星海湖水環境因子時空異質性及水環境質量綜合評價

伍冠星，李 斌，白維東，趙紅雪，楊永宇，邱小琮

(1.寧夏大學土木與水利工程學院，銀川 750021；2.寧夏水產技術推廣站，銀川 750021；3.寧夏大學生命科學學院，銀川 750021)

星海湖地處寧夏回族自治區石嘴山市，東經105°58′-106°59′，北緯38°22′-39°23′，之間。星海湖濕地集湖泊、沼澤、鹽土、湖土荒地等多種類型為一體，位于寧夏石嘴山市大武口區，屬于黃河水系，區域總面積48.08 km2，其中湖泊面積14.7 km2，平均水深1.2 m。星海湖濕地植物種類要有水生植物、耐鹽堿植物2種類型,以草本植物為主，植物群落生長茂密[1]。星海湖分為北域、中域、南域、東域和新域共5個區域。根據星海湖現有情況，星海湖周邊的水體污染源分為點污染源和非點污染源。點污染源主要為星海湖南域、中域、北域灌溉渠(二農渠)的補水口，星海湖北域中央鹿兒島上生活、娛樂設施產生的生活污染源。非點污染源包括大氣降塵、大氣降水、星海湖東域東側煤矸石堆淋溶產生的污水，星海湖周邊水土流失以及星海湖北域、東域、中域的水產養殖污染[2]。

水環境系統是一個由多因子構成的多層次的復雜系統，水環境質量受諸多指標因子的影響，每一個因子都只從某一方面反映水質質量[3]。正確分析影響水質的各因素特征信息以及各因素之間的相互作用，才能得到較為可靠的綜合分析結果。目前，常用的水環境質量評價的方法有指數評價法、模糊綜合評價法[4]、灰色識別法[5]、神經網絡法[6]、主成分法[7]等。本研究在分析星海湖水環境因子時空分布特征的基礎上，運用BP神經網絡法和灰色關聯法進行水質評價，并使用綜合營養狀態指數法進行營養狀態評價，旨在為星海湖合理開發利用和水環境保護提供依據。

1 材料與方法

1.1 樣點布設與采樣時間

1.1.1 樣點布設

根據星海湖的形狀，在星海湖設置了4個采樣點S01，S02，S03，S04(圖1)。

圖1 星海湖采樣點設置Fig.1 Locations of Sampling sites in Xinghai Lake

1.1.2 采樣時間

采樣時間分別為2013-2015年春(4月)、夏(7月)、秋(10月)、冬(1月)。

1.2 水樣采集與測定

水樣采集按照《水質 采樣方案設計技術規定(HJ 495-2009)》、《水質 采樣技術指導(HJ 494-2009)》、《水質 樣品的保存和管理技術規定(HJ 493-2009)》中的要求進行。現場測定水體的pH、透明度(SD)和溶解氧(DO)。用5.0L采水器采集水樣保存，帶回實驗室測定氨氮(NH3-N)、總氮(TN)、總磷(TP)、高錳酸鹽指數(CODMn)、葉綠素a。

水質指標的測定：氨氮使用納氏試劑分光光度法(HJ 535-2009)，總氮使用堿性過硫酸鉀消解紫外分光光度法(HJ 636-2012)，總磷使用鉬酸銨分光光度法(GB 11893-89)，高錳酸鹽指數使用(GB 11892-89)，葉綠素a使用分光光度法[8]。

1.3 水環境質量綜合評價

(1)水質評價的BP神經網絡法。水質評價的BP神經網絡法基本思想是以《地表水環境質量標準》(GB3838-2002)中相關指標限值作為學習樣本，以設定的水體實測值作為輸入層單元，輸出層則為水質級別值。一般考慮到盡可能減少學習時間,而又滿足精度要求,選擇有一個隱含層的BP網絡模型即可，而隱含層單元數的確定則需要反復比較確定[9]

(2)水質評價的灰色關聯法。以水質標準分級為比較數列，各年份水體實測值為參考數列，分別將水質分級標準值和實測值歸一化處理，計算各年份與各水質級別的關聯度，按關聯度大小排序，得灰關聯序。關聯度越大，表明越接近某一級別，由此可判斷某一年份水質的級別[10]。

(3)富營養化評價方法。依據水質因子監測結果及《地表水環境質量評價方法》(試行)[11]中湖泊、水庫的綜合營養狀態指數法對星海湖營養狀態進行評價，對照營養狀態分級標準所列的分級標準，確定星海湖的營養狀態。

