蘇州古城區水體污染時(shí)間段及污染源分析

　　1 引言

　　河流、特別是流經(jīng)人類(lèi)活動(dòng)對自然環(huán)境影響相對強烈區域的內陸河，是區域生態(tài)環(huán)境可持續發(fā)展的重要因素.作為區域居民生活污水、工業(yè)廢水和地表徑流排放的主要載體，內陸河最易遭受到污染和破壞.近幾十年來(lái)，政府已經(jīng)逐步建立了環(huán)境監測體系并且開(kāi)展了大量水質(zhì)監測項目，獲得大量的水質(zhì)監測數據，包括物理化學(xué)、有機物、重金屬及生物指標等各種數據.由于各個(gè)監測指標及監測點(diǎn)之間存在復雜的相互影響，導致大量的監測數據并不能充分的利用與分析，給水質(zhì)專(zhuān)家和地方?jīng)Q策者如何采取有效措施管理和改善水環(huán)境提出了一個(gè)挑戰.因此，從大量的環(huán)境監測數據中挖掘出有用的信息，探索水質(zhì)的時(shí)空分布模式，識別潛在污染源能夠提高人們對區域環(huán)境狀況的認識，幫助決策者建立高效合理的水環(huán)境管理方案.

　　近年來(lái)，各類(lèi)數學(xué)及統計評價(jià)方法被廣泛用于水質(zhì)評價(jià)、時(shí)空分異及潛在污染源識別的研究中.CCME WQI模型與其他水質(zhì)指數模型相比具有簡(jiǎn)單易行、靈活多變等特點(diǎn)，對城市水體及水體富營(yíng)養化污染尤其敏感，在水質(zhì)綜合評價(jià)中取得了令人滿(mǎn)意的效果.多元統計技術(shù)能夠對復雜的多元數據進(jìn)行降維簡(jiǎn)化又可以保證主要信息不會(huì )丟失，與近來(lái)被應用到多元數據信息挖掘的神經(jīng)網(wǎng)絡(luò )、平行因子分析等模型相比更為簡(jiǎn)便、普遍適應性廣.聚類(lèi)分析、判別分析、主成分分析、因子分析和絕對主成分多元線(xiàn)性回歸分析作為傳統的多元統計技術(shù)，在水質(zhì)時(shí)空分異特征及潛在污染源識別上得到普遍的應用.國內外學(xué)者利用多元統計技術(shù)分別對沁河流域、洞庭湖、土耳其中部近海、寧夏吳忠市金積水源地地下水，以及德國北部低洼地區的污染物時(shí)空分異特征及潛在污染源識別進(jìn)行研究，并取得滿(mǎn)意的效果.從研究進(jìn)展上來(lái)看，數學(xué)及統計評價(jià)方法在時(shí)空分異特征及污染源識別的應用研究中僅僅局限于內陸河流域、湖泊、近海海域及地下水，卻鮮有針對城市河網(wǎng)的水質(zhì)時(shí)空分異特征及潛在污染源識別研究.與流域尺度研究不同，城市河網(wǎng)沿岸土地利用類(lèi)型單一，不透水面護坡割裂了河道橫向連通性，降雨徑流沖刷地表直接將污染物攜帶入河，同時(shí)流域尺度水體的環(huán)境容量相對較大，水質(zhì)空間分異有明顯的上下游、干支流的關(guān)系，城市河網(wǎng)交錯縱橫，水流緩慢，人為干擾強烈，水質(zhì)空間分異更為復雜;此外，以往的研究割裂開(kāi)了時(shí)間與空間相互作用的機制，只是單獨探討了時(shí)間與空間上的分異特征及污染源識別，忽略了時(shí)間對空間分布規律及其污染源的影響.

　　蘇州素有“上有天堂，下有蘇杭”之美稱(chēng)，水系是其城市的命脈，水環(huán)境的好壞直接影響其作為旅游城市的可持續發(fā)展.因此，本文首先根據蘇州古城區河網(wǎng)水質(zhì)監測數據，應用CCME WQI模型對古城區河網(wǎng)水質(zhì)進(jìn)行綜合的評價(jià).然后采用聚類(lèi)分析，揭示蘇州古城區水環(huán)境時(shí)空相似性規律.并且利用空間判別分析驗證聚類(lèi)分析結果的可信度及識別顯著(zhù)性污染指標，最后在不同時(shí)間段內對空間分組進(jìn)行時(shí)空聯(lián)合因子分析并結合因子分析結果采用基于受體的源分配模型，識別不同時(shí)間段不同區域水環(huán)境污染源，以及主要污染源對河道水質(zhì)的貢獻，為蘇州古城區水環(huán)境治理提供科學(xué)依據.

