關于松花江水體中的多環芳烴污染源解析因子分析

張美娜

摘 要：多環芳烴類污染物對流域水環境會造成嚴重破壞，而且傳統的研究與分析方法也無法滿足實際要求， 根據流域污染狀況，需要深入分析水體中各類沉積物及懸浮顆粒物當中的多環芳烴污染實際情況。基于松花江流域實際情況，對其多環芳烴污染源解析過程中對因子分析方法的應用進行深入分析，并驗證分析結果的真實性，提出污染治理建議，希望能為后續污染治理工作提供參考借鑒。

關鍵詞：松花江 多環芳烴污染 源解析 因子分析

中圖分類號：X52 文獻標識碼：A 文章編號：1672-3791（2018）11（b）-0108-02

多環芳烴類污染物對流域水環境會造成嚴重破壞，而且傳統的研究與分析方法也無法滿足實際要求，需要采用新的方法來明確其污染情況。其中，在源解析中采用因子分析方法是一種值得推廣借鑒的手段。

1 流域基本情況

在我國，松花江是七大河流重要組成部分，總水資源數量可以排在全國第三，其地理位置為東經119°52′～129°30′，北緯41°42′～51°38′，總面積約55.68萬km2。其源頭有以下兩個：第一，北源嫩江，以大興安嶺支脈伊勒呼里山中段南側的南甕河源地為起源地；第二，南源第二松花江，以白頭山天池為起源地。這兩個江源均能下流到三岔河，并在匯合后持續向下，即為松花江的干流。整條干流向東側流動到同江市，然后從右岸進入黑龍江。其總長為：嫩江源總長約2309km，干流總長約939km，另一松花江源總長約1897km。整體可分成上游段、中游段和下游段。

2 分析方法

2.1 因子分析

屬于多元統計分析范疇，對于多元統計，其基本思路為充分利用不同物質之間保持的關系得到源成分譜，也可確定能暗示主要排放物質的因子。開展因子分析的目的在于濃縮數據，也就是將海量可能有相互聯系的變量處理成少量沒有關聯的指標。解析各個污染源，通過對因子分析的合理應用，對不同污染指標存在的依賴關系實施深入分析，同時用相應的變量進行表達，反映出過去由海量變量表示的信息，并對不同變量間存在的關系進行解釋。基于此，對主要因子在受體中的貢獻進行分析，即可明確樣本實際污染源狀況。該方法隸屬于受體模型，不僅實現的條件十分簡單，而且無需提前了解指紋譜，可對現有監測數據進行充分利用，保證污染源解析結果的準確性[1]。

2.2 研究區域與數據分析處理

數據主要來源于國、省控實時監測斷面對應的多環芳烴污染物源實時監測數據，對松花江而言，其分別處在豐水期與平水期。將多環芳烴作為檢測指標，在豐水期布置18個專門的斷面，在平水期布置16個專門的斷面。進行因子分析時，為使其對原始變量進行均等處理，避免因數值差別很大產生不利影響，分析開始前，應對每個采樣點對應的濃度數值實施標準化處理，其計算公式為：

式（1）中，Xi為X的第i個觀測結果；為X的平均值；S表示標準差。

3 研究結果和討論

3.1 豐水期

為對因子分析方法適用性進行驗證，先根據KMO標準，對數據進行球度檢驗。對于球度檢驗，主要確定相關性矩陣是否屬于單位矩陣，若不屬于，則因子分析方法具有適用性。當KMO數值與1接近時，說明變量之間有很強的相關性，現有變量與因子分析相適應。這一標準提出，當KMO的數值超過0.6時，可進行因子分析。

因萘具有很高揮發性，會使分析結果出現很大偏差，所以本次研究不考慮萘。參與主成分分析與計算的研究數據為所有采樣點對應的多環芳烴，包括苊、二氫苊、芴、菲、蒽、熒蒽、芘、苯并[a]蒽、苯并[b]熒蒽、苯并[k]熒蒽、苯并[a]芘、茚并[1，2，3-cd]芘、二苯并[a，h]蒽和苯并[g，h，i]苝[2]。

通過檢測可知，KMO的數值為0.78，球度檢驗結果為0，說明數據符合正態分布，變量之間具有相關性，支持因子分析。以Kaiser為依據，因子特征值必須在1以上。滿足這一標準的因子（1#、2#因子）解釋了總方差的91%，因此可將其視作主要因子。

其中，1#因子的蒽、苯并[a]芘、苯并[k]熒蒽、菲、苯并[b]熒蒽、?、芴具有相對加高的實際荷載，茚并[1，2，3-cd]芘、苯并[a]蒽、苯并[g，h，i]苝與二苯并[a，h]蒽同樣突出，相關研究表明，在焦爐排放物中，多花芳烴類包括蒽、熒蒽、芴和菲二氫苊。如果焦爐直接排放，則會使苯并[a]蒽數量大幅增加。芴與苯并[a]蒽是煉焦主要排放物，燃煤排放的主要污染物包括蒽、菲和苯并[a]蒽。交通排放主要污染物為苯并[g，h，i]苝，汽油燃燒后，會放出苯并[k]熒蒽與苯并[b]熒蒽0，而柴油燃燒后，會放出苯并[g，h，i]苝。另外，交通排放會產生大量?。因此，該因子主要表示的是交通污染與燃燒源。

