富营养化评价中数据分析的研究进展

徐伟伟

（河北省唐山水文水资源勘测局，河北 唐山 063000）

富营养化评价中数据分析的研究进展

徐伟伟

（河北省唐山水文水资源勘测局，河北 唐山 063000）

数据处理方法是富营养化评价的关键因素。简要阐述富营养化的定义，比较详细地评述富营养化评价过程中数据处理方法的研究现状及国内外常用的几种富营养化评价方法。重点介绍几种定量评价水质富营养化的方法：综合指数法、统计分析方法（主成分、聚类和判别分析），以及遥感技术、多标准评价分析、模型分析等。指出富营养评价技术的发展将为水质管理提供可靠的依据，并对富营养化评价技术的研究做出了展望。

富营养化；数据分析；综合指数法；统计分析方法；遥感技术

0 引言

据联合国环境规划署（UNEP）的一项调查表明，在全球范围内 30%～40% 的湖泊和水库遭受了不同程度富营养化的影响。对美国和欧洲的调查显示，美国 78% 的和欧洲大西洋沿岸 65% 的近海水域出现了富营养化症状[1]。目前我国 66% 以上的湖泊和水库处于富营养化状态，其中重和超富营养的占22%，而富营养化所导致的蓝藻水华频发使得湖泊和水库的水质、底质条件恶化，水体生态系统和功能受到阻碍和破坏，因此富营养化是我国现阶段亟待解决的重大水环境问题[2]，迫切需要一个科学、准确的方法对富营养化程度做出客观评价，这无论是对进一步揭示水环境污染的程度，还是对政府部门的行政管理都十分必要。

1 富营养化及其评价中参数的选择

1919 年，瑞典化学家 Hutchinson 将富营养化的概念扩展到湖泊、溪流等淡水体系，并根据氮和磷的浓度将水体分为贫、中度和富营养的不同类型[3]。后来，富营养化被赋予广义的定义，即在富营养化评价中还包括除氮磷以外的其他营养物质。相对于淡水湖泊，人们对海洋富营养化的认识较晚，根据人们对海洋环境中的富营养化的理解，Steele 提出“营养盐的快速积累导致藻类的快速生长”这一定义[4]。其中最具代表性的是 Nixon 提出的最为简短的定义：富营养化是指水域中有机质的积累速度增加[5]。

溶解氧、浊度、硝酸盐、亚硝酸盐、铵盐、叶绿素 a、生物需氧量、化学需氧量、总氮和总磷等是水体富营养化评价的主要参数。当今定量评价富营养化的研究趋势是增加参数的数目。尽管一些物理，化学和生物参数有助于对富营养化的理解，但是它们是否在评价过程中起显著性作用还令人质疑。考虑到富营养化的定义与营养盐和生物量有紧密的关系，富营养化评价中参数选择是有范围的：常见的无机氮（硝酸盐、亚硝酸盐、铵盐），无机磷（磷酸盐），有机物（叶绿素 a，浮游植物细胞数目和大型植物生物量）这些参数已足够对富营养化进行评价。用这些变量评价富营养化的优点是：测量费用低，大量的数据库，色素的测定能与卫星监测技术结合起来。目前常用的评价方法大多是用这些参数进行评价。但是在处理这些数据时也有很多缺点：1）描述富营养化的主要参数之间有高度相关性。这就意味着用来评价富营养化的这些参数不能仅仅简单的叠加，而是在富营养化评价时要去除它们之间的相关性[6]。2）这些变量有时不服从正态分布，Heyman 在研究瑞典的 25 个中度和高度富营养化湖中的 950 个样品时发现，叶绿素 a 不经转化就已经服从正态分布[7]，而只有对营养盐参数做对数转化以后才服从正态分布。

2 单因子评价方法和综合指数评价方法

以淡水湖泊富营养化评价方法为基础的单因子评价方法 TSI（trophic state index），是基于浮游植物的增殖反映水体富营养化程度的，该方法仅仅适用于生态环境和水文条件相似的大多数淡水湖泊体系。由于不同湖泊之间的生态环境没有太大的差异，因此用该方法对不同湖泊间的富营养化评价具有可比性。Carlson（1977 年）提出的 TSI 法主要以透明度、叶绿素 a 浓度和总磷浓度（TP ）为指标。由于该方法简单易行，目前经常作为我国湖泊水库的富营养化状态的评价方法，胡春华用 TSI 方法对边缘区湖泊蚌湖的富营养化状态进行了评价[8]。

