环境科学学报  2021, Vol. 41 Issue (10): 4064-4073
张家港市河道水质时空分布特征研究分析    [PDF全文]
杨浩1, 李一平1, 蒲亚帅1, 姚向阳2, 张剑2    
1. 河海大学环境学院, 南京 210098;
2. 张家港市水资源管理处, 苏州 215600
摘要:为探索张家港市河道水体水质现状及时空分布特征,本研究应用主成分分析对2018年张家港市13条重要河道中的水温、pH值、DO、电导率、浊度、高锰酸盐指数、总磷、氨氮等水质指标进行分析,识别主导水体变化的环境因子.研究得出:①2018年张家港市河道水质整体较好,大部分河道水体处于Ⅲ类水;②主成分分析表明,氨氮、总磷(TP)、高锰酸盐指数(CODMn)和电导率(EC)的变化主导着研究区域水质变化,4个环境因子之间呈显著正相关;③空间分析表明张家港河是监测河流中污染最为严重的河流,港口桥监测断面为水质污染最严重区域,张家港市市区及东南区域河道污染劣于其他地区;④季节上水质污染程度为冬季>春季>秋季>夏季.通过多元统计方法对河道水质时空变化进行分析,为制定可持续的城市河流水污染控制策略提供了新思路.
关键词城市河道    水质    多元分析    时空分布    
Spatio-temporal distribution characteristics and the river water quality of Zhangjiagang City
YANG Hao1, LI Yiping1, PU Yashuai1, YAO Xiangyang2, ZHANG Jian2    
1. College of Environment, Hohai University, Nanjing 210098;
2. Zhangjiagang Water Resources Management Office, Suzhou 215600
Received 3 November 2020; received in revised from 17 December 2020; accepted 17 December 2020
Abstract: To explore the present situation of river water quality in Zhangjiagang City and its spatial-temporal distribution characteristics, water quality parameters including water temperature, pH, dissolved oxygen (DO), electrical conductivity(EC), turbidity(Turb), permanganate index(CODMn), total phosphorus(TP) and ammonia nitrogen from January to December 2018 were analyzed. The principal component analysis was used to identify dominant environmental factors of water quality variety. It is concluded that: ①The overall river water quality in Zhangjiagang is good, and most river water qualities are in class Ⅲ; ② Principal component analysis results showed that the dominated environmental factors of regional water quality change were ammonia nitrogen, total phosphorus(TP), permanganate index(CODMn) and electrical conductivity(EC), which showed a significant positive correlation between each other (p < 0.05).③ Spatial analysis results showed that Zhangjiagang river was the most polluted and the monitoring section of the port bridge was the most seriously polluted area. ④ The seasonal variation for water pollution in urban river was in the following order: winter>spring>autumn> summer. The spatial and temporal distribution of river water quality was analyzed by multivariate statistical analysis, which provides an insight into enacting a sustainable river water pollution control.
Keywords: urban river    water quality    multivariate analysis    spatial-temporal distribution    
1 引言(Introduction)

城市河流是区域生态环境可持续发展的重要因素, 是城市生态系统不可或缺的重要组成部分(李义禄等, 2014; 郝昊等, 2015), 河道水体通常利用自身的净化机制削减水环境中的污染物.随着城市化进程不断推进, 城市河道水体受到不同程度的污染破坏, 河道功能受到极大的限制, 因此, 了解和管理河道水质显得尤为重要.

为了探究河道水质污染现状, 需要深入分析水质监测数据, 水质数据具有多指标、多点位的特点, 且水质指标之间存在相关性与重叠现象(王丽婧等, 2013; 张馨月等, 2019).为了准确和高效地对水质进行分析与评价, 需要对水质数据进行浓缩.主成分分析(PCA)作为多元统计方法, 广泛用于研究河流水质变化特征和污染源识别, 为国内外学者广泛使用.Ran等(2013)综合运用了CA、PCA和DA对三峡库区古夫河进行水质时空特征分析, 提取出主导古夫河水质变化的水质因子;刘贤梅等(2019)运用主成分分析法(PCA)分析了贵州省张维河水质时空分布特征;Shi等(2013)采用了主成分分析法(PCA)与聚类分析(CA)法结合分析了汤浦水库及入库支流水质时空分布与影响因素;Wu等(2009)应用主成分分析(PCA)研究分析了大亚湾水质时空变化;国外学者运用多元分析法分析了西班牙Pisuerga河(Vega et al., 1998)以及韩国Nakdong河(Han et al., 2009)水质时空变化特征.

