基于监测断面空间聚类的中国枯水期水质污染区域格局

叶志祥，洪 松*，何 超，杨 璐，易嘉慧，柯碧钦，田 雅，王 艳

1. 武汉大学资源与环境科学学院，地理信息系统教育部重点实验室，湖北 武汉 430079

2. 油气地球化学与环境湖北省重点实验室，湖北 武汉 430100

3. 长江大学资源与环境学院，湖北 武汉 430100

环境要素空间规律的研究对国家政策制定、人类生产生活等具有重要意义[1-2]，其在大气和传染病领域发展最为迅速[3]，在地表水环境领域研究相对较少. 为应对日趋严峻的地表水污染形势，原国家环境保护总局自1999年9月开始在我国部分主要流域开展地表水水质自动监测站建设的试点工作，建立了10个水质自动监测站，后在试点的基础上，自2000年9月开始，陆续在十大流域的重点断面和浙闽河流、西南诸河、内陆诸河、大型湖库及国界出入境河流增设地表水水质监测站[4-5]，截至目前，全国共设立了3 537个水质监测断面，包括河流断面3 204个，湖库点位333个. 监测断面的设立在跨界污染纠纷、污染事故预警、重点工程项目环境影响评价和保障公共安全用水方面发挥了重要作用，但也带来了不可忽视的社会成本. 如何在防控地表水污染的同时尽量减少社会成本已经逐渐引起各方的重视，环境效益、社会效益和经济成本需要统筹考虑，因此，精细化管理将成为未来污染防治的重要发展方向[6].

2003年原国家环境保护总局印发《关于新建和调整重点流域环境监测网的通知》，新建和重新调整了国家环境监测网. 2009年7月1日，原环境保护部正式向社会公开发布国家地表水水质自动监测站的实时监测数据[7]，为公众提供了了解自身所处地表水环境的窗口. 但是，由于各监测平台数据相互独立以及自动监测站可能存在的数据监测异常，数据孤岛的现象逐渐暴露出来，极大地阻碍了科研工作者对地表水质数据的综合分析与利用[8]. 2021年1月，中国环境监测总站发布国家地表水融合数据，该数据修正了实时监测数据的异常值，为地表水的水质空间规律研究提供了优良的数据支撑.

目前，国内外对于地表水的研究主要集中在地表水污染特征的揭示[9-10]、污染物来源的解析[11-12]、生态风险的评价[13-15]和地表水水化学特征的探讨[16-18]等方面，对地表水污染区域的研究相对缺乏[19-22]且存在局限性. 如白璐等[23]研究了黄河流域的水污染排放特征且分析了其污染集聚格局，邹兰等[24]研究了乌伦古湖的水质空间分布特征，这均局限于小流域而未对其他地表水流域进行分析. 地表水管理同样受制于当前地表水污染区域研究的局限，多停留于离散的分析[25-26]. 如何脱离行政区域和湖库界线的限制，连续、全面地识别我国地表水污染区域对于当前的地表水管理和政策的制定具有重要意义[27-28].

该研究以我国七大流域的地表水为对象，基于我国31个省(自治区、直辖市)枯水期(2021年1−2月)地表水监测断面的融合数据(不包括港澳台地区数据，下同)，应用空间自相关分析、空间聚类和热点分析方法，以高/低聚类和热点分析中的不显著区域为界线，识别出我国枯水期地表水水质污染区域，为当今枯水期地表水管理和治理提出合理的建议，以期为科学地制定枯水期地表水水质管理体系提供理论参考.

1 数据与方法

1.1 数据来源

枯水期在不同地域一般有所差异，如江汉地区为11月−翌年5月[29]，贵州省为12月−翌年3月[30]，河南省一般为1月、2月附近[31]，新疆维吾尔自治区为10月−翌年4月[32]. 为保证研究准确性，选定研究枯水期为2021年1月和2月，采用全部地表水水质监测断面的融合数据和国控监测断面的经纬度数据，数据分别来源于中国环境监测总站(http://www.cnemc.cn)和青悦开放环境数据中心(http://data.epmap.org). 其中融合数据每月有3 641条记录，包括3 292个河流断面数据、201个湖泊断面数据和148个水库断面数据，国控断面经纬度数据共计1 903条记录，包括1 730个河流断面、97个湖泊断面和76个水库断面，占融合数据量的52%.

