Page 23 - 《环境工程技术学报》2022年第5期

第 5 期 许自舟等：天津市近岸海域水质变化趋势分析及水质目标研究 · 1379 ·

downstream collaborative governance and inter provincial joint prevention and treatment of water pollution were
also proposed to continually improve the water quality of the coastal waters of Tianjin.
Key words water quality target; generalized additive model; trend analysis; nutrient; Tianjin coastal waters

重点海域排污总量控制制度是《海洋环境保护 面积达 到 19.9%，主要污染物是无机氮和活性磷酸
法》明确要求的关键制度，是有效遏制近岸海域环境 盐 [18] 。一些学者在该海域内开展了营养盐时空分布
质量恶化趋势的重要手段。在总量控制技术框架体 及变化趋势研究，并分析了变化的影响因素 [19-21] 。但
系中，制定科学合理的水质目标是实施总量控制的 这些研究所采用的数据均 为 201 年之前的，有关
2
基础和前提，水质目标不同，评估得到的污染物最大 201 年之后营养盐浓度变化的研究较为鲜见，另外，
2
允许入海量也不同。在美国切萨比克湾、欧洲波罗 对趋势定量分析程度不够，也少有考虑海域内空间
的海、日本东京湾等海域污染治理研究及实践中，均 站位的异质性。笔者利 用 GA M 模型，基于天津市近
明确了未来不同时期海湾保护目标，以指导水环境 岸海域营养盐浓度及降水量数据，分析营养盐浓度
管理 。目前，在重点海域排污总量控制工作中，主
[1]
年际变化趋势，建立水质变化趋势分析模型和水质
要依据海洋功能区划或近岸海域水环境功能区划确
目标确定方法，提出天津市近岸海域“十四五”阶段
定近岸海域水质目标。这种方式确定水质目标主要
水质目标建议，并评估减排措施的实施效果，进而提
有以下不足：1）存在相邻功能区水质目标差别过大
出水质分区管理建议，以期为深入打好污染防治攻
的情况，如果只按低功能区要求的水质目标进行控
坚战提供技术支撑。
制，则很可能造成邻近功能区的水质超标。2）没有
考虑海域水环境现状、当前社会经济及技术水平等 1 数据来源与研究方法
因素，某些污染严重的海域很难在目标年度全面达
标，使得这些海域水质目标难以实现。3）确定的水 1.1 研究区概况
研究区为天津市近岸海域以及天津与河北交
质目标为区间范围，难以实现精准控制。例如，依据
界 的 毗 邻 海 域 （ 117°34 ′E～ 118°09 ′E， 38°36 ′N～
[2]
GB 3097—1997《海水水质标准》 ，二类海水水质的
39°15′N）（ 图 1）。天津市近岸海域位于渤海湾底部，
无机氮标准限值 为 0.20～0.30 mg/L，水质目标可以
水体交换能力较差，管辖海域面 积 3 000 km ，海岸线
2
在这一范围内取任意值。
长度 约 154 km，平均水 深 6.5 m。天津市多年平均降
为此，笔者提出在时间序列水质数据趋势分析
水量 为 560～720 mm，境内天然河流与人工水渠众
及预测的基础上，建立海域水质目标确定方法。目
多，且人工闸坝密布，人为改变天然河流的流向和流
前，常用的趋势分析及预测模型 有 Mann-Kendal 方
l
量的现象十分普遍。天津市承接来自北京、河北等
[3]
法 、自回归移动平均模型（Autoregressive Integrated
Moving Average Model，ARIMA） [4-5] 、长期短期记忆 省（市）的生活污水和工业废水，从天津市入海的河
神经网络法（Long Short-term Memory，LSTM） [5-6 ] 及 流包括永定新河、海河、独流减河、子牙新河和北排
广义相加模型（Generalized Additive Models，GAM） [7] 河，另有河北唐山市的陡河、沙河及黄骅市的南排水
等。Mann-Kendal 方法没有预测功能，仅用于趋势 河也流入渤海湾。
l
分析；ARIM A 只能处理平稳时间序列，如果有缺失 1.2 数据来源
8
数据，将无法工作；LST M 适用于大数据量的处理， 2007—201 年的营养盐数据来源于原国家海洋
0
其结果缺乏可解释性；GA M 模型结构灵活，能直接 局，2019—202 年的营养盐数据来源于生态环境部，
2
处理响应变量与多个解释变量之间的非线性关系， 空间范围覆盖整个天津市近岸海域，共布设 了 1 个
并能确定每个解释变量的重要程度，从而得到更好 监测站位（ 图 1），监测站位在研究区内总体均匀分
的预测结果 [8-9] 。近年来，越来越多的学者使 用 GAM 布。监测频率为每年 3 次，一般为 5 月、 月和
8
模型来评估水质变化，包括对长时间序列水质变化 1 月，对应入海径流的枯、丰和平水期。海水水质
0
趋势的分析 [10-11] 、水质因子与其他环境因子之间关 监测样品的采集、存储、运输、预处理及分析测定均
系的分析 [12-13] 、气候及人类活动因素对环境的影响 按 GB/T 12763.1—2007《海洋调查规范 第 1 部分: 总
的分析 [14-15 ] 以及对水质进行预测 [16-17] 。综合比较，本 则》 [22 ] 及 GB 17378.4—2007《海洋监测规范 第 4 部
研究选 用 GA M 模型对数据进行趋势分析及预测。 分: 海水分析》 [23 ] 有关规定执行，并通过实施实验室
天津市近岸海 域 201 年优良水质（一类、二类） 质量保证和质量控制，保证分析数据的质量。本研
5
面积仅占近岸海域总面积 的 9.0%，劣四类水质海域 究对所有站位表层数据，按年度求取每个站位无机