近几年, 张家港市作为国内经济发达地区, 河道水体治理效果显著, 但是部分地区河道水体依旧遭到污染破坏.本文采用了主成分分析法分析张家港市重点河道水质时空分布特征, 识别主导河道水质的环境因子, 以逐月监测的水质数据进行科学分析, 供相关水资源部门参考.

2 研究区域(Study area) 2.1 研究区域概况

张家港市位于中国江苏省东南部, 地处北亚热带南部湿润气候区, 气候四季分明, 雨水充沛, 冬季寒冷干燥, 夏季温高湿润, 是典型的海洋性气候, 年平均气温为15.3 ℃, 年均降水量为1074 mm.

2.2 研究区域河道水系

张家港市水系属太湖流域澄锡虞水系, 境内水网贯通, 交织成网, 全市有市级及以上河道27条, 338.25 km.张家港市水系分为东中西部3个水系, 东部水循环体系中, 三干河、四干河为主要引江河道, 六干河为辅助引水通道, 七干河、二干河和五干河为主要排水河道;中部水循环体系中, 一干河、朝东圩港为主要引江河道, 二干河为主要排水河道;西部水循环体系中, 十字港、护漕港和五节桥港为主要引江河道, 太字圩港、张家港河为主要排水河道, 这次主要研究了东中水系中的12条重点河流以及张家港河的水质状况.

图 1 张家港市水质监测点 Fig. 1 Water quality monitoring stations in Zhangjiagang City
2.3 水质监测与测量

本研究依据张家港市河网水系和地形地貌特征共设立了24个水质监测点位, 于2018年对张家港市13条重点河道进行了维持1年的水质在线监测, 每4 h监测一次;所选取的监测点位大体覆盖了整个张家港市, 这次研究分析主要选取了8个水质指标进行分析, 包括水温(WT)、pH值、溶解氧(DO)、电导率(EC)、高锰酸盐指数(CODMn)、总磷(TP)、氨氮.所有监测指标均按照国家标准《地表水环境质量标准》(GB3838-2002)推荐的方法.

2.4 水质分析

本文依据张家港市2018年24个水质监测断面水质数据, 分析研究区域的水质现状;运用主成分分析方法提取出引起河道水质变化的主导环境因子(Yang et al., 2014; 梁昱等, 2018; 朱琳等, 2018), 把多个水质指标转化为少数几个综合指标, 基于主成分综合得分分析河道水体时空水质差异, 同时利用主成分分析双标图对水质季节分布差异进行分析, 最后对研究区域污染源进行简单分析.

3 结果与分析(Results and analysis) 3.1 水质特征分析

为了更好的分析研究区域河道水质现状, 取24个监测断面的环境因子分析结果的平均值分析, 并作标准偏差分析, 结果见图 2.

图 2 各监测点环境因子现状 (a. 电导率空间分布情况, b. 高锰酸盐指数空间分布情况, c. 总磷空间分布情况, d. 氨氮空间分布情况) Fig. 2 Status of environmental factors for each monitoring station

各监测断面pH平均值为7.22~8.15;DO浓度平均值均大于4 mg·L-1, 张家港河和二干河监测断面电导率(EC)平均值均大于500 μS·cm-1, 西塘公路监测点电导率平均值为625.10 μS·cm-1, 达到研究区域电导率最大值;张家港河、朝东圩港、永恒码头、永泰码头、四水厂和沙洲湖监测断面CODMn平均值均小于3 mg·L-1, 其他断面CODMn平均值均小于4.2 mg·L-1;张家港河、二干河、东横河、盐铁塘、华妙河、新沙河这些监测断面TP浓度平均值超过0.2 mg·L-1, 氨氮浓度平均值超过1 mg·L-1, 盐铁塘黎明路桥监测断面TP浓度月间差异显著, 北庄路氨氮浓度月间差异显著.

