黑河上中游水质时空分异特征及污染源解析

王 昱,卢世国,冯 起,刘贤德,刘娟娟,赵维俊,孔德星,左一峰

黑河上中游水质时空分异特征及污染源解析

王 昱1,2*,卢世国1,冯 起2,刘贤德3,刘娟娟1,赵维俊3,孔德星1,左一峰1

(1.兰州理工大学能源与动力工程学院,甘肃 兰州 730050；2.中国科学院内陆河流域生态水文重点实验室,甘肃 兰州 730000；3.甘肃省祁连山水源涵养林研究院,甘肃 张掖 734000)

在黑河上中游主要河道设置33个水样监测点,分别于2017年5月(平水期)、8月(丰水期)、12月(枯水期)进行水质调查,运用GIS和水质标识指数法对水环境质量进行评价,并采用多元统计的方法分析了水质时空分布特征及潜在污染物来源.结果表明:区域内水质类别以Ⅱ类和Ⅲ类为主,并具有一定的时空分异性.时间上水体污染程度表现为枯水期>平水期>丰水期,空间上表现为上游支流区>上游干流区>中游.依据土地利用类型将33个采样点划分为放牧与工矿企业用地(A组)、水库建设用地(B组)和农业与城镇人居用地(C组).结合因子分析和主成分回归分析得出,NH3-N、BOD5和CODMn是该区域的典型污染物,其中A组污染源主要来自于有机物,其次是营养盐;B组水体主要受到机物和营养物的蓄积污染,而自然因素的影响相对较弱;C组主要是生物化学污染,其次为非点源营养盐污染.研究表明,人类活动依然是影响水质变差的主要因素,虽然大坝的拦截效应能改善下泄水质,但常年累积于库底的沉积物随环境变化有二次污染的潜在风险,如沉积物中营养盐的活化释放等问题.

水质标识指数；多元统计；时空分异；污染源解析；黑河流域

河流水质是流域的一个重要特征,可以反映自然因素和人类活动对所经区域综合作用,受到了人们的广泛关注[1-2].通常在内陆干旱地区,河流作为居民生活污水、工业废水以及地表径流排放的主要载体最易遭到污染和破坏[3].如何改善水污染现状已成为区域水环境研究中迫切需要解决的问题.另外,河流水质因子众多,且受气候、地理环境、土地利用类型以及人类活动(如河流筑坝)的影响,使得流域水质在时空变化的呈现较大的异质性[4-5],因此,了解水质时空分布规律、分析污染物来源就成为改善水环境质量的前提条件,这也是当今水质监测与风险评价的关键内容.近些年,聚类分析、因子分析、判别分析、主成分回归分析作为传统的多元统计技术[6-8],被广泛应用于水质时空分异特征及潜在污染源识别中.国内外学者利用多元统计技术分别对太湖流域[9]、陕西沣河[10]、温瑞塘流域[11]、土耳其中部近海[12]以及德国北部地区[13]水质污染物的时空分异特征及污染源进行了识别,取得了较为满意的效果.内陆河流域水质污染源解析方面的研究也比较成熟[14-17],但对于半干旱地区的研究仍相对较少,并且这些研究割裂了时间与空间相互作用的机制,只是单独探讨了时间或空间上水质分异特征及污染物来源,忽略了时间对空间分布规律及其污染源的影响.

黑河作为我国第二大内陆河,是河西走廊绿洲赖以生存和社会经济可持续发展的重要水资源基地.近几十年来,黑河干流尤其是上中游人为干扰强烈,已建的梯级大坝破坏了河流连续性,极大的改变了水体物理化学成分、运移介质等水文环境要素[18-19],严重影响到流域内的水质安全与河流生态健康.以往的研究多是对区间各河段上水质进行评价[20-21],而未能分析水质的时空分异特征及污染物来源.为此,本文选取2017年5月、8月和12月的实测数据,首先采用水质标识指数法评价黑河上中游水质状况,然后运用多元统计的方法分析丰水期、平水期和枯水期水质的时空分异特征,最后结合主成分回归分析中基于受体源的分配模型,识别出不同区域上影响水质变化的主导因子,探讨河流水质时空分布格局的原因以及水电梯级开发对河流水质的影响,以期为黑河流域水环境改善提供科学依据.

1 研究区与研究方法

1.1 研究区概况

黑河发源于祁连山北麓,流经甘肃最终注入内蒙古的居延海,干流全长约821km.莺落峡以上为上游,主要由支流八宝河和野牛沟河汇合后的干流构成;莺落峡至正义峡为中游;正义峡之后为下游.流域横跨了祁连山地、走廊平原和阿拉善高原3种不同的地貌单元[22].本文选择研究黑河上中游地区(96º08′~101º37′E,37º41′~42º45′N),其上段支流区主要包括祁连县和肃南县的部分地区,经济活动以畜牧业为主;下段干流区人为干扰严重,相继建设了8座梯级电站;中游主要包括张掖的各级市县,属于灌溉农业区.植被的空间差异性显著,上游植被以山地草地和山地林地为主,覆盖度较好,水量补给充足,是河源径流的形成区,中游地区以人工绿洲和荒漠绿洲为主,是甘肃省重要的灌溉农业区,属于黑河径流的主要利用区.

