从水质变化趋势看常州市武南区域重点河流治理成效

康若熙,谢文理,赵文星,庞晓斯,余 刚*

从水质变化趋势看常州市武南区域重点河流治理成效

康若熙1,谢文理2,赵文星1,庞晓斯1,余 刚1*

(1.清华大学环境学院,新兴有机污染物控制北京市重点实验室,北京 100084；2.常州市环境监测中心,江苏 常州 213001)

为探究武南区域重点河流水质的变化规律、驱动因素以及河流治理成效,基于2006~2018年连续水质监测数据,综合分析了4条重点河流(太滆运河、武宜运河、武进港和永安河)水质演变趋势,并对污染较重的永安河各项水质指标进行了季节性分析和相关性分析.结果表明:2006~2018年,4条河流水质整体呈好转趋势,修正内梅罗指数分别下降36.2%,31.5%,56.4%,48.7%,受河流清淤工程影响,永安河2017年水质有所下降;4条河流氨氮浓度、总氮浓度与高锰酸盐指数下降趋势明显(<0.05),总磷浓度则存在一定波动;永安河的总氮、氨氮和高锰酸盐指数间或存在同源关系,氨氮和总氮季节性变化明显,雨季浓度低于旱季,总磷和高锰酸盐指数没有明显季节性变化趋势;城镇化发展与产业结构由传统工业、农业向第三产业的转变均对区域水环境改善有积极作用.

武南区域；水质；变化趋势；驱动因素

太湖是我国第三大淡水湖泊,地处长江下游的太湖流域,是我国人口最密集、工农业最发达的地区之一[1].然而,随着经济的高速发展,流域内水质下降、水体富营养化加剧的问题日益突出[2].相关研究表明,近20年来,太湖流域水体氮、磷营养元素污染严重,湖体夏季水华蓝藻暴发等情况已严重影响到流域水环境质量及生活用水安全[3-5],因入湖河流污染负荷重,流速低,自净能力差所造成的流域生态风险上升、水质性缺水情况增多等问题层出不穷[6-7],流域水环境污染与水生态受到了广泛关注.

已有部分学者分析研究了太湖流域水质变化趋势.于东升[8]等采用Mann-Kendall法对太湖西岸水质变化趋势进行了分析,结果表明,2009~2015年太湖西岸水质呈逐年改善趋势,影响区域水质的主要驱动因子为氨氮和COD;左一鸣等[9]对太湖各水质指标进行了聚类分析,表明总氮、氨氮与亚硝酸盐氮,高锰酸盐与总磷具有相同的变化趋势;朱伟等[10]对太湖梅梁湾和贡湖湾的水质变化趋势分析情况显示,2010年以来,监测区域总氮浓度呈波动下降趋势,总磷浓度在2015、2016年有所反弹.然而,已有研究多侧重于水质指标变化情况分析,对影响水质变化的深层次因素探讨较少,且研究对象多为太湖湖体或流域内单条河流,尚缺乏针对太湖流域西北部区域长时间跨度水质变化趋势及影响因素的深入分析.

本研究以太湖流域西北部武南区域的4条重点河流为对象,系统分析了河流上、中、下游点位在2006~2018年间的水质监测数据,采用修正内梅罗指数法探讨了各河流水质的总体情况,并对细分水质指标的变化趋势进行了Mann-Kendall检验,同时通过主成分分析与相关性分析探讨了水质变化的内在驱动因素.此外,本研究对污染较重河流永安河的各水质指标进行了季节性和相关性分析,研究结果对科学评价武南区域水环境治理进展和完善治理方案具有重要意义.

1 材料与方法

1.1 研究区域概况

常州市武进区地处江苏省南部,太湖流域西北部,东邻无锡市,西毗金坛区和丹阳市,南接宜兴市,北靠常州天宁区、钟楼区和新北区.区域内地势低平,河网繁复稠密,属于典型平原河网结构.

