2025, Vol. 46
2. 中国环境科学研究院湖泊水污染治理与生态修复技术国家工程实验室，北京 100012;
3. 中国环境科学研究院黄河流域生态保护和高质量发展联合研究中心，北京 100012;
4. 桂林理工大学环境科学与工程学院，桂林 541004;
5. 华北科技学院应急技术与管理学院，廊坊 065201
2. National Engineering Laboratory for Lake Pollution Control and Ecological Restoration, Chinese Research Academy of Environmental Science, Beijing 100012, China;
3. National Joint Research Center for Ecological Conservation and High Quality Development of the Yellow River Basin, Chinese Research Academy of Environmental Sciences, Beijing 100012, China;
4. College of Environment Science and Engineering, Guilin University of Technology, Guilin 541004, China;
5. College of Emergency Technology and Management, North China Institute of Science & Technology, Langfang, 065201, China
近年来，受自然环境变化和人类活动的共同影响，水污染形势较为严峻，直接影响到居民的饮用水安全[1]. 河流作为物质运移的重要通道，直接影响受纳水体的营养状况与生态健康[2]. 河流生态环境问题已经从单一的水资源和水环境问题转化为复杂多变的水生态问题[3，4]. 水库是人类干预下的自然水体，其建设对流域生态系统产生了深远的影响，其容量和水位决定其调节作用和服务价值. 水库水质评价对流域水环境管理具有重要意义. 入库河流水污染状况直接影响库区水质，深入分析水库上游入库断面水污染状况，可为识别水库水污染成因并针对性提出治理措施提供依据. 因此，流域入库河流及库区水质的分析也成为研究的焦点[5，6]. 当前，从研究对象上看，国内外很多学者针对我国七大水系中的大江大河、热点湖泊水质特征和成因分析开展了较多研究，但对水库水环境质量的研究整体较少[7，8]. 从采用的监测数据上看，受水质数据采样困难等因素制约，当前的研究多集中于分析一定时期内水质指标的变化，广泛依赖昂贵的野外监测数据或手工采样数据，对影响长期和短期水质综合变化的因素深入探讨较少；同时未综合利用手工监测与自动监测数据多角度对比分析入库河流水质演变过程[2，8]. 从评价分析方法上看，多采用单因子评价法、水质综合评价指数、灰色关联度法和模糊综合评价等方法，没有结合多种非参数统计分析方法，从多角度、多维度分析检验其变化趋势、空间聚类特征和可能的影响因素估计[9].
官厅水库是我国成立后修建的第一座大型水库，也是华北地区具有一定代表性的重要水库. 官厅水库位于永定河上游的怀来、延庆盆地，主要依靠洋河、桑干河、妫水河及其支流补水，水系属于海河流域北系的永定河流域. 20世纪50~60年代官厅水库水质总体较好，为北京市西部工业区和居民区主要水源. 70~90年代，受上游农业面源污染和沿河工业与生活污水排放影响，官厅水库水质不断下降，生态环境状况十分严峻，官厅水库因水质恶化不符合地表饮用水水源要求，1997年被迫退出北京市生活饮用水体系，不再承担饮用水供水任务[10]. 2000年以来，官厅水库被列为全国重点的治理对象，实施了《21世纪初期首都水资源可持续利用规划》，重点加强上游地区水污染治理和水资源保护，官厅水库水质缓慢有所改善，2007年恢复成为北京市备用水源地，成为继密云、怀柔、海子水库之后的第4个备用饮用水源，但水质长期维持在Ⅳ类及以上[11]. 近年来，官厅水库开展了多项水污染防治工作，通过引黄工程向永定河流域进行生态补水，南水北调通水后北京地区水资源紧缺状况虽有所缓解，但水资源短缺的状况并未得到根本改善，人水矛盾依然突出[12]. 因此，开展官厅水库上游入库断面浓度演变分析，对于控制流域水体富营养化、保障首都水源战略安全及北京市生态和城市可持续发展、为库区水资源保护和上游流域规划和政策制定提供参考依据、推进京津冀区域水环境联合治理和水生态保护有十分重要的意义.
本研究基于2017~2023年官厅水库上游（妫水河段）入库断面谷家营监测站点水质手工及自动监测数据，综合运用Mann-Kendall统计检验、STL趋势分解、灰色预测模型和排放清单统计等分析方法，结合文献调研，系统揭示了官厅水库上游流域水质演变趋势、影响因素和疫情管控、暴雨等特殊事件对水质的影响，以期为官厅水库水污染治理工作提供技术支撑.