1.2 样品的采集与分析

于2017年5月、8月和12月在黑河上中游选取33个采样断面进行水质调查.野外使用哈希便携式水质仪监测pH值、溶解氧(DO)、电导率(EC),同时采集1000mL水样固定后置于4℃保温箱运回.室内测定总氮(TN)、总磷(TP)、氨氮(NH3-N)、亚硝酸盐氮(NO – 2-N)、五日生化需氧量(BOD5)和高锰酸钾指数(CODMn)等9项指标.样本的保存与监测严格按照《水和废水监测分析方法》中所示的方法[23],并且所有指标均平行测定3次,数据分析过程中取其平均值.

图1 研究区地理位置及采样点分布

1.3 研究方法

1.3.1 判别分析 判别分析用于判别聚类结果和识别显著性的污染指标,其原理是按照一定的判别准则,建立合适的判别函数,并通过研究对象的大量资料来确定判别系数,计算判别指标.据此判断某一样本属于何类[24].相应的判别函数表达式为:

1.3.2 因子分析 因子分析核心思想是对原始数据进行降维处理.把原来错综复杂的实测变量归纳为少数几个综合变量,即因子.每个原变量可用这些提取出的公共因子的线性组合表示,从而实现用少数几个综合变量反映原变量,且所含信息互不重叠[25].具体参见公式:

1.3.3 综合水质评价 综合水质标识指数能完整标识水质类别、水质情况以及是否达到了水环境功能区目标值等信息.水质标识指数法主要包括单因子水质标识指数的计算,综合水质标识指数计算以及水质等级的确定三个步骤[26].通常标识指数由整数位和3位或4位小数组成,其结构为:

式中:1,2由计算获得,3和4根据比较结果得到.其中,1为河流总体的综合水质类别;2为综合水质在1类水质变化区间内所处的位置,从而实现在同类水中进行水质优劣的比较;3为参与综合水质评价的水质指标中,劣于水环境功能区目标的单项指标个数;4为综合水质类别与水体功能区类别的比较结果,视水体的污染程度,一位或两位有效数字.

1.3.4 主成分回归分析 主成分回归分析法(APCS-MLR)是一种基于因子得分评价各个因子对各变量贡献的统计学方法.其原理是将变量值与因子得分进行多元线性回归,根据回归参数得到针对各个因子的估计值,从而确定公因子对各个变量的贡献率[27].具体参见公式(5).

1.3.5 数据处理方法 因子分析前需要进行KMO检验,用于衡量数据的适用性.同时,考虑到水质指标在数量级上的差异,还需对数据再进行标准化处理(均值为0,方差为1).本文分析过程中采用的是Microsoft Excel 2010、spss 20.0和Arcgis 10.4.1软件.

2 结果与分析

2.1 水质指标的描述性统计

按照该区水文特征,将5月定为平水期,8月定为丰水期,12月定为枯水期[28].整体来看,黑河水质状况较好.丰水期DO、TN、TP、NH3-N、BOD5、CODMn的浓度均值分别为7.56、0.60、0.18、0.39、2.27和2.51mg/L,根据《地表水环境质量标准》[29],TN和TP属于Ⅲ类水标准,NH3-N和CODMn属于Ⅱ类水标准,DO及BOD5属于Ⅰ类水标准.平水期DO、TN、TP、NH3-N、BOD5、CODMn浓度依次为9.12,1.68, 0.10,0.62,1.77,1.10mg/L,其中TN处于Ⅴ类水平,TP和NH3-N处于Ⅲ类水平,DO、BOD5、CODMn处于Ⅰ类水平.枯水期DO、TN、TP、NH3-N、BOD5、CODMn浓度均值分别为10.63、1.25、0.02、0.20、3.74和3.51mg/L,TN符合国家Ⅳ类标准,TP、NH3-N、BOD5、CODMn符合Ⅱ类标准,DO符合Ⅰ类水质标准.

2.2 综合水质评价

利用水质标识指数法对监测期间内的水质状况进行评价,结果显示,不同时期各采样点水质基本以Ⅱ类和Ⅲ类为主.按照采样点数量统计,丰水期有27.27%符合Ⅲ类标准,72.73%符合Ⅱ类标准;平水期有54.55%符合Ⅲ类标准,45.45%符合Ⅱ类标准;枯水期有57.58%符合Ⅲ类标准,42.42%符合Ⅱ类标准.由此来看,枯水期水质污染较重,平水期次之,而丰水期水质较好.

