2021, Vol. 42
2. 北京师范大学水科学研究院, 北京 100875
2. College of Water Science, Beijing Normal University, Beijing 100875, China
近年来河流富营养化逐渐发展为全球化的水生态环境问题[1, 2].河流富营养化不仅会对河流水质二次损坏, 还严重威胁人类用水安全及水生态系统安全, 成为社会环境可持续健康发展的主要瓶颈[3].国内外研究表明, 氮和磷等高营养负荷是导致河湖水体富营养化并发生水华现象的主要原因, 也是各流域水质恶化的重要因素[4]. 随着未来我国社会经济的高速发展和城市化发展的加剧, 河流水生态系统仍将面临诸多大尺度和高强度人类活动影响下的退化风险和复合环境压力. 汉江作为我国长江最大的支流多次出现了水华现象, 其中自1992年汉江(河口以上河段)第一次硅藻水华暴发以来, 在1998、2000、2003、2008、2009、2010、2011和2016年, 前后共暴发了9次不同程度的水华事件, 均发生在2~4月, 严重时覆盖河段达到河口以上约500 km, 通常单次持续时间可达20 d之久[5~7].同时, 汉江流域也是我国南水北调中线工程的水源区, 南水北调工程的实施, 将提高北方供水能力, 但是存在导致下游径流量减少的风险, 从而可能进一步加剧下游水质环境的恶化, 直接影响下游武汉等城市的饮用水安全, 成为当地政府的重要管理需求[8].
国内外很多学者针对长江和汉江水生态环境退化的特征和成因分析开展了较多研究, 如陈善荣等[9]的研究发现, 2016~2019年长江流域总磷、氨氮和化学需氧量均呈现明显的下降趋势, 其中总磷和化学需氧量主要来自面源, 氨氮主要来自点源.陈善荣等[10]的研究指出长江中下游人口集中, 农业源排放量大, 城镇地区工业废水和城镇生活污水排放量大, 加之水流迟缓, 自净能力降低, 易导致化学需氧量超标.秦延文等[11]的研究发现长江流域总磷污染控制的关键是磷矿开采和磷化工综合治理.李欣悦等[12]的研究指出受农业施肥和畜禽养殖影响, 单位面积农业面源污染负荷高, 加之上游来水总氮浓度高, 是汉江总氮浓度偏高的主要原因.张九红等[13]的研究指出近年来生活污水已逐渐成为汉江水污染的主要来源, 水体中氮和磷等营养元素浓度高, 是造成“水华”最根本的原因, 应减少农药和化肥的消费, 降低磷面源负荷.刘成建等[14]的研究发现2011~2018年, 汉江各水质指标年际变化较为复杂, 水质总体改善, 但氨氮指标不同点位变化趋势较大.景朝霞等[15]的研究指出, 2014年南水北调工程导致的汉江中下游水文形势和气候变化, 是“水华”暴发及水质恶化的诱因等. 受观测条件制约, 很多学者对某一时间段短期汉江水华现象及成因做了较多分析, 但对不同时期、不同流域和不同断面水质指标时空变异特征研究较少; 水质时空变异与驱动因素主要集中在长江流域, 近年缺乏对汉江水环境现状及变化特征的系统和整体的分析.
本文研究以汉江中下游为重点研究区域, 基于长时间序列水文、水质和水生态等多源数据, 综合利用Daniel趋势检验法、MK突变检验法、K-means聚类分析和冗余分析等方法系统分析了汉江流域水质时空变异特征及影响因素, 以期为汉江“水华”防治和预警预报提供技术支撑.
1 材料与方法 1.1 研究区域与数据汉江发源于陕西省宁强县潘冢山, 流经陕西、湖北两省, 于武汉市进入长江, 全长1 577 km, 落差1 964 m, 流域面积1.59×105 km2.汉江流域属北亚热季风气候区, 气候温暖湿润, 夏季平均气温26℃, 冬季平均气温在0℃间, 年平均降水量约为897 mm, 丰水期为6~10月, 枯水期为11月至来年5月.汉江武汉段位于江汉平原地区, 全长50 km, 是武汉市居民用水和工业用水的主要水源[7].
