欢迎访问《渔业研究》官方网站，今天是 2024年10月14日 星期一 分享到：

渔业研究, 2022, 44(4): 324-335 DOI: 10.14012/i.cnki.fjsc.2022.04.003

论文与报告

闽江流域近年主要水质指标变化趋势及污染识别

赵天旸,1, 石成春2, 谢蓉蓉1,3,4, 李家兵1,3,4, 江华5, 陈锦2, 刘继辉,2,*

1.福建师范大学环境与资源学院,福建 福州 350007

2.福建省环境科学研究院,福建 福州 350013

3.福建师范大学福建省污染控制与资源循环利用重点实验室,福建 福州 350007

4.数字福建环境监测物联网实验室,福建 福州 350007

5.福州市环境科学研究院,福建 福州 350013

Change trend of main water quality indices and pollution identification in Minjiang River basin in recent years

ZHAO Tianyang,1, SHI Chengchun2, XIE Rongrong1,3,4, LI Jiabing1,3,4, JIANG Hua5, CHEN Jin2, LIU Jihui,2,*

1. College of Environmental and Resource Science,Fujian Normal University,Fuzhou 350007,China

2. Fujian Academy of Environmental Sciences,Fuzhou 350013,China

3. Key Laboratory of Pollution Control and Resource Recycling of Fujian Province,Fujian Normal University, Fuzhou 350007,China

4. Digital Fujian Environmental Monitoring Internet of Things Laboratory,Fuzhou 350007,China

5. Fuzhou Environmental Science Research Institute,Fuzhou 350013,China

通讯作者: 刘继辉(1993-),男,工程师,从事流域水环境管理.E-mail:493728354@qq.com

收稿日期: 2022-04-28  

基金资助: 福建省省属公益类科研院所基本科研专项项目(2021R1015001)
福建省省属公益类科研院所基本科研专项项目(2021R1015002)
国家自然科学基金(42007343)
福建省自然科学基金(2021J01195)

Received: 2022-04-28  

作者简介 About authors

赵天旸(1999-),男,本科,主要从事水环境规划与保护研究.E-mail:zty1_2_3@126.com

摘要

水环境污染研究是全面治理流域污染的重要抓手。以闽江流域为例,采用季节性肯达尔趋势分析法对研究区域16个监测点位2004—2020年的水质变化趋势进行分析,并运用时序全局主成分分析方法对2017—2020年13个点位进行主要污染识别和污染分析。研究结果表明:1)支流的pH和DO高于干流,干流沿程表现为上中游低、下游高,COD和NH3-N在干流自上游到下游呈现先降低后升高,TP则为先增高后降低;2)季节性肯达尔趋势分析法显示研究区域pH和DO有好转趋势,而TP和NH3-N污染风险较高,部分点位需加强对COD的重视;3)采用时序全局主成分分析法,识别出研究区域目前水体污染压力主要来自NH3-N和TP,尤其需要加强流域内各支流的污染控制。

关键词： 水质; 季节性肯达尔趋势分析; 时序全局主成分分析; 时空分布; 闽江

Abstract

The study of water environment pollution is an important means to control watershed pollution.Taking the Minjiang River basin as an example,the trend of water quality change at 16 monitoring stations in the study area from 2004 to 2020 was analyzed by using the Seasonal Kendall Trend Analysis method,and the main pollution identification and analysis of 13 monitoring points from 2017 to 2020 were conducted by using the Time Series Global Principal Component Analysis method.The results showed that the pH and DO of tributaries were higher than those of the main stream,the main stream was lower in the upper and middle reaches and higher in the lower reaches,COD and NH3-N decreased first and then increased in the main stream from the upper reaches to the lower reaches,TP increased first and then decreased.In addition,Kendall’s test showed an improving trend in pH and DO in the study area,while TP and NH3-N were at higher risk of contamination and some sites needed more attention to COD.Finally,Time Series Global Principal Component Analysis was used to identify that the current water pollution pressure in the study area mainly comes from NH3-N and TP,especially the pollution control of tributaries in the basin needed to be strengthened.

Keywords： water quality; Seasonal Kendall Trend Analysis; Time Series Global Principal Component Analysis; spatial and temporal distribution; Minjiang River

PDF (3847KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

赵天旸, 石成春, 谢蓉蓉, 李家兵, 江华, 陈锦, 刘继辉. 闽江流域近年主要水质指标变化趋势及污染识别[J]. 渔业研究, 2022, 44(4): 324-335 DOI:10.14012/i.cnki.fjsc.2022.04.003

ZHAO Tianyang, SHI Chengchun, XIE Rongrong, LI Jiabing, JIANG Hua, CHEN Jin, LIU Jihui. Change trend of main water quality indices and pollution identification in Minjiang River basin in recent years[J]. Journal of Fujian Fisheries, 2022, 44(4): 324-335 DOI:10.14012/i.cnki.fjsc.2022.04.003

地表水是人类生活和生产的主要来源,其水质直接影响着人们的生活、工业发展和人类社会的进步[1]。近年来,全球地表水污染问题日益严重,流域污染管控是水环境治理和改善的重要手段,流域水环境的有效评估可为水环境管理提供重要的技术支撑。