2#因子中，Acy與Ace實際荷載比其它高，研究表面，此類低環組分為煉焦主要排放物質，而油類物質排放以分子量相對較低的PAHs為主。因此，可將該因子定性為煉焦及油類污染源。

1#因子重點監測區包括：鎮江口、阿什河口下與佳木斯下，同時這也是污水水平較高的區域。2#因子重點監測區包括：哨口、白旗。根據流域范圍內工業和企業實際情況，結合斷面所在具體位置特征，可得：（1）二松吉林段中，PAHs由石油與煤的燃燒產生；（2）二松松原段中，PAHs由油類污染及煤的燃燒產生；（3）干流哈爾濱段中，PAHs由電廠及油類物質燃燒產生；（4）干流佳木斯段中，PAHs由油類污染物與煤的燃燒產生[3]。

3.2 平水期

為對因子分析方法適用性進行驗證，先根據KMO標準，對數據進行球度檢驗。對于球度檢驗，主要確定相關性矩陣是否屬于單位矩陣，若不屬于，則因子分析方法具有適用性。當KMO數值與1接近時，說明變量之間有很強的相關性，現有變量與因子分析相適應。這一標準提出，當KMO的數值超過0.6時，可進行因子分析。

因萘具有很高揮發性，會使分析結果出現很大偏差，所以本次研究不考慮萘。參與主成分分析與計算的研究數據為所有采樣點對應的多環芳烴，包括苊、二氫苊、芴、菲、蒽、熒蒽、芘、苯并[a]蒽、苯并[b]熒蒽、苯并[k]熒蒽、苯并[a]芘、茚并[1，2，3-cd]芘、二苯并[a，h]蒽和苯并[g，h，i]苝。

通過檢測可知，KMO的數值為0.78，球度檢驗結果為0，說明數據符合正態分布，變量之間具有相關性，支持因子分析。以Kaiser為依據，因子特征值必須在1以上。滿足這一標準的因子（1#、2#因子）解釋了總方差的91%，因此可將其視作主要因子。

其中，1#因子的An、Phen、Fluo、Chry、BghiP、BbF與BkF有相對較高的實際荷載，同時BaA與InP同樣突出，其污染的來源和豐水期大致相同。因此，該因子主要表示的是交通污染與燃燒源[4]。

2#因子的Flur、Acy、Ace與BaP也具有很高的實際荷載，其污染的來源和豐水期大致相同。因此，該因子主要表示的是煉焦及油類污染源。

1#因子重點監測區包括：呼蘭河口下、肇源、阿什河口下、松江、鎮江口與白旗；2#因子重點監測區包括：哨口、白旗。因平水期該流域的主要污染源與豐水期沒有太大差別，所以實際的污染情況也和豐水期沒有明顯差別[5]。

3.3 豐水期與平水期流域污染狀況綜合對比

經對比研究，在豐水期，鎮江口、阿什河口下與佳木斯下的污染水平相對較高，屬燃煤與交通污染源。而哨口與白旗則是當地煉焦和油類污染較為嚴重的區域。在平水期，九站、白旗與哨口的污染水平相對較高，其中哨口與白旗的煉焦及油類污染最為嚴重。對上述污染情況進行匯總，可得該流域屬于復合式的多環芳烴污染[6]。

4 結論與建議

4.1 結論

（1）借助統計方法對流域監測斷面在豐水、平水兩個時期的多環芳烴污染實施因子分析，確定了4個主要的污染來源，即煤和油類燃燒、交通、油類污染物與煉焦。這兩個時期的流域污染情況基本相同，沒有太大的變化。

（2）因研究范圍相對較大，所有斷面都具有一定特殊性，流域受復合式污染，在采樣點周圍的大型工廠，均屬于主要污染源。

（3）在二松吉林段中，污染物主要從包含吉林石化等在內的企業中排出。在二松松原段中，污染物主要從附近油井及電廠中排出。在干流哈爾濱段中，污染物主要從附近電廠中排出。在干流佳木斯段中，污染物主要從電廠及焦化廠中排出。

4.2 建議

根據流域污染狀況，需要深入分析水體中各類沉積物及懸浮顆粒物當中的多環芳烴污染實際情況，同時還要對污染源進行定量分析與計算，規定時間完成流域整體環境多環芳烴污染二次測定與主要來源的因子分析解析，并通過縱向對比，確定污染物和它的來源實際變化情況及規律，為后續污染治理工作提供參考借鑒，最終實現提高污染治理水平的根本目標。

參考文獻

[1] 于英鵬，劉敏.上海市多環芳烴潛在污染源成分譜特征初探[J].科學技術與工程，2017，17（11）：131-136.

[2] 李嘉康，宋雪英，崔小維，魏建兵.土壤中多環芳烴源解析技術研究進展[J].生態科學，2017，36（5）：223-231.

[3] 王喆，盧麗，夏日元.城市近郊型地下河水中多環芳烴分布規律與來源解析[J].環境化學，2015，34（11）：2096-2102.

[4] 周海軍，孫文靜，團良，等.重點污染源企業周邊農田土壤中多環芳烴污染水平與風險評價[J].環境化學，2013，32（10）：1976-1982.

[5] 章汝平，陳克華，何立芳.九龍江龍巖段地表水中多環芳烴分布與污染源解析[J].中國環境監測，2014，30（4）：107-111.

[6] 高魯紅.萊蕪大氣污染源排放顆粒物中多環芳烴研究[J].環境監控與預警，2018，10（5）：45-47.