袁培炎,李尚書(shū),張琪琪,何天煜,劉 靜,3,劉 國(guó),3

1.成都理工大學(xué)生態(tài)環(huán)境學(xué)院,四川 成都 610059

2.成都理工大學(xué),國(guó)家環(huán)境保護(hù)水土污染協(xié)同控制與聯(lián)合修復(fù)重點(diǎn)實(shí)驗(yàn)室,四川 成都 610059

3.成都理工大學(xué),地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國(guó)家重點(diǎn)實(shí)驗(yàn)室,四川 成都 610059

隨著社會(huì)經(jīng)濟(jì)的高速發(fā)展,大量的工業(yè)廢水、生活污水、畜禽養(yǎng)殖廢水等污染水體被排入河流,有機(jī)污染物不斷消耗著水體中大量溶解氧,使其受到嚴(yán)重的污染,當(dāng)超過(guò)水體自身的自?xún)裟芰r(shí),水體會(huì)呈缺氧或者厭氧狀態(tài),并產(chǎn)生氨、硫化氫等惡臭物質(zhì)使河道發(fā)臭,同時(shí)其中存在的鐵、錳等離子也會(huì)被吸附、轉(zhuǎn)化使河道發(fā)黑,形成了一種顏色泛黑、味道令人不適的黑臭水體[1],直接影響居民的身心健康與水生態(tài)系統(tǒng)的穩(wěn)定性發(fā)展,黑臭水體高效精準(zhǔn)治理迫在眉睫。

自2015 年《水污染防治行動(dòng)計(jì)劃》發(fā)布至今,我國(guó)大城市深入開(kāi)展了黑臭水體治理攻堅(jiān)行動(dòng),并基于《城市黑臭水體整治工作指南》完成城市黑臭水體的篩查與治理效果評(píng)價(jià),但指南評(píng)價(jià)方法未明確區(qū)分水體的黑度與臭度。 目前有關(guān)水體黑臭程度評(píng)價(jià)常用的模型通常是將水質(zhì)指標(biāo)參數(shù)與各種數(shù)理模型或方法相結(jié)合,主要包括多因子綜合指數(shù)模型[2]、多元非線(xiàn)性回歸模型[3]、人工神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型[4]和模糊綜合評(píng)價(jià)模型等[5-6],上述模型方法雖然能夠判斷各水質(zhì)因子對(duì)水體黑臭的影響程度,但存在普適性較差、評(píng)價(jià)結(jié)果不準(zhǔn)確、無(wú)法判斷水體黑臭程度等問(wèn)題,尤其是模糊綜合評(píng)價(jià)模型,在其隸屬函數(shù)確定過(guò)程中,易出現(xiàn)權(quán)重分配不合理[7]等情況,影響評(píng)價(jià)結(jié)果的準(zhǔn)確性。 上述模型方法均無(wú)法對(duì)水體的黑或臭進(jìn)行獨(dú)立判斷,而在實(shí)際巡查過(guò)程中廣泛存在著水體黑或臭獨(dú)立出現(xiàn)的情況[8],導(dǎo)致在統(tǒng)一評(píng)價(jià)模式下,極易出現(xiàn)沒(méi)有針對(duì)性的河道治理技術(shù)組合體系,使得治理效果不佳。 魏文龍等[9]利用多元線(xiàn)性回歸及有序Logistic 回歸建立的發(fā)臭回歸模型,也證明了黑臭水體獨(dú)立評(píng)價(jià)的可行性,但需進(jìn)一步確定評(píng)價(jià)指標(biāo)與水體黑臭程度的相關(guān)性。 為提高黑臭水體治理的精確性,降低治理管護(hù)費(fèi)用,支持2025 年基本消除縣鄉(xiāng)黑臭水體的目標(biāo),急需完善和改進(jìn)現(xiàn)有黑臭水體的評(píng)價(jià)方法,建立黑臭程度獨(dú)立評(píng)價(jià)的方法,更準(zhǔn)確地反映水體黑臭的程度。

本文擬通過(guò)對(duì)四川盆地及周邊17 條黑臭河道進(jìn)行采樣監(jiān)測(cè)分析,利用相關(guān)性分析、主成分分析確定黑臭河道發(fā)黑、發(fā)臭的特征因子,并基于特征因子建立黑臭水體黑度和臭度的獨(dú)立評(píng)價(jià)模型,以實(shí)現(xiàn)對(duì)河道黑度和臭度的獨(dú)立評(píng)估,最終結(jié)合實(shí)際水體的人體感官評(píng)價(jià)進(jìn)行對(duì)比,完成模型方法的準(zhǔn)確性驗(yàn)證,為水體的黑臭程度獨(dú)立評(píng)價(jià)提供依據(jù)。