目前,河流水环境污染情况的评价是国内外水环境保护相关研究的热点之一,Tang M等[2]引入贝叶斯理论和模糊数理论,提出了一种基于广义三角模糊数的综合水质评价模型,其可对长江武汉段水质进行评价。Xu S等[3]通过模拟模糊综合评价(FCE)和采用雅可比法求解特征方程的主成分分析(PCA)来评估中国南四湖流域的水质。Huang J C等[4]发现中国东部水质17.2%的采样点水质条件较差,经评估认为粮食生产系统、城市化和其他人为活动极大地改变了自然水文和养分循环,是中国河流水质受损的主要原因。Soni Y等[5]基于人工神经网络建立了对恒河水质的估算模型,可为水体内部的水质制定合适的标准。Yang S W等[6]结合典型相关分析和基于距离影响的评估方法定量化社会经济发展和河流水质关系,发现社会经济发展与河流水质之间存在很强的相关性。Zhou P等[7]通过自组织地图方法发现点源污染越大,土地利用和水质相关性越不显著。闽江流域内常驻人口近1 300×104,占福建省人口总量的1/3[8]。近年来闽江流域水质问题日益突出。针对闽江流域水质问题近年研究较多且管理部门较为关切的主要为低氧问题[9⇓-11]、流域保护[12]和氮磷污染[13],此外,闽江口水质评价[14-15]、经济和政策[16]和水环境的时空分布[17]也是目前闽江流域研究的热点。

由于我国系统水监测布点较晚且因数据的保密要求,对于长时间序列、多监测点位、全流域干支流覆盖的水环境评估研究较为缺乏。基于此,本文以闽江流域为例,收集了干支流16个监测点位2004—2020年的周数据,采用季节性肯达尔分析法对研究区域S1~S16点位各指标进行多年变化趋势分析,并采用时序全局主成分分析法对2017—2020年S1~S13点位进行主要污染识别和水质综合评价,为流域的污染治理和水质改善提供技术支撑。

1 材料与方法

1.1 研究区域

闽江是福建省境内的最大河流,全长577 km,流域面积60 992 km2(25°23'~28°16'N、116°23'~119°35'E)[18],约占全省面积的一半。闽江(图1)发源于武夷山脉,上游建溪、沙溪、富屯溪三条支流在南平市汇合,闽江干流为南平汇合口到入海口河段,沿途有吉溪、尤溪、古田溪、梅溪、大樟溪等支流汇入[8],具有供水、防洪抗旱、养殖、航运等多种功能[19]。流域内为亚热带海洋性季风气候,降雨丰富,植被覆盖率高[20]。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区域及监测点位分布图

注:S1.清流长灌;S2.山峰电站;S3.清流安砂水库;S4.明溪瑶奢;S5.梅口悬索桥;S6.邵武和顺;S7.政和护田;S8.延平延安;S9.延平南溪;S10.闽侯下西园;S11.闽侯大樟溪;S12.顺昌富文;S13.福州原厝;S14.南平水汾桥;S15.闽侯竹岐;S16.长乐白岩潭。

Fig.1   Distribution map of study area and monitoring points

Notes:S1.Changguan station in Qingliu;S2.Power station in Shanfeng;S3.Ansha Reservoir station in Qingliu;S4.Yaoshe station in Mingxi;S5.Suspension Bridge station in Meikou;S6.Heshun station in Shaowu;S7.Hutian station in Zhenghe;S8.Yan’an station in Yanping;S9.Nanxi station in Yanping;S10.Xiaxiyuan station in Minhou;S11.Dazhangxi Stream station in Minhou;S12.Fuwen station in Shunchang;S13.Yuancuo station in Fuzhou;S14.Shuifen Bridge station in Nanping;S15.Zhuqi station in Minhou;S16.Baiyantan station in Changle.


1.2 数据收集

从福建省水质周报(http://sthjt.fujian.gov.cn/)收集了闽江流域16个监测点位(图1),S9、S10、S13、S15和S16为干流点位,其余均为支流。其中S1~S11、S12~S13和S14~S16水质数据覆盖年份分别为2017—2020年、2009—2020年和2004—2017年。各点位可查年份内为每周一次数据,每个点位的样本数为2 089~8 859不等。主要水质指标为酸碱度(pH)、溶解氧(DO)、化学需氧量(COD)、总磷(TP)和氨氮(NH3-N),各指标数据来自福建省水质自动监测站,以水质在线分析仪为核心,由取水单位、配水预处理单元、水质在线监测单元、系统控制基站、辅助系统、数据采集和传输系统等部分组成,实现水样的自动采集、预处理和水质在线分析,采样和监测探头位于水下0.5~1.0 m处。

1.3 研究方法

1.3.1 季节性肯达尔趋势分析法

季节性肯达尔趋势分析法对监测对象进行非正态分布特征的趋势分析,其原理是将每一年同一时段的水质数据进行前后比较[21],若前一时段数据记载的数值较大记为“-1”,反之记为“+1”,通过对“+1”和“-1”的数量进行求和,计算变化趋势。若求和大于0,判为上升趋势;若求和小于0,判为下降趋势;若求和为0,判为无明显变化趋势。

假设一年12月的水质数据在分布上有相同的概率,建立第n年第p月水质数据(Xnp)的测量矩阵X:

