基于主成分分析法的黃河呼和浩特段水環(huán)境質(zhì)量評(píng)價(jià)

呂欣格 田劍南 王超 張琨

摘要：基于主成分分析法對(duì)黃河呼和浩特段進(jìn)行了主因子分析、得分排名，從而得出了不同斷面的水環(huán)境質(zhì)量現(xiàn)狀，并進(jìn)行了分析。結(jié)果說(shuō)明：生化需氧量、氨氮、總磷為主成分因子，其總貢獻(xiàn)方差為89.489%；在得分排名中依次為河口鎮(zhèn)（0.212）、喇嘛灣（0.103）、頭道拐（-0.303）；在結(jié)果分析中，生化需氧量處于3.00-3.600mg/m3之間，為該段流域的最大值污染物，且頭道拐斷面污染程度最大。主成分分析法反映了該段流域7類主要污染物、3個(gè)斷面及整個(gè)斷面的聯(lián)系及區(qū)別。通過(guò)進(jìn)一步分析，表明該評(píng)價(jià)方法是客觀合理的，同時(shí)也揭示了此方法在監(jiān)測(cè)因子和監(jiān)測(cè)量不足的情況下較為實(shí)用。

關(guān)鍵詞：主成分分析；水環(huán)境；污染物；評(píng)價(jià)；分析

中圖分類號(hào)：TV131.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-672X（2016）05-0015-06

DOI：10.16647/j.cnki.cn15-1369/X.2016.05.004

Water environment quality assessment Based on Principal Component

Analysis of the Yellow River， Huhhot

Lv Xinge1，Tian Jiannan2，Wang Chao1，Zhang Kun1

（1.Inner Mongolia Academy of Environmental Sciences，Huhhot 010011；

2. Environmental Protection Bureau of Hongshan District，Chifeng， Inner Mongolia 010018）

Abstract：The main factor analyze and ranking score to Yellow River （Hohhot section） based on principal component analysis，the present situation of water environment quality in different sections are given，and carried on the objective analyze.Result shows：BOD，NH3-N and P as main component factors， the total contribution of variance is 89.489%；in the score ranking， Hekouzhen （0.212），Lamawan（0.103）andToudaoguai （-0.303）；results of analysis that BOD about between 3.00-3.600mg?m-3 is the largest values of pollutants for the river and the largest pollution degree is Toudaoguai section.the relation and difference among the 7 kinds of main pollutants，the 3 sections and the entire section by principal component analysis method reflected.After further analysis，indicate this evaluation method is objective and reasonable，this is a practical method under the condition of insufficient monitoring factors and quantities also be revealed.

Keywords：Principal component analysis；Water environment；Pollutants；Evaluate；Analysis

主成分分析是將眾多具有一定相關(guān)性的指標(biāo)，重新組合成一組相互無(wú)關(guān)的綜合變量來(lái)替代原指標(biāo)，從而達(dá)到降維的一種統(tǒng)計(jì)分析方法，在降維過(guò)程中可消除評(píng)價(jià)指標(biāo)之間的相關(guān)影響、減少原數(shù)據(jù)信息的損失、避免各個(gè)指標(biāo)權(quán)數(shù)確定的缺陷。目前主成分分析法已被引入生態(tài)調(diào)查研究、城市環(huán)境質(zhì)量研究、水及土壤中污染物評(píng)價(jià)研究等。近年來(lái)在地下水、湖泊、水庫(kù)等水環(huán)境領(lǐng)域的應(yīng)運(yùn)備受關(guān)注[1-2]，包括水環(huán)境介質(zhì)中主要污染物的界別及相關(guān)污染物分布特性的客觀評(píng)價(jià)及分析，對(duì)于流速較大的流域水環(huán)境中污染物分布特點(diǎn)及其有關(guān)定量化研究已成為流域水環(huán)境研究的焦點(diǎn)。指數(shù)評(píng)價(jià)法、模糊評(píng)價(jià)法、灰色評(píng)價(jià)法、物元分析法等已成功用于水環(huán)境質(zhì)量評(píng)價(jià)中，但此類方法具有時(shí)間和空間的局限性且需要大量監(jiān)測(cè)數(shù)據(jù)[3-4]，尤其在流域水環(huán)境中的應(yīng)用無(wú)法客觀、合理的體現(xiàn)污染物分布特征[5]。主成分分析方法避免了這類問(wèn)題，可有效的分析出流域水環(huán)境不同斷面污染物數(shù)據(jù)對(duì)流域某一段的影響，從而揭示了其污染物內(nèi)在聯(lián)系及分布特征。本文先對(duì)黃河流域呼和浩特段的主要污染物進(jìn)行主成分分析評(píng)價(jià)，從而得出主成分污染物組成及其得分，以所得結(jié)果為依據(jù)，結(jié)合此段流域的實(shí)際情況對(duì)所得結(jié)果進(jìn)行簡(jiǎn)要分析。

1 資料選取及分析方法

1.1 資料選取

利用《黃河流域（內(nèi)蒙古段）水環(huán)境風(fēng)險(xiǎn)調(diào)查及防范措施研究》中的水質(zhì)監(jiān)測(cè)數(shù)據(jù)作為主成分分析流域水環(huán)境質(zhì)量評(píng)價(jià)的數(shù)據(jù)源。選取黃河流域呼和浩特段頭道拐、河口鎮(zhèn)、喇嘛灣3個(gè)斷面，連續(xù)3年，每年連續(xù)10個(gè)月（除去1、2月冰封期）的主要污染因子作為評(píng)價(jià)指標(biāo)。樣本總數(shù)為90個(gè)，分析指標(biāo)包括：生化需氧量（BOD）、化學(xué)需氧量（COD）、氨氮（NH3-N）、總氮（總N）、總磷（總P，以P計(jì)）、鋅（Zn）、鉛（pb）。樣本檢測(cè)方法及處理按照《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》（GB3838-2002）中相關(guān)要求進(jìn)行（表1）。

1.2 分析方法

采用主成分分析法即將多個(gè)變量轉(zhuǎn)化為少數(shù)幾個(gè)綜合變量，各主成分之間互不相關(guān)，從而使這些主成

分能夠反映出初始變量的大部分信息[6]。主成分分析法基本步驟如下[7-9]：

第一步：估計(jì)樣本數(shù)為90，選取的污染物指標(biāo)數(shù)為7，由估計(jì)樣本數(shù)據(jù)可得矩陣X=（xij）m×7，其中xij表示第i個(gè)斷面的第j項(xiàng)污染物指標(biāo)數(shù)據(jù)。

第二步：消除各污染物指標(biāo)之間在量綱化和數(shù)量級(jí)上的異同，標(biāo)準(zhǔn)化指標(biāo)數(shù)據(jù)，得到標(biāo)準(zhǔn)化矩陣。

第三步：根據(jù)標(biāo)準(zhǔn)化矩陣建立協(xié)方差矩陣R，其中Rij（i，j=1，2，…，7）為原始變量Xi與Xj的相關(guān)系數(shù)，其計(jì)算公式為：

[Rij=k=190（Xkj-Xi）（Xkj-Xj）k=190（Xkj-Xi）2（Xkj-Xj）2]

第四步：根據(jù)協(xié)方差矩陣R求出特征值、主成分貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率，確定主成分個(gè)數(shù)主成分[Zi]的貢獻(xiàn)率[Wi=λij=17λj]，累計(jì)貢獻(xiàn)率為[j=1mλjj=17λj]。選取特征值大于1且累計(jì)貢獻(xiàn)率達(dá)80%-95%的特征值λ1，λ2，…，λm所對(duì)應(yīng)的1，2，…，m（m≤7，中m即為主成分的個(gè)數(shù)）的污染因子為主成分。

第五步：建立初始因子載荷矩陣，計(jì)算流域水質(zhì)綜合評(píng)分函數(shù)及綜合值，并進(jìn)行降序排列。

考慮到流域水環(huán)境的流動(dòng)性及各水質(zhì)因子的相關(guān)性，最終采用SPSS17.0軟件對(duì)相關(guān)分析模塊進(jìn)行處理[10-12]。

2 評(píng)價(jià)結(jié)果

2.1 確定主成分個(gè)數(shù)

首先進(jìn)行KMO檢驗(yàn)系數(shù)和巴特利球體檢驗(yàn)，KMO檢驗(yàn)系數(shù)為0.719>0.50，巴特利球體檢驗(yàn)系數(shù)為0<0.05，所以可以進(jìn)行主成分分析[13-14]。

