黃河干流及主要支流水質時空差異性及其變化特征研究

張彥，梁志杰，鄒磊，李平，竇明，黃仲冬，齊學斌*，高青

黃河干流及主要支流水質時空差異性及其變化特征研究

張彥1,3,4，梁志杰1,4，鄒磊2，李平1,4，竇明3,5，黃仲冬1，齊學斌1,4*，高青1,4

(1.中國農業科學院 農田灌溉研究所，河南 新鄉 453002；2.中國科學院 地理科學與資源研究所陸地水循環及地表過程院重點實驗室，北京 100101；3.鄭州大學 水利科學與工程學院，鄭州 450001；4.農業農村部 農產品質量安全水環境因子風險評估實驗室，河南 新鄉 453002；5.鄭州大學 生態與環境學院，鄭州 450001）

【】了解黃河流域水環境狀況可為黃河流域生態保護和高質量發展提供依據。選取黃河干流及主要支流湟水、渭河和汾河12個水質監測斷面和4項水質指標pH值、溶解氧（DO）、高錳酸鹽指數（CODMn）和氨氮（NH3-N），并利用多元統計方法分析了水質時空差異性及其變化特征，同時引入水污染指數法（）對整體的水環境狀況進行評估分析。黃河干流水質狀況最好，湟水和渭河水質狀況次之，汾河水質狀況最差，且水質指標在空間和時間上均呈顯著的差異性；監測斷面海東民和橋、渭南潼關吊橋和運城河津大橋的值達到IV類及以上水質標準的頻率較高，分別為66.30%、98.91%和78.26%；各監測斷面在春季和冬季的水質狀況較差，而夏季和秋季水質狀況相對較好。各監測斷面的值均呈下降趨勢，其中海東民和橋、中衛新墩和天水牛背等3個監測斷面的下降趨勢比較顯著；基于指數的時空聚類分析結果與水體污染物濃度的時空分布情況具有一致性，空間上海東民和橋、渭南潼關吊橋和運城河津大橋值的波動性相對較大，時間上1—3月的值波動性相對較大。黃河干流及主要支流水質狀況具有明顯的時空差異性，但整體上水環境條件正在逐漸改善。

黃河；時空差異性；水污染指數；聚類分析

0 引言

【研究意義】黃河流域具有豐富的水資源條件，在我國經濟社會發展和生態安全方面具有重要的地位，2019年，習近平總書記在黃河流域生態保護和高質量發展座談會上強調要加強生態環境保護、推進水資源節約集約利用和推動黃河流域高質量發展。而隨著沿黃地區經濟社會的快速發展和人類活動的影響，黃河流域水資源和水環境條件的變化嚴重制約了流域內工農業的發展。因此，開展黃河干流及主要支流水質時空差異性和變化特征研究，可為黃河流域生態保護和高質量發展提供一定的理論基礎。【研究進展】流域水生態環境受到多種因素的影響，分析河流水體污染物時空差異性對識別河流水質狀況具有重要意義[1-2]。目前多元統計方法多用于此類分析，如Mann-Kendall檢驗法[3]、方差分析法[4]、主成分分析法和聚類分析法等[5]，并在赤水河上游[6]、鄱陽湖流域[7]、淮河流域[8]、黃河流域[9]、科威特灣[10]、日本八郎湖[11]和土耳其底格里斯河流域[12]等河湖中廣泛應用。針對黃河流域，徐發凱等[13]、寧忠瑞等[14]、張婧雯等[15]分別利用相關統計方法分析了黃河干流蘭州和白銀段、黃河寧夏段和山西境內黃河流域水體污染物的時空變化特征；白璐等[16]分析了黃河流域水污染排放特征以及污染物空間集聚的格局；陸丹等[17]運用區間型貝葉斯模型對湟水干流的水質進行評價。以上研究主要針對水質單指標進行分析，而水污染指數法（Water Pollution Index，）作為一種多種水質污染指標濃度簡化為單一性指數值的方法，具有計算便捷、準確性高、可比性好等優點，且可分級表征水體綜合污染程度[18]；劉琰等[19]利用水污染指數法對湘江干流的18個監測斷面進行了評價分析；孫藝珂等[20]以水污染指數和改進內梅羅指數建立了改進的綜合水質指數法并評價了黃河干流水質狀況；景朝霞等[21]利用水污染指數法和聚類分析識別了漢江中下游干流的水環境時空變化特征。【切入點】水污染指數法以水體污染最嚴重的指標作為判斷水質類別，能夠將黃河流域水質狀況進行量化，更大程度上呈現黃河流域主要河流水質空間差異性和變化特征。【擬解決的關鍵問題】本研究基于黃河干流及主要支流監測斷面的水質指標，利用Mann-Kendall趨勢檢驗法、水污染指數法、聚類分析等方法，對黃河干流及主要支流水質時空的差異性及其變化特征進行分析，同時對黃河干流及主要支流主要污染物的來源進行闡述，以準確呈現水體污染物來源的特征并識別污染物來源的情況。

1 材料與方法

1.1 研究區及數據來源

黃河流域（89°E—126°E、26°N—54°N）是我國第二大流域，流域面積約為75萬km2。渭河和汾河分別為黃河流域的最大支流和第二大支流，湟水為黃河上游的主要支流，其流域面積分別為13.48萬、3.97萬km2和3.29萬km2。黃河發源于青海省青藏高原，全長5 464 km，自西向東分別流經青海、四川、甘肅、寧夏、內蒙古、陜西、山西、河南和山東9個省（自治區），最終匯入渤海。黃河流域是重要的經濟文化帶，包含重要的工農業生產基地和重點生態功能區，為黃河流域的經濟社會發展提供了豐富的資源[22]。

研究數據主要來源于中國環境監測總站編制的《全國主要流域重點斷面水質自動監測周報》，本文選取了黃河干流及主要支流12個監測斷面的4項水質指標。12個監測斷面均為黃河流域省界、水庫、入海口和支流入黃前的關鍵監測斷面，其中黃河干流監測斷面主要有蘭州新城橋、中衛新墩（甘-寧省界）、石嘴山麻黃溝（寧-蒙省界）、烏海海勃灣（寧-蒙省界）、包頭畫匠營子、忻州萬家寨水庫、濟源小浪底和濟南濼口（入海口），湟水監測斷面為海東民和橋（青-甘省界），汾河監測斷面為運城河津大橋（晉-晉、陜省界<入黃前>），渭河監測斷面主要有天水牛背（甘-陜省界）和渭南潼關吊橋（陜-晉、豫省界<入黃前>），具體位置詳見圖1。水質指標主要為《全國主要流域重點斷面水質自動監測周報》中監測指標，包括pH值、溶解氧（DO）、高錳酸鹽指數（CODMn）和氨氮（NH3-N），其中石嘴山麻黃溝、海東民和橋和天水牛背為2011年新增加的監測斷面，選取的監測時段為2011年5月—2018年12月，其余監測斷面為2008年1月—2018年12月；水質指標監測頻次基本為每周1次，通過數據處理將水質監測數據整理為月平均值，水質監測數據分析執行《地表水環境質量標準》（GB 3838—2002）[23]。

圖1 黃河干流及主要支流水質監測斷面分布

1.2 研究方法

1.2.1 Mann-Kendall檢驗法

Mann-Kendall（M-K）檢驗法是基于秩序的非參數檢驗方法，其零假設（0）為時間序列x（=1，2，…，）為獨立隨機變量同分布樣本，備擇假設（1）為雙邊檢驗，假設x'和x（≤且'≠）的分布不同[24]。M-K檢驗的優越性在于能夠檢驗線性或非線性的趨勢，其擴展的精確性在水質趨勢分析中得到了廣泛應用[25]。標準化檢驗統計值MK為時間序列數據變化趨勢，若MK>0，表示時間序列數據隨著時間的推移呈現增加趨勢；反之表示時間序列數據隨著時間的推移呈減小趨勢。當｜MK｜>(1-α/2)時，則拒絕零假設，認為時間序列數據存在顯著趨勢性；(1-α/2)值可由標準正態分布表中查得，當取顯著性水平=5%時，其對應的(1-α/2)值為1.96[26-27]。

1.2.2 時空差異性分析

考慮到黃河干流及主要支流水質在時間和空間上的差異性以及相似性，本文利用方差分析（ANOVA）對黃河干流及主要支流水質指標各監測斷面和時間序列進行顯著差異性檢驗，進而判斷水質指標在不同監測斷面和時間序列是否存在顯著性差異[28]。

1.2.3 水污染指數法

水污染指數法以《地表水環境質量標準》（GB 3838—2002）中推薦的單因子評價法為基礎。本研究基于4項水質指標分別計算了水污染指數（），在各監測斷面分別取各指標對應的最大值作為該斷面的值，并依據地表水水質標準與值判斷各斷面的水質類別[19,21,29-30]，值處于I、II、III、IV、V和劣V類水質標準所對應的值分別為20、20<≤40、40<≤60、60<≤80、80<≤100以及>100，其計算式為：

式中：()、C()、C()、5()分別為第個水質指標監測質量濃度值、水質指標所在類別標準下限質量濃度值及上限質量濃度值和第個水質指標地表水水質標準中V類標準質量濃度限值；()、()、()分別為各水質指標質量濃度值對應的水污染指數值；若地表水水質標準中2個水質等級標準值相同，則按低分數值區間插值計算。pH值的值一般取20，此外，若pH值＜6，(pH)=100+6.67×(6-[pH])；若pH值＞9，(pH)=100+8×([pH]-9)；若DO＜2 mg/L，(DO)=100+40×(2-[DO])/2。

其中，若單因子評價水質指標未超過V類水質標準，計算式見式（1）；若(DO)≥7.5 mg/L，（DO）取20；若2≤(DO)＜7.5 mg/L，計算式見式（2）；若單因子評價水質指標超過V類水質標準，計算式見式（3）。

1.2.4 聚類分析法

聚類分析法是根據研究對象的特性，進行定量分析的一種多元統計方法。最常用的聚類分析方法是層次聚類分析，其實質是將參與聚類的每個個體視為一類，根據兩類之間的距離或者相似性逐步聚合，直到聚成一類[1]。本研究利用SPSS21.0軟件進行黃河干流及主要支流水質指標時間和空間尺度的層次聚類分析，聚類距離測量方式為平方歐氏距離，流域水質評價中常按照監測時間和監測斷面的地理位置進行聚類，分析流域水質的時空變化特征[31-32]。

1.2.5 箱線圖法

箱線圖法是描述統計的一個簡便工具，以簡單的組合圖形將數據批量的以形狀直觀地表現出來，用于反映一組或多組連續型定量數據分布的中心位置和散布范圍[33]。在流域水質評價的過程中使用箱線圖法來進行分析研究，使得復雜龐大的監測數據得以清楚地反映出變化規律[6]。

2 結果與分析

2.1 水質時空分布特征及差異性分析

2.1.1 水質指標統計結果分析

對黃河干流及其支流湟水、汾河和渭河的水質指標年、季均值進行統計分析，如表1所示。黃河干流及主要支流水質總體上呈弱堿性。黃河干流、湟水、汾河和渭河DO質量濃度年均值分別為8.73、7.47、4.89和7.27 mg/L，其中汾河DO質量濃度年均值最低，處于IV類水質標準；黃河干流、湟水、汾河和渭河CODMn質量濃度年均值分別為2.83、3.94、37.09和5.14 mg/L，其中汾河CODMn質量濃度年均值為其他年均值的7～13倍，達到了劣V類水質標準；黃河干流、湟水、汾河和渭河NH3-N質量濃度年均值分別為0.35、1.81、11.39和1.52 mg/L，其中汾河NH3-N質量濃度年均值為其他年均值的6～32倍，達到了劣V類水質標準，湟水和渭河NH3-N質量濃度年均值也達到了IV類水質標準。總之，針對單水質指標因素，汾河的水質狀況最差，黃河干流的水質狀況較好。

表1 黃河干流及主要支流水質指標年、季的統計值

2.1.2 水體污染物質量濃度時空分布特征

黃河干流及主要支流水體污染物質量濃度時空分布情況如圖2所示。各監測斷面DO質量濃度變化明顯，基本呈冬季＞春季＞秋季＞夏季，其中濟南濼口冬季DO質量濃度最高為12.50 mg/L，運城河津大橋夏季DO質量濃度最低為3.57 mg/L。黃河干流、湟水、汾河和渭河夏季DO質量濃度全年最低，均值分別為7.40、6.45、3.57和6.18 mg/L；冬季DO質量濃度全年最高，均值分別為10.11、9.12、7.21和8.76 mg/L。

各監測斷面CODMn質量濃度總體變化規律不明顯，黃河干流、湟水、汾河和渭河CODMn質量濃度均值在夏季、秋季、春季和冬季最高分別為3.07、4.37、48.86 mg/L和5.58 mg/L；黃河干流和湟水CODMn質量濃度均值在冬季均值最低分別為2.58 mg/L和3.02 mg/L，汾河CODMn質量濃度秋季均值最低為29.21 mg/L，渭河CODMn質量濃度均值夏季最低為4.79 mg/L。

各監測斷面NH3-N質量濃度變化明顯，總體呈冬季＞春季＞秋季＞夏季，其中濟源小浪底秋季NH3-N質量濃度最低為0.16 mg/L，運城河津大橋冬季NH3-N質量濃度最低為16.07 mg/L。黃河干流、湟水、汾河和渭河NH3-N質量濃度夏季均值最低，分別為0.24、0.98、7.91 mg/L和0.80 mg/L；冬季均值最高，分別為0.49、2.98、16.07 mg/L和2.47 mg/L。

圖2 黃河干流及主要支流水體污染物質量濃度的時空分布

綜上所述，黃河干流、湟水、汾河和渭河的DO、CODMn和NH3-N質量濃度基本在冬季和春季較大，秋季和夏季相對較小，這是由于秋季和夏季降水較多，河流徑流量較大，水體自凈能力較強，此時水體污染物質量濃度相對較好；冬季和春季降水較少，河流徑流量較小，水體自凈能力減弱，從而使水體污染物質量濃度相對較差[34-35]。

2.1.3 水體污染物質量濃度變化趨勢

對各監測斷面DO、CODMn和NH3-N質量濃度數據的時間序列進行M-K檢驗分析，其變化趨勢分布情況如圖3所示。中衛新墩和忻州萬家寨水庫監測斷面DO質量濃度呈顯著減小趨勢，天水牛背、石嘴山麻黃溝和濟南濼口監測斷面DO質量濃度呈顯著增加趨勢；蘭州新城橋、石嘴山麻黃溝和天水牛背監測斷面CODMn質量濃度呈顯著減小趨勢，包頭畫匠營子監測斷面CODMn質量濃度呈顯著增加趨勢；海東民和橋和天水牛背監測斷面NH3-N呈顯著性減小趨勢；而針對其余監測斷面DO、CODMn和NH3-N的質量濃度變化趨勢不顯著。

圖3 各監測斷面水體污染物變化趨勢

2.1.4 水質時空差異性分析

利用方差分析對黃河干流及主要支流監測斷面水質指標進行差異性分析，同時采用Duncan方法檢驗差異的顯著性程度，其差異性檢驗結果如表2所示。可知，黃河干流及主要支流監測斷面pH值、DO、CODMn和NH3-N在空間和時間上均呈現顯著的差異性（＜0.05），說明不管從空間尺度還是時間尺度上，其水質指標都存在明顯的變化，為了更加準確的描述水質總體變化狀況，需要對水質狀況進一步綜合分析。

表2 水質時空差異性檢驗結果

注 采用Duncan方法檢驗，顯著性水平﹤0.05。

2.2 基于WPI指數的水質分析

2.2.1 基于指數的水質時空分布

根據各監測斷面的值，在保持監測數據時間一致的基礎上，統計空間上各監測斷面水質不同類別的頻率（各監測斷面監測頻次為92），具體情況如圖4所示。蘭州新城橋、中衛新墩、石嘴山麻黃溝、烏海海勃灣、包頭畫匠營子、忻州萬家寨水庫、濟源小浪底、濟南濼口和天水牛背的值大部分處于III類及以下水質標準，頻率分別為98.91%、100%、98.91%、96.74%、98.91%、100%、84.78%、100%和91.30%；海東民和橋、運城河津大橋和渭南潼關吊橋的值大部分處于IV類及以上水質標準，頻率分別為66.30%、98.91%和78.26%，其中達到劣V類水質標準的頻率分別為43.48%、89.13%和27.17%。總體來說，黃河干流水質狀況比主要支流水質狀況好，而支流匯入黃河干流前的監測斷面水質狀況最差。

從季節來看，基于指數的黃河干流及主要支流水質類別斷面占比如圖5所示。各季節值處于II類水質標準的斷面占比最大，春季、夏季、秋季和冬季的斷面占比分別為52.34%、50.14%、57.72%和50.55%；其次為值處于III類水質標準的斷面占比，春季、夏季、秋季和冬季的斷面占比分別為20.11%、23.58%、21.41%和19.95%；值達到IV類及以上水質標準的斷面占比冬季最大為28.69%，其次為春季和夏季分別為25.90%和25.20%，秋季最小為18.70%，其中春季和冬季值達到劣V類水質的斷面占比分別達到了18.73%和18.31%，說明整體黃河干流及主要支流在春季和冬季水質出現較差的監測斷面居多。

圖4 基于WPI指數的水質類別頻率統計

圖5 基于WPI指數的水質類別斷面占比

2.2.2 基于的水質趨勢變化

根據指數的各斷面水質變化趨勢（圖6）可知，黃河干流及主要支流各監測斷面的值均呈現下降趨勢，其中海東民和橋、中衛新墩和天水牛背下降趨勢比較顯著；與上面各水體污染物濃度變化趨勢相比，值的變化趨勢與NH3-N的變化趨勢最為接近，說明黃河干流及主要支流各監測斷面水質濃度變化的控制指標為NH3-N。另外對各監測斷面的值進行MK趨勢突變分析可知，濟南濼口在2010年9月出現明顯突變，忻州萬家寨水庫在2011年4月出現明顯突變，包頭畫匠營子和運城河津大橋分別在2012年5月和6月出現明顯突變，濟源小浪底、石嘴山麻黃溝、渭南潼關吊橋和烏海海勃灣分別在2013年11、4、8月和4月出現明顯突變，蘭州新城橋和天水牛背分別在2016年1月和6月出現明顯突變；各監測斷面值在不同的時間段發生明顯突變，說明在此時間段之后監測斷面水體污染狀況呈現出明顯的變好趨勢。

圖6 基于WPI指數的各斷面水質變化趨勢

2.2.3 基于指數的聚類和箱線圖分析

根據空間聚類分析結果（圖7（a））可知，可將黃河干流及主要支流監測斷面值在空間上分為3類：S1類主要位于黃河干流及渭河甘-陜省界，包括中衛新墩、濟南濼口、忻州萬家寨水庫、蘭州新城橋、石嘴山麻黃溝、烏海海勃灣、包頭畫匠營子、濟源小浪底和天水牛背，這類監測斷面的水質狀況最好；S2類主要位于湟水和渭河匯入黃河干流入口處，包括海東民和橋和渭南潼關吊橋，這類監測斷面的水質狀況較差；S3類為運城河津大橋，位于汾河匯入黃河干流入口處，此處的水質狀況最差。根據時間聚類分析結果（圖7（b））可知，可將黃河干流及主要支流值在時間上分為3個時段：時段T1為6—10月，時段T2為4、5、11月和12月，時段T3為1—3月；這與黃河干流及主要支流季節的月份基本上對應，說明各季節值的差異性較顯著，但組內各月值的差異不大，T1時段內的水質狀況比T2時段和T3時段的水質狀況好，這與季節性的分析結果一致。

圖7 基于WPI指數的空間尺度和時間尺度聚類分析

根據空間箱型圖結果（圖8（a））可知，運城河津大橋的值變異性最大，說明其水質狀況的波動性較大；海東民和橋和渭南潼關吊橋的值變異性次之，其水質狀況的波動性弱于運城河津大橋；其余監測斷面的值變異性相對較小，水質狀況整體較為穩定。根據時間箱型圖結果（圖8（b））可知，1—3月的值變異性相對較大，4、5、11月和12月的值變異性次之，6—10月的值變異性相對較小；說明水質整體狀況在年內的波動性較大。

圖8 基于WPI指數的空間尺度和時間尺度箱線圖分析

3 討論

黃河干流及主要支流水體污染物主要來自工業廢水、生活污水、畜禽養殖廢水以及化肥農藥施用引起的農業面源污染。相關研究表明渭河沿岸工業、農業和養殖業生產規模不斷擴大，生產生活用水量增加，污水的排放量也不斷增加，導致渭河流域的環境污染負荷上升；汾河排放了大量未經處理的工業廢水和生活污水，使得汾河水體遭到了嚴重污染[36-38]。據統計，2019年青海省湟水流域城鎮居民生活污水排放量為6 101萬t，工業廢水排放量為7 495萬t[39]；2018年山西省汾河流域廢污水排放量達到了3.52億t，占山西省總廢污水排放量的44.4%[40]；2018年陜西省黃河流域城鎮居民生活污水排放量為4.699億t，工業廢水排放量為4.912萬t[41]。

從時間尺度來說，黃河干流及主要支流各監測斷面的水體污染物具有顯著的差異性且呈變好趨勢，這與相關研究[9,42]具有一致性。由于水體污染物質量濃度受到降雨、徑流和人類活動等多種因素的影響，黃河干流及主要支流水體污染物呈春季和冬季較差、夏季和秋季水體污染物相對較好的現象，這是因為春季和冬季河流徑流較小，水體自凈能力較差，夏季河秋季河流徑流較大，水體自凈能力較強；然而徑流量相對于水體污染物質量濃度變化存在一個極值，當徑流量大于這個極值時，河流能夠保持足夠的自潔能力，反之河流會被進一步污染[43]。

