南通近岸海域水質特征的因子及聚類分析研究

丁言者，李飛，徐敏，黃曉龍，徐文健

（1.南京師范大學 地理科學學院，江蘇 南京210023；2.國家海洋局 南通海洋環境監測中心站，江蘇 南通226005；3.國家海洋局 國家海洋環境監測中心，遼寧 大連116023）

1 引言

近年來，我國海洋經濟發展迅猛，但同時也帶來了海洋生態環境加劇惡化的問題，海水作為海岸帶生產活動污染物的直接受納水體，其特征的分析研究對于海洋開發活動的有效管理和海洋生態環境保護工作的開展具有重要指導意義。

目前對于海洋水環境特征的研究主要集中于水質現狀評價和趨勢分析［1—2］、水體富營養狀況評價及分析［3—4］、水文氣象要素時空特征分析以及重金屬和有機污染物的時空分布特征分析［5—6］。采用多元統計方法可對大量的環境調查數據進行有效的數據信息提取和理論歸納分析［7］，避免了人為確定各指標權重的主觀隨意性，具有簡化、降維的優點，在湖泊［8］與河流［9］的水質分析領域已有較廣泛的應用。由于海洋生態環境的特殊性和復雜性，該方法的應用研究相對較少。劉綠葉等［10］采用主成分法和聚類分析法對呂四漁場近岸海域水質監測數據進行了初步分析研究；林小蘋等［11］探討了主成分－聚類分析方法在柘林灣海水富營養化分類與評價中的應用；曾淦寧等［12］運用聚類分析方法綜合理化和生物指標對杭州灣水質進行了評價。

江蘇省南通市地處我國沿江沿海“T”型生產力布局主軸線的交匯區域［13］，南瀕長江，東臨黃海，灘涂濕地廣闊，受洋流和海洋潮汐作用，水體自凈能力較強。優越的自然環境條件為沿海開發提供了較大的環境容量，對這一區域的保護和開發利用對沿海地區的可持續發展具有十分重要的意義。本文旨在通過對南通市近岸海域水質現狀及特征的分析為南通市海洋生態建設和環境保護提供參考。

2 材料與方法

2.1 調查分析

針對p H、溶解氧、化學需氧量、硝酸鹽、亞硝酸鹽、銨鹽、活性磷酸鹽、油類等監測指標，分別于2012年5月（春）、8月（夏）和10月（秋）在南通近岸海域開展了3個航次的現場調查，調查站位布設如圖1所示。采用顛倒采水器采集表層（海面下1 m）水樣，檢測方法依據《海洋化學調查技術規程》［14］進行。現場海水鹽度、溶解氧、p H用YSI多參數分析儀進行現場測定，硝酸鹽（NN）測定采用鋅鎘還原法，亞硝酸鹽（NN）測定采用萘乙二胺分光光度法，銨鹽（NHN）測定采用次溴酸鹽氧化法，活性磷酸鹽（POP）測定采用磷鉬藍分光光度法，樣品用UV2100型分光光度計進行測定。無機氮（DIN）為硝酸鹽、亞硝酸鹽與銨鹽濃度之和，化學耗氧量（CODMn）的測定采用堿性高錳酸鉀法，石油類的測定采用紫外分光光度法。

圖1 監測站點Fig.1 Monitoring station

2.2 研究方法

2.2.1 因子分析

本文采用因子分析方法［15］，按累積方差貢獻率α大于80%提取主因子［16］，根據分析過程中得到的因子得分系數矩陣列出各主因子表達式，將標準化后的原始數據代入，得到各站位各主因子不同監測期的得分情況。在因子分析基礎上，結合站位點空間信息［17］，利用Arc GIS和Surfer等制圖分析軟件，繪制2012年各主因子的空間分布圖。因子分析具體步驟如下：

a.判斷因子分析適用性。根據KMO值和Bartlett球形度檢驗結果判斷數據是否符合使用因子分析的要求（當KMO＞0.5且顯著性概率P值為0.000時，說明樣本數據適用于因子分析）。

