氣象條件對山美水庫水質的影響分析

髙習 韋英英 關哲忠

摘要 利用2018年7月—2023年6月山美水庫水質的常規理化監測日數據和附近自動氣象站逐日氣象觀測數據，運用Pearson相關性分析方法，分析了山美水庫水質監測項目和氣象要素之間的相關關系，并采用綜合污染指數法計算得出水質級別，再利用SPSS 16.0軟件對影響水質級別的氣象因子做Logistic多元回歸和ROC曲線分析，得出山美水庫水質與氣象因子之間的關系，以及氣象因子對水質診斷的最佳閾值，從而構建出氣象條件與山美水庫水質的關系模型，旨在為南安水庫水質的管理提供氣象參考。

關鍵詞 氣象條件；水庫水質；關系模型

中圖分類號：P342 文獻標識碼：B 文章編號：2095–3305（2023）09–0-03

隨著城市化進程的不斷推進，城市對水資源的需求增加，水庫成為許多城市的供水水源。然而，隨著人類社會經濟發展，全球性水污染問題也日趨嚴重，水庫的水質和生態問題嚴重影響著全市的農業生產和人民群眾的生活。在全球氣候變化的大背景下，氣象條件對水體理化特征的影響已成為水生態學研究的熱點問題[1-2]。

南安地處晉江中游，境內各類水利

工程達1.4萬余處，尤其是山美水庫總庫容達6.55億m3，是一座具有防洪、蓄水灌溉、供水、發電、養魚等綜合作用的大型水庫工程，保障400萬人口生活生產和433.33 km2農田灌溉的用水需求，為保障泉州經濟社會的可持續發展提供水資源支撐。此外，山美水庫還承擔著防洪調度重要任務，調洪庫容2.24億m3，汛期蓄水削峰錯峰，保護下游200多萬人口生命財產安全。被譽為“泉州人民的生命庫”和“泉州的生態調節器”。通過分析氣象條件與山美水庫水質之間的關系，從氣象因素角度探討了水庫水質的影響，旨在為山美水庫水質的管理提供氣象方面的參考，為水生態方面的氣象服務以及保護水庫飲用水安全和健康生態系統提供科學依據，從而促進南安生態文明氣象保障技術的發展。

1 資料與方法

1.1 資料來源

選取2018年7月—2023年6月山美

水庫水質的常規理化監測日數據，監測項目包括pH值、電導率、濁度、溶解氧、高錳酸鉀指數、總磷和總氮，以及山美水庫附近氣象自動站的逐日觀測數據，觀測要素包括平均氣溫、最高氣溫、最低氣溫、最大風速、極大風速、平均風速和降水量。

1.2 研究方法

主要運用Pearson相關性分析方法，分析山美水庫水質常規理化監測項目和氣象要素之間的關系，選取出與氣象因素有關的水質監測項目，采用綜合污染指數法計算得出水質級別，利用SPSS 16.0軟件對影響水質級別的氣象要素做Logistic多元回歸和ROC曲線分析，得出山美水庫水質與氣象因子之間的關系，以及氣象因子對水質診斷的最佳閾值，從而構建出氣象條件與山美水庫水質的關系模型。

2 結果與分析

2.1 氣象要素對水質監測項目的影響分析

利用Pearson相關性分析方法對氣象要素與水質監測項目的相關性進行分析得出，有4種常規水質理化監測項目與氣象要素之間具有統計學意義的相關性（P＜0.05），分別是：pH值、溶解氧、高錳酸鹽和總氮。

進一步分析氣象要素對以上4種水質監測項目的影響，將具有相關性的氣象要素變量分別納入相應監測項目的多元線性回歸模型，為避免自變量間的共線性，因此采用多元逐步向前回歸方法進行分析。得到以下分析結果：

（1）影響水體pH值的氣象因子是降水量和最高氣溫（表1）。其中，降水量和最高氣溫對pH值均為正向影響，表示降水量越大，最高氣溫越高，pH值越大，回歸分析模型的R2=0.366，說明模型的解釋能力較好。