研究区域整体水质较好, 大部分监测断面水质指标均处在Ⅲ类水标准, 部分监测断面氨氮、总磷指标达到Ⅳ类水标准, 无超出Ⅴ类水质标准的监测断面, 河道水体呈弱碱性, 溶解氧(DO)普遍较高, 由于张家港市沿江河道引水(长江潮流界内)较多, 部分河道水体电导率超出了天然淡水体(50~500 μS·cm-1) (王瑞等, 2019), 其中西塘公路监测断面电导率(EC)超出正常水体25%, 市区周围的监测断面电导率(EC)普遍较高, 表明了张家港市区河道水体盐度较高;袁家桥、港口桥、监测断面氨氮、总磷浓度超出三类标准, 达到Ⅳ类标准;港口桥监测断面氨氮年平均浓度最高, 超出三类标准27%, 总磷年平均浓度超出三类标准38%.

3.2 污染因子确定 3.2.1 数据分析

将24个监测断面的原始水质数据在SPSS软件中进行KMO检验和巴莱特球形检验, 得出KMO统计量为0.660(>0.600), Bartlett球形检验小于0.001, 表明八项水质指标的原始数据存在较强的相关性, PCA法有较好的适用性, 研究数据符合主成分分析的要求.

3.2.2 主成分的确定

利用SPSS软件对水质标准化数据进行主成分分析, 本文按照特征值λ>1的原则, 提取了引起水质变化的3个主成分(朱琳等, 2018), 累积方差贡献率为85.417%, 表明3个主成分反映了原始变量提供的85.417%, 能够充分反映原始数据的信息.

表 1 KMO和巴特利特检验 Table 1 KMO and Bartlett tests

表 2可知, 3大主成分中第一主成分PC1的方差贡献率最大, 达到53.586%, 其中显著相关的主要环境因子为电导率(EC)、高锰酸盐指数(CODMn)、总磷(TP)和氨氮.电导率(EC)反映了河道中盐度情况, 大多数的监测点电导率春冬两季较高(图 3), 由于研究区域水系长期受长江影响, 春冬季节部分河道长期从长江引水, 河道本底电导率受到一定程度影响;氨氮与总磷(TP)是影响河道水体藻类生长的重要因素, 同时氨氮也是河道水体的毒性指标、耗氧指标, 高锰酸盐指数(CODMn)表明了河道水体中有机物含量, 反映了河道受工业、农业以及生活有机物污染程度;水温、高锰酸盐指数、总磷和氨氮与溶解氧呈负相关, 有机物和营养盐物质会消耗水中的溶解氧, 同时夏季气象温度的变化与氧气的溶解度成反比;氨氮、总磷表明了人类活动造成的有机污染物(CODMn)以及水体营养物质(TP、氨氮)变化主导研究区域河道水质的变化, CODMn和氨氮与PC1呈显著正相关, 变化特征明显.第二主成分PC2的方差贡献率为19.132%, 显著相关的主要环境因子为水温(WT)和pH值, 表明了水温(WT)和水体酸碱性(pH)主导区域水质变化, 水温与PC2呈显著正相关, 表明了年内的气象变化对河道水质有一定程度的影响, 而pH值与PC2呈显著负相关.第三主成分PC3的方差贡献率为12.7%, 显著相关的环境因子为浊度(TU).

表 2 旋转之后的成分矩阵 Table 2 Composition matrix after rotation

图 3 各监测点电导率季节分布情况 Fig. 3 The seasonal distribution of conductivity of water in each monitoring station

为了更加清晰地反映研究区域的水质因子之间的相关性, 利用Origin软件对全年河道水质数据进行主成分分析(李艳红等, 2016; Kamran et al., 2017);环境因子箭头越长, 其因子载荷越大, 对排序的贡献率越高;箭头之间夹角表明了环境因子之间的相关程度, 夹角越小, 表明因子之间的相关性越强(张馨月等, 2019), 当两个环境因子之间夹角为锐角, 表明两个环境因子呈正相关, 当两个环境因子夹角为钝角, 表明两个环境因子呈负相关.

