地表水環境質量綜合評價方法研究與應用進展

姜明岑，王業耀,，姚志鵬，劉廷良，孫宗光，楊 琦

1.中國地質大學(北京)水資源與環境學院，北京 100083 2.中國環境監測總站，國家環境保護環境監測質量控制重點實驗室，北京 100012

地表水環境質量綜合評價方法研究與應用進展

姜明岑1，王業耀1,2，姚志鵬2，劉廷良2，孫宗光2，楊 琦1

1.中國地質大學(北京)水資源與環境學院，北京 100083 2.中國環境監測總站，國家環境保護環境監測質量控制重點實驗室，北京 100012

水質評價是目前水環境質量管理的重要支撐，水質綜合評價方法已經逐漸由斷面評價向流域綜合評價進行轉變與突破。該文對目前的斷面水質評價方法進行了歸類綜述，并且對流域水質綜合評價方法及其在各個國家流域的應用進行了重點評述。分析認為中國在流域評價中所使用的“斷面比例法”不夠準確，缺乏污染物時空分析以及生物評價等問題，并據此提出了未來的研究方向，為未來地表水質評價方法的提升以及水環境管理的完善提供科學的參考依據和建議。

流域質量評價；評價方法；地表水質評價

地表水污染問題在全球范圍內普遍存在，隨著人類對水資源的迫切需要以及對環境問題的逐漸重視，對于提高和完善地表水水質的監控管理一直是學者們研究的重點[1]。地表水環境質量評價，作為管理地表水水質中的關鍵，更是研究的重中之重。早期的水質評價工作是從識別水體中的色味以及渾濁度等簡單的指標開始的，隨著對評價研究的不斷深入，日常監測及參與評價的指標也逐漸增多。并且，在將數學模型的概念引入水質評價后，評價的方法日益豐富[2]。

盡管如此，一直以來絕大多數的評價方法還只停留于對流域監測斷面水質情況進行判斷[3]。雖然，所設置的監測斷面已經盡可能地獲取了足夠的流域中有代表性的環境信息，且其具體位置也基本能反映所在區域環境的污染特征。然而在流域水質監測工作中，有時要考慮到實際采樣時的可行性和方便性，2個斷面間的隱藏和突發情況無法把控，斷面水質評價也無法解釋斷面之間的關聯。因此，僅用斷面的水質評價類別占總體的比例程度，難以反映整體的水質情況，更加無法準確地展現流域水質所具有的時間和空間上的變化特征。而且，對于大量的繁雜的監測數據，斷面水質評價難以給出合理的描述和解釋。尤其是指標之間的聯系、數據間深層的意義還亟待探究。本文對目前國內外的地表水環境質量斷面及流域綜合評價方法和內容進行了評述，分析了地表水環境質量綜合評價現存問題以及未來的發展方向，以期為地表水環境質量綜合評價方法的提升、預警預報技術的發展以及水環境管理的完善提供科學的參考依據。

1 斷面水質評價方法研究及應用進展

斷面水質評價是地表水環境質量評價的基礎，它可以在一定程度上反映地表水環境質量的基本情況。目前包括我國在內，美國、歐盟及日本等多個國家和地區根據本國不同的水質標準，采取具代表性的斷面水質評價，來判別部分或整體的地表水環境質量的達標狀況。

1.1 單因子判別類評價方法

在單因子判別類的評價方法中，所選擇的評價因子將逐一和評價標準進行比較判別，或判別后再進行賦權，最終得出綜合水質判別的結果。目前，除我國使用的單因子指數法外，在美國、歐盟各成員國以及日本等國家所使用的物化指標類的水質評價，皆屬于單因子判別類評價方法的范疇。單因子指數法，以逐一比較后最差的因子評價的結果作為最終的水質類別，具有嚴謹、計算簡便、易于推廣等優點。安樂生等[2]應用綜合污染指數評價法(內梅羅指數型)對太湖水質進行了評價，發現雖然考慮到最大污染因子的影響，但因同時取單因子指數的平均值，評價結果過于樂觀。劉琰等[4]提出水污染指數法，并應用于湘江干流的水質評價，得到了較好的評價結果。2005年徐祖信[5-6]提出了標識指數法，并應用該法對上海市典型斷面進行水質評價，結果表明，該方法對水體是否黑臭有很好的判斷。模糊數學評價在水質評價的方法中已相對成熟[7]，其中模糊綜合評價(FSE)是較為常用的評價方法[8-9]。臺灣有學者應用FSE法對曾文溪水質進行評價，體現出了環境系統的不確定性[8]。