武南区域是指武进区内京杭运河以南的部分,面积约800km2,是多条河流的入湖处.武南区域内“两纵(武进港、武宜运河)一横(太滆运河)”是骨干河流,接纳了区域内主要污染负荷,其中,武进港与太滆运河为太湖西北部主要入湖河流,武宜运河为太湖湖西区主要入湖河流[11].此外,永安河是区域内污染较重的一条河流.该区域由于环境容量有限、本地和外来污染负荷高,多个监测断面水质超标时常发生.

1.2 点位选择与数据来源

武南区域内共包含5个国考断面和9个省控点位,覆盖湖区及8条入太湖河流.因本研究主要针对区域内骨干河流(武进港、武宜运河、太滆运河)与污染较重河流(永安河),考虑到各点位已有监测数据间的充分性与可比性,选取4条河流上、中、下游共12个国考、省考和重点监测点位,点位名称及布设位置见图1.

本研究数据为2006~2018年常州市环境监测站水质例行监测结果,各点位每月均有至少1次水质监测数据,指标包括高锰酸盐指数、氨氮、总磷、流速、温度等.武进区城镇化与产业结构数据来源为2007~2018年常州统计年鉴[12].

图1 武南区域重点河流研究点位分布图

1.3 评价方法

1.3.1 修正内梅罗指数 常用的水质评价方法包括单因子指数评价法[13]、综合污染指数评价法[14]、模糊综合评价法[15]、层次分析法[16]等.其中,综合污染指数法具有操作简便,可直观反映多个水质参数与相应标准间的综合对应关系[17].内梅罗指数是一种兼顾极值或突出最大值的计权型多因子环境质量指数,其相较于SWQI法与均值法更加科学合理[18].修正的内梅罗法相较传统内梅罗法更多地考虑了各污染指标间的权重,修正了极端值对指数的影响,其主要计算公式如下[19]:

本研究采用修正后的内梅罗指数对研究区域水质进行衡量与分析.

1.3.2 Mann-Kendall统计检验 Mann-Kendall统计检验是环境数据时间序列趋势分析的一种方法,也是检验水文水质指标时间序列单调趋势的有效工具[20].该方法能有效区分某一自然过程是处于自然波动还是有确定的变化趋势[21].本研究所涉及的一系列水质指标为时间变量,故用Mann-Kendall统计检验对各水质指标进行趋势分析.

1.3.3 主成分分析 主成分分析法是一种将多维因子纳入同一系统进行降维定量化研究的多元统计分析方法,它可从诸要素中找出影响水质状况的主导因子,逐级划分合并以达到综合评价水环境的目的[22].本研究采用主成分分析法与相关性分析法归纳分析各水质指标的深层次影响因素.

2 结果与讨论

2.1 修正内梅罗指数分析结果

修正内梅罗指数的评价因子选择主要从水资源利用角度出发,评价结果尽可能客观反映区域内的水资源用途与污染类型[23].武南片区污染源主要由工业源、农业源和生活源三部分构成,其中,生活源与畜禽养殖源排放造成的氮、磷污染倍受关注.综合考虑研究区域污染特征,选取高锰酸盐指数、氨氮、总氮、总磷4项具有代表性评价因子进行水质评价.因修正内梅罗指数法需在同一标准下比较,根据各河流点位已有的水质标准值,选取《国家地表水环境质量标准GB3838-2002》[24]中IV类水质标准作为基准.以河流上、中、下游水质指标年均值代表河流整体水质状况,所得修正内梅罗指数计算结果见图2.

