再生水在缓解城市生态用水方面具有水量优势显著的特点, 但其水质本身存在不可忽视的问题.受城市污水处理厂处理工艺的限制, 再生水含有较高氮磷营养元素、重金属、消毒副产物、多氯联苯、多环芳烃和抗生素等多种有毒有害物质^[1].通过绿化灌溉、河湖水源补给和地下水等方式回用的再生水存在潜在的环境风险和人体健康风险^[2].高含量的营养元素随再生水河湖补给进入天然水体, 引起藻类大量繁殖和水体富营养化^[3].“假持久性”抗生素经常在以再生水为补给水源的城市河流、湖泊、地下水、海水和饮用水等中被检出^[4], 尤其是水体中残留的抗生素会影响水生生物^[5], 改变微生物活性和群落组成^[6]并导致病原菌耐药性的增加, 并且耐药菌会通过食物链及其他一些途径进入人体对人类产生危害^[7].

城市河道是城市生态系统的重要组成部分, 具有提供水源、便捷交通、防洪排水和城市景观等作用.此外, 城市河道还可以调节气候, 通过河流的自净能力削弱环境污染问题^[8~11].河网水系水动力不足, 各类设施占用河道降低河网连通性, 影响河道生物多样性, 降低河道水体自净能力是大部分平原城市河道存在的普遍性问题^[12].衬砌或人工闸坝等大型工程措施阻断了自然河流水与地下水的水文循环过程, 进而改变水质特征.人工闸坝通过人为调节排水量、排水时间和排水频率, 改变河流原本的自然水动力学机制, 激流型的河流生态系统转变为静水型生态系统, 河道颗粒物的沉降速率明显增加^{[13, 14]}, 进而减弱物质在上下游之间的交换和污染物的扩散过程, 进一步增加再生水补给型河湖富营养化风险和有毒有害物质环境风险与人体健康风险.不同类型的污染物因其化学物质结构特征、溶解性、吸附性和生物可利用性等存在较大差异^[15], 对闸坝、衬砌和湿地等人工措施的响应模式也存在较大差异^[16~20], 从而在空间尺度上随扩散表现出不同的变异模式^[21], 但这方面研究尚未见报道.因此, 本文拟在区域尺度上探究再生水补水的人工化河道中再生水典型特征污染物在空间上的变化规律及其相互作用, 探究闸坝、扩散和微生物对特征污染物空间变化模式的影响, 以期为控制再生水河湖水体富营养化治理提供理论依据.

北运河不但承担北京市防洪排涝的任务, 也发挥了城市生态景观和休闲娱乐的功能, 是北京市重点治理的城市污染河流^[22].北运河源于北京市昌平区及海淀区一带, 后向南流入通州区, 流经河北, 在天津市汇入海河, 全长260 km.流域总面积为6 166 km², 其中, 山区面积952 km², 占16%, 平原面积5 214 km², 占84%.研究区多年平均降雨量643 mm, 降雨主要集中在6~9月, 约占全年的84%^[23].作为京杭大运河的重要组成部分, 北运河主要流经城市化水平高的北京和天津, 人口产业密集, 是海河流域骨干行洪排涝河道之一^[23].北运河流域土地利用类型和污染源差异导致河流地理空间尺度上存在潜在环境梯度, 其次, 上游流经北京城区, 93%的水源来源于城市人口消耗的经处理废水, 4%是未经处理的废水; 位于京津之间的中游地区主要流经农田, 农业化肥和农药污染是中游地区主要的污染物; 下游进入天津地区, 接受来自天津经处理和未处理的废水^[24].由于地处平原地区, 水流流速缓慢致使水流中裹挟的浊物逐步沉淀, 最终导致河道淤积严重^[25].

考虑到夏季高温多雨, 藻类生长繁殖旺盛, 是河道水质治理重点时段.于2019年9月3~4日在高度人工化的北运河结合周边土地利用类型和均匀布点的基本原则设置样点15个, 如图 1所示.其中, 1~5号为上游样点、6~11号为中游样点(mid-upstream samples, MUS)和12~15号为下游样点(downstream samples, DS).每个采样点采集平行的2L混合均匀的水样2个, 冰袋低温保存并快速运回实验室.同时, 通过全球定位系统(GPS, Garmin Legend, Garmin USA)定位每个样点的坐标, 并采用多参数水质探测仪(AP-7000) 测定：pH、溶解性总固体(TDS)、温度(T)、氧化还原电位(ORP)、电导率(EC)和浊度.

