2024, Vol. 45
2. 内蒙古大学生态与环境学院, 呼和浩特 010021;
3. 内蒙古环保投资在线监控有限公司, 呼和浩特 010010;
4. 锡林郭勒盟苏尼特右旗生态环境监测站, 锡林浩特 011200
, XIE Zhi-lei1,2
, TIAN Yong-li1 , JIANG Jia-wei2 , LIANG Yun-qing2 , WANG Qian1 , FANG Qiang1 , XU Tao3 , ZHANG Ying-fang1 , LI Hao1 , CE Li-han4
2. School of Ecology and Environment, Inner Mongolia University, Hohhot 010021, China;
3. Inner Mongolia Environmental Protection Investment Online Monitoring Co., Ltd., Hohhot 010011, China;
4. Environmental Monitoring Center of Sunite Right Banner, Xilinhot 011200, China
水质作为河流生境的重要组成部分, 已成为黄河流域生态保护的重要问题[1]. 通过评估河流水质状况及变化特征了解水质的时间、空间变化规律和预测水质变化趋势对于流域水环境防治和管理具有重要意义[2]. 黄河流域是内蒙古自治区最重要的水资源, 不仅是河套灌区等农田的灌溉水源, 同时也是沿岸城市工业用水和饮用水源地, 其水质直接关系到内蒙古自治区的经济发展和人民的生活保障[3]. 随着流域内经济和社会的迅速发展以及城市人口的急剧增长, 导致用水量的日益增大, 流域内污染物的排放量与日俱增[4], 黄河的水危机日趋加剧. 与此同时上、下游地区之间用水的矛盾以及水体污染的上下游关系也严重影响人民群众的身体健康并制约内蒙古自治区的经济发展[5, 6]. 因此开展黄河流域内蒙古段水质时空差异性和变化特征研究, 可为黄河流域生态保护和高质量发展提供一定的理论基础[7].
针对水质问题, 不少学者进行了一系列的调查研究. 冯利忠等[8]通过建立风险评估模型对2011~2013年黄河呼和浩特段进行时空分布上的水体污染风险分析, 结果表明各项指标风险值较低且稳定, 也无引发水污染风险事件的趋势. 田野等[9]运用模糊数学综合评价方法对2015年7~9月采集的黄河流域内蒙古段24个监测断面数据进行水质综合评价, 得出水质恶化的主要原因为汛期的面源污染影响加大, 其污染源主要来自农田退水、工业废水和生活污水. 嵇晓燕等[10]采用国家地表水环境质量监测网2006~2015年的数据, 对黄河流域近10年地表水质的变化趋势进行了初步分析, 结果表明10年来流域内水质总体呈好转趋势, 目前为轻度污染状态. 以往的工作主要集中于单个断面的水质变化状况, 缺乏对流域内长时间区域水质变化的差异研究.
本研究根据工、农业分布和用水状况选取了5个具有代表性的监测断面, 分别代表黄河内蒙古段沿岸的主要城市：乌海（拉僧庙S1、下海勃湾S2）、包头及巴彦淖尔（画匠营子S3、磴口S4）和呼和浩特（喇嘛湾S5）, 运用改进的综合水质指标指数（water quality identification index, WQI）法对2003~2020年5个监测断面水质演化进行了综合评价, 使用聚类分析、主成分分析和随机森林模型, 探究了黄河内蒙古段水质的时空变化特征, 得出了不同时空特征的主要影响因素, 最后使用长短时记忆模型对主要影响因素进行预测. 利用流域内水质监测及其动态信息, 分析预测流域水质变化趋势及主要影响因素, 以期为黄河干流各河段水质达标控制与管理提供科学依据.
