廣東江門四堡水庫水質時空變化及綜合評價研究

傅 博， 黃國如,2,3

(1.華南理工大學 土木與交通學院， 廣東 廣州 510640； 2.華南理工大學 亞熱帶建筑科學國家重點實驗室，廣東 廣州 510640； 3.廣東省水利工程安全與綠色水利工程技術研究中心， 廣東 廣州 510640)

1 研究背景

隨著經濟的飛速發展和人類生產活動規模不斷擴大，河湖水庫飲用水水源地的水質污染和水體富營養化問題日趨嚴重，為有效控制水污染，需對河湖水庫水質狀況進行綜合評價。從20世紀以來各種水質評價方法不斷出現和發展完善，主要包括單因子法、人工神經網絡法、多元統計方法、模糊綜合評價法、內梅羅污染指數法和水質指數法等[1-9]。例如，初海波等[10]以東遼河為例，比較BP網絡、Hopfield網絡、模糊綜合評價法、內梅羅污染指數法4種方法的水質評價結果；李清芳等[11]利用多元統計分析方法，研究3個典型水源地水庫的水質情況；高紅杰等[12]運用內梅羅法、均值法、水質指數法對城市地表水質進行綜合評價，發現內梅羅法更適用于部分典型城市地表水質評價；楊永宇等[13]對比灰色關聯法和BP神經網絡法2種方法，從不同層次分析黑河流域水質優劣，發現神經網絡法結果更加合理。上述各種方法都有其自身的特點和局限性，單因子評價法清晰易懂，能夠直觀地反映水質指標與對應標準值之間的關系，以所選水質指標中評價最差的某項指標類別作為水質類別；BP神經網絡方法呈現較高的自適應性、自組織性和一定的容錯性，使評價結果與實際情況較為相符；主成分分析法具有降維、簡化變量的特點，可篩選出主要污染物指標；指數法則可以分析湖泊、水庫等水體的富營養化狀況。

本文以江門市四堡水庫為研究對象，在充分分析典型水質指標時空變化規律的基礎上，采用單因子評價法、BP神經網絡法、主成分分析法和指數法等從多維角度對水庫水質和富營養化狀況進行綜合評價，為四堡水庫水資源保護、水污染防控及生態良好發展提供支撐。

2 研究區域概況及資料

四堡水庫位于廣東省江門鶴山市龍口鎮，沙坪河龍口支流上游，屬西江水系，是一座以防洪灌溉為主的中型水庫。四堡水庫為附近村鎮的供水水源地，根據《鶴山市供水專項規劃(2008-2020)》，在突發情況下該水庫也為周邊城鎮提供應急供水。在對庫區水環境現狀進行調查后發現，農村生活污染、農田面源污染等均會對水質造成影響，排入的氨氮極有可能產生水華現象。

為開展研究需要，在四堡水庫布設采樣點13處，編號為W1～W13(圖1)。其中，W1、W7靠近水庫大壩，W2～W6位于水庫北部，W8～W10位于水庫中部，W11～W13位于水庫南尾部，以上采樣點大體占據了四堡水庫整個范圍，具有良好的代表性。于2018年6-12月組織了7次水質樣本采集和檢測工作，檢測指標主要有水溫、透明度、pH值、溶解氧(DO)、五日生化需氧量(BOD5)、化學需氧量(CODCr)、高錳酸鹽指數(CODMn)、總磷(TP)、總氮(TN)、氨氮(NH3—N)和葉綠素a等。

圖1 四堡水庫采樣點分布

3 水質評價方法

根據不同水質評價方法的特點和要求，選擇DO、BOD5、CODCr、CODMn、TP、TN和NH3—N等7項評價指標，采用單因子評價法、BP神經網絡法和主成分分析法等從多維角度對四堡水庫水質狀況進行評價和分析，選擇透明度、TP、TN、NH3—N和葉綠素a等5項指標，采用指數法對四堡水庫富營養化狀況進行評價和討論。具體方法簡介如下。

3.1 單因子評價法

單因子評價法簡單常見，在此不再贅述，詳見文獻 [1]、[14] 。

3.2 BP神經網絡法

BP神經網絡包括輸入層、輸出層和隱含層，以誤差反向算法訓練網絡模型[15]。在水質評價方面，通過設計一個BP神經網絡，訓練設定的數據樣本(參考《地表水環境質量標準GB3838-2002》[14]所選項目的標準限值)，得出與選定樣本預期輸出相符合的計算結果，再將實測數據輸入訓練好的BP網絡，根據輸出值進行水庫水質評價。