1 研究方法

1.1 區(qū)域概況

本研究以四川盆地及周邊曾經(jīng)或正在發(fā)生黑臭的城市內(nèi)河道為研究對(duì)象,主要涉及成都、宜賓、眉山、樂(lè)山、廣元、南充、達(dá)州等在內(nèi)的11 個(gè)市區(qū)的17 條河流,以長(zhǎng)江水系為主。 研究區(qū)域位于東經(jīng)103°78'～106°04'和北緯28°75'～32°42',屬于亞熱帶濕潤(rùn)氣候,夏季高溫多雨,冬季溫和濕潤(rùn),年降水量為900 ～1 200 mm。

2019 年冬季12 月開(kāi)展河道的監(jiān)測(cè)采樣工作,其中丁家堰、麻柳河、古堰溪、金魚(yú)河、釜溪河、海濱堰匯入沱江水系;鳳凰溪匯入長(zhǎng)江水系;木龍河匯入涪江水系;周家溝、曾家橋溝、駝峰溝、鳳椏河匯入嘉陵江水系;玉溪河、黑沱河、申家沖溝、松江、鳳凰河匯入岷江水系,河道沿線(xiàn)流經(jīng)農(nóng)田、工廠(chǎng)、居住地等。 參照《地表水和污水監(jiān)測(cè)技術(shù)規(guī)范》(HJ/T 91—2002)對(duì)17 條河流各選取1 ～2 個(gè)監(jiān)測(cè)斷面進(jìn)行采樣(監(jiān)測(cè)斷面具體坐標(biāo)見(jiàn)表1),共采集了21 處水樣。

表1 監(jiān)測(cè)斷面坐標(biāo)信息Table 1 Coordinate information of monitoring points

1.2 水樣采集與分析方法

參照《地表水和污水監(jiān)測(cè)技術(shù)規(guī)范》(HJ/T 91—2002)、《水質(zhì)采樣樣品的保存和管理技術(shù)規(guī)定》(HJ 493—2009)等標(biāo)準(zhǔn)對(duì)水質(zhì)樣品進(jìn)行采集,水樣須裝滿(mǎn)容器至溢出不留氣體。 樣品采集后立即裝入聚乙烯塑料瓶和棕色玻璃瓶中保存,棕色玻璃瓶中加入(CH3COO)2Zn(乙酸鋅)和NaOH 以固定水樣。

本次調(diào)查的水質(zhì)監(jiān)測(cè)與分析指標(biāo):CODCr(重鉻酸鹽指數(shù))、BOD5(五日生化需氧量)、TOC(總有機(jī)碳)、TP(總磷)、硫化物、NH3-N(氨氮)、總鐵、總錳、臭閾值(在48 h 內(nèi)完成測(cè)定);DO(溶解氧)、ORP(氧化還原電位)、透明度、pH、溫度及黑臭程度(在現(xiàn)場(chǎng)完成測(cè)定)。 其中,CODCr根據(jù)《水質(zhì) 化學(xué)需氧量的測(cè)定 快速消解分光光度法》(HJ/T 399—2007)測(cè)定;BOD5根據(jù)《水質(zhì) 五日生化需氧量(BOD5)的測(cè)定 稀釋與接種法》 (HJ 505—2009)測(cè)定;TOC 根據(jù)《水質(zhì) 總有機(jī)碳的測(cè)定 燃燒氧化-非分散紅外吸收法》 (HJ 201—2009)測(cè)定;TP 根據(jù)《水質(zhì) 總磷的測(cè)定 鉬酸銨分光光度法》(GB 11893—89)測(cè)定;硫化物根據(jù)《水質(zhì) 硫化物的測(cè)定 碘量法》(HJ/T 60—2000)測(cè)定;NH3-N 根據(jù)《水質(zhì) 氨氮的測(cè)定 納氏試劑分光光度法》(HJ 535—2009)測(cè)定;總鐵和總錳根據(jù)《水質(zhì) 鐵、錳的測(cè)定 火焰原子吸收分光光度法》(GB/T 11911—1989)測(cè)定。

DO、ORP、透明度、pH 和溫度等指標(biāo)參照《水和廢水監(jiān)測(cè)分析方法》[10]、《溶解氧(DO)水質(zhì)自動(dòng)分析儀技術(shù)要求》(HJ/T 99—2003)等標(biāo)準(zhǔn)通過(guò)便攜式測(cè)定儀現(xiàn)場(chǎng)測(cè)定;臭閾值通過(guò)稀釋倍數(shù)法表征[11]。

2 城市河道黑臭特征因子篩選

本研究在21 個(gè)監(jiān)測(cè)點(diǎn)位通過(guò)水樣采集獲取CODCr、BOD5、TOC、TP、硫化物、總鐵、總錳、臭閾值、DO、ORP、NH3-N、pH、透明度等13 項(xiàng)檢測(cè)參數(shù)。 利用Spearman 相關(guān)性分析,分別識(shí)別與臭閾值和透明度有關(guān)的水質(zhì)檢測(cè)參數(shù),然后在此基礎(chǔ)上采用主成分分析法提取出影響河道黑度和臭度的特征因子,為后期黑臭程度獨(dú)立評(píng)價(jià)模型的建立以及針對(duì)性河道治理措施的提出奠定理論基礎(chǔ)。