1 材料与方法 1.1 研究区域黄河内蒙古段位于黄河“几”字形大弯曲的最北端, 从宁夏石嘴山市流入内蒙古, 先后流经阿拉善盟、乌海市、巴彦淖尔市、鄂尔多斯市、包头市和呼和浩特市等6个盟市[11]. 黄河内蒙古段干流河长约为830 km, 流域面积约为15.19万km2, 地理位置介于北纬37°~41°, 东经106°~112°（图 1）. 内蒙古河套灌区是全国乃至整个亚洲最大的自流式灌区, 总占地面积达1 679.3 km2, 灌溉面积可达876 km2[12]；黄河为呼和浩特和包头等市的主要饮用水水源, 服务人口约218万人[13]. 流域冬季和春季较为干旱, 夏季和秋季雨水较多, 其中6~9月的降水量占全年的70%左右, 盛夏季节7~8月降水量可占全年降水总量的1/4[14].
|
图 1 黄河流域内蒙古段及所选断面示意 Fig. 1 Inner Mongolia section of Yellow River basin and selected sites |
2003~2019年各指标的监测数据来源于内蒙古自治区环境监测总站[15], 2020年各指标监测数据为本项目采样分析所得. 依据《地表水环境质量标准》（GB 3838-2002）, 将地表水环境质量分为Ⅰ类至劣Ⅴ类共6个类别, 选取溶解氧（DO）、高锰酸盐指数、化学需氧量（COD）、氨氮（NH4+-N）、总磷（TP）和氟化物（F）等水质参数进行分析.
1.3 统计方法多元统计方法, 如聚类分析、主成分分析和随机森林等被广泛应用于生态水文学领域, 其目的是为了减少原始数据的损失而解释大数据集[16]. 本文使用了K-means聚类方法[17], 即事先拟定好簇的数量（K）, 随机选择K个样本并计算与其他样本的距离, 反复变化质心找寻最小距离, 直到质心不再变化. 为了降低数据维数识别各监测断面水质的特征分布, 主成分分析（PCA）通过几何方式将数据投影到称为主成分（PC）的较低维度上来减少变量, 目的是使用有限数量的PC找到最佳的数据摘要[18]. 随机森林（random forest, RF）是一种集成学习方法, 可以用于寻找影响最大的特征或变量[19]. 它通过构建多个决策树, 并将它们的预测结果进行集成, 来识别哪些特征在预测中起到了最大的作用[20]. 采用徐祖信[21]的单因子水质标识指数评价（Q）对单水质指标进行评价定级, WQI则选择刘彦龙[22]的方法, 此方法可以在保留高精度的条件下准确标识水体水质类别. LSTM模型是在循环神经网络（RNN）模型的基础上进行了改进之后的神经网络模型[23], 并且相较于RNN具有很强的信息捕获和存储能力, 在处理时间序列问题时, 比传统的神经网络更快更易收敛到最优解, 非常适合处理河流水质指标这种时序数据[24].
2 结果与讨论 2.1 统计量分析按《地表水环境质量标准》（GB 3838-2002）, 2003~2020年黄河内蒙古段干流水质的年际变化如图 2所示. 近18年来, DO和F浓度年际变化较小, 均保持在Ⅱ类及以上. 2005年之前, ρ（NH4+-N）未达到Ⅲ类水标准（1.000 mg·L-1）, 然后由2006年的0.750 mg·L-1（最大值）下降到2020年的0.124 mg·L-1（最小值）, 并于2007年达到Ⅲ类水标准. ρ（TP）总体较为稳定, 一直保持在Ⅲ类（0.200 mg·L-1）或Ⅱ类标准（0.100 mg·L-1）, 但2012~2020年的均值要显著高于2003~2011年, 且S1和S5由Ⅱ类变为Ⅲ类. S1为黄河流入内蒙古自治区的第一个站点, S5可以认为是流出内蒙古自治区主要城市的第一个站点, 两个监测断面的一致性变化说明内蒙古自治区的水污染防治措施较为有效, 实现了“Ⅲ类进Ⅲ类出”的目标. COD浓度自2003年始逐年下降, 于2005年达到Ⅲ类水标准后保持稳定. 高锰酸盐指数由2003年的最大值（6.210 mg·L-1）逐年下降, 于2004年和2009年达到Ⅲ类和Ⅱ类水标准, 2020年达到最小值（0.123 mg·L-1）.
