小清河干流水质时空变化特征及其污染物溯源解析

Spatio-Temporal Variation Characteristics of Water Quality and Pollutant Source Apportionment in Xiaoqing River Mainstream

摘要

河流作为人类及其他生物赖以生存的重要自然生态系统，其水质状况直接关系到生态安全与可持续发展.为探究小清河干流水质时空变化特征，基于2019—2022年的水质监测数据，采用综合水质指数法（water quality index，WQI）分析小清河干流水质时空变化特征，并利用绝对主成分-多元线性回归模型解析干流污染物来源及其贡献率.结果表明：2019—2022年小清河干流水质年均WQI值呈现增加趋势，水质等级从“中等”转变为“良好”；水质状况在季节尺度上未呈现显著波动，但丰水期WQI均值相对较低.空间上，小清河干流水质WQI值总体上表现为中游上游下游，水质较差的区域主要分布在中上游，尤其是干流沿岸建设用地和耕地面积占比较大的地区.源解析结果显示，干流污染物来源较为复杂，主要为工业废水排放源（25.81%）、农业种植活动源（24.92%）、生活污水排放和畜禽养殖源（17.60%）；干流各监测断面的污染物来源组成相似，然而，其污染源的贡献结构存在差异，这种差异与沿岸的土地利用方式及人类活动强度密切相关.研究结果可为小清河流域的污染防控与治理决策提供关键科学依据.

Abstract

As a critical natural ecosystem supporting the survival of humans and other organisms, the water quality of rivers directly influences ecological security and sustainable development. To investigate the spatiotemporal variations in water quality of the Xiaoqing River mainstream, this study analyzed and evaluated these characteristics using the comprehensive water quality index (WQI) method based on monitoring data from 2019 to 2022. Additionally, an absolute principal component score-multiple linear regression (APCS-MLR) model was employed to identify pollution sources and quantify their contribution rates in the mainstream. The results indicate that the annual average WQI of the Xiaoqing River mainstream showed an increasing trend, with the water quality grade improving from "moderate" to “good” