基于主成分分析法的黃河口及其鄰近水域水質評價

劉 瀟，薛 瑩，紀毓鵬，徐賓鐸，任一平 （中國海洋大學水產學院，山東 青島 266003）

基于主成分分析法的黃河口及其鄰近水域水質評價

劉 瀟，薛 瑩，紀毓鵬，徐賓鐸*，任一平 （中國海洋大學水產學院，山東 青島 266003）

于2013年6、7、10月在黃河口及鄰近水域進行了3個航次的環境調查，獲取了鹽度、營養鹽、COD及重金屬等指標數據，利用主成分分析法（PCA）研究該海域的水質狀況，并分析影響該海域水質的主要驅動因子.結果表明：應用主成分分析將14項調查指標轉換提取為4種主成分，共解釋了67.31%的結果.相關分析表明，影響該水域水質的主要驅動因子為氮營養鹽、鹽度、SiO32--Si和砷.主成分綜合得分分析表明，黃河口及鄰近水域2013年10月、7月、6月水質污染狀況依次降低；空間上總體呈現出以黃河入海口為中心，向鄰近海域遞減，河口附近及南部水域污染較嚴重的格局.黃河徑流污染物是主要污染源，應加強黃河口及其上游的水環境保護，從而改善黃河口及鄰近水域水質狀況.

黃河口；水質評價；主成分分析

近年由于陸源污染物的輸入，渤海近岸海域污染日趨嚴重，海洋生態環境變化較大［1］.河口生態系統位于河流與海洋生態系統的交匯處，系統內部物理、化學及生物因素多變，形成河口區獨特的環境和生物組成特征［2］.黃河每年向河口附近海域注入大量營養鹽，為浮游植物的生長和繁殖提供了豐富的營養［3］，同時也造成部分水域污染［1］.近岸海域營養鹽的分布和變化是評價海域環境狀況的重要指標，影響到海洋生物生產力和生物資源的變動［4］.一些學者對黃河口及其鄰近海域營養鹽的分布狀況及富營養化進行了研究［1，3，4-6］，但綜合營養鹽與重金屬指標進行水質評價的研究較少.

主成分分析法（PCA）是研究水體富營養化評價方法之一，能夠從眾多變量中篩選出主要獨立的綜合因子［7］，在保留原始主要信息的同時，使彼此之間不相關，比原始變量具有優勢［8］，已被廣泛應用于重金屬污染評價及水域營養鹽評價［4，9-11］.

本文根據2013年6、7、10月在黃河口及其鄰近水域環境調查數據，運用主成分分析方法，對黃河口及其鄰近水域的水質狀況進行了研究，分析水質污染的主要驅動因素；以主成分綜合評分研究黃河口及鄰近水域營養鹽及重金屬的時空變化格局，并分析其影響因素，以期為黃河口及鄰近水域環境保護和治理提供依據.

1 材料與方法

1.1 研究區域與調查時間

數據來源于2013年6、7月（夏季）、10月（秋季）在黃河口及鄰近水域進行的3個航次的環境調查.調查范圍為37.65°N～38.20°N，118.85°E～119.68°E，以黃河入海口為中心，向外呈輻射狀設置5條斷面，中間3條斷面各有4個站位，兩側斷面各設置3個站位，河口附近的調查站位較密集（圖1）.

1.2 樣品采集及檢測

鹽度采用RBR-XR-424型CTD進行測定，氨鹽使用水楊酸-次氯酸鹽光度法；亞硝酸鹽的測定使用鹽酸α—萘胺比色法；硝酸鹽使用α—萘胺鋅還原法；磷酸鹽使用磷鉬蘭法；COD采用堿性高錳酸鉀氧化法；硅酸鹽的測定是硅鉬黃比色法；銅、鉛、鋅、鎘、鉻的測定方法為原子吸收分光光度法；汞、砷的測定方法為原子熒光法，分析方法詳見《海洋監測規范》［12］.

1.3 主成分分析

本文的分析指標為鹽度（x1），NH3-N（x2），COD（x7），鉛（x8），鎘（x9），銅（x10），鋅（x11），汞（x12），砷（x13）和鉻（x14）.數據采用表層海水和底層海水的各指標的平均值.

1.3．1 統計檢驗 使用主成分分析的前提條件是原始數據各個變量之間有較強的線性相關關系，其適用性檢驗方法有巴特萊特球性檢驗（Bartlett test of sphercity）和KMO（Kaiser-Meyer-Olkin-Measure of Sampling Adequacy）檢驗［13］.