|
图 2 各指标年际均值变化 Fig. 2 Annual mean variations in the indicators |
整体来看, 2003~2020年WQI主要处于Ⅲ类和Ⅱ类之间, 且在2013年由Ⅲ类转为Ⅱ类（图 3）. 自2011年始, 黄河流域降水量增加, 且自“十一五”和“十二五”开始, 我国对环境保护力度逐渐加大, 积极推进实施了“水十条”和“碧水保卫战”等重要水污染防治行动, 期间采取的减排和关闭污染企业的措施使得水质状况呈逐年向好趋势[25]. COD、高锰酸盐指数、DO和F所占比例保持稳定；NH4+-N比例表现出由23%降到2%, 逐年降低趋势；TP比例则逐年升高（由8%上升到17%）. 可见, 影响水质的关键指标已由NH4+-N转为TP. 根据省级生态环境部门数据[26], 内蒙古自治区NH4+-N排放量呈显著下降趋势, 由5.300 mg·L-1下降到2.500 mg·L-1. TP的来源多样, 除了人为排放, 河底沉积物中蓄积的P会在季节性缺氧条件下通过扩散和再悬浮等过程向上覆水体释放[27], 故排放管控下TP浓度亦有逐渐升高趋势.
|
图 3 年际水质评价结果 Fig. 3 Results of annual water quality assessment |
研究河段夏季水环境问题较为突出, 这与内蒙古地区夏季暖热多雨的气候特征及污染物排放的时空特征有关. 如农业源的NH4+-N排放占总排放量的46.5%, 而TP排放占总排放量的67.2%[28]. 考虑到农业活动对水质的影响, 按照平水期、丰水期和枯水期事先将流域划分为3个时期, 并以此进行了K-means聚类分析. 由图 4可知, 1~5月为平水期, 6~8月为丰水期, 9~12月为枯水期. 将6~8月划分为汛期, 其余月份为非汛期, 并在此基础上对整个流域不同组分的浓度进行单因素方差检验（图 5）. 自然过程和人为活动都会引起水质成分浓度的变化[29], 故除F外, 所有水质指标均体现出非汛期与汛期的显著差异. DO是反映水体是否受到有机污染的指标, 也可以反映水体的自净能力. 水体中的DO越高, 越有利于水中动植物的生长发育. 非汛期DO浓度显著高于汛期, 这与汛期平均水温为14.9 ℃远高于非汛期平均水温3.4 ℃, DO更难在温水中保持有关. 高锰酸盐指数和COD浓度反映了水中有机和无机可氧化物质造成的污染, 流域内污染物主要来自农业源, 占比可达62.93%[30]. 汛期与作物生长季吻合, 河套灌区肥料和农药使用量较大[31], 该灌区富含各种营养物质的农田灌溉退水经排干入乌梁素海, 最后汇入黄河；加之, 汛期强降水促进地表、农田和生活垃圾产生的非点源污染经冲刷输入河道, 导致汛期高锰酸盐指数和COD浓度较高[32]. 此外, 高锰酸盐指数和COD浓度与河流流量和泥沙正相关, 雨季径流增强及含沙量升高也增加了其浓度[33]. NH4+-N是指以游离氨（NH3）和铵离子（NH4+）形式存在的氮素, 是水体主要营养物之一, 也是水体中的主要耗氧污染物. 黄河内蒙古段NH4+-N的主要来源为生活源, 占比达65.54%, 全年排放量较为稳定, 自然条件下非汛期水位低于汛期导致非汛期NH4+-N浓度较高[34]；同时, 汛期水环境较非汛期酸性强, 有利于汛期硝化过程进行而导致NH4+-N较低[35]. 磷是水生生物生长的关键元素, 主要以颗粒态和溶解态等形态存在, 过量的磷素是水体富营养化的主要原因. 汛期河水带来的大量悬浮物不断淤积及夏季DO浓度的下降[36], 使沉积环境转变为缺氧环境, 导致内源磷被释放到水中, TP浓度随之升高[37].
|
图 4 流域时间聚类分析 Fig. 4 Watershed time cluster analysis |
|
*表示差异性水平, ns表示无显著差异 图 5 汛期和非汛期水质指标 Fig. 5 Water quality index in wet season and dry season |
首先对5个监测断面月均值进行了标准化以消除量纲的影响并进行了PCA检验[38], 其KMO值与Bartlett检验统计量（χ2）和P值见表 1, 由于P值均远小于0.001, 表明可对数据进行PCA分析[39]. 在本研究中, 综合考虑特征值和累计方差, 选取数据集中累计方差占72.54%的前两个分量作为主成分, PC1和PC2的方差分别解释了总方差的45.88%和26.66%（图 6）.