1.2 数据预处理

为获取研究断面的地理位置信息，利用Python代码和MySQL数据库将融合数据与断面经纬度数据按省份名称和断面名称匹配，剔除国界线以外的监测点，筛选出1 375个(1月)和1 529个(2月)具有经纬度和水质指标的待研究监测断面(见图1).

图1 我国枯水期地表水监测断面分布Fig.1 Distribution of surface water monitoring sections in dry season in China

1.3 研究方法

1.3.1 空间自相关分析

通过空间自相关分析确定我国枯水期地表水水质在空间统计中的可行性. 全局空间自相关用于分析空间事物在总空间范围内的空间依赖程度，常用全局莫兰指数(Global Moran′s I)来度量[33]，计算公式：

式中，zi为监测断面i的水质指标与总体平均值的偏差(xi−)，zj为监测断面j的水质指标与总体平均值的偏差(xj−)，ωi,j为监测断面i和j之间的空间权重，n为监测断面的总个数，S0为所有空间权重的聚合.Global Moran′s I一 般 在−1~1之 间，当Global Moran′s I>0时，表示我国枯水期地表水水质在空间上呈正相关，其值越大，空间相关性越明显；当Global Moran′s I <0时，表示我国枯水期地表水水质在空间上呈负相关，其值越小，空间差异越大；当Global Moran′s I=0时，表示我国枯水期地表水水质在空间上的分布表现为随机性，不具有空间统计价值.

局部莫兰指数(Local Moran′s I)是在Global Moran′s I的基础上计算各断面在局部地区的莫兰指数，常用来判定各断面局部的聚集状态，计算公式：

式中，Local Moran′s Ii为第i个监测断面的局部莫兰指数，yi为第i个监测断面的水质，y为全部监测断面水质的总体平均值，S为标准偏差. 当Local Moran′sIi>0且zi>0时，断面水质在附近的局部地区呈现出高-高的聚类模式；当LocalMoran′sIi<0且zi<0时，断面水质在附近的局部地区呈现出低-低的聚类模式.

1.3.2 空间聚类和热点分析

空间聚类中的高/低聚类方法可用来衡量我国枯水期地表水水质在空间上的分布特征. 高/低聚类采用General G指数进行计算，计算公式：

式中，xi为第i个监测断面的水质值，xj为第j个监测断面的水质值. 当z得分(计算结果与标准偏差的倍数)为正且观测General G指数大于期望General G指数时，表明我国枯水期地表水在重污染区发生空间聚类；当z得分为负且期望General G指数大于观测General G指数时，表明我国枯水期地表水在轻污染区发生空间聚类.

热点分析工具可以探索地理要素的融合程度和空间聚集的微观分布规律，广泛应用于空间结构研究中[34]. 热点分析采用Getis-Ord Gi*统计算法，计算公式：

式中，σ为所有监测断面水质的标准偏差. 通过Getis-Ord Gi*统计算法，求得各监测断面的z得分和P值(表示所观测到的空间模式是由某一随机过程创建而成的概率)，进而确定高值或低值要素在空间上发生空间聚类的位置，对研究我国水质空间分布具有重要意义.

2 结果与分析

2.1 我国枯水期地表水水质达标情况

我国枯水期地表水监测断面水质信息在各省份的分布情况如图2所示. 在断面数上，长江下游附近省份(江苏省、湖北省、安徽省、浙江省等)>沿海地区(辽宁省、山东省等)>内陆省份(山西省、重庆市、新疆维吾尔自治区、西藏自治区等). 从2月数据来看，

图2 我国31个省(自治区、直辖市)枯水期地表水监测断面水质的分布情况Fig.2 Water quality distribution of surface water monitoring sections in 31 provinces in dry season in China

江苏省具有最多的地表水监测断面，为115个，占总研究断面数的7.5%，其次是湖北省，为106个，占总研究断面数的6.9%.

