谷志琪,卞建民,王 宇*,馬麗欣,孫曉慶,阮冬梅

長(zhǎng)白山源頭區(qū)地下水質(zhì)評(píng)價(jià)及監(jiān)測(cè)指標(biāo)優(yōu)化

谷志琪1,卞建民1,王 宇1*,馬麗欣2,孫曉慶1,阮冬梅1

(1.吉林大學(xué)新能源與環(huán)境學(xué)院,地下水資源與環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室,吉林 長(zhǎng)春 130021；2.吉林省生態(tài)環(huán)境監(jiān)測(cè)中心,吉林 長(zhǎng)春 130021)

以長(zhǎng)白山源頭區(qū)-安圖縣作為研究區(qū),分析地下水化學(xué)特征及其形成過(guò)程,基于組合熵權(quán)的云模型評(píng)估地下水質(zhì)量,并利用隨機(jī)森林聯(lián)合多元線性回歸構(gòu)建水質(zhì)指標(biāo)優(yōu)化模型,確定地下水源保障監(jiān)測(cè)的關(guān)鍵指標(biāo).結(jié)果表明,研究區(qū)地下水水化學(xué)類型主要為HCO3-Mg·Na·Ca型,主要受巖石風(fēng)化作用影響;地下水質(zhì)量評(píng)價(jià)等級(jí)為Ⅰ～Ⅲ類的樣品數(shù)達(dá)到74%;最佳指標(biāo)優(yōu)化模型的2和RMSE值分別為0.6333和0.726,優(yōu)化指標(biāo)為F-、Na+、TDS、Cl-,作為該區(qū)地下水監(jiān)測(cè)的關(guān)鍵指標(biāo),能夠有效減少監(jiān)測(cè)費(fèi)用,并為強(qiáng)化水源地安全保障提供科學(xué)依據(jù).

長(zhǎng)白山優(yōu)質(zhì)水源；云模型；隨機(jī)森林；水質(zhì)評(píng)價(jià)；指標(biāo)優(yōu)化；地下水

長(zhǎng)白山天池水資源豐富,是該地區(qū)的重要水源[1],隨著經(jīng)濟(jì)的發(fā)展,人們對(duì)優(yōu)質(zhì)水源的需求愈加迫切,對(duì)水資源的開(kāi)發(fā)利用程度也逐漸增加,而水資源大量開(kāi)發(fā)過(guò)程中容易對(duì)水源地水質(zhì)造成影響[2].因此,加強(qiáng)優(yōu)質(zhì)水源地保護(hù),探究區(qū)域地下水水質(zhì)現(xiàn)狀,構(gòu)建合理的地下水監(jiān)測(cè)體系等工作亟待開(kāi)展,對(duì)于保障優(yōu)質(zhì)水資源的可持續(xù)利用,支撐社會(huì)經(jīng)濟(jì)和生態(tài)環(huán)境的協(xié)調(diào)發(fā)展具有重要意義.

目前我國(guó)針對(duì)優(yōu)質(zhì)水源地已經(jīng)開(kāi)展了水質(zhì)適宜性分析[3]、構(gòu)建水源評(píng)價(jià)指標(biāo)體系[4]和決策供水水源模型[5]等一系列工作,但是部分水源地水質(zhì)狀況仍不明確,沒(méi)有建立可靠的監(jiān)測(cè)保障體系.地下水質(zhì)量評(píng)價(jià)涉及多個(gè)指標(biāo)的不同決策,大量使用的Nemerow指數(shù)法[6]、模糊綜合評(píng)價(jià)法[7]、支持向量機(jī)[8]、主成分分析[9]和投影尋蹤法[10]等方法由于適用條件及評(píng)估標(biāo)準(zhǔn)的不同,當(dāng)指標(biāo)監(jiān)測(cè)值在水質(zhì)分類標(biāo)準(zhǔn)閾值附近時(shí)具有一定的模糊性和隨機(jī)性[11],難以做出準(zhǔn)確判斷進(jìn)而導(dǎo)致評(píng)價(jià)結(jié)果的不確定性.針對(duì)這種不確定性,基于概率統(tǒng)計(jì)和模糊數(shù)學(xué)的正態(tài)云模型在定性概念與定量數(shù)值相互轉(zhuǎn)換過(guò)程中具有優(yōu)越性[12],還可以考慮評(píng)價(jià)標(biāo)準(zhǔn)的非線性和評(píng)價(jià)參數(shù)的多樣性,從而確保評(píng)價(jià)結(jié)果更加可靠.