巴萊特球性檢驗的理論依據源于多元正態總體協方差矩陣的檢驗理論，差異檢驗值顯著時認為數據適合進行主成分分析；KMO檢驗是從比較原始變量之間的簡單相關系數和偏相關系數的相對大小進行檢驗，其值接近1，則變量適合進行主成分分析［14］.

1.3．2 評價方法的建立 （1）原始數據標準化原始樣本矩陣為［15］：

式中：n為樣本個數，每個樣本有p項指標，本文中n為54（18個調查站位，3個航次），p為14.

數據進行標準化處理，按如下公式進行，獲得均值為0，標準差為1的標準化數據［16］.

式中：Zij表示第i站位j指標的標準化值；xij表示第i站位j指標的實測值表示第j個指標的平均值表示第j個指標的方差.

（2）相關系數矩陣：原始數據處理后得標準化數據矩陣，計算其對應的相關系數矩陣R，并計算R的特征值與特征向量［15，17］.

R的特征值λi（i=1，2，...p），將其按大小排列為λ1≥λ2≥…λp≥0，即為主成分的方差，其大小描述了對應主成分對原始樣本的權重［15］.每個特征根對應的特征向量為lg1，lg2，…lgp.通過特征向量將標準化的指標轉化為主成分［18］：

F1為第1主成分，…，Fp為第p主成分.

（3）確定主成分個數：根據主成分方差累計貢獻率大于80%～90%［17］或特征值大于1.0的原則確定主成分個數m［19］.

（4）主成分綜合得分：主成分綜合評價根據如下公式計算［15］：每一個樣本先求前m個主成分的值，即

1.3．3 水質狀況時空分布 主成分分析得到各月每個站位的綜合得分（Fi），構建黃河口及其鄰近水域主成分綜合得分箱線圖和時空分布圖.箱線圖以簡單的組合圖形將數據批的分布形狀直觀地表現出來［20］，便于進行黃河口及鄰近水域不同月份水質狀況的比較.利用R 2.13.0軟件完成圖形構建［21］.

主成分綜合得分能夠反映水體的水質狀況，得分越高，水質污染狀況越嚴重利用Surfer 11軟件，得到各月水質狀況的空間分布圖［4，22］，直觀表現黃河口及鄰近水域各站位的水質狀況.

1.3．4 相關分析 本文使用斯皮爾曼檢驗（Spearman's test）來分析主成分得分和原始變量的相關系數，從較多參數中提取與水質狀況有關的控制因素，分析黃河口及鄰近水域水質污染的驅動因子［23-24］.

上述主成分分析及相關分析應用統計軟件IBM SPSS Statistic19進行［25］.

2 結果與討論

2.1 黃河口及鄰近水域水質主成分分析

本研究中，KMO統計量為0.787，Bartlett 的球形檢驗值小于 0. 001，說明主成分分析法的適用性好，變量間存在相互關系，不相互獨立，符合主成分分析要求.利用特征值根大于1的原則篩選出的前4種主成分解釋了67.31%的結果.各主成分的特征根、方差、累計方差及因子載荷如表1、表2所示.

表1 相關矩陣的特征根、方差及累計方差貢獻率Table 1 Eigenvalues， variance contribution and its accumulated contribution rate in principal components

表2 主成分中因子載荷Table 2 Various factors loadings in principal components

主成分1對總方差的貢獻率為37.11%，鋅、NH3-N、在其中占有較高權重.本研究中，NH3-N（0.093±0.10mg/L）、（0.50±0.27mg/ L）和鋅（29.79±29.11ug/L）濃度明顯高于歷史資料［1，26］，這可能主要受黃河污染物排海影響［27］，因此，主成分1可視為污染壓力指標.主成分2對總方差的貢獻率為14.01%，主要代表了鹽度、營養鹽、硅營養鹽.以硅藻為優勢種的黃河口及鄰近水域的浮游植物對鹽度有一定的選擇性和耐受性［28-29］；無機氮和無機硅等營養物質為浮游植物提供營養物質基礎［30］.因此，稱主成分2為浮游植物生長理化環境指標.主成分3對總方差貢獻率為8.32%，主要代表汞；主成分4對總方差的貢獻率為7.87%，主要代表鉛.

