揚州城區古運河局部河段水質時間變化特性
----以揚農化工廠河段為例

周亞明，黃涌增，黃金柏，周 欽，甄自強

(揚州大學水利與能源動力工程學院，江蘇 揚州 225127)

0 前 言

城市河網由流經城市和城市范圍內的河道連接而成，是城市生態環境的重要組成部分[1]，為城市提供多種社會和生態服務：如生產、生活用水，防洪排澇，排污納污，景觀文化以及氣候調節等。但是隨著城市化的發展，河網水系結構趨于單一化和主干化[2]，水循環過程受阻，自凈能力降低，許多城市出現比較嚴重的水污染問題。城市河流水環境惡化對城市發展、城市居民健康和生態環境構成嚴重威脅[3]。許多學者針對城市河流的水質問題開展研究，歐美國家在這方面的研究起步較早，實例較多。如Berkant等[4]利用河流的水文網絡資料，分析土耳其河流的水質水量時空變化趨勢，對河流水質水量的控制提供評估；Bahman等[5]對河流的pH、溶解氧、懸浮固體等參數進行調查，并研究流域土地覆蓋的構成與河流水質屬性之間的關系；Ishaq等[6]對尼日利亞Benue河10個不同地點的水質參數時空變化進行調查，并利用判別函數對水質參數進行分析；Faridah等[7]利用水質指數(WQI)評估馬來西亞巴生河流域的水質狀況。近年，國內城市河流水質問題越來越受到重視，有關研究發展很快，如崔雪梅等[8]利用4種河流水質評價方法對槐蔭河的水質進行評價，并比較4種評價方法的優缺點和實用性；程琳琳等[9]利用水質標識指數法分析河北省七大水系水質的時空變化特征，探討了典型人類活動對水質的影響；嵇曉燕等[10]基于國家地表水環境質量監測網2006-2015年的數據，對淮河流域的化學需氧量和氨氮濃度變化特性進行了分析；王杰等[11]對昆明滇池的水質時空變化特性進行了分析。

古運河在揚州市的興起和發展過程中發揮著重要的作用[12]。古運河連接揚州城區多條河道，是揚州城區河網排水的主要載體，也是重要的城市景觀和航運通道，沿河分布著數十家工業企業單位，排污量較大，由于部分支流水質較差且代謝緩慢，導致古運河水質污染嚴重。為揭示古運河水質的變化特性，本文選取揚農化工廠河段為研究對象，對該河段的水質進行觀測，對水質參數的時間變化特性進行分析，研究以期為古運河的水質與水生態研究提供基礎數據，以及為河流水質監測和分析等研究提供方法上的借鑒。

1 材料和方法

1.1 研究區概況及水質觀測

選取古運河流經揚農化工廠的河段為研究區。該化工廠存在時間較長、排污量大，對古運河局部河段的水質有較大的影響。研究河段存在兩條支流，分別為安墩河和新城河。選取該河段上下游各一個斷面(上游觀測斷面p1：32°22′58.69″ N，119°25′32.3″ E，到排水口的距離約1 000 m；下游觀測斷面p2：32°22′20.37″ N，119°25′0.42″ E，在靠近排水口的下游)，以及兩條支流的入口斷面(安墩河觀測斷面p3：32°22′46.66″ N，119°25′21.3″ E；新城河觀測斷面p4：32°22′24.79″ N，119°24′59.35″ E)(圖1)開展水質觀測活動。利用多參數水質分析儀(型號：YeoKal 615型多參數水質分析儀，產地：澳大利亞)對水溫WT、pH、溶解氧DO、電導率EC和溶解性總固體TDS進行一周2次的觀測，觀測時段為2015年10月至2017年9月，為期2年。

圖1 古運河流經化工廠河段及水質觀測斷面示意圖

1.2 研究方法

1.2.1 相關系數法

相關系數法是常用的統計方法之一，主要用于分析兩個具有物理成因聯系的變量之間的相關性，其計算公式為[13]：

(1)

