基于APCS-MLR模型的沱河流域污染来源解析

后希康, 张 凯, 段平洲, 王 晓, 塔 拉, 郭 勇, 夏 瑞*

1.中国环境科学研究院， 环境基准与风险评估国家重点实验室， 北京 100012

2.中国环境科学研究院水生态保护修复研究室， 北京 100012

3.宿州市环境保护监测站， 安徽 宿州 234000

近年来，国家高度重视水生态环境保护工作，党中央提出了“精准治污、科学治污、依法治污”的重要理念. 随着各地政府环保考核责任的不断增大，各地环保部门积极开展水环境治理和生态保护修复工程，虽然有所成效，但是部分断面水质仍不达标，其中污染来源不清成为突出的短板，引起了环保管理部门和学者们的广泛关注[1-4]. 淮河作为我国七大水系之一，在经济社会发展格局中占有十分重要的地位. 淮河同时作为闸坝众多、粮食主产、产业结构三高(高污染、高能耗、高排放)特征明显的河流[5]，水污染形势严峻. 根据《中国生态环境状况公报(2018年)》，淮河流域水质优良比例仅为57.2%，距离《水污染防治行动计划》中要求70%以上的目标相差甚远，污/废水、化学需氧量和氨氮排放量分别为87.37×108、26.71×104和1.96×104t，均未达到《全国水资源保护规划(2016—2030年)》中的限制要求[6]. 2018年8月，由于安徽上游提闸泄洪，大量劣Ⅴ类(GB 3838—2002《地表水环境质量标准》)毒污水涌入洪泽湖，暴发了洪泽湖鱼蟹死亡事件[7]. 污染在河里，源头在岸上，为了改善水质，更好地开展源头管控，解析污染来源成为环保决策者的首要任务.

污染源解析方法分为正向和反向溯源，在正向溯源方法中，传统的污染源清单法难以确定污染物的入河系数，且污染源排放系数的时空异质性非常大，已有研究多参考公开文献[8-9]或《第一次全国污染源普查公报》中的排放系数，难以适应研究区现阶段的排放状况，且某些污染源的排放系数难以确定，如地下水与地表水的交换[10]、环境背景值的确定等. 此外，机理模型虽然能够校准得到入河系数[11]，但是需要丰富的室内试验资料、明确的涵闸调度规则以及复杂的数学模型支撑[12]，难以应用于上述特点的研究区域. 近年来随着自动水质监测站的布设，监测手段、方法和技术的不断进步，管理部门可以较为快速高效地获取大量精准的水质监测数据，为反向溯源方法的应用提供了重要数据基础. 反向溯源方法起初在大气和土壤污染源解析中应用广泛[13-14]，近些年在水环境污染源解析中的应用多局限在地下水以及一些特定的污染指标[15-16]，缺乏对地表水污染来源的综合解析. 主成分分析法虽然能够综合解析污染来源，但仅限于定性的判定，无法定量化污染源的贡献[17]；化学质量平衡法(CMB)虽然可以定量解析污染源贡献，但是需要预知污染源信息，构建污染源成分谱，且由于污染物在迁移过程中的变化导致CMB模型应用水体时受到假设条件的限制. 绝对主成分-多元线性回归(APCS-MLR)法是先基于主成分分析法得到因子得分，对原始数据进行标准化，计算因子的绝对真实得分(APCS)，再结合多元线性回归模型计算公因子对水体指标的贡献率[18],其是一种反向溯源方法，无需构建污染源成分谱，可以定量化各污染源贡献率，近年来已在水环境污染源解析研究中得到了广泛应用[19-21]. 基于APCS-MLR方法，Cheng等[19]解析了金沙江干流及3条主要支流的污染来源，发现矿产、气象、生活废水和农业面源是主要污染源；Zhou等[20]解析了中国香港东部区域沿海水污染来源，发现土壤风化、有机污染、农田径流和矿产是主要污染源；杜展鹏等[21]在滇池的研究发现，滇池草海污染主要来源于农业面源、城市面源和内源，而外海污染主要来源于农业面源、城镇生活、城市面源和内源，上述研究都定量了各污染源对各水质指标的贡献率.