3.3 主成分分析法

主成分分析法利用降維，將多指標通過線性轉換為少量主要指標(主成分)來解釋原始數據信息[16]。原理是先將所選的p個指標分別設為X1，X2，…，Xp，該p個指標構成的矩陣設為X，經過標準化后得到ZX，再通過線性變換得到新的變量F，之后通過綜合評價函數對水質情況進行定量化描述，計算公式為：

(1)

式中：F為主成分綜合得分；λi為特征值；λ為特征值之和。F得分越大，說明水質狀況越差，得分越小則水質狀況越好。

3.4 指數法

指數法常用來衡量湖庫營養狀態，在此也不再贅述，具體參考文獻[17]。

4 評價結果與分析

4.1 水質因子時空變化規律

2018年6-12月對四堡水庫進行了7次水樣采集和檢測工作，部分檢測結果見圖2。

圖2 2018年6-12月四堡水庫不同采樣日期水樣部分水質指標檢測結果

由圖2可知，DO濃度在6-9月先降后升，到8月濃度最低，在10-12月期間DO濃度又開始減少。由于8月溫度較高，同時降雨較多，導致地表徑流攜帶營養鹽進入水體，增大微生物耗氧量，另外底層有機質分解耗氧等等[18]，多種因素使得DO濃度下降；而冬季溫度降低，浮游植物減少，光合作用減弱，水體DO濃度相對較低。CODMn濃度在6-7月略微減少，到8月明顯增加，之后又減少，變化規律較為復雜，濃度在1.97～3.69 mg/L浮動。

TP濃度整體均較高，6月有8處斷面TP濃度大于0.05 mg/L，到7月增加到10處，而8-9月濃度全處于0.06～0.09mg/L，10月有3處TP濃度降到0.05 mg/L以下，12月則有5處，從汛期到非汛期TP濃度變化較大，TP濃度較高的有W9、W10、W12等處。TN濃度有增有減，在0.29～0.68 mg/L之間浮動，最高值出現在9月，之后開始減少，在12月達到最低，TN濃度較高的有W6、W7、W9、W12、W13等處。N、P元素明顯超過國內外一致認可的TN達到0.2 mg/L、TP達到0.02 mg/L為富營養化發生的濃度[19]。藻類生長期水體中N/P <10，N為可能的限制性營養鹽；而N/P >10，則P為可能的限制性營養鹽[20]。四堡水庫大部分點位的N/P值小于10，因此，N為可能的限制性營養鹽。

NH3—N濃度在6-7月有所增加，到8月又略微減少，9月又有所增加，在9月后明顯減少，12月達到最低，濃度在0.106～0.453 mg/L浮動，變化規律與TN濃度變化大體相似。可能因為8月氣溫較高，氨化作用減小，硝化作用增加，NH3向NO3轉化，DO濃度較低，微生物氨化作用較小，有機氮轉化的NH3也隨之減少，使8月NH3—N濃度較小；而9月后進入秋冬季節，降雨量少，流入水體的營養鹽減少，10、12月測得的NH3—N濃度減少。NH3—N濃度較高的點位有W6、W10、W11等處。

葉綠素a濃度在6-7月有所增加，到8月減少，之后又增加，在8月份的濃度普遍較低，濃度主要集中在4～9 μg/L范圍內，W11、W12、W13等點位的葉綠素a濃度普遍較高。

4.2 單因子評價結果

采用單因子評價法對四堡水庫2018年的7次檢測數據進行水質評價，結果見表1。

表1 2018年6-12月各檢測點單因子水質評價結果

由表1可知，2018年6、7月水庫13處采樣點基本處于III-IV類水之間，到8-9月全部處于IV類水，主要是由于TP濃度達到IV類標準，而到10月之后水質略有好轉，恢復到III-IV類水之間。6月W3、W4、W7、W8、W11為III類水，其余為IV類水，III類水和IV類水水樣所占比例分別為38.5%和61.5%；7月W4、W5、W13為III類水，W3為V類水，其余為IV類水，III類水和IV類水水樣所占比例分別為23.1%和69.2%；8、9月所有水樣評價結果均為IV類水，水質達到最差；10月W5、W10、W11為III類水，其余為IV類水，III類水和IV類水水樣所占比例分別為23.1%和76.9%；12月W1、W2、W3、W6、W13為III類水，其余為IV類水，III類水和IV類水水樣所占比例分別為38.5%和61.5%。由此可見，夏季處于汛期，降雨較多，N、P營養鹽隨徑流進入水庫，水庫的TN、TP濃度較高，水質相對較差。

4.3 BP神經網絡評價結果

BP神經網絡法中為獲取足夠的訓練樣本[13]，利用MATLAB軟件的RAND函數，在各級水質標準間隨機生成訓練樣本，輸出層設定的期望值與每級水質對應，小于I級標準輸出為1，I、II級標準之間輸出為2，其余同理。在MATLAB平臺上構建3層BP神經網絡，輸入層有7個節點，隱含層、輸出層的節點分別設為10和1，后兩層分別選擇tansig、purelin函數，訓練次數定為1 000次，誤差設為0.000001。將7次檢測數據利用PREMNMX函數歸一化，輸入到訓練好的BP人工神經網絡，輸出與評價結果見表2。