2.2 黃河口及鄰近水域水質時空變化特征

圖2 各月主成分綜合得分箱線圖Fig.2 Boxplot of comprehensive scores of the principal components in each month

箱線圖表明，6月、7月主成分綜合得分相近且較低，中位數分別為-0.8和-0.6；10月綜合得分明顯高于6、7月，中位數為1.4，并存在異常值點（圖2）.黃河口及鄰近水域10月水質污染嚴重，6、7月污染較輕，這可能是由于6、7月水溫較高，光照時間長，浮游植物的光合作用較強，水體中無機氮、磷酸鹽被浮游植物利用而濃度降低.另一方面，10月水溫降低光照減弱，浮游植物種群密度降低［4］，且調水調沙使黃河的營養鹽向河口輸送非常集中［31］，造成各營養鹽及重金屬濃度上升，污染嚴重.

圖3 主成分綜合得分空間分布Fig.3 Spatial distribution of the comprehensive scores of principal components

黃河口及鄰近水域水質綜合得分有明顯的空間變化，總體由黃河口水域到鄰近水域呈現出降低趨勢，南部水域水質污染較北部嚴重，北部沿岸水域（38.00°N～38.15°N，119.00°E～119.10°E）出現綜合得分最低值（圖3）.張繼民［6］也得出黃河口南部營養鹽濃度往往高于北部的結論.

由圖3得出，各月主成分綜合得分由黃河口及南部水域到北部及外海水域呈現出降低趨勢.黃河攜泥沙等入海后，在潮流和波浪等動力下，向外海和沿岸擴散［32］.另一方面，黃河口水域漲潮時潮流向東南流動，落潮時由萊州灣流向外海，存在逆時針大環流［32］，且渤海灣北部海流呈反時針方向回轉［33］，不利于黃河入海營養鹽等向北部擴散，因此在黃河口北部沿岸水域水質污染狀況較輕（圖3）.

2.3 水質污染的驅動因子

各參數與主成分之間的相關系數如表3所示，NH3-N、鹽度、和砷分別與主成分1、主成分2、主成分3和主成分4相關性最顯著（P＜0.01）.NH3-N、和分別與4個主成分顯著正相關（P＜0.01），重金屬元素大多與各主成分呈顯著負相關（P＜0.01）.因此，氮營養鹽、鹽度、和砷是黃河口及鄰近水域水質污染的主要驅動因子.

鹽度作為重要的物理因子，對藻類的生長及水體富營養化有重要影響［34］.在本文中鹽度與主成分2呈顯著負相關（r=-0.719，P＜0.01），這可能是由于黃河沖淡水攜大量營養鹽沖入河口區，造成河口區營養鹽等濃度升高，水質污染，受沖淡水影響鹽度降低，從而形成了負相關趨勢，外海區營養鹽濃度降低而鹽度升高.在黃河口改道前后鹽度含量的分布趨勢均與營養鹽相反，近岸底，遠岸高［35］.

NH3-N、和統稱為溶解無機氮（DIN），分別與主成分1、2、3顯著相關，其中硝酸氮是有機氮轉化為無機氮的最終產物.黃河口及鄰近水域的無機氮處于過剩和累積狀態［36］，是影響該水域富營養化的主要因子之一.本文無機氮中所占比例最大，與張繼民等［6］在黃河口附近海域研究結果一致.本研究中磷酸鹽濃度的普遍較低，這可能是由于水體中懸浮物有吸附-解吸磷酸鹽的效應［37］.

與20世紀80年代資料相比［38］，黃河口及鄰近水域的溶解態砷含量沒有明顯增加.黃河口及鄰近水域重金屬元素與各主成分主要呈負相關，不與營養鹽含量的變化趨勢相同，可能是由于重金屬污染物進入水體后，很快被水體中的懸浮物吸附，轉入底泥，降低可溶性濃度［39］.與2008年黃河口及鄰近水域的營養鹽濃度相比［1］，本文調查的硝酸鹽、COD濃度較高，亞硝酸鹽濃度稍低， 6、7月磷酸鹽濃度與之相當，10月磷酸鹽濃度稍高.2013年6、7、10月硅酸鹽濃度均在0.37mg/L左右，稍低于2005年的檢測濃度［6］.

表3 各因子與主成分之間的斯皮爾曼相關系數Table 3 Spearman's correlation coefficient between the factors and principal components PCs

3 結論

3.1 運用主成分分析方法將14個水質指標綜合為4個主成分，解釋了67.31%的結果，能夠基本反映原指標信息.應用主成分綜合得分評價了黃河口及鄰近水域的水質污染狀況，黃河口及鄰近水域2013年10月水質污染嚴重、7月、6月污染程度較低，空間上總體呈現出以黃河入海口為中心，向鄰近海域遞減，河口附近及南部水域污染嚴重的格局.

