2017, Vol. 37
[PDF全文]
2. 南开大学滨海学院环境科学与工程系, 天津 300270
2. Department of Environmental Science and Engineering, Nankai University Binhai College, Tianjin 300270
随着现代社会经济的快速发展, 工业化和城市化的不断推进, 环境与社会经济发展之间的不平衡日益凸显, 已成为流域可持续发展的重要制约性因素之一(孟伟, 2007).湟水流域是青海省人口最集中的多民族聚居区, 是全省政治、经济和文化的中心.但同时, 流域内水环境问题逐渐突出, 河流水质情况越来越受到环境管理部门关注, 分析湟水河水质的时空变化特征, 对其主要污染物的来源进行解析, 可以为流域水环境管理者提供决策依据.
目前多元统计分析方法中的因子分析法、方差分析法和聚类分析法已经广泛应用于流域水质时空演变分析和污染源识别(周丰等, 2007; 卜红梅等, 2009; Shrestha et al., 2007; 王翠榆等, 2012; 孙国红等, 2011), 而因子分析法存在只能对河流污染源进行定性识别, 可能存在未识别出的污染源的局限性(徐华山等, 2012; Su et al., 2011).鉴于此, 本研究首先采用多元统计方法分析湟水河水质特征:通过因子分析法识别河流主要污染物, 初步鉴别污染物来源; 采用方差分析法和系统聚类法分析湟水河水质在时间及空间上的相似性和差异性.在此基础上, 为了解决因子分析法难以定量解析污染源构成的问题, 本研究运用基于一维水质模型(Qual2Kw)的污染物贡献比例计算方法(Cao et al., 2015), 对主要污染物进行空间溯源, 对污染源构成进行定量解析, 从而达到更加准确地呈现污染源特征、识别重点污染源的目的.为实现有针对性的污染源治理、提高湟水河流域水质管理工作的有效性及改善流域水质状况和生态环境等方面提供科学依据.
2 研究区域与方法(Study area and methods) 2.1 研究区概况湟水河是黄河上游最大的一级支流(赵串串等, 2008), 位于北纬36°02'~37°28', 东经100°42'~103°01', 流经青海和甘肃两省, 湟水河干流全长373.9 km, 青海省内干流长349 km.湟水河流域地势由西北向东南呈现渐降态势, 大部分海拔为2200~3000 m(杨发源等, 2010).流域地处西北内陆高原, 属凉温干旱半干旱气候区, 气温、降水量、蒸发量等水文气象要素的垂直变化明显.流域年平均气温为0.6~7.9 ℃, 最高气温为34.7 ℃, 最低气温为-32.6 ℃.气温随海拔增高而递减, 降水量随海拔增高而递增.年降水量为300~500 mm, 局部地区可达600 mm.6—9月降水占全年降水量的70%左右, 且多暴雨.
2.2 多元统计分析 2.2.1 因子分析因子分析是指研究从具有错综复杂关系的变量中提取少数几个不可观测的共性因子的多变量统计分析技术, 可以对变量进行有效地降维.因子分析研究多样本的多属性变量之间的内在关系, 根据变量间的相关性进行分组, 并从变量组内提取少数的潜在因子来反映本组变量的基本信息, 从而使这些因子能够概括和归纳原有观测变量的大部分信息, 解释变量的基本结构(肖艳芳等, 2012).本文通过因子分析法提取湟水河主要污染因子, 并定性识别污染源.
2.2.2 方差分析方差分析(ANOVA)还可称为"变异数分析"或者"F检验", 由Fisher发明.方差分析是一种统计的假设检验方法, 应用于两个及两个以上样本均数差别的显著性检验(周丰等, 2007).方差分析从观测变量的方差入手, 研究诸多控制变量中哪些变量是对观测变量有显著影响的变量.本研究的控制变量主要为时间或空间, 属单因素方差分析.通过单因素方差分析来检验时间或空间的不同水平是否对湟水河水质产生显著影响.
2.2.3 系统聚类分析法系统聚类分析法是目前应用最广泛的一种聚类分析方法, 聚类的目的是使样本在一个给定的类里相似性高, 而在类间趋于不相似.系统聚类是先将每一个样本看成一类, 根据样本之间的相似程度, 逐次将相似程度最高的两类聚合为一类, 直至将所有样本合并为一类(Singh et al., 2004).本文采用欧氏距离平方法计算样本间距离, 对湟水河水质的时空相似性和差异性进行分析.