2 結果與分析

2.1 星海湖水環境因子時空分布特征

星海湖水環境因子時空分布如圖2-圖10所示。

圖2 pH時空變化Fig.2 Temporal and spatial distribution of pH

圖3 透明度時空變化Fig.3 Temporal and spatial distribution of SD

圖4 溶解氧時空變化 Fig.4 Temporal and spatial distribution of DO

圖5 葉綠素a時空變化Fig.5 Temporal and spatial distribution of chla

圖6 CODMn時空變化Fig.6 Temporal and spatial distribution of CODMn

圖7 CODCr時空變化Fig.7 Temporal and spatial distribution of CODCr

圖8 氨氮時空變化Fig.8 Temporal and spatial distribution of NH3-N

圖9 TN時空變化Fig.9 temporal and spatial distribution of TN

圖10 TP時空變化Fig.10 temporal and spatial distribution of TP

2013年pH變化范圍8.81～9.77，季節變化幅度較大，樣點之間差異小。2014年pH變化范圍9.16～9.46，各樣點之間的pH差異較小，沒有明顯的空間分布趨勢，季節變化幅度不大，春季較高。2015年pH變化范圍8.83～9.39，各樣點之間的pH差異較小，季節變化幅度較大，春季較高。

2013年透明度的季節變化明顯，最大值出現在春季，夏、秋季較低，湖中心透明度較高。2014年最大值出現在冬季，夏季較低，樣點間差異不明顯。2015年最大值出現在春季，夏季較低，這主要是由于水溫的變化引起了水體中浮游生物量的變化。夏季水溫高，水體中浮游生物量大，透明度就低，冬春季水溫低，水體中浮游生物量下降，透明度隨之升高。

2013年DO時空分布差異不大，春季較低，冬季較高；2014年DO季節變化幅度較大，春季較低，夏季較高，樣點間差異不大；2015年DO季節變化幅度不大，夏季較高，樣點間差異較小。

2013年葉綠素a含量季節變化明顯，夏秋季較高，冬春季較低。2014、2015年葉綠素a含量變化基本一致，夏季最高，冬、春季較低。

2013年高錳酸鹽指數在夏、秋季較高，冬季較低，其他時間以及樣點間變化幅度差異較小，COD冬季較小，夏季較高，樣點間變化幅度差異較小。2014年高錳酸鹽指數變化幅度差異較大，夏季較高，樣點間差異不大，CODCr夏季較高，冬季較低。2015年高錳酸鹽指數、COD變化趨勢與2014年近似，冬季較小，夏季較高。

2013年氨氮含量冬季較低，其他季節變化不明顯；2014年夏秋季較高，冬春季較低，樣點間差異不明顯；2015年夏季較高，其他時段變化幅度不大，樣點間差異不明顯。

2013年TN含量冬季較低，春夏季較高,樣點間差異明顯，S01樣點含量明顯高于S03樣點。2014年季節變化明顯，夏季最高，冬春季較低，樣點間差異不明顯；2015年季節變化明顯，秋季最高，冬春季較低，樣點間差異不明顯。

2013年TP含量季節變化明顯，冬季較低，春夏季較高。2014年、2015年TP含量變化趨勢相似，季節變化明顯，夏季較高，春季較低，樣點間差異不明顯。

2.2 星海湖水環境質量綜合評價

2.2.1 BP神經網絡法評價

以4個樣點溶解氧、高錳酸鹽指數、氨氮、總氮、總磷的平均值作為評價因子，以《地表水環境質量標準》中相關指標限值作為訓練樣本，為了有足夠的訓練樣本，使用等差插值的方法使訓練樣本加密一倍，然后進行歸一化[]，運用DPS軟件進行訓練和仿真，網絡輸出結果如表1。2013年春、夏、秋季的水質都為Ⅲ類，冬季的水質為II級。2014年春、秋兩季為Ⅲ級，夏季為Ⅳ，冬季為Ⅱ。2015年春冬兩季水質為Ⅱ類，夏、秋兩季水質為Ⅲ類。

2.2.2 灰色關聯法評價

以4個樣點溶解氧、高錳酸鹽指數、氨氮、總氮、總磷的平均值作為評價因子，然后把數據進行歸一化[]，分辨系數為0.1，通過DPS軟件計算關聯度，關聯度評價結果如表2。2013年春、夏水質為III類，秋季為Ⅱ類，冬季為Ⅳ；2014年春季為Ⅴ類、夏季為Ⅱ類，秋季為Ⅱ類，冬季為Ⅴ類；2015年春季為Ⅴ類，夏季為Ⅲ類，秋季為Ⅲ類，冬季為Ⅱ類。

表1 BP神經網絡評價結果Tab.1 Evaluation results of BP neural network

表2 關聯度計算結果Tab.2 Evaluation results of grey correlation

2.2.3 綜合營養狀態指數評析

星海湖2013-2015年平均綜合營養狀態指數變化情況見表3。2013年春夏秋季為輕度富營養化，冬季為中營養；2014年春、秋、冬季為中營養，夏季為輕度營養。2015年春冬季為中營養，夏秋為輕度營養。