由表2可知，從時間變化上來看，6-9月間水質相對變差，9月后又有所恢復，不同時期水質變化影響較大。有些點位結果異常偏大，可能是相對于其他點位一些指標值偏大，導致歸一化后的輸入值偏大，使輸出值也偏大。W1、W4輸出值大部分在3左右，水質在III-IV類水之間，更偏于III類水，而其余各處輸出值大部分在4左右，更偏于IV類水；W6、W10、W11為IV類水，輸出值基本在4以上，進一步說明處于水庫出水口或者下游非匯水區域的水質較好，而水庫匯水區的水質較差。另外，由表1和表2對比可知，BP神經網絡評價結果與單因子評價結果基本一致。

表2 2018年6-12月各采樣點BP網絡輸出值及評價等級結果

4.4 主成分分析評價結果

對水庫7次檢測數據標準化處理，計算相關系數及其矩陣的特征值、特征向量以及主成分貢獻率、累計貢獻率，最后得出主成分載荷和主成分得分。其中確定主成分個數的原則為取特征值大于1且累計貢獻率大于70%[21]。由于篇幅所限，選擇2018年汛期(8月21日)和非汛期(12月4日)兩次有代表性的主成分污染物負荷計算結果(表3)，其累計貢獻率分別達到68.10%和75.81%，達到或接近要求，說明使用該方法可以反映大部分數據信息，表4為該方法計算所得的水質綜合評價結果。

表3 2018年兩次代表性采樣主成分載荷矩陣表

表4 2018年6-12月主成分析水質綜合評價得分與排名

在以上的主成分分析中，主要貢獻得分的第一、第二主成分中，各個因子載荷都有變動，CODMn、TP、TN、NH3—N在前兩個主成分中載荷均較高，對綜合得分影響較大，表明水質情況主要受到N、P營養鹽和有機氧化物質影響。例如，8月主成分載荷矩陣(表3)，第一主成分上CODCr、CODMn、TN、NH3—N載荷較高，第二主成分上BOD5、TP載荷較高，這些指標基本決定了最后的綜合得分F。從表3也可以看出，不同月份各個水質指標的得分排名會有所變動，說明水質評估結果受多種因素影響。

從水質綜合評價分數(表4)可以看出，W1、W8得分較小，水質排名基本靠后，水質較好。W4、W5、W9、W10、W13分數較高，可見這些區域水質污染較為嚴重。營養鹽在隨徑流入庫到水庫出水口的過程中逐漸沉積下來，因此在剛進入水庫時濃度最大，而到達水庫中下游時，濃度減小，到水庫出水口時濃度更小，W1在出水口區域，W8離水庫匯水區較遠，水質

情況良好。處于水庫南尾部或北尾部靠近支流入庫的區域，營養鹽濃度高于其他地方，水質綜合評價分數較高，水質相比其他區域較差。

上述3種方法各有自身特點，單因子評價法較為嚴格，可以定性評價各處的水質等級，但對處于同一水質等級的不同采樣區域，無法更進一步比較其水質優劣；BP神經網絡法可以定性和定量相結合進行水質評價，其水質評價結果與單因子評價結果基本一致；主成分分析法能從各項目的載荷大小篩選出影響水質的關鍵因子，通過水質綜合得分高低判斷水質情況，在空間上反映各處的污染嚴重程度。利用上述3種方法從不同角度進行水庫水質評價，更全面科學地反映四堡水庫水質時空變化規律。

4.5 指數法評價結果

采用7次檢測中透明度、TP、TN、NH3—N和葉綠素a這5項相關指標數據計算四堡水庫營養狀態指數，結果見表5。

表5 2018年6-12月四堡水庫營養狀態指數(得分)結果

由表5可以看出，水庫為輕度富營養水平，大部分采樣點的營養狀態指數于6、7月上升，8月有所下降，之后又上升，到9月底有9處營養狀態指數達到55分以上，之后到12月，營養狀態指數明顯降低，總體趨勢是先升后降。6-9月處于汛期，氣溫逐漸升高，降雨增多，陸地營養鹽受到沖刷隨徑流進入庫區水體，TP、TN、NH3—N濃度總體趨勢增加，浮游植物數量增加，使得葉綠素a濃度增加，DO濃度減少，該時期水庫營養狀態指數較高。8月份分數降低，主要是由于葉綠素a濃度有所降低，對分數貢獻值小。而8月葉綠素a濃度處于較低水平可能是因為8月中旬降雨過大，浮游植物繁殖減弱，從而導致產生的葉綠素a減少，再加上不同藻類葉綠素a含量不同[22]，水庫浮游植物種類較多，硅藻、綠藻、藍藻等都占有一定比例，無單一的優勢種，也會使葉綠素a減少。9月后降雨減少，進入枯水季，水體中的TP、TN濃度相對較低；而冬季隨著溫度降低，浮游植物數量減少，所產生的葉綠素a也會較少，從而使營養狀態指數降低，富營養化情況略微好轉。