2.3 Qual2Kw模型本文使用一维水质模型Qual2Kw对污染物的迁移转化过程进行模拟, 分析污染物的分布情况, 并基于Qual2Kw模型模拟结果解析污染源分布及构成特征.
2.3.1 Qual2Kw模型简介Qual2Kw是美国华盛顿生态局的Gregory Pelletier与塔夫斯大学的Steven Chapra、Hua Tao在Qual2K的基础上开发的(Pelletier et al., 2006).Qual2Kw将河流干流概化成若干长度不等的河段, 河段作为其最小计算单元, 污染物以点源或面源的方式输入或输出干流河段, 污染物进入具体河段后随水流迁移转化, 其中Qual2Kw并不具体的模拟支流水质, 而是将支流作为支流点源进行模拟.面源被当成线性源进行模拟.模型假定, 面源从其起始位置到终止位置均匀的输入(输出)到河段干流之中(Chapra et al., 2003).
Qual2Kw模型把河流水文模型、BOD-DO耦合模型、营养物质转化模型和藻类生长动力学模型结合起来(Santos et al., 2013), 采用有限差分法求解其数值解, 同时采用遗传算法对参数进行全局优化.在Qual2Kw模型中, 针对某个浓度为Ci的物质在河段i中的平衡方程可表示为公式(1).
|
(1) |
式中, ci为第i河段物质组分浓度(mg · L-1), Qi-1为河段i的流入流量(m3 · s-1), Qi为河段i的流出流量(m3 · s-1), Qout, i为河段i的取水量(m3 · s-1), Vi为河段i的体积(L), Ei为河段间的弥散系数(L · d-1), Wi为河段i的外源负荷量(mg · d-1), Si为因化学反应或物质交换的负荷量(mg · L-1 · d-1), Ehyp, i为河段i的底质交换系数(L · d-1), t为时间(s).
2.3.2 污染物贡献比例计算基于Qual2Kw模型, 将干流划分为多个河段, 进入某个河段i的污染物负荷包括点源负荷和面源负荷, 其中点源负荷包括汇入该河段的支流点源负荷和排入河段i的污水负荷.
进入河段i的污染物负荷计算公式如式(2)~(3) 所示.
|
(2) |
|
(3) |
式中, Wi为河段i的污染源负荷; Wnps, i, j为河段i的非点源负荷量; Nps, i为流入河段i的点源个数; Nnps, i为流入河段i的非点源个数; Cps, i, j为点源j污染物浓度(mg · m-3); Cnps, i, j为非点源j的污染物浓度(mg · m-3); Qps, i, j为点源j的流量(m3 · d-1); Qnps, i, j为非点源j的流量(m3 · d-1); Li, j为非点源j流入河段i的长度(m); ΔXi, j为河段i和非点源j重叠部分的长度(m).
河段i(i=1, 2, ……n)的污染物通量变化率(Ki)见式(4).
|
(4) |
河段i(i=1, 2, ……n)对特定断面的贡献比例计算公式如式(5)~(6) 所示.
|
(5) |
|
(6) |
式中, ζps, i, j, n为河段i中第j个点源对目标河段n的污染贡献率; ζnps, i, j, n为第i个河段中所涉及的第j个面源的直接污染负荷量对目标河段n的污染贡献率; Qout, i-1为河段i-1的出流量(m3 · s-1), Qout, 0代表源头水流量; Qout, i为河段i的出流量(m3 · s-1); Cout, i-1为河段i输出污染物浓度(mg · L-1); Cout, i为河段i的输出污染物浓度(mg · L-1), Cout, 0代表源头水污染物浓度; Qout, n为研究目标河段的出流量(m3 · s-1); Cout, n为研究目标河段的污染物浓度(mg · L-1).