2.1 相關(guān)性分析

通過(guò)相關(guān)性分析能夠定量衡量出多個(gè)具有同等地位的變量之間的密切程度,且因黑臭水體的影響因子間為非確定性關(guān)系,各因子不連續(xù)獨(dú)立分散,而水質(zhì)的各項(xiàng)理化指標(biāo)為連續(xù)變量[12],故研究利用IBM SPSS Statistics 20 對(duì)采樣獲取的13項(xiàng)影響因子進(jìn)行Spearman 相關(guān)性分析,分別判斷影響因子與水體黑或臭的關(guān)聯(lián)程度,當(dāng)分析結(jié)果處于95%的置信區(qū)內(nèi)說(shuō)明具有統(tǒng)計(jì)學(xué)意義(P ＜0.05)。

2.2 主成分分析

主成分分析法是多元分析法的一種,研究采用主成分分析法分別提取出能夠充分解釋水體黑度和臭度信息的因子,作為建立水體黑臭程度評(píng)價(jià)模型的特征因子[13-14]。

1)初始數(shù)據(jù)的標(biāo)準(zhǔn)化處理。 避免由于數(shù)量級(jí)與量綱不同對(duì)各項(xiàng)水質(zhì)參數(shù)的影響,進(jìn)行標(biāo)準(zhǔn)化處理:

式中: Xij為原始數(shù)據(jù); Xj和Sj分別為第j 個(gè)參數(shù)指標(biāo)的均值和標(biāo)準(zhǔn)差。

2)計(jì)算相關(guān)系數(shù)矩陣。 依據(jù)標(biāo)準(zhǔn)化后的數(shù)據(jù)和已經(jīng)求得的Spearman 相關(guān)系數(shù)來(lái)確定原始參數(shù)指標(biāo)的相關(guān)系數(shù)矩陣R。

式中: rij為原始指標(biāo)變量Xi和Xj的Spearman 相關(guān)系數(shù), rij= rji。

3)計(jì)算矩陣R 的特征值與特征向量。 計(jì)算相關(guān)系數(shù)矩陣R 的特征值λi,將特征值按從大到小的順序排列并求得對(duì)應(yīng)的特征向量,要求特征向量滿(mǎn)足=1,uij為特征向量的第j 個(gè)分量。

4)計(jì)算主成分的貢獻(xiàn)率。

式中:ei為主成分貢獻(xiàn)率;Ei為累計(jì)方差貢獻(xiàn)率。

此次因子分析提取選擇累計(jì)貢獻(xiàn)率達(dá)到90%以上的特征值所對(duì)應(yīng)的指標(biāo)變量為主成分。

5)計(jì)算所提取主成分的荷載。 為了確定各單項(xiàng)指標(biāo)對(duì)主成分的重要性影響程度,計(jì)算主成分荷載值lij=。

最后,根據(jù)累計(jì)方差貢獻(xiàn)率確定的主成分個(gè)數(shù)并結(jié)合主成分荷載值來(lái)選取各個(gè)主成分的主要影響因子,綜合分析后確定黑臭獨(dú)立評(píng)價(jià)模型的特征因子。

3 黑臭河道評(píng)價(jià)模型的構(gòu)建

3.1 改進(jìn)模糊綜合評(píng)價(jià)模型

傳統(tǒng)模糊綜合評(píng)價(jià)法主要包括評(píng)價(jià)指標(biāo)的構(gòu)建(確定因子集、評(píng)語(yǔ)集)、構(gòu)建權(quán)重集、構(gòu)建評(píng)判隸屬矩陣、進(jìn)行模糊評(píng)判[15]。

為了實(shí)現(xiàn)對(duì)黑臭水體臭度的精準(zhǔn)分級(jí),在傳統(tǒng)模糊綜合評(píng)價(jià)模型的基礎(chǔ)上,將因子集的建立與主成分分析確定的特征因子相結(jié)合;在權(quán)重確定方面,采用層次分析法對(duì)因子權(quán)重進(jìn)行優(yōu)化[16],通過(guò)MATLAB 2017a 軟件進(jìn)行計(jì)算。

3.1.1 確定因子集和評(píng)語(yǔ)集

將通過(guò)相關(guān)性分析、主成分分析法篩選確定的影響水體發(fā)臭的特征因子作為改進(jìn)模糊綜合評(píng)價(jià)模型的因子集,即U={A,B,C,D,E}。 針對(duì)河道黑臭水體的發(fā)臭程度,將評(píng)語(yǔ)集設(shè)計(jì)為V={無(wú)嗅、淡腥臭、微臭、臭、惡臭}五大類(lèi)。

3.1.2 確定權(quán)重系數(shù)

層次分析法通常包括5 個(gè)步驟:第一步,確定決策問(wèn)題;第二步,進(jìn)行成對(duì)比較,構(gòu)造各級(jí)判斷矩陣;第三步,構(gòu)建兩兩比較矩陣;第四步,計(jì)算特征值;第五步,完成一致性檢查[17]。 然后建立判斷矩陣,假設(shè)判斷矩陣A 為:

