基于主成分分析的西南山区典型河道型水库富营养化评价讨论

廖 宁，李 洪，李 嘉，张陵蕾，陈 旻，黄文典

(1.四川大学水力学与山区河流开发保护国家重点实验室，成都 610065；2.四川省紫坪铺开发有限责任公司，成都 610065)

富营养化评价是通过与水体营养状态相关的一系列指标及其相互关系，对水体营养状态做出准确的判断[1]。湖库生态系统千差万别，进行某一阶段的湖库富营养化评价时，根据水体实际情况选取适当的因子来定量表述，对于提升评价的准确性是十分必要的[2]。随着西部大开发及相关政策的实施，中国西南山区新建众多河道型水库，此区域受地理位置、运行年限短等限制，水库往往具有营养盐水平不高且波动大等早期湖库的特点[3]。近年来却频繁出现此区域河道型水库大规模发生水华且优势藻种存在演替的报道[4]，与常见的蓝绿藻水华稳定水体相比，营养因子对河道型湖库中藻类演替的驱动作用并不相同[5]，进行富营养化评价时选取的描述因子应当也是不同的。

目前，国内常用的综合营养状态法使用固定因子、固定权重进行计算，虽操作简单，但却无法依照特异水体进行调整[6]。近年来有学者将集对分析法和BP神经网络法等引入评价中，但步骤繁杂不便于推广使用：集对分析法虽考虑了系统特征，但需分别构造各评价指标的联系度表达式[7]；BP神经网络法需大量的数据先进行网络训练[8]。主成分分析法是一种数学统计方法，方法依照变量特性将多个因子筛选后转化为几个主成分，利用主成分特征值率确定评分模型[9]。随着统计软件的发展，使得此方法简单易行且可判别营养状态变化的主要驱动因子。近年来，主成分分析在富营养化评价中已有很多应用并取得良好的效果，如：褚帆[10]等基于主成分分析得出天津近岸海域富营养化的主要驱动因子为总氮；Primpas[11]在评价绿藻水体时发现，采用悬浮物、化学需氧量、溶解氧及氨氮这四个参数进行评价的效果较好。本研究以紫坪铺水库2015-2017年的水质跟踪监测结果为基础，运用主成分分析法对水库的富营养化评价进行讨论。同时，以营养状态变化的直接指示性生物——藻类作为验证，探究更为适合河道型水库且可靠的评价方法及水库营养状态变化的规律、主控因子，以期为保障水库富营养化控制和管理提供有力的基础支撑。

1 材料与方法

1.1 研究区域及样本检测

紫坪铺水库位于四川省成都市西北部岷江上游，是一座典型的早期山区河道型水库。水库于2006年12月竣工，建成仅5年后便多次发生局部甲藻水华且优势藻种存在演替趋势[4]。本研究在水库中设置了7个地表水监测断面，分布情况见图1。

图1 监测断面分布图Fig.1 Monitoring section distribution map

于2015年8月-2018年1月连续30个月进行实地采样监测，研究中采用2015年11月-2017年10月连续24个月的指标开展特性分析研究，利用其余6个月的指标数据进行校验分析。

检测指标共10项，其中7项为环境因子，3项为藻类相关因子。采用AMI溶解氧分析仪和塞氏盘现场测定水体溶解氧(DO)和透明度(SD)，另取5.0 L表层水样保存，当天带回实验室测定总氮(TN)、总磷(TP)、高锰酸盐指数(CODMn)、氨氮(NH3-N)、五日生化需氧量(BOD5)、叶绿素(Chla)和藻密度指标。水质指标的测定依照《地表水环境质量标准》(GB3838-2002)中规定使用的方法进行，藻密度及藻类种属采用显微镜法[12]进行测定。

1.2 主成分分析法

主成分分析通过SPSS软件运算，可客观确定影响富营养化的主控因子和权重，避免主观随意性[9]。本研究中根据水库水质因子与藻类相关性分析后排序，建立原始环境变量矩阵，通过KMO和Bartlett检验后，依据特征值的根是否大于1的原则提取主成分，再分别提取出主成分中的主控因子，最后计算出营养状态得分，具体的主成分分析步骤如图2所示。

1.3 多样性指数

多样性指数是用于表示生物种类和数量之间关系的一种指数，可更加客观地表示藻类群落结构变化。为便于校验主成分分析结果的可行性和可靠性，研究中引入藻类的香农-威纳指数[13]和皮娄指数[14]进行验证，两种指数计算公式为：

图2 主成分分析步骤及评价讨论思路Fig.2 Principal component analysis and evaluation analysis

(1)

J=H′(S)/log2(S)

(2)

式中：H′为香农-威纳指数；Pi为第i种藻类个体的比例；S为藻种数；J为皮娄指数。

1.4 综合营养状态法

为对比主成分分析法与国内常规评价方法的差异性，研究中采用应用最为广泛的中国环境监测总站推荐方法[1]，即综合营养状态法进行计算对比，计算参数为TN、TP、CODMn、Chla和SD因子，公式为：

(3)

式中：TLI(∑)为综合营养状态；Wj为第j种参数的相关权重；TLI(j)为第j种参数的营养状态。 值0～30为贫营养，30～50为中营养，>50为富营养。

1.5 统计分析

采用Origin 8.0和SPSS 22.0软件进行统计分析。样品分析均设置3个平行样，分析数据误差为均值±5%。主成分分析中采用KMO和Bartlett检验原始变量矩阵，当KMO>0.5且Bartlett<0.05时，认为变量适合进行因子分析。

使用SPSS 22.0软件进行皮尔逊相关性分析，P<0.05表示显著性相关，P<0.01表示极显著相关。多元线性回归分析中，Sig.>0.05表示方程扰动大。

2 结果与分析

2.1 藻类基本特征

紫坪铺水库2015年11月-2017年10月的藻类跟踪监测成果如图3。水体中藻密度值的变化范围为0.35×106个/L～3.12×106个/L，且两年均在5-6月达到峰值，2016年峰值期有甲藻、绿藻和硅藻，2017年峰值期有绿藻和硅藻，绿藻优势度达83%。图3可见，紫坪铺水库的优势藻种存在明显的演替规律：绿藻、甲藻、隐藻、硅藻、裸藻和蓝藻的优势度在2016年依次为0.45、0.21、0.17、0.13、0.04和0，在2017年则依次为0.70、0.06、0.07、0.16、0和0.01。计算藻类香农-威纳指数和皮娄指数的结果表明，香农-威纳指数变化范围为0.46～1.11，2016年和2017年均值分别为0.91、0.87；皮娄指数变化范围为0.15～0.28，2016年和2017年均值分别为0.24、0.20。综上判断，紫坪铺水库藻类种群呈现甲藻正向绿藻演替的态势。根据以往国内外相关研究，甲藻、隐藻常见生活在贫、中营养水体中，绿藻、硅藻常见生活在中-富营养浅水水体中[15]。通过紫坪铺水库藻类的变化，可推测水体营养状态可能正发生改变。

图3 紫坪铺水库藻种群基本情况Fig.3 Basic situation of algae population in Zipingpu Reservoir

2.2 水质基本特征

为分析紫坪铺水库水体营养状态变化与水质因子的关系，对水库2015年11月-2017年10月的主要水质因子进行了分析。由图4可知，Chla与藻密度的变化规律基本一致，均在5-6月达到峰值，均值为2.56 mg/m3；TP作为藻类生长的限制元素[16]，均值为0.06 mg/L，2016年和2017年的均值分别为0.05和0.07 mg/L，年际间呈现的上升趋势与藻类演替规律保持一致；DO、CODMn、BOD5、NH3-N和SD的均值分别为8.16、1.25、0.93、0.18 mg/L和73 cm，可见紫坪铺水库的营养盐水平并不高，但均呈现年际上升趋势。综合藻类演替规律，紫坪铺水库的水体营养状态可能具有向富营养转变的趋势。

分析藻类变化与水质因子的相关关系(见表1)，藻密度、Chla与DO均呈显著性正相关(P=0.497、P=0.441，P<0.05)。藻类变化是由多因素共同影响导致的，水质因子与藻密度的相关程度排序依次为：DO>CODMn>NH3-N>SD>TP>TN>BOD5，可见除综合营养状态法的因子外，DO和NH3-N等因子对藻类变化的作用也不容忽视。

2.3 富营养化评价

综合水质因子与藻类变化的相关性分析，首先尝试将DO、CODMn、NH3-N、SD、TP、TN和BOD5这7项因子全部纳入建立原始变量矩阵，对矩阵进行KMO和Bartlett值检验结果表明，7项因子的Bartlett和KMO值分别为0.004、0.631，说明此7项数据便适合用于主成分分析。对7项原始变量进行相关性分析，相关系数见表2。

图4 水质因子时空变化Fig.4 Variation of water quality factors

藻密度ChlaSDTNTPCODMnBOD5DONH3-N藻密度1.0000.719∗∗-0.239-0.0510.210-0.292-0.0370.497∗-0.273Chla0.719∗∗1.000-0.521∗-0.250-0.216-0.1060.0220.441∗-0.228

注：*为P<0.05；**为P<0.01，下同。

表2 相关性系数矩阵Tab.2 Correlation coefficient matrix

对表2中标准化的指标进行特征值分析，根据特征值的大小提取主成分，特征值分析见表3。根据主成分选取原则，特征值大于1的根对应第1、第2主成分，其方差贡献率分别为48.57%和22.7%，累积方差贡献率为71.57%，说明这两个主成分能够解释大部分指标信息。主成分确定后，需识别各主成分中的主要污染物，结果见表4。从表4可知主成分1主要反映DO、NH3-H、TP和TN这4项指标的信息，主成分2主要反映SD和CODMn这2个指标的信息。可见，紫坪铺水库中营养状态变化的主要驱动因子为DO、NH3-H、TP和TN，驱动程度规律与表1中的相关性规律保持一致。

运用SPSS软件通过初始因子矩阵除以其对应主成分特征值的平方根，可得到其对应的系数矩阵如表5。将矩阵中的系数与标准化后的监测数据对应相乘再相加，得到主成分表达式F1、F2值及综合评价表达式F。通过主成分和综合评价表达式得到各月的综合分数，如图5所示。

表3 紫坪铺营养状态主成分特征值Tab.3 Principal component eigenvalues of Zipingpu nutrition status

表4 主成分系统矩阵Tab.4 Principal component system matrix

表5 特征值对应的系数矩阵Tab.5 Coefficient matrix corresponding to eigenvalues

图5 主成分分析法、综合营养状态法评价营养状态得分情况Fig.5 Principal component analysis and comprehensive nutrition status method to evaluate nutrition status score

3 讨 论

3.1 主成分分析差异性讨论

为便于对比主成分分析法的差异性，常规的综合营养状态法计算结果如图5所示。用于特性分析的24个月中，两种评价方法的得分变化规律在大部分月份相同。综合营养状态法评价得分范围为29.13～50.72，得分最高月份为2017年2月，综合营养状态得分为50.73，根据《地表水环境质量评价办法(试行)》营养程度判定等级为轻度富营养状态，当月的Chla浓度为2.2 mg/m3、CODMn浓度为3.2 mg/L、BOD5浓度为0.11 mg/L，藻密度为1.03×106个/L，优势藻种为绿藻，并未表现出富营养状态；两种方法的差异性最大表现在2015年12月，然而对比单因子浓度发现，水体中Chla浓度为2.8 mg/m3、CODMn浓度为1.6 mg/L、BOD5浓度为0.9 mg/L，藻密度为0.78×106个/L、优势藻种为硅藻，同样未表现出富营养状态。结合2015年12月和2017年2月综上讨论分析，主成分分析法与综合营养状态法相比可靠性会更高。