（2）影響水體的溶解氧濃度的氣象因子是最高氣溫、最大風速和降水量（表2）。其中，最高氣溫和降水量對溶解氧濃度為正向影響，表示最高氣溫越高，降水量越大，溶解氧的濃度值越大；而最大風速則為負向影響，表示最大風速越大，溶解氧濃度值越小。回歸分析模型中R2=0.116，說明模型的解釋能力較好。

（3）影響水體高錳酸鹽濃度的氣象因子是平均氣溫、平均風速和降水量（表3）。其中，平均氣溫和降水量對高錳酸鹽為正向影響，表示平均氣溫越高，降水量越多，高錳酸鹽的濃度值越大；而平均風速為負向影響，表示平均風速越大，高錳酸鹽濃度值越小。回歸分析模型中R2=0.179，說明模型解釋能力較好。

（4）影響水體中總氮濃度的氣象因子是最大風速和平均風速（表4）。其中，最大風速和平均風速對總氮均為負向影響，表示最大風速和平均風速越大，總氮的濃度值越小。回歸分析模型中R2=0.048，說明模型的解釋能力一般。

利用影響不同水質監測項目的氣象因子的分析結果，在實際中可結合氣象預報，為pH值、溶解氧、高錳酸鹽和總氮4類水質指標的預測和治理提供氣象方面的參考依據。

2.2 建立氣象條件與水庫水質的關系模型

2.2.1 山美水庫水質評價 為了更好地建立氣象條件與水庫水質之間的關系模型，采用綜合污染指數法對水庫水質進行綜合評價[3]。由于僅分析氣象因素對水質的影響，因此選取與氣象要素具有相關性的pH值、溶解氧、高錳酸鹽和總氮這4項水質監測項目作為水質的評價因子，其計算公式為：

Pi =（1）

P =（2）

式（1）、式（2）中，Pi為第i項因子的污染指數，Ci為第i項評價因子實際監測值，Si為第i項評價因子標準限值，m為評價因子總數。

對于pH值，Pi=（Ci -7.0）/（8.5-7.0）（pH＞7.0）或Pi=（7.0 - Ci）/（7.0-6.5）（pH≤7.0），水質評價分級見表5。

由于研究的山美水庫水域功能主要是用于生活飲用水和水產養殖等，根據《地表水環境質量標準》（GB?3838—2002），水質評價因子須滿足Ⅲ類地表水環境標準限值，從而得到2018年7月—2023年6月每日水質的評價結果。

2.2.2 構建氣象條件與水質的關系模型 為保證模型結果更加可靠，需要先篩選出對水質有意義的氣象因子，再將其納入模型進行分析。將合格與不合格2種水質級別對應的氣象要素進行獨立樣本t檢驗和非參數秩和檢驗（表6），從表中可以看出，平均氣溫、最高氣溫、最低氣溫、降水量和平均風速在合格水質和不合格水質兩組間的差異具有統計學意義（P＜0.05）。

將以上5種氣象因子納入Logistic回歸模型，為了排除自變量之間的相關性，采用多元逐步回歸方法，分析不合格水質與氣象因子之間的關系（見表7）。可以看出，最高氣溫、降水量和平均風速均對水質有影響，其中影響程度最大是最高氣溫，其次是降水量，平均風速的影響程度最小。且最高氣溫和降水量對不合格水質有正向影響，表明最高氣溫越高，降水量越多，水質不合格的風險越大，而平均風速則對不合格水質有反向影響，說明風速越小，水質不合格的風險越大。

利用SPSS 16.0軟件對最高氣溫、降水量和平均風速3種氣象因子做ROC曲線分析（圖1），可以看出最高氣溫對水質的診斷效果最好，其次是降水量，平均風速效果最差。因此，在實際中根據氣象條件對水質情況進行診斷預測時，優先考慮最高氣溫和降水量2個因素。