　　2 材料與方法

　　2.1 研究區概況

　　蘇州市地處以太湖為中心淺碟形平原的底部，位于北緯30°47′~32°20′，東經(jīng)119°55′~121°20′之間，全市地勢低平，自西向東緩慢傾斜;屬于北亞熱帶濕潤季風(fēng)氣候區，潮濕多雨，季風(fēng)明顯，具有豐富的雨水資源，平均年降雨量1200~1400 mm，降雨多集中于6—9月份.研究區為蘇州市中心城區，面積大概為10 km2.監測斷面多設在古城區，古城區內河道形成了“一環(huán)三橫四縱”的水系布局.河道周邊建筑密集，綠地和可滲透性地面相對較少，水體受潮水頂托與地形影響流向不定，流速緩慢，水體水質(zhì)惡化嚴重，即便是水體流速較快的外城河、婁江、元和塘、上塘河等城區主要河道也均為Ⅴ類(lèi)水質(zhì).造成水體污染的原因既有包括“三產(chǎn)”污染源及城市生活污染源在內的點(diǎn)源污染，也有城市降雨徑流及河道底泥釋放引起的非點(diǎn)源污染.

　　研究區河道水質(zhì)監測斷面30個(gè)(圖 1)，蘇州市排水管理處每月一次取樣檢測.監測斷面M1~M30依次為保吉利橋、苑橋閘、望星橋、馬津橋、平四閘、桃花塢橋、水關(guān)橋、中市橋、帶城橋、銀杏橋、小人民橋、歌薰橋、醋坊橋、跨塘橋、齊福橋、錢(qián)萬(wàn)里橋、糖坊灣橋、覓渡橋、裕棠橋、泰讓橋、渡僧橋、山塘橋、吊橋、新市橋、人民橋、相門(mén)橋、永仙橋、五龍橋、桐馨橋、永津橋.

　　圖 1 研究區位置及監測斷面分布圖

　　2.2 數據收集與分析

　　數據來(lái)源為古城區2012年30個(gè)監測斷面相關(guān)數據，11個(gè)指標包括總氮(TN)、氨氮(NH3-N)、總 磷(TP)、溶解氧(DO)、濁度(Turb)、pH、水溫(T)、高錳酸鹽指數(CODMn)、電導率(EC)、藻密度(Algae density)、葉綠素(Chl).每月監測1次(12月份數據除外)，共3630個(gè)(30×11×11)監測樣本，所有樣本的采集及檢測分析嚴格按照地表水環(huán)境質(zhì)量標準(GB3838—2002)中的方法進(jìn)行實(shí)驗室分析，具體結果統計描述見(jiàn)表 1.

表1 水質(zhì)指標的統計描述及環(huán)境標準

　　總體上，蘇州古城區的水環(huán)境污染相當嚴重.TN、NH3-N、TP、DO、CODMn均值分別為4.99、3.14、0.38、3.64、4.90 mg · L-1，地表水環(huán)境質(zhì)量標準中相應指標Ⅴ類(lèi)水標準分別為2.0、 2.0、0.4、2.0、15.0 mg · L-1.TN為Ⅴ類(lèi)水標準的2.5 倍，NH3-N為1.2 倍，TP則接近于Ⅴ類(lèi)水標準，DO則屬于Ⅳ類(lèi)水質(zhì)，CODMn屬于Ⅲ類(lèi)水質(zhì).

　　2.3 研究方法

　　2.3.1 CCME WQI模型

　　CCME WQI模型由加拿大環(huán)保部開(kāi)發(fā)，該水質(zhì)指數與其它水質(zhì)指數相比具有運算簡(jiǎn)單、參數設定可以結合研究區水質(zhì)保護提升目標而設定的特點(diǎn).模型根據輸入水質(zhì)監測數據將采樣點(diǎn)水質(zhì)歸一化到0到100之間，并根據水體污染的程度，從0~100將水質(zhì)由差到極好劃分為5類(lèi)，分別對應差(0~44)：水環(huán)境遭到持續性的威脅和破壞;及格(44.1~64)：水環(huán)境遭到頻繁的威脅和破壞;一般(64.1~79)：水環(huán)境偶爾遭到威脅和破壞;好(79.1~94)：水環(huán)境得到保護只是遭到小范圍的威脅和破壞;極好(94.1~100)：水環(huán)境得到完善的保護.具體計算公式為：

　　式中，f1表示輸入模型中監測變量超出水質(zhì)目標的程度，f2表示采樣樣品檢測值超出水質(zhì)目標的程度，f3表示未滿(mǎn)足水質(zhì)目標采樣檢測值相對水質(zhì)目標限值的偏差，具體計算過(guò)程參見(jiàn)文獻.

