Water quality evaluation in Huangshui mainstream based on interval type Bayesian model
-
摘要: 传统水质评价方法受主观因素影响较大,为进一步了解黄河上游重要支流湟水干流水质状况,根据2018年1—12月湟水干流12个断面的五日生化需氧量(BOD5)、化学需氧量(COD)、氨氮(NH3-N)、总磷(TP)、六价铬(Cr6+)等5项指标监测数据,采用区间型贝叶斯模型评价湟水干流水质状况。结果表明:区间型贝叶斯模型的排序结果能较为直观和准确地反映监测断面的水质变化情况,基本符合湟水从上游至下游呈“水质良好-水质恶化-水质好转”的水质变化趋势;湟水干流水质较差的断面基本位于人口集中、工业发达的城市集中河段,污染负荷大应是造成水质恶化的主要原因,未来应重点选择这些河段作为湟水水污染优先治理和水质监测的重点区域。Abstract: Traditional water quality evaluation methods are greatly affected by subjective factors. In order to further understand the water quality of the Huangshui mainstream in the upper reaches of the Yellow River, the interval type Bayesian model was used to evaluate water quality based on the monitoring data of BOD5, COD, NH3-N, TP and Cr6+ of 12 sections in the Huangshui mainstream from January to December 2018. The results show that the interval type Bayesian model can directly and accurately reflect the water quality change of monitoring sections, which basically accords with the trend in water quality of “good water quality-deteriorated water quality-improved water quality” from the upstream to the downstream of the Huangshui River. The sections with poor water quality are mainly located in the urban concentrated reaches with concentrated population and developed industries, and the excessive pollution should be the main reason for the deterioration of water quality. In the future, these reaches should be selected as the priority areas for water pollution control and water quality monitoring in the Huangshui River.
-
近年来,随着经济社会的迅速发展,水环境污染、水生态安全、水资源短缺等问题制约了区域的社会经济发展,威胁着居民的饮水安全[1]。因此,在水环境污染的治理中,水环境质量综合评价显得尤为重要。对于水质评价,目前应用较多的有单因子评价指数法、数学统计方法[2-4]、模糊聚类法[5]、灰色关联法[6]、人工神经网络法[7]等方法。但是这些方法大多计算繁琐,或者设计指标的权重受人为主观因素的影响较大,从而影响水质评价结果的可靠性。贝叶斯方法是一种以数学理论为基础的统计学方法[8],通过数据信息进行概率推断,广泛应用于水质预测评价等领域[9-10]。然而传统贝叶斯方法进行水质评价时,以均值表示污染物浓度,无法准确评价水质变化情况,在水质评价中仍存在着一定不足。20世纪60年代,Moore[11]提出区间数理论;祝慧娜等[12]采用区间型贝叶斯模型对湖泊水质进行评价,以解决传统贝叶斯模型中主观因素的影响。区间型贝叶斯模型,主要优点是在区间数基础上建立区间运算,通过区间数的可能度排序和区间值比较,解决传统贝叶斯方法中的不确定性问题,但由于区间运算引入矩阵,较传统贝叶斯模型计算复杂、工作量更大。本文利用区间型贝叶斯模型对湟水干流水质进行评价,分析河流水质变化趋势,为河流治理保护提供更客观准确的依据。
1. 材料与方法
1.1 研究区概况
湟水被喻为青海人民的母亲河,是黄河上游最大的一级支流,位于青藏高原与黄土高原的生态过渡带,流域面积32 878 km2,多年平均降水量为485.3 mm,降水的时空分布不均,全年降水总量的70%集中在6—9月,降水量年际变化大,最大年降水量为最小年降水量的2~3倍;降水量的多少与地形关系密切,有随海拔升高而递增的特点[13]。湟水干流的水质不仅关系到湟水流域的社会经济发展和生态安全维护,也关系到黄河中下游地区生态经济的可持续发展。据《青海省水资源公报(2018年)》,湟水干流西宁以上河段水质在Ⅲ类以上,干流西宁至民和段水质Ⅳ~Ⅴ类,主要污染物为五日生化需氧量(BOD5)和氨氮(NH3-N),虽然湟水干流水质较往年有了明显改善,但污染依然存在。对湟水流域水环境要素的质量优劣程度进行定量评价,可为流域水环境监测和治理决策提供科学依据。
1.2 区间型贝叶斯方法
1.2.1 区间型贝叶斯模型
水质评价中,贝叶斯模型[14]表达式为:
$$ P({y_{ij}}{\rm{|}}{x_i}) = \frac{{P({y_{ij}})P({x_i}{\rm{|}}{y_{ij}})}}{{\sum\limits_{i = 1}^n {P({y_{ij}})P({x_i}{\rm{|}}{y_{ij}})} }} $$ (1) 式中:
${x_i}$ 为某一监测断面水质指标实测值,i为检测指标,i=1, 2,3,$\cdots $ ,n;${y_{ij}}$ 为水质类型标准值,j为标准类型,j=1, 2, 3, 4, 5。本文采用超标倍数法确定各评价指标属于某类标准的概率,该方法的优点是不但能客观表达各个指标作用的大小,而且计算简单,结果更为合理[15]。
$$ P({y_{i{\rm{j}}}})={w_i} = \frac{{{x_i}}}{{\overline {{y_{ij}}} }}\Big/\sum\limits_{i = 1}^n {\frac{{{x_i}}}{{\overline {{y_{ij}}} }}} $$ (2) 式中:
$\overline {{y_{ij}}} $ 为评价指标各级标准的平均值。根据几何概率,采用距离法,即监测断面评价指标与水质类型标准之间的距离绝对值倒数进行计算:
$$ P({x_i}{\rm{|}}{y_{ij}}) = \frac{1}{{{\rm{|}}{x_i} - {y_{ij}}{\rm{|}}}}\Big/\sum\limits_{j = 1}^5 {\frac{1}{{{\rm{|}}{x_i} - {y_{ij}}{\rm{|}}}}} $$ (3) 多指标综合下后验概率计算式为:
$$ {P_j} = \sum\limits_{i = 1}^n {{w_i}} P({y_{ij}}{\rm{|}}{x_i}) $$ (4) 式中:
${w_ i }$ 为不同水质指标的权重,对水质类型的各个等级Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类和Ⅴ类分别赋值权重为5,4,3,2,1。以最大概率原则决策最终水质的级别:
$$ {P_{\rm{k}}} = {\rm{max}}{P_{{j}}}\left( {{{j}} = 1,{\rm{ }}2,{\rm{ }}3,{\rm{ }}4,{\rm{ }}5} \right) $$ (5) 计算可能度矩阵:可能度矩阵是模糊互补判断矩阵,满足以下性质:①0≤p(a≥b)≤1。② p(a≥b)和p(b≥a)为互补矩阵。③当p(a≥b)≥1/2,当且仅当a++a−≥b++b−;特别地,p(a≥b)=1/2,当且仅当a++a−=b++b−。当a和b同时为区间数或者有一个为区间数时,a=[a−,a+],b=[b−,b+],区间长度记为Ia=a+−a−,Ib=b+−b−。则:
$$ {{p}}(a \geqslant b) = \frac{{\min (({I_{\rm a}} + {I_{\rm b}}),\max ({a^ + } - {b^ - },0))}}{{{I_{\rm a}} + {I_{\rm b}}}} $$ (6) 式(6)为a≥b的可能度。记p=(pij)mn为可能度矩阵[16]。
在水质评价过程中,要将可能度矩阵的性质与模糊互补判断矩阵的区间数排序法相结合,进而对区间数进行排序。
基于可能度的区间数排序方法建立在模糊互补判断矩阵排序法方法上。由于可能度矩阵是模糊互补判断矩阵,因此利用中转法对区间数进行排序。对于可能度矩阵p=(pij)n×n来说,一组权值构成的n维正向量v=(v1,v2,v3,
$\cdots $ ,vn)成为排序向量。$${v_i} = \frac{1}{{n \times (n - 1)}}\left(\sum\limits_{j = 1}^n {{p_{ij}}} + \frac{n}{2} - 1\right)$$ (7) 利用排序向量
${v_i}$ 对区间数进行排序。可见,对区间数的排序实质是将区间数的大小关系转化为可能度排序向量的大小关系,从而确定各个点评价结果优劣。1.2.2 断面设置与监测方法
2018年1—12月,在湟水干流从上游至下游分别布置麻皮寺、海晏、石崖庄、扎麻隆、新宁桥、西宁、团结桥、小峡桥、平安桥、乐都、民和、湟水桥12个断面,断面位置见图1。每个断面设置1个采样点,监测频次为1次/月,共计12次,采样均在每月上旬完成。水质样品采集与保存均按照《水环境监测规范》(SL219—2013)执行,监测指标为五日生化需氧量(BOD5)、化学需氧量(COD)、氨氮(NH3-N)、总磷(TP)和六价铬(Cr6+),监测方法分别采用稀释与接种法(HJ 505—2009)、重铬酸钾法(HJ 828—2017)、纳氏试剂比色法(HJ 535—2009)、钼酸铵分光光度法(GB 11893—1989)和二苯碳酰二肼分光光度法(GB 7467—1987)。
2. 结果与分析
依据《地表水环境质量标准》(GB 3838—2002)中相应的水质标准进行评价,BOD5,COD,NH3-N,TP和Cr6+等5项指标的评价指标标准限值见表1。根据湟水水质状况和主要污染物特点,选择上述12个断面2018年1—12月水质监测成果,采用区间型贝叶斯模型进行评价BOD5,COD,NH3-N,TP和Cr6+等5项指标的区间值。水质监测结果区间值详见表2。
表 1 评价指标标准限值Table 1. Standard limit of evaluation index(mg·L−1) 标准级别 指标标准限值 BOD5 COD NH3-N TP Cr6+ I类 3 15 0.15 0.02 0.01 II类 3 15 0.5 0.1 0.05 III类 4 20 1.0 0.2 0.05 IV类 6 30 1.5 0.3 0.05 V类 10 40 2.0 0.4 0.10 表 2 2018年湟水干流水质监测结果区间值Table 2. Interval value of water quality monitoring results in Huangshui River main stream in 2018(mg·L−1) 断面名称 BOD5 COD NH3-N TP Cr6+ 麻皮寺 [0.8,1.6] [2,10] [0.044,0.102] [0.005,0.010] − 海晏 [0.9,2.1] [2,9] [0.165,0.264] [0.005,0.010] − 石崖庄 [0.9,3.0] [4,14] [0.058,0.224] [0.005,0.010] [0.002,0.015] 扎麻隆 [1.0,3.0] [2,14] [0.070,0.204] [0.005,0.010] [0.002,0.013] 新宁桥 [2.0,6.0] [5,18] [0.561,3.160] [0.020,0.060] [0.002,0.014] 西宁 [2.0,7.0] [6,18] [0.433,1.810] [0.030,0.100] [0.002,0.008] 团结桥 [2.0,7.0] [8,19] [0.466,1.870] [0.030,0.130] [0.002,0.008] 小峡桥 [3.0,8.0] [12,21] [0.592,2.360] [0.040,0.120] [0.002,0.010] 平安桥 [2.0,15.0] [10,21] [0.332,4.380] [0.030,0.350] [0.005,0.180] 乐都 [3.0,19.0] [8,22] [0.480,4.140] [0.050,0.320] [0.005,0.019] 民和 [2.7,5.5] [10,30] [0.170,3.150] [0.060,0.240] [0.011,0.039] 湟水桥 [2.2,3.8] [8,27] [0.060,1.350] [0.040,0.180] [0.009,0.022] 注:“−”表示未检出。 2.1 区间型贝叶斯的水质评价
采用超标倍数法确定权重,权重越大,说明水质受该指标的影响越大,采用式(2)来确定各评价指标的权重,详见表3。
表 3 各评价指标权重Table 3. Weight of each evaluation index断面名称 各指标权重 断面名称 各指标权重 BOD5 COD NH3-N TP Cr6+ BOD5 COD NH3-N TP Cr6+ 麻皮寺 0.391 0.323 0.124 0.091 0.071 团结桥 0.332 0.184 0.384 0.081 0.019 海晏 0.362 0.277 0.252 0.061 0.048 小峡桥 0.311 0.192 0.374 0.101 0.023 石崖庄 0.348 0.314 0.144 0.047 0.147 平安桥 0.325 0.141 0.346 0.135 0.053 扎麻隆 0.348 0.333 0.144 0.052 0.123 乐都 0.314 0.145 0.320 0.165 0.055 新宁桥 0.251 0.158 0.498 0.062 0.031 民和 0.215 0.200 0.280 0.192 0.113 西宁 0.327 0.198 0.368 0.087 0.020 湟水桥 0.231 0.233 0.201 0.223 0.112 通过表3可以看出,湟水干流麻皮寺-扎麻隆河段水质受五日生化需氧量和化学需氧量影响较大,新宁桥-乐都河段水质主要受五日生化需氧量和氨氮的影响,下游民和-湟水桥河段各个指标对水质影响较均衡。
根据表1~3,采用式(1)和(3)分别计算各监测断面不同水质等级5个指标的后验概率,结果见表4。
表 4 各监测断面不同水质等级的后验概率Table 4. Synthetic posterior probabilities of different water quality grades in different monitoring sections断面名称 I类 II类 III类 IV类 V类 综合后验概率 麻皮寺 [0.406,0.458] [0.246,0.266] [0.146,0.168] [0.082,0.109] [0.070,0.048] [3.664,4.146] 海晏 [0.441,0.501] [0.209,0.298] [0.140,0.142] [0.076,0.091] [0.045,0.058] [3.658,4.363] 石崖庄 [0.430,0.535] [0.238,0.344] [0.067,0.162] [0.035,0.105] [0.019,0.066] [3.392,4.813] 扎麻隆 [0.426,0.556] [0.237,0.340] [0.060,0.163] [0.029,0.106] [0.016,0.068] [3.332,4.909] 新宁桥 [0.157,0.268] [0.146,0.496] [0.128,0.169] [0.068,0.350] [0.041,0.178] [1.930,4.709] 西宁 [0.134,0.324] [0.181,0.447] [0.127,0.175] [0.066,0.275] [0.036,0.235] [1.943,4.718] 团结桥 [0.111,0.284] [0.130,0.499] [0.118,0.216] [0.062,0.252] [0.037,0.291] 小峡桥 [0.123,0.354] [0.157,0.484] [0.092,0.240] [0.062,0.252] [0.037,0.291] 平安桥 [0.131,0.438] [0.140,0.324] [0.127,0.238] [0.069,0.211] [0.041,0.279] 乐都 [0.155,0.341] [0.143,0.539] [0.060,0.216] [0.035,0.267] [0.023,0.218] 民和 [0.086,0.590] [0.119,0.252] [0.085,0.202] [0.044,0.460] [0.028,0.133] 湟水桥 [0.138,0.545] [0.134,0.237] [0.114,0.389] [0.064,0.266] [0.040,0.073] 对水质类型的各个等级Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类和Ⅴ类分别赋值权重为5,4,3,2,1,根据式(4)计算各个监测点的综合后验概率,见表4。
