基于水質自動監測中的重要指標關聯性分析

李丹丹

(廣東省廣州生態環境監測中心站，廣東 廣州 510000)

近年來，我國經濟發展進入了快車道。人民消費水平得到了快速提升，生活質量越來越高。水是生命之源，對日常生活、經濟發展有著至關重要的作用，水質的好壞更是影響著社會的方方面面。確保水質達標是政府部門的重要工作使命[1]，這就需要在水環境監測中及時跟蹤水質變化，及時發現異常監測指標，及早采取應對措施，避免發生重大水質污染問題[2]。

1 研究目的及意義

水環境監測實踐工作中，經常會遇到一些影響水體質量的問題。如：地表水環境質量達標情況不理想；某個監測指標持續超標但無法找到直接引起其污染變化的外部因素、某個時間段內某些監測指標短時超標后又能自行恢復正常等。水環境監測指標的變化是由多個因素綜合作用導致的，不僅僅可能由外部條件引起(如農業面源污染、工業排污、生活排污等)[3]，還應該考慮是否由其余某個監測指標的異常而引起。因此，了解某些監測指標之間的關聯性，摸清彼此間的相互影響程度，有助于在更多元化的角度和途徑去改善水質狀況[4]。對于有效進行水質超標預警，提前作出應對措施，提高水環境治理效果具有積極意義。本文通過對流溪河流域上、中、下游斷面的數據分析發現，不同監測斷面中的部分監測指標之間(主要為溫度、溶解氧、高錳酸鹽指數、氨氮、總磷)數值存在不同程度不同形式的關聯性。

2 監測斷面選取原因

流溪河流域面積共2290 km2，其中2256.72 km2位于廣州市境內(從化區)。從化區位于廣州市北部，以綠色生態型、資源保護型發展方式為主[5]。流溪河流域源頭區域于從化區呂田鎮羅水樓村以上區域，含黃嶺水和羅水，源頭區域面積共 25.5 km2。現狀植被良好，人類活動影響程度低。另外，流溪河流域由于涉及城市飲用水源保護區，故水環境治理及保護措施到位。

為了能夠更好地從監測指標之間的相互影響這個角度去分析數據，故本文選取了水質較少受到人類活動或其余外部因素影響的流溪河流域作為研究對象，采用運行狀態穩定且監測頻次較高的廣州市水質自動監測站的數據進行分析，分別選取流溪河流域的上、中、下游各一個代表性斷面。

對其水質自動站2022年1-5月日均值監測數據進行相關性分析發現，在同一時間段內，溶解氧濃度在同一流域不同空間上與溫度、高錳酸鹽指數、氨氮存在不同程度的關聯性。

3 溫度、溶解氧、高錳酸鹽指數、氨氮、總磷之間的關聯性

3.1 流溪河流域上游斷面

利用流溪河流域上游某斷面水質自動站2022年1-5月的監測數據繪制折線圖發現，溫度-溶解氧曲線呈現高度對稱性，溫度先上升后下降，溶解氧先下降后上升，同一時間段內兩者趨勢相反，如圖1所示，總磷-溶解氧曲線存在線性關系，在大部分之間段內趨勢變化一致，總磷濃度上升溶解氧濃度也隨之上升，總磷濃度下降溶解氧濃度也隨之下降，如圖2所示。

圖1 流溪河流域上游某斷面水站溫度-溶解氧折線圖

圖2 流溪河流域上游某斷面水站總磷-溶解氧折線圖

利用Pearson相關系數法研究溶解氧分別和高錳酸鹽指數、氨氮、溫度、總磷之間的相關關系，結果表明溶解氧和溫度之間的相關系數值為-0.900，并且呈現出0.01水平的顯著性，因而說明溶解氧和溫度之間有著顯著的負相關關系；溶解氧和總磷之間的相關系數值為0.669，并且呈現出0.01水平的顯著性，因而明溶解氧和總磷之間存在明顯的正相關關系，如表1所示，溶解氧和高錳酸鹽指數之間的p值大于0.05，兩者相關性不顯著；溶解氧與氨氮之間呈現出0.01水平的顯著性，但相關系數較小，相關性不明顯。

表1 流溪河流域上游某斷面水站

將溫度作為自變量，溶解氧作為因變量進行線性回歸分析，一元線性回歸方程為溶解氧=13.292-0.231*溫度，R2值為0.834，意味著溫度可以解釋溶解氧的83.4%變化原因。對該一元線性回歸方程進行F檢驗時通過(F=661.362，p=0.000<0.05)，也即說明溫度一定會對溶解氧產生影響關系。溫度的回歸系數值為-0.231(t=-25.717，p=0.000<0.01)，意味著溫度會對溶解氧產生顯著的負向影響關系，如表2所示。