　　蘇州古城區河網(wǎng)水體氮、磷指標已經(jīng)超過(guò)地表水Ⅴ類(lèi)水標準.因此，本文短期內將地表水環(huán)境質(zhì)量標準的Ⅴ類(lèi)標準作為模型的水質(zhì)提升目標，同時(shí)根據蘇州古城區水質(zhì)監測數據和地表水環(huán)境質(zhì)量標準(GB3838—2002)將TN、NH3-N、TP、DO、pH、CODMn作為WQI計算所需的監測指標.對古城區各個(gè)河道的水質(zhì)污染程度進(jìn)行綜合評定.

　　2.3.2 層次聚類(lèi)分析

　　聚類(lèi)分析(CA)是根據對象距離遠近或相似性大小進(jìn)行分類(lèi)的多元統計方法.本文采用的層次聚類(lèi)分析(HCA)是應用最廣泛的聚類(lèi)方法，該法以逐次聚合的方式將距離最近或者最相似的對象聚成一個(gè)類(lèi)簇，直至最后聚成一類(lèi).本文采用的計算方法是歐氏距離平方和離差平方法.此外，該方法具有探索性，所以，還采用其它方法進(jìn)行驗證.

　　聚類(lèi)分析要求數據符合正態(tài)分布，在進(jìn)行分析之前，需要利用K-S非參數檢驗分別對月平均和采樣點(diǎn)平均數據組進(jìn)行正態(tài)檢驗.結果顯示，月平均數據組各監測指標除DO外均以95%或更高的可信度服從正態(tài)分布;采樣點(diǎn)平均數據組各指標偏離正態(tài)分布，進(jìn)行自然對數轉換后，各監測指標除T、CODMn和Chl外均能夠以95%或更高的可信度服從正態(tài)分布.為了消除變量單位量綱的影響，同時(shí)需要對數據進(jìn)行標準化處理(均值為0，方差為1).

　　2.3.3 判別分析

　　判別分析(DA)是多變量統計分析中用于判別樣品所屬類(lèi)別的一種統計分析方法.可以用來(lái)判別CA分析結果和識別顯著(zhù)性的污染指標.此方法分為3類(lèi)：標準式、前進(jìn)式和后退式.相比之下，后退式DA方法具有更好的指標降維能力和判別能力.所以，本文利用后退式DA方法對原始數據進(jìn)行時(shí)空差異性分析，并采用交叉驗證法(Cross-validation)檢驗此方法的判別能力.相應的判別函數表達式如下：

　　式中，f(Gi)表示第i類(lèi)的判別函數，Ci為第i類(lèi)的固有常數，n表示參與判別分析指標個(gè)數，pij表述第i類(lèi)第j個(gè)指標值，wij表示對應的判別系數.

　　2.3.4 因子分析法

　　因子分析(FA)是一種既可以降低變量維數，又可以對變量進(jìn)行分類(lèi)的廣泛應用的方法.其實(shí)質(zhì)是從多個(gè)實(shí)測的原變量中提取出較少的、互不相關(guān)的、抽象綜合指標，即因子.每個(gè)原變量可用這些提取出的公共因子的線(xiàn)性組合表示，具體參見(jiàn)公式(3).同時(shí)，根據各個(gè)因子對原變量的影響大小，也可將原變量劃分為等同于因子數目的類(lèi)數.在水質(zhì)分析中，此方法主要用于提取污染因子和識別污染源.

　　式中，Zk表示第k個(gè)變量的標準化分數，akm表示第m個(gè)因子相對于第k個(gè)變量的因子載荷，Fm表示第m個(gè)公共因子，Uk為Zk的唯一因素，m表示所有變量公共因子的數目，n表示變量的個(gè)數.

