Application of improved WQI model in water quality assessment of typical watershed in the hilly area of central Sichuan Province: a case study in the upper reaches of Qiongjiang River Basin
-
摘要: 水质指数（WQI）克服了传统水质评价方法无法同时满足定性评价与定量评价的缺点，但其所需指标较多，无法做到广泛运用。以琼江流域上游段为川中丘陵地区典型流域的代表，对其2018—2019年水质监测数据进行多元线性逐步回归分析，从25个水质指标中筛选出氨氮（NH3-N）、化学需氧量（CODCr）、生化需氧量（BOD5）、溶解氧（DO）4个指标建立改进WQI （WQImin）模型，该模型评价结果与WQI高度相关，并且具有较好的预测性能（R2=0.81，PE=11.9%）。WQImin评价结果表明：琼江流域上游段WQImin均值为63.1±17.2，水质等级为好；干流WQImin整体上呈沿程升高的趋势，流经安居区时，WQImin明显降低，但能较快恢复至入城区前的水平；WQImin由高至低依次为琼江干流>会龙河>玉丰河>蟠龙河>石洞河，主要支流水质均劣于干流，建议区域水污染治理的重点应逐步放到支流上。Abstract: Water quality index (WQI) overcomes the shortcomings of traditional water quality evaluation methods that cannot satisfy both qualitative and quantitative evaluation. However, WQI requires so many evaluation indexes that it cannot be widely used. Taking the upper reaches of Qiongjiang River Basin as the representative of the typical basin in the hilly area of central Sichuan Province, the monitoring data of water quality from 2018 to 2019 were analyzed through the multiple linear stepwise regression method. One improved model, the minimum water quality index (WQImin) model, was established by choosing NH3-N, CODCr, BOD5 and DO from 25 water quality indexes. WQImin model had better predictive performance, and its evaluation results were significantly correlated with WQI (R2=0.81, PE=11.9%). According to the results of WQImin model, the average WQImin value in the upper reaches of Qiongjiang River Basin were 63.1±17.2, and the water quality grade was "good". On the whole, the WQImin value of the mainstream increased along the flow direction. When it flowed through Anju District, WQImin decreased significantly, but it could return to its pre-affected level before entering the city quickly. The WQImin values from high to low were as follows: Qiongjiang River mainstream > Huilong River > Yufeng River > Panlong River > Shidong river, and the water quality in tributaries was worse than that of main streams. Therefore, the priority of water pollution control in this area should be gradually put on the tributaries.
-
以单因子指数法为代表的传统水质评价方法，是把特定的水质指标与规范标准进行比较，选取水质最差的类别作为评价结果[1-3]。水质指数（water quality index，WQI）是将多个水质监测指标的浓度值进行分级，并加权组合后转化为反映水质整体状况的单个值[4]。与传统的水质评价方法相比，WQI不仅能充分利用水质监测数据反映水质整体状况，还能用于不同监测断面之间的比较，确定水质空间变化趋势[4-5]。自1960年以来，WQI已逐渐被用于地表水和地下水的水质评价中[6-7]。
WQI评价方法在应用过程中不断被改进，如在发展中国家，通过考虑关键水质指标建立了改进WQI模型——最小水质指数（WQImin）[8]。如Pesce等[2]从20个水质指标中选择浊度、溶解氧（DO）以及电导率或总溶解固体建立阿根廷苏基亚河WQImin模型，Wu等[9]从15个水质指标中选择氨氮（NH3-N）、高锰酸盐指数（CODMn）、硝酸盐、DO和浊度建立中国巢湖流域WQImin模型，Nong等[10]从16个水质指标中选择总磷（TP）、粪大肠菌群、汞、水温（T）和DO建立中国南水北调工程的WQImin模型。WQImin和WQI结果之间存在高度相关性，由于水质指标的数量直接决定监测费用，而WQImin通过数量更少的水质指标，达到与WQI高度近似的评价结果，因而可节约当地管理部门在环境监测项目上的支出[11]。
受人类活动以及地理环境差异的影响，不同流域的污染物特征和污染程度相差悬殊，WQImin的关键指标也不尽相同[12]。川中丘陵地区是四川省农业的主体区域，不合理的农业耕作和肥料施用导致区域内非点源污染日益严重[13-14]，区域内沱江、嘉陵江水系水质超标情况时有发生[15-16]。已有研究多关注该地区的部分污染物或氮、磷等水质指标[17-20]，鲜有关于影响水质变化的关键指标的研究，并且由于监测断面较少和监测指标不足，水质评价结果未能真实反映河流水质整体状况。
笔者以琼江流域上游段作为川中丘陵地区的典型代表，为了经济且高效地评价当地河流水质的整体状况，提出仅考虑关键指标的WQImin。从25个水质指标中选择关键指标，建立并验证WQImin模型，再根据33个断面的监测数据，将最佳的WQImin应用于当地水质评价中，量化水体受污染程度，分析水质空间变化规律，以期为了解川中丘陵地区水质现状以及开展水环境质量评价提供参考。
1. 数据来源与研究方法
1.1 研究区概况
