环境科学  2017, Vol. 38 Issue (4): 1357-1365   PDF    
南水北调中线北京段水质状况分析
徐华山1 , 赵磊1 , 孙昊苏1 , 任玉芬2 , 丁涛1 , 常帅1 , 王海东1 , 李淼1 , 果钊1     
1. 北京市南水北调大宁管理处, 北京 102442;
2. 中国科学院生态环境研究中心, 城市与区域生态国家重点实验室, 北京 100085
摘要: 水质是水资源管理部门关心的核心问题,北京市南水北调水质更是关系到北京市生活用水安全和社会稳定.收集了南水北调中线北京段通水以来大宁调压池和大宁调蓄水库两个监测点位的总氮、硝氮等10项月水质监测数据.采用方差分析法从不同角度分析了北京南水北调来水水质差异,采用因子分析法识别了大宁调压池和大宁调蓄水库的水质风险因子.结果表明,南水北调中线北京段冀水全年硝氮、总氮、氟离子、氯离子、硫酸盐含量高于江水,江水水质优于冀水.LSD差异性检验结果显示:冀水溶解氧、硝氮和总氮汛期和非汛期差异性显著(P < 0.05),江水pH汛期和非汛期差异性显著,水质较冀水更为稳定.无论在汛期还是在非汛期,江水和冀水在pH、溶解氧、高锰酸盐指数、总磷、氨氮这5个指标上差异性不明显(P < 0.05),而硝氮、总氮、氟离子、硫酸盐及氯离子则存在显著性差异(P < 0.05).大宁调蓄水库硝氮、总氮、硫酸盐及氯离子含量2015年(冀水+江水)全年低于2012~2014年(冀水),江水进京后在水库对冀水起到了很好的稀释调节作用.2012~2014年及2015年水库汛期和非汛期水质差异性检验结果均显示,硝氮、总氮、氟离子、硫酸盐和氯离子存在显著性差异(P < 0.05),非汛期水质2015年优于2012~2014年,其他pH、溶解氧、高锰酸盐指数、总磷、氨氮这5个指标差异性不明显(P < 0.05).调压池、大宁水库冀水汛期和非汛期差异性比较结果显示,高锰酸盐指数、总氮、氟离子、硫酸盐及氯离子差异性显著,其中高锰酸盐、氟离子、硫酸盐和氯离子水库高于调节池.因子分析的结果表明,大宁调压池和大宁调蓄水库潜在水质风险因子主要是氮元素,包括氨氮、硝氮和总氮,大宁调蓄水库水质潜在风险因子还包括总磷.
关键词: 南水北调中线      水质      大宁调压池      大宁调蓄水库      因子分析     
Water Quality Analysis of Beijing Segment of South-to-North Water Diversion Middle Route Project
XU Hua-shan1 , ZHAO Lei1 , SUN Hao-su1 , REN Yu-fen2 , DING Tao1 , CHANG Shuai1 , WANG Hai-dong1 , LI Miao1 , GUO Zhao1     
1. Daning Management Office of the Beijing South-to-North Water Diversion, Beijing 102442, China;
2. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China
Abstract: Water quality is the key problem that water management departments concern. Water quality of Beijing segment of South-to-North Water Diversion Middle Route Project is closely related to water security and social stability in Beijing. Since the connection of Beijing part in Middle Route of South-to-North Diversion Project, water quality data of Daning regulation and storage reservoir and Daning surge tank was collected, and water quality indexes including water temperature, total nitrogen, nitrate nitrogen, chloride ion, sulfate, dissolved oxygen, permanganate index, pH, ammonia nitrogen, fluorine ion and total phosphorus, were monitored monthly. With variance analysis, water quality difference among different water sources of the South-to-North Water Diversion of Middle Route was analyzed. With factor analysis method, the water quality risk factors of Daning regulation and storage reservoir and Daning surge tank were identified. The results were as following, water from Hebei province had higher contents of nitrate nitrogen, total nitrogen, fluorine ion, chloride ion and sulfate than those of water from Danjiangkou reservoir, but the water quality was not as good as that from Danjiangkou reservoir. LSD difference test results showed that the dissolved oxygen, nitrate nitrogen and total nitrogen of the water from Hebei province had significant differences (P < 0.05) between flood season and non-flood season, there was significant difference (P < 0.05) in pH of water from Danjiangkou reservoir between flood season and non-flood season, and the water quality of Danjiangkou reservoir was more stable than water from Heibei province. No matter in flood season or non-flood season, there were no significant differences (P < 0.05) in pH, dissolved oxygen, permanganate index, total phosphorus and ammonia nitrogen between the water from Danjiangkou reservoir and Heibei province, but there were significant differences (P < 0.05) in nitrate nitrogen, total nitrogen, fluorine ion and sulfate ion and chloride ion. Contents of Nitrate nitrogen, total nitrogen, sulfate and chloride ion in 2015 (the mixture of water from Hebei province and Danjiangkou reservoir) in Daning regulation and storage reservoir were lower than those in 2012-2014 (water from Hebei province), and the water from Danjiangkou reservoir played a key role in dilution and adjustment of the water from Hebei province in Daning regulation and storage reservoir. The water quality differences test results between 2012-2014 and 2015 showed that there were significant differences (P < 0.05) in the nitrate nitrogen, total nitrogen, fluorine ion, sulfate and chloride ion both in flood season and non-flood season, and the water quality of 2015 was better than that of 2012~2014 in non-flood season, but the differences of pH, dissolved oxygen, permanganate index, total phosphorus, ammonia nitrogen were not obvious (P < 0.05). The difference test results between Daning regulation and storage reservoir and Daning surge tank showed that Permanganate index, total nitrogen, fluorine ion, sulfate and chloride ion had significant differences (P < 0.05) both in flood season and non-flood season, and the contents of permanganate index, fluorine ion, sulfate and chloride ions in Daning regulation and storage reservoir were higher than those in Daning surge tank. The factor analysis results indicated that water quality potential risk factors both in Daning regulation and storage reservoir and Daning surge tank were mainly nitrogen, including ammonia nitrogen, nitrate nitrogen and total nitrogen, and potential risk factors also included total phosphorus in Daning regulation and storage reservoir.
Key words: middle route of South-to-North Water Diversion      water quality      Daning regulation and storage reservoir      Daning surge tank      factor analysis     

