2023, Vol. 35 
(2: 中国科学院南京地理与湖泊研究所，流域地理学重点实验室，南京 210008)
(3: 江苏省环保集团有限公司，江苏常环环境科技有限公司，常州 213000)
(2: Key Laboratory of Watershed Geographic Sciences, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, P.R.China)
(3: Jiangsu Environmental Protection Group Co., Ltd, Jiangsu Changhuan Environmental Technology Co., Ltd, Changzhou 213000, P.R.China)
湖泊是陆地水圈的重要组成部分，具有调节气候、供应水资源、保护生物多样性等多种重要功能[1]。然而，近年来随着社会经济和城市化进程的快速发展，湖泊开发强度不断加大，湖泊水环境污染问题日益突出，水质恶化、生物多样性减少、蓝藻水华暴发等现象频繁出现，加剧了湖泊原有功能的退化和丧失，不仅威胁到流域的生态安全，对人类的生产生活也造成了巨大影响[2-3]。因此，为实现湖泊功能的恢复和可持续发挥，环境管理部门需要高效、便捷的技术手段实现污染精准溯源，从而为后续制定切实可行的污染控制措施奠定基础。
目前，常用的水污染溯源方法有水质荧光指纹法、同位素示踪法、多元统计分析法、微生物法等。其中，同位素示踪法利用放射性或稳定性核素作为示踪剂，以追踪污染来源及污染物迁移规律，但在实际应用过程中受同位素分馏效应等影响溯源结果可靠度可能会下降，且同位素示踪剂的价格也较为昂贵[4-5]；多元统计分析法基于多项水质参数之间的关联情况及统计规律，结合环境中已知污染源的排污特征判别污染来源，因此对水质数据的需求量较大[6-7]；微生物法通过分析污染样品与潜在污染源中指示微生物之间的亲缘关系来判断污染来源，溯源过程涉及特定菌种基因的分离与鉴定，故流程相对复杂[8-9]。
相较上述方法，基于三维荧光光谱分析的“水质荧光指纹法”是一种独立于水质监测体系之外的新兴溯源技术，且因具有灵敏度高、污染源识别能力强、检测速度快、分析过程简便、价格合理等优势而被越来越多的运用到地表水体的污染溯源工作中[10]。由于荧光有机物的种类和浓度不同，每种污染源都有其独特的荧光光谱，被称为“荧光指纹”，通过比对地表水体和污染源之间的荧光相似度可以解析该水体受纳的污染源类型，故被称为“水质荧光指纹法”[11]。相较常规污染物(COD、氨氮等)，水体中荧光有机物的降解速率普遍更慢[12]，因此在水体中容易被捕捉，作为污染源指示物也较为合适，故该方法具有较强的可靠性。此外，研究表明以该方法在荧光有机物特征接近或相似的同一流域构建全面的污染源指纹库具有较强的稳定性和普适性，可为流域内各小范围地区饮用水源地、骨干河道等水体开展快速、精准溯源提供支撑[13-15]。除用来鉴定污染源类型外，该方法还可以通过揭示荧光强度的时空变化趋势来反映污染源对水体的时空影响特征，从而为环境管理部门因时因地开展污染源头治理提供依据，因此这项技术在水污染溯源领域具有广泛的应用前景[16]。
滆湖位于太湖上游，是苏南地区第二大淡水湖泊[17]，是常州市的备用饮用水源地，同时又是国家“引江济太工程”清水廊道中的天然生态屏障[18](图 1A)，其污染源治理对于保障备用饮用水源功能和太湖水质具有重要意义。因此，本文以滆湖为研究对象，运用“水质荧光指纹法”进行三方面的研究: (1)比对滆湖水体和周边主要污染源之间的荧光相似度来解析污染源类型；(2)通过分析滆湖不同水体组分荧光强度的时空变化趋势来揭示不同污染源对湖体的时空影响特征；(3)通过荧光组分和水质参数的时空相关性分析来探究两者之间可能存在的响应关系，并以此展望“水质荧光指纹法”在湖泊水质溯源方面的应用前景。研究结果既可以为滆湖当地的环境管理部门提供有价值的污染源信息，又可以为其他湖泊开展污染溯源提供技术参考。
|
图 1 新孟河延伸拓浚工程示意(A)及研究区域土地利用类型和采样点位(B) Fig.1 Xinmeng River dredging and extending project (A) and land use types and sampling sites (B) |
滆湖(31°29′~31°41′N，119°44′~119°53′E)位于常州市武进区和无锡市宜兴市之间，南北向约25 km，东西向约6.6~9.0 km，水域面积约164 km2[19]。受亚热带季风气候影响，当地夏季多年平均气温为27.3℃，平均降雨量为500.7 mm；春、秋、冬季多年平均气温分别为15.8、17.3、4.3℃，平均降雨量分别为225.3、246.2、119.4 mm。通常情况下，滆湖的引水主要为北向的长江和京杭运河来水通过西侧几条入滆河道(湟里河、北干河、夏溪河等)排入滆湖，排水主要通过东侧几条入太河道(太滆运河、漕桥河、殷村港等)向东南方向排入太湖[20]。根据2020年土地利用类型分布情况(图 1B，数据来自中国科学院地理科学与资源研究所资源环境科学与数据中心)，滆湖西侧上游区域以旱地为主(占比76.6%)，其次是城镇和农村居民用地(15.5%)，北侧以水田(49.4%)和居民用地(45.3%)为主；东侧和南侧下游区域主要分布城镇和农村居民用地(39.4%)、旱地(28.7%)和水产养殖塘(16.4%)等。
1.2 样品采集及测定根据《常州市第二次全国污染源普查报告》结合土地利用类型(图 1B)，滆湖周边主要污染源包括农业源、生活源和工业源。为鉴定这3个污染源的荧光指纹，本研究先于2019-2020年对滆湖周边骨干河道及支流支浜的入河排口进行了全口径排查及溯源，之后于2021年对全口径排口清单进行例行复核及采样，累计采集到70个农业排口(包含54处农用地退水口和16处水产养殖塘排口)、13个生活排口(包含12家居民和1家城镇污水厂排口)、3个企业(电镀企业)排口的出水。同时，为鉴定滆湖水体的荧光组分，于2021年对湖体4个重要区域8个固定点位的湖水进行例行采集(图 1B，西部区代表入湖区，包含GH-1、4；北部区代表揽月湾，包含GH-7、8；中部区代表备用饮用水源区，包含GH-3、6；东部区代表出湖区，包含GH-2、5)。污染源水样的采集时间为排口例行复核过程中有水外排即采样，湖体水样的采集时间和频次为连续12个月且每月2次(上、下半月各1次，间隔14天)。野外采样过程中，所有水样放置于棕色玻璃瓶(450℃灼烧4 h)中并在保温箱内低温黑暗保存，之后在当天运往实验室并置于4℃冷藏柜储存。在荧光数据测定阶段，预先用0.45 μm玻璃纤维滤膜(预先于450℃灼烧5 h)过滤水样，再以Mill-Q超纯水做参照，使用RF-6000荧光光谱仪(岛津，日本)测定数据，测定过程在48 h内完成。设备主要参数设置如下：激发波长(Ex)范围为220~500 nm，发射波长(Em)范围为230~550 nm，步长间隔均为5 nm，扫描速率为12000 nm/min。在测定过程中，所有水样都进行了系统偏差和内滤效应校正[21]。此外，对湖体水样进行了同步水质监测，监测因子包含：氨氮(NH3-N)、总氮(TN)、总磷(TP)、高锰酸盐指数(CODMn)、五日生化需氧量(BOD5)、化学需氧量(CODCr)、叶绿素a(Chl.a)、藻密度(AD)、铜(Cu)、锌(Zn)，监测方法参考《水和废水监测分析方法》(第四版)。
