作为城市化水平提高的直接负面效应，我国的水资源短缺和水体污染问题十分严重，已对城市建设和人民福祉造成了严重威胁.作为保护城市水体和拓展水源供给的重要途径，再生水的回用已成为人们关注的热点(Crook et al., 1996).目前，再生水的景观回用在各大城市已初具规模，以北京市为例，目前北京市几个主要污水厂出水回用于景观环境的用水量近300000 m³ · d^-1以上(曲际水等，2001). 然而，再生水中丰富的氮、磷含量决定了其使用过程中易发生水体富营养化，有碍于景观水体的娱乐性和观赏性.人工湿地因其管理成本较低，水质净化显著，已被越来越多的应用于城市再生水水质改善中(Cui et al.，2011; Rousseau et al.，2008).因此，识别人工湿地不同时空尺度的水质状况有着重要的意义.

城市人工湿地作为集观赏、娱乐、污水净化于一体的景观生态环境系统，不仅具有重要的景观作用，而且能有效去除水体氮、磷、各种有机物质、重金属及病原菌，降低水体BOD、TSS含量( Thurston et al.，2001; Zhao et al.，2009)，因而在城市景观水体的水质改善中逐渐得到广泛应用(Cui et al.，2011; He et al.，2007).然而，目前关于再生水河湖景观补水，尤其是人工湿地回用的研究多集中于分析人工湿地对再生水中污染物质的去除效率，评估湿地净化状况等方面，而关于再生水湿地净化系统的运行机制鲜见报道.

近年来各类统计分析方法被广泛应用内陆河湖、地下水及近海海水等水质状况的描绘和评价中.先前的研究结果表明，多元统计分析如判别分析(Discriminate Analysis，DA)、主成分/因子分析(Principal Component Analysis，PCA/Factor Analysis，FA)等能够从纷繁的环境数据中提取重要信息，识别影响水环境的主要因子/源，从而帮助我们更好地了解区域内的生态环境和水质状况(Alberto et al.，2001; Morales et al.，1999; Reghunath et al.，2002).鉴于此，本文在粗略了解北京奥林匹克森林公园水质状况的基础上，运用模糊综合评价法分析研究区内水环境质量的污染状况，之后综合运用Spearman相关分析和判别分析进行水环境要素的时空判别，识别对水体时空变异造成显著影响的各污染指标和因素，并结合模糊综合评价结果阐释显著污染因子的时空变异规律.最后应用主成分/因子分析法进行源解析，结合奥林匹克森林公园各季/功能区实际特点，分析污染的主要来源和时空变异规律.本文试图对再生水景观人工湿地的水质状况及分异规律进行评估，判别景观处理工艺对水质造成的影响，以期为有针对性地进行水环境治理提供借鉴和参考.

奥林匹克森林公园人工湿地地处北京市北部，位于奥林匹克公园园内，于2007年开始运行.该区属暖温带半干旱半湿润大陆性季风气候，多年平均气温11~12 ℃，多年平均水面蒸发量在1200 mm左右，多年平均降雨量约600 mm.降雨年内分配不均，汛期(6—9月)约占全年的85%.该净化系统以复合垂直流人工湿地为核心，以氧化塘为补充，形成多层次的净化系统，将来自清河再生水厂的再生水净化处理后作为奥林匹克森林公园的补充水源，进水水质见表 1.湿地系统内水生植物主要包括芦苇(Phragmitescommunis)、香蒲(Typha orientalis)、水葱(Scirpus tabernaemontani)、千屈菜(Lythrum salicaria)等，植被覆盖度较高，可达70%~90%.净化系统各处理区分布及水流方向如图 1所示.再生水作为补充水源首先进入再生水处理区(RW)，同时主湖水循环至循环水处理区(CW)，再生水处理出水经植物氧化塘区(POP)、混合氧化塘区(MOP)深化处理后进入主湖(ML)，主湖水停留后经高压泵输送至循环水区进行下一次水质循环.

图 1(Fig. 1)

图 1 北京奥林匹克森林公园再生水人工湿地净化系统示意图 Fig. 1 Location and distribution of the purification system in the constructed wetl and

综合各功能区的复杂情况，分别于2012年春(5月5、13、22日)、夏(8月6、15、23日)、秋(10月5、16、28日)三季对奥林匹克森林公园人工湿地5个功能区的水体进行采样检测(图 1)，每次采集水样30~35个不等，结合当地自然条件，各功能区内选取的典型样点见图 1.水样的采集、保存、运输依据《水和废水监测分析方法》(第4版).监测指标包括叶绿素a(Chl-a)、氯离子(Cl^-)、化学需氧量(COD_Mn)、溶解氧(DO)、氨氮(NH⁺₄-N)、硝氮(NO^-₃-N)、氧化还原电位(ORP)、蓝绿藻(PCY)、pH、盐度(Sal)、电导率(K)、溶解性总固体(TDS)、总氮(TN)、总磷(TP)共14项指标.其中，pH、盐度、电导率、TDS、ORP、DO、PCY、Chl-a采用水质仪(Hydrolab Datasonde5、5X，Hach，the United States)现场测定，TN采用N/C分析仪(Multi N/C，Analytik-jena，Germany)测定，NH⁺₄-N 、NO^-₃-N 、Cl^-由离子色谱仪(ICS-1500、ICS-90，Dionex，the United States)测定，其他指标的测定依据地表水环境质量标准(GB 3838—2002)中规定的方法.