依据各监测断面综合概率(表4),采用式(6)计算区间数可能度矩阵为:
$$ {{p}} = \left[ {\begin{array}{*{20}{c}} {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.411 }} & {\rm{0}}{\rm{.396 }} & {\rm{0}}{\rm{.395 }} & {\rm{0}}{\rm{.680 }} & {\rm{0}}{\rm{.676 }} & {\rm{0}}{\rm{.681 }} & {\rm{0}}{\rm{.613 }} & {\rm{0}}{\rm{.657 }} & {\rm{0}}{\rm{.613 }} & {\rm{0}}{\rm{.595 }} & {\rm{0}}{\rm{.575 }}\\ {\rm{0}}{\rm{.589 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.457 }} & {\rm{0}}{\rm{.452 }} & {\rm{0}}{\rm{.698 }} & {\rm{0}}{\rm{.695 }} & {\rm{0}}{\rm{.698 }} & {\rm{0}}{\rm{.632 }} & {\rm{0}}{\rm{.676 }} & {\rm{0}}{\rm{.631 }} & {\rm{0}}{\rm{.612 }} & {\rm{0}}{\rm{.595 }}\\ {\rm{0}}{\rm{.604 }} & {\rm{0}}{\rm{.543 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.494 }} & {\rm{0}}{\rm{.686 }} & {\rm{0}}{\rm{.684 }} & {\rm{0}}{\rm{.687 }} & {\rm{0}}{\rm{.631 }} & {\rm{0}}{\rm{.668 }} & {\rm{0}}{\rm{.631 }} & {\rm{0}}{\rm{.614 }} & {\rm{0}}{\rm{.600 }}\\ {\rm{0}}{\rm{.605 }} & {\rm{0}}{\rm{.548 }} & {\rm{0}}{\rm{.506 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.684 }} & {\rm{0}}{\rm{.682 }} & {\rm{0}}{\rm{.685 }} & {\rm{0}}{\rm{.631 }} & {\rm{0}}{\rm{.666 }} & {\rm{0}}{\rm{.630 }} & {\rm{0}}{\rm{.614 }} & {\rm{0}}{\rm{.600 }}\\ {\rm{0}}{\rm{.320 }} & {\rm{0}}{\rm{.302 }} & {\rm{0}}{\rm{.314 }} & {\rm{0}}{\rm{.316 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.498 }} & {\rm{0}}{\rm{.516 }} & {\rm{0}}{\rm{.479 }} & {\rm{0}}{\rm{.497 }} & {\rm{0}}{\rm{.481 }} & {\rm{0}}{\rm{.482 }} & {\rm{0}}{\rm{.458 }}\\ {\rm{0}}{\rm{.324 }} & {\rm{0}}{\rm{.305 }} & {\rm{0}}{\rm{.316 }} & {\rm{0}}{\rm{.318 }} & {\rm{0}}{\rm{.502 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.518 }} & {\rm{0}}{\rm{.481 }} & {\rm{0}}{\rm{.499 }} & {\rm{0}}{\rm{.483 }} & {\rm{0}}{\rm{.484 }} & {\rm{0}}{\rm{.460 }}\\ {\rm{0}}{\rm{.319 }} & {\rm{0}}{\rm{.302 }} & {\rm{0}}{\rm{.313 }} & {\rm{0}}{\rm{.315 }} & {\rm{0}}{\rm{.484 }} & {\rm{0}}{\rm{.482 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.467 }} & {\rm{0}}{\rm{.482 }} & {\rm{0}}{\rm{.469 }} & {\rm{0}}{\rm{.471 }} & {\rm{0}}{\rm{.448 }}\\ {\rm{0}}{\rm{.387 }} & {\rm{0}}{\rm{.368 }} & {\rm{0}}{\rm{.369 }} & {\rm{0}}{\rm{.369 }} & {\rm{0}}{\rm{.521 }} & {\rm{0}}{\rm{.519 }} & {\rm{0}}{\rm{.533 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.517 }} & {\rm{0}}{\rm{.501 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.481 }}\\ {\rm{0}}{\rm{.343 }} & {\rm{0}}{\rm{.324 }} & {\rm{0}}{\rm{.332 }} & {\rm{0}}{\rm{.334 }} & {\rm{0}}{\rm{.503 }} & {\rm{0}}{\rm{.501 }} & {\rm{0}}{\rm{.518 }} & {\rm{0}}{\rm{.483 