胡冰濤，陳玉東

(生態(tài)環(huán)境部南京環(huán)境科學研究所，江蘇 南京 210042)

長江下游是我國水稻種植最為廣泛的地區(qū)，過量的化肥施用在保障水稻產(chǎn)量的同時，導致大量氮磷營養(yǎng)鹽通過稻田徑流和淋溶等途徑進入河流、湖泊和地下水，造成嚴重的水體富營養(yǎng)化和地下水污染[1-4]。選用適宜的氮磷指標是監(jiān)測稻田氮磷流失狀態(tài)和評估其對水環(huán)境污染影響程度的重要環(huán)節(jié)。利用原始變量開展監(jiān)測工作不僅工作量大且重疊度高[5-6]。運用多元統(tǒng)計技術，從眾多原始變量中篩選出相對獨立的敏感性指標，通過建立最小數(shù)據(jù)集(minimum data set，MDS)，可有效減少監(jiān)測指標數(shù)量，降低監(jiān)測工作量，且監(jiān)測指標的信息量更為集中[7]。目前，該方法已經(jīng)在土壤質量[8-9]以及水環(huán)境[10-12]監(jiān)測和評價中被廣泛應用。

金衛(wèi)斌等[13]將湖北四湖流域溝渠6項水質指標進行聚類分析，篩選出代表水體氮、磷負荷的主要監(jiān)測指標，并將溝渠水質劃分為4個污染等級；JUAHIR等[14]運用層級聚類分析將越南冷岳河(the Langat River)上、下游按污染程度分區(qū)，采用正反向逐步判別分析從各區(qū)域23項水質指標中提取出6～7項主要監(jiān)測指標，用以評估冷岳河流域水質空間分布特征；YANG等[15]、SHRESTHA等[16]、KOWALKOWSKI等[17]均運用多元統(tǒng)計方法篩選水質評估指標，并進一步解釋水環(huán)境指標間復雜關聯(lián)且有效識別污染肇因和解析水質的時空動態(tài)變化。

當前稻田氮磷面源污染評估研究多側重于稻田氮磷流失、滲漏負荷及影響因素的分析[9,18-22]，而關于簡化稻田氮磷流失監(jiān)測步驟和提高污染負荷估算精度的指標篩選研究相對較少。僅有謝文明等[20]針對長江三角洲區(qū)域提出4個簡易監(jiān)測指標(田面水銨態(tài)氮濃度、日最高氣溫、土壤120 cm深度總氮濃度和降水量)，計算該區(qū)域稻田氨揮發(fā)總量、氮磷淋溶損失和氮磷徑流損失，其建立的簡易監(jiān)測指標及構建的數(shù)學關系顯著提高了面源污染發(fā)生量預測精度。

以上海市青浦區(qū)現(xiàn)代農業(yè)園內水稻田田面水和不同深度淋溶水為研究對象，基于1 a內全生育期田間試驗，獲取8個氮、磷類指標數(shù)據(jù)，通過主成分分析和聚類分析分別建立最小數(shù)據(jù)集，并采用水質綜合得分方法[23-24]比較、驗證最小數(shù)據(jù)集指標的合理性。研究結果可為長江下游地區(qū)稻田氮磷污染監(jiān)測指標體系優(yōu)化提供技術參考。

1 材料與方法

1.1 實驗地概況

試驗于2018年6—11月在上海市青浦區(qū)現(xiàn)代農業(yè)園區(qū)(31°12′10″ N，121°08′12″ E)進行，該地處于亞熱帶潮濕型季風氣候區(qū)，年均溫為15.3～16.7 ℃，年均降水量為1 150～1 550 mm。降水主要集中在3—9月，占全年總降水量的75%左右。試驗年稻季平均氣溫為26.3 ℃，降水量為595.3 mm。試驗地土壤類型為湖沼相沉積物起源的青紫泥水稻土，質地為重壤土。耕作層(0～20 cm)土壤m(xù)(土)∶V(水)=1∶5，pH值為7.33，w(有機質)為18.74 g·kg-1，w(全氮)為0.94 g·kg-1，w(全磷)為1.17 g·kg-1，w(全鉀)為1.67 g·kg-1，土壤電導率(EC)為0.14 mS·cm-1。當?shù)厮锍７N植單季稻或水稻-小麥兩熟輪作。