單因子判別類的評價方法，擁有結果直觀、計算簡便、易于操作推廣等優點。但是由于評價過程中對因子的賦權，會影響評價結果的客觀性，有時還會使不同樣本無法進行橫向比較。并且，指標之間的聯系不能得以體現，無法綜合評價地表水環境質量的狀況。

1.2 綜合因子判別類評價方法

不同于單因子判別，綜合因子判別類的方法是將所選評價因子綜合考慮，并與水質標準進行比對判斷，因此可以得出地表水環境質量綜合評價結果。灰色系統理論是我國學者鄧聚龍于1982年提出的一種新理論[10]，無論應用灰色關聯分析(GRA)對漢江進行水質評價[11]，還是應用灰色聚類分析(GC)對四平市地表水進行水質評價[12]，結果都展示了灰色理論法可避免臨界值附近的樣本數據變化所導致的評價結果誤差，證明是具有嚴格的理論基礎和計算方法。但是當在水質評價中所選指標較多時，某些指標權重在歸一化后變得很小，從而將整個指標在評價中的作用淡化甚至忽略，因而無法得到準確的分類結果。

人工神經網絡(ANN)以其高速運算、強大的學習能力和容錯能力以及其超強的記憶能力等優勢，在水質評價的應用中迅速發展，并且也是未來水質評價方法的一個重要的發展趨勢。黃圣偉等[13-15]分別將ANN中的自適應變步長的BP(Back-Propagation)、Hopfield及RBF(Radial Basis Function)神經網絡模型應用于大汶河、鳳嘴江等地表水質評價中，皆得到了較好的評價結果。但是，當訓練模本數量較小時，模型的學習很快會收斂，致使無法準確評判，并且低于最低標準的水質無法進行評價。

投影尋蹤法(PP)的基本原理是將高維的數據投影到低維的子空間上，采用投影指標函數來衡量投影結構，尋出達到最優投影值的投影指標函數[16]。該方法可提高水質評價結果的分辨率，解決了單項指標間無關聯的問題。但因其求解復雜而不能進行推廣，學者們先后采用遺傳算法[17]、蟻群算法[18]及粒子群算法[19]來優化投影指標函數，但是均存在收斂過早的問題。邵磊等[20]提出用自由搜索的算法來尋求PP的全局最優解，并應用于汾河流域的水質評價中，得到了較好的效果。

除上述方法外，國內外學者還研究了其他類型的水質評價方法。物元可拓法是我國學者蔡文提出的綜合指標評價方法[21]，因其在水資源系統方面體現出優勢而被廣泛采用。而在實際應用中，因其定義的集合只做定性之用所暴露出的不足，張龍云等[22]對其加以改進并應用于黃河水質評價中，使集合中的“+”、“-”為定量之用，結果更具合理性。龐振凌等[23]應用層次分析法(AHP)[24]對南水北調中線水源區進行了水質評價，體現出了簡單、有效、實用等特點，并且分析結果比較靈敏。

由于水質評價系統是由多維變量相互關聯所組成的復雜系統，且彼此的相關性也有所不同，各個地表水流域也具有各自的污染特征。因此，上述水質評價方法各有各的優缺點，亟待進行整合，形成揚長避短、具有流域特點的評價體系。