　　因子分析要求變量間要有一定的相關(guān)性，所以在數據分析之前需要利用巴特萊檢驗(KMO)檢驗數據應用因子分析的可行性.同時(shí)，考慮到水質(zhì)指標數量級上的差異，需要對數據再進(jìn)行標準化(均值為0，方差為1).一般來(lái)說(shuō)，分析結果只選取特征值大于1的因子.因子分析及判別分析均采用原始數據.

　　2.3.5 APCS-MLR

　　絕對主成分多元線(xiàn)性回歸分析法(APCS-MLR)是一種基于因子得分，評價(jià)各個(gè)因子對各個(gè)變量貢獻的統計方法.其原理是將變量值與因子得分進(jìn)行多元線(xiàn)性回歸，根據回歸參數得到針對各個(gè)因子的估計值，從而確定因子對各個(gè)變量的貢獻，具體參見(jiàn)公式(4).目前，這種方法在水質(zhì)評價(jià)中用于計算污染因子對各個(gè)評價(jià)指標的貢獻率.

　　式中，Ms表示第s個(gè)變量的實(shí)測值，aos表示第s個(gè)變量的多元回歸的常數項，Aps表示第p個(gè)因子對第s個(gè)變量的回歸系數，APCSp表示調整后的第p個(gè)因子的分數，n表示因子個(gè)數.ApsAPCSp表示第p個(gè)因子對Ms的質(zhì)量濃度貢獻，所有樣本的APCSpAps的平均值就表示因子平均絕對貢獻率.

　　研究中多元統計分析及水體綜合水質(zhì)空間分析采用的是Microsoft Excel 2007、SPSS19和ArcGis9.3.

　　3 結果與分析

　　3.1 CCME WQI水質(zhì)綜合評價(jià)

　　水質(zhì)綜合評價(jià)顯示(表 2)，蘇州古城區河道水質(zhì)相對于地表水Ⅴ類(lèi)水質(zhì)標準，CCME WQI值介于40~74之間，有66.67%的監測點(diǎn)水質(zhì)處在差和及格狀態(tài)，而剩下33.33%的監測點(diǎn)水質(zhì)處在一般狀態(tài)，說(shuō)明蘇州古城區河道水質(zhì)污染普遍嚴重.

表2 CCME WQI評價(jià)結果

　　從圖 2可知，古城區內城河河道污染程度要比外圍河道嚴重，這可能與古城區內部和外部人口密度存在差異，餐飲旅游主要集中在古城區內，以及古城區內城河道水體流動(dòng)性相對緩慢有關(guān).

　　圖 2 CCME WQI采樣斷面空間分布圖

　　3.2 水質(zhì)時(shí)空分異性規律 3.2.1 污染特征的時(shí)間相似性與差異性

　　時(shí)間尺度聚類(lèi)分析與判別分析結果表明：全年可分為3個(gè)時(shí)段(圖 3)，時(shí)段Ⅰ(1—3月)、時(shí)段Ⅱ(11月、4—6月)和時(shí)段Ⅲ(7—10月)，水體污染程度由重到輕依次為時(shí)段Ⅰ、時(shí)段Ⅱ、時(shí)段Ⅲ.時(shí)間聚類(lèi)結果的判別分析交叉驗證正確率(表 3)達到88.1%，表明全年分3個(gè)時(shí)段是比較合適的.判別函數(表 4)用了7個(gè)監測指標：TN、TP、DO、T、CODMn、藻密度、Chl，體現古城區河網(wǎng)水質(zhì)的時(shí)間差異性規律.從蘇州古城區水體污染物時(shí)間尺度的差異性圖(圖 4a)中可以看出總體上、時(shí)段Ⅰ、時(shí)段Ⅱ和時(shí)段Ⅲ，TN、TP、DO和CODMn隨著(zhù)時(shí)間的推移濃度在逐漸減少.同時(shí)，T 及藻密度和Chl隨著(zhù)時(shí)間的推移逐漸在升高.