南水北调工程是实施我国水资源优化配置,改变南涝北旱和北方地区水资源严重短缺局面的跨世纪重大战略工程,可有效缓解京、津及华北地区的水资源危机[1],对于提高城市供水保证率、改善城市水环境、保证经济社会可持续发展具有重要意义[2].中线北京段水质更是关系到北京市生活用水安全和社会稳定.目前大多数水质分析均集中于单个变量或者水质参数的定性讨论[3],随着饮用水水质对公众健康影响和原水水质对水生生物作用被人们深刻理解,如何挖掘地表水质监测数据带来的潜在信息,科学地进行水质评估显得尤为重要[4].多元统计技术如聚类分析、主成分分析、因子分析和判别分析,可以解释复杂的数据矩阵,获取更有用的水质信息[5],更好地了解水体水质和水生态状况,识别影响流域水质的可能因素,是一种可信赖的水资源管理及快速解决水污染问题的工具[6].十多年来,在国外多元统计技术被广泛地应用于分析和解释水质数据集,评估水质,了解水质时空变化,识别潜在污染源[7~12],在国内也受到研究人员的青睐[13~18],因子分析还常被用来识别重要的水质参数[4, 19],确定水体主要污染物.

北京市南水北调水质中心自南水北调中线京石段通水以来,一直跟踪监测北京市南水北调大宁管理处大宁调压池和大宁调蓄水库水质.为全面掌握南水北调北京段水质变化,及时掌握受水区水环境状况,选取南水北调中线干线大宁调压池和北京市配套工程大宁调蓄水库为研究对象,对比分析不同水源来水水质综合质量状况,识别主要水质风险因子,以期为南水北调中线工程供水区和受水区水环境保护和水生态修复提供决策支持.

