基于空間插值法的長江口海水質量評價

陳慧文 陳錦輝 吳建輝

摘 要：在海水質量評價中，為獲得研究區范圍內連續環境分布狀況，空間插值方法是一種有效的手段。由于空間插值方法的假設不同，針對不同變化趨勢的水環境要素，最適合的方法可能存在差別。該研究利用反距離權重插值方法（Inverse Distance Weighting，IDW）、普通克里金法（Ordinary Kriging，OK）以及徑向基函數（Radial Basis Function，RBF），對2018年長江口中華鱘自然保護區及周邊水域的溶解氧（DO）、pH、化學需氧量（COD）和銅（Cu）數據進行插值，并基于最優插值結果對海水質量進行評價。其中，普通克里金法的半方差模型分別選擇指數（OKE）、高斯（OKG）和球面（OKS）模型，徑向基函數包括完全規則樣條函數（Regularized Spline Function，RS）和張力樣條函數（Tension Spline Function，TS）。結果表明：（1）經交叉驗證，DO較為適用的空間插值方法為RS，pH為TS，COD為IDW，Cu為OKE;（2）四季中所得DO值均達海水質量評價第I類標準;冬季pH在東灘水域部分范圍內為第III/IV類標準，其他季節pH均達第I類標準;秋季COD在東灘水域部分范圍內為第IV類標準，其余季節主要為第II類標準和第III類標準;冬季Cu污染最為嚴重，在研究區范圍內均為第III/IV類標準，春季北支和東灘水域大部分為第II類標準。說明不同空間插值方法會對長江口水環境要素的預測造成影響，并且針對不同空間變化趨勢的環境數據，每種變量適用的空間插值方法也有所不同，最終影響海水質量的評價。因此，建議在今后的長江口海水質量評價研究中將以上潛在影響納入考慮范圍內。

關鍵詞：空間插值法;長江口;水質;評價

中圖分類號 X824文獻標識碼 A文章編號 1007-7731（2020）06-0077-06

Abstract： In the seawater quality assessment， in order to obtain the continuous environmental distribution in the study area， the spatial interpolation method is an effective method. Due to the different assumptions of the spatial interpolation method， the most suitable method may be different for the water environment elements with different changing trends. In this study， inverse distance weight interpolation （Inverse Distance Weighting， IDW）， ordinary Kriging method （Ordinary Kriging，OK） and radial basis function （Radial Basis Function，RBF） were used to interpolate the dissolved oxygen （DO）， pH， chemical oxygen demand （COD） and copper （Cu） data of the Yangtze Estuary Chinese Sturgeon Nature Reserve and its surrounding waters in 2018， and the seawater quality was evaluated based on the optimal interpolation results. The semi-variance model of ordinary Kriging method chooses exponential （OKE）， Gaussian （OKG） and spHerical （OKS） model respectively， and the radial basis function includes fully regular spline function （Regularized Spline Function， RS） and tension spline function （Tension Spline Function， TS）. The results show that：1） after cross-verification， the suitable spatial interpolation method of DO is that RS， pH is TS， COD and IDW， Cu is OKE; 2） the DO values obtained in the four seasons all meet the Class I standard of seawater quality evaluation， the pH is Class III / IV standard in part of Dongtan waters in winter， and the pH in other seasons reaches Class I standard. In autumn， COD is Class IV standard in part of Dongtan waters， while in other seasons， it is mainly Class II and Class III standards; Cu pollution is the most serious in winter， which is Class III / IV standard in the study area， and most of the North Branch and Dongtan waters are Class II standards in spring. The study shows that different spatial interpolation methods will affect the prediction of the environmental elements of the Yangtze River Estuary， and according to the environmental data of different spatial trends， the applicable spatial interpolation methods of each variable will be different， which will eventually affect the evaluation of seawater quality. It is suggested that these potential effects should be taken into account in the future study of seawater quality assessment in the Yangtze River Estuary.