研究区域为汉江中下游, 监测断面包括沈湾、白家湾、余家湖、转斗、皇庄、罗汉闸、岳口、汉南村、小河和宗关, 研究时段为2014~2018年, 该时段各点位水质指标数据较为完整, 为逐月监测数据, 水质参数主要有总氮(TN)、总磷(TP)、氨氮(NH4+-N)、高锰酸盐指数、溶解氧(DO)和五日生化需氧量(BOD5); 对于汉江水华频繁暴发区域——汉江武汉段(宗关站区域), 为明确水华期间营养盐(TN和TP)长时间序列变化特征, 研究时段延长到2004年, 主要采用2011~2018年逐月监测数据以及2004~2018年的2~4月的上、中、下旬数据. 此外, 重点对汉江水华主要限制营养元素TP的时空变化特征及其影响因素进行分析[6, 7].针对缺失数据, 采用年均值进行替换; 测定结果低于分析方法检出限浓度时, 按最低检出限的1/2浓度值进行统计分析.采用的水文监测数据来源于中华人民共和国水文年鉴, 均为同时期不同水文站的流量(Q)、流速(v)、水位(H)、水温(T)及降水(Precip)数据, 观测断面位置及分类如图 1.
|
图 1 研究区地理位置及监测点位分布示意 Fig. 1 Geographical location and distribution of monitoring stations |
Daniel趋势检验又称Spearman的秩相关系数检验, Daniel趋势检验法是对特定时间序列数据进行定量分析的常用方法, 主要用于单因素小样本的检验[16].主要原理为, 假设有2个变量X和Y, RX和RY分别为其秩次, 则通过式(1)计算这2个变量之间的相关系数：
|
(1) |
当RX和RY无相同等级时, 公式化简如下：
|
(2) |
式中, rS为Spearman秩相关系数, xi为浓度值从小到大排列的序号; yi为浓度值按时间排列的序号; n为时间周期.根据计算出的秩相关系数rS, 取其绝对值, 同rS临界值(WP)做比较, 判断数据的变化趋势, 即如果|rS|≥WP, 表明变化趋势显著; 当|rS|≥WP时, 如果rS是正值, 表明数据呈现上升趋势; 反之, 则为下降趋势.
1.2.2 MK突变检验法MK统计检验方法不需要样本遵从一定的分布, 且受异常值影响较小[17, 18].设有一时间序列如下：x1, x2, …, xn, 构造秩序列ri, ri含义为xi>xj(1≤j≤i)的累计数.定义：
|
(3) |
假定一组时间序列是随机独立的变量, 则对这组时间序列的统计量UFk作如下定义：
|
(4) |
式中, UFk为标准正态分布, E(Sk)为均值, Var(Sk)为方差; 给定显著水平α, 查询正态分布表, 得到临界值Uα. UFk在时间变化中表示为UF, 将同样的分析方法应用到反序列UBk中, 在时间变化中表示为UB.通过统计序列UFk和UBk交叉点对序列x变化趋势进一步进行分析, 同时明确突变时间, 并指出突变区域.
1.2.3 K-means聚类分析K-means是一种非层次聚类方法, 由Stuart Lloyd在1957年提出其标准算法, 直到1982年底才由Stuart Loyd在贝尔实验室发表[19].假设数据集合为(x1, x2, …, xn), 并且每个xi为d维的向量, 在分类组数k值(k≤n)确定的前提下, K-means可将原始数据分成k类, 然后通过式(5)求最小值.
|
(5) |
CODs方法(coefficient of divergence) 从皮尔森相关系数发展而来, 皮尔森相关系数可以用来说明不同污染物之间的相关性, 而CODs方法用来表示2个数据集之间的相似性并计算差异度大小[20, 21]. CODs定义如下：
|
(6) |
式中, CODjk为一对监测断面j与k的相异系数, xij和xjk分别代表这2个监测断面的第i对监测浓度, p为浓度对子的总数, CODs数值为0表示毫无差别, 彼此完全相同, 数值为1表示差别最大, 彼此百分之百相异; 数值在0与1之间时, 表示既有相同之处, 也有一定程度的差异.
1.2.5 RDA冗余分析法冗余分析(redundancy analysis, RDA)是一种使用物种和环境因子组成数据的排序技术, 是当前生态学领域较为常用的直接梯度变量约束排序分析方法(ordination analysis)[22].冗余分析最早由Vandenwollenberg发明, 可以将环境因子和物种因子等样点投射到排序轴构成的二维平面上, 并评价各因子之间的相关性和贡献度[23].它的主要原理如下：
|
(7) |
|
(8) |
式中, Z1为独立的内生变量n×r矩阵, Z2为自变量或外生变量为n×t矩阵, W为t×d权重矩阵, A为d×r载荷矩阵, E为n×r残差矩阵; 式(8)为降秩回归模.