模糊综合评价法是一种基于模糊数学的综合评价方法.根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价.与传统的单一指数评价法方法相比具有更高的精确度(Onkal-Engin et al.，2004)，能较好地解决水质监测中因边界模糊不清产生的各类问题，从而避免监测误差带来的影响.依据国家地表水环境质量标准(GB3838—2002)确定水质评价等级，依据聚类权法构造单指标权重矩阵(吴东杰等，2006)，并采用相乘相加法确定水质等级隶属度(傅金祥等，2011).

应用判别分析、主成分/因子分析等多种统计分析方法对奥林匹克森林公园人工湿地水质数据进行处理，各类统计方法由Office Excel 2007和SPSS18.0实现.

判别分析(Discriminant Analysis)常用于识别已知类别间具有显著差异的变量(Singh et al., 2005).根据判别函数的不同可分为全模型判别、前进式逐步判别和后退式逐步判别，且后退式逐步判别具有更好的指标降维能力和判别能力(Alberto et al., 2001; Zhou et al., 2007).本文中以五大功能区/三个季度作为分组变量，监测各指标作为自变量，运用全模型判别、后退时逐步判别识别影响水质时空变异的显著指标，并用交叉验证(Cross-validation)检验判别能力.

主成分/因子分析(Principal Component Analysis/Factor Analysis)是一种既可以降低变量维数，又可以对变量进行分类的方法.主成分分析旨在用少数独立变量代替大量非相关变量揭示变异特征(Simeonov et al., 2003; Singh et al., 2005)，其实质是从多个实测的原变量中提取出少数互不相关的、抽象综合指标，即因子，每个原变量可用这些提取出的公因子的线性组合表示.同时，根据各因子对原变量影响程度不同，可将原变量划分为等同因子数目的类数(Kannel et al., 2007).在水质评价中，此方法主要用于提取污染因子和识别污染源( Pekey et al.， 2004).

水质参数的统计特征、进水水质及水环境质量标准见表 1.将各指标均值与进水水质均值相比，可看出，奥林匹克森林公园人工湿地的NH⁺₄-N、TN、TP均显著低于进水水质，NH⁺₄-N、TN值更是低于进水水质的1/10，说明人工湿地对氮、磷营养物质有良好的去除效率.

表1(Table.1)

表1 水质参数的统计特征、进水水质及水环境质量标准 Table.1 Summary statistics of measured parameters and the national st and ards for surface water quality

表1 水质参数的统计特征、进水水质及水环境质量标准 Table.1 Summary statistics of measured parameters and the national st and ards for surface water quality 指标 单位 均值 标准差 变异系数 进水水质均值 水环境质量标准 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ 注：除变异系数无量纲外，其余数据类型单位参照“单位”一列. Chl-a μg·L-1 6.22 6.78 109.01%   Cl- mg·L-1 281.75 180.10 63.92%             CODMn mg·L-1 24.41 14.19 58.15% 25.00 15.00 15.00 20.00 30.00 40.00 DO mg·L-1 4.35 1.57 36.11%   7.50 6.00 5.00 3.00 2.00 NH+4-N mg·L-1 0.21 0.23 107.90% 5.00 0.15 0.50 1.00 1.50 2.00 NO-3-N mg·L-1 0.38 0.68 177.64%   5.00 10.00 20.00 23.00 25.00 ORP mV 472.29 160.83 34.05%             PCY cells·m-3 1001.63 956.31 95.48%             pH 7.92 0.70 8.84%             盐度 ng·L-1 0.37 0.09 24.32%             电导率 S·m-1 72.12 17.19 23.83%             TDS g·L-1 0.46 0.11 23.91%             TN mg·L-1 1.63 1.52 93.21% 20.00 0.20 0.50 1.00 1.50 2.00 TP mg·L-1 0.11 0.16 144.14% 0.50 0.02 0.10 0.20 0.30 0.40

将各指标均值与对应的地表水环境质量标准对比后可大致得出，奥林匹克森林公园人工湿地水环境质量相对较好，除COD_Mn(24.41 mg · L^-1)、TN(1.63 mg · L^-1)外，其余指标均低于地表水IV类标准，其中，NH⁺₄-N(0.21 mg · L^-1)、NO^-₃-N(0.38 mg · L^-1)、 TP(0.11mg · L^-1)更是低于II类标准，这表明奥林匹克森林公园人工湿地作为人体非直接接触的景观用水完全符合国家标准.此外就变异系数来看，Chl-a(109.01%)、NH⁺₄-N(107.90%)、NO^-₃-N(177.64%)、TP(144.14%)变异系数较大，表明此类指标离散程度较高，时空分布不均匀.

模糊综合评价结果见表 2.季节性方面，夏季水环境质量最好，隶属于III类水体(隶属度0.580)，可能是由于夏季植物生长旺盛，根际微生物代谢频繁，对营养物质吸收同化效果更强；春季水质稍差，属于IV类水体(0.408)；秋季最差，为V类水体(0.591)，水质变差与植物枯萎腐烂，水体流动性变差有关.

