2023, Vol. 44
2. 新疆水文水资源工程技术研究中心, 乌鲁木齐 830052;
3. 新疆水利工程安全与水灾害防治重点实验室, 乌鲁木齐 830052;
4. 新疆昌吉州地质环境监测站, 昌吉 831100;
5. 新疆农业大学数理学院, 乌鲁木齐 830052
2. Xinjiang Hydrology and Water Resources Engineering Research Center, Urumqi 830052, China;
3. Xinjiang Key Laboratory of Hydraulic Engineering Security and Water Disasters Prevention, Urumqi 830052, China;
4. Geological Environment Monitoring Station of Changji Prefecture, Changji 831100, China;
5. College of Mathematics and Physics, Xinjiang Agricultural University, Urumqi 830052, China
地下水资源作为世界上最大的淡水资源, 具有重要的资源属性、经济属性和生态维系功能[1, 2].特别在干旱和半干旱地区, 地下水作为主要或唯一的供水水源被长期开采.近年来, 我国地下水环境问题日益突出, 巨大的污染风险和水质安全已成为人们关注的焦点[3, 4].了解区域地下水水质时空变化特征, 识别污染源对地下水保护和管理具有积极作用.
目前, 将因子分析、聚类分析和主成分分析等多元统计方法应用于水环境领域, 可更好地揭示水质时空变化规律和解析污染源.国内外学者利用多元统计方法对河、湖水环境做了大量研究并逐步趋于成熟[5], 如：四川岷江流域[6]、湖北洪湖[7]、黑河上中游[8]、黄河干流[9]、印度Gomti河[10]和波兰Brda河[11]; 而针对地下水环境的研究相对偏少[12, 13].
石河子-昌吉地区(石-昌地区)位于新疆天山北坡中段, 是丝绸之路经济带建设的核心区, 具有举足轻重的战略地位.因深居西北内陆, 地表水匮乏, 地下水受长期开采影响, 水位大幅下降, 局部形成降落漏斗, 并衍生出一系列环境地质问题[14, 15].近些年, 随着新疆地下水超采区综合治理工作的有力开展, 部分地区地下水位出现不同程度的回升[16].有研究表明, 石-昌地区地下水水质受TDS(溶解性总固体)、TH(总硬度)和Cl-等常规指标以及F-和NO3-等毒理指标不同程度的影响[17~19], 严重制约当地社会经济发展.已有研究多集中于对石-昌地区地下水基于短时间序列的水质现状评价, 而对于最新较长序列的水质时空变化和污染源识别鲜有报道, 远不能满足水资源管理的要求.
本文从多元统计分析的角度出发, 基于石-昌地区23眼原位井2016~2021年逐年地下水水质数据利用主成分分析(PCA)提取水中主要影响指标, 运用基于香农熵的贝叶斯理论进行水质评价, 在此基础上, 结合Spearman秩相关系数法和绝对主成分得分-多元线性回归模型(APCS-MLR)等方法探究水质时空变化特征并进行污染源解析, 旨在为石-昌地区地下水的保护、污染防治和控制提供理论支撑.
1 材料与方法 1.1 研究区概况石-昌地区地处准噶尔盆地南缘, 古尔班通古特沙漠边缘, 东临乌鲁木齐市, 西接沙湾市, 空间跨度介于85°40′~87°34′E、43°06′~45°21′N之间, 平均海拔为1 037.7 m.总体地势东南高、西北低, 由南向北地貌以山区、平原和沙漠依次分布为特征.研究区属温带干旱半干旱气候区, 具有蒸发强烈、降水少等特点, 年均气温为5.0~7.5℃, 多年平均降水量为416.6 mm, 蒸发量为1 900.0~2 700.0 mm[20].区内河流发育且河源均为天山, 如玛纳斯河、呼图壁河和三屯河等, 其中作为天山北麓中段第一大河流的玛纳斯河, 多年平均径流量为13.5×108 m3(红山嘴水文站1948~2018年), 而三屯河仅为3.6×108 m3(碾盘庄水文站1978~2020年).
研究区南部山区主要为古生界、中生界, 面积较小, 地层岩性以砾岩、泥岩为主; 向北主要为新生界, 以第四系松散堆积物广泛分布于平原和沙漠, 地层主要包括砾石层和粘土层等[21].区内山前倾斜平原为单一结构潜水, 潜水埋深25~85 m, 含水层岩性为砾石和砂砾石; 冲积平原为多层结构的潜水-承压水, 承压水埋深5~65 m, 含水层岩性主要为粉质黏土并夹少量黏土和砂层.
南部山区地下水主要接受基岩裂隙水的补给, 中部平原区补给来源主要为雪山融水、河水、渠系水、田间灌溉水和降水, 北部沙漠区蒸发强烈、降水稀少, 补给方式以侧向补给为主.地下水大致由南向北径流, 其径流能力逐渐减弱, 直至排泄于沙漠.地下水的主要排泄方式包括人工开采和潜水蒸发等.