|
表 1 KMO值与Bartlett检验统计量 Table 1 KMO values and Bartlett test statistics |
|
图 6 主成分分析（PCA）空间特征分布 Fig. 6 Spatial feature distribution of principal component analysis (PCA) |
黄河内蒙古段水质成分的空间特征显示, 可将S1和S5归为一类, S3和S4为一类, S2单独一类（图 6）, 在此基础上以WQI为因变量、6种水质指标为特征因素, 利用RF分别识别影响汛期和非汛期3类监测断面水质的主要特征因素（图 7）. 污染物主要通过点源和非点源的方式进入水体. 其中, 点源污染的排放量和浓度易于监测, 随着自治区相关政策措施的落实, 目前点源排放管控已有明显改善；而非点源污染往往来自于广阔的陆地区域, 主要通过地表径流、土壤以及大气沉降等方式将污染物输送到水体中, 管控相对较难. 点源污染包括工业废水以及未经处理的城镇生活污水的直接排放；农业生产过程中施用的化肥和农药残留等, 也会对水环境产生直接的影响. 化肥和农药过量使用导致的农业非点源污染是目前我国水环境恶化的主要因素. 汛期COD、高锰酸指数、NH4+-N、DO和TP对S1和S5断面的WQI有显著影响, 其中COD影响最大. COD值越高, 说明水体受各种有机物等还原性物质的污染程度越高. 已有研究表明, 与其他水质指标相比, COD可以更好地反映水环境综合状况. 非汛期, NH4+-N对水质的影响最大, 这与流域全年NH4+-N排放较为稳定且非汛期水量小从而增加了其浓度有关[40, 41]. Butturini[42]研究表明, 水体C/N增加, 硝化速率会下降, 与水体细菌主要种类由光能合成菌转变为异养菌, 并与硝化细菌竞争营养物质有关, 同时有机物的降解会消耗水体中大量DO, 导致NH4+-N的降解减慢. 对S2断面汛期水质具有显著影响的仅有NH4+-N, 对非汛期有显著影响的是NH4+-N、COD、高锰酸盐指数和DO, 这是因为乌海为中国煤炭资源型城市之一, 其化工、冶炼和焦化等重点行业企业较多, 工业废水中的大量有机溶剂、油脂等会影响COD和高锰酸盐指数的变化[43], 且微生物对有机物的分解使得水体DO下降[44]. COD、高锰酸盐指数和NH4+-N对S3和S4断面汛期水质影响最大, 非汛期除上述3个指标外, TP对该断面水质影响也较大, 这是因为S3和S4处于河套灌区影响区内, 农田退水中富含的P随灌溉排水和流域侵蚀会输入到干流[45]. 总体来说, COD和高锰酸盐指数是黄河干流内蒙古段水质的主要影响因素（S2断面除外）；非汛期的主要影响因素为NH4+-N, 除F外其余4项指标均在不同断面有不同程度的影响, 因此非汛期DO、TP、COD和高锰酸盐指数浓度的差别造成了3类断面的差异性.
|
*表示差异性水平, ns表示无显著差异 图 7 随机森林特征重要性分析 Fig. 7 Significance analysis of random forest features |
本文中LSTM模型的调节参数包括batch_size、epoch、num_units和steps. 在保证网络快速收敛的同时又具有较高的预测精度, 经过多次实验测试与参数调整使模型达到最优结果. 利用2003~2019年5个断面的NH4+-N和TP月均数据, 对2020年的NH4+-N和TP进行了预测, 利用loess回归研判了变化趋势（2019年和2020年）. 预测结果表明（图 8）, LSTM可以对河流时序性数据进行有效预测. NH4+-N表现出明显下降趋势, 而TP除具有汛期和非汛期周期性波动的时间特性外, 整体有上升的趋势. 考虑到流域上TP主要来源于河套灌区农田退水, 在保证其他指标维持现状的同时, 应对河套退水水质进行重点管控；同时, 乌梁素海作为河套灌区的唯一受纳水体和排水通道, 是灌区排、退水及山洪水的容泄区, 该湖的水量与水质的变化是未来一段时间内内蒙古黄河流域水质状况的关键影响因素.