基于不同類別的大量地下水監(jiān)測(cè)數(shù)據(jù)信息基本可以反映出當(dāng)前環(huán)境下的水質(zhì)狀況,但不同的監(jiān)測(cè)指標(biāo)與水環(huán)境之間存在不匹配問(wèn)題,長(zhǎng)期處于符合標(biāo)準(zhǔn)范圍內(nèi)的非重要指標(biāo)容易減弱重要指標(biāo)對(duì)水環(huán)境的影響[13],使水質(zhì)評(píng)價(jià)結(jié)果出現(xiàn)一定的偏差,難以表征真實(shí)的水環(huán)境狀況,還會(huì)造成時(shí)間和人力物力上的浪費(fèi).目前對(duì)水環(huán)境監(jiān)測(cè)指標(biāo)進(jìn)行優(yōu)化的研究往往結(jié)合水質(zhì)評(píng)價(jià)結(jié)果進(jìn)行主觀篩選[14],依據(jù)不同指標(biāo)間的相關(guān)性[15]以及構(gòu)建水質(zhì)指數(shù)模型[16]優(yōu)化關(guān)鍵指標(biāo)等.隨機(jī)森林方法不但數(shù)據(jù)處理速度快,較其他同類算法準(zhǔn)確率也更高,已經(jīng)在地下水潛力評(píng)估[17]、地下水水質(zhì)評(píng)價(jià)[18]、地下水污染預(yù)測(cè)[19]等領(lǐng)域進(jìn)行了應(yīng)用[20],而根據(jù)隨機(jī)森林方法定量評(píng)價(jià)監(jiān)測(cè)指標(biāo)對(duì)于水質(zhì)類別的重要性,構(gòu)建指標(biāo)優(yōu)化模型的研究鮮見(jiàn)報(bào)道.因此,本文選取長(zhǎng)白山源頭區(qū)安圖縣作為研究對(duì)象,進(jìn)行地下水調(diào)查和樣品采集測(cè)試,分析研究區(qū)地下水水化學(xué)特征及其形成過(guò)程,在此基礎(chǔ)上結(jié)合熵權(quán)理論運(yùn)用正態(tài)云模型評(píng)價(jià)地下水水質(zhì),驗(yàn)證該方法可靠性的同時(shí)將其評(píng)價(jià)結(jié)果與隨機(jī)森林方法聯(lián)用,構(gòu)建地下水監(jiān)測(cè)指標(biāo)的優(yōu)化模型,篩選影響該地區(qū)地下水水質(zhì)的關(guān)鍵指標(biāo),為了解區(qū)域地下水水質(zhì)狀況和保護(hù)優(yōu)質(zhì)水源地提供理論依據(jù).

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

長(zhǎng)白山地處我國(guó)東北部(東經(jīng)127°～132°,北緯39°～46°),是中國(guó)濕潤(rùn)地區(qū)最大的火山臺(tái)地山脈,面積約19600km2,屬于東亞季風(fēng)氣候區(qū),境內(nèi)多年平均氣溫3.54℃,年平均降水量在 700～1400mm之間[21].區(qū)內(nèi)總體地勢(shì)東南高西北低,地質(zhì)構(gòu)造復(fù)雜,以天池為中心形成了眾多環(huán)狀斷裂及放射狀斷裂,各種構(gòu)造斷裂相互穿插、交切,為地下水提供了大量的循環(huán)及儲(chǔ)存空間[22].松花江、鴨綠江、圖們江三大江皆發(fā)源于長(zhǎng)白山頂端天池,在流經(jīng)途中分叉形成眾多細(xì)小分散支流,形成流域面積超過(guò)20km2.

以長(zhǎng)白山北側(cè)源頭區(qū)—安圖縣(127°48￠～ 129°08￠E,北緯42°01￠～43°24￠N)作為研究區(qū),該區(qū)域總面積約為7400km2,總?cè)丝诩s22萬(wàn),植被覆蓋率達(dá)87%以上,總體地勢(shì)南高北低,東高西低,呈階梯狀臺(tái)地展布,多年平均氣溫約為3.8℃,多年平均降水量約為752mm.區(qū)內(nèi)地下水主要為玄武巖孔洞裂隙水,主要賦存于軍艦山組玄武巖地層中,其氣孔率一般為20%～30%,該含水層的補(bǔ)給來(lái)源包括大氣降水和凝結(jié)水[23],通過(guò)在山前谷地富集,排泄成泉,成為地表徑流的補(bǔ)給源.地表徑流中二道白河直接發(fā)源于長(zhǎng)白山天池,與頭道白河、三道白河等均屬于松花江水系.

圖1 研究區(qū)位置及采樣點(diǎn)分布示意

1.2 數(shù)據(jù)來(lái)源

利用本課題組在研究區(qū)采集的35個(gè)點(diǎn)位的地下水樣品測(cè)試數(shù)據(jù),采樣點(diǎn)的布設(shè)結(jié)合了研究區(qū)地質(zhì)及水文地質(zhì)條件,并沿地下水流動(dòng)路徑布置(圖1).樣品的采集、運(yùn)輸和儲(chǔ)存工作嚴(yán)格遵守《地下水環(huán)境監(jiān)測(cè)技術(shù)規(guī)范》(HJ/T 164-2004),測(cè)試工作由吉林大學(xué)測(cè)試科學(xué)實(shí)驗(yàn)中心承擔(dān).檢測(cè)指標(biāo)14項(xiàng),測(cè)試方法見(jiàn)表1.