2.4 数据来源及预处理湟水河流域2012—2014年水质逐月监测数据由环境保护部环境规划院提供, 本研究选取湟水河干流青海境内金滩、扎马隆、西钢桥、新宁桥、报社桥、小峡桥、民和桥7个断面(图 1), 共252个监测样本.监测指标包括水温、pH、电导率、溶解氧、高锰酸盐指数、生化需氧量、氨氮、挥发酚、化学需氧量、总氮、总磷、铜、氟化物、六价铬、粪大肠杆菌等15项指标.数据统计描述见表 1.为了消除量纲的影响, 在进行因子分析和聚类分析前, 都对数据进行了标准化.多元统计分析采用SPSS 22.0软件包完成.
 |
| 图 1 湟水河流域断面分布示意图 Fig. 1 Distribution of sampling sites in the Huangshui River basin |
| 表 1 湟水河流域2012—2014年水质指标的统计描述 Table 1 Statistical description of water quality variables in Huangshui River during 2012—2014 |
 |
本研究选定金滩断面(101°5'10″E, 36°50'6″N)作为模型模拟上游边界, 民和桥断面(102°49'2″E, 36°20'10″N)作为下游边界, 把研究区域湟水河干流依据污染源位置、支流汇入位置、水文条件一致性等因素划分为50个河段.Qual2Kw模型需要输入的数据包括水文数据、气象数据、水质数据.水文数据由环境保护部环境规划院提供, 气象数据根据气象监测站相关数据确定, 水质数据是依据模型要求选取的干流监测站点及25条支流监测数据.面源数据通过广义流域负荷模型(GWLF)(Haith et al., 1987)对湟水河流域进行模拟得到(刘艳等, 2014).
3 结果与讨论(Results and discussion) 3.1 因子分析在因子分析之前, 对数据进行KMO检验, KMO值为0.754, 适合进行因子分析.按照特征值大于1的原则, 在因子分析中提取4个公因子, 即F1、F2、F3和F4(表 2).F1中化学需氧量、生化需氧量、高锰酸盐指数、氟化物、电导率所占的因子载荷较大, 且与F1均呈正相关关系.其中化学需氧量、生化需氧量和高锰酸盐指数代表水体的有机物污染水平, 说明湟水河流域水体受到城市生活污水排放的强烈影响(Zhou et al., 2007); 氟化物、电导率代表水体盐度, 多来源于化学工业污水.F2中铜、六价铬、pH含有较高的因子载荷绝对值, 代表水体的重金属污染水平, 结合湟水河流域工业行业类型来看, 主要源于炼钢、有色金属冶炼类企业、电镀企业废水排放(Huang et al., 2010).与F3呈较强正相关关系的是溶解氧, 而与水温呈较强负相关关系, 代表水体的理化特性.F4代表水体的含氮水平, F4与总氮和氨氮有显著的正相关关系, 因子载荷分别为0.703和0.660.总氮、氨氮在农业排水、畜禽养殖废水、大量使用化肥的农田地表径流中含量较高(Singh et al., 2004), 表征面源污染, 同时总氮、氨氮也代表着化工废水等点源排放.
| 表 2 因子分析旋转因子载荷矩阵 Table 2 Matrix of rotated factor loadings in factor analysis |
|
选取每个公因子对应的有最高因子载荷绝对值的两个指标变量作为本研究主要研究指标, 即为化学需氧量、生化需氧量、铜、六价铬、水温、溶解氧、总氮、氨氮.
3.2 方差分析表 3和表 4分别显示了对数据进行同一断面年际间和同一年度不同监测断面间方差分析的结果.结果表明7个断面的监测样本在不同年度间均不存在显著性差异(p > 0.05, n=288), 即2012—2014年际间湟水流域水质变化不明显.其中, 扎马隆断面水质一直处于地表水Ⅲ类以上(总氮不参与评价), 小峡桥断面水质持续保持在Ⅴ类, 民和桥断面水质呈逐渐好转趋势, 2014年水质符合地表水环境质量标准(GB 3838-02) 的Ⅳ类水质.从空间方差分析结果来看, 2012年监测断面之间不存在显著性差异(p > 0.05, n=672), 2013年和2014年不同断面间差异性显著(p < 0.05, n=672), 这说明2013年和2014年水体中的污染物浓度在空间上存在着明显差异, 进一步分析湟水河水质空间相似性和分异性十分必要.