1.2 實驗材料

隨機選擇青浦區(qū)現(xiàn)代農業(yè)園區(qū)6塊等面積水稻田，實驗面積共計1 200 m2，供試水稻品種為“花優(yōu)14”。種植密度為1.13×105株·hm-2。試驗過程中的關鍵農事操作如下：6月29日施基肥，6月30日移栽水稻，記為移栽后0 d，7月12日(12 d)施分蘗肥，8月6日(37 d)追施穗肥，11月8日水稻成熟收割。水稻生長期間基肥施BB肥(又名散裝摻混肥，以N計)100.0 kg·hm-2，分蘗肥施BB肥(以N計)75.0 kg·hm-2，穗肥施尿素(以N計)75.0 kg·hm-2，均以表面撒施形式施用。磷肥為過磷酸鈣，施用量(以P2O5計)為120 kg·hm-2，鉀肥為氯化鉀，施用量(以K2O計)為130 kg·hm-2，磷鉀肥均以基肥形式于移栽前與耕層土壤充分混合后一次性施入。

1.3 監(jiān)測指標和分析方法

1.3.1淋溶水和田面水取樣

在水稻種植前，每塊實驗田均在距離田埂3 m處并排垂直安裝2根不同取樣深度的滲漏管(直徑為5 cm，長為90 cm)，底部封閉，分別在管壁30和60 cm處(上下5 cm范圍內)每間隔2 cm 均勻鉆 6 排直徑為5 mm 的滲水孔，將收集的滲漏水視作30和60 cm處的混合水樣。用塑料紗網(wǎng)將滲水孔段管壁包裹扎牢，以阻隔淤泥進入管中。為防止田面水順管壁下滲，沿管壁裹纏塑料薄膜并向四周水平外延約20 cm，然后在其上回填原層次土。PVC管管口高于土壤表面20 cm，以避免田面水過多時管口被淹沒。取樣時，將1 m 長的軟橡皮管(內徑為6 mm) 插入滲漏管中，用100 mL醫(yī)用注射器將管中滲漏水全部抽出作為待測水樣。每次田面水取樣時，不擾動土層，按照五點采樣法抽取田塊內5點各100 mL田面水溶液，組成混合樣品，取混合樣200 mL保存。水稻移栽后，分別于基肥、分蘗肥和穗肥施用后7 d內每天上午采集田面水和滲漏水樣。

1.3.2檢測指標

采用流動分析儀(AA3，荷蘭Skalar公司)測定田面水和淋溶水樣中總氮(TN)、溶解態(tài)總氮(DTN)、硝態(tài)氮(NO3--N)、銨態(tài)氮(NH4+-N)以及總磷(TP)、溶解態(tài)總磷(DTP)和磷酸鹽(PO43--P)，顆粒態(tài)磷(PP)為TP與DTP的差值。

1.4 數(shù)據(jù)處理與統(tǒng)計分析

采用 Excel 2010進行數(shù)據(jù)處理與制圖，采用PASW Statistics(SPSS)19.0對數(shù)據(jù)進行統(tǒng)計分析。

1.5 最小數(shù)據(jù)集的建立

最小數(shù)據(jù)集的構建有多種方法，如線性回歸分析、多元回歸分析、主成分分析、聚類分析[7]、判別分析[5]和評分函數(shù)等方法。建立最小數(shù)據(jù)集后，最小數(shù)據(jù)集指標與未入選指標相關性分析法[25]和質量指數(shù)比較法[26]是當前驗證最小數(shù)據(jù)集合理性的主要方法。