表1 地下水水化學(xué)組分測(cè)定方法

1.3 研究方法

1.3.1 正態(tài)云理論 正態(tài)分布是概率論中最重要的分布之一,根據(jù)正態(tài)分布曲線延伸出了鐘形隸屬函數(shù),在其基礎(chǔ)上發(fā)展了用于處理定性概念與定量描述的不確定轉(zhuǎn)換模型——正態(tài)云模型[24],其不確定性使用(、、)等數(shù)字特征進(jìn)行確定,其計(jì)算方程如下:

(1):期望,云滴在論域空間分布的期望,代表云滴的定性概念.

式中:min、max分別為評(píng)價(jià)因子隸屬于某一水質(zhì)等級(jí)的標(biāo)準(zhǔn)上下限值.

(2)En:熵,反映了代表定性概念云滴的離散程度和在論域空間可被概念接受的云滴的取值范圍.

(3)He:超熵,反映了云的離散程度.

式中:為常數(shù),根據(jù)系列的分布情況調(diào)整[25].耦合熵權(quán)法的正態(tài)云模型的流程如圖2所示.

圖2 耦合熵權(quán)的正態(tài)云模型流程

1.3.2 隨機(jī)森林方法 隨機(jī)森林(RF)利用裝袋重抽樣和特征隨機(jī)性來(lái)構(gòu)建每棵單獨(dú)的決策樹(shù),生成不相關(guān)的森林,其對(duì)每個(gè)決策結(jié)果進(jìn)行投票表決的最終結(jié)果比任何單獨(dú)的樹(shù)更準(zhǔn)確[26].該方法的一個(gè)突出特點(diǎn)是可以通過(guò)計(jì)算Mean Decreased Gini Coefficient(平均下降Gini指數(shù),MDG)來(lái)評(píng)價(jià)每個(gè)因素的相對(duì)重要性及其對(duì)預(yù)測(cè)輸出的影響[27].MDG是數(shù)據(jù)集中隨機(jī)索引被錯(cuò)誤劃分的概率,用于指示節(jié)點(diǎn)的純度,MDG值越大,該指標(biāo)的重要性就越大,其計(jì)算公式如下:

式中:(i,j)表示第個(gè)變量的第個(gè)指數(shù);表示回歸樹(shù)的節(jié)點(diǎn)編號(hào).當(dāng)節(jié)點(diǎn)分成兩個(gè)子節(jié)點(diǎn)時(shí),兩個(gè)子節(jié)點(diǎn)處的基尼指數(shù)將趨于最小化,并將用作節(jié)點(diǎn)處基尼指數(shù)的最終值:

當(dāng)節(jié)點(diǎn)被拆分為兩個(gè)子節(jié)點(diǎn)時(shí),其子節(jié)點(diǎn)的基尼指數(shù)之和低于其父節(jié)點(diǎn)的基尼系數(shù)之和,并且減少的絕對(duì)值計(jì)算如下:

式中:Gini(l)是左側(cè)子節(jié)點(diǎn)的Gini指數(shù); Gini(r)是右側(cè)子節(jié)點(diǎn)的基尼指數(shù);l和r分別是左側(cè)和右側(cè)節(jié)點(diǎn)的樣本大小.

2 結(jié)果與討論

2.1 地下水化學(xué)特征及其形成過(guò)程

根據(jù)研究區(qū)地下水樣品指標(biāo)檢出率情況,結(jié)合《地下水質(zhì)量標(biāo)準(zhǔn)》(GB/T14848—2017)[28]選取14個(gè)水質(zhì)指標(biāo)進(jìn)行描述性統(tǒng)計(jì)分析,并繪制Piper三線圖判別水化學(xué)類型.結(jié)果表明,研究區(qū)地下水普遍呈中性,pH值變化范圍為6.16～8;地下水以淡軟水類型為主,TDS變化范圍為96～2029.68mg/L, TH變化范圍為24.09～895.41mg/L,分別有約14.29%和11.43%的樣品超過(guò)了地下水Ⅲ類水閾值;其他指標(biāo)除F-和TFe外,均未超過(guò)地下水Ⅲ類水閾值,其中F-在所有指標(biāo)中超標(biāo)率最高,為22.86%.經(jīng)分析,該地區(qū)F-含量較高的原因是受到地下水深循環(huán)影響,火山活動(dòng)形成的大型斷裂中高溫?zé)崴芙饣◢弾r中的氟元素形成高氟水,補(bǔ)給到淺層地下水中使其中F-含量相對(duì)較高,與前人的研究結(jié)論吻合[29].TFe的超標(biāo)率為14.28%,主要受到長(zhǎng)白山噴發(fā)的火成巖鐵元素本底值高的影響.pH值的變異系數(shù)非常小,表明區(qū)內(nèi)地下水pH值總體上分布均勻,除K+、F-和H2SiO3以外其余指標(biāo)變異系數(shù)均大于1,在研究區(qū)范圍內(nèi)空間分布存在一定的差異,TFe的變異系數(shù)最大,其形成受火山地質(zhì)作用影響是其空間差異性的主要原因.研究區(qū)地下水主要陽(yáng)離子是Na+和Ca2+,主要陰離子是HCO3-,地下水水化學(xué)類型主要為HCO3- Mg·Na·Ca型和HCO3-Na·Mg·Ca型(圖3).