從空間尺度來說，黃河干流及主要支流各監測斷面的水體污染物具有顯著的空間差異性，黃河干流水質狀況最好，湟水和渭河水質狀況次之，汾河水質狀況最差，這主要與各流域當地的經濟社會發展狀況和廢污水排放量大小密切相關。目前來看，仍有些監測斷面污染情況較為嚴重，如海東民和橋、渭南潼關吊橋和運城河津大橋，水污染指數年均值分別達到了86.60、107.19和297.29，同時研究表明黃河流域各監測斷面水質質量濃度變化的控制指標為NH3-N，這與相關研究發現渭河主要污染因子以NH3-N為主一致[44]。

總體來說，黃河流域各監測斷面的水質呈現顯著的時空差異性，為減少河流水體污染物質量濃度改善河流水體環境，要減少化肥農藥的使用，從源頭控制污染物的來源；要加大工業廢水、生活污水和養殖廢水的處理力度，減少污染物的排放；要加強黃河流域污染較重的支流的監測和治理，針對排污量較大的項目，應及時采取治理措施。

4 結論

1）黃河干流及主要支流水質總體上呈現弱堿性，黃河干流水質狀況最好，湟水和渭河水質狀況次之，汾河水質狀況最差，且水質指標在空間和時間上均呈現顯著的差異性；海東民和橋、渭南潼關吊橋和運城河津大橋的水體污染物質量濃度超過III水質標準占比基本上處于50%以上，且其值達到IV類及以上水質標準的頻次較高，分別為66.30%、98.91%和78.26%。

2）各監測斷面呈春季和冬季水質狀況較差，而夏季和秋季水質狀況相對較好，值達到IV類及以上水質標準的斷面占比冬季最大為28.69%，其次為春季和夏季分別為25.90%和25.20%，秋季最小為18.70%。各監測斷面的值均呈現下降趨勢，其中海東民和橋、中衛新墩和天水牛背下降趨勢比較顯著；監測斷面水質在不同年份出現明顯突變，且質量濃度變化的控制指標為NH3-N。

3）基于指數的時空聚類分析結果與水體污染物質量濃度的時空分布情況具有一致性，空間上海東民和橋、渭南潼關吊橋和運城河津大橋值的波動性相對較大，其余監測斷面的值變異性相對較小；時間上1—3月的值波動性相對較大，其余月份值波動性相對較小。

[1] 湯云, 盧毅敏, 吳升. 閩江流域水質時空分布特征及污染源解析[J]. 長江科學院院報, 2019, 36(8): 30-35, 48.

TANG Yun, LU Yimin, WU Sheng. Spatio-temporal distribution and source identification of water pollutants in Minjiang river basin[J]. Journal of Yangtze River Scientific Research Institute, 2019, 36(8): 30-35, 48.

[2] 馬小雪, 王臘春, 廖玲玲. 溫瑞塘河流域水體污染時空分異特征及污染源識別[J]. 環境科學, 2015, 36(1): 64-71.

MA Xiaoxue, WANG Lachun, LIAO Lingling. Spatio-temporal characteristics and source identification of water pollutants in Wenruitang river watershed[J]. Environmental Science, 2015, 36(1): 64-71.

[3] 陳欣佛, 柴元冰, 閔敏. 基于Kendall檢驗法的湟水水質變化趨勢分析[J]. 人民黃河, 2019, 41(9): 97-101.

CHEN Xinfo, CHAI Yuanbing, MIN Min. Analysis of variation trend of Huangshui water quality based on Kendall method[J]. Yellow River, 2019, 41(9): 97-101.

[4] 邱瑀, 盧誠, 徐澤, 等. 湟水河流域水質時空變化特征及其污染源解析[J]. 環境科學學報, 2017, 37(8): 2 829-2 837.

QIU Yu, LU Cheng, XU Ze, et al. Spatio-temporal variation characteristics and water pollution sources in the Huangshui River Basin[J]. Acta Scientiae Circumstantiae, 2017, 37(8): 2 829-2 837.

[5] 朱琳, 王雅南, 韓美, 等. 武水河水質時空分布特征及污染成因的解析[J]. 環境科學學報, 2018, 38(6): 2 150-2 156.

ZHU Lin, WANG Ya’nan, HAN Mei, et al. Spatio-temporal distribution of water quality and source identification of pollution in Wushui River Basin[J]. Acta Scientiae Circumstantiae, 2018, 38(6): 2 150-2 156.

[6] 滕智超, 丁愛中, 李亞惠, 等. 赤水河上游水質時空特征分析及其污染源解析[J]. 北京師范大學學報(自然科學版), 2016, 52(3): 322-327.

TENG Zhichao, DING Aizhong, LI Yahui, et al. Sources of water pollution and their spatiotemporal variations in the upper reach of the Chishui River[J]. Journal of Beijing Normal University (Natural Science), 2016, 52(3): 322-327.

[7] 李艷紅, 葛剛, 胡春華, 等. 基于聚類分析和因子分析的鄱陽湖流域水質時空變化特征及污染源分析[J]. 南昌大學學報(理科版), 2016, 40(4): 360-365.