川中丘陵地区（103°15′E~108°30′E，27°35′N~32°52′N）位于四川盆地中部，面积约9万 km2，地处长江以北，涪江、嘉陵江、渠江等中下游[21]。琼江系涪江一级支流、嘉陵江二级支流，为川中丘陵地区典型河流，全长235 km，发源于四川省资阳市，流经遂宁市安居区、重庆市潼南区，至重庆市铜梁区汇入涪江。琼江流域上游段（105°00′46″E~105°39′26″E，30°07′03″N~30°32′39″N）位于川中丘陵地区腹地，区域内琼江干流全长130.8 km，主要支流为蟠龙河、石洞河、会龙河和玉丰河，流域面积为1 591.8 km2（图1）。地势西高东低，主要为中、浅切割的丘陵地貌[22]。琼江流域上游段主要涉及资阳市乐至县、安岳县和遂宁市安居区，2018年农业人口分别占当地总人口的87.3%、85.1%、90.0%，农业生产总值分别占地区生产总值（GDP）的15.5%、23.6%、23.9%[23]。
![]()
图 1 琼江流域上游段水系及监测断面分布Figure 1. Distribution of water system and monitoring sections in the upper reaches of Qiongjiang River Basin1.2 数据来源
共收集琼江流域上游段33个干支流断面的水质监测数据，监测的水质指标信息如表1所示。监测断面涵盖了琼江干流以及蟠龙河、石洞河、会龙河、玉丰河4条主要支流，位置如图1所示。其中，跑马滩断面位于四川省的遂宁市与资阳市交界处 ，为国控断面；大安断面位于四川省遂宁市与重庆市潼南区交界处，为省控断面。大安、跑马滩断面水质监测数据来源于遂宁市生态环境局；其他31个干支流为常规监测断面，水质数据来源于遂宁市安居生态环境局。数字高程模型（DEM）数据来源于地理空间数据云（http://www.gscloud.cn/）的GDEMV2 30 m 分辨率数据。
表 1 水质监测断面详细信息Table 1. Details of water quality monitoring sections涉及断面 数据年份 水质指标 数据来源 大安省控断面、
跑马滩国控断面2018-01—2019-12 T、pH、DO、CODMn、五日生化需氧量（BOD5）、NH3-N、CODCr、挥发酚、氰化物、砷、汞、六价铬、铅、镉、石油类、TP、总氮（TN）、铜、锌、氟化物、硒、阴离子表面活性剂、硫化物、粪大肠菌群数、电导率共25项 遂宁市生态环境局 31个常规监测断面 2018-03—2019-10 DO、CODMn、BOD5、NH3-N、CODCr、TP共6项 遂宁市安居生态环境局 1.3 水质指数（WQI）
WQI的计算公式由Pesce等[2]开发和改进，计算公式如式（1）所示。
$$ \mathrm{W}\mathrm{Q}\mathrm{I}=\frac{\displaystyle\sum\limits _{i=1}^{n}{C}_{i}{P}_{i}}{\displaystyle\sum\limits_{i=1}^{n}{P}_{i}} $$ (1) 式中：n为水质指标个数；Ci为第i个水质指标的归一化值；Pi为第i个水质指标的权重。
依据GB 3838—2002《地表水环境质量标准》，采用并修订Ci的阈值划分[1]；由于该规范未对T和pH进行分级，T和pH的Ci阈值划分依据Wu等[3-4]的研究结果；由于河流水质评价不考虑TN[1,10]，因此，本研究WQI的计算不包括TN。根据水质指标对河流水质的影响程度，Pi的最大值为4，最小值为1（表2）[2,8,10]。WQI是0~100的无量纲数，按WQI将水质类型分为5个等级：优（WQI为80~100）、好（WQI为60~80）、中等（WQI为40~60）、差（WQI为20~40）、非常差（WQI为0~20）[10]。而WQI min仅考虑关键指标 ，计算方法同式（1），其水质的归一化值、权重选取与 WQI 相同。
表 2 水质指标的归一化值和权重Table 2. Normalized values and weights of water quality parameters水质指标 权重（Pi）[2,8,10] 归一化值（Ci） 100 80 60 40 20 T/℃ 1 15~22 12~15, 22~26 5~12, 26~30 −2~5, 30~36 −6~−2, 36~45 pH 1 7~8 8~9 6~7, 9.0~9.5 4~6, 9.5~11 2~4, 11~12 DO/(mg/L) 4 7.5 6 5 3 2 CODMn/(mg/L) 3 2 4 8 12 15 BOD5/(mg/L) 3 3 3 4 6 10 NH3-N/(mg/L) 3 0.15 0.5 1 1.5 2 CODCr/(mg/L) 3 15 15 20 30 40 挥发酚/(µg/L) 3 2 2 5 10 100 氰化物/(µg/L) 4 5 5 200 200 20 砷/(µg/L) 4 50 50 50 100 100 汞/(µg/L) 4 0.05 0.05 0.1 1 1 六价铬/(µg/L) 4 10 50 200 200 200 铅/(µg/L) 4 10 10 50 50 100 镉/(µg/L) 4 1 5 5 5 10 石油类/(µg/L) 2 50 50 50 500 1 000 TP/(mg/L) 4 0.02 0.1 0.2 0.3 0.4 铜/(µg/L) 2 10 1 000 1 000 1 000 1 000 锌/(µg/L) 2 50 1 000 1 000 2 000 2 000 氟化物/(mg/L) 2 1 1 1 1.5 1.5 硒/(µg/L) 4 10 10 10 20 20 阴离子表面活性剂/(mg/L) 4 0.2 0.2 0.2 0.3 0.3 硫化物/(µg/L) 2 50 100 200 500 1 000 粪大肠菌群数/(个/L) 3 200 2 000 10 000 20 000 40 000 电导率/(mS/m) 1 1 000 1 500 2 500 5 000 12 000 1.4 数据处理与分析
1.4.1 WQI的率定及验证
将大安、跑马滩断面的25个水质监测数据分为2个部分：根据2018年1月—2019年9月监测数据，进行多元线性逐步回归分析，提取关键指标，建立WQImin模型；根据2019年10—12月的数据，验证WQImin模型。在多元线性逐步回归分析中，在分析之前对水质指标数据进行对数转换〔lg(Ci+1)〕，以满足正态性。
1.4.2 数据分析
使用ArcGIS水文分析等工具，以大安断面为流域控制点，基于DEM数据识别分水岭，并提取河流水系。采用Kruskal-Wallis H非参数检验，根据统计量（H）与显著性P判断大安、跑马滩断面之间的水质是否具有显著性差异（P<0.05）。依据决定系数（R2）评估WQImin模型的拟合度，采用百分比误差（PE）评估不同模型的预测能力[24]，PE越接近0，表示模拟的精度越高，PE计算公式如下：
$$ \mathrm{P}\mathrm{E}=\sum \left|\frac{{\mathrm{W}\mathrm{Q}\mathrm{I}}_{\mathrm{m}\mathrm{i}\mathrm{n}}}{\mathrm{W}\mathrm{Q}\mathrm{I}}-1\right|\times 100/n $$ (2) 将多元线性逐步回归分析提出的多组关键指标分别建立WQImin模型，并依据R2、PE等参数筛选出最优模型。根据最优模型计算干、支流的WQImin，并对结果进行单因素方差分析，以评价区域内水质空间分布的差异性。
