地下水污染因子動態(tài)識別及污染源解析

王亞杰

(遼寧省鐵嶺水文局，遼寧 鐵嶺 112000)

當前，隨著工業(yè)化、城鎮(zhèn)化的快速發(fā)展，生活污水排放、工業(yè)廢水排放使得區(qū)域地下水污染面臨較為復雜的環(huán)境。區(qū)域地下水污染因子的識別對于區(qū)域人水和諧發(fā)展，水生態(tài)環(huán)境綜合治理至關重要。傳統水質評價方法主要采用單因子進行評價[1- 5]，但這些方法不能實現地下水污染因子的動態(tài)識別，不能識別出區(qū)域地下水污染的主要指標。近些年來，多參數統計方法(FA法)不但可以對區(qū)域水質進行定量描述，還可以識別出水質污染的主要因子，在國內許多區(qū)域水污染識別中得到應用[6- 9]，應用效果較好。為此文章引入多參數統計方法(FA法)，對遼寧北部區(qū)域地下水污染物因子進行動態(tài)識別，研究成果對于區(qū)域地下水環(huán)境的綜合治理提供參考價值。

1 地下水污染因子動態(tài)識別方法

多參數統計方法對區(qū)域水污染因子動態(tài)識別主要通過分析不同影響要素之間的關系，尋找主要因素，并對非次要因素進行信息排除。該方法首先建立影響因子fi和變量之間的數學模型，構建的數學模型方程為：

(1)

式中，aij—第i變量和第j影響因子之間的線性關系；εi—特殊因子。在具體計算時，需要對各污染指標進行標準化處理，標準化方程為：

(2)

式中，x—水質監(jiān)測指標值；xi—第i個地下水監(jiān)測點標準化計算結果；xm—xi的均值；σ—標準方程值。在標準化后需要對變量進行相關度的數據檢驗，檢驗方程為：

(3)

式中，rij—xi和xj之間的簡單相關系數；pij—xi和xj之間的偏相關系數。在數據檢驗的基礎上，對每個變量進行計算因子的分析，計算因子的方程為：

(4)

式中，bij—第i變量和第j影響因子之間的線性關系；fi—各變量的計算因子。在各計算因子確定后，對各計算因子進行累加綜合，綜合方程為：

(5)

式中，F—綜合計算因子；Fi—第i個計算因子；m—計算提取的因子個數；wi—計算權重。因子權重的計算方程為：

(6)

式中，λi—第i個因子的計算特征根。

2 地下水污染因子動態(tài)識別結果

2.1 區(qū)域地下水化學概況

文章以遼寧北部區(qū)域為研究區(qū)域，區(qū)域地下水資源量較為豐富，地下水資源量占區(qū)域總水資源量的60%～70%，但近些年來受到工業(yè)污水以及生活污水排放的影響，區(qū)域地下水環(huán)境遭到一定程度的影響。文章結合區(qū)域內5個地下水觀測18種水化學指標數據見表1，應用多參數統計方法對區(qū)域地下水污染因子進行動態(tài)識別。

表1 區(qū)域地下水水化學成分統計結果

2.2 各因子標準化計算結果

文章首先對各指標因子進行標準化計算，各觀測井指標因子標準化計算結果見表2。

2.3 各因子方差貢獻率計算結果

在各因子標準化計算后，對各計算因子進行了方差貢獻率的計算，計算結果見表3，并繪制各因子特征值以及方差貢獻率的變化，結果如圖1所示。

表2 各觀測井指標因子標準化結果

表3 各因子總方差貢獻率計算結果

圖1 各計算因子特征值及方差貢獻率變化

經過對各數據進行KOM數據檢驗，各計算數據的KOM數據檢驗值為0.59，各計算因子之間具有一定的關聯，可以用來識別主要影響因子。從表3中可以看出，各計算因子的特征值在1.55～11.45之間，可提取特征值大于1的計算因子為18個；硝酸鹽、氨氮的方差貢獻率最大，其方差貢獻率達到48.51%和43.67%，其次為氟化物以及碘化物，其方差貢獻率分別達到33.78%和31.56%，區(qū)域地下水中重金屬的方差貢獻率較小，對地下水污染影響較小。從圖1中可以看出，各計算因子的特征值變化較為散亂，和計算因子相關性較弱，而從方差貢獻率的變化可以看出，方差貢獻率較大的主要集中在“三氮”，而重金屬類的方差貢獻率較低。