X=x11…x1p︙ ︙xn1…xnp

基于测量矩阵X,得到p月中第i个月(1≤i≤p,p≤12)的水质计算方式:Si为第i月历年水质序列相比较的“+1”和“-1”之和,在零假设H0服从正态分布条件下,其均值E(Si)=0,其方差σ12=Var(Si)=ni(ni-1)(2ni+5)18,其中ni为第i月水质序列有 ni个非漏测值,则mi=ni(ni-1)2为第i月可作比较的差值数据组个数。p个月的水质整体情况计算方式:S=∑i=1pSi,m=∑i=1pmi,VarS=∑i=1p(VarSi)。若已知n≥10,且S满足正态分布,则标准方差为:Z=S+1VarS　,S<00,S=0S-1VarS　,S>0。设t=S/m,在双尾趋势检验中,如果z≤zα/2,则接受零假设H0。FN为标准正态分布函数,FNzα/2=α/2,则FN=12π　∫z∞e-12t2dt,趋势检验的显著水平 α=22π　∫z∞e-12t2dt。

当 α≤0.01,表明季节性肯达尔趋势分析具有高度显著性水平;当0.01<α≤0.1 时,分析具有显著性。当α值满足上述条件时,t>0具有显著性(或高度显著性) 上升趋势,t<0具有显著性(或高度显著性)下降趋势,t=0为无趋势[22]。

1.3.2 时序全局主成分分析法

时序全局主成分分析法以主成分分析为基础,通过综合多个数据指标,把多数指标转化为少数且具有综合指向的指标,基于少数综合指标进行多元统计分析,一般步骤为[23-24]:

设有n个样本,每个样本有p个指标变量,构成n×p的数据矩阵:X=Xijn×p,其中i=1,2,…,n,j=1,2,…,p;Xij表示第i个样本的第j项指标值。

1)采样Z-score对数据标准化处理:

xij*=xij-xj-Sj

式中:xij*为标准化后数据,xj-为第j个指标样本均值,Sj为第j个指标样本均值和标准差。

2)建立相关系数矩阵:

采用新的标准化数据矩阵Zn×p=Xij*n×p,计算对应的相关系数矩阵R=rijp×p,R为p阶的对称矩阵。

3)计算特征值、特征向量、主成分累计贡献率:

计算R的特征值λi(i=1,2…p)及其对应的特征向量uj=uj1,uj2,…,ujp(j=1,2…p),且λ1≥λ2…≥λp即为主成分的方差,方差越大对总方差的贡献越大。则可将标准化后的指标变量转换为主成分Fj=uj1Z1+uj2Z2+…+ujPZP。

4)确定主成分:

将主成分对应的特征值大于1的前 m 个主成分提取为主成分;

5)计算综合得分F:

F=λ1λ1+λ2+…+λpF1+λ2λ1+λ2+…+λpF2+…+λpλ1+λ2+…+λpFp

F得分越大,水质越差。采用主成分分析法计算要求KMO取样适切性量数大于0.500,巴特利特球形度检验显著性小于0.001[25]。时序全局主成分分析法在主成分分析基础上以综合变量替代原有全局变量,使数据分析体现时间推移影响,假设数据K是一组按照时间顺序排序的X序列,K={Xt∈Rn×m,t=1,2,…,T},其中设Xt(t=1,2,…T)的样本点是e1,e2,…,en,变量为x1,x2,…,xm,在t时的Xt表中,N=∪TNt是全局样本群点,基于N展开的主成分分析即为时序全局主成分分析。

本文采用季节性肯达尔趋势分析法对闽江流域2004—2020年的水质变化进行趋势分析,采用时序全局主成分分析法计算5项水质指标的贡献率确定主要污染物,并计算2017—2020逐年各点位主成分综合得分,得到流域内水质污染的时空变化分布。

2 结果

2.1 研究区域水环境基本状况

研究区域各点位2004—2020多年水质平均浓度见图2,由图2可知,pH范围为6.68~7.46,DO为6.17~9.12 mg·L-1,COD为1.56~5.35 mg·L-1,TP为0.03~0.20 mg·L-1(不含S16),NH3-N为0.05~1.21 mg·L-1。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   研究区域各点位多年水质平均浓度分布图

Fig.2   The distribution map of the average concentration of water quality at each point in the study area for many years


从空间分布看:1)靠近入海口处的支流和干流pH较高,干流中上游pH较低,近入海口S16点位主要受闽江口咸潮上溯的影响使pH升高。其中,建溪(S7:7.12 mg·L-1,S8:7.22 mg·L-1)、富屯溪(S6:6.88 mg·L-1,S12:7.11 mg·L-1)呈现自上游到下游逐渐升高的趋势;沙溪(S3:7.15 mg·L-1,S14:6.80 mg·L-1)呈现自上游到下游逐渐下降;干流(S9:6.93 mg·L-1,S10:6.85 mg·L-1,S15:6.68 mg·L-1,S13:6.86 mg·L-1,S16:7.07 mg·L-1)呈现自上游到下游先降低后升高。2)DO主要呈现为支流高、干流低,在干流(S9:7.30 mg·L-1,S10:6.17 mg·L-1,S15:6.76 mg·L-1,S13:7.03 mg·L-1,S16:7.18 mg·L-1)自上游到下游出现显著的高-低-高的波动变化。3)S1(5.35 mg·L-1)的COD远高于其他点位,其余较高COD出现在松溪上游(S7:2.83 mg·L-1)、沙溪下游(S14:2.69 mg·L-1)、大樟溪下游(S11:2.61 mg·L-1)和福州城区(S13:2.56 mg·L-1)。在干流(S9:2.46 mg·L-1,S10:1.56 mg·L-1,S15:2.23 mg·L-1,S13:2.56 mg·L-1,S16:3.08 mg·L-1)呈现自上游到下游先降低后升高。4)TP在S1(5.35 mg·L-1)远高于其他点位,在梅口悬索桥S5(0.03 mg·L-1)最低,各支流TP相当。5)同COD和TP一致,NH3-N在S1(0.87 mg·L-1)也远高于其他点位,其余较高点位位于沙溪下游(S14:0.39 mg·L-1)、富屯溪(S6:0.26 mg·L-1,S12:0.26 mg·L-1)和干流靠近入海口处(S16:0.32 mg·L-1)。此外,干流(S9:0.17 mg·L-1,S10:0.11 mg·L-1,S15:0.21 mg·L-1,S13:0.16 mg·L-1,S16:0.32 mg·L-1)呈现自上游到下游先降低后升高的状态。