|
蓝色实线为LOESS回归趋势线；阴影为95%置信区间；红色折线为预测值；黑色实线为实测值 图 8 LSTM预测结果及趋势 Fig. 8 Results and trends of LSTM |
（1）基于WQI水质评价结果可知, 黄河内蒙古段干流水质整体上呈现好转趋势, 2013年可认为是转变的关键时间节点, 整体水质由Ⅲ类转为Ⅱ类, 且主要污染因子逐渐由NH4+-N转变为TP和氟化物.
（2）根据聚类分析, 黄河内蒙古段干流汛期（6~8月）的主要污染物是TP、COD和高锰酸盐指数, 而非汛期主要是NH4+-N（9月至次年5月）. 在时间特异性的基础上, PCA分析将5个断面分为3类：S1与S5、S3与S4及S2. 由于非汛期自然因素影响较小, 这3类断面的水质差异主要由其周边城市的用水结构决定, 如S1和S5断面水质的影响因子主要为生活用水（NH4+-N）, S2断面由农业用水所决定（TP）, 而S3和S4断面水质则主要受工业用水（COD、高锰酸盐指数）影响.
（3）LSTM模型的预测值变化趋势与真实值拟合效果良好, 可对黄河内蒙古段的水质指标进行有效的预测评价, 可为黄河干流各河段水质达标控制与管理提供科学依据.
| [1] | Sun Z L, Chong L, Meng X, et al. Multivariate relations of river habitat to water-sediment indexes in the Yangtze Estuary[J]. CATENA, 2022, 216. DOI:10.1016/j.catena.2022.106416 |
| [2] |
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. |
| [3] |
叶振维, 路达, 白妙馨. 内蒙古黄河流域水污染形势分析[J]. 环境与发展, 2014, 26(4): 100-103. Ye Z W, Lu D, Bai M X. Water pollution status in the Yellow River Inner Mongolia Section[J]. Environment and Development, 2014, 26(4): 100-103. |
| [4] |
李雪迎, 杨曦, 乔琦, 等. 黄河流域甘肃段工业行业水污染物空间排放特征[J]. 环境科学, 2022, 43(5): 2459-2466. Li X Y, Yang X, Qiao Q, et al. Emission characteristics of industrial water pollutants in Gansu Section of the Yellow River Basin[J]. Environmental Science, 2022, 43(5): 2459-2466. |
| [5] |
王芳, 李文慧, 林妍敏, 等. 1990~2020年黄河流域典型生态区生态环境质量时空格局及驱动力分析[J]. 环境科学, 2023, 44(5): 2518-2527. Wang F, Li W H, Lin Y M, et al. Spatiotemporal pattern and driving force analysis of ecological environmental quality in typical ecological areas of the Yellow River Basin from 1990 to 2020[J]. Environmental Science, 2023, 44(5): 2518-2527. |
| [6] |
团良, 孙文静, 侯元松, 等. 内蒙古自治区"十三五"期间生态环境质量[J]. 中国环境监测, 2022, 38(6): 31-39. Tuan L, Sun W J, Hou Y S, et al. Eco-environmental quality in Inner Mongolia during the 13th Five-Year Plan Period[J]. Environmental Monitoring in China, 2022, 38(6): 31-39. |
| [7] |
刘楠涛, 吴飞, 袁巍, 等. 长江与黄河源丰水期地表水中汞的分布特征、赋存形态及来源解析[J]. 环境科学, 2022, 43(11): 5064-5072. Liu N T, Wu F, Yuan W, et al. Mercury speciation, distribution, and potential sources in surface waters of the Yangtze and Yellow River Source Basins of Tibetan Plateau during wet Season[J]. Environmental Science, 2022, 43(11): 5064-5072. |
| [8] |
冯利忠, 裴国霞, 吕欣格, 等. 黄河呼和浩特段水体污染风险评估及其发生特性[J]. 农业环境科学学报, 2015, 34(7): 1349-1355. Feng L Z, Pei G X, Lü X G, et al. Risk assessment and genetic characteristics of water pollution of the Yellow River at Huhhot, China[J]. Journal of Agro-Environment Science, 2015, 34(7): 1349-1355. |
| [9] |
田野, 李畅游, 赵胜男, 等. 基于模糊数学的黄河内蒙古段水环境质量评价[J]. 水土保持通报, 2016, 36(5): 162-166. Tian Y, Li C Y, Zhao S N, et al. Assessment of water environmental quality in Inner Mongolia Section of Yellow River based on fuzzy mathematics[J]. Bulletin of Soil and Water Conservation, 2016, 36(5): 162-166. |
| [10] |