根据修正内梅罗指数计算结果,2006~2018年,4条河流总体水质呈好转趋势.太滆运河整体呈上游水质较好,中游污染较严重,下游水质有所好转的特点,中游运村点位沿岸分布的化工厂、机械厂、水泥厂、农业面源以及锡溧漕河来水为河流主要污染来源[25-26].2006~2010年间,得益于“十一五”期间所采取的污染源监管、河道污染拦截、上游湖荡净化等措施,太滆运河水质改善明显,修正内梅罗指数由1.64下降至0.94;2010~2018年,太滆运河河口生态拦截工程对上游红湖大桥水质改善明显,中游水污染控制工程持续推进,全河修正内梅罗指数维持在0.90左右,水质状况较好.武进港是入太湖梅梁湾的主要河流,受京杭运河来水及沿岸污染源排放影响[27],上游慈渎桥点位水质污染较中、下游严重.“十一五”期间,武进港治理工程对入太湖污染负荷量削减达20%,河流水质提升,2006~2010年修正内梅罗指数下降21.1%.2013~2016年,受沿线污染源排放和支流汇水的影响,武进港水质略有下降,但随着河流整治工程的竣工,2017~2018年,武进港各点位水质有所好转,修正内梅罗指数达0.95.武宜运河流经武南区域工业、农业产业聚集地,承接区域内较多工业、农业、生活污染负荷,河流中、下游水质状况较差.受河流综合治理工程影响,2006~2018年,武宜运河水质持续好转,修正内梅罗指数下降56.4%.永安河流量仅为1.1m3/s,不及另三条河流的十分之一,河流流经前黄镇内农业区、工业区与集镇生活区,沿线农业面源、工业源与生活源众多,小流量与高沿线污染排放共同导致了河流水体污染严重.尽管2006~ 2018年,永安河存在明显好转趋势,修正内梅罗指数降幅达48.7%,但与其他3条河流仍存在较大差距.因当地政府持续推动“三河工程”,永安河拓浚工程于2017年10月底竣工,工程投资16亿元,全长约20km,涉及项目包括河道清淤、河道拓宽、建设生态保护岸等.因河道清淤过程对河流水质的不利影响,2017年永安河水质有所下降,但清淤工程完成后,2018年河流水质状况明显好转.

图2 2006~2018年4条重点河流修正内梅罗指数

2.2 4项水质指标时间跨度分析

图3是4条重点河流2006~2018年水质指标变化曲线,可见,太滆运河、武宜运河和武进港的氨氮浓度、总氮浓度和高锰酸盐指数均波动下降,得益于“十一五”、“十二五”期间各项整治措施,2006~2010年3项水质指标浓度下降尤为明显,2010~2015年各指标维持低位波动.各河流高锰酸盐指数基本达标,氨氮与总氮变化趋势相似,武进港各项水质指标相对较好.目前,区域内3条主干河流氨氮浓度基本达到IV类水质标准.永安河氨氮污染仍较重,尽管自2006年至今,河流氨氮浓度得到了一定控制,但河流水质仍处于劣V类水平,氨氮为永安河最应引起重视的污染物.太滆运河、武宜运河和武进港总磷浓度均符合IV类水质标准,且变化较平稳,永安河总磷浓度在2006~2017年均维持在相对较高的劣V类水平, 为重点关注的污染指标.自永安河拓浚工程施工完成后,河流水体磷污染得到了有效控制,2018年全年平均总磷浓度达到IV类水质标准.

表1 Mann-Kendall水质变化趋势检验

注:*,**和***分别表示通过90%,95%和99%的显著性检验.

表1是Mann-Kendall法水质变化趋势检验结果,可见4条河流氨氮浓度、总氮浓度和高锰酸盐指数在2006~2018年下降趋势显著(<0.05).武进港和武宜运河总磷浓度下降趋势也较明显,而永安河和太滆运河总磷浓度增减趋势不明显,存在不规则波动.

2.3 水质变化驱动因素分析

“十一五”至“十三五”期间,武进区政府采取了系列措施治理当地水环境,本研究重点分析主要措施对武南区域水质变化的影响.在2006~2017年期间,城镇化和产业结构调整是推动武进区发展的两大主要因素.武进区政府相继采取了系列产业结构优化与经济结构调整措施,如鼓励产业集聚,培育新产业,扶持服务业等[28],并通过民营经济带动、特色园区建设、创新创业发展、产教融合互促等做法实现了区域经济的高质量发展[29].