1.5.1聚類分析

聚類分析(cluster analysis，CA)以歐氏距離來衡量評價指標之間差異性，將各指標分類并建立最小數(shù)據(jù)集，在水質評價[5,27]中應用廣泛。采用SPSS 19.0運用歐氏距離最短法對評價指標進行R型聚類分析。在相應聚合水平之間，將評價指標劃分為反映水質污染不同方面特征的若干分組。根據(jù)相關分析，每組中相關性顯著的指標可相互代替，并與野外調查結果、文獻資料和前人研究成果相結合，剔除冗余指標，選擇具有代表性且相互獨立的指標進入最小數(shù)據(jù)集[7]。

1.5.2主成分分析

主成分分析(principal component analysis，PCA)是建立最小數(shù)據(jù)集的主要方法[16]。通過降維將多個指標轉化為少數(shù)指標，消除眾多指標間的相關性，使彼此之間不相關。提取特征值≥1的主成分，將同一主成分載荷≥0.5的指標分為1組，計算評價指標的Norm值。Norm 值為該指標在由主成分組成的多維空間中矢量常模的長度，長度越長，表明該指標在所有主成分的綜合載荷越大，其解釋綜合信息的能力就越強。Norm值計算公式為

(1)

式(1)中，Nik為第i個變量在特征值>1的前k個主成分上的綜合載荷；Uik為第i個變量在第k個主成分上的載荷；λk為第k個主成分的特征值。如果所有主成分都被選擇，則該Nik值為1。分別計算各組指標Norm值，選取每組中Norm值在最高總分值10%范圍的指標，進一步分析每組所選指標的相關性。若同組所選指標高度相關，則Norm值最大的指標進入最小數(shù)據(jù)集(MDS)；若相關度低，則同組指標均進入MDS。相關系數(shù)>0.5，表明高度相關。

1.6 水質評價方法的建立

(1)原始數(shù)據(jù)標準化。原始樣本矩陣X為

X=(xij)n×p，i=1，2，…，n；j=1，2，…，p。

(2)

式(2)中，n為采樣次數(shù)；p為基于不同數(shù)據(jù)集使用的指標數(shù)。

數(shù)據(jù)標準化處理按式(3)進行。

(3)

(2)相關系數(shù)矩陣。計算所對應的相關系數(shù)矩陣R，并計算R的特征值和特征向量。

R=(rij)p×p，

(4)

其中，

(5)

λi(i=1,2,…,p)為R的特征值，將其按大小排列λ1≥λ2≥…≥λp≥0,即為主成分的方差，其大小對應主成分對原始樣本的權重。每個特征根對應的特征向量為w1,w2,…,wp,通過特征向量將標準化指標轉化為主成分。根據(jù)主成分方差累計貢獻率大于80%～90%或特征值大于1的原則確定主成分個數(shù)m。

(3)主因子得分和每個主因子的方程貢獻率。根據(jù)各數(shù)據(jù)集前m個主成分的主因子得分和每個主因子的方程貢獻率，求出指標權重。相關公式為

Fj=β1jx1+β2jx2+…+βpjxp，

(6)

ej=wj/(w1+w2+…+wm)，

(7)

(8)

式(6)～(8)中，F(xiàn)j(j=1，2，…，m)為主成分；x1，x2，…，xp為各個指標；β1j，β2j，…，βnj為各指標在主成分Fj中的系數(shù)得分；ej為Fj的方程貢獻率；ωi為指標xi的權重。

(4)水質綜合得分(water component analysis,WQI，Iw,q)的計算公式為

(9)

式(9)中，xi為數(shù)據(jù)集中第i個指標值；ωi為第i個指標權重；p為數(shù)據(jù)集中指標個數(shù)。

1.7 水質評價精度驗證

利用Nash有效系數(shù)(Ef)評價基于主成分分析最小數(shù)據(jù)集的精確程度，其計算公式為

(10)