1 材料与方法 1.1 研究区概况

北京是我国的政治、文化中心,人均水资源量不足300 m3,仅为全国人均的1/8,世界人均的1/32,水资源严重短缺. 2008年南水北调京石段建成通水,同年,位于海河流域的子牙河流域岗南水库、黄璧庄水库,大清河王快、西大洋和安各庄水库开始向北京市实施应急供水. 2014年12月,丹江口水库开始向北京市供水,同时,河北省停止向北京市供水.外水进京改变了北京市的水资源格局,成为北京水资源的重要组成部分.大宁调蓄水库是南水北调中线干渠进入北京的首个调蓄水库,对提高北京市南水北调来水调蓄能力,保障城市供水安全,促进北京市西南地区发展有着重要意义.大宁调蓄水库总库容4 611万m3,非汛期最大可调蓄库容为3 753万m3,汛期最大可调蓄库容为1 006万m3,水域面积220万m2(图 1).

图 1 研究区概况示意 Fig. 1 Schematic map of the study area

1.2 数据来源及预处理

水质数据来源于北京市南水北调水质监测中心,监测点包括中线干线大宁调压池和北京市配套工程大宁调蓄水库,监测时间大宁调压池为2008~2015年,大宁调蓄水库为2012~2015年,监测频次2014年前不相对固定,每月不少1次,2014~2015年每月1次.其中2008~2014年以冀水为水源,来自河北省的岗南水库、黄璧庄水库、王快水库、西大洋和安各庄水库,2015年水源为丹江口水库.监测指标包括常规物理指标水温、pH,无机物指标氟离子、氰化物、氯离子、硫化物、硫酸盐、汞,有机物指标挥发酚、石油类、阴离子表面活性剂,耗氧指标溶解氧、高锰酸盐指数、化学需氧量,营养盐指标氨氮、硝氮、总氮、总磷,金属离子指标铁、锰、铜、锌、硒、砷、镉、六价铬、铅和生物学指标粪大肠菌群共计28项.氰化物、硫化物、挥发酚、石油类、阴离子表面活性剂、铁、锰、铜、锌、硒、砷、汞、镉、六价铬、铅和粪大肠菌群这15个水质指标,无论海河流域的子牙河、大清河还是长江流域的丹江口水库,均低于检测限,不再做统计分析.本文选取pH值、氟离子、氯离子、硫酸盐、溶解氧、高锰酸盐指数、氨氮、硝氮、总氮和总磷这10个指标分析.

1.3 基于多元统计分析技术的水质状况分析

采用方差分析法从不同角度分析北京南水北调来水水质差异,采用因子分析法识别大宁调压池和大宁调蓄水库的水质风险因子.方差分析是一种假设检验,把观测总变异的平方和自由度分解为对应不同变异来源的平方和和自由度,将某种控制因素所导致的系统误差和其他随机误差进行对比,检验多个样本均数间差异是否具有统计意义.本文采用t检验完成各组均值间的配对比较,对多重比较误差率不进行调整,即Least-significant difference (LSD) 方法进行分析.

因子分析是一种数据简化技术,通过研究众多变量之间的内部依赖关系,探求观测数据之间的基本结构,并用少数几个独立的不可观测变量 (因子) 来表示其基本的数据结构,这几个假想变量 (因子) 能够反映原来众多变量的主要信息,原来的变量可以用这些提取出来的因子的线性组合表示.水质分析中常用因子分析提取污染因子对污染源定性识别[7].

本研究数据统一采用Excel 2010软件包、DPS数据处理软件 (14.50) 包[20]和SPSS 20.0软件包处理完成.

2 结果与讨论 2.1 调压池冀水和江水水质年内变化

2008~2014年和2015年调压池全年pH值、溶解氧、高锰酸盐指数、氨氮、硝氮、总氮、总磷、氟离子、氯离子、硫酸盐含量变化如图 2所示.从中可知,冀水和江水的pH在8~9之间,偏碱性.溶解氧大小作为衡量水质优劣的一项重要指标[21],无论是江水还是冀水,全年均高于7.5mg ·L-1,2015年3月江水的溶解氧高达15.9 mg ·L-1,全年溶解氧都优于地表水Ⅱ类水质标准,也远远高于大多数鱼类生存的限值3 mg ·L-1 [22].溶解氧浓度较高的主要原因包括两个方面,一是上游来水水质优良,水体中耗氧有机物含量较低,二是大距离长时间明渠输水,与空气充分接触,水体复氧速度快.全年12个月中,6~9月低于其他月份,主要原因是6~9月水温较高,在氧气分压和含氧量一定时,溶解氧的饱和含量随水温的升高而降低,低温下溶解氧的饱和含量随温度的变化更加显著.高锰酸盐指数是地表水体受有机物污染程度的综合指标,无论是冀水还是江水,高锰酸盐指数均低于地表水Ⅱ类标准限值 (4 mg ·L-1).氮磷是造成水体富营养化的主要因素,冀水中硝氮、总氮全年高于江水,4~8月氨氮含量冀水高于江水,全年江水总磷普遍低于冀水.