b.數據的標準化及相關系數矩陣的計算與特征根求解。

c.主因子的提取。主因子的提取默認按λ≥1進行（λ為特征值），也可根據累積方差貢獻率α確定，當累積方差α達到80%～85%時進行提取。本文按α≥80%提取。

d.因子正交旋轉。采用方差最大化法對初始因子進行正交旋轉，以便于對各主因子進行解釋。

e.計算站位主因子得分。根據得分系數矩陣確定主因子Fi的表達式，計算各站位各主因子的得分。

2.2.2 聚類分析

利用聚類分析［18］方法，根據各站位的主因子得分并結合其空間信息，進行系統Q型聚類。類與類之間距離的計算方法選用組間聯接法。

在進行區域劃分時，基于Arc GIS的泰森多邊形網格工具可以避免人為主觀劃分的主觀性和不確定性，且比人為劃分更為便捷［19］。因此使用Arc GIS軟件對16個調查站位做泰森多邊形分析，同時依據聚類分析結果合并同類型區域，以實現南通近岸海域區域劃分。由于水質變化在時空上的連續性，文中區域邊界不代表絕對分界線。泰森多邊形可用于定性分析，本研究中采用離散站位點特性來描述泰森多邊形區域的水質特征。

3 結果與討論

3.1 因子分析結果

表1為各指標之間的相關系數矩陣，從中可以看出，化學需氧量與磷酸鹽、石油類與亞硝酸鹽之間存在一定的相關性，因此作進一步因子分析。

對數據進行KMO統計量和Bartlett's球形檢驗，KMO檢驗值為0.65，大于0.5，且Bartlett's球形檢驗P值為0.000，小于顯著性水平0.05，因此數據適合做因子分析［16］。

表1 相關系數矩陣Tab.1 Correlation matrix

3.1.1 主因子提取

按累積方差貢獻率α大于80%作為主因子提取標準。前4個主因子的特征值分別為3.98、1.86、1.46、0.82，方 差 貢 獻 率 分 別 為 39.85%、18.60%、14.63%、8.2%，這4個主因子的累計方差貢獻率達到了81.27%，基本涵蓋了10個指標所表達的信息（表2）。

表2 特征值及方差貢獻表Tab.2 Total variance explained

續表2

3.1.2 旋轉成分矩陣

通常在未經過旋轉的主因子中，各指標在多個主因子上都有較高的載荷，其表達的信息比較含糊，無法對主因子做較合理的解釋，因此對因子載荷矩陣進行旋轉［20—21］。表3為旋轉后的因子載荷矩陣，給出了每個變量在4個主因子上的載荷。從表中看出，亞硝酸鹽、石油類在F1上有較大的正向載荷；鹽度、溶解氧為F2的主要表征；磷酸鹽在F3上的載荷高達0.93，化學需氧量、硝酸鹽的載荷分別為0.73和0.47。F4主要體現了銨鹽的情況。

表3 旋轉成分矩陣Tab.3 Rotated component Matrix

3.1.3 因子得分

利用因子得分系數矩陣列出各主因子表達式［22］，將標準化后的3個月份的監測數據代入主因子得分公式，得到各主因子的得分情況，如表4所示。

表4 主因子得分Tab.4 The score of common factors

續表4

3.2 主因子的時空變化及其解釋

圖2為4個主因子的等值線分布圖，結合表3可以發現：F1（NO－2－N、石油類）夏季出現高值，秋季相對較低。F1的高值區主要位于冷家沙西北側，呈輻射狀分布，另外，在啟東與海門市交界處的大洋港近岸區域也出現小高值。F1體現的是亞硝酸鹽、石油類物質的污染。亞硝酸鹽是水體中含氮有機物進一步氧化，轉變成硝酸鹽過程中的中間產物；石油類污染主要源于河口、港口等航運密集區域，不易降解。由于鹽度與p H在F1上有一定的負向載荷，筆者認為F1是北上長江徑流與外海水在冷家沙淺灘處相遇作用的結果，NO－2－N與石油類是其特征表達。