3.2 黃河口及鄰近水域水質污染的主要驅動因子為氮營養鹽、鹽度、SiO3-Si和砷，重金屬元素大多與各主成分呈顯著負相關.

3.3 通過對黃河口及鄰近水域水質的時空變化及主要驅動因子分析，認為應加強黃河口及其上游的水質保護和污染防治工作，控制黃河徑流污染物，防止黃河口及鄰近水域水質進一步惡化.

［1］孫 棟，段登選，劉紅彩，等.黃河口水域漁業生態水環境調查與研究 ［J］. 海洋科學進展， 2010，28（2）：229-236.

［2］孫 濤，楊志峰.河口生態系統恢復評價指標體系研究及其應用［J］. 中國環境科學， 2004，24（3）：381-384.

［3］劉 霜，張繼民，冷 宇，等.黃河口附近海域營養鹽行為及年際變化分析 ［J］. 海洋通報， 2013，32（4）：383-388.

［4］周 斌，王 悠，王進河，等.山東半島南部近岸海域富營養化狀況的多元評價研究 ［J］. 海洋學報， 2010，（2）：128-138.

［5］張欣泉，鄧春梅，魏 偉，等.黃河口及鄰近海域溶解態無機磷，有機磷，總磷的分布研究 ［J］. 環境科學學報， 2007，27（4）：660-666.

［6］張繼民，劉 霜，張 琦，等.黃河口附近海域營養鹽特征及富營養化程度評價 ［J］. 海洋通報， 2008，27（5）：65-72.

［7］馮利華.環境質量的主成分分析 ［J］. 數學的實踐與認識，2003，33（8）：32-35.

［8］姚煥玫，黃仁濤，劉 洋，等.主成分分析法在太湖水質富營養化評價中的應用 ［J］. 桂林工學院學報， 2005，25（2）：248-251.

［9］楊麗原，沈 吉，張祖陸，等.南四湖表層底泥重金屬和營養元素的多元分析 ［J］. 中國環境科學， 2003，23（2）：206-209.

［10］樊慶鋅，楊先興，邱 微.松花江哈爾濱段城市水環境質量評價［J］. 中國環境科學， 2014，34（9）：2292-2298.

［11］Perkins R G， Underwood G J C. Gradients of chlorophyll a and water chemistry along an eutrophic reservoir with determination of the limiting nutrient by in situ nutrient addition ［J］. Water Research， 2000，34（3）：713-724.

［12］GB17378.4-2007 海洋監測規范，海水分析 ［S］.

［13］傅德印.主成分分析中的統計檢驗問題 ［J］. 統計教育，2007（9）：4-7.

［14］張文彤.SPSS11統計分析教程（高級篇） ［M］. 北京：北京希望電子出版社， 2002：190-193.

［15］張 弘，趙惠祥，劉燕萍，等.基于主成分分析法的科技期刊評價方法 ［J］. 編輯學報， 2008，20（1）：87-90.

［16］祁洪全.綜合評價的多元統計分析方法 ［D］. 長沙：湖南大學，2001.

［17］方紅衛，孫世群，朱雨龍，等.主成分分析法在水質評價中的應用及分析 ［J］. 環境科學與管理， 2009，34（12）：152-154.

［18］韓 偉，李 鋼.主成分分析在地區科技競爭力測評中的應用［J］. 數理統計與管理， 2006，25（5）：512-517.

［19］劉臣輝，呂信紅，范海燕.主成分分析法用于環境質量評價的探討 ［J］. 環境科學與管理， 2011，36（3）：183-186.

［20］莊作欽.BOXPLOT——描述統計的一個簡便工具 ［J］. 統計教育， 2003，1：34-35.

［21］薛 毅，陳立萍.統計建模與R軟件 ［M］. 北京：清華大學出版社，2012，125.

［22］曾慶飛，谷孝鴻，周露鴻，等.東太湖水質污染特征研究 ［J］. 中國環境科學， 2011，31（8）：1355-1360.

［23］柴 超，俞志明，宋秀賢，等.長江口水域富營養化特性的探索性數據分析 ［J］. 環境科學， 2007，28（1）：53-58.