1.3 数据分析和处理 1.3.1 平行因子分析为了将所有水样的荧光数据集分解成独立的荧光成分，本研究采用了平行因子分析[22-23]。平行因子分析是运用Murphy等设计的drEEM6.0工具包在Matlab 2018a上完成的[24]。在分析过程中，所有水样的荧光强度都通过从Mill-Q超纯水中提取Ex=350 nm的拉曼扫描峰而被标定为拉曼单位(R.U)[25]。同时，初级、次级瑞利和拉曼散射均被去除了，并且插值法被用来对去除过程中产生的数据空缺进行平滑处理。使用若干标准来改进和验证平行因子分析模型，包括(1)核心一致性验证；(2)光谱载荷形状评估；(3)残差比较；(4)拆分半分析。通过平行因子分析获得的Fmax是一种揭示特定荧光组分相对荧光强度的指标，可用于定量分析荧光组分的变化特征，故本研究采用该指标来表征各组分的荧光强度[26]。
1.3.2 荧光相似度分析采用平行因子分析中的塔克同余系数来评估滆湖水体荧光组分和污染源荧光指纹之间的相似度，塔克同余系数的计算公式如式(1)和式(2)所示[27]。
| $ \theta(x, y)=\frac{\sum\limits_{i=1}^n x_i y_i}{\sqrt{\sum\limits_{i=1}^n x_i^2 \sum\limits_{i=1}^n y_i^2}}(i=1, 2, \cdots, n) $ | (1) |
| $ \theta_c=\theta_{\mathrm{Ex}} \times \theta_{\mathrm{Em}} $ | (2) |
式中，θ(x, y)代表不同样品之间的荧光相似度θc；θc由激发(θEx)和发射荷载(θEm)的相似度决定；xi和yi分别代表变量i在组分x和y上的激发或发射荷载；i代表向量x和y中的元素个数。荧光相似度可根据θc数值大小分为五类：0.95≤θc≤1表示完全相同；0.90≤θc≤0.94表示高度相似；0.85≤θc≤0.89表示相似度良好；0.80≤θc≤0.84表示相似度一般；0.72≤θc≤0.79表示相似度较差；θc < 0.72表示相似度较低。
1.3.3 相关性和差异性分析荧光组分和水质参数的时空相关性分析均通过皮尔森相关性分析法完成，且相关系数的绝对值位于0~0.33、0.33~0.66和0.66~1.00时，相关性分别被定义为“弱”、“中等”和“强”[28]，相关系数为正值时表示正相关，负值时表示负相关。时间相关性结果通过热图呈现；空间相关性结果通过弦图呈现，要素之间的连接线宽度或弧线与圆接触面积上的宽度表示关系程度，宽度越大表示相关性越强。荧光强度的时空差异性分析均通过克鲁斯卡尔-沃利斯检验完成[29]，其中荧光组分C1~C3的季节性差异基于4个季节8个点位的Fmax月均值，C4的月度性差异基于12个月8个点位的Fmax月均值展开分析；C1~C4的区域性差异基于4个区域全年48次样品的Fmax值展开分析。皮尔森相关性分析和克鲁斯卡尔-沃利斯检验均在SPSS 25.0上完成，弦图绘制在Origin2021上完成。
1.3.4 空间插值法运用Arcgis map 10.2软件中的反距离加权插值法并基于湖体8个采样点的Fmax年均值完成不同荧光组分的空间插值并实现可视化。反距离加权插值是确定性插值中常用的一种方法，主要利用样本点与插值点之间的距离进行加权平均，且离插值点越近的样本点被赋予的权重值越大，从而计算得到整体的空间分布特征。
2 结果和讨论 2.1 荧光特征及污染源类型鉴定 2.1.1 荧光特征平行因子分析共解析出4种污染源指纹和滆湖5种水体组分(图 2)，根据荧光峰位置结合前人的研究成果鉴定出这9种荧光成分由3种类腐殖酸、2种类蛋白、1种类色氨酸和3种类酪氨酸物质组成(表 1)。农业源方面，农用地退水指纹CN和滆湖水体组分C1含有2个相同位置的峰(Ex/Em=250, 310/400 nm)，故均被鉴定为UVA类腐殖酸物质，这类物质分子结构复杂，稳定性高，在湿地和农田尾水中较为常见[30-31]，与有机肥料有关，不易被微生物利用或光降解[23]；水产养殖排水指纹CC的峰值位于Ex/Em=255/440 nm处，故被鉴定为UVC类腐殖酸物质，这类物质通常来源于陆生植物分解或农业面源[32]，可用于指示外源输入[33]，可能与谷物、糟糠等水产养殖饲料有关。生活源方面，生活污水指纹CS和滆湖水体组分C2含有1个位置接近的峰(CS∶Ex/Em=295/340 nm; C2∶Ex/Em=300/340 nm)，故均被鉴定为类蛋白物质，这类物质本质上是一种氨基酸，游离或结合在蛋白质中，常在人体排泄物中发现[34-35]，也会受到生活污水输入所携带微生物的影响而产生[36]。工业源方面，直排企业尾水指纹CG和滆湖水体组分C4含有2个位置接近的峰(CG∶Ex/Em=225, 275/310 nm; C4∶Ex/Em=225, 275/305 nm)，故均被鉴定为类酪氨酸物质。在电镀前的预处理过程中，一些抗氧化剂和表面活性剂中存在这类荧光化合物，导致这类电镀废水呈现这种荧光特征[37-38]。滆湖水体组分C3的峰值位于Ex/Em=230/340 nm处，故被鉴定为类色氨酸物质，这类物质常在藻类生长繁殖时产生的分泌物中发现[39-40]。滆湖水体组分C5的峰值位于Ex/Em=220/290 nm处，故被鉴定为类酪氨酸物质，该组分峰位置与冯等人在太湖发现的固有微生物产生的类酪氨酸物质相似，通常产生于湖泊固有微生物[41]。
|
图 2 污染源指纹及滆湖水体组分荧光谱图 Fig.2 Fluorescent spectra of pollution source fingerprints and lake body components |
|
表 1 污染源指纹和滆湖水体组分荧光特征 Tab. 1 Fluorescent characteristics of pollution source fingerprints and lake body components |
通过荧光特征分析可初步判别污染源类型，但该判别过程属于定性分析。因此，本研究进一步通过塔克同余系数来定量分析荧光之间的相似度(表 2)，并根据相似度大小鉴定污染源类型。农业源方面，农用地退水指纹CN和滆湖水体组分C1的荧光相似度达到了0.98，因此相似度水平为“完全相同”，表明滆湖水体受到了周边农用地退水的影响。事实上，滆湖上游地区是著名的“苗木之乡”[42]，种植业是该地区的支柱产业之一，由此产生的面源污染(农药、化肥等)可能会影响滆湖水质。与种植业不同的是，水产养殖业排水指纹CC和任何滆湖水体组分的荧光相似度均较低(< 0.72)，表明水产养殖业排水对滆湖水体的影响较小，该现象可能与地方政府近年来实施的退圩还湖工程有关[43]。相较过去，滆湖周边的水产养殖面积已大幅减少(仅2017-2019年期间，全湖约15.1 km2的养殖围网被拆除[44])，因此对水质的影响也有所降低。生活源方面，生活污水指纹CS和滆湖水体组分C2的荧光相似度达到了0.96，因此相似度水平为“完全相同”，表明滆湖水体受到了周边生活源的影响，该现象可能与当地生活污水接管不彻底有关[45]，另一方面城镇污水厂主要接纳处理生活污水，因此尾水也会呈现生活污染的特征，排入河道可能会对下游滆湖水质造成影响。工业源方面，直排企业尾水指纹CG和滆湖水体组分C4的荧光相似度达到了0.90，因此相似度水平为“高度相似”，表明滆湖上游存在工业源污染。
|
|
表 2 污染源指纹和滆湖水体组分荧光相似度 Tab. 2 Fluorescent similarities among pollution source fingerprints and lake body components |