2 流域水質綜合評價方法研究及應用進展

在流域水質綜合評價中，用于評價的樣本數據量通常是非常大的，這些樣本間往往存在緊密的聯系，簡單的評價方法難以對大量的數據進行明確的解釋。并且，探究流域水質的時間和空間上的變化對于監控管理地表水環境質量是非常必要的。經國內外學者的研究，目前多元統計學類方法在流域水質綜合評價中的應用較為廣泛，同時人工神經網絡類方法也是未來發展的一個重要方向。

2.1 聚類分析

聚類分析(CA)是一種可對樣本進行量化分類的多元統計方法，是根據樣本自身的屬性，用數學方法按照某種相似性或差異性指標，定量地確定樣本之間的親疏關系，并按照關系的程度對樣本進行分類[25]的分析方法。常用的聚類方法為系統聚類分析(HCA)，它基于的凝聚方法可以識別任何數據集和樣本間的相似性，并最終以樹狀圖的形式將分類結果表達出來[26]。SHRESTHA等[27]以日本富士川流域為例，應用聚類分析法，根據斷面的具體水質情況，將13個監測斷面分成具有內部相關性的3類(輕度、中度、重度污染斷面)，且由結果顯示出監測斷面的分類不僅是按照從上游到下游的順序，還考慮了流域的自凈等作用。BOYACIOGLU等[28]以土耳其的Tahtali流域為例，同樣應用聚類分析對監測斷面進行分類，其中一類斷面所處的位置人口密集，土地使用以農田為主，各斷面間的相似點為含有比其他類斷面濃度高的總溶解固體、鈉、氯化物和硫酸鹽。由此可見，地區土地的使用情況也反映了聚類分析所分類的準確性和可靠性。WAHED等[29]以埃及的Fayoum流域為例，應用聚類分析將各監測斷面分成了2個大類，而第二大類中又可分成2個小類。各類間具有較強的水質相似特性，為分析污染源提供了依據。還有學者將樣本根據時間特點進行聚類分析，如ZHANG等[30]以中國的大遼河流域為例，利用聚類分析將12個月的樣本分成3個階段(枯水期、平水期、豐水期)。因流域的流量主要受到氣候和水文條件的影響，聚類分析的結果很好地證明了大遼河流域是中國北部的一條典型的季節性河流。

聚類分析在目前流域綜合水質評價中是一項非常重要的評價方法，諸多研究均顯示出聚類分析可為整個流域斷面分類及監測站點優化提供可靠的依據，且在需要快速簡潔評估水質時，可從每類中選出具有代表性的斷面進行評價，以此減少工作量，降低評價成本。

2.2 主成分/因子分析

主成分分析(PCA)在流域水環境質量評價中多用于水質污染物的分析，將原始的評價指標轉變成新的、互不相關的變量，該變量即為主成分。新的主成分變量讓指標變得更加有意義，且更加簡潔明了，在使原始信息損失最小的情況下，總結出這些指標的統計學規律。因子分析(FA)是主成分分析的延伸，它除了是所監測到的水質變量的線性組合以外，還能包含那些沒有監測到的、推測的、潛在的變量[31-32]。PEJMAN等[33]學者以Haraz流域為例，運用主成分/因子分析來識別重要的季節性水質指標。特征值是識別因子是否顯著的方法之一——特征值最大的因子就是最顯著的因子；一般認為特征值大于或等于1.0的因子即為顯著的因子[27]。根據絕對載荷值大于0.75、 0.75～0.50、0.50～0.30，可將因子載荷的等級分為強、中、弱[34]。主成分/因子分析結果表明，在一個季節中對水質影響較大的指標，并不是在所有的季節中都是顯著變化的水質指標。因此，應根據季節性的變化來調整監測點位及監測頻次。