2. 结果
2.1 典型断面水质特性
对大安、跑马滩断面的水质指标进行统计（表3）。Kruskal-Wallis H非参数检验结果表明，除跑马滩断面的CODCr外，其余水质指标的浓度均值能够满足GB 3838—2002中Ⅲ类水质标准，其中T、pH、DO、CODMn、砷、石油类、铜、氟化物、阴离子表面活性剂9个水质指标不存在显著性差异，其余16个指标均存在显著性差异(P<0.05)。
表 3 大安与跑马滩断面水质指标平均值和标准差Table 3. Average values and standard deviations of water quality indexes at sections of Da'an and Paomatan水质指标 平均值±方差 H P 大安断面 跑马滩断面 T/℃ 20.3±7.31 21.27±7.52 0.283 0.595 pH 8.14±0.33 7.98±0.50 1.432 0.232 DO/(mg/L) 9.28±3.46 8.41±4.91 0.409 0.523 CODMn/(mg/L) 5.09±0.67 5.25±0.86 0.052 0.820 BOD5/(mg/L) 2.31±1.14 2.86±1.04 4.393 0.036 NH3-N/(mg/L) 0.28±0.15 0.31±0.47 8.401 0.004 CODCr/(mg/L) 17.96±2.97 20.83±3.60 7.659 0.006 挥发酚/(μg/L) 0.32±0.10 0.29±0.17 5.906 0.015 氰化物/(μg/L) 4.00±0.00 3.33±0.96 9.400 0.002 砷/(μg/L) 1.34±0.63 1.34±0.89 0.522 0.470 汞/(μg/L) 0.04±0.00 0.03±0.01 9.400 0.002 六价铬/(μg/L) 4.00±0.00 3.33±0.96 9.400 0.002 铅/(μg/L) 1.92±0.28 1.50±0.65 7.172 0.007 镉/(μg/L) 0.10±0.00 0.08±0.03 9.340 0.002 石油类/(μg/L) 12.5±6.76 12.08±6.24 0.204 0.652 TP/(mg/L) 0.13±0.04 0.12±0.14 8.078 0.004 铜/(μg/L) 1.00±0.00 1.04±0.64 2.335 0.126 锌/(mg/L) 0.05±0.01 0.04±0.02 7.484 0.006 氟化物/(mg/L) 0.36±0.08 0.39±0.07 3.145 0.076 硒/(μg/L) 0.40±0.02 0.34±0.10 7.207 0.007 阴离子表面活性剂/(mg/L) 0.06±0.01 0.05±0.02 1.082 0.298 硫化物/(μg/L) 5.00±0.00 4.15±1.24 9.366 0.002 粪大肠菌群数/(个/L) 2 638±1 510 1 228±810 18.312 0.000 电导率/(mS/m) 497.63±97.64 402.33±51.74 15.171 0.000 2.2 WQImin模型的率定
以大安、跑马滩断面除TN外的24个水质指标为自变量，以WQI为因变量进行多元线性逐步回归分析（表4）。结果表明，NH3-N能解释WQI变异的58.5%，NH3-N、CODCr能解释WQI变异的70.0%，具有较高的解释度；NH3-N、CODCr、BOD5、DO、粪大肠菌群数能共同解释WQI变异的85.2%，表明NH3-N、CODCr、BOD5、DO、粪大肠菌群数对WQI具有较强的影响。
表 4 WQI与水质指标的多元线性逐步回归分析Table 4. Multiple linear stepwise regression analysis of WQI and water quality$\mathrm{lg}\left(\mathrm{W}\mathrm{Q}\mathrm{I}+1\right)$ R2 F P ${1.838}^{***}+{0.067}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }$ 0.59 53.19 <0.001 ${1.777}^{***}+{0.066}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+ {0.036}^{***}\mathrm{l}\mathrm{g}\; {C}_{ {\mathrm{C}\mathrm{O}\mathrm{D} } _ {\rm{Cr} } }$ 0.70 44.25 <0.001 ${1.751}^{***}+{0.065}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+{0.028}^{**}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{C}\mathrm{O}\mathrm{D} } _{ {\rm{Cr} } } }+{0.022}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{B}\mathrm{O}\mathrm{D_{5} } }$ 0.75 38.98 <0.001 ${1.758}^{***}+{0.050}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+{0.024}^{**}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{C}\mathrm{O}\mathrm{D} }_{{\rm{Cr}}} }+{0.029}^{***}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{B}\mathrm{O}\mathrm{D_{5} } }+{0.008}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{D}\mathrm{O} }$ 0.81 39.96 <0.001 ${1.668}^{***}+{0.049}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+{0.025}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{C}\mathrm{O}\mathrm{D_{{\rm{Cr}}}} }+{0.033}^{***}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{B}\mathrm{O}\mathrm{D_{5} } }+{0.010}^{***}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{D}\mathrm{O} }+{0.043}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{F}.\mathrm{c}\mathrm{o}\mathrm{l}\mathrm{i} }$ 0.85 43.59 <0.001 注：*表示模型中各自变量指标对因变量lg(WQI+1)的显著性，**表示P<0.01，***表示P<0.001；CF.coli表示粪大肠菌群数。 以NH3-N、CODCr、BOD5作为WQImin的关键指标，分别评价DO、粪大肠菌群数以及二者共同作用对WQImin的影响，据此建立模型WQImin-a、WQImin-b、WQImin-c、WQImin-d（表5）。率定结果显示，模型WQImin-b、WQImin-d相较于WQImin-a、WQImin-c具有更低的PE，并且与WQI呈密切的相关性（R2>0.90）。所有模型中，WQImin-b模拟精度最高（PE为17.4%）。模型WQImin-b、WQImin-d的率定结果表明，引入粪大肠菌群数对 WQImin模型的拟合度提升较小（R2仅增加0.01），并导致模拟误差略微增大（PE增加1.5%）。
表 5 WQImin模型的参数率定结果Table 5. Parameter calibration results of the WQImin model模型 包含指标 R2 P PE/% WQImin-a NH3-N、CODCr、BOD5 0.47 <0.001 23.2 WQImin-b NH3-N、CODCr、BOD5、DO 0.92 <0.001 17.4 WQImin-c NH3-N、CODCr、BOD5、粪大肠菌群数 0.52 <0.001 30.7 WQImin-d NH3-N、CODCr、BOD5、DO、粪大肠菌群数 0.93 <0.001 18.9 2.3 WQImin模型的验证
根据参数率定结果，采用大安以及跑马滩断面2019年10—12月水质监测数据，对模型WQImin-b、WQImin-d进行验证，结果如表6所示。由表6可知，WQImin-b、WQImin-d与WQI的回归系数显著，且R2处于较高水平，但WQImin-b的PE为11.9%，远低于WQImin-d。因此，包含NH3-N、CODCr、BOD5、DO 4项指标的WQImin-b为该流域最佳的WQImin模型。
表 6 WQImin模型的参数验证结果Table 6. Verification results of the WQImin model模型 包含指标 R2 P PE/% WQImin-b NH3-N、CODCr、BOD5、DO 0.78 0.012 11.9 WQImin-d NH3-N、CODCr、BOD5、DO、
粪大肠菌群数0.82 0.008 17.9 2.4 基于WQImin的水质评价
2018—2019年，琼江流域上游段的33个常规监测断面水质评估结果显示（图2），有3.0%的监测断面为优，69.7%为好，中等水质占27.3%；琼江干流WQImin呈沿程升高的趋势，当流经安居区县城时，WQImin从70.8降至61.5，但能较快恢复至入城区前的水平，至大安断面时WQImin升至80.7；会龙河WQImin总体呈沿程升高的趋势，周边支流汇入后WQImin虽出现一定程度减低，水质类型由好变为中等，但能较快恢复至汇入前的水平，至支流汇口下游4.9 km，水质类型由中等转好；玉丰河WQImin呈明显的沿程降低趋势；蟠龙河WQImin沿程变化趋势不明显，WQImin为53.7~62.9；石洞河上游WQImin处于较低水平（48.7~53.9），沿程变化趋势不明显，石洞河下游有较大支流汇入，WQImin明显上升。
![]()
图 2 琼江流域上游段WQImin的空间分布Figure 2. Spatial distribution of WQImin values in the upper reaches of Qiongjiang River Basin根据单因素方差检验结果（图3），琼江流域上游段WQImin为63.1±17.2，水质整体为好。其中，琼江干流水质最好，WQImin为66.5±14.6，显著高于支流蟠龙河、石洞河、玉丰河（P<0.05）。区域内WQImin均值表现为琼江干流>会龙河>玉丰河>蟠龙河>石洞河。其中，会龙河WQImin为63.8±13.8，水质类型为好；玉丰河水质类型虽为好，但是WQImin接近下临界值（60.5±18.0）；蟠龙河WQImin为58.3±19.2，水质类型属于中等；石洞河WQImin最低，为53.3±18.7，水质类型属于中等。
![]()
图 3 干流与4条支流WQImin的空间分布差异性注：字母不同表示存在显著差异(P<0.05)。Figure 3. Distribution difference of WQImin values between mainstream and four tributaries3. 讨论
3.1 WQImin的关键指标选定
Sun等[4]认为，WQI的计算应该包括物理、化学和细菌等水质监测指标；Pesce等[2]认为，计算WQImin的水质指标不仅要能代表其他环境指标，还要易于测量；Wu等[3-10]认为，考虑权重的WQImin模型性能优于不带权重的模型。因此，笔者在WQImin开发过程中考虑了各指标的权重。
本研究考虑了涵盖物理、化学和细菌3类25个指标，并根据多元线性逐步回归分析结果，提出WQImin模型由NH3-N、CODCr、BOD5、DO 4项关键水质指标组成，评价结果与WQI高度相关（R2=0.81，P<0.001），能够较好地解释区域的水质特征及变化，并且关键指标均属于常规监测指标，这有利于当地水质评价工作的高效开展。
作为回归分析的第一个因子，NH3-N对WQI的变化贡献较大（R2=0.59，P<0.001）。作为有机污染的指标，CODCr、BOD5分别对琼江流域上游段WQI的变化具有第2、第3高的解释力，其原因可以归结为当地有机污染较严重。DO是模型引入的第4个因子，能够影响水生生物的生长等许多复杂的生化过程，是水生态系统生化条件的敏感指标，其浓度的高低能够反映水体自净能力的强弱，在国内外研究中，DO作为WQImin的关键因子得到了广泛的应用[2,8,25]。粪大肠菌群数作为第5个指标被引入回归分析中，该指标能够反映人类活动和城市污染对河流的影响[26-27]。
本研究的WQImin率定验证数据来自跑马滩、大安2个断面，其中，跑马滩断面位于支流蟠龙河上，周边人口密集度较低且大型集镇数量较少；大安断面处于流域的最下游，上游40 km范围内涉及6个大型集镇和遂宁市安居区，大安断面粪大肠菌群数显著高于跑马滩断面（P<0.001），平均值是跑马滩断面的2.15倍（表3）。即使引入粪大肠菌群数对模型的拟合度有一定提升，但2个断面之间粪大肠菌群数的差异性，将导致WQImin在率定和验证阶段PE升高。因此，粪大肠菌群数不能作为琼江流域上游段WQImin模型的关键指数。
其余19个水质指标，由于执行归一化后WQI为常量或缺失相关性，被多元线性回归程序剔除。以汞为例，虽然大安面与跑马滩断面浓度具有差异性，但整体浓度非常低，WQIHg（仅考虑汞）均为100，这表明WQIHg不能较好地解释WQI的变化规律，因此，不能被选做WQImin的关键指标。
3.2 不同评价方法适用性分析
单因子指数法在我国地表水、地下水的水环境污染评价中被广泛应用[1]。该方法将实测数据和标准值进行对比分类，选取水质最差的类别作为评价结果。根据四川省生态环境状况公报，琼江流域省/国控断面在2018年之前不能稳定达到Ⅲ类水质标准（单因子指数法），主要超标因子为CODCr和TP[15-16]。而本研究WQI法分析结果表明，即使流域内WQICOD与WQITP相对较低，由于其余指标WQI处于较高水平，因此水质整体仍属于好。单因子指数法评价结果取决于水质最差的指标，这种评价方法不能客观反映出区域水环境的整体状况。