1 材料与方法 1.1 研究区域与监测数据官厅水库1951年10月动工，1954年5月竣工. 官厅水库位于永定河上游的怀来、延庆盆地，大部分库区在河北省怀来县境内，小部分在延庆区境内（图 1）. 官厅水系属于海河流域北系的永定河流域. 官厅水库主要依靠洋河、桑干河、妫水河及其支流补水. 水库最大面积为290 km2，最大库容为41.6亿m3，控制上游流域面积43 402 km2. 北京境内流域面积3 168 km2，其中山区流域面积2 491 km2. 官厅水库流域属大陆季风气候区，冬季干燥少雪，夏季炎热多雨. 流域降水量为303~536 mm·a-1，6~9月降水量占全年降雨量的75%. 近年来，官厅水库在防洪、灌溉、应急水源等方面发挥了巨大作用[13].
|
图 1 官厅水库入库断面位置和分布示意 Fig. 1 Geographical location and distribution of monitoring station |
妫水河是延庆的母亲河，发源于延庆区四海镇大吉祥村，它从东北向西南横跨延庆盆地，流域面积为9 000 km2；妫水河是官厅水库的三大入库河流之一，河长18.5 km，河宽8~12 m，平均径流总量为0.95亿m3. 根据《北京市地表水环境功能区划》《河北省水功能区划》，永定河山峡段、官厅水库水环境功能区划为Ⅱ类，入库支流妫水河水环境功能区划为Ⅱ类，洋河、桑干河水功能区划为Ⅳ类. 作为北京市备用饮用水水源，目前主要供城市环境用水和门头沟区应急供水，通过永定河山峡段的三家店闸取水口取水.
本研究选取妫水河下段谷家营断面为官厅水库的入库断面进行分析研究，谷家营断面是妫水河水质生态环境保护考核一个重要的监测断面. 深入分析妫水河入库断面谷家营监测站点水污染状况，可为识别官厅水库水污染成因并针对性提出治理措施提供依据. 2017~2023年谷家营断面逐月高锰酸盐指数、氨氮（NH4+-N）和总磷（TP）等手工水质监测数据来自国家地表水水质数据发布系统（http://waterpub.cnemc.cn:10001/）和上海青悦数据中心（https://data.epmap.org/product/province_water），主要监测水质指标每月手工监测一次，按照《地表水环境质量标准》（GB 3838-2002）要求进行采样分析及评价. 2021~2023年谷家营断面逐日水质指标监测数据来自国家地表水水质自动监测实时数据发布系统（https://szzdjc.cnemc.cn:8070/GJZ/Business/Publish/Main.html/），水质指标每4 h监测一次，分别为04：00、08：00、12：00、16：00和20：00. 2007~2023年官厅水库水质类别信息来自北京市地表水水质（包含河流、湖泊、大中型水库水质）月报监测结果（https://nsbd.swj.beijing.gov.cn/dbssz.html）. 2006~2017年官厅水库水质指标年均值数据来自官厅水系水源保护区调整划分方案技术报告和生态环境质量报告书. 官厅水库水位、流量、蓄水量等监测数据来自北京市大中型水库水情日报（https://nsbd.swj.beijing.gov.cn/dzxsksq.html），其中入库流量为东大桥水文监测断面入库流量监测数据. 延庆地区GDP、人口、降水量、森林覆盖率、降尘量和污废水排放量等信息来自延庆统计年鉴（http://renda.bjyq.gov.cn/yanqing/zbm/1718459/1880121/index.shtml）. 延庆地区分行业水污染排放活动水平主要来自排放源统计年报（https://sthjj.beijing.gov.cn/bjhrb/index/xxgk69/zfxxgk43/fdzdgknr2/hjtj/index.html），相关排放因子取自《排放源统计调查产排污核算方法和系数手册》，化学需氧量和NH4+-N总排放量和分行业排放量数据来自延庆区统计年鉴.
1.2 研究方法 1.2.1 Mann-Kendall趋势检验Mann-Kendall（MK）趋势统计检验方法由Mann和Kendall两人在20世纪中叶发明并完善[14，15]. 与Daniel趋势检验法计算原理不同，MK主要针对某一水质指标（本研究）构建特定统计函数和变量来实现. MK对时间序列样本数据原始分布要求度低，且检验结果基本不受样本中异常值影响. MK趋势检验原理为：假设时间序列数据即某一水质指标X（x1，x2，…，xn）是n个独立的、随机观测值，通过构建符号函数定义标准正态分布的统计变量S如下：
|
(1) |
进一步比较所有观测值的大小（Xi-Xj为 < 、=或 > 0），符号函数S即sign（Xi-Xj）计为-1、0或1. 当S为 > 、=、< 0时，进一步计算MK统计量Z：
|
(2) |
针对MK统计量Z，|Z| > 1.28、|Z| > 1.64和|Z| > 2.32分别表示某一水质指标时间变化趋势显著，且分别通过了置信度（α）0.1、0.05和0.01显著性检验.
