陳 鋒，孟凡生，王業(yè)耀，張鈴松，楊 琦

1.中國(guó)地質(zhì)大學(xué)(北京)水資源與環(huán)境學(xué)院，北京 100083 2.北華航天工業(yè)學(xué)院建筑工程系，河北 廊坊 065000 3.中國(guó)環(huán)境科學(xué)研究院，水污染控制技術(shù)研究中心，北京 100012 4.中國(guó)環(huán)境監(jiān)測(cè)總站，國(guó)家環(huán)境保護(hù)環(huán)境監(jiān)測(cè)質(zhì)量控制重點(diǎn)實(shí)驗(yàn)室，北京 100012

基于主成分分析-多元線性回歸的松花江水體中多環(huán)芳烴源解析

陳 鋒1,2，孟凡生3，王業(yè)耀1,4，張鈴松3，楊 琦1

1.中國(guó)地質(zhì)大學(xué)(北京)水資源與環(huán)境學(xué)院，北京 100083 2.北華航天工業(yè)學(xué)院建筑工程系，河北 廊坊 065000 3.中國(guó)環(huán)境科學(xué)研究院，水污染控制技術(shù)研究中心，北京 100012 4.中國(guó)環(huán)境監(jiān)測(cè)總站，國(guó)家環(huán)境保護(hù)環(huán)境監(jiān)測(cè)質(zhì)量控制重點(diǎn)實(shí)驗(yàn)室，北京 100012

對(duì)松花江全流域14個(gè)監(jiān)測(cè)斷面的16種美國(guó)環(huán)保局優(yōu)先控制的多環(huán)芳烴(PAHs)的主要來(lái)源及其貢獻(xiàn)率應(yīng)用主成分因子分析-多元線性回歸模型(PCA-MLR)進(jìn)行了來(lái)源解析。結(jié)果表明：松花江全流域?yàn)榛褪腿剂系膹?fù)合PAHs污染，水體環(huán)境中PAHs首要污染源為化石燃料燃燒和交通污染，合計(jì)貢獻(xiàn)率為63.1%，第二大污染源為工業(yè)和民用燃煤污染，合計(jì)貢獻(xiàn)率為36.9%，沿江的石化、石油基地、大型焦化廠、電廠都是PAHs的主要來(lái)源。

松花江；水體；多環(huán)芳烴；源解析；主成分分析；多元線性回歸

近年來(lái)隨著經(jīng)濟(jì)的快速發(fā)展，地表環(huán)境水體面臨著有機(jī)、無(wú)機(jī)等污染物所帶來(lái)的巨大壓力。要想切實(shí)有效地控制河流污染、保障環(huán)境安全，就必須掌握水環(huán)境污染物的來(lái)源。水污染物源解析技術(shù)是掌握水環(huán)境污染物來(lái)源的重要方法，不僅能判斷出主要的污染源類型，還能定量計(jì)算各排放源對(duì)環(huán)境受體的貢獻(xiàn)，可為建立流域水污染源的識(shí)別、追蹤及預(yù)測(cè)管理體系提供技術(shù)支持。

松花江有毒有機(jī)物污染嚴(yán)重，對(duì)生態(tài)環(huán)境造成了一定影響，其中多環(huán)芳烴(PAHs)是一類具有明顯毒性、難降解的典型持久性有機(jī)污染物(POPs)。郭偉等[1]對(duì)松花江吉林-哈爾濱段表層沉積物中的18種PAHs的分布特征進(jìn)行了研究，表明該段PAHs整體污染濃度較高，吉林段大于哈爾濱段。王東輝[2]研究了松花江水環(huán)境中PAHs的污染狀況，表明其污染是全江性的。史鑫源等[3]對(duì)松花江哈爾濱市區(qū)段的PAHs污染狀況進(jìn)行了分析，表明以低環(huán)芳烴為主。目前對(duì)于我國(guó)PAHs源解析已有一定研究，但多是使用比值法等定性方法，缺乏對(duì)松花江全流域PAHs污染源解析的研究。本研究選取典型特征污染物PAHs中美國(guó)環(huán)保局(USEPA)優(yōu)先控制的16種污染物作為源解析對(duì)象，根據(jù)所確定的研究目標(biāo)，以主成分分析-多元線性回歸方法作為主要的源解析技術(shù)手段，對(duì)松花江全流域水體環(huán)境中的PAHs來(lái)源進(jìn)行解析研究。