除单因子指数法之外，水环境质量评价的方法还包括综合污染指数法与模糊综合评价法。综合污染指数法通过对各污染指标的相对污染指数进行统计，得出代表水体污染程度的数值。该方法的评价结果是一个相对值，只能定性评价，不能说明综合水质类别，由于同一类别水质的标准限值有一个变化范围，因此取不同的标准限值作为分母会得到不同的评价数据[28]。此外，模糊综合评价法是一种基于模糊数学的综合评价方法，该方法通过对各级水质类别建立隶属度矩阵，取最大隶属度所对应的级别作为该样本所属的级别，不足之处是无法确定主要污染指标，且计算过程较其他方法更为复杂[29]。
WQI不仅能对水质进行定性评价，将其分为5个等级，还能定量化评价不同河流及其不同断面的水质状况，同时计算方法简单，可操作性强。但Kannel等[8]认为高监测成本以及复杂的水样测定过程是限制WQI在环境保护经费预算匮乏的发展中国家广泛应用的主要原因。WQI的计算通常需要十几项以上水质指标[4]，而WQImin不仅继承了WQI的优点，并且通过剔除冗余的水质指标，得到3~5个能够解释水质变化关键指标[8-11]，该方法可以指导水质监测工作，减少水质监测的工作内容，进而节约当地管理部门在环境监测项目上的支出。
此外，由于水样数据的局限性、丘陵地区产汇流的独特性以及区域经济发展的差异性，本研究提出的WQImin模型在中国西南川中丘陵地区具有准确的模拟结果，然而是否适用于其他流域，还有待进一步分析验证，但是WQImin模型的建立、验证过程是可推广的。
4. 结论与建议
（1）本研究WQI由25个水质指标组成，在WQI的基础之上筛选出NH3-N、CODCr、BOD5、DO 4个关键指标组成WQImin模型，该模型与WQI存在高度相关性，在反映琼江流域上游段的水质状况方面表现出优异的性能（R2=0.81，PE=11.9%）。
（2）评价结果表明，琼江流域上游段水质整体为好，WQImin为63.1±17.2。琼江流经安居区以及会龙河，经周边支流汇入后，WQImin明显降低，但能较快恢复至受影响前的水平，琼江干流、会龙河WQImin整体上呈沿程升高的趋势，玉丰河WQImin呈沿程降低的趋势，而蟠龙河、石洞河沿程变化趋势不明显。
（3）4条主要支流水质均劣于干流，其WQImin大小依次为琼江干流>会龙河>玉丰河>蟠龙河>石洞河。
琼江流域支流水系的污染问题未得到有效控制是干流水质不稳定的主要原因。下一阶段流域水污染治理的重点应逐步放到支流上，加强对支流水系的水质监测；针对支流水系的面源污染，应加快农村环境综合整治，实行农村污水处理统一规划、统一建设、统一管理，强化农村集中处理生活污水以及配套管网建设，积极推进城镇污水处理设施和服务向农村延伸；针对支流水系的点源污染问题，考虑到集水区域内污水处理厂数量少、处理能力低，需要新增污水处理厂，并对已有污水处理厂进行提标、扩容改造。
-
![]()
图 1 琼江流域上游段水系及监测断面分布
Figure 1. Distribution of water system and monitoring sections in the upper reaches of Qiongjiang River Basin
![]()
图 2 琼江流域上游段WQImin的空间分布
Figure 2. Spatial distribution of WQImin values in the upper reaches of Qiongjiang River Basin
![]()
图 3 干流与4条支流WQImin的空间分布差异性
注：字母不同表示存在显著差异(P<0.05)。
Figure 3. Distribution difference of WQImin values between mainstream and four tributaries
表 1 水质监测断面详细信息
Table 1 Details of water quality monitoring sections
涉及断面 数据年份 水质指标 数据来源 大安省控断面、
跑马滩国控断面2018-01—2019-12 T、pH、DO、CODMn、五日生化需氧量（BOD5）、NH3-N、CODCr、挥发酚、氰化物、砷、汞、六价铬、铅、镉、石油类、TP、总氮（TN）、铜、锌、氟化物、硒、阴离子表面活性剂、硫化物、粪大肠菌群数、电导率共25项 遂宁市生态环境局 31个常规监测断面 2018-03—2019-10 DO、CODMn、BOD5、NH3-N、CODCr、TP共6项 遂宁市安居生态环境局 
下载: 导出CSV
表 2 水质指标的归一化值和权重
Table 2 Normalized values and weights of water quality parameters
水质指标 权重（Pi）[2,8,10] 归一化值（Ci） 100 80 60 40 20 T/℃ 1 15~22 12~15, 22~26 5~12, 26~30 −2~5, 30~36 −6~−2, 36~45 pH 1 7~8 8~9 6~7, 9.0~9.5 4~6, 9.5~11 2~4, 11~12 DO/(mg/L) 4 7.5 6 5 3 2 CODMn/(mg/L) 3 2 4 8 12 15 BOD5/(mg/L) 3 3 3 4 6 10 NH3-N/(mg/L) 3 0.15 0.5 1 1.5 2 CODCr/(mg/L) 3 15 15 20 30 40 挥发酚/(µg/L) 3 2 2 5 10 100 氰化物/(µg/L) 4 5 5 200 200 20 砷/(µg/L) 4 50 50 50 100 100 汞/(µg/L) 4 0.05 0.05 0.1 1 1 六价铬/(µg/L) 4 10 50 200 200 200 铅/(µg/L) 4 10 10 50 50 100 镉/(µg/L) 4 1 5 5 5 10 石油类/(µg/L) 2 50 50 50 500 1 000 TP/(mg/L) 4 0.02 0.1 0.2 0.3 0.4 铜/(µg/L) 2 10 1 000 1 000 1 000 1 000 锌/(µg/L) 2 50 1 000 1 000 2 000 2 000 氟化物/(mg/L) 2 1 1 1 1.5 1.5 硒/(µg/L) 4 10 10 10 20 20 阴离子表面活性剂/(mg/L) 4 0.2 0.2 0.2 0.3 0.3 硫化物/(µg/L) 2 50 100 200 500 1 000 粪大肠菌群数/(个/L) 3 200 2 000 10 000 20 000 40 000 电导率/(mS/m) 1 1 000 1 500 2 500 5 000 12 000
下载: 导出CSV
表 3 大安与跑马滩断面水质指标平均值和标准差
Table 3 Average values and standard deviations of water quality indexes at sections of Da'an and Paomatan
