密云水库上游控制点水质时空交叉统计分析

邸琰茗1 白文荣1 郭逍宇2345

(1.北京市北运河管理处，北京 101100;2.首都师范大学资源环境与旅游学院，北京 100048；3.三维信息获取与应用教育部重点实验室，北京 100048；4.资源环境与地理信息系统北京市重点实验室，北京 100048；5.北京市城市环境过程与数字模拟重点实验室，北京 100048)

分析水源地水质的时间变化特征、周期规律及影响因素，对了解水资源特性、开发利用水资源具有重要意义[1]。密云水库是北京市重要的地表饮用水水源地，上游入库来水变化对其水质水量有重要影响，长期以来已有学者相继对密云水库流域水体开展时空变异等相关研究：张微微等[2]对密云水库流域内地表水质数据进行分析，表明潮河流域总氮、总磷污染物质对库区的贡献率大于白河流域；李东青等[3]通过多元统计方法分析密云水库库区的水质时空变异，表明库区21年间非汛期地下水补给过程中碳酸盐岩的溶解作用影响水体化学特性，汛期降水径流携带的污染物直接影响水质状况；于一雷[4]通过密云水库上游河流水质时空分布特征研究得出，水库总氮和总磷的入库负荷主要是来自潮河和白河，COD入库负荷主要来自潮河和白河，且白河要高于潮河。前期研究主要基于多元统计方法对密云库区流域水质进行水质时空特征及污染源分析，有关密云库区上游控制点长时序水质时空变化的研究较少，特别是上游控制点在时间聚类基础上继续进行水质空间变异规律的研究鲜见报道。因此，本文主要针对密云水库上游控制点长时序的水质变化特征，进一步研究在时间聚类基础上的空间变异规律及污染源解析，为后期科学管理提供数据支撑和参考依据。

多元统计分析中聚类分析(Cluster Analysis，CA)、判别分析(Discriminate Analysis，DA)和主成分/因子分析(Principal Component Analysis，PCA/Factor Analysis，FA)已广泛应用于近海海水、地下水及内陆河湖的水质时空变异研究。Hakan Arslan[5]利用多元统计方法，从时间和空间尺度上解析了土耳其Bafra平原近海区域影响水质变化的污染源；K.P.Singh 等[6]在分析印度Gomti河流的水质时空变异中综合运用了多元统计分析中的CA、DA和PCA方法，并发现这些分析方法能够有利地分析水质的时空变异性；F.Zhou等[7]在研究香港东部近海水质时发现，CA、DA和GIS技术结合具有研究海水水质时空分布特征的能力。因此，本文选取密云水库上游5个控制点为水质监测点，基于1990—2010年长时序水质数据评估水质的总体特征，运用聚类分析对水质数据进行年际聚类和年际基础上的空间聚类，运用判别分析剖析水质在时间聚类基础上的空间显著指标变异规律，最后运用主成分分析重点解析不同年际尺度的空间水质污染来源，可为密云水库水质保护提供科学依据。

1 研究概况

1.1 确定研究指标

密云水库位于北京市密云区北部，潮河和白河是其最主要的入库河流。其中潮河流域面积6296km2，平均人口密度147人/km2，白河流域面积8575km2，平均人口密度68人/km2，流域以山地、丘陵地貌为主。该区属于暖温带半湿润季风气候，年均气温10.5℃，冷暖交替显著，四季分明[5-6]。研究区的岩土体主要由岩浆岩类、变质岩类、碎屑岩类、碳酸岩类以及第四纪系的卵砾石类土组成[7-8]。

1.2 研究方法

应用多元统计方法中的系统聚类分析、判别分析和主成分分析对密云水库上游控制点监测数据进行处理，各类统计方法由Excel 2007和SPSS19.0实现。

聚类分析方法是根据变量之间的亲疏程度将性质相似的对象结合在一起，本文对监测数据进行年际聚类和年际基础上的空间聚类，用以分析水质的时空变化的相似性和差异性[12]。判别分析常用于识别已知类别间具有显著差异的变量，本文采取逐步判别方法，以年际聚类基础上空间聚类结果为分组变量，各个监测指标作为变量，进入判别模型的最小F值是3.84，剔除模型的最大F值2.71用以识别影响水质时空变异的显著指标。主成分分析法是一种既可以降低变量维数，又可以对变量进行分类的方法，实质是从多个实测的原变量中提取出少数互不相关的指标因子，每个原变量可用这些提取出的公因子的线性组合表示，本文用该方法从复杂的原始数据矩阵中提取能够解释大部分方差贡献的少数旋转因子，用于提取不同年际尺度的空间水质污染因子和识别污染源[13-15]。