我国枯水期地表水监测断面水质信息在空间上的分布情况如图3所示. 我国处于GB 3838−2002Ⅰ、Ⅱ类优质水体主要分布在广西壮族自治区、四川省、江西省、贵州省等西部和中部地区，Ⅲ类水体集中分布在江苏省、山东省等沿海区域，Ⅳ类及以上重污染水体多分布在河北省、河南省、山西省和辽宁省等京津唐经济区附近. 其中，东北三省、京津冀地区、山西省、山东省和云南省的Ⅳ类及以上重污染水质断面所占的比例明显高于其他区域，应当重点关注；新疆维吾尔自治区、四川省、甘肃省、青海省、贵州省和重庆市则具有最高的Ⅲ类及以下的轻污染水质断面占比，比例接近100%，是我国重要的优质水源，应当重点保护.

图3 我国枯水期地表水监测断面水质类别的分布及其在各省份的比例Fig.3 Distribution of water quality categories of surface water monitoring sections in dry season and its proportion in each provinces

2.2 我国枯水期地表水水质的空间聚类模式

我国枯水期地表水水质的空间聚类模式分析结果如表1所示. 2021年1月和2月我国地表水监测断面水质的Global Moran′s I分别为0.047和0.044，均大于0，表明我国枯水期地表水的水质在空间上呈现明显正相关；z得分分别为50.97和52.88，均大于临界值(2.58)，说明枯水期水质在空间上表现为显著的聚集分布规律；Global Moran′s I分析结果的P值为0，说明随机产生这种空间聚类模式的可能性小于1%，表明Global Moran′s I分析结果可靠.

表1 我国枯水期地表水监测断面水质的Global Moran′s I和General G指数的分析结果Table 1 Analysis results of Global Moran′s I and General G indexes of water quality of surface water monitoring section in dry season

2021年1月和2月我国地表水监测断面水质的General G指数观测值均为0.15，大于其期望值(0.14)，z得分分别为6.70和5.37，均大于0，表明我国枯水期地表水的水质在高值区域(重污染区域)发生了空间聚类，说明我国枯水期地表水具有集中的污染区域，这为我国枯水期地表水的污染区域识别和集中治理提供了理论依据. General G指数的P值为0，说明随机产生此高聚类模式的可能性小于1%，证明了General G指数分析结果的准确性.

2.3 我国枯水期地表水水质的空间分布格局

我国枯水期地表水监测断面水质高/低聚类和热点分析结果如图4所示. 由图4可以看出，高-高聚类点和低-低聚类点、热点和冷点在空间分布上均具有显著性差异，二者均被不显著断面所在的长条状区域分割为具有明显差异的两部分. 与胡焕庸线的划分类似[35]，基于空间聚类和热点分析结果，将我国枯水期地表水水质依据上述不显著断面所在的长条状区域(福建省中部−江西省北部−湖北省−陕西省)为界线粗略地分为2个部分，界线以东有大量水质高值(GB 3838−2002 Ⅳ类、Ⅴ类、劣Ⅴ类)断面聚集为重污染区域，包括黑龙江省、吉林省、辽宁省、河北省、北京市、天津市、山西省、山东省、河南省、江苏省、安徽省和浙江省等12个省级行政单元以及内蒙古自治区东部地区，界线以西有大量水质低值(Ⅰ类、Ⅱ类、Ⅲ类)断面分布为轻污染区域，包括新疆维吾尔自治区、甘肃省、宁夏回族自治区、青海省、西藏自治区、四川省、云南省、贵州省、湖南省、重庆市、广西壮族自治区、广东省和海南省等13个省级行政单元以及内蒙古自治区西部地区. 福建省、江西省、湖北省和陕西省属于两大区域之间的过渡区域.