2 结果与讨论 2.1 宗关断面水质时间变化分析由于宗关断面采样时间较长, 数据较为全面, 研究首先分析宗关断面各水质指标时间变化.采样期间, 2004~2018年的2~4月宗关站TP和TN平均值分别为(0.107±0.012)mg·L-1和(1.945±0.116)mg·L-1; 2011~2018年的1~12月宗关站TP和TN平均值分别为(0.091±0.008)mg·L-1和(1.863±0.135)mg·L-1; 2014~2018年的1~12月宗关站TP、TN、NH4+-N、高锰酸盐指数、DO和BOD5平均值分别为(0.091±0.022)、(1.852±0.444)、(0.126±0.086)、(2.650±0.642)、(8.533±1.928)和(1.161±0.391)mg·L-1.2004~2018年的2~4月宗关站TP与TN的Pearson相关性系数为0.902, 在α=0.01水平(双侧)上显著相关, 2018年1~12月宗关站TP与TN的Pearson相关性系数为0.378(P=0.356), 相关性不明显; 2~4月水华期间TP与TN的相关性明显大于全年平均值, 这与Xia等[6]的研究结果一致, 表明水华期间显著性更强.基于Daniel趋势检验法, 2004~2018年的2~4月和2011~2018年1~12月宗关站TP与TN变化趋势不显著, 2014~2018年1~12月宗关站主要水质指标变化趋势均不显著, 没有通过α=0.05显著性检验(表 1).
|
表 1 基于Daniel检验法汉江流域宗关站水质指标10年来浓度变化 Table 1 Trends of water indexes at Zongguan station in Hanjiang River over the past 10 years |
针对污染负荷较高的TN与TP, 基于MK突变方法发现2004~2018年宗关站TP突变点主要出现在2008年和2014年, TN突变点主要出现在2008年和2016年; 而2017~2018年TP与TN浓度又有所反弹上升(图 2). 2008年出现突变主要与该年2~4月水华事件为近20年最为严重有关[7]; 突变时段的2014年和2016年分别为TP和TN浓度近年最低点.根据湖北省生态环境状况公报[24], 2014~2018年汉江干流水质总体较好, 20个监测断面水质总体为Ⅰ~Ⅱ类, 但支流断面超标时有发生. 本研究发现, 2004~2018年宗关站TP与TN年变化趋势不显著, 2011~2013年为TP和TN浓度总体均较高的一段时期; 这与刘成建等[14]对汉江中下游水质分析的结果一致, 其分析发现, 2011~2018年汉江中下游水质总体好转, 2013~2014年污染最重, 2011~2013年是重要转折期, 农田和城市用地对汉江中下游水质恶化影响较大; 而景朝霞等[15]的研究指出, 2011~2014年汉江中下游水质超标指标为TP、TN和BOD5, 其中总氮超标最为严重. 从近年来汉江与长江水质突变结果对比上看, 本研究与这些学者关于汉江和长江水质变化趋势的结果具有一定的可比性; 如陈善荣等[10]的研究现发2010~2019年长江TP的年均值在2014年最高, 超标时段主要出现在2010~2014年; 娄保锋等[25]的研究发现2003~2012年长江干流TP浓度逐步上升, 2014~2018年逐步下降, TP浓度下降主要是由于水污染防治措施和随泥沙汇入磷的减少引起的.
|
图 2 2004~2018年的2~4月宗关站总磷与总氮突变分析 Fig. 2 Trends and mutation analysis of TN and TP at Zongguan station from February to April in 2004-2018 |
从研究区域其它断面和不同水质指标Daniel变化趋势检验结果上看(表 2), 不同断面水质指标变化趋势差异较大.2014~2018年余家湖断面TP呈现明显的上升趋势, 其余点位无明显变化趋势; 这与刘成建等[14]对2011~2018年汉江流域多点位TP的分析结果一致.上游余家湖点位水质明显转好, 但TP近年有上升趋势, 这可能与余家湖上游为唐白河流经重要农业区“南阳盆地”, 导致未被农作物吸收的磷被携带入河有关; 秦延文等[11]的研究指出“十一五”期间COD为国家总量控制重点指标, “十二五”期间增加了NH4+-N指标, 而TP控制一直未被重视. 对于总氮, 余家湖呈现明显下降趋势, 岳口和小河断面则明显上升, 且2断面近年水质有变差趋势; 李欣悦等[12]的研究指出, 农业施肥和畜禽养殖等农业面源排放及上游来水TN浓度偏高是汉江部分区域TN浓度居高不下的主要原因; 王军霞等[26]的研究指出农业源是我国TN和TP主要排放源, 分别占TN和TP排放量的69.2%和81.0%, 2014~2018年不同断面NH4+-N浓度无明显变化趋势; 张莺[27]的研究指出枯水期汉江NH4+-N受污废水点源排放影响大, 丰水期受农业面源影响大.对于高锰酸盐指数, 汉南村呈现明显的上升趋势, 小河呈现明显的下降趋势.对于DO, 罗汉闸断面呈现下降趋势, 余家湖、皇庄和小河呈现明显的上升趋势.对于BOD5, 小河呈现明显的下降趋势.小河断面附近水质改善明显, 多项水质指标均趋于改善, 这可能与近年来实施的控源减排和清澈养殖等保护行动和措施有关. 汉南村和岳口部分水质指标有转差的趋势, 需进一步关注和研究.
