广东江门四堡水库水质时空变化及综合评价研究

傅 博， 黄国如,2,3

(1.华南理工大学 土木与交通学院， 广东 广州 510640； 2.华南理工大学 亚热带建筑科学国家重点实验室，广东 广州 510640； 3.广东省水利工程安全与绿色水利工程技术研究中心， 广东 广州 510640)

1 研究背景

随着经济的飞速发展和人类生产活动规模不断扩大，河湖水库饮用水水源地的水质污染和水体富营养化问题日趋严重，为有效控制水污染，需对河湖水库水质状况进行综合评价。从20世纪以来各种水质评价方法不断出现和发展完善，主要包括单因子法、人工神经网络法、多元统计方法、模糊综合评价法、内梅罗污染指数法和水质指数法等[1-9]。例如，初海波等[10]以东辽河为例，比较BP网络、Hopfield网络、模糊综合评价法、内梅罗污染指数法4种方法的水质评价结果；李清芳等[11]利用多元统计分析方法，研究3个典型水源地水库的水质情况；高红杰等[12]运用内梅罗法、均值法、水质指数法对城市地表水质进行综合评价，发现内梅罗法更适用于部分典型城市地表水质评价；杨永宇等[13]对比灰色关联法和BP神经网络法2种方法，从不同层次分析黑河流域水质优劣，发现神经网络法结果更加合理。上述各种方法都有其自身的特点和局限性，单因子评价法清晰易懂，能够直观地反映水质指标与对应标准值之间的关系，以所选水质指标中评价最差的某项指标类别作为水质类别；BP神经网络方法呈现较高的自适应性、自组织性和一定的容错性，使评价结果与实际情况较为相符；主成分分析法具有降维、简化变量的特点，可筛选出主要污染物指标；指数法则可以分析湖泊、水库等水体的富营养化状况。

本文以江门市四堡水库为研究对象，在充分分析典型水质指标时空变化规律的基础上，采用单因子评价法、BP神经网络法、主成分分析法和指数法等从多维角度对水库水质和富营养化状况进行综合评价，为四堡水库水资源保护、水污染防控及生态良好发展提供支撑。

2 研究区域概况及资料

四堡水库位于广东省江门鹤山市龙口镇，沙坪河龙口支流上游，属西江水系，是一座以防洪灌溉为主的中型水库。四堡水库为附近村镇的供水水源地，根据《鹤山市供水专项规划(2008-2020)》，在突发情况下该水库也为周边城镇提供应急供水。在对库区水环境现状进行调查后发现，农村生活污染、农田面源污染等均会对水质造成影响，排入的氨氮极有可能产生水华现象。

为开展研究需要，在四堡水库布设采样点13处，编号为W1～W13(图1)。其中，W1、W7靠近水库大坝，W2～W6位于水库北部，W8～W10位于水库中部，W11～W13位于水库南尾部，以上采样点大体占据了四堡水库整个范围，具有良好的代表性。于2018年6-12月组织了7次水质样本采集和检测工作，检测指标主要有水温、透明度、pH值、溶解氧(DO)、五日生化需氧量(BOD5)、化学需氧量(CODCr)、高锰酸盐指数(CODMn)、总磷(TP)、总氮(TN)、氨氮(NH3—N)和叶绿素a等。

图1 四堡水库采样点分布

3 水质评价方法

根据不同水质评价方法的特点和要求，选择DO、BOD5、CODCr、CODMn、TP、TN和NH3—N等7项评价指标，采用单因子评价法、BP神经网络法和主成分分析法等从多维角度对四堡水库水质状况进行评价和分析，选择透明度、TP、TN、NH3—N和叶绿素a等5项指标，采用指数法对四堡水库富营养化状况进行评价和讨论。具体方法简介如下。

3.1 单因子评价法

单因子评价法简单常见，在此不再赘述，详见文献 [1]、[14] 。

3.2 BP神经网络法

BP神经网络包括输入层、输出层和隐含层，以误差反向算法训练网络模型[15]。在水质评价方面，通过设计一个BP神经网络，训练设定的数据样本(参考《地表水环境质量标准GB3838-2002》[14]所选项目的标准限值)，得出与选定样本预期输出相符合的计算结果，再将实测数据输入训练好的BP网络，根据输出值进行水库水质评价。

3.3 主成分分析法

主成分分析法利用降维，将多指标通过线性转换为少量主要指标(主成分)来解释原始数据信息[16]。原理是先将所选的p个指标分别设为X1，X2，…，Xp，该p个指标构成的矩阵设为X，经过标准化后得到ZX，再通过线性变换得到新的变量F，之后通过综合评价函数对水质情况进行定量化描述，计算公式为：