嵇晓燕, 孙宗光, 聂学军, 等. 黄河流域近10a地表水质变化趋势研究[J]. 人民黄河, 2016, 38(12): 99-102. Ji X Y, Sun Z G, Nie X J, et al. Study on surface water quality variation trend of Yellow River Basin in recent 10 years[J]. Yellow River, 2016, 38(12): 99-102. DOI:10.3969/j.issn.1000-1379.2016.12.023 |
| [11] |
周夏飞, 曹国志, 於方, 等. 黄河流域水污染风险分区[J]. 环境科学, 2022, 43(5): 2448-2458. Zhou X F, Cao G Z, Yu F, et al. Risk zoning of water pollution in the Yellow River Basin[J]. Environmental Science, 2022, 43(5): 2448-2458. |
| [12] |
陈黎明, 王逸飞, 瞿晓磊, 等. 黄河内蒙古段水量水质联合调度研究[J]. 南京大学学报(自然科学), 2022, 58(5): 904-911. Chen L M, Wang Y F, Zhai X L, et al. Study on the coupled water quantity and quality regulation in Inner Mongolia reach of the Yellow River[J]. Journal of Nanjing University (Natural Science), 2022, 58(5): 904-911. |
| [13] |
刘德平. 内蒙古河套灌区农田减氮控磷与清洁生产技术试验研究[D]. 呼和浩特: 内蒙古农业大学, 2011. Liu D P. Research on reduce nitrogenous and control phosphate and clean production technology test in Hetao Irrigated District of Inner Mongolia[D]. Hohhot: Inner Mongolia Agricultural University, 2011. |
| [14] |
韩谞, 潘保柱, 陈越, 等. 黄河水环境特征与氮磷负荷时空分布[J]. 环境科学, 2021, 42(12): 5786-5795. Han X, Pan B Z, Chen Y, et al. Characteristics of water environment and spatial-temporal distribution of nitrogen and phosphorus load in the Yellow River[J]. Environmental Science, 2021, 42(12): 5786-5795. |
| [15] |
侯元松. 内蒙古黄河流域生态环境质量状况评价[J]. 环境与发展, 2023, 35(3): 12-17. Hou Y S. Evaluation of eco-environmental quality in the Yellow River basin of Inner Mongolia[J]. Environment and Development, 2023, 35(3): 12-17. |
| [16] | Feng L H, Zhou J. Trend predictions in water resources using rescaled range (R/S) analysis[J]. Environmental Earth Sciences, 2013, 68(8): 2359-2363. |
| [17] |
王紫涵. 聚类分析中K-means聚类算法的改进与新聚类有效性指标研究[D]. 合肥: 安徽大学, 2022. Wang Z H. Research on improved K-means algorithm and new cluster validity index in cluster analysis[D]. Hefei: Anhui University, 2022. |
| [18] | Lever J, Krzywinski M, Altman N. Principal component analysis[J]. Nature Methods, 2017, 14(7): 641-642. |
| [19] |
韩建纯, 李鹏, 杨志, 等. 基于随机森林模型的茹河流域水沙变化及其影响因素研究[J]. 生态学报, 2023, 43(10): 4190-4201. Han J C, Li P, Yang Z, et al. Variation and influencing factors of runoff and sediment in Ru River Basin based on random forest model[J]. Acta Ecologica Sinica, 2023, 43(10): 4190-4201. |
| [20] |
林艳竹, 韩忠, 黄林显, 等. 基于随机森林法的弥河-潍河流域地下水质量评价研究[J]. 水文, 2023, 43(3): 60-64, 70. Lin Y Z, Han Z, Huang L X, et al. Research on groundwater quality assessment of Mihe-Weihe River Basin based on random forest algorithm[J]. Journal of China Hydrology, 2023, 43(3): 60-64, 70. |
| [21] |
徐祖信. 我国河流单因子水质标识指数评价方法研究[J]. 同济大学学报(自然科学版), 2005, 33(3): 321-325. Xu Z X. Single factor water quality identification index for environmental quality assessment of surface water[J]. Journal of Tongji University (Natural Science), 2005, 33(3): 321-325. |
| [22] |
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. |
| [23] |