本研究采用SPSS 22统计软件,对城镇化推进和产业结构优化相关指标分别进行主成分分析.城镇化发展可体现在经济与收入增长、人口与城市规模扩大等方面[30],基于上述考虑,选取总产值、城镇人口占比、人均绿地面积、人均道路面积和人均GDP共5项指标作为城镇化推进的主要驱动因素;区域产业结构可由各产业产值以及其他特征产业数据体现,选取农作物播种面积、淡水养殖面积、工业产值占比、第三产业产值占比和农林牧渔业产值占比5项指标作为产业结构优化的主要驱动因素.主成分分析结果见表2,KMO值分别为0.719和0.679,Bartlett的球形检验值均为0.000(<0.05),适合进行因子分析.

城镇化推进因素可提取1个有效因子,对方差的贡献率为92.747%,基本涵盖了全部信息.其中,总产值、城镇人口占比、人均绿地面积、人均道路面积和人均GDP均占有较高正向权重,即地区经济发展越快,城市建设越好,该因子值越大,将该有效因子定义为城镇化因子.产业结构优化因素可提取出1个有效因子,因子对方差贡献率为90.643%,其中,农作物播种面积、淡水养殖面积、工业产值占比、和农林牧渔业产值占比的载荷值均较高且为正,第三产业产值占比比值较高,但载荷值为负,即区域产业越由工业、农业向第三产业转型,该因子值越小,将此因子命名为产业结构因子.

分别计算了2006~2017年城镇化因子和产业结构因子,并将两因子分别与4条河流监测点位年均综合污染指数进行Pearson相关性分析,结果见表3.在0.05(双尾)水平下,太滆运河、武进港和武宜运河这3条区内主要河流综合污染指数均与城镇化因子显著负相关,与产业结构因子显著正相关.武南区域内城镇化发展的稳步推进对重点河流水质改善具积极影响,产业结构由工业、农业向第三产业的转变也对区内河流水质有正向作用.政府所推进的新型城镇化建设与产业结构优化理念对区域内主干河流水质改善成效较显著.从污染源排放角度探究内在原因可知,区内城镇化的推进可大幅减少农村生活源的直接排放,并减少部分农业面源向地表径流的排放,从而降低河流污染负荷,提升河流水质;产业结构的优化可使区域内工业企业数量减少,产业聚集程度提高,从而降低工业源的入河负荷,促进区域内水质改善.

表2 各因子主成分分析结果

注:*表示相关系数³0.75.

表3 内梅罗指数与因子Pearson相关性分析结果

注:*表示在0.05水平下显著相关,**表示在0.01水平下显著相关.

同时,各因子与永安河年均综合污染指数不存在显著的相关关系,这主要是因为永安河流量较小,监测数据波动较大,且河流水质也受相关治理工程影响.因此,本研究将单独分析永安河水质.

2.4 重污染河流(永安河)各指标季节性变化及相关性分析

永安河位于武进区内,北连采菱港,南接太滆运河.流经湖塘、南夏墅、礼嘉和前黄镇,属太湖流域武澄锡虞区骨干调节河道.由于河流沿岸化工、电镀、印染企业繁多,且排放管控难,永安河及其主要支浜的水质黑臭问题一度非常严重,其所排放的污染份额曾占据太滆运河的80%[31].由前述分析可知,永安河各项水质指标浓度远高于其它几条河流,且水质变幅较大.根据当地降水量,将一年分为雨季(4~9月)和旱季(1~3月,10~12月)两个时段,并分别分析永安河氨氮、总氮、总磷、高锰酸盐指数变化趋势如图4所示.

