地表水环境质量的综合评价技术探讨
摘要：地表水环境质量综合评价是水环境管理的重要依据，本文介绍了目前水质评价的各类方法，并结合实际案例对单因子评价法和综合污染指数法应用进行比较。
关键词：地表水环境；质量综合评价
中图分类号：X824 文献标识码：A 文章编号：2095-672X（2018）01-0075-02
DOI：10.16647/j.cnki.cn15-1369/X.2018.01.043
Comprehensive evaluation of surface water environmental quality
Qiu Shimei
（Guangzhou Panyu District Environmental Monitoring Station，Guangzhou Guangdong 511483， China）
Abstract： The comprehensive evaluation of surface water environment quality is an important basis for water environment management. This paper introduces various methods of water quality assessment at present， and compares the application of single factor evaluation method and comprehensive pollution index method with practical cases.
Key words： Surface water environment； Quality comprehensive evaluation
“水是生命之源、生产之要、生态之基”，水环境质量关乎人类社会的生存和发展。随着经济快速发展，地表水污染成为无法回避的环境问题。目前，我国地表水的2/3明显受到污染，全国地表水监测考核断面中仅有1/3达到集中式供水水源水质要求[1]。科学、合理地评价地表水环境质量状况及其变化规律，为保护和高效利用水资源提供了重要支撑，也是做好水环境质量信息发布的基础。但水质评价结果的可靠性不仅取决于监测数据的准确性，还依赖评价方法的科学性，因此本文对地表水环境质量的综合评价技术进行了探讨。
1 地表水环境质量评价方法
1.1 单因子评价法
单因子评价法通过逐一比较所有参与评价的水质指标，并将最差的单项指标类别作为综合水质评价结果。这种评价方法简单明了，易于理解，便于操作，但以偏概全，无法综合反映水体污染的整体状况，评价结果也过于悲观。
1.2 综合污染指数评价法
不难看出，综合污染指数能够反映被评价水体的整体水质，而且计算方法简单，但不同污染因子参与的贡献率没有统一标准，分级也缺乏明确依据。
1.3 基于不确定性理论的评价法
地表水环境存在许多不确定性因素，以有限的时空监测数据全面概括整体水质并不容易，前述确定性模型存在明显的不足，所以基于不确定理论的评价方法就出现了，并得到应用。目前研究不确定性问题的理论主要有模糊数学、概率论和灰色理论。基于模糊数学的模糊评价法是通过监测数据建立隶属度集，再与权重结合得到模糊积，以此评判水质对各级标准的隶属程度，并反映综合水质的模糊性。根据实际应用方法，模糊评价法又分为模糊聚类法、模糊贴近度法、模糊综合指数法等。概率论是基于可重复观测随机事件的数理统计分析，但经典数理统计不能很好解决多个相互关联指标的统计规律，需要用到下面的多元统计分析法。灰色理论是研究不完整信息的理论，地表水环境质量本征即为灰色系统，所以适合灰色评价。评价时，先要计算各污染因子对评价标准的关联度，再根据关联度大小确定水质级别。灰色评价法也包括灰色聚类法、灰色模式识别法、灰色关联评价法等。上述方法可以更加客观地反映水环境质量，但也存在评价过程比较复杂的缺陷。
1.4 基于人工智能算法的评价法
人工智能算法也称为机器学习算法，是随着计算机技术发展起来的优化算法，例如人工神经网络、遗传算法、粒子群算法、蚁群算法、免疫算法、支持向量机等。以人工神经网络为例，因为运算速度快、学习能力强、容错性好，使其在水质评价中获得广泛应用。神经网络模型众多， BP网络、Hopfield网络、RBF网络、自组织映射（SOM）等已在地表水质评价中取得良好效果，其中BP网络应用最广。
1.5 基于多元统计分析的评价法
在流域水质评价中，传统评价方法应对大样的复杂系统力不从心，难以解释数据之间的联系，而多元统计分析在这方面可以发挥重要作用。目前，聚类分析、主成分分析、因子分析、回归分析、判别分析等方法已应用于流域水质评价[3]。例如主成分分析能够在众多因子构成的复杂系统中找到主要影响因子，这样就能以少量评价指标代表综合水质。
1.6 基于地理信息系统的评价法