1.2.2 STL数据分解STL（seasonal and trend decomposition using loess）最早由Cleveland[16]等于1979年提出，它是以鲁棒局部加权回归作为平滑方法的时间序列分解方法，其中鲁棒局部加权回归loess（locally weighted scatterplot smoothing）为局部多项式回归拟合. STL方法是一个递归的过程，每一次递归要分别进行3次loess和1次滑动平均过程，它们分别在STL的内部循环和外部循环中嵌套实现[17]. 原理如下：T（t）时刻原始数据Yt经STL分解为趋势项（Trendt）、周期项（Seasonalt）和（残差项Residualt）
|
(3) |
其中趋势项被认为是相对稳定的数据变化项，代表了低频数据的变化趋势，可以反映出一定气候背景下水质变化趋势，是对污染源和水文气象条件的综合反映；周期项为高频率变化的周期性稳定的数据扰动项，主要是由水文气象条件的季节变化引起的；残差是不规则的随机扰动引起的.
1.2.3 GFM预测分析灰色模型（gray forecast model，GFM）是一种基于灰色系统理论，对少量且不完全的信息，通过对原始数据的加工和转换，建立数学模型如一阶微分方程实现预测的统计算法[18]. 常见的灰色预测模型包括GM（1，1）、GM（2，1）和DGM（1，1）等. 其中，GM（1，1）是最基本的灰色预测模型，也是应用最为广泛的一种[19]. 研究采用Matlab程序实现“十四五”期间官厅水库入库断面主要水质指标逐年浓度GFM模型预测.
2 结果与讨论 2.1 水质时间变化趋势2007年恢复成为备用水源地以来，依据《地表水环境质量标准》（GB 3838-2002）和《地表水环境质量评价办法（试行）》，2007~2021年官厅水库入库断面水质持续为Ⅳ类，2022年下半年转变为Ⅲ类，2023年3个月数值维持Ⅱ类. 2007~2023年204个月中，官厅水库入库断面水质为Ⅳ类、Ⅲ类和Ⅱ类的时间占比分别为91.1%、7.4%和1.5%. 2007年恢复成为备用水源地以来，高锰酸盐指数从2007年的8.8 mg·L-1降低至2023年的3.6 mg·L-1，累计降幅为59.1%，年下降速率为0.35 mg·（L·a）-1（Z=-4.119 3，α=0.01）. 化学需氧量从2007年的33.0mg·L-1降低至2023年的16.5 mg·L-1，累计降幅为50.0%，年下降速率为1.16 mg·（L·a）-1（Z=-3.789 7，α=0.01）. ρ（NH4+-N）从2007年的0.19 mg·L-1波动降低至2023年的0.11 mg·L-1，累计降幅为36.8%，下降趋势不显著（图 2）. 结合20世纪50~60年代至今官厅水库及上游来水水质变化，近年在官厅水库水位持续上升，降水量年际缓慢波动的情况下，2017~2023年为近50 a来官厅水库上游入库断面水质较好的时间段.
|
图 2 2006~2023年官厅水库入库断面主要水质指标和水位及降水量年均变化 Fig. 2 Variations of main water quality indicators' annual averaged concentrations and water level and rainfall at the inflow section of Guanting Reservoir from 2006 to 2023 |
受各种因素的制约，本研究重点对2017~2023年官厅水库入库断面的水质变化情况进行重点分析（图 3和表 1）. 采样期间，2017~2023年官厅水库入库断面谷家营站点高锰酸盐指数、ρ（NH4+-N）和ρ（TP）的浓度分别为（3.7±0.6）、（0.32±0.24）和（0.050±0.013）mg·L-1. 从超标污染物上看，首要污染物主要为高锰酸盐指数和NH4+-N. 与2017年相比，2023年官厅水库入库断面谷家营站点高锰酸盐指数、NH4+-N和TP的浓度累计变化分别为19.6%、-85.5%和12.6%. 从原始观测序列时间变化趋势上看，2017~2023年官厅水库入库断面水质总体呈现缓慢改善趋势，高锰酸盐指数时间变化趋势不明显；2017~2023年NH4+-N年均值和月均值均呈现明显下降趋势，均通过置信区间显著性检验；2017~2023年TP月均值呈改善趋势，但年均值变化不明显. 从趋势数据时间序列变化趋势上看，官厅水库入库断面2017~2023年主要水质指标STL趋势数据变化趋势与原始数据保持一致，NH4+-N下降趋势更明显. 与2007~2023年年均数据相比，2017~2023年NH4+-N下降趋势更明显，这可能与近年延庆区对农业面源和生活源的强化管控有关，统计数据显示延庆区2017~2022年NH4+-N排放量累计降幅为80%；而2007~2017年受上游来水及流域径流污染等多方面因素影响，NH4+-N浓度变化趋势不明显.