结合荧光特征可知，滆湖水体组分C3可能与藻类繁殖有关。为进一步验证C3与藻类的关系，分析其与叶绿素a及藻密度的相关性(基于湖体所有点位C3荧光强度的月均值和叶绿素a及藻密度的月均浓度，样本数为96个)，结果显示C3与叶绿素a和藻密度呈极显著正相关(P < 0.001)，相关系数分别为0.82、0.81(图 3)。同时，线性回归结果进一步表明叶绿素a浓度和藻密度较大时，C3的荧光强度也较大，但当2个参数浓度下降时，荧光强度随之降低，因此判断C3可以表征藻类繁殖活动的强弱。藻类大量繁殖不仅会过度消耗水体中的溶解氧、降低水体透明度，还会产生有毒有害物质(藻毒素、羟胺及硫化氢等)，进而影响湖泊生态系统[46]。此外，有报道称在藻、风和降雨的协同作用下，磷在湖泊上覆水中有积累的趋势[47]，藻生物量的增加还会向水体中引入有机质，引起高锰酸盐指数、化学需氧量浓度升高[48]。因此，藻类大量繁殖对湖泊水环境造成的危害不容忽视，应成为重点关注的污染源之一。
|
图 3 滆湖水体组分C3与叶绿素a(A)和藻密度(B)相关性分析 Fig.3 Correlation analysis among lake body component C3 and Chl.a (A) and AD (B) |
滆湖水体组分C1~C4荧光强度随时间的变化趋势如图 4所示，Kurskal-Wallis检验表明C1、C2、C3存在显著的季节性差异(P < 0.05)，C4存在显著的月度性差异(P < 0.05)。C1在春、夏季的荧光强度较大，所有点位的月均值位于0.056~0.883 R.U之间，全湖的季节均值分别为0.35、0.41 R.U。相较之下，秋、冬季所有点位的月均值范围下降至0.002~0.145 R.U，全湖的季节均值也仅为0.04、0.03 R.U，因此种植业面源在春、夏季对湖体的影响较大。该现象可能与春耕和夏季梅雨汛期有关，春季是当地农耕活动频繁的时段，种植业排水量增加会导致C1的荧光强度较大；夏季是苏南地区梅雨汛期集中暴发的时段[49]，强烈的地表径流会将农用地中的荧光有机物带入到水体，进而导致C1的荧光强度较大。C2在夏、冬季的荧光强度较大，全湖的季节均值分别为0.49、0.23 R.U，但春、冬季全湖的季节均值仅为0.09、0.08 R.U，因此生活源在夏、冬季对湖体的影响较大。该现象可能与夏季梅雨汛期和冬季枯水期有关，在夏季梅雨汛期内，出于防洪防汛的要求，滆湖周边大量的支流支浜会紧急开闸泄洪。然而，闸门的存在会对部分支流支浜水质产生影响，导致它们蓄积两岸的生活污染[50]，一旦这些支流支浜的水直接外排，湖体水质将受到影响；在冬季，尤其是在1、2月份春节期间，滆湖周边地区的工、农业活动较弱，导致这段枯水期内能够影响河湖水质的污染源通常是生活污水[14]，从而造成C2的荧光强度较大。C3在夏季的荧光强度明显大于其他3个季节，所有点位的月均值均超过0.556 R.U，全湖的季节均值也可达0.848 R.U，但其他3个季节所有点位的月均值均小于0.318 R.U，全湖的季节均值均小于0.1 R.U，因此藻类繁殖活动在夏季对湖体的影响较大。该现象可能与夏季气温升高有关，温度是影响藻类生长繁殖的主要因素，夏季升温会促进藻的生长繁殖[51]，导致藻类分泌物增多，造成C3的荧光强度较大。C4的荧光强度在3-4、10-12月份较大(所有点位的月均值均大于0.02 R.U)，在其他月份较小(所有点位的月均值均小于0.01 R.U)，因此工业污染在特定月份较为明显。该现象可能与当地企业的生产周期和荧光掩蔽效应有关，1-2月属春节或节前的放假时段，外来务工人员往往会返乡过年，此时段内工业生产活动较为薄弱；3-4月份属节后时段，外来务工人员返回企业开始生产，此时段内工业生产活动恢复；5-9月份随着气温上升，藻类繁殖速度加快，C3荧光信号增强，可能对信号相对较弱的C4存在掩蔽效应；10-12月份气温下降，藻类繁殖活动减弱，C3信号逐渐消失，C4信号有所恢复。
|
图 4 滆湖水体组分C1~C4荧光强度随时间的变化趋势 (不同字母代表组间差异显著即P < 0.05) Fig.4 Temporal variation trends of fluorescent intensities of lake body components C1-C4 (Different letters represent significant differences between groups, i.e, P < 0.05) |
滆湖水体组分C1~C4荧光强度的空间分布特征及区域差异性结果如图 5所示。Kurskal-Wallis检验表明C1、C2、C4存在显著的区域差异性(P < 0.05)。C1在滆湖西部、中部区的荧光强度较大，年均值分别为0.354、0.326 R.U。相较之下，北部、东部区C1的年均值仅为0.081、0.058 R.U，因此种植业面源主要影响滆湖西部、中部水域。该现象可能与滆湖的引排水方向有关，根据土地利用(图 1B)数据，滆湖西侧上游区旱地(一般指旱生农作物的耕地，参见GB/T 21010-2007)面积占比达76.6%，大面积耕地产生的面源污染会随滆湖的引水方向经入滆河道影响西部、中部水域；东侧和南侧下游区虽也有一定面积的耕地(占28.7%)，但受滆湖排水方向(东南向)影响，大部分的面源污染会经入太河道进入太湖，从而导致C1对东部水域的影响较低。C2在滆湖西部、北部区的荧光强度较大，年均值分别为0.358、0.331 R.U，远大于中部(0.115 R.U)和东部区(0.095 R.U)，表明生活源对西部、北部水域的影响较大。该现象可能与上游地区生活污水接管不彻底有关[45]，图 1B显示滆湖西侧几条入湖河道及支流支浜穿过城镇和农村居民用地，因此部分未接管的生活污染物可能通过入湖河道影响西部水域；北侧近年来被开发成了揽月湾风景区，同时以北片区未实现生活污水全收集处理[52]，可能导致北部水域受到生活污染的影响。C3的荧光强度未呈现明显的区域差异性(P>0.05)，也不存在点位差异性(P>0.05)，只是GH-1、2、3点位的年均值(0.292、0.291、0.262 R.U)略高于其他点位(GH-4~GH-8，位于0.213~0.262 R.U之间)。C4在滆湖西部区的荧光强度明显大于其他区域，具体表现为西部区的年均值可达0.114 R.U，但其他3个区域的年均值均不足西部区的一半，表明工业源主要影响西部水域。
|
图 5 滆湖水体组分C1~C4荧光强度的空间分布特征(A)及区域差异性(B) ((B)图中不同字母代表组间差异显著, P < 0.05) Fig.5 Spatial distribution characteristics (A) and regional differences (B) of fluorescent intensities of C1-C4 (Different letters in (B) represent significant differences between groups, P < 0.05) |