表1 黑河流域水质指标的统计描述

图2 综合水质标识指数评价结果时空分布

Fig.2 The spatio-temporal distributions of assessment result class using comprehensive water quality identification index

从水质标识指数的空间分布情况来看.丰水期污染区域主要是八宝河;平水期污染区域分布在八宝河及野牛沟河;枯水期上游下段污染程度较大(图2).总体来看,丰水期和平水期上游支流的污染区域要大于枯水期,枯水期上游下段污染最严重;而中游无论是丰水期、平水期还是枯水期,其水质类别均能满足功能区目标值.可见,黑河水质污染程度在空间上表现为上游支流区>上游干流区>中游.因此改善黑河流域水质状况的关键在于上游支流区污染源的控制.

2.3 水质的时空相似性与差异性

依据土地土地利用类型,将33个采样点划分为放牧与工矿企业用地、水库建设用地、农业与城镇人居用地,结果见表2.结合采样点的分布示意图可以看出,A组采样点分布于上游上段支流区,区内放牧与工业活动强烈,部分河段受污染程度较大;B组以水库建设为主,人为干扰严重;C组属于农业区,工业活动较弱,河流途径耕地及城镇地带,污染物主要来自于农业径流、生活污水以及工业废水,受人类活动影响较大.

采用Wilk′判别分析法分析聚类结果,并进一步识别存在显著性差异的水质指标,得到统计检验结果(表3)和典型变量及分类函数系数矩阵(表4).可以看出2个判别函数基本上可以解释所有水质指标的信息,Wilk′和卡方系数分别为0.210、0.775和146.705、24.014,判别函数1和2的显著性检验值均小于0.01,表明空间分类有效.

表2 采样点的土地利用类型

表3 空间尺度上判别分析统计检验

表4 黑河水体指标判别分析的典型变量及其系数

从水质指标同一时期不同分组的显著性差异规律(图3)可以看出:丰水期A组的BOD5和EC浓度明显高于其他分组,反映了与有机物相关的因素对河流水质的影响较大.该区域范围主要包括上游支流八宝河和野牛沟河,河流污染物来自于附近工矿企业排放的有机废水.丰水期B组的NH3-N和DO值较高.可能受水温分层和浮游生物活动的双重影响,DO表现出上层高而下层低的特点,使得沉积物在厌氧环境下发生硝化反硝化作用,进而促进NH4+-N的活化释放,引起NH4+-N含量升高[30-31].丰水期C组内的农业活动造成土壤中氮磷元素增加,没有被作物吸收的氮磷吸附在土壤表面,夏季随降雨径流进入河水,导致TN、TP、NO2--N浓度增大.平水期A组和丰水期A组情况类似,BOD5和CODMn浓度相对较高,说明该区域水质深受工矿企业废水排放的影响.其次NH3-N、TP浓度也较高,可能是动物活动产生的铵态氨(NH + 4-N)和颗粒磷通过融雪水的淋溶作用被淘洗出来,被融雪径流带入河水所致.平水期C组TN污染较重,主要与中游地区人口密度高、生活污水排放量大有关,另外,平水期河流量较小,流速减缓,污染物容易聚集.枯水期TP、BOD5、CODMn的最大平均值出现在B组,主要是冬季水库水量补给和换水频度减弱,水力停留时间增长,造成有机物和营养盐大量滞留,加之温度较低,污染物分解缓慢,所以TP、BOD5、CODMn浓度相对较高[32-33].枯水期C组TN值的变化规律与平水期C组基本一致,可能是该时段流域特征、污染物来源以及水文过程同平水期具有相似之处[34].

总体来看,黑河上中游水质污染情况在空间上具有一定的相似性.丰水期、平水期和枯水期各分组的pH值没有明显差异;C组水质污染物浓度多高于A组和B组.同时也存在不同的空间差异性,丰水期TN、TP、NO- 2-N浓度表现为C组>B组>A组;BOD5、CODMn、EC值在A组高于B组和C组;枯水期BOD5、CODMn、NH3-N和EC浓度在A组最低,C组次之,B组最高.

2.4 污染源解析及其贡献率估算

从判别分析所建立的判别函数对不同分组进行验证时发现,空间上A组、B组、C组的判别函数分别由不同的水质指标构建(表4),说明同一区域在不同时期或者同一时期内不同区域上的水质分布规律存在明显差异.同时,从各空间分组的水质指标在不同时期的空间差异性(图4)可以看出,A组、B组和C组在不同时期内的污染水平有着较大的差异.因此,有必要将时间及空间分类结果有机结合,对不同区域在不同时间段下的污染源进行解析.

本文按照特征值大于1的原则(表5),空间上A组在丰水期和平水期均提取了3个因子,累计频率为87.63%和90.21%,枯水期提取的2个因子,累计频率为79.08%;B组丰水期和平水期各提取了3个因子,累计频率分别为86.87%和82.19%,枯水期提取的2个因子累计频率为79.08%;C组中丰水期、枯水期共提取了2个因子,累计贡献率为78.58%、78.64%,平水期提取的3个因子累计频率为88.92%.

