环境科学学报  2018, Vol. 38 Issue (10): 4063-4072
北港河流域水质特征及主要污染物通量估算研究    [PDF全文]
黄志伟 , 曾凡棠 , 范中亚 , 杨汉杰 , 李伟杰 , 曾海龙 , 林澍     
环境保护部华南环境科学研究所国家水环境模拟与污染控制重点实验室, 广东省水与大气污染防治重点实验室, 广州 510535
摘要: 通过对北港河进行水文水质同步监测,采用多元统计法对26个采样点位10个监测指标进行分析,识别出流域水环境污染特征及主要影响因素,并进一步估算了主要污染物的通量,以期为有限资料条件下的河流污染治理提供依据.结果表明:北港河水系污染严重,主要污染物为氮、磷及有机污染物;表征生活污水、面源污染与畜禽养殖废水对水质影响的主成分的贡献率为47.95%,表征工业污染的主成分的贡献率为12.50%;重污染企业数、人口密度、建设用地占比与流域氮、耗氧有机物具有显著正相关性,表明重污染企业数、人口密度与建成区分布是影响水质的最重要指标;按污染轻重,可将流域划分为3类分区:上游轻污染区、谷饶溪及东寮坑重污染区、其他区域则为中度污染区.污染物通量变化趋势分析显示,CODCr、NH4+-N通量变化趋势基本与流量变化趋势一致,而TP通量则受上游点源排放影响出现一定差异性.通量变化趋势主要受水闸调度影响呈现开闸大幅度上升、闭闸大幅度下降的规律,在闭闸初期则受练江干流高水位顶托作用影响,流量及污染物通量为负值,练江干流水倒灌入北港河;此外,监测期间CODCr、NH4+-N最高日污染通量出现在第2次开闸期间,分别为39.23、4.98 t·d-1,TP最高日污染通量则出现在第1次开闸期间,为547.36 kg·d-1.污染通量贡献率分析表明,干流水质主要受谷饶溪及东寮坑影响,其中,谷饶溪CODCr、NH4+-N、TP污染贡献率分别达到了64%、47%、22%,东寮坑CODCr、NH4+-N、TP的贡献率则分别为26%、28%、25%,建议加强对该汇水区内生活污水、工业废水等点源污染控制.
关键词: 多元统计法     污染物通量     空间分布特征     影响因素    
Study of pollution characteristics and fluxes of the main contaminants in Beigang River
HUANG Zhiwei, ZENG Fantang, FAN Zhongya, YANG Hanjie, LI Weijie, ZENG Hailong, LIN Shu    
National Key Laboratory of Water Environmental Simulation and Pollution Control, Guangdong Key Laboratory of Water and Air Pollution Control, South China Institute of Environmental Sciences, MEP, Guangzhou 510535
Received 26 March 2018; received in revised from 7 May 2018; accepted 7 May 2018
Supported by the National Major Science and Technology Program for Water Pollution Control and Management (No.2014ZX07206005, 2017ZX07301006004)
Biography: HUANG Zhiwei(1990—), male, E-mail:huangzhiwei@scies.org
*Corresponding author: LIN Shu, E-mail:linshu@scies.org
Abstract: In this paper, multivariate statistical analysis were employed to investigate 10 water quality of samples collected from 26 monitoring sites in Beigang River at flood season. The characteristics of water environment pollution, main influencing factors and fluxes of the main contaminants were studied to provide theoretical basis for river pollution control. The results show that the type of pollutants mainly include the nitrogen, phosphorus andorganic contaminant.The contribution rate of domestic sewage, non-point sources pollutions and livestock and poultry farming wastewater to water quality was 47.95%, and the industrial pollution was 12.50%. The numbers of heavy pollution factories, population density and the distribution of the built-up area are the most important indexes influencing water quality due to their high positive correlation. The watershed can be divided to 3 categories according to the degree of pollution:lowly polluted(LP) sites in upstream area, highly polluted(HP) sites in the Gurao River and Dongliao River and moderately polluted(MP)in other areas. The pollutant variation reveals that the variations of CODCr and NH4+-N are consistent with the trend of flux, while TP was influenced by the upstream point-source emissions. The trend of flux variation was mainly affected by the floodgate dispatching, which showed that the opening gate was greatly increased but reduced when closing. In the initial stage of the close gate, the flow and pollutant flux affected by the high water level are negative. The maximum daily pollution flux of CODCr (39.23 t·d-1) and NH4+-N (4.98 t·d-1) occurred during the second opening period and TP (547.36 kg·d-1) occurred during the first opening gate. The trend of pollutant variation revealed that the variations of CODCr and NH4+-N are consistent with the trend of flux, while TP was influenced by the upstream point-source emissions. The trend of flux variation was mainly affected by the floodgate dispatching, which showed that the opening gate was greatly increased but reduced when closing. In the initial stage of the close gate, the flow and pollutant flux affected by the high water level are negative. The maximum daily pollution flux of CODCr (39.23 t·d-1) and NH4+-N (4.98 t·d-1) occurred during the second opening period and TP (547.36 kg·d-1) occurred during the first opening gate. The contribution of pollution flux showed that that pollution loads of CODCr, NH4+-N and TP were mainly come from the tributaries of Gurao and Dongliao. The contribution of CODCr, NH4+-N and TP reached 64%, 47% and 22% respectively in the tributary of Gurao and 26%, 28% and 25% respectively in the tributary of Gurao Dongliao. In conclusion, it is suggested to strengthen the control of point source pollution such as domestic sewage and industrial wastewater in the key sub-watershed.
Keywords: multivariate statistical analysis     pollutant flux     spatial heterogeneity     influencing factors    
1 引言(Introduction)

