大夏河流域水环境安全评价

xbz

水环境安全对于区域社会经济发展至关重要。地处甘肃省中部的大夏河是黄河右岸的重要支流,对甘肃省中部社会经济发展和生态环境滋养起关键作用。因此,开展大夏河流域水污染及水环境安全评价可为保障区域经济稳定发展及生态环境良性循环提供参考,然而,对河流水体水质与流域整体水环境安全相结合的研究目前较为缺乏。鉴于此,本文首先采用单因子评价法与灰色评价法对2006～2021年大夏河流域水质进行评价;在此基础上,进一步引入PCA-PSO-BP神经网络综合模型对水质进行模拟;其次,综合上述水质评价指标、自然地理指标和社会经济指标运用DPISR模型,通过层次分析法、熵值法和综合指数法对大夏河流域水环境安全状况进行评价;最后结合流域实际,提出流域水环境安全发展的相关建议和措施。主要结论如下1)2006～2021年,夏河、双城、折桥水质监测断面的溶解氧、氨氮、总磷和高锰酸钾指数变化幅度分别为3.96%～9.06%,-44.5%～79.5%,-70.1%～0.00%和-42.9%～-17.6%。氨氮是大夏河流域最主要的污染物。大夏河流域水质整体呈I～III类,各断面水质均处于达标状态。其中,上游夏河、中游双城断面整体水质为I～II类;下游折桥断面整体水质为I～III类。上游水质优于下游,水质变化幅度表现上游小,下游大;进一步分析水质最差的折桥断面2021年9～12月水质数据,发现该断面水质逐月变优,各月份水质均为I类。(2)氨氮作为影响大夏河流域水质最主要的污染物指标,对其进行模拟在一定程度上可直接反映流域水质状况。选取氨氮污染最为严重的折桥监测断面,运用PCA-PSO-BP神经网络综合模型将p H、溶解氧、高锰酸钾指数等9种水质监测指标的主成分变量作为氨氮模拟的输入变量,分别建立训练集和测试集优化模型参数并对模型进行性能检验。结果表明,优化后的模型有较好的模拟效果。训练集拟合MSE为0.018,相关系数R为0.95;测试集模拟结果与真实值趋势基本一致,误差在0～0.182之间,MSE为0.01,相关系数R为0.904。本文构建的神经网络综合模型可以很好地模拟流域的氨氮浓度,可用于大夏河流域水质预测,进而用于流域污染物监管及水质监测评价。(3)基于大夏河流域水质评价结果,综合流域自然地理及社会经济特征,运用DPISR模型,结合层次分析法、熵值法和综合指数法对大夏河流域水环境安全状况进行评价。结果表明,2006年、2010年、2015年、2020年大夏河流域水环境安全综合指数分别为0.3102、0.5816、0.4103、0.7299,水环境安全等级由较不安全转变为较安全,水环境状况总体呈变优趋势。(4)根据流域水质状况及水环境安全评价结果,结合流域现状,提出树立绿色发展的环保理念,节能减排和加大生态环境保护投入力度,构建生态优先的发展格局的流域水环境安全发展建议。