褚飞飞. 基于注意力机制和长短期记忆神经网络的水质预测方法研究[D]. 南京: 南京邮电大学, 2022. Zhu F F. Research of water quality prediction method based on attention mechanism and long short term memory neural network[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2022. |
| [24] |
胡衍坤, 王宁, 刘枢, 等. 时间序列模型和LSTM模型在水质预测中的应用研究[J]. 小型微型计算机系统, 2021, 42(8): 1569-1573. Hu Y K, Wang N, Liu S, et al. Research on application of time series model and LSTM model in water quality prediction[J]. Journal of Chinese Computer Systems, 2021, 42(8): 1569-1573. |
| [25] |
冯家豪, 赵广举, 穆兴民, 等. 黄河中游区间干支流径流变化特征与归因分析[J]. 水力发电学报, 2020, 39(8): 90-103. Feng J H, Zhao G J, Mu X M, et al. Analysis on runoff regime in middle Yellow River and its driving factors[J]. Journal of Hydroelectric Engineering, 2020, 39(8): 90-103. |
| [26] |
刘鸿志, 王光镇, 马军, 等. 黄河流域水质和工业污染源研究[J]. 中国环境监测, 2021, 37(3): 18-27. Liu H Z, Wang G Z, Ma J, et al. Water quality status and industrial pollution sources in the Yellow River Basin[J]. Environmental Monitoring in China, 2021, 37(3): 18-27. |
| [27] |
左乐, 吕昌伟, 何江, 等. 微生物对冰封期湖泊沉积物中有机磷降解释放的影响[J]. 环境科学, 2015, 36(12): 4501-4508. Zuo L, Lü C W, He J, et al. Impacts of microorganisms on degradation and release characteristics of organic phosphorus in lake sediments during freezing season[J]. Environmental Science, 2015, 36(12): 4501-4508. |
| [28] |
解鑫, 尤佳艺, 李文攀, 等. 2011—2021年全国地表水环境质量评价与变化分析[J]. 中国环境监测, 2023, 39(4): 23-32. Xie X, You J Y, Li W P, et al. Assessment and change analysis of national surface water environmental quality in 2011-2021[J]. Environmental Monitoring in China, 2023, 39(4): 23-32. |
| [29] |
郭朝臣, 雷坤, 李晓光, 等. 2017~2020年长江流域水体污染物通量时空变化特征分析[J]. 环境科学, 2023, 44(8): 4279-4291. Guo C C, Lei K, Li X G, et al. Spatiotemporal variation characteristics of main pollutant fluxes in the Yangtze River Basin from 2017 to 2020[J]. Environmental Science, 2023, 44(8): 4279-4291. |
| [30] |
白璐, 孙园园, 赵学涛, 等. 黄河流域水污染排放特征及污染集聚格局分析[J]. 环境科学研究, 2020, 33(12): 2683-2694. Bai l, Sun Y Y, Zhao X T, et al. Discharge characteristics and pollution aggregation pattern of water pollution in Yellow River Basin[J]. Research of Environmental Sciences, 2020, 33(12): 2683-2694. |
| [31] |
李刚. 内蒙古河套灌区节水对乌梁素海的影响研究[D]. 北京: 中国农业科学院, 2007. Li G. Research of the influence of water saving irrigation on Wuliangsuhai Lake of Hetao irrigation area in Inner Mongolia[D]. Beijing: Chinese Academy of Agricultural Sciences, 2007. |
| [32] | Nõges P, Kägu M, Nõges T. Role of climate and agricultural practice in determining matter discharge into large, shallow Lake Võrtsjärv, Estonia[J]. Hydrobiologia, 2007, 581(1): 125-134. |
| [33] | Xiang R, Wang L J, Li H, et al. Temporal and spatial variation in water quality in the Three Gorges Reservoir from 1998 to 2018[J]. Science of the Total Environment, 2021, 768. DOI:10.1016/j.scitotenv.2020.144866 |