2 結果與討論

2.1 稻田田面水和淋溶水氮磷動態(tài)變化

如圖1～3所示，在水稻生長期內，田面水以及30和60 cm深度淋溶水中各形態(tài)氮素濃度均出現(xiàn)3個峰，分別對應施基肥并移栽、施分蘗肥和施穗肥時間。氮肥投入后，田面水中TN、DTN和NH4+-N濃度迅速提高，1 d時即達到峰值，之后隨著時間推移迅速下降，10 d內下降到較低濃度并保持穩(wěn)定。而30和60 cm深度淋溶水各項氮素指標變化對于施肥的響應較慢，較田面水峰值出現(xiàn)時間遲3～6 d，這可能是由于在施肥初期，氮肥水解生成的NH4+-N通過水流向下淋溶，土壤膠體一般帶負電，帶正電的NH4+-N在稻田中易被土壤膠體通過交換吸附作用固定，遷移至下層土壤過程較為緩慢[4,20]。田面水以及30和60 cm深度淋溶水各形態(tài)氮素濃度峰值表現(xiàn)為依次遞減。淋溶水中各形態(tài)氮素濃度均值表現(xiàn)為60 cm深度TN、DTN和NO3--N平均質量濃度為3.81、1.57和0.68 mg·L-1，略高于30 cm深度TN、DTN和NO3--N質量濃度(3.68、1.38和0.49 mg·L-1)，而30 cm深度淋溶水中NH4+-N質量濃度為0.83 mg·L-1，高于60 cm深度NH4+-N質量濃度(0.53 mg·L-1)。生育期內田面水中TN、DTN、NO3--N和NH4+-N平均質量濃度分別為7.04、6.41、1.54和4.54 mg·L-1。

圖1 稻田田面水各形態(tài)氮素和磷素濃度動態(tài)變化Fig.1 Dynamic changes of nitrogen and phosphorus concentrations in paddy field surface water

如圖2所示，僅在施基肥時施入磷肥，導致水稻移栽后，田面水中各項磷素指標達到峰值，之后變化幅度較大，但在生育期前期整體呈現(xiàn)濃度下降趨勢。施加穗肥后，田面水中磷素指標出現(xiàn)明顯峰值，這可能是由于施穗肥(僅氮肥)提高了田面水氮素濃度，田面水中微生物和藻類增殖，提高了磷素轉化相關酶的活性，從而加速土壤磷的溶解和生物周轉[28]。另外，土壤膠體和鐵、鋁氧化物表面的吸附點位被施加的氮占據(jù)，土壤對磷的吸持能力減弱，磷素向田面水中釋放[29]。

圖2 稻田30 cm深度淋溶水中各形態(tài)氮素和磷素濃度動態(tài)變化Fig.2 Dynamic changes of nitrogen and phosphorus concentrations in the leaching water at the depth of 30 cm in paddy field

圖3 稻田60 cm深度淋溶水中各形態(tài)氮素和磷素濃度動態(tài)變化Fig.3 Dynamic changes of nitrogen and phosphorus concentrations in the leaching water at the depth of 60 cm in paddy field

由圖2～3可知，30和60 cm深度淋溶水中各形態(tài)磷素濃度只在施基肥6～7 d時出現(xiàn)1次峰值，隨后一直保持在較低濃度，低于0.5 mg·L-1。經(jīng)統(tǒng)計，生育期田面水中TP、DTP、PO43--P和PP平均質量濃度分別為0.267、0.135、0.072和0.132 mg·L-1，30 cm深度淋溶水中TP、DTP、PO43--P和PP平均質量濃度分別為0.655、0.405、0.151和0.250 mg·L-1，60 cm深度淋溶水中TP、DTP、PO43--P和PP平均質量濃度分別為0.797、0.123、0.048和0.674 mg·L-1。

2.2 基于聚類分析建立的最小數(shù)據(jù)集

基于聚類分析法中的R型聚類，對稻田監(jiān)測數(shù)據(jù)的全量數(shù)據(jù)集8個指標進行分類。由圖4所示，對于稻田田面水和30 cm深度淋溶水，聚合水平在15～20之間時，指標可明顯分為2類，TP、PP、DTP和PO43--P屬于第1類，表征水樣中磷素指標水平，DTN、NH4+-N、TN和NO3--N屬于第2類，表征水樣中氮素指標水平。聚合水平在10～15之間時，指標細分為4類，其中，TP和PP歸為一類，磷素指標中DTP和PO43--P歸為一類，DTN和NH4+-N組成氮素指標中的一類，余下的TN和NO3--N組成一類。60 cm深度淋溶水的聚類分析結果與前兩者有較大差異，聚合水平在15～20之間時，TP、PP、DTP和PO43--P組成一類，TN、DTN和NH4+-N組成一類，NO3--N單獨劃分為一類。