1998 年 Vollenweider 等针对单因子评价方法只能适用于淡水湖泊体系这一问题，对 TSI 方法进行了改进并提出了对近海富营养化的综合评价方法TRIX（Trophic status index）[9]。该指数是叶绿素 a，溶解无机氮，总磷和溶解氧的饱和度的绝对偏差的线性结合，显然同时包含了压力、状态和响应的基本参数。TRIX 法已在欧洲和南美洲等地的近海富营养化评价中得到了广泛的应用，Moncheva 等人分别利用该方法对黑海、里海及墨西哥尤卡丹半岛水域的近海水域的富营养化状态进行了评价，都得到了很好的结果[10-12]。但是，TRIX 指数取决于每个评价参数的界限值，这些参数在不同区域有不同的界限值，因此没有统一的参考状态，所以也不能用于不同水体之间的富营养化的状态比较。TRIX 指数法在国内还很少应用。

综上所述，无论是综合指数法还是单因子评价方法，都仅限于各综合因子数值的简单叠加。各参数之间难免会有一定的相关性，这些复杂的相关性将会导致错误的状态判别。因此不能仅仅局限于各综合因子的单纯叠加，更需要根据不同水域的特点，用统计学和软件技术相结合的方法去除这些相关性，从而准确而有效地评价水域的富营养化。

3 统计分析方法

在富营养化评价中常见的一元统计分析方法有描述性统计学、频数分布分析、异常值去除、方差分析和回归分析。这些一元统计分析方法仅仅局限于数据的前处理及用于评价参数之间的关系，或者用于模型的建立。因而一元统计分析方法并不能给予定量的分类，并且一元统计分析方法往往具有片面性，目前应用较多的是多元统计分析方法。

用多元统计技术评价富营养化主要基于营养盐的浓度、浮游植物和大型植物的生物量、水的透明度和影响生物量的温度等这些参数。一般情况下，在进行多元统计分析之前，首先进行数据预处理判断这些数据是否能直接用于多元统计分析。例如异常值去除、正态分布检验和参数之间的相关性分析。目前国内外主要用统计学分析方法对富营养化水平分类、预测富营养化的变化趋势。多元统计分析的结果可以直接用于富营养化评价，也可以用于更为复杂的评价方法，如：多标准选择技术（multiple criteria choice techniques），依据地理信息系统 GIS 采集数据的空间方法（spatial methods）。多元统计分析方法已广泛用于湖泊、水库及海岸的管理，水质的评价及环境的保护，同时也为环境保护法做出了突出的贡献。

3.1 主成分分析

主成分分析是由原始变量线性组合形成新变量的多元统计分析方法，不具有相关性的新变量之间代表了原始变量的大部分信息，并能对巨大矩阵降维。Vega[13]用主成分分析评价了河流的水质并定量地分析了人类活动的影响，在分析水质中用到了营养盐、溶解氧、生物需氧量及化学需氧量，但是这仅仅是对水质评价而没有体现富营养化的等级分类。为了弥补这一缺点，Primpas[14]用主成分分析法形成了定量评价富营养化的多元综合指数 E.I.：

式中：C 代表营养盐和叶绿素 a 的浓度。根据 E.I.定义富营养化水平：E.I.＜ 0.04 非常好，0.04 ＜ E.I.＜0.38 好，0.38 ＜ E.I.＜ 0.85 中等，0.85 ＜ E.I.＜ 1.51差，E.I.＞ 1.51 很差。林徐达运用主成份分析的方法，对饮用水的特征性指标进行分类分析[15]。尽管主成分分析有许多优点，如简单易行、结果直观易于理解，仅用几个与富营养化有关的变量进行富营养化评价，但这种方法只用于富营养化的预处理方法。要对水域富营养化定量评价需要把主成份分析法与其它统计方法结合起来。

3.2 聚类分析

聚类分析是一种无管理模式识别技术，根据事物本身特性来研究个体分类的统计方法，是按照物以类聚的原则研究事物的分类。目前主要以时间和空间变量为聚类分析中的分类依据[16]。该方法为非参数分类，分类原理易于理解，但是也有一些缺点，在聚类分析时不能进行显著性检验，并且不同的聚类方法会产生不同的分类结果，因此使该方法在使用时受到了限制。

3.3 判别分析

判别分析在水体富营养化水平分类的基本思想是：根据一些生物、物理及化学参数拟合一个最优的线性判别模型用于对不同区域的富营养化的分类。

判别函数的一般形式是：

式中：i 为所分类别的数目；ki是每类函数中的常数；n 为参数的个数；wj为各变量的判别系数，反映了研究变量 pj的特征量。Tsirtsis 运用判别分析的方法，基于硝酸盐、磷酸盐及叶绿素 a 这 3 个变量把爱琴海水质分为 3 类：富、中等和贫营养化[17]。