主成分判定是將原有的7個(gè)污染指標(biāo)作為變量，通過(guò)降維，轉(zhuǎn)化為便于反應(yīng)實(shí)際情況且互不相關(guān)的幾個(gè)變量。由于所采集的90個(gè)數(shù)據(jù)包含7種污染物，因此，數(shù)據(jù)量綱不同。所以，在進(jìn)行主成分結(jié)果分析前要進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理（表2）。

從全部解釋方差表中看出，第一、第二、第三主成分特征值大于1，方差累計(jì)百分比大于80%，第一、第二、第三主成分方差百分比分別占38.113%、26.075%、25.301%，其余四組成分總貢獻(xiàn)方差為10.511%，從而說(shuō)明第一、第二、第三主成分可以概述7個(gè)污染指標(biāo)的信息[15]。因此，選取前3個(gè)因子作為主成分，代表黃河流域呼和浩特段主要的污染物指標(biāo)。

2.2 主成分污染物識(shí)別

在成分矩陣中，給出了主成分載荷矩陣，每一列載荷值都顯示了各個(gè)變量與有關(guān)主成分的相關(guān)系數(shù)，每一列主成分值最大的可確定為重要污染因子即主成分污染物（表3）。

從成分矩陣中可得出：生化需氧量在第一主成分上載荷較大，亦即與第一主成分的相關(guān)程度較高；氨氮在第二主成分上的載荷值較大，即相關(guān)程度較高；總磷在第三主成分上的載荷較大，即相關(guān)程度較高[16]。

因此可將主成分命名如下：

第一主成分：生化需氧量主成分；

第二主成分：氨氮主成分；

第三主成分：總磷主成分。

2.3 主成分得分評(píng)估

在主成分分析結(jié)果的基礎(chǔ)上構(gòu)建新的坐標(biāo)系，將原始變量在新坐標(biāo)系下投影后，可得新坐標(biāo)系下的變量值，即主成分得分（表3）。

利用水環(huán)境污染物濃度值與相應(yīng)主成分得分系數(shù)相乘加和主成分得分，對(duì)水環(huán)境污染物總得分進(jìn)行排名，按照排序可確定出不同斷面主成分污染物的污染程度大小[17]（表4），即可以進(jìn)行水環(huán)境質(zhì)量評(píng)價(jià)。

表4中排名已經(jīng)說(shuō)明了黃河流域呼和浩特段所調(diào)查的7種主要污染物的整體污染程度，河口鎮(zhèn)斷面水環(huán)境質(zhì)量最好，其次為喇嘛灣鎮(zhèn)斷面，頭道拐斷面水環(huán)境質(zhì)量最差。但由于排名第一的河口鎮(zhèn)斷面及排名第二的喇嘛灣斷面整體得分相近，因此，特此引入估計(jì)邊界均值圖[18-20]（圖1）。估計(jì)邊際均值就是在控制了其它6種污染物之后，只是單純?cè)谄?種污染物的作用下污染物的變化值，且污染物的的變化值都是其它6種污染物共同作用的結(jié)果。

由圖1中可看出：在3-12月河口鎮(zhèn)斷面（實(shí)線）估計(jì)邊界均值處于0.09-0.13之間[21，22]，且與喇嘛灣斷面（短虛線）、頭道拐斷面（長(zhǎng)虛線）交錯(cuò)點(diǎn)最多，即交互作用較強(qiáng)，污染程度較小。頭道拐斷面和喇嘛灣斷面估計(jì)邊界均值分別處于0.09-0.15、0.10-0.15，由于估計(jì)邊界均值區(qū)間、最大值均大于河口鎮(zhèn)斷面，因此，污染程度較大。頭道拐斷面與其它兩斷面的交錯(cuò)點(diǎn)大于喇嘛灣斷面與其它兩斷面的交錯(cuò)點(diǎn)，即可表明喇嘛灣斷面水環(huán)境質(zhì)量由于頭道拐斷面。

由表5及圖1的分析結(jié)果相結(jié)合，可得出頭道拐斷面整體污染程度最大，致使其它兩端面受到不同程度的影響，河口鎮(zhèn)斷面的污染程度最小。

3 結(jié)果與分析

依據(jù)主成分分析法對(duì)各斷面污染程度的評(píng)價(jià)結(jié)果進(jìn)行分析（圖2），生化需氧量差別明顯，氨氮和總磷差別不太明顯。因此可得出：黃河流域呼和浩特段主要的大值污染物為生化需氧量，氨氮和總磷雖有一定影響，但數(shù)值相對(duì)較小。

頭道拐斷面生化需氧量3.00-3.600mg?m-3，氨氮0.066-0.883mg?m-3，總磷0.054-0.186 mg?m-3，致使頭道拐斷面污染程度較大主要是由生化需氧量較大引起，其原因[23-27]：第一，頭道拐斷面緊接包頭段斷面，包頭屬于重工業(yè)城市，黃河排污口約20個(gè)，排入黃河流域的污水量較大；第二，頭道拐斷面排污口約3個(gè)，均屬于工業(yè)污水排放；第三，目前國(guó)家控制指標(biāo)為化學(xué)需氧量、氨氮，對(duì)生化需氧量沒(méi)有明確的總量控制指標(biāo)，因此生化需氧量差異明顯，氨氮和總磷差異不明顯且數(shù)值較??；第四：排入流域的主要為工業(yè)廢水，工業(yè)廢水主要含有化學(xué)需氧量、生化需氧量、氨氮。氨氮及總磷較小，主要因?yàn)榘钡獮閲?guó)控指標(biāo)，污水排放對(duì)氨氮的含量要求比較嚴(yán)格，且工業(yè)及生活廢水自身排放濃度不高，約為0.50mg?L-1；總磷在污水中處理效率高，約為89%，大于生化需氧量和氨氮的處理效率約83%和85%，最終排入該段流域的濃度約為0.26 mg?L-1；附近農(nóng)田引用黃河水會(huì)造成氮流失，從轉(zhuǎn)化為氨氮，但這種遷移量速率較慢，而且農(nóng)田自身含量也不高。所以，生化需氧量對(duì)黃河流域呼和浩特段影響較大，尤其是頭道拐斷面，氨氮、總磷對(duì)該段流域也具有影響，但較生化需氧量小。

喇嘛灣斷面水環(huán)境質(zhì)量排名第二，生化需氧量2.200-3.700mg/m3，氨氮0.060-0.850mg/m3，總磷0.030-0.180mg/m3，主要原因：頭道拐斷面的污染物隨著水體的流動(dòng)，具有消化降解的功能，之所以比河口鎮(zhèn)水環(huán)境質(zhì)量較差是由于喇嘛灣段設(shè)置的3個(gè)排污口，主要為重工業(yè)園區(qū)（例如：電廠，化工廠）所排的廢水造成。

河口鎮(zhèn)斷面水環(huán)境質(zhì)量最好，生化需氧量2.00-3.500mg?m-3，氨氮0.057-0.816mg?m-3，總磷0.012-0.178 mg?m-3，均低于其它兩斷面，是由于此段排放口約為3個(gè)，而且主要以城鎮(zhèn)污水為主，附近無(wú)重工業(yè)園區(qū)。

由于頭道拐斷面污染程度最大，因此，對(duì)此斷面進(jìn)行較為詳細(xì)的分析[28-31]。由頭道拐斷面主成分污染物變化圖（圖3）可知：由于7-11月份氣溫相對(duì)較高，工業(yè)用水量相應(yīng)要加大，比如冷卻水、循環(huán)水等，所以，生化需氧量7-11月處于一年最高階段，并處于上升趨勢(shì)；氨氮在3-6月份處于一年較高時(shí)間段，是由于在此期間農(nóng)田處于灌水階段，會(huì)產(chǎn)生氮流失，而且此階段硝化菌活性較差容易轉(zhuǎn)化為氨氮，工業(yè)污水也對(duì)此有一定影響；由于總磷處理效率較氨氮和生化需氧量高，且污水中的含量極小，農(nóng)田氮磷流失也不是很嚴(yán)重，因此，總磷在一年當(dāng)中處于平穩(wěn)狀態(tài)，污染量較小。