2.2 主要水质指标的季节性肯达尔趋势分析

采用不同年份同月的数据对研究区域各点位主要水质指标进行季节性肯达尔趋势分析,结果见图3,由图3可知:1)6个点位pH呈显著性或高度显著性上升,主要分布在富屯溪和沙溪上游、闽侯和大樟溪支流;5个pH呈显著性或高度显著性下降的点位分布在金溪源头、沙溪上游和靠近入海口;其余点位pH无显著变化趋势。2)DO除3个高度显著性上升趋势点位(S6、S13和S14)和2个高度显著性下降点位(S5和S15)外,整体均表现为无明显变化趋势,此外,S14在2004年(3.69 mg·L-1)和2005年(4.54 mg·L-1)出现年均DO值较低的情况。 3) COD除3个呈现显著性或高度显著性上升趋势点位(S3、S6和S13)和3个显著性或高度显著性下降点位(S1、S7和S16)外,整体均表现为无明显变化趋势。4)区域内10个点位的TP呈显著性或高度显著性下降,干流和除大樟溪之外的各支流均有分布;2个TP呈显著性或高度显著性上升的点位,位于大樟溪和闽侯县竹岐乡。S1在2017—2018年年均TP较高,分别为0.261 mg·L-1和0.207 mg·L-1。5)9个点位NH3-N 呈显著性或高度显著性下降,干流、松溪上游、大樟溪和沙溪均有分布;富屯溪的2个点位呈显著性或高度显著性下降;较高年均NH3-N出现在2017年的 S1(1.108 mg·L-1)和2018年的S12(1.213 mg·L-1)。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   各监测点位主要水质指标的季节性肯达尔趋势分析结果图

注:图中↑为显著性上升;↑↑为高度显著性上升;↓为显著性下降;↓↓为高度显著性下降;○为无变化。

Fig.3   Seasonal Kendall Trend analysis results of main water quality indicators at each monitoring site

Notes:↑ was a significant increase;↑↑ was extremely significant increase;↓ was a significant decrease;↓↓ was extremely significant decrease;○ was no change.


2.3 基于时序全局主成分分析的污染评价

采用时序全局主成分分析法识别研究区域2017—2020年的主要污染物,由于S16为近海点位,不监测TP,而且2018—2020年缺少S14和S15监测值,因此评价点位为S1~S13,年均变化情况详见表1。经检验的KMO 取样适切性量数为0.703,巴特利特球形度检验显著性为0.000,说明时序全局主成分分析法可用于研究区域的污染分析。以特征值大于1为原则筛选了2个主成分。各主成分的特征值、方差与累计方差贡献率见表2。各指标的主成分因子载荷见表3。由表2和表3可知,5 项主要水质指标提取的2个主成分可解释 75.440%的方差。第一主成分(PC1)为主要项,对总方差的贡献率为49.763%,其中 NH3-N和TP所占比例较大。结合闽江流域的实际水质现状,推断研究区域水体污染指标可能为NH3-N和TP,主要来自于农业和养殖业等人类生产生活活动[26]。