|
|
表 2 2014~2018年的1~12月汉江流域各断面水质指标变化趋势及显著性检验1) Table 2 Trend and significance test of water quality indexes at different stations in Hanjiang River basin from January to December in 2014-2018 |
2.3 丰枯期不同水质指标浓度对比
本文除研究年变化趋势外, 还进一步分析了不同水质指标2014~2018年月变化和丰枯期浓度变化.丰枯期在时间上的划分为丰水期(6~10月)和枯水期(11月至次年5月), 结果见图 3和表 3.总体上看, TN、NH4+-N和BOD5枯水期总体大于丰水期, 高锰酸盐指数不同点位呈现出不同的丰枯变化规律, 丰水期TP下降不明显.具体来看, 2014~2018年汉江流域各断面TP无明显月变化规律, 最高月与最低月均值仅差0.024 mg·L-1, 各月值差异不大; 各断面枯水期TP平均值低于丰水期0.013mg·L-1; 10个监测断面中有转斗、沈湾、小河、皇庄和余家湖枯水期TP浓度高于丰水期, 其余断面枯水期TP低于丰水期; 陈善荣等[9]的研究指出, 丰水期较多的雨水将流域沿岸磷矿和磷肥企业的磷冲刷入河, 导致丰水期TP下降不明显; 汉江流域各点位TP浓度无明显月变化规律也进一步显示汉江流域TP污染呈面源污染特征. 2014~2018年汉江流域各点位TN和NH4+-N月变化规律较为显著, 呈现出枯水期浓度高于丰水期特征; 丰水期TN和NH4+-N均值分别比枯水期高出0.127 mg·L-1和0.067mg·L-1, 个别断面如罗汉闸和岳口TN枯水期略低于丰水期; 丰水期6~10月最低, 较多的雨水和较大的流量稀释了TN和NH4+-N值, 同时河流自净能力也大幅提升, 综合导致丰水期TN和NH4+-N浓度较低; 逐月分布上, TN和NH4+-N的Pearson相关性系数为0.681(P=0.015), 呈现明显正相关, 这说明汉江流域TN和NH4+-N主要来自点源. 从流域均值上看, 汉江流域各断面高锰酸盐指数、BOD5和DO的月变化规律较为显著, BOD5和DO呈现出枯水期值高于丰水期的特征, BOD5和DO枯水期均值分别比丰水期高出0.246 mg·L-1和1.807mg·L-1. 高锰酸盐指数总体呈现出枯水期低于丰水期特征, 其中岳口、汉南村和宗关断面枯水期浓度分别比丰水期低出0.133、0.895和0.141 mg·L-1, 其余点位枯水期均值比丰水期高出0.040~0.193mg·L-1. 丰水期大量的还原性物质进入汉江, 导致BOD5和DO低于枯水期. 尽管高锰酸盐指数不同点位呈现出不同的变化规律, 但总的月变化幅度低于BOD5和DO, 这说明高锰酸盐指数污染负荷除主要来自面源外, 部分断面也受到附近点源污染影响, 特别是受到沿汉江城镇和工厂污水排放的影响.
|
(a)TN, (b)TP, (c)NH4+-N, (d)高锰酸盐指数, (e)DO, (f)BOD5; 图例单位mg·L-1 图 3 2014~2018年不同月份不同断面水质指标变化 Fig. 3 Variations of water quality indicators at different stations in different months from 2014 to 2018 |
|
|
表 3 2014~2018年不同断面丰水期、枯水期水质指标变化及差异统计/mg·L-1 Table 3 Statistics of water quality indexes at different stations during the wet season and dry seasons from 2014 to 2018/mg·L-1 |
2.4 空间变异与聚类分析
从不同断面各项指标变化上看(图 3和图 4), 2014~2018年TP汉南村断面浓度最高, 为0.263 mg·L-1, 沈湾断面最低, 为0.028mg·L-1; 10断面中仅汉南村TP平均值超过地表水环境质量标准(GB 3838-2002)Ⅱ类水标准限值(TP=0.1mg·L-1). 2014~2018年TN宗关断面最高, 为1.852 mg·L-1, 岳口断面最低, 为0.630 mg·L-1; 10个断面中仅岳口和小河断面TN浓度低于地表水Ⅲ类水标准限值(TN=1.0 mg·L-1), 均超过地表水Ⅱ类水标准限值(TN=0.5 mg·L-1). 2014~2018年NH4+-N余家湖断面浓度最高, 为0.286mg·L-1, 宗关断面最低, 为0.126 mg·L-1, 10断面中NH4+-N值均低于地表水Ⅱ类水标准限值(NH4+-N =0.5mg·L-1). 2014~2018年高锰酸盐指数汉南村断面浓度最高, 为3.678 mg·L-1, 沈湾断面最低, 为1.805 mg·L-1, 10断面中高锰酸盐指数值均低于地表水Ⅰ类水标准限值(高锰酸盐指数=15 mg·L-1). 2014~2018年DO浓度罗汉闸断面浓度最高, 为9.630 mg·L-1, 小河断面最低, 为7.344 mg·L-1, 10断面中除汉南村和小河断面外, DO浓度均高于地表水Ⅰ类水标准限值(DO=7.5 mg·L-1).2014~2018年BOD5值小河断面最高, 为2.181 mg·L-1, 转斗断面最低, 为1.083 mg·L-1, 10断面中BOD5浓度均低于地表水Ⅰ类水标准限值(BOD5=3.0 mg·L-1).由此可见, 2014~2018年汉江流域10断面中, 主要污染水质指标为TP和TN, 与总量减排约束性指标相关联的高锰酸盐指数和NH4+-N近年来已经明显改善. 由此可见, 近年汉江干流水质总体较好, 总体处于Ⅱ类; 研究区域10个断面水质差异较大, 空间分布上呈现出从研究区域上游至中下游逐渐变差的特征, 中下游部分断面水质为Ⅲ类.