Key words： Spatial interpolation; Yangtze Estuary; Seawater quality; Evaluation

海洋環境變化對維持海洋生態系統的穩定性有著重要影響，隨著人類活動加劇和氣候變化的影響，海洋生態系統遭到了嚴重破壞[1-5]。海洋物理環境屬性（例如基質和水深）對于構造生物的生境非常重要[6]，在海洋生物多樣性及魚類群落的聚集和分布格局中起著非常重要的作用[7]。例如，透明度、鹽度和溫度是描述海水性質的重要物理量，其時空分布和變化幾乎是大部分海洋生態系統空間變異的原因[8-11];渾濁度、基質類型和深度可能是影響近岸海域幼魚分布的最重要因素[12]。長江口作為我國的第一大河口，生態環境復雜多變，營養物質及餌料生物豐富，是我國魚類生物多樣性最高、生產潛力最大的河口[13-14]。因此，探討河口環境要素的質量及空間分布特征，對于研究生物群落的聚集和分布格局十分重要。

目前，常規的海洋調查方法都是按照站位采樣測量的，為獲得整個研究范圍內的環境變化情況，制作連續分布的等值線或等值面圖是反映海洋環境要素分布與變化情況的有效手段[15]。空間插值方法能夠重構數據的缺失值[16]，改變數據的分辨率，并能將同一時間的實測值外推到整個研究區域[17]，在氣象[18]、降水[19]、土壤[20]、電磁場[21]等研究領域已有了廣泛的應用。在海洋生態學中，常見的空間插值方法主要有反距離權重插值、普通克里金、徑向基函數等[22-25]，主要用于水質評價[17]、環境數據的重構[18，26]，以及資源豐度指標的估計的應用[27-30]。本研究利用不同空間插值方法對2018年長江口環境監測數據中的溶解氧（DO）、pH、化學需氧量（COD）和銅（Cu）進行插值，基于插值結果對長江口及周邊水域海水質量進行評價，旨在更全面的了解研究范圍水環境連續變化情況，為海水環境質量評價提供更準確、可靠的方法。

1 材料與方法

1.1 數據來源 數據源于2018年長江口中華鱘自然保護區執行的漁業資源常規監測。監測期間，于春季（5月）、夏季（8月）、秋季（11月）和冬季（2月）進行4次調查。監測調查租用“滬崇漁1511號”漁船，監測內容包括水文物理環境（水溫、鹽度、懸浮物等）和水化學環境（營養鹽、DO、pH、COD、揮發酚、總磷、總氮、石油類、水體中重金屬含量等）。在長江口中華鱘自然保護區及周邊水域設置14個監測站點（圖1），按照地理位置劃分為3個區域：北港（Z1、Z3）、東灘（Z6、Z9、Z14、Z16、Z17、Z18、Z19）和北支（Z4、Z5、Z7、Z13、Z15）。

所有水環境監測站點在漲、落潮期各采集1次水樣。水樣取樣方法參照《海洋監測規范》第3部分（GB 17378.3-2007）。取樣層次按《海洋監測規范》第4部分（GB17378.4-2007）的要求確定，當水深小于10m，只取表層水樣，水深大于10m，分表、底層取樣，其中油類采集表層下0.5m的水樣500mL，加入0.1N鹽酸溶液調節pH至4.0以下，避光4℃保存至分析。氣溫、鹽度、水深、透明度、pH、溶解氧等使用儀器現場測量，懸浮物、硝酸鹽、重金屬等采集水樣后于實驗室分析檢測。

1.2 空間插值方法 選擇3種空間插值對水環境要素進行插值，包括反距離權重插值方法（Inverse Distance Weighting，IDW）、普通克里金法（Ordinary Kriging，OK）和徑向基函數（Radial Basis Function，RBF）。其中普通克里金法的半方差模型分別選擇指數（OKE）、高斯（OKG）和球面（OKS）模型，徑向基函數包括完全規則樣條函數（Regularized Spline Function，RS）和張力樣條函數（Tension Spline Function，TS）。

IDW假定未知點受近距離已知點的影響比遠距離已知點的影響更大[31]，所有預測值都介于已知的最大值和最小值之間。IDW利用到采樣點距離的反函數加權值的線性組合來估計在未采樣點的值，權重隨著距離的增加而減小。影響IDW精度的主要因素是指數冪的取值[32]，并且指數冪和鄰域大小的選擇是任意的[33]。

