金沙江流域攀枝花段主要污染物特征分析

楊　玖，代　佼

(攀枝花市環境監測中心站，四川 攀枝花 617000)

?

金沙江流域攀枝花段主要污染物特征分析

楊玖，代佼

(攀枝花市環境監測中心站，四川 攀枝花 617000)

摘要：采用主成分分析法，結合SPSS分析軟件，對金沙江流域攀枝花段各監測斷面(對照斷面、控制斷面及出境斷面)在非訊水期和訊水期水體中的TN、TP、DO、CODCr、CODMn、NH3-N、BOD5等7項監測指標進行分析，對金沙江攀枝花段水質進行了綜合評價。結果表明：①金沙江攀枝花段水體主要受有機污染，且NH3-N、BOD5、CODCr為主要特征污染物；②不同水期，各斷面水體主要污染物不同；③各監測斷面在訊水期的水質污染情況比在非訊水期的水質污染程度大，且倮果(控制斷面)水質污染程度較其他斷面水質污染程度大；④與綜合污染指數法相比，主成分分析法是一種較可靠且較實際的水質評價方法。

關鍵詞：主成分分析法；SPSS；水質評價；綜合污染指數法；金沙江

0引言

隨著人口增長、經濟的發展，大量的工業廢水和生活污水排入水體，造成水體污染日益增加。水質評價可以了解水體污染情況及污染程度。水環境質量評價包括不同水域進行水質評價和不同用途進行水環境質量評價[1]。目前有很多水質評價方法，常用的有綜合指數法、模糊綜合評價法、灰色系統理論法、人工神經網絡法、單因子評價法、分級加權平均法、綜合污染指數法、Kendall檢驗法、內梅羅指數法等[2-6]。這些方法在一定程度上能較好地評價水質，但是由于水環境是個復雜的系統，由多種污染指標變量組成，且各個因子之間具有不同程度的相關性，可能包含著重疊的信息，而這些方法往往評價單個污染物，從而在進行水質評價時都存在一定的局限性。

許多研究學者利用主成分分析法對不同水域(湖泊、河流等)和不同用途(飲用水、水庫等)的水質進行了水質評價[7-9]，取得了較好的評價結果。主成分分析法是把原來多個變量化為少數幾個綜合指標的一種統計分析方法，其理論研究較為完善，在解決實際問題中也取得了較好的效果。本文主要以主成分分析為評價方法結合SPSS統計軟件對金沙江攀枝花段各斷面水質進行統計分析。

1材料與方法

1.1研究區域概況

金沙江在攀枝花境內流程約130km，是攀枝花市生產和生活用水的主要水源，也是城市生活污水和工業廢水的主要納污水體。在水質分類上，金沙江水屬于低礦化度重碳酸鈣鎂型水質[10]。近些年來，隨著人口增加、工業的發展，導致用水劇增，同時也產生大量的工業廢水和生活污水，使得生態環境惡化、污染加劇。

1.2金沙江段攀枝花市監測斷面的設置

為了掌握金沙江水質受攀枝花地區工業廢水、生活污水的污染情況，在金沙江攀枝花段上共設置了3 個監測斷面，自上而下分別為龍洞斷面(對照斷面)、倮果斷面(控制斷面)和金江斷面(出境斷面)。

根據攀枝花市環境監測站金沙江重點水域監測的監測數據，選取金沙江流域攀枝花段對照、國控及出境斷面監測點。采用 7項指標進行分析，評價指標為溶解氧(DO)、高錳酸鹽指數(CODMn)、化學需氧量(CODCr)、五日生化需氧量(BOD5)、總氮(TN)、總磷(TP)、氨氮(NH3-N)。氨氮是水體中的營養素，也是水體中的主要耗氧污染物。總磷是水體富含有機質的指標之一。水中氮、磷物質超標時，微生物大量繁殖，浮游生物生長旺盛，出現富營養化狀態。溶解氧是判斷水體自凈能力的一種依據，水里的溶解氧值越大，說明水體自凈能力越強，或水體污染不嚴重。BOD5主要用于監測水體中有機物的污染狀況。COD反映了水中受還原性物質污染的程度，也作為有機物相對含量的綜合指標之一。溶解氧為逆指標，需要將其倒數變換后再進行標準化。分別對訊水期(2014年6—10月)和非訊水期(2013年11—2014年5月份)的監測數據進行評價。