圖4 水稻田面水以及地下30和60 cm淋溶水氮磷指標聚類分析樹狀圖Fig.4 Dendrogram of cluster analysis on water quality index of surface water and eluviation water at the depth of 30 and 60 cm in rice field

在太湖流域開展的相關研究[29]表明，在不同氮肥管理下，水稻生育期內田面水中PP為磷素主要形態(tài)。根據(jù)全量指標間的相關性，稻田田面水中TP和PP呈高度相關，故選取PP代替TP進入最小數(shù)據(jù)集；PO43--P為DTP的主要組成部分，兩者呈明顯正相關，故選取DTP進入最小數(shù)據(jù)集。氮素指標中NO3--N在10～15聚合水平上與DTN、NH4+-N、TN分類差異明顯，選取NO3--N進入最小數(shù)據(jù)集；田面水中DTN、NH4+-N和TN這3者之間相關顯著，葉玉適等[30]研究表明，淹水稻田的土壤和田面水硝化作用都較弱，大部分時間內水稻生育期田面水中氮素以NH4+-N為主，筆者研究中生育期內NH4+-N平均濃度占TN濃度的比例達64.49%，為氮素主要成分，故選取NH4+-N進入最小數(shù)據(jù)集。

根據(jù)30 cm深度淋溶水氮磷指標聚類分析結果，聚合水平在15～20之間時，NO3--N被單獨劃分為一類，直接進入指標集合。在水稻生長期內，淋溶水中溶解態(tài)總磷(DTP)為磷素主要形態(tài)[31]，選取DTP代替PO43--P進入指標集合。鑒于TP與DTP呈高度相關，選擇與TP同組的PP進入指標集合；NH4+-N在土壤中遷移能力較弱，且土壤處于水分飽和強還原狀態(tài)，減少了NH4+-N向NO3--N的轉化，NH4+-N是氮素的主要存在形態(tài)[32]；選取PP、DTP、NH4+-N和NO3--N作為30 cm深度淋溶水的水質評價監(jiān)測最小指標集合。

由于長江下游地區(qū)稻田土壤肥沃，有機質和黏粒含量較高，對PP有較強的吸附作用，難以隨水分運動進入淋溶水[4]，DTP成為該地區(qū)淋溶水中磷素主要形態(tài)。在60 cm深度淋溶水的各項指標中，聚合水平為15～20時DTP與PO43--P組合為一類，選取DTP進入監(jiān)測最小數(shù)據(jù)集；TP與DTP高度相關，以PP代替TP進入最小數(shù)據(jù)集；聚合水平在15～20之間時，NO3--N被單獨劃分為一類，故最小數(shù)據(jù)集應包含NO3--N；而NO3--N與DTN相關性較高，選取TN進入最小數(shù)據(jù)集。

基于聚類分析確定水質監(jiān)測指標，田面水和30 cm深度淋溶水監(jiān)測指標具有一致性，均為DTP、PP、NH4+-N和NO3--N，60 cm深度淋溶水的聚類分析篩選指標則為DTP、PP、TN和NO3--N。

2.3 基于主成分分析建立的最小數(shù)據(jù)集

由表1～3可知，田面水和60 cm深度淋溶水水質評價指標中特征值大于1的有3個主成分，累計貢獻值分別為87.913%和85.126%；30 cm深度淋溶水指標中特征值大于1的有4個主成分，累計貢獻值為85.780%，均滿足信息提取要求。田面水中TP、DTP、PP和PO43--P進入第1組，TP的Norm值最高，且與DTP、PP和PO43--P相關性高(決定系數(shù)R2分別為0.671**、0.561**和0.515**)，則TP進入最小數(shù)據(jù)集。第2組中DTN與TN高度相關(0.822**)，結合Norm值考慮剔除TN和NH4+-N。第3組中僅有NO3--N直接進入最小數(shù)據(jù)集。