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.485 }} & {\rm{0}}{\rm{.485 }} & {\rm{0}}{\rm{.463 }}\\ {\rm{0}}{\rm{.387 }} & {\rm{0}}{\rm{.369 }} & {\rm{0}}{\rm{.369 }} & {\rm{0}}{\rm{.370 }} & {\rm{0}}{\rm{.519 }} & {\rm{0}}{\rm{.517 }} & {\rm{0}}{\rm{.531 }} & {\rm{0}}{\rm{.499 }} & {\rm{0}}{\rm{.515 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.499 }} & {\rm{0}}{\rm{.480 }}\\ {\rm{0}}{\rm{.405 }} & {\rm{0}}{\rm{.388 }} & {\rm{0}}{\rm{.386 }} & {\rm{0}}{\rm{.386 }} & {\rm{0}}{\rm{.518 }} & {\rm{0}}{\rm{.516 }} & {\rm{0}}{\rm{.529 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.515 }} & {\rm{0}}{\rm{.501 }} & {\rm{0}}{\rm{.500 }} & {\rm{0}}{\rm{.482 }}\\ {\rm{0}}{\rm{.425 }} & {\rm{0}}{\rm{.405 }} & {\rm{0}}{\rm{.400 }} & {\rm{0}}{\rm{.400 }} & {\rm{0}}{\rm{.542 }} & {\rm{0}}{\rm{.540 }} & {\rm{0}}{\rm{.552 }} & {\rm{0}}{\rm{.519 }} & {\rm{0}}{\rm{.537 }} & {\rm{0}}{\rm{.520 }} & {\rm{0}}{\rm{.518 }} & {\rm{0}}{\rm{.500 }} \end{array}} \right] $$ 根据式(7)计算各监测断面排序向量的大小,得出12个监测断面的水质从好到差依次为:扎麻隆>石崖庄>海晏>麻皮寺>湟水桥>民和>小峡桥>乐都>平安桥>西宁>新宁桥>团结桥。
从排序结果来看,总体上湟水水质从好到差排序依次为:中上游>下游>中下游,这反映了湟水西宁市扎麻隆以上河段水质良好,西宁市新宁桥附近至海东市民和县河段水质由恶化到好转的变化趋势。结合湟水水质实际情况,可以看出西宁市为湟水水质变化的转折点,西宁以上河段水质较好(麻皮寺、海晏、石崖庄、扎麻隆),进入西宁后水质恶化(新宁桥、西宁、团结桥、小峡桥),出西宁后水质逐渐好转(平安桥、乐都、民和、湟水桥)。
湟水西宁至乐都河段水质相对较差,主要是由于该河段城市集中,人口密集,工业企业分布较为集中,用水量和排污量相对较大;而民和以下河段水质好转,可能是由于污染物入河量相对较少,污染水体经自净后水质逐渐变好。
2.2 传统的贝叶斯模型水质评价
利用传统的贝叶斯模型计算各断面水质监测数据的平均值,见表5。
表 5 2018年湟水干流水质监测结果Table 5. Water quality monitoring results of Huangshui main stream in 2018(mg·L−1) 断面名称 各类水质监测指标值 BOD5 COD NH3-N TP Cr6+ 麻皮寺 1.12 4.20 0.069 0.010 − 海晏 1.48 5.30 0.207 0.010 − 石崖庄 1.87 7.92 0.156 0.010 0.008 扎麻隆 1.74 7.50 0.139 0.010 0.006 新宁桥 4.08 11.90 1.610 0.041 0.005 西宁 4.75 13.40 1.070 0.050 0.003 团结桥 5.20 13.30 1.190 0.050 0.003 小峡桥 5.50 15.70 1.310 0.070 0.004 平安桥 7.40 14.80 1.560 0.120 0.012 乐都 6.80 14.50 1.370 0.140 0.012 民和 3.98 17.20 1.030 0.140 0.021 湟水桥 2.92 13.50 0.499 0.110 0.014 注:“−”为未检出。 传统的贝叶斯模型综合后验概率计算与区间型贝叶斯模型计算方法一致,根据各监测断面后验概率的大小,利用式(5),可以看出12个监测断面的水质优劣依次为:麻皮寺(4.916)>湟水桥(4.139)>石崖庄(4.119)>扎麻隆(4.049)>海晏(3.987)>西宁(3.395)>民和(3.355)>团结桥(3.222)>小峡桥(3.107)>乐都(3.038)>平安桥(2.953)>新宁桥(2.911),其中:括号中的数值为综合后验概率。
从传统贝叶斯模型后验概率排序看,西宁以上河段和省界断面湟水桥水质优于西宁至民和段,这个结果与区间型贝叶斯模型计算结果基本一致,但不能反映出水质与河段的复杂变化关系,特别是西宁及以下河段水质状况,未能体现出水质先恶化后变好的趋势。
3. 结 语
采用区间型贝叶斯模型对湟水水质进行评价,评价的排序结果能较为直观反映监测断面的水质变化情况,与湟水上下游河段的水质现状较为接近,基本符合湟水水质从上游至下游呈“良好-恶化-好转”的变化趋势。水质较差的断面基本位于人口集中、工业发达的城市集中河段;污染负荷大应是造成水质恶化的主要原因。未来应重点选择这些河段作为湟水水污染优先治理和水质监测的重点区域。
-
表 1 评价指标标准限值
Table 1 Standard limit of evaluation index
(mg·L−1) 标准级别 指标标准限值 BOD5 COD NH3-N TP Cr6+ I类 3 15 0.15 0.02 0.01 II类 3 15 0.5 0.1 0.05 III类 4 20 1.0 0.2 0.05 IV类 6 30 1.5 0.3 0.05 V类 10 40 2.0 0.4 0.10 表 2 2018年湟水干流水质监测结果区间值