|
图 3 2017~2023年官厅水库入库断面主要水质指标月均浓度变化 Fig. 3 Variations in main water quality indicators' monthly averaged concentrations at the inflow section of Guanting Reservoir from 2017 to 2023 |
|
表 1 2017~2023年官厅水库入库断面主要水质指标MK趋势检验1） Table 1 Trend tests at the inflow section of Guanting Reservoir based on MK method from 2017 to 2023 |
2014年京津冀协同发展战略实施以来，永定河流域生态环境综合治理全面启动. 尤其是2017年以来，北京市提出了《永定河综合治理和生态修复实施方案》，建设官厅水库八号桥水质净化湿地工程及官厅水库妫水河入库口水质净化湿地工程，结合官厅水库水源保护工程，控制周边地区污染物输入，减少农业面源污染，促进库区生态修复. 2017年印发实施的《北京城市总体规划（2016-2035年）》明确提出，有序实施官厅水库、永定河流域生态修复，到2035年恢复官厅水库饮用水源功能. 2023年8月，京冀地区签署了《官厅水库上游永定河流域水源保护横向生态补偿协议》，对官厅水库下游永定河盆地水生态环境质量改善提出了明确要求. 京冀携手治理，协同努力，促进永定河流域水环境质量改善. 2023年官厅入库水质明显改善，水质总体已提升至Ⅲ类，部分月份可达Ⅱ类. 由此可见，近年来官厅水库水环境质量持续改善，与近年实施的水源地保护和水污染治理措施密不可分.
水质变化的影响因素综合起来可以表示为自然因子和人类活动两大类. 自然因子初步选取了直接影响河流水质的降水、蓄水量、入库断面流量和水位，社会因子选取了人口、GDP、森林覆盖率、降尘量、废水处理量、处理率和污染物排放量. 从相关性统计结果上看（表 2），对于入库断面高锰酸盐指数，延庆区化学需氧量排放对其影响较大，两者的相关性为-0.76（表 3）. 对于NH4+-N和TP，延庆区GDP、污水处理量和处理率为主要的三大影响因素，延庆区污水处理量和处理率与NH4+-N和TP呈现明显的负相关关系；2017~2022年延庆区污水处理量累计增长33.5%，污水处理率累计增加8.8%；由此可见，上游地区污废水排放量降低明显降低了入库断面各项水质指标. 同时需要指出的是，官厅水库入库妫水河水质变化影响因素较为复杂. 杨荣金等[20]发现官厅水库水质空间差异较大，相比于出库区域，入库区域水质较差；梁涛等[21]研究表明官厅水库上游地区农业灌溉退水、畜禽养殖排污及沿河工业、城镇居民生活污水是主要污染源；官厅水库库东妫水河水质较好，对洋河和桑干河入库污染物有稀释作用；李亚娟等[22]指出流域上游来水、区间污染源及河流湿地的自净作用是影响官厅水库入流水质的主要原因；Lu等[23]指出人工湿地对水质的净化作用可以减少上游河流水污染的影响，这可能是官厅水库水质与社会经济状况没有直接关系的原因；Jiang等[10]指出妫水河两岸的耕地面积占总面积的96.30%，农区面源污染可导致妫水河水质恶化.
|
|
表 2 2017~2022年官厅水库入库断面主要影响因素统计 Table 2 Statistics on the main influencing factors of the inflow section of Guanting Reservoir from 2017 to 2022 |
|
|
表 3 2017~2022年官厅水库入库断面水质与主要影响因素相关关系统计 Table 3 Statistics on the correlations between the water quality and main influencing factors at the inflow section of Guanting Reservoir from 2017 to 2022 |
2.2 疫情期间水质变化
2022年3月，我国经历了一次持续约3个月的疫情半封控，一直持续到2022年5月底[24]. 这次封控只影响了部分省市，没有在全国范围内实施大规模封控措施. 本研究选取了2022年3~5月半封控期对水质进行重点分析（图 4和图 5），并将研究时间定义如下：半封控前期为2021年12月至2022年1月；半封控期为2022年3~5月；半封控后期为2022年6~8月.