| 表 3 年际间时间方差分析 Table 3 ANOVA of temporal variation among 2012, 2013 and 2014 |
|
| 表 4 监测断面空间方差分析 Table 4 ANOVA of spatial variation |
|
由时间方差分析结果可知, 2012—2014年间水质稳定, 本研究对监测数据进行年内月份聚类分析, 采用欧氏距离平方计算样本间距离, 运用Ward算法生成聚类树.从聚类结果上看, 监测时段可划分为3个时段(图 2a):时段1(6—10月)、时段2(5月和11月)和时段3(12月—4月).湟水河干流水质的时间特征与四季特征(春季为3—5月, 夏季为6—8月, 秋季为9—11月, 冬季为12—2月)有一定的一致性, 但不完全相符.其中9月和10月虽然为秋季, 但处于雨季和雨季后期(戴升等, 2006), 河流径流量较大, 水质与夏季水质特征相似, 属于时段1, 这揭示了雨季后水质响应延迟现象(Yang et al., 2012); 而3月和4月属于枯水期, 河流径流量少, 水质呈现为与冬季相似的污染特征.因此, 从时间聚类结果看, 湟水河的水质存在明显的季节性变化, 同时也受河流径流量等水文条件的限制.其原因一是雨季径流对河流污染物有一定的稀释作用; 二是河流径流变化引起河流水位、流速改变, 对于大气复氧、藻类生长影响显著, 继而对水体中营养盐浓度产生一定影响(雒文生等, 2003; 张琍等, 2014).
 |
| 图 2 时间聚类(a)和空间聚类(b)结果 Fig. 2 Dendrogram of sampling periods(a) and sites(b) based on cluster analysis |
湟水河水质年内3个时段水体水质指标中除水温外, 总氮、氨氮两个指标有明显的差异, 且时段1和时段2明显低于时段3, 表明湟水河水体受工业生活排放含氮污水的影响显著.时段1的氨氮、总氮浓度最低, 表明雨季径流对点源排放氮营养盐具有一定稀释作用.同时, 也表明在点源排入固定的情况下, 面源污染可能对河流水质的影响低于点源污染.
3.3.2 空间聚类分析从空间聚类结果上看, 湟水河干流水质在空间上可分为4组(图 2b).第1组为金滩断面, 第2组为扎马隆断面, 第3组包括西钢桥断面、新宁桥断面、报社桥断面、小峡桥断面, 第四组为民和桥断面.第1组为位于湟水河上游的金滩断面, 水质受到轻度污染; 第2组扎马隆断面位于湟水河干流西宁市段上游, 人口相对集中, 工业活动较少, 主要承接上游来水, 以及城镇生活污水和农田地表径流直接排入河中所致水质受到污染.第3组的4个断面位于西宁市人口聚集区, 人口密度大, 工业企业较多, 受生活污水和工业废水排放的双重影响, 水体污染较严重, 水质较差.第4组是湟水河青海省出境断面, 湟水河经小峡桥断面出西宁市后, 由于沿程降解和支流汇入稀释作用, 民和桥断面水质有一定的改善, 但水质情况仍劣于第1组和第2组.
空间聚类结果表明, 湟水河干流水质状况具有明显的空间分布特征, 湟水河上游水质优良, 中游西宁市段受到城镇生活及工业企业的影响, 水质较差, 下游水质有所恢复.青海湟水河流域的污染控制重点在于西宁市段流域.同时结合地表水环境质量标准(GB 3838-02), 组3和组4的氨氮为Ⅴ类, 而对于总氮组1为Ⅳ类, 组2、组3和组4总氮浓度高于Ⅴ类标准浓度, 因此, 氨氮和总氮是湟水河流域优先需要治理的污染物.