对于A组,①丰水期中,F1的方差贡献率为58.47%,相关的是DO、EC、TN、TP、NH3-N、CODMn,除DO外都呈正变化,此类污染主要来源于过量的营养盐和有机物.本区有中祁矿业有限公司和冰沟工业园区等重要企业,并且该区牧业活动强烈,因此F1可归类为畜牧污染物和工业废水排入河道所引起的耗氧有机物和营养盐污染.F2的贡献率为17.19%,与NO2--N正相关,推测是铵态氮在硝化过程中产生了NO2--N.F3解释了11.96%的水质信息,相关联的是pH,反映了水体的酸碱度.②平水期中,F1的方差贡献率为59.17%,相关的是EC、TN、NH3-N、BOD5、CODMn,跟丰水期A组的F1基本一致,不同的是本时段BOD5占有较大的载荷,说明随着CODMn的增加,BOD5也跟着增加,因此F1主要代表与营养盐、有机物相关的污染源.F2的贡献率为19.54%,表征因子为TP,是在F1的基础上进一步反映了水体受营养盐的影响.F3解释了11.49%的水质信息,相关联的因子是pH、NO2--N,体现了pH对氮循环的影响,可认为F3主要是硝态氮污染.③枯水期中,F1的方差贡献率为66.88%,相关的是EC、TN、TP、NH3-N、BOD5、CODMn,枯水期主要是点源污染[35],因此,F1可能是当地企业废水、生活污水排放等所引起的综合污染.F2的贡献率为12.20%,表征因子为NO- 2-N,与丰水期的F2类似.

对于B组,①丰水期中,F1的方差贡献率为49.03%,相关的是EC、NH3-N、NO2--NN,代表了水体中含离子、氮磷元素的水平,说明库区大量降水并没有稀释各离子的浓度,因此推断F1是外源输入的营养盐类污染.F2的贡献率为24.82%,表征因子为pH、DO,两者均呈负变化,表明随着营养盐污染的加重,pH值和DO值出现负增加;F3解释了13.02%的水质信息,相关联的是TN、BOD5,推测是水库蓄水过程造成营养盐和有机物滞留.②平水期中,F1的方差贡献率为46.29%,相关的是BOD5、CODMn,F2的贡献率为23.4%,反映了TN、TP、NO2--N,说明随水库换水频率减弱,营养盐和有机物大量蓄积.F3解释了12.5%的水质信息,表征因子为pH,推测是地形地貌对水质的影响[36].③枯水期中,F1的方差贡献率为45.26%,相关的是TP、BOD5、CODMn,跟平水期B组的F1、F2基本一致.F2的贡献率为20.48%,表征因子是pH、EC,反映了自然因素的影响.

对于C组,①丰水期中,F1的方差贡献率为55.56%,相关的是NH3-N、BOD5、CODMn,其中NH3-N代表着生活污水对水质的影响,BOD5、CODMn反映了水体有机污染.本区有造纸、焦化、农副产品加工等水污染重点行业,因此推断该区污染源主要是当地高污染企业排放的废水废料以及居民生活污水.F2的贡献率为23.03%,表征因子是EC、TN、TP,总氮和总磷的贡献率较枯水期均有所上升,其来源既是由于该区夏季农业生产过程中过量施用化肥、农药使氮磷营养盐通过降雨径流进入河水所致,也是由于生活污水、化学原料及化学制品等点源污染[37].②平水期中,F1的方差贡献率为46.83%,相关的是pH、DO、EC、NH3-N、NO1--N,跟枯水期B组的F2基本一致,不同的是NH3-N、NO2--N在F1中占有更大的载荷,可能是受河道底泥中硝化反硝化作用影响.F2、F3的贡献率分别为27.92%和14.16%,相关联的是TN、TP、CODMn和BOD5,反映了营养盐和有机物污染.③枯水期中,F1的方差贡献率为47.20%,相关的是EC、NH3-N和CODMn.该区生活污染和企业污染比重较高,大量未经严格处理污水排入河水造成盐类污染;F2贡献率为31.44%,表征因子是pH值、TN和BOD5,代表了生物化学污染.

依据上述分析,确定了污染源的数量和特征,现进一步利用APCS-MLA分配其污染物来源.结果见表6.A组的F1主要影响BOD5、CODMn、TN和NH3-N值,表明主要污染源为有机物和营养盐,其中有机物指标BOD5、CODMn的定量化贡献率分别为68.82%和83.66%,营养盐指标TN、NH3-N的贡献率为74.71%和64.87%;同时F2对NO2--N的贡献率为67.38%,说明水体NO2--N浓度受硝化作用的影响.B组F1对NH3-N、CODMn、BOD5的贡献率分别为69.96%、63.63%和60.70%;F2对pH的贡献率为56.98%,表明B组水质主要受到有机物和营养盐的蓄积污染,而自然因素的影响相对较弱.C组主要是生物化学污染,其次为非点源营养盐污染.生物化学因素影响指标为pH、DO、CODMn、BOD5,贡献率分别是83.13%、73.93%、66.30%、60.98%,营养盐主要影响该河段的NH3-N浓度,贡献率为73.41%.总的来说,NH3-N、BOD5和CODMn是该区域的主要污染物.

