密云水庫上游控制點水質時空交叉統計分析

邸琰茗1 白文榮1 郭逍宇2345

(1.北京市北運河管理處，北京 101100;2.首都師范大學資源環境與旅游學院，北京 100048；3.三維信息獲取與應用教育部重點實驗室，北京 100048；4.資源環境與地理信息系統北京市重點實驗室，北京 100048；5.北京市城市環境過程與數字模擬重點實驗室，北京 100048)

分析水源地水質的時間變化特征、周期規律及影響因素，對了解水資源特性、開發利用水資源具有重要意義[1]。密云水庫是北京市重要的地表飲用水水源地，上游入庫來水變化對其水質水量有重要影響，長期以來已有學者相繼對密云水庫流域水體開展時空變異等相關研究：張微微等[2]對密云水庫流域內地表水質數據進行分析，表明潮河流域總氮、總磷污染物質對庫區的貢獻率大于白河流域；李東青等[3]通過多元統計方法分析密云水庫庫區的水質時空變異，表明庫區21年間非汛期地下水補給過程中碳酸鹽巖的溶解作用影響水體化學特性，汛期降水徑流攜帶的污染物直接影響水質狀況；于一雷[4]通過密云水庫上游河流水質時空分布特征研究得出，水庫總氮和總磷的入庫負荷主要是來自潮河和白河，COD入庫負荷主要來自潮河和白河，且白河要高于潮河。前期研究主要基于多元統計方法對密云庫區流域水質進行水質時空特征及污染源分析，有關密云庫區上游控制點長時序水質時空變化的研究較少，特別是上游控制點在時間聚類基礎上繼續進行水質空間變異規律的研究鮮見報道。因此，本文主要針對密云水庫上游控制點長時序的水質變化特征，進一步研究在時間聚類基礎上的空間變異規律及污染源解析，為后期科學管理提供數據支撐和參考依據。

多元統計分析中聚類分析(Cluster Analysis，CA)、判別分析(Discriminate Analysis，DA)和主成分/因子分析(Principal Component Analysis，PCA/Factor Analysis，FA)已廣泛應用于近海海水、地下水及內陸河湖的水質時空變異研究。Hakan Arslan[5]利用多元統計方法，從時間和空間尺度上解析了土耳其Bafra平原近海區域影響水質變化的污染源；K.P.Singh 等[6]在分析印度Gomti河流的水質時空變異中綜合運用了多元統計分析中的CA、DA和PCA方法，并發現這些分析方法能夠有利地分析水質的時空變異性；F.Zhou等[7]在研究香港東部近海水質時發現，CA、DA和GIS技術結合具有研究海水水質時空分布特征的能力。因此，本文選取密云水庫上游5個控制點為水質監測點，基于1990—2010年長時序水質數據評估水質的總體特征，運用聚類分析對水質數據進行年際聚類和年際基礎上的空間聚類，運用判別分析剖析水質在時間聚類基礎上的空間顯著指標變異規律，最后運用主成分分析重點解析不同年際尺度的空間水質污染來源，可為密云水庫水質保護提供科學依據。

1 研究概況

1.1 確定研究指標

密云水庫位于北京市密云區北部，潮河和白河是其最主要的入庫河流。其中潮河流域面積6296km2，平均人口密度147人/km2，白河流域面積8575km2，平均人口密度68人/km2，流域以山地、丘陵地貌為主。該區屬于暖溫帶半濕潤季風氣候，年均氣溫10.5℃，冷暖交替顯著，四季分明[5-6]。研究區的巖土體主要由巖漿巖類、變質巖類、碎屑巖類、碳酸巖類以及第四紀系的卵礫石類土組成[7-8]。

1.2 研究方法

應用多元統計方法中的系統聚類分析、判別分析和主成分分析對密云水庫上游控制點監測數據進行處理，各類統計方法由Excel 2007和SPSS19.0實現。

聚類分析方法是根據變量之間的親疏程度將性質相似的對象結合在一起，本文對監測數據進行年際聚類和年際基礎上的空間聚類，用以分析水質的時空變化的相似性和差異性[12]。判別分析常用于識別已知類別間具有顯著差異的變量，本文采取逐步判別方法，以年際聚類基礎上空間聚類結果為分組變量，各個監測指標作為變量，進入判別模型的最小F值是3.84，剔除模型的最大F值2.71用以識別影響水質時空變異的顯著指標。主成分分析法是一種既可以降低變量維數，又可以對變量進行分類的方法，實質是從多個實測的原變量中提取出少數互不相關的指標因子，每個原變量可用這些提取出的公因子的線性組合表示，本文用該方法從復雜的原始數據矩陣中提取能夠解釋大部分方差貢獻的少數旋轉因子，用于提取不同年際尺度的空間水質污染因子和識別污染源[13-15]。