(1)

式中：F为主成分综合得分；λi为特征值；λ为特征值之和。F得分越大，说明水质状况越差，得分越小则水质状况越好。

3.4 指数法

指数法常用来衡量湖库营养状态，在此也不再赘述，具体参考文献[17]。

4 评价结果与分析

4.1 水质因子时空变化规律

2018年6-12月对四堡水库进行了7次水样采集和检测工作，部分检测结果见图2。

图2 2018年6-12月四堡水库不同采样日期水样部分水质指标检测结果

由图2可知，DO浓度在6-9月先降后升，到8月浓度最低，在10-12月期间DO浓度又开始减少。由于8月温度较高，同时降雨较多，导致地表径流携带营养盐进入水体，增大微生物耗氧量，另外底层有机质分解耗氧等等[18]，多种因素使得DO浓度下降；而冬季温度降低，浮游植物减少，光合作用减弱，水体DO浓度相对较低。CODMn浓度在6-7月略微减少，到8月明显增加，之后又减少，变化规律较为复杂，浓度在1.97～3.69 mg/L浮动。

TP浓度整体均较高，6月有8处断面TP浓度大于0.05 mg/L，到7月增加到10处，而8-9月浓度全处于0.06～0.09mg/L，10月有3处TP浓度降到0.05 mg/L以下，12月则有5处，从汛期到非汛期TP浓度变化较大，TP浓度较高的有W9、W10、W12等处。TN浓度有增有减，在0.29～0.68 mg/L之间浮动，最高值出现在9月，之后开始减少，在12月达到最低，TN浓度较高的有W6、W7、W9、W12、W13等处。N、P元素明显超过国内外一致认可的TN达到0.2 mg/L、TP达到0.02 mg/L为富营养化发生的浓度[19]。藻类生长期水体中N/P <10，N为可能的限制性营养盐；而N/P >10，则P为可能的限制性营养盐[20]。四堡水库大部分点位的N/P值小于10，因此，N为可能的限制性营养盐。

NH3—N浓度在6-7月有所增加，到8月又略微减少，9月又有所增加，在9月后明显减少，12月达到最低，浓度在0.106～0.453 mg/L浮动，变化规律与TN浓度变化大体相似。可能因为8月气温较高，氨化作用减小，硝化作用增加，NH3向NO3转化，DO浓度较低，微生物氨化作用较小，有机氮转化的NH3也随之减少，使8月NH3—N浓度较小；而9月后进入秋冬季节，降雨量少，流入水体的营养盐减少，10、12月测得的NH3—N浓度减少。NH3—N浓度较高的点位有W6、W10、W11等处。

叶绿素a浓度在6-7月有所增加，到8月减少，之后又增加，在8月份的浓度普遍较低，浓度主要集中在4～9 μg/L范围内，W11、W12、W13等点位的叶绿素a浓度普遍较高。

4.2 单因子评价结果

采用单因子评价法对四堡水库2018年的7次检测数据进行水质评价，结果见表1。

表1 2018年6-12月各检测点单因子水质评价结果

由表1可知，2018年6、7月水库13处采样点基本处于III-IV类水之间，到8-9月全部处于IV类水，主要是由于TP浓度达到IV类标准，而到10月之后水质略有好转，恢复到III-IV类水之间。6月W3、W4、W7、W8、W11为III类水，其余为IV类水，III类水和IV类水水样所占比例分别为38.5%和61.5%；7月W4、W5、W13为III类水，W3为V类水，其余为IV类水，III类水和IV类水水样所占比例分别为23.1%和69.2%；8、9月所有水样评价结果均为IV类水，水质达到最差；10月W5、W10、W11为III类水，其余为IV类水，III类水和IV类水水样所占比例分别为23.1%和76.9%；12月W1、W2、W3、W6、W13为III类水，其余为IV类水，III类水和IV类水水样所占比例分别为38.5%和61.5%。由此可见，夏季处于汛期，降雨较多，N、P营养盐随径流进入水库，水库的TN、TP浓度较高，水质相对较差。

4.3 BP神经网络评价结果

BP神经网络法中为获取足够的训练样本[13]，利用MATLAB软件的RAND函数，在各级水质标准间随机生成训练样本，输出层设定的期望值与每级水质对应，小于I级标准输出为1，I、II级标准之间输出为2，其余同理。在MATLAB平台上构建3层BP神经网络，输入层有7个节点，隐含层、输出层的节点分别设为10和1，后两层分别选择tansig、purelin函数，训练次数定为1 000次，误差设为0.000001。将7次检测数据利用PREMNMX函数归一化，输入到训练好的BP人工神经网络，输出与评价结果见表2。