| [34] | Hayakawa A, Ikeda S, Tsushima R, et al. Spatial and temporal variations in nutrients in water and riverbed sediments at the mouths of rivers that enter Lake Hachiro, a shallow eutrophic lake in Japan[J]. CATENA, 2015, 133: 486-494. |
| [35] | Ma X, Li Y, Li B L, et al. Nitrogen and phosphorus losses by runoff erosion: Field data monitored under natural rainfall in Three Gorges Reservoir Area, China[J]. CATENA, 2016, 147: 797-808. |
| [36] |
赖佳鑫, 邓华, 朱浩宇, 等. 化肥减量配施生物炭和秸秆增加了坡耕地壤中流磷流失风险[J]. 环境科学, 2023, 44(8): 4541-4553. Lai J X, Deng H, Zhu H Y, et al. Biochar or straw substituting chemical fertilizer increase the risk of phosphorus loss in subsurface runoff in sloping farmland[J]. Environmental Science, 2023, 44(8): 4541-4553. |
| [37] |
李子阳, 周明华, 徐鹏, 等. 沱江和涪江水系干支流氮磷营养盐的空间分布特征[J]. 环境科学, 2023, 44(7): 3933-3944. Li Z Y, Zhou M H, Xu P, et al. Spatial distribution of nitrogen and phosphorus nutrients in the main stream and typical tributaries of Tuojiang River and Fujiang River[J]. Environmental Science, 2023, 44(7): 3933-3944. |
| [38] | Vega M, Pardo R, Barrado E, et al. Assessment of seasonal and polluting effects on the quality of river water by exploratory data analysis[J]. Water Research, 1998, 32(12): 3581-3592. |
| [39] | Gupta A K, Gupta S K, Patil R S. Statistical analyses of coastal water quality for a port and harbour region in India[J]. Environmental Monitoring and Assessment, 2005, 102(1-3): 179-200. |
| [40] |
秦纪法, 张佳彭, 桑娈, 等. 水盐环境对黄河口淡水湿地土壤碳、氮、磷生态化学计量特征的影响[J]. 环境科学, 2023, 44(8): 4698-4705. Qin J F, Zhang J P, Sang L, et al. Effects of water-salt environment on freshwater wetland soil C, N, and P ecological stoichiometric characteristics in the Yellow River estuary wetland[J]. Environmental Science, 2023, 44(8): 4698-4705. |
| [41] | Gao Q, Li Y, Cheng Q Y, et al. Analysis and assessment of the nutrients, biochemical indexes and heavy metals in the Three Gorges Reservoir, China, from 2008 to 2013[J]. Water Research, 2016, 92: 262-274. |
| [42] | Butturini A, Battin T J, Sabater F. Nitrification in stream sediment biofilms: the role of ammonium concentration and DOC quality[J]. Water Research, 2000, 34(2): 629-639. |
| [43] |
张嘉雯, 魏健, 吕一凡, 等. 衡水湖沉积物中典型持久性有机污染物污染特征与风险评估[J]. 环境科学, 2020, 41(3): 1357-1367. Zhang J W, Wei J, Lü Y F, et al. Occurrence and ecological risk assessment of typical persistent organic pollutants in Hengshui Lake[J]. Environmental Science, 2020, 41(3): 1357-1367. |
| [44] |
杨福霞, 简慧敏, 田琳, 等. 大辽河口COD与DO的分布特征及其影响因素[J]. 环境科学, 2014, 35(10): 3748-3754. Yang F X, Jian H M, Tian L, et al. Distribution characteristics of COD and DO and its influencing factors in the Daliaohe estuary[J]. Environmental Science, 2014, 35(10): 3748-3754. |
| [45] | Pak H Y, Chuah C J, Yong E L, et al. Effects of land use configuration, seasonality and point source on water quality in a tropical watershed: a case study of the Johor River Basin[J]. Science of the Total Environment, 2021, 780. DOI:10.1016/j.scitotenv.2021.146661 |