Analysis of major pollution factors in sea water and contribution of pollution sources in Dalian Bay
-
摘要:
主要基于因子分析法构建因子诊断模型,对大连湾主要污染因子及空间分布特征进行研究,并根据海湾监测站位主要污染因子的优势比值以及不同类型污染源的排污特征分析,诊断目标区域内主要污染来源及不同类型污染源对邻近海域的贡献率。因子诊断结果表明,大连湾主要污染方式有5类,其中工业污水、生活污水和机械加工废水是主要的污染来源;污染源贡献率研究结果表明,臭水套海域各站点生活污水、加工制造和工业废水的贡献率最大值分别为24.7%、44.1%和40.1%。
Abstract:In this paper, a factor diagnostic model based on the method of factor analysis was constructed to study the major pollution factors and spatial distribution characteristics in Dalian bay, and the contribution rate of different types of discharge sources to adjacent waters were diagnosed through the analysis of odds ratio of different sites in local bay and sewage discharging characteristics of different polloution sources.The results of factor diagnosis showed that 5 main pollution modes were existed in Dalian bay, especially industrial wastewater, sewage and Machining Wastewater. The ratio study of different pollutant sources in Choushui tao area indicated that industrial wastewater, sewage and Machining Wastewater had a larger contribution rate with the maximum percentage of 24.7%, 44.1% and 40.1%, respectively.
-
Keywords:
- Dalian bay /
- factor analysis /
- factor diagnostic model /
- pollutionsource
-
近岸海域是陆源污染物的主要受纳区域[1],尤其对于半封闭性的海湾,海水交换周期较长,海水自净能力较低,污染程度持续恶化现象比较严重[2]。随着我国沿海城市的经济发展和城镇化进程的推进,滨海城市工业废水和生活污水所携带的污染物相应增加,近岸海域环境质量污染呈加剧趋势。
针对海洋环境质量状况的评价,目前我国每年发布的海洋环境质量公报中采取的仍然主要是单因子逐级评价的方法[3]。相对于单一要素的超标倍数评价,多元统计手段可以从多维数据尺度为科学研究和管理提供丰富的信息资源。柯丽娜[4]等将可变模糊数学模型应用到海洋水质环境综合评价中,通过级别特征值精确区分水质优劣,进而对海洋水质环境综合情况进行准确评价,郑琳等[5]采用模糊综合-加权平均复合模型对海水水质进行了综合评价,张存勇等[6]运用模糊数学的方法对海州湾近岸海域水质的主要污染物进行了综合评价,周超明等[7]运用集对分析和主成分分析方法构建了港湾水质综合评价的集对分析模型,刁美娜等[8]依据人工神经网络与模糊理论,建立了模糊神经网络模型,对俚岛镇海湾海水水质进行了综合评价。国外针对海洋环境质量的评价应用较多的同样是模糊数学模型、主成分分析、因子分析以及人工神经网络等多元统计技术[9-12]。
大连湾是一个典型的半封闭式的海湾,沿岸分布有大量市政类、工业类排污口和各类船舶码头,承载了大连市大部分的生活污水和工业废水[13]。本研究主要基于因子分析法构建因子诊断模型,对大连湾主要污染因子及时空分布特征进行研究,并根据局部海湾监测站位主要污染因子的优势比值以及不同类型排污口的污染特征,诊断目标区域内主要污染来源及不同类型排污口对临近海域的贡献率。
1 材料与方法
1.1 采样点设置及样品采集
于2010年4月,在大连湾海域布设24个采样点位(图 1,T1为大化集团和泉水生活排污的集中海域,T2为臭水套和大连港码头混合海域),样品采用Slimline多通道采集器(HYDRO-BIOS,Germ)进行采集。其中,T2海域排污口数量相对较多,污染物的排海相对集中,在空间上以及模型的讨论需求上具有一定的代表性,故D1、D2和D3三个站位被用于主要污染源的诊断评价。