3.4 基于Qual2Kw的总氮、氨氮空间分布针对湟水河干流总氮和氨氮污染严重的情况, 采用Qual2Kw模型模拟总氮、氨氮迁移扩散过程.由于总氮、氨氮是点源与面源污染共同影响的结果, 为了更好地分析面源污染贡献情况, 并结合湟水河水质年际间方差分析及年内月份聚类分析结果, 本研究选取2014年10月作为模型的参数率定期, 2014年8月作为模型的验证期, 模拟结果见表 5.从表 5可知, 参数率定期和验证期氨氮的R2为0.97和0.92, 总氮的R2为0.98和0.91, 说明模拟值与实测值能够较好拟合, 该模型能够准确地反映河道实际水质状况.
| 表 5 模型校准期和验证期模拟值与实测值比较 Table 5 Model calibration results and validation results compared with the measured values |
|
基于Qual2Kw模型输出结果, 湟水河干流氨氮、总氮的污染分布情况如图 3所示.由于支流的汇入以及工业企业污水的排入, 氨氮、总氮浓度逐渐增高, 氨氮浓度在湟水河干流中上游段达到峰值, 总氮浓度在该段也呈明显增高趋势, 而总氮浓度峰值在距离源头120 km附近出现, 含有高浓度营养盐的河水随着水流逐渐迁移转化, 氨氮和总氮浓度由于河流自净作用逐渐降低, 民和桥的氨氮浓度下降到Ⅲ类水水平, 而总氮浓度虽有所下降, 仍然高于Ⅴ类水水平, 表明除氨氮以外, 如硝态氮、有机氮等其他形式的含氮污染物同样需要相关环境管理部门关注.
 |
| 图 3 湟水河干流氨氮(a)和总氮(b)污染分布图 Fig. 3 Distribution of ammonia nitrogen(a) and total nitrogen(b) in main stem of the Huangshui River |
对于氨氮、总氮两种主要污染物, 基于Qual2Kw模型模拟结果, 分析源头水、金滩(S1)-扎马隆(S2) 河段、扎马隆(S2)-西钢桥(S3) 河段、西钢桥(S3)-新宁桥(S4) 河段、新宁桥(S4)-报社桥(S5) 河段、报社桥(S5)-小峡桥(S6) 河段、小峡桥(S6)-民和桥(S7) 河段入河污染物对于出境断面民和桥断面的污染物贡献比例.由图 6可知, 扎马隆(S2)-西钢桥(S3)、报社桥(S5)-小峡桥(S6)、小峡桥(S6)-民和桥(S7) 氨氮、总氮的贡献比例均比较大; 而源头水经过削减, 对民和桥断面的污染物贡献最小.其中扎马隆(S2)-西钢桥(S3) 对氨氮贡献最大, 报社桥(S5)-小峡桥(S6) 对总氮的贡献最大.相关环境管理决策部门可以根据氨氮、总氮空间溯源分析结果, 有针对性地对重点排污河段进行有效治理.
 |
| 图 4 针对民和桥断面的污染源贡献比例 Fig. 4 Contribution ratios of pollutant sources to the Minheqiao section |
本研究将污染源分为支流点源、普通点源、干流面源和源头水4类(Cao et al., 2015), 其中普通点源指城镇生活污水与工业废水的排放源, 干流面源包括干流农田地表径流、畜禽养殖废水、农村生活污水等污染源, 支流点源是支流普通点源和支流面源污染的综合结果.支流及排污口分布见图 1, 其中干流排污口1~12分别为湟源县城镇污水处理厂、西宁市第四污水处理厂(出口)、西宁市西钢渡槽工业、海湖1号E区、西宁市第二污水处理厂(出口)、箱涵外溢污水、西宁市第一污水处理厂(出口)、西宁市第三污水处理厂(出口)、平安县排污站综合入河排污口(出口)、乐都县青乐化工厂、乐都县耀华特玻、乐都县污水处理厂(出口).污染源贡献比例结果见表 6.
| 表 6 监测断面污染源贡献比例 Table 6 Contribution of pollution sources to monitoring sections |
|
氨氮污染源解析结果表明, 除位于上游的扎马隆断面以外, 支流点源是氨氮的主要污染源, 干流面源与普通点源对氨氮的贡献也占一定的比例.其中甘河沟是对除了扎马隆以外其他断面贡献最大的支流点源, 为保证湟水河干流水质达标, 相关环境管理部门应采取有效措施优先对甘河沟进行水环境管理, 同时北川河作为湟水河青海省境内最大的一级支流贡献也不容忽视.