3.2 主成分分析可靠性讨论

藻类是水体营养状态的有效指示生物，通常来说藻密度是富营养化的直接反映[18]，本研究中使用藻类参数检验主成分分析法的可靠性，两种评价方法得分与藻类特征参数(藻密度、香农-威纳指数、皮娄指数)的相关性系数见表6，综合营养状态法的结果与藻密度呈正相关未表现显著性(P=0.240)，主成分分析法的结果与藻密度呈显著正相关(P=0.578，P<0.05)；综合营养状态法、主成分分析法与藻类皮娄指数的相关系数分别为0.028、0.307，可见主成分分析法结果与藻类的变化情况也更加吻合。

表6 2种方法评价结果与藻类参数相关关系Tab.6 Correlation between evaluation results of two methods and algae parameters

两种评价方法在准确性上的差异可能是与选用的计算因子有关。有研究表明，自然水体中不同生境组合对藻类的影响也不同[18]，而主成分分析法是将因子归一后再筛选进行评价，即因地制宜确定影响的主成分，主成分中的主控因子与综合营养状态法中的5项因子相比更加准确地反映了紫坪铺水库藻类的实际情况。本研究中主成分分析法确定的主控因子有DO、NH3-H、TP和TN等指标，以往研究便发现DO与藻种群相关性高于TN、TP等因子与藻种群的相关性[19]，因此主成分分析法可更准确地反映紫坪铺水库藻类的实际情况。

3.3 多元线性回归分析

由表6可知，主成分分析法结果与藻密度呈显著正相关，当藻密度获取存在困难时，可尝试用主成分因子通过多元线性回归分析尝试确定藻密度值，回归方程见表7。研究中通过常规的Chla进行回归分析发现，方程不具有显著相关性(R2=0.384)，主成分分析法、综合营养状态法进行回归分析均有显著相关性(R2=0.629，R2=0.772)，但综合营养状态法的回归方程扰动大(Sig.=0.073)，可见运用主成分分析与藻密度进行线性回归有一定的可行性和可靠性。将回归方程与特性研究之外的6个月份藻密度实测值进行误差验证发现，方程预测值与藻密度实测值误差均可控制在45%内，例如2015年10月、2018年1月的方程预测值与实测值误差分别为16.7%、29.9%。

表7 藻密度与主成分因素的回归方程Tab.7 Regression equation of algae density and principal component factors

注：藻密度～Z；Chla～Z1；TN～Z2；TP～Z3；SD～Z4；CODMn～Z5；DO～Z6；NH3-N～Z7；TLI～Z8；主成分分析得分～Z9。

4 结 语

(1)通过连续24个月的监测及特性研究发现，紫坪铺水库中藻类存在明显的演替趋势，甲藻优势度年际间降低14%，绿藻优势度年际间升高26%；综合相关性分析及主成分分析后发现，水库藻类及营养变化主控因子为DO、NH3-H、TP和TN。

(2)基于主成分分析建立了紫坪铺水库营养评价方法，与常规的综合营养状态法相比可靠性更高，与藻密度的相关性由0.240提升至0.578(P<0.05)，与皮娄指数的相关性由0.028提升至0.307，可见采用主成分分析法进行紫坪铺水库营养状态评价更为客观、可靠。

(3)基于主控因子构建了紫坪铺水库藻密度快速估算方程，相关性系数达0.772(P<0.05)，检验系数为0.031；经实测值验证后发现，误差可控制在45%以内，可在数据缺测、缺乏专业检测人员、临时急迫的需求或预测等特殊情况提供快速估算方法，为紫坪铺水库水体研究提供基础数据和理论依据。