论文部分内容阅读
太湖是中国大型浅水湖泊之一，人类活动导致其水质恶化，富营养化加重。目前，太湖治理虽已取得阶段性成效，但水环境持续改善的难度逐渐增大。因此，研究太湖水质变化特性及其污染源解析，对有效控制污染源及其排放，实现太湖综合治理意义重大。 本文通过建立太湖水质监测参数数据集，筛选并综合分析参数时空分布特性和污染评价结果，且基于广义加性模型(GAM)分析水体中叶绿素a(Chla)与其他水质因子的相关性。在此基础上，利用受体模型绝对因子得分-多元线性回归法(APCS-MLR)和正定矩阵因子分解法(PMF)对太湖典型湖区进行污染源解析。研究结果可望为太湖水体污染治理和富营养化控制提供理论基础和有益参考。 湖体各水质指标总体上时空分布异质性大，但Cl-和SO42-离子分布较均匀。营养盐、有机污染物指标和Chla浓度的空间分布自西北向东南方向递减，与太湖水流向一致。各参数季节分布差异明显，其中TN、NO3--N和NH3-N在春、冬季浓度较高，而夏季湖体NO2--N、TP、PO43-、CODMn、BOD5和Chla浓度较高。另外，TN/TP（质量比）分布特性表明太湖总体53.9％的样本受磷限制，且春冬两季更为明显。单因子指标达标率从低到高的次序为TN(13.3％)＜TP(22.7％)＜BOD5(90.8％)＜CODMn(91.3％)＜NH3-N(91.6％)＜DO(98.9％)，表明氮磷污染明显。基于主成分分析法改进的综合标识指数经Heat map分析表明，太湖春、冬季水质较差，夏、秋水质较好，且湖区西北部水质污染相对较重，东部湖区和五里湖污染较轻。 通过GAM模型分析，发现Chla与其他水质因子间呈线性或非线性相关，且模型的拟合效果优于一般线性分析结果。逐步选择多个水质因子为解释变量的GAM模型解释率高于单变量模型，其中夏季最优模型对Chla变化的解释率较高为93.8％，解释变量由TP、CODMn、DO和水温组成;冬季最优模型含有7个解释变量数，但解释率仅为71.6％，说明Chla变化受其他因子影响。在各季得到的最优模型中，CODMn和BOD5作为Chla的被动因子对Chla变化响应程度较高，TP在春、夏季对Chla的解释能力较强，氮营养盐在秋季时对Chla有较好地响应，而其他水质因子的响应程度较低。 APCS-MLR和PMF分析结果表明，在太湖西北部湖区的水质数据中识别的5类污染源相同，但贡献率相差较大，主要受到农业面源污染和生活污水排放等人为因素影响;两种模型在东部湖区解析的污染源略有差异，但贡献率相近，主要与该区域季节变化、大气沉降和风浪扰动等自然因素有关。根据模型的污染源分配及其评价指标，APCS-MLR模型较适用于东部湖区水质污染源解析，PMF模型则较适用于西北部湖区水质污染源解析，且两种模型结合使用，有助于提高水污染源解析的有效性。