Table 2 Interval value of water quality monitoring results in Huangshui River main stream in 2018
(mg·L−1) 断面名称 BOD5 COD NH3-N TP Cr6+ 麻皮寺 [0.8,1.6] [2,10] [0.044,0.102] [0.005,0.010] − 海晏 [0.9,2.1] [2,9] [0.165,0.264] [0.005,0.010] − 石崖庄 [0.9,3.0] [4,14] [0.058,0.224] [0.005,0.010] [0.002,0.015] 扎麻隆 [1.0,3.0] [2,14] [0.070,0.204] [0.005,0.010] [0.002,0.013] 新宁桥 [2.0,6.0] [5,18] [0.561,3.160] [0.020,0.060] [0.002,0.014] 西宁 [2.0,7.0] [6,18] [0.433,1.810] [0.030,0.100] [0.002,0.008] 团结桥 [2.0,7.0] [8,19] [0.466,1.870] [0.030,0.130] [0.002,0.008] 小峡桥 [3.0,8.0] [12,21] [0.592,2.360] [0.040,0.120] [0.002,0.010] 平安桥 [2.0,15.0] [10,21] [0.332,4.380] [0.030,0.350] [0.005,0.180] 乐都 [3.0,19.0] [8,22] [0.480,4.140] [0.050,0.320] [0.005,0.019] 民和 [2.7,5.5] [10,30] [0.170,3.150] [0.060,0.240] [0.011,0.039] 湟水桥 [2.2,3.8] [8,27] [0.060,1.350] [0.040,0.180] [0.009,0.022] 注:“−”表示未检出。 表 3 各评价指标权重
Table 3 Weight of each evaluation index
断面名称 各指标权重 断面名称 各指标权重 BOD5 COD NH3-N TP Cr6+ BOD5 COD NH3-N TP Cr6+ 麻皮寺 0.391 0.323 0.124 0.091 0.071 团结桥 0.332 0.184 0.384 0.081 0.019 海晏 0.362 0.277 0.252 0.061 0.048 小峡桥 0.311 0.192 0.374 0.101 0.023 石崖庄 0.348 0.314 0.144 0.047 0.147 平安桥 0.325 0.141 0.346 0.135 0.053 扎麻隆 0.348 0.333 0.144 0.052 0.123 乐都 0.314 0.145 0.320 0.165 0.055 新宁桥 0.251 0.158 0.498 0.062 0.031 民和 0.215 0.200 0.280 0.192 0.113 西宁 0.327 0.198 0.368 0.087 0.020 湟水桥 0.231 0.233 0.201 0.223 0.112 表 4 各监测断面不同水质等级的后验概率
Table 4 Synthetic posterior probabilities of different water quality grades in different monitoring sections
断面名称 I类 II类 III类 IV类 V类 综合后验概率 麻皮寺 [0.406,0.458] [0.246,0.266] [0.146,0.168] [0.082,0.109] [0.070,0.048] [3.664,4.146] 海晏 [0.441,0.501] [0.209,0.298] [0.140,0.142] [0.076,0.091] [0.045,0.058] [3.658,4.363] 石崖庄 [0.430,0.535] [0.238,0.344] [0.067,0.162] [0.035,0.105] [0.019,0.066] [3.392,4.813] 扎麻隆 [0.426,0.556] [0.237,0.340] [0.060,0.163] [0.029,0.106] [0.016,0.068] [3.332,4.909] 新宁桥 [0.157,0.268] [0.146,0.496] [0.128,0.169] [0.068,0.350] [0.041,0.178] [1.930,4.709] 西宁 [0.134,0.324] [0.181,0.447] [0.127,0.175] [0.066,0.275] [0.036,0.235] [1.943,4.718] 团结桥 [0.111,0.284] [0.130,0.499] [0.118,0.216] [0.062,0.252] [0.037,0.291] 小峡桥 [0.123,0.354] [0.157,0.484] [0.092,0.240] [0.062,0.252] [0.037,0.291] 平安桥 [0.131,0.438] [0.140,0.324] [0.127,0.238] [0.069,0.211] [0.041,0.279] 乐都 [0.155,0.341] [0.143,0.539] [0.060,0.216] [0.035,0.267] [0.023,0.218] 民和 [0.086,0.590] [0.119,0.252] [0.085,0.202] [0.044,0.460] [0.028,0.133] 湟水桥 [0.138,0.545] [0.134,0.237] [0.114,0.389] [0.064,0.266] [0.040,0.073] 表 5 2018年湟水干流水质监测结果