1 流域概況

松花江是我國(guó)七大河流之一，水資源總量居全國(guó)第三位。松花江流域地理位置東經(jīng)119°52′～129°30′，北緯41°42′～51°38′；流域面積55.68萬(wàn)km2。松花江有2個(gè)源頭：北源嫩江，發(fā)源于大興安嶺支脈伊勒呼里山中段南側(cè)的南甕河源地；南源第二松花江，發(fā)源于海拔2 744 m的長(zhǎng)白山主峰上著名的白頭山天池。2個(gè)江源分頭下流至吉林省松原市的三岔河附近匯合后向下，稱松花江干流。干流折向東流至黑龍江省同江市附近，由右岸匯入黑龍江。松花江總長(zhǎng)：嫩江源合計(jì)為2 309 km，第二松花江源合計(jì)為1 897 km，干流長(zhǎng)939 km，分為上游、中游、下游。采樣斷面示意圖見(jiàn)圖1。

注：底圖源自中華人民共和國(guó)1∶400萬(wàn)自然地理版(南海諸島)，下載地址https://219.238.166.215/mcp/default. html，下載日期2008-06-28，審圖號(hào)GS(2008)1373號(hào)。

2 研究方法

2.1 主成分分析-多元線性回歸

主成分分析-多元線性回歸(PCA-MLR)是將多個(gè)變量通過(guò)線性變換以選出較少個(gè)數(shù)重要變量的一種多元統(tǒng)計(jì)分析方法。主成分分析是一種多元統(tǒng)計(jì)數(shù)學(xué)方法，用其可以解析數(shù)據(jù)集合，壓縮數(shù)據(jù)維數(shù)，分析多個(gè)變量之間的關(guān)系，其目的在于對(duì)大量觀測(cè)數(shù)據(jù)使用較少的有代表性的因子來(lái)說(shuō)明眾多變量的主要信息。之后對(duì)選出的主成分因子進(jìn)行多元線性回歸，其目的是確定不同污染源對(duì)樣品的百分?jǐn)?shù)貢獻(xiàn)率[4]。該方法適合污染源數(shù)目較少的源定量解析，尤其是對(duì)于那些難以得到其污染源指紋譜的源解析問(wèn)題。

2.2 研究區(qū)域及數(shù)據(jù)處理

數(shù)據(jù)來(lái)自2009年5月對(duì)松花江主要現(xiàn)有國(guó)控和省控監(jiān)測(cè)斷面的PAHs監(jiān)測(cè)數(shù)據(jù)，此時(shí)松花江處于平水期。檢測(cè)指標(biāo)為USEPA優(yōu)先控制的16種PAHs，共設(shè)14個(gè)監(jiān)測(cè)斷面，數(shù)據(jù)來(lái)源于2007年“水體污染與治理國(guó)家科技重大專項(xiàng)”子課題1“松花江水環(huán)境特征與水污染控制總體方案研究”，其監(jiān)測(cè)斷面及測(cè)定值見(jiàn)表1。

表1 監(jiān)測(cè)斷面及監(jiān)測(cè)數(shù)據(jù)表 ng/L

在因子分析過(guò)程中，為使因子分析能夠均等地處理每一個(gè)原始變量，消除由于數(shù)值間差別較大而可能帶來(lái)的一些不合理的影響，在進(jìn)行主成分因子分析前，需要將各采樣點(diǎn)的濃度數(shù)值進(jìn)行標(biāo)準(zhǔn)化處理(其中未檢測(cè)出的數(shù)值用均值代替)，按式(1)進(jìn)行原始數(shù)據(jù)的標(biāo)準(zhǔn)化計(jì)算：

(1)

3 結(jié)果與討論

進(jìn)行多元線性回歸分析時(shí)，經(jīng)常碰到自變量之間強(qiáng)相關(guān)的問(wèn)題，即多元共線問(wèn)題。主成分分析法則是解決這類問(wèn)題的好辦法，可通過(guò)主成分回歸來(lái)求回歸系數(shù)。主成分回歸是將原自變量的主成分代替原自變量進(jìn)行回歸分析，主成分既保留了原指標(biāo)的絕大部分信息，又有主成分之間互不相關(guān)的特點(diǎn)。所以本分析先采用多元回歸分析，進(jìn)行共線性診斷，再進(jìn)行主成分分析確定所需主成分個(gè)數(shù)，最后進(jìn)行主成分回歸分析。

3.1 多重回歸分析及共線性診斷

模型擬合優(yōu)度情況：相關(guān)系數(shù)Ra為0.949a(a表示對(duì)原始數(shù)據(jù)經(jīng)過(guò)標(biāo)準(zhǔn)化處理之后進(jìn)行的回歸分析，下同)，決定系數(shù)R2為0.922，R2修正系數(shù)為0.882，模型總體的假設(shè)檢驗(yàn)結(jié)果見(jiàn)表2，模型總體擬合良好(R2=0.922)，方差分析表顯示結(jié)果有統(tǒng)計(jì)學(xué)意義(Sig=0.000)。參數(shù)估計(jì)及其假設(shè)檢驗(yàn)結(jié)果，模型總體擬合良好，有統(tǒng)計(jì)學(xué)意義，自變量不存在共線性。