表1   2017—2020年研究区域主要水质指标变化

Tab.1  Major water quality indicators in the study area from 2017 to 2020 mg·L-1

点位Station年份YearpHDOCODTPNH3-N
S120176.89±0.156.49±1.445.29±1.400.27±0.081.07±0.82
20186.88±0.187.98±2.686.21±2.220.21±0.101.03±0.71
20197.34±0.456.37±1.255.32±1.960.19±0.080.80±0.61
20207.58±0.418.19±1.144.42±0.850.16±0.040.69±0.45
S220176.74±0.308.64±1.412.96±1.340.05±0.040.28±0.32
20186.39±0.269.01±1.452.27±0.610.04±0.010.11±0.07
20196.88±0.429.07±1.122.14±0.540.03±0.010.14±0.05
20207.29±0.608.75±1.282.57±0.540.04±0.020.15±0.09
S320177.21±0.258.45±0.711.79±0.560.07±0.060.17±0.08
20187.16±0.1910.02±1.251.96±0.290.06±0.030.29±0.10
20197.01±0.178.19±1.011.80±0.870.08±0.100.16±0.14
20207.25±0.298.06±0.902.34±0.820.03±0.010.08±0.04
S420177.20±0.268.68±1.182.46±0.650.11±0.030.20±0.10
20186.98±0.299.75±1.462.46±1.480.12±0.030.24±0.09
20196.92±0.299.29±0.912.48±0.710.10±0.030.17±0.07
20206.97±0.218.65±1.072.31±0.790.09±0.030.14±0.09
S520177.82±0.748.74±1.082.17±0.500.04±0.020.10±0.10
20187.76±0.468.83±1.442.78±0.580.05±0.030.10±0.06
20197.34±0.558.75±1.292.21±0.630.02±0.010.06±0.03
20207.15±0.488.09±1.542.13±0.730.02±0.010.11±0.12
S620176.84±0.357.47±0.611.73±0.410.08±0.030.18±0.09
20186.73±0.358.55±0.961.80±0.470.08±0.030.27±0.17
20196.98±0.258.09±1.252.21±0.470.07±0.030.30±0.22
20206.90±0.318.57±1.301.95±0.390.07±0.030.31±0.17
S720177.13±0.188.00±1.173.10±0.660.11±0.030.25±0.21
20187.30±0.298.60±1.483.20±0.900.09±0.020.19±0.07
20197.19±0.218.40±0.982.42±0.650.07±0.020.15±0.05
20206.88±0.378.26±1.212.68±0.600.08±0.020.14±0.08
S820177.22±0.158.26±0.921.95±0.540.10±0.030.17±0.12
20187.06±0.129.65±1.571.94±0.710.11±0.030.16±0.07
20197.37±0.298.88±0.921.71±0.580.10±0.020.15±0.07
20207.24±0.409.01±0.911.69±0.450.09±0.020.14±0.09
S920177.10±0.257.00±1.102.27±0.620.07±0.020.23±0.09
20186.86±0.337.98±1.122.66±0.690.06±0.020.24±0.12
20196.93±0.377.31±0.912.77±0.950.05±0.040.13±0.05
20206.97±0.277.04±1.892.14±0.520.04±0.010.09±0.04
S1020176.60±0.165.81±1.211.54±0.340.05±0.020.12±0.10
20186.74±0.096.98±0.871.67±0.410.06±0.010.13±0.06
20197.08±0.236.23±1.511.57±0.240.05±0.010.09±0.04
20206.95±0.425.53±1.601.53±0.430.05±0.010.12±0.06
S1120177.02±0.438.64±1.402.30±0.530.08±0.040.08±0.03
20186.97±0.218.97±1.072.85±0.670.13±0.040.13±0.04
20197.23±0.578.76±0.982.77±0.760.14±0.060.07±0.01
20207.54±0.418.09±1.342.50±0.700.13±0.050.08±0.07
S1220177.03±0.117.74±1.201.89±0.510.04±0.020.11±0.09
20187.06±0.318.40±1.262.55±0.480.05±0.020.20±0.07
20197.26±0.218.53±1.232.02±0.450.03±0.010.19±0.06
20207.26±0.298.29±0.972.09±0.460.04±0.010.22±0.07
S1320176.61±0.236.61±0.921.93±0.570.06±0.020.13±0.09
20186.89±0.298.16±1.601.87±0.430.07±0.010.12±0.05
20197.11±0.987.58±1.162.17±0.440.05±0.010.12±0.06
20206.63±0.236.68±0.981.97±0.550.06±0.020.13±0.09

新窗口打开| 下载CSV


表2   时序全局主成分分析的特征值、方差和累计方差贡献率

Tab.2  Eigenvalues,variances and cumulative variance contribution rates for Time Series Global Principal Component Analysis

主成分
Principal component		特征值
Eigenvalue		方差贡献率/%
Variance contribution rate		累计方差贡献率/%
Cumulative variance contribution rate
12.48849.76349.763
21.28425.67875.440

新窗口打开| 下载CSV


表3   时序全局主成分分析的因子载荷

Tab.3  Factor loadings for Time Series Global Principal Component Analysis

指标IndexPC1PC2
pH0.0450.809
DO-0.1940.778
COD0.8880.044
TP0.9040.138
NH3-N0.919-0.053

新窗口打开| 下载CSV


对研究区域各监测点位2个主成分,按照2017—2020年逐年各点位分别进行综合评价(表4),主成分综合得分越高,排名越前,表示该点位污染物含量越高[27]。由表4可知,在研究区域各监测点位中,闽江干流水质评价总体优于各支流,且闽江干流点位2017—2020四年水质呈逐渐好转趋势,S10点位评价得分最低,该处水质最好。闽江干流水质好转主要受益于近年来闽江流域生态整治行动,尤其是南平市基于“河长制”,全面落实闽江南平段的保护政策,通过削减养殖产业、投资污水治理项目、兴建污水处理厂和污水管网等综合治理手段,南平境内闽江干流Ⅰ~Ⅲ类水质比例达100%[26]。沙溪上游支流水质较差,S1连续四年得分均最高,S4水质也不容乐观,S2在2020年水质突发恶化。2017—2020年金溪和富屯溪呈好转,建溪变化不大,而大樟溪则呈恶化趋势。总体来看,各支流监测点位附近都有农田、工厂等面源或点源污染,含氨氮、磷和有机物污水排放较多,因此其水质较差,这与程学宁等[8]研究结果相符。

表4   2017—2020年研究区域监测点位主成分评价结果

Tab.4  Principal component evaluation results of monitoring sites in the study area from 2017 to 2020

