太湖流域水質污染與水質變化的空間分析

摘要：基于遙感、地理信息技術分析了太湖周邊國控監測斷面5 km緩沖半徑下土地利用類型并結合環保部公布太湖流域水質數據進行疊加分析，從而探究人類活動強度與水質情況相關性。結果表明，建設用地和農業用地為流域內主要土地利用類型；流域人類活動強度呈東部高于西部，用地類型與水質污染存在一定關聯，建設用地為重要污染輸出源，人類活動強度與水體水質指標呈正相關關系。

關鍵詞：水質污染；人類活動強度；水質變化；太湖流域

中圖分類號：X524 文獻標識碼：A 文章編號：2095-672X（2018）05-0054-01

DOI：10.16647/j.cnki.cn15-1369/X.2018.05.032

Abstract： Based on the space technology of remote sensing and geographic information system， the characteristics of the land use types under the 5km buffer radius of the national control monitoring section around Taihu were analyzed， and the data of the water quality of the Taihu basin published by the Ministry of environmental protection were superimposed to explore the correlation between the intensity of human activity and the water quality. Construction land and agricultural land are the main land use types in the basin， and the intensity of human activities in the basin is higher than that in the West. There is a certain correlation between land types and water pollution. Construction land is an important source of pollution output. The intensity of human activities is positively correlated with water quality indicators.

Keyword： Water contamination； Human activity intensity； Water quality change； Taihu basin

1 背景

太湖位于長江三角洲南部，是我國第三大淡水湖[1]，也是我國經濟最發達、大中城市最密集的地區之一，其地理和戰略優勢突出[2]。

本文以太湖可視化數據為基礎，結合該流域土地利用、水質等數據并結合文獻總結，繪制太湖流域用地性質分布圖，并在此基礎上，研究太湖流域人類活動強度與水質的相關關系。

2 研究方法

2.1 研究數據

水質數據：太湖水質數據來源于《全國主要流域重點斷面水質自動監測周報》。選取時間為2016年太湖流域七個國控站點，共計12個月的水質數據。國控斷面共監測四個指標，分別為：pH、COD、氨氮、溶解氧。遙感圖像：Landsat8OLI多光譜圖像具有信息量大、30 m空間分辨率，是目前在區域尺度上進行土地利用監測較理想的信息處理技術[3]。本文所用多光譜圖像的成像日期為2015年。

2.2 研究方法

2.2.1 用地性質的劃分

本研究以太湖周邊OLI圖像近紅外波段、紅波段、綠波段和藍波段作為有效特征，通過目視判讀和野外調查，對遙感圖像上某些樣本區的地理類別，結合先驗認識、谷歌地圖進行疊加分析，判讀土地利用類型，制作訓練樣本，進行監督學習分類，最終實現太湖流域用地性質劃分。

用地性質監督學習分類共五類，各用地性質判別規則如下所示。水域：河流水體色調呈藍色，圖斑以帶狀、條狀或線狀蜿蜒分布；湖泊、庫塘色調呈黑色或深藍色，圖斑以面狀獨立分布。耕地：色調呈深紅色、深綠色，以規則塊狀集中分布于居民地周圍或在河道沿岸的河漫灘和階地。林地：林地色調呈黑棕色，周圍有灌木林地或草地，紋理均勻；灌木林地色調呈綠色，常有粒狀的紅色亮點混雜其間，紋理粗糙雜亂。建設用地：色調呈深淺不一的藍色、白色，中心區域色調深。未利用土地：流沙沙斑呈亮白色。

本研究將區域內的土地劃分為5種類型：水域、耕地、林地、建設用地以及未利用土地。監督學習中耕地、林地樣本各選取100個，水域、建設用地以及未利用土地樣本各選取60個。選取的訓練樣本進行必要的可分離性判定，確定有效性的基礎上，進行分類器訓練。根據選取的樣本，運用了BP神經網絡分類器對研究區的影像進行了土地利用類型的分類。本文將研究區待分類的融合后影像，包括7個波段的數據作為輸入特征；輸出層對應于待分類的6種土地利用類型；隱含層設為一層。通過設計好的神經網絡，使用ENVI軟件監督分類模塊的神經網絡方法，經過20次的迭代運算，得到基于BP神經網絡算法的太湖流域土地利用分類圖，訓練的RMS（均方誤差）為0.13。

2.2.2 緩沖區的建立

緩沖區是指為了識別某地理實體或空間物體對其周圍的鄰近性或影響度而在其周圍建立的鄰域。本文中緩沖區是以某監測斷面所在位置為圓心，半徑為5km的鄰域。如圖1所示，結合用地性質劃分，針對每個緩沖區統計土地利用類型的面積，為人類活動強度計算提供依據。

3 結論與分析

3.1 活動強度的定義與相關性分析

為定量說明緩沖區內的人類生產、生活影響，我們定義活動強度這一變量為：活動強度=緩沖區內建設用地面積/緩沖區內總面積

計算得各國控斷面人類活動強度分別為：沙渚11.7%，蘭山嘴4.1%，西山3.6%，新唐港24.9%，急水港6.4%，王江涇26.8%，斜路港31.0%。

根據得到的監測斷面緩沖區活動強度，本研究擬通過相關性分析，研究活動強度與主要的水質指標：pH、DO、COD以及氨氮之間的相關性。采用皮爾森相關性分析方法，經分析可得各參數域人類活動強度間相性系數分別為：pH為0.001、DO為0.001、COD為0.012、氨氮為0.102。

皮爾森相關性檢驗中，顯著性越小說明相關程度越高。顯著性小于0.05則為顯著相關。根據分析的結果，監測斷面的領域內活動強度與pH、DO以及COD顯著正相關。

3.2 結論與建議

水面率對氨氮降解有較大的促進作用，水面率與氨氮呈負相關；林地對污染物具有截留吸收作用，林地和草地與COD呈明顯的負相關關系。人類活動加大了水體污染負荷，弱化了水體自凈能力，使得人類活動強度較大區域COD、pH偏高；水體富營養程度加劇，DO增高。

但太湖流域城鎮化加速，建設用地面積呈現進一步加大的趨勢。新增建設面積占用部分的水面、林地，農業活動、人類活動、城鎮建設成為流域內重要的污染來源，其對于太湖流域水質有著較大的影響。為實現太湖流域的綜合治理目標，土地合理利用應當是重要的控制目標之一。

從土地利用角度對太湖流域進行綜合控制的最有效手段應當是生態補償。以林地、草地補償被人類活動利用的土地面積，從而抵償部分因土地利用引起的水質變化。另外對于湖體近岸地區，實現退耕還湖，可以有效地減少面源污染的輸入，并增大太湖流域水體自凈能力，優化太湖流域水質。

參考文獻

[1]田穎，沈紅軍.基于GIS的江蘇太湖流域景觀格局優化[J].污染防治技術，2016，（02）：5-8.

[2]葉建春.科學治水依法管水 譜寫太湖流域綜合管理新篇章[J].中國水利，2012，（16）：26-28.

[3]王敏，高新華，陳思宇等.基于Landsat8遙感影像的土地利用分類研究——以四川省紅原縣安曲示范區為例[J].草業科學，2015，32（5）：694-701.

[4]顧宗濂.中國富營養化湖泊的生物修復[J].農村生態環境，2002，（01）：12-13.

收稿日期：2018-03-28

作者簡介：陳瑞弘（1989-），男，碩士研究生，研究方向為水環境。