辽河流域辽宁境内水质评价研究

田 力

(辽宁省辽阳水文局，辽宁 辽阳 111000)

水质评价通常是根据不同的要求和目标，调查与监测水体的生物、化学、物理指标，并对其质量状况利用适当的方法进行分析描述。通过科学、客观地确定水体污染程度，并将污染等级划分为水质评价的主要目标，据此可为河流污染治理和科学管理提供一定的参考依据，同时也是组成水环境管理、水资源充分利用与合理开发的重要内容。对于复杂的环境系统评价，目前较为常用的方法有神经网络法、模糊综合法、指标体系法以及灰色理论法。依次将河流各断面、各时期分开来计算为水质评价的普遍思路，而考虑了水环境质量差异性与相似性的研究相对较少，特别是在长时间、多断面、大样本与大尺度流域水质评价时，可能存在计算过程繁杂、精确度较低和重复计算的现象。针对此类问题，聚类法、方差法和因子法得到推广和应用。据此，本文以辽河流域辽宁段为例，在详细分析了水质常用指标与因子法的基础上，选择了影响水环境状况的关键参数，通过对样本点的分组实现了大样本、长距离、多断面水质的综合评价[1- 2]。

1 原理方法

1.1 评价指标的选取

在水质评价工作中，科学、合理地选择指标具有重要作用，水质指标之间通常存在较大的相关性，并且作用关系较为复杂，如果指标选取过多则可能造成由于指标所包含的信息重叠而重复计算，不仅使得计算工作量增加，而且可造成评价结果存在偏差；如果指标选取过少，则无法反应水体的整体情况，并可能导致水体某些重要的特征被忽略。针对此类问题，因子分析法能较好地处理，该方法从多个可观测变量中，提取少数潜在的能够最大程度解释和概括原有观测变量信息的公共因子，并对事物的本质进行客观、全面的解释。其基本思路是通过分析观测变量的相关性特征将其分组，不同组之间相关性较低而各组内相关性较高，可根据变量的潜在公共因子反映每组观测变量的基本结构[3]。

在进行多个相关性较强的指标分析时，因子分析法具有良好的适用性与可行性，而对于相互之间具有较强独立性的指标，则无需进行简化处理[4]。因此，为判断因子分析法是否适用于指标简化处理，应首先利用KMO法检验各指标数据。评价指标按照因子分析法进行筛选时，其基本原则为在确定了公共因子个数的基础上，按照一定的标准选择所对应的指标变量[5]。因此，按照此方法选择的指标具有较强的变量解释能力。

1.2 指标数据的时空尺度差异性检验

在检验2个及以上数据样本差异性时，方差分析法具有较强的实用性与科学性，主要是对变异量按照不同的来源，将其划分为误差与控制变量2种类型。若误差引起的变量显著低于控制变量，则可认为因变量主要受控制变量的影响，其表达式为SSt=SSw+SSb，其中SSb、SSw分别为控制变量与误差引起的变异，SSt为总变异。根据控制变量个数的不同，可将方差分析分为单因素、多因素2种类型，本文主要是针对空间或时间因素开展研究，因此为典型的单因素分析，其表达公式为：

(1)

(2)

(3)

组内方差可通过求解组内变异与其自由度之比确定，同理可得到组间方差，组间与组内方差比值的F检验为方差分析方法的关键流程，其显著性检验公式如下：

(4)

1.3 层次聚类分析的样本点分组

本文考虑采用层次聚类法将样本点按照相似性与差异性进行分组，组间距离与样本间距离为样本点亲疏程度计算的主要内容，其中样本间距离测量方法有绝对距离、切比雪夫距离以及欧式距离平方距离等方法，组间距离的测量有离差平方和法、重心法、最远举例法等，本文综合考虑各种状况采用差分平方和法进行组间距离的测量[6]。

离差平方和法是将与上一阶段合并的差异度作为衡量标准，并在聚类过程中合并变化最小的对象，从而组成新的组[7]。该方法的最终目的是实现不同样本类别之间存在较大的差异度，而同一类内的差异度最低，因此可利用离差平方和Vg表示组内样本间的差异度，计算公式如下：

(5)

1.4 水质标识指数评价法

可将2位小数与一位整数组成的有效数字作为单向水质标识指数Pi，监测数据在水质变化区间的位置可通过小数部分反映，而水质类别可根据整数部分进行判断。Pi计算公式为：

(6)

(7)

式中，Ki—第i项指标的水质类别，取值范围为1～6，可根据GB 3838—2002《地下水环境质量标准》比较分析获取；ρi、ρik下、ρik上—分别为第i项指标的实测浓度值、Ki类水区间浓度下限与上限值。