克里金法是一種用于空間插值的地統計學方法，重點考慮測量點之間的空間關系和空間相關性，并可用估計的預測誤差來評估預測的質量，能夠提供更好的預測[34]。克里金法用半方差來測量空間相關部分，用平均半方差和平均距離可以繪制半方差圖，半方差圖通常須用數學函數或模型來擬合，經擬合的半方差圖可用于估算任意給定距離的半方差[35]。常用的模型有球體模型、指數模型、高斯模型等。OK重點考慮空間相關的因素，并用擬合的半方差直接進行插值。克里金法中用到的權重不僅與估算點和已知點之間的半方差有關，還與已知點之間的半方差有關。因此，克里金插值法與IDW相區別。

RBF基函數或方程的設置決定了面與控制點間如何匹配[36]。RBF是指插值方法的一個大類，每種方法各有其控制生產表面光滑程度的參數。RS生成一個平滑、漸變的表面，插值結果可能超出樣本點的取值范圍[37]。TS根據所擬合的表面來調整表面的硬度，將生成一個相對不太光滑的表面，但插值結果更接近限制在樣本點的取值范圍內[38]。

關于各插值方法的算法細節，具體見Shen等[39]。本研究使用ArcGIS10.3軟件進行空間插值計算，空間分辨率為0.1°×0.1°。

1.3 插值方法比較 利用交叉驗證對不同空間插值方法進行比較。交叉驗證中，從數據集中除去一個已知點的測量值，用保留點的值估算除去點的值，然后比較已知值和估算值并計算預計誤差[40]。對每個點完成上述步驟之后，計算出預測誤差的算數平均值（mean error，ME）和均方根誤差（root mean square error，RMSE）作為評價插值方法精度的指標。ME反映了插值方法的總體估計偏差，ME越接近于0，則說明預測值越是無偏;RMSE可以用來量化觀測密度和擬合密度之間的差異，RMSE接近0值，表明擬合更好[41]。在結果中，RMSE應首先被比較，當RMSE相等時再比較ME的值[42-43]。ME和RMSE的計算公式分別為：

2 結果與分析

2.1 環境因子的插值結果 經不同空間插值方法得到的環境要素值存在差異（表2）。各環境變量與實測數據的均值均較為接近，DO和COD插值結果的均值都大于調查數據，pH和Cu插值結果的均值都小于調查數據。除DO外，所有環境變量插值結果的標準差和變異系數均小于調查數據，數據離散程度降低。其中，pH的標準差和變異系數最小，離散程度最低;Cu的標準差和變異系數最大，離散程度最高。通過比較偏度和峰度系數，pH與調查數據分布形態一致，呈正偏態尖峰分布。基于OKS插值的DO結果偏度由正偏態轉為負偏態，基于OKG插值的COD結果峰度由尖峰分布轉為平峰分布，Cu的全部插值結果均由尖峰分布轉為平峰分布。

各環境變量插值結果的離散程度發生變化，數據的集中趨勢也存在差別（圖2）。不同空間插值方法獲得的DO、pH、COD數據結果差別較小，但3種環境數據插值結果的上四分位數值和下四分位數值均發生變化，說明插值方法對數據的集中趨勢造成影響。Cu數據的插值結果中，RBF的結果與其他插值方法結果差異較大。不同空間插值方法對各環境變量的響應不同，但并未出現變量值偏大或偏小的一致性趨勢。

2.2 環境因子空間分布預測 以2018年冬季環境數據為例制作環境因子的空間分布圖（圖3～6）。從圖3～6可以看出，不同空間插值方法獲得的環境數據在數值上存在差異，但不會改變環境因子的整體分布趨勢，如：北支DO較高，pH和COD較低，北港Cu最低。對于自身空間分布變化較小的環境數據（如pH和COD），各插值方法獲得的空間分布差異較小。DO的空間分布圖中，東灘的插值結果差異較大，北支IDW的插值結果明顯高于其他結果。Cu的空間分布圖中，各插值方法在東灘和北支結果差異較大，OK的半方差模型未表現出差異，但與IDW和RBF插值結果差別較大，北港OK的插值結果較低。