1.2.2 變異系數法

變異系數是樣本的標準差與樣本均值的比值，是反映樣本分布離散程度的指標，變異系數越大，則樣本分布離散程度越高。變異系數法基于指標數據推求各參數的權重，能夠較為客觀地反映評價指標的相對重要程度[14]。變異系數以及權重的計算公式為：

(2)

(3)

1.2.3 單因子水質標識指數法

徐祖信(2005)提出了單因子水質標識指數法[15]，該方法不僅可以根據各因子的水質標識指數計算結果直觀判斷水質的污染程度，并且可以對劣Ⅴ類水進行區分[16]，其計算公式為：

Pi=X1.X2X3

(4)

其中X1為第i項指標的水質類別，將測得的水質參數與《國家地面水環境質量標準》(GB3838-2002)進行比較，確定水質類別，水質類別為Ⅰ類，則X1為1，以此類推。

由于DO是重要的水質因子，也是衡量水體自凈能力的主要指標之一[17]，因此選取DO作為單因子水質標識指數法的評價指標。以DO為評價指標時，X2計算公式為：

(5)

式子：ρDOk上為k類水質DO的上邊界值；ρDOk下為k類水質DO的下邊界值；ρDO為DO實測濃度。

當水質劣于Ⅴ類水時，計算公式為：

(6)

式中：m為計算修正系數，一般取4。

X3為水質類別與功能區規劃設定類別的比較結果，為一位或兩位有效數字。若水質類別好于或達到水環境功能區類別，則X3取0；若水質類別比功能區類別差且X2不為0，則：

X3=X1-fi

(7)

若水質類別比功能區類別差且X2等于0，則：

X3=X1-fi-1

(8)

式中：fi為水環境功能區類別。

1.2.4 多元線性回歸法

多元線性回歸法根據因變量和自變量的實測序列建立回歸方程，對方程中的未知參數進行估計，利用所得多元線性回歸模型預測因變量的變化趨勢[18]。本研究采用多元線性回歸法分析WT和pH對DO的影響，設DO實測值為y，回歸值為Y，WT為X1，pH為X2，假定多元線性回歸方程為Y=b0+b1X1+b2X2，其中b0，b1，b2為待定系數，將觀測數據代入方程(矩陣形式)Y=XB，其中：

計算中間變量：

(9)

(10)

(11)

(12)

(13)

建立矩陣方程：

(14)

解出b1，b2值，并根據公式 推求b0的值，得到多元線性回歸模型。

采用R檢驗法檢驗DO與WT、pH的線性關系，其公式為：

(15)

若R≥0.8，說明DO與WT、pH之間相關性顯著，則該模型可以較好反映三者的線性關系。

2 結果與分析

2.1 觀測結果

圖2所示為觀測期間上下游斷面(p1，p2)的WT和DO的變化過程，由該圖可知，WT變化的周期性十分明顯，自1月中旬至7月末WT逐漸升高，最高約為33 ℃；自8月初至次年1月中旬WT逐漸降低，最低為3 ℃左右；當WT增大時，DO呈下降趨勢，說明溶解氧的濃度與水溫呈反比。觀測期間內，p1斷面的DO多高于p2，說明工廠排污對p2斷面DO有較大影響，DO偏低。

圖3為p1，p2的pH和DO變化過程，由該圖可知，在研究期間內，除2016年10-12月和2017年7-9月pH呈上升趨勢，其余時段pH均呈下降趨勢。對各時段觀測結果的分析可知，一般情況下，DO隨pH升高而增大，隨pH下降而減小，DO與pH變化過程相似。