表2 流溪河流域上游某斷面水站溫度-溶解氧線性回歸分析及F檢驗結果

將總磷作為自變量，溶解氧作為因變量進行線性回歸分析，一元線性回歸方程為：溶解氧=8.301+29.692×總磷，R2值為0.448，意味著總磷可以解釋溶解氧的44.8%變化原因。對該一元線性回歸方程進行F檢驗時通過(F=107.039， p=0.000<0.05)，也即說明總磷一定會對溶解氧產生影響關系。總磷的回歸系數值為29.692(t=10.346，p=0.000<0.01)，意味著總磷會對溶解氧產生顯著的正向影響關系，如表3所示。

表3 流溪河流域上游某斷面水站

3.2 流溪河流域中游斷面

利用流溪河流域中游某斷面水質自動站2022年1-5月的監測數據繪制折線圖發現，高錳酸鹽指數-總磷曲線趨勢高度吻合，總磷濃度上升，高錳酸鹽指數濃度也上升，總磷濃度下降，高錳酸鹽指數濃度也下降，如圖3所示。

圖3 流溪河流域中游某斷面水站總磷-高錳酸鹽指數折線圖

同理，利用Pearson相關系數法研究發現，高錳酸鹽指數和總磷之間的相關系數值為0.865，并且呈現出0.01水平的顯著性，因而說明高錳酸鹽指數和總磷之間有著顯著的正相關關系，如表4所示，高錳酸鹽指數與溫度、氨氮、溶解氧之間的P 值均大于0.05，相關性不顯著。

表4 流溪河流域中游某斷面水站Pearson相關系數法分析結果

將總磷作為自變量，高錳酸鹽指數作為因變量進行線性回歸分析，一元線性回歸方程為：高錳酸鹽指數=0.448+21.414×總磷，R2值為0.748，意味著總磷可以解釋高錳酸鹽指數的74.8%變化原因。對該一元線性回歸方程進行F檢驗時通過F(F=441.451，p=0.000<0.05)，也即說明總磷一定會對高錳酸鹽指數產生影響關系。總磷的回歸系數值為21.414(t=21.011，p=0.000<0.01)，意味著總磷會對高錳酸鹽指數產生顯著的正向影響關系，如表5所示。

表5 流溪河流域中游某斷面水站總磷-高錳酸鹽指數線性回歸分析及F檢驗結果

3.3 流溪河流域下游斷面

利用李溪壩水質自動站2022年1-5月的監測數據繪制折線圖發現，氨氮-溶解氧曲線存在線性關系，在大部分之間段內趨勢變化相反，氨氮濃度上升，溶解氧濃度下降，氨氮濃度下降，溶解氧濃度上升，如圖4所示。

圖4 流溪河流域下游某斷面水站氨氮-溶解氧折線圖

同理，利用Pearson相關系數法研究發現，溶解氧和氨氮之間的相關系數值為-0.553，并且呈現出0.01水平的顯著性，因而說明溶解氧和氨氮之間有著顯著的負相關關系，如表6所示，溶解氧和高錳酸鹽指數、溫度之間的P值均小于0.05，相關性不顯著；溶解氧和總磷之間的相關系數接近0，相關性較小。

將氨氮作為自變量，溶解氧作為因變量進行線性回歸分析，一元線性回歸方程為為：溶解氧=9.247-7.216×氨氮，R2值為0.298，意味著氨氮可以解釋溶解氧的29.8%變化原因。對模型進行F檢驗時通過(F=63.105，p=0.000<0.05)，也即說明氨氮一定會對溶解氧產生影響關系。氨氮的回歸系數值為-7.216(t=-7.944，p=0.000<0.01)，意味著氨氮會對溶解氧產生顯著的負向影響關系，如表7所示。

表6 流溪河流域下游某斷面水站Pearson相關系數法分析結果

表7 流溪河流域下游某斷面水站氨氮-溶解氧線性回歸分析及F檢驗結果

4 研究結果分析與建議

4.1 分 析

通過分析流溪河流域上、中、下游監測斷面的水質自動站監測數據發現，其溫度、溶解氧、高錳酸鹽指數指數、氨氮、總磷之間存在關聯性。

(1)處于同一流域的不同斷面，各監測指標之間的關聯性大小存在差異，兩兩之間的線性關系也不完全相同，因此不能用某個斷面上某兩個監測指標之間的線性關系來代表整條流域的情況，更不能用來代表附近或者其他流域的情況。