式中aij表示指標(biāo)元素i 相對(duì)于j 的重要性程度。

在判斷矩陣中,利用方根法計(jì)算判斷矩陣的最大特征值λmax:

式中Wi為下層第i 個(gè)因素對(duì)上層指標(biāo)的重要性權(quán)重值。

最后對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn),判斷指標(biāo)權(quán)重值是否合理。 計(jì)算公式:

式中:CI 為判斷矩陣偏離的指標(biāo);CR 為隨機(jī)一致性比。

按規(guī)定,當(dāng)CR＜0.1 時(shí),判斷矩陣的一致性是可以接受的,否則需要修改判斷矩陣以滿(mǎn)足一致性要求,其中RI 根據(jù)判斷矩陣階數(shù)確定取值為0.9。

3.1.3 確定模糊關(guān)系矩陣

評(píng)判矩陣由各指標(biāo)隸屬度組成,隸屬度指所選因子與評(píng)語(yǔ)集的隸屬關(guān)系,值趨于1 則表示該指標(biāo)對(duì)該水質(zhì)等級(jí)隸屬度越高[18],各因子在各評(píng)價(jià)等級(jí)的隸屬度可由下面的式子確定DO(溶解氧)除外,當(dāng)因素為DO 時(shí),等級(jí)數(shù)越小水質(zhì)越差,則需要用1 減去得到的值:

式中:x 為實(shí)測(cè)值;m 指臭度分類(lèi)等級(jí);em指臭度分類(lèi)對(duì)應(yīng)的值。

3.1.4 模糊綜合評(píng)價(jià)

模糊合成算子采用加權(quán)平均型,根據(jù)權(quán)重AWi與評(píng)判矩陣R,計(jì)算得出模糊綜合評(píng)價(jià)結(jié)果B:

由此得到模糊綜合評(píng)價(jià)B 后,以max(B)作為最終的水質(zhì)評(píng)價(jià)等級(jí)。

3.2 基于K-均值聚類(lèi)的主顏色提取法評(píng)價(jià)模型

本研究以 Python3.6 設(shè)計(jì)語(yǔ)言,Pycharm 2017.3 作為編譯器,以Numpy、Matplotlib、PIL 等程序包為基礎(chǔ),在K-均值聚類(lèi)法的基礎(chǔ)上結(jié)合顏色模型搭建主顏色提取法評(píng)價(jià)模型。

該模型首先將圖片像素點(diǎn)的顏色信號(hào)分為色調(diào)(H)、飽和度(S)、明度(V),色調(diào)包括紅(R)、綠(G)、藍(lán)(B)3 種,S 和V 分別表示顏色的深淺程度、明亮程度,并以百分比進(jìn)行度量[19],再利用K-均值聚類(lèi)法計(jì)算圖片像素點(diǎn)與聚類(lèi)中心樣本點(diǎn)的最小歐氏距離[20],使相似像素點(diǎn)重新分類(lèi)組織[21],根據(jù)聚類(lèi)集群的組成個(gè)數(shù)數(shù)量,快速、準(zhǔn)確篩選出最能夠代表水體顏色的一類(lèi)作為主顏色,并引入灰度模型判斷水體主顏色與黑色的接近度,對(duì)其發(fā)黑程度進(jìn)行量化,從而實(shí)現(xiàn)水體黑度的分級(jí)評(píng)價(jià)。

主要步驟:①計(jì)算黑臭水體圖像每個(gè)像素點(diǎn)的HSV(色調(diào)、飽和度、明度);②隨機(jī)確定M 個(gè)最優(yōu)的聚類(lèi)中心樣本點(diǎn),將圖形分割成M 類(lèi),計(jì)算其聚類(lèi)中心樣本點(diǎn)的HSV;③逐個(gè)計(jì)算M 類(lèi)中每個(gè)像素點(diǎn)的HSV 與各個(gè)類(lèi)中心樣本點(diǎn)的歐氏距離,根據(jù)歐式距離進(jìn)行重新分類(lèi);④將中心樣本點(diǎn)移動(dòng)至所在類(lèi)的中心,再重新計(jì)算所有像素點(diǎn)的HSV 到新中心樣本點(diǎn)的歐氏距離,并進(jìn)行重新分類(lèi);⑤多次重復(fù)③、④步驟,得到多個(gè)集群;⑥剔除聚類(lèi)數(shù)量小于5%的集群后,選取數(shù)量最多的一類(lèi)作為主顏色,并進(jìn)行主顏色排序[22];⑦使用灰度模型計(jì)算提取的主顏色灰度Gray=R×0.299+G×0.587+B×0.114;⑧根據(jù)灰度判斷水體黑度評(píng)價(jià)模型。 結(jié)合現(xiàn)場(chǎng)河流實(shí)際情況,確定黑度獨(dú)立等級(jí)為灰黑、黃綠、透明,等級(jí)對(duì)照見(jiàn)表2。