分析结果显示,永安河氨氮和总氮季节性变化较明显,雨季浓度明显低于旱季,这主要是由于降水对各污染指标有一定的稀释作用.就时间跨度而言,2006~2018年,2项指标呈好转趋势,但在2017年有明显反弹.河流氨氮和总氮浓度的降低主要是由于当地政府对永安河采取了治理措施,政府对河流沿岸高污染企业进行了专项整治,规范了工业废水处理要求,并关停了不合格企业.而2017年的反弹则是永安河清淤工程所致暂时现象.永安河总磷浓度和高锰酸盐指数的季节性变化不明显,雨季和旱季浓度相差不大.就时间跨度而言,总磷浓度和高锰酸盐指数在2006~2018年间变化趋势不明显,说明2项污染指标与工厂点源排放关系不大,更多来自河流沿岸面源污染.

永安河沿岸,工业点源与农业面源分布错综复杂,所流经的前黄镇为武南区域最大的农业区,经估算,前黄镇所排农业面源占比高达全区的44%.降水既能对河流产生稀释效应,也会因地表径流将更多污染源带入河流.因此要使河流水质进一步好转,在进行工业点源整改与河道清淤的同时,也应注重河流沿岸农业面源管理.

为进一步探究各水质污染指标间的内部联系,对高锰酸盐指数、氨氮、总磷、总氮4项指标进行Pearson相关性分析,结果见表4.高锰酸盐指数与总氮、氨氮间存在显著相关性,而总磷与其他3项指标相关性均不显著.该结果说明河流中高锰酸盐指数、总氮和氨氮相互影响,指标间或存在同源关系.对比区域内污染源估算结果,永安河流经地主要污染源为农业源和生活源,各污染源对高锰酸盐指数、氨氮和总氮浓度均有贡献,为3项指标的共同污染源;而水产养殖源、种植源和畜禽养殖源为影响总磷浓度的主要污染源,其他污染源对总磷排放的贡献较小.

表4 各水质指标Pearson相关性分析结果

注:*表示在0.05水平下显著相关,**表示在0.01水平下显著相关.

3 结论

3.1 在2006~2018年间太滆运河、武宜运河、武进港、永安河4条河流水质总体好转,修正内梅罗指数降幅分别达36.2%,31.5%,56.4%,48.7%.受河流清淤工程影响,永安河水质在2017年有所反弹.

3.2 2006~2018年间,4条河流氨氮浓度、总氮浓度和高锰酸盐指数下降趋势显著(<0.05),武进港和武宜运河总磷浓度下降明显,太滆运河和永安河不同年份总磷浓度存在不规则波动.

3.3 永安河氨氮浓度和总氮浓度季节性变化明显,雨季浓度明显低于旱季,总磷浓度和高锰酸盐指数不存在明显季节性变化趋势.氨氮、总氮和高锰酸盐指数间相关性较显著,各污染物或存在同源关系,而总磷与其他3项指标间不存在显著相关关系.

3.4 武南区域内城镇化发展对区域水环境改善有积极影响,产业结构由传统工业、农业向第三产业的转变有助于河流水质好转.

[1] Su L, Xue Y, Li L, et al. Microplastics in taihu lake, China [J]. Environmental pollution, 2016,216:711-719.

[2] 蔡履冰.太湖流域水体富营养化成因及防治对策的初步研究[J]. 中国环境监测, 2003,3(19):52-55. Cai L B. Preliminary study on the cause and the preventing and curing of the water body eutrophication of the Taihu Basin [J]. Environmental Monitoring in China, 2003,3(19):52-55.

[3] 李 未,秦伯强.太湖梅梁湾富营养化主要驱动因子的多时间尺度分析 [J]. 湖泊科学, 2012,24(6):865-874. Li W, Qin B Q. Multiple temporal scale analysis of main driving factors of eutrophication in Meiliang Bay, Lake Taihu [J]. Journal of Lake Sciences, 2012,24(6):865-874.