图 2 调压池冀水和江水年内变化 Fig. 2 Water quality change of water from Hebei province and Danjiangkou reservoir in Daning surge tank

硫酸盐、氟离子、氯离子等指标反映了水体接纳污染物的情况[21],离子浓度越高,水体接纳的污染物越高.全年中,冀水氟离子、硫酸盐及氯离子高于江水 (图 2).

2.2 调压池汛期和非汛期冀水、江水、江水和冀水水质差异性分析

为掌握冀水和江水的水质差异,分别比较冀水汛期和非汛期、江水汛期非汛期、冀水和江水汛期和非汛期之间的差异. 2008~2014年冀水汛期和非汛期水质比较结果显示 (表 1),溶解氧、硝氮和总氮这3个指标汛期和非汛期差异性明显,其他指标差异性不明显. 2015年江水汛期和非汛期差异性检验结果显示,pH差异性显著,其他指标均不显著,水质非常稳定.

表 1 调压池汛期非汛期水质差异性比较1) Table 1 Water quality difference comparison of Daning surge tank in flood season and non-flood season

冀水和江水汛期和非汛期LSD差异性检验结果均显示,pH、溶解氧、高锰酸盐指数、总磷、氨氮这5个指标上差异性不明显 (P < 0.05),而硝氮、总氮、氟离子、硫酸盐及氯离子则存在显著性差异 (P < 0.05),江水水质优于冀水水质.

2.3 大宁调蓄水库2012~2014年及2015年水质变化分析

2012~2014和2015年水库水质年内变化如图 3所示,从中可知,硝氮、总氮、硫酸盐及氯离子2015年 (冀水+江水) 全年均低于2012~2014年 (冀水),江水在水库对冀水起到了很好的稀释调节作用,其他指标变化规律不明显 (图 3).

图 3 水库冀水和冀水+江水年内变化 Fig. 3 Water quality change of water from Hebei province and mixture water of Danjiangkou reservoir and Hebei province in Daning regulation and storage reservoir

2.4 大宁调蓄水库2012~2014年及2015年、汛期和非汛期水质差异性分析

为了解江水对冀水的调节改善作用,对大宁调蓄水库2012~2014年及2015年pH、硝氮等10项指标分汛期和非汛期进行LSD差异性检验,结果如表 2所示.从中可知,汛期和非汛期硝氮、总氮、氟离子、硫酸盐和氯离子均存在显著性差异 (P < 0.05),2015年水质优于2012~2014年水质,其他pH、溶解氧、高锰酸盐指数、总磷、氨氮这5个指标差异性不明显 (P < 0.05)(表 2). 2008~2014年的调压池水质和2012~2014年的水库水质汛期和非汛期比较结果显示高锰酸盐指数、总氮、氟离子、硫酸盐及氯离子差异性显著,其中高锰酸盐、氟离子、硫酸盐和氯离子水库高于调压池,可能与水库初次蓄水,土壤中可溶性物质 (无机盐) 溶于水体有关[23],总氮水库低于调压池,水库对总氮起到一定的调节作用. 2008~2014年调压池和2012~2014年水库汛期水质差异性检验结果显示,高锰酸盐指数、总氮、氟离子、硫酸盐及氯离子差异性显著 (表 2),与非汛期结果一致.大宁调蓄水库虽对总氮起到了一定的调节作用,但需要引起重视的是,汛期水库低水位运行,同时上游来水减少,水库补水量减小或者不补水时,水体交换减缓,需要密切关注水体水质变化,防止水华发生,影响供水水质.