表2 水體黑度評(píng)價(jià)等級(jí)對(duì)照表Table 2 Comparison table of water blackness evaluation grade

3.3 準(zhǔn)確性驗(yàn)證

河道黑臭水體的表觀會(huì)呈現(xiàn)黑或者泛黑的顏色并散發(fā)出刺鼻的氣味,人體感官特征評(píng)價(jià)是較為直接地反映出河道水質(zhì)黑臭狀況的方法。 本研究從黑度和臭度2 個(gè)方面,利用人體感官評(píng)價(jià)來(lái)對(duì)黑臭程度獨(dú)立評(píng)價(jià)模型的準(zhǔn)確度進(jìn)行驗(yàn)證。 共由5 名隨行人員作為恒定測(cè)試者,年齡段為20 ～40 歲,此外由于研究共監(jiān)測(cè)了17 條河流的21 處水樣,部分河段還會(huì)隨機(jī)請(qǐng)采樣點(diǎn)周邊4 ～5 名當(dāng)?shù)鼐用駞⑴c測(cè)試(測(cè)試者的視覺(jué)、嗅覺(jué)均正常,且保證其不因感冒或厭煩而對(duì)測(cè)試結(jié)果產(chǎn)生影響),通過(guò)對(duì)水體色度和臭度的現(xiàn)場(chǎng)感官判斷進(jìn)行黑臭程度的等級(jí)評(píng)價(jià)。 根據(jù)水體氣味的刺鼻程度劃分為無(wú)嗅、淡腥臭、微臭、臭、惡臭5 個(gè)等級(jí),其中無(wú)嗅為貼近水面無(wú)感覺(jué),淡腥臭為貼近水面有水體原有氣味,微臭為貼近水面有感覺(jué),臭為站在河道旁有感覺(jué),惡臭為距離河道1 m以外有感覺(jué);根據(jù)水色的深淺劃分為透明、黃綠、灰黑3 個(gè)等級(jí),選取測(cè)試者人體感官評(píng)價(jià)的多數(shù)值與模型評(píng)價(jià)等級(jí)結(jié)果對(duì)比,進(jìn)行準(zhǔn)確性驗(yàn)證。

3.4 其他評(píng)價(jià)方法對(duì)比

單因子評(píng)價(jià)法[23]是通過(guò)確定影響水體黑臭的主要指標(biāo),用實(shí)際監(jiān)測(cè)指標(biāo)與其閾值相比較來(lái)確定。 研究主要采用黑臭單因子污染指數(shù)I,當(dāng)I≥5 時(shí),認(rèn)定為黑臭。 而綜合指數(shù)法是一種可以較為完善描述多因子作用下水質(zhì)情況的方法,該模型綜合考慮了CODCr、BOD5、DO、NH3-N、TP 這5 種因素對(duì)水體黑臭程度的影響,綜合水質(zhì)指數(shù)計(jì)算方法:

式中:I 為綜合水質(zhì)指數(shù);X1為河道綜合水質(zhì)類(lèi)別;X2為數(shù)據(jù)在X1類(lèi)水質(zhì)變化區(qū)中的位置;X3為低于水質(zhì)指標(biāo)的個(gè)數(shù);X4為綜合污染程度;Pi為第i 項(xiàng)指標(biāo)的實(shí)測(cè)濃度。

黑臭閾值法則是根據(jù)現(xiàn)場(chǎng)測(cè)量的指標(biāo)數(shù)據(jù)與水體黑臭程度的閾值(其中黑度的閾值為21.5,臭度的閾值為15)相比較[24]。

4 結(jié)果與討論

4.1 特征因子提取

4.1.1 相關(guān)性分析

利用相關(guān)性分析法分析河道水體中各物化指標(biāo)間的關(guān)系,得出相關(guān)系數(shù)見(jiàn)表3。 從表3 可以看出:臭閾值與TOC、NH3-N、COD、TP、DO 的相關(guān)系數(shù)為0.5 ～0.8,呈顯著相關(guān)性。

表3 相關(guān)性分析結(jié)果Table 3 Results of correlation analysis

隨著工業(yè)污水、生活污水的大量排放,河道中的NH3-N、TOC、COD 以及TP 指標(biāo)會(huì)不斷增加,水體中的DO 會(huì)隨著有機(jī)污染物的好氧分解被消耗而減少,導(dǎo)致河道水體發(fā)臭,臭閾值上升。 這是由于當(dāng)水體的復(fù)氧速率小于好氧速率時(shí),水體就會(huì)缺氧,并伴隨著厭氧微生物大量生長(zhǎng),厭氧微生物在降解過(guò)程中會(huì)產(chǎn)生H2S、NH3等發(fā)臭氣體以及甲硫醇、硫醚類(lèi)等揮發(fā)性有機(jī)物,這些發(fā)臭氣體和揮發(fā)性物質(zhì)逸出水面進(jìn)入大氣就會(huì)使得河道發(fā)臭[25-29];同時(shí),由于河道中存在大量的NH3-N,且水體處于缺氧狀態(tài),河道中水生動(dòng)物的生長(zhǎng)會(huì)受到嚴(yán)重影響,甚至?xí)?dǎo)致死亡[30-31],引起水質(zhì)惡化并散發(fā)出臭味。

