文章信息
- 张惠芳, 刘欢, 苏辉东, 靳甜甜, 蔺彬彬, 林俊强
- ZHANG Huifang, LIU Huan, SU Huidong, JIN Tiantian, LIN Binbin, LIN Junqiang
- 1995-2014年拉萨河流域水环境变化及其驱动力
- Analysis on trend and driving force for water environmental change of the Lhasa River basin (1995-2014)
- 生态学报. 2019, 39(3): 770-778
- Acta Ecologica Sinica. 2019, 39(3): 770-778
- http://dx.doi.org/10.5846/stxb201806031241
-
文章历史
- 收稿日期: 2018-06-03
- 修订日期: 2018-12-18
2. 中国水利水电科学研究院, 北京 100038;
3. 清华大学水利水电工程系, 北京 100084
2. China Institute of Water Resources and Hydropower Research, Beijing 100038, China;
3. Department of Hydraulic Engineering, Tsinghua University, Beijing 100084, China
河流水环境是生态环境的重要组成, 河流水环境安全影响着人民生命健康和社会经济可持续发展。由于人类活动强度的不断增加以及自然环境的变化, 河流水环境受到严重威胁, 变化环境下的水环境污染问题研究已成为当今世界主要研究课题之一[1]。其中, 分析探讨河流水环境的变化特征及驱动力, 对于水资源的合理开发利用具有重要的实践意义。Singh等[2]采用多元统计分析方法, 对Gomti River的24个水质参数(pH、水温等)进行分析, 研究了河流水环境的时空变化特征。Chang[3]分析了Han River及其支流在1993—2002年中水环境时空变化, 识别了主要影响因子。Șener[4]等结合水质指标法和GIS技术评估Aksu River的水环境状况, 认为化学需氧量COD是造成水环境恶化的主要参数。山鹰等[5]分析了上海11个区县共19条河道的氮磷污染特征, 认为人工水生态修复措施和生态型驳岸建设对改善河道水质具有潜在价值。张汪寿等[6]利用多元统计法对北运河武清段水污染的时空变异特征进行了分析, 王超[7]等基于海河流域人口规模、经济产值和土地利用变化过程, 从流域废污水排放和水资源利用等角度研究了社会经济对水环境的影响机制。
拉萨河是拉萨市、林周县和当雄县等县(市)的重要水源地, 对区域工农业发展及生态环境保护起着重要作用[8]。近年来, 经济发展和人口增长威胁着拉萨河的水环境安全, 非点源污染严重, 已引起政府和学者的关注[9]。拉萨河流域现有研究中, 更多侧重于其丰富的水能水资源利用以及气候变化对其水量的影响[10], 水环境研究方面主要有河流重金属污染[11]、非点源污染[8]、水化学特征分析等[12]。然而, 长时间尺度上开展水环境变化及驱动力的研究较少。基于此, 本文收集拉萨河干流上达孜、卡林、才纳3个水环境监测中心站近20年(1995—2014)的水质资料, 以单因子指数法确定主要污染指标, 以内梅罗指数法综合评估拉萨河水环境质量, 采用Mann-Kendall检验法对河流水环境变化趋势进行判别。同时, 收集研究期内拉萨河流域国民经济发展统计数据, 通过灰色关联分析, 从经济社会发展和自然环境演变两个角度识别导致拉萨河水环境变化的关键驱动因子, 以期为当地水资源管理提供科学依据。
1 研究区概况拉萨河发源于念青唐古拉山中段南麓, 沿途有桑曲、拉曲、学绒藏布、墨竹马曲、澎波河、堆龙曲等主要支流汇入, 于曲水县城东面河口汇入雅鲁藏布江中游。河流比降0.29%, 多年平均径流量110亿m3, 雨雪补给为主。拉萨河流域(29°20′—31°15′N, 90°05′—93°20′E)面积约3.25万km2, 属高原温带半干旱季风气候, 年平均气温6.3—9.1℃, 年降水量257—699 mm。流域内植被与土壤具有明显垂直分布规律, 在海拔5200 m以上为高原寒漠土, 4200 m以下为山地灌丛草原土, 植被稀疏, 以草原草甸为主。