圖2 主因子平面分布Fig.2 Distributions of four main factors

F2（DO、鹽度、NN）的季節變化因站點位置不同有明顯差異，靠近長江口附近的站位F2季節變化顯著，呈現夏低秋高的現象，而位于南通中北部海域的站位季節變化相對較小。南通中、北部近岸海域F2等值線的分布與岸線走向大致平行，值由近岸向離岸逐漸增大；至冷家沙南部網倉洪區域，等值線開始明顯彎曲，呈弧狀。由于鹽度、溶解氧在F2上擁有較大的正向載荷，N－N的負向載荷也較高，筆者認為F3體現了外海水進入的影響，DO、鹽度、NN是其特征表達，冷家沙南部F2等值線開始彎曲是受到北上長江徑流相抵作用的體現。

F3（CODMn、PO－P）季節變化較為顯著，多數站位表現出由春季至秋季逐漸增大的現象。長江入海口處是F3的高值區，覆蓋面積較大，并逐漸向北延伸，而在如東縣北部的栟茶運河入海口處，F3也從河口處以較快速度向外遞減。因此，F3的空間分布是以長江徑流輸入為主，加之栟茶運河攜帶污染物入海產生疊加影響的體現。

F4（N－N）等值線的分布與F1較為相似，都在近岸河口處出現高值，但F4的最高值位于小洋口港近岸、栟茶運河入海口位置，而靠近長江入海口處的污染物濃度較前者相對較低，但影響范圍較大。王先偉等［23］研究認為靠近人為源強的水體，氨氮含量相對較高，源強愈大，銨鹽含量愈高。如東縣北部小洋口港區域人類活動頻繁，且小洋口閘外側灘涂分布有排污傾倒用海區，故認為F4主要體現的是近岸人為源的影響。

3.3 基于動力地貌的水質分區

3.3.1 站點聚類及區域劃分

利用系統聚類分析方法對表4的數據進行聚類［24］，各站點聚類結果如圖3所示，其中橫坐標為聚類重新標定距離 （Rescaled Distance Cluster Combine），縱坐標為聚類要素。由聚類圖可直觀地看出各站點的相似歸類情況，選用10作為閾值，則站點聚為5類，各類所含站位及覆蓋區域如表5所示。

圖3 聚類分析樹狀圖Fig.3 Tree procedure of cluster analysis

圖4為采用泰森多邊形法對南通近岸海域分區的結果，A區對應栟茶運河入海口及小洋口港附近近岸海域，B區主要覆蓋爛沙洋區域，C區為冷家沙西北部，處于B、D兩區交界處，D區覆蓋通州、海門、啟東三市近岸海域，E區為長江口外、啟東東側離岸海域。

表5 站位聚類結果Tab.5 Result of site clustering

3.3.2 區域特征分析

根據區域所涵蓋站位的因子得分情況，繪制各區域主因子特征圖（見圖5），結合區域地理位置及地形特點作進一步分析：

A區：A區為小洋口港的近岸淺灘區，沿岸分布臨港工業，匯入該區的拼茶運河為陸域重要排污泄洪通道。A區受人為影響最為劇烈。由于該區位于輻射沙洲南翼潮汐水道尾部，水動力條件較弱，污染物擴散相對緩慢，故污染也最為嚴重。該區F3與F4季節變化顯著，F3由春季至秋季逐漸增大，可能是由于栟茶運河經小洋口外閘控制排放入海，開閘時間不定所致；F4（N－N）出現春高秋低的現象，這是由于春季溫度偏低，海洋微生物活性弱，對氨氮的分解作用較慢。

B區：B區處于冷家沙北側，覆蓋爛沙洋，西側與A區相接，西南側鄰接陸域，該區潮汐水道動力較強，污染物擴散相對較快。F3由春季至秋季逐漸增大，F1呈現夏高秋低的現象，F2與F4季節變化相對較小。B區F1與F3的季節變化呈現與A區相同的趨勢，這是由于B區污染物來源受到了A區的強烈影響，反映了A、B兩區區域水文動力地貌均受到爛沙洋水道－沙洲系統的控制作用。