透明度與TOC、COD、BOD、總鐵、總錳、DO 的相關(guān)系數(shù)為0.4 ～0.7,關(guān)系緊密。 河道水體中總鐵、總錳含量上升會(huì)導(dǎo)致水體發(fā)黑,透明度下降。這是由于河道中DO 降低,水體呈還原狀態(tài),厭氧微生物降解產(chǎn)生H2S。 H2S 會(huì)散發(fā)出臭雞蛋味,還極易溶于水,與水體中存在的Fe2+、Mn2+等還原性物質(zhì),在水中腐殖酸和富里酸的吸附絡(luò)合下形成黑色沉積物FeS 和MnS 等[32-33],FeS 和MnS 一部分沉積在水下,一部分懸浮在水面使得水體發(fā)黑,透明度下降。

4.1.2 特征因子提取

由于臭閾值和透明度與多項(xiàng)水質(zhì)檢測(cè)參數(shù)具有一定的相關(guān)性,數(shù)據(jù)標(biāo)準(zhǔn)化后,經(jīng)主成分分析法得到各因子的特征值及貢獻(xiàn)率和總解釋方差,在保證因子貢獻(xiàn)率符合提取要求的同時(shí)獲取影響河道黑度和臭度的特征因子。

由表4 中每個(gè)變量提取的信息可以看出,除硫化物的提取信息為47.5%外,其他因子都提取了超過(guò)50%的信息。

表4 公因子方差Table 4 Common factor variance results

根據(jù)相關(guān)系數(shù)矩陣求得各因子的特征值與貢獻(xiàn)率,總解釋方差結(jié)果見(jiàn)表5,碎石圖見(jiàn)圖1。 由于此次特征因子提取原則為保留90%以上的信息,即累積貢獻(xiàn)率大于90%,因此當(dāng)提取第 1 ～第 5 因子時(shí), 累積貢獻(xiàn)率達(dá)到90.72%,說(shuō)明了這5 個(gè)因子包含了11 種水質(zhì)參數(shù)中90%以上的信息,基本上反映了原始數(shù)據(jù)的信息。

圖1 碎石圖Fig.1 Scree plot

表5 總解釋方差Table 5 Total variance explained

旋轉(zhuǎn)因子載荷矩陣反映的是各項(xiàng)水質(zhì)參數(shù)與5 個(gè)主成分因子之間的關(guān)聯(lián)程度。 由表6 可知:第1 主成分因子對(duì)水體臭度影響最大,累積方差貢獻(xiàn)率達(dá)57.99%,與之關(guān)聯(lián)程度較高的指標(biāo)包括TP (0.788)、 有機(jī)污染物(0.758、 0.755、0.736)、NH3-N(0.663);第2 主成分因子的累積方差貢獻(xiàn)率為18.28%,與之關(guān)聯(lián)程度較高的指標(biāo)為ORP(-0.912);第3 主成分因子的累積方差貢獻(xiàn)率為9.95%,與之密切關(guān)聯(lián)的參數(shù)指標(biāo)為總錳(0.791);第4 主成分因子的累積方差貢獻(xiàn)率為7.53%,總鐵(0.697)和DO(-0.580)與之的關(guān)聯(lián)程度較高;第5 主成分因子的累積方差貢獻(xiàn)率為6.04%,與之關(guān)聯(lián)最密切的參數(shù)指標(biāo)為pH(0.767)。

表6 旋轉(zhuǎn)因子載荷矩陣Table 6 Loading matrix of rotated factors

結(jié)合主成分累積方差貢獻(xiàn)值和旋轉(zhuǎn)因子矩陣的載荷值選取TP、有機(jī)污染物、NH3-N、ORP、DO、pH、總錳、總鐵為特征因子,又根據(jù)此前相關(guān)性分析結(jié)果中總鐵和總錳具有較好的相關(guān)性,COD 和BOD 均是水中有機(jī)物需氧量的綜合指標(biāo),TOC 是有機(jī)物中含碳量的指標(biāo),基于指標(biāo)因子間的交互重疊作用及相關(guān)程度的原因,最終選取影響河道黑臭程度的特征因子為T(mén)P、COD、NH3-N、ORP、DO、pH、總鐵。

由相關(guān)性分析結(jié)果可知,各項(xiàng)水質(zhì)指標(biāo)參數(shù)中TOC、TP、COD、NH3-N、DO、Mn 和臭閾值具有顯著關(guān)聯(lián)性(P＜0.05),TOC、COD、BOD、總鐵、Mn、DO 和透明度具有顯著關(guān)聯(lián)性(P＜0.05),最終確定影響河道臭度的特征因子為T(mén)P、COD、DO、NH3-N,影響河道黑度的特征因子為COD、總鐵、DO,進(jìn)一步確定了改進(jìn)模糊評(píng)價(jià)模型的因子集。