图 4所示, 箭头较长的环境因子有氨氮、CODMn、TP、EC、水温, 表明这些环境因子主导区域河道水体水质的变化, 且氨氮、CODMn、TP之间夹角较小, 相关性高.TP、氨氮、CODMn和EC之间呈显著正相关, 表明了河道水体中营养盐和有机污染物显著影响河道水体盐度, 可溶性离子总量显著影响高锰酸盐指数, 在调水引流过程中, 江水的调度影响了河道电导率(图 3), 也会对氨氮、总磷、高锰酸盐指数以及溶解氧造成了影响(王艳等, 2016), 溶解氧仅与pH值呈正比, 与已有的研究结论一致(游亮等, 2007; 张军毅等, 2009), 这一方面是受到水生植物光合作用、水生生物呼吸的影响, 另一方面是水体中的氧化还原反应导致的(Huang et al., 2011; 刘乐等, 2018);pH值与CODMn呈显著负相关(p<0.05, 下同), 高锰酸盐指数表明了河道有机污染物的量, 有机污染物主要由碳水化合物、前体物质和脂类物质组成, 经过一系列的水解反应, 导致河道水体pH值下降(Wu et al., 2009);水温与浊度、EC呈显著正相关, 表明了年内的气象变化对水体浊度与盐度有显著的影响, 水温是影响河流中藻类植物生长的重要因素, 藻类的生长显著影响河道水体浊度与可溶性离子含量(龚庆碗等, 2014).

图 4 PCA环境因子分析图 Fig. 4 PCA environment factor analysis diagram
3.3 感潮河网调度对水质影响

张家港市引水通道中, 中部水系引水量最大, 东部水系次之, 西部水系最小, 中部水系引水量占全市总水量的70%, 因此本文就研究区域中部水系的感潮河网调度对河道水质影响展开研究.根据调水引流过程中水质监测数据表明张家港市中部水系重点河道调水引流过程中, 水质浓度呈上升的趋势, 引水结束后, 次日水质有所好转, 这一现象在氨氮浓度变化趋势上更为明显(许益新等, 2018).一方面, 由于引水过程中主要河道引入的水量大, 流速较大, 发生底泥悬浮, 污染物释放;另一方面, 研究的重点河道两侧的镇级和村级河道水质普遍较差, 引水过程中, 污染物随水流进入主要河道, 导致主要河道水质浓度上升.整体而言, 引水对于中部水系重点河道有较好的改善作用(王艳等, 2016).

3.4 水质空间分布特征

为探究研究区域各监测点污染情况, 利用主成分分析法计算出各监测点的综合得分(Fu et al., 2014).通过系数矩阵计算各监测点3个主成分得分F1F2F3, 以3个主成分的贡献度为权重计算河道水质的综合主成分得分.3个主成分得分和综合主成分得分及排序具体见表 3.

表 3 各监测点水质状况综合评价 Table 3 Comprehensive evaluation of water quality at each monitoring station

在PCA分析中, 样本的综合得分越高, 其指标的方差贡献率越大, 样本对整体数据的影响力越大.对于整个研究区域的水质评价, 监测点位得分越高, 表明该监测点位水体污染越为严重, 污染物含量高, 水质差(伊元荣等, 2008; 何继山等, 2018).

图 5所示, 3个主成分得分在张家港市各监测断面间呈显著的空间变化, 晨丰公路、城西桥、北庄路、盐铁塘黎明路桥、华妙河大桥、鲍家桥、南丰社区、西塘公路、庆丰村、李巷桥监测断面的F1显著高于F2、F3, 表明这10个监测断面河道水质受高锰酸盐指数(CODMn)、总磷(TP)、氨氮和电导率(EC)的影响较强;张家港闸、凤凰和沙洲湖监测断面的F2显著高于F1、F3, 表明了这3个监测断面受年内气象变化水温(WT)和pH值的影响较强, 有机污染物(CODMn)和营养盐(TP、氨氮)影响较弱;长安大桥、永恒、永泰、四水厂和栏杆桥监测断面的F3显著高于F1、F2, 表明这4个监测断面受浊度影响较强, 可溶性离子影响显著;袁家桥、港口桥监测断面的F1、F2与F3均较高, 表明这2个断面的营养物质、有机污染物、可溶性物质含量均较高, 同时3个主成分之间差异较小, 受3种类型污染物影响较为均衡.

