遼河流域遼寧境內水質評價研究

田 力

(遼寧省遼陽水文局，遼寧 遼陽 111000)

水質評價通常是根據不同的要求和目標，調查與監測水體的生物、化學、物理指標，并對其質量狀況利用適當的方法進行分析描述。通過科學、客觀地確定水體污染程度，并將污染等級劃分為水質評價的主要目標，據此可為河流污染治理和科學管理提供一定的參考依據，同時也是組成水環境管理、水資源充分利用與合理開發的重要內容。對于復雜的環境系統評價，目前較為常用的方法有神經網絡法、模糊綜合法、指標體系法以及灰色理論法。依次將河流各斷面、各時期分開來計算為水質評價的普遍思路，而考慮了水環境質量差異性與相似性的研究相對較少，特別是在長時間、多斷面、大樣本與大尺度流域水質評價時，可能存在計算過程繁雜、精確度較低和重復計算的現象。針對此類問題，聚類法、方差法和因子法得到推廣和應用。據此，本文以遼河流域遼寧段為例，在詳細分析了水質常用指標與因子法的基礎上，選擇了影響水環境狀況的關鍵參數，通過對樣本點的分組實現了大樣本、長距離、多斷面水質的綜合評價[1- 2]。

1 原理方法

1.1 評價指標的選取

在水質評價工作中，科學、合理地選擇指標具有重要作用，水質指標之間通常存在較大的相關性，并且作用關系較為復雜，如果指標選取過多則可能造成由于指標所包含的信息重疊而重復計算，不僅使得計算工作量增加，而且可造成評價結果存在偏差；如果指標選取過少，則無法反應水體的整體情況，并可能導致水體某些重要的特征被忽略。針對此類問題，因子分析法能較好地處理，該方法從多個可觀測變量中，提取少數潛在的能夠最大程度解釋和概括原有觀測變量信息的公共因子，并對事物的本質進行客觀、全面的解釋。其基本思路是通過分析觀測變量的相關性特征將其分組，不同組之間相關性較低而各組內相關性較高，可根據變量的潛在公共因子反映每組觀測變量的基本結構[3]。

在進行多個相關性較強的指標分析時，因子分析法具有良好的適用性與可行性，而對于相互之間具有較強獨立性的指標，則無需進行簡化處理[4]。因此，為判斷因子分析法是否適用于指標簡化處理，應首先利用KMO法檢驗各指標數據。評價指標按照因子分析法進行篩選時，其基本原則為在確定了公共因子個數的基礎上，按照一定的標準選擇所對應的指標變量[5]。因此，按照此方法選擇的指標具有較強的變量解釋能力。

1.2 指標數據的時空尺度差異性檢驗

在檢驗2個及以上數據樣本差異性時，方差分析法具有較強的實用性與科學性，主要是對變異量按照不同的來源，將其劃分為誤差與控制變量2種類型。若誤差引起的變量顯著低于控制變量，則可認為因變量主要受控制變量的影響，其表達式為SSt=SSw+SSb，其中SSb、SSw分別為控制變量與誤差引起的變異，SSt為總變異。根據控制變量個數的不同，可將方差分析分為單因素、多因素2種類型，本文主要是針對空間或時間因素開展研究，因此為典型的單因素分析，其表達公式為：

(1)

(2)

(3)

組內方差可通過求解組內變異與其自由度之比確定，同理可得到組間方差，組間與組內方差比值的F檢驗為方差分析方法的關鍵流程，其顯著性檢驗公式如下：

(4)

1.3 層次聚類分析的樣本點分組

本文考慮采用層次聚類法將樣本點按照相似性與差異性進行分組，組間距離與樣本間距離為樣本點親疏程度計算的主要內容，其中樣本間距離測量方法有絕對距離、切比雪夫距離以及歐式距離平方距離等方法，組間距離的測量有離差平方和法、重心法、最遠舉例法等，本文綜合考慮各種狀況采用差分平方和法進行組間距離的測量[6]。

離差平方和法是將與上一階段合并的差異度作為衡量標準，并在聚類過程中合并變化最小的對象，從而組成新的組[7]。該方法的最終目的是實現不同樣本類別之間存在較大的差異度，而同一類內的差異度最低，因此可利用離差平方和Vg表示組內樣本間的差異度，計算公式如下：

(5)

1.4 水質標識指數評價法

可將2位小數與一位整數組成的有效數字作為單向水質標識指數Pi，監測數據在水質變化區間的位置可通過小數部分反映，而水質類別可根據整數部分進行判斷。Pi計算公式為：

(6)

(7)

式中，Ki—第i項指標的水質類別，取值范圍為1～6，可根據GB 3838—2002《地下水環境質量標準》比較分析獲取；ρi、ρik下、ρik上—分別為第i項指標的實測濃度值、Ki類水區間濃度下限與上限值。