4.2 基于改進(jìn)的模糊評(píng)價(jià)法對(duì)臭度的評(píng)價(jià)結(jié)果與分析

將確定影響河道臭度的4 種因子NH3-N、COD、TP、DO 作為改進(jìn)模糊綜合評(píng)價(jià)模型的評(píng)價(jià)因素集合,即U={COD、NH3-N、TP、DO},以上4個(gè)參數(shù)在21 個(gè)采樣點(diǎn)的取值見(jiàn)圖2。

圖2 DO、TP、NH 3-N 和COD 的采樣數(shù)據(jù)Fig.2 Sampling data of DO,TP,NH 3-N and COD

由層次分析得到的權(quán)重向量見(jiàn)表7。

表7 層次分析法結(jié)果Table 7 Results of analytic hierarchy process

根據(jù)以上的權(quán)重指標(biāo)計(jì)算及一致性檢驗(yàn)結(jié)果可知,該層次分析模型中特征值λ 為4.010 3,CI為0.003 4,CR＜0.01,滿(mǎn)足一致性檢驗(yàn)標(biāo)準(zhǔn)。 其中特征因子權(quán)重排序?yàn)镃OD(0.468 1) ＞NH3-N(0.234 1)＞TP(0.211 5)＞DO(0.086 3)。 因此,確定以A={0.234 1、0.468 1、0.211 5、0.086 3}作為權(quán)重向量,并賦權(quán)重因子于評(píng)價(jià)因素集合U 上。

將層次分析法確定的各項(xiàng)特征因子的權(quán)重與模糊關(guān)系矩陣?yán)霉綇?fù)合計(jì)算后歸一化,從而得到17 條作為研究對(duì)象的城市黑臭河道的臭度獨(dú)立評(píng)價(jià)結(jié)果(表8),以無(wú)嗅、淡腥臭、微臭、臭、惡臭作為結(jié)果分類(lèi)也較為符合實(shí)際情況。 根據(jù)水質(zhì)臭度評(píng)價(jià)等級(jí),其中包括丁家堰在內(nèi)的6 個(gè)監(jiān)測(cè)點(diǎn)位,河道臭度狀態(tài)為無(wú)嗅,基本無(wú)味;鳳凰河上游等5 個(gè)監(jiān)測(cè)點(diǎn)位,水質(zhì)有受到輕微污染,河道臭度狀態(tài)為淡腥臭;申家沖溝等4 個(gè)監(jiān)測(cè)點(diǎn)位,河道臭度狀態(tài)為微臭;金魚(yú)河在內(nèi)的6 個(gè)監(jiān)測(cè)點(diǎn)位,水質(zhì)受到嚴(yán)重污染,河道臭度狀態(tài)為惡臭,嚴(yán)重影響到周邊生物與人類(lèi)的生活。

表8 改進(jìn)模糊綜合評(píng)價(jià)結(jié)果Table 8 Results of improved fuzzy comprehensive evaluation

基于層次分析法改進(jìn)的模糊綜合評(píng)價(jià)模型,結(jié)合多位專(zhuān)家的打分,確定了特征因子權(quán)重大小,科學(xué)和準(zhǔn)確地評(píng)價(jià)了影響臭度的特征因子對(duì)水質(zhì)臭度等級(jí)的貢獻(xiàn)程度。 在將臭度分為無(wú)嗅、淡腥臭、微臭、臭、惡臭5 個(gè)等級(jí)的情況下,人體感官評(píng)價(jià)結(jié)果與模型評(píng)價(jià)結(jié)果具有較好的相關(guān)性,此改進(jìn)模型與實(shí)際值相比,準(zhǔn)確率為66.6%,誤差基本在一個(gè)等級(jí)以?xún)?nèi)的準(zhǔn)確率為85.7%,評(píng)價(jià)結(jié)果較為合理。

4.3 基于K-均值聚類(lèi)的主顏色提取法評(píng)價(jià)模型對(duì)黑度的評(píng)價(jià)結(jié)果與分析

對(duì)21 個(gè)調(diào)查點(diǎn)位使用K-均值聚類(lèi)法確定其對(duì)應(yīng)的主顏色,并利用灰度模型計(jì)算出其Gray值,找到其對(duì)應(yīng)的評(píng)價(jià)等級(jí)。 圖3 為K-均值聚類(lèi)模型評(píng)價(jià)等級(jí)與實(shí)際黑度等級(jí)的對(duì)比。

圖3 G ray 值及評(píng)價(jià)等級(jí)對(duì)比結(jié)果Fig.3 Comparison results of Gray value and evaluation grade