　　圖 3 蘇州古城區水體污染物的時(shí)間尺度聚類(lèi)分析

表3 蘇州古城區水體污染物的時(shí)空判別分析

　　圖 4 蘇州古城區水體污染物時(shí)間尺度(a)和空間尺度(b)的差異性

　　蘇州的雨季主要集中在6—9月份，從時(shí)間聚類(lèi)結果可以看出，6月份古城區水體的TN、TP、CODMn濃度并沒(méi)有因為降雨量的增加而減少，到了7月份才開(kāi)始有所下降，說(shuō)明雨季初期蘇州古城區河道除了受到來(lái)自城市生活及餐飲旅游等“三產(chǎn)”污水的點(diǎn)源污染外，還可能受到來(lái)自地表徑流及河道底泥釋放的非點(diǎn)源污染.雨季在9月份底進(jìn)入尾期，從聚類(lèi)結果看出，10月份的降雨量已經(jīng)銳減而卻被聚到第3類(lèi)(時(shí)段Ⅲ)，相應的11月份沒(méi)有歸并到第1類(lèi)(時(shí)段Ⅰ)，而被歸并到第2類(lèi)(時(shí)段Ⅱ)，可能說(shuō)明雨期降水對河道污染物的稀釋作用在一定程度上改善了河道水質(zhì).

　　上述現象表明：按照流域水質(zhì)評價(jià)常用的根據旱季和雨季或者4個(gè)季度來(lái)進(jìn)行城鎮的水質(zhì)評價(jià)和污染控制不能體現城鎮水體污染的特殊性，不能真正揭示和把握城鎮水體污染在時(shí)間序列上分異特征;由于城鎮河道周?chē)�大量的不透水面導致降雨徑流直接攜帶大量的污染物進(jìn)入河道，所以在雨季前期(5、6月)就應該開(kāi)始采取流域面源控制措施，以減輕降雨高峰期的非點(diǎn)源污染控制壓力;同時(shí)雨季過(guò)后，應當將防治重點(diǎn)轉移至點(diǎn)源控制，以減少河道內源污染物的積累.

　　3.2.2 污染特征的空間相似性與差異性

　　空間尺度的聚類(lèi)分析和判別分析表明：空間上可以將采樣點(diǎn)分為2組(圖 5)，第1組(A組)主要位于古城區內城河，分別為保吉利橋、望星橋、桃花塢橋、中市橋、帶城橋、銀杏橋、小人民橋、醋坊橋、水關(guān)橋、歌薰橋;第2組(B組)主要位于外城河及進(jìn)出外城河河道，分別為苑橋閘、苑橋閘、跨塘橋、錢(qián)萬(wàn)里橋、糖 坊灣橋、山塘橋、吊橋、相門(mén)橋、平四閘、齊福橋、覓渡橋、裕棠橋、泰讓橋、渡僧橋、新市橋、人民橋、永仙橋、五龍橋、桐馨橋、永津橋.采樣點(diǎn)聚類(lèi)分析結果的判別分析交叉驗證(表 3)正確率達到78.5%，誤判的區域主要集中在古城區外城河和內城河的連接河段，總體分類(lèi)結果較好.

　　圖 5 蘇州古城區水體污染物的空間尺度聚類(lèi)分析

　　對采樣點(diǎn)聚類(lèi)結果的判別分析(表 4)用了5個(gè)指標：TN、NH3-N、DO、濁度和溫度，體現古城區河網(wǎng)水質(zhì)空間差異性規律.從蘇州古城區水體污染物空間尺度的差異性圖(圖 4b)中可以看出，總體上，第1組(A組)即古城區內城河河道污染較為嚴重，主要體現為含氮污染物的污染.相對于外城河，古城區內城河河道的平均水溫要較外城河河段高出0.2 ℃.這可能與古城區內建筑密集、人口密度大，以及當地人民歷來(lái)的生活習慣、家庭生活用水直接就近排放到河道內的現象有關(guān);古城區內城河水體的溶解氧濃度明顯低于外城河，為2.63 mg · L-1，屬于國家地表水Ⅴ類(lèi)水標準.這可能與蘇州市古城區以平原地形為主，河底高程和水流坡降較小，古城區內河道水流長(cháng)年滯流，水體復氧能力差有關(guān).

表4 蘇州古城區水體污染判別分析的典型變量及其系數

　　綜上所述，蘇州水環(huán)境治理主要集中在古城區內城河，可以通過(guò)控源截污、河道疏浚、水系溝通、引清入渠等多種舉措治理改善內城河水質(zhì)污染嚴重的現象.

