基于主成分分析的西南山區典型河道型水庫富營養化評價討論

廖 寧，李 洪，李 嘉，張陵蕾，陳 旻，黃文典

(1.四川大學水力學與山區河流開發保護國家重點實驗室，成都 610065；2.四川省紫坪鋪開發有限責任公司，成都 610065)

富營養化評價是通過與水體營養狀態相關的一系列指標及其相互關系，對水體營養狀態做出準確的判斷[1]。湖庫生態系統千差萬別，進行某一階段的湖庫富營養化評價時，根據水體實際情況選取適當的因子來定量表述，對于提升評價的準確性是十分必要的[2]。隨著西部大開發及相關政策的實施，中國西南山區新建眾多河道型水庫，此區域受地理位置、運行年限短等限制，水庫往往具有營養鹽水平不高且波動大等早期湖庫的特點[3]。近年來卻頻繁出現此區域河道型水庫大規模發生水華且優勢藻種存在演替的報道[4]，與常見的藍綠藻水華穩定水體相比，營養因子對河道型湖庫中藻類演替的驅動作用并不相同[5]，進行富營養化評價時選取的描述因子應當也是不同的。

目前，國內常用的綜合營養狀態法使用固定因子、固定權重進行計算，雖操作簡單，但卻無法依照特異水體進行調整[6]。近年來有學者將集對分析法和BP神經網絡法等引入評價中，但步驟繁雜不便于推廣使用：集對分析法雖考慮了系統特征，但需分別構造各評價指標的聯系度表達式[7]；BP神經網絡法需大量的數據先進行網絡訓練[8]。主成分分析法是一種數學統計方法，方法依照變量特性將多個因子篩選后轉化為幾個主成分，利用主成分特征值率確定評分模型[9]。隨著統計軟件的發展，使得此方法簡單易行且可判別營養狀態變化的主要驅動因子。近年來，主成分分析在富營養化評價中已有很多應用并取得良好的效果，如：褚帆[10]等基于主成分分析得出天津近岸海域富營養化的主要驅動因子為總氮；Primpas[11]在評價綠藻水體時發現，采用懸浮物、化學需氧量、溶解氧及氨氮這四個參數進行評價的效果較好。本研究以紫坪鋪水庫2015-2017年的水質跟蹤監測結果為基礎，運用主成分分析法對水庫的富營養化評價進行討論。同時，以營養狀態變化的直接指示性生物——藻類作為驗證，探究更為適合河道型水庫且可靠的評價方法及水庫營養狀態變化的規律、主控因子，以期為保障水庫富營養化控制和管理提供有力的基礎支撐。

1 材料與方法

1.1 研究區域及樣本檢測

紫坪鋪水庫位于四川省成都市西北部岷江上游，是一座典型的早期山區河道型水庫。水庫于2006年12月竣工，建成僅5年后便多次發生局部甲藻水華且優勢藻種存在演替趨勢[4]。本研究在水庫中設置了7個地表水監測斷面，分布情況見圖1。

圖1 監測斷面分布圖Fig.1 Monitoring section distribution map

于2015年8月-2018年1月連續30個月進行實地采樣監測，研究中采用2015年11月-2017年10月連續24個月的指標開展特性分析研究，利用其余6個月的指標數據進行校驗分析。

檢測指標共10項，其中7項為環境因子，3項為藻類相關因子。采用AMI溶解氧分析儀和塞氏盤現場測定水體溶解氧(DO)和透明度(SD)，另取5.0 L表層水樣保存，當天帶回實驗室測定總氮(TN)、總磷(TP)、高錳酸鹽指數(CODMn)、氨氮(NH3-N)、五日生化需氧量(BOD5)、葉綠素(Chla)和藻密度指標。水質指標的測定依照《地表水環境質量標準》(GB3838-2002)中規定使用的方法進行，藻密度及藻類種屬采用顯微鏡法[12]進行測定。