对地表水质进行评价不仅涉及时间问题，还有空间分布，这就需要借助地理信息系统（GIS）技术的支持。例如要制作地表水监测断面水质达标情况图，可利用Surfer软件将河涌监测断面结果生成污染物浓度等值线图，就能清晰展示监测断面水质达标情况[4]。
2 地表水环境质量综合评价方法应用
由于单因子评价法和综合污染指数法计算简便，在国内水质评价中应用广泛，因此，结合实际工作，以某区地表水常规监测数据出发，对单因子评价法、等权重综合污染指数、加权叠加综合污染指数、内梅罗指数法评价应用进行综合比较。
2.1 评价指标与评价标准
该流域面积115.44km2，河道全长38.6km，随着经济和城市化的发展，河道水质受到不同程度污染，现选取该河道某年7月丰水期的监测数据，结合本区水质特点和日常监测情况，选取pH、DO、CODmn、NH3-N和總磷等5个参数作为评价因子，采用《地表水环境质量标准》（GB 3838-2002）Ⅲ类为评价标准值，水质监测数据和单项污染指数如表1所示。等权重综合污染指数、加权叠加综合污染指数、内梅罗指数法评价等级分类详见表2。
2.2 评价结果与分析
评价结果比较详见表3。
由表3评价结果显示，由于不同水质评价方法制定的差异性，评价结果会经常不一致，内梅罗指数法的评价结果最为宽松，3个监测断面均达到Ⅰ类，同一断面不同评价方法的评价结果并不一致，3种同属综合污染指数的评价结果也有明显差异。
3 结语
经过多年探索和不断实践，我国环境质量评价理论和方法日趋成熟和多样化，然而评价系统的复杂性决定了任何一种评价方法都不能尽善尽美、包罗万象，需要多种评价方法的对比参照才能更加全面反映水质的实际状况，因此在水质评价工作中了解各类评价方法的特点是有益的，在具体应用中，选择较为合适的评价方法，可为水环境管理提供更加客观的依据。
参考文献
[1]夏军，石卫.变化环境下中国水安全问题研究与展望[J].水利学报，2016，47（3）：292-301.
[2]杨旭，曾祥亮.基于单因子评价法和污染指数法的郑州大学眉湖水质评价[J].江苏科技信息，2014，（5）：51-53.
[3]姜明岑，王业耀，姚志鹏等.地表水环境质量综合评价方法研究与应用进展[J].中国环境监测，2016，32（4）：1-6.
[4]夏军，谈戈.全球变化与水文科学新的进展与挑战[J].资源科学，2002，（03）：1-7.
收稿日期：2017-11-21
作者简介：丘仕梅（1971-），女，本科，工程师，研究方向为环境监测与监测数据综合分析。
关键词：地表水环境；质量综合评价
中图分类号：X824 文献标识码：A 文章编号：2095-672X（2018）01-0075-02
DOI：10.16647/j.cnki.cn15-1369/X.2018.01.043
Comprehensive evaluation of surface water environmental quality
Qiu Shimei
（Guangzhou Panyu District Environmental Monitoring Station，Guangzhou Guangdong 511483， China）
Abstract： The comprehensive evaluation of surface water environment quality is an important basis for water environment management. This paper introduces various methods of water quality assessment at present， and compares the application of single factor evaluation method and comprehensive pollution index method with practical cases.
Key words： Surface water environment； Quality comprehensive evaluation
“水是生命之源、生产之要、生态之基”，水环境质量关乎人类社会的生存和发展。随着经济快速发展，地表水污染成为无法回避的环境问题。目前，我国地表水的2/3明显受到污染，全国地表水监测考核断面中仅有1/3达到集中式供水水源水质要求[1]。科学、合理地评价地表水环境质量状况及其变化规律，为保护和高效利用水资源提供了重要支撑，也是做好水环境质量信息发布的基础。但水质评价结果的可靠性不仅取决于监测数据的准确性，还依赖评价方法的科学性，因此本文对地表水环境质量的综合评价技术进行了探讨。
1 地表水环境质量评价方法
1.1 单因子评价法