C區：C區位于冷家沙所在區域，北側為控制B區的爛沙洋潮汐通道，南側為控制D區的網倉洪潮汐通道。季節變化顯示該區夏季污染突出，秋季次之。

D區：D區覆蓋通州、海門、啟東三市的近岸海域，北側以冷家沙與爛沙洋水道相隔，區內主要分布有小廟洪水道和網倉洪水道，南側與長江口鄰接，受到區內潮汐通道和長江口的共同影響，區域水動力條件較強。D區各主因子季節變化明顯，具有典型的季節性特征污染物，春季以F4為主，這是由于春季溫度偏低，海洋微生物對氨氮分解作用較弱，致其濃度相對偏高；夏季F1升高，這是隨溫度上升，含氮類有機物加快分解過程中產生較多N－N的體現；秋季以F3（COD、P－P）占優，這與“長江口及毗鄰海域COD濃度秋季普遍大于春夏季”的結論一致［25］，楊東方等［26］的研究顯示，長江口海域的磷酸鹽濃度幾乎不受長江流量變化的影響，其濃度不呈現周期性的季節變化。

圖4 區域劃分圖Fig.4 Zoning plan

E區：E區為網倉洪和小廟洪水道外側離岸海域，南側與長江口外海相接。F3在夏、秋兩季出現較大增長，應與該季長江入海通量增加有關；F2在夏季出現明顯低值，可能是夏季長江入海攜帶較多硝酸鹽，且溫度較高不利于海水富氧所致。

綜合各區季節變化特征可以看出，南通近岸海域春季主要受F4的影響，夏季各區F1、F2的影響增大，秋季F3的影響更為顯著。A、B兩區由于均受到爛沙洋水道及其西側近岸污染的控制影響，季節變化趨勢呈明顯的相似性；夏季D、E兩區的主因子特征與A、B、C有顯著差異，可能是由于長江口沖淡水北偏干擾造成的。

4 結論

（1）利用因子分析方法，將南通市近岸海域水質調查10類要素通過4個主成分F1（N－N、石油類）、F2（DO、鹽度、N－N、）、F3（CODMn、P－P）、F4（N－N）反映，貢獻率分別為39.85%、18.60%、14.63%、8.2%。

（2）主因子F1的高值區主要位于冷家沙西北側，F1的空間分布是北上長江徑流與外海水在冷家沙淺灘處相遇作用的結果。南通中、北部近岸海域F2等值線的分布與岸線走向大致平行，至冷家沙南部網倉洪區域，等值線開始明顯彎曲，F2體現了外海水進入的影響。長江入海口處是F3的高值區，覆蓋面積較大，并向北延伸，如東縣北部栟茶運河入海口處F3也從河口向外遞減，F3的空間分布是河流輸入影響的體現。F4的分布與F3較為相似，都在近岸河口處出現高值，其貢獻以小洋口港近岸為主。

（3）通過站位聚類將南通近岸海域劃分為5個類型區，A區為小洋口港的近岸淺灘區，受近岸人類活動及河口排污影響劇烈，處于輻射沙洲南翼潮汐水道尾部，水文動力條件弱，污染嚴重；B區為冷家沙北側爛沙洋區域，受西側相鄰的河口排污區和近岸污染影響，在主要潮汐通道的強動力作用下，污染程度較輕；C區為冷家沙所在區域，位于B、D兩區之間的潮灘區，受到B、D兩區域污染的綜合影響；D區覆蓋通州、海門、啟東三市近岸海域，北側以冷家沙與爛沙洋水道相隔，南側鄰長江口，區內分布有小廟洪水道和網倉洪水道，區域水動力條件較強；E區為網倉洪和小

廟洪水道外側離岸海域，南側與長江口外海相接。不同空間類型分區結果體現了區域動力地貌在海洋污染物分布中的強烈影響。

圖5 各區域主因子特征Fig.5 Features of main factors in each region

［1］崔娜.金州灣近岸海域水質污染變化趨勢分析［J］.環境科學與技術，2001，24（增刊）：25－27.