2 研究結果分析

2.1 水質特征

表1 水質指標的統計特征及水環境質量標準

續表

2.2 流域水質時空聚類判別污染源分析

2.2.1 水質年際聚類

運用聚類方法(CA)得出的密云庫區上游控制點水質的年際聚類結果見圖1，在(Dlink/Dmax)×100<20處分為兩組，分別為年際聚類組Ⅰ(InterannualⅠ，IAⅠ)：1990—1995年，1997—1998年；年際聚類組Ⅱ(InterannualⅡ，IAⅡ)：1996年，1999—2004年，2006—2010年(由于2005年單獨聚為一類，故舍去)。聚類結果顯示：除1996年、2009年出現微小波動外，上游入庫控制點水質按照時間推移表現出有規律的年際變異特征。

圖1 水質的年際聚類分析樹狀圖

2.2.2 不同年際尺度上空間聚類和判別

運用聚類分析方法(CA)在不同年際尺度上做空間聚類，結果見圖2。在IAⅠ時期(1991—1995年，1997—1998年)尺度上空間聚類結果顯示：(Dlink/Dmax)×100<20處分為兩組，分別為空間聚類組Ⅰ，包括大關橋、辛莊橋、石佛橋、葡萄園橋；空間聚類組Ⅱ，包括水堡橋。表征水質在IAⅠ時期具有空間差異性。在IAⅡ時期(1996年，1999—2004年，2006—2010年)尺度上空間聚類結果顯示：(Dlink/Dmax)×100<20處分為兩組，分別為空間聚類組Ⅰ，包括大關橋、辛莊橋、石佛橋；空間聚類組Ⅱ，包括葡萄園橋、水堡橋。橫向比較年際尺度上空間監測點發現，葡萄園橋監測點在不同時期水質狀況不同，可能是由于在IAⅡ時期發生斷流現象和嚴重的河枯現象引起的。

圖2 年際尺度的空間點聚類結果

表2 年際尺度基礎的空間判別函數系數

不同年際尺度上表征水質空間變異的箱圖見圖3。在IAⅠ時期，DⅠ(大關橋、辛莊橋、石佛橋)3個監測點的NO3-N指標偏高主要是非點源影響；在IAⅡ時期，DⅡ(葡萄園橋)的EC、Ca2+、T-Alk、NO3-N指標略偏高，主要是由于碳酸鹽的溶解沉淀，DⅢ(水堡橋)監測點識別出的NO2-N濃度和TN偏高顯著，表明主要是亞硝酸鹽造成的氮源污染，Cl-的識別，表征降水是控制密云庫區上游水質水化學特征的主要因素。

2.2.3 不同年際尺度上的空間污染源分析

為了識別密云水庫上游流域水質IAⅠ、IAⅡ年際尺度上的空間變化規律，運用主成分分析法(PCA)對年際基礎上的水質數據進行分析，結果見表3。

圖3 基于年際尺度上顯著指標的空間變異性

表3 年際基礎的空間旋轉因子載荷矩陣及方差貢獻率

注依據因子載荷值∈ [0.75，1]，∈[0.5，0.75]，∈[0.3，0.5]判斷其作用為強烈，中等或弱。下劃線表示強烈，加粗表示中等。

2.3 密云水庫庫區水質與上游來水水質污染源對比

相關研究顯示[23]，密云水庫庫區1990—2010年20年間TP均值(0.03mg/L)、TN均值(0.98mg/L)，較上游入庫控制點水質指標分別消減76%、58%，表明密云水庫庫區水質比上游控制點來水水質要好，主要與近年來水庫庫區非點源污染的控制(水土保持、化肥使用量減少、生活污水減少)和網箱養魚取消等相關水源地保護政策有關[20]。且密云上游入庫控制點大關橋、辛莊橋、石佛橋3個監測點污染源由復合污染轉化為離子污染，從側面說明上游控制點主要水質指標在進入水庫庫區后有所好轉。

3 研究結論

a.密云庫區上游控制點水質總體特征是20年間TN均值(2.34mg/L)、TP均值(0.13mg/L)和DO均值(9.69mg/L)分別超過國家地表水Ⅱ類標準4.68倍、1.30倍和1.29倍，水體富營養化狀況顯著，氮、磷是應重點加以控制的因子，NO2-N是TN均值超標的主要原因。

b.不同監測點在時空交叉統計分析中顯示，由IAⅠ(1991—1995年，1997—1998年)過渡到IAⅡ時期(1996年，1999—2004年，2006—2010年)，大關橋、辛莊橋、石佛橋3個監測點污染成分由點源污染、非點源污染中的氮源污染和內源污染共同作用下的復合污染轉為以離子污染為主，對入庫水質污染指標濃度的貢獻逐漸減小，水質情況好轉，葡萄園橋監測點由降水引起的內源污染過渡到降水引起的非點源污染，受到汛期的濕沉降影響較大，水堡橋監測點水質以復合污染為主，污染情況最為復雜。

c.密云水庫庫區水質比上游控制點來水水質要好，主要與庫區非點源污染的控制(水土保持、化肥使用量減少、生活污水減少)和取消網箱養魚等保護水源地政策有關。