廖 寧,李 洪,李 嘉,張陵蕾,陳 旻,黃文典
(1.四川大學水力學與山區(qū)河流開發(fā)保護國家重點實驗室,成都 610065;2.四川省紫坪鋪開發(fā)有限責任公司,成都 610065)
富營養(yǎng)化評價是通過與水體營養(yǎng)狀態(tài)相關(guān)的一系列指標及其相互關(guān)系,對水體營養(yǎng)狀態(tài)做出準確的判斷[1]。湖庫生態(tài)系統(tǒng)千差萬別,進行某一階段的湖庫富營養(yǎng)化評價時,根據(jù)水體實際情況選取適當?shù)囊蜃觼矶勘硎?,對于提升評價的準確性是十分必要的[2]。隨著西部大開發(fā)及相關(guān)政策的實施,中國西南山區(qū)新建眾多河道型水庫,此區(qū)域受地理位置、運行年限短等限制,水庫往往具有營養(yǎng)鹽水平不高且波動大等早期湖庫的特點[3]。近年來卻頻繁出現(xiàn)此區(qū)域河道型水庫大規(guī)模發(fā)生水華且優(yōu)勢藻種存在演替的報道[4],與常見的藍綠藻水華穩(wěn)定水體相比,營養(yǎng)因子對河道型湖庫中藻類演替的驅(qū)動作用并不相同[5],進行富營養(yǎng)化評價時選取的描述因子應(yīng)當也是不同的。
目前,國內(nèi)常用的綜合營養(yǎng)狀態(tài)法使用固定因子、固定權(quán)重進行計算,雖操作簡單,但卻無法依照特異水體進行調(diào)整[6]。近年來有學者將集對分析法和BP神經(jīng)網(wǎng)絡(luò)法等引入評價中,但步驟繁雜不便于推廣使用:集對分析法雖考慮了系統(tǒng)特征,但需分別構(gòu)造各評價指標的聯(lián)系度表達式[7];BP神經(jīng)網(wǎng)絡(luò)法需大量的數(shù)據(jù)先進行網(wǎng)絡(luò)訓練[8]。主成分分析法是一種數(shù)學統(tǒng)計方法,方法依照變量特性將多個因子篩選后轉(zhuǎn)化為幾個主成分,利用主成分特征值率確定評分模型[9]。隨著統(tǒng)計軟件的發(fā)展,使得此方法簡單易行且可判別營養(yǎng)狀態(tài)變化的主要驅(qū)動因子。近年來,主成分分析在富營養(yǎng)化評價中已有很多應(yīng)用并取得良好的效果,如:褚帆[10]等基于主成分分析得出天津近岸海域富營養(yǎng)化的主要驅(qū)動因子為總氮;Primpas[11]在評價綠藻水體時發(fā)現(xiàn),采用懸浮物、化學需氧量、溶解氧及氨氮這四個參數(shù)進行評價的效果較好。本研究以紫坪鋪水庫2015-2017年的水質(zhì)跟蹤監(jiān)測結(jié)果為基礎(chǔ),運用主成分分析法對水庫的富營養(yǎng)化評價進行討論。同時,以營養(yǎng)狀態(tài)變化的直接指示性生物——藻類作為驗證,探究更為適合河道型水庫且可靠的評價方法及水庫營養(yǎng)狀態(tài)變化的規(guī)律、主控因子,以期為保障水庫富營養(yǎng)化控制和管理提供有力的基礎(chǔ)支撐。
紫坪鋪水庫位于四川省成都市西北部岷江上游,是一座典型的早期山區(qū)河道型水庫。水庫于2006年12月竣工,建成僅5年后便多次發(fā)生局部甲藻水華且優(yōu)勢藻種存在演替趨勢[4]。本研究在水庫中設(shè)置了7個地表水監(jiān)測斷面,分布情況見圖1。
圖1 監(jiān)測斷面分布圖Fig.1 Monitoring section distribution map
于2015年8月-2018年1月連續(xù)30個月進行實地采樣監(jiān)測,研究中采用2015年11月-2017年10月連續(xù)24個月的指標開展特性分析研究,利用其余6個月的指標數(shù)據(jù)進行校驗分析。