2.4 區(qū)域地下水污染源解析

在各計算因子方差貢獻率和特征值確定的基礎上，對各化學指標的旋轉荷載矩陣進行計算，確定了不同公因子的綜合計算值，分析結果見表4。

表4 各因子旋轉荷載矩陣計算結果

從表4中可以看出F1主要以地下水位運移為載體，因此其水質指標主要受地下水遷移而富集，主要為可溶解性的硝酸鹽類，這一部分主要是受到工業(yè)污水以及農業(yè)用水排放造成的污染物富集。F2主要表示為地下水中的有機質，該部分污染物主要受人類活動影響，受城市化生活污水排放影響。F3主要表征為硝酸鹽和亞硝酸鹽，該部分含量較高的主要原因是受到農業(yè)耕種方式的影響所致。區(qū)域農業(yè)化肥的使用造成較多地下水中硝酸鹽和亞硝酸鹽的增多。F4和F5主要表征為重金屬影響，該部分地下水污染影響較小，這主要是因為遼寧北部區(qū)域重工業(yè)較少，因此工業(yè)排放污水中重金屬含量也較少，從其方差貢獻率也可看出，各重金屬類方差貢獻率在1.85%～3.33%之間。可見工業(yè)排放污水中重金屬污染源對遼寧北部區(qū)域水污染影響較小。從共同度可以看出，遼寧北部區(qū)域污水中總硬度和氯化物的共同度最大，分別為0.95和0.97，而生活污水排放是區(qū)域淺層地下水污染主要來源，而工業(yè)污水和農業(yè)滲透污水則是區(qū)域深層地下水污染的主要來源。

3 結論

結合多參數統計方法(FA法)對遼寧北部區(qū)域地下水污染因子進行動態(tài)識別，并對主要污染源進行了解析，研究取得以下結論：

(1)遼寧北部區(qū)域地下水污染主要因子為氨氮和硝酸鹽，重金屬對地下水污染影響較低，區(qū)域地下水總體硬度較低。

(2)生活污水排放是遼寧北部區(qū)域地下水淺層地下水污染主要來源，而工業(yè)污水和農業(yè)污水則是區(qū)域深層地下水污染主要來源，應進行較大區(qū)域污水處理，從而對區(qū)域地下水進行有效的水環(huán)境保護。

[1] 富天乙, 鄒志紅, 王曉靜. 基于多元統計和水質標識指數的遼陽太子河水質評價研究[J]. 環(huán)境科學學報, 2014, 34(02): 473- 480.

[2] 盧莉莉. 模糊神經網絡在涑水河水質評價中的應用[J]. 水利技術監(jiān)督, 2017, 25(01): 142- 145.

[3] 李祚泳, 張正健. 基于回歸支持向量機的指標規(guī)范值的水質評價模型[J]. 中國環(huán)境科學, 2013, 33(08): 1502- 1508.

[4] 王巍巍. 錦州市地下水水質現狀與變化趨勢研究[J]. 水利技術監(jiān)督, 2016, 24(05): 59- 62.

[5] 余勛, 梁婕, 曾光明, 等. 基于三角模糊數的貝葉斯水質評價模型[J]. 環(huán)境科學學報, 2013, 33(03): 904- 909.

[6] 楊帆, 鄭國臣, 稅勇, 等. 嫩江重要省界緩沖區(qū)水質單因子評價法研究[J]. 水利規(guī)劃與設計, 2017(11): 75- 77, 131.

[7] 霍鳳嵐, 阿茹娜, 張茜, 等. 河北省某礦區(qū)地下水污染因子識別及成因分析[J]. 南水北調與水利科技, 2015, 10(01): 1- 6.

[8] 朱琳, 王雅南, 宋永會, 等. 武水河水質時空分布特征及污染成因的解析[J]. 環(huán)境科學學報, 2016, 32(01): 1- 10.

[9] 郭濤, 陳海洋, 滕彥國, 等. 東北典型農產區(qū)流域地下水水質評價與污染源識別[J]. 北京師范大學學報(自然科學版), 2017, 53(03): 316- 322.

[10] 張艷艷. 浙滬三湖富營養(yǎng)化特征分析及其影響因子識別研究[D]. 華東師范大學, 2016.