近年来，尤其是逐步判别分析在富营养化评价中的应用大大减小了富营养化评价中的困难，仅用几个易测参数就能对富营养化状态进行初步评价并分类。Pinto[18]通过逐步判别分析的方法选出溶解氧、温度和浊度 3 个可以用探头直接测量的参数把湖水分为高和低风险 2 类，预测准确率达到 72%。判别函数为

式中：DF 为富营养化的模型函数得分；DO 为溶解氧饱和度；Temp 为水温（℃）；Turb 为浊度。这种快速评价技术为水质管理提高了效率，减少了花费，推动了在线监测技术的发展。

4 其他数据处理方法

4.1 遥感技术

典型的采样调查技术已经很难满足富营养化的变化趋势，尤其大范围的富营养化评价。最近几十年，遥感分析技术为水质评价提供了方便。水体的光学特征，尤其是高光谱图像技术可以反映表面水质及几十米水质的参数特征。目前，遥感技术主要用于叶绿素含量、悬浮物含量的测定及海洋中表面浮游植物分布特征的表征。一般来说，水体中的总磷浓度和悬浮物的含量有很好的线性相关性，因此Song KS 用高光谱遥感技术测定了总磷浓度，并用TSI 指数对水库进行了富营养化评价，得到了很好的效果[19]。近年来，王学军等利用遥感信息和有限的实地监测数据建立了预测太湖水质参数模型，并结合单波段、多波段因子组合和主成分分析等手段对太湖流域进行了富营养化评价[20]。在湖泊水色遥感方面，建立了湖泊水质参数悬浮物、叶绿素 a 浓度及浮游植物、CDOM 吸收系数等遥感反演算法，并应用卫星影像对富营养化湖泊蓝藻水华开展遥感监测[21]。利用遥感技术监测水质，能够快速获取水质综合信息，并能充分体现水质的空间分布特征，因此遥感分析技术更加适合于大范围水域的快速检监。可是遥感技术在应用时也有一定的局限性，因为遥感技术仅仅局限于表面研究。

4.2 多标准评价分析

多标准评价分析，一般被称为多标准决策，就是在不同的标准下从众多方案中选择一个最佳方案。该方法结合了排序算法和标准权重方法。标准的选择对结果的评价至关重要，可以以计量单位的形式存在，也可以以非计量单位的形式存在。在设计、评价和选择方案时可以使用多种方法和程序。可是，所有的方法和程序都必须遵守一个原则：比较不同方案和每个标准的得分。另外，有一系列权重算法用来表示标准的重要性顺序：简单的加权分析法和层次的加权分析法。多标准决策的步骤如下：1）决定所有可选的方案；2）选择合适的评价标准；3）建立决策矩阵；4）决策矩阵的标准化；5）基于合适的权重算法为标准分配权重；6）根据合适的得分算法选择所有可能的方案。

方案的决策矩阵表示如下：

式中：I 代表决策方案；j 代表标准；bij代表第 j 个标准第 i 个方案的得分。

在之前的研究中，多种方法用于多标准决策分析，其中加权和方法的应用最为普遍。这种方法应用简单并且所得结果可靠。多目标决策技术已成功地应用于水体富营养化趋势的评价，并且在水质管理和相关的政策制定中得到了广泛的应用。Moriki等[22]用灰色体系方法评价了海水的富营养化问题，并对海水的富营养化状态进行了有效地分类。多标准分析方法能有效地用于水质富营养化评价，主要原因是该方法可以把不同来源的水质信息结合起来，并给与不同变量不同的权重。但是，用不同的方法进行政策决定时会产生不同的结果。另外，在权重分析时有一定的主观性。因此方法的选择和权重分析的主观判断共同决定了标准的权重。最佳权重方法的选择确实能够减小权重偏差，尽管还不能确定哪种方法可以得到最小偏差。Hajkowicz[23]等通过多元标准分析在水资源管理中的应用表明，多元标准分析中方法选择是重要的，但是决策矩阵的建立更加重要。多元标准分析最大的优点是结合卫星信息系统提供的数据为大规模水域的富营养化评价提供了方便。同时，多标准分析把富营养化变量和一些社会经济学参数结合在了一起，为政策的制定提供了有效而准确的手段。