檢測指標共10項,其中7項為環(huán)境因子,3項為藻類相關(guān)因子。采用AMI溶解氧分析儀和塞氏盤現(xiàn)場測定水體溶解氧(DO)和透明度(SD),另取5.0 L表層水樣保存,當天帶回實驗室測定總氮(TN)、總磷(TP)、高錳酸鹽指數(shù)(CODMn)、氨氮(NH3-N)、五日生化需氧量(BOD5)、葉綠素(Chla)和藻密度指標。水質(zhì)指標的測定依照《地表水環(huán)境質(zhì)量標準》(GB3838-2002)中規(guī)定使用的方法進行,藻密度及藻類種屬采用顯微鏡法[12]進行測定。
主成分分析通過SPSS軟件運算,可客觀確定影響富營養(yǎng)化的主控因子和權(quán)重,避免主觀隨意性[9]。本研究中根據(jù)水庫水質(zhì)因子與藻類相關(guān)性分析后排序,建立原始環(huán)境變量矩陣,通過KMO和Bartlett檢驗后,依據(jù)特征值的根是否大于1的原則提取主成分,再分別提取出主成分中的主控因子,最后計算出營養(yǎng)狀態(tài)得分,具體的主成分分析步驟如圖2所示。
多樣性指數(shù)是用于表示生物種類和數(shù)量之間關(guān)系的一種指數(shù),可更加客觀地表示藻類群落結(jié)構(gòu)變化。為便于校驗主成分分析結(jié)果的可行性和可靠性,研究中引入藻類的香農(nóng)-威納指數(shù)[13]和皮婁指數(shù)[14]進行驗證,兩種指數(shù)計算公式為:
圖2 主成分分析步驟及評價討論思路Fig.2 Principal component analysis and evaluation analysis
(1)
J=H′(S)/log2(S)
(2)
式中:H′為香農(nóng)-威納指數(shù);Pi為第i種藻類個體的比例;S為藻種數(shù);J為皮婁指數(shù)。
為對比主成分分析法與國內(nèi)常規(guī)評價方法的差異性,研究中采用應(yīng)用最為廣泛的中國環(huán)境監(jiān)測總站推薦方法[1],即綜合營養(yǎng)狀態(tài)法進行計算對比,計算參數(shù)為TN、TP、CODMn、Chla和SD因子,公式為:
(3)
式中:TLI(∑)為綜合營養(yǎng)狀態(tài);Wj為第j種參數(shù)的相關(guān)權(quán)重;TLI(j)為第j種參數(shù)的營養(yǎng)狀態(tài)。 值0~30為貧營養(yǎng),30~50為中營養(yǎng),>50為富營養(yǎng)。
采用Origin 8.0和SPSS 22.0軟件進行統(tǒng)計分析。樣品分析均設(shè)置3個平行樣,分析數(shù)據(jù)誤差為均值±5%。主成分分析中采用KMO和Bartlett檢驗原始變量矩陣,當KMO>0.5且Bartlett<0.05時,認為變量適合進行因子分析。
使用SPSS 22.0軟件進行皮爾遜相關(guān)性分析,P<0.05表示顯著性相關(guān),P<0.01表示極顯著相關(guān)。多元線性回歸分析中,Sig.>0.05表示方程擾動大。
紫坪鋪水庫2015年11月-2017年10月的藻類跟蹤監(jiān)測成果如圖3。水體中藻密度值的變化范圍為0.35×106個/L~3.12×106個/L,且兩年均在5-6月達到峰值,2016年峰值期有甲藻、綠藻和硅藻,2017年峰值期有綠藻和硅藻,綠藻優(yōu)勢度達83%。圖3可見,紫坪鋪水庫的優(yōu)勢藻種存在明顯的演替規(guī)律:綠藻、甲藻、隱藻、硅藻、裸藻和藍藻的優(yōu)勢度在2016年依次為0.45、0.21、0.17、0.13、0.04和0,在2017年則依次為0.70、0.06、0.07、0.16、0和0.01。