表5 丰水期、平水期和枯水期9个变量的因子载荷矩阵

表6 公因子对各个指标的贡献率

3 讨论

监测和分析结果表明,2017年黑河水质指标大多处于低值范围.但氮素污染比较严重,在个别水文期有超出Ⅴ类水的现象.这与黑河流域化肥施用量大,且作物对氮的吸收率低有关[38].较之2013~2015年水质[20],TN含量有所上升,分析认为是入河水质受到农业面源污染与工业点源污染的双重影响.但TP浓度从劣Ⅴ类水平大幅下降到Ⅲ类标准,说明流域范围内推行的生态治理工程,使得植被结构与功能逐渐健全,提高了水体复氧能力;同时上游祁连县地区超载放牧现象的有效控制,改善了污染物中磷盐负荷比例,从而降低水体中TP含量.此外,有机物指标CODMn相比之前也具有好转趋势,说明近年来黑河流域对有机污染的治理有一定的效果.

图5 水质指标的动态变化特征

黑河上中游水质污染情况在空间上表现上游上段支流区>上游下段干流区>中游.从各功能区所要求的水质保护目标来说,上游水体污染情势不容乐观.一方面是上段支流区内拥有废水和排污较高的企业,使得水质受有机污染比较严重,同时该区域强烈的放牧活动增加了河流营养盐的输入量;另一方面,下段筑坝区周围虽然本身污染源较少,但当水库蓄水后原有河流水力条件与物质传输之间的平衡状态遭到破坏.导致上游污染物被拦截于库区,造成有机物和营养盐的蓄积污染.一般认为河流越往下游,其累积作用和污染就会越严重,而黑河中游水质却能满足功能区目标值,可见大坝的拦截效应在一个特定范围内降低了下泄水体中污染物的本底值,某种程度上增强了河流的沿程净化能力.另外,近年来,区域内对造纸、有色金属加工等水污染重点行业积极治理,以及对面源污染、点源污染的控制措施,有效改善了水体中生物化学污染与营养盐污染负荷水平.有研究认为[39],水库通过物理沉降和生物质堆积的方式拦截污染物后,随着周围环境的变化,沉积物中营养盐化会活化释放和迁移,造成二次污染.本文也发现夏季水温分层环境下沉积物中硝化反硝化过程可能会产生NH4+-N.据此推测,库区污染物在常年累积作用下,其水质可能面临着二次污染的潜在风险.

黑河水质在时间上表现出枯水期污染最严重,平水期次之,丰水期较好的特征.不同季节水质变化主要受降水、温度、水力条件的影响而存在不同的差异[40-41].枯水期是黑河径流最小的季节,水库水量补给和换水频度减弱,水力停留时间增长,容易造成河流污染物的滞留,并且冬季微生物活动较弱,水体自净能力低下,最终导致该河段水质恶化,从而增加了整个区域的污染比重.与此相反的是,随着季节的变换,河道径流补给越来越充足,降雨和水库换水频率的增加对污染物产生了较强的稀释作用,同时水温升高,流域及河道内微生物作用增强,降低了水体污染物浓度[42],因此丰水期及平水期水体污染相对较轻.

4 结论

4.1 综合指数标识评价结果表明黑河上中游水质以Ⅱ类和Ⅲ类为主,并具有一定的时空分异性.时间上水体污染程度表现为枯水期>平水期>丰水期;空间上表现为上游支流区>上游干流区>中游.

4.2 NH3-N、BOD5和CODMn是该区域的典型污染物,其中A组污染源主要来自于有机物,其次是营养盐;B组水体主要受到机物和营养物的蓄积污染,自然因素的影响相对较弱;C组主要是生物化学污染,其次为非点源营养盐污染.

4.3 流域内水环境质量受人类活动影响较大.工业废水、农业径流、生活污水以及畜牧污染物的排放是水质变差的主要因素,大坝建设是水质变差的间接因素.另外,大坝的拦截效应虽然能改善下泄水质,但常年累积于库底的沉积物随环境变化有二次污染的潜在风险,如沉积物中营养盐的活化释放与迁移.

[1] 赵 洁,徐宗学,刘星才,等.辽河河流水体污染源解析[J]. 中国环境科学, 2013,33(5):838-842. Zhao J, Xu Z X, Liu X C, et al. Source apportionment in the Liao River Basin [J]. China Environmental Science, 2013,33(5):838-842.

[2] Shrestha S, Kazama F. Assessment of surface water quality using multivariate statistical techniques: A case study of the Fuji River Basin, Japan [J]. Environmental Modelling & Software, 2007,22(4):464-475.