拉萨河流域包括拉萨市城关区、林周县、当雄县、曲水县、堆龙德庆区、达孜区、墨竹工卡县、那曲县和嘉黎县6县3区, 除源头区嘉黎县不属于拉萨市外, 其余均为拉萨市辖区, 而拉萨市辖区除尼木县不在拉萨河流域外, 其余均在流域内。拉萨河流域范围和拉萨市辖区范围基本重合, 因此对拉萨河流域经济社会发展状况的描述, 以拉萨市的国民经济发展统计数据为主。截止到2014年底, 流域内人口总数约为53万人, 国民生产总值达到347.45亿元, 城镇化率42.3%。产业结构由1978年的24.6:22.0:52.4调整到3.7:36.8:59.5, 实现了由第一产业为主体, 向二、三产业并重发展的经济结构转型。
拉萨河干流共有3个水环境监测站, 分别为达孜、卡林(2013年后撤销)和才纳。拉萨河流域主要城镇和水环境监测站如图 1所示。
![]() |
图 1 拉萨河流域概况 Fig. 1 Overview of the Lhasa river basin |
本研究时间尺度为1995—2014年, 水环境参数数据来源于西藏自治区环境监测中心站(达孜、卡林和才纳站)对拉萨河流域的常规监测, 其中卡林站数据监测时间序列为1995—2012年(因环保部“十二五”地表水国控监测点位调整, 卡林站2013年后被撤销)。监测项目为《地表水环境质量标准》(GB3838—2002)中的pH、溶解氧(DO)、高锰酸盐指数(CODMn)等24项, 监测时间为每年的1月、7月、8月和12月。考虑一些参数早期缺乏监测, 数据序列较短, 予以剔除。最终, 选取pH、DO、CODMn、COD、氨氮(NH3-N)、总磷(TP)、铜(Cu)、氟化物(F-)、砷(As)、汞(Hg)、六价铬(Cr6+)、铅(Pb)、挥发酚(VP)和石油类(TPH)14项水环境评价因子, 利用其历年均值分析拉萨河水环境的变化特征。
根据拉萨河干流水环境功能区划, 达孜断面需满足地表水Ⅱ类水质标准、卡林断面满足地表水Ⅲ类水质标准、才纳断面满足地表水Ⅱ类水质标准。目前, 卡林断面取消, 才纳断面按照Ⅲ类进行考核。达孜、卡林和才纳三个断面分布在拉萨河流域的中下游, 基本覆盖拉萨市辖区, 可较好反映拉萨河流域的水环境状况。考虑到拉萨河流域人类活动较小, 以及生态环境的敏感性和脆弱性, 为更好评估拉萨河流域水环境状况及变化趋势, 本研究评价标准限值采用《地表水环境质量标准》(GB3838-2002)Ⅱ类。
2.1.2 驱动因子导致河流水环境恶化的驱动因子可以分为自然因素和人类活动因素。从自然因素看, 一般包括气温、水温、降水量、径流量等。考虑拉萨河流域内气温、降水与径流的变化趋势基本一致[13], 选择降水量和水温作为自然驱动因子;经济社会方面, 流域人口数量和经济社会发展水平是主要的社会驱动因子, 在此选择人口数、国民生产总值、农作物种植面积等13项, 具体见表 1。相关数据来自于拉萨市1995—2014年统计年鉴。
驱动因子 Driving factors |
指标编号 Indicators |
水温 Water temperature/℃ |
I1 |
降水量 Precipitation/mm |
I2 |
人口数 Population/capita |
I3 |
国民经济生产总值 General domestic product/yuan |
I4 |
第一产业产值 Primary industry output value/yuan |
I5 |
第二产业产值 Secondary industry output value/yuan |
I6 |
第三产业产值 Tertiary industry output value/yuan |
I7 |
工业产值 Industry output value/yuan |
I8 |
城镇人口数 Urban population/capita |
I9 |
农村人口数 Rural population/capita |
I10 |
农作物播种面积 Planting area/hm2 |
I11 |
城镇居民人均可支配收入 Per capita disposable income of urban households/yuan |
I12 |
农牧民人均可支配收入 Per capita disposable income of rural households/yuan |
I13 |
人均粮食产量 Food production per capita/kg |
I14 |
牲畜存栏数 Livestock stock/head |
I15 |
单因子指数法是将每个评价因子的实测浓度与该评价因子的评价标准限值进行比较, 确定各评价因子的水质类别[14]。当评价因子的标准指数≤1时, 表明该因子浓度符合水域功能及水环境标准要求, 指数值越大, 水环境质量越差。公式如下。
对于一般因子:
![]() |
(1) |
式中, Sij为标准指数;Cij为评价因子i在j站点的实测统计值, mg/L;Csi为评价因子i的评价标准限值, mg/L。
对于特殊因子:
1) DO
![]() |
(2) |
式中, SDO, j为溶解氧的标准指数, DOf为某水温、气压条件下的饱和溶解氧浓度, mg/L, 计算公式常采用DOf=468/(31.6+T), T为水温(℃);DOj为j站点的溶解氧实测统计值, mg/L;DOs为溶解氧的评价标准限值, mg/L。
2) pH
![]() |
(3) |
式中, SpH, j为pH的标准指数;pHj为pH实测统计代表值;pHsu和pHsd分别为评价标准中pH的上下限值。
2.2.2 内梅罗指数法内梅罗指数法是当前最常用的综合污染指数评价方法[15], 由美国叙拉古大学内梅罗提出, 是一种兼顾极值和平均值的计权型多因子评价指数, 可以综合反映河流水环境状况, 值越大, 水环境质量越差。公式如下:
![]() |
(4) |
式中, P为内梅罗指数;Fmax为所有单项污染指数的最大值;Fave为所有单项污染指数的平均值。
2.2.3 Mann-Kendall检验法Mann-Kendall检验是一种非参数统计检验方法[16], 无需样本遵从特定的分布, 也不受少数异常值的干扰, 在分析水文、气象等非正态分布的数据时有较好效果。对于具有n个样本的时间序列x, 统计量Z的计算公式如下:
![]() |
(5) |
式中,
Z>0表示增加趋势, Z < 0表示减小趋势。当|Z|≥1.65、1.96和2.58时, 分别表示通过了置信水平为90%、95%和99%的显著性检验。
2.2.4 灰色关联分析法目前常用的驱动力量化方法有主成分分析法、多元回归法、灰色关联分析法等[17], 其中, 主成分分析法和多元回归法对样本量和变量数量有较高要求, 且数学假设严格, 一般水质分析数据很难满足要求。灰色关联分析法根据因素之间发展趋势的相似或相依程度衡量两者的关联程度, 适用于动态历程分析。计算过程如下[16]:
1) 确定参考序列与比较序列。因变量构成参考序列x0, 自变量构成比较序列xi。
![]() |
2) 对数据序列无量纲化, 得到序列x0′和xi′, 常用方法有均值法、初值法等, 在此采用均值法。
3) 计算灰色关联系数r(x0, xi)。
![]() |
(6) |
![]() |
(7) |
式中:△0i(k)为差序列, ζ为分辨系数, 取值范围为(0, 1), 常取0.5。
4) 求解灰色关联度r0i, 并按其大小排序。
![]() |
(8) |
计算达孜和才纳断面1995—2014年、卡林断面1995—2012年14个水环境指标的单因子污染指数, 取各因子指数的三站平均值确定流域水环境主要污染指标, 平均值多年变化结果如图 2所示。可以看出:近20年来, 拉萨河流域水环境指标基本符合Ⅱ类地表水质, 满足水功能区要求, 说明拉萨河水环境质量良好, 近20年来未发生较大污染事件。pH值近年来有所增加, 多在8.2以上, 最高达到8.5;DO污染指数小幅增大, 由2001年的0.71增长到2014年的0.88, 可能对水体自净能力造成影响;水体中CODMn和NH3-N的浓度值减小, 呈良性发展态势;COD和TP污染指数近年来有所增大, 虽幅度不大, 但需注意水体可能遭受到有机物或还原性物质污染;Cu、As、Hg、Cr6+、Pb等5种重金属浓度多年来均未超过国家地表水Ⅱ类水环境质量标准规定的限值。F-浓度多年来变化不大, 在0.1—0.53 mg/L之间波动;VP和TPH大多数年份均未被检出, 一些年份虽被检出但浓度值并未超标。
![]() |
图 2 单因子指数1995—2014年变化(部分指标某些年份存在缺测) Fig. 2 Change of single index from 1995 to 2014(Some indexes weren′t monitored in some years) pH:氢离子浓度指数Hydrogen ion concentration;DO:溶解氧Dissolved oxygen;CODmn:高锰酸盐指数Chemical oxygen demand of permanganate;COD:化学需氧量Chemical oxygen demand;NH3-N:氨氮Ammonia nitrogen;TP:总磷Total phosphorus;Cu:铜Copper;F-:氟化物Fluoride;As:砷Arsenic;Hg:汞Mercury;Cr6+:六价铬Hexavalent chromium;Pb:铅Plumbum;VP:挥发酚Volatile phenol;TPH:石油类Total petroleum hydrocarbon |
对比来看, 虽然拉萨河水环境质量良好, 监测断面满足水功能区要求, 但近年来水体中pH、DO、COD、TP等指标指数较高, 未来要重点关注。