表2 模型方差分析

3.2 主成分分析

通過(guò)KOM和Sig檢驗(yàn)，得出KMO達(dá)到0.85，Sig為0，表示數(shù)據(jù)取自正態(tài)分布，認(rèn)可了變量之間的相關(guān)性，適合進(jìn)行因子分析。根據(jù)Kaiser標(biāo)準(zhǔn)，提取的因子特征值應(yīng)大于1。從表1可以看出，符合此標(biāo)準(zhǔn)的前2個(gè)因子解釋了總方差的98.216%，說(shuō)明提取前2個(gè)因子作為主因子合理。水相16種PAHs主成分分析的因子特征值及方差貢獻(xiàn)率、因子荷載矩陣分別見(jiàn)表3和表4。

表3 因子特征值和方差貢獻(xiàn)率

表4 因子載荷矩陣

第2個(gè)主因子F2：其中熒蒽的荷載明顯高于其他化合物，芘荷載雖不突出但較其他物質(zhì)荷載差異明顯。有學(xué)者研究發(fā)現(xiàn)[11]，熒蒽和芘主要源于工業(yè)燃煤和民用燃煤，因子2可歸為燃煤污染源。

3.3 主成分多元現(xiàn)行回歸分析

以主成分分析得到的2個(gè)因子作為自變量，將樣品中16種 PAHs 的總量作為因變量，進(jìn)行多元線性回歸，獲得的回歸方程的標(biāo)準(zhǔn)化回歸系數(shù)可以反映各主因子，即各主要污染源的相對(duì)貢獻(xiàn)率，應(yīng)用多元線性回歸之前先判斷數(shù)據(jù)是否滿足線性回歸的條件。模型擬合優(yōu)度情況：相關(guān)系數(shù)R為0.962a，決定系數(shù)R2為0.936，R2修正系數(shù)為0.912。

表5是對(duì)整個(gè)模型的檢驗(yàn)結(jié)果，它是一個(gè)方差分析表。由表5可知，所擬合的回歸模型F值為3.472，Sig為0.000，因此擬合的模型是有統(tǒng)計(jì)學(xué)意義的。

表5 模型方差分析

由此可知，數(shù)據(jù)的模擬過(guò)程滿足線性回歸的條件，回歸結(jié)果如式(2)所示。利用公式(3)計(jì)算各種污染源的貢獻(xiàn)率，其中化石燃料的燃燒源和交通污染源為松花江水體中PAHs的主要污染來(lái)源，其貢獻(xiàn)率為63.1%，其次為工業(yè)和民用燃煤污染源，貢獻(xiàn)率為36.9%。

(2)

(3)

式中x1、x2分別代表第1主因子和第2主因子的因子得分，Bi為某因子i的質(zhì)量濃度。

4 結(jié)論

應(yīng)用主成分分析-多元線性回歸方法對(duì)松花江全流域14個(gè)主要國(guó)控和省控監(jiān)測(cè)斷面中的16種PAHs進(jìn)行了污染源解析，得到了松花江全流域水體中PAHs的主要來(lái)源，分別為化石燃料燃燒源、交通污染源、工業(yè)和民用燃煤污染源。由于研究流域范圍較大，每個(gè)斷面均具有站點(diǎn)特殊性，松花江水體中PAHs的首要的污染源為化石燃料燃燒和交通污染，兩者的合計(jì)貢獻(xiàn)率為63.1%，松花江全流域?yàn)榛褪腿剂系膹?fù)合PAHs污染，沿江的石化、石油基地、大型焦化廠、電廠都是PAHs的主要來(lái)源。基于松花江所在地域，地域供暖期較長(zhǎng)，加之老工業(yè)基地的特點(diǎn)，全流域水相中PAHs的第二大污染源為工業(yè)和民用燃煤污染，貢獻(xiàn)率為36.9%。

結(jié)合松花江全流域沿江的工業(yè)和企業(yè)分布，對(duì)松花江全流域水相中的PAHs進(jìn)行分段研究，并針對(duì)各段的特點(diǎn)，對(duì)污染源類別進(jìn)行細(xì)化分析。同時(shí)針對(duì)松花江全流域PAHs污染問(wèn)題，應(yīng)進(jìn)一步對(duì)水體懸浮顆粒物及沉積物中的PAHs污染狀況進(jìn)行對(duì)比研究，同時(shí)應(yīng)在“十三五”期間對(duì)松花江全流域各監(jiān)測(cè)斷面的PAHs污染物值進(jìn)行重新測(cè)定，對(duì)比PAHs污染物隨時(shí)間推移其變化情況，為松花江全流域PAHs的控制和治理提供科學(xué)依據(jù)。

[1] 郭偉,何孟常,楊志峰,等.松花江吉林-哈爾濱段表層沉積物中多環(huán)芳烴的季節(jié)分布和來(lái)源[C]∥余剛.持久性有機(jī)污染物論壇2006暨第一屆持久性有機(jī)污染物全國(guó)學(xué)術(shù)研討會(huì)論文集.北京:中國(guó)環(huán)境科學(xué)出版社,2006.