3 結(jié)論

基于主成分分析法評(píng)價(jià)了七類污染物對(duì)黃河流域呼和浩特段三個(gè)斷面的污染程度，同時(shí)也說(shuō)明了7類污染物與三個(gè)斷面及整個(gè)斷面的相互關(guān)系和區(qū)別。通過(guò)主成分分析七類污染物并分析出了三種主成分，并對(duì)此進(jìn)行了得分排名，既反映了水環(huán)境污染物對(duì)黃河流域呼和浩特?cái)嗝娴挠绊懀哺爬巳齻€(gè)斷面的水環(huán)境質(zhì)量現(xiàn)狀。最后對(duì)所得結(jié)果進(jìn)行了較為詳細(xì)的分析，生化需氧量對(duì)整個(gè)斷面，尤其是頭道拐斷面的影響最大。

由于污染物指標(biāo)及斷面數(shù)量稍有不足，可能造成評(píng)價(jià)結(jié)果有微小偏差，在今后的水環(huán)境研究中將不斷改善。主成分分析法用于水環(huán)境質(zhì)量的評(píng)價(jià)和分析處于嘗試階段，不能完全優(yōu)越于目前的水環(huán)境質(zhì)量標(biāo)準(zhǔn)中的評(píng)價(jià)法，但通過(guò)此評(píng)價(jià)方法的應(yīng)用，不僅反應(yīng)了黃河流域呼和浩特段的實(shí)際情況，而且結(jié)果分析與實(shí)際情況相符合，同時(shí)減少了監(jiān)測(cè)因子和監(jiān)測(cè)量。因此，主成分分析法應(yīng)用于流域水環(huán)境質(zhì)量的評(píng)價(jià)與分析是較為簡(jiǎn)便的、合理的。

參考文獻(xiàn)

[1]李哲強(qiáng)，侯美英，白云鵬.基于SPSS的主成分分析在水環(huán)境質(zhì)量評(píng)價(jià)中的應(yīng)用[J].河海水利，2008，（3）：49-53.

[2]郭天??；李海良.主成分分析在湖泊富營(yíng)養(yǎng)化污染程度綜合評(píng)價(jià)中的應(yīng)用[J].陜西工學(xué)學(xué)院報(bào)，2002，18（3）：65-68.

[3]ZHANG Yan，ZHANG Hong，GAO Xiang et al.Improved AHP method and its application in lake environmental comprehensive quality evaluation—a case study of Xuanwu Lake， Nanjing， China[J]. Nature，Environmentand Pollution Technology， 2013，4（8）：54-56.

[4]Meini Yang，Dingfang Li，Jinbo Yang.Wei Xiong.FANN-based surface water quality evaluation model and its application in the Shaoguan area[J].Geo - spatial Information Science，2007，10（4）：303-310.

[5]YANG Yuhong，YAN Baixing，SHEN Wanbin. Assessment of Point and Nonpoint Sources Pollution in Songhua River Basin，Northeast China by Using Revised Water Quality Model[J].Environ Earth Sci，2010，20（1）：32-38.

[6]朱星宇，陳勇強(qiáng). SPSS多元統(tǒng)計(jì)分析方法及應(yīng)用[M].北京：清華大學(xué)出版社， 2011：241-243.

[7]Tai PENG，Lianning ZHOU，Nian LIU. Application of Principal Component Analysis with SPSS in Water Quality Assessment of Shenzhen Eastern Beach Laboratory[J].Agricultural Science & Technology， 2009，15（4）：688-691.

[8]Yutaka Tanaka，Yoshimasa Odaka.Influential observations in principal factor analysis [J].Psychometrika，1989，54 （3）： 475-485.

[9]Liang Guo，Ying Zhao，Peng Wang.Determination of the principal factors of river water quality through cluster analysis method and its prediction[J].Frontiers of Environmental Science & Engineering， 2012，6（2）：238-245.

[10]Daniel T. L. Shek，Cecilia M. S. Ma，Joav Merrick.Longitudinal Data Analyses Using Linear Mixed Models in SPSS： Concepts， Procedures and Illustrations[J].TheScientificWorldJOURNAL，2010，11（2）：42-76.

[11]Michael E.Robinson，Ian J.Sadler，Patrick D.O'Connor.Detection of Submaximal Effort and Assessment of Stability of the Coefficient of Variation[J].Journal of Occupa-tional Rehabilitation，1997，7（4）：207-215.