1.2 监测指标及分析方法
海水水质监测指标包括:水温(T)、盐度(DS)、pH、溶解氧(DO);悬浮物(SS)、COD、总氮(TN)、总磷(TP)、NO3-N、NO2-N、NH4-N、PO4-P、石油类(Oil),Cu、Pb、Zn、Cd、Cr、Hg、As、有机氯农药(OCPs)、有机磷农药(OPPs)、多氯联苯(PCBs)和多环芳烃(PAHs),共24项指标,具体分析方法参见文献[14]和[15]。
1.3 数据处理与分析
根据因子分析结果评价各个排污口主要污染因子在模型中的排序,将主因子F表示为变量xk的线性组合,建立因子评价模型,通过各项监测指标评估公因子的因子得分,进行综合评价,最后结合监测站位的空间分布特征绘制出主要污染因子的空间分布图。因子评价模型描述如下:
其中:F为主因子;Afk为各因子得分系数;xk为监测项目标准化数据;k为监测项目数。
由于水温、盐度在该因子模型中物理指示意义不明显,评价中为未将这两指标纳入评价模型,OCPs 、OPPs 、PCBs 和PAHs在模型中以总量计。因子分析采用PASW17.0软件完成,污染因子的空间分布由surfer8.0软件实现。
2 结果与讨论
2.1 因子分析
对2010年4月份选取监测的24个样本数据进行R-型因子分析,采用Varimax方差最大化正交旋转,选取特征值大于1的因子作为主要污染因子,相关矩阵的特征值及方差贡献见表 1。由表 1可以看出,相关矩阵的特征值大于1的因子有5个,其中,因子1~5可分别占总方差(即原始信息变量)的33.2%、14.9%、14.0%、10.6%和9.2%,5个主因子的累积方差贡献率达到81.9%,可以解释绝大部分的原始信息量,因此可以用5个主要污染因子来解释和表征大连湾海域的主要污染特征。
表 1 相关矩阵特征值及方差贡献Tab. 1 Eigenvalue and variance of correlation moment matrix主因子 原始特征值 旋转后特征值 特征值 原始变量/(%) 累计变量/(%) 特征值 原始变量/(%) 累计变量/(%) F1 8.101 40.507 40.507 6.647 33.236 33.236 F2 2.517 12.583 53.09 2.983 14.913 48.15 F3 2.088 10.438 63.528 2.797 13.986 62.136 F4 1.998 9.992 73.52 2.12 10.598 72.734 F5 1.676 8.381 81.902 1.833 9.167 81.902 通过对旋转后的因子载荷矩阵(表 2)进行分析可以看出,经过方差最大化正交旋转后主因子的负荷系数已经明显的两极分化,其中,第一个主因子F1对COD、NO2-N、NH4-N、TN、TP和Oil具有较大的负荷系数,这些指标具有明确的指示意义,其中,COD、NO2-N、NH4-N、TN是工业类废水的典型特征[16],因此,主因子F1可以当作工业废水的标识;主因子F2对Pb 、OCPs、OPPs具有较大的负荷系数,其中Pb属于重金属类污染,OCPs和 OPPs属于有机农药类污染,三类物质都与大连地区历史上的陆源生产与排污状况有关[17],并且在沉降作用下与沉积物发生吸附作用,不易降解和转化,但随着沉积物的扰动容易对海水产生二次污染[18],因此污染因子F2作为一种特殊的污染因子来解释相对合理,它既可以表征目前少量污染的进入,同时可以表征历史长期排污而造成的一种背景污染;主因子F3对DO、SS、PO3-4和NO3-N具有较大的负荷系数,其中,SS和PO3-4是生活污水的典型特征,因此主因子F3可以看作是生活污水的标识,用来表征生活污水对大连湾的污染贡献具有明确的指示意义;主因子F4对Cu、Zn和PCB具有较大的负荷系数,其中PCB来自船舶的污染可能性较大,代表了运输类污染;主因子F5对Cd、Hg、As和PAHs具有较大的负荷系数,其中,Cd和Hg被广泛用于金属表面的处理以及一些机械零部件的加工和处理过程中,所以Cd和Hg的污染来源一般被认为来自工业,As被广泛应用在船舶的外部防护上,所以船舶制造业是As的一个主要的来源,综上,主因子F5来表征机械加工制造业对大连湾所造成的污染比较合理。
表 2 旋转后因子载荷矩阵(|λ|>0.6)Tab. 2 Rotated factor loading matrix变量 主因子 F1 F2 F3 F4 F5 COD 0.832 NO2-N 0.876 NH4-N 0.791 TN 0.923 TP 0.916 Oil 0.749 Pb 0.783 OCPs 0.632 OPPs 0.955 DO 0.836 PO4-P 0.922 SS 0.831 NO3-N 0.656 Cu 0.796 Zn 0.741 PCBs 0.627 Cd 0.679 Hg 0.67 As 0.571 PAHs 0.809 2.2 污染因子空间特征