沱河是淮河左岸的重要支流，属于淮河中游战略性骨干工程怀洪新河的重要组成部分，具有涵闸众多、平原水系复杂、污染来源多样等特点. 该研究针对沱河污染来源难以综合解析的问题，利用长期实地跟踪调研获取的一手实测数据，采用APCS-MLR模型综合解析沱河流域水污染来源，定量化常规水质指标的污染源贡献，提出能够快速诊断该类型河流污染来源的技术方法，以期为水环境管理决策制定提供技术支撑.

1 研究方法

1.1 研究区概况

沱河为淮河左岸支流，自西北流向东南汇入淮河，原为豫皖两省输水河道，1966年经过截源后，其干流始于宿州市埇桥区境内，止于该市泗县出境处. 沱河干流全长103 km，水深1.5～2 m，排涝能力5～160 m3/s，流域内涵闸众多(共20座)，主要功能是防洪除涝和灌溉. 沱河属季节性河流，河水受大气降水控制，雨季水位上涨，流量突增，枯水期间流量减小甚至干涸，全年仅7—8月河水处于流动状态. 沱河流域总面积3 211 km2，其中耕地面积占83%(水田面积占1%、旱地面积占82%)，城镇与建筑用地、河湖水库面积分别占15%和1%，其他占1%. 沱河水质常年处于超标状态，水质类别为GB 3838—2002 Ⅳ类，主要超标因子为化学需氧量、总磷和氟化物，未达到水功能要求(Ⅲ类). 自2018年起宿州市政府对流域水环境大力整治，至2019年底已完成所有工业企业入河排污口的截污纳管工作，现存入河排污口包括一座县城生活污水处理厂排污口和9座乡镇污水处理厂排污口，县城污水厂废水日处理规模为5×104t.

1.2 APCS-MLR源解析模型

1.2.1绝对主成分分析

APCS-MLR模型的第一步是提取水质指标的主成分，作为污染源判别和量化的依据. 提取的主成分得分计算公式：

(1)

(2)

由于(Az)k是标准化的值，不能直接用于计算主成分(PCs)的原始贡献，必须把标准化的因子得分转化为非标准的绝对主成分得分(APCS)才能用于PCs对污染指标的贡献分析. APCS的计算方法如式(3)～(5)所示：

APCSjk=(Az)jk-(A0)j

(3)

(4)

(5)

1.2.2多元线性回归

以实测水质浓度C为因变量，以APCS为自变量建立多元线性回归方程〔见式(6)〕：

(6)

式中：Ci为i水化学因子的实测浓度，mg/L；aim为污染源m对水化学因子i的回归系数；APCSim为水化学因子i的所有样本绝对主成分得分值；bi为常数项.

1.2.3污染源贡献

(7)

(8)

1.3 数据来源

该研究采用2018年1—12月11号监测点的水质数据解析沱河水质年内变化特征，采用2020年1—6月全流域16个站点(见图1)的水质数据解析沱河污染来源，其中2月因新冠肺炎疫情，部分乡镇道路封堵而缺失9个站点的数据. 水质数据来源于宿州市环境保护监测站，包括GB 3838—2002《地表水环境质量标准》中的24个基本指标和电导率，指标分析依照GB 3838—2002要求执行. 该研究删除了所有低于或接近检测限的指标数据，保留了水温(TW)、pH、电导率(EC)、溶解氧(DO)、高锰酸盐指数(CODMn)、五日生化需氧量(BOD5)、氨氮(NH3-N)、化学需氧量(COD)、总氮(TN)、总磷(TP)、氟化物(F)、阴离子表面活性剂(LAS)和粪大肠菌群(FC)共13项指标. Thurston和Spengler研究表明，当n≥d+50(n为样本个数，d为污染指标个数)时，主成分分析的结果是可靠的，该研究样本数据量满足此条件.

图1 沱河水质采样点分布

2 结果与讨论

2.1 沱河水质变化特征

2020年1—6月沱河水质为GB 3838—2002 Ⅳ类，除氟化物超出Ⅲ类标准限值0.03倍外，其余指标均为Ⅲ类(见表1). 由于11号监测点位于沱河流域的最下游出口处，汇水区范围覆盖全流域，可反映沱河整体的水质特征，因而选该点位解析沱河水质年内变化特征，为后续污染源解析中主成分结果的判定提供依据. 如图2所示，沱河流域汛期(6—8月)水质明显下降，除ρ(F)外，ρ(TP)、ρ(COD)和ρ(CODMn)均有显著升高. 7月和8月ρ(COD)分别达到31和36 mg/L，7月、8月和9月ρ(CODMn)分别达到11.1、10.4和10.3 mg/L，5月、6月和7月ρ(TP)分别达到0.35、0.47和0.36 mg/L，均处于GB 3838—2002 Ⅴ类水平，汛期水质的恶化说明该流域污染来源以面源为主.ρ(F)与ρ(NH3-N)在1—6月处于平稳状态，从7月开始波动较大. 沱河流域受闸坝控制，非汛期闸坝关闭，河流基本处于静止状态，因而水质比较稳定；进入汛期后，闸坝开启，支沟支流的水汇入，导致ρ(F)和ρ(NH3-N)处于波动状态.

