-
东海承接了广阔的流域,具有我国最大的河口生态系统——长江口生态系统,也是我国海湾生态系统的集中分布区。众多河流的输入给东海带来丰富的营养物质,海洋生物多样性丰富、生物资源蕴藏量大,孕育了舟山渔场等多个高产渔场,石油、天然气储存量大,为我国经济社会的发展提供了极为重要的支撑作用。然而,东海在支撑我国沿海经济快速发展的同时,也承载了巨大的污染压力。数目众多的江河把大量的陆源物质携带入海,其中大陆流入东海的江河,长度超过百公里的河流有40多条,其中长江、钱塘江、瓯江、闽江等四大水系是注入东海的主要江河。多年的海水水质监测结果显示,近年来,东海海域污染严重[1],2002~2013年,东海劣四类海域面积由21610 km2增加到24820 km2,增加了14.9%,无机氮是主要的超标因子[2]。本文对东海海水无机氮未来的污染趋势进行科学判断,并在此基础上进行无机氮污染风险分区,对东海海水污染防控具有指导意义。
-
采用东海2002~2013年无机氮趋势性监测的水质数据。来源于东海区年均约247个监测站位;监测时间是丰水期的7~9月份,其中以8月份为主;站位监测的方法是根据水深的不同而采用分层次采样,水深若小于5 m则仅采表层,若大于5 m则采2~6层。各监测站位的数据最终采用层次间的平均值。海区栅格化单位为0.01°。
-
无机氮空间分布趋势计算采用凸包选点[3-4]的IDW[5-7]插值方法,模型公式为:
其中:f(xi)为xi点的实测值;λi为点xi所占的权重,公式为:
其中:di为点x和点xi之间的距离;k为正数。幂次k采用的是4次。插值结点xi采用凸包选点的方式选取,即xi能够形成包含x点凸包,且xi均为该凸包的顶点。与ArcGIS等地理信息系统软件自带的IDW插值相比,该选点方法的优点在于为插值结点加入了空间位置的概念,能够更好的反应无机氮的分布趋势。
-
目前,预测方法主要有时间序列法、神经网络法、灰色梯度法和回归分析法。回归分析法是研究两个或多个随机变量间关联性的方法,它不仅可以给出变量之间相互关系的表达式,而且还可以结合概率统计知识对此关系进行分析和预测[8-9]。该方法已经被广泛的应用到水文预报[10]、环境污染负荷及驱动因子分析[11],海洋领域中的藻类生物量预测[12]、赤潮预报[13]以及浮游生物与环境因子的关系分析[14]等方面。常用的回归分析有一元线性回归、多元线性回归和逐步回归等,本文采用一元线性回归模型,该方法能够清晰反映自变量和因变量之间关系的特点,但要求样本数据量较大,通过大量的数据才能得到量化的规律,本文拟采用东海连续12 a的水质监测数据,开展东海无机氮污染风险分区研究。在原回归模型的基础上,增加了基于概率统计的异常数据调整,这能够更精确的计算风险概率。
对于东海各栅格数据,假设年限X与无机氮含量Y有如下关系:
a、b通过最小二乘法计算。历年值Y围绕期望值aX+b上下波动,假设波动满足正态分布:
其中:σ为Y的无偏估计,
若Y偏离期望值较大,即为异常数据时,则根据概率分布对其略作调整。设γ满足概率分布公式:
若|Y- (aX+b)|>γ,则调整Y为
然后再根据公式(3)、(4)重新计算a、b、σ。根据正态分布假设,对于任意年限X,对应的无机氮含量Y出现在某一区间 的概率P(α≤t≤β)为:
因此,可根据公式(8)给出无机氮符合四类或劣四类水质标准(Y>0.4 mg/L)[15]的污染风险概率。
-
采用凸包选点的IDW插值方法对2002~2013年共12 a的东海无机氮监测数据进行空间插值,无机氮浓度的整体分布情况如图 1所示,东海海域水质污染严重,大部分近岸海域为四类或者劣四类水质,长江口、杭州湾、象山港污染尤为严重,因此选取这三个区域进行典型的回归分析。如图 2所示,2002~2013年这3个区域无机氮平均浓度回归分析结果显示,3个区域无机氮平均浓度围绕着期望值上下波动,具有明显的线性增长趋势。
-
根据上述的IDW插值和回归分析方法,计算2014~2016年东海无机氮符合四类或劣四类水质标准(Y>0.4 mg/L)[15]的平均风险概率,根据风险大小进行分区,风险等级采用四等分的方法进行划分,概率P<25%的区域为低风险区,25%≤P<50%的区域为较低风险区,50%≤P<75%的区域为中风险区,P≥75%的区域为高风险区(图 3)。
图 3 2014~2016年东海无机氮污染风险分布
Figure 3. Distribution of inorganic nitrogen pollution risk in East Sea for the years 2014~2016
高风险区主要集中在长江口附近海域、杭州湾海域、舟山群岛附近海域、乐清湾海域以及福清湾海域,面积约28761 km2,约占东海总面积的3.7%。这些高风险区域多位于大江大河的入海口或水交换能力较弱的海湾等近岸海域,这些大江大河携带大量的营养物质入海,致使无机氮的污染风险持续偏高。长江口附近海域常年受长江及其支流影响,无机氮含量持续偏高。杭州湾和舟山群岛附近海域位于长江口下游,受长江入海污染物影响,还受钱塘江、曹娥江、闽江等影响,且湾内水体交换能力弱。乐清湾海域和福清湾海域受陆源排污的影响较大,且水体交换能力也弱。中风险区和较低风险区依次分布在高风险区的外围海域,其中中风险区面积约7307 km2,占东海总面积的0.9%,较低风险区面积约8305 km2,占东海总面积的1.1%。低风险区主要集中在远离近岸的海域,面积约725626 km2,占东海总面积的94.3%,这些区域离岸相对较远,受陆源污染和河流入海污染物的影响相对较小且相对于东海各海湾来说交换能力较强,污染物稀释扩散速度快。
-
采用2002~2013年东海无机氮连续12 a的趋势性监测数据,用IDW插值方法和回归分析方法对无机氮的发展趋势进行分析预测,给出未来3 a东海各区域无机氮含量符合第四类或劣四类海水水质标准的概率,将东海无机氮风险划分为高风险区、中风险区、较低风险区和低风险区。高风险区主要集中在长江口附近海域、杭州湾海域、舟山群岛附近海域、乐清湾海域以及福清湾海域,中风险区和较低风险区依次分布在高风险区的外围海域,低风险区主要集中在在东海远离近岸的海域。分区结果基本符合东海无机氮污染风险现状,能够为东海无机氮风险管理提供依据。
东海海水无机氮污染风险分区
Pollution risk mapping for inorganic nitrogen in water environment of East China Sea
-