根据建立的主要污染因子的诊断模型,绘制出各主要污染因子的空间分布特征,由图 2和图 3可以看出,污染因子F1和F2特征特征略微相似,其中污染最重的区域主要集中在T1海域,该海域集中了大连化工、大连印染厂等大型工业企业,承载了绝大部分工业废水的排放,所以将F1污染因子看做是工业污水的标识比较合理;污染因子F2除T1海域污染较重外,臭水套和大连港码头混合海域(T2)以及开发区南部海域的因子得分相对较高,说明这两个海域历史上可能同样存在有机氯和有机磷农药的大量使用。
由图 4可以看出,污染因子F3负荷较高的区域集中在大连湾的西部海域,且污染的区域相对较大,其中T1和T2两个区域的污染特征最为明显,这两个海域周边集中着大量的居民社区,大部分的市政生活污水汇入这两个海域,所以导致该邻近海域的生活污染比较严重;污染因子F4的空间分布特征表明,Cu、Zn和PCB污染相对较重的海域出现在大连湾散货码头附近海域,该区域常年进行各类矿石的装卸工作,大气的沉降以及雨水的冲洗都可能带来Cu、Zn等化合物的污染。
主因子F5的空间分布特征表明,污染最重的区域主要是黑咀子海域,因为该地区的机械加工制造业比较发达,比如有大连造船厂等大型的船舶制造业基地,此外,大连湾新港的西部海域也是东北最大的粮食码头,船舶运输行业繁忙,这在一定程度上会带来As及PAHs的污染,所以F5因子在该海域的因子得分相对较高。
2.3 污染源贡献分析
根据因子分析的结果,对臭水套海域(T2)D1、 D2和 D3三个采样站位主要污染因子的优势比值进行比对分析(表 3),结果表明,臭水套海域三个站位污染的主要来源方式略有不同,其中,D2站位与D1站位相距较近,生活污水、海上运输和加工制造业的贡献率较大,分别达到24.7%、26.7%、34.7%和24.3、30.4%、31.2%,分析原因是两个站位均在湾内,海水的交换能力较差,所以在污染特征和污染源的贡献上比较接近;D3站位与D1、 D2站位污染的来源略有差别,比较明显的表现在D3站位工业废水的污染贡献率较大,达到了40.1%,其原因可能是在水文动力的作用下受到来自北部工业废水的排放影响比较显著;但D3站位受臭水套湾内污染的影响更为显著,加工制造业的污染贡献率仍然最大,达到44.1%。
表 3 邻近海域各类污染源贡献率Tab. 3 Contribution rate of various sources of adjacent area站位 工业废水/(%) 生活污水/(%) 海上运输业/(%) 加工制造业/(%) 背景污染/(%) D1 12.7 24.7 26.7 34.7 1.2 D2 7.3 24.3 30.4 31.2 6.9 D3 40.1 5.1 5.1 44.1 5.5 3 结论
大连湾水质的主要污染因子分析结果表明,该海域主要的污染来源包括工业排污、市政污水排污、港口和船舶运输污染等;污染因子的累积贡献率及空间分布特征表明,臭水套海域和泉水海域是两个主要的污染海域,而臭水套海域不同站位主要污染因子的优势比值分析结果表明,市政类和工业类排污对该海域造成的环境压力较大。因子诊断评价模型可以针对区域污染为环境管理提供可视化的参考依据,而基于主要污染因子的优势比值分析可以为环境污染的治理提供量化的指标。
-
表 1 相关矩阵特征值及方差贡献
Tab. 1 Eigenvalue and variance of correlation moment matrix
主因子 原始特征值 旋转后特征值 特征值 原始变量/(%) 累计变量/(%) 特征值 原始变量/(%) 累计变量/(%) F1 8.101 40.507 40.507 6.647 33.236 33.236 F2 2.517 12.583 53.09 2.983 14.913 48.15 F3 2.088 10.438 63.528 2.797 13.986 62.136 F4 1.998 9.992 73.52 2.12 10.598 72.734 F5 1.676 8.381 81.902 1.833 9.167 81.902 表 2 旋转后因子载荷矩阵(|λ|>0.6)
Tab. 2 Rotated factor loading matrix
变量 主因子 F1 F2 F3 F4 F5 COD 0.832 NO2-N 0.876 NH4-N 0.791 TN 0.923 TP 0.916 Oil 0.749 Pb 0.783 OCPs 0.632 OPPs 0.955 DO 0.836 PO4-P 0.922 SS 0.831 NO3-N 0.656 Cu 0.796 Zn 0.741 PCBs 0.627 Cd 0.679 Hg 0.67 As 0.571 PAHs 0.809 表 3 邻近海域各类污染源贡献率
Tab. 3 Contribution rate of various sources of adjacent area
站位 工业废水/(%) 生活污水/(%) 海上运输业/(%) 加工制造业/(%) 背景污染/(%) D1 12.7 24.7 26.7 34.7 1.2 D2 7.3 24.3 30.4 31.2 6.9 D3 40.1 5.1 5.1 44.1 5.5 -