点位
Station		河流
River		2017201820192020
综合得分
Score		排名
Ranking		综合得分
Score		排名
Ranking		综合得分
Score		排名
Ranking		综合得分
Score		排名
Ranking
S13.3913.4012.5012.531
S2-0.318-1.2412-0.6912-0.074
S3沙溪支流-0.1970.088-0.488-0.539
S40.4730.5430.144-0.185
S5金溪0.3140.246-0.549-0.8011
S6富屯溪上游-0.7210-0.5310-0.206-0.287
S7建溪上游0.6320.434-0.055-0.236
S8建溪下游0.1350.1370.223-0.063
S9闽江干流-0.329-0.499-0.6111-0.9712
S10闽江干流-1.6313-1.2513-1.1013-1.4913
S11大樟溪-0.1660.4250.8120.642
S12富屯溪下游-0.75112.432-0.397-0.288
S13闽江干流-1.1912-0.5911-0.5710-0.5410

新窗口打开| 下载CSV


3 讨论

3.1 COD变化及影响

S1位于文川河流域,其COD、TP和NH3-N均呈现显著性或高度显著性下降趋势,但各指标多年平均浓度均远超其他点位(图2)。文川河所在的永安市存在农业面源污染、生活区雨污混接、管道破损、污水直排入河等问题[28],需要引起重视,加强区域污染治理。

S3点位COD呈高度显著性上升。S3位于永安市境内的安砂水库,永安市近年来工业化发展迅速,工业污染逐年积累,加之安砂水库上游的九龙湖景区旅游业的大力开发[29],可能对水环境产生一定的压力。与S1点位类似,农业面源污染、生活污水排放对COD的显著升高贡献较大。

S6与S13点位COD虽在标准要求内,但均呈现显著性上升趋势。畜禽养殖业、农村生活污水排放[30]和城镇生活污水排放[31]是COD的主要来源。S6位于富屯溪中上游流域,农业生产活动频繁[32],COD的上升可能与此有关。而S13位于福州市辖区,上游是闽侯竹岐的农业区域[33],城镇生活污水和畜禽养殖业、农村生活污水的流入不可避免,由于该点位是福州市辖区重要饮用水源地,为近60%的福州市民提供饮用水[34],因此对该点位COD上升趋势需要引起重视。

3.2 氮磷变化及影响

外源性氮磷营养盐输入是引起河流富营养化的重要原因之一。S11和S15靠近人口和工农生产集聚区,生活污水、工农业污水和牲畜粪便[8]排放增加了水中TP含量。S15段污染物主要来自于古田县和闽侯县,S11段主要来自于永泰县,且两地流域上游降雨集中,地表侵蚀严重,污染物易渗透入河[8],导致2017—2020年TP值有上升趋势,需加强对这两地的水质保护与管理的关注。

S6和S12所处的富屯溪中上游流域主要从事农业生产活动[31],NH3-N来源于农业和养殖业的面源污染。且位于S12上游顺昌合成氨厂的排放直接增加该河段的NH3-N含量[35]。

S16位于闽江河口,是内陆水与海水的交汇地带。研究表明S16的pH、COD和NH3-N呈现高度显著性下降趋势,推测受外海低浓度COD和氨氮的影响,河水携带的COD和氨氮在河口水团混合过程中,被海水逐渐稀释,这与袁旗等[36]研究结果一致。可以预测未来水质状况比较乐观。

4 结论

本文采用季节性肯达尔分析法和时序全局主成分分析法,对闽江流域多年监测水质进行分析和评价,得到以下结论:

1)闽江流域pH和DO整体上呈现各支流高于干流,干流下游(靠近人口聚居地)高于中上游的状态。COD和NH3-N在干流自上游到下游呈现先降低后升高的趋势。TP干流呈现先升高后降低趋势。S1的COD、TP和NH3-N远高于其余点位,需引起注意。

2)通过季节性肯达尔趋势分析法分析表明研究区域pH和DO近年有好转趋势;但TP和NH3-N污染风险仍然较高,部分点位需提高对COD的重视。

3)时序全局主成分分析法识别出研究区域目前水体污染风险压力主要来自NH3-N和TP,污染风险较为严重的区域主要集中在闽江各支流,尤其是建溪和大樟溪,需要加强管控。

参考文献

Lü J, Xu J L, Wang H X, et al.

Study on ecological protection and rehabilitation technology of a reservoir-type water source in the northeastern region of China

[J]. Human and Ecological Risk Assessment:An International Journal, 2019, 25(7):1802-1815.

[本文引用: 1]

Tang M, Zeng H, Wang K.

Bayesian water quality evaluation model based on generalized triangular fuzzy number and its application

[J]. Environmental Processes, 2022, 9(1):1-15.

[本文引用: 1]

Xu S, Cui Y X, Yang C X, et al.

The fuzzy comprehensive evaluation(FCE) and the principal component analysis(PCA) model simulation and its applications in water quality assessment of Nansi Lake Basin,China

[J]. Environmental Engineering Research, 2021, 26(2):222-232.

[本文引用: 1]

Huang J C, Zhang Y J, Bing H J, et al.

Characterizing the river water quality in China:Recent progress and on-going challenges

[J]. Water Research, 2021, 201:117309-117309.

[本文引用: 1]

Soni Y, Sejwar V.