随着《水污染防治行动计划》的持续推进,国家对各河流水体提出了明确的水质目标,“治污”工作极其紧迫.河流污染来源复杂,如生活污水、工业废水、养殖废水排放、农药化肥的施用及内源污染等,且不同支流、河段污染特征差异明显(Bhaduri et al., 2001Uuemaa et al., 2007).掌握河流水环境污染特征及其影响因素,准确估算主要污染物通量,是加快落实总量控制,有效提高河流水污染治理效率的重要手段(Volk,2010Vieira et al., 2012Li et al., 2014).但目前国内水文、水环境监测网络尚不完善,不少河流缺乏基础水文、水质监测数据,因此,如何在有限资料下“摸清家底”,掌握流域污染特征及其影响因素,定量解译出污染来源,具有重要的研究意义,也是全面推进流域“精准治污”、打好水污染防治攻坚战急需突破的关键环节.

练江是广东省水环境整治的重点流域,而北港河是练江重要的一级支流,其水质常年为劣Ⅴ类,属练江重污染支流.流域内缺乏系统的水文水质监测数据,并且流域现状排水管网不成体系,水污染来源及关键源区不明,为练江水环境综合整治提出了巨大的挑战,也是练江流域污染整治攻坚战的重点、难点.本文以北港河为例,通过对2015—2017年常规水质数据进行分析,选取典型水期开展系统的水环境调查,获取多次闸控周期的水文、水质实测数据,并进一步估算入河日均污水量及主要污染物日通量,诊断主要水环境问题,识别流域关键污染源区,以期为有限资料条件下河流整治工作针对性污染控制和管理提供重要科学依据.

2 材料与方法(Materials and methods) 2.1 研究区概况

北港河发源于揭阳普宁市,流经汕头市潮阳区汇入练江,是潮阳区、普宁市工农业生产、生活用水的主要水源和防洪排涝的主要通道.流域总面积222.2 km2,干流全长26.62 km,坡降1‰,其中,汕头境内干流长约13.5 km,汇水面积约107.23 km2,主要有官田坑、谷饶溪、东寮坑、蟹窑泄洪渠等支流.北港河正常状态下流入练江干流前有水闸控制,水闸平常为关闭状态,待蓄水至一定水位后再开闸放水,其一级支流也多有闸坝或电排站控制.流域年平均气温21.4 ℃,年平均降雨量为1820 mm.流域常住人口39.35万人,平均人口密度为2843人·km-2,是广东省平均人口密度的5倍以上,属于人口高度密集区域.

