基于农业非点源氮磷负荷特征的沱江水体水质评价

vyr

基于农业非点源氮磷负荷特征的沱江水体水质评价符东西南科技大学
在践行“绿水青山就是金山银山”的发展理念下,开展水质综合评价和水体污染特征研究是水污染管控的重要前提。沱江位于四川省中部,是长江上游的主要支流。作为四川盆地重要的自然资源,由于长期受到工农业活动的影响,导致沱江水质呈现出了不同程度的恶化。为阐明典型工农业交错及长距离、跨区域流域的水质污染特点,本文基于沱江流域农业非点源氮磷负荷特征,以沱江为研究对象,选取31个包含12项水质参数的采样点,以2018-2019年的水质数据和沱江流域各区县的统计年鉴数据为基础,基于主成分分析、相关性分析、排污系数法和聚类分析等方法,借助绝对主成分得分-多元线性回归模型(Absolute principal component score-multiple linear regression,APCS-MLR)、正定因子分解矩阵模型(Positive matrix factorization,PMF)和BP(Back propagation)人工神经网络模型,详细研究了沱江水体污染源组成、流域农业非点源氮磷负荷特征和水质状况等内容。本文研究成果可为典型工农业交错及长距离、跨区域流域水环境评价和污染特征研究提供理论依据和技术支撑。同时,可以对沱江流域的水资源开发、水环境管控和规划提供科学依据。本文获得的主要结论如下:1)确定了沱江污染源组成特征及其对污染物的定量贡献。基于优化后的APCS-MLR和PMF受体模型,沱江水体共解析出4个污染源,分别是农业非点源、工业废水、生活污水和土壤侵蚀。APCS-MLR模型表明沱江干流大部分水质参数主要受到农业非点源和工业废水的影响,两者的均值分别为39.90%和18.18%。PMF模型则发现沱江水体中约89.78%的TN来自于农业非点源污染,而来自于工业源的TP约占到了82.00%。总体上,PMF和APCS-MLR模型都表明农业非点源是沱江目前最主要的污染源。2)获得了沱江流域农业非点源氮磷负荷的分布特征。沱江流域种植业的TN负荷由2018年的3.8万吨下降至2019年的3.6万吨,而TP负荷却由2018年的1.5万吨增加至1.8万吨。种植业的灰水足迹和WPL表明种植业对流域水体环境的压力较大,各区县的地表淡水对氮磷污染物的吸收能力已普遍饱和。沱江流域养殖业的氮磷负荷由2018年的11412和2798.1吨分别下降至2019年的9860.4和2417.7吨。通过分析养殖业氮磷负荷的组成分析表明,猪和家禽养殖是沱江流域内养殖业氮磷负荷的主要来源。生活源的氮磷负荷由2018年的11712.67和1774.8吨分别下降至2019年的11217.60和1699.78吨。种植业是沱江流域农业非点源氮磷负荷的主要贡献者,对氮磷负荷贡献的均值分别达到了61.43%和77.39%。生活源对氮磷负荷贡献的平均值仅为20.23%和9.15%。养殖业对氮磷负荷贡献的平均值为18.34%和13.46%。3)揭示了沱江水质的时空变化特征。沱江中游水质参数浓度普遍较高,季节性变化分析表明水质参数浓度在夏季显著高于其他三季的浓度。基于WQI法和模糊综合评价法对沱江水质进行了综合评价,结果表明沱江水质总体上在“良好”至“较差”之间,且“中等”水质的采样点达到了93.50%,表明沱江水体环境受到了轻微的损害。总体而言,沱江水质在时空上差异性显著,由于密集的农业生产活动,沱江中游和夏季的水质更差。4)提出了改进综合水质指数(Modified integrated water quality index,MIWQI)模型的构建原理、方法和步骤,并将其成功的应用到沱江的水体评价中。结果表明MIWQI模型将沱江水质划分为“中等”至“极差”等级,且MIWQI模型与WQI法在71.00%的采样点的水质评价结果相同。证明本文提出的MIWQI模型能较好的用于沱江水体的水质评价。5)获得了沱江流域农业非点源氮磷负荷和沱江水质之间的响应关系。结果表明沱江干流TN和TP浓度和水质时空变化特征与沱江流域农业非点源氮磷负荷相关性显著(p<0.05)。沱江流域农业非点源氮磷负荷在一定程度上影响了沱江干流水质的优劣程度。6)构建了沱江TN浓度预测的BP人工神经网络模型。通过相关性分析,确定了模型的输入参数。利用试凑法分别对训练函数和隐层节点数进行了优化。根据相关系数、平均相对误差和均方根误差确定了最佳的训练函数为trainlm,最佳的隐层节点数分别为4和9。经优化后的BP人工神经网络对沱江的TN浓度预测时得到了较为满意的结果。在第一种情况下模型的平均相对误差为1.28%,最佳校验误差为0.013,全局相关系数达到了0.991。而第二种情况下模型的平均相对误差为8.40%,最佳校验误差为0.200,全局相关系数为0.933。