表1 2020年1—6月沱河流域水质参数统计

图2 2018年1—12月沱河(11号监测点)水质变化特征

2.2 主要污染因子识别

该研究采用数据标准化的方法，将原始数据进行标准化处理，针对各变量的相关性进行KMO-Bartlett球形检验，结果表明各变量之间呈显著相关(KMO=0.66，P<0.001)，适合开展因子分析. 基于SPSS 24.0软件开展主成分分析，依据Kaiser特征值大于1的标准，共提取5个主成分，累积方差贡献率达71%(见表2).

为使各公因子的典型代表指标变量更加突出，采用方差极大法对因子载荷矩阵进行正交转换，旋转后的各指标载荷向0或1两极化转换. 第一主成分APCS1特征值为3.2，方差贡献率为24.7%(见表2)，主要载荷变量包括CODMn、BOD5和COD，分别达到0.93、0.88和0.89(见表3). APCS1主要以有机污染物为主，近年来随着环保压力越来越大，从2018年开始当地政府对沱河流域开展大力整顿，包括对城市污水管网的修建完善、工业企业排污口的迁出、沿河两岸500 m范围内畜禽养殖业的搬迁和关闭、堤坡种植的清理、城区黑臭水体的治理、农作物秸秆的收储运体系建设、部分底泥淤积严重河道的清淤、农村临河厕所的清除等. 但是污水管网的建设工程周期长，尚未全部完工，雨污混流的现象依然存在，汛期大量城镇生活与城市径流污水溢流汇入河道，因此城镇生活与城市径流成为目前沱河流域最主要的污染源. 此外，已有研究显示，城镇生活与城市径流是COD等有机污染物的主要来源，如张志彬等[22]统计已有研究中全国城市场次降雨屋面和道路径流COD平均浓度分别为125和284 mg/L，分别超出GB 3838—2002 Ⅴ类标准限值的2.1和6.1倍，城市径流已成为仅次于农业面源污染的第二大面源污染. 因此，APCS1可定义为城镇生活与城市径流源.

表2 沱河主成分总方差解释

表3 沱河旋转因子载荷矩阵

第二主成分的贡献率为19.6%，主要载荷变量为F. 大量研究表明，该地区F含量高是其环境本底值高导致的：① F来源于成土母质，历史上黄河多次溃堤决口改道南泛，从西北、华北带来大批高氟黄土淤积于此，造成研究区土壤母质的高含F量，F经母岩风化析出进入地下水和地表水中[23-25]；②研究区地质矿物组分造成富F的地质环境[26]；③地下水文情势较缓，不利于局部地区本底F的扩散，加重了F的浓缩[23,26]. 因此，APCS2可定义为研究区环境背景值.

第三主成分的贡献率为9.9%，主要载荷变量为EC和LAS. LAS一般来源于3个方面：一是农业生产过程施用农药所含有的乳化剂、展着剂、去污剂；二是居民生活中使用的洗涤剂、化妆品等用品；三是各种生产、应用表面活性剂的工业企业排放的工业废水[27]. 近年来该流域经过水环境大力整治，工业排污口已迁出该流域，而城镇生活污水处理厂仅有一座县城污水处理厂的排口设置在沱河支流上，15号监测点位于排口下游约5 km处(见图1)，从该监测点位LAS指标来看，与流域其他点位并无显著性差异(见图3). 此外，该主成分并不以氮、磷为主要因子，因而APCS3基本排除了工业源、城镇生活源和种植业源. 鞠宇平[28]研究表明，村镇生活污水占全国生活污水排放总量的1/5以上，而宿州市位于粮食主产区的华北平原，农村人口密度大，这一比例将会更高；郑玉涛[29]研究表明，洗涤废水排放量占农村生活污水总排放量的50%以上，而洗涤废水中含有大量的LAS. 因此APCS3可定义为农村生活源.