An Estimating model for water quality of river Ganga using Artificial Neural Network

[J]. International Journal of Innovative Technology and Exploring Engineering, 2019, 8(9):1448-1453.

[本文引用: 1]

Yang S W, Hao H S, Liu B, et al.

Influence of socioeconomic development on river water quality:a case study of two river basins in China

[J]. Environmental science and pollution research international, 2021, 28(38):53857-53871.

[本文引用: 1]

Zhou P, Huang J L, Pontius R G, et al.

New insight into the correlations between land use and water quality in a coastal watershed of China:Does point source pollution weaken it?

[J]. Science of the Total Environment, 2016, 543(Pt A):591-600.

[本文引用: 1]

程学宁, 汤云, 卢毅敏.

基于多元统计分析的闽江水质时空变化特征

[J]. 水资源与水工程学报, 2016, 27(6):89-94.

[本文引用: 5]

Zhang P, Pang Y, Shi C C, et al.

Analysis and numerical simulation of natural and human-caused low dissolved oxygen in the Minjiang River Estuary

[J]. Water Science & Technology, 2016, 73(10):2475-2485.

[本文引用: 1]

Zhang P, Pang Y, Pan H C, et al.

Factors contributing to hypoxia in the Minjiang River Estuary,Southeast China

[J]. International Journal of Environmental Research and Public Health, 2015, 12(8):9357-9374.

DOI      PMID      [本文引用: 1]

Dissolved oxygen (DO) is not only a fundamental parameter of coastal water quality, but also an indication of organics decomposed in water and their degree of eutrophication. There has been a concern about the deterioration of dissolved oxygen conditions in the Minjiang River Estuary, the longest river in Fujian Province, Southeast China. In this study, the syntheses effects on DO was analyzed by using a four year time series of DO concentration and ancillary parameters (river discharge, water level, and temperature) from the Fuzhou Research Academy of Environmental Sciences, at three automated stations along the Minjiang River Estuary. Hypoxia occurred exclusively in the fluvial sections of the estuary during the high temperature and low river discharge period and was remarkably more serious in the river reach near the large urban area of Fuzhou. Enhancement of respiration by temperature and discharge of domestic sewage and industrial wastewater, versus regeneration of waters and dilution of pollutant concentration with increased river discharge, which regarded as the dominant antagonist processes that controlled the appearance of seasonal hypoxia. During the high temperature and the drought period, minimal mainstream flow above 700 m(3)Ÿs(-1), reduction of pollutants and forbidding sediment dredging in the South Channel should be guaranteed for strong supports on water quality management and drinking water source protection.

史海鑫. 闽江下游低溶解氧成因研究[D]. 福州: 福州大学, 2013.

[本文引用: 1]

饶清华, 颜梦佳, 林秀珠, 等.

基于帕累托改进的闽江流域生态补偿标准研究

[J]. 中国环境科学, 2016, 36(4):1235-1241.

[本文引用: 1]

朱海, 袁旭音, 叶宏萌, 等.

不同流域水陆过渡带氮磷有效态的特征对比及环境意义

[J]. 环境科学, 2021, 42(6):2787-2795.

[本文引用: 1]

宋刚福, 范臣臣, 向波, 等.

闽江口水质对边界条件的响应关系模拟研究

[J]. 水资源与水工程学报, 2021, 32(6):1-9.

[本文引用: 1]

王军, 朱天依, 逄勇, 等.

闽江口近岸海域无机氮污染来源分析研究

[J]. 四川环境, 2020, 39(6):15-23.

[本文引用: 1]

饶清华, 邱宇, 王菲凤. 等,

闽江流域跨界生态补偿量化研究

[J]. 中国环境科学, 2013, 33(10):1897-1903.

[本文引用: 1]

朱雨晨, 吴贤忠, 刘瑾洁, 等.

闽江感潮河段非雨季、雨季不同形态氮的时空分布及影响因素

[J]. 厦门大学学报(自然科学版), 2022, 61(1):130-139.

[本文引用: 1]

林建杰.

闽江口潮间带大型底栖动物群落基本特征分析

[J]. 渔业研究, 2022, 44(1):33-43.

DOI      [本文引用: 1]

2013年至2019年在闽江口进行了11个航次共38个断面的潮间带大型底栖动物调查研究，共发现潮间带生物195种，隶属10个门类，主要以甲壳类、软体动物和多毛类为主。敖江入海口潮间带生物的物种多样性、生物量和丰度均显著高于闽江入海口，且敖江入海口潮间带生物的多样性指数（H′）、均匀度指数（J′）和丰富度指数（D）也均显著高于闽江入海口。闽江口潮间带生物的物种数、丰度和生物量在中、低潮区均显著高于高潮区。闽江入海口潮间带的优势种以小型蟹类为主，敖江入海口潮间带的优势种包括多毛类、软体动物和蟹类，其中经济种类菲律宾蛤仔（Ruditapes philippinarum）和焦河蓝蛤（Potamocorbula ustulata）为敖江入海口的主要优势种。敖江入海口的潮间带生物需要更多的关注和研究。

罗丹.

闽江下游水体溶解氧变化及其成因初探

[J]. 海峡科学, 2015(6):64-68.

[本文引用: 1]

王军, 严有龙, 王金满, 等.

闽江流域生境质量时空演变特征与预测研究

[J]. 生态学报, 2021, 41(14):5837-5848.