1.2 样品采集和测定本文数据源为23眼原位井2016~2021年逐年地下水水质监测数据, 由新疆昌吉州地质环境监测站提供.监测井位于石-昌地区平原区, 总控制面积约2 564.7 km2, 密度9.0眼·(103 km2)-1, 符合《地下水监测规范》(SL 183-2005)冲洪积平原区超采区地下水水质监测站的布设密度0.8~1.4眼·(103 km2)-1的要求.其中, 潜水井13眼, 位于单一结构潜水区; 承压水井10眼, 位于多层结构潜水-承压水区(图 1).
|
(a) 水文地质平面与取样点分布, (b) 水文地质剖面; 改自文献[22] 图 1 研究区水文地质平面与取样点分布和水文地质剖面 Fig. 1 Hydrogeology and distribution of sampling sites and hydrogeological profile in the study area |
水样检测基于《生活饮用水标准检验法》(GB/T5750-2006), 委托新疆地矿局第二水文工程地质大队完成(表 1).
|
表 1 检测指标及检出限 Table 1 Detection indices and detection limits |
1.3 研究方法 1.3.1 数据处理
本文分析过程中采用的是SPSS 23.0、Microsoft Excel 2016和ArcGIS 10.2软件.所有未检出的数据按0.5倍检出限计算.经阴阳离子平衡检验, 除3组数据的相对误差介于±10%外, 其余数据在±5%左右, 均可用于研究[23].
1.3.2 熵权-贝叶斯(1) 熵权法 熵的概念源于热力学, 后经香农于1948年引入了信息论, 被广泛用于水质评价[24].熵权法则是借助信息熵这个工具, 根据指标离散程度来客观计算各个指标的权重, 消除主观人为因素的影响, 使结果的准确性及客观性进一步提高[25].步骤如下：
① 数据标准化处理.设研究区水质评价的原始数据矩阵(A)为：
|
(1) |
式中, m为评价监测井总数, n为评价指标的数量.
由于数据具有不同的维度和数量级, 因此选用离差法对数据进行标准化.指标划分包括正向指标和负向指标两种, 前者即指标值越大越好, 后者则相反.
|
(2) |
|
(3) |
式中, aij为第i个监测井的第j项指标实测值(i=1, 2, …, m; j=1, 2, …, n).
② 计算第i个监测井第j项指标值在所有监测井中所占的比重(fij)：
|
(4) |
③ 计算指标熵值(Hj)：
|
(5) |
式中, 若fij=0, 则lnfij=1.
④ 计算指标熵权系数(Wj)：
|
(6) |
(2) 贝叶斯水质模型 贝叶斯算法是一种以概率论为基础的统计算法, 根据不完全的数据信息和主观判断的先验概率, 通过反演计算得到后验分布, 从而确定水质级别.通过概率分布表达不确定性因素, 这是与传统方法最大的不同[26].
贝叶斯公式最早在1763年是由托马斯贝叶斯提出, 中心思想是通过样本信息与先验信息的耦合分析得出后验信息[27].公式如下：
|
(7) |
式中, Ci为水质级别, 所使用的水质级别限值在《地下水质量标准》(GB/T 14848-2017)[28]的基础上, 利用文献[29]的方法修正得到; D为监测井各水质指标值; P(Ci)为事件Ci的先验概率, 即水质属于级别i的可能性(主观判断); P(D|Ci)为条件概率, 即当水质级别为i时, 出现水质指标值D的可能性; P(Ci|D)为获得水质指标值D的条件下, 水质属于级别i的可能性, 为后验概率.
① 视水质评价情况, 可将公式改写为：
|
(8) |
式中, i为水质等级, i=1, 2, …, 5; j为指标个数, j=1, 2, …, 8; xj为水质指标值; yji为水质标准值, 本研究认为水质属于任意级别的概率一致, 即P(yji)=0.2; i=1, 2, …, 5.
② 以几何概率为基础, 利用距离法计算P(xi|yji), 即计算水质评价指标与水质标准之间的距离绝对值倒数, 从而进一步得到P(yji|xi).
|
(9) |
③ 计算综合后验概率, 即：
|
(10) |
④ 确定最终级别, 即：
|
(11) |
Spearman秩相关系数法可用来分析水质多时段变化趋势和变化程度, 具有较Pearson相关系数受异常值影响小且变量不要求服从正态分布和较Kendall秩相关系数计算变量无需分类等特点, 应用广泛[30, 31].
1.3.4 绝对主成分得分多元线性回归受体模型PCA是将原来大量相互关联的变量组成的数据集, 通过降维的方式, 重新组合成一套不相关并有序的新变量(PCs), 这些新变量尽可能多地保留原来变量中存在的大部分变化[32].
APCS-MLR可用于定量计算各主要公因子对受体中各水质指标的贡献率[33].原理是对原始数据进行标准化后, 基于因子分析得到因子的绝对真实得分(APCS), 然后对指标值与因子得分进行多元线性回归, 并根据回归参数得到各公因子的估计值, 从而确定公因子对水体各项指标的贡献率[34].计算公式如下：
|
(12) |
式中, Es为第s个监测井的指标值; (r0)s为多元线性回归常数项; APCSk为绝对真实得分; rsk×APCSk为源k对于Es的贡献率; 所有监测井rsk×APCSk的平均值即为该源的贡献率.
本文潜水和承压水回归方程中12项指标线性拟合R2范围分别处于0.74~0.99和0.53~0.98, 预测值与实测值比值区间分别介于0.89~1.07和0.91~1.17, 表明模型基本可靠, 计算结果可信.
2 结果与分析 2.1 水质指标描述性统计石-昌地区2016~2021年水质状况整体较好, 总体满足饮用水安全要求(表 2).依据《地下水质量标准》(G/T 14848-2017)[28], 各指标均值均低于Ⅱ类标准, 其中NO3-符合Ⅰ类标准.潜水中除TH、Ca2+、Mg2+、HCO3-和NO3-这5个指标外, 余下SO42-、Cl-和Na+等指标均值均小于承压水, 指示承压水较潜水盐化作用更强.潜水和承压水中阳离子均以Ca2+和Na+为主, 阴离子均主要为HCO3-.
|
|
表 2 2016~2021年地下水无机指标超标情况1) Table 2 Over-limit inorganic indices in groundwater from 2016 to 2021 |
在潜水和承压水中, 均有超2/3指标的变异系数大于1.00, 具有强变异性, 表明其时空分布不均, 受人类活动影响很大; 余下指标变异系数介于0.10~1.00之间, 为中等变异, 表明具有一定离散性.潜水中除F-外, 其他指标均有不同程度超标(1.47%~10.29%); 而承压水中F-超标最为严重(13.21%), NO3-未超标, 指示未受到明显的硝酸盐污染.