递减性指标溶解氧可根据式(6)计算，利用式(7)确定递增性水质指标，若水体质量较差并低于V类，可分别对溶解氧与递增性指标进行计算：

(8)

(9)

水体在受到人文因素与自然因素的双重作用下可能存在的情况有：相对于水环境功能区设定的标准某项或两项以上指标处于严重超标状态，而其他各项指标均满足标准要求；利用单因子法往往很难客观、全面地表征水体的综合状况，并未考虑其他因素对水环境的影响作用[8]。综合水质标识指数可有效避免上述方法存在的问题和缺陷，该方法不仅考虑了所有的单项指标，而且重点分析了污染严重的指标，并能够对水质状况进行系统、全面地分析。单项指数最大值与平均值是组成综合指数P的两大内容，其计算方法为：

(10)

污染程度与水质级别，可利用水质标识指数P进行反映，水质为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ与劣Ⅴ级别时，综合水质标识指数P的取值范围分别为1～2、2～3、3～4、4～5、5～6和大于6。

2 实例应用

2.1 辽河流域概况

辽河流域位于我国东北地区南部，全长1345km，流域面积21.9万km2，主要流经河北、内蒙古、吉林和辽宁等区域。辽宁省境内的辽河流域面积6.9万km2，地理位置介于东经121°16′～125°20′，北纬40°28′～43°30′，主要涉及本溪、抚顺、辽阳、铁岭、营口、盘锦等28个市县，包括大辽河、太子河、浑河和辽河等水系。属于半干旱半湿润季风气候，冬季寒冷干燥，夏季炎热多雨，年降水量为300～1100mm，因其独特的地理位置和季风气候，降水量在时空分布上极不均衡，其中65.0%以上集中在6—9月(汛期)，东部水域面积较大[9- 12]。

辽河流域沿岸人口较为集中、经济发展较快且城镇化程度高，污水排放超标严重，并且大中型工业较为集中，河流氨氮、化学需氧量和废水等排放量较大，河流水体污染较重。该流域的8个断面常年为劣Ⅴ类水质，抚顺上游的浑河流域水质相对较好，部分河段水质可达到Ⅰ、Ⅱ类。根据辽宁段实际状况，在综合考虑了该流域人文因素和各种自然条件的基础上，本文选取了16项指标作为辽河流域水质评价的基础依据，如高锰酸钾、氨氮、溶解氧等参数[1]。选择2012—2015年太子河、浑河和辽河典型断面的月度监测值作为各项指标数据来源，提取125个水质样本并利用SPSS软件进行数据分析，最终得到16项水质指标年度监测均值，见表1。

2.2 水质指标的选取

利用因子分析法对2012—2015年3个典型断面的125个监测样本进行筛选，从16项水质基础指标中选择能够综合反映水质级别的重要指标。为判断因子分析法是否适用于指标筛选处理，应首先利用KMO法检验各指标数据，结果表明KMO值为0.772，利用因子分析法能够对原始数据进行简化处理。在旋转成分矩阵表中前4个特征值大于1的公因子，所对应的最高因子荷载变量主要包括六价铬、挥发酚、粪大肠菌群、溶解氧、铜、氨氮、高锰酸钾指数以及化学需氧量指标，并以此作为水质评价的重要判断依据。

2.3 指标时空差异性检验

同一年度不同断面和不同年度同一断面间的水质评价重要指标，其月度监测值单因素方差分析结果，见表2。

表1 2012—2015年辽河流域辽宁段各典型断面水质指标月度监测均值

表2 水质评价重要指标的单方差分析Sig值

根据表2分析结果可以发现，同一断面不同年度间的六价铬、氨氮、化学需氧量与粪大肠菌群4个重要水质指标均不存在显著性差异特征，在不同年度间铜与挥发酚指标对于3个断面呈现出较为显著的差异性，在不同年度间的溶解氧与高锰酸钾指数指标相对于部分断面呈现出显著性差异；同一年度不同断面间的六价铬、溶解氧、氨氮、挥发酚和铜5项重要水质指标不存在显著性差异，不同断面间相对于4个年度的高锰酸钾指数与化学需氧量均呈现出显著性差异，在不同断面间的部分年度粪大肠菌群指标具有显著性差异。

综上所述，不同年度同一断面间有4项指标不存在显著性差异，而剩余其他4项指标在不同年度间的部分或全部监测断面存在显著性差异；在同一年度不同断面间存在3个指标具有显著性差异，而其他5项指标不存在差异性。由此表明，在时间与空间尺度上，水体中的污染物浓度不仅存在着相似性特征，而且具有差异性。在此条件下，将各断面与各时期分开进行评价，可能会导致繁琐的计算过程和不必要的重复性计算。因此，可通过合适的方法按照相似性与差异性特征，将样本点分组，并根据每组评价结果合理地分配给相对应的样本点。