[本文引用: 1]

韦兴荷.

邕江南宁市区段水质时空变化规律分析

[J]. 人民珠江, 2005(6):52-54.

[本文引用: 1]

张鹏, 逄勇, 石成春, 等.

闽江下游水质变化趋势分析

[J]. 水资源保护, 2018, 34(1):64-69.

[本文引用: 1]

刘臣辉, 吕信红, 范海燕.

主成分分析法用于环境质量评价的探讨

[J]. 环境科学与管理, 2011, 36(3):183-186.

[本文引用: 1]

万金保, 曾海燕, 朱邦辉.

主成分分析法在乐安河水质评价中的应用

[J]. 中国给水排水, 2009, 25(16):104-108.

[本文引用: 1]

林建杰.

闽江口水环境主要理化因子时空分布特征研究

[J]. 渔业研究, 2021, 43(6):549-561.

DOI      [本文引用: 1]

对闽江口海域春秋两季的水质进行调查，应用主成分分析法（PCA）进行统计，以研究水质状况、10个水质理化因子的时空分布特征以及闽江径流陆源入海污染物情况。结果表明：1）无机氮（DIN）全部超标，化学需氧量（COD）和活性磷酸盐（PO43--P）存在不同程度超标，但多年数据显示DIN污染情况逐渐好转；2）COD、DIN等在空间上呈现出以琅岐岛为中心向外海逐渐递减，PO43--P分布特征相反，时间上表现为春季水质略差于秋季的分布特征；3）溶解氧（DO）、亚硝酸盐（NO2--N）、铵盐（NH4+-N）和PO43--P是海域水质污染的主要驱动因子，其中，悬浮物（SS）、硝酸盐（NO3--N）、NO2--N、NH4+-N主要来自闽江径流输入，并成为闽江口海域主要污染源。

黄旭晖, 廖晨星, 葛望辉.

福建南平绘制闽江源头新画卷共创绿色发展新起点

[J]. 中国水利, 2021(23):20-23.

[本文引用: 2]

林秀珠, 饶清华, 陈琪, 等.

基于主成分分析法的闽江口及其近岸水域水质评价

[J]. 海洋科学, 2020, 44(11):78-86.

[本文引用: 1]

傅志远.

连城县文川河流域污染成因与治理措施

[J]. 化工管理, 2021(35):23-24.

[本文引用: 1]

尤素荔.

永安市水环境污染整治工作的思考

[J]. 化学工程与装备, 2014(10):234-235.

[本文引用: 1]

宋晓明, 柳王荣, 姜珊, 等.

湖南省农业面源污染与农村水环境质量的响应关系分析

[J/OL]. 农业环境科学学报:1-12[2022-04-24]. http://kns.cnki.net/kcms/detail/12.1347.S.20220329.1434.002.html.

URL     [本文引用: 1]

马心宇, 徐铁兵, 马跃涛, 等.

北方城市河流近年来主要污染源变化特征分析——以河北省某河流为例

[J]. 中国资源综合利用, 2021, 39(12):42-47.

[本文引用: 2]

汤云, 卢毅敏, 吴升.

闽江流域水质时空分布特征及污染源解析

[J]. 长江科学院院报, 2019, 36(8):30-35,48.

DOI      [本文引用: 1]

为了解闽江流域河流中的污染物来源和水质时空分布特征,利用2014年1月至2017年2月流域内20个监测断面的8项水质指标月均值监测数据,采用多元统计方法对水质的时空变化规律及其影响因素进行分析。结果表明:流域水质在时间上可划分为T1时段(4—12月份)、T2时段(1—3月份);T1时段水质较好,氨氮是主要污染物,污染源以农业污染为主;T2时段的主要污染物是氨氮和总磷。在空间上可划分为3个群组。S1组主要位于建溪下游、沙溪、大樟溪、闽江干流,水质最差,污染物以营养盐为主,耗氧有机物次之,污染源为福州、三明、南平市的工业废水、生活污水、农业和禽畜养殖污水;S2组位于沙溪下游、富屯溪,水质最好,污染物主要是面源污染中的营养盐污染,水体自净能力良好;S3组位于建溪中上游、富屯溪中上游,污染源主要是农业面源污染。研究成果可为闽江流域的污染治理和水质改善提供参考。

陈钰林, 李家乐, 姚烨, 等.

闽江竹岐水源地农业生活风险评估及应急策略

[J]. 水力发电, 2021, 47(8):4-9,48.

[本文引用: 1]

戚陆越. 基于时间序列数据的水质溶解氧预测[D]. 福州: 福州大学, 2015.

[本文引用: 1]

周秋心.

顺昌县富屯溪西门控制断面水环境质量氨氮趋势分析

[J]. 化学工程与装备, 2009(5):204-205.

[本文引用: 1]

袁旗, 陆建明, 梁巧玲.

九州江入海口及其附近海域近10年海水中氮、磷含量变化及富营养化评价

[J]. 环境与发展, 2020, 32(8):135-136.

[本文引用: 1]

/

〈 〉

闽ICP备05008022号-3
　 版权所有 © 《渔业研究》编辑部
地址：厦门市东渡海山路7号　邮编：361013
电话：0592-6014562 5678551　 传真：0592-6013055　 Email：yuyeyanjiu@126.com
技术支持：北京玛格泰克科技发展有限公司
总访问量 　今日访问 　在线人数