2.3 判別分析

判別分析(DA)的原理是根據表明事物特點的變量值和它們所屬的類別，建立判別函數，使錯判的概率最小，對給定的一個新樣本，判斷它來自哪個總體[25]。因此，在流域水質評價中，研究者們常用判別分析來將樣本分類。與聚類分析不同的是，判別分析所得出樣本的統計分類，是根據某一特定類別的分類先驗結果所得出的。SINGH等[35]以印度的Gomti流域為例，應用判別分析分別對流域水質的時間和空間變化特性進行分析，并應用聚類分析進行驗證，結果相同。同時發現，有9個指標為空間變化特征上最顯著的指標，與主成分分析/因子分析所得出的結果相比，數據更加簡化。JUAHIR等[36]以Langat流域為例，在7個監測站點中應用判別分析對流域的空間變化特征進行分析，在聚類分析的分類結果中進一步確定了各類中有差異的指標(即聚類分析的潛在分類標準)。由此可以看出，判別分析往往會給出更加明確的分類結果，并且，與主成分/因子分析相比較，有時會給出更佳的降維效果，使評價工作更加簡便。

2.4 回歸分析

在流域水質評價中，污染源、指標及水質間往往存在一定的聯系，研究者們應用回歸分析(RA)來確定變量間模糊的相關方向和密切程度。回歸分析是指根據相關關系的具體形態，選擇一個合適的數學模型來近似地表達變量間平均變化關系的統計分析方法[37]。在水質評價中，污染源解析是評估污染源對于每個污染物濃度貢獻的重要方法。SINEONOV等[38]以希臘北部的流域為例，應用回歸分析對主成分分析所得出的主要污染因子進行主成分的得分計算，分析了污染物質的主要來源。韓國CHO[39]基于非線性回歸分析建立了水質評價模型(WQAM)，并以Geum-Sum-Young流域為例進行應用，結果表明，該模型可替代原始復雜的水質模型，找出流域最佳的修復位置。

2.5 自組織映射法

自組織映射(SOM)算法由芬蘭學者KOHONEN[40]提出，因其對大量數據可視化和分類的優勢，在流域水質評價中得到了廣泛且有效的應用。它是一種基于神經網絡系統的算法，將高維的數據空間以非線性的形式投影到低維空間(多數為二維空間)中，且并不利用線性的或傳統的統計技術的假設直接將數據進行分類[41]。TSAKOVSKI等[42]以保加利亞的Struma流域為例，利用自組織映射法將所評價的12個指標分成了明確的4類。而生化需氧量和化學需氧量分別自成一類可以解釋為它們都具有描述不同的且往往不可控的污染物及其轉化物復雜信息的能力[43]。GAMBLE等[44]以白河流域為例，應用SOM作為非線性變量降維的方法，以此來表征流域的水質條件。而KALTEH等[45]則對已經發表的關于地表水質的分析、評估以及指標預測等SOM的方法進行了考察。

目前SOM算法在水質評價中常與其他技術聯合應用研究，SENGORUR等[46]以Melen流域為例，一方面應用SOM將水質指標分類，探尋流域的污染源；另一方面是對每一類應用ANN進行分析，確定可代表流域水質的主要影響指標。JIN等[47]以韓國的Yeongsan流域為例，結合HCA和SOM 2種方法對在6個站點所監測的水質指標及流量等數據進行識別分類，應用SOM算法優化HCA的分類組數，對分類結果進行微調使其更加準確。

3 我國地表水環境質量評價存在的問題

目前，國內的研究多以斷面水質評價方法為主，雖然逐漸發展到利用流域監測大數據來進行流域水質整體的評價研究，但仍存在以下幾個方面的問題：①斷面水質評價方法可描述斷面水質的達標情況，但卻無法解釋斷面之間的關聯，也無法表征流域污染物的時間和空間上的變化。②采用流域綜合水質評價的方法，必須有足夠數量的數據來進行支撐。對于缺乏歷史數據資料，監測斷面設置不完善的流域，無法運用這些方法準確評價流域的水環境質量狀況。③與其他國家相比，缺乏地表水生物指標評價的內容。④所選用的評價指標缺乏對于流域污染特征的針對性。例如，在特定的流域中，一些指標常年處于穩態且含量低或無法檢出的狀態，又由文中提到的案例可知，在一個季節中對水質影響較大的指標，并不是在所有的季節中都是顯著變化的水質指標。統一固定頻次評價水質情況，無法滿足流域水環境質量管理的實際需求。