最高氣溫、降水量和平均風速對水質不合格的診斷界限值以及曲線下面積見表8。可以看出，診斷水質不合格的氣象因子的最佳閾值為：最高氣溫＞29.6 ℃，降水量＞0.0 mm，平均風速≤0.8 m/s，可將此閾值作為診斷水質不合格的氣象參考條件。其中，最高氣溫的AUC值0.733為最高，表示最高氣溫對水質的診斷效果最好，而平均風速的AUC值最低且接近0.5，說明用平均風速診斷水質的效果較為一般。

此結果可以為實際工作中開展的針對水庫水質方面的生態氣象服務提供依據和參考，當氣象預報出現最高氣溫＞29.6 ℃，或降水量＞0.0 mm，或平均風速≤0.8 m/s的情況時，可以判斷為水質不合格的氣象條件，并且當最高氣溫滿足該閾值時，水庫水質不合格的可能性最大，從而為水庫水質監測和管理提供氣象參考。

3 結論

通過對2018年7月—2023年6月的山美水庫的水質監測數據與氣象觀測數據之間的關系分析，得出以下結論：

水庫水質監測項目與氣象要素之間的關系表明，氣象要素對水質的pH值、溶解氧、高錳酸鹽和總氮的監測值均有影響，分別表現為：降水量越大，最高氣溫越高，則pH值越大；最高氣溫越高，降水量越大，最大風速越小，則溶解氧的值越大；平均氣溫越高，降水量越大，平均風速越小，則高錳酸鹽的值越大；最大風速和平均風速越小，則總氮的值越大。在氣象條件與山美水庫水質的關系模型中，最高氣溫對水質的影響程度最大，其次是降水量，平均風速對水質的影響程度最小，且最高氣溫越高，降水量越多，平均風速越小，水質不合格的可能性越大。診斷水質不合格的氣象條件為最高氣溫＞29.6 ℃，或降水量＞0.0 mm，或平均風速≤0.8 m/s，其中最高氣溫的診斷效果最好。

通過研究，山美水庫水質與氣象條件之間有著密切的關系，但仍存在需要進一步探討的問題。由于水質評價因子僅選取與氣象要素相關的水質監測項目，因此定義的水質不合格，其污染物主要為受氣象因素影響的污染物，對于水質不合格的診斷是從氣象因素角度得出，僅為水庫水質管理提供氣象方面的參考。由于山美水庫附近所設氣象自動站的觀測要素有限，如氣壓、濕度等氣象要素沒有觀測數據，仍需進一步研究除本研究資料外的氣象因素對水庫水質的影響。

參考文獻

[1] 李蒙，謝國清，魯韋坤，等.氣象條件對滇池水華分布的影響[J].氣象科學， 2011，31（5）：639-645.

[2] 韋力元，王真，洪松.氣象與水質對滇池草海葉綠素a濃度的影響[J].環境科學與技術，2016，39（10）：26-30，35.

[3] 陸衛軍，張濤.幾種河流水質評價方法的比較分析[J].環境科學與管理，2009，34（6）：174-176.

Analysis of the Impact of Meteorological Conditions on the Water Quality of Shanmei Reservoir

Gao Xi et al（Meteorological Bureau of Nan’an City， Fujian Province， Nan’an， Fujian 362300）

Abstract Using daily routine physical and chemical monitoring data of water quality in Shanmei Reservoir from July 2018 to June 2023 and daily meteorological observation data from nearby automatic meteorological stations， Pearson correlation analysis method was used to analyze and study the correlation between water quality monitoring projects and meteorological elements in Shanmei Reservoir. The water quality level was calculated using the comprehensive pollution index method， By using SPSS 16.0 software to perform logistic multiple regression and ROC curve analysis on meteorological factors that affect water quality levels， the relationship between water quality and meteorological factors in Shanmei Reservoir， as well as the optimal threshold for diagnosing water quality by meteorological factors， was obtained. A relationship model between meteorological conditions and water quality in Shanmei Reservoir was constructed， aiming to provide meteorological reference for the management of water quality in Nan’an Reservoir.

Key words Meteorological conditions; Reservoir water quality; Relational model