計算藻類香農(nóng)-威納指數(shù)和皮婁指數(shù)的結(jié)果表明,香農(nóng)-威納指數(shù)變化范圍為0.46~1.11,2016年和2017年均值分別為0.91、0.87;皮婁指數(shù)變化范圍為0.15~0.28,2016年和2017年均值分別為0.24、0.20。綜上判斷,紫坪鋪水庫藻類種群呈現(xiàn)甲藻正向綠藻演替的態(tài)勢。根據(jù)以往國內(nèi)外相關(guān)研究,甲藻、隱藻常見生活在貧、中營養(yǎng)水體中,綠藻、硅藻常見生活在中-富營養(yǎng)淺水水體中[15]。通過紫坪鋪水庫藻類的變化,可推測水體營養(yǎng)狀態(tài)可能正發(fā)生改變。
圖3 紫坪鋪水庫藻種群基本情況Fig.3 Basic situation of algae population in Zipingpu Reservoir
為分析紫坪鋪水庫水體營養(yǎng)狀態(tài)變化與水質(zhì)因子的關(guān)系,對水庫2015年11月-2017年10月的主要水質(zhì)因子進行了分析。由圖4可知,Chla與藻密度的變化規(guī)律基本一致,均在5-6月達到峰值,均值為2.56 mg/m3;TP作為藻類生長的限制元素[16],均值為0.06 mg/L,2016年和2017年的均值分別為0.05和0.07 mg/L,年際間呈現(xiàn)的上升趨勢與藻類演替規(guī)律保持一致;DO、CODMn、BOD5、NH3-N和SD的均值分別為8.16、1.25、0.93、0.18 mg/L和73 cm,可見紫坪鋪水庫的營養(yǎng)鹽水平并不高,但均呈現(xiàn)年際上升趨勢。綜合藻類演替規(guī)律,紫坪鋪水庫的水體營養(yǎng)狀態(tài)可能具有向富營養(yǎng)轉(zhuǎn)變的趨勢。
分析藻類變化與水質(zhì)因子的相關(guān)關(guān)系(見表1),藻密度、Chla與DO均呈顯著性正相關(guān)(P=0.497、P=0.441,P<0.05)。藻類變化是由多因素共同影響導致的,水質(zhì)因子與藻密度的相關(guān)程度排序依次為:DO>CODMn>NH3-N>SD>TP>TN>BOD5,可見除綜合營養(yǎng)狀態(tài)法的因子外,DO和NH3-N等因子對藻類變化的作用也不容忽視。
綜合水質(zhì)因子與藻類變化的相關(guān)性分析,首先嘗試將DO、CODMn、NH3-N、SD、TP、TN和BOD5這7項因子全部納入建立原始變量矩陣,對矩陣進行KMO和Bartlett值檢驗結(jié)果表明,7項因子的Bartlett和KMO值分別為0.004、0.631,說明此7項數(shù)據(jù)便適合用于主成分分析。對7項原始變量進行相關(guān)性分析,相關(guān)系數(shù)見表2。
圖4 水質(zhì)因子時空變化Fig.4 Variation of water quality factors
藻密度ChlaSDTNTPCODMnBOD5DONH3-N藻密度1.0000.719??-0.239-0.0510.210-0.292-0.0370.497?-0.273Chla0.719??1.000-0.521?-0.250-0.216-0.1060.0220.441?-0.228
注:*為P<0.05;**為P<0.01,下同。
表2 相關(guān)性系數(shù)矩陣Tab.2 Correlation coefficient matrix