图4 我国枯水期地表水监测断面空间聚类和热点分析结果Fig.4 Spatial clustering and hot spot analysis results of surface water monitoring sections in dry season

空间聚类结果显示，高-高聚类点(红色点)在江苏省、山东省、河南省和辽宁省等地区最为集中，表明其枯水期地表水水体污染重于其他地区；低-低聚类点(深蓝色)在甘肃省、贵州省、广西壮族自治区等地区最为集中，表明其枯水期具有良好的地表水水体. 热点分析结果显示，我国枯水期地表水的高热区域出现在界线以东地区，高冷区域出现在界线以西地区，揭示出我国枯水期地表水水体污染东西分布的非对称特点，界线以东地区是我国枯水期主要的地表水水体污染区，界线以西地区则是我国重要的优良水质来源.

3 讨论

3.1 各省级断面水质优Ⅲ比率分析

我国枯水期地表水监测断面水质优Ⅲ比率在省份的分布结果如图5所示. 除云南省外，界线以西的省份断面水质优Ⅲ比率均高于0.8，为优良水体；除浙江省外，界线以东省份的断面水质优Ⅲ比率均低于0.8. 这是由于云南省矿产资源的大量开发造成了严重的生态环境破坏，而喀斯特地貌的存在，使生态恢复治理难度加大[36]. 浙江省的优良水体则主要得益于政府对水环境保护的重视[37-38]和产业结构的演进[39].以水质优Ⅲ比率0.9为标准，各省份断面水质优Ⅲ比率的分布具有明显的分界线，且分界线位置与污染区域划分界线基本一致，证明了我国枯水期地表水污染区域识别结果的准确性.

图5 我国枯水期各省份的水质优Ⅲ比率(1月和2月的平均值)Fig.5 Water quality excellent Ⅲ ratio in dry season in provinces (average of January and February)

3.2 我国枯水期监测断面水质与地表水资源分布的关系

利用国家统计局(http://www.stats.gov.cn)发布的2020年《中国统计年鉴》，获取了我国各省份的地表水资源量和废水中污染物排放量，粗略计算了各省级地表水的单位水资源量纳污量(见表2). 对比枯水期断面水质，地表水资源量排名前五的省份均位于轻污染区域，除广东省外，其余4个省份的断面水质优Ⅲ比率均高于0.9；除宁夏回族自治区外，地表水资源量排名后五位的省份均位于重污染区域，天津市地表水断面的水质优Ⅲ比率在2月甚至低于0.7. 这主要是由枯水期水资源的东西分配和利用差异所导致，在下游地区干旱时期，大量水资源向农田输送也进一步加重了河流水量缺乏和水环境污染[40]. 有研究表明，鄱阳湖在丰水期和枯水期的月水量差异为4～7倍[41]，湖泊水量和盐度的变化会影响浮游植物的种类、丰度以及水生生态系统的正常运行[42].

3.3 污染区域与单位水资源量纳污量分析

以各省份的单位水资源量纳污量来表征各省份排污的影响程度[43]. 由表2可见，单位水资源量纳污量与污染区域划分关系密切，表现为重污染区内的12个省份中有10个为单位水资源量纳污量排名前50%的省份，占重污染区省份数的83%，其平均单位水资源量纳污量为1.19×104t/(108m3)；轻污染区内的13个省份中有10个为单位水资源量纳污量排名后50%的省份，占轻污染区省份数的77%，其平均单位水资源量纳污量为0.053×104t/(108m3). 这表明重污染区和轻污染区存在明显的废水排污差异，重污染区域的单位水资源量纳污量显著高于轻污染区，受污染断面基本位于重污染区，而无污染断面大多位于轻污染区.