|
1表示DO; 2表示TP; 3表示NH4+-N; 4表示高锰酸盐指数; 5表示TN; 6表示BOD5 图 4 2014~2018年汉江流域不同断面不同水质指标聚类结果 Fig. 4 Clustering results of water quality indexes for different sections of the Hanjiang River from 2014 to 2018, based on K-means method |
本研究进而对2014~2018年汉江流域不同断面不同水质指标进行K-means聚类分析(图 4), 可以发现, 汉江流域10个水质断面总体上可以聚类为3类, 第1类是余家湖、沈湾和白家湾断面, 它们处于研究区域的上游, 水质指标总体较好; 第2类是罗汉闸、岳口、皇庄、转斗和宗关断面, 它们处于研究区域的中游, 水质情况与10个断面平均值情况相当; 第3类为汉南村、小河断面, 它们处于汉江流域的下游, 各项水质指标与上游、中游有着明显的差异.从主要的水质指标聚类结果上看, DO和高锰酸盐指数为一类, 它们的量值都较大, TP和TN等剩余的水质指标为一类, 它们的量值比较接近. 需要指出的是, 宗关断面尽管位于汉江下游, 距离长江和汉江交汇处仅5 km, 水动力和水质指标受长江水位顶托作用明显[28], 因而本研究将宗关断面单独划为一类, 不再并入第2类进行分析(下同). 综合来看, 这3个聚类结果代表 9个断面中的3种水质等级, 第1类水质情况最优, 第2类水质次之, 第3类水质最差, 超标的水质指标均为TP和TN. 采用K-means非层次聚类方法10个断面的水质指标聚类时, 并用兰德指数对聚类结果进行评价, 兰德指数越大表示聚类效果准确性越高同时每个类内的纯度越高[29].结果显示, 3类兰德指数为0.65, 比2~6类均高; 体现出聚类结果可信度.
对于单个水质指标, TP和TN超标情况最为突出.以TP为例, 2014~2018年汉江流域不同断面TP时空聚类结果显示(图 5), 与10个断面综合聚类结果相比, 各断面TP单独聚类结果出现了较为明显的差异; 空间分布上, 10个水质断面总体聚类为3类, 第1类是余家湖、沈湾和白家湾断面, 它们处于研究区域上游, 水质指标总体较好, 与综合聚类结果一致; 第2类是转斗、罗汉闸和岳口, 第3类是汉南村、小河和皇庄, TP的第2、3类与综合聚类的结果略有不同(图 5), 一定程度上表明这些断面TP的大小存在一定的差异且TP有着自己独特的时空变异趋势(宗关断面不再分析).从时间聚类上看, 总体上也可以聚为3类, 第1类是2014年10~11月、2017年10月、2015年12月、2018年3月和2018年6月, 这些月份TP浓度普遍偏高, 特别是中下游各断面, TP一度达到0.15 mg·L-1; 第2类是2014年1~3月、2015年1月、2015年3月、2017年11月、2018年1月、2018年5月和2018年7~8月, 这些月份中下游各断面TP浓度总体处于中等水平; 剩下的各月份聚为第3类.采用K-means时空聚类分析对2014~2018年汉江流域不同断面水质指标分析, 10个不同断面总体上聚类结果有所差异, 上游的3个点位基本聚为一类, 结果比较一致; 本研究区域中下游针对不同的水质指标聚类结果略有差异; 但结合总磷单独聚类和综合聚类的结果, 本研究将其划分为区域中游罗汉闸、岳口、皇庄、转斗和宗关断面一类以及研究区域下游汉南村和小河断面一类.