总氮污染源解析结果表明, 对扎马隆贡献比例最大的污染源是上游干流面源; 西钢桥及新宁桥断面受支流汇入影响较大, 其中甘河沟的贡献比例最大; 而普通点源是报社桥、小峡桥和民和桥总氮的主要污染源.其中箱涵外溢污水对报社桥断面以及西宁市第三污水处理厂(出口)对其下游的小峡桥和民和桥断面污染贡献大于其他普通点源.对于各监测断面上游排污单位应严格按照国家相关行业的排污标准执行, 有效控制排放污染物对河流水质的影响.
综合以上结果可知, 面源是扎马隆断面氮污染物的主要来源, 西钢桥和新宁桥大部分氨氮负荷和总氮负荷来自上游支流的汇入; 报社桥、小峡桥和民和桥则受到支流汇入、生活污水、工业废水共同影响, 主要表现为氨氮为支流点源污染, 而总氮为普通点源污染.总体上, 当地管理部门应该更加重视点源污染控制, 加强对污染较重的支流的监测和治理, 同时针对排放污染贡献比例较大的排污单位, 相关管理部门也应及时采取治理措施.
4 结论(Conclusions)1) 湟水河河流水质主要受化学需氧量、生化需氧量、铜、六价铬、水温、溶解氧、总氮、氨氮等8项水质指标影响, 且氨氮和总氮污染严重.
2) 湟水河2012—2014年间水质稳定, 年内可划分为3个时段:时段1(6—10月)、时段2(5月和11月)和时段3(12—4月).水质的年内分布特征和四季特征不完全一致, 还受到径流量等水文条件的影响; 与全年降雨量季节特征对比, 揭示了雨季后水质响应延迟现象.3个时段水体水质指标中, 除水温外, 总氮、氨氮两个指标有明显的差异, 且时段1水质优于时段2优于时段3, 表明湟水河水体受工业生活排放含氮污水的影响显著, 点源污染可能对河流水质的影响高于面源污染.
3) 湟水河水质具有明显的空间分布特征, 湟水河上游水质优良, 中游西宁市段受到城镇生活及工业企业的双重影响, 水质较差, 下游水质有所恢复.湟水河干流氨氮、总氮在中游区段的浓度也明显高于其他区段, 同时除氨氮以外, 如硝态氮、有机氮等其他形式的含氮污染物同样需要相关环境管理部门关注.
4) 湟水河干流民和桥断面氨氮负荷主要来源于扎马隆(S2)-西钢桥(S3), 总氮负荷主要来源于报社桥(S5)-小峡桥(S6).其中点源是氨氮和总氮的主要污染源, 支流中的甘河沟对氨氮影响较大, 城镇生活污水和工业废水是对民和桥总氮污染贡献最大的污染源.上游干流农田地表径流、畜禽养殖废水、农村生活污水等污染源氨氮、总氮排放也不容忽视.根据本文污染源解析结果, 可以进一步对湟水河的水环境问题进行研究, 针对解析出的重点污染源, 设计多种污染负荷削减情景预测水质改善情况, 帮助水环境管理部门制定有效的减排治理措施.
卜红梅, 刘文治, 张全发. 2009. 多元统计方法在金水河水质时空变化分析中的应用[J]. 资源科学, 2009, 31(3): 429–434.
|
Cao B B, Li C, Liu Y, et al. 2015. Estimation of contribution ratios of pollutant sources to a specific section based on an enhanced water quality model[J]. Environmental Science and Pollution Research, 22(10): 7569–7581.
DOI:10.1007/s11356-015-4266-4
|
Chapra S, Pelletier G.2003.QUAL2K: A modeling framework for simulating river and stream water quality: Documentation and user's manual[R].Medford: Tufts University Civil and Environmental Engineering Department
|
戴升, 秦宁生, 申红艳, 等. 2006. 湟水河流域气候变化特征及其影响[J]. 青海环境, 2006, 16(3): 99–101.
|
国家环境保护总局. 2002. GB3838-02地表水水质标准[S]. 北京: 国家环境保护总局
|
Haith D A, Shoenaker L L. 1987. Generalized watershed loading functions for stream flow nutrients[J]. Journal of the American Water Resources Association, 23(3): 471–478.