［24］Lundberg C， Lonnroth M， Numers von M， et al. A multivariate assessment of coastal eutrophication. Examples from the Gulf of Finland， northern Baltic Sea ［J］. Marine Pollution Bulletin，2005，50（11）：1185-1196.

［25］Meglen R R. Examining large databases： a chemometric approach using principal component analysis ［J］. Marine Chemistry， 1992，39（1）：217-237.

［26］張曉琳.長江口、黃河口及其鄰近海域重金屬的分布特征及影響因素研究 ［D］. 青島：中國海洋大學， 2013.

［27］國家海洋信息中心.中國海洋環境狀況公報 ［OL］. ［2015-3-16］［2015-3-31］http：//www.coi.gov.cn/gongbao/huanjing/.

［28］宋書群，孫 軍，沈志良，等.長江口冬季和春季浮游植物的粒級生物量 ［J］. 應用生態學報， 2008，19（3）：658-666.

［29］張繼民，劉 霜，張 琦，等.黃河口附近海域浮游植物種群變化［J］. 海洋環境科學， 2010，29（6）：834-837.

［30］楊東方，于子江，張 柯，等.營養鹽硅在全球海域中限制浮游植物的生長 ［J］. 海洋環境科學， 2008，27（5）：547-553.

［31］姚慶禎，于志剛，王 婷，等.調水調沙對黃河下游營養鹽變化規律的影響 ［J］. 環境科學， 2009，30（12）：3534-3540.

［32］王崇浩，曹文洪，張世奇.黃河口潮流與泥沙輸移過程的數值研究 ［J］. 水利學報， 2008，39（10）：1256-1263.

［33］宋文鵬.渤海冬.夏季溫鹽場結構及其海流特征分析 ［D］. 青島：中國海洋大學， 2009.

［34］高 嵩，范士亮，韓秀榮，等.滸苔綠潮與南黃海近岸海域水質的關系 ［J］. 中國環境科學， 2014，34（1）：213-218.

［35］沈志良，樂肯堂.黃河口演變對河口水化學環境的影響 ［J］. 海洋科學集刊， 1993（0）：93-105.

［36］單志軟，鄭振虎.渤海萊州灣的富營養化及其研究 ［J］. 海洋湖沼通報， 2000（2）：41-46.

［37］胡 俊，劉劍彤，劉永定.沉積物與懸浮物中磷分級分離形態差異的初步研究 ［J］. 環境科學學報， 2005，25（11）：1517-1522.

［38］李 靜，陳淑珠，楊淑海，等.黃河口及其鄰近海區溶解態砷的分布及存在形式 ［J］. 青島海洋大學學報， 1989，19（4）：87-96.

［39］孫衛玲，倪晉仁.泥沙吸附重金屬研究中的若干關鍵問題 ［J］.泥沙研究， 2002，（6）：53-59.

An assessment of water quality in the Yellow River estuary and its adjacent waters based on principal component analysis.

LIU Xiao， XUE Ying， JI Yu-peng， XU Bin-duo*， REN Yi-ping （College of Fisheries， Ocean University of China，Qingdao 266003， China）. China Environmental Science， 2015，35（10）：3187～3192

Three surveys were conducted in the Yellow River estuary and its adjacent waters in June and July October 2013 for collecting the information on the 14 environmental variables including salinity， nutrients， COD and heavy metals. Principal component analysis （PCA） was used for analyzing the collected data and the potential driving variables influencing the water quality were evaluated. Four principal components were extracted from the 14 environmental variables， which explained 67.31% of the total variance in the original data set. Principal component analysis demonstrated that DIN， salinity，Si and As were the dominating factors influencing the water quality in the Yellow River estuary and its adjacent waters. The PCA analysis indicated that pollution was more serious in the Yellow River estuary than in its adjacent waters， and the pollution in the southern area was more serious than that in the northern area. The most serious pollution occurred in October， followed by July and June. The Yellow River runoff was the main source of the estuary pollution. Management measures should be taken to protect environments along the Yellow River in order to improve the water quality in the Yellow River estuary and its adjacent waters.

Yellow River estuary；water quality assessment；principle component analysis

X55

A

1000-6923（2015）10-3187-06

劉 瀟（1991-），女，河北石家莊人，中國海洋大學碩士研究生，主要從事漁業資源與生態環境研究.發表論文1篇.

2015-02-07

公益性行業（農業）科研專項經費項目（201303050）資助

* 責任作者， 講師， bdxu@ouc.edu.cn