　　3.3 時(shí)空聯(lián)合因子分析與污染源解析

　　利用時(shí)間聚類(lèi)結果判別分析所建立的判別函數對不同聚類(lèi)分組進(jìn)行判別驗證，發(fā)現時(shí)段Ⅰ、時(shí)段Ⅱ、時(shí)段Ⅲ的判別正確率分別為98.9%、84.9%、83.2%，總判別正確率為88.1%;空間聚類(lèi)結果判別分析所建立的判別函數對不同聚類(lèi)分組進(jìn)行判別驗證，發(fā)現類(lèi)別A、類(lèi)別B的判別正確率分別為64.8%、83.5%，總判別正確率為78.5%(表 3).說(shuō)明同一區域在不同時(shí)間段或者同一時(shí)間段內不同區域的水質(zhì)污染分布規律存在明顯差異.同時(shí)，從蘇州市古城區水體污染物各空間分組在各時(shí)段的空間差異圖(圖 6)可以看出，空間分組A和B在不同的時(shí)間段內的污染物水平有著(zhù)較大的差異.因此，有必要將時(shí)間及空間聚類(lèi)分析結果有機結合，對不同區域在不同時(shí)段下的污染源進(jìn)行解析，為水環(huán)境管理和改善提供更為詳盡的理論依據.

　　圖 6 蘇州中心城區水體污染物各空間分組各時(shí)段的空間差異性

　　3.3.1 空間分組A各時(shí)段因子分析

　　根據特征因子大于1的原則對空間分組A在時(shí)段Ⅰ、時(shí)段Ⅱ和時(shí)段Ⅲ分別提取4、3和4個(gè)因子(最大方差旋轉)，累計解釋方差83.64%、72.67%和77.98%(表 5).

表5 時(shí)空聯(lián)合因子分析因子旋轉載荷矩陣

　　在A(yíng)組-時(shí)段Ⅰ：F1的方差貢獻率為46.34%，表征因子為T(mén)N、NH3-N、TP、DO、T、CODMn和EC，除DO外都呈現正相關(guān)，同時(shí)由表 6可知，TN、NH3-N、TP、CODMn之間有顯著(zhù)相關(guān)性，Pearson相關(guān)系數都在0.8以上，表明F1代表著(zhù)城市生活及餐飲旅游等第三產(chǎn)業(yè)污水的營(yíng)養物質(zhì)及耗氧有機物污染;F2的方差貢獻率為16.56%，表征因子為藻密度和Chl，并且與T之間存在顯著(zhù)的相關(guān)性.表明F2代表著(zhù)自然因素水溫對古城區內城河富營(yíng)養化程度的影響.古城區生活及“三產(chǎn)”污水排入河道，導致水體營(yíng)養物質(zhì)過(guò)剩，在水溫的年內變化的作用下，導致藻類(lèi)的大量繁殖.F3的方差貢獻率為11.45%，表征因子為濁度.F4的方差貢獻率為9.29%，表征因子為pH.

　　在A(yíng)組-時(shí)段Ⅱ：F1的方差貢獻率為43.46%，表征因子為T(mén)N、NH3-N、TP、濁度和CODMn、DO，除DO外都呈正相關(guān).與在A(yíng)組-時(shí)段Ⅰ基本一致，不同的是濁度在第一因子中占有較大的載荷，可能與時(shí)段Ⅱ降雨的增加，降雨徑流攜帶大量的懸浮物進(jìn)入河道，以及降雨對河道底泥的擾動(dòng)有關(guān).F2的方差貢獻率為19.93%，表征因子T和藻密度呈正相關(guān)，且與pH呈現負相關(guān).從表 6可以看出，T跟藻密度、Chl存在顯著(zhù)的正相關(guān)性，pH跟藻密度負相關(guān).

表6 污染指標間Pearson相關(guān)系數

　　F3的方差貢獻率為9.48%，表征因子為Chl和EC，與pH呈現負相關(guān).F2和F3表明自然因素水溫對河道水體的影響.大量的營(yíng)養物質(zhì)及耗氧有機物隨著(zhù)生活及餐飲旅游等第三產(chǎn)業(yè)污水排入河道，在水溫逐漸升高的作用下，藻類(lèi)開(kāi)始大量生長(cháng)，水體中積累過(guò)多的有機物消耗水體中的溶解氧，使得水體中的溶解氧減少，乃至出現厭氧環(huán)境，進(jìn)而促使氨和有機酸的形成，這些酸性物質(zhì)的水解最終導致pH值下降.統計可知，從時(shí)段Ⅰ到時(shí)段Ⅱ內城河河道藻類(lèi)的平均密度由1009.78 cells · mL-1增長(cháng)到1564.79 cells · mL-1，pH以一定的幅度在減小.