2.4 样本点分组

本文对125个样本点的层次聚类考虑采用差分平方和法和SPSS软件分析，在聚类分析过程中离差平方和发挥着重要的作用。结果显示，在10类至9类离差平方和系数变化过程中存在一个较大幅度的增加，即由295.2提升至320.6；分别以离差平方和与类数作为坐标系统的纵横轴，并将层次聚类分析绘制成曲线，结果显示曲线斜率在10类与9类区间表现出较大的增加，因此可将125个样本聚类成10组并标记为G1～G10，结果见表3。

表3 10个样本组所对应的水质样本点

根据各样本点水质指标之间的距离计算结果，将距离较近和较远的样本点进行组类的划分，该过程即为聚类分析的本质。水质指标浓度之间的差距与2个样本点之间的距离呈正相关性，即距离越近则浓度差距越小，水质状况所属同一级别的可能性就越大。所以，在同一组中利用聚类分析法可得到相似的水质状况，换而言之就是该组内的水样点属于相同的水质级别，并可进行统一的整体评价。利用组内样本均值作为样本数据特征并进行水质级别评价，结果见表4，然后根据各样本点分组赋予相应的评价结果。

由表4可知，在各水样分组中G1聚集了浓度较高的粪大肠菌群和浓度较低的溶解氧指标；G2与G3分别聚集了浓度较高的化学需氧量、高锰酸钾指数和铜与氨氮；G4与G5分别聚集了浓度较高的氨氮和粪大肠菌群、铜、挥发酚与氨氮；六价铬在G6组内的聚集浓度较高，而G7、G8和G9组并未聚集浓度较高或较低的指标。

2.5 水质评价结果分析

根据文中所述水质标识指数计算公示(6)～(10)和各样本的水质评价指标均值，分别得到各水质样本的综合标识与单项指标指数，结果见表5。

由表5可知，辽河流域辽宁段水质级别处于Ⅱ～Ⅴ级范围，水质为Ⅱ级的主要有G6与G8组，水质最差的为G1组其水质处于Ⅴ级，共有5组水质处于Ⅲ级。水质最好的是水质样本点来源于2012年的G6组，最差的是水质样本点来源于2015年的G1组。

表4 辽河流域辽宁境内10组样本的水质指标均值

表5 10组样本综合标识指数与单项指标评价结果

根据上述分析结果，利用综合水质标识指数评价法不仅重点突出了最差指标对水质的影响，而且综合考虑了各项指标并有效避免了以偏概全的弊端，从而更加客观、全面地反映了水质的整体状况。利用该方法可同时对比同一水质级别样本的优劣状况，并判断较差水质的受污染程度。

对水质样本点分配相应的标识指数评价结果表明横向分析可得到长时间、多断面、大样本的水质评价，结果显示辽河流域辽宁段自上游至下游水质状况，整体呈现出逐渐变差的变化规律，其中水质状况最好的区段位于抚顺上游的浑河段，最差的位于太子河下游段。依据辽河流域水文环境和特殊的地理位置，可以得出人文因素影响该区段下游断面水质的状况。下游区段的工业较为密集，污水排放口较为集中，河流难以利用其自净功能实现降解，并且生活污水的排放，进一步对下游水质造成不利影响，水质状况较为恶劣。纵向分析结果表明研究期间水质较差的为2012年，水质相对较好的为2015年；结合研究区域水质监测实际状况，夏季与冬季分别为水质最好、最次的期间，而春秋季节的水质状况处于一般水平。辽河为雨污河流区域，在生活污水与工业废水入河量相差不大的条件下，水体污染最为严重的时期为每年的枯水期，而丰水期相对较好。

3 结论

(1)该水质标识指数法通过选取相关性较强的指标，从而降低评价结果受人为主观因素的影响。对样本内的相似性与差异性特征，可通过水质指标数据的空间与时间特征来反映，并有效提高了评价分析的效果。所选取的各项指标不仅避免了单因素方法以偏概全的不足，而且重点突出了最差指标的影响作用，能够客观、科学地反映流域水质状况。

(2)辽河流域辽宁段2012—2015年，其水质级别处于Ⅱ～Ⅴ级范围，水质为Ⅱ级的主要有G6与G8组，水质最差的为G1组，其水质处于Ⅴ级，共有5组水质处于Ⅲ级。相对于水功能区化标准，该区段水质状况仍处于超标状态，在今后的水质保护与治理工作中，不仅要加大对污水企业排放的监管力度，而且还要注重发展污水处理技术，使得在改善辽河流域水质状况方面发挥更大的作用。