由表2可知，从时间变化上来看，6-9月间水质相对变差，9月后又有所恢复，不同时期水质变化影响较大。有些点位结果异常偏大，可能是相对于其他点位一些指标值偏大，导致归一化后的输入值偏大，使输出值也偏大。W1、W4输出值大部分在3左右，水质在III-IV类水之间，更偏于III类水，而其余各处输出值大部分在4左右，更偏于IV类水；W6、W10、W11为IV类水，输出值基本在4以上，进一步说明处于水库出水口或者下游非汇水区域的水质较好，而水库汇水区的水质较差。另外，由表1和表2对比可知，BP神经网络评价结果与单因子评价结果基本一致。

表2 2018年6-12月各采样点BP网络输出值及评价等级结果

4.4 主成分分析评价结果

对水库7次检测数据标准化处理，计算相关系数及其矩阵的特征值、特征向量以及主成分贡献率、累计贡献率，最后得出主成分载荷和主成分得分。其中确定主成分个数的原则为取特征值大于1且累计贡献率大于70%[21]。由于篇幅所限，选择2018年汛期(8月21日)和非汛期(12月4日)两次有代表性的主成分污染物负荷计算结果(表3)，其累计贡献率分别达到68.10%和75.81%，达到或接近要求，说明使用该方法可以反映大部分数据信息，表4为该方法计算所得的水质综合评价结果。

表3 2018年两次代表性采样主成分载荷矩阵表

表4 2018年6-12月主成分析水质综合评价得分与排名

在以上的主成分分析中，主要贡献得分的第一、第二主成分中，各个因子载荷都有变动，CODMn、TP、TN、NH3—N在前两个主成分中载荷均较高，对综合得分影响较大，表明水质情况主要受到N、P营养盐和有机氧化物质影响。例如，8月主成分载荷矩阵(表3)，第一主成分上CODCr、CODMn、TN、NH3—N载荷较高，第二主成分上BOD5、TP载荷较高，这些指标基本决定了最后的综合得分F。从表3也可以看出，不同月份各个水质指标的得分排名会有所变动，说明水质评估结果受多种因素影响。

从水质综合评价分数(表4)可以看出，W1、W8得分较小，水质排名基本靠后，水质较好。W4、W5、W9、W10、W13分数较高，可见这些区域水质污染较为严重。营养盐在随径流入库到水库出水口的过程中逐渐沉积下来，因此在刚进入水库时浓度最大，而到达水库中下游时，浓度减小，到水库出水口时浓度更小，W1在出水口区域，W8离水库汇水区较远，水质

情况良好。处于水库南尾部或北尾部靠近支流入库的区域，营养盐浓度高于其他地方，水质综合评价分数较高，水质相比其他区域较差。

上述3种方法各有自身特点，单因子评价法较为严格，可以定性评价各处的水质等级，但对处于同一水质等级的不同采样区域，无法更进一步比较其水质优劣；BP神经网络法可以定性和定量相结合进行水质评价，其水质评价结果与单因子评价结果基本一致；主成分分析法能从各项目的载荷大小筛选出影响水质的关键因子，通过水质综合得分高低判断水质情况，在空间上反映各处的污染严重程度。利用上述3种方法从不同角度进行水库水质评价，更全面科学地反映四堡水库水质时空变化规律。

4.5 指数法评价结果

采用7次检测中透明度、TP、TN、NH3—N和叶绿素a这5项相关指标数据计算四堡水库营养状态指数，结果见表5。

表5 2018年6-12月四堡水库营养状态指数(得分)结果

由表5可以看出，水库为轻度富营养水平，大部分采样点的营养状态指数于6、7月上升，8月有所下降，之后又上升，到9月底有9处营养状态指数达到55分以上，之后到12月，营养状态指数明显降低，总体趋势是先升后降。6-9月处于汛期，气温逐渐升高，降雨增多，陆地营养盐受到冲刷随径流进入库区水体，TP、TN、NH3—N浓度总体趋势增加，浮游植物数量增加，使得叶绿素a浓度增加，DO浓度减少，该时期水库营养状态指数较高。8月份分数降低，主要是由于叶绿素a浓度有所降低，对分数贡献值小。而8月叶绿素a浓度处于较低水平可能是因为8月中旬降雨过大，浮游植物繁殖减弱，从而导致产生的叶绿素a减少，再加上不同藻类叶绿素a含量不同[22]，水库浮游植物种类较多，硅藻、绿藻、蓝藻等都占有一定比例，无单一的优势种，也会使叶绿素a减少。9月后降雨减少，进入枯水季，水体中的TP、TN浓度相对较低；而冬季随着温度降低，浮游植物数量减少，所产生的叶绿素a也会较少，从而使营养状态指数降低，富营养化情况略微好转。