　　在A(yíng)組-時(shí)段Ⅲ：F1的方差貢獻率為39.33%，表征因子為T(mén)N、NH3-N、TP和CODMn，與DO呈一定的負相關(guān)，與時(shí)段Ⅰ類(lèi)似.F2的方差貢獻率16.57%，表征因子為T(mén)、藻密度和Chl，且呈正相關(guān)，與pH呈負相關(guān)，與時(shí)段Ⅱ類(lèi)似.F3的方差貢獻率12.54%，表征因子為DO和EC.F4的方差貢獻率9.54%，表征因子為濁度和pH.蘇州古城區在時(shí)段Ⅲ和時(shí)段Ⅰ、時(shí)段Ⅱ一樣，主要受到生活污水的污染及耗氧有機物污染，不同的是，隨著(zhù)溫度的進(jìn)一步升高，藻類(lèi)大量的繁殖達到頂峰，由時(shí)段Ⅰ到時(shí)段Ⅲ的平均藻密度由1009.78 cells · mL-1增長(cháng)到了2076.74 cells · mL-1，與此同時(shí)pH值由7.24降到7.17.

　　綜上，大體上古城區在不同的時(shí)間段主要受到生活和餐飲、旅游“三產(chǎn)”污水的污染，但局部有所差別，在時(shí)段Ⅱ第一主成分在濁度上具有較高因子載荷，說(shuō)明有可能在時(shí)段Ⅱ內城河河道同時(shí)受到降雨地表徑流、河道底泥釋放的非點(diǎn)源污染;同時(shí)，在時(shí)段Ⅰ受限于水溫的影響，藻類(lèi)的繁殖得以抑制，隨著(zhù)溫度的升高，藻類(lèi)開(kāi)始大量繁殖，對水生環(huán)境造成嚴重的影響.建議在冬季對河道底泥進(jìn)行清淤，可以一定程度上起到抑制藻類(lèi)生長(cháng)的效果.

　　3.3.2 空間分組B各時(shí)段因子分析

　　由于空間分組B各時(shí)段在因子分析前的巴特萊檢驗KMO低于0.6，不適合在各時(shí)段內分別做因子分析，只對空間分組B做全年的因子分析(方差最大旋轉)，根據特征值大于1的原則提取了3個(gè)因子，共解釋了62.28%的總方差.

　　F1的方差貢獻率31.37%，表征因子為T(mén)N、NH3-N、TP和CODMn，代表營(yíng)養物質(zhì)和耗氧有機物污染，主要來(lái)自城市居民生活及餐飲旅游等第三產(chǎn)業(yè)污水的排放.F2的方差貢獻率20.36%，表征因子為DO、T、藻密度和Chl，DO與T、藻密度和Chl呈負相關(guān)，T與藻密度和Chl呈正相關(guān)，代表生物化學(xué)污染，主要來(lái)至自然因素與人為排放的營(yíng)養物質(zhì)相互作用造成水體富營(yíng)養化污染進(jìn)而導致藻類(lèi)爆發(fā).F3的方差貢獻率10.55%，表征因子為EC.

　　3.3.3 絕對主成分多元線(xiàn)性回歸(APCS-MLR)

　　依據因子分析，內城河在時(shí)段Ⅰ、時(shí)段Ⅱ和時(shí)段Ⅲ及外圍河道在全年時(shí)段內主要受到TN、NH3-N、TP、CODMn、DO和T等指標的影響，故對內城河及外圍河道在全年時(shí)間段內進(jìn)行污染源分配研究.由表 7可知，除濁度、pH、DO、EC和Chl的R2較小外，其余都在0.6以上，說(shuō)明回歸分析有統計學(xué)意義.此外估計值與實(shí)測值的比值(E/O)在0.994~1.143之間，也證明了這一回歸結果的準確性.通過(guò)APCS-MLR得到的污染源貢獻率可能為負值，也可能大于100%，這與污染源的排入對其他非影響指標的稀釋有關(guān).由表 7可知，古城區內城河F1對TN、NH3-N、TP和CODMn的貢獻率分別為25.09%、31.81%、34.12%、19.83%，表明TN、NH3-N、TP和CODMn來(lái)自城市生活及餐飲旅游等第三產(chǎn)業(yè)污水.同時(shí)，F1只是部分解釋了TN、NH3-N、TP和CODMn的來(lái)源，表明古城區人為干擾強烈，污染源更為復雜，未識別的污染源可能來(lái)自地表徑流或河道底泥的擾動(dòng).F2對DO的貢獻率為88.27%，表明DO主要受到生物化學(xué)污染影響.古城區外圍河道及內外連通河道F1對TN、NH3-N、TP、CODMn和EC的貢獻率分別為59.68%、81.31%、24.20%、13.92%.F2對TN、NH3-N和DO貢獻率分別為11.01%、14.27%、35.79%，F3對TN的貢獻率32.92%.表明TN、NH3-N、TP、CODMn同樣是來(lái)自城市生活及餐飲旅游等第三產(chǎn)業(yè)污水.具體參見(jiàn)污水寶商城資料或http://www.sharpedgetext.com更多相關(guān)技術(shù)文檔。