(2)同一流域不同監測斷面之間地質條件、水文條件、生物本底條件等存在差異，污染情況也不同，因此各監測指標數值受到復雜因素的疊加影響，彼此之間的相互關聯性無法統一而論。必須在對同一流域相近斷面的大量有效數據進行全面分析的基礎上，才能得出一個相對可靠的預測性信息。

4.2 建 議

(1)在進行水質預判預警時，可以采用合適的統計分析方法對同一斷面的大量監測數據進行演算，得出各主要監測指標(如溫度、溶解氧、高錳酸鹽指數、氨氮、總磷)之間的相關性，從而獲得其相對合理的線性規律，根據日常監測的數據推算出其余相關指標的數值，來推測出未來一段時間內可能出現的變化情況，結合《地表水環境質量標準》(GB 3838-2002)的標準限值和各斷面水質目標，可預測該水體污染狀況；通過分析影響水質的因子，找出關鍵控制因素，并制定相應措施；對于不能達到預期要求或超出目標值的監測點，采取應急處置預案；對可能存在超標的監測指標提前關注。

(2)為提高監測數據的合理性和可比性，在已驗證某個斷面各監測指標之間的相關性后，將其按照一定的方法建立線性回歸方程，然后再用某個指標數據，結合回歸方程計算與之相關性密切的監測指標的數值范圍，從而達到及時發現異常數據的目的，對異常數據進行申訴，以便于使監測數據更加科學、真實地反應水質狀況。

(3)在水環境監測的實際工作中，對于某些需要重點關注的考核斷面，可以通過大量有效數據來分析各監測指標之間的關聯性，進而得出針對該重點關注斷面的線性回歸模型和預測公式，從而對斷面水質進行預判，并結合當前水環境監測的具體情況提出一些改進措施，提高水環境監測結果的準確性。

5 監測指標間關聯性分析帶來的水環境治理思路

(1)改變水體中氨氮、總磷濃度，間接使溶解氧濃度發生變化。在水質監測實際工作中可知，溶解氧較容易發生波動，且容易受到外部不同因素的影響外，也是水質治理中較難攻克的重要指標。改善溶解氧超標問題，最直接的方法是往水體中曝氣，但這一方法只能在小面積水域中操作，對于江河湖庫而言，不具有操作的可行性。經過分析后發現部分斷面中氨氮、總磷對溶解氧有顯著負向影響，故我們還可以嘗試通過降低水體中氨氮、總磷的濃度，來達到一定程度上使水體溶解氧濃度上升的目的。具體操作為可以通過控制水域周邊的生活污水、工業廢水、農業用水等排入水體，來減少水中有機物污染狀況，降低氮磷污染發生概率，從而間接提高溶解氧濃度。此外，由于溫度升高也可能引起水中溶解氧濃度降低，若在排除其他可能的因素后，溶解氧溶度依舊超標，則可考慮是否由氣溫造成短時間內的溶解氧超標現象。

(2)遏制使總磷濃度升高的因素，一定程度上降低高錳酸鹽指數濃度。由于總磷與高錳酸鹽指數之間存在關聯性，面對部分斷面高錳酸鹽指數超標現象，可考慮是否由河流兩岸及周邊農田隨地表徑流形成的面源污染造成總磷超標，造成水體受到大面積有機污染，造成水體中高錳酸鹽指數劇升高。因此可通過在水域中投放生物菌種加以曝氣增氧等措施，或者通過種植水生植物來吸收總磷，從而在一定程度上減少有機污染，降低高錳酸鹽指數，達到生態治理的目的。

(3)完善自動監測能力建設，為水環境監測數據分析提供保障。環境監測的質量取決于數據測取的代表性、準確性與精密性，監測指標之間的關聯性分析需要建立在大量的監測數據上，考慮到人力物力的限制因素，利用自動監測設備獲取各監測斷面數據是最高效的監測方式。因此，需要提高自動監測能力建設，保障各類典型監測斷面水質自動站數據的穩定性、持續性和有效性，需要在自動監測方面加強能力培訓和投入相關經費，建立并不斷完善自動監測網絡體系，才能有效開展水環境質量評價及管理，為打贏水污染治理這場硬仗奠定堅實的基礎。

6 結 語

研究地表水各監測指標之間的相關性，對了解水質變化趨勢具有重要意義。通過pearson相關系數法，并建立線性回歸模型分析了影響地表水主要污染因子間的相關關系及趨勢變化情況，得出相關數據的大致范圍，可作為指導決策的參考依據，檢查相關數據的合理性，及時發現異常數據，找出存在問題或原因所在，從而提出有針對性的治理對策和措施，為進一步加強水環境管理提供科學依據。