四堡水库13处采样点中，W3、W6、W7、W9、W13营养状态指数较高，W4、W1略低。汇水入库段和水库中游区域营养状态指数较高，富营养化比较严重，坝前取水口处营养状态指数较低，富营养化相对较轻，这与前述方法所得结果大体类似。

早期四堡水库周边大面积范围被承包种植商品林，现今依据政府规定将商品林改造成生态林，但从现场调查看来水库周边仍有相当一部分以桉树林为主的商品林，桉树林N、P随径流入库是导致水库营养盐浓度较高的因素之一，此外禽畜养殖、农业生产产生的氮磷入库也造成水库营养盐浓度较高，加重富营养化程度。

4.6 叶绿素a与水质因子的相关性分析

叶绿素a为水体富营养化程度的基本指标，常用来反映水体富营养化，由于它受到诸多因素影响，研究其与各类水质指标的相关性便于识别影响湖库富营养化的因子。由于本水库透明度基本为30 cm左右，变化幅度较小，本文未考虑其影响。利用Pearson方法分析叶绿素a与其他主要水质因子的相关性，结果如表6所示。相关系数在[0.8,1.0]为极强相关，[0.6,0.8]为强相关，[0.4,0.6]为中等程度相关，[0.2,0.4]为弱相关，[0.0,0.2]为极弱相关或无相关。

表6 2018年6-12月叶绿素a与其他水质因子间的Pearson相关系数

注：**表示在0.01水平(双侧)上显著相关。

从表6可以看出，水库叶绿素a受到多种因素影响，其中，叶绿素a与水温、pH值、TP、TN为极弱相关或弱相关，与DO、CODCr达到中等程度相关，与BOD5、CODMn、NH3—N达到中等程度相关或强相关，而且在不同时期叶绿素a与各个因子的相关系数有所变动。可能有如下原因：一是叶绿素a在时空上有较强的不确定性，二是水库水量、水位、流速、降雨量、光照等水文气象因子可能影响叶绿素a浓度变化，这些因子具有较强的不确定性。四堡水库位于南方亚热带地区，水温基本在18℃以上，对叶绿素a影响较小；pH值基本在7左右，波动幅度较小，其对叶绿素a影响也较小。叶绿素a与DO呈现的相关关系有正有负，叶绿素a含量越多，浮游植物越多，光合作用产生的氧气远大于浮游生物耗氧量时，使水中DO增加，叶绿素a与DO呈现正相关，反之光合作用释放的氧气不足以补充耗氧量时，水中DO减少，两者呈现负相关。BOD5、CODCr、CODMn这些有机污染物对水体中的叶绿素a有一定影响，大多数情况下呈正相关关系，可能是藻类大量繁殖而排泄有机物质所导致[23]，藻类越多，有机物质越多，使得水体有机耗氧物的污染越多。N、P等营养盐是浮游植物生长的必要因素，而叶绿素a又是浮游植物存量的表征指标，两者的关系较为复杂[24]。从相关系数可以看出，水库叶绿素a与TN的相关性比与TP的相关性更强，特别是与以NH3—N形式存在的氮相关更强，可见N为浮游植物生长的限制因子，因此控制氮素的浓度能够有效调控水体富营养化。

5 结 论

(1)不同月份TP、TN、NH3—N变化较为复杂，汛期四堡水库营养盐浓度普遍上升，非汛期营养盐浓度回落，靠近水库中下游区域的水质较好，水库汇水区的水质较差。单因子评价法和BP神经网络的评价结果较为一致，水库水质基本在III-IV类之间，主成分分析法表明水质主要受CODMn、TP、TN、NH3—N影响，指数法表明水库为轻度富营养化，在水库汇水区的富营养化程度较高。

(2)BOD5、CODCr、CODMn这些有机污染物对水体中的叶绿素有一定影响，大多呈正相关关系，四堡水库中叶绿素a与TN的相关性比与TP的相关性更强，特别是与以NH3—N形式存在的氮相关更为显著，N是浮游植物生长的限制因子，控制氮素的浓度能够有效调控水体富营养化。