图 1

Fig. 1

图 1 北运河采样点分布示意 Fig. 1 Sampling locations in the North Canal River

带回室内的水质24 h内完成水质理化分析.测试的指标主要包括常规理化(conventional physics, CP): T、pH、ORP和浊度; 全量指标(full index, FI): 高锰酸盐指数、总氮(TN)、总磷(TP)、总有机碳(TOC)和总碳(TC); 无机氮(Inorganic nitrogen, IN): 氨氮(NH₄⁺-N)、硝酸盐氮(NO₃^--N)和亚硝酸盐氮(NO₂^--N); 盐分离子(salinity hydronium, SH): TDS、Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、Cl^-和SO₄^2-; 抗生素(antibiotics, AB)包括磺胺类(sulfonamides, SAs): 磺胺嘧啶(sulfadiazine, SDZ)、磺胺甲氧嘧啶(suflamonomethoxine, SMM)、磺胺吡啶(sulfapyridin, SPD)、磺胺二甲嘧啶(suflamethazine, SMA)和磺胺甲唑(sulfamethoxazole, SMX); 氟喹诺酮类(fluoroquinolones, FQs): 环丙沙星(ciprofloxacin, CIP)、马波沙星(marbofloxacin, MBX)、氟罗沙星(fleroxacin, FLE)、诺氟沙星(norfloxacin, NOR)、达氟沙星(danofloxacin, DAN)、氧氟沙星(ofloxacin, OFL)、恩诺沙星(enrofloxacin, ENR)、加替沙星(gatifloxacin, GATI)、西诺沙星(cinoxacin, CIN)和萘啶酸(nalidixic acid, NDA); 四环素类(tetracyclines, TCs): 差向四环素(4-epitetracycline, ETC)、四环素(tetracycline, TC)、土霉素(oxytetracycline, OTC)和金霉素(chlortetracycline, CTC); 大环内酯类(macrolides, MLs): 奥美托普(ormetoprim, ORM)、林可霉素(lincomycin, LIN)、克林霉素(clindamycin hydrochloride, CLI)、替米考星(tilmicosin, TIL)、红霉素(erythromycin, ETM)、克拉霉素(clarithromycin, CTM)、罗红霉素(roxithromycin, ROY)和阿奇霉素(azithromycin, AZM)等.

水中高锰酸盐指数采用滴定法测定; 氨氮(NH₄⁺-N)采用纳氏试剂分光光度法测定; 硝酸盐氮(NO₃^--N)采用紫外分光光度法测定; 亚硝酸盐氮(NO₂^--N)采用N-(1-萘基) -乙二胺分光光度法测定; 总氮(TN)采用过硫酸钾消解紫外分光光度法测定; 总磷(TP)采用钼酸盐分光光度法测定; 总有机碳(TOC)和总碳(TC)采用TOC测定仪测定, 阴阳离子(Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、Cl^-、NO₃^-和SO₄^2-)采用离子色谱仪测定.抗生素采用超高效液相色谱串联三重四级杆质谱仪进行分析.水样全部采用玻璃纤维滤膜过滤(GF/F0.7 μm, Whatman, UK), 滤膜使用前用超纯水浸泡至少24 h, 浸泡过程换水2次.取2 L滤液于干燥的棕色蓝盖玻璃瓶内, 加入100 μL浓度为500μg·L^-1的抗生素内标和0.5 g的Na₂EDTA.使用甲醇和超纯水清洗固相萃取装置和进样器, 然后将Oasis HLB固相萃取小柱在固相萃取装置上进行活化, 活化分别用10 mL甲醇和10 mL超纯水.将棕色玻璃瓶内滤液连接固相萃取装置上被活化后的HLB固相萃取小柱进行上样, 水样上样速度15 mL·min^-1.待滤液完全上样后, 采用10 mL超纯水淋洗HLB固相萃取小柱, 抽干0.5 h.使用10 mL甲醇洗脱HLB小柱, 用试管保证流速低于1~2 s·滴^-1, 在30℃条件下使用缓和高纯氮气流吹干甲醇, 并用1 mL甲醇重新溶解, 涡旋后使用2 mL一次性注射器带0.22 μm滤头过滤保存在1 mL棕色液相小瓶中, 置于－20℃环境下保存^{[26, 27]}.

水质指标均按照国家标准方法确保质量控制.校准曲线的相关系数R²大于等于0.999; 每批样品做一个空白实验, 空白实验不高于方法规定数值; 每批样品至少测定10%的平行双样.抗生素采用外标和内标进行定量, 配制1、10、20、50、100、200和400μg·L^-1的标准液, 确定了校准曲线的线性关系(R²>0.99).各抗生素的加标回收率为73.8%~122.3%.每个采样点做两个平行样, 相对标准偏差小于15%, 每批样品做2个超纯水的全过程空白样.

利用PRIMER5.0计算Bray-Curtis相似性矩阵绘制聚类图和相似性百分比(SIMPER)分析组间和组内平均秩相似性差异.在此基础上, 基于Bray-Curtis相似性的非度量多维尺度分析(NMDS)和Global检验.利用SPSS 26.0对水质参数进行判别分析并通过Oringin 2018绘制水质差异箱线图, 同时利用SPSS 26.0对环境因子进行标准化的主成分分析(principal component analysis, PCA), 在进行分析前, 所有的环境因子需经过对数转换(除pH外).基于环境因子矩阵利用PRIMER5.0计算欧式距离, 利用Arcgis 10.2中提取的河网, 手动获得样点间地理距离^{[28, 29]}, 基于微生物OTUs(operational taxonomic units)数据矩阵利用PRIMER 5.0计算Bray-Curtis相似性.利用Oringin 2018绘制不同类环境因子的欧式距离分别与地理距离、闸坝数量和微生物相似性的斯皮尔曼相关性系数图.利用Canoco5.0对闸坝、扩散和微生物与水质参数矩阵进行方差分解分析.

基于不同类型水质因子数据矩阵的样品空间聚类分析识别污染物空间变化模式, 见图 2.从中可知, 不同类型水质参数在空间分布模式上均表现出与地理距离相同或相似的分布格局, 即整体上呈现出中上游和下游两组较为明显的类群.但不同类型的环境因子划分类群时所依赖的相似性标准系数的大小存在较大的差异.无机氮数据具有最高的空间变异性, 在相似性系数为48%时划分为与地理空间具有一定吻合的中上游类群(样点1、3~9)和下游类群(样点12~15).其次, 基于抗生素数据矩阵的空间变异较为明显, 在相似性系数为65%划分为较为显著的中上游类群(样点1~11)和下游类群(样点12~15), 聚类和其分型特征显示其类内和类间均具有较强的空间变异性.盐分离子数据矩阵在相似性系数为71%时剥离出样点12, 进而在81%剥离出样点11和样点15, 结合聚类图分型情况可知盐分离子虽在地理空间变异规律不显著, 但类内具有一定程度的变异.与其他类型水质参数相比较, 常规理化指标和全量指标均具有较小的空间变异.

图 2

Fig. 2

图 2 基于不同类型水质因子的样点空间聚类 Fig. 2 Spatial clustering map based on water quality sample points