2.2 综合水质评价 2.2.1 评价指标确定水质是多指标共同作用的结果, 且不同指标间存在较大的关联性, 为简化评价数据和避免评价结果所反映的水质信息存在一定程度的掩盖和重叠, 本文采用主成分分析法对水质基本指标进行主因子提取.首先对数据进行Kolmogorov-Smirnov(K-S)测试, 结果显示, 潜水和承压水KMO分别为0.66和0.58, Bartlett显著性均为0.00, 符合KMO>0.50和Bartlett显著性 < 0.05的标准, 表明可进行主成分分析[35].
对潜水和承压水检测数据的12项指标进行时序主成分分析, 根据凯瑟标准, 潜水和承压水均提取3个特征值>1的主成分, 解释方差累计贡献率分别达87.63%和80.78%, 可基本反映原始数据信息[36]. 选用受较小显著性变量影响小的方差最大旋法计算得到水质主成分载荷值(表 3).水质评价因子以载荷绝对值>0.700为标准选取[37].由表 3可知, 与潜水主成分F1密切关联的指标包括TDS、TH、Ca2+、Cl-、SO42-、Mg2+、Na+、K+和NO3-; 与主成分F2和F3密切关联的指标分别为HCO3-和高锰酸盐指数.与承压水主成分F1密切关联的指标较潜水缺少K+、NO3-; 与主成分F2密切关联的指标包括K+、NO3-和高锰酸盐指数; 与主成分F3密切关联的指标包括HCO3-和F-.结合《地下水质量标准》(G/T 14848-2017)[28]和指标超标情况, 最终选取TDS、TH、Cl-、SO42-、Na+、高锰酸盐指数、F-和NO3-这8个指标用于水质评价.
|
|
表 3 水质主成分载荷值1) Table 3 Principal component load in water quality assessment |
2.2.2 综合评价结果
利用熵权-贝叶斯水质评价模型综合评价2016~2021年逐年水质状况(图 2).区内不同时期潜水水质类别以Ⅰ类和Ⅱ类为主, 承压水主要为Ⅰ类.潜水中Ⅰ类水占比呈先增大后减小趋势, Ⅱ类水变化相反, 2019年为拐点, 其Ⅰ类和Ⅱ类水占比分别为83.33%和0.00%; Ⅴ类水仅出现于2016年, 占比7.69%.承压水中Ⅳ类和Ⅴ类水分别出现于2016年和2017年, 以后各年仅在Ⅰ~Ⅲ类水范围内波动; Ⅰ类水在2019年占比为100.00%, 水质最优.由此来看, 研究区多年地下水水质呈改善趋势.
|
(a)潜水; (b) 承压水 图 2 2016~2021年逐年潜水和承压水水质类别占比 Fig. 2 Proportion of water quality classification of phreatic water and confined groundwater from 2016 to 2021 |
为研究区内地下水水质空间分布特征, 借助GIS平台, 分别绘制地下水多年水质类别空间分布(图 3)和主要水质指标时空分布(图 4), 后者采用的是克里金插值方法.
|
图 3 熵权-贝叶斯水质评价结果空间分布 Fig. 3 Spatial distribution of water quality using entropy weight-Bayes assessment model |
|
图 4 2016~2021年各监测井地下水TDS、TH、Cl-、SO42-、F-、高锰酸盐指数和NO3-变化趋势及累计变幅 Fig. 4 Accumulative variation in TDS, TH, Cl-, SO42-, F-, permanganate index, and NO3- concentrations in groundwater in each monitoring well from 2016 to 2021 |
结合图 3和图 4可知, 对潜水而言, 石河子市和呼图壁县水质整体变化平稳, 以Ⅰ类水为主; 玛纳斯县局部水质呈变差趋势, 未超Ⅲ类; 昌吉市水质类别多而复杂, 相比其他县市水质略差, 主要在Ⅰ~Ⅲ类水之间波动, 局部呈改善趋势.石河子市潜水监测井包括13号和14号, 其中监测井13号的TDS、TH、NO3-和SO42-变化趋势表现为显著上升, 多年累计变幅分别为350.44、118.20、49.17和114.46 mg·L-1; 监测井14号的高锰酸盐指数呈显著下降趋势, 多年累计变幅为-1.11 mg·L-1.玛纳斯县监测井12号的TDS、TH和Cl-变化趋势表现为显著上升, 多年累计变幅分别为395.10、249.40和110.59 mg·L-1.昌吉市监测井23号的TH和高锰酸盐指数变化趋势表现为显著上升, 多年累计变幅分别为39.90 mg·L-1和-0.88 mg·L-1; 监测井4号的TDS、TH、Cl-、NO3-和SO42-呈显著下降趋势, 多年累计变幅分别为-4 380.00、-2 979.10、-1 961.61、-89.73和-906.47 mg·L-1.