圖2 p1, p2斷面的WT與DO變化曲線

圖3 p1, p2斷面的pH與DO變化曲線

由圖4可知，同一斷面EC與TDS變化曲線的形狀幾乎一致，因為兩者都與水中溶解離子的總濃度有關，是反映水中溶解雜質含量的參數，具有較強的物理成因聯系。EC和TDS除2016年4-10月有所降低，其余時段變化不大；大部分情況下同一時間p2斷面的EC和TDS均高于p1，說明p2斷面受化工廠排污影響，水中雜質和離子濃度均高于p1。

圖4 p1,p2斷面的EC與TDS變化曲線

圖5、6和7分別為安墩河與興城河流入古運河斷面(p3，p4)WT和DO、pH和DO、EC和TDS的變化過程，由圖5-7可知，在對應的時間點上，p3各水質參數的觀測結果多高于p4，其中p3的EC和TDS在選取的4個觀測斷面中最高。根據調查，p3斷面有水閘控制，閘門平時關閉，在此期間，安敦河與古運河研究河段水體無交換。研究期間水閘開啟頻率約為一個月一次，且兩支流流量較小，對研究河段水質觀測結果影響不大，因此本研究未對兩支流(安敦河與興城河)匯入古運河斷面(p3、p4)的水質進行評價。

圖5 p3,p4斷面WT與DO變化曲線

圖6 p3,p4斷面pH與DO變化曲線

2.2 相關性分析

以季度為時段，對觀測周期進行劃分，各季度p1，p2斷面同一水質參數的相關系數計算結果如表1所示。

由表1可知，各季度WT的相關系數均大于0.9，總相關系數為0.994，接近完全相關；pH與DO相關系數呈現出相似的季節性變化趨勢，當pH相關系數增大時，DO相關系數也增大，且兩者都于2017年1-3月降至最低；同一季度EC和TDS的相關系數近似相等，多個季度p1，p2的EC和TDS序列均呈顯著相關或高度相關。在觀測周期內，p1，p2各水質參數總相關系數均大于0.8，均呈高度正相關，但個別時段的pH、DO、EC以及TDS的相關系數不高，正相關性不顯著，如2017年1-3月，p1和p2的pH與DO的相關系數僅為0.301和0.194；2017年4-6月兩斷面EC和TDS的相關系數分別為0.491和0.495，為觀測期間較低水平。導致相關系數時段性降低的原因是p2斷面水質受化工廠排污的直接影響，而p1斷面未受影響，造成兩斷面參數時段性變化的差異較大，因此相關系數偏低。

圖7 p3,p4斷面EC與TDS變化曲線

表1 p1,p2斷面各水質參數不同季度的相關系數計算結果

2.3 變異性分析

p1，p2各水質參數以季度為時段變異系數的計算結果如表2所示。

表2 p1,p2各水質參數不同季度的變異系數計算結果

從表2可以看出，p1斷面WT的變異系數略大于p2，2016年一、四季度的變異系數明顯高于其他時段，說明春冬兩季WT的波動程度較高；各季度pH的變異系數均小于0.1，說明pH變化緩慢，波動較小，比較穩定；DO變異系數的季節性變化較大，兩斷面DO變異系數變化范圍在0.05～0.60之間，整體上，氣溫較低時段的DO變異系數小于氣溫較高的季節，由此也證實了溶解氧的濃度與WT成反比。氣溫低有利于氧氣的溶解，而水中化學反應和生物代謝較慢，消耗的氧氣減少，因此DO的波動性降低；多數季度p2斷面EC和TDS的變異系數均大于p1，說明化工廠排污使p2的EC和TDS波動程度增大；權重計算結果表明，各水質參數的權重從高到低依次為DO>WT>TDS>EC>pH(表2)。