根據(jù)K-均值聚類(lèi)模型對(duì)水體黑度進(jìn)行評(píng)價(jià)得出的評(píng)價(jià)等級(jí)顯示,包括丁家堰、鳳凰溪等在內(nèi)的12 個(gè)監(jiān)測(cè)點(diǎn)位,河道黑度狀態(tài)為透明,水體顏色較淺;黑沱河、金魚(yú)河等7 個(gè)監(jiān)測(cè)點(diǎn)位,水質(zhì)有受到輕微污染,河道黑度狀態(tài)為黃綠色;海濱堰上游和下游等2 個(gè)監(jiān)測(cè)點(diǎn)位,水質(zhì)受到嚴(yán)重污染,河道黑度狀態(tài)為灰黑。

對(duì)比發(fā)現(xiàn),模型評(píng)價(jià)等級(jí)與實(shí)際黑度評(píng)價(jià)等級(jí)基本一致,僅監(jiān)測(cè)點(diǎn)位4(鳳凰溪)、5(申家沖溝)和21(松江)出現(xiàn)評(píng)價(jià)結(jié)果不一致的情況,經(jīng)過(guò)反復(fù)研究確定,是由于拍照角度或者光線(xiàn)原因?qū)е屡臄z的照片受到了影響,對(duì)照片中像素點(diǎn)HSV 的分析也由此受到了影響,這是K-均值聚類(lèi)模型產(chǎn)生誤差的主要原因。

基于K-均值聚類(lèi)法的主顏色提取評(píng)價(jià)模型,能夠快速、準(zhǔn)確地評(píng)價(jià)水體的發(fā)黑程度。 在將水體黑度分為3 個(gè)等級(jí)的情況下,此改進(jìn)模型與實(shí)際值相比,準(zhǔn)確率為85.7%,評(píng)價(jià)結(jié)果合理。

4.4 其他評(píng)價(jià)方法對(duì)比結(jié)果

本研究還采用單因子法、綜合指數(shù)法和閾值法對(duì)水體黑臭程度進(jìn)行評(píng)價(jià),評(píng)價(jià)結(jié)果見(jiàn)表9。由表9 可知,不同的評(píng)價(jià)方法具有不同的評(píng)價(jià)等級(jí)劃分標(biāo)準(zhǔn),且對(duì)于黑臭程度的評(píng)語(yǔ)描述較為單一,只能籠統(tǒng)地概括為有無(wú)黑臭,對(duì)于黑臭程度不能進(jìn)行精細(xì)化地評(píng)價(jià),而且評(píng)價(jià)結(jié)果在一定程度上存在較大差異,例如古堰溪監(jiān)測(cè)位點(diǎn),其單因子評(píng)價(jià)結(jié)果為無(wú)黑臭,但閾值法評(píng)價(jià)結(jié)果為發(fā)黑發(fā)臭。 與本研究采用的評(píng)價(jià)模型相比,上述方法均不能實(shí)現(xiàn)對(duì)黑臭水體的黑度和臭度進(jìn)行準(zhǔn)確的獨(dú)立評(píng)價(jià)。

表9 其他3 種評(píng)價(jià)方法的結(jié)果對(duì)比Table 9 Comparison of the results of the other three evaluation methods

5 結(jié)論

1)在相關(guān)性分析基礎(chǔ)上,研究最終根據(jù)主成分分析結(jié)果從13 項(xiàng)影響水質(zhì)的物化參數(shù)中篩選出COD、總鐵、DO 為河道發(fā)黑的特征因子,TP、COD、NH3-N、DO 為發(fā)臭的特征因子。

2)基于層次分析法優(yōu)化了傳統(tǒng)的模糊綜合評(píng)價(jià)模型,改進(jìn)因子集、評(píng)語(yǔ)集和隸屬度矩陣,實(shí)現(xiàn)對(duì)河道水體臭度獨(dú)立評(píng)價(jià);此外通過(guò)實(shí)現(xiàn)顏色量化構(gòu)建了基于K-均值聚類(lèi)主顏色提取模型實(shí)現(xiàn)對(duì)水體黑度的獨(dú)立評(píng)價(jià)。

3)用人體感官的定性評(píng)價(jià)來(lái)驗(yàn)證黑臭獨(dú)立評(píng)價(jià)模型的準(zhǔn)確性,其中將發(fā)臭程度劃分為無(wú)嗅、水腥臭、微臭、臭、惡臭5 個(gè)評(píng)價(jià)等級(jí),誤差基本控制在一個(gè)等級(jí)以?xún)?nèi)的準(zhǔn)確率為85.7%;將發(fā)黑程度劃分為透明、黃綠、灰黑3 個(gè)評(píng)價(jià)等級(jí),評(píng)價(jià)準(zhǔn)確率為85.7%。 實(shí)現(xiàn)了對(duì)城市河道水質(zhì)更為客觀與快速的評(píng)價(jià),為黑臭水體治理與水質(zhì)提升提供了理論依據(jù)。

4)將本研究評(píng)價(jià)模型與單因子法、綜合指數(shù)法、閾值法結(jié)果進(jìn)行對(duì)比,本研究評(píng)價(jià)模型分級(jí)準(zhǔn)確、合理,能夠?qū)崿F(xiàn)對(duì)河道的黑臭進(jìn)行獨(dú)立分級(jí)評(píng)價(jià)。