图 5 各监测断面主成分得分情况 Fig. 5 Principal component scores for each monitored section

表 3所示, 整个张家港市港口桥监测断面水质最差, 袁家桥监测断面其次;在监测的13条城市河流中, 张家港河水质最差, 华妙河水质其次, 张家港河属于跨县域河流, 经张家港市与无锡市, 作为太湖流域和张家港市西部水系主要排水河道, 汛期用于排放太湖流域洪水, 其余时间排放太湖流域“引江济太”置换的退水, 朱广伟等(2020)研究发现太湖湖水在2005—2018年总磷(TP)浓度平均值超出了GB3838-2002中的四类水标准值13%, 因此张家港河水体营养物质含量高;张家港河西部的袁家桥监测点处于太湖排水河道进口, 从水质综合得分上, 袁家桥监测点位污染比较严重, 张家港闸监测点污染情况转好, 表明张家港市西部水系污染较轻, 从而稀释了张家港河河道水质, 由此判断出张家港市内西部区域的张家港河主要受来自太湖水水质影响;张家港河东南部水流自西向东流, 包括港口桥、凤凰监测点, 其中港口桥污染更为严重, 表明张家港市东南区域河道受市内生活污水、工业废水污染较为严重.污染程度其次的是华妙河大桥监测点, 华妙河西起二干河, 东至西旸塘, 存在多个纺织印染企业废水、生活污水处理厂排污口, 有多个航运码头, 船舶污染严重.

从空间整体上看, 张家港市东南区域河道上水质污染最为严重, 张家港市东南区域有大型工业园区, 存在多个生活处理设施、纺织印染企业排污口, 码头、航运船舶较多, 同时农田面积占整个县域的26%, 承接农业、工业、生活污水比较多, 该区域受居民生活与工业点源和种植业面源污染综合作用;中部区域河道水质污染其次, 营养盐含量高, 原因在于中心城区人口密集, 居民生活区数量多, 存在两家大型污水处理厂, 种植业农田面积比例最小, 该区域主要受生活污水点源污染(李俊祥等, 2004);张家港市东北区域部分居民区未截污纳管, 存在零星畜禽养殖厂, 有6处营运码头, 航运船舶污染较为严重, 区域河道水体受畜禽养殖有机废水、航运船舶污染, 该区域主要受面源污染影响.张家港市北靠长江, 从长江引水, 取水口定在锦丰片区, 将一干河作为应急水源备用, 因此对北部河道水系保护严格, 外来污染较少, 水质良好.张家港市西部沿江有多个引水闸站, 水质较为良好.

有研究表明(姜滢等, 2015), 太湖流域来自农村面源的COD、氨氮、总磷分别占到45.2%、43.4%、67.5%, 苏州市工业经济高速发展, 城市化水平较高, 但是农业面源排放的污染物量依旧很大, 按照地区来说, 张家港市属于面源污染中等地区, 这表明面源污染也是张家港市河道水质的重要污染类型.

3.5 水质时间分布特征

通过主成分分析可以根据不同季度春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12—2月)综合得分评价水质时间分布情况(姚焕玫等, 2005; 马振等, 2018).具体见表 4.

表 4 不同季节综合得分情况 Table 4 Comprehensive scores of different seasons

为了明确春季(SP)、夏季(S)、秋季(A)、冬季(W)不同季节主导的环境因子, 对不同季节监测断面水质进行主成分分析, 根据前两个主成分PC1和PC2做双标图(Michael et al., 2014), 观察不同季节环境因子的影响水平.图 6中数据椭圆表示每个季节和整个样本的协方差结构, 箭头表示环境影响因子.

图 6 水质季节分布 Fig. 6 Seasonal distribution of water quality

表 4图 6可以得出: ①冬季与夏季河道水质差异较为明显, 冬季的贡献率是最大的, 水质污染严重, 从污染物季节性变化角度得出整个张家港市河道污染物水平情况: 冬季>春季>秋季>夏季;②在第一主分中, 氨氮、高锰酸盐指数(CODMn)、电导率(EC)以及总磷(TP)浓度与季节的变化密切相关;③冬、春季(12—5月), 氨氮、总磷(TP)、高锰酸指数(CODMn)以及电导率(EC)主导河道水质变化;夏、秋季(6—11月), 浊度与水温主导河道水质变化.