2.2 样品采集与数据分析

本研究收集北港河2015年2月—2017年2月逐月水质数据,基于对常规数据的分析于2017年3月16—23日开展为期8 d的同步水文、水质调查,监测点位包括潮阳区北港河干流的起点(1号点位)、流域出口处(26号点位)及各主要支流汇入口(2~25号点位),共26个点位,各点位分布见图 1.监测期间,流速、水深数据主要采用挪威安德拉海洋卫士自记式水流/水深仪(Sea Guard-RCM)与RBR潮位仪进行采集(10 min·次-1),同时每8 h利用声学多普勒水流剖面仪(River Surveyor M9)进行1次移动测流.各点位用塑料采样桶或塑料瓶采集表层水样,采样频率为3 h·次-1,采样后水样立刻置于采样箱低温保存(< 4 ℃),24 h后送往实验室采用国标法进行分析.主要分析指标包括:总磷(TP)、总氮(TN)、氨氮(NH4+-N)、硝酸盐氮(NO3--N)、亚硝酸盐氮(NO2--N)、溶解氧(DO)、pH值、悬浮物(SS)、化学需氧量(CODCr)、高锰酸盐指数(CODMn),共11个指标.

图 1 北港河流域控制单元划分及监测点位分布图 Fig. 1 Division of sub-basin and sampling sites in the Beigang watershed
2.3 控制单元划分及概况

基于30 m分辨率数字高程数据(DEM),利用ArcGIS软件水文分析功能进行小流域划分,并结合水系特征及行政边界等情况,按照“水环境功能区-陆域控制范围”的水陆响应关系,将北港河流域划分为11个控制单元.控制单元划分结果见图 1,各控制单元概况见表 1.流域土地利用数据通过对2016年Landsat TM遥感影像数据解译得到,结果表明,流域耕地约占30.00%,林地约占27.59%,园地约占11.01%,城镇约占7.65%,村庄约占19.76%,利用GIS对各控制单元土地利用数据重分类为自然用地(包括林地和草地)、农业用地(包括水田、旱地及园地)、建设用地(包括城镇和村庄),结果见表 1.

表 1 控制单元概况 Table 1 Brief description of 11 sub-basins
2.4 数据处理

多元统计分析方法可以有效地简化数据结构及提取潜在信息,常用的有相关性分析、主成分分析、聚类分析等,在国内外水环境研究领域中均有较好的应用效果(Alberto et al., 2001Shrestha et al., 2007Bu et al,2010;张璇等,2010;李文赞等,2012Dhakate et al., 2013).本研究采用主成分分析与聚类分析对原始数据进行分析处理.

主成分分析(Principal Component Analysis,PCA)在评估和研究区域的水质时空特征中被广泛应用(黄金良等,2012陈永娟等,2015邱瑀等,2017),本研究采用K-S检验对原始数据进行正态分布检验,结果表明,Skewness值与Kurtosis值分别为0.375、0.821,均小于1,数据近似于正态分布.

聚类分析(Cluster Analysis,CA)是一种探索的模式识别技术,其中,水环境研究领域中层次聚类分析(HCA)方法的应用最为广泛(周丰等,2007杨学福等,2016).参考其他学者相关文献(Singh et al., 2004汪冬华等,2010杜麦等,2017),本研究对原始数据使用Z-score方法消除量纲影响,然后采取常用的离差平方与欧氏距离平方法,对各监测点位或控制单元进行空间相似性分析,识别北港河流域不同级别污染源区.以上分析方法均在SPSS 13.0及EXCLE 2010完成.

本文在常用的5种通量估算方法中(富国等,2003郝晨林等,2012),结合实际采样布点与采样时间频率,采用Webb等(1997)利用时段平均浓度与时段流量乘积、各时段通量之和建立的时段通量估算法进行计算.该方法由于采用同步的流量与污染物浓度数据,在数据频率较高的情况下具有较好的准确性.计算公式如下:

(1)

式中,j为水文水质同步测量期间某日的第j次监测;m为该日的最大监测次数;n为同步监测的天数(d);α为时间系数,其取值为第j次监测代表的时段的秒数(s),例如,重点监测断面每日进行8次监测,每次相隔3 h,则m=8,α=3600×24/8=10800;ρj为第j次采样污染物浓度值(mg·L-1);Qj为第j次测量时断面流量(m3·s-1),当其方向为从上游往下游时定义为正值,反之为负.

3 结果与讨论(Results and discussion) 3.1 流域水质季节性特征

北港河目前仅在流域总出口设有1个常规监测断面,选取该断面2015年3月—2017年2月逐月水质常规监测数据,按丰、平、枯水期进行分析,其中,丰水期为5—9月,枯水期为12—3月,其余月份为平水期.由图 1可知,CODCr、NH4+-N及TP浓度平均值均呈现平水期>枯水期>丰水期,总体而言,北港河流域水质平水期最差,受降雨影响河流生态流量较大,丰水期水质最佳.因此,本次监测选取平水期开展补充调查,进一步探讨流域水质空间污染特征.

图 2 北港河主要污染物分水期分布 Fig. 2 Temporal distribution of water quality paramters in the Beigang watershed
3.2 流域主要污染物及污染源识别

通过研究水质参数描述统计特征与各污染物指标相关性,可初步判断北港河流域总体污染现状.由表 2可知,北港河流域总体处于劣Ⅴ类,污染状况较为严重,主要特征污染物为TN、NH4+-N、CODCr、TP,污染物浓度平均值分别为21.15、13.88、121.71、1.06 mg·L-1,分别达到了地表水Ⅴ类标准值的9.58、5.94、2.04、1.64倍(国家环境保护总局,2002);从变异系数看,pH最小,NO3--N最大,除pH外其他指标变异系数均较大,为38.13%~80.13%,这表明不同监测点位或不同时段污染物浓度值差异性大.

表 2 水质参数描述统计特征 Table 2 Summary statistics of measured variables and the environmental guideline of national quality standards for surface waters

表 3可知,TP、TN、NH4+-N与CODCr、CODMn等有机物指标呈现显著正相关,各污染物浓度呈现较高值,均与DO值呈显著负相关,表明北港河水质主要受点源影响,水体中N、P及耗氧有机污染物含量较高,藻类快速繁殖消耗大量的溶解氧,当藻类死亡时又释放出大量的有机物(周启星等,2004陈永娟,2015);NH4+-N与TN呈显著正相关,与NO3--N呈负相关,主要是由于硝化细菌活跃并发生硝化作用,使NH4+-N转化为NO2--N,再转化为NO3--N(Pernet-Coudrier et al., 2012).SS与各污染物指标相关系数均较低,这可能是由于北港河流域污染物均以溶解态为主,监测期间为平水期(3月)未发生降雨事件,河流水质受非点源污染影响较小.

表 3 水质参数相关性分析 Table 3 Correlation coefficient matrix of measured variables

采用Barttleet球度检验表明,除pH外各指标显著性检验值均为0.00(p < 0.01),表明可采用主成分分析法选择少量参数进行解释(Xu et al., 2009孙国红等,2011).以特征值是否大于1为依据(Varol et al., 2012),提取出3个主成分,因子负荷矩阵及各指标得分见表 4,累计方差百分比可达到72.21%,可以反映原始数据的基本信息.其中,第1主成分对原始变量的解释贡献了总方差的47.95%,负荷值最高的指标包括NH4+-N、TN、CODCr、CODMn、TP,分别为0.90、0.88、0.91、0.89、0.75(以绝对值大于0.7判定负荷值为较高)(黄金良等,2012);第2主成分及第3主成分的贡献率则分别为12.50%、11.76%;这3个主成分的累计方差贡献率为72.21%,表明这3个主成分及5个水质参数指标可以解释流域大部分的水质变化.

表 4 主成分负荷矩阵 Table 4 Principal component loading matrix

各控制单元主成分综合得分可表征其受潜在污染因子的影响程度.由表 5可知,北港河中游贵屿镇南边控制单元、东寮坑下游铜盂镇控制单元及北港河中游贵屿镇控制单元受因子1的影响最大,谷东寮坑上游谷饶镇控制单元及蟹窑水贵屿镇控制单元受因子2的影响较大,此外,谷饶溪下游铜盂镇控制单元受因子3的影响也不容忽视.