對表2中標準化的指標進行特征值分析,根據(jù)特征值的大小提取主成分,特征值分析見表3。根據(jù)主成分選取原則,特征值大于1的根對應(yīng)第1、第2主成分,其方差貢獻率分別為48.57%和22.7%,累積方差貢獻率為71.57%,說明這兩個主成分能夠解釋大部分指標信息。主成分確定后,需識別各主成分中的主要污染物,結(jié)果見表4。從表4可知主成分1主要反映DO、NH3-H、TP和TN這4項指標的信息,主成分2主要反映SD和CODMn這2個指標的信息??梢姡掀轰佀畮熘袪I養(yǎng)狀態(tài)變化的主要驅(qū)動因子為DO、NH3-H、TP和TN,驅(qū)動程度規(guī)律與表1中的相關(guān)性規(guī)律保持一致。
運用SPSS軟件通過初始因子矩陣除以其對應(yīng)主成分特征值的平方根,可得到其對應(yīng)的系數(shù)矩陣如表5。將矩陣中的系數(shù)與標準化后的監(jiān)測數(shù)據(jù)對應(yīng)相乘再相加,得到主成分表達式F1、F2值及綜合評價表達式F。通過主成分和綜合評價表達式得到各月的綜合分數(shù),如圖5所示。
表3 紫坪鋪營養(yǎng)狀態(tài)主成分特征值Tab.3 Principal component eigenvalues of Zipingpu nutrition status
表4 主成分系統(tǒng)矩陣Tab.4 Principal component system matrix
表5 特征值對應(yīng)的系數(shù)矩陣Tab.5 Coefficient matrix corresponding to eigenvalues
圖5 主成分分析法、綜合營養(yǎng)狀態(tài)法評價營養(yǎng)狀態(tài)得分情況Fig.5 Principal component analysis and comprehensive nutrition status method to evaluate nutrition status score
為便于對比主成分分析法的差異性,常規(guī)的綜合營養(yǎng)狀態(tài)法計算結(jié)果如圖5所示。用于特性分析的24個月中,兩種評價方法的得分變化規(guī)律在大部分月份相同。綜合營養(yǎng)狀態(tài)法評價得分范圍為29.13~50.72,得分最高月份為2017年2月,綜合營養(yǎng)狀態(tài)得分為50.73,根據(jù)《地表水環(huán)境質(zhì)量評價辦法(試行)》營養(yǎng)程度判定等級為輕度富營養(yǎng)狀態(tài),當月的Chla濃度為2.2 mg/m3、CODMn濃度為3.2 mg/L、BOD5濃度為0.11 mg/L,藻密度為1.03×106個/L,優(yōu)勢藻種為綠藻,并未表現(xiàn)出富營養(yǎng)狀態(tài);兩種方法的差異性最大表現(xiàn)在2015年12月,然而對比單因子濃度發(fā)現(xiàn),水體中Chla濃度為2.8 mg/m3、CODMn濃度為1.6 mg/L、BOD5濃度為0.9 mg/L,藻密度為0.78×106個/L、優(yōu)勢藻種為硅藻,同樣未表現(xiàn)出富營養(yǎng)狀態(tài)。結(jié)合2015年12月和2017年2月綜上討論分析,主成分分析法與綜合營養(yǎng)狀態(tài)法相比可靠性會更高。
藻類是水體營養(yǎng)狀態(tài)的有效指示生物,通常來說藻密度是富營養(yǎng)化的直接反映[18],本研究中使用藻類參數(shù)檢驗主成分分析法的可靠性,兩種評價方法得分與藻類特征參數(shù)(藻密度、香農(nóng)-威納指數(shù)、皮婁指數(shù))的相關(guān)性系數(shù)見表6,綜合營養(yǎng)狀態(tài)法的結(jié)果與藻密度呈正相關(guān)未表現(xiàn)顯著性(P=0.240),主成分分析法的結(jié)果與藻密度呈顯著正相關(guān)(P=0.578,P<0.05);綜合營養(yǎng)狀態(tài)法、主成分分析法與藻類皮婁指數(shù)的相關(guān)系數(shù)分別為0.028、0.307,可見主成分分析法結(jié)果與藻類的變化情況也更加吻合。