表2(Table.2)

表2 各时空尺度水质等级的综合评定 Table.2 Integrated evaluation form of water quality in different seasons/zones

表2 各时空尺度水质等级的综合评定 Table.2 Integrated evaluation form of water quality in different seasons/zones 时空尺度 隶属度 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ 季节性 春 0.156 0.149 0.025 0.408 0.337 夏 0.243 0.184 0.580 0.171 0.000 秋 0.029 0.020 0.098 0.282 0.591 空间性 RW 0.066 0.134 0.319 0.532 0.000 CW 0.056 0.127 0.459 0.403 0.000 POP 0.123 0.084 0.392 0.389 0.101 MOP 0.051 0.172 0.112 0.159 0.547 ML 0.125 0.221 0.173 0.000 0.539

空间性方面，循环水区(CW)、植物氧化塘(POP)水环境质量最好，隶属于III类水质标准(0.459、0.392)，这与两区较高的植被覆盖度及较快的水体循环有关；再生水区(RW)虽通过典型的复合垂直流人工湿地净化水质，但由于是再生水首先流经的功能区，水体氮、磷的去除未达峰值，因此，该区隶属于IV类水体(0.532)；混合氧化塘区(MOP)湿地面积最小，加之该区内亲水景观较多，水体易受到人为活动的干扰，因此，水质等级隶属于V类(0.547)；主湖区(ML)受纳水体面积广，水力停留时间最长，V类水体隶属度(0.539)可能与此有关.

判别分析法能筛选出对时空判别有贡献的指标，即使变异只发生在某一两个时空也能被判别出.Spearman相关分析法能筛选出与时空变异相关的指标，将两者方法结合并对比，可筛选出哪些元素存在时空变异，哪些元素的变异只发生在特定的时空，从而得出影响水质的时空变异的自然因素和人为因素(张汪寿等，2012).

奥林匹克森林公园人工湿地的季节判别分析及其回代验证结果见表 3和表 4.全模型判别正确率达到了91.8%，表明本文所选取的14项指标能够很完整地解释水质季节性变动.逐步判别分析判别筛选出的COD_Mn、NO^-₃-N 、ORP、TN 4项指标，回代验证正确率同样为91.8%，表示此4项指标就能良好地表征奥林匹克森林公园人工湿地水质的季节变异性.在今后的水质监测工作中，应适当加大这4类指标的监测力度.春季判别回代正确率显著低于夏、秋两季，表明春季水质状况更为复杂，在今后的水质监测工作中应适当加大监测频度.

表3(Table.3)

表3 季节尺度判别函数系数 Table.3 Classification functions for HDA in seasonal scale

表3 季节尺度判别函数系数 Table.3 Classification functions for HDA in seasonal scale 指标 全模型分类函数系数 逐步分类函数系数 春 夏 秋 春 夏 秋 Chl-a 0.082 0.029 -0.120 Cl - -0.108 -0.104 -0.082     CODMn 0.449 0.347 -0.023 0.208 0.131 -0.167 NH+4-N 6.144 6.390 5.520       DO 19.795 23.610 22.335       NO-3-N 24.299 25.983 4.866 3.369 3.262 -16.842 ORP 0.099 0.119 0.106 0.022 0.038 0.030 PCY -0.010 -0.010 -0.009       pH 81.593 84.825 75.934       盐度 -1522.933 -1645.859 -1586.309       电导率 0.898 0.965 0.919       TN -36.191 -39.246 -17.308 -1.584 -2.881 15.190 TP 65.702 73.640 84.695       常量 -365.425 -396.742 -349.889 -8.413 -9.734 -33.378

表4(Table.4)

表4 季节尺度判别回代验证结果 Table.4 Verification of classification functions for HDA in seasonal scale

表4 季节尺度判别回代验证结果 Table.4 Verification of classification functions for HDA in seasonal scale 判别方法 季节序列 正确率 组成员分布 春 夏 秋 注：全模型、逐步判别正确率分别为91.8%、91.8% 全模型 春 70.0% 7 3 0 判别 夏 96.6% 1 28 0 秋 100.0% 0 0 10 逐步 春 60.0% 6 4 0 判别 夏 100.0% 0 29 0 秋 100.0% 0 0 10

由于季节和点位均为非数值型参数，在进行Spearman相关分析之前需进行赋值，分别将春、夏、秋季分别赋值为1、2、3.Spearman季节相关分析(表 5)指出，共有Cl^-、NH⁺₄-N、ORP、PCY、TN、TP 6项指标与季节相关性显著(p<0.01)，DO、NO^-₃-N与季节相关性显著(p<0.05)，说明此8项指标受到了水温、水量、流速等季节性因素的影响.将Spearman相关分析与判别分析对比可得出，Cl^-、NH⁺₄-N、PCY、DO、TP与季节相关性显著却不具备判别能力，这一方面可能是受到了水位、水力停留时间等水力特性的影响；另一方面，湿地水质状况与植物生长周期密不可分.春、夏季水温较高，人工湿地中各类植物生长旺盛，生物量增加消耗氮、磷等营养物质(梁威等，2004)，增加水体DO浓度，且具有一定的抑藻效应(张洪刚等，2006)；秋、冬季水温降低，植物枯萎腐烂，影响人工湿地净化的效率.奥林匹克森林公园人工湿地植物生长状况和密度不均等，各功能区间闸坝开关时间不固定，受此等水力特性和湿地植物的双重影响，Cl^-、NH⁺₄-N、PCY、DO、TP与季节有显著相关性却不能指示季节变异.COD_Mn有判别能力却不能指示季节相关性，表示COD_Mn的显著变动仅发生在特定的某个季节，需通过箱图进一步加以说明.