滆湖水体荧光组分和水质参数的时空相关性分析结果如图 6、图 7所示，其中图 6通过Fmax和水质的时间变化趋势及皮尔森相关系数呈现时间相关性，图 7通过Fmax和水质的空间分布特征及相关性弦图呈现空间相关性。从时间上看，C1与TP、TN有相似的时间变化趋势(3-4、6-8月份数值较大，其余月份数值较小)，呈现极显著的正相关性(P < 0.001)，相关系数(0.86、0.89)明显大于其他水质参数；从空间上看，三者的空间分布特征也较为相似(滆湖西部、中部区数值较大，其他区域数值较小)，同时弦图进一步表明C1与TP、TN分别呈显著(P < 0.05)和极显著正相关(P < 0.001)，相关系数(0.98、0.78)位居前二。鉴于氮肥和磷肥是当地常用的农业肥料，施入农田后可随地表径流迁移至湖泊，引起水体氮磷浓度升高[53]，综上表明种植业面源和TP、TN具有强相关性。C2与NH3-N、有机物参数(CODMn、CODCr、BOD5)具有相似的时间变化趋势(1-2、6-8月份数值较大，其余月份数值较小)，同时C2仅和NH3-N呈极显著正相关(P < 0.001)且相关系数达到0.91(最大值)，和有机物参数呈显著正相关(P < 0.01)且相关系数位居前列(大于0.76)；从空间上看，C2与这4个水质参数的空间分布特征也较相似(滆湖西部、北部区数值较大，其他区域数值较小)，并呈现显著的正相关性(P < 0.01)，相关系数位居前四(>0.83)。鉴于NH3-N是生活污水的特征参数，有机物也是典型污染物[54]，综上表明生活源和NH3-N、有机物参数具有强相关性。作为藻类的荧光表征组分，C3和AD、Chl.a具有相似的时间变化趋势(6-8月份数值较大，其余月份数值较小)，呈现极显著的时间正相关性(P < 0.001)，相关系数分别达0.98、0.91(位居前二)；从空间上看，三者均在点位GH-1、2、3处的年均值较大，且C3仅与AD、Chl.a呈极显著正相关(P < 0.001)。综上表明藻类繁殖活动和AD、Chl.a具有强相关性。镀锌和镀铜是当地电镀企业的主要生产工艺，电镀前处理过程中使用的一些抗氧化剂和表面活性剂中存在荧光有机物C4[4]，因此C4和Zn、Cu可能会在电镀废水中同时检出。图 6和图 7进一步证明了它们之间的时空相关性，C4仅与Zn、Cu呈现极显著的时间相关性(P < 0.001)且相关系数分别达0.86和0.88，同时呈现显著的空间相关性(P(Zn) < 0.01，P(Cu) < 0.05)。综上表明工业源和Zn、Cu具有强相关性。
|
图 6 Fmax与水质的时间变化趋势(A)及皮尔森相关性(B) (*、**和***分别表示相关显著性水平P < 0.05、P < 0.01和P < 0.001) Fig.6 Temporal trends of Fmax and water quality (A) and Pearson correlation coefficients among them (B) (*, **, and *** represent correlation significance level P < 0.05, P < 0.01 and P < 0.001 respectively) |
|
图 7 Fmax与水质的空间分布特征(A)及相关性弦图(B) (*、**和***分别表示相关显著性水平P < 0.05、P < 0.01和P < 0.001) Fig.7 Spatial distribution characteristics of Fmax and water quality (A) and chord diagram of correlation (B) (*, **, and *** represent correlation significance level P < 0.05, P < 0.01 and P < 0.001, respectively) |
1) 通过平行因子分析共解析出4种污染源指纹和滆湖5种水体组分，其由3种类腐殖酸、2种类蛋白、1种类色氨酸和3种类酪氨酸物质组成。经荧光相似度分析进一步明确滆湖3种水体组分分别代表种植业面源、生活源和工业源；根据荧光强度与叶绿素a浓度和藻密度的强相关性进一步明确滆湖1种水体组分代表藻类繁殖活动对水体造成的影响。
2) 通过荧光强度的时空变化趋势分析揭示了4类污染源对湖体的时空影响特征，结果表明种植业面源主要在春、夏季影响滆湖西部、中部水域，生活源主要在夏、冬季影响滆湖西部、北部水域，藻类繁殖活动主要在夏季影响湖体，工业源主要在特定月份(3-4、10-12月)影响滆湖西部水域。
3) 滆湖水体荧光组分与水质参数的时空相关性分析结果显示农业源和TP、TN，生活源和NH3-N、有机物参数(BOD5、CODCr、CODMn)，藻类繁殖活动和Chl.a、AD(藻密度)，工业源和Cu、Zn分别呈现出强相关性。
综上，研究结果表明通过“水质荧光指纹法”可以建立起湖泊与周边污染源之间的联系，并根据荧光相似度数值鉴定具体污染源类型；可以通过荧光强度的时空变化趋势揭示各污染源对湖泊的影响时空特征，为地方环境管理部门开展污染源精细化治理提供决策依据；解译的污染源和水质参数之间具有较好的响应关系，故在水质溯源方面具有一定潜力，可以为湖泊水环境精细化监管提供技术支撑。
| [1] |
Wu SS, Gao SP, Hu XD et al. Study on the influence on water ecosystem by a lake inflow filtration system. Proceedings of the International Association of Hydrological Sciences, 2018, 379: 363-369. DOI:10.5194/piahs-379-363-2018 |
| [2] |
Yang GS, Ma RH, Zhang L et al. Lake status, major problems and protection strategy in China. J Lake Sci, 2010, 22(6): 799-810. [杨桂山, 马荣华, 张路等. 中国湖泊现状及面临的重大问题与保护策略. 湖泊科学, 2010, 22(6): 799-810. DOI:10.18307/2010.0601] |
| [3] |
Zheng BH, Cao J, Wang K et al. Theoretical basis and Chinese practice for environmental protection of lakes with better water quality. J Lake Sci, 2022, 34(3): 699-710. [郑丙辉, 曹晶, 王坤等. 水质较好湖泊环境保护的理论基础及中国实践. 湖泊科学, 2022, 34(3): 699-710. DOI:10.18307/2022.0300] |
| [4] |
Ma WJ, Liu DN, Yang F et al. Research progress in isotope methods for tracing contaminants in water environment. Journal of Environmental Engineering Technology, 2020, 10(2): 242-250. [马文娟, 刘丹妮, 杨芳等. 水环境中污染物同位素溯源的研究进展. 环境工程技术学报, 2020, 10(2): 242-250.] |
| [5] |
Zhen L, Wu XZ, Li JB et al. Component analysis of N/D/O-18 stable isotope during ebb and flood tides in summer and autumn in the tidal reach of the Minjiang River. Acta Scientiae Circumstantiae, 42(5): 314-324. [真翎, 吴贤忠, 李家兵等. 闽江感潮河段夏秋季涨落潮河水稳定同位素(N/D/O-18)组成特征解析. 环境科学学报, 42(5): 314-324. DOI:10.13671/j.hjkxxb.2021.0525] |
| [6] |