为进一步考察不同类型水质因子空间变化模式, 基于不同类型的水质参数绘制NMDS排序(图 3), 并借助于Global test比较其在中上游类群(样点1~11)和下游类群(样点12~15)间的显著性.常规理化指标(stress=0.04, Global R=0.546, P=0.003)、全量指标(stress=0.05, Global R=0.499, P=0.008)、无机氮(stress=0.01, Global R=1.000, P=0.001)、盐分离子(stress=0.03, Global R=0.323, P=0.033)和抗生素(stress=0.09, Global R=0.840, P=0.001)均随地理距离的变化存在显著差异.基于无机氮、抗生素的排序图中表现为中上游与下游各自样点间分布集中, 中上游与下游间具有清晰的分布界限和范围, 呈现出显著中上游与下游分布, 表明无机氮、抗生素的空间分布差异性较其他类型水质参数更为明显.进一步结合类间差异性系数和类内相似性系数解析空间变化规律(表 1), 不同类型水质因子在中上游与下游均存在显著差异(P < 0.05).其中, 无机氮数据矩阵具有最大的类间差异性(72.87%), 其次为抗生素(35.50%).常规化因子则表现为最低的类间差异性(7.67%)和最高的类内相似性(95.94%).基于NMDS的分析结果与聚类具有一致的结果.

图 3

Fig. 3

绿色表示中上游样点1~11;红色表示下游样点12~15 图 3 基于不同类型水质因子的样点NMDS排序 Fig. 3 NMDS sequence diagram based on water quality sample points

表 1 (Table 1)

表 1 基于Bray-Curtis相异性的空间不同类水质指标变化分析 Table 1 Analysis of changes in different types of water quality indicators in space based on Bray-Curtis dissimilarity 水质指标 位置 组间差异/% Global检验 位置 组内相似/% R P CP UMS & DS 7.67 0.546 0.003 UMS 95.27 DS 95.94 FI UMS & DS 10.00 0.499 0.008 UMS 93.63 DS 91.11 IN UMS & DS 72.87 1.000 0.001 UMS 84.54 DS 59.83 SH UMS & DS 17.64 0.323 0.033 UMS 88.07 DS 81.99 AB UMS & DS 35.50 0.840 0.001 UMS 74.67 DS 81.07

表 1 基于Bray-Curtis相异性的空间不同类水质指标变化分析 Table 1 Analysis of changes in different types of water quality indicators in space based on Bray-Curtis dissimilarity

在此基础上, 对不同类型水质因子在空间类群间的差异性进行判别分析(图 4).浊度、高锰酸盐指数、TOC、TC、NO₃^--N和TDS均表现出显著的空间差异(P < 0.01), 并表现为中上游显著高于下游的空间变化模式(图 3).抗生素中磺胺类的SMX、氟喹诺酮类的MBX和大环内酯类的ORM均表现为中上游高于下游(P < 0.01), 而四环素类的ETC、TCs和CTC均表现为与此相反, 表现为中上游显著低于下游(P < 0.01).

图 4

Fig. 4

绿色表示中上游样点1~11, 红色表示下游样点12~15; a1.浊度, a2.高锰酸盐指数, a3.TN, a4.TOC, a5.TC, a6.NO3--N, a7.TDS, b1.SPD, b2.SMA, b3.SMX, b4.MBX, b5.OFL, b6.ENR, b7.GATI, b8.CIN, b9.NDA, b10.ORM, b11.CLI, b12.TIL, b13.ETC, b14.TC, b15.CTC; **表示在0.01级别(双尾)显著; *表示在0.05级别(双尾)显著 图 4 不同类别环境因子的空间分布差异性箱图 Fig. 4 Boxplots of spatial distribution differences of different types of environmental factors

为了进一步分析不同类型水质因子来源性的差异, 将有显著差异的水质因子进行主成分分析, 见表 2.从中可知, 特征值大于1的6个旋转因子累积贡献率为87.95%. PCA1(45.98%)与TN、NO₃^--N、TOC和TC相关性较高, 主要表明再生水补给过程中的无机氮污染和有机污染, 氟喹诺酮类抗生素OFL和它们具有同源性; PCA2(11.79%)与浊度、高锰酸盐指数和TDS相关性较高, 表征再生水补给口物理扰动对水文水质的间接影响, 大环内酯类ORM和其有同源性.PCA3(10.25%)与氟喹诺酮类ENR、CIN和NDA具有相关性, 同时PCA6(5.17%)也与氟喹诺酮类MBX和GATI具有相关性, 医院、家庭和制药工业产生的废水是FQs释放到环境中的关键人为来源^[30].PCA4(8.69%)主要与磺胺类SDZ、大环内酯类TIL和四环素类TCs呈现显著负相关, 表明这三者之间具有同源性, 大多来源于再生水补给.PCA5(6.07%)代表了磺胺类抗生素SMX和大环内酯类CLI的变化规律.不同的主分成分析维度代表了不同类型水质因子因其化学结构特征、溶解性、吸附性和生物可利用性的不同, 从而产生不同的空间变异模式.不同类型水质因子虽具有较为相似的空间分布格局, 但空间变化分异趋势存在明显差异.抗生素类水质因子变异尺度较大, 分别分布于PCA的6个维度上, 其次是无机氮和全量因子表征的有机污染空间分异趋势相似, 常规理化因子中的浊度和温度则代表更小尺度的分异趋势.