[3] 任 岩,张 飞,王 娟,等.新疆艾比湖流域地表水丰水期和枯水期水质分异特征及污染源解析[J]. 湖泊科学, 2017,29(5):1143-1157. Ren Y, Zhang F, Wang J, et al. Spatio-temporal characteristics and source identification of surface water pollutants in Lake Ebinur Watershed, Xinjiang [J]. Journal of Lake Sciences, 2017,29(5):1143- 1157.

[4] 王 倩,吴亚东,丁庆玲,等.西太湖入湖河流水系污染时空分异特征及解析[J]. 中国环境科学, 2017,37(7):2699-2707. Wang Q, Wu Y D, Ding Q L, et al. Temporospatial variations and influential factors of water quality in the flowing river systems of western Taihu Lake Basin [J]. China Environmental Science, 2017, 37(7):2699-2707.

[5] Yue L, Hua Y X, Xiao Z L, et al. Spatial and temporal water quality characteristics of Poyang Lake Migratory Bird Sanctuary in China [J]. Chinese Journal of Geochemistry, 2015,34(1):38-46.

[6] Noori R, Sabahi M S, Karbassi A R, et al. Multivariate statistical analysis of surface water quality based on correlations and variations in the data set [J]. Desalination, 2010,260(1-3):129-136.

[7] Olsen R L, Chappell R W, Loftis J C. Water quality sample collection, data treatment and results presentation for principal components analysis – literature review and Illinois River watershed case study [J]. Water Research, 2012,46(9):0-3122.

[8] 孟 利,左 锐,王金生,等.基于PCA-APCS-MLR的地下水污染源定量解析研究[J]. 中国环境科学, 2017,37(10):3773-3786. Wang J S, Yang J, Teng Y G, et al. Quantitative source apportionment of groundwater pollution based on PCA-APCS-MLR [J]. China Environmental Science, 2017,37(10):3773-3786.

[9] 胡开明,李 冰,王 水,等.太湖流域(江苏省)水质污染空间特征[J]. 湖泊科学, 2014,26(2):200-206. Hu K M, Li B, Wang S, et al. Spatial distribution characteristics of water quality pollution in the Lake Taihu Basin, Jiangsu Province [J]. Journal of Lake Sciences, 2014,26(2):200-206.

[10] 李亚娇,郭雯婧,董 雯,等.陕西沣河水环境特征及污染构成解析[J]. 中国农村水利水电, 2014,(6):70-76. Li Y J, Guo W J, Dong W, et al. Water environment characteristics and pollution constitution for the Fenghe River in Shanxi Province [J]. China Rural Water and Hydropower, 2014,(6):70-76.

[11] 马小雪,王腊春,廖玲玲.温瑞塘河流域水体污染时空分异特征及污染源识别[J]. 环境科学, 2015,36(1):64-71. Ma X X, Wang L C, Miao L L. Patio-temporal characteristics and source identification of water pollutants in Wenruitang River Watershed [J]. Environment Science, 2015,36(1):64-71.

[12] Kowalkowski T, Zbytniewski R, Szpejna J et al. Application of chemometrics in river water classification [J]. Water Research, 2006, 40(4):744-752.

[13] Lam Q D, Schmalz B, Fohrer N. Assessing the spatial and temporal variations of water quality in lowland areas, Northern Germany [J]. Journal of Hydrology, 2012,438:137-147.

[14] Bu H, Tan X, Li S, et al. Temporal and spatial variations of water quality in the Jinshui River of the south Qinling Mts. China [J]. Ecotoxicology and Environmental Safety, 2010,73(5):907-913.

[15] Yang Y H, Zhou F, Guo H C, et al. Analysis of spatial and temporal water pollution patterns in Lake Dianchi using multivariate statistical methods [J]. Environmental Monitoring and Assessment, 2010,170(1- 4):407-416.

[16] 荆红卫,张志刚,郭 婧.北京北运河水系水质污染特征及污染来源分析[J]. 中国环境科学, 2013,33(2):319-327. Jing H W, Zhang Z G, Guo J. Water pollution characteristics and pollution sources of Bei Canal River system in Beijing [J]. China Environmental Science, 2013,33(2):319-327.

[17] 孙桂燕,刘 翔,李兰海.开都河水理化性质的空间分布特征[J]. 干旱区研究, 2017,34(2):259-265. Sun G Y, Liu X, Li L H. Spatial distributions of water physicochemical properties in the Kaidu River [J]. Arid Zone Research, 2017,34(2): 259-265.

[18] 王 昱,卢世国,刘娟娟,等.春季枯水期黑河水体理化性质的空间分布特征[J]. 生态与农村环境学报, 2019,(4):433-441. Wang Y, Lu S G, Liu J J, et al. Spatial distribution characteristics of the physical and chemical properties of water in the Heihe River during low water periods in spring [J]. Journal of Ecology and Rural Environment, 2019,(4):433-441.