Du ZP, Wang MJ, Yan CA et al. Pollution source apportionment of Lake Dianchi based on absolute principal component score-multiple linear regression. Acta Scientiae Circumstantiae, 2020, 40(3): 1130-1137. [杜展鹏, 王明净, 严长安等. 基于绝对主成分-多元线性回归的滇池污染源解析. 境科学学报, 2020, 40(3): 1130-1137.] |
| [7] |
Liu LL, Dong YC, Kong M et al. Insights into the long-term pollution trends and sources contributions in Lake Taihu, China using multi-statistic analyses models. Chemosphere, 2020, 242: 125272. DOI:10.1016/j.chemosphere.2019.125272 |
| [8] |
Feng GD, Deng MR, Guo J et al. Microbial source tracking of the pollution in pond-drinking water in a country of Guangdong. Acta Scientiae Circumstantiae, 2010, 31(1): 96-104. [冯广达, 邓名荣, 郭俊等. 广东某农村塘坝饮用水污染的微生物溯源. 中国环境科学, 2010, 31(1): 96-104.] |
| [9] |
Liang HX, Yu ZS, Liu RY et al. Research progress of microbial source tracking based on Bacteroidales 16S rRNA gene. Acta Scientiae Circumstantiae, 2018, 38(11): 4236-4245. [梁红霞, 余志晟, 刘如铟等. 基于拟杆菌16S rRNA基因进行微生物溯源的研究进展. 中国环境科学, 2018, 38(11): 4236-4245. DOI:10.3969/j.issn.1000-6923.2018.11.032] |
| [10] |
Bai XM, Li YZ, Yao ZP et al. Application progress of three-dimensional excitation emission matrix fluorescence spectroscopy in source tracing of water pollution. Environmental Science & Technology, 2020, 43(1): 172-180, 193. [白小梅, 李悦昭, 姚志鹏等. 三维荧光指纹谱在水体污染溯源中的应用进展. 环境科学与技术, 2020, 43(1): 172-180, 193.] |
| [11] |
Xie CB, Wu J, Cao ZP et al. 3-D fluorescence properties of river with great flow rate. Spectroscopy and Spectral Analysis, 2014, 34(3): 695-697. [谢超波, 吴静, 曹知平等. 大流量河道的水质荧光指纹变化. 光谱学与光谱分析, 2014, 34(3): 695-697. DOI:10.3964/j.issn.1000-0593(2014)03-0695-03] |
| [12] |
Zhang H, Tian JY, Huang J et al. Analysis of dissolved organic matter transformation in wastewater treatment process by three dimensional fluorescence spectra technology. Spectroscopy and Spectral Analysis, 2017, 39(4): 375-378, 383. [张华, 田纪宇, 黄健等. 三维荧光光谱技术对污水处理中溶解性有机物转化过程的分析. 光谱学与光谱分析, 2017, 39(4): 375-378, 383.] |
| [13] |
Liu CY, Chai YD, Xu XG et al. Aqueous fluorescence fingerprint characteristics and discharge source identification of a river in Southern China. Spectroscopy and Spectral Analysis, 2021, 41(7): 2142-2147. [刘传旸, 柴一荻, 徐宪根等. 南方某河水质荧光指纹特征及污染溯源. 光谱学与光谱分析, 2021, 41(7): 2142-2147. DOI:10.3964/j.issn.1000-0593(2021)07-2142-06] |
| [14] |
Shen J, Liu C, Lv Q et al. Novel insights into impacts of the COVID-19 pandemic on aquatic environment of Beijing-Hangzhou Grand Canal in southern Jiangsu region. Water Research, 2021, 193: 116873. DOI:10.1016/j.watres.2021.116873 |
| [15] |
Lv Q, Xu SQ, Gu JQ et al. Pollution source identification of water body based on aqueous fingerprint-case study. Spectroscopy and Spectral Analysis, 2016, 36(8): 2590-2595. [吕清, 徐诗琴, 顾俊强等. 基于水纹识别的水体污染溯源案例研究. 光谱学与光谱分析, 2016, 36(8): 2590-2595. DOI:10.3964/j.issn.1000-0593(2016)08-2590-06] |
| [16] |
Maqbool T, Qin YL, Ly QV et al. Exploring the relative changes in dissolved organic matter for assessing the water quality of full-scale drinking water treatment plants using a fluorescence ratio approach. Water Research, 2020, 183: 116125. DOI:10.1016/j.watres.2020.116125 |
| [17] |
Zhu H, Hu XD, Wu PP et al. Development and testing of the phytoplankton biological integrity index (P-IBI) in dry and wet seasons for Lake Gehu. Ecological Indicators, 2021, 129(5): 107882. DOI:10.1016/j.ecolind.2021.107882 |