表2 我国地表水资源量和单位水资源量纳污量的统计结果Table 2 The surface water resources and pollution capacity per unit of water resources in each provinces

3.4 我国枯水期地表水水质区域识别的合理性分析

划分后我国枯水期两个地表水污染区域的水质显著不同(见图6)，东部重污染区主要水质类别为GB 3838−2002 Ⅲ类，1月和2月的标准偏差分别为1.10和1.08，西部轻污染区主要水质类别为Ⅱ类，1月和2月的标准偏差分别为0.94和0.96. 对数据进行双样本T检验，得出我国枯水期两个地表水污染区域的水质类别存在显著不同，重污染区域的水质类别显著高于轻污染区域(P<0.05). 以2月地表水水质数据为例，进一步统计不同污染区域的断面水质，结果显示：轻污染区域中劣于Ⅲ类水质的断面为61个，占其全部断面的9.8%，重污染区域中劣于Ⅲ类水质的断面为172个，占其全部断面的24%，占比是轻污染区的2.4倍；轻污染区域中劣于Ⅳ类水质的断面为14个，占其全部断面的2.2%，重污染区域中劣于Ⅳ类水质的断面为50个，占其全部断面的7.1%，占比是轻污染区的3倍. 可见，越是严重的水质污染，发生在重污染区域内的概率越大，因此重污染区域是我国枯水期地表水水体污染治理需要重点关注的区域. 该研究识别的我国枯水期地表水水质污染区域间污染程度显著不同，这为划定跨行政区的水质管理区提供了理论和实证依据.

进一步计算各监测断面间水质类别的相关系数(见图6)，结果显示，相同污染区监测断面间的相关系数较高，不同污染区监测断面间的相关系数较低. 以2月地表水水质数据为例，进行断面间水质类别的相关性分析，结果显示，轻污染区域内相关系数的平均值为0.83，重污染区域内相关系数的平均值为0.47，轻污染区域和重污染区域间相关系数的平均值仅为0.45，表明空间聚类和热点分析方法能够将具有相似水质类别的监测断面聚集在一起，而将相似度较低的监测断面区别开来. 另外，部分监测断面之间即使属于不同区域，也具有较强的相关性，而部分监测断面之间即使属于相同区域，相关性也较弱. 这说明我国枯水期地表水污染具有显著的跨行政区划特征，区域协同治理对于区域地表水水质的改善非常必要，区域协同治理中区域的定义应当以水质污染特征进行划分，而不应仅局限于城市行政区划[44].

图6 不同区域水质类别占比曲线和监测断面水质相关性热力图Fig.6 Proportion curve of water quality categories in different regions and water quality correlation thermodynamic diagram of monitoring section

3.5 政策建议

我国枯水期地表水水质呈现东部污染重于西部、污染区域较为集中的特点. 可将我国枯水期地表水治理按区域粗略划分等级，东部重污染区域列为优先治理区，在地表水水体恢复项目申报、水体治理资金拨款等政策上适当调高优先级. 另外，可将东部重污染区域列为重点地表水水质观察和考量对象. 对于西部轻污染区域，应持续监管当地企业排污，防止优良水体被污染，走上先污染后治理的道路. 此外，在重污染区域和轻污染区域两区域间，保持数据共通，防止上游污染被大量带入下游而加重重污染区域的地表水水体污染程度，给下游地表水的治理带来困难.

4 结论

a) 我国枯水期地表水水质空间分布呈现明显的非对称性特征，中部和西部地区以GB 3838−2002Ⅰ、Ⅱ类水质断面为主，东部和东北地区以Ⅲ、Ⅳ类水质断面为主，西部地区水体断面的水质优Ⅲ比率显著高于东部地区.

b) 空间自相关分析结果表明，我国枯水期地表水水质具有正向高聚集格局，说明我国具有集中的水污染区域；空间聚类和热点分析结果表明，以不显著断面所在区域，即福建省中部−江西省北部−湖北省−陕西省的长条状区域为界线，可以粗略地将我国枯水期地表水水体划分为东部重污染区和西部轻污染区两大区域. 此空间格局与我国地表水资源量和水体纳污能力的差异有关.

c) 重污染区域的水质污染程度在统计学上显著(双样本T检验中P<0.05)高于轻污染区域，重污染区域内和轻污染区域内断面水质指标的相关性(分别为0.47、0.83)明显高于两大区域间断面水质指标的相关性(0.45)，证明了空间格局识别结果的准确性.

d) 对我国枯水期地表水资源环境管理的建议为，东部重污染区以水污染治理为主，西部轻污染区以水质长效改善保持为主.