表 2 (Table 2)

表 2 环境因子主成分分析结果1) Table 2 Principal component analysis results of environmental factors 水质指标 主成分 1 2 3 4 5 6 浊度 －0.25 0.62 0.10 0.13 0.46 0.50 高锰酸盐指数 0.06 0.79 0.28 0.14 0.36 0.23 TN 0.92 0.09 0.04 0.00 0.25 0.09 TOC 0.66 0.48 0.27 0.30 0.01 －0.02 TC 0.65 0.52 0.18 0.32 0.03 0.00 NO3--N 0.92 0.04 0.10 0.16 0.11 0.18 TDS 0.31 0.63 0.59 0.08 －0.12 0.22 SMA 0.00 0.57 0.33 0.28 －0.17 0.42 SDZ 0.05 －0.14 -0.08 －0.78 0.47 －0.13 SMX 0.51 0.17 0.19 0.12 0.73 0.15 MBX 0.40 0.27 0.17 0.09 0.30 0.68 OFL 0.84 0.07 0.24 0.06 －0.03 0.26 ENR 0.00 0.17 0.88 0.16 0.06 0.22 GATI 0.26 0.32 0.13 0.17 －0.13 0.82 CIN 0.30 0.38 0.78 0.27 0.01 －0.19 NDA 0.36 0.30 0.77 0.00 －0.04 0.31 ORM 0.25 0.69 0.32 0.40 0.14 0.14 CLI 0.06 0.21 －0.12 0.09 0.89 0.00 TIL －0.22 －0.11 －0.20 －0.82 －0.35 －0.02 ETC －0.25 0.12 －0.49 －0.42 －0.35 －0.58 TC －0.28 －0.11 －0.14 －0.81 －0.30 －0.34 CTC －0.35 －0.73 －0.11 0.22 －0.28 －0.09 特征值 10.12 2.59 2.26 1.91 1.34 1.14 贡献率/% 45.98 11.79 10.25 8.69 6.07 5.17 累计贡献率/% 45.98 57.77 68.03 76.71 82.79 87.95 1)黑体数字表示各环境指标最大因子载荷值

表 2 环境因子主成分分析结果1) Table 2 Principal component analysis results of environmental factors

通过水质参数矩阵与地理距离的相关关系探究不同类型水质因子与扩散的关系(图 5).除常规理化指标外, 其余水质因子矩阵均与地理距离的变化显著相关(P < 0.01).全量指标、无机氮、盐分离子和抗生素数据矩阵的相关系数依次为0.288、0.423、0.267和0.590.结合方差分解结果定量评价扩散对不同类型水质因子的空间变异贡献率(表 3), 同样表明除常规理化指标外, 其他水质因子矩阵的空间变异均受到扩散作用的显著影响(P < 0.05), 全量指标、无机氮、盐分离子和抗生素数据矩阵的贡献率依次为28%、32.7%、10.4%和50.3%.对不同类型的水质因子的扩散显著性和贡献率进行比较, 抗生素与地理距离的变异具有最高相关性(r=0.590, P=0.002), 其次为无机氮数据矩阵(r=0.423, P=0.016), 证明无机氮和抗生素的空间变异较其他类型的水质因子更易受到地理扩散的影响.