LI Yanhong, GE Gang, HU Chunhua, et al. Spatiotemporal variation and pollution sources analysis of Poyang Lake basin by cluster and factor analysis[J]. Journal of Nanchang University (Natural Science), 2016, 40(4): 360-365.

[8] ZHAI X Y, XIA J, ZHANG Y Y. Water quality variation in the highly disturbed Huai River Basin, China from 1994 to 2005 by multi-statistical analyses[J]. Science of the Total Environment, 2014, 496: 594-606.

[9] 時文博, 曹春燕, 宋穎, 等. 基于多元統計分析的黃河山東段水質評價研究[J]. 人民黃河, 2020, 42(2): 48-53.

SHI Wenbo, CAO Chunyan, SONG Ying, et al. Water quality assessment of the Shandong reach of the Yellow River based on multivariate reach analysis[J]. Yellow River, 2020, 42(2): 48-53.

[10] AL-MUTAIRI N, ABAHUSSAIN A, EL-BATTAY A. Spatial and temporal characterizations of water quality in Kuwait Bay[J]. Marine Pollution Bulletin, 2014, 83(1): 127-131.

[11] HAYAKAWA A, IKEDA S, TSUSHIMA R, et al. Spatial and temporal variations in nutrients in water and riverbed sediments at the mouths of rivers that enter Lake Hachiro, a shallow eutrophic lake in Japan[J]. Catena, 2015, 133: 486-494.

[12] VAROL M, G?KOT B, BEKLEYEN A, et al. Spatial and temporal variations in surface water quality of the dam reservoirs in the Tigris River basin, Turkey[J]. Catena, 2012, 92: 11-21.

[13] 徐發凱, 何麗, 王一帆, 等. 2010—2019年黃河干流蘭州和白銀段水質時空變化特征[J]. 水資源保護, 2021, 37(4): 44-50.

XU Fakai, HE Li, WANG Yifan, et al. Temporal and spatial variation characteristics of water quality in Lanzhou and Baiyin section of the Yellow River [J]. Water Resources Protection, 2021, 37(4): 44-50.

[14] 寧忠瑞, 李虹彬. 基于水質標識指數的黃河寧夏段水質評價與分析[J]. 灌溉排水學報, 2020, 39(S1): 56-61.

NING Zhongrui, LI Hongbin. Assessment and analysis of water quality in ningxia section of the Yellow River based on comprehensive water quality identification index[J]. Journal of Irrigation and Drainage, 2020, 39(S1): 56-61.

[15] 張婧雯, 王婷. 山西境內黃河流域2016—2019年間COD及氨氮變化特征[J]. 四川環境, 2020, 39(3): 19-24.

ZHANG Jingwen, WANG Ting. Chemical oxygen demand and ammonia nitrogen variation characteristic of the Yellow River Basin in Shanxi from 2016 to 2019[J]. Sichuan Environment, 2020, 39(3): 19-24.

[16] 白璐, 孫園園, 趙學濤, 等. 黃河流域水污染排放特征及污染集聚格局分析[J]. 環境科學研究, 2020, 33(12): 2 683-2 694.

BAI Lu, SUN Yuanyuan, ZHAO Xuetao, et al. Analysis on Discharge Characteristics and Pollution Aggregation Pattern of Water Pollution in Yellow River Basin[J]. Research of Environmental Sciences, 2020, 33(12): 2 683-2 694.

[17] 陸丹, 耿昭克, 閔敏, 等. 基于區間型貝葉斯模型的湟水干流水質評價[J]. 水利水運工程學報, 2020(2): 15-21.

LU Dan, GENG Zhaoke, MIN Min, et al. Water quality evaluation in Huangshui mainstream based on interval type Bayesian model[J]. Hydro-Science and Engineering, 2020(2): 15-21.

[18] 劉征, 劉洋. 水污染指數評價方法與應用分析[J]. 南水北調與水利科技, 2005, 3(4): 35-37.

LIU Zheng, LIU Yang. Methods and analyses of water pollution index assessment[J]. South-to-North Water Transfers and Water Science & Technology, 2005, 3(4): 35-37.

[19] 劉琰, 鄭丙輝, 付青, 等. 水污染指數法在河流水質評價中的應用研究[J]. 中國環境監測, 2013, 29(3): 49-55.

LIU Yan, ZHENG Binghui, FU Qing, et al. Application of water pollution index in water quality assessment of rivers[J]. Environmental Monitoring in China, 2013, 29(3): 49-55.

[20] 孫藝珂, 王琳, 祁峰. 改進綜合水質指數法分析黃河水質演變特征[J]. 人民黃河, 2018, 40(7): 78-81, 87.

SUN Yike, WANG Lin, QI Feng. Analysis of water quality evolution of the main stream of the Yellow River based on improved integrated water quality index[J]. Yellow River, 2018, 40(7): 78-81, 87.

[21] 景朝霞, 夏軍, 張翔, 等. 漢江中下游干流水質狀況時空分布特征及變化規律[J]. 環境科學研究, 2019, 32(1): 104-115.

JING Zhaoxia, XIA Jun, ZHANG Xiang, et al. Spatial and temporal distribution and variation of water quality in the middle and downstream of Hanjiang river[J]. Research of Environmental Sciences, 2019, 32(1): 104-115.

[22] 左其亭, 張志卓, 吳濱濱. 基于組合權重TOPSIS模型的黃河流域九省區水資源承載力評價[J]. 水資源保護, 2020, 36(2): 1-7.

ZUO Qiting, ZHANG Zhizhuo, WU Binbin. Evaluation of water resources carrying capacity of nine provinces in Yellow River Basin based on combined weight TOPSIS model[J]. Water Resources Protection, 2020, 36(2): 1-7.