［2］簡慧蘭，陶建軍，張健夫.南通市近岸海域水環境質量評價［J］.海洋漁業，2006，28（4）：343－345.

［3］高生泉，林以安，金明明，等.春、秋季東、黃海營養鹽的分布變化特征及營養結構［J］.東海海洋，2004，22（4）：38－50.

［4］沈永明.江蘇近岸海域營養鹽類污染分布特征與評價［J］.生態環境學報，2010，19（1）：6－10.

［5］何小燕，胡挺，汪亞平，等.江蘇近岸海域水文氣象要素的時空分布特征［J］.海洋科學，2010，34（9）：44－54.

［6］李玉.膠州灣主要重金屬和有機污染物的分布及特征研究［D］.青島：中國科學院海洋研究所，2005.

［7］王嵐，王亞平，許春雪，等.多元校正分析在水環境地球化學領域中的應用［J］.地質通報，2009，28（2／3）：257－262.

［8］李波，濮培民，韓愛民.洪澤湖水質的因子分析［J］.中國環境科學，2003，23（1）：69－73.

［9］朱萬森，陳紅光，劉志榮，等.應用因子分析法對地面水質污染狀況的研究［J］.復旦學報（自然科學版），2003，42（3）：501－505.

［10］劉綠葉，孫國銘，劉培廷.應用主成分法和聚類分析法分析呂四漁場近岸海水水質［J］.海洋漁業，2006，28（3）：217－221.

［11］林小蘋，黃長江，林福榮.海水富營養化評價的主成分－聚類分析方法［J］.數學的實踐與認識，2004，34（12）：69－74.

［12］曾淦寧，吳國權，徐曉群.多元聚類分析方法在杭州灣水質分析上的應用［J］.浙江工業大學學報，2009，37（1）：14－18.

［13］黃夏銀，李冰，王水.南通沿海開發與生態環境保護研究［J］.中國資源綜合利用，2010，28（9）：36－40.

［14］國家海洋局908專項辦公室.海洋化學調查技術規程［Z］.北京：海洋出版社，2006.

［15］Kazi T G，Arain M B，Jamali M K，et al.Assessment of water quality of polluted lake using multivariate statistical techniques：A case study［J］.Ecotoxicology and Environmental Safety，2009，72（2）：301－309.

［16］張文彤.SPSS統計分析高級教程［M］.北京：高等教育出版社，2004.

［17］李波，濮培民，韓愛民.洪澤湖水質的因子分析［J］.中國環境科學，2003，23（1）：69－73.

［18］袁連新，余勇.聚類分析方法及其環境監測 （水質分析）中的應用［J］.環境科學與技術，2011，34（12 H）：267－269.

［19］龍胤慧，廖梓龍.基于泰森多邊形法的慶陽市面雨量計算［J］.河北工程大學學報 （自然科學版），2012，29（3）：64－67.

［20］張文杰.上海海洋經濟可持續發展的實證研究［D］.上海：上海海洋大學，2011.

［21］Dou Y G，Li J，Zhao J T，et al.Distribution，enrichment and source of heavy metals in surface sediments of the eastern Beibu Bay，South China Sea［J］.Marine Pollution Bulletin，2013，67（1／2）：137－145.

［22］黃靜.淮南潘謝采煤塌陷區水污染源解析［D］.淮南：安徽理工大學，2012.

［23］王先偉，溫偉英，劉翠梅.珠江口及附近海域夏季氮的化學形式分布研究［J］.海洋科學，2003，27（4）：49－53.

［24］Singh K P，Malik A，Mohan D，et al.Multivariate statistical techniques for the evaluation of spatial and temporal variations in water quality of Gomti River（India）——a case study［J］.Water Research，2004，38（18）：3980－3992.

［25］中國海洋學會，中國海洋湖沼學會海岸河口分會.第十屆中國河口海岸學術研討會論文集［C］.北京：海洋出版社，2007.

［26］楊東方，王凡，高振會，等.長江口理化因子影響初級生產力的探索：Ⅱ.磷不是長江口浮游植物生長的限制因子［J］.海洋科學進展，2006，24（1）：97－107.