图 5

Fig. 5

环境变量是指各环境指标的欧式距离矩阵，下同 图 5 不同类型环境因子的欧式距离与地理距离的斯皮尔曼相关性 Fig. 5 Spearman's rank correlation between Euclidean distance and geographic distance of different types of environmental factors

表 3 (Table 3)

表 3 不同类水质指标同闸坝、地理扩散和微生物的方差分解的显著性1) Table 3 Significance of variance decomposition of different types of water quality indicators with dams, geographic diffusion, and microorganisms 水质指标 总 总|微生物 总|扩散 总|闸坝 闸坝 扩散 微生物 CP 0.008 0.130 0.006 0.006 0.076 0.050 0.002 FI 0.002 0.002 0.002 0.002 0.048 0.018 0.002 IN 0.002 0.006 0.002 0.002 0.038 0.016 0.002 SH 0.010 0.004 0.132 0.068 0.114 0.048 0.234 AB 0.002 0.002 0.002 0.002 0.002 0.002 0.002 1)黑体数字表示P < 0.05; 总代表闸坝、扩散和微生物三者共同影响; A|B代表从A中剔除B的影响

表 3 不同类水质指标同闸坝、地理扩散和微生物的方差分解的显著性1) Table 3 Significance of variance decomposition of different types of water quality indicators with dams, geographic diffusion, and microorganisms

以闸坝为空间扩散模型的河流水质与闸坝个数的相关关系表明(图 6), 仅基于无机氮和抗生素两大类的水质数据矩阵与闸坝数量变化显著相关(P < 0.01), 相关系数分别为0.319和0.482.进一步结合方差分解(表 3)可知, 闸坝对全量指标、无机氮和抗生素类水质因子空间变异具有显著影响(P < 0.05), 解释率分别为19.1%、23.5%和45.8%.对不同类型的水质因子的闸坝显著性和贡献率进行比较, 抗生素与闸坝仍然具有最高相关性(r=0.482, P=0.002), 其次为无机氮数据矩阵(r=0.319, P=0.038).表明闸坝与扩散存在趋同效应.

图 6

Fig. 6

图 6 不同类型环境因子的欧式距离与闸坝数量的斯皮尔曼相关性 Fig. 6 Spearman's rank correlation between Euclidean distance and dam numbers of different types of environmental factors

通过水质参数矩阵与基于Bray-Curtis相似性的相关关系探究不同类型水质因子与微生物的关系(图 7).除盐分离子外, 其余水质因子矩阵均与微生物的变化显著相关(P < 0.01).抗生素、常规理化、全量指标和无机氮数据矩阵的相关系数依次为－0.582、－0.402、－0.373和－0.281.结合方差分解结果定量评价微生物对不同类型水质因子的空间变异贡献率(图 8和表 3), 同样表明除盐分离子外, 其他水质因子矩阵的空间变异均受到微生物作用的显著影响(P < 0.01).微生物对常规理化、无机氮、抗生素和全量指标的解释率分别为70.4%、68.9%、50.4%和49.2%(图 8).不同类型的水质因子相比较, 抗生素(r=－0.582, P=0.002)和常规理化指标(r=－0.402, P=0.002)更易受到微生物的影响, 其次是无机氮(r=－0.281, P=0.002).与扩散和闸坝作用相比较, 微生物与各类水质因子的负相关关系表明河流水质微生物净化在不同类型水质因子降解过程中发挥重要作用.

图 7

Fig. 7

图 7 不同类型环境因子的欧式距离与微生物相似性的斯皮尔曼相关性 Fig. 7 Spearman's rank correlation between Euclidean distance and microbial similarity of different types of environmental factors

图 8

Fig. 8

图 8 不同类水质指标同闸坝、地理扩散和微生物的方差分解 Fig. 8 Variance decomposition of different types of water quality indicators with dams, geographic diffusion, and microorganisms

基于不同类型水质因子空间变化的方差分解的结果显示(图 8和表 3), 微生物对常规指标、全量指标、无机氮和抗生素具有显著的降解作用, 扩散和闸坝作用则主要影响全量指标、无机氮和抗生素的空间变异过程.总的来看, 闸坝和扩散具有较高的协同趋势, 而微生物则与扩散和闸坝作用形成互补机制.