圖3 研究區(qū)地下水piper三線圖

圖4 研究區(qū)地下水Gibbs圖

基于水化學(xué)數(shù)據(jù)繪制Gibbs圖,根據(jù)各點(diǎn)在 Gibbs圖中的位置,分析溶解于水中的化學(xué)成分的主要來(lái)源,判斷地下水的水化學(xué)成因.如圖4所示,大部分水樣點(diǎn)均落在Gibbs圖中間的巖石風(fēng)化控制區(qū),少部分水樣點(diǎn)分布在蒸發(fā)濃縮作用控制區(qū),而在大氣降雨作用控制區(qū)沒(méi)有水樣點(diǎn)的分布.表明地下水化學(xué)成分的形成以巖石風(fēng)化作用的影響為主,蒸發(fā)濃縮作用的影響為次,而大氣降雨作用幾乎沒(méi)有影響.個(gè)別水樣點(diǎn)落在Gibbs圖外,這表明還可能受到陽(yáng)離子交換作用的影響.

2.2 地下水水質(zhì)評(píng)價(jià)

考慮到地下水質(zhì)量標(biāo)準(zhǔn)中K+、Ca2+、Mg2+、HCO3-、H2SiO3和pH值等指標(biāo)沒(méi)有具體類別對(duì)應(yīng)的標(biāo)準(zhǔn)閾值,故選擇Na+、SO42-、Cl-、TDS、TH、TFe、F-、和NO3-這8個(gè)指標(biāo),通過(guò)正態(tài)云模型理論耦合熵權(quán)法評(píng)價(jià)安圖縣地下水水質(zhì),了解地下水環(huán)境質(zhì)量.

表2 各指標(biāo)權(quán)重計(jì)算結(jié)果

圖5 水質(zhì)評(píng)價(jià)結(jié)果對(duì)比圖

不同指標(biāo)的熵權(quán)計(jì)算結(jié)果如表2所示,在確定各指標(biāo)權(quán)重的基礎(chǔ)上,結(jié)合云模型參數(shù)得出水質(zhì)綜合評(píng)價(jià)結(jié)果,并與內(nèi)梅羅綜合計(jì)算結(jié)果進(jìn)行比較(圖5).由圖5可知:研究區(qū)內(nèi)地下水水質(zhì)較好,大部分均為Ⅰ～Ⅲ類,基于組合熵權(quán)的正態(tài)云模型評(píng)價(jià)結(jié)果中等于或好于Ⅲ類水的樣品有26個(gè),內(nèi)梅羅評(píng)價(jià)結(jié)果中等于或好于Ⅲ類水的樣品有22個(gè),兩種方法對(duì)于區(qū)域水質(zhì)的綜合評(píng)價(jià)結(jié)果具有較好的一致性.內(nèi)梅羅綜合評(píng)價(jià)結(jié)果中絕大部分樣品點(diǎn)屬于Ⅰ類或Ⅴ等邊緣水質(zhì)類別,占比超過(guò)全部樣品的66%,而基于組合熵權(quán)的正態(tài)云模型評(píng)價(jià)結(jié)果中各級(jí)別樣品數(shù)量較為平均,不同類別樣品占比均小于35%.

這是因?yàn)閮?nèi)梅羅綜合評(píng)價(jià)根據(jù)計(jì)算F值進(jìn)行分類,評(píng)價(jià)結(jié)果易受極大值影響,忽略水質(zhì)較為適中的類別,而在大量云滴基礎(chǔ)上建立的正態(tài)云模型減少了極大值對(duì)評(píng)價(jià)結(jié)果的影響程度,同時(shí)與熵權(quán)法耦合,降低了評(píng)價(jià)過(guò)程中的模糊性,使得評(píng)價(jià)結(jié)果更能反映出地下水環(huán)境的真實(shí)情況.云模型結(jié)合不同權(quán)重方法應(yīng)用于評(píng)價(jià)某地區(qū)的地下水水質(zhì)的相關(guān)研究均得出了相似結(jié)論[30-31],也證明了本文結(jié)論的可靠性.