| [18] |
Wu YB, Zheng JP. Study on measures to control pollutants into Lake Gehu. Environmental Science and Technology, 2010, 23(S1): 12-14, 19. [吴云波, 郑建平. 滆湖入湖污染物控制对策研究. 环境科技, 2010, 23(S1): 12-14, 19. DOI:10.3969/j.issn.1674-4829.2010.z1.004] |
| [19] |
Qian WH, Gao YX, Zhang YM et al. Analysis of characteristics and reasons of temporal and spatial changes of Lake Gehu water quality based on multivariate statistical analysis. Water Resources and Hydropower Engineering, 2021, 52(1): 116-128. [钱文瀚, 高月香, 张毅敏等. 基于多元统计分析的滆湖水质时空变化特征及原因解析. 水利水电技术, 2021, 52(1): 116-128. DOI:10.13928/j.cnki.wrahe.2021.01.012] |
| [20] |
Zhang L, Wang MR, Zou HH et al. Current water quality and its dynamic change of Lake Gehu. Journal of Huaiyin Institute of Technology, 2018, 27(1): 30-35. [张莉, 王美蓉, 邹宏海等. 滆湖水质现状及动态变化趋势研究. 淮阴工学院学报, 2018, 27(1): 30-35. DOI:10.3969/j.issn.1009-7961.2018.01.006] |
| [21] |
Larsson T, Wedborg M, Turner D. Correction of inner-filter effect in fluorescence excitation-emission matrix spectrometry using Raman scatter. Analytica Chimica Acta, 2007, 583(2): 357-363. DOI:10.1016/j.aca.2006.09.067 |
| [22] |
Liang YQ, Liu HL, Cui KP et al. Tracing and regression of dissolved organic matter in wastewater from the industrial park based on 3D-fluorescence spectrum-parallel factor analysis. Chinese Journal of Environmental Engineering, 2022, 16(4): 1238-1247. [梁月清, 刘会来, 崔康平等. 基于三维荧光光谱-平行因子分析法的工业园区污水溶解性有机物溯源与归趋. 环境工程学报, 2022, 16(4): 1238-1247. DOI:10.12030/j.cjee.202201093] |
| [23] |
Zhang XL, Wang HB, Yang F et al. Parallel factor analysis with three-dimensional excitation-emission matrix spectroscopy on dissolved organic matter of rural black and odorous water bodies in Pingdu City of Shandong Province. Journal of Environmental Engineering Technology, 2022, 12(3): 651-659. [张晓亮, 王洪波, 杨芳等. 山东省平度市农村黑臭水体DOM三维荧光光谱的平行因子分析. 环境工程技术学报, 2022, 12(3): 651-659. DOI:10.12030/j.cjee.202201093] |
| [24] |
Murphy KR, Stedmon CA, Graeber D et al. Fluorescence spectroscopy and multi-way techniques. PARAFAC. Analytical Methods, 2013, 5(23): 6557-6566. DOI:10.1039/C3AY41160E |
| [25] |
Lawaetz AJ, Stedmon CA. Fluorescence intensity calibration using the Raman scatter peak of water. Applied Spectroscopy, 2009, 63(8): 936-940. DOI:10.1366/000370209788964548 |
| [26] |
Chen HM, Yu XQ, Zhu JY et al. Optical indices of chromophoric dissolved organic matter (CDOM) as potential indicators tracing the variability of chemical oxygen demand (COD) and biochemical oxygen demand (BOD5) in Lake Taihu. J Lake Sci, 2021, 33(5): 1376-1388. [陈慧敏, 俞晓琴, 朱俊羽等. 太湖有色可溶性有机物(CDOM)对COD及BOD5的指示意义. 湖泊科学, 2021, 33(5): 1376-1388. DOI:10.18307/2021.0507] |
| [27] |
Murphy KR, Stedmon CA, Wenig P et al. OpenFluor-an online spectral library of auto-fluorescence by organic compounds in the environment. Analytical Methods, 2014, 6(3): 658-661. DOI:10.1039/c3ay41935e |
| [28] |
Kuo YM, Jang CS, Yu HL et al. Identifying nearshore groundwater and river hydrochemical variables influencing water quality of Kaoping River Estuary using dynamic factor analysis. Journal of Hydrology, 2013, 486: 39-47. DOI:10.1016/j.jhydrol.2013.01.027 |
| [29] |