表6 2種方法評價結(jié)果與藻類參數(shù)相關(guān)關(guān)系Tab.6 Correlation between evaluation results of two methods and algae parameters
兩種評價方法在準確性上的差異可能是與選用的計算因子有關(guān)。有研究表明,自然水體中不同生境組合對藻類的影響也不同[18],而主成分分析法是將因子歸一后再篩選進行評價,即因地制宜確定影響的主成分,主成分中的主控因子與綜合營養(yǎng)狀態(tài)法中的5項因子相比更加準確地反映了紫坪鋪水庫藻類的實際情況。本研究中主成分分析法確定的主控因子有DO、NH3-H、TP和TN等指標,以往研究便發(fā)現(xiàn)DO與藻種群相關(guān)性高于TN、TP等因子與藻種群的相關(guān)性[19],因此主成分分析法可更準確地反映紫坪鋪水庫藻類的實際情況。
由表6可知,主成分分析法結(jié)果與藻密度呈顯著正相關(guān),當藻密度獲取存在困難時,可嘗試用主成分因子通過多元線性回歸分析嘗試確定藻密度值,回歸方程見表7。研究中通過常規(guī)的Chla進行回歸分析發(fā)現(xiàn),方程不具有顯著相關(guān)性(R2=0.384),主成分分析法、綜合營養(yǎng)狀態(tài)法進行回歸分析均有顯著相關(guān)性(R2=0.629,R2=0.772),但綜合營養(yǎng)狀態(tài)法的回歸方程擾動大(Sig.=0.073),可見運用主成分分析與藻密度進行線性回歸有一定的可行性和可靠性。將回歸方程與特性研究之外的6個月份藻密度實測值進行誤差驗證發(fā)現(xiàn),方程預測值與藻密度實測值誤差均可控制在45%內(nèi),例如2015年10月、2018年1月的方程預測值與實測值誤差分別為16.7%、29.9%。
表7 藻密度與主成分因素的回歸方程Tab.7 Regression equation of algae density and principal component factors
注:藻密度~Z;Chla~Z1;TN~Z2;TP~Z3;SD~Z4;CODMn~Z5;DO~Z6;NH3-N~Z7;TLI~Z8;主成分分析得分~Z9。
(1)通過連續(xù)24個月的監(jiān)測及特性研究發(fā)現(xiàn),紫坪鋪水庫中藻類存在明顯的演替趨勢,甲藻優(yōu)勢度年際間降低14%,綠藻優(yōu)勢度年際間升高26%;綜合相關(guān)性分析及主成分分析后發(fā)現(xiàn),水庫藻類及營養(yǎng)變化主控因子為DO、NH3-H、TP和TN。
(2)基于主成分分析建立了紫坪鋪水庫營養(yǎng)評價方法,與常規(guī)的綜合營養(yǎng)狀態(tài)法相比可靠性更高,與藻密度的相關(guān)性由0.240提升至0.578(P<0.05),與皮婁指數(shù)的相關(guān)性由0.028提升至0.307,可見采用主成分分析法進行紫坪鋪水庫營養(yǎng)狀態(tài)評價更為客觀、可靠。
(3)基于主控因子構(gòu)建了紫坪鋪水庫藻密度快速估算方程,相關(guān)性系數(shù)達0.772(P<0.05),檢驗系數(shù)為0.031;經(jīng)實測值驗證后發(fā)現(xiàn),誤差可控制在45%以內(nèi),可在數(shù)據(jù)缺測、缺乏專業(yè)檢測人員、臨時急迫的需求或預測等特殊情況提供快速估算方法,為紫坪鋪水庫水體研究提供基礎(chǔ)數(shù)據(jù)和理論依據(jù)。