表 5 各控制单元因子得分表 Table 5 Factor scores for 11 sub-basins

为进一步研究各污染物的可能来源及水质现状的主要影响因素,本文对各污染物与土地利用类型、人口密度及重污染企业数量的相关性进行分析,结果见表 6.由表 6可知,人口密度与NH4+-N、NO3--N、CODCr及CODMn显著正相关,与DO显著负相关,表明NH4+-N、NO3--N、CODCr、CODMn及DO指标主要受人类活动影响,这也与黄金良等(2012)Bahar等(2008)的研究成果类似;重污染企业数与TN、CODCr、CODMn及主成分2显著正相关,与主成分3及NH4+-N不相关,除SS外,重污染企业数与大部分指标均呈正相关性,这表明工业污染源是北港河流域的主要的影响因子;林地比例与SS、主成分1呈显著正相关,与其他指标主要呈现负相关,主要是因为林地能减少径流,进而减轻水土流失和由于水土流失造成的水质下降,这与其他研究成果是一致的,即表明林地和草地是水体潜在的污染物的“汇”,有利于减小水体的污染(Sliva et al., 2001Novotny, 2002Lopez et al., 2008黄金良等,2011);农用地比例与SS、主成分1呈显著正相关,受农药化肥施用的影响,农业面源污染也是流域主要的污染源之一;建设用地比例与NO3--N及CODMn呈显著正相关,与CODCr、CODMn、DO及主成分3呈无显著相关性,建设用地面积百分比是水质最重要的影响因子,主要是由于建成区内人类活动产生(Osborne et al., 1988Galbraith et al., 2007).

表 6 主要污染指标与土地利用类型比例、人口密度及污染企业相关系数 Table 6 Correlation coefficients between individual land use pattern, population density, number of factory and the major water quality parameters

此外,主成分1与林地、农用地比例有显著的正相关关系,与人口密度有无相关关系,表明主成分1主要表征生活污水、面源污染与畜禽养殖废水等水质影响因子;主成分2与重污染企业数有显著正相关关系,与其他指标相关性不显著,主成分2主要表征工业废水排放等因子对水质的影响,结合北港河流域工业行业类型来看,主要以印染、纺织化工为主,具有高色度、高化学需氧量(COD)、高pH、高盐度等特点,对水体中有机污染物浓度影响极大(Valh et al., 2011Fan et al., 2014).

3.3 流域污染物空间特征分析

选用主成分分析中负荷较高的几个水质参数(NH4+-N、TN、CODCr、CODMn、TP)进行聚类分析,分析各采样点位空间差异性和相似性,结果见图 3.以欧式距离7为基准,可将全部采样点分为3类:第1类包括8、12、13、16~20号点位,第2类包括2~7、10、11、14、15、23、25号点位,第3类包括1、9、21、22、24、26号点位.

图 3 采样点聚类分析结果 Fig. 3 Cluster analysis of the sampling sites

类别1主要为蟹窑排洪渠、东寮坑及谷饶溪3条支流相关控制单元,NH4+-N、CODCr、TP平均值分别23.97、218.67、1.62 mg·L-1,为北港河流域主要重污染区域,其主成分1及主成分2综合得分较高,生活污水与工业废水排放是其主要污染因子.研究发现,该区域人口密度大、建成区面积比例大,NH4+-N、TN及CODCr有机污染物等指标浓度值较高,这与Miserendino等(2011)的研究类似,城市流域的氮、有机物浓度比其他类型流域高.

类别2主要为北港河中上游监测点位,包括北港河上游贵屿镇、南径镇及中游铜盂镇和贵屿镇区域,为流域轻污染区域,主要呈现人口密度小、林地及农用地比例较大的特征,从各控制单元主成分综合得分看,其受主成分1的影响也较小.

类别3为北港河中度污染区域,中、上游各有1个点位,其他均位于下游铜盂镇附近,所在汇水区范围内存在一定面积的农业用地或林地,与类别1相比人口密度相对较低,污染负荷在流域内属中等水平,NH4+-N、CODCr、TP平均值分别14.88、93.59、1.29 mg·L-1.