Table 5 Water quality monitoring results of Huangshui main stream in 2018
(mg·L−1) 断面名称 各类水质监测指标值 BOD5 COD NH3-N TP Cr6+ 麻皮寺 1.12 4.20 0.069 0.010 − 海晏 1.48 5.30 0.207 0.010 − 石崖庄 1.87 7.92 0.156 0.010 0.008 扎麻隆 1.74 7.50 0.139 0.010 0.006 新宁桥 4.08 11.90 1.610 0.041 0.005 西宁 4.75 13.40 1.070 0.050 0.003 团结桥 5.20 13.30 1.190 0.050 0.003 小峡桥 5.50 15.70 1.310 0.070 0.004 平安桥 7.40 14.80 1.560 0.120 0.012 乐都 6.80 14.50 1.370 0.140 0.012 民和 3.98 17.20 1.030 0.140 0.021 湟水桥 2.92 13.50 0.499 0.110 0.014 注:“−”为未检出。 -
[1] 邓渠成, 尹娟, 许桂苹, 等. 基于三角模糊数-贝叶斯方法的九洲江水环境质量评价[J]. 水生态学杂志,2019,40(2):14-19. (DENG Qucheng, YIN Juan, XU Guiping, et al. Water quality assessment of Jiuzhou river based on the integrated method of triangular fuzzy numbers and Bayesian network[J]. Journal of Hydroecology, 2019, 40(2): 14-19. (in Chinese) [2] GUO H, WANG T, LOUIE P K K. Source apportionment of ambient non-methane hydrocarbons in Hong Kong: application of a principal component analysis/absolute principal component scores (PCA/APCS) receptor model[J]. Environmental Pollution, 2004, 129(3): 489-498. doi: 10.1016/j.envpol.2003.11.006
[3] SONG Y, XIE S D, ZHANG Y H, et al. Source apportionment of PM2.5 in Beijing using principal component analysis/absolute principal component scores and UNMIX[J]. Science of the Total Environment, 2006, 372(1): 278-286. doi: 10.1016/j.scitotenv.2006.08.041
[4] SINGH K P, MALIK A, KUMAR R, et al. Receptor modeling for source apportionment of polycyclic aromatic hydrocarbons in urban atmosphere[J]. Environmental Monitoring and Assessment, 2008, 136(1/3): 183-196.
[5] 沈迅伟, 袁春伟, 王世和. 基于模糊聚类分析的水污染评价[J]. 南京化工大学学报,1998,20(增刊1):30-34. (SHEN Xunwei, YUAN Chunwei, WANG Shihe. Water pollution assessment based on fuzzy cluster analysis[J]. Journal of Nanjing University of Chemical Technology, 1998, 20(Suppl1): 30-34. (in Chinese) [6] 秦昌波, 郑丙辉, 秦延文, 等. 渤海湾天津段海岸带水环境质量灰色关联度评价[J]. 环境科学研究,2006,19(6):94-99. (QIN Changbo, ZHENG Binghui, QIN Yanwen, et al. Gray correlation assessment of water environment quality for Tianjin coastal zone in Bohai Bay[J]. Research of Environmental Sciences, 2006, 19(6): 94-99. (in Chinese) doi: 10.3321/j.issn:1001-6929.2006.06.019 [7] 苑韶峰, 吕军. 人工神经网络在我国水科学中的应用与展望[J]. 农机化研究,2003(4):5-8. (YUAN Shaofeng, LÜ Jun. Application and prospect of artificial neural network in water science[J]. Journal of Agricultural Mechanization Research, 2003(4): 5-8. (in Chinese) doi: 10.3969/j.issn.1003-188X.2003.04.002 [8] BORSUK M E, STOW C A, RECKHOW K H. A Bayesian network of eutrophication models for synthesis, prediction, and uncertainty analysis[J]. Ecological Modelling, 2004, 173(2/3): 219-239.