对承压水而言, 石河子市和昌吉市水质变化平稳, 多为Ⅰ类水; 玛纳斯县北部局部区域水质呈变差趋势, 未超Ⅲ类水; 呼图壁县西北部水质呈改善趋势.玛纳斯县监测井17号的TDS、TH、Cl-和NO3-变化趋势表现为显著上升, 多年累计变幅分别为3 347.03、1 361.26、825.80和0.93 mg·L-1; 监测井16号的NO3-呈显著上升趋势, 多年累计变幅为0.70 mg·L-1.呼图壁县监测井5号的高锰酸盐指数和F-变化趋势表现为显著下降, 多年累计变幅分别为-1.68 mg·L-1和-0.99 mg·L-1.
总体而言, 研究区多年地下水水质类别与水质指标在时空变化上基本对应, 并具有较强的异质性.
2.3 污染源解析由表 2可知, 潜水主成分F1的贡献率为67.30%, 载荷为TDS、TH、Ca2+、Cl-、SO42-、Mg2+、Na+、K+和NO3-, 其中TDS载荷系数最大, 表明区内原生地球水化学特征对地下水环境存在必然的影响[38].一方面, 潜水含水层松散, 径流条件相对较好, 易使地层中的钙镁化合物发生强烈的交替作用, 致使Ca2+和Mg2+增多, TH随之上升.另一方面, 地下水位上升后, 岩层中岩盐和石膏等矿物溶解产生的Cl-和SO42-也可造成TDS上升[39], 石河子-玛纳斯地区2016~2020年水位呈不同程度回升, Cl-、SO42-和TDS变化表现为显著上升, 多年累计变幅空间分布相似(图 4).另外, 经过几十年的耕作, 研究区包气带储存了大量的硝酸盐, Min等[40]认为地下水位回升将大大缩短硝酸盐进入到含水层的时间.由此推断, 部分Cl-、SO42-和NO3-主要来自地下水位回升过程中对地层的溶滤作用, 表 3可印证.因此, 将潜水主成分F1解释为溶滤作用因子.
承压水主成分F1的贡献率为52.08%, 载荷较潜水缺少K+和NO3-, TDS载荷系数最大, 主成分F1同样认为是受水文地质条件的影响.承压水区受长期开采影响, 导致局部形成降落漏斗, 原有地下水动力场平衡被打破, 从而引发一系列物理化学反应, 促进碳酸盐矿物溶解, TDS和TH显著升高[41].因此, 将承压水主成分F1解释为溶滤-富集作用因子.
潜水主成分F2的贡献率为10.89%, HCO3-与其相关性较好, 载荷系数为0.848, F-载荷系数为-0.645, 接近0.700, 表明具有一定负相关性, 可解释为F-富集受到碳酸盐风化溶解的抑制.研究区潜水F-含量较低0.01~0.35 mg·L-1(表 1), 主要来源于南部煤系地层萤石(CaF2)溶解[42], 山前地下水径流速度快, 蒸发作用弱, 不利于F-富集.地下水向下游径流的同时, 伴随着强烈的交替作用, 易溶的石膏、岩盐进入地下水中并向下游迁移, 难溶的白云石等成为溶滤作用的主要对象, 促使HCO3-成为潜水中主要的阴离子[43].因此, 将潜水F2解释为溶滤-迁移作用因子.
承压水主成分F2的贡献率为16.06%, 载荷为K+、NO3-和高锰酸盐指数.经计算, K+和NO3-相关系数为0.43**[表示在0.01水平(双侧)显著相关], 主要来源于农业化肥的大量施用.高锰酸盐指数可作为简易垃圾填埋场的一个普遍性污染指标, 监测井9号为超标点(高锰酸盐指数>10 mg·L-1)附近存在垃圾处理厂(图 1), 其产生的渗滤液易渗漏并造成土壤污染, 随时间积累通过包气带进入含水层对地下水水质安全构成威胁.同样计算得到该监测井F-和高锰酸盐指数相关系数为0.97**, 侧面反映一部分F-来源于生活垃圾排放, 同时, 生活垃圾产生的NO3-存在较大贡献.监测井15号的高锰酸盐指数也存在超标现象, 周围养殖场(图 1)产生的粪便污水通过土壤进入地下水, 致使高锰酸盐指数和NO3-超标.因此, 承压水F2可被解释为农业-生活污染因子.
潜水主成分F3的贡献率为9.44%, 高锰酸盐指数与其相关性较好, 载荷系数为0.981.高锰酸盐指数超标点12和4号分别位于玛纳斯县城区附近和昌吉市西部养殖场附近, 人类活动产生的生活垃圾和人畜粪便污水的排放是主要污染源.同样, 将潜水F3解释为农业-生活污染因子.
承压水主成分F3的贡献率为12.64%, 载荷为HCO3-和F-, 载荷系数分别为0.732和0.872. F-超标点主要位于149团, 地下水过量开采和含氟农药大量使用, 促进氟的富集[44, 45].另外, 该区域TDS普遍较高, 高TDS也有利于F-富集[46].氟化物不易沉淀, 且HCO3-与F-形成竞争性吸附, 促使氟化物从氧化物等胶体上解吸, 使地下水中氟含量增加[47].因此, 承压水主成分F3可被解释为碱性环境的离子交换作用.