2.3 地下水監(jiān)測(cè)指標(biāo)優(yōu)化

基于組合熵權(quán)的正態(tài)云模型的地下水質(zhì)量評(píng)價(jià)結(jié)果,通過(guò)隨機(jī)森林定量評(píng)價(jià)水質(zhì)指標(biāo)對(duì)水質(zhì)類別的特征重要性,結(jié)果表明,F-是對(duì)研究區(qū)地下水水質(zhì)影響最大的指標(biāo),MDG值為3.08,Na+、TH、TDS、Cl-與SO42-的重要性差別較小,均在2.05～2.3范圍內(nèi),TFe和NO3-的重要性相對(duì)較低(圖6(a)),因此,可選擇F-、Na+、TH、TDS、Cl-與SO42-等指標(biāo)構(gòu)建優(yōu)化指標(biāo)模型.

表3 優(yōu)化模型指標(biāo)選擇及分析結(jié)果

同時(shí),為確定構(gòu)建優(yōu)化模型的最佳指標(biāo)數(shù)量,本文采取十折交叉驗(yàn)證法,計(jì)算不同指標(biāo)數(shù)量下水質(zhì)類別的擬合誤差(圖6(b)).結(jié)果表明,水質(zhì)擬合誤差隨著選取指標(biāo)數(shù)量的增加先增加,后減小,當(dāng)選擇4個(gè)指標(biāo)時(shí),水質(zhì)擬合的誤差最小,之后在選取指標(biāo)數(shù)量增加的情況下,擬合誤差也趨于穩(wěn)定,因此,選擇4個(gè)指標(biāo)構(gòu)建優(yōu)化指標(biāo)模型.此外,由于F-的相對(duì)重要性排序顯著高于其他指標(biāo)(圖6(a)),因此,以F-作為優(yōu)化模型的基礎(chǔ)指標(biāo),分別加入Na+、TH、TDS、Cl-與SO42-構(gòu)建10個(gè)優(yōu)化指標(biāo)模型,通過(guò)多元線性回歸分析對(duì)地下水質(zhì)量進(jìn)行擬合,比較模擬結(jié)果與組合熵權(quán)的云模型評(píng)價(jià)結(jié)果間的擬合優(yōu)度(R2和RMSE值),判斷優(yōu)化模型的可行性.

各模型選擇的指標(biāo)及模型的2、RMSE值如表3所示.結(jié)果表明,優(yōu)化模型3、4和5的2值顯著高于其他模型,分別為0.6312、0.6333、0.6344,且RMSE值也低于其他模型,分別為0.7393、0.7260、0.7371,其中,模型4的模擬誤差較模型5少1.53%,且擬合度較模型5僅低0.17%.另外,從圖7中可以看出,優(yōu)化模型4、5對(duì)Ⅱ、Ⅲ類水?dāng)M合效果均十分準(zhǔn)確,而模型4對(duì)Ⅰ、Ⅳ類水的模擬效果較模型5更好,且由相似的模型7、8也可證明,選擇Cl-的模型較選擇SO42-的模型對(duì)Ⅰ、Ⅳ類水的模擬效果更準(zhǔn)確.

由2.1節(jié)可知,F-、TDS是研究區(qū)內(nèi)地下水超標(biāo)率最高的兩個(gè)指標(biāo),可代表研究區(qū)內(nèi)水質(zhì)較差區(qū)域的主要監(jiān)測(cè)指標(biāo).Na+是地下水中陽(yáng)離子的最主要的成分,與Cl-、SO42-共同作為研究區(qū)內(nèi)未超標(biāo)組分,可以表征高質(zhì)量的地下水,通過(guò)前文分析可知,選擇Cl-的模型較選擇SO42-的模型擬合效果更好.因此,包含F(xiàn)-、Na+、TDS、Cl-這4個(gè)關(guān)鍵水質(zhì)指標(biāo)的優(yōu)化模型4可作為研究區(qū)監(jiān)測(cè)指標(biāo)的最佳優(yōu)化模型,以上優(yōu)化指標(biāo)可作為研究區(qū)地下水水質(zhì)監(jiān)測(cè)及評(píng)價(jià)主要參考指標(biāo).

3 結(jié)論

3.1 研究區(qū)地下水普遍呈中性,以軟淡水類型為主,水化學(xué)類型主要為HCO3-Mg·Na·Ca型,超標(biāo)組分主要包括F-、TFe、TDS和TH,地下水中主要離子來(lái)源于含鹽礦物的溶解,水化學(xué)特征主要受巖石風(fēng)化作用控制.