4.3 模型分析

在水质分析研究中，模拟河川、湖泊、水库及河口海洋等水质状况的分析建立各种模型。有的模型探索起因和后果的关系，有的理解并模拟生物地球化学、物理化学和生物学过程及其相互作用，还有的是预测物理因素和人类活动的压力对未来水体生态系统的影响。因此，水质模型是预测水域发展趋势、环境管理和相关政策制定的有效工具。

水质模型主要有 3 种，即水动力学、统计性及稳态模型。水动力学模型使用水的体积、流量、流速和水深等参数描述有关水体浮游植物生长的物理、生物和化学作用。模型的建立和验证过程是在同一水体中，由于不同水体的特征有很大差异，因此建立的模型一般不能用于性质不同的其他水域。Vollenweider 等[24-26]基于统计分析技术和回归分析分别建立了不同的模型。U.S.OECD 富营养化模型建立了营养盐和富营养化的响应变量之间的定量关系，旨在评价并控制湖泊和水库的富营养化。根据该指令的要求，Vollenweider 根据一些欧洲湖泊中总磷的载荷浓度和叶绿素 a 之间的定量关系建立了模型。后来又有人根据不同湖泊之间的形态测量学和水力动态学逗留时间之间的差异做了进一步校正，从而使新的模型适用于有不同性质的湖泊。这一系列的研究为后来的研究提供了坚实的基础，Golterman 等[27]对该回归模型做了进一步改善并把该模型用于有不同地理学、形态学和水文学特征的水体中。对于复杂体系的海洋生态系统，营养盐因素的变化将会导致更大的响应[28]，因此很难用一个单独的模型解释整个海域的相互作用及变化。通常是在不同的海域选择几个不同的变量来评价海域的影响。

近年来 GIS 已广泛应用于各个领域，特别在水质模拟与管理规划方面发挥了重要作用。很多模型是基于 GIS 技术建立、验证并应用的。由于江河，湖泊及海洋等流域水环境信息是具有空间特征的信息，通过应用 GIS 技术可使流域水环境信息从单一的表格、数据形式逐步转变为具有生动形象的图形、图像方式，并且以这些信息为基础，还可完成对相关流域水环境的预测、规划，以及对某些重大水环境问题进行预警和防范。将 GIS 技术结合水环境污染模拟、控制和决策也是水质模型今后重要的研究课题。把模型和空间分析及映射技术结合起来也将会促进模型的建立。除此之外，还要把底栖和浮游生物系统与气候、流域及经济因素综合起来建立模型。

5 结语

要对富营养化状态进行有效的评价，就必须对富营养化的起因、后果及未来的发展趋势有很好地了解。因为富营养化评价的变量之间有着复杂的关系和相互作用。因此，很有必要对生态系统的变量及它们之间的相互作用过程有很好的了解。整体评价也是目前富营养化评价的总体趋势，但是这种总体方法费用高、耗时、同时还需要专家的判断。所以可以通过合理的数据处理技术优化采样位置提高评价效率降低评价费用。另外，在线监测技术的发展，也是今后进行富营养化研究的一个重要领域。尤其荧光和紫外可见分光光度计的分析技术的应用促进了水色遥感技术的建立进而加快在线监测技术的实施，能够及时预测预警预报水质状况，进而提供有效的保护措施。因此把简单的仪器分析技术和化学计量学技术结合起来建立各种各样的富营养化评价方法是今后水富营养化研究的重要方向。

参考文献：

[1] Bricker SB, Longstaff B, Dennison W, et al.Effects of nutrient enrichment in the nation’s estuaries: a decade of change[J].Harmful Alage, 2008 (8): 21-32.

[2] 杨桂山，马荣华，张路，等.中国湖泊现状及面临的重大问题与保护策略[J].湖泊科学，2010, 22 (6): 799-810.

[3] Hutchinson GE.A treatise on limnology.Introduction to lake biology and the limno plankton[M], Volume II.NewYork: John Wiley & Sons, 1967: 1115.

[4] Steele JH.The structure of marine ecosystems[M].Cambridge: Harvard Univ.Press, 1974: 128.

[5] Nixon SW.Coastal marine eutrophication: a definition, social causes, and future concerns[J].Ophelia, 1995, 41: 199-219.

[6] Primpas I, Tsirtsis G, Karydis M, et al.Principal component analysis: development of a multivariate index for assessing eutrophication according to the European water framework directive[J].Ecological indicators, 2010 (10): 178-183.

[7] Heyman U, Ryding SO, Forsberg C.Frequency-distributions of water-quality variables—relationships between mean and maximum values[J].Water Research, 1984 (18): 787-794.

[8] 胡春华，黄丹，周文斌，等.典型湖泊边缘区丰水期营养状态及其影响因子研究——以蚌湖为例[J].水生态学杂志，2013, 34 (3): 32-38.