表 2 大宁水库汛期非汛期水质差异性比较 Table 2 Water quality difference comparison of Daning regulation and storage reservoir in flood season and non-flood season

2.5 南水北调水质因子分析

为进一步了解南水北调来水及大宁调蓄水库蓄水水质主要污染物,采用因子分析法识别潜在风险因子.在进行因子分析前先进行KMO和巴特利球体检验,KMO检验系数> 0.5,P < 0.05时,表示数据取自正态分布,变量之间的相关性得到认可,原始数据适合进行主成分分析[24].根据主成分分析法的具体步骤,对原始数据进行标准化消除量纲的影响,得到标准化数据,利用SPSS 20.0软件包分别计算特征值、主成分贡献率及累计贡献率、旋转因子载荷矩阵. KMO和Bartlett检验结果如表 3所示.

表 3 KMO和Bartlett的检验结果 Table 3 Results of KMO and Bartlett tests

大宁调压池2015年水质KMO检验系数为0.565,大宁调蓄水库水质监测数据KMO检验系数为0.516,P < 0.05,可以采用因子分析识别水体主要污染物.

根据主成分的累计贡献率达到85%即可保留原有水质参数的有效信息的原理,大宁调压池提取公因子4个 (特征值> 1),累计贡献率为85.45%,能反映原始数据的基本信息.大宁调蓄水库提取公因子4个,累计贡献率为84.22%(表 4),也能反映原始数据的基本信息.

表 4 旋转因子载荷矩阵 Table 4 Matrix of rotated factor loadings

采用最大方差法旋转后的因子载荷矩阵表明,影响大宁调压池水质 (即丹江口水库来水水质) 有4个主要因素,大宁调蓄水库有5个主要因素 (表 4). Liu等[25]认为当因子载荷值分别为> 0.75、0.75~0.5和0.5~0.3时,代表强相关、中度相关和弱相关. 表 4中仅列出强相关的水质指标,从中可知大宁调压池提取的4个公因子中,F1的贡献率为27.89%,其中因子载荷大于0.75的3个指标分别为硫酸盐 (0.94)、氯离子 (0.91) 和氟离子 (0.88),与F1呈强正相关关系. F2的贡献率为22.87%,与水温呈强正相关 (0.95),与氨氮呈强负相关 (-0.83). F3的贡献率为20.99,与总氮 (0.93) 和硝氮 (0.85) 呈强正相关. F4与高锰酸盐指数 (0.75) 呈正相关,贡献率为13.7%.

影响大宁调蓄水库水质的主要因素有5类,总氮 (0.92) 和硝氮 (0.88) 组成第一公共因子,占总贡献率的22.18%,呈强正相关. F2的贡献率为21.97%,与氯离子 (0.78) 和硫酸盐 (0.75) 呈强正相关. F3的贡献率为17.03%,与pH (0.90) 和氨氮 (0.75) 呈强正相关. F4的贡献率为12.49%,与氟离子呈强正相关. F5的贡献率为10.56%,与总磷呈强正相关.

大宁调压池潜在污染因子有4类,大宁调蓄水库潜在污染因子有5类.影响调压池水质的4类因子中,第二类和第三类为代表水体富营养化的氮元素指标,包括氨氮、硝氮和总氮;影响大宁调蓄水库水质的5类因子中,第一、第三和第五均为代表水体富营养化的水质指标,第一和第三为氮元素,包括总氮、硝氮和氨氮,第五为磷元素.若水体中氮磷元素较高,同时水温较高、水体流动慢等适宜条件下易引起水华,影响供水水质,威胁供水安全,需要密切关注.

3 结论

(1) 南水北调中线北京段冀水全年硝氮、总氮、氟离子、氯离子、硫酸盐含量高于江水,江水水质优于冀水.不论是冀水还是江水,通水以来水质均保持在地表水Ⅱ类水质以上 (TN不参评),是优良的饮用水水源.

(2) 冀水溶解氧、硝氮和总氮,江水pH汛期和非汛期差异性显著 (P < 0.05),江水水质较冀水更为稳定.无论在汛期还是在非汛期,江水和冀水在pH、溶解氧、高锰酸盐指数、总磷、氨氮这5个指标上差异性不明显 (P < 0.05),而硝氮、总氮、氟离子、硫酸盐及氯离子则存在显著性差异 (P < 0.05).