表5(Table.5)

表5 Spearman相关系数及显著水平 Table.5 Correlation coefficient of SCA for water quality

表5 Spearman相关系数及显著水平 Table.5 Correlation coefficient of SCA for water quality 指标 季节相关系数 p 空间相关系数 p CHl-a -0.258 0.074 0.258 0.073 Cl - 0.68 0 0.343 0.016 COD 0.06 0.683 -0.032 0.826 DO -0.303 0.035 0.448 0.001 NH+4-N 0.385 0.006 -0.108 0.461 NO-3-N 0.284 0.048 0.129 0.378 ORP 0.723 0 0.225 0.12 PCY -0.368 0.01 0.089 0.545 pH 0.175 0.229 0.635 0 盐度 0.018 0.901 0.173 0.235 电导率 0.066 0.655 0.173 0.236 TDS 0.059 0.689 0.166 0.255 TN 0.434 0.002 0.322 0.024 TP 0.619 0 -0.095 0.515

季节判别显著性指标的箱图如图 2所示，其中，TN、NO^-₃-N有相似的变化趋势，春、夏两季基本持平，秋季浓度较高，可能是由于春、夏两季湿地植物生长茂盛，根际硝化、反硝化细菌代谢快，氮的降解速率强.秋季高浓度的含氮营养物质一方面是因为植物枯萎，代谢减弱造成的氮累积;另一方面，植物生长后期由于种子的掉落及营养元素从茎叶又传输到根部等原因致使营养元素回流，同样导致氮类营养物质去除率降低(Kyambadde et al.，2005; Meulemanvan et al.，2003; Thoren et al.，2004).COD_Mn夏季最低(19.79 mg · L^-1)，秋季稍高(27.95 mg · L^-1)，一方面是因为人工湿地有机污染去除率随温度的降低而下降;另一方面，有研究表明，潜流湿地系统在高水位和低水位交替运行时污染物去除效率会有明显的提高(刘红等，2004)，秋季较小的水位波动不利于污染物的去除.

图 2(Fig. 2)

图 2 显著指标的季节性变动 Fig. 2 Seasonal variations of significant water quality parameters

从变异幅度来看，COD_Mn、TN、NO^-₃-N最大变异幅度均发生在春季，表示春季人工湿地对有机、营养物质的处理效率波动较大.ORP最大变异幅度出现在夏季，这是由于ORP能直接对微生物活性造成影响，并由此影响湿地的整体脱氮效果(王泉等，2011)，夏季水体氧化还原电位的剧烈变动湿地植物根际频繁的微生物活动.

奥林匹克森林公园人工湿地的空间判别分析及其回代验证结果见表 6和表 7.全模型判别正确率为70.8%，说明奥林匹克森林公园人工湿地存在一定程度的空间差异性，但不及季节性差异明显.逐步判别分析中筛选出Chl-a一项指标，正确率仅为42.9%，这表明仅通过Chl-a一项指标不足以描述各功能区之间的水质差异状况，因此，我们考虑更换算子，通过更改F值提高判别精度.以F=2为下限剔除变量(何万谦等，2010)，可筛选出Chl-a、COD_Mn、DO、pH共4项指标，回代验证正确率提高到了55.1%.就单一功能区判别正确率来看，各判别方法中循环水区(CW)判别正确率均为最低，表征了此功能区水质状况的不稳定.

表6(Table.6)

表6 空间尺度判别函数系数 Table.6 Correlation coefficient of SCA for water quality

表6 空间尺度判别函数系数 Table.6 Correlation coefficient of SCA for water quality 指标 全模型分类函数系数 逐步分类函数系数 逐步分类函数系数(F=2) RW CW POP MOP ML RW CW POP MOP ML RW CW POP MOP ML Chl-a 0.560 0.536 0.636 0.553 0.960 0.144 0.120 0.186 0.172 0.558 -0.584 -0.605 -0.582 -0.639 -0.199 Cl - -0.064 -0.061 -0.056 -0.060 -0.065                     CODMn 0.131 0.073 0.090 0.186 -0.020     -   -0.013 -0.056 -0.049 0.029 -0.115 NH+4-N -0.697 -5.362 -7.090 -0.088 -6.915                     DO 6.696 6.913 7.143 7.144 7.188         3.748 3.939 4.065 4.081 4.201 NO-3-N 0.941 -0.414 -0.166 2.730 -0.070                     ORP 0.060 0.062 0.059 0.061 0.064                     PCY -0.013 -0.014 -0.015 -0.014 -0.013                     pH 94.002 95.443 100.096 100.155 99.957         51.587 52.577 55.614 55.993 57.015 盐度 -1646.046 -1625.513 -1711.119 -1786.826 -1608.945                   电导率 0.963 0.952 0.999 1.042 0.951                     TN -8.302 -7.769 -8.138 -8.941 -6.943                     TP 46.597 43.456 40.147 44.636 44.070                     常量 -416.270 -428.681 -467.569 -477.300 -479.806 -1.227 -1.814 -2.156 -2.990 -7.778 -205.591 -213.901 -238.978 -245.088 -255.925

表7(Table.7)

表7 空间尺度判别回代验证结果 Table.7 Verification of classification functions for HDA in spatial scale

表7 空间尺度判别回代验证结果 Table.7 Verification of classification functions for HDA in spatial scale 判别方法 点位序列 正确率 组成员分布 RW CW POP MOP ML 注：全模型、标准逐步、逐步(F=2)的判别正确率分别为70.8%、42.9%和55.1%. 全模型 RW 80.0% 16 1 1 1 1 CW 40.0% 6 4 0 0 0 POP 80.0% 1 0 8 1 0 MOP 75.0% 0 0 1 3 0 ML 75.0% 0 0 1 0 3 逐步 RW 100.0% 20 0 0 0 0 CW 0 10 0 0 0 0 POP 0 9 0 0 0 1 MOP 0 5 0 0 0 0 ML 25.0% 3 0 0 0 1 逐步 RW 95.0% 19 0 1 0 0 (F=2) CW 10.0% 7 1 2 0 0 POP 40.0% 5 0 4 0 1 MOP 20.0% 1 0 3 1 0 ML 50.0% 0 0 2 0 2