[23] 國家環境保護總局, 國家質量監督檢驗檢疫總局. 地表水環境質量標準: GB 3838—2002[S]. 北京: 中國環境科學出版社, 2002.

[24] WU H, SOH L K, SAMAL A, et al. Trend analysis of streamflow drought events in Nebraska[J]. Water Resources Management, 2008, 22(2): 145-164.

[25] BOUZA-DEA?O R, TERNERO-RODRíGUEZ M, FERNáNDEZ-ESPINOSA A J. Trend study and assessment of surface water quality in the Ebro River (Spain)[J]. Journal of Hydrology, 2008, 361(3/4): 227-239.

[26] 魏光輝, 鄧麗娟. 基于MK與SR非參數檢驗方法的干旱區降水趨勢分析[J]. 西北水電, 2014(4): 1-4.

WEI Guanghui, DENG Lijuan. Analysis on precipitation trend in arid regions based on non- parametric verification methods of Mann- Kendall and Spearman's rho[J]. Northwest Hydropower, 2014(4): 1-4.

[27] 張彥, 梁志杰, 李平, 等.河南省2009—2017年水體污染物時空分布特征解析[J].灌溉排水學報, 2020, 39(10): 91-98, 144.

ZHANG Yan, LIANG Zhijie, LI Ping, et al. Spatiotemporal Variation of Pollutants in Water Bodies from 2009 to 2017 in Henan Province [J]. Journal of Irrigation and Drainage, 2020, 39(10):91-98, 144.

[28] 張濤, 陳求穩, 易齊濤, 等. 太湖流域上游平原河網區水質空間差異與季節變化特征[J]. 湖泊科學, 2017, 29(6): 1 300-1 311.

ZHANG Tao, CHEN Qiuwen, YI Qitao, et al. Spatial and seasonal variations of water quality in the upstream plain river networks of the Taihu Basin[J]. Journal of Lake Sciences, 2017, 29(6): 1 300-1 311.

[29] 劉歡, 吳金甲. 水污染指數法在河流水質評價中應用分析[J]. 安徽農業科學, 2014, 42(21): 7 164-7 165.

LIU Huan, WU Jinjia. Application of water pollution index in water quality assessment of Rivers [J]. Journal of Anhui Agricultural Sciences, 2014, 42(21): 7 164-7 165.

[30] WANG Q, WU X, ZHAO B, et al. Combined multivariate statistical techniques, Water Pollution Index (WPI) and Daniel Trend Test methods to evaluate temporal and spatial variations and trends of water quality at Shanchong River in the Northwest Basin of Lake Fuxian, China[J]. PLoS One, 2015, 10(3): e0118590.

[31] 周豐, 郭懷成, 黃凱, 等. 基于多元統計方法的河流水質空間分析[J]. 水科學進展, 2007, 18(4): 544-551.

ZHOU Feng, GUO Huaicheng, HUANG Kai, et al. Multivariate statistical technique for spatial variation in river water quality[J]. Advances in Water Science, 2007, 18(4): 544-551.

[32] 郝守寧, 董飛. 尼洋河水質沿程變化特征多元統計分析[J].灌溉排水學報, 2019, 38(12): 109-114.

Changing characteristics of the water quality along the Niyang River based on multivariate analysis method[J]. Journal of Irrigation and Drainage, 2019, 38(12): 109-114.

[33] TAREEN A D K, NADEEM M S A, KEARFOTT K J, et al. Descriptive analysis and earthquake prediction using boxplot interpretation of soil radon time series data[J]. Applied Radiation and Isotopes, 2019, 154: 108861.

[34] 魏伊寧, 李勛貴, 李芳. 黃河上游徑流豐枯分布特征及其影響因素[J/OL]. 水資源保護: 1-14 [2021-05-04]. http://h-s.kns.cnki.net.zzulib.vpn358.com/kcms/detail/32.1356.TV.20201218.1111.002.html.

WEI Yining, LI Xungui, LI Fang. Distribution characteristics and influencing factors of high and low runoff in the upper Yellow River[J/OL]. Water Resources Protection: 1-14 [2021-05-04]. http://h-s.kns.cnki.net.zzulib.vpn358.com/kcms/detail/32.1356.TV.20201218.1111.002.html.

[35] 陳磊, 王義民, 暢建霞, 等. 黃河流域季節降水變化特征分析[J]. 人民黃河, 2016, 38(9): 8-12, 16.

CHEN Lei, WANG Yimin, CHANG Jianxia, et al. Characteristics and variation trends of seasonal precipitation in the Yellow River Basin[J]. Yellow River, 2016, 38(9): 8-12, 16.

[36] 樊璐, 成愛芳. 2011—2018渭河陜-甘交界區水質狀況評價[J]. 陜西農業科學, 2019, 65(8): 79-82.

FAN Lu, CHENG Aifang. Water quality evaluation of Weihe river in junction area of Shaanxi-Gansu from 2011—2018[J]. Shaanxi Journal of Agricultural Sciences, 2019, 65(8): 79-82.

[37] 吳瑞紅, 任悅玲. 汾河太原段COD、氨氮特征分布和污染防治[J]. 山西水利, 2017, 33(6): 17-19, 23.

WU Ruihong, REN Yueling. Characteristic distribution and pollution control of COD and ammonia nitrogen in Taiyuan Section of Fenhe River [J]. Shanxi Water Resources, 2017, 33(6): 17-19, 23.