水质指标 平均值±方差 H P 大安断面 跑马滩断面 T/℃ 20.3±7.31 21.27±7.52 0.283 0.595 pH 8.14±0.33 7.98±0.50 1.432 0.232 DO/(mg/L) 9.28±3.46 8.41±4.91 0.409 0.523 CODMn/(mg/L) 5.09±0.67 5.25±0.86 0.052 0.820 BOD5/(mg/L) 2.31±1.14 2.86±1.04 4.393 0.036 NH3-N/(mg/L) 0.28±0.15 0.31±0.47 8.401 0.004 CODCr/(mg/L) 17.96±2.97 20.83±3.60 7.659 0.006 挥发酚/(μg/L) 0.32±0.10 0.29±0.17 5.906 0.015 氰化物/(μg/L) 4.00±0.00 3.33±0.96 9.400 0.002 砷/(μg/L) 1.34±0.63 1.34±0.89 0.522 0.470 汞/(μg/L) 0.04±0.00 0.03±0.01 9.400 0.002 六价铬/(μg/L) 4.00±0.00 3.33±0.96 9.400 0.002 铅/(μg/L) 1.92±0.28 1.50±0.65 7.172 0.007 镉/(μg/L) 0.10±0.00 0.08±0.03 9.340 0.002 石油类/(μg/L) 12.5±6.76 12.08±6.24 0.204 0.652 TP/(mg/L) 0.13±0.04 0.12±0.14 8.078 0.004 铜/(μg/L) 1.00±0.00 1.04±0.64 2.335 0.126 锌/(mg/L) 0.05±0.01 0.04±0.02 7.484 0.006 氟化物/(mg/L) 0.36±0.08 0.39±0.07 3.145 0.076 硒/(μg/L) 0.40±0.02 0.34±0.10 7.207 0.007 阴离子表面活性剂/(mg/L) 0.06±0.01 0.05±0.02 1.082 0.298 硫化物/(μg/L) 5.00±0.00 4.15±1.24 9.366 0.002 粪大肠菌群数/(个/L) 2 638±1 510 1 228±810 18.312 0.000 电导率/(mS/m) 497.63±97.64 402.33±51.74 15.171 0.000
下载: 导出CSV
表 4 WQI与水质指标的多元线性逐步回归分析
Table 4 Multiple linear stepwise regression analysis of WQI and water quality
$\mathrm{lg}\left(\mathrm{W}\mathrm{Q}\mathrm{I}+1\right)$ R2 F P ${1.838}^{***}+{0.067}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }$ 0.59 53.19 <0.001 ${1.777}^{***}+{0.066}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+ {0.036}^{***}\mathrm{l}\mathrm{g}\; {C}_{ {\mathrm{C}\mathrm{O}\mathrm{D} } _ {\rm{Cr} } }$ 0.70 44.25 <0.001 ${1.751}^{***}+{0.065}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+{0.028}^{**}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{C}\mathrm{O}\mathrm{D} } _{ {\rm{Cr} } } }+{0.022}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{B}\mathrm{O}\mathrm{D_{5} } }$ 0.75 38.98 <0.001 ${1.758}^{***}+{0.050}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+{0.024}^{**}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{C}\mathrm{O}\mathrm{D} }_{{\rm{Cr}}} }+{0.029}^{***}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{B}\mathrm{O}\mathrm{D_{5} } }+{0.008}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{D}\mathrm{O} }$ 0.81 39.96 <0.001 ${1.668}^{***}+{0.049}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+{0.025}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{C}\mathrm{O}\mathrm{D_{{\rm{Cr}}}} }+{0.033}^{***}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{B}\mathrm{O}\mathrm{D_{5} } }+{0.010}^{***}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{D}\mathrm{O} }+{0.043}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{F}.\mathrm{c}\mathrm{o}\mathrm{l}\mathrm{i} }$ 0.85 43.59 <0.001 注：*表示模型中各自变量指标对因变量lg(WQI+1)的显著性，**表示P<0.01，***表示P<0.001；CF.coli表示粪大肠菌群数。
下载: 导出CSV
表 5 WQImin模型的参数率定结果
Table 5 Parameter calibration results of the WQImin model
模型 包含指标 R2 P PE/% WQImin-a NH3-N、CODCr、BOD5 0.47 <0.001 23.2 WQImin-b NH3-N、CODCr、BOD5、DO 0.92 <0.001 17.4 WQImin-c NH3-N、CODCr、BOD5、粪大肠菌群数 0.52 <0.001 30.7 WQImin-d NH3-N、CODCr、BOD5、DO、粪大肠菌群数 0.93 <0.001 18.9
下载: 导出CSV
表 6 WQImin模型的参数验证结果
Table 6 Verification results of the WQImin model
模型 包含指标 R2 P PE/% WQImin-b NH3-N、CODCr、BOD5、DO 0.78 0.012 11.9 WQImin-d NH3-N、CODCr、BOD5、DO、
粪大肠菌群数0.82 0.008 17.9
下载: 导出CSV
-