DOI:10.1111/jawr.1987.23.issue-3
|
Huang F, Wang X Q, Lou L P, et al. 2010. Spatial variation and source apportionment of water pollution in Qiantang River (China) using statistical techniques[J]. Water Research, 44(5): 1562–1572.
DOI:10.1016/j.watres.2009.11.003
|
刘艳, 曹碧波, 李川, 等. 2014. QUAL2Kw-GWLF模型联用在新安江干流黄山段的应用研究[J]. 水资源与水工程学报, 2014, 25(6): 163–168.
|
雒文生, 李莉红, 贺涛. 2003. 水体大气复氧理论和复氧系数研究进展与展望[J]. 水利学报, 2003, 34(11): 64–70.
DOI:10.3321/j.issn:0559-9350.2003.11.011 |
孟伟. 2007. 中国流域水环境污染综合防治战略[J]. 中国环境科学, 2007, 27(5): 712–716.
|
Pelletier G J, Chapra S C, Tao H. 2006. QUAL2Kw -A framework for modeling water quality in streams and rivers using a genetic algorithm for calibration[J]. Environmental Modelling and Software, 21(3): 419–425.
DOI:10.1016/j.envsoft.2005.07.002
|
Shrestha S, Kazama F. 2007. Assessment of surface water quality using multivariate statistical techniques: a case study of the Fuji river basin, Japan[J]. Environmental Modelling & Software, 22(4): 464–475.
|
孙国红, 沈跃, 徐应明, 等. 2011. 基于多元统计分析的黄河水质评价方法[J]. 农业环境科学学报, 2011, 30(6): 1193–1199.
|
Su S L, Zhi J J, Lou L P, et al. 2011. Spatio-temporal patterns and source apportionment of pollution in Qiantang River (China) using neural-based modeling and multivariate statistical techniques[J]. Physics and Chemistry of the Earth, 36(9/11): 379–386.
|
Singh K P, Malik A, Mohan D, et al. 2004. Multivariate statistical techniques for the evaluation of spatial and temporal variations in water quality of Gomti River(India) -a case study[J]. Water Research, 38(18): 3980–3992.
DOI:10.1016/j.watres.2004.06.011
|
Santos S, Vilar V J, Alves P, et al. 2013. Water quality in Minho/Miño River (Portugal/Spain)[J]. Environmental Monitoring and Assessment, 185(4): 3269–3281.
DOI:10.1007/s10661-012-2789-4
|
王翠榆, 杨永辉, 周丰, 等. 2012. 沁河流域水体污染物时空分异特征及潜在污染源识别[J]. 环境科学学报, 2012, 32(9): 2267–2278.
|
徐华山, 徐宗学, 唐芳芳, 等. 2012. 漳卫南运河流域水质时空变化特征及其污染源识别[J]. 环境科学, 2012, 33(2): 359–369.
|
肖艳芳, 宫辉力, 周德民. 2012. 基于因子分析的苜蓿叶片叶绿素高光谱反演研究[J]. 生态学报, 2012, 32(10): 3098–3106.
|
杨发源, 戴升. 2010. 湟水河流域水资源变化特征及其对气候的响应[J]. 青海气象, 2010(3): 12–18.
|
Yang Y H, Wang C Y, Guo H C, et al. 2012. An integrated SOM-based multivariate approach for spatio-temporal patterns identification and source apportionment of pollution in complex river network[J]. Environmental Pollution, 168: 71–79.
DOI:10.1016/j.envpol.2012.03.041
|
张琍, 陈晓玲, 张媛, 等. 2014. 水文地貌分区下鄱阳湖丰水期水质空间差异及影响机制[J]. 中国环境科学, 2014, 34(10): 2637–2645.
|
周丰, 郭怀成, 刘永, 等. 2007. 基于多元统计分析和RBFNNs的水质评价方法[J]. 环境科学学报, 2007, 27(5): 846–853.
|
Zhou F, Huang G H, Guo H C, et al. 2007. Spatio-temporal patterns and source apportionment of coastal water pollution in eastern Hong Kong[J]. Water Research, 41(5): 3429–3439.
|
赵串串, 董旭, 辛文荣, 等. 2008. 青海湟水河流域水土流失原因及防治措施分析[J]. 水土保持研究, 2008, 15(6): 200–202.
|