[2] 王東輝.松花江水體中多環(huán)芳烴污染物的污染研究[J].環(huán)境科學(xué)與管理,2006,31(9):69-70,73.

[3] 史鑫源,李一凡,張寶杰.松花江哈爾濱市區(qū)段水體中PAHs污染狀況研究[C]. 余剛.持久性有機(jī)污染物論壇2007暨第二屆持久性有機(jī)污染物全國(guó)學(xué)術(shù)研討會(huì)論文集.北京：中國(guó)環(huán)境科學(xué)出版社,2007.

[4] 劉穎.上海市土壤和水體沉積物中多環(huán)芳烴的測(cè)定方法、分布特征和源解析[D].上海：同濟(jì)大學(xué),2008.

[5] MATT F,SIMCIK,STEVEN J,et al.Source apportionment and source/sink relationships of PAHs in the coastal atmosphere of Chicago and Lake Michigan[J].Atmospheric Environment(Oxford,England:1994),1999,33(30): 1 411-1 425.

[6] KHALILI N R,SCHEFF P A,HOLSEN T M.PAH source fingerprints for coke ovebs,diesel and gasoline-engines,highway tunnels,and wood combustion emissions[J].Atmospheric Environment,1995,29:533-542.

[7] LIM L H,HARRISON R M,HARRAD S.The contribution of traffic to atmospheric concentrations of polycyclic aromatic hydrocarbons[J]. Atmospheric Environment,1999,33: 3 538-3 542.

[8] NIELSEN T,JORGENSEN H E,LARSEN J C,et al.City air pollution of polycyclic aromatic hydrocarbons and other mutagens:occurrence,sources and heaith effects[J].Science of the Total Environment,1996,190:41-49.

[9] 張巍,張樹(shù)才,萬(wàn)超,等.北京城市道路地表徑流及相關(guān)介質(zhì)中多環(huán)芳烴的源解析[J].環(huán)境科學(xué),2008,29(6):1 478-1 483.

[10] LEE J H,GIGLIOTTI G L,OFFENBERG J H,et al.Sources of polycyclic aromatic hydrocarbons to the Hudson River Airshed [J].Atmospheric Environment,2004,38(35): 5 971-5 981.

[11] TIAN F L,CHEN J W,QIAO X L,et al.Sources and seasonal variation of atmospheric polycyclic aromatic hydrocarbons in Dalian,China:Factor analysis with non-negative constraints combined with local source fingerprints[J].Atmospheric Environment,2009,43(17): 2 747-2 753.

The Research of Polycyclic Aromatic Hydrocarbons in the River Based on the Principal Component-Multivariate Linear Regression Analysis

CHEN Feng1,2, MENG Fansheng3, WANG Yeyao1,4, ZHANG Lingsong3, YANG Qi1

1.School of Water Resources and Environment, China University of Geosciences, Beijing 100083, China 2.Department of Architectural Engineering, North China Institute of Aerospace Engineering, Langfang 065000, China 3.Research Center of Water Pollution Control Technology, Chinese Research Academy of Environmental Sciences, Beijing 100012, China 4.China National Environmental Monitoring Centre, State Enviromental Protection Key Laboratory of Quality Control in Environmental Monitoring,Beijing 100012, China

Pricipal Principal Component-Multivariate Linear Regression Analysis (PCA-MLR)was applied to analyze the distribution and sources of polycyclic aromatic hydrocarbons(PAHs) in the surface water from songhua river.Fourteen samples of the Level period were collected from songhua river. Diagnostic ratio analysis illustrated that the songhua river basin as fossil fuel and oil compound pollution of PAHs. The primary sources of PAHs in water songhua river is the burning of fossil fuels and traffic pollution, and both total contribution rate is 63.1%.The second major pollution sources is the industrial and civil coal pollution, and the contribution rate is 36.9%.Petrochemical, oil base along the river, large coking plant, power plants are the main source of PAHs.

Songhua river; water body;Polycyclic Aromatic Hydrocarbon(PAHs);source apportionment；Principal Component Analysis; Multiple Linear Regression(PCA-MLR)

2015-09-07;

2015-11-06

國(guó)家水體污染控制與治理科技重大專項(xiàng)(2014ZX07510-001，2014ZX07502-002)

陳 鋒(1981-)，女, 河北廊坊人，在讀博士研究生。

王業(yè)耀

X824

A

1002-6002(2016)04- 0049- 05

10.19316/j.issn.1002-6002.2016.04.09