Wu ZS, Lai XJ, Li KY. Water quality assessment of rivers in Lake Chaohu Basin (China) using water quality index. Ecological Indicators, 2021, 121: 107027. DOI:10.1016/j.ecolind.2020.107021 |
| [30] |
Stedmon CA, Markager S, Bro R. Tracing the production and degradation of autochthonous fractions of dissolved organic matter by fluorescence analysis. Limnology and Oceanography, 2005, 50(5): 1415-1426. DOI:10.4319/lo.2005.50.5.1415 |
| [31] |
Wei MJ, Gao C, Zhou YJ et al. Variation in spectral characteristics of dissolved organic matter in inland rivers in various trophic states, and their relationship with phytoplankton. Ecological Indicators, 2019, 104: 321-332. DOI:10.1016/j.ecolind.2019.05.020 |
| [32] |
Singh S, D'Sa EJ, Swenson EM. Chromophoric dissolved organic matter (CDOM) variability in Barataria Basin using excitation-emission matrix (EEM) fluorescence and parallel factor analysis (PARAFAC). Science of the Total Environment, 2010, 408(16): 3211-3222. DOI:10.1016/j.scitotenv.2010.03.044 |
| [33] |
Yan XH, Han L, Wen W et al. Spectral characteristics and spatial distribution of DOM in surface water of Liaohe reservation zone. Acta Scientiae Circumstantiae, 2021, 41(4): 1419-1427. [闫晓寒, 韩璐, 文威等. 辽河保护区水体溶解性有机质空间分布与来源解析. 环境科学学报, 2021, 41(4): 1419-1427. DOI:10.13671/j.hjkxxb.2021.0057] |
| [34] |
Goldman JH, Rounds SA, Needoba JA. Applications of fluorescence spectroscopy for predicting percent wastewater in an urban stream. Environmental Science & Technology, 2012, 46(8): 4374-4381. DOI:10.1021/es2041114 |
| [35] |
Meng FG, Huang GC, Yang X et al. Identifying the sources and fate of anthropogenically impacted dissolved organic matter (DOM) in urbanized rivers. Water Research, 2013, 47(14): 5027-5039. DOI:10.1016/j.watres.2013.05.043 |
| [36] |
Nie ZY, Wu XD, Huang HM et al. Tracking fluorescent dissolved organic matter in multistage rivers using EEM-PARAFAC analysis: Implications of the secondary tributary remediation for watershed management. Environmental Science and Pollution Research, 2016, 23(9): 8756-8769. DOI:10.1007/s11356-016-6110-x |
| [37] |
Shen J, Liu B, Chai YD et al. Characterizing fluorescence fingerprints of different types of metal plating wastewater by fluorescence excitation-emission matrix. Environmental Research, 2021, 194: 110713. DOI:10.1016/j.envres.2021.110713 |
| [38] |
Carstea EM, Bridgeman J, Baker A et al. Fluorescence spectroscopy for wastewater monitoring: A review. Water Research, 2016, 95: 205-219. DOI:10.1016/j.watres.2016.03.021 |
| [39] |
Liu Q, Jiang Y, Tian Y et al. Impact of land use on the DOM composition in different seasons in a subtropical river flowing through a region undergoing rapid urbanization. Journal of Cleaner Production, 2019, 212: 1224-1231. DOI:10.1016/j.jclepro.2018.12.030 |
| [40] |
Ou HS, Wei CH, Deng Y et al. Integrated principal component analysis of Microcystis aeruginosa dissolved organic matter and assessment of UV-C pre-treatment on cyanobacteria-containing water. CLEAN-Soil, Air, Water, 2014, 42(4): 442-448. DOI:10.1002/clen.201200628 |
| [41] |
Feng WY, Zhu YR, Wu FC et al. The fluorescent characteristics and sources of dissolved organic matter in water of Tai Lake, China. Acta Scientiae Circumstantiae, 2016, 36(2): 475-482. DOI:10.13671/j.hjkxxb.2015.0652 |