遞減性指標溶解氧可根據式(6)計算，利用式(7)確定遞增性水質指標，若水體質量較差并低于V類，可分別對溶解氧與遞增性指標進行計算：

(8)

(9)

水體在受到人文因素與自然因素的雙重作用下可能存在的情況有：相對于水環境功能區設定的標準某項或兩項以上指標處于嚴重超標狀態，而其他各項指標均滿足標準要求；利用單因子法往往很難客觀、全面地表征水體的綜合狀況，并未考慮其他因素對水環境的影響作用[8]。綜合水質標識指數可有效避免上述方法存在的問題和缺陷，該方法不僅考慮了所有的單項指標，而且重點分析了污染嚴重的指標，并能夠對水質狀況進行系統、全面地分析。單項指數最大值與平均值是組成綜合指數P的兩大內容，其計算方法為：

(10)

污染程度與水質級別，可利用水質標識指數P進行反映，水質為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ與劣Ⅴ級別時，綜合水質標識指數P的取值范圍分別為1～2、2～3、3～4、4～5、5～6和大于6。

2 實例應用

2.1 遼河流域概況

遼河流域位于我國東北地區南部，全長1345km，流域面積21.9萬km2，主要流經河北、內蒙古、吉林和遼寧等區域。遼寧省境內的遼河流域面積6.9萬km2，地理位置介于東經121°16′～125°20′，北緯40°28′～43°30′，主要涉及本溪、撫順、遼陽、鐵嶺、營口、盤錦等28個市縣，包括大遼河、太子河、渾河和遼河等水系。屬于半干旱半濕潤季風氣候，冬季寒冷干燥，夏季炎熱多雨，年降水量為300～1100mm，因其獨特的地理位置和季風氣候，降水量在時空分布上極不均衡，其中65.0%以上集中在6—9月(汛期)，東部水域面積較大[9- 12]。

遼河流域沿岸人口較為集中、經濟發展較快且城鎮化程度高，污水排放超標嚴重，并且大中型工業較為集中，河流氨氮、化學需氧量和廢水等排放量較大，河流水體污染較重。該流域的8個斷面常年為劣Ⅴ類水質，撫順上游的渾河流域水質相對較好，部分河段水質可達到Ⅰ、Ⅱ類。根據遼寧段實際狀況，在綜合考慮了該流域人文因素和各種自然條件的基礎上，本文選取了16項指標作為遼河流域水質評價的基礎依據，如高錳酸鉀、氨氮、溶解氧等參數[1]。選擇2012—2015年太子河、渾河和遼河典型斷面的月度監測值作為各項指標數據來源，提取125個水質樣本并利用SPSS軟件進行數據分析，最終得到16項水質指標年度監測均值，見表1。

2.2 水質指標的選取

利用因子分析法對2012—2015年3個典型斷面的125個監測樣本進行篩選，從16項水質基礎指標中選擇能夠綜合反映水質級別的重要指標。為判斷因子分析法是否適用于指標篩選處理，應首先利用KMO法檢驗各指標數據，結果表明KMO值為0.772，利用因子分析法能夠對原始數據進行簡化處理。在旋轉成分矩陣表中前4個特征值大于1的公因子，所對應的最高因子荷載變量主要包括六價鉻、揮發酚、糞大腸菌群、溶解氧、銅、氨氮、高錳酸鉀指數以及化學需氧量指標，并以此作為水質評價的重要判斷依據。

2.3 指標時空差異性檢驗

同一年度不同斷面和不同年度同一斷面間的水質評價重要指標，其月度監測值單因素方差分析結果，見表2。

表1 2012—2015年遼河流域遼寧段各典型斷面水質指標月度監測均值

表2 水質評價重要指標的單方差分析Sig值

根據表2分析結果可以發現，同一斷面不同年度間的六價鉻、氨氮、化學需氧量與糞大腸菌群4個重要水質指標均不存在顯著性差異特征，在不同年度間銅與揮發酚指標對于3個斷面呈現出較為顯著的差異性，在不同年度間的溶解氧與高錳酸鉀指數指標相對于部分斷面呈現出顯著性差異；同一年度不同斷面間的六價鉻、溶解氧、氨氮、揮發酚和銅5項重要水質指標不存在顯著性差異，不同斷面間相對于4個年度的高錳酸鉀指數與化學需氧量均呈現出顯著性差異，在不同斷面間的部分年度糞大腸菌群指標具有顯著性差異。

綜上所述，不同年度同一斷面間有4項指標不存在顯著性差異，而剩余其他4項指標在不同年度間的部分或全部監測斷面存在顯著性差異；在同一年度不同斷面間存在3個指標具有顯著性差異，而其他5項指標不存在差異性。由此表明，在時間與空間尺度上，水體中的污染物濃度不僅存在著相似性特征，而且具有差異性。在此條件下，將各斷面與各時期分開進行評價，可能會導致繁瑣的計算過程和不必要的重復性計算。因此，可通過合適的方法按照相似性與差異性特征，將樣本點分組，并根據每組評價結果合理地分配給相對應的樣本點。