分别将RW、CW、POP、MOP、ML区赋值1~5，Spearman相关分析结果见表 4.可看出空间性方面，DO、pH与空间相关性显著(p< 0.01)，Cl ^-、TN与空间相关性显著(p<0.05).将Spearman相关分析与判别分析结果对比得出，Cl ^-、TN与空间相关性显著却不能被空间判别分析所识别，这可能是由于奥林匹克森林公园人工湿地各功能区均为多个处理单元并联的人工湿地，单元之间通过进出水阀井连接和控制，致使污染物浓度和分布随着开关阀的时间和频次而有所变动，Cl^-、TN波动大，丧失判别能力，同时表示这两项指标受人为影响较大.另一方面，Chl-a、COD_Mn与空间相关性不显著，但却能够被判别分析所识别，表明这两项指标的显著变动仅发生某些特定的功能区而非整个人工湿地，具体情况需通过箱线图进一步解释.

表征空间判别显著性指标的箱图见图 3，可明显看出，Chl-a、COD_Mn的显著变异仅发生在单一功能区，这充分验证了Spearman相关分析和判别分析的结果.主湖区(ML)Chl-a含量远高出其他功能区，且变异范围最大(5.51~42.17 μg · L^-1).这是因为主湖区收纳水体面积最广，水质影响因素众多，Chl-a受水文环境及陆地径流和外源输入的共同影响较大，因而存在较大的变异幅度(郝林华等，2012)；此外，水体中Chl-a水平反映了浮游植物生物量的高低，高浓度的Chl-a表明主湖区水体富营养化趋势较其他功能区更为明显.COD_Mn的空间变异主要集中在再生水区(RW，4.40~45.60 mg · L^-1).DO浓度在再生水区(RW)、循环水区较低(CW)，植物氧化塘(POP)、主湖区(ML)较高，这与植物氧化塘、主湖区高密度的挺水、沉水植物种植有关.功能区内大面

图 3(Fig. 3)

图 3 显著指标的空间性变动 Fig. 3 Spatial variations of significant water quality parameters

积种植的芦苇作为湿地中产氧输氧能力最强的植物(黄娟等，2006)，对湿地系统有明显的供氧作用.前人研究表明，pH值是表征湖泊富营养化的重要因素，其与湖泊污染有明显相关性(莫美仙等，2007)，污染加重了富营养化，藻类植物大量繁殖，生产率旺盛，同化作用加强，从而促使水体pH值的升高，因此，主湖区较高的pH值(8.58)同样表征了其较高的富营养化水平.

为消除各指标单位不同造成的影响，原始数据需先进行标准化处理.以特征值大于1为依据提取因子(Kannel et al.，2007; Pekey et al.，2004)，取的因子反映了原始因子的综合信息，命名有一定难度.为此需对其进行旋转，使因子载荷值向两极端趋近，以明确各因子代表的含义.采用最大方差法进行因子旋转，使每个因子中具有最高载荷的变量数最小(李志辉等，2010).为识别人工湿地污染因子的时空变异规律，分别对春、夏、秋三季和再生水区(RW)循环水区(CW)、植物氧化塘区(POP)、混合氧化塘区(MOP)和主湖(ML)分别进行因子分析，结果见表 8和表 9.

表8(Table.8)

表8 季节性旋转因子载荷矩阵及方差贡献 Table.8 Factor loadings and explained variance of water quality parameters in 3 seasons

表8 季节性旋转因子载荷矩阵及方差贡献 Table.8 Factor loadings and explained variance of water quality parameters in 3 seasons 指标 因子载荷(春季) 因子载荷(夏季) 因子载荷(秋季) VF1 VF2 VF3 VF4 VF1 VF2 VF3 VF4 VF5 VF1 VF2 VF3 VF4 VF5 注：依据因子载荷值∈ [0.75，1]，∈[0.5，0.75]，∈[0.3，0.5]判断其作用为强烈、中等或弱.强烈、中等因子载荷分别以下划线和加粗表示. Chl-a 0.072 0.922 -0.147 0.031 0.008 0.005 0.268 0.737 -0.108 -0.023 0.965 0.180 -0.094 -0.019 Cl- 0.493 -0.167 0.152 0.718 0.177 0.033 0.577 0.353 0.166 0.569 -0.380 0.563 0.154 -0.291 CODMn -0.589 0.267 0.530 0.449 0.116 -0.109 0.763 0.106 0.425 0.067 -0.156 -0.014 0.897 -0.015 DO 0.048 0.807 0.155 -0.055 -0.329 0.259 0.630 0.267 -0.314 0.475 0.672 0.139 -0.279 0.297 NH+4-N 0.154 0.203 -0.076 0.851 0.039 0.094 0.126 -0.065 0.929 0.405 -0.038 -0.027 -0.231 -0.737 NO-3-N 0.537 0.692 0.338 0.199 -0.034 0.859 -0.306 -0.039 0.015 -0.003 0.215 0.854 -0.299 0.130 ORP 0.047 0.200 0.730 -0.156 -0.014 0.389 0.608 -0.296 -0.073 0.356 -0.127 0.123 -0.343 0.800 PCY -0.312 0.554 -0.655 0.251 -0.018 -0.040 0.134 0.785 -0.095 -0.133 0.939 0.127 -0.046 -0.129 pH 0.490 0.719 0.194 0.164 -0.208 0.029 -0.206 0.697 0.134 0.546 0.422 0.351 -0.362 0.349 盐度 0.892 0.366 0.033 0.057 0.992 -0.025 0.031 -0.053 0.030 0.965 0.025 0.121 -0.012 -0.081 电导率 0.933 0.120 0.078 0.224 0.993 -0.021 0.024 -0.059 0.034 0.959 -0.026 0.109 0.010 0.030 TDS 0.931 0.133 0.071 0.224 0.993 -0.021 0.027 -0.061 0.034 0.961 -0.022 0.117 0.012 0.023 TN 0.451 0.665 0.467 0.328 0.042 0.859 0.269 -0.119 0.050 0.267 0.265 0.894 0.212 0.059 TP 0.022 0.050 0.861 0.261 0.055 -0.573 -0.165 -0.122 -0.022 -0.568 -0.173 -0.554 0.491 -0.094 特征值 3.99 3.60 2.44 1.88 3.16 2.05 2.02 1.98 1.22 4.33 2.78 2.40 1.59 1.53 方差贡献率 28.47% 25.68% 17.43% 13.42% 22.58% 14.63% 14.45% 14.18% 8.72% 30.91% 19.82% 17.14% 11.39% 10.95% 累计贡献率 28.47% 54.16% 71.59% 85.00% 22.58% 37.21% 51.66% 65.84% 74.56% 30.91% 50.74% 67.87% 79.27% 90.22%

