闽江流域水质时间序列变化趋势识别及特征分析

王春晓，卢毅敏

(1.福州大学 空间数据挖掘与信息共享教育部重点实验室，福建 福州 350116；2.福州大学 地理空间信息技术国家地方联合工程研究中心，福建 福州 350002；3.福州大学 数字中国研究院(福建)，福建 福州 350002)

1 研究背景

地表水资源污染正严重威胁着人们的饮用水安全，同时制约着社会各个方面的发展，是发展过程中亟待解决的问题之一[1,2]。如何还原出水质随时间的变化趋势，并根据不同水质指标的变化趋势确定流域内不同污染需要治理的优先程度，对流域内水环境的针对性防治有重要的参考意义[3]。

对水质指标变化趋势进行识别有两大难点，即季节性[4]和随机性[5]特征。目前，常规的水质时序研究方法可分为基于统计的方法[6-7]以及线性回归法[8]，但这两种方法的缺陷是难以反映水质时间序列非线性和局部变化特征。STL法(seasonal and trend decomposition using Loess)是国外常用的时序数据研究方法，该方法最早应用于大气CO2浓度变化趋势分析[9]，其采用局部加权回归[10](Loess)策略拟合时间序列数据，最突出的特点是能够有效处理非线性序列，并且能够根据数据的特点反映出时间序列局部的变化特征[11]。Ndungu等[12]基于MODIS遥感数据并引入STL完成了肯尼亚奈瓦沙湖10年间叶绿素a的时空变化趋势分析，表明STL方法对长期的时间序列的拟合具有良好的适应性；Stow等[13]应用STL季节性趋势分解法来分析莫米河养分浓度和氨氮负荷的长期变化趋势；梁中耀等[14]在滇池流域水质指标时间序列数据分析中，利用STL方法准确评估了氨氮在总氮中随时间变化越来越占据主导地位的趋势，为滇池流域水环境污染评价、治理提供了一定的参考。……