|
图 4 2021~2023年的3~5月官厅水库入库断面水质指标变化 Fig. 4 Variations in water quality indicators of the inflow section of Guanting Reservoir during March to May from 2021 to 2023 |
|
图 5 2023年疫情时段前后官厅水库入库断面水质指标变化 Fig. 5 Variations in water quality indicators of the inflow section of Guanting Reservoir before and after the epidemic period in 2023 |
2022年3~5月高锰酸盐指数为2.6 mg·L-1，分别比2021年和2023年同时期低24.8%和6.8%；2022年3~5月ρ（NH4+-N）为0.025 mg·L-1，分别比2021年和2023年同时期低27.4%和4.9%；2022年3~5月ρ（TP）为0.016 mg·L-1，分别比2021年和2023年同时期低57.8%和42.8%；2022年3~5月浊度（TUR）为5.1NTU，分别比2021年和2023年同时期低59.5%和18.5%. 2022年3~5月高锰酸盐指数与2021年12月至2022年2月基本持平，比2023年6~8月低32.6%；2022年3~5月NH4+-N分别比2021年12月至2022年2月和2023年6~8月低30.8%和66.2%；2022年3~5月TP分别比2021年12月至2022年2月和2023年6~8月低14.5%和68.9%；2022年3~5月TUR分别比2021年12月至2022年2月和2023年6~8月低30.9%和62.0%. 从同比和环比统计规律上看，2022年3~5月疫情管控措施明显降低了入库断面水体中污染物浓度，水体更加透明，水质明显改善.
2.3 “23·7”暴雨期间水质变化分析从官厅水库入库断面水质指标丰枯期浓度对比上看（表 4），高锰酸盐指数和TP呈现出丰水期 > 枯水期的特征，NH4+-N呈现出枯水期 > 丰水期的特征. 不同时期水质为自然和人为活动综合作用的结果，影响因素多且较为复杂；枯水期水库上游河流径流量主要来自沿途生活及工业生产排放的废水，污染物浓度特别是NH4+-N较高；汛期官厅水库上游流域河水冲刷强，农业面源污染突出，导致丰水期高锰酸盐指数、TP浓度较高. 彭福利等[25]研究发现官厅水库丰水期水质指标总体优于枯水期，但不同指标变化规律存在明显差异. 汛期降雨一方面通过地表径流将大量泥沙和污染物带入水体，导致某些指标含量偏高. 另外一方面大量降水也可对污染物浓度进行稀释.
|
|
表 4 近年官厅水库入库断面丰水期、枯水期水质指标及差异统计 Table 4 Statistics of water quality indicators of the inflow section of Guanting Reservoir during wet and dry seasons |
2023年7月29日至8月2日，北京及周边地区遭遇了一场历史上罕见的极端暴雨. 根据水利部发布的《全国流域洪水分级规定（试行）》，这场洪水被命名为海河“23·7”流域洪水. “23·7”北京地区平均降雨量为331 mm，超过了1963年7月8日250 mm和2012年7月21日192 mm的平均降雨量，创下了自1951年以来的最高纪录[26]. 本文进一步分析官厅水库入库断面在“23·7”特大暴雨中主要水质指标的变化情况. 从官厅水库入库断面水质指标“23·7”前后对比上看（表 5），“23·7”期间，官厅水库入库断面水质急剧恶化，主要水质指标浓度最高出现在8月1日. 此时，官厅水库入库流量和TUR分别是前一日的3.9倍和57.3倍，高锰酸盐指数、NH4+-N和TP浓度分别比前一日增加109.4%、19.8%、316.8%，TUR、TP和高锰酸盐指数对上游流量突变响应最快，数值上升最明显，而NH4+-N浓度上升速度较小. 在入库流量降低后，TUR恢复为洪水期的2~3倍左右，NH4+-N和TP浓度下降明显，但高锰酸盐指数值居高不下，为首要污染物，长期维持在IV类限制区域内.