3 結 語

星海湖補水主要是在春季、夏季和秋季，水源主要來自黃河干渠生態補水和農灌退水，補水水質對星海湖水體影響很大。根據環境監測站監測結果，黃河石嘴山入境斷面水質污染指標主要為高錳酸鹽指數、氨氮、化學耗氧量、揮發酚。所以星海湖春、夏、秋季高錳酸鹽指數、氨氮、化學耗氧量都比冬季高，夏季補水量最大，故指標值最大。冬季屬于枯水期，黃河水幾乎不會補充星海湖中，故指標值最小。星海湖東，北，南域都是人工養魚場，隨著溫度升高，向湖中投放的飼料會相繼增加，夏季魚類生長快，新陳代謝快，向湖中排泄的代謝物比較多。魚類未吃完的飼料殘留在湖中和周圍人類生活污水未處理直接排放到湖中，多方面因素增大了湖中氨氮、總氮、總磷的含量。夏季浮游植物大量繁殖和生長，葉綠素含量也在夏季達到了最大。

在水體環境中，影響水體水質的因素很多，不同時期、不同指標對水質類別的貢獻程度是處于變化過程中的，具有不精確、不確定和不完全性的特征[14]。運用BP神經網絡法和灰色關聯法的評價結果有差別，綜合兩種方法的優缺點和星海湖的實際水體情況，本研究認為，對于星海湖，BP神經網絡法的評價結果較為符合實際。星海湖水質冬季較好、夏季較差，總體水質較好，為Ⅱ、Ⅲ類水，受污染程度小。根據星海湖水環境因子的時空分布特征，可以看出星海湖湖水質與季節變化有密切關系，高錳酸鹽指數、氨氮、氮磷營養鹽是造成水體污染的主要原因。星海湖的水質受灌溉渠補水影響較大，次要影響為星海湖內水產養殖對水質所造成的影響。有機物污染、氮磷營養鹽主要來源于灌溉渠補水和星海湖內的水產養殖場，因此對星海湖污染治理應該大力著手于灌渠補水水質，合理控制養殖規模。

表3 星海湖水體富營養狀態綜合評價結果Tab.3 Evaluation results of comprehensive trophic state index

星海湖的營養狀態季節變化明顯，變化趨勢和氮磷的時空分布特征一致，主要是由于氮和磷是湖水體中非常重要的營養元素，在很多水體中是浮游植物生長的限制性營養元素，氮磷含量過低會限制浮游植物的生長，過高會導致浮游植物種類組成發生變化。此外星湖的pH長期大于8.4，由于高pH(8.0以上)有利于藍藻生長，再加之氮磷含量較高，長此以往會導致藍藻大量生長，藍藻會成為優勢種，使得富營養化程度加重。

星海湖水體呈現一定程度的污染，輕度富營養化，氮磷營養鹽超標是造成星海湖水體污染和富營養化的主要原因，因此星海湖的水環境防治治理應該以降低外源性的氮磷營養鹽含量為主。

[1] 王婭娟. 寧夏星海湖濕地水環境污染評價及可持續利用研究[J]. 農業科學研究,2010,(4):46-49.

[2] 劉 陽. 星海湖現有水體污染源調查[J]. 寧夏農林科技,2012,(10):133-134.

[3] 王曉鵬. 河流水質綜合評價之主成分分析方法[J]. 數理統計與管理,2001,20(4):49-52.

[4] 曾 永,樊引琴,王麗偉,等. 水質模糊綜合評價法與單因子指數評價法比較[J]. 人民黃河,2007,(2):45,65.

[5] 袁秀娟,毛顯強,李 卓,等. 用改進的灰色識別法評價地表水環境質量——以北京石景山區蓮花河新開渠為案例[J]. 城市環境與城市生態,2006,(1):7-10.

[6] 曹艷龍,汪西莉,周兆永. 基于BP神經網絡的渭河水質評價方法[J]. 計算機工程與設計,2008,22:5 910-5 912,5 916.

[7] 劉小楠,崔 巍. 主成分分析法在汾河水質評價中的應用[J]. 中國給水排水,2009,18:105-108.

[8] 江 敏,余根鼎,戴習林,等. 凡納濱對蝦養殖塘葉綠素a與水質因子的多元回歸分析[J]. 水產報,2010,(11):1 712-1 718.

[9] 馬細霞,賀曉菊,趙道全,等. B-P網絡隱含層對水質評價結果的影響分析[J]. 水電能源科學,2002,(3):16-18.

[10] 吳 梅,錢翌. 灰色關聯分析法在水磨河水環境質量評價中的應用[J]. 安全與環境工程,2006,(1):26-29.

[11] 《地表水環境質量評價方法》(試行)[S].

[12] 杜富芝,傅瓦利,杜小紅,等. 基于BP神經網絡的三峽庫區小流域水質評價[J]. 節水灌溉,2009,(1):8-10,14.

[13] 賴坤容,周維博. 灰色關聯分析在延安市寶塔區延河段水質評價中的應用[J].成都理工大學學報(自然科學版),2010,(5):570-573.

[14] 吳義鋒,呂錫武,何雪梅,等. 不確定信息下的水體污染因子粗糙分析[J]. 系統工程理論與實踐,2006,(4):136-140.