[9] BLANGIARDO M, RICHARDSON S, GULLIVER J, et al. A Bayesian analysis of the impact of air pollution episodes on cardio-respiratory hospital admissions in the greater London area[J]. Statistical Methods in Medical Research, 2011, 20(1): 69-80. doi: 10.1177/0962280210372571
[10] 扈震, 杨之江, 齐培培. 基于贝叶斯方法的饮用水水质预测及可视化研究[J]. 中国给水排水,2012,28(5):53-56, 60. (HU Zhen, YANG Zhijiang, QI Peipei. Drinking water quality prediction and visualization based on Bayesian method[J]. China Water & Wastewater, 2012, 28(5): 53-56, 60. (in Chinese) doi: 10.3969/j.issn.1000-4602.2012.05.015 [11] MOORE R E. Interval analysis[M]. Englewood Cliffs, NJ: Prentice Hall, 1966.
[12] 祝慧娜, 闫庆, 尹娟. 基于区间型贝叶斯的湖泊水质评价模型[J]. 环境工程,2015,33(2):130-134. (ZHU Huina, YAN Qing, YIN Juan. The model of water quality assessment for lakes based on interval type Bayesian[J]. Environmental Engineering, 2015, 33(2): 130-134. (in Chinese) [13] 青海省水利厅. 青海河湖概览[M]. 武汉: 长江出版社, 2018: 56-57. Department of Water Resources of Qinghai Province. A survey of the rivers and lakes in Qinghai[M]. Wuhan: Changjiang Press, 2018: 56-57. (in Chinese)
[14] 廖杰, 王文圣, 丁晶. 贝叶斯公式在河流水质综合评价中的应用[J]. 四川师范大学学报(自然科学版),2007,30(4):519-522. (LIAO Jie, WANG Wensheng, DING Jing. Comprehensive assessment of water quality on main rivers in Sichuan by Bayes method[J]. Journal of Sichuan Normal University (Natural Science), 2007, 30(4): 519-522. (in Chinese) [15] 张彦波, 司训练. 基于改进灰色关联法的地表水环境质量评价[J]. 人民黄河,2017,39(11):109-111, 127. (ZHANG Yanbo, SI Xunlian. Quality assessment of surface water environment based on improved grey correlation method[J]. Yellow River, 2017, 39(11): 109-111, 127. (in Chinese) doi: 10.3969/j.issn.1000-1379.2017.11.024 [16] 孙海龙, 姚卫星. 区间数排序方法评述[J]. 系统工程学报,2010,25(3):304-312. (SUN Hailong, YAO Weixing. Comments on methods for ranking interval numbers[J]. Journal of Systems Engineering, 2010, 25(3): 304-312. (in Chinese) -
期刊类型引用(8)
1. 曹媛. 水中五日生化需氧量预测的模拟验证. 山西化工. 2023(08): 222-223+235 . 百度学术
2. 夏文菊. 中国北方地区水环境污染治理绩效综合评价建模研究. 环境科学与管理. 2022(04): 180-184 . 百度学术
3. 贾洁,王司阳,张静萍. 湟水流域西宁段主要水质参数的时空分布特征及污染评价. 中国农村水利水电. 2022(08): 6-13 . 百度学术
4. 程麒铭,陈垚,刘臻,唐颖辉,袁绍春. 基于随机森林-投影寻踪法的生物滞留系统多目标评价方法. 水资源与水工程学报. 2022(04): 85-90+96 . 百度学术
5. 王梅. 宁东能源化工基地湖库水质参数时空分布特征及污染评价. 山西化工. 2022(06): 151-154 . 百度学术
6. 窦舒畅,邢立亭,陈奂良,赵振华,李传磊,雷炳霄. 济南泉域岩溶地下水质量与健康风险评估. 安全与环境工程. 2022(05): 112-121 . 百度学术
7. 白云,李勇,张万娟,贺嘉. 基于粗糙集-贝叶斯网络的流域水质评价方法. 水资源与水工程学报. 2022(05): 1-10 . 百度学术
8. 张彦,梁志杰,邹磊,李平,窦明,黄仲冬,齐学斌,高青. 黄河干流及主要支流水质时空差异性及其变化特征研究. 灌溉排水学报. 2021(09): 125-133 . 百度学术
其他类型引用(3)