目前, 拉萨河流域水环境状况良好, 未超过地表水Ⅲ类水水质标准, 监测断面均满足水功能区水质要求, 但有微弱下降的趋势。从各指标看, pH值近年来多高于8, 拉萨河流域水体呈微碱性, 属软水水质。F-、VP含量较低, TPH稍高, 其主要来源于羊八井地热废水, 可能对灌溉和畜牧业有一定的影响。此外, 断面水质出现DO含量下降, COD、TP等略微升高的趋势。究其原因, 拉萨河流域是西藏的主要耕作区, 城市化率低, 工业相对不发达, 有污染排放的企业较少, 工业废水排放量较小, 污水主要来自于农牧业生产和生活。另外, 拉萨市民饮用水和生活用水主要来源于地下水, 对拉萨河河水的干扰强度较低。
1995—2014年拉萨河流域水环境质量在波动中呈微弱下降的趋势, 在2012年前后波动较大。一方面, 拉萨河流域年降水量近20年来有所下降, 由雨水补给带来的稀释作用下降。同时河流水温有些许上升, 水生物生长活力增强, 有机质分解加速, 耗氧量增大, 水体易出现富营养化。另一方面, 拉萨市社会经济得到较大发展, 国民经济生产总值由1995年的21.3亿元增长到2014年的347.5亿元, 总人口由38.5万增加到52.7万, 人类活动对拉萨河流域水环境的影响也在逐步加大。随着西部大开发计划的深入实施, 青藏高原地区的工农业、交通和能源等行业会加速发展, 相应的污染源及污染物逐年增多, 这需要引起有关部门的注意。
3.2 水环境变化的Mann-Kendall检验首先, 计算拉萨河达孜、卡林和才纳断面逐年的内梅罗指数, 同时利用Mann-Kendall检验法计算1995—2014年拉萨河流域内梅罗指数的变化趋势检验值, 综合评估流域水环境状况及年际变化趋势, 结果见图 3和表 2。
![]() |
图 3 内梅罗指数1995—2014年变化 Fig. 3 Change of Nemerow pollution index from 1995 to 2014 |
监测断面 Monitored sections |
达孜 Dazi |
卡林 Kalin |
才纳 Caina |
流域均值 Basin average |
统计值Z Statistic Z | 2.24** | 0.00 | 1.07 | 1.52 |
变化趋势Trend | 上升 | 不变 | 上升 | 上升 |
注:**表示在α = 0.05水平上显著相关 |
研究结果表明:(1)相对其它年份, 达孜断面2012年内梅罗指数增加明显。其余年份内梅罗指数均小于1, 满足地表水Ⅱ类水质标准, 水环境质量良好, 其中在2008年最低, 为0.37。从1995到2014年, 达孜断面的内梅罗指数呈上升趋势, 统计Z值为2.24。(2)卡林断面的内梅罗指数多年来变化很小, 其中最小值为0.372, 出现在2000年, 最大值0.878, 出现在2005年, 水环境状况整体维持在良好状态, 满足水功能区要求;(3)才纳断面的内梅罗指数有所上升, 从1995年的0.684增加到2014年的0.765, 统计Z值为1.07, 上升趋势不显著, 水环境状况整体良好。
拉萨河流域整体尺度上, 2012年河流水环境状况较其它年份有所下降。2008年内梅罗指数最小, 为0.386, 其余年份均在1以下, 水环境质量较好。从1995年到2014年, 内梅罗指数有所增长, 统计Z值为1.52, 水环境质量下降趋势并不明显。
达孜断面位于拉萨市区的上游, 近年来面临的污染风险有所增加, 主要体现在水体中DO含量的下降和TP浓度的上升。拉萨市的上游区主要以放牧和农业生产为主, 农业灌溉和牲畜用水大多来源于拉萨河, 产生的污废水常随雨水入河。同时受降水下降和水温升高的影响, 河水遭受有机污染的风险加重;卡林断面和才纳断面位于拉萨市区的下游, 两断面的水环境质量下降趋势不明显, 但波动性强。其中卡林断面离拉萨市区较近, 受当地人类活动的影响更强, 水环境状况年际变化更为剧烈。
对比达孜、卡林和才纳断面水环境质量变化, 拉萨市区上游的达孜断面早期面临的水污染压力较小, 多数年份低于下游的卡林和才纳断面。然而近年来, 达孜断面水环境质量则基本持平甚至低于下游两个断面, 因此当地水环境保护应多关注上游人类活动的影响, 主要是牧区养殖和农业耕作。
3.3 驱动因子灰色关联分析结果计算拉萨河流域层面内梅罗综合污染指数与15项驱动因子的灰色关联度, 结果见表 3。可以看出, 驱动因子与内梅罗综合污染指数之间有较强相关性, 均达到中等以上相关程度(0.2—0.4弱相关, 0.4—0.6中等相关, 0.6—0.8强相关)[16], 拉萨河流域水环境变化与自然环境演变和经济社会发展存在较为密切的联系。在15项驱动因子中, 对拉萨河水环境变化的贡献大小为I2>I15> I3>I10> I4>I12> I11> I8>I6> I13>I8> I1>I5> I14>I7。其中, 降水量、牲畜存栏数、人口数、农村人口数和国民经济生产总值5项因子与内梅罗指数的关联度大于0.6, 呈现强相关关系, 是拉萨河流域水环境变化的关键性驱动因子。