|
|
表 5 “23·7”暴雨期间官厅水库入库断面水质指标及水文参数差异统计 Table 5 Statistics of water quality indicators and hydrological parameters of the inflow section of Guanting Reservoir during "23·7" rainstorm in 2023 |
2.4 水质溯源分析
根据北京市排放清单统计的延庆区水污染源排放量[27]（表 6），2022~2023年延庆区工业源、生活源和农业源排放对化学需氧量的贡献分别为0.1%、53.4%和46.5%；生活源和农业源排放对NH4+-N的贡献分别为83.8%和16.2%；生活源和农业源排放对TP的贡献分别为48.3%和51.6%. 由此可见，农业面源和生活污水是官厅水库上游断面水质影响的主要污染源，两者贡献超99%. 与2022年相比，2023年化学需氧量、NH4+-N和TP的排放量同比变化-1.2%、5.3%和0.1%. 与2013年相比，延庆区化学需氧量和NH4+-N排放量分别同比下降了28.2%和81.1%. 与2022年同期相比，2023年延庆区城镇生活污水处理量上升，化学需氧量排放量同比略有增加，而经污水处理的行政村个数环比增加及农村污水厂进出口浓度的变化导致NH4+-N排放量同比有所下降，TP排放量同比持平.
|
|
表 6 2022~2023年延庆区水污染源排放量统计/t Table 6 Statistics of the water pollution source emissions in Yanqing district in 2022 and 2023/t |
2.5 水质预测分析
本研究进一步对官厅水库入库断面进行水质预测分析（图 6）. 将2017~2022年数据作为模型输入集，2023年月度监测数据为验证集，2024~2025年数据作为模型预测集，以GFM方法进行水质指标年均值预测，并基于STL季节分布结果进行月均值分配预测. 从GFM模型验证结果上看，高锰酸盐指数实测值与模拟值的相关系数为0.718，氨氮实测值与模拟值的相关系数为0.856，总磷实测值与模拟值的相关系数为0.613，结合研究建立的水质预测分析方法验证结果[28]，综合显示GFM水质模拟结果与实际结果相近，GFM模型具有较好的性能. 从预测结果上看，2024~2025年预测的谷家营断面高锰酸盐指数、ρ（NH4+-N）和ρ（TP）的平均值分别为3.3、0.26和0.029 mg·L-1. “十四五”末谷家营断面主要水质指标浓度平均值呈现下降趋势，水质总体稳定在Ⅱ~Ⅲ类，主要水质指标年均浓度均稳定达到《地表水环境质量标准》（GB 3838-2002）（Ⅱ类）标准限值（总氮浓度不参加考核和评价），但汛期和枯水期部分月份存在高锰酸盐指数和NH4+-N超标的情形，因而下一步应重点关注汛期和枯水期官厅水库入库断面水质变化.
|
图 6 基于GFM和STL方法官厅水库入库断面水质指标浓度预测 Fig. 6 Prediction of the water quality indicators of the inflow section of Guanting Reservoir based on the GFM and STL methods |
饮用水源保护工作一直是国家和地方生态环境保护工作的重点，为确保官厅水系水源水质安全，结合北京市密云水库和永定河、北运河等重点流域水环境保护和水生态修复经验[29，30]，仍需在以下6个方面加强官厅水库流域水环境保护. 从区域上看，受上游水质影响较大；从污染构成看，农业源和生活源为主，工业污染占比较少. 为进一步有针对性地改善“十四五”期间官厅水库水环境质量，主要建议如下：
（1）根据国家修编后的《永定河综合治理与生态修复总体方案》，全面对标饮用水水源标准，统筹实施各项规划政策，压实责任，严格抓好落实.
（2）合理调整农业结构，转变农业生产方式，减少化肥农药的使用，控制农业面源污染；针对农村污水处理设施，新建和提升污水处理厂，提高各类污水处理率和出水水质；加快沿河村庄直排水治理，加强畜禽养殖粪便污水处理和回收利用.
（3）加快城镇生活污水收集管网建设、雨污分流改造和老旧管网维护更新，提高生活污水收集率，避免生活污水直接排入河道，进一步加强入河排污口排查整治，对不达标水体河流两岸生活污水直排的入河排污口要坚决取缔；
（4）持续开展生态调水、人工湿地建设，确保源头好水，开展河道清淤、植被缓冲带和隔离带建设等流域水生态修复工程.
（5）参考密云水库上游潮白河流域水源涵养区横向生态补偿协议，探索建立永定河-官厅水库生态补偿机制，推进联合保水行动.
（6）研究推动京冀联合执法，继续完善综合执法方式，加大执法联动协作，实施经常性的检查巡查，提高日常巡查管控力度.