3.2 區(qū)內(nèi)約43%的地下水采樣點(diǎn)水質(zhì)為Ⅰ、Ⅱ類水,基于組合熵權(quán)的正態(tài)云模型評(píng)價(jià)結(jié)果與內(nèi)梅羅綜合評(píng)價(jià)法對(duì)區(qū)域水質(zhì)的整體判斷具有較好的一致性,而組合熵權(quán)的云模型對(duì)水質(zhì)類別的劃分更為細(xì)致.

3.3 基于隨機(jī)森林計(jì)算的相對(duì)重要性排序?yàn)镕-、Na+、TH、TDS、Cl-、SO42-、TFe、NO3-,構(gòu)建優(yōu)化模型的最佳指標(biāo)數(shù)量為4個(gè),優(yōu)化的關(guān)鍵指標(biāo)為F-、Na+、TDS、Cl-,可作為研究區(qū)地下水水質(zhì)監(jiān)測(cè)及評(píng)價(jià)主要參考指標(biāo),使得減少監(jiān)測(cè)費(fèi)用的同時(shí)能夠有效保障優(yōu)質(zhì)水源地安全.

[1] 呂 琳.吉林省礦泉水區(qū)域與非礦泉水區(qū)域環(huán)境中礦物質(zhì)元素含量分析 [D]. 長(zhǎng)春:吉林大學(xué), 2015. Lu L. Research on the environmental mineral elements contents of the mineral water area and the non-mineral water area in Jilin Provinoe [D]. Changchun: Jilin University, 2015.

[2] 汪明武,周天龍,葉 暉,等.基于聯(lián)系云的地下水水質(zhì)可拓評(píng)價(jià)模型 [J]. 中國(guó)環(huán)境科學(xué), 2018,38(8):3035-3041. Wang M W, Zhou T L, Ye H, et al. A novel extension evaluation model of groundwater quality based on connection cloud model [J]. China Environmental Science, 2018,38(8):3035-3041.

[3] 朱 琴,左麗明,彭錦添,等.河北省近岸海域海水淡化取水水質(zhì)適宜性分析 [J]. 海洋開(kāi)發(fā)與管理, 2017,34(7):60-66. Zhu Q, Zuo L M, Peng J T, et al. Analysis on optimal water quality sources for seawater desalination in Hebei Coastal Waters [J]. Ocean Development and Management, 2017,34(7):60-66.

[4] 沈 強(qiáng),胡 俊,胡菊香.浙江省綠色水源地評(píng)價(jià)體系研究 [J]. 環(huán)境工程, 2014,32(1):847-851,859. Shen Q, Hu J, Hu J X. Study on assessment system for green water-source in Zhejiang province [J]. Environmental Engineering, 2014,32(1):847-851,859.

[5] 于 冰,梁國(guó)華,何 斌,等.城市供水系統(tǒng)多水源聯(lián)合調(diào)度模型及應(yīng)用 [J]. 水科學(xué)進(jìn)展, 2015,26(6):874-884. Yu B, Liang G H, He B, et al. Modeling of joint operation for urban water-supply system with multi-water sources and its application [J]. Advances in Water Science, 2015,26(6):874-884.

[6] Yang Q, Zhang J, Hou Z, et al. Shallow groundwater quality assessment: Use of the improved Nemerow pollution index, wavelet transform and neural networks [J]. Journal of Hydroinformatics, 2017, 19(5):784-794.

[7] Wang A F, Yang X T, Gu X B. The risk assessment of rockburst intensity in the highway tunnel based on the variable fuzzy sets theory [J]. Scientific reports, 2023,13(1):4755.

[8] Gu Z Q, Bian J M, Wu J J, et al. Effects of anthropogenic activities on hydrochemical characteristics of ground water of Da'an irrigation area in Western of Jilin Province [J]. Environ Sci Pollut Res Int, 2021, 29(14):20479-20495.

[9] 劉 瀟,薛 瑩,紀(jì)毓鵬,等.基于主成分分析法的黃河口及其鄰近水域水質(zhì)評(píng)價(jià)[J]. 中國(guó)環(huán)境科學(xué), 2015,35(10):3187-3192. Liu X, Xue Y, Ji Y P, et al. An assessment of water quality in the Yellow River estuary and its adjacent waters based on principal component analysis [J]. China Environmental Science, 2015,35(10): 3187-3192.

[10] Jia Z, Bian J M, Wang Y, et al. Assessment and validation of groundwater vulnerability to nitrate in porous aquifers based on a DRASTIC method modified by projection pursuit dynamic clustering model [J]. Journal of Contaminant Hydrology, 2019,226:103522.

[11] 高玉琴,賴麗娟,姚 敏,等.基于正態(tài)云-模糊可變耦合模型的水環(huán)境質(zhì)量評(píng)價(jià) [J]. 水資源與水工程學(xué)報(bào), 2018,29(5):1-7. Gao Y Q, Lai L J, Yao M, et al. Water environment quality assessment based on normal cloud-fuzzy variable coupling model [J]. Journal of Water Resources and Water Engineering, 2018,29(5):1-7.