[1] 国家环境保护总局. 地表水环境质量标准: GB 3838—2002[S]. 北京: 中国环境科学出版社, 2002. [2] PESCE S F, WUNDERLIN D A. Use of water quality indices to verify the impact of Córdoba City (Argentina) on Suquı́a River[J]. Water Research,2000,34(11):2915-2926. DOI: 10.1016/S0043-1354(00)00036-1
[3] WU Z S, WANG X L, CHEN Y W, et al. Assessing river water quality using water quality index in Lake Taihu Basin, China[J]. Science of the Total Environment,2018,612:914-922. DOI: 10.1016/j.scitotenv.2017.08.293
[4] SUN W, XIA C Y, XU M Y, et al. Application of modified water quality indices as indicators to assess the spatial and temporal trends of water quality in the Dongjiang River[J]. Ecological Indicators,2016,66:306-312. DOI: 10.1016/j.ecolind.2016.01.054
[5] HOU W, SUN S H, WANG M Q, et al. Assessing water quality of five typical reservoirs in lower reaches of Yellow River, China: using a water quality index method[J]. Ecological Indicators,2016,61:309-316. DOI: 10.1016/j.ecolind.2015.09.030
[6] HOSEINZADEH E, KHORSANDI H, WEI C A, et al. Evaluation of aydughmush river water quality using the national sanitation foundation water quality index (NSFWQI), river pollution index (RPI), and forestry water quality index (FWQI)[J]. Desalination and Water Treatment,2015,54(11):2994-3002. DOI: 10.1080/19443994.2014.913206
[7] AKKOYUNLU A, AKINER M E. Pollution evaluation in streams using water quality indices: a case study from Turkey's Sapanca Lake Basin[J]. Ecological Indicators,2012,18:501-511. DOI: 10.1016/j.ecolind.2011.12.018
[8] KANNEL P R, LEE S, LEE Y S, et al. Application of water quality indices and dissolved oxygen as indicators for river water classification and urban impact assessment[J]. Environmental Monitoring and Assessment,2007,132(1/2/3):93-110.
[9] WU Z S, LAI X J, LI K Y. Water quality assessment of rivers in Lake Chaohu Basin (China) using water quality index[J]. Ecological Indicators,2021,121:107021. DOI: 10.1016/j.ecolind.2020.107021
[10] NONG X Z, SHAO D G, ZHONG H, et al. Evaluation of water quality in the South-to-North Water Diversion Project of China using the water quality index (WQI) method[J]. Water Research,2020,178:115781. DOI: 10.1016/j.watres.2020.115781
[11] ZHAO P, TANG X Y, TANG J L, et al. Assessing water quality of Three Gorges Reservoir, China, over a five-year period from 2006 to 2011[J]. Water Resources Management,2013,27(13):4545-4558. DOI: 10.1007/s11269-013-0425-x
[12] AVIGLIANO E, SCHENONE N. Water quality in Atlantic rainforest mountain rivers (South America): quality indices assessment, nutrients distribution, and consumption effect[J]. Environmental Science and Pollution Research,2016,23(15):15063-15075. DOI: 10.1007/s11356-016-6646-9
[13] 刘臣炜, 陈梅, 苏良湖. 琼江上游流域水质改善方案研究[C]//2018中国环境科学学会科学技术年会论文集(第二卷). 北京: 中国环境科学学会, 2018: 635-640. [14] 纪丁愈. 川中丘陵区饮用水源地农村面源污染特征分析[D]. 成都: 西南交通大学, 2011. [15] 四川省生态环境厅. 2018年四川省生态环境状况公报[A/OL]. (2019-06-05)[2021-04-14]. http://sthjt.sc.gov.cn/. [16] 四川省生态环境厅. 2017年四川省生态环境状况公报[A/OL]. (2018-06-04)[2021-04-14]. http://sthjt.sc.gov.cn/. [17] 尹真真, 赵丽, 彭昱, 等.三峡库区重庆段总磷污染来源解析及控制对策[J]. 环境工程技术学报,2018,8(1):51-57. YIN Z Z, ZHAO L, PENG Y, et al. Pollution source apportionment and control countermeasure of total phosphorus in Chongqing segment of the Three Gorges Reservoir Area[J]. Journal of Environmental Engineering Technology,2018,8(1):51-57.