2.4 樣本點分組

本文對125個樣本點的層次聚類考慮采用差分平方和法和SPSS軟件分析，在聚類分析過程中離差平方和發揮著重要的作用。結果顯示，在10類至9類離差平方和系數變化過程中存在一個較大幅度的增加，即由295.2提升至320.6；分別以離差平方和與類數作為坐標系統的縱橫軸，并將層次聚類分析繪制成曲線，結果顯示曲線斜率在10類與9類區間表現出較大的增加，因此可將125個樣本聚類成10組并標記為G1～G10，結果見表3。

表3 10個樣本組所對應的水質樣本點

根據各樣本點水質指標之間的距離計算結果，將距離較近和較遠的樣本點進行組類的劃分，該過程即為聚類分析的本質。水質指標濃度之間的差距與2個樣本點之間的距離呈正相關性，即距離越近則濃度差距越小，水質狀況所屬同一級別的可能性就越大。所以，在同一組中利用聚類分析法可得到相似的水質狀況，換而言之就是該組內的水樣點屬于相同的水質級別，并可進行統一的整體評價。利用組內樣本均值作為樣本數據特征并進行水質級別評價，結果見表4，然后根據各樣本點分組賦予相應的評價結果。

由表4可知，在各水樣分組中G1聚集了濃度較高的糞大腸菌群和濃度較低的溶解氧指標；G2與G3分別聚集了濃度較高的化學需氧量、高錳酸鉀指數和銅與氨氮；G4與G5分別聚集了濃度較高的氨氮和糞大腸菌群、銅、揮發酚與氨氮；六價鉻在G6組內的聚集濃度較高，而G7、G8和G9組并未聚集濃度較高或較低的指標。

2.5 水質評價結果分析

根據文中所述水質標識指數計算公示(6)～(10)和各樣本的水質評價指標均值，分別得到各水質樣本的綜合標識與單項指標指數，結果見表5。

由表5可知，遼河流域遼寧段水質級別處于Ⅱ～Ⅴ級范圍，水質為Ⅱ級的主要有G6與G8組，水質最差的為G1組其水質處于Ⅴ級，共有5組水質處于Ⅲ級。水質最好的是水質樣本點來源于2012年的G6組，最差的是水質樣本點來源于2015年的G1組。

表4 遼河流域遼寧境內10組樣本的水質指標均值

表5 10組樣本綜合標識指數與單項指標評價結果

根據上述分析結果，利用綜合水質標識指數評價法不僅重點突出了最差指標對水質的影響，而且綜合考慮了各項指標并有效避免了以偏概全的弊端，從而更加客觀、全面地反映了水質的整體狀況。利用該方法可同時對比同一水質級別樣本的優劣狀況，并判斷較差水質的受污染程度。

對水質樣本點分配相應的標識指數評價結果表明橫向分析可得到長時間、多斷面、大樣本的水質評價，結果顯示遼河流域遼寧段自上游至下游水質狀況，整體呈現出逐漸變差的變化規律，其中水質狀況最好的區段位于撫順上游的渾河段，最差的位于太子河下游段。依據遼河流域水文環境和特殊的地理位置，可以得出人文因素影響該區段下游斷面水質的狀況。下游區段的工業較為密集，污水排放口較為集中，河流難以利用其自凈功能實現降解，并且生活污水的排放，進一步對下游水質造成不利影響，水質狀況較為惡劣。縱向分析結果表明研究期間水質較差的為2012年，水質相對較好的為2015年；結合研究區域水質監測實際狀況，夏季與冬季分別為水質最好、最次的期間，而春秋季節的水質狀況處于一般水平。遼河為雨污河流區域，在生活污水與工業廢水入河量相差不大的條件下，水體污染最為嚴重的時期為每年的枯水期，而豐水期相對較好。

3 結論

(1)該水質標識指數法通過選取相關性較強的指標，從而降低評價結果受人為主觀因素的影響。對樣本內的相似性與差異性特征，可通過水質指標數據的空間與時間特征來反映，并有效提高了評價分析的效果。所選取的各項指標不僅避免了單因素方法以偏概全的不足，而且重點突出了最差指標的影響作用，能夠客觀、科學地反映流域水質狀況。

(2)遼河流域遼寧段2012—2015年，其水質級別處于Ⅱ～Ⅴ級范圍，水質為Ⅱ級的主要有G6與G8組，水質最差的為G1組，其水質處于Ⅴ級，共有5組水質處于Ⅲ級。相對于水功能區化標準，該區段水質狀況仍處于超標狀態，在今后的水質保護與治理工作中，不僅要加大對污水企業排放的監管力度，而且還要注重發展污水處理技術，使得在改善遼河流域水質狀況方面發揮更大的作用。