3 结论（1）2017~2023年为近50 a来官厅水库上游入库断面水质较好的时间段，2007年恢复成为备用水源地以来，入库水质明显改善，水质从Ⅳ类提升至Ⅲ类，部分月份可达Ⅱ类. 采样期间，2017~2023年官厅水库入库断面谷家营站点高锰酸盐指数、ρ（NH4+-N）和ρ（TP）分别为（3.7±0.6）、（0.32±0.24）和（0.050±0.013）mg·L-1. 从超标污染物上看，首要污染物主要为高锰酸盐指数和NH4+-N. 2017~2023年NH4+-N浓度降低最明显，可能与近年延庆区对农业面源和生活源的强化管控有关.
（2）2022年3~5月半封锁期间官厅水库入库断面主要水质指标浓度同比和环比均明显降低，疫情管控措施明显改善了水质. “23·7”暴雨期间，官厅水库入库断面水质急剧恶化，TUR、TP和高锰酸盐指数对上游流量突变响应最快.
（3）农业面源和生活污水是官厅水库上游断面水质影响的主要污染源，两者贡献超99%；预测的“十四五”末水质总体稳定在Ⅱ~Ⅲ类，但汛期和枯水期部分月份存在高锰酸盐指数和NH4+-N超标的情形，因而下一步应重点关注汛期和枯水期官厅水库入库断面水质变化. 本研究分析方法体系涉及时间变化趋势检验、影响因素分析、情景预测模拟等多个方面，可为国内其他河流和水源地开展水质研究与评价提供参考.
| [1] | Xia R, Wang G S, 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 |
| [2] | Huang J C, Zhang Y J, Bing H J, et al. Characterizing the river water quality in China: Recent progress and on-going challenges[J]. Water Research, 2021, 201. DOI:10.1016/j.watres.2021.117309 |
| [3] | Grill G, Lehner B, Thieme M, et al. Mapping the world's free-flowing rivers[J]. Nature, 2019, 569(7755): 215-221. DOI:10.1038/s41586-019-1111-9 |
| [4] | Zhang Q Q, Ying G G, Pan C G, et al. Comprehensive evaluation of antibiotics emission and fate in the River Basins of China: source analysis, multimedia modeling, and linkage to bacterial resistance[J]. Environmental Science & Technology, 2015, 49(11): 6772-6782. |
| [5] | Chen X, Strokal M, Van Vliet M T H, et al. Multi-scale modeling of nutrient pollution in the rivers of China[J]. Environmental Science & Technology, 2019, 53(16): 9614-9625. |
| [6] | Xu R H, Cai Y P, Wang X, et al. Agricultural nitrogen flow in a reservoir watershed and its implications for water pollution mitigation[J]. Journal of Cleaner Production, 2020, 267. DOI:10.1016/j.jclepro.2020.122034 |
| [7] | Chen Y, Chen J, Xia R, et al. Phosphorus-The main limiting factor in riverine ecosystems in China[J]. Science of the Total Environment, 2023, 870. DOI:10.1016/j.scitotenv.2023.161613 |
| [8] | Lai Y Q, Zhang J, Song Y Y, et al. Analysis of reservoir environment evolution from 2000 to 2020: A case study in the Guanting Reservoir, China[J]. Ecological Indicators, 2022, 134. DOI:10.1016/j.ecolind.2021.108497 |
| [9] | Zhai X Y, Xia J, Zhang Y Y. Water quality variation in the highly disturbed Huai River Basin, China from 1994 to 2005 by multi-statistical analyses[J]. Science of the Total Environment, 2014, 496: 594-606. DOI:10.1016/j.scitotenv.2014.06.101 |
| [10] | Jiang J Q, Zhao G F, Wang D W, et al. Identifying trends and driving factors of spatio‑temporal water quality variation in Guanting Reservoir Basin, North China[J]. Environmental Science and Pollution Research, 2022, 29(58): 88347-88358. DOI:10.1007/s11356-022-21714-9 |
| [11] |
马振刚, 李黎黎, 张俊贵. 官厅和密云水库水域面积变化及影响因素比较研究[J]. 干旱区研究, 2023, 40(8): 1229-1239. Ma Z G, Li L L, Zhang J G. Comparative study on water area changes and influencing factors in the Guanting and Miyun reservoirs[J]. Arid Zone Research, 2023, 40(8): 1229-1239. |
| [12] | 北京市环境保护科学研究院. 官厅水系水源保护区调整划分方案技术报告[R]. 北京: 北京市环境保护科学研究院, 2016. |
| [13] | 延庆区统计局. 2023年北京市延庆区统计年鉴[M]. 北京: 延庆区统计局, 2023. |
| [14] | Mann H B. Nonparametric tests against trend[J]. Econometrica, 1945, 13(3): 245-259. DOI:10.2307/1907187 |