夏季降雨集中且降雨量大, 城市化发展使不透水地面面积迅速扩大, 降水转化为地面径流, 冲刷并携带大量污染物进入河道水体, 导致河道浊度增加(祁赛君等, 2011; 周峰等, 2017), 同时大量的雨水流入河道, 加快了河道水体的流速, 很大程度稀释了河道内水体中营养物质和有机污染物浓度;气象温度的变化, 使水生植物不断生长, 对氮磷营养物质需求量大, 使得夏季氮磷营养盐含量大幅减少;水温升高使微生物代谢活动剧烈, 促进了有机污染物的降解.冬季低温导致河道内水生生物大量衰亡(赵振华等, 2009), 河道水体对氮磷的吸收能力减弱, 此时期处于河道枯水期, 河道水量减小, 河道水体流动缓慢, 河道水体营养盐与有机污染物含量无法减少, 水体污染严重.春季, 河道水体污染相对减轻, 原因为温度逐渐回升, 水生植物生长开始吸收氮磷等营养物质, 但是吸收速度较为缓慢;气候变暖使河道内微生物和底栖动物开始活动, 河道水体流速变大, 河道底泥氮磷释放强度不断增加(张茜等, 2020), 底泥中的污染物质被释放, 导致河道污染.雨水集中形成的地表径流会裹挟城市地面、乡村农田中的污染物质流入到河道之后, 加剧河道水质污染, 由图 6可知, 夏季河道水质最好, 冬季河道水质最差, 表明张家港市的河道污染受点源污染影响较大.

横向来看, 研究发现苏南某市2009—2010年冰冻期(12月)氮磷浓度显著大于4月和8月(张林等, 2020), 其中氨氮浓度平均值达到GB3838-2002中Ⅴ类标准值的1.6~2.6倍, 总磷浓度平均值为GB3838-2002中Ⅴ类标准值的0.85~1.98倍;张琼华等(2016)探究表明2011—2014年太湖西岸宜兴市河道水系冬季与春季总氨(TN)、NH3-N浓度相对较高.纵向来看, 曹晓艳等(2015)研究发现2006—2012年张家港市二干河中段污染较为严重, 1月为断面污染最为严重的月份, 总氮(TN)、总磷(TP)与氨氮含量严重超出目标水质值;由于政府这些对二干河进行整治, 水质得到很大的改善.

4 结论(Conclusions)

1) 研究区域2018年河道水质达到《地表水水环境质量标准》(GB 3838—2002)Ⅲ~Ⅳ类水标准, 整体水质状况较好.港口桥、盐铁塘黎明路桥、华妙河大桥以及李巷桥监测断面氨氮、总磷均超出Ⅲ类水质标准, 达到Ⅳ类水质, 西塘公路监测断面电导率(EC)为最高, 所有监测断面高锰酸盐指数均在Ⅲ类水质标准内.

2) 水质主成分分析法得出, 氨氮、总磷(TP)、高锰酸盐指数(CODMn)以及电导率主导张家港市河道水质变化.总磷、氨氮、高锰酸盐指数和电导率之间呈显著正相关.

3) 根据水质监测数据表明, 调水引流过程中, 感潮河网调度对重点河道的引水河道有较好的改善作用.

4) 水质空间差异分析得出, 污染归因为: 张家港市主要为点源污染和面源综合作用, 污染源主要是生活污水、工业废水排放点源、种植业以及畜禽养殖业面源, 从而导致河道内营养盐和有机物含量较高.水质空间污染情况: 东南区域>中部区域>东北区域>北部区域;港口桥监测断面污染最为严重, 张家港河为监测河流中污染最为严重的河道, 张家港河西部主要受来自太湖排水影响, 包括有机物和营养盐成分污染, 张家港河东部主要受点源与非点源污染综合影响.