表9(Table.9)

表9 空间性旋转因子载荷矩阵及方差贡献 Table.9 Factor loadings and explained variance of water quality parameters in 5 zones

表9 空间性旋转因子载荷矩阵及方差贡献 Table.9 Factor loadings and explained variance of water quality parameters in 5 zones 指标 因子载荷(CW) 因子载荷(RW) 因子载荷(POP) 因子载荷(MOP) 因子载荷(ML) VF1 VF2 VF3 VF4 VF5 VF1 VF2 VF3 VF4 VF5 VF1 VF2 VF3 VF4 VF5 VF1 VF2 VF3 VF1 VF2 VF3 注：依据因子载荷值∈ [0.75，1]，∈[0.5，0.75]，∈[0.3，0.5]判断其作用为强烈、中等或弱.强烈、中等因子载荷分别以下划线和加粗表示 Chl-a -0.919 -0.325 -0.109 -0.096 0.126 0.066 -0.001 0.904 0.193 -0.024 0.237 -0.182 -0.206 -0.076 0.819 0.973 0.179 -0.143 -0.991 0.023 0.135 Cl- 0.091 0.840 0.468 0.027 0.043 0.876 0.236 0.151 -0.078 0.247 0.276 0.438 -0.091 -0.369 0.723 -0.024 -0.193 0.981 0.145 -0.688 -0.711 CODMn -0.015 0.876 -0.246 -0.275 0.032 0.186 0.039 0.612 -0.492 -0.197 -0.315 0.115 0.134 0.377 0.532 0.614 0.707 -0.349 -0.946 0.178 -0.271 DO -0.592 -0.135 -0.014 -0.702 0.174 0.056 -0.121 0.553 0.075 -0.576 -0.441 -0.233 0.651 0.543 -0.048 0.859 0.310 -0.408 0.145 0.884 0.445 NH+4-N -0.042 -0.030 -0.088 0.036 -0.951 0.335 0.134 0.077 0.137 0.761 0.017 0.055 0.096 0.929 -0.053 -0.595 0.330 0.733 0.202 -0.119 -0.972 NO-3-N -0.086 0.109 0.968 0.116 0.041 0.652 -0.005 -0.215 0.450 -0.373 0.195 0.001 0.916 0.021 -0.090 0.415 0.888 -0.200 0.417 0.216 0.883 ORP 0.142 0.900 0.221 -0.045 -0.283 0.805 0.113 -0.150 -0.003 0.234 -0.043 0.876 -0.093 0.415 -0.105 -0.999 0.034 -0.039 -0.537 -0.838 0.097 PCY -0.613 -0.531 -0.126 0.125 0.050 -0.233 0.108 0.697 0.069 0.126 -0.164 -0.905 0.187 0.001 -0.168 0.691 -0.498 0.524 -0.924 0.038 -0.381 pH -0.238 -0.123 0.151 0.903 0.043 0.241 0.191 0.331 0.673 0.147 -0.450 -0.148 0.522 0.429 0.512 0.794 -0.347 0.499 0.111 0.994 -0.009 盐度 0.987 0.013 -0.040 -0.023 0.084 0.097 0.989 0.058 0.055 0.059 0.980 0.037 0.034 -0.039 0.065 0.909 0.359 -0.210 0.393 0.687 0.611 电导率 0.987 0.018 -0.051 -0.033 0.077 0.104 0.989 0.014 0.044 0.090 0.980 0.044 0.026 -0.047 0.057 0.999 0.012 -0.031 0.870 0.491 0.040 TDS 0.988 0.018 -0.052 -0.032 0.076 0.105 0.989 0.022 0.044 0.080 0.980 0.046 0.031 -0.044 0.056 0.995 0.056 -0.079 0.853 0.519 0.056 TN 0.191 0.656 0.583 0.117 0.341 0.964 0.060 0.082 -0.027 -0.029 0.087 0.708 0.656 0.077 -0.147 0.046 0.987 -0.152 0.412 -0.357 0.838 TP 0.147 0.810 0.007 0.384 0.347 0.531 -0.009 -0.076 0.629 0.080 -0.037 0.891 0.185 -0.365 0.005 -0.195 0.963 0.185 0.470 -0.882 0.049 特征值 4.65 3.80 1.67 1.59 1.30 3.35 3.09 2.21 1.37 1.27 3.59 3.20 2.12 1.94 1.82 7.55 3.97 2.48 5.32 4.93 3.76 贡献率 33.21% 27.18% 11.93% 11.36% 9.25% 23.94% 22.06% 15.77% 9.81% 9.05% 25.61% 22.89% 15.17% 13.88% 13.02% 53.93% 28.34% 17.73% 37.97% 35.20% 26.84% 累计贡献率 33.21% 60.38% 72.31% 83.67% 92.92% 23.94% 46.00% 61.77% 71.58% 80.63% 25.61% 48.50% 63.67% 77.55% 90.57% 53.93% 82.27% 100% 37.97% 73.16% 100%