[12] 李德毅,孟海軍,史雪梅.隸屬云和隸屬云發(fā)生器 [J]. 計(jì)算機(jī)研究與發(fā)展, 1995:15-20. Li D Y, Meng H J, Shi X M. Membership clouds and membership cloud generators [J]. Journal of Computer Research and Development, 1995:15-20.

[13] 姜厚竹.松花江流域省界緩沖區(qū)水質(zhì)監(jiān)測(cè)指標(biāo)與斷面優(yōu)化 [D]. 哈爾濱:東北林業(yè)大學(xué), 2017. Jiang H Z. Water quality monitoring index and section optimization of provincial buffer zone in Songhua River basin [D]. Harbin: Northeast Forestry University, 2017.

[14] 曲茉莉.黑龍江水系干流監(jiān)測(cè)水質(zhì)指標(biāo)與斷面優(yōu)化研究 [D]. 哈爾濱:哈爾濱工業(yè)大學(xué), 2012. Qu M L. Study on monitoring indexes and monitoring sections optimization of the main stream of Heilongjiang River [D]. Harbin: Harbin Institute of Technology, 2012.

[15] 侯佳均.北京市平谷區(qū)地下水污染監(jiān)控指標(biāo)優(yōu)化研究[D]. 成都:成都理工大學(xué), 2020. Hou J J. Study on optimization of groundwater pollution monitoring index in Pinggu District of Beijing [D]. Chengdu: Chengdu University of Technolog, 2020.

[16] Naghibi Seyed A K, Daneshi Alireza. Application of support vector machine, random forest, and genetic algorithm optimized random forest models in groundwater potential mapping [J]. Water Resources Management, 2017,31(9):2761-2775.

[17] Naghibi Seyed A K, Daneshi Alireza. Application of support vector machine, random forest, and genetic algorithm optimized random forest models in groundwater potential mapping [J]. Water Resources Management, 2017,31(9):2761-2775.

[18] 許力文,卞建民,孫曉慶,等.灌區(qū)退水對(duì)區(qū)域地下水質(zhì)影響與健康風(fēng)險(xiǎn)評(píng)估 [J/OL]. 中國(guó)環(huán)境科學(xué):1-10[2023-02-22].DOI:10.19674/ j.cnki.issn1000-6923.20221117.017. Xu L W, Bian J M, Sun X Q, et al. The influence and health risk assessment of groundwater quality in irrigated area [J/OL]. China Environmental Science: 1-10[2023-02-22].DOI:10.19674/j.cnki. issn1000-6923.20221117.017.

[19] He S, W J H, Wang D, et al. Predictive modeling of groundwater nitrate pollution and evaluating its main impact factors using random forest [J]. Chemosphere, 2022,290.

[20] 杜尚海,古成科,張文靜.隨機(jī)森林理論及其在水文地質(zhì)領(lǐng)域的研究進(jìn)展 [J]. 中國(guó)環(huán)境科學(xué), 2022,42(9):4285-4295. Du S H, Gu C K, Zhang W J. A review on the progresses in random forests theory and its applications in hydrogeology [J]. China Environmental Science, 2022,42(9):4285-4295.

[21] Xu T T, Zheng J Q, Han S J, et al. Responses of soil nitrogen transformation to long-term nitrogen fertilization and precipitation changes in a broad-leaved Korean pine forest in Changbai Mountains, China [J]. The journal of applied ecology, 2018,29(9):2797-2807.

[22] 張文卿,王文鳳,劉淑芹,等.長(zhǎng)白山礦泉水補(bǔ)給徑流與排泄關(guān)系 [J]. 河海大學(xué)學(xué)報(bào)(自然科學(xué)版), 2019,47(2):108-113. Zhang W Q, Wang W F, Liu S Q, et al. Relationship of recharge runoff and drainage for the mineral water in the Changbai Mountain [J] Journal of Hohai University (Natural Sciences), 2019,47(2):108-113.

[23] 馬于曦.安圖縣礦泉水水源涵養(yǎng)能力評(píng)估與生態(tài)紅線劃定 [D]. 長(zhǎng)春:吉林大學(xué), 2021. Ma Y X. Assessment of water conservation capacity and delineation of ecological red line of mineral water in Antu County [D]. Changchun: Jilin University, 2021.

[24] Liu, Q Y, Wang M W, Zhou T L, et al. A connection cloud model coupled with extenics for water eutrophication evaluation [J]. Earth Science Informatics, 2019,12(4):659-669.

[25] 雷麗萍.基于云模型的水質(zhì)評(píng)價(jià)方法優(yōu)化研究 [D]. 成都:南交通大學(xué), 2019. Lei L P. Research on optimization of water quality assessment method based on cloud model [D]. Chengdu: Southwest Jiaotong University, 2019.