表1 田面水水質指標載荷矩陣和Norm值Table 1 Load matrix and Norm value of the surface water quality evaluation

30 cm深度淋溶水中全量指標依據(jù)Norm值計算，可劃分為4組。第1組由TN、DTN和NH4+-N組成，DTN的Norm值為組內最高，且分別與TN和NH4+-N高度相關(0.639**和0.911**)，故代表第1組入選最小數(shù)據(jù)集。第2組指標中PP和TP相關性高(0.896**)，且TP的Norm值大于PP，故PP被剔除，DTP與PO43--P組成第3組，其中，PO43--P的Norm值高于DTP，且與DTP高度相關(0.853**)，并且DTP位于PO43--P的Norm值10%范圍內，選擇PO43--P入選最小數(shù)據(jù)集。與田面水相似，NO3--N被單獨劃分為一組，進入最小數(shù)據(jù)集。

60 cm深度淋溶水中8項氮磷指標按照載荷矩陣和Norm值計算，可分為3組，第1組包含TN、DTN和NH4+-N，其中，TN與NH4+-N高度相關(0.921**)，且Norm值均位于DTN的10%變化范圍內，故選取DTN代表第1組入選最小數(shù)據(jù)集，NO3--N、TP和PP構成第2組，根據(jù)Norm值剔除PP，NO3--N與TP相關性較低(0.257**)，故NO3--N與TP共同進入最小數(shù)據(jù)集。結合Norm值和指標間相關性，第3組中DTP被確定為最小數(shù)據(jù)集組成指標。

表2 30 cm深度淋溶水水質指標載荷矩陣和Norm值Table 2 Load matrix and Norm value of the water quality evaluation at the depth of 30 cm

表3 60 cm深度淋溶水水質指標載荷矩陣和Norm值Table 3 Load matrix and Norm value of the water quality evaluation at the depth of 60 cm

綜上分析，基于主成分分析結合Norm值計算篩選所得田面水監(jiān)測指標為TP、DTN和NO3--N，30 cm深度淋溶水監(jiān)測指標為TP、DTN、NO3--N和PO43--P，60 cm深度淋溶水監(jiān)測指標為TP、DTN、NO3--N和DTP。

2.4 最小數(shù)據(jù)集合理性的驗證

比較基于不同數(shù)據(jù)集的水質綜合得分變化范圍、均值，水質綜合得分與全量數(shù)據(jù)集水質指數(shù)的相關性，以及Nash系數(shù)，從而驗證最小數(shù)據(jù)集評價指標體系的合理性，是檢驗指標篩選結果的重要環(huán)節(jié)。田面水全量數(shù)據(jù)集水質指數(shù)(WQI-TDS)變化幅度為-0.838 6～1.722 3，平均值±標準差為0.002 62±0.003；基于主成分分析的田面水水質指數(shù)(WQI-PCA)在-0.661 2～3.035 8之間變化，平均值±標準差為0.002 32±0.002；基于聚類分析的田面水水質指數(shù)(WQI-CA)變化區(qū)間為-0.529 1～2.828 7，平均值±標準差為-0.004 49±0.05(圖5)。

圖5 全量數(shù)據(jù)集水質綜合得分(WQI-TDS)分別與基于主成分分析(WQI-PCA)和聚類分析的最小數(shù)據(jù)集水質綜合得分(WQI-CA)的相關性Fig.5 The correlation between the comprehensive score of water quality of the total data set (WQI-TDS) and the comprehensive score of the minimum data set based on principal component analysis (WQI-PCA) and cluster analysis (WQI-CA) respectively