驱动因子 Driving factors |
灰色关联度 Grey relational degree |
水温Water temperature I1 | 0.522 |
降水量Precipitation I2 | 0.711 |
人口数Population I3 | 0.646 |
国民经济生产总值 General domestic product I4 |
0.603 |
第一产业产值 Primary industry output value I5 |
0.517 |
第二产业产值 Secondary industry output value I6 |
0.540 |
第三产业产值 Tertiary industry output value I7 |
0.504 |
工业产值 Industry output value I8 |
0.556 |
城镇人口数 Urban population I9 |
0.526 |
农村人口数 Rural population I10 |
0.610 |
农作物播种面积 Planting area I11 |
0.582 |
城镇居民人均可支配收入 Per capita disposable income of urban households I12 |
0.582 |
农牧民人均可支配收入 Per capita disposable income of rural households I13 |
0.535 |
人均粮食产量 Food production per capita I14 |
0.511 |
牲畜存栏数 Livestock stock I15 |
0.655 |
从内梅罗指数来看, 降水量、牲畜存栏数、人口数、农村人口数和国民经济生产总值5项因子对水环境的驱动力最大。其中降水量是气候自然变异、气候变化体现的驱动力, 降水量的多寡对拉萨河水动力条件和水体自净能力有重要影响, 对拉萨河水质的影响起到很重要的作用。牲畜存栏数、人口数、农村人口数和国民经济生产总值属于人类活动方面的因子。相比较而言, 工业、第二产业、第三产业等因子的驱动力较弱, 这说明拉萨河流域的工业发展水平较弱, 不是水环境恶化的主要驱动力。人口增长和国民经济生产总值的提高直接导致人类活动对拉萨河流域水环境干扰的加深。随着社会经济的发展, 拉萨河流域水环境状况可能会进一步恶化, 协调好经济社会发展和水环境保护的关系是政府今后需要考虑的重点。具体而言, 拉萨地区经济发展相对落后, 城镇化率较低, 工业基础较为薄弱, 农牧非点源污染是流域水环境恶化的主要因素。发达的农牧业会产生大量废弃物, 加之农村居民生活污废水排放, 非点源污染的输出风险易进一步加剧。需着重识别种植业源、牲畜饲养源和农村生活源的重点控制区域, 采取针对性管控措施应对可能出现的非点源污染问题。
流域水环境系统是一个自然-人文双重驱动下的复合大系统, 驱动机理和影响因素均十分复杂, 未来研究中需进一步细化深入, 一方面细化时间尺度, 开展基于月或日的水环境变化趋势判断, 探讨流域水环境的日或季节性的变化特征;另一方面细化对象尺度, 立足于每种水环境指标, 分析其在受到自然环境和人类活动影响时的变化, 为当地污染源识别和水环境保护提供更有针对性的建议。
4 结论本研究从较长时间尺度上(1995—2014年)分析了拉萨河流域水环境状况及年际变化, 从自然环境和社会经济发展两个方面识别了影响拉萨河流域水环境的关键驱动因子, 并结合流域实际进行了分析探讨。拉萨河流域水环境状况总体良好, 基本满足水功能区要求, 适宜生活和工农业用水。然而, 由于人类活动和气候变化的影响, 拉萨河水环境状况有所下降, 不过趋势并不明显, 要充分重视社会经济发展和水环境保护间的协调, 保障拉萨健康生态环境。从识别得到的关键驱动因子看, 拉萨河流域水环境变化主要受到降水量、牲畜存栏数、人口数、农村人口数和国民经济生产总值等因素的影响, 农村农业非点源污染是拉萨河流域的主要污染源, 要重点关注和管控。相关结果与拉萨河流域实际较为吻合, 可为流域水资源管理和水环境保护提供借鉴。
[1] |
王磊, 张磊, 段学军, 董雅文, 秦贤宏. 江苏省太湖流域产业结构的水环境污染效应. 生态学报, 2011, 31(22): 6832-6844. |
[2] |