[9] Vollenweider RA, Giovanardi F, Montanari G, et al.Characterization of the trophic conditions of marine coastal waters with special reference to the NW Adriatic Sea: proposal for a trophic scale, turbidity and generalized water quality index [J].Environmetrics, 1998 (9): 329-357.

[10] Moncheva S, Gotsis-Skretas O, Pagou K, et al.Phytoplankton blooms in Black Sea and Mediterranean coastal ecosystems subjected to anthropogenic eutrophication: similarities and differences[J].Estuary Coast Shelf, 2001 (53): 281-295.

[11] Shahrban M, Etemad-Shahidi A.Classification of the Caspian Sea coastal waters based on trophic index and numerical analysis[J].Environmental monitoring and assessment, 2010 (164): 349-356.

[12] Herrera-Silveira JA, Morales-Ojeda SM.Evaluation of the health status of a coastal ecosystem in southeast Mexico: assessment of water quality, phytoplankton and submerged aquatic vegetation[J].Marine Pollution Bulletin, 2009 (59): 72-86.

[13] 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): 3581-3592.

[14] Primpas I, Karydis M.Scaling the trophic index (TRIX) in oligotrophic marine environments.Environmental monitoring and assessment[J], 2010 (178): 257-269.

[15] 林徐达.基于主成份分析法的饮用水特征性指标分类[J].科技创新导报，2012 (21) : 30-32.

[16] 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 and Software, 2007 (22): 464-475.

[17] Tsirtsis G, Karydis M.Application of discriminant analysis for water quality assessment in the Aegean.Samos, Greece: 6th Int Conf of Environmental Science and Technology; 1999.

[18] Pinto U, Maheshwari B, Shrestha S, et al.Modeling eutrophication and microbial risks in peri-urban river systems using discriminant function analysis[J].Water Research, 2012 (46): 6476-6488.

[19] Song KS, Li L, Li S, et al.Hyperspectral remote sensing of total phosphorus (TP) in three central Indiana water supply reservoirs[J].Water air soil pollution, 2012 (223): 1481-1502.

[20] 王学军，马廷.应用遥感技术监测和评价太湖水质状况[J].环境科学，2000 (21): 65-68.

[21] 张运林.湖泊光学研究进展及其展望[J].湖泊科学，2011, 23 (4): 483-497.

[22] Moriki A, Karydis M.Application of multicriteria choice methods in assessing eutrophication[J].Environmental Monitoring and Assessment, 1994 (33): 1-18.

[23] Hajkowicz S, Higgins A.Comparison of multiple criteria analysis techniques for water resource management[J].European Journal of Operational Research, 2008 (184): 255-265.

[24] Vollenweider RA.Advances in defining critical loading levels for phosphorus in lake eutrophication[J].Mem Ist Ital Idrobiol, 1976 (33): 53-83.

[25] Dillon PJ, Rigler FH.A test of a simple nutrient budget model predicting the phosphorus concentration in lake water [J].J Fish Res Bd Can, 1974 (31): 1771-1778.

[26] Jones RA, Lee GF.Recent advances in assessing impact of phosphorus loads on eutrophication-related water quality[J].Water Research, 1982(16): 503-515.

[27] Golterman HL.Reflections on post-OECD eutrophication models[J].Hydrobiologia, 1991 (218): 167-176.

[28] Tett P, Gilpin L, Svendsen H, et al.Eutrophication and some European waters of restricted exchange[J].Cont Shelf Res, 2003 (23):1635-1671.

Progress and Prospect on Data Analysis of Eutrophication Assessment

XU Weiwei

(Tangshan Hydrology and Water Resources Survey Bureau of Hebei Province, Tangshan 063000, China)

Data processing method has become a key factor for eutrophication assessment.The article concisely introduces definitions of eutrophication and discusses the research status of data analysis and several eutrophication assessment techniques used by the domestic and international field.The paper mainly introduces several kinds quantitative assessment methods of eutrophication, including comprehensive index method, statistical analysis（PCA, CA and DA）, remote sensing, multi-criteria evaluation analysis, model analysis and so on.The development of eutrophication assessment techniques will be the important means for water management.And the future developments of eutrophication assessment techniques have been expected.

eutrophication; data analysis; multimetric eutrophication indices; Multi-dimensional statistical analysis; Remote sensing

X524

A

1674-9405(2014)04-0011-06

2014-05-07

徐伟伟（1979－），女，河北昌黎人，工程师，主要从事水环境监测与水资源保护方面的研究。