地下水污染因子动态识别及污染源解析

王亚杰

(辽宁省铁岭水文局，辽宁 铁岭 112000)

当前，随着工业化、城镇化的快速发展，生活污水排放、工业废水排放使得区域地下水污染面临较为复杂的环境。区域地下水污染因子的识别对于区域人水和谐发展，水生态环境综合治理至关重要。传统水质评价方法主要采用单因子进行评价[1- 5]，但这些方法不能实现地下水污染因子的动态识别，不能识别出区域地下水污染的主要指标。近些年来，多参数统计方法(FA法)不但可以对区域水质进行定量描述，还可以识别出水质污染的主要因子，在国内许多区域水污染识别中得到应用[6- 9]，应用效果较好。为此文章引入多参数统计方法(FA法)，对辽宁北部区域地下水污染物因子进行动态识别，研究成果对于区域地下水环境的综合治理提供参考价值。

1 地下水污染因子动态识别方法

多参数统计方法对区域水污染因子动态识别主要通过分析不同影响要素之间的关系，寻找主要因素，并对非次要因素进行信息排除。该方法首先建立影响因子fi和变量之间的数学模型，构建的数学模型方程为：

(1)

式中，aij—第i变量和第j影响因子之间的线性关系；εi—特殊因子。在具体计算时，需要对各污染指标进行标准化处理，标准化方程为：

(2)

式中，x—水质监测指标值；xi—第i个地下水监测点标准化计算结果；xm—xi的均值；σ—标准方程值。在标准化后需要对变量进行相关度的数据检验，检验方程为：

(3)

式中，rij—xi和xj之间的简单相关系数；pij—xi和xj之间的偏相关系数。在数据检验的基础上，对每个变量进行计算因子的分析，计算因子的方程为：

(4)

式中，bij—第i变量和第j影响因子之间的线性关系；fi—各变量的计算因子。在各计算因子确定后，对各计算因子进行累加综合，综合方程为：

(5)

式中，F—综合计算因子；Fi—第i个计算因子；m—计算提取的因子个数；wi—计算权重。因子权重的计算方程为：

(6)

式中，λi—第i个因子的计算特征根。

2 地下水污染因子动态识别结果

2.1 区域地下水化学概况

文章以辽宁北部区域为研究区域，区域地下水资源量较为丰富，地下水资源量占区域总水资源量的60%～70%，但近些年来受到工业污水以及生活污水排放的影响，区域地下水环境遭到一定程度的影响。文章结合区域内5个地下水观测18种水化学指标数据见表1，应用多参数统计方法对区域地下水污染因子进行动态识别。

表1 区域地下水水化学成分统计结果

2.2 各因子标准化计算结果

文章首先对各指标因子进行标准化计算，各观测井指标因子标准化计算结果见表2。

2.3 各因子方差贡献率计算结果

在各因子标准化计算后，对各计算因子进行了方差贡献率的计算，计算结果见表3，并绘制各因子特征值以及方差贡献率的变化，结果如图1所示。

表2 各观测井指标因子标准化结果

表3 各因子总方差贡献率计算结果

图1 各计算因子特征值及方差贡献率变化

经过对各数据进行KOM数据检验，各计算数据的KOM数据检验值为0.59，各计算因子之间具有一定的关联，可以用来识别主要影响因子。从表3中可以看出，各计算因子的特征值在1.55～11.45之间，可提取特征值大于1的计算因子为18个；硝酸盐、氨氮的方差贡献率最大，其方差贡献率达到48.51%和43.67%，其次为氟化物以及碘化物，其方差贡献率分别达到33.78%和31.56%，区域地下水中重金属的方差贡献率较小，对地下水污染影响较小。从图1中可以看出，各计算因子的特征值变化较为散乱，和计算因子相关性较弱，而从方差贡献率的变化可以看出，方差贡献率较大的主要集中在“三氮”，而重金属类的方差贡献率较低。

2.4 区域地下水污染源解析

在各计算因子方差贡献率和特征值确定的基础上，对各化学指标的旋转荷载矩阵进行计算，确定了不同公因子的综合计算值，分析结果见表4。

表4 各因子旋转荷载矩阵计算结果

从表4中可以看出F1主要以地下水位运移为载体，因此其水质指标主要受地下水迁移而富集，主要为可溶解性的硝酸盐类，这一部分主要是受到工业污水以及农业用水排放造成的污染物富集。F2主要表示为地下水中的有机质，该部分污染物主要受人类活动影响，受城市化生活污水排放影响。F3主要表征为硝酸盐和亚硝酸盐，该部分含量较高的主要原因是受到农业耕种方式的影响所致。区域农业化肥的使用造成较多地下水中硝酸盐和亚硝酸盐的增多。F4和F5主要表征为重金属影响，该部分地下水污染影响较小，这主要是因为辽宁北部区域重工业较少，因此工业排放污水中重金属含量也较少，从其方差贡献率也可看出，各重金属类方差贡献率在1.85%～3.33%之间。可见工业排放污水中重金属污染源对辽宁北部区域水污染影响较小。从共同度可以看出，辽宁北部区域污水中总硬度和氯化物的共同度最大，分别为0.95和0.97，而生活污水排放是区域浅层地下水污染主要来源，而工业污水和农业渗透污水则是区域深层地下水污染的主要来源。

3 结论

结合多参数统计方法(FA法)对辽宁北部区域地下水污染因子进行动态识别，并对主要污染源进行了解析，研究取得以下结论：

(1)辽宁北部区域地下水污染主要因子为氨氮和硝酸盐，重金属对地下水污染影响较低，区域地下水总体硬度较低。

(2)生活污水排放是辽宁北部区域地下水浅层地下水污染主要来源，而工业污水和农业污水则是区域深层地下水污染主要来源，应进行较大区域污水处理，从而对区域地下水进行有效的水环境保护。

[1] 富天乙, 邹志红, 王晓静. 基于多元统计和水质标识指数的辽阳太子河水质评价研究[J]. 环境科学学报, 2014, 34(02): 473- 480.

[2] 卢莉莉. 模糊神经网络在涑水河水质评价中的应用[J]. 水利技术监督, 2017, 25(01): 142- 145.

[3] 李祚泳, 张正健. 基于回归支持向量机的指标规范值的水质评价模型[J]. 中国环境科学, 2013, 33(08): 1502- 1508.

[4] 王巍巍. 锦州市地下水水质现状与变化趋势研究[J]. 水利技术监督, 2016, 24(05): 59- 62.

[5] 余勋, 梁婕, 曾光明, 等. 基于三角模糊数的贝叶斯水质评价模型[J]. 环境科学学报, 2013, 33(03): 904- 909.

[6] 杨帆, 郑国臣, 税勇, 等. 嫩江重要省界缓冲区水质单因子评价法研究[J]. 水利规划与设计, 2017(11): 75- 77, 131.

[7] 霍凤岚, 阿茹娜, 张茜, 等. 河北省某矿区地下水污染因子识别及成因分析[J]. 南水北调与水利科技, 2015, 10(01): 1- 6.

[8] 朱琳, 王雅南, 宋永会, 等. 武水河水质时空分布特征及污染成因的解析[J]. 环境科学学报, 2016, 32(01): 1- 10.

[9] 郭涛, 陈海洋, 滕彦国, 等. 东北典型农产区流域地下水水质评价与污染源识别[J]. 北京师范大学学报(自然科学版), 2017, 53(03): 316- 322.

[10] 张艳艳. 浙沪三湖富营养化特征分析及其影响因子识别研究[D]. 华东师范大学, 2016.