摘要: 东海海域水质污染严重,长江口、杭州湾和象山港等重点区域劣四类水质面积居高不下,无机氮是最主要的污染因子,对无机氮未来趋势的预测及风险空间分布的分析可为减缓和治理东海海域污染提供管理依据。基于2002~2013年东海无机氮的趋势性监测数据,利用IDW插值和回归分析方法对其发展趋势进行预测,并根据其发展趋势预测今后3a东海海域无机氮含量,划分了东海无机氮污染的高、中、较低和低风险区,为东海无机氮污染控制提供科学依据。Abstract: Water pollution of East China Sea is very serious, especially in the surrounding sea waters of Yangtze estuary, Hangzhou bay and Xiangshan harbour.The water quality of these areas is worse than the Sea Water Quality Standard Category Ⅳ and inorganic nitrogen is the main pollution factor .Accurate prediction of the future trends and risk spatial distribution of inorganic nitrogen could provide an important tool for reducing and managing the marine pollution. In this paper, IDW interpolation and regression analysis were used to predict the development trend of the inorganic nitrogen in East China Sea, based on the monitoring data of the inorganic nitrogen from the year 2002 to 2013.The content of the inorganic nitrogen over the next three years was predicted, furthermore, the pollution risk of inorganic nitrogen in East China Sea was divided into four zones with risk degrees of high, medium, lower and lowest, which could provide a scientific base for controlling the inorganic nitrogen pollution of East China Sea.
-
Key words:
- East China Sea /
- inorganic nitrogen /
- pollution risk /
- IDW /
- regression analysis
-
-
[1] 国家海洋局.2002~2013年中国海洋环境质量公报[R].北京:国家海洋局, 2002-2013.
[2] HAN H Y,LI K Q,WANG X L,et al.Environmental capacity of nitrogen and phosphorus pollutions inJiaozhou Bay,China:modeling and assessing[J].Marine Pollution Bulletin,2011,63(5/6/7/8/9/10/11/12):262-266. [3] 李冕,赵辉,鲍晨光,等.改进的IDW插值模型在海水水质评价中的应用[J].海洋环境科学,2014,33(2):258-261.
[4] 于春艳,梁斌,鲍晨光,等.渤海富营养化现状及趋势研究[J].海洋环境科学,2013,33(2):175-177.
[5] RÜHAAK W.A Java application for quality weighted 3-d interpolation[J].Computers & Geosciences,2006,32(1):43-51. [6] XIE Y F,CHEN T B,LEI M,et al.Spatial distribution of soil heavy metal pollution estimated by different interpolation methods:accuracy and uncertainty analysis[J].Chemosphere,2011,82(3):468-476. doi: 10.1016/j.chemosphere.2010.09.053 [7] DE MESNARD L.Pollution models and inverse distance weighting:some critical remarks[J].Computers & Geosciences,2013,52:459-469. [8] 李冕,兰冬东,梁斌,等.渤海无机氮水质稳定性预测[J].海洋环境科学,2015,34(2):161-165.
[9] 索南仁欠.多元回归分析在水污染评价中的应用[J].青海师范大学学报:自然科学版,2000(4):20-24.
[10] 杨肖丽,任立良,江善虎,等.西辽河源头流域径流变化趋势及影响因素分析[J].河海大学学报:自然科学版,2012,40(1):37-41.
[11] TYAGI P,EDWARDS D R,COYNE M S.Use of selected chemical markers in combination with a multiple regression model to assess the contribution of domesticated animal sources of fecal pollution in the environment[J].Chemosphere,2007,69(10):1617-1624. doi: 10.1016/j.chemosphere.2007.05.039 [12] 陈宇炜,秦伯强,高锡云.太湖梅梁湾藻类及相关环境因子逐步回归统计和蓝藻水华的初步预测[J].湖泊科学,2001,13(1):63-71.
[13] 赵明桥,李攻科,张展霞.应用多元回归法研究赤潮特征有机物与赤潮关系[J].中山大学学报:自然科学版,2003,42(1):35-38,48.
[14] 赖廷和,邱绍芳.北海近岸水域浮游植物群落结构及数量周年变化特征[J].海洋通报,2005,24(5):27-32.
[15] GB 3097-1997,海水水质标准[S]. -