本文以典型的再生水补给型城市河流北运河为研究对象, 探究城市河道再生水特征污染物的空间变化特征.点源和非点源污染是影响城市河道水质的主要因素^{[31, 32]}.汛期一方面受到降雨地表冲刷过程, 携带污染物进入河道, 另一方面汛期高温促进河道内藻类的生长繁殖, 快速消耗水体溶解氧, 具有较高的水体富营养化风险.再加上高温条件下河道浮游细菌群落较高的新陈代谢过程决定了其对环境变化具有较高的敏感性, 因此本文选取汛期作为研究时段.研究发现北运河水质整体上呈现出中上游和下游两组较为明显的类群.北运河北京段(上游和部分中游样点)无规则密布再生水补给口, 并在上、中游集中补给后随径流径向渐变汇入下游海河(部分中游和下游样点).再生水水质中富含的特征水质因子的源汇同质化效应、非常规补给引起的河流水动力条件的变化、随地理距离产生的扩散效应和微生物对各类水质因子的降解综合作用下, 使得不同类型的水质因子在空间上呈现与地理距离较为相似的中上游类群和下游类群.

已有研究表明, 温度和浊度等常规水质因子主要表现为排污口附近的小尺度范围的变异^[33].较高温度的再生水汇入水体后迅速同化, 不会发生较大尺度的空间变化.再生水汇入改变河流水动力条件, 从而扰动河道底部表层污泥中的污染物向上覆水体释放, 导致河道水体浊度增加^[27], 伴随着城市河道缓慢水流引起的扩散作用, 悬浮颗粒物发生二次沉降, 最终表现为常规水质因子方差贡献率中的扩散作用不明显(2.1%和1.9%), 且在区域尺度变异规律不明显.其次, 较高水温促进水体中浮游细菌活性^[33], 较高活性的浮游细菌反过来影响常规理化的空间变异, 是导致常规理化因子中微生物在方差分解中贡献率较高的主要原因(54.7%).

全量指标具有明显的化学结构特征且生物可降解性较高.排污口尺度的物理扰动导致底泥颗粒物中携带的有机物二次释放, 并表现为一定程度的源汇同质化效应和自由扩散稀释和降解.最终导致高锰酸盐指数、TOC和TC等全量指标空间变异程度介于常规理化指标和无机氮数据矩阵之间.与其它类型的水质因子相比较, 全量指标的方差分解中微生物、扩散及二者的协同部分都具有中等程度的贡献率.

盐分离子是再生水水质特性的表征因子之一, 以Na⁺、Cl^-、Mg²⁺和Ca²⁺为代表的盐分离子富集再生水中.这类离子的微生物可利用性和降解速率都较低, 因此能较为稳定地存在于水环境中.扩散是影响盐分离子空间变异模式的主要作用机制, 在方差分解中表现为较高单独的空间扩散解释率(17.7%和13.2%).微生物及微生物/空间协同的贡献率都极低.盐分离子空间变异与闸坝和微生物的距离衰减模式不显著, 且在中上游和下游判别中不具有显著差异, 说明该类水质因子的源汇同质化作用也相对较弱.与其他类型的水质因子相比较, 盐分离子呈现中等程度的空间变异.

再生水中富含的无机氮元素是我国水环境污染物排放总量控制中主要的约束性指标之一, 对水生生物毒性效应明显^[34].较高浓度的无机氮在补给口形成明显的源汇同质化效应, 中上游密布再生水补给口产生的多空间源汇同质化效应促进中上游无机氮数据矩阵显著区别于下游样点.水环境中无机氮作为生物生长的必需元素, 生物可利用性较高, 可通过微生物的氨氧化作用、硝化作用和反硝化作用等一系列的氮循环从水中释放到空气中^[35].已有研究表明北运河水生态系统中微生物主要由与氮的生物地化学循环相关的微生物类群组成^[36], 与本研究微生物对无机氮数据矩阵单独的空间解释率较高(18.1%)相一致.此外, 微生物对无机氮的降解过程与污染物在空间的扩散过程高度协同, 从而在方差分解同样表现为较高的微生物/扩散共同解释率(25.3%和16.5%).而源汇同质化效应驱动的空间变异是造成单独扩散空间解释率较低(0.5%和0.1%)的主要原因.基于此, 再生水中富含的无机氮空间变异机制主要体现为源汇同质化和微生物降解, 扩散作为无机氮空间变异的次要机制与微生物降解和源汇同质化具有协同作用模式.