4 研究發展方向

1)流域水質綜合評價方法雖可彌補斷面水質評價方法的缺點，卻無法判斷水質達標情況，流域之間缺乏橫向可比性，在對地表水環境質量有明確分級和達標規定的國家中難以實行和推廣。未來的研究趨于既能將水環境質量狀況分級，又能表征污染物時間和空間變化特征的評價方法體系。

2)對于歷史數據不足、監測斷面不完善的流域，可探尋與其水文、地理、污染信息相似的流域作為參考，或加入可靠的模型模擬對數據空白進行填補，來滿足對流域進行大數據分析的需要。因此，為資料匱乏的流域建立一套完整的評價系統是未來流域水質綜合評價方法研究的一個重要方向。

3)美國和歐盟各成員國已經開展了生物指標的水質評價研究，并取得了一定的效果。在我國評價工作中增加生物評價的內容是未來發展的必然趨勢。

4)針對具不同特點的流域，盡可能減少不必要的監測和評價工作也是研究發展的主要方向。建立具有流域污染特征的獨立檔案，為快速評價流域整體水質情況提供可靠依據。同時也為后續的預警預報工作打下基礎，以期減少面對突發污染事件時做出響應所需要的時間。

[1] KHAN M Y A, GANI K M, CHAKRAPANI G J. Assessment of surface water quality and its spatial variation. A case study of Ramganga River, Ganga Basin, India[J]. Arabian Journal of Geosciences, 2016, 9(1): 1-9.

[2] 安樂生, 趙全升, 劉貫群, 等. 代表性水質評價方法的比較研究[J]. 中國環境監測, 2010,26(5): 47-51.

[3] 中國環境監測總站. 水環境監測技術[M]. 北京：中國環境出版社, 2014.

[4] 劉琰, 鄭丙輝, 付青, 等. 水污染指數法在河流水質評價中的應用研究[J]. 中國環境監測, 2013,29(3): 49-55.

[5] 徐祖信. 我國河流單因子水質標識指數評價方法研究[J]. 同濟大學學報：自然科學版, 2005,33(3): 321-325.

[6] 徐祖信. 我國河流綜合水質標識指數評價方法研究[J]. 同濟大學學報：自然科學版, 2005,33(4): 482-488.

[7] 凌敏華, 左其亭. 水質評價的模糊數學方法及其應用研究[J]. 人民黃河, 2006, 28(1): 34-36.

[8] CHANG N B, CHEN H W, NING S K. Identification of river water quality using the fuzzy synthetic evaluation approach[J]. Journal of Environmental Management, 2001, 63(3): 293-305.

[9] 李蓮芳, 曾希柏, 李國學, 等. 利用模糊綜合評判法評價潮白河流域水質[J]. 農業環境科學學報, 2006,25(2): 471-476.

[10] 鄧聚龍. 灰色系統綜述[J]. 世界科學, 1983(7):1-5.

[11] IP W C, HU B Q, WONG H, et al. Applications of grey relational method to river environment quality evaluation in China[J]. Journal of Hydrology, 2009, 379(3): 284-290.

[12] 王洪梅, 盧文喜, 辛光, 等. 灰色聚類法在地表水水質評價中的應用[J]. 節水灌溉, 2007,(5): 20-22.

[13] 黃勝偉, 董曼玲. 自適應變步長 BP 神經網絡在水質評價中的應用[J]. 水利學報, 2002,(10): 119-123.

[14] 龍騰銳, 郭勁松, 霍國友. 水質綜合評價的 Hopfield網絡模型[J]. 重慶建筑大學學報, 2002,24(2): 57-60.

[15] 羅定貴, 郭青, 王學軍. 地表水質評價的徑向基神經網絡模型設計[J]. 地理與地理信息科學, 2003,19(5): 77-81.