表1　金沙江段攀枝花市監測斷面

1.3主成分分析法與具體步驟

1.3.1主成分分析的運用

河流水環境狀況比較復雜，所受環境因子影響較多，水環境質量是由各個環境影響因子指標共同作用的結果。各影響因子存在著一定的聯系，包含著相關的信息，會使得在分析水環境狀況的影響因子時不能給出準確的結果。主成分分析法是利用數學降維的思維方法，使原來多個變量重新組合成一組新的且相互獨立的綜合變量[11]，使得大量數據簡化而且獲得的信息比較可靠。主成分分析法在水質評價中的應用主要表現在以下兩方面：①建立綜合評價指標評價各斷面的相對污染程度，并對不同斷面進行比較分析；②評價每個污染指標在綜合指標中的作用，并確定主要污染因子[12]。

1.3.2基于SPSS軟件主成分分析法步驟

建立n個樣本p個指標的原始數據矩陣Mij(i=1,2,3…….n;j=1,2,….p)，將建立的數據矩陣輸入SPSS軟件，詳細步驟參考張瑩等人[13]。得出原始指標的相關系數矩陣，特征值以及相應的特征向量值，解釋總方差貢獻率及幾個主成分(貢獻率>85%或者特征值>1)。求出每個主成分的線性加權值再對m個主成分進行加權求和，確定綜合評價結果。

2結果與分析

2.1基于SPSS軟件主成分分析過程與結果

2.1.1標準化處理

通過SPSS軟件進行標準化處理(即對同一變量減去其均值再除以標準差)，表2分別給出了各項指標在訊水期和非訊水期標準化處理后的數據。為使各項指標之間的可比性增強，消除量綱的影響，需要對原始數據進行標準化使其具有良好的可比性[14]。

表2　不同時期各斷面水質指標標準化數據

2.1.2相關系數矩陣的特征值、貢獻率和累計貢獻率

城市防災避難規劃是一項艱巨而重要的任務，規劃通過梳理現有的資源和未來的城市空間，在不影響和妨礙城市的發展的情況下，最大限度地設置安全避難場所，在災難來臨時，才能最大可能地去保護市民的生命和財產安全。

通過SPSS軟件得到相關系數矩陣見表3，通過進一步計算得出特征值及解釋方差總和貢獻率等見表4。根據特征值及貢獻率大小，可以選取兩個主成分。主成分個數提取原則：特征值>1或者累計貢獻率達到85%。由表4可以看出，在非訊水期和訊水期均可提取兩個主成分，特征值均>1且累計貢獻率達到100%，說明提取信息較完全可靠。非訊水期，兩個主成分特征值分別為4.568、2.432，均>1，且貢獻率分別為65%、35%，總貢獻率>87%。說明兩個主成分完全提取了7個指標給出的信息，且第一主成分貢獻率最大，對非訊水期各斷面水質的影響較大。訊水期，兩個主成分特征值分別為4.809、2.191，均>1，貢獻率分別為69%、31%，也說明了兩個主成分完全提取了7個指標給出的信息，且第一主成分貢獻率最大，對訊水期各斷面水質影響較大。

表3　相關系數矩陣

表4　特征值及各主成分貢獻率

2.1.3主成分載荷分析

基于SPSS軟件的分析，不同時期各指標的特征向量值在主成分上的載荷分別見圖1和圖2。由圖1a可知，非訊水期，對PC1貢獻較大的因子指標，特征向量值(>0.8)由大到小依次是NH3-N、CODCr、TP、BOD5，特征向量值分別為0.986、0.942、0.934、0.914。對PC2貢獻較大的因子指標，特征向量值(>0.8)由大到小依次是CODMn和DO，其特征向量值分別為0.970、0.827。結合圖1b可以看出，倮果斷面水質(控制)在PC1上有較高載荷，因此，倮果控制斷面水質(控制)受到NH3-N、CODCr、TP、BOD5的影響較大。BOD5及TP反映的是耗氧類有機物污染和水體富營養化，表明第一主成分上有機物污染較為嚴重。龍洞斷面(對照)與金江斷面(出境)水質均在PC2上有較高載荷，由此可知，CODMn和DO對兩個斷面水質均有一定影響，且該斷面水體自凈能力較強，水質得到改善。