单因子评价法通过逐一比较所有参与评价的水质指标，并将最差的单项指标类别作为综合水质评价结果。这种评价方法简单明了，易于理解，便于操作，但以偏概全，无法综合反映水体污染的整体状况，评价结果也过于悲观。
1.2 综合污染指数评价法
不难看出，综合污染指数能够反映被评价水体的整体水质，而且计算方法简单，但不同污染因子参与的贡献率没有统一标准，分级也缺乏明确依据。
1.3 基于不确定性理论的评价法
地表水环境存在许多不确定性因素，以有限的时空监测数据全面概括整体水质并不容易，前述确定性模型存在明显的不足，所以基于不确定理论的评价方法就出现了，并得到应用。目前研究不确定性问题的理论主要有模糊数学、概率论和灰色理论。基于模糊数学的模糊评价法是通过监测数据建立隶属度集，再与权重结合得到模糊积，以此评判水质对各级标准的隶属程度，并反映综合水质的模糊性。根据实际应用方法，模糊评价法又分为模糊聚类法、模糊贴近度法、模糊综合指数法等。概率论是基于可重复观测随机事件的数理统计分析，但经典数理统计不能很好解决多个相互关联指标的统计规律，需要用到下面的多元统计分析法。灰色理论是研究不完整信息的理论，地表水环境质量本征即为灰色系统，所以适合灰色评价。评价时，先要计算各污染因子对评价标准的关联度，再根据关联度大小确定水质级别。灰色评价法也包括灰色聚类法、灰色模式识别法、灰色关联评价法等。上述方法可以更加客观地反映水环境质量，但也存在评价过程比较复杂的缺陷。
1.4 基于人工智能算法的评价法
人工智能算法也称为机器学习算法，是随着计算机技术发展起来的优化算法，例如人工神经网络、遗传算法、粒子群算法、蚁群算法、免疫算法、支持向量机等。以人工神经网络为例，因为运算速度快、学习能力强、容错性好，使其在水质评价中获得广泛应用。神经网络模型众多， BP网络、Hopfield网络、RBF网络、自组织映射（SOM）等已在地表水质评价中取得良好效果，其中BP网络应用最广。
1.5 基于多元统计分析的评价法
在流域水质评价中，传统评价方法应对大样的复杂系统力不从心，难以解释数据之间的联系，而多元统计分析在这方面可以发挥重要作用。目前，聚类分析、主成分分析、因子分析、回归分析、判别分析等方法已应用于流域水质评价[3]。例如主成分分析能够在众多因子构成的复杂系统中找到主要影响因子，这样就能以少量评价指标代表综合水质。
1.6 基于地理信息系统的评价法
对地表水质进行评价不仅涉及时间问题，还有空间分布，这就需要借助地理信息系统（GIS）技术的支持。例如要制作地表水监测断面水质达标情况图，可利用Surfer软件将河涌监测断面结果生成污染物浓度等值线图，就能清晰展示监测断面水质达标情况[4]。
2 地表水环境质量综合评价方法应用
由于单因子评价法和综合污染指数法计算简便，在国内水质评价中应用广泛，因此，结合实际工作，以某区地表水常规监测数据出发，对单因子评价法、等权重综合污染指数、加权叠加综合污染指数、内梅罗指数法评价应用进行综合比较。
2.1 评价指标与评价标准
该流域面积115.44km2，河道全长38.6km，随着经济和城市化的发展，河道水质受到不同程度污染，现选取该河道某年7月丰水期的监测数据，结合本区水质特点和日常监测情况，选取pH、DO、CODmn、NH3-N和總磷等5个参数作为评价因子，采用《地表水环境质量标准》（GB 3838-2002）Ⅲ类为评价标准值，水质监测数据和单项污染指数如表1所示。等权重综合污染指数、加权叠加综合污染指数、内梅罗指数法评价等级分类详见表2。
2.2 评价结果与分析
评价结果比较详见表3。
由表3评价结果显示，由于不同水质评价方法制定的差异性，评价结果会经常不一致，内梅罗指数法的评价结果最为宽松，3个监测断面均达到Ⅰ类，同一断面不同评价方法的评价结果并不一致，3种同属综合污染指数的评价结果也有明显差异。
3 结语
经过多年探索和不断实践，我国环境质量评价理论和方法日趋成熟和多样化，然而评价系统的复杂性决定了任何一种评价方法都不能尽善尽美、包罗万象，需要多种评价方法的对比参照才能更加全面反映水质的实际状况，因此在水质评价工作中了解各类评价方法的特点是有益的，在具体应用中，选择较为合适的评价方法，可为水环境管理提供更加客观的依据。
参考文献
[1]夏军，石卫.变化环境下中国水安全问题研究与展望[J].水利学报，2016，47（3）：292-301.
[2]杨旭，曾祥亮.基于单因子评价法和污染指数法的郑州大学眉湖水质评价[J].江苏科技信息，2014，（5）：51-53.
[3]姜明岑，王业耀，姚志鹏等.地表水环境质量综合评价方法研究与应用进展[J].中国环境监测，2016，32（4）：1-6.
[4]夏军，谈戈.全球变化与水文科学新的进展与挑战[J].资源科学，2002，（03）：1-7.
收稿日期：2017-11-21
作者简介：丘仕梅（1971-），女，本科，工程师，研究方向为环境监测与监测数据综合分析。