5) 水质时间差异分析得出, 冬季是张家港市污染最严重的季节, 冬季与夏季水质差异明显, 表明张家港市河道受点源污染影响较大.氨氮、总磷主导冬、春季水质变化, 浊度与水温主导夏、秋季水质变化.

6) 通过水质时空分布特征分析表明, 张家港市污染类型为点源污染与面源综合作用.

参考文献
曹晓艳, 代嫣然, 冯玉琴, 等. 2015. 江南河网地区典型河道二干河水质时空分异特征及污染源解析[J]. 江苏农业科学, 43(2): 351-355.
Fu T, Zou Z, Wang X. 2014. Water quality assessment for Taizi River watershed in Liaoyang section based on multivariate statistical analysis and water quality identification index[J]. Acta Scientiae Circumstantiae, 34(2): 473-480.
龚庆碗, 徐兵兵. 2014. 太湖流域源头溪流富营养化特征及影响因素[J]. 安徽农业科学, 42(35): 12622-12626. DOI:10.3969/j.issn.0517-6611.2014.35.082
姜滢, 王子博, 尤悦文, 等. 2015. 苏州市农业面源污染源强解析与评价[J]. 农业资源与环境学报, 32(4): 363-369.
郝昊, 王晓昌, 张琼华, 等. 2015. 宜兴城市内河污染物时空分布及解析[J]. 环境工程学报, 9(1): 125-130.
何继山. 2018. 水质分析中聚类分析和因子分析的应用研究[J]. 地下水, 40(3): 92-95. DOI:10.3969/j.issn.1004-1184.2018.03.032
Huang S L, Zang C J, Du S L, et al. 2011. Study on the relationships among pH, dissolved Oxygen and chlorophyll a: Aquaculture water[J]. Chinese Journal of Environmental Engineering, 5(6): 1201-1208. DOI:10.1007/s11270-010-0695-3
Han S, Kim E, Kim S. 2009. The water quality management in the Nakdong River Watershed using multivariate statistical techniques[J]. Ksce Journal of Civil Enginering, 13(2): 97-105. DOI:10.1007/s12205-009-0097-5
Kamran Z, Elnaz R. 2017. Determining spatial and temporal changes of surface water quality using principal component analysis[J]. Elsevier B V, 13: 1-10.
李义禄, 张玉虎, 贾海峰, 等. 2014. 苏州古城区水体污染时空分异特征及污染源解析[J]. 环境科学学报, 34(4): 1032-1044.
刘乐, 蔡敏, 陈非洲, 等. 2018. 模拟酸雨对不同营养水平湖泊pH值的影响[J]. 生态与农村环境学报, 34(10): 917-923. DOI:10.11934/j.issn.1673-4831.2018.10.008
刘贤梅, 周忠发, 张昊天, 等. 2019. 基于主成分分析的喀斯特山区河流水质评价及水质时空特征分析: 以贵州省张维河为例[J]. 环境工程, 37(10): 49-54+132.
梁昱, 刘禹含, 王红丽, 等. 2018. 基于主成分分析的上海春季近地面臭氧污染区域性特征研究[J]. 环境科学学报, 38(10): 3807-3815.
李艳红, 葛刚, 胡春华, 等. 2016. 基于聚类分析和因子分析的鄱阳湖流域水质时空变化特征及污染源分析[J]. 南昌大学学报(理科版), 40(4): 360-365. DOI:10.3969/j.issn.1006-0464.2016.04.011
李俊祥, 王玉洁, 宋永昌, 等. 2004. 基于GIS的上海市河道及其水污染空间特征分析[J]. 中国环境科, (5): 121-124.
马振, 周密. 2018. 聚类分析在秦淮河水质指标相关性研究中的应用[J]. 水文, 38(1): 77-80. DOI:10.3969/j.issn.1000-0852.2018.01.013
Michael F, Matthew S. 2014. Recent Advances in visualizing multivariate linear models[J]. Revista Colombiana de Estadística, 37(2): 47934.
祁赛君, 王涌涛. 2011. 苏州城市典型汇水面雨水径流初期冲刷规律分析[J]. 环境科技, 24(S1): 41-43.