2.3 不同空間插值方法對環境因子插值結果的影響 各環境要素插值結果的交叉驗證結果顯示，不同環境因子適用的空間插值方法不同（表3）。DO較為適用的空間插值方法為RS，RMSE值為0.283;pH適用的方法為TS，RMSE值為0.113;COD適用的方法為IDW，RMSE為0.704;Cu適用的方法為OKE，RMSE為3.429。RMSE最小的環境因子為pH，并且其離散程度也最低。各環境要素不同插值結果的ME均接近0，說明插值結果幾乎是無偏的。

2.4 長江口海水質量評價 使用各環境要素最適用插值方法獲得的結果，對2018年長江口中華鱘自然保護區及周邊水域海水質量進行了評價（圖7）。所得插值結果中，DO值均大于6為第I類標準。pH除冬季在東灘范圍內部分海域為第III/IV類外，其他季節均達第I類標準。長江口COD主要為第3類，污染較為嚴重，春季未達第I類標準，其他季節僅北支部分水域達第I類標準，秋季東灘出現第IV類水質。Cu在四季中污染狀況變化最大，秋季達第I類標準，春夏季污染出現第II類，冬季整個水域呈第III/IV類，污染最為嚴重。

3 討論與結論

在海水質量評價中，為了解整個研究區范圍內連續水環境要素的分布情況，常利用空間插值方法來實現。空間插值方法用已知點的值估算未知點的值，對于需要描述評價總體環境狀況變化的研究對象具有實際意義[44]。吳翠晴等[45]采用空間插值和營養指數方程相結合的方法，對錦州灣海域海水富營養化狀態進行評價，結果表明，普通克里金法所得的插值結果評價錦州灣海水的富營養化狀態更直觀和準確。姜紅等[46]使用5種插值方法對博斯騰湖的礦化度進行了空間插值，全局多項式插值方法在博斯騰湖礦化度插值中取得的精度最高，并發現博斯騰湖水體礦化度存在明顯的空間梯度。李冕等[47]根據海水污染物分布擴散規律和采樣點之間的關系，給出了一種自適應凸包選點的反距離權重插值方法，結果表明，該方法能夠很好的反映海水污染物空間分布狀況。不同空間插值方法存在不同的假設，針對不同海域、不同的水環境要素，最適用的空間插值方法可能存在差別。

本研究使用反距離權重插值、普通克里金法（半方差模型：指數、高斯和球面）以及徑向基函數（完全規則樣條函數和張力樣條函數）對2018年長江口中華鱘自然保護區及周邊水域DO、pH、COD和Cu進行插值，并基于插值結果對海水質量進行了評價。經交叉驗證發現，DO較為適用的空間插值方法為RS，pH為TS，COD為IDW，Cu為OKE。不同空間插值方法雖然不會改變環境要素的整體空間分布狀況，但可能會得到不同的值，進而對海水質量的評價造成影響。因此，在進行海水質量評價之前，為確保評價結果的真實性和可靠性，選擇合適的空間插值方法十分重要。

參考文獻

[1]Martin Parry（編），丁一匯（譯）.氣候變化2007影響、適應和脆弱性[J].國外科技新書評介，2008（8）：17-18.

[2]Richardson，A.J .Climate Impact on Plankton Ecosystems in the Northeast Atlantic[J].Science，2004，305（5690）：1609-1612.

[3]Behrenfeld M J，OMalley，Robert T，Siegel D A，et al.Climate-driven trends in contemporary ocean productivity[J].NATURE，2006，444（7120）：752-755.

[4]Halpern B S，Walbridge S，Selkoe K A，et al.A Global Map of Human Impact on Marine Ecosystems[J].Science，2008，319（5865）：948-952.

[5]王有基，李麗莎，李瓊珍，等.海洋酸化和全球變暖對貝類生理生態的影響研究進展[J].生態學報，2014，34（13）：3499-3508.

[25]王興，劉瑩，王春暉，等.海洋鹽度分布的插值方法應用與對比研究[J].海洋通報，2016，3：324-330.