[26] 楊明悅,毛獻(xiàn)忠.基于變量重要性評(píng)分-隨機(jī)森林的溶解氧預(yù)測(cè)模型——以深圳灣為例 [J]. 中國(guó)環(huán)境科學(xué), 2022,42(8):3876-3881. Yang M Y, Mao X Z. Dissolved oxygen prediction model based on variable importance measures and random forest: A case study of Shenzhen Bay [J]. China Environmental Science, 2022,42(8):3876- 3381.

[27] Cutler D R, Edwards Jr T C, Beard K H, et al. Random forests for classification in ecology [J]. Ecology, 2007,88(11):2783-2792.

[28] GB/T 14848-2017 地下水質(zhì)量標(biāo)準(zhǔn) [S]. GB/T 14848-2017 Groundwater quality standard [S].

[29] 曹玉和,齊佳偉,熊紹禮.吉林省氟中毒病區(qū)水文質(zhì)地特征及防氟改水對(duì)策 [J]. 中國(guó)地質(zhì), 2010:690-695. Cao Y H, Qi J W, Xiong S L. Hydrogeological characteristics of endemic fluorine disease areas of Jilin Province and water source project countermeasures for fluorine prevention [J] Geology in China, 2010:690-695.

[30] 侯炳江.基于組合賦權(quán)的水質(zhì)綜合評(píng)價(jià)云模型及其應(yīng)用 [J]. 水電能源科學(xué), 2016,34(8):24-27. Hou B J. Water quality evaluation based on combination weight- normal cloud model and its application [J]. Water Resources and Power, 2016,34(8):24-27.

[31] 趙夢(mèng)婷,黃顯峰,金國(guó)裕,等.基于改進(jìn)云模型的區(qū)域水質(zhì)評(píng)價(jià)研究[J]. 安徽農(nóng)業(yè)大學(xué)學(xué)報(bào), 2020,47(5):778-783.Zhao M T, Huang X F, Jin G Y, et al. Study on regional water quality evaluation based on improved cloud model [J]. Journal of Anhui Agricultural University, 2020,47(5):778-783.

Groundwater quality assessment and index optimization of water quality monitoring in the water source area of Changbai Mountain.

GU Zhi-qi1, BIAN Jian-min1, WANG Yu1*, MA Li-xin2, SUN Xiao-qing1, RUAN Dong-mei1

(1.Key Laboratory of Groundwater Resources and Environment, Ministry of Education, College of New Energy and Environment, Jilin University, Changchun 130021, China；2.Jilin Ecological Environment Monitoring Center, Changchun 130021, China)., 2023,43(10)：5257～5264

This study chose Antu County, the water source area of Changbai Mountain as the study area. the hydrochemical characteristics and formation mechanism of groundwater in the study area was analyzed. The cloud model based on entropy weight was used to evaluate the groundwater quality. Furthermore, an optimization model of water quality index was constructed by coupling random forest and stepwise multiple linear regression analysis to determine the key indicators of groundwater source security monitoring. The results showed that the primary water chemistry type of groundwater in the study area was HCO3-Mg·Na·Ca type, which was mainly controlled by the rock weathering and dissolution effects. About 74% of groundwater samples were classified as Class Ⅰ-Ⅲ. The2and RMSE values of the best index optimization model were 0.6333 and 0.726, respectively. F-, Na+, TDS and Cl-were identified as the key indicators of groundwater quality monitoring in the study area. This optimized water quality index can effectively reduce monitoring costs and provide scientific basis for guaranteeing the safety of water sources.

high-quality water source in Changbai Mountain；cloud model；random forest；water quality evaluation；index optimization；groundwater

X824

A

1000-6923(2023)10-5257-08

2023-02-24

吉林省環(huán)保廳環(huán)境保護(hù)科研項(xiàng)目(吉環(huán)科字第2022-10號(hào));吉林省科技廳重大科技專項(xiàng)(20230303007SF)

* 責(zé)任作者, 副教授, chair19881224@126.com

谷志琪(1997-),男,吉林長(zhǎng)春人,吉林大學(xué)博士研究生,主要從事地下水資源評(píng)價(jià)與承載力研究.發(fā)表論文2篇.lh2568@163.com.

谷志琪,卞建民,王 宇,等.長(zhǎng)白山源頭區(qū)地下水質(zhì)評(píng)價(jià)及監(jiān)測(cè)指標(biāo)優(yōu)化 [J]. 中國(guó)環(huán)境科學(xué), 2023,43(10):5257-5264.

Gu Z Q, Bian J M, Wang Y, et al. Groundwater quality assessment and index optimization of water quality monitoring in the water source area of Changbai Mountain [J]. China Environmental Science, 2023,43(10):5257-5264.