|
图 5 2014~2018年汉江流域不同断面总磷时空聚类结果 Fig. 5 Temporal and spatial clustering results of TP in different sections of Hanjiang River basin from 2014 to 2018 |
基于CODs分析方法, 进一步计算的3个聚类各项水质指标相异度结果统计显示(表 4), 研究区域上中下游各项水质指标相异度系数有着明显的差异, 可以明显区分出3个类别与均值的差异.以TP为例, 上游3个断面与所有断面平均值相异度系数为0.419, 下游汉南村和小河这2个断面与所有断面平均值相异度系数为0.233, 中游各个点位与平均值相异度系数为0.254; 各类别相异度系数有着明显的差异, 不同类别间数值有着明显的不同, 再次证明研究采用的聚类结果是合理的, 结果是可接受的.
|
|
表 4 2014~2018年汉江流域不同断面水质指标相异度系数分布 Table 4 CODs of water quality index in different sections of the Hanjiang River basin from 2014 to 2018 |
2.5 时空驱动因素识别
不同流域人类活动包括农业面源排放、城镇工业和生活污水排放及人为治理均会直接影响水体各项水质指标大小; 如刘成建等[14]的研究发现农田和城市用地对汉江中下游水质恶化影响较大; 范新凤等[30]的研究指出2009~2017年污染物排放和土地利用类型变化导致小清河水质变差; 田伟等[31]的研究发现无锡蠡湖TN和TP等水质指标在1997~2003年最差, 2003年经过综合治理后逐年改善, 但近两年略有反弹等. 此外, 近年南水北调取水工程和引江济汉工程等实施也会一定程度上改变汉江的水动力条件, 也会导致水质指标变化; 如潘晓雪等[32]的研究指出各形态P浓度沿程和时间变化不明显, “引江济太”期间颗粒态磷是望虞河水体P输入的主要形态.
本研究进一步分析了水动力和水环境等因素对水质空间变异的影响.表 5统计了2014~2018年不同断面水质指标间的相关性, 研究区域上游TP与高锰酸盐指数呈现弱正相关性; 区域中游TP与TN和高锰酸盐指数呈弱正相关性, TN与NH4+-N和高锰酸盐指数呈弱正相关性; 区域下游除DO与TN和NH4+-N无显著相关性外, 其余指标之间均存在显著的正、负相关关系, 相关系数绝对值较大.与区域上游断面相比, 中下游各水质指标有一定的相关性特别是区域下游, 说明区域中下游水质指标影响因素更多; 此外, 各水质指标的变化范围TP、高锰酸盐指数和BOD5变幅较小, 总体较为稳定, 而DO、NH4+-N和TN波动较大.
|
|
表 5 2014~2018年不同断面各水质指标相关性统计分析1) Table 5 Correlation statistics of total phosphorus and other water quality indicators at different stations from 2014 to 2018 |
本研究进一步结合汉江下游水质时空分布特征, 采用RDA对3个区域的影响因素进行分析(表 6).蒙特卡洛置换检验结果显示: 流量(P=0.016)和水温(P=0.014)对上游区域水质变化影响显著, 其贡献率分别达到48.4%和43.1%.汉江中游蒙特卡洛置换检验结果发现, 水温(P=0.002)对中游水质变化影响显著, 其贡献率为88.5%, 其次是流量6.8%(P=0.26), 汉江下游蒙特卡洛置换检验结果指出, 水温(P=0.032)和流量(P=0.09)对下游水质变化影响显著, 其贡献率分别为50.7%和32.0%. 总体来看, 除人为活动影响外, 在研究的水动力和气候变化因素中, 流量、水温是影响汉江中下游3个分区河流水质指标的重要因素, 其中流量在上和下游对水质贡献率较大, 水温则在中游贡献率最大.
|
|
表 6 2014~2018年不同区域水质指标主要影响要素RDA结果统计分析 Table 6 Factors influencing the water quality index at different stations from 2014 to 2018 based on RDA method |
综上, 不同区域水质指标变化影响因素众多, 受各种因素的制约, 下一步还应结合大数据, 精细化分析人类活动和气候、水动力变化对不同区域水质的影响.
3 结论(1) 近年汉江干流水质总体较好, 总体处于Ⅱ类, 中下游部分断面水质为Ⅲ类; 多项水质多年来总体较好, 但TP和TN负荷较高; 2004~2018年宗关站TP和TN年变化趋势不显著, 2014~2018年10个断面TP和TN平均浓度分别处于0.028~0.263mg·L-1和0.630~1.852mg·L-1水平. 枯水期汉江主要水质指标TN、NH4+-N和BOD5浓度总体大于丰水期, COD不同点位呈现出不同的丰枯变化规律, TP丰水期浓度下降不明显.
(2) 汉江流域从上游至下游, 不同断面水质指标变化趋势差异较大; 10个水质断面总体上可以聚类为3类, 上游水质指标最好, 中游次之, 下游较差.下游小河断面多项水质指标均趋于改善, 这可能与近年来实施的控源减排、清澈养殖等保护行动和措施有关.