[4] 毛新伟,徐 枫,徐 彬,等.太湖水质及富营养化变化趋势分析 [J]. 水资源保护, 2009,25(1):48-51. Mao X W, Xu F, Xu B, et al. Changes of water quality and eutrophication in Taihu Lake [J]. Water Resources Protection, 2009, 25(1):48-51.

[5] 朱广伟.太湖富营养化现状及原因分析 [J]. 湖泊科学, 2008,(1): 21-26. Zhu G W. Eutrophic status and causing factors for a large, shallow and subtropical Lake Taihu, China [J]. Journal of Lake Sciences, 2008,(1): 21-26.

[6] 李娟英,曹宏宇,崔 昱,等.太湖流域主要水系水环境特征分析与富营养化评价[J]. 水生态学杂志, 2012,33(4):7-13. Li J Y, Cao H Y, Cui Y, et al. Water environmental characteristics analysis and eutrophication assessment on lakes in Taihu Basin [J]. Journal of Hydroecology, 2012,33(4):7-13.

[7] Xu X, Yang G, Tan Y, et al. Ecological risk assessment of ecosystem services in the Taihu Lake Basin of China from 1985 to 2020 [J]. Science of the Total Environment, 2016,554:7-16.

[8] 于东升,袁宏林,张 颖,等.太湖西岸水质变化趋势及主要驱动因子 [J]. 环境污染与防治, 2017,39(10):1063-1066+1070. Yu D S, Yuan H L, Zhang Y, et al. Trend and dominating factors of water quality change in the west bank of Taihu Lake [J]. Environmental Pollution & Control, 2017,39(10):1063-1066+1070.

[9] 左一鸣,崔广柏,冯 健.太湖水质指标相关关系的研究 [J]. 人民长江, 2005,(10):29-30. Zuo Y M, Cui G B, Feng J. Study on the correlation of water quality indicators in Taihu Lake [J]. Yangtze River, 2005,(10):29-30.

[10] 朱 伟,谈永琴,王若辰,等.太湖典型区2010~2017年间水质变化趋势及异常分析 [J]. 湖泊科学, 2018,30(2):296-305. Zhu W, Tan Y Q, Wang R C, et al. The trend of water quality variation and analysis in typical area of Lake Taihu, 2010~2017 [J]. Journal of Lake Sciences, 2018,30(2):296-305.

[11] 张 宇,凌 虹,吴俊锋,等.武宜运河小流域平原河网地区水环境质量现状分析及改善对策研究 [J]. 环境科学与管理, 2015,40(12): 20-25. Zhang Y, Ling H, Wu J F, et al. Present situation and countermeasures of water environment quality in plain river network region in small watershed of Wuyi River [J]. Environmental Science and Management, 2015,40(12): 20-25.

[12] 常州市统计局,国家统计局常州调查队.常州统计年鉴 [J]. 中国统计出版社, 2007~2018. Changzhou Statistical Burea, National Bureau of Statistics, Changzhou Division. Changzhou Statistical Yearbook [J]. China Statistics Press, 2007~2018.

[13] 郭 晶,王丑明,黄代中,等.洞庭湖水污染特征及水质评价[J]. 环境化学, 2019,38(1):152-160. Guo J, Wang C M, Huang D Z, et al. Pollution characterization and water quality assessment of Dongting Lake [J]. Environmental Chemistry, 2019,38(1):152-160.

[14] Lumb A, Halliwell D, Sharma T. Application of CCME water quality index to monitor water quality: a case study of the Mackenzie River Basin, Canada [J]. Environmental Monitoring and Assessment, 2006, 113(1/2/3):411-429.

[15] 付 宁,任学昌,朱文萍,等.模糊数学法在兰州市地表水环境质量评价中的应用分析研究[J]. 环境科学与管理, 2016,41(12):168-172+ 186. Fu N, Ren X C, Zhu W P, et al. Application analysis of fuzzy mathematics in water quality evaluation of surface water in Lanzhou [J]. Environmental Science and Management, 2016,41(12):168-172+ 186.