春季因子分析共筛选出4个旋转因子(VFs)，累计解释水质变异的85%.VF1(方差贡献28.47%)与盐度、TDS、ORP强烈相关，与COD_Mn、NO^-₃-N中等相关，表征了春季水体杂质较多，湿地水环境受水体自然状况和有机污染的共同影响；VF2(方差贡献25.68%)与Chl-a、PCY、NO^-₃-N、TN、 DO、pH正相关，表征了湿地水体的富营养化和氮污染；VF3(方差贡献17.43%)与TP、COD_Mn、ORP、PCY相关，由于再生水中有机污染物含量已达到地表水水质标准，因此，COD_Mn的正相关性说明有机污染并非来源于再生水排放，而是以大气沉降等非点源污染形式进入河道，因此，VF3代表了点源(磷排放)和非点源(大气沉降)的混合污染(Liu et al.，2003);VF4(方差贡献13.42%)与NH⁺₄-N、Cl^-正相关，代表了再生水排放中的氨氮污染.

夏季因子分析共筛选出5个旋转因子，累计解释水质变异的74.56%.VF1(方差贡献28.47%)与电导率、盐度、TDS等水体理化指标强烈相关，代表了水体盐分、杂质等湿地水环境内源污染的影响；VF2(方差贡献14.63%)与NO^-₃-N、TN、TP相关，可解析为氮、磷营养盐污染；VF3(方差贡献14.45%)与COD_Mn强烈相关，同时与Cl^-、DO、ORP中度相关，可解析为有机污染;VF4(方差贡献14.18%)中Chl-a、PCY的相关性表征了此组为典型的水体富营养化；VF5(方差贡献8.72%)代表了再生水排放中的氨氮污染.

秋季因子分析共筛选出5个旋转因子，累计解释水质变异的90.22%.结合湿地自身条件和分布可知，VF1(方差贡献30.91%，特征因子Cl^-、pH、电导率、TDS、盐度)、VF2(方差贡献19.82%，特征因子Chl-a、PCY、DO)、VF3(方差贡献17.14%，特征因子NO^-₃-N、TN、TP、Cl^-)、VF4(方差贡献11.39%，特征因子COD_Mn)、VF5(方差贡献10.95%，特征因子NH⁺₄-N、ORP)分别表征了水体内源杂质、富营养化、氮磷等营养物质、有机污染物、再生水中氨氮污染对人工湿地水体的强烈作用.

综合分析春、夏、秋三季水质主要影响因子可得：湿地水体的内源杂质是各季度影响水质的主要因子，这表明与其他受纳水体不同，人工湿地因其完善的处理工艺和湿地植物充分的净化作用，水体较难受到点源(未经污水厂处理的工业废水、生活污水等)，以及非点源污染(地表径流、农业退水)的影响；有机污染(VF1)在春季最为严重，可能是由于春季温度较低，根际微生物代谢作用受到抑制；夏季氮、磷等营养物质污染(VF2)高于春、秋两季，但水体富营养化水平则较其他两季低，研究表明，水体中总氮、总磷浓度的升高并不一定发生富营养化阶段(付春平等，2005)，夏季较低的富营养化水平可能是因为夏季降雨增加了水体的流动性，各功能区间流动性增强而缩短了水体更新周期，藻类生长的条件遭到破坏；春、夏、秋三季中氨氮污染均为最小影响因子，表明人工湿地具有较强的氮去除效率.

循环水区(CW)因子分析中共筛选出5个旋转因子(VFs)，累计解释水质变异的92.92%.VF1(方差贡献33.21%)与盐度、电导率、TDS强烈正相关，与Chl-a、PCY、DO负相关，与溶解性物质正相关且与富营养化指标负相关，VF1可被解析为水体内源杂质的影响；VF2(方差贡献27.18%)与Cl^-、COD_Mn、ORP、TP强烈正相关，与PCY、TN中度正相关，可解析为点源(氮、磷排放)和非点源(大气沉降)的混合污染；VF3(方差贡献11.93%)与TN、NO^-₃-N相关，代表了点源污染中的氮污染.VF4(方差贡献11.36%)与pH正相关，与DO负相关，代表了再生水中酸碱性污染物对水体的影响；VF5(方差贡献9.25%)代表了再生水排放中的氨氮污染.