[1] 王 淼,胡本强,辛万光,等.我国海洋环境污染的现状、成因与治理[J].中国海洋大学学报(社会版),2006,5:1-6. [2] 欧阳光.油污来袭 渤海之殇——渤海湾溢油与生态环境污染[J].环境保护,2011,15:12-16. [3] HY/T086-2005.陆源入海排污口及邻近海域生态环境评价指南[S]. [4] 柯丽娜,王权明,周惠成.基于可变模糊集的海洋水质环境综合评价模型-以青岛疏浚物海洋倾倒区为例[J].资源科学,2012,4:734-739. [5] 郑 琳,崔文林,贾永刚.青岛海洋倾倒区海水水质模糊综合评价[J].海洋环境科学,2007,26(1):38-41. [6] 张存勇,陈斌林.海州湾水质模糊综合评价及其演变分析[J].海洋环境科学,2010,29(3):411-414. [7] 周超明,晏路明.港湾水质综合评价的集对分析模型[J].环境科学与管理,2006,8:62-66. [8] 刁美娜,温小虎,刘有刚,等.基于模糊神经网络的海水水质综合评价[J].海洋通报,2012,31(2):228-232. [9] LERMONTOVA A,YOKOYAMAB L,LERMONTOVC M,et al.River quality analysis using fuzzy water quality index:Ribeira do Iguape river watershed,Brazil[J].Ecological Indicators,2009,9(6):1188-1197.
[10] PRIMPAS I,TSIRTSIS G,KARYDIS M,et al.Principal component analysis:Development of a multivariate index for assessing eutrophication according to the European water framework directive[J].Ecological Indicators,2010,10(2):178-183.
[11] BORJA A,BALD J,FRANCO J,et al.Using multiple ecosystem components,in assessing ecological status in Spanish (Basque Country) Atlantic marine waters[J].Marine Pollution Bulletin,2009,59(1-3):54-64.
[12] GHORBANIA M A,KHATIBIB R,AYTEKC A,et al.Sea water level forecasting using genetic programming and comparing the performance with Artificial Neural Networks[J].Computers & Geosciences,2010,36(5):620-627.
[13] 王伟伟,王 鹏,吴英超,等.海岸带开发活动对大连湾环境影响分析[J].海洋环境科学,2011,30(4):512-516. [14] GB 17378.4-2007,海洋监测规范 第4部分:海水分析[S].
[15] 魏复盛.水和废水监测分析方法[M].第四版.北京:中国环境科学出版社,2002. [16] CARRERA J,BAEZA J A,VICENT T,et al.Biological nitrogen removal of high-strength ammonium industrial wastewater with two-sludge system[J].Water Research,2003,37(17):4211-4221.
[17] 刘现明,徐学仁,周传光,等.大连湾沉积物中的有机氯农药和多氯联苯[J].海洋环境科学,2001,20(4):40-44. [18] GERMAN A V,ZAKONNOV V V.Accumulation of polychlorinated biphenyls in the Sheksninskii Pool of the Rybinsk Reservoir[J].Water Research,2003,30(5):524-528.
-
期刊类型引用(3)
1. 谷晓悦,丁光辉,薛欢欢,张晶,姚子伟,王莹,葛林科. 基于逸度方法分析大连湾海域PFASs在海水-沉积物界面的扩散趋势. 海洋环境科学. 2020(03): 353-358 . 本站查看
2. 赵辉. 大连湾海域排污状况分析及防治. 中国新技术新产品. 2020(06): 130-131 . 百度学术
3. 杨永俊,韩成伟,胡展铭,王玉,林忠胜. “十一五”和“十二五”期间大连市陆源入海排污状况分析. 环境保护科学. 2020(05): 105-111+123 . 百度学术
其他类型引用(4)