[16] 李 霄,柴 璐,王晓光,等.基于层次分析法的丹东地区地下水污染防治区划[J]. 地质与资源, 2018,27(4):396-405. Li X, Chai L, Wang X G, et al. Regionalization of groundwater pollution prevention in Dandong area based on analytic hierarchy process [J]. Geology and Resources, 2018,27(4):396-405.

[17] 张亚丽,周 扬,程 真,等.不同水质评价方法在丹江口流域水质评价中应用比较[J]. 中国环境监测, 2015,31(3):58-61. Zhang Y L, Zhou Y, Cheng Z, et al. Comparison and analysis of different evaluation methods for water quality in the Danjiangkou Valley [J]. Environmental Monitoring in China, 2015,31(3):58-61.

[18] 高红杰,郑利杰,嵇晓燕,等.典型城市地表水质综合评价方法研究[J]. 中国环境监测, 2017,33(2):55-60. Gao H J, Zheng L J, Ji X Y, et al. Study on comprehensive evaluation methods for surface water of typical cities [J]. Environmental Monitoring in China, 2017,33(2):55-60.

[19] 吴喜军,董 颖,张亚宁.改进的内梅罗污染指数法在黄河干流水质评价中的应用[J]. 节水灌溉, 2018,(10):51-53+58. Wu X J, Dong Y, Zhang Y N. Application of improved nemerow pollution index method in water quality evaluation of Yellow River [J]. Water Saving Irrigation, 2018,(10):51-53+58.

[20] 王顺久.长江上游川江段气温、降水及径流变化趋势分析[J]. 资源科学, 2009,31(7):1142-1149. Wang S J. Changing pattern of the temperature, precipitation and runoff in Chuanjiang section of the Yangtze River [J]. Resources Science, 2009,31(7):1142-1149.

[21] 贾立斌,吴伟宏,袁国华.基于Mann-Kendall的中国近岸海域海洋生态环境承载力评价与预警[J]. 生态经济, 2019,35(2):208-213+224. Jia L B, Wu W H, Yuan G H. Carrying capacity assessment and warning for China nearshore marine ecological environment based on Mann–Kendall [J]. Ecological Economy, 2019,35(2):208-213+224.

[22] 商 博,于光金,王桂勋,等.基于PCA的区域环境质量综合评价及应用实例研究[J]. 中国环境监测, 2013,29(5):12-15. Shang B, Yu G J, Wang G X, et al. Research-based on the principal component analysis in regional environmental quality evaluation and application examples [J]. Environmental Monitoring in China, 2013,29(5):12-15.

[23] 侯佳辛.基于内梅罗污染指数法的区域水环境评价——以玛纳斯河流域为例[J]. 内蒙古水利, 2012,(5):8-9. Hou J X. Regional water environment assessment based on Nemero Pollution Index Method: A case study of Manas River Basin [J]. Inner Mongolia Water Resources, 2012,(5):8-9.

[24] GB3838-2002 地表水环境质量标准[S]. GB3838-2002 Surface Water Quality Standard [S].

[25] 徐宪根,曹慧敏,顾礼明,等.太滆运河沿程水质变化及原因解析[J]. 广东化工, 2017,44(12):197-198+194. Xu X G, Cao H M, Gu L M, et al. The water quality changes and cause analysis of Taige Canal [J]. Guangdong Chemical Industry, 2017, 44(12):197-198+194.

[26] 谢文理,田 颖,祁红娟,等.太滆运河氨氮污染时空特征及来源研究 [J]. 安徽农业科学, 2018,46(22):55-57. Xie W L, Tian Y, Qi H J, et al. Study on spatial-temporal features and source of ammonia-nitrogen pollution of Taige Canal [J]. Journal of Anhui Agricultural Sciences, 2017,44(12):197-198+194.