| [42] |
Pan L, He HJ, Jiang ZY et al. Analysis and development of flower and seedling industry in Wujin District, Changzhou. Journal of Jiangsu Forestry Science & Technology, 2014, 41(3): 53-57. [潘林, 何慧君, 蒋政阳等. 常州武进区花卉苗木产业分析与发展思考. 江苏林业科技, 2014, 41(3): 53-57. DOI:10.3969/j.issn.1001-7380.2014.03.014] |
| [43] |
Wang XF. Conservation of the fishing resources and ecological environment of Lake Gehu. Aquaculture, 2019, 40(8): 50-51. [王晓峰. 浅谈滆湖渔业资源与生态环境的养护. 水产养殖, 2019, 40(8): 50-51.] |
| [44] |
Liao RH, Wu XG, Wang ZD et al. Spatial distribution and pollution assessment on the main nutrients and heavy metals in sediments of Lake Gehu, Taihu Basin after removing the aquaculture net. J Lake Sci, 2021, 33(5): 1436-1447. [廖润华, 吴小刚, 王兆德等. 太湖流域滆湖围网拆除后沉积物营养盐和重金属空间分布特征及评价. 湖泊科学, 2021, 33(5): 1436-1447. DOI:10.18307/2021.0511] |
| [45] |
Xiong CH, Zhang RL, Wu XD et al. Distribution and pollution assessment of nutrient and heavy metals in surface sediments from Lake Gehu in Southern Jiangsu Province, China. Environmental Science, 2016, 37(3): 925-934. [熊春晖, 张瑞雷, 吴晓东等. 滆湖表层沉积物营养盐和重金属分布及污染评价. 环境科学, 2016, 37(3): 925-934. DOI:10.13227/j.hjkx.2016.03.017] |
| [46] |
Zhang C, Zhao L, Zhang Y et al. Research progress of the hazard and control technology of algae bloom. Environmental Protection Science, 2015, 41(3): 107-112. [张翀, 赵亮, 张莹等. 藻类爆发危害及其控制技术研究进展. 环境保护科学, 2015, 41(3): 107-112. DOI:10.3969/j.issn.1004-6216.2015.03.026] |
| [47] |
Zhu GW, Wang F, Gao G et al. Variability of phosphorus concentration in large, shallow and eutrophic Lake Taihu, China. Water Environment Research, 2008, 80(9): 832-839. DOI:10.2175/106143008X304749 |
| [48] |
Yin Y, Zhang YL, Liu XH et al. Temporal and spatial variations of chemical oxygen demand in Lake Taihu, China, from 2005 to 2009. Hydrobiologia, 2011, 665(1): 129-141. |
| [49] |
Wang Z, Cui T, Wang Y et al. Flood season division with an improved fuzzy C-mean clustering method in the Taihu Lake basin in China. Procedia Engineering, 2012, 28: 66-74. DOI:10.1016/j.proeng.2012.01.684 |
| [50] |
Kurunc A, Yurekli K, Okman C. Effects of Kilickaya Dam on concentration and load values of water quality constituents in Kelkit Stream in Turkey. Journal of Hydrology, 2006, 317(1/2): 17-30. DOI:10.1016/j.jhydrol.2005.05.006 |
| [51] |
Yang LY, Yang XY, Reng LM et al. Mechanism and control strategy of cyanobacterial bloom in Lake Taihu. J Lake Sci, 2019, 31(1): 18-27. [杨柳燕, 杨欣妍, 任丽曼等. 太湖蓝藻水华暴发机制与控制对策. 湖泊科学, 2019, 31(1): 18-27. DOI:10.18307/2019.0102] |
| [52] |
Shao W, Liu F, Wu Y. Analysis of water environment characteristics and remediation scheme in Zouqu Town, Changzhou. Guangdong Chemical Industry, 2022, 49(8): 154-156, 176. [邵维, 刘菲, 吴煜. 浅析常州市邹区镇水环境特征及整治方案. 广东化工, 2022, 49(8): 154-156, 176. DOI:10.3969/j.issn.1007-1865.2022.08.049] |
| [53] |
Chen HY, Teng YG, Wang JS. Load estimation and source apportionment of nonpoint source nitrogen and phosphorus based on integrated application of SLURP model, ECM, and RUSLE: A case study in the Jinjiang River, China. Environmental Monitoring and Assessment, 2013, 185(2): 2009-2021. DOI:10.1007/s10661-012-2684-z |
| [54] |
Qin BQ, Xu PZ, Wu QL et al. Environmental issues of Lake Taihu, China. Hydrobiologia, 2007, 581(1): 3-14. DOI:10.1007/s10750-006-0521-5 |