[18] 许肖云, 张凯, 杨永安, 等.浅析涪江流域遂宁段氨氮和总氮的相关性[J]. 四川环境,2017,36(1):64-67. DOI: 10.3969/j.issn.1001-3644.2017.01.012 XU X Y, ZHANG K, YANG Y A, et al. Correlation analysis on ammonia nitrogen and total nitrogen in Suining section of Fujiang River[J]. Sichuan Environment,2017,36(1):64-67. DOI: 10.3969/j.issn.1001-3644.2017.01.012
[19] 杨耿, 秦延文, 马迎群, 等.沱江流域磷石膏的磷形态组成及潜在释放特征[J]. 环境工程技术学报,2018,8(6):610-616. DOI: 10.3969/j.issn.1674-991X.2018.06.081 YANG G, QIN Y W, MA Y Q, et al. Phosphorus forms and potential release characteristics of phosphogypsum in Tuojiang River Basin[J]. Journal of Environmental Engineering Technology,2018,8(6):610-616. DOI: 10.3969/j.issn.1674-991X.2018.06.081
[20] 刘凌雪, 敖天其, 胡正, 等.琼江流域(安居段)水质及面源污染综合评价[J]. 水土保持研究,2019,26(6):372-376. LIU L X, AO T Q, HU Z, et al. Comprehensive evaluation of water quality and non-point source pollution in Anju section of Qiongjiang River Basin[J]. Research of Soil and Water Conservation,2019,26(6):372-376.
[21] 王朕, 梁川, 赵鹏, 等.川中丘陵区地表干湿长程相关性及影响因素研究[J]. 四川大学学报(工程科学版),2016,48(增刊1):61-68. WANG Z, LIANG C, ZHAO P, et al. Long-range correlation of surface dry/wet condition and its influential factors in hilly area of central Sichuan[J]. Journal of Sichuan University (Engineering Science Edition),2016,48(Suppl 1):61-68.
[22] 陈剑科. 川中丘陵区土系划分研究[D]. 雅安: 四川农业大学, 2019. [23] 国家统计局农村社会经济调查司. 中国县域统计年鉴[M]. 北京: 中国统计出版社, 2019. [24] Jr CANFIELD D E, BACHMANN R W. Prediction of total phosphorus concentrations, chlorophyll a, and secchi depths in natural and artificial lakes[J]. Canadian Journal of Fisheries and Aquatic Sciences,1981,38(4):414-423. DOI: 10.1139/f81-058
[25] SIMÕES F D S, MOREIRA A B, BISINOTI M C, et al. Water quality index as a simple indicator of aquaculture effects on aquatic bodies[J]. Ecological Indicators,2008,8(5):476-484. DOI: 10.1016/j.ecolind.2007.05.002
[26] CHAUDHARY M, MISHRA S, KUMAR A. Estimation of water pollution and probability of health risk due to imbalanced nutrients in River Ganga, India[J]. International Journal of River Basin Management,2017,15(1):53-60. DOI: 10.1080/15715124.2016.1205078
[27] NOBLE R T, MOORE D F, LEECASTER M K, et al. Comparison of total coliform, fecal coliform, and Enterococcus bacterial indicator response for ocean recreational water quality testing[J]. Water Research,2003,37(7):1637-1643. DOI: 10.1016/S0043-1354(02)00496-7
[28] 徐祖信.我国河流综合水质标识指数评价方法研究[J]. 同济大学学报(自然科学版),2005,33(4):482-488. DOI: 10.3321/j.issn:0253-374X.2005.04.012 XU Z X. Comprehensive water quality identification index for environmentalquality assessment of surface water[J]. Journal of Tongji University,2005,33(4):482-488. DOI: 10.3321/j.issn:0253-374X.2005.04.012
[29] 刘琰, 郑丙辉, 付青, 等.水污染指数法在河流水质评价中的应用研究[J]. 中国环境监测,2013,29(3):49-55. DOI: 10.3969/j.issn.1002-6002.2013.03.010 LIU Y, ZHENG B H, FU Q, et al. Application of water pollution index in water quality assessment of rivers[J]. Environmental Monitoring in China,2013,29(3):49-55. ◇ DOI: 10.3969/j.issn.1002-6002.2013.03.010
-
期刊类型引用(11)
1. 乔宇豪，贾飚，徐芬芳，王康，朱焱. 四川省水质评价及时空特征分析. 节水灌溉. 2025(03): 43-50 . 
百度学术
2. 焦娇. 水资源评价模型优化及驱动因子分析研究. 水利科技与经济. 2024(03): 54-58+106 . 百度学术
3. 邓国海，陈波，向秋实，赖欣，吴瑶，陈俊. 基于主成成分分析的水质考核排名研究——以涪江四川国省考断面为例. 四川环境. 2024(04): 59-66 . 百度学术
4. 唐洪波. 韶关市水库水质综合评价与分析. 广东化工. 2024(20): 137-140 . 百度学术
5. 唐洪波. 两种水质综合评价法在粤北丘陵地区典型流域中的应用和比对. 资源节约与环保. 2024(10): 117-121 . 百度学术
6. 符诗雨，王丽娜，吕凤春，陈表娟，徐诗琴，郭欣. 海南岛三大流域“十三五”水质变化特征及“十四五”趋势预测. 环境工程技术学报. 2023(03): 982-991 . 本站查看
7. 张勇，李灿，夏尚光，詹宇，王慧，肖逸凡，杨丽丽，刘佳奇. 不同森林类型地表径流水质特征分析与评价. 安徽林业科技. 2023(02): 12-18+36 . 百度学术
8. 杨旭莹，宋金玲，林琢，刘风超，张经武. 多种水质评价方法在木兰溪流域的比较应用. 河北科技师范学院学报. 2023(02): 58-66 . 百度学术
9. 曹艳敏，安宏雷，韩帅. 湘江流域水环境评价模型及驱动因子识别. 长江科学院院报. 2023(10): 51-58 . 百度学术
10. 胡鑫，刘兵，杨永安，王远铭，李克锋. SWAT模型在我国山区小流域水质预测中的应用——以琼江流域为例. 四川环境. 2023(05): 143-152 . 百度学术
11. 杨永安，刘兵，杨娟，龙帅，王远铭，李克锋. 琼江流域遂宁段水环境治理规划研究. 灌溉排水学报. 2022(S2): 94-98 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 453
- HTML全文浏览量: 985
- PDF下载量: 105
- 被引次数: 13