在识别可能的污染源后, 使用APCS-MLR进一步量化得到各公因子对水质指标的污染贡献率(表 4).结果显示, 除HCO3-、F-和高锰酸盐指数这3个指标外, 余下指标均受到潜水F1的显著影响, 贡献率均>25.00%; 潜水F2主要影响HCO3-, 贡献率为18.41%; 潜水F3对高锰酸盐指数的贡献率高达87.42%. Na+、Ca2+、Mg2+、Cl-、SO42-、TH和TDS主要受承压水F1影响, 贡献率均>30.00%; 承压水F2主要影响K+、NO3-和高锰酸盐指数, 贡献率分别为140.33%、107.75%和95.40%; F-和HCO3-的主要来源为承压水F3, 贡献率分别为137.35%和50.72%.
|
|
表 4 污染源贡献率1)/% Table 4 Contribution rate of contamination sources/% |
3 讨论
监测和分析结果表明, 石-昌地区2016~2021年地下水水质状况整体呈改善趋势, 2016年和2017年分别为潜水和承压水水质变化的关键时间结点, 这可能与2015年新疆大力推进地下水超采区综合治理工作, 逐年压缩地下水开采量有关, 同时和近些年环境的大力整治也密不可分; 2019年水质达到最优, 之后水质状况有所反弹, 应引起注意.较之1996~2000年石河子-玛纳斯地区潜水中NO3-含量为快速下降型[48], 本研究认为2016~2021年NO3-含量在该地区呈显著上升趋势, 原因主要是过去人们长期大规模开发利用地下水, 而如今人们重视对地下水的保护, 地下水位有所抬升, 促进地下水中硝酸盐含量增加.
值得关注的是, 监测井17号位于农作物以棉花为主的149团(地下水漏斗核心区[16]), 地下水系统封闭, TDS呈显著上升趋势(图 4), 由2016年的224.32 mg·L-1(淡水)上升至2021年的3 571.35 mg·L-1(咸水), 升幅1 492.08%.通常认为, 在干旱和半干旱地区, 微咸水和咸水的应用可一定程度缓解农业用水紧缺问题, 但杨广等[49]基于石河子大学现代节水灌溉兵团重点实验室试验基地研究发现：4 g·L-1为灌溉水源盐分阈值, 由此推断该区未来籽棉产量可能会受到显著影响.此外, 监测井4号的多数指标均表现出显著下降趋势, 因其附近存在汇水区域, 山前较好的补给和径流条件是产生上述现象的主要驱动力.监测井13号和23号, 分别位于石河子市区和昌吉市区周边, 其多年水质类别未发生变化, 但多数指标表现出显著上升趋势, 表明未来存在污染的潜在风险.经计算, 监测井5号的高锰酸盐指数和F-相关系数为0.98**, 表明具有相同来源, 尽管图 1并未给出污染源具体位置, 但对比监测井9号不难推断附近有污染源存在, 监测井水质呈改善趋势, 可能与该污染源整治或关停有关.
APCS-MLR源解析显示, 因回归系数为负值, 导致部分源贡献率为负值, 表示此来源对某种指标贡献不大.污染源对个别指标的贡献率高于100.00%, 指示此污染源可作为该指标的极大来源.另外, 个别指标污染源加和小于100.00%, 指示仍存在其他不确定来源.在土壤重金属[50]、气溶胶中可吸入重金属(PM10)[51]和地表水污染[10]源解析中, 上述情况也有出现.本文主成分分析结果与APCS-MLR基本一致, 表明在地下水污染源解析中出现上述情况该方法同样适用.
4 结论(1) 时间上, 受地下水超采综合治理和环境整治等影响, 石-昌地区地下水水质状况整体呈改善趋势.多年来潜水以Ⅰ类水和Ⅱ类水为主, 承压水主要为Ⅰ类水.潜水和承压水水质的变化均主要受TDS、TH、Cl-、NO3-和高锰酸盐指数变化的影响.
(2) 空间上, 研究区多年地下水水质类别具有显著差异性.其中玛纳斯县北部149团地下水水质呈变差趋势, 而呼图壁西北部和昌吉市西部水质得到明显改善.
(3) 借助GIS软件平台, 将研究区多年水质评价结果和主要指标的变化趋势联合分析得出：地下水水质类别与主要水质指标在时空变化上基本对应, 且异质性较强.
(4) 将APCS-MLR应用于地下水污染源解析中, 取得了良好的效果.影响研究区地下水水质的天然因素主要为基于地下水位变动条件下的地下水溶滤作用、溶滤-富集作用、溶滤-迁移作用和碱性环境离子交换作用; 人为因素主要为农业化肥的施用、生活垃圾和人畜粪便污水的排放.