Ran G H, Ge J W, Miao W J, et al. 2013. Spatial-temporal differentiation of water quality in Gufu River of Three Gorges Reservoir[J]. Acta Ecologica Sinica, 33(17): 5385-5396. DOI:10.5846/stxb201206250892
Vega M, Pardo R, Barrado E, et al. 1998. Asesment of seasonal and poluting efects on the quality of river water by exploratory data analysis[J]. Water Research, 32(12): 3581-3592. DOI:10.1016/S0043-1354(98)00138-9
王艳, 张晓红, 杨磊, 等. 2016. 引配水对杭州中东河水质改善研究[J]. 环境科学与技术, 39(3): 136-142.
王丽婧, 汪星, 刘录三, 等. 2013. 洞庭湖水质因子的多元分析[J]. 环境科学研究, 26(1): 1-7.
Wu M L, Wang Y S, Lin L, et al. 2009. Study on changes characterization of water quality by principal component analysis in Daya Bay[J]. Marine Environmental Science, 28(3): 279-282.
王瑞, 代丹, 张弛, 等. 2019. 太湖不同介质电导率时空变化特征[J]. 环境科学, 40(10): 4469-4477.
Shi L D, Zhu W J, Hu J X, et al. 2013. Characteristics and influencing factors analysis of spatio-temporal variations of water quality in Tanpu Reservoir and its tributaries[J]. Journal of Hydroeclology, 34(5): 9-15.
游亮, 崔莉凤, 刘载文, 等. 2007. 藻类生长过程中DO、pH与叶绿素相关性分析[J]. 环境科学与技术, 30(9): 42-44. DOI:10.3969/j.issn.1003-6504.2007.09.015
许益新. 2018. 调水引流改善平原感潮河网水环境质量观测与模拟研究-以张家港市水系调控为例[D]. 南京: 河海大学
Yang Z, Liang J, Cai J. 2014. Urban economic cluster template and its dynamics of Beijing, China[J]. Chinese Geographical Science, 24(6): 740-750. DOI:10.1007/s11769-014-0686-1
伊元荣, 海米提, 依米提, 等. 2008. 主成分分析法在城市河流水质评价中的应用[J]. 干旱区研, (4): 497-501.
姚焕玫, 黄仁涛, 甘复兴, 等. 2005. 用改进的主成分分析法对东湖的水质污染进行评价[J]. 武汉大学学报(信息科学版), (8): 732-735.
张馨月, 马沛明, 高千红, 等. 2019. 三峡大坝上下游水质时空变化特征[J]. 湖泊科学, 31(3): 633-645.
朱琳, 王雅南, 韩美, 等. 2018. 武水河水质时空分布特征及污染成因的解析[J]. 环境科学学报, 38(6): 2150-2156.
朱广伟, 邹伟, 国超旋, 等. 2020. 太湖水体磷浓度与赋存量长期变化(2005-2018年)及其对未来磷控制目标管理的启示[J]. 湖泊科学, 32(1): 21-35.
周峰, 曹明明, 柯凡, 等. 2017. 巢湖流域塘西河上游分流制系统降雨径流污染特征及初期冲刷效应[J]. 湖泊科学, 29(2): 285-296.
赵振华, 阮晓红, 邢雅囡, 等. 2009. 城市重污染河道水质及底栖附泥藻类生态特征[J]. 环境科学, 30(12): 3579-3584. DOI:10.3321/j.issn:0250-3301.2009.12.022
张军毅, 黄君, 严飞, 等. 2009. 梅梁湖水体溶解氧特征及其与pH的关系分析[J]. 复旦学报(自然科学版), 48(5): 623-627.
张茜, 冯民权, 郝晓燕. 2020. 上覆水环境条件对底泥氮磷释放的影响研究[J]. 环境污染与防治, 42(1): 7-11.
张林, 牟子平, 孙洪泉, 等. 2012. 苏南某市河流水质参数时空变异性研究[J]. 环境污染与防治, 34(2): 28-33. DOI:10.3969/j.issn.1001-3865.2012.02.007
张琼华, 王晓昌, 王倩, 等. 2016. 太湖西岸宜兴城市水系污染物时空分布特征[J]. 环境工程学报, 10(8): 4343-4350.