[26]黃杰.海洋環境綜合數據時空建模與可視化研究[D].杭州：浙江大學，2008.

[27]Cormack R M，Cressie N.Statistics for Spatial Data[J].Terra Nova，1992，48（4）：1300.

[28]Maynou F，Conan G Y，Cartes J E，et al.Spatial structure and seasonality of decapod crustacean populations on the northwestern Mediterranean slope[J].Limnology & OceanograpHy，1996，41（1）：113-125.

[29]Rivoirard J.Geostatistics for Estimating Fish Abundance[J].Geostatistics for Estimating Fish Abundance，2000，131（5）：1004-1005.

[30]Wyatt R J.Mapping the abundance of riverine fish populations：integrating hierarchical Bayesian models with a geograpHic information system （GIS）[J].Canadian Journal of Fisheries and Aquatic Sciences，2003，60（8）：997-1006.

[31]Shepard D.A Two-Dinensional Interpolation Function for Irregularly Spaced Data[J].Proc.of ACM Mat.Conf，1964：517-524.

[32]Isaaks E H，Srivastava R M.Applied Geostatistics[J].Home Page，1989.

[33]Webster R，Oliver M A.Geostatistics for Environmental Scientists，Second Edition.[M]// Statistics for earth and environmental scientists.Wiley，2008.

[34]Chen Y，Peng R C，Zhang L H，et al.Interpolating method for digital depth model based on sounding anisotropy[J].HydrograpHic Surveying Charting，2011，31（5）：31-33.

[35]Gringarten E，Deutsch C V .Teacher's Aide Variogram Interpretation and Modeling[J].Mathematical Geology，2001，33（4）：507-534.

[36]Broomhead D S，Lowe D .Multivariable Functional Interpolation and Adaptive Networks[J].Complex Systems，1988，2（3）：321-355.

[37]Mitás L，Mitásová H.General variational approach to the interpolation problem[J].Computers & Mathematics with Applications，1988，16（12）：983-992.

[38]Mitásová H，Mitás L.Interpolation by regularized spline with tension：I.Theory and implementation[J].Mathematical Geology，1993，25（6）：641-655.

[39]Shen Q S，Wang Y，Wang X R，et al.Comparing interpolation methods to predict soil total pHospHorus in the Mollisol area of Northeast China[J].CATENA，2019，174：59-72.

[40]Mueller T G，Pusuluri N B，Mathias K K，et al.Map Quality for Ordinary Kriging and Inverse Distance Weighted Interpolation[J].Soil Science Society of America Journal，2004，68（6）：2042-2047.

[41]Stow C A，Jolliff J，Mcgillicuddy D J，et al.Skill assessment for coupled biological/ pHysical models of marine systems[J].Journal of Marine Systems，2009，76（1-2）：4-15.

[42]Ding Q，Wang Y，Zhuang D .Comparison of the common spatial interpolation methods used to analyze potentially toxic elements surrounding mining regions[J].Journal of Environmental Management，2018，212：23-31.

[43]Arslan H，Turan A N.Estimation of spatial distribution of heavy metals in groundwater using interpolation methods and multivariate statistical techniques; its suitability for drinking and irrigation purposes in the Middle Black Sea Region of Turkey[J].Environmental Monitoring & Assessment，2015，187（8）：516.

[44]帥方敏，盧進登，王新生.基于GIS空間插值方法的長湖水質評價[J].環境監測管理與技術，2007（04）：44-46.

[45]吳翠晴，李楠，王亞濤，等.空間插值方法在錦州灣海水富營養化評價中的應用[J].水資源與水工程學報，2012（6）：116-119.

[46]姜紅，玉素甫江·如素力，熱伊萊·卡得爾，等.不同空間插值方法對博斯騰湖水體礦化度的適應性評價研究[J].新疆師范大學學報（自然科學版），2016（4）：7-14.

[47]李冕，趙輝，鮑晨光，等.改進的IDW插值模型在海水水質評價中的應用[J].海洋環境科學，2014，33（2）：258-261.

（責編：張宏民）