[16] 金菊良, 魏一鳴, 丁晶. 水質綜合評價的投影尋蹤模型[J]. 環境科學學報, 2001,21(4): 432-434.

[17] 楊曉華, 楊志峰, 酈建強. 區域水資源潛力綜合評價的遺傳投影尋蹤方法[J]. 自然科學進展, 2003,13(5):554-557.

[18] 孟慶斌, 楊曉華, 王偉, 等. 水環境質量綜合評價的ACSIM[J]. 北京師范大學學報：自然科學版, 2008,44(4):429-433.

[19] 張國華, 張展羽, 邵光成, 等. 基于粒子群優化算法的灌溉渠道配水優化模型研究[J]. 水利學報, 2006,37(8):1 004-1 008,1 014.

[20] 邵磊, 周孝德, 楊方廷, 等. 基于自由搜索的投影尋蹤水質綜合評價方法[J]. 中國環境科學, 2010,30(12): 1 708-1 714.

[21] 蔡文. 物元模型及其應用[M]. 北京: 科學技術文獻出版社,1994.

[22] 張龍云, 曹升樂. 物元可拓法在黃河水質評價中的改進及其應用[J]. 山東大學學報：工學版, 2007,37(6): 91-94.

[23] 龐振凌, 常紅軍, 李玉英, 等. 層次分析法對南水北調中線水源區的水質評價[J]. 生態學報, 2008, 28(4): 1 812-1 819.

[24] SAATY T L, BENNETT J P. A theory of analytical hierarchies applied to political candidacy[J]. Behavioral Science, 1977, 22(4): 237-245.

[25] 李春林, 陳旭紅. 應用多元統計分析[M]. 北京:清華大學出版社, 2013.

[26] TEMPL M, FILZMOSER P, REIMANN C. Cluster analysis applied to regional geochemical data: problems and possibilities[J]. Applied Geochemistry, 2008, 23(8): 2 198-2 213.

[27] SHRESTHA S, KAZAMA F. Assessment of surface water quality using multivariate statistical techniques: A case study of the Fuji river basin, Japan[J]. Environmental Modelling & Software, 2007, 22(4): 464-475.

[28] BOYACIOGLU H, BOYACIOGLU H. Water pollution sources assessment by multivariate statistical methods in the Tahtali Basin, Turkey[J]. Environmental Geology, 2008, 54(2): 275-282.

[29] WAHED M S M A, MOHAMED E A, Wolkersdorfer C, et al. Assessment of water quality in surface waters of the Fayoum watershed, Egypt[J]. Environmental Earth Sciences, 2015, 74(2): 1 765-1 783.

[30] ZHANG Y, GUO F, MENG W, et al. Water quality assessment and source identification of Daliao river basin using multivariate statistical methods[J]. Environmental Monitoring and Assessment, 2009, 152(1-4): 105-121.

[31] HELENA B, PARDO R, VEGA M, et al. Temporal evolution of groundwater composition in an alluvial aquifer (Pisuerga River, Spain) by principal component analysis[J]. Water Research, 2000, 34(3): 807-816.

[32] VEGA M, PARDO R, BARRADO E, et al. Assessment of seasonal and polluting effects on the quality of river water by exploratory data analysis[J]. Water Research, 1998, 32(12): 3 581-3 592.

[33] PEJMAN A H, BIDHENDI G R N, KARBASSI A R, et al. Evaluation of spatial and seasonal variations in surface water quality using multivariate statistical techniques[J]. International Journal of Environmental Science & Technology, 2009, 6(3): 467-476.

[34] LIU C W, LIN K H, KUO Y M. Application of factor analysis in the assessment of groundwater quality in a blackfoot disease area in Taiwan[J]. Science of the Total Environment, 2003, 313(1): 77-89.

[35] SINGH K P, MALIK A, MOHAN D, et al. Multivariate statistical techniques for the evaluation of spatial and temporal variations in water quality of Gomti River (India)—a case study[J]. Water Research, 2004, 38(18): 3 980-3 992.