抗生素作为再生水水质特征的表征指标之一.因其来源复杂、化学结构和稳定性存在较大差异, 从而表现为较高空间变异性.抗生素在水体的含量相对较低, 有别于其他水质因子, 源汇同质化的效应相对较弱, 但三者较高的协同贡献率(31.8%)在一定程度上表明再生水非常规补给对水体的物理扰动、水体的稀释扩散和微生物的降解是导致抗生素发生空间变异的主要原因.但由于其含量较低, 闸坝、扩散和微生物对其贡献率并不是很高(7.7%、7.9%和7.9%).SMX、MBX、OFL和ORM均是再生水中上游频繁汇入, 随河道水质的扩散和自净作用导致下游显著减小.FQs被大量地应用于临床医学、水产养殖、畜牧业和农业中^[37], 主要来源于医院废水.FQs的化学结构中含有喹诺酮环, 具有较强的化学稳定性, 存在极性官能团导致其不易挥发^[38].FQs分子结构式中含有哌嗪基和羧基, 属于酸碱两性化合物, 微溶于甲醇、水和乙醇等, 易溶于冰醋酸^[39].FQs在复杂的水体环境中可能会由于pH的差异发生水解, 可能被光解, 也有可能随水流扩散稀释.因此呈现复杂的空间变化机制.SAs抗生素具有较高的水溶性和较低的对土壤和环境的吸附亲和力, 不易降解, 因而在环境中具有较强的流动性^[40~42].大尺度上SAs随水体流动扩散稀释.MLs是一类弱碱性的抗生素, 具有亲脂性, 同时在酸性环境下稳定性相对较差, 不具有较强的代谢力^[43].MLs极易受到河流pH的影响, 从而可能表现为小尺度范围的空间变异.TCs吸附能力较强, 可随再生水扰动过程携带的悬浮颗粒物或水生生物吸附^[44], 这与浊度的物理扰动二次释放不同, 而是会随颗粒物协同扩散至下游沉淀, 从而导致ETC、TC和CTC等呈现下游显著高于中上游的变化趋势.

(1) 不同类型水质参数在空间分布模式上均表现出与地理距离相同或相似的分布格局, 即整体上呈现出中上游和下游两组较为明显的类群.但不同类型的环境因子空间变异程度存在较大的差异, 无机氮和抗生素数据矩阵具有最高的类间差异性, 而常规理化因子则表现为最低的类间差异性和最高的类内相似性.

(2) 浊度、高锰酸盐指数、TOC、TC、NO₃^--N和TDS表现为中上游显著高于下游的空间变化模式(P < 0.01), 抗生素中磺胺类的SMX、氟喹诺酮类的MBX和大环内酯类的ORM同样表现为中上游高于下游(P < 0.01), 而四环素类的ETC、TCs和CTC则表现为中上游显著低于下游(P < 0.01)的变化规律.

(3) 常规理化因子空间变异机制主要表现为排污口较高水温促进微生物在方差分解中贡献率较高, 但扩散作用不明显, 最终体现为区域尺度的变异程度较弱.全量指标生物可降解性较高和排污口尺度的源汇同质化效应、自由扩散稀释是全量指标方差分解中微生物、扩散及二者的协同部分都具有中等程度的贡献率的主要原因.盐分离子能较为稳定地存在于水环境中, 扩散是影响盐分离子空间变异模式的主要作用机制, 微生物及微生物/空间协同的贡献率都极低, 最终呈现中等程度的空间变异.再生水中富含的无机氮空间变异机制主要体现为源汇同质化和微生物降解, 扩散作为无机氮空间变异的次要机制与微生物降解和源汇同质化具有协同作用模式.抗生素作为再生水水质特征的表征指标之一, 来源复杂、化学结构稳定性和生物可降解性存在较大差异, 从而表现为较高的空间变异性.