| [1] | de Graaf I E M, Gleeson T, van Beek L P H, et al. Environmental flow limits to global groundwater pumping[J]. Nature, 2019, 574(7776): 90-94. DOI:10.1038/s41586-019-1594-4 |
| [2] |
陈飞, 徐翔宇, 羊艳, 等. 中国地下水资源演变趋势及影响因素分析[J]. 水科学进展, 2020, 31(6): 811-819. Chen F, Xu X Y, Yang Y, et al. Investigation on the evolution trends and influencing factors of groundwater resources in China[J]. Advances in Water Science, 2020, 31(6): 811-819. DOI:10.14042/j.cnki.32.1309.2020.06.001 |
| [3] |
解飞, 张玉玺, 刘景涛, 等. 基于"层级阶梯评价方法"的地下水质量与污染评价: 以铜川市为例[J]. 地学前缘, 2021, 28(5): 15-25. Xie F, Zhang Y X, Liu J T, et al. Groundwater quality and pollution assessment based on 'hierarchical ladder evaluation method': A case study of Tongchuan City[J]. Earth Science Frontiers, 2021, 28(5): 15-25. |
| [4] |
袁瑞强, 钟钰翔, 龙西亭. 洞庭湖上游平原浅层地下水水质综合评价[J]. 水资源保护, 2021, 37(6): 121-127. Yuan R Q, Zhong Y X, Long X T. Comprehensive evaluation of shallow groundwater quality in upper plain of Dongting Lake[J]. Water Resources Protection, 2021, 37(6): 121-127. |
| [5] | Li M J, Liu Z W, Zhang M D, et al. A workflow for spatio-seasonal hydro-chemical analysis using multivariate statistical techniques[J]. Water Research, 2021, 188. DOI:10.1016/j.watres.2020.116550 |
| [6] | Zhang H, Li H F, Yu H R, et al. Water quality assessment and pollution source apportionment using multi-statistic and APCS-MLR modeling techniques in Min River Basin, China[J]. Environmental Science and Pollution Research, 2020, 27(33): 41987-42000. DOI:10.1007/s11356-020-10219-y |
| [7] | Chen S, Wang S M, Yu Y X, et al. Temporal trends and source apportionment of water pollution in Honghu Lake, China[J]. Environmental Science and Pollution Research, 2021, 28(42): 60130-60144. DOI:10.1007/s11356-021-14828-z |
| [8] |
王昱, 卢世国, 冯起, 等. 黑河上中游水质时空分异特征及污染源解析[J]. 中国环境科学, 2019, 39(10): 4194-4204. Wang Y, Lu S G, Feng Q, et al. Spatio-temporal characteristics and source identification of water pollutants in the upper and middle reachers of Heihe River[J]. China Environmental Science, 2019, 39(10): 4194-4204. DOI:10.3969/j.issn.1000-6923.2019.10.020 |
| [9] |
刘彦龙, 郑易安. 黄河干流水质评价与时空变化分析[J]. 环境科学, 2022, 43(3): 1332-1345. Liu Y L, Zheng Y A. Water quality assessment and spatial-temporal variation analysis in Yellow River Basin[J]. Environmental Science, 2022, 43(3): 1332-1345. DOI:10.13227/j.hjkx.202106111 |
| [10] | Singh K P, Malik A, Sinha S. Water quality assessment and apportionment of pollution sources of Gomti River (India) using multivariate statistical techniques—a case study[J]. Analytica Chimica Acta, 2005, 538(1-2): 355-374. DOI:10.1016/j.aca.2005.02.006 |
| [11] | Kowalkowski T, Zbytniewski R, Szpejna J, et al. Application of chemometrics in river water classification[J]. Water Research, 2006, 40(4): 744-752. DOI:10.1016/j.watres.2005.11.042 |
| [12] |
张虹, 魏兴萍, 彭名涛. 重庆市浅层地下水污染源解析与环境影响因素识别[J]. 环境科学研究, 2021, 34(12): 2896-2906. Zhang H, Wei X P, Peng M T. Analysis of pollution sources and identification of environmental influencing factors of shallow groundwater in Chongqing, China[J]. Research of Environmental Sciences, 2021, 34(12): 2896-2906. DOI:10.13198/j.issn.1001-6929.2021.08.10 |
| [13] | Meng L, Zuo R, Wang J S, et al. Apportionment and evolution of pollution sources in a typical riverside groundwater resource area using PCA-APCS-MLR model[J]. Journal of Contaminant Hydrology, 2018, 218: 70-83. DOI:10.1016/j.jconhyd.2018.10.005 |
| [14] |
邓铭江, 章毅, 李湘权. 新疆天山北麓水资源供需发展趋势研究[J]. 干旱区地理, 2010, 33(3): 315-324. Deng M J, Zhang Y, Li X Q. Development trend of water supply and water demand in the North of the Tianshan Mountains, Xinjiang[J]. Arid Land Geography, 2010, 33(3): 315-324. |
| [15] |
吴彬. 石河子市地下水系统演化规律与水环境效应研究[D]. 乌鲁木齐: 新疆农业大学, 2007. Wu B. Study on groundwater system evolvement law and water environment effect of Shihezi City[D]. Urumqi: Xinjiang Agricultural University, 2007. |
| [16] |
丁启振, 周金龙, 杜明亮, 等. 新疆石河子-昌吉地区2016―2020年地下水位动态特征分析[J]. 灌溉排水学报, 2022, 41(2): 109-117. Ding Q Z, Zhou J L, Du M L, et al. Spatiotemporal variation of groundwater table from 2016 to 2020 in Shihezi-Changji of Xinjiang[J]. Journal of Irrigation and Drainage, 2022, 41(2): 109-117. |
| [17] |
丁国梁, 杨鹏, 杨鸿鹏. 昌吉市平原区地下水水质评价[J]. 地下水, 2019, 41(5): 7-9, 82. Ding G L, Yang P, Yang H P. Assessment of groundwater quality in plains of Changji city[J]. Ground Water, 2019, 41(5): 7-9, 82. DOI:10.3969/j.issn.1004-1184.2019.05.003 |