3.4 流域主要污染物通量估算

通过对北港河水质调查及多元统计分析,可知北港河主要污染物为氮、磷及有机污染物.选取CODCr、NH4+-N及TP指标估算流域污染物总通量,监测期间流域污染物通量随时间变化趋势如图 4所示.由图 4可知,CODCr、NH4+-N通量变化趋势基本与流量变化趋势一致,TP通量则在3月21—22日出现突增现象,与流量变化趋势存在一定差异性,初步推断可能是受上游点源排放影响.总体而言,污染物通量主要受水闸调度影响,在开闸期间(3月17日及22日)出现较大幅度上升,闭闸期间大幅度下降,在部分时段流量及污染物通量呈负值,则主要是由于闭闸初期练江干流水位高于北港河水位,受顶托作用影响练江干流水倒灌入北港河.此外,监测期间CODCr、NH4+-N最高日通量出现在第2次开闸期间(3月22日),分别为39.23、4.98 t·d-1;受污染源排放影响,TP最高日通量则出现在第1次开闸期间(3月17日),为547.36 kg·d-1.

图 4 监测期间主要污染物通量变化趋势 Fig. 4 Trend of the fluxes about main contaminants

为进一步摸清各支流污染潜力及导致水质恶化的主要污染源,对其主要污染物进行通量分析.由图 5可知,北港河流域CODCr、NH4+-N及TP的日均污染物通量分别为32.26 t·d-1、4.05 t·d-1及266.81 kg·d-1,干流水质主要受北片支流影响,其中,谷饶溪COD、氨氮、总磷污染贡献率分别可达到64%、47%、22%,东寮坑CODCr、NH4+-N及TP的贡献率分别达到了26%、28%、25%,是北港河主要的重污染支流,分析发现这主要是因为谷饶溪、东寮坑汇水范围内以建成区为主,人口高度密集,工业企业集中,生活与工业污染源负荷重.受闸坝及地形走势影响,部分南片支流(如15、25号点位所在支流)其流量为负值,污染物通量也为负值,表明污染物不汇入北港河,以输出为主,直接汇入练江干流.

图 5 流域主要污染物通量 Fig. 5 Daily flux of the main contaminants in Beigang River

从各控制单元贡献率看,谷饶溪上游谷饶镇控制单元的贡献率最高,CODCr、NH4+-N及TP贡献率分别为42.5%、31.6%及27.9%,其次为东寮坑下游铜盂镇控制单元,CODCr、NH4+-N及TP贡献率分别为23.3%、23.7%及21.8%;此外,谷饶溪下游铜盂镇控制单元贡献率也远高于其它控制单元.分析发现污染物贡献率较高的控制单元主要呈现重污染企业集中、人口高度密集等特征,建议在谷饶溪及东寮坑重点加强生活污水、工业废水等点源污染控制.

4 结论(Conclusions)

1) 北港河水系污染严重,主要污染物为氮、磷及有机污染物,主要受到生活污水及工业废水排放影响,此外,流域内农用地面积比例大,农业面源污染影响也不容忽视.

2) 污染物潜在影响因子相关性分析结果显示,重污染企业数、人口密度、建设用地占比与流域氮、有机污染物具有显著正相关性,表明重污染企业数、人口密度与建成区分布是影响水质的最主要指标.林地占比与大部分指标具有负相关性,主要是因为林地能减少径流,进而减轻水土流失和由于水土流失造成的水质下降,即表明林地和草地是水体潜在的污染物的“汇”,有利于减小水体的污染.

3) 污染物通量及源汇分析结果显示,北港河干流水质主要受北片支流影响,其中,谷饶溪CODCr、NH4+-N及TP污染贡献率分别可达到64%、47%、22%,东寮坑CODCr、NH4+-N及TP的贡献率分别达到了26%、28%、25%,是北港河主要的重污染支流.南片支流污染物通量主要为负值,污染物以直接输出至练江干流为主,北港河流域污染防治工作应重点关注干流北片汇水区.