訊水期，從圖2a可以看出，TN、BOD5、NH3-N、DO及CODCr在PC1上載荷較高，其特征向量值均>0.8；CODMn和TP在PC2上載荷較高。結合圖2b可以發現，倮果斷面(控制)在PC1上載荷最大，因此該斷面水質主要受TN、BOD5、NH3-N、DO及CODCr的影響，同時也可以看出該斷面受到有機物污染較大。金江斷面(出境)在PC2上的載荷最大，在PC1上載荷最小，可知出境斷面水質主要受到CODMn和TP兩個污染因子的影響，不受其他污染因子的影響。

綜上所述，倮果斷面主要是由NH3-N、BOD5、CODCr等控制，有機污染較嚴重，這是由于沿岸生活污水和農業、養殖業面源污染的影響。

2.1.4水質綜合評價結果

根據綜合評價表達式，由各斷面的主成分載荷矩陣，與相應的貢獻率之積的和計算各斷面的水質污染綜合得分表，得分越大表明污染程度越嚴重，由此對各斷面水質污染程度進行分析。通過主成分分析與綜合得分(表5)可得出：第一主成分的排名與綜合得分排名一致，表明第一主成分污染指標對各斷面水質評價的貢獻最大，能反映各斷面的實際污染情況；訊水期，倮果斷面污染較非訊水期污染程度大，這可能是大量的生活污水被雨水沖擊到河流，導致斷面水質污染較嚴重。其次，金江斷面水質較龍洞斷面水質污染程度大。

表5　各時期各斷面水質綜合評價結果

時期F1排名F2排名F綜合排名非訊水期-0.9483-0.7153-1.66331.50710.21621.7231-0.55920.4991-0.0602訊水期-1.26130.1282-1.13431.56310.48112.0441-0.3022-0.6093-0.9112

2.2綜合污染指數法

綜合污染指數法是對各污染指標的相對污染指數進行統計，得出代表水體污染程度的數值，從而對水污染狀況進行綜合判斷[15]，評價各斷面水體總體污染狀況。計算公式為：

式中：Pj為綜合污染指數；Cij為j斷面第i項評價因子的監測值；Csi為第i項評價因子的標準值(地表水環境質量標準基本項目標準限值Ⅲ類標準值)；Pij為j斷面第i項評價因子的污染指數；m為參與計算的評價因子的總項數，本文有7項指標，因此m值為7。

由圖3可以看出：訊水期，各斷面綜合污染指數高于非訊水期，這是由于訊水期降水較多，大量含有污染物的地表徑流流入河流，導致在整個訊水期污染較大；在整個水期，倮果斷面綜合污染指數均高于其他斷面。從綜合污染指數大小看(P<0.4)，各斷面水質狀況較好。

2.3兩種評價方法之間的比較

主成分分析法與綜合污染指數法均能得出金沙江攀枝花段3個監測斷面在訊水期的污染程度高于非訊水期，且倮果控制斷面水質污染較其他斷面較重。綜合污染指數反映了河流水污染狀態，比較出了各斷面水質污染程度，但其缺點是未給出主要的污染因子。主成分分析法不僅給出了河流的主要污染因子，也同時說明了綜合污染程度，為分析水污染的主要污染物來源提供了依據，能為水體污染治理提供有效的治理措施。

3結論

(1)從原始水質監測數據中提取了2個主成分來反映水體的污染程度，在整個水期，倮果斷面水質污染程度較其他斷面高，且污染指標主要為NH3-N、BOD5及CODCr。

(2)各斷面水質污染程度在訊水期高于非訊水期。

(3)主成分分析法優于綜合污染指數法，具有主成分選擇和計算簡單的優點，不僅能反映各斷面水體的綜合污染情況，而且能具體分析出主要污染物，進一步反映各斷面的水質情況。

參考文獻：

[1]白云鵬，陳永健. 常用水環境質量評價方法分析[J].環境水利，2007 (6):8-10.