(3) 在总体较高的氮磷负荷条件下, 冗余分析发现, 流量和水温是影响汉江中下游3个分区河流水质指标的重要因素, 其中流量在上和下游对水质贡献率较大, 水温则在中游贡献率最大.
| [1] | Charlton M B, Bowes M J, Hutchins M G, et al. Mapping eutrophication risk from climate change: Future phosphorus concentrations in English rivers[J]. Science of the Total Environment, 2018, 613-614: 1510-1526. DOI:10.1016/j.scitotenv.2017.07.218 |
| [2] | Nguyen T T N, Némery J, Gratiot N, et al. Nutrient dynamics and eutrophication assessment in the tropical river system of Saigon- Dongnai (southern Vietnam)[J]. Science of the Total Environment, 2019, 653: 370-383. DOI:10.1016/j.scitotenv.2018.10.319 |
| [3] | Jarvie H P, Smith D R, Norton L R, et al. Phosphorus and nitrogen limitation and impairment of headwater streams relative to rivers in Great Britain: a national perspective on eutrophication[J]. Science of the Total Environment, 2018, 621: 849-862. DOI:10.1016/j.scitotenv.2017.11.128 |
| [4] | Conley D J, Paerl H W, Howarth R W, et al. Controlling eutrophication: nitrogen and phosphorus[J]. Science, 2019, 323(5917): 1014-1015. |
| [5] | Ji D B, Wells S A, Yang Z J, et al. Impacts of water level rise on algal bloom prevention in the tributary of Three Gorges Reservoir, China[J]. Ecological Engineering, 2017, 98: 70-81. DOI:10.1016/j.ecoleng.2016.10.019 |
| [6] | Xia R, Zhang Y, Wang G S, et al. Multi-factor identification and modelling analyses for managing large river algal blooms[J]. Environmental Pollution, 2019, 254. DOI:10.1016/j.envpol.2019.113056 |
| [7] | Cheng B F, Xia R, Zhang Y, et al. Characterization and causes analysis for algae blooms in large river system[J]. Sustainable Cities and Society, 2019, 51. DOI:10.1016/j.scs.2019.101707 |
| [8] | Xia R, Wang GS, Zhang Y, et al. River algal blooms are well predicted by antecedent environmental conditions[J]. Water Research, 2020, 185. DOI:10.1016/j.watres.2020.116221 |
| [9] |
陈善荣, 何立环, 张凤英, 等. 2016-2019年长江流域水质时空分布特征[J]. 环境科学研究, 2020, 33(5): 1100-1108. Chen S R, He L H, Zhang F Y, et al. Spatiotemporal characteristics of surface water quality of the Yangtze River Basin during 2016-2019[J]. Research of Environmental Sciences, 2020, 33(5): 1100-1108. |
| [10] |
陈善荣, 何立环, 林兰钰, 等. 近40年来长江干流水质变化研究[J]. 环境科学研究, 2020, 33(5): 1119-1128. Chen S R, He L H, Lin L Y, et al. Change Trends of surface water quality in the Mainstream of the Yangtze River during the past four decades[J]. Research of Environmental Sciences, 2020, 33(5): 1119-1128. |
| [11] |
秦延文, 马迎群, 王丽婧, 等. 长江流域总磷污染: 分布特征·来源解析·控制对策[J]. 环境科学研究, 2018, 31(1): 9-14. Qin Y W, Ma Y Q, Wang L J, et al. Pollution of the total phosphorus in the Yangtze River basin: distribution characteristics, source and control strategy[J]. Research of Environmental Sciences, 2018, 31(1): 9-14. |
| [12] |
李欣悦, 李昱燃. 2019年汉江干流水质评价与分析[J]. 环境研究与监测, 2020, 33(3): 47-51. Li X Y, Li Y R. Water quality evaluation and analysis of the main Stream of the Han River in 2019[J]. Environmental Research and Monitoring, 2020, 33(3): 47-51. |
| [13] |
张九红, 敖良桂. 汉江中下游水质现状及污染趋势分析[J]. 水资源保护, 2004, 20(3): 46-48. Zhang J H, Ao L G. Current situation of water quality of the middle and lower Hanjiang River and trend of its pollution[J]. Water Resources Protection, 2004, 20(3): 46-48. DOI:10.3969/j.issn.1004-6933.2004.03.015 |
| [14] |
刘成建, 夏军, 宋进喜, 等. 汉江中下游水质时空特征与土地利用类型响应识别研究[J]. 环境科学研究, 2021, 34(4): 910-919. Liu C J, Xia J, Song J X, et al. Spatial and temporal characteristics of water quality and response identification of land use patterns in the middle and downstream of Hanjiang River[J]. Research of Environmental Sciences, 2021, 34(4): 910-919. |
| [15] |