1.2 主成分分析法

主成分分析通過SPSS軟件運算，可客觀確定影響富營養化的主控因子和權重，避免主觀隨意性[9]。本研究中根據水庫水質因子與藻類相關性分析后排序，建立原始環境變量矩陣，通過KMO和Bartlett檢驗后，依據特征值的根是否大于1的原則提取主成分，再分別提取出主成分中的主控因子，最后計算出營養狀態得分，具體的主成分分析步驟如圖2所示。

1.3 多樣性指數

多樣性指數是用于表示生物種類和數量之間關系的一種指數，可更加客觀地表示藻類群落結構變化。為便于校驗主成分分析結果的可行性和可靠性，研究中引入藻類的香農-威納指數[13]和皮婁指數[14]進行驗證，兩種指數計算公式為：

圖2 主成分分析步驟及評價討論思路Fig.2 Principal component analysis and evaluation analysis

(1)

J=H′(S)/log2(S)

(2)

式中：H′為香農-威納指數；Pi為第i種藻類個體的比例；S為藻種數；J為皮婁指數。

1.4 綜合營養狀態法

為對比主成分分析法與國內常規評價方法的差異性，研究中采用應用最為廣泛的中國環境監測總站推薦方法[1]，即綜合營養狀態法進行計算對比，計算參數為TN、TP、CODMn、Chla和SD因子，公式為：

(3)

式中：TLI(∑)為綜合營養狀態；Wj為第j種參數的相關權重；TLI(j)為第j種參數的營養狀態。 值0～30為貧營養，30～50為中營養，>50為富營養。

1.5 統計分析

采用Origin 8.0和SPSS 22.0軟件進行統計分析。樣品分析均設置3個平行樣，分析數據誤差為均值±5%。主成分分析中采用KMO和Bartlett檢驗原始變量矩陣，當KMO>0.5且Bartlett<0.05時，認為變量適合進行因子分析。

使用SPSS 22.0軟件進行皮爾遜相關性分析，P<0.05表示顯著性相關，P<0.01表示極顯著相關。多元線性回歸分析中，Sig.>0.05表示方程擾動大。

2 結果與分析

2.1 藻類基本特征

紫坪鋪水庫2015年11月-2017年10月的藻類跟蹤監測成果如圖3。水體中藻密度值的變化范圍為0.35×106個/L～3.12×106個/L，且兩年均在5-6月達到峰值，2016年峰值期有甲藻、綠藻和硅藻，2017年峰值期有綠藻和硅藻，綠藻優勢度達83%。圖3可見，紫坪鋪水庫的優勢藻種存在明顯的演替規律：綠藻、甲藻、隱藻、硅藻、裸藻和藍藻的優勢度在2016年依次為0.45、0.21、0.17、0.13、0.04和0，在2017年則依次為0.70、0.06、0.07、0.16、0和0.01。計算藻類香農-威納指數和皮婁指數的結果表明，香農-威納指數變化范圍為0.46～1.11，2016年和2017年均值分別為0.91、0.87；皮婁指數變化范圍為0.15～0.28，2016年和2017年均值分別為0.24、0.20。綜上判斷，紫坪鋪水庫藻類種群呈現甲藻正向綠藻演替的態勢。根據以往國內外相關研究，甲藻、隱藻常見生活在貧、中營養水體中，綠藻、硅藻常見生活在中-富營養淺水水體中[15]。通過紫坪鋪水庫藻類的變化，可推測水體營養狀態可能正發生改變。

圖3 紫坪鋪水庫藻種群基本情況Fig.3 Basic situation of algae population in Zipingpu Reservoir

2.2 水質基本特征

為分析紫坪鋪水庫水體營養狀態變化與水質因子的關系，對水庫2015年11月-2017年10月的主要水質因子進行了分析。由圖4可知，Chla與藻密度的變化規律基本一致，均在5-6月達到峰值，均值為2.56 mg/m3；TP作為藻類生長的限制元素[16]，均值為0.06 mg/L，2016年和2017年的均值分別為0.05和0.07 mg/L，年際間呈現的上升趨勢與藻類演替規律保持一致；DO、CODMn、BOD5、NH3-N和SD的均值分別為8.16、1.25、0.93、0.18 mg/L和73 cm，可見紫坪鋪水庫的營養鹽水平并不高，但均呈現年際上升趨勢。綜合藻類演替規律，紫坪鋪水庫的水體營養狀態可能具有向富營養轉變的趨勢。