4) CODCr、NH4+-N通量变化趋势基本与流量变化趋势一致,而TP通量则受上游点源排放影响出现一定差异性.总体而言,污染物通量受水闸调度影响呈现开闸期大幅度上升、闭闸后较大幅度下降的规律,在部分时段流量及污染物通量呈负值,则主要是闭闸初期练江干流水位较高,受顶托作用影响练江干流水倒灌入北港河.此外,监测期间CODCr、NH4+-N最大日通量出现在第2次开闸期间,分别为39.23、4.98 t·d-1;TP最大日通量则出现在第1次开闸期间,547.36 kg·d-1.

5) 污染物贡献率较高的控制单元及支流汇水区主要呈现重污染企业集中、人口高度密集等特征,建议在谷饶溪及东寮坑重点加强生活污水、工业废水等点源污染控制.此外,北港河下游铜盂镇控制单元、北港河中游贵屿镇控制单元等中下游段区域农业用地面积比例较大,建议在提高污水收集处理率的同时,重视由农药化肥施用导致的农业面源污染对水质的影响.

参考文献
Alberto W D, Depillar D M, Valeria A M, et al. 2001. Pattern recognition techniques for the evaluation of spatial and temporal variations in water quality:A case study of the Suquia River Basin(Cordoba-Argentina)[J]. Water Reserach, 35(12): 2881–2894.
Bahar M M, Ohmori H, Yamamuro M. 2008. Relationship between river water quality and land use in a small river basin running through the urbanizing area of Central Japan[J]. Limnology, 9(1): 19–26. DOI:10.1007/s10201-007-0227-z
Bhaduri B, Minner M, Tatalovich S, et al. 2001. Long-term hydrologic impact of urbanization:A table of two models[J]. Journal of Water Resources Planning and Management, 127(1): 13–19.
Bu H M, Tan X, Li S Y, et al. 2010. Temporal and spatial variations of water quality in the Jinshui River of the South Qinling Mts, China[J]. Ecotoxicology and Environmental Safety, 73(5): 907–913.
陈永娟, 庞树江, 耿润哲, 等. 2015. 北运河水系主要污染物通量特征研究[J]. 环境科学学报, 2015, 35(7): 2167–2176.
Dhakate R, Mahesh J, Sankaran S, et al. 2013. Multivariate statistical analysis for assessment of groundwater quality in Talcher Coalfield area, Odisha[J]. Journal of the Geological Society of India, 82(4): 403–412. DOI:10.1007/s12594-013-0167-7
杜麦, 陈小威, 王颖. 2017. 基于多元统计分析的浐灞河水质污染特征研究[J]. 华北水利水电大学学报(自然科学版), 2017, 32(6): 88–92. DOI:10.3969/j.issn.1002-5634.2017.06.014
Fan J, Li H, Shuang C, et al. 2014. Dissolved organic matter removal using magnetic anion exchange resin treatment on biological effluent of textile dyeing wastewater[J]. Journal of Environmental Sciences, 26(8): 1567–1574. DOI:10.1016/j.jes.2014.05.024
Galbraith L M, Burns C W. 2007. Linking land-use, water body type and water quality in southern New Zealand[J]. Landscape Ecology, 22: 231–241.
富国, 雷坤. 2003. 河流污染物通量估算方法分析(Ⅰ)-时段通量估算方法比较分析[J]. 环境学研究, 2003, 16(1): 1–4.
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
郝晨林, 邓义祥, 汪永辉, 等. 2012. 河流污染物通量估算方法筛选及误差分析[J]. 环境科学学报, 2012, 32(7): 1670–1676.
黄金良, 李青生, 洪华生, 等. 2011. 九龙江流域土地利用/景观格局-水质的初步关联分析[J]. 环境科学, 2011, 32(1): 64–72. DOI:10.3969/j.issn.1007-6336.2011.01.015
黄金良, 黄亚玲, 李青生, 等. 2012. 流域水质时空分布特征及其影响因素初析[J]. 环境科学, 2012, 33(4): 1098–1107.
李文赞, 李叙勇, 王慧亮, 等. 2012. 滏阳河主要水环境污染物空间分布特性研究[J]. 环境科学学报, 2012, 32(11): 2814–2819.
Li W Z, Li X Y, Du X Z, et al. 2014. Estimation of the nonpoint source nitrogen load in a strongly disturbed watershed of the North China Plain[J]. Water Science & Technology, 69(6): 1304–1311.
Lopez R D, Nash M S, Heggem D T, et al. 2008. Watershed vulnerability predictions for the Ozarks using landscape models[J]. Journal of Environmental Quality, 37(5): 1769–1780. DOI:10.2134/jeq2007.0360