[27] 张大伟,李杨帆,孙 翔,等.入太湖河流武进港的区域景观格局与河流水质相关性分析 [J]. 环境科学, 2010,31(8):1775-1783. Zhang D W, Li Y F, Sun X, et al. Relationship between landscape pattern and river water quality in Wujingang Region，Taihu Lake Watershed [J]. Environmental Science, 2010,31(8):1775-1783.

[28] 李菁红.促进武进产业结构优化的财政政策研究[J]. 当代经济, 2014,(18):78-79. Li J H. Study on the fiscal policy to promote the industrial structure optimization of Wujin [J]. Contemporary Economics, 2014,(18):78- 79.

[29] 邱 灵,韩晓旭.创新驱动县域经济高质量发展——以江苏省常州市武进区为例 [J]. 全球化, 2019,(3):73-81+135. Qiu L, Han X X. Innovation drives the high quality development of county economy——Taking Wujin District, Changzhou City, Jiangsu Province as an example [J]. Globalization, 2019,(3):73-81+135.

[30] 尚 娟,童 瑶.供给侧要素投入对新型城镇化发展影响的测算 [J/OL]. 统计与决策, 2019,(12):50-53. Shang J, Tong Y. Measurement of the impact of supply-side factor input on the development of new urbanization [J/OL]. Statistics & Decision, 2019,(12):50-53.

[31] 中国环境报.江苏常州治理永安河-控源截污为入湖河流减负 [EB/OL]. http://www.er-china.com/PowerLeader/html/2011/06/20110 623090746.shtml China Environmental News. Governance of Yongan River in Changzhou, Jiangsu Province, Controlling source and pollution for load reduction of river inflowing into the lake [EB/OL]. http:// www.er-china.com/PowerLeader/html/2011/06/20110623090746.shtml

Spatiotemporal trends in water quality and the effectiveness of water treatment projects for Wunan District, Changzhou.

KANG Ruo-xi1, XIE Wen-li2, ZHAO Wen-xing1, PANG Xiao-si1, YU Gang1*

(1.Beijing Key Laboratory for Emerging Organic Contaminants Control, School of Environment, Tsinghua University, Beijing 100084, China；2.Changzhou Environmental Monitoring Center, Changzhou 213001, China)., 2019,39(10)：4186~4193

The aims of this study were to explore spatiotemporal differences in water quality of 4 main rivers (Taige River, Wuyi River, Wujin River and Yongan River) in Wunan District based on 2006~2018 water quality monitoring data, to identify the contributions of different activities on water quality parameters, to evaluate the effects of treatment projects on water quality, and to conduct seasonal and correlation analysis for the most heavily polluted river (i.e., Yongan River). The results showed that water quality of 4 rivers improved from 2006 to 2018, with the modified Nemerow index declining by 36.2%, 31.5%, 56.4% and 48.7%. Water quality of Yongan River deteriorated in 2017 due to dredging activities. The ammonia nitrogen (NH3-N) concentration, total nitrogen (TN) concentration and permanganate index significantly decreased year by year (<0.05), but the total phosphorus (TP) concentrations fluctuated across the same period. The correlation analysis indicated that NH3-N, TN and permanganate index may stem from the same sources. NH3-N and TN exhibited an obvious seasonal variation, but no clear trend was observed for TP and permanganate index. Overall, increased urbanization, decreased traditional industry, and decreased agricultural activity had positive effects on improving water quality in Wunan District.

Wunan District；water quality；variation tendency；driving force

X522

A

1000-6923(2019)10-4186-08

康若熙(1993-),女,四川成都人,清华大学环境学院硕士研究生,主要从事水质数据分析研究.

2019-03-25

国家水体污染控制与治理科技重大专项(2017ZX07202006)

* 责任作者, 教授, yg-den@tsinghua.edu.cn