表7 公因子對各個(gè)指標的貢獻率

　　4 結論

　　1)通過(guò)CCME WQI評價(jià)模型計算結果可知，內外城河CCME WQI值介于40~74之間，其中，66.67%的監測點(diǎn)水體污染較嚴重，水環(huán)境系統遭到破壞，主要集中在內城河河道.

　　2)時(shí)間尺度上將全年聚類(lèi)為3類(lèi)，分別對應1—3月、11月及4—6月、7—10月.水質(zhì)狀況從時(shí)段Ⅰ、時(shí)段Ⅱ到時(shí)段Ⅲ逐漸在改善;雨季初期河道水體的氮、磷污染物含量在增加，說(shuō)明古城區河道除了受到生活及“三產(chǎn)”污水的點(diǎn)源污染以外，還可能受到降雨地表徑流和底泥釋放的非點(diǎn)源污染.

　　3)空間尺度上將水質(zhì)監測點(diǎn)分為2組，分別對應古城區內城河，外城河和內外連接河道.與古城區外圍河道相比，古城區內，城中村多、人口密集、餐飲旅游點(diǎn)多，過(guò)去沒(méi)有安裝地下分流截污管道;餐飲企業(yè)廚余污染、游客丟棄垃圾及居民生活污水未接納管網(wǎng)，污染源分散;另外，內城河河道狹窄、流速緩慢、河道底泥深厚，導致古城區水體污染要較外城河及進(jìn)出外城河河道要嚴重.因此，蘇州水環(huán)境治理主要集中在古城區內城河.

　　4)時(shí)空聯(lián)合因子分析與污染源解析結果表明：古城區內城河在時(shí)間段Ⅰ、Ⅱ、Ⅲ及古城區外城河和內外連接河道全年都受到生活污水及餐飲旅游等第三產(chǎn)業(yè)污水的污染，以及面臨夏季藻類(lèi)大量繁殖的風(fēng)險.

　　5)絕對主成分多元線(xiàn)性回歸(APCS-MLR)表明，總氮(TN)、氨氮(NH3-N)、總磷(TP)和高錳酸鹽指數(CODMn)主要來(lái)自城市生活及餐飲旅游等第三產(chǎn)業(yè)污水.

　　5 建議

　　1)通過(guò)水質(zhì)指數(WQI)模型分析結果可以看出，古城區內部河道水質(zhì)相對較差，古城區外圍河道水質(zhì)較好，在后期具體開(kāi)展工程措施治理河道水質(zhì)方面，可以充分考慮采取引清調水，借助外來(lái)水源稀釋古城區內河道水.

　　2)綜合水質(zhì)分析及源解析結果可知，蘇州古城區水質(zhì)時(shí)空特征明顯，N、P污染嚴重，混雜居民生活污染源排放點(diǎn)多面廣，對城中村居民生活污染應采取分散式分流截污設施，分步驟、分區域收集生活污水.

　　3)對于可能匯入河道的降雨徑流污染應結合河道護岸帶現狀，河岸帶種植既美觀(guān)又可有效截留降雨地表徑流的植被，有效堵截徑流污染物入河.同時(shí)，城市規劃及建設期間也可以因地制宜地采取最佳管理措施(BMPs)，以及低影響開(kāi)發(fā)措施(LID)等技術(shù)理念治理暴雨徑流污染物進(jìn)入河道.

　　4)對于河道內源污染底泥應在冬季進(jìn)行河道生態(tài)清淤，消除內源污染物;對于河道水面漂浮垃圾，應多頻次進(jìn)行清撈;對于游客要加大宣傳教育力度禁止丟棄垃圾，加強懲戒手段等.