[38] 呂振豫, 穆建新. 黃河流域水質污染時空演變特征研究[J]. 人民黃河, 2017, 39(4): 66-70, 77.

LYU Zhenyu, MU Jianxin. Study on spatial and temporal evolution feature of water quality in Yellow River Basin[J]. Yellow River, 2017, 39(4): 66-70, 77.

[39] 青海省水利廳. 2019年青海省水資源公報[R].青海省, 2019.

[40] 山西省水利廳. 2018年山西省水資源公報[R].山西省, 2018.

[41] 陜西省水利廳. 2018年陜西省水資源公報[R].陜西省, 2018.

[42] 于茜. 陜西省渭河流域水質變化分析研究[J]. 環境科學與管理, 2017, 42(8): 150-153.

YU Qian. Analysis on water quality change in Weihe river basin of Shaanxi Province[J]. Environmental Science and Management, 2017, 42(8): 150-153.

[43] 王泰然, 孫根年, 劉順艷. 渭河干流關中段水污染時空變化及其與徑流量的關系[J]. 干旱區研究, 2011, 28(4): 609-615.

WANG Tairan, SUN Gennian, LIU Shunyan. Relationship between spatiotemporal variation of water pollution and runoff volume of mainstream section of the Weihe river in Shaanxi Province[J]. Arid Zone Research, 2011, 28(4): 609-615.

[44] 趙儷婷, 成愛芳. 2008—2018年渭河陜-晉-豫交界區水質狀況評價[J]. 江西科學, 2019, 37(3): 359-364.

ZHAO Liting, CHENG Aifang. Evaluation of water quality in the Wei river Shaanxi-Shanxi-Henan junction area from 2008 to 2018[J]. Jiangxi Science, 2019, 37(3): 359-364.

Spatiotemporal Variation in Water Quality in the Yellow River Basin

ZHANG Yan1,3,4, LIANG Zhijie1,4, ZOU Lei2, LI Ping1,4, DOU Ming3,5, HUANG Zhongdong1, QI Xuebin1,4*, GAO Qing1,4

(1.Institute of Farmland Irrigation, Chinese Academy of Agricultural Sciences, Xinxiang 453002, China; 2. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 3. School of Water Conservancy Engineering, Zhengzhou University, Zhengzhou 450001, China; 4.Laboratory of Quality and Safety Risk Assessment for Agro-Products on Water Environmental Factors, Ministry of Agriculture, Xinxiang 453002, China; 5. School of Ecology and Environment, Zhengzhou University, Zhengzhou 450001, China)

【】The Yellow River is the second largest river in China, flowing through six provinces across the county from the west to the east. The rapid economic development and the increased anthropogenic activity over the past four decades, however, have resulted in changes in its runoffs and water quality both temporally and spatially. Understanding these changes can help improve water management and maintain ecological sustainability of the river. The purpose of this paper is to present the results of a survey on the water quality of Yellow River and its tributaries.【】We selected 12 sections in the river and its tributaries, and measured pH, dissolved oxygen (DO), permanganate index (CODMn) and ammonia nitrogen (NH3) in each section at different seasons. Spatiotemporal variations in these chemical properties were analyzed using the multivariate statistical method, and the quality of the water at each section was quantified using a water pollution index ().【】Water quality of the river was the best in the mainstream, followed by its tributaries Huangshui River and Weihe River, with the water quality in Fen river being the worst. All four chemical properties varied spatiotemporally. Themeasured at different seasons in the sections at Minhe Bridge in Haidong, Tongguan Suspension Bridge in Weinan, and Yuncheng Hejin Bridge in Yuncheng, reached Class IV water quality standard or above at frequencies of 66.30%, 98.91% and 78.62%, respectively. In general, the water quality of all sections was poor in spring and winter but improved in summer and autumn. During the measuring period, thein all sections had been in decrease, especially the sections at Minhe Bridge in Haidong, Zhongwei Xintun, and Tianshui Niubei. Cluster analysis based on theindex was consistent with the spatiotemporal distribution of the pollutant concentrations, and the seasonal fluctuation inat Minhe Bridge in Haidong, Tongguan Suspension Bridge in Weinan, and Hejin Bridge in Yuncheng, was higher, especially from January to March, than that in other sections. 【】The water quality of Yellow River and its tributaries varied spatiotemporally, but overall it has been improving.

Yellow river; spatiotemporal variation; water pollution index; cluster analysis

張彥, 梁志杰, 鄒磊, 等. 黃河干流及主要支流水質時空差異性及其變化特征研究[J]. 灌溉排水學報, 2021, 40(9): 125-133.

ZHANG Yan, LIANG Zhijie, ZOU Lei, et al.Spatiotemporal Variation in Water Quality in the Yellow River Basin[J]. Journal of Irrigation and Drainage, 2021, 40(9): 125-133.

X824

A

10.13522/j.cnki.ggps.2021621

1672 – 3317（2021）09 - 0125 - 09

2020-11-04

河南省自然科學基金項目（212300410310）；國家重點研發計劃項目子課題（2017YFD0800403）；中央級公益性科研院所基本科研業務費專項（FIRI20210105，FIRI2017-11）；國家自然科學基金項目（51879239，42101043）；常熟市耕地質量提升技術支撐服務項目（JSJY-Z2021D002）

張彥（1989-），男。助理研究員，主要從事水資源與水環境研究。E-mail: zhangyan09@caas.cn

齊學斌（1963-），男。研究員，主要從事農業水資源研究。E-mail: qxb6301@sina.cn

責任編輯：趙宇龍