[36] JUAHIR H, ZAIN S M, YUSOFF M K, et al. Spatial water quality assessment of Langat River Basin (Malaysia) using environmetric techniques[J]. Environmental Monitoring and Assessment, 2011, 173(1-4): 625-641.

[37] 王志良, 李淑貞, 李立陽, 等. 水質統計理論及方法[M]. 北京: 中國水利水電出版社, 2013.

[38] SIMEONOV V, STRATIS J A, SAMARA C, et al. Assessment of the surface water quality in Northern Greece[J]. Water Research, 2003, 37(17): 4 119-4 124.

[39] CHO Y. Development of a water quality assessment model: a water quality assessment model based on watershed characteristics by non-linear regression[J]. Water Science and Technology: Water Supply, 2015, 15(2): 236-247.

[40] KOHONEN T. Self-organization formation of tepologically correct feature maps[J]. Biological Cybernetics, 1982, 43: 59-69.

[41] KOHONEN T. Self-organizing Maps[M]. Berlin: Sprines, 2001.

[42] TSAKOVSKI S, ASTEL A, SIMEONOV V. Assessment of the water quality of a river catchment by chemometric expertise[J]. Journal of Chemometrics, 2010, 24(11/12): 694-702.

[43] SIMEONOVA P, SIMEONOV V, ANDREEV G. Water quality study of the Struma river basin, Bulgaria (1989—1998)[J]. Open Chemistry, 2003, 1(2): 121-136.

[44] GAMBLE A, BABBAR-SEBENS M. On the use of multivariate statistical methods for combining in-stream monitoring data and spatial analysis to characterize water quality conditions in the White River Basin, Indiana, USA[J]. Environmental Monitoring and Assessment, 2012, 184(2): 845-875.

[45] KALTEH A M, HJORTH P, BERNDTSSON R. Review of the self-organizing map (SOM) approach in water resources: Analysis, modelling and application[J]. Environmental Modelling & Software, 2008, 23(7): 835-845.

[46] SENGORUR B, KOKLU R, ATES A. Water Quality Assessment Using Artificial Intelligence Techniques: SOM and ANN—A Case Study of Melen River Turkey[J]. Water Quality, Exposure and Health, 2015, 7(4): 469-490.

[47] JIN Y H, KAWAMURA A, PARK S C, et al. Spatiotemporal classification of environmental monitoring data in the Yeongsan River basin, Korea, using self-organizing maps[J]. Journal of Environmental Monitoring, 2011, 13(10): 2 886-2 894.

Research and Application Advances in Methods of Surface Water Quality Assessment

JIANG Mingcen1， WANG Yeyao1,2， YAO Zhipeng2， LIU Tingliang2， SUN Zongguang2， Yang Qi1

1.School of Water Resources and Environment, China University of Geosciences (Beijing), Beijing 100083, China 2.State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Centre, Beijing 100012, China

Water quality assessment is an important support for water environmental quality management currently. The assessment method of water quality is no longer only about the monitoring-section assessment, but transforming into watershed comprehensive assessment gradually. The current methods of monitoring-section water quality assessment were classified and reviewed. And the ones of watershed comprehensive assessment and application in each watershed of different countries were reviewed as the emphasis. Some problems of water quality assessment in China, namely, the inaccuracy ofmonitoring-sectionproportionwater quality method which is used in watershed assessment in China, the lack of pollutants temporal and spatial analysis and the short of biological water quality assessment, were analyzed. Research directions were proposed based on these problems. It is possible to design a future that the improvement of surface water quality assessment and water environmental quality management can be provided scientific reference and recommendations.

watershed quality assessment; assessment method; surface water quality assessment

2016-06-14;

2016-06-20

國家水體污染控制與治理科技重大專項“流域水生態監測技術體系研究與示范項目”(2014ZX07502002)

姜明岑(1989-)，女，遼寧沈陽人，在讀博士研究生。

王業耀

X826

A

1002-6002(2016)04- 0001- 06

10.19316/j.issn.1002-6002.2016.04.01