2.4 單因子水質標識指數法分析結果

利用單因子水質標識指數法計算p1，p2斷面DO的單因子標識指數，由于DO受WT和pH影響較大，分別作水質標識指數與WT、pH的變化曲線，結果如圖8、9所示。

圖8 p1,p2斷面DO單因子水質標識指數與WT變化曲線

圖9 p1, p2斷面DO單因子水質標識指數與pH變化曲線

揚州市古運河水功能區水質目標為Ⅲ類。由圖8、9可知，自2015年10月至2016年4月，p1，p2的水質基本滿足揚州市古運河水功能區目標(Ⅲ類)；2016年5月至11月，p1，p2斷面水質多為Ⅳ、Ⅴ類水，部分時段的DO水質標識指數大于6，劣于Ⅴ類水；2016年12月至2017年3月水質標識指數降至4以下，滿足水功能區水質目標；之后水質標識指數又升至4以上。在觀測時段的大部分時間，p1斷面水質優于p2。

從整體上看，DO水質標識指數隨WT的升高而增大，隨pH升高而減小(圖8、9)。當WT低于14 ℃且pH大于7.3，水質類別基本滿足Ⅲ類水的要求；當WT高于14 ℃且pH小于7.3，水質類別多為Ⅳ、Ⅴ類水。該河段水質達到水功能區水質目標的時段一般在春冬兩季，其原因是低溫有利于氧氣溶解，且低溫條件下水中生物、化學需氧量較低，因此氣溫低的季度水質類別明顯優于其他季度。

2.5 多元線性回歸法分析結果

由觀測期間內同一斷面任意兩個水質參數之間的相關系數計算結果(表3)可知，除EC與TDS外，對于DO、WT和pH 3個參數，每兩個參數之間的相關系數絕對值都較大(>0.57)，說明其間存在較強的相關性；又由于DO是水質重要的指標之一，因此以DO為因變量，WT和pH為自變量，利用多元線性回歸法分析三者的線性關系。

表3 p1, p2同一斷面任意兩個水質參數之間的相關系數計算結果

根據DO、WT和pH的觀測序列，推求中間變量，將其代入標準方程式(式14)，解出待定系數，得到多元線性回歸模型如下：

p1：Y=-22.603-0.213X1+4.425X2

(16)

p2：Y=-14.667-0.121X1+2.977X2

(17)

式中：Y為DO，X1為WT，X2為pH。

利用R檢驗公式(式15)計算兩斷面的R值，分別為Rp1=0.88，Rp2=0.80，可知p1，p2斷面的WT、pH和DO均呈高度相關，因此上述線性回歸模型可以較好反映三者之間的線性關系。其中DO與WT呈負相關，與pH呈正相關；X2系數的絕對值大于X1，說明DO受pH變化的影響大于WT；p1斷面X1和X2系數的絕對值均大于p2，說明p1斷面DO與WT、pH的相關性均高于p2。

3 結 論

本文基于2015年10月至2017年9月的古運河揚農化工廠河段水質參數的觀測結果，采用相關系數法、變異系數法、單因子水質標識指數法和多元線性回歸法對觀測結果進行分析，得出主要結論如下：

(1)河段WT的變化周期性明顯，pH在觀測周期內的大部分時段呈下降趨勢，p2斷面DO低于p1，p2斷面EC和TDS高于p1。

(2)上、下游斷面同一水質參數總體均呈高度相關，WT接近完全相關，pH與DO的相關系數季節性變化相似，EC和TDS的相關系數幾乎一致，但其季節性變化較大。

(3)同一時段的p1斷面WT變異系數略大于p2；pH各季度的變異系數均小于0.1；DO變異系數季節性變化較大；同一斷面EC和TDS各季度的變異系數非常接近，且大部分季度p2斷面的變異系數大于p1；各水質參數的權重從高到低次序為DO>WT>TDS>EC>pH。

(4)以DO為指標的單因子水質標識指數結果表明，當WT低于14 ℃且pH大于7.3時，水質類別基本滿足Ⅲ類水的要求；WT高于14 ℃且pH小于7.3時，水質多為Ⅳ、Ⅴ類水；大部分時段的p1斷面水質優于p2。

(5)DO與WT呈負相關，與pH呈正相關；pH變化對DO的影響大于WT；p1斷面DO與WT、pH的相關性均高于p2斷面。