分析藻類變化與水質因子的相關關系(見表1)，藻密度、Chla與DO均呈顯著性正相關(P=0.497、P=0.441，P<0.05)。藻類變化是由多因素共同影響導致的，水質因子與藻密度的相關程度排序依次為：DO>CODMn>NH3-N>SD>TP>TN>BOD5，可見除綜合營養狀態法的因子外，DO和NH3-N等因子對藻類變化的作用也不容忽視。

2.3 富營養化評價

綜合水質因子與藻類變化的相關性分析，首先嘗試將DO、CODMn、NH3-N、SD、TP、TN和BOD5這7項因子全部納入建立原始變量矩陣，對矩陣進行KMO和Bartlett值檢驗結果表明，7項因子的Bartlett和KMO值分別為0.004、0.631，說明此7項數據便適合用于主成分分析。對7項原始變量進行相關性分析，相關系數見表2。

圖4 水質因子時空變化Fig.4 Variation of water quality factors

藻密度ChlaSDTNTPCODMnBOD5DONH3-N藻密度1.0000.719??-0.239-0.0510.210-0.292-0.0370.497?-0.273Chla0.719??1.000-0.521?-0.250-0.216-0.1060.0220.441?-0.228

注：*為P<0.05；**為P<0.01，下同。

表2 相關性系數矩陣Tab.2 Correlation coefficient matrix

對表2中標準化的指標進行特征值分析，根據特征值的大小提取主成分，特征值分析見表3。根據主成分選取原則，特征值大于1的根對應第1、第2主成分，其方差貢獻率分別為48.57%和22.7%，累積方差貢獻率為71.57%，說明這兩個主成分能夠解釋大部分指標信息。主成分確定后，需識別各主成分中的主要污染物，結果見表4。從表4可知主成分1主要反映DO、NH3-H、TP和TN這4項指標的信息，主成分2主要反映SD和CODMn這2個指標的信息。可見，紫坪鋪水庫中營養狀態變化的主要驅動因子為DO、NH3-H、TP和TN，驅動程度規律與表1中的相關性規律保持一致。

運用SPSS軟件通過初始因子矩陣除以其對應主成分特征值的平方根，可得到其對應的系數矩陣如表5。將矩陣中的系數與標準化后的監測數據對應相乘再相加，得到主成分表達式F1、F2值及綜合評價表達式F。通過主成分和綜合評價表達式得到各月的綜合分數，如圖5所示。

表3 紫坪鋪營養狀態主成分特征值Tab.3 Principal component eigenvalues of Zipingpu nutrition status

表4 主成分系統矩陣Tab.4 Principal component system matrix

表5 特征值對應的系數矩陣Tab.5 Coefficient matrix corresponding to eigenvalues

圖5 主成分分析法、綜合營養狀態法評價營養狀態得分情況Fig.5 Principal component analysis and comprehensive nutrition status method to evaluate nutrition status score

3 討 論

3.1 主成分分析差異性討論

為便于對比主成分分析法的差異性，常規的綜合營養狀態法計算結果如圖5所示。用于特性分析的24個月中，兩種評價方法的得分變化規律在大部分月份相同。綜合營養狀態法評價得分范圍為29.13～50.72，得分最高月份為2017年2月，綜合營養狀態得分為50.73，根據《地表水環境質量評價辦法(試行)》營養程度判定等級為輕度富營養狀態，當月的Chla濃度為2.2 mg/m3、CODMn濃度為3.2 mg/L、BOD5濃度為0.11 mg/L，藻密度為1.03×106個/L，優勢藻種為綠藻，并未表現出富營養狀態；兩種方法的差異性最大表現在2015年12月，然而對比單因子濃度發現，水體中Chla濃度為2.8 mg/m3、CODMn濃度為1.6 mg/L、BOD5濃度為0.9 mg/L，藻密度為0.78×106個/L、優勢藻種為硅藻，同樣未表現出富營養狀態。結合2015年12月和2017年2月綜上討論分析，主成分分析法與綜合營養狀態法相比可靠性會更高。