30 cm深度淋溶水的WQI-TDS變化范圍為-0.578 4～1.969 4，平均值±標準差為-0.004 37±0.001 2，WQI-PCA范圍為-0.589 9～2.034，平均值±標準差為-0.003 39±0.000 9；WQI-CA范圍為-0.653 4～3.138 1，平均值±標準差為-0.003 7±0.007。

60 cm深度淋溶水WQI-TDS、WQI-PCA和WQI-CA區(qū)間分別為-0.639 5～2.849 7、-0.676 1～2.159 6和-2.179 18～7.508 6，平均值±標準差各為-0.001 25±0.004、-0.001 47±0.001和-0.007 7±0.09。

上述結果表明田面水以及30和60 cm深度淋溶水WQI-PCA變化幅度及均值較WQI-CA更接近于WQI-TDS。從擬合結果(圖5)來看，WQI-TDS分別與WQI-PCA、WQI-CA呈現(xiàn)顯著正相關，其中，田面水R2分別為0.861和0.717，30 cm深度淋溶水R2分別為0.877和0.840，60 cm深度淋溶水R2分別為0.861和0.865，總體上WQI-PCA擬合結果較WQI-CA更優(yōu)。田面水以及30和60 cm深度淋溶水WQI-TDS與WQI-PCA的Nash系數(shù)分別為0.861、0.876和0.856，而WQI-TDS與WQI-CA的Nash系數(shù)分別為0.712、0.796和0.787，結果表明采用基于最小數(shù)據(jù)集-主成分分析(MDS-PCA)對稻田田面水和淋溶水水質評價的準確性較基于最小數(shù)據(jù)集-聚類分析(MDS-CA)更高，故選擇MDS-PCA代替全量數(shù)據(jù)集對稻田氮磷污染和水質情況進行評價。

3 結論

由于受肥料施用、降雨、地形、土壤性質和水稻生產(chǎn)方式等自然 或人文因素的影響，稻田面源污染的產(chǎn)生和排放具有分散面廣、隨機性強、不易監(jiān)測和難以量化等特點，使得稻田面源污染水質監(jiān)測變得復雜和繁瑣。目前，在科學研究過程中稻田面源污染監(jiān)測實踐仍然存在著監(jiān)測方法繁瑣、監(jiān)測指標眾多和監(jiān)測工作耗時費力等缺點，使得監(jiān)測工作局限于小范圍、短時間內進行，無法滿足實際農業(yè)環(huán)境的監(jiān)測和管理需要。

對上海市青浦區(qū)現(xiàn)代農業(yè)園內水稻田田面水以及地下30和60 cm深度淋溶水氮磷指標的全量數(shù)據(jù)集和最小數(shù)據(jù)集監(jiān)測指標進行分析和評估比較。分別應用主成分分析和聚類分析從稻田田面水以及30和60 cm深度淋溶水的8項氮磷污染監(jiān)測指標中篩選出3～4項作為監(jiān)測指標最小數(shù)據(jù)集。基于不同數(shù)據(jù)集的稻田田面水和淋溶水水質評價結果及相關性差異明顯，應用基于主成分分析最小數(shù)據(jù)集的水質評價結果在變化范圍、均值方面比基于聚類分析的最小數(shù)據(jù)集表現(xiàn)得更接近于全量數(shù)據(jù)集結果，同時，前者與全量數(shù)據(jù)集的Nash系數(shù)及相關性系數(shù)均高于后者。研究結果表明采用基于主成分分析的最小數(shù)據(jù)集(MDS-PCA)對稻田田面水和淋溶水水質評價的準確性較基于聚類分析(MDS-CA)的最小數(shù)據(jù)集更高，可選擇MDS-PCA代替全量數(shù)據(jù)集對稻田氮磷污染和水質情況進行評價?；谧钚?shù)據(jù)集篩選出的監(jiān)測指標數(shù)量明顯少于科學研究中氮磷監(jiān)測指標，能簡化監(jiān)測環(huán)節(jié)，減少人力、物力和時間的投入，為環(huán)保部門實施農業(yè)面源污染水質監(jiān)測提供便捷的方法。