(3) 大宁调蓄水库硝氮、总氮、硫酸盐及氯离子含量2015年 (冀水+江水) 全年低于2012~2014年 (冀水). 2012~2014年及2015年水库汛期和非汛期水质差异性检验结果均显示,硝氮、总氮、氟离子、硫酸盐和氯离子存在显著性差异 (P < 0.05),非汛期水质2015年优于2012~2014年,其他pH、溶解氧、高锰酸盐指数、总磷、氨氮这5个指标差异性不明显 (P < 0.05).冀水在经水库调蓄后,汛期和非汛期高锰酸盐指数、总氮、氟离子、硫酸盐及氯离子差异性显著,高锰酸盐指数、氟离子、硫酸盐和氯离子水库高于调节池,总氮在经水库调蓄后显著下降.大宁调蓄水库发挥了调蓄水量和水质的双重作用.

(4) 大宁调压池和大宁调蓄水库潜在水质风险因子主要是氮元素,包括氨氮、硝氮和总氮,大宁调蓄水库水质潜在风险因子还包括总磷.

参考文献
[1] 李雨, 王雪, 周波, 等. 中线调水前汉江中下游水量和水质本底特性及变化趋势分析[J]. 水文, 2015, 35(5): 82–90. Li Y, Wang X, Zhou B, et al. Characteristics and change trend of water quantity and quality in Middle and lower reaches of Hanjiang river before South-to-North water diversion running[J]. Journal of China Hydrology, 2015, 35(5): 82–90.
[2] 孙福强, 顾军农, 赵顺萍, 等. 丹江口水库与密云水库水质对比及对现行工艺的影响分析[J]. 给水排水, 2013, 39(4): 39–43. Sun F Q, Gu J N, Zhao S P, et al. The water quality comparison between Danjiangkou reservoir and Miyun reservoir and analysis of their impact on the current water quality treatment process[J]. Water & Wastewater Engineering, 2013, 39(4): 39–43.
[3] Petersen W, Bertino L, Callies U, et al. Process identification by principal component analysis of river water-quality data[J]. Ecological Modelling, 2001, 138(1-3): 193–213. DOI: 10.1016/S0304-3800(00)00402-6
[4] Ouyang Y. Evaluation of river water quality monitoring stations by principal component analysis[J]. Water Research, 2005, 39(12): 2621–2635. DOI: 10.1016/j.watres.2005.04.024
[5] Zhao J, Fu G, Lei K, et al. Multivariate analysis of surface water quality in the Three Gorges area of China and implications for water management[J]. Journal of Environmental Sciences, 2011, 23(9): 1460–1471. DOI: 10.1016/S1001-0742(10)60599-2
[6] 徐华山, 徐宗学, 唐芳芳, 等. 漳卫南运河流域水质时空变化特征及其污染源识别[J]. 环境科学, 2012, 33(2): 359–369. Xu H S, Xu Z X, Tang F F, et al. Spatiotemporal variation analysis and identification of water pollution sources in the Zhangweinan river basin[J]. Environmental Science, 2012, 33(2): 359–369.
[7] Shrestha S, Kazama F. Assessment of surface water quality using multivariate statistical techniques:a case study of the Fuji river basin, Japan[J]. Environmental Modelling & Software, 2007, 22(4): 464–475.
[8] Varol M, Şen B. Assessment of surface water quality using multivariate statistical techniques:a case study of Behrimaz Stream, Turkey[J]. Environmental Monitoring and Assessment, 2009, 159(1-4): 543–553. DOI: 10.1007/s10661-008-0650-6
[9] Kannel P R, Lee S, Kanel S R, et al. Chemometric application in classification and assessment of monitoring locations of an urban river system[J]. Analytica Chimica Acta, 2007, 582(2): 390–399. DOI: 10.1016/j.aca.2006.09.006
[10] Sundaray S K, Panda U C, Nayak B B, et al. Multivariate statistical techniques for the evaluation of spatial and temporal variations in water quality of the Mahanadi river-estuarine system (India)-a case study[J]. Environmental Geochemistry and Health, 2006, 28(4): 317–330. DOI: 10.1007/s10653-005-9001-5
[11] Sundaray S K. Application of multivariate statistical techniques in hydrogeochemical studies-a case study:Brahmani-Koel River (India)[J]. Environmental Monitoring and Assessment, 2010, 164(1-4): 297–310. DOI: 10.1007/s10661-009-0893-x