2 研究结果分析

2.1 水质特征

表1 水质指标的统计特征及水环境质量标准

续表

2.2 流域水质时空聚类判别污染源分析

2.2.1 水质年际聚类

运用聚类方法(CA)得出的密云库区上游控制点水质的年际聚类结果见图1，在(Dlink/Dmax)×100<20处分为两组，分别为年际聚类组Ⅰ(InterannualⅠ，IAⅠ)：1990—1995年，1997—1998年；年际聚类组Ⅱ(InterannualⅡ，IAⅡ)：1996年，1999—2004年，2006—2010年(由于2005年单独聚为一类，故舍去)。聚类结果显示：除1996年、2009年出现微小波动外，上游入库控制点水质按照时间推移表现出有规律的年际变异特征。

图1 水质的年际聚类分析树状图

2.2.2 不同年际尺度上空间聚类和判别

运用聚类分析方法(CA)在不同年际尺度上做空间聚类，结果见图2。在IAⅠ时期(1991—1995年，1997—1998年)尺度上空间聚类结果显示：(Dlink/Dmax)×100<20处分为两组，分别为空间聚类组Ⅰ，包括大关桥、辛庄桥、石佛桥、葡萄园桥；空间聚类组Ⅱ，包括水堡桥。表征水质在IAⅠ时期具有空间差异性。在IAⅡ时期(1996年，1999—2004年，2006—2010年)尺度上空间聚类结果显示：(Dlink/Dmax)×100<20处分为两组，分别为空间聚类组Ⅰ，包括大关桥、辛庄桥、石佛桥；空间聚类组Ⅱ，包括葡萄园桥、水堡桥。横向比较年际尺度上空间监测点发现，葡萄园桥监测点在不同时期水质状况不同，可能是由于在IAⅡ时期发生断流现象和严重的河枯现象引起的。

图2 年际尺度的空间点聚类结果

表2 年际尺度基础的空间判别函数系数

不同年际尺度上表征水质空间变异的箱图见图3。在IAⅠ时期，DⅠ(大关桥、辛庄桥、石佛桥)3个监测点的NO3-N指标偏高主要是非点源影响；在IAⅡ时期，DⅡ(葡萄园桥)的EC、Ca2+、T-Alk、NO3-N指标略偏高，主要是由于碳酸盐的溶解沉淀，DⅢ(水堡桥)监测点识别出的NO2-N浓度和TN偏高显著，表明主要是亚硝酸盐造成的氮源污染，Cl-的识别，表征降水是控制密云库区上游水质水化学特征的主要因素。

2.2.3 不同年际尺度上的空间污染源分析

为了识别密云水库上游流域水质IAⅠ、IAⅡ年际尺度上的空间变化规律，运用主成分分析法(PCA)对年际基础上的水质数据进行分析，结果见表3。

图3 基于年际尺度上显著指标的空间变异性

表3 年际基础的空间旋转因子载荷矩阵及方差贡献率

注依据因子载荷值∈ [0.75，1]，∈[0.5，0.75]，∈[0.3，0.5]判断其作用为强烈，中等或弱。下划线表示强烈，加粗表示中等。

2.3 密云水库库区水质与上游来水水质污染源对比

相关研究显示[23]，密云水库库区1990—2010年20年间TP均值(0.03mg/L)、TN均值(0.98mg/L)，较上游入库控制点水质指标分别消减76%、58%，表明密云水库库区水质比上游控制点来水水质要好，主要与近年来水库库区非点源污染的控制(水土保持、化肥使用量减少、生活污水减少)和网箱养鱼取消等相关水源地保护政策有关[20]。且密云上游入库控制点大关桥、辛庄桥、石佛桥3个监测点污染源由复合污染转化为离子污染，从侧面说明上游控制点主要水质指标在进入水库库区后有所好转。

3 研究结论

a.密云库区上游控制点水质总体特征是20年间TN均值(2.34mg/L)、TP均值(0.13mg/L)和DO均值(9.69mg/L)分别超过国家地表水Ⅱ类标准4.68倍、1.30倍和1.29倍，水体富营养化状况显著，氮、磷是应重点加以控制的因子，NO2-N是TN均值超标的主要原因。

b.不同监测点在时空交叉统计分析中显示，由IAⅠ(1991—1995年，1997—1998年)过渡到IAⅡ时期(1996年，1999—2004年，2006—2010年)，大关桥、辛庄桥、石佛桥3个监测点污染成分由点源污染、非点源污染中的氮源污染和内源污染共同作用下的复合污染转为以离子污染为主，对入库水质污染指标浓度的贡献逐渐减小，水质情况好转，葡萄园桥监测点由降水引起的内源污染过渡到降水引起的非点源污染，受到汛期的湿沉降影响较大，水堡桥监测点水质以复合污染为主，污染情况最为复杂。

c.密云水库库区水质比上游控制点来水水质要好，主要与库区非点源污染的控制(水土保持、化肥使用量减少、生活污水减少)和取消网箱养鱼等保护水源地政策有关。