Novotny V. 2002. Water Quality:Diffuse Pollution and Watershed Management(2nd edition)[M]. New York: John Wiley & Sons, Inc: 76–77.
Miserendino M L, Casaux R, Archangelsky M, et al. 2011. Assessing land-use effects on water quality, in-stream habitat, riparian ecosystems and biodiversity in Patagonian northwest streams[J]. Science of the Total Environment, 409(3): 612–624.
Osborne L L, Wiley M J. 1988. Empirical relationships between land use/cover and stream water quality in an agricultural watershed[J]. Journal of Environmental Management, 26: 9–27.
Pernet Coudrier B, Qi W X, Liu H J, et al. 2012. Sources and pathways of nutrients in the semi-arid region of Beijing Tianjin, China[J]. Environmental Science & Technology, 46(10): 5294–5301.
邱瑀, 卢诚, 徐泽, 等. 2017. 湟水河流域水质时空变化特征及其污染源解析[J]. 环境科学学报, 2017, 37(8): 2829–2837.
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
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.
Sliva L, Williams D D. 2001. Buffer zone versus whole catchment approaches to studying land use impact on river water quality[J]. Water Research, 35(14): 3462–3472. DOI:10.1016/S0043-1354(01)00062-8
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.
Uuemaa E, Roosaare J, Mander ü. 2007. Landscape metrics as indicators of river water quality at catchment scale[J]. Nordic Hydrology, 38(2): 125–138. DOI:10.2166/nh.2007.002
Valh J V, Marechal A M L, Vajnhandl S, et al. 2011. Water in the textile industry[J]. Treatise on Water Science, 4: 685–706.
Varol M, Gkot B, Bekleyen A, et al. 2012. Water quality assessment and apportionment of pollution sources of Tigris river(Turkey)using multivariate statistical techniques-a case study[J]. River Research and Applications, 28(9): 1428–1438. DOI:10.1002/rra.1533
Vieira J S, Pires J C M, Martins F G, et al. 2012. Surface water quality assessment of Lis River using multivariate statistical methods[J]. Wate, Air& Soil Pollution, 223(9): 5549–5561.
Volk A U M. 2010. Influence of different nitrate-N monitoring strategies on load estimation as a base for model calibration and evaluation[J]. Environmental Monitoring and Assessment, 171: 513–527. DOI:10.1007/s10661-009-1296-8
汪冬华. 2010. 多元统计分析与SPSS应[M]. 上海: 华东理工大学出版社.
Webb B W, Phillipsa J M, Wallinga D E, et al. 1997. Load estimation methodologies for British rivers and their relevance to the LOIS RACS(R) programmed[J]. Science of the Total Environment, 194/195: 379–389.
Xu H, Yang L Z, Zhao G M, et al. 2009. Anthropogenic impact on surface water quality in Taihu Lake region, China[J]. Pedosphere, 19(6): 765–778.
杨学福, 王蕾, 关建玲, 等. 2016. 基于多元统计分析的渭河西咸段水质评价[J]. 环境工程学报, 2016, 10(3): 1560–1565.
张旋, 王启山, 于淼, 等. 2010. 多元统计分析技术在水质监测中的应用[J]. 中国给水排水, 2010, 26(11): 120–126.
周丰, 郭怀成, 黄凯, 等. 2007. 基于多元统计方法的河流水质空间[J]. 水科学进展, 2007, 18(4): 544–551. DOI:10.3321/j.issn:1001-6791.2007.04.011
周启星, 俞洁, 陈剑, 等. 2004. 某城市湖泊中磷的循环特征及富营养化发生潜势[J]. 环境科学, 2004, 25(5): 138–142. DOI:10.3321/j.issn:0250-3301.2004.05.030