3.2 主成分分析可靠性討論

藻類是水體營養狀態的有效指示生物，通常來說藻密度是富營養化的直接反映[18]，本研究中使用藻類參數檢驗主成分分析法的可靠性，兩種評價方法得分與藻類特征參數(藻密度、香農-威納指數、皮婁指數)的相關性系數見表6，綜合營養狀態法的結果與藻密度呈正相關未表現顯著性(P=0.240)，主成分分析法的結果與藻密度呈顯著正相關(P=0.578，P<0.05)；綜合營養狀態法、主成分分析法與藻類皮婁指數的相關系數分別為0.028、0.307，可見主成分分析法結果與藻類的變化情況也更加吻合。

表6 2種方法評價結果與藻類參數相關關系Tab.6 Correlation between evaluation results of two methods and algae parameters

兩種評價方法在準確性上的差異可能是與選用的計算因子有關。有研究表明，自然水體中不同生境組合對藻類的影響也不同[18]，而主成分分析法是將因子歸一后再篩選進行評價，即因地制宜確定影響的主成分，主成分中的主控因子與綜合營養狀態法中的5項因子相比更加準確地反映了紫坪鋪水庫藻類的實際情況。本研究中主成分分析法確定的主控因子有DO、NH3-H、TP和TN等指標，以往研究便發現DO與藻種群相關性高于TN、TP等因子與藻種群的相關性[19]，因此主成分分析法可更準確地反映紫坪鋪水庫藻類的實際情況。

3.3 多元線性回歸分析

由表6可知，主成分分析法結果與藻密度呈顯著正相關，當藻密度獲取存在困難時，可嘗試用主成分因子通過多元線性回歸分析嘗試確定藻密度值，回歸方程見表7。研究中通過常規的Chla進行回歸分析發現，方程不具有顯著相關性(R2=0.384)，主成分分析法、綜合營養狀態法進行回歸分析均有顯著相關性(R2=0.629，R2=0.772)，但綜合營養狀態法的回歸方程擾動大(Sig.=0.073)，可見運用主成分分析與藻密度進行線性回歸有一定的可行性和可靠性。將回歸方程與特性研究之外的6個月份藻密度實測值進行誤差驗證發現，方程預測值與藻密度實測值誤差均可控制在45%內，例如2015年10月、2018年1月的方程預測值與實測值誤差分別為16.7%、29.9%。

表7 藻密度與主成分因素的回歸方程Tab.7 Regression equation of algae density and principal component factors

注：藻密度～Z；Chla～Z1；TN～Z2；TP～Z3；SD～Z4；CODMn～Z5；DO～Z6；NH3-N～Z7；TLI～Z8；主成分分析得分～Z9。

4 結 語

(1)通過連續24個月的監測及特性研究發現，紫坪鋪水庫中藻類存在明顯的演替趨勢，甲藻優勢度年際間降低14%，綠藻優勢度年際間升高26%；綜合相關性分析及主成分分析后發現，水庫藻類及營養變化主控因子為DO、NH3-H、TP和TN。

(2)基于主成分分析建立了紫坪鋪水庫營養評價方法，與常規的綜合營養狀態法相比可靠性更高，與藻密度的相關性由0.240提升至0.578(P<0.05)，與皮婁指數的相關性由0.028提升至0.307，可見采用主成分分析法進行紫坪鋪水庫營養狀態評價更為客觀、可靠。

(3)基于主控因子構建了紫坪鋪水庫藻密度快速估算方程，相關性系數達0.772(P<0.05)，檢驗系數為0.031；經實測值驗證后發現，誤差可控制在45%以內，可在數據缺測、缺乏專業檢測人員、臨時急迫的需求或預測等特殊情況提供快速估算方法，為紫坪鋪水庫水體研究提供基礎數據和理論依據。