[19] 刘 浏,刘丽丽,索 滢.近53a黑河流域水文气象要素时空演变特征[J]. 干旱区研究, 2017,34(3):465-478. Liu L, Liu L L, Suo Y. Spatiotemporal evolution of hydro- meteorological variables in the Heihe River Basin in Recent 53years [J]. Arid Zone Research, 2017,34(3):465-478.

[20] 杨永宇,尹 亮,刘 畅,等.基于灰关联和BP神经网络法评价黑河流域水质[J]. 人民黄河, 2017,39(6):58-62. Yang Y Y, Yin L, Liu C, et al. Water quality assessment of Heihe River Basin based on grey correlation method and BP neural network [J]. Yellow River, 2017,39(6):58-62.

[21] 李 慧,周轶成.基于模糊物元模型的黑河流域水质评价 [J]. 人民黄河, 2015,37(10):78-80+85. Li H, Zhou Y C. Distribution and pollution assessment of heavy metals in sediments from upper reaches of Heihe River [J]. Yellow River, 2015,37(10):78-80+85.

[22] Feng Q, Liu W, Su Y H, et al. Dust storms in China: a case study of dust storm variation and dust characteristics [J]. Bulletin of Engineering Geology and the Environment, 2002,61(3):253-261.

[23] 国家环境保护总局.水和废水监测分析方法[M]. 4版.北京:中国环境科学出版社, 2002. State Environment Protection Bureau of China. Water and waste water monitoring and analysis method [M]. 4th Ed. Beijing:China Environmental Science Press, 2002.

[24] Zhang Y, Guo F, Meng W, et al. Water quality assessment and source identification of Daliao River Basin using multivariate statistical methods [J]. Environmental Monitoring and Assessment, 2009,152(1- 4):105-121.

[25] Davis J C. Statistics date analysis in geology. New York: Wiley, 1973:1-656.

[26] 徐祖信.我国河流综合水质标识指数评价方法研究[J]. 同济大学学报:自然科学版, 2005,33(4):482-488.Xu Z X. Comprehensive water quality identification index for environmental quality assessment of surface water [J]. Journal of Tongji University (Nature Science), 2005,33(4):482-488.

[27] Haji G M, Melesse A M, Reddi L. Water quality assessment and apportionment of pollution sources using APCS-MLR and PMF receptor modeling techniques in three major rivers of South Florida [J]. Science of the Total Environment, 2016,566-567:1552-1567.

[28] 刘赛艳,解阳阳,黄 强,等.流域水文年及丰枯水期划分方法[J]. 水文, 2017,(5):51-55.Liu S Y, Xie Y Y, Huang Q, et al. Method of partitioning water year, wet season and dry season of River Basin [J]. Journal of China Hydrology, 2017,(5):51-55.

[29] GB3838-2002 地表水环境质量标准[S]. GB3838-2002 Environmental quality standards for surface water [S].

[30] 贺冉冉,罗潋葱,朱广伟,等.天目湖溶解氧变化特征及对内源氮释放的影响[J]. 生态与农村环境学报, 2010,26(4):344-349.HE R R, Luo L C, Zhu G W, et al. Variation of dissolved oxygen and its influence on release of endogenous nitrogen in Tianmuhu reservoir in Liyang, China [J]. Journal of Ecology and Rural Environment, 2019, (4):433-441.

[31] Campo J, Sancholuz L. Biogeochemical impacts of submerging forests through large dams in the Río Negro, Uruguay [J]. Journal of Environmental Management, 1998,54(1):59-66.

[32] 周 涛,程天雨,虞宁晓,等.乌江中上游梯级水库氮磷滞留效应[J]. 生态学杂志, 2018,37(3):707-713. Zhou T, Cheng T Y, Yu N X, et al. Nitrogen and phosphorus retention in cascade reservoirs along the upper reaches of Wujiang River [J]. Chinese Journal of Ecology, 2018,37(3):707-713.

[33] 刘丛强,汪福顺,王雨春,等.河流筑坝拦截的水环境响应——来自地球化学的视角[J]. 长江流域资源与环境, 2009,18(4):384-396. Liu C Q, Wang F S, Wang Y C, et al. Responses of aquatic environment to river demming —— from the geochemical view [J]. Resources and Environment in the Yangtze Basin, 2009,18(4):384- 396.

[34] 杨丽标,雷 坤,乔 飞,等.铁岭市河流氮素时空分布及源解析[J]. 环境科学, 2018,39(2):711-719. Yang L B, Lei K, Qiao F, et al. Spatio-temporal distribution and source apportionment of nitrogen in Rivers of Tieling [J]. Environment Science, 2018,39(2):711-719.

[35] 方晓波,骆林平,李 松,等.钱塘江兰溪段地表水质季节变化特征及源解析[J]. 环境科学学报, 2013,33(7):1980-1988.Fang X B, Luo L P, Li S, et al. Seasonal variations and source identification of surface water quality in Lanxi segment of Qiantang River [J]. Acta Scientiae Circumstantiae, 2013,33(7):1980-1988.