[12]高吉喜，段飛舟，香寶.主成分分析在農(nóng)田土壤環(huán)境評(píng)價(jià)中的應(yīng)用[J].地理研究，2006，26（5）：836-842.

[13]Alexander A.Frolov，Dusan Husek，Pavel Y.Polyakov.Two Expectation-Maximization algorithms for Boolean Factor Analysis[J].Neurocomputing，2012，2（55）：121-127.

[14]A. M. Lara-Porras1，E.Ramos-?balos，New Methoodologies In Statistics： A Different Way of Studying SPSS [J].Revista Investigació Operacional，2009，30（2）：185-189.

[15]HE Qing-hua，HE Xiang-yu，ZHU Jian-xin.Fault detection of excavators hydraulic system based on dynamic principal component analysis[J].Journal of Central South University of Technology，2008，15（5）：700-705.

[16]Xinguang Wang，Nicholas ODwyer，Mark Halaki.A review on the coordinative structure of human walking and the application of principal component analysis[J].Neural Regeneration Research，2013，8（5）：662-670.

[17]MA Hui-zi，ZHAO Bang-hong.Research on Rural Consumer Demand in Hebei Province Based on Principal Component Analysis[J].Asian Agricultural Research，2011，3（5）：55-58.

[18]C. F. Spiekerman，D. Y. Lin.Marginal regression models for multivariate failure time data[J].Journal of the American Statistical Association，2000，1（35）：324–354.

[19]Robert J.Gray，Yi L.Optimal Weight Functions for Marginal Proportional Hazards Analysis of Clustered Failure Time Data[J].Lifetime Data Analysis，2009，36（11）：123-128.

[20]Jianwen Cai，Ross L.Prentice.Regression Estimation Using Multivariate Failure Time Data and a Common Baseline Hazard Function Model[J].Lifetime Data Analysis，1997，3（3）：197-213.

[21]Feng Liu，Wei Wei.On the Estimation of Stability Boundaries of Nonlinear Dynamic Systems[A].2011.

[22]Feng Liu，Wei Wei.On expansion of estimated

stability region：Theory，methodology，and application 、to power systems[J].Science China，2011，54（6）：1394-1406.

[23]LIU Jian-fei，LI Ning，LU Jia，ZENG Xiang-ye et al.PAPR reduction based on improved Nyquist pulse shaping technology in OFDM-RoF systems[J].Optoelectronics Letters，2013：9（1）：57-60.

[24]劉婷婷，張晟，王定勇，呂平毓.嘉陵江水體中CODMn和BOD5的季節(jié)變化及輸出[J].西南大學(xué)學(xué)報(bào)（自然科學(xué)版），2009.31（1）：168-172.

[25]張學(xué)青，夏星輝，楊志峰.黃河水體氨氮超標(biāo)原因探討[J].環(huán)境科學(xué)，2007，28（7）：1435-1441.

[26]Saunders D L，Kalff J，Nitrogen retention in wetlands， lakes and rivers[J].Hydrobiologia，2014，30（3）：205-212.

[27]夏星輝，周勁松，楊志峰.黃河流域河水氮污染分析[J].環(huán)境科學(xué)學(xué)報(bào)，2001，21（5）：563-568.

[28]Su-lin XIANG，Wen-bin ZHOU，Phosphorus forms and distribution in the sediments of Poyang Lake China[J].Journal of Sediment Research，2011，26（2）：230-238.

[29]姜欣，許士國(guó)，練建軍，孟慶國(guó).北方河流動(dòng)態(tài)水環(huán)境容量分析與計(jì)算[J].生態(tài)與農(nóng)村環(huán)境報(bào)，2013，29（4）：409-414；

[30]Feng Liu，Wei Wei.On expansion of estimated stability region：Theory，methodology，and application to power systems[J].Science China，2011，54（6）：1394-1406.

[31]孟偉，于濤，鄭丙輝，鄧義祥等.黃河流域氮磷營(yíng)養(yǎng)鹽動(dòng)態(tài)特征及主要影響因素[J].環(huán)境科學(xué)學(xué)報(bào)2007，27（12）：2046-2051.