[2]張婷，劉靜玲，王雪梅. 白洋淀水質時空變化及影響因子評價與分析[J]. 環境科學學報，2010,30(2):261-267.

[3]胡成，蘇丹. 綜合水質標識指數法在渾河水質評價中的應用[J]. 生態環境學報，2011,20(1):186-192.

[4]江濤，張曉磊，陳曉宏,等. 東江中上游主要控制斷面水質變化特征[J]. 湖泊科學，2009,21(6):783-878.

[5]李惠明，尚廣平. 水質現狀評價數學模型綜合研究[J]. 中國環境科學，1991,11(5):356-360.

[6]藺照蘭，王巖，張憲濤,等. 灰色聚類法在東昌湖水體富營養化評價中的應用[J]. 安徽農業科學，2012,38(22):11936 -11938,1201.

[7]周杰，葛緒廣，陳成忠，潘朝. 基于主成分分析的湖泊水環境質量評價-以磁湖為例[J]. 安徽農業科學,2014,42(15):4743-4745.

[8]李俊，盧文喜，曹明哲，李平. 主成分分析法在長春市石頭口門水庫水環境質量評價中的應用[J]. 節水灌溉，2009(1):15-17.

[9]王金葉，李朝霞. 基于主成分分析的青島市農村飲用水水質綜合評價[J]. 山東農業科學, 2014,46(8):104-108.

[10]許煜明. 金沙江攀枝花段水質及污染現狀[J].攀枝花科技，1996(4), 29-30.

[11]陳佳，王莉，楊小剛,等. 渭河陜西段水體主要污染物特征分析[J]. 內蒙古大學學報:自然科學版，2015,46(2)：211-218.

[12]許光宇，柴國平，徐明德，王帆. 主成分分析法在汾河太原城區段水質評價中的應用[J].環境工程，2014,32(6):122-124.

[13]張瑩，劉碩，王宏. 基于SPSS的主成分分析法在松花江哈爾濱段的水質評價[J]. 哈爾濱師范大學自然科學學報，2015,31(3):132-135.

[14]張國珍，喬國亮，武福平,等.主成分分析法在窖水水質變化評價中的應用[J].環境科學與技術，2014,37(4): 181-184.

[15]解瑩，李敘勇，王慧亮,等. 灤河流域上游地區主要河流水污染特征及評價[J]. 環境科學學報，2012,32(3)：645-653.

Characteristics Analysis of the Water Pollutants in the Panzhihua Section of Jinshajiang River

YANG Jiu,DAI Jiao

(Panzhihua Environmental Monitoring Station, Panzhihua Sichuan 617000, China)

Abstract：With the help of SPSS software, the TP、TN、NH3-N、BOD5、CODMn、CODCrand DO from three monitoring sites of Panzhihua section in Jinshajiang River from November 2013 to October 2014 were analyzed and calculated using the principal component analysis method. The results showed that the major pollution indictors were NH3-N, BOD5 and CODCr. Organic pollution was serious in Jinshajiang River. The comprehensive assessment indicated that the pollution degree in flood period was higher than that in normal river flow period. The pollution degree of Controlled Section was the highest. Compared with comprehensive pollution index method, the principal component analysis was a more effective method to evaluate the water quality.

Key words：principal components analysis; SPSS; water quality assessment; comprehensive pollution index; Jinshajiang River

收稿日期：2015-08-11

作者簡介：楊玖(1989-)，女，四川廣元人，2014年畢業于西北農林科技大學環境科學專業，碩士研究生，助理工程師，主要從事環境監測工作。

中圖分類號：X824

文獻標志碼：A

文章編號：1673-9655(2016)02-0061-06