[36] 徐华山,赵同谦,孟红旗,等.河岸带地下水理化指标变化及与洪水的响应关系研究[J]. 环境科学, 2011,32(3):632-640.Xu H S, Zhao T Q, Meng H Q, et al. Relationship between groundwater quality index of physics and chemistry in riparian zone and water quality in river [J]. Environment Science, 2011,32(3): 632-640.

[37] 李文赞,李叙勇,王慧亮,等.滏阳河主要水环境污染物空间分布特性研究[J]. 环境科学学报, 2012,32(11):2814-2819.Li W Z, Li X Y, Wang H L, et al. Spatial distribution of the main contaminations in aquatic environment in Fuyang River [J]. Acta Scientiae Circumstantiae, 2012,32(11):2814-2819.

[38] 王 雪,余 辉,燕姝雯,等.太湖流域上游河流污染空间分布特征研究[J]. 长江流域资源与环境, 2012,21(3):341-348. Wang X, Yu H, Yan S W, et al. Spatial distribution characteristics of up-stream river pollution in Lake Taihu Basin [J]. Resources and Environment in the Yangtze Basin, 2012,21(3):341-348.

[39] 牛宇琛,孔 进,王 薇,等.库坝和土地利用状况对河流水质的影响[J]. 南京林业大学学报(自然科学版), 2018,42(5):107-112. Niu Y C, Kong J, Wang W, et al. Effects of dams and landscape on river water quality: A case study in Suo River [J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2018,42(5):107-112.

[40] Vega M, Pardo R, Barrado E, et al. Assessment of seasonal and polluting effects on the quality of river water by exploratory data analysis [J]. Water Research, 1998,32(12):0-3592.

[41] Ouyang Y, Nkedi-Kizza P, Wu Q T, et al. Assessment of seasonal variations in surface water quality [J]. Water Research, 2006,40(20): 0-3810.

[42] 张 涛,陈求稳,易齐涛,等.太湖流域上游平原河网区水质空间差异与季节变化特征[J]. 湖泊科学, 2017,29(6):1300-1311. Zhang T, Chen Q W, Yi Q T, et al.Spatial and seasonal variations of water quality in the upstream plain river networks of the Taihu Basin [J]. Journal of Lake Sciences, 2017,29(6):1300-1311.

Spatio-temporal characteristics and source identification of water pollutants in the upper and middle reachers of Heihe River.

WANG Yu1,2*, LU Shi-guo1, FENG Qi2, LIU Xian-de3, LIU Juan-juan1, ZHAO Wei-jun3, KONG De-xing1, ZUO Yi-feng1

(1.School of Energy and Power Engineering, Lanzhou University of Technology, Lanzhou 730050, China；2.Key Laboratory of Ecohydrology of Inland River Basin, Chinese Academy of Sciences, Lanzhou 730000, China；3.Academy of Water Resources Conservation Forests in Qilian Mountains of Gansu Province, Zhangye 734000, China)., 2019,39(10)：4194~4204

Thirty-three water sampling sites in Heihe River of the upper and middle reachers were set to characterize its water quality with spatiotemporal distribution. Water sampling trips were conducted in May (wet period), August (flow period), December (dry period) of 2017. Spatial and seasonal variations of water quality were analyzed by using the multivariate statistical methods and water quality were assessed by employing the comprehensive water quality identification index. The results indicated that the main types of water quality in the region were Class II and Class III, it also had a certain space-time differentiation. In temporal terms, the order of pollution was dry period > wet period > flow period; the spatial pollution situation was the upper tributary > the lower main stream > the middle reaches. According to landscape difference, the sampling sites were divided into 4groups: grazing and industrial area (Group A), reservoir area (Group B), agriculture and urban area (Group C). The results of factor analysis and APCS-MLR show that NH3-N, BOD5 and CODMn were typical pollutants in this region, and the pollution sources of group A were mainly from organic matter, followed by nutrients; the water quality of group B was mainly polluted by the accumulation of organic matter and nutrients, while the influence of natural factors were relatively weak; group C was mainly polluted by biochemistry, followed by non-point source nutrients pollution. The results show that human activities were still the main factors affecting the deterioration of water quality. Although the interception effect of dams could improve the quality of discharge water, the pollutants accumulated in the reservoir area all the year round have the potential risk of secondary pollution with the change of environment, such as the activation and release of nutrients in sediments.

water quality index；multivariate statistical methods；spatial-temporal disparity；source identification；Heihe River

X522

A

1000-6923(2019)10-4194-11

王 昱(1979-),男,甘肃永昌人,副教授,博士,主要从事生态水文及水力学方面的研究.发表论文10余篇.

2019-03-18

国家自然科学基金资助项目(51669011);甘肃省自然科学基金重大项目(18JR4RA002);兰州理工大学红柳扶持学科项目

* 责任作者, 副教授, wangyu-mike@163.com