| [15] | Kendall M G. Rank correlation methods[M]. (4th ed). London: Charles Grifin, 1975. |
| [16] | Cleveland W S. Robust locally weighted regression and smoothing scatterplots[J]. Journal of the American Statistical Association, 1979, 74(368): 829-836. DOI:10.1080/01621459.1979.10481038 |
| [17] |
梁中耀, 刘永, 盛虎, 等. 滇池水质时间序列变化趋势识别及特征分析[J]. 环境科学学报, 2014, 34(3): 754-762. Liang Z Y, Liu Y, Sheng H, et al. Identification of water quality trends in Lake Dianchi using an integrated STL and RSI approach[J]. Acta Scientiae Circumstantiae, 2014, 34(3): 754-762. |
| [18] | 邓聚龙. 灰色控制系统[M]. 武汉: 华中工学院出版社, 1985. |
| [19] | Fanelli D, Piazza F. Analysis and forecast of COVID-19 spreading in China, Italy and France[J]. Chaos, 2020, 134. DOI:10.1016/j.chaos.2020.109761 |
| [20] |
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. |
| [21] |
梁涛, 王浩, 丁士明, 等. 官厅水库近三十年的水质演变时序特征[J]. 地理科学进展, 2003, 22(1): 38-44. Liang T, Wang H, Ding S M, et al. An evolution of water quality in Guanting reservoir during the past three decades[J]. Progress in Geography, 2003, 22(1): 38-44. |
| [22] |
李亚娟, 杜彦良, 刘培斌, 等. 妫水河入官厅水库水污染成因及减排措施评估[J]. 南水北调与水利科技, 2021, 19(2): 325-333. Li Y J, Du Y L, Liu P B, et al. Causes of water pollution from Guishui River to Guanting reservoir and assessment of loads reduction measures[J]. South-to-North Water Transfers and Water Science & Technology, 2021, 19(2): 325-333. |
| [23] | Lu J X, Guo Z Z, Kang Y, et al. Recent advances in the enhanced nitrogen removal by oxygen-increasing technology in constructed wetlands[J]. Ecotoxicology and Environmental Safety, 2020, 205. DOI:10.1016/j.ecoenv.2020.111330 |
| [24] | Meng X B, Zhang J. Impact of COVID‑19 lockdown on water quality in China during 2020 and 2022: two case surges[J]. Environmental Science and Pollution Research, 2023, 30(32): 79386-79401. |
| [25] |
彭福利, 张永勇, 李茜, 等. 官厅水库入库断面水质多指标评价与演变特征分析[J]. 中国环境监测, 2020, 36(1): 65-74. Peng F L, Zhang Y Y, Li Q, et al. Multi-index evaluation and evolution characteristic analysis of water quality at inlet section of Guanting reservoir[J]. Environmental Monitoring in China, 2020, 36(1): 65-74. |
| [26] |
刘家宏, 梅超, 王佳, 等. 北京市门头沟流域"23·7"特大暴雨洪水过程分析[J]. 中国防汛抗旱, 2023, 33(9): 50-55. Liu J H, Mei C, Wang J, et al. Flood survey of "23·7" heavy rain in Mentougou Watershed of Beijing[J]. China Flood & Drought Management, 2023, 33(9): 50-55. |
| [27] | 北京市生态环境局. 2022年北京市排放源统计年报[M]. 北京: 北京市生态环境局, 2023. |
| [28] | Cheng B F, Zhang Y, Xia R, et al. Spatiotemporal analysis and prediction of water quality in the Han River by an integrated nonparametric diagnosis approach[J]. Journal of Cleaner Production, 2021, 328. DOI:10.1016/j.jclepro.2021.129583 |
| [29] |
张微微, 孙丹峰, 李红, 等. 北京密云水库流域1980~2003年地表水质评价[J]. 环境科学, 2010, 31(7): 1483-1491. Zhang W W, Sun D F, Li H, et al. Surface water quality assessment in Miyun Reservoir watershed, Beijing in the period 1980-2003[J]. Environmental Science, 2010, 31(7): 1483-1491. |
| [30] |
张宇航, 渠晓东, 彭文启, 等. 北京市河流生态系统健康评价[J]. 环境科学, 2023, 44(10): 5478-5489. Zhang Y H, Qu X D, Peng W Q, et al. Health assessment of the stream ecosystem in Beijing, China[J]. Environmental Science, 2023, 44(10): 5478-5489. |