Singh K P, Malik A, Mohan D, Sinha S. Multi]ariate statistical techniques for the e]aluation of spatial and temporal]ariations in water quality of Gomti Ri]er (India)-a case study. Water Research, 2004, 38(18): 3980-3992. DOI:10.1016/j.watres.2004.06.011 |
[3] |
Chang H. Spatial and temporal]ariations of water quality in the Han Ri]er and its tributaries, Seoul, Korea, 1993-2002. Water, Air, and Soil Pollution, 2005, 161(1/4): 267-284. |
[4] |
Şener Ş, Şener E, Da]raz A. E]aluation of water quality using water quality index (WQI) method and GIS in Aksu Ri]er (SW-Turkey). Science of the Total En]ironment, 2017, 584-585: 131-144. DOI:10.1016/j.scitotenv.2017.01.102 |
[5] |
山鹰, 张玮, 李典宝, 王丽卿. 上海市不同区县中小河道氮磷污染特征. 生态学报, 2015, 35(15): 5239-5247. |
[6] |
张汪寿, 李晓秀, 王晓燕, 于洋, 任万平, 李建辉. 北运河武清段水污染时空变异特征. 环境科学学报, 2012, 32(4): 836-846. |
[7] |
王超, 单保庆, 秦晶, 张洪. 海河流域社会经济发展对河流水质的影响. 环境科学学报, 2015, 35(8): 2354-2361. |
[8] |
方广玲, 香宝, 杜加强, 王宝良, 张立坤, 胡钰, 徐杰. 拉萨河流域非点源污染输出风险评估. 农业工程学报, 2015, 31(1): 247-254. DOI:10.3969/j.issn.1002-6819.2015.01.033 |
[9] |
李根, 毛锋. 我国水土流失型非点源污染负荷及其经济损失评估. 中国水土保持, 2008(2): 9-11. DOI:10.3969/j.issn.1000-0941.2008.02.004 |
[10] |
Shi H Y, Fu X D, Chen J, Wang G Q, Li T J. Spatial distribution of monthly potential e]aporation o]er mountainous regions:case of the Lhasa ri]er basin, China. Hydrological Sciences Journal, 2014, 59(10): 1856-1871. DOI:10.1080/02626667.2014.881486 |
[11] |
刘凤, 李梅, 张荣飞, 崔益斌. 拉萨河流域重金属污染及健康风险评价. 环境化学, 2012, 31(5): 580-585. |
[12] |
余婷婷, 甘义群, 周爱国, 刘存富, 刘运德, 李小倩, 蔡鹤生. 拉萨河流域地表径流氢氧同位素空间分布特征. 地球科学——中国地质大学学报, 2010, 35(5): 873-878. |
[13] |
黄俊雄, 徐宗学, 巩同梁. 雅鲁藏布江径流演变规律及其驱动因子分析. 水文, 2007, 27(5): 31-35. DOI:10.3969/j.issn.1000-0852.2007.05.007 |
[14] |
施云芬, 刘月华, 李英赞. 2001-2005年松花湖水质评价. 水生态学杂志, 2009, 2(1): 11-15. |
[15] |
陈旭华. 用尼梅罗(Nemerow)污染指数评价地表水营养状况的探讨. 安全与环境学报, 2003, 3(2): 24-26. DOI:10.3969/j.issn.1009-6094.2003.02.006 |
[16] |
高伟, 陈岩, 徐敏, 郭怀成, 谢阳村. 抚仙湖水质变化(1980-2011年)趋势与驱动力分析. 湖泊科学, 2013, 25(5): 635-642. |
[17] |
左其亭, 刘欢, 马军霞. 人水关系的和谐辨识方法及应用研究. 水利学报, 2016, 47(11): 1363-1370, 1379-1379. |