景朝霞, 夏军, 张翔, 等. 汉江中下游干流水质状况时空分布特征及变化规律[J]. 环境科学研究, 2019, 32(1): 104-115. Jing Z X, Xia J, Zhang X, 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. |
| [16] | Spearman C. The proof and measurement of association between two things[J]. American Journal of Psychology, 1904, 15(1): 72-101. DOI:10.2307/1412159 |
| [17] | Mann H B. Nonparametric tests against trend[J]. Econometrica, 1945, 13(3): 245-259. DOI:10.2307/1907187 |
| [18] | Kendall M G. Rank correlation methods[M]. (4th ed.). London: Charles Griffin, 1975. |
| [19] | Lloyd S P. Least squares quantization in PCM[J]. IEEE Transactions on Information Theory, 1982, 28(2): 129-137. DOI:10.1109/TIT.1982.1056489 |
| [20] | He J J, Gong S L, Yu Y, et al. Air pollution characteristics and their relation to meteorological conditions during 2014-2015 in major Chinese cities[J]. Environmental Pollution, 2017, 223: 484-496. DOI:10.1016/j.envpol.2017.01.050 |
| [21] | Wongphatarakul V, Friedlander S K, Pinto J P. A comparative study of PM2.5 ambient aerosol chemical databases[J]. Environmental Science & Technology, 1998, 32(24): 3926-3934. |
| [22] | Von Wehrden H, Hanspach J, Bruelheide H, et al. Pluralism and diversity: trends in the use and application of ordination methods 1990-2007[J]. Journal of Vegetation Science, 2009, 20(4): 695-705. DOI:10.1111/j.1654-1103.2009.01063.x |
| [23] |
赖江山. 生态学多元数据排序分析软件Canoco 5介绍[J]. 生物多样性, 2013, 21(6): 765-768. Lai J S. Canoco 5: a new version of an ecological multivariate data ordination program[J]. Biodiversity Science, 2013, 21(6): 765-768. |
| [24] | 湖北省生态环境厅. 湖北省环境质量状况公报[R]. 武汉: 湖北省生态环境厅, 2014-2018. |
| [25] |
娄保锋, 卓海华, 周正, 等. 近18年长江干流水质和污染物通量变化趋势分析[J]. 环境科学研究, 2020, 33(5): 1150-1162. Lou B F, Zhuo H H, Zhou Z, et al. Analysis on alteration of water quality and pollutant fluxes in the Yangtze mainstem during recently 18 years[J]. Research of Environmental Sciences, 2020, 33(5): 1150-1162. |
| [26] |
王军霞, 李莉娜, 陈敏敏, 等. 中国重点污染源总磷、总氮排放状况研究[J]. 环境污染与防治, 2015, 37(10): 98-103, 110. Wang J X, Li L N, Chen M M, et al. Research on total phosphorus and total nitrogen emission status of main pollution sources in China[J]. Environmental Pollution & Control, 2015, 37(10): 98-103, 110. |
| [27] |
张莺. 湖北省河流中氨氮的污染状况与特征[J]. 环境科学与技术, 2001, 24(S1): 30-31. Zhang Y. The pollution features of NH2-N in Hubei water bodies[J]. Environmental Science & Technology, 2001, 24(S1): 30-31. |
| [28] | 瞿月平, 黄勇, 何志高, 等. 长江回水顶托对汉江兴隆至汉川水沙过程的影响[J]. 中国水运, 2014(11): 62-64. DOI:10.3969/j.issn.1006-7973.2014.11.027 |
| [29] |
梁萱. 空气质量的统计学评估方法及其应用[D]. 北京: 北京大学, 2017. Liang X. Statistical evaluation method of air quality and its application[D]. Beijing: Peking University, 2017. |
| [30] |
范新凤, 韩美, 王磊, 等. 小清河入海口近十年水质变化及驱动因素分析[J]. 环境科学, 2020, 41(4): 1619-1628. Fan X F, Han M, Wang L, et al. Analysis of water quality change and its driving factors of the Xiaoqing river estuary in recent ten rears[J]. Environmental Science, 2020, 41(4): 1619-1628. |
| [31] |
田伟, 杨周生, 邵克强, 等. 城市湖泊水环境整治对改善水质的影响: 以蠡湖近30年水质变化为例[J]. 环境科学, 2020, 41(1): 183-193. Tian W, Yang Z S, Shao K Q, et al. Effect of a comprehensive improvement project on water quality in urban lakes: a case study of water quality variation in Lihu lake over the past 30 years[J]. Environmental Science, 2020, 41(1): 183-193. |
| [32] |
潘晓雪, 马迎群, 秦延文, 等. "引江济太"过程中长江-望虞河-贡湖氮、磷输入特征研究[J]. 环境科学, 2015, 36(8): 2800-2808. Pan X X, Ma Y Q, Qin Y W, et al. Nutrients input characteristics of the Yangtze river and Wangyu river during the "water transfers on lake Taihu from the Yangtze River"[J]. Environmental Science, 2015, 36(8): 2800-2808. |