| [18] |
程凡, 李巧, 周金龙, 等. 玛纳斯河流域典型地区地下水质量现状评价与变化趋势分析[J]. 新疆农业大学学报, 2014, 37(3): 254-258. Cheng F, Li Q, Zhou J L, et al. Analysis on current situation of groundwater quality and change trends in the typical area of Manas River Basin[J]. Journal of Xinjiang Agricultural University, 2014, 37(3): 254-258. DOI:10.3969/j.issn.1007-8614.2014.03.017 |
| [19] |
侯珺, 周金龙, 曾妍妍, 等. 石河子地区地下水"三氮"空间分布特征及影响因素分析[J]. 水资源与水工程学报, 2018, 29(1): 1-8. Hou J, Zhou J L, Zeng Y Y, et al. Analysis of spatial distribution characteristics and influence factors of Ammonia-N, Nitrate-N and Nitrite-N in groundwater in Shihezi area[J]. Journal of Water Resources and Water Engineering, 2018, 29(1): 1-8. |
| [20] |
雷米, 周金龙, 梁杏, 等. 新疆天山北麓中段孔隙水水化学特征及苏打水的成因[J]. 地球科学, 2022, 47(2): 674-688. Lei M, Zhou J L, Liang X, et al. Hydrochemical characteristics of pore water and genesis of soda water in the middle of the northern piedmont of Tianshan Mountain, Xinjiang[J]. Earth Science, 2022, 47(2): 674-688. |
| [21] |
段磊, 王文科, 曹玉清, 等. 天山北麓中段地下水水化学特征及其形成作用[J]. 干旱区资源与环境, 2007, 21(9): 29-34. Duan L, Wang W K, Cao Y Q, et al. Hydrochemical characteristics and formation mechanics of groundwater in the middle of northern slope of Tianshan Mountains[J]. Journal of Arid Land Resources and Environment, 2007, 21(9): 29-34. |
| [22] | Wang J J, Liang X, Liu Y F, et al. Hydrogeochemical evolution along groundwater flow paths in the Manas River Basin, Northwest China[J]. Ground Water, 2019, 57(4): 575-589. DOI:10.1111/gwat.12829 |
| [23] | Li P Y, Qian H, Wu J H, et al. Occurrence and hydrogeochemistry of fluoride in alluvial aquifer of Weihe River, China[J]. Environmental Earth Sciences, 2014, 71(7): 3133-3145. DOI:10.1007/s12665-013-2691-6 |
| [24] | Mukherjee I, Singh U K. Hydrogeochemical characterizations and quality evaluation of groundwater in the major river Basins of a geologically and anthropogenically driven semi-arid tract of India[J]. Science of the Total Environment, 2022, 805. DOI:10.1016/j.scitotenv.2021.150323 |
| [25] |
刘钊, 韩磊, 王丹月, 等. 陕北黄土高原煤矿区土壤理化性质及质量评价[J]. 煤炭学报, 2021, 46(5): 1555-1564. Liu Z, Han L, Wang D Y, et al. Soil physicochemical properties and quality assessment in the coal mining area of Loess Plateau in northern Shaanxi Province[J]. Journal of China Coal Society, 2021, 46(5): 1555-1564. |
| [26] |
袁振辉, 李秋华, 何应, 等. 基于贝叶斯方法的贵州高原百花水库水体营养盐变化及评价(2014-2018年)[J]. 湖泊科学, 2019, 31(6): 1623-1636. Yuan Z H, Li Q H, He Y, et al. Variation and evaluation of nutrients in Baihua reservoir in Guizhou Plateau based on Bayesian method, 2014-2018[J]. Journal of Lake Sciences, 2019, 31(6): 1623-1636. |
| [27] |
颜丙乾, 任奋华, 蔡美峰, 等. 基于PCA和MCMC的贝叶斯方法的海下矿山水害源识别分析[J]. 工程科学学报, 2019, 41(11): 1412-1421. Yan B Q, Ren F H, Cai M F, et al. Application of PCA and Bayesian MCMC to discriminate between water sources in seabed gold mines[J]. Chinese Journal of Engineering, 2019, 41(11): 1412-1421. |
| [28] | GB/T 14848-2017, 地下水质量标准[S]. |
| [29] |
胡漾, 唐金平, 陈友良, 等. 基于PCA与熵权的贝叶斯地下水环境质量评价模型[J]. 节水灌溉, 2018(12): 60-64. Hu Y, Tang J P, Chen Y L, et al. Bayesian groundwater environmental quality assessment model based on principal component analysis and entropy weight[J]. Water Saving Irrigation, 2018(12): 60-64. |
| [30] |
杨荣金, 王逸卓, 李秀红, 等. 官厅水库水质评价及时空变化特征[J]. 水资源保护, 2021, 37(6): 135-141. Yang R J, Wang Y Z, Li X H, et al. Water quality evaluation and spatiotemporal variation characteristics of Guanting Reservoir[J]. Water Resources Protection, 2021, 37(6): 135-141. |
| [31] | Farid H U, Ahmad I, Anjum M N, et al. Assessing seasonal and long-term changes in groundwater quality due to over-abstraction using geostatistical techniques[J]. Environmental Earth Sciences, 2019, 78(13): 386. |
| [32] |
罗义鹏, 邓娅敏, 杜尧, 等. 长江中游故道区高碘地下水分布与形成机理[J]. 地球科学, 2022, 47(2): 662-673. Luo Y P, Deng Y M, Du Y, et al. Occurrence and formation of high iodine groundwater inoxbows of the Middle reach of the Yangtze River[J]. Earth Science, 2022, 47(2): 662-673. |
| [33] | Thurston G D, Spengler J D. A quantitative assessment of source contributions to inhalable particulate matter pollution in metropolitan Boston[J]. Atmospheric Environment (1967), 1985, 19(1): 9-25. |
| [34] | Shen D L, Huang S H, Zhang Y P, et al. The source apportionment of N and P pollution in the surface waters of lowland urban area based on EEM-PARAFAC and PCA-APCS-MLR[J]. Environmental Research, 2021, 197. DOI:10.1016/j.envres.2021.111022 |