再生水区(RW)筛选的5个旋转因子累计解释水质变异的80.63%.VF1(方差贡献23.94%)与Cl^-、NO^-₃-N、ORP、TN、TP正相关，可解析为氮、磷等营养盐类污染；VF2(方差贡献22.06%)与盐度、电导率、TDS强烈正相关，代表了湿地水体内源污染的影响；VF3(方差贡献15.77%)与Chl-a、PCY、COD_Mn、DO正相关，表示了藻类繁殖和有机污染对水体的共同作用;VF4(方差贡献9.81%)与pH、TP的强烈相关性表征了此组代表了再生水补给造成的点源污染中的磷污染；VF5(方差贡献9.05%)代表了再生水排放中的氨氮污染.

植物氧化塘(POP)的因子分析中同样筛选出5个旋转因子，累计解释水质变异的90.57%.VF1(方差贡献25.61%)与盐度、电导率、TDS强烈正相关，代表水体内源杂质的影响；VF2(方差贡献22.89%)与TN、TP、ORP、PCY相关，为营养盐类污染；VF3(方差贡献15.17%)与DO、TN、NO^-₃-N、pH相关，代表了水体内的反硝化作用；VF4(方差贡献15.17%)与DO、NH⁺₄-N相关，代表了点源污染中的氨氮污染；VF5(方差贡献13.02%)的特征因子为Chl-a、Cl^-、COD_Mn、pH，代表了藻类活动、有机污染物的共同作用.

混合氧化塘区(MOP)和主湖区(ML)都只筛选出3个旋转因子，筛选出的因子较少可能是受到了两功能区内样点布设较少的影响.结合各功能区自身条件，在混合氧化塘区，VF1(方差贡献53.93%，特征因子Chl-a、COD_Mn、pH、PCY、ORP、盐度、电导率、TDS)、VF2(方差贡献28.34%，特征因子COD_Mn、NO^-₃-N、TN、TP)、VF3(方差贡献17.73%，特征因子Cl^-、NH⁺₄-N、ORP)分别表征了来自藻类繁殖和湿地水体杂质、再生水中氮磷等营养物质+大气沉降造成的非点源污染及点源污染中的氨氮污染.在主湖区，VF1(方差贡献37.97%，特征因子Chl-a、COD_Mn、PCY、ORP、电导率、TDS)、VF2(方差贡献35.20%，特征因子Cl^-、DO、ORP、盐度、pH、电导率、TP)、VF3(方差贡献26.84%，特征因子Cl^-、NH⁺₄-N、NO^-₃-N、盐度、TN)表示水体污染依次来源于水体富营养化、有机污染、磷污染、氮污染.

综合分析各功能区水质主要影响因子可得：仅在再生水区，水体污染的主要影响因子为氮、磷等营养盐类(VF1)，这表明奥林匹克森林公园人工湿地对氮、磷有着良好的去除效率，经再生水区复合垂直流人工湿地的净化去除，营养物质已不构成水体污染的决定性因素.植物氧化塘中，叠水景观的设计大大增强了水体流通力，缩短了水力停留时间，因而成为最不易出现水体富营养化的功能区.主湖区收纳水体面积最大，水力停留时间最长，因而成为了最易受水体富营养化和大气沉降(非点源污染)造成的有机污染的影响.

1)奥林匹克森林公园人工湿地总体水环境质量相对较好，作为人体非直接接触的景观用水完全符合国家标准，Chl-a、NH⁺₄-N、NO^-₃-N、TP时空分布不均匀.各季节中，夏季由于植物生长旺盛，根际微生物代谢频繁，对营养物质吸收同化效果更强，水环境质量最好(III级)，秋季水质最差(V级)，这与植物枯萎腐烂、水体流动性变差有关；各功能区中循环水区、植物氧化塘水环境质量最好(III级)，这与两区较高的植被覆盖度及较快的水体循环有关；再生水区虽通过典型的复合垂直流人工湿地净化水质，但由于是再生水首先流经的功能区，水体氮、磷净化不完全，因此，水质不及以上两区;混合氧化塘区(MOP)湿地面积最小，加之该区内亲水景观较多，水体易收到人为活动的干扰，水质等级隶属于V类(0.547)；主湖区受纳水体面积广，水力停留时间最长，水质等级V类(0.539).

2)人工湿地受自然条件和人为因素的共同作用，水环境具有独特的变异规律.季节性变异研究表明，COD_Mn、NO^-₃-N、ORP、TN 4项指标能够完整的表征水质季节变异，表明其受到了水位、水体停留时间等水力特性的影响，在今后的水质监测工作中，应适当加大这4类指标的监测力度.此外，春季水质较为复杂，应加大监测频度.在水质空间变异规律识别中发现，Chl-a、COD_Mn、DO、pH与空间变异有显著相关性，Cl^-、TN受人为影响较大，Chl-a、COD_Mn的显著变异分别发生在主湖区和再生水区.循环水区水质状况不稳定，在今后监测中应适当增加样点数量，深入评测水质状况.

3)各时空区间主要污染源存在差异性.季节尺度上，湿地水体的内源杂质是各季度影响水质的最主要因子，有机污染在春季最为严重，夏季则转为氮、磷等营养物质污染，秋季水体则更易受富营养化的威胁；空间尺度上，仅在再生水区水体污染的主要影响因子为氮、磷等营养盐类，其余功能区水体主要影响因子仍为内源杂质.

4)人工湿地由于雨洪利用设施完备，受非点源污染影响明显小于自然水体，污染主要源于补给水源.人工湿地对氮、磷及有机污染物的去除效率受湿地植物及处理工艺的双重作用.在今后的水质监管中，应通过适时开放功能区间闸门，增建叠水景观等途径增强水体流通能力，避免水体富营养化，同时及时清理秋季枯萎植株，避免营养元素回流.