[12] Han S, Kim E, Kim S. The water quality management in the nakdong river watershed using multivariate statistical techniques[J]. Ksce Journal of Civil Engineering, 2009, 13(2): 97–105. DOI: 10.1007/s12205-009-0097-5
[13] 周丰, 郭怀成, 黄凯, 等. 基于多元统计方法的河流水质空间分析[J]. 水科学进展, 2007, 18(4): 544–551. Zhou F, Guo H C, Huang K, et al. Multivariate statistical technique for spatial variation in river water quality[J]. Advances in Water Science, 2007, 18(4): 544–551.
[14] 卜红梅, 刘文治, 张全发. 多元统计方法在金水河水质时空变化分析中的应用[J]. 资源科学, 2009, 31(3): 429–434. Bu H M, Liu W Z, Zhang Q F. Application of multiple statistical analysis to spatial-temporal variations of water quality of the Jinshui river[J]. Resources Science, 2009, 31(3): 429–434.
[15] Bu H M, Tan X, Li S Y, et al. Water quality assessment of the Jinshui River (China) using multivariate statistical techniques[J]. Environmental Earth Sciences, 2010, 60(8): 1631–1639. DOI: 10.1007/s12665-009-0297-9
[16] 顾胜, 李思悦, 张全发. 汉江堵河流域地表水质时空变化特[J]. 长江流域资源与环境, 2009, 18(1): 41–46. Gu S, Li S Y, Zhang Q F. Spatial-temporal distribution of surface water quality in the Du river basin[J]. Resources and Environment in the Yang tze Basin, 2009, 18(1): 41–46.
[17] Li S Y, Zhang Q F. Spatial characterization of dissolved trace elements and heavy metals in the upper Han River (China) using multivariate statistical techniques[J]. Journal of Hazardous Materials, 2010, 176(1-3): 579–588. DOI: 10.1016/j.jhazmat.2009.11.069
[18] Zhang Q, Li Z W, Zeng G M, et al. Assessment of surface water quality using multivariate statistical techniques in red soil hilly region:a case study of Xiangjiang watershed, China[J]. Environmental Monitoring and Assessment, 2009, 152(1-4): 123–131. DOI: 10.1007/s10661-008-0301-y
[19] Noori R, Sabahi M S, Karbassi A R, et al. Multivariate statistical analysis of surface water quality based on correlations and variations in the data set[J]. Desalination, 2010, 260(1-3): 129–136. DOI: 10.1016/j.desal.2010.04.053
[20] 唐启义. DPS数据处理系统[M]. (第三版). 北京: 科学出版社, 2013. Tang Q Y. DPS data processing system[M]. (3rd ed.). Beijing: Science Press, 2013.
[21] 金树权, 吕军, 陈丁江, 等. 曹娥江三典型支流的水质对比研究[J]. 水土保持学报, 2006, 20(5): 121–125. Jin S Q, Lv J, Chen D J, et al. Comparative study of water quality of three typical tributaries with in Cao-e river system[J]. Journal of Soil and Water Conservation, 2006, 20(5): 121–125.
[22] Chang H. Spatial and temporal variations of water quality in the han river and its tributaries, Seoul, Korea, 1993-2002[J]. Water, Air, & Soil Pollution, 2005, 161(1-4): 267–284.
[23] 胡丽丽, 王玉智, 田振君. 引黄济淀输水水质变化规律分析[J]. 中国水利, 2013(S): 74–76. Hu L L, Wang Y Z, Tian Z J. Analysis on variational rule of water quality of water diversion from Yellow River to Baiyang Lake[J]. China Water Resources, 2013(S): 74–76.
[24] 王晓丽, 刘畅, 关文玲. 基于主成分分析法的城市大气主要污染物关系研究[J]. 天津理工大学学报, 2015, 31(2): 20–23. Wang X L, Liu C, Guan W L. Study on the relationship of city primary air pollutants based on principal component analysis method[J]. Journal of Tianjin University of Technology, 2015, 31(2): 20–23.
[25] Liu C W, Lin K H, Kuo Y M. Application of factor analysis in the assessment of groundwater quality in a blackfoot disease area in Taiwan[J]. Science of the Total Environment, 2003, 313(1-3): 77–89. DOI: 10.1016/S0048-9697(02)00683-6