| [35] | Ravish S, Setia B, Deswal S. Groundwater quality analysis of northeastern Haryana using multivariate statistical techniques[J]. Journal of the Geological Society of India, 2020, 95(4): 407-416. |
| [36] |
房丽晶, 高瑞忠, 贾德彬, 等. 草原流域地下水化学时空特征及环境驱动因素——以内蒙古巴拉格尔河流域为例[J]. 中国环境科学, 2021, 41(5): 2161-2169. Fang L J, Gao R Z, Jia D B, et al. Spatial-temporal characteristics of groundwater quality and its environmental driving factors of Steppe Basin—taken Balaguer river basin of Inner Mongolia for instance[J]. China Environmental Science, 2021, 41(5): 2161-2169. |
| [37] | Xu P P, Zhang Q Y, Qian H, et al. Characterization of geothermal water in the piedmont region of Qinling Mountains and Lantian-Bahe Group in Guanzhong Basin, China[J]. Environmental Earth Sciences, 2019, 78(15). DOI:10.1007/s12665-019-8418-6 |
| [38] |
赵卫东, 赵芦, 龚建师, 等. 宿州矿区浅层地下水污染评价及源解析[J]. 地学前缘, 2021, 28(5): 1-14. Zhao W D, Zhao L, Gong J S, et al. Pollution assessment and source apportionment of shallow groundwater in Suzhou mining area, China[J]. Earth Science Frontiers, 2021, 28(5): 1-14. |
| [39] |
曹文庚, 杨会峰, 高媛媛, 等. 南水北调中线受水区保定平原地下水质量演变预测研究[J]. 水利学报, 2020, 51(8): 924-935. Cao W G, Yang H F, Gao Y Y, et al. Prediction of groundwater quality evolution in the Baoding Plain of the SNWDP benefited regions[J]. Journal of Hydraulic Engineering, 2020, 51(8): 924-935. |
| [40] | Min L L, Liu M Y, Wu L, et al. Groundwater storage recovery raises the risk of Nitrate pollution[J]. Environmental Science & Technology, 2022, 56(1): 8-9. |
| [41] |
程中双. 强烈开采含水层的水化学和同位素响应及其水文地质指示——以石家庄山前平原为例[D]. 北京: 中国地质科学院, 2015. Cheng Z S. Chemical and isotopic response to intensive groundwater exploitation and its implications—case study in Thepiedmont Plain, Shijiazhuang[D]. Beijing: Chinese Academy of Geological Sciences, 2015. |
| [42] |
栾风娇, 周殷竹, 周金龙, 等. 新疆石河子地区地下水氟分布及富集因素分析[J]. 人民黄河, 2016, 38(3): 64-67, 71. Luan F J, Zhou Y Z, Zhou J L, et al. Distribution characteristics and enrichment factors of groundwater Fluorine in Shihezi area of Xinjiang[J]. Yellow River, 2016, 38(3): 64-67, 71. |
| [43] |
宋晨, 马斌, 梁杏, 等. 玛纳斯河流域山前平原地下水水化学特征与补给来源[J]. 干旱区资源与环境, 2021, 35(1): 160-168. Song C, Ma B, Liang X, et al. Hydrochemical characteristics and recharge of groundwater in piedmont plain in the Manas River Basin[J]. Journal of Arid Land Resources and Environment, 2021, 35(1): 160-168. |
| [44] | 徐沙, 翟远征, 王金生, 等. 北京市大兴区开采层地下水中氟的时空变化[J]. 地球科学进展, 2012, 27(S1): 441-442. |
| [45] |
刘有才, 周盛. 沧州沿海地区深层地下水化学特征及氟化物分布研究[J]. 上海国土资源, 2021, 42(3): 24-28. Liu Y C, Zhou S. Chemical characteristics and fluoride distribution of deep groundwater in Cangzhou coastal area[J]. Shanghai Land & Resources, 2021, 42(3): 24-28. |
| [46] | Rafique T, Naseem S, Usmani T H, et al. Geochemical factors controlling the occurrence of high fluoride groundwater in the Nagar Parkar area, Sindh, Pakistan[J]. Journal of Hazardous Materials, 2009, 171(1-3): 424-430. |
| [47] |
吕晓立, 刘景涛, 周冰, 等. 塔城盆地地下水氟分布特征及富集机理[J]. 地学前缘, 2021, 28(2): 426-436. Lü X L, Liu J T, Zhou B, et al. Distribution characteristics and enrichment mechanism of fluoride in the shallow aquifer of the Tacheng Basin[J]. Earth Science Frontiers, 2021, 28(2): 426-436. |
| [48] |
刘君, 陈宗宇, 王莹, 等. 大规模开采条件下我国北方区域地下水水化学变化特征[J]. 地球与环境, 2017, 45(4): 408-414. Liu J, Chen Z Y, Wang Y, et al. Evaluation of hydrochemical characteristics of regional groundwater systems in northern China under the conditions of large-scale exploitation[J]. Earth and Environment, 2017, 45(4): 408-414. |
| [49] |
杨广, 李万精, 任富天, 等. 不同矿化度咸水膜下滴灌棉花土壤盐分累积规律及其数值模拟[J]. 农业工程学报, 2021, 37(19): 73-83. Yang G, Li W J, Ren F T, et al. Soil salinity accumulation and model simulation of cotton under mulch drip irrigation with different salinity level water[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(19): 73-83. |
| [50] |
史文昌, 古正刚, 冯燕, 等. 基于APCS-MLR的宝象河沉积物重金属污染源解析[J]. 环境科学与技术, 2020, 43(10): 51-59. Shi W C, Gu Z G, Feng Y, et al. Source apportionment of Heavy Metals in sediments with application of APCS-MLR model in Baoxiang River[J]. Environmental Science & Technology, 2020, 43(10): 51-59. |
| [51] | Luo X S, Ip C C M, Li W, et al. Spatial-temporal variations, sources, and transport of airborne inhalable metals (PM10) in urban and rural areas of northern China[J]. Atmospheric Chemistry and Physics, 2014, 14(9): 13133-13165. |