四堡水庫13處采樣點中，W3、W6、W7、W9、W13營養狀態指數較高，W4、W1略低。匯水入庫段和水庫中游區域營養狀態指數較高，富營養化比較嚴重，壩前取水口處營養狀態指數較低，富營養化相對較輕，這與前述方法所得結果大體類似。

早期四堡水庫周邊大面積范圍被承包種植商品林，現今依據政府規定將商品林改造成生態林，但從現場調查看來水庫周邊仍有相當一部分以桉樹林為主的商品林，桉樹林N、P隨徑流入庫是導致水庫營養鹽濃度較高的因素之一，此外禽畜養殖、農業生產產生的氮磷入庫也造成水庫營養鹽濃度較高，加重富營養化程度。

4.6 葉綠素a與水質因子的相關性分析

葉綠素a為水體富營養化程度的基本指標，常用來反映水體富營養化，由于它受到諸多因素影響，研究其與各類水質指標的相關性便于識別影響湖庫富營養化的因子。由于本水庫透明度基本為30 cm左右，變化幅度較小，本文未考慮其影響。利用Pearson方法分析葉綠素a與其他主要水質因子的相關性，結果如表6所示。相關系數在[0.8,1.0]為極強相關，[0.6,0.8]為強相關，[0.4,0.6]為中等程度相關，[0.2,0.4]為弱相關，[0.0,0.2]為極弱相關或無相關。

表6 2018年6-12月葉綠素a與其他水質因子間的Pearson相關系數

注：**表示在0.01水平(雙側)上顯著相關。

從表6可以看出，水庫葉綠素a受到多種因素影響，其中，葉綠素a與水溫、pH值、TP、TN為極弱相關或弱相關，與DO、CODCr達到中等程度相關，與BOD5、CODMn、NH3—N達到中等程度相關或強相關，而且在不同時期葉綠素a與各個因子的相關系數有所變動。可能有如下原因：一是葉綠素a在時空上有較強的不確定性，二是水庫水量、水位、流速、降雨量、光照等水文氣象因子可能影響葉綠素a濃度變化，這些因子具有較強的不確定性。四堡水庫位于南方亞熱帶地區，水溫基本在18℃以上，對葉綠素a影響較小；pH值基本在7左右，波動幅度較小，其對葉綠素a影響也較小。葉綠素a與DO呈現的相關關系有正有負，葉綠素a含量越多，浮游植物越多，光合作用產生的氧氣遠大于浮游生物耗氧量時，使水中DO增加，葉綠素a與DO呈現正相關，反之光合作用釋放的氧氣不足以補充耗氧量時，水中DO減少，兩者呈現負相關。BOD5、CODCr、CODMn這些有機污染物對水體中的葉綠素a有一定影響，大多數情況下呈正相關關系，可能是藻類大量繁殖而排泄有機物質所導致[23]，藻類越多，有機物質越多，使得水體有機耗氧物的污染越多。N、P等營養鹽是浮游植物生長的必要因素，而葉綠素a又是浮游植物存量的表征指標，兩者的關系較為復雜[24]。從相關系數可以看出，水庫葉綠素a與TN的相關性比與TP的相關性更強，特別是與以NH3—N形式存在的氮相關更強，可見N為浮游植物生長的限制因子，因此控制氮素的濃度能夠有效調控水體富營養化。

5 結 論

(1)不同月份TP、TN、NH3—N變化較為復雜，汛期四堡水庫營養鹽濃度普遍上升，非汛期營養鹽濃度回落，靠近水庫中下游區域的水質較好，水庫匯水區的水質較差。單因子評價法和BP神經網絡的評價結果較為一致，水庫水質基本在III-IV類之間，主成分分析法表明水質主要受CODMn、TP、TN、NH3—N影響，指數法表明水庫為輕度富營養化，在水庫匯水區的富營養化程度較高。

(2)BOD5、CODCr、CODMn這些有機污染物對水體中的葉綠素有一定影響，大多呈正相關關系，四堡水庫中葉綠素a與TN的相關性比與TP的相關性更強，特別是與以NH3—N形式存在的氮相關更為顯著，N是浮游植物生長的限制因子，控制氮素的濃度能夠有效調控水體富營養化。