注： 字母不同表示LAS含量在不同监测点之间存在显著性差异.

第四主成分的贡献率为8.8%，主要载荷变量包括NH3-N、FC和TP，FC生长于人和动物肠道中，用来指示水体的粪便污染程度. FC既可直接来源于粪便的排放，也可来自累积于河道底泥中污染物的释放[30-31]，底泥内的温度、营养物质及深水处的光照等生境条件适宜FC的生存[32-35]. 由于沱河流域内2019年已经完成了对主河道两岸500 m畜禽养殖场与屠宰场的清退，但是历史上畜禽养殖业的污染在河道底泥中有所累积. 王凯旋等[36]在沱河流域的调研结果表明，该流域近年来农村畜禽养殖业规模逐渐扩大，很多禽畜粪便未经处理随便排放，直接流进土壤表面，或者通过一些简易管道装置直接排放进入农村河沟之中，污染了水源. 该主成分还包含NH3-N和TP，冯爱萍等[37]利用DPeRS模型评估了淮河流域氮、磷面源污染，结果显示，除农田径流外，畜禽养殖为TP的次要来源. 因此APCS4可定义为畜禽养殖业+河道内源.

第五主成分的贡献率为7.6%，主要载荷变量为TN和TP，该主成分以氮、磷营养盐为特征，是化肥的典型特征，杨琴等[38]研究表明该区域土地利用类型面积占比是河流氮、磷浓度的重要影响因素，同时鉴于沱河流域耕地面积占83%，因此APCS5可定义为种植业污染源.

2.3 污染来源贡献解析

在PCA分析确定研究区各主要污染源的组成和空间分布特征的基础上，利用APCS-MLR模型建立了各污染源与水质主要指标(COD、TN、TP和NH3-N)浓度的函数关系，模拟了水质状况. 结果显示，研究区内主要水质指标预测浓度与实测浓度的线性拟合结果R2在0.73～0.81之间，P值均小于0.05，ρ(COD)、ρ(TN)、ρ(TP)和ρ(NH3-N)的均方根误差(RMSE)分别为1.98、0.84、0.04和0.11 mg/L，预测浓度与实测浓度比值均接近于1，表明该研究构建的APCS-MLR模型基本可靠，计算结果较为可信(见图4).

图4 沱河主要污染指标实测浓度与预测浓度对比

基于构建的APCS-MLR模型和污染源贡献模型，计算各污染源对各主要水质指标的贡献率(见表4). 结果显示：城镇生活与城市径流是COD的主要来源，贡献率为60%；农村生活和种植业是TN的主要来源，贡献率为52%；畜禽养殖业+河道内源和种植业源是TP的主要来源，贡献率为49%；畜禽养殖业+河道内源和城镇生活是NH3-N的主要来源，贡献率为64%. 对于沱河主要超标因子COD来说，城镇生活与城市径流仍是主要的污染源.

表4 沱河主要污染指标的污染源贡献率

基于上述研究，初步识别了沱河主要水污染来源及贡献，可为当地政府开展水环境管理提供一定科学依据. 然而，目前基于数学统计方法的源解析对污染源的认定仍然存在一定主观性和局限性，受环境压力状态改变其分析结果也存在着较大的变化，包括结合源的成分特性开展更精细的研究. 此外，可从污染源正向核算等多模型耦合的方法解析河流污染来源，达到统计模型和机理模型结果互相印证的效果，提高结果的可信度，随着研究区监测数据的完善，今后有必要进一步开展深入研究，从机理上揭示流域污染来源和水质退化成因.

3 结论与建议

a) 综合分析沱河水质，城镇生活与城市径流是沱河水质的最主要影响因子(贡献率为24.7%)，其次为环境背景值(19.6%)，农村生活、畜禽养殖业+河道内源和种植业贡献率分别为9.9%、8.8%和7.6%. 目前从水质整体提升的目标来说，应多措并举，全面控制城镇生活点源、农业面源和城市径流污水，进行流域水环境整治综合治理.

b) 从主要超标因子来看，城镇生活与城市径流是COD的主要污染源，其贡献超过一半. 从水质达标的目标来说，加快污水管网的建设完善，控制城镇污染物的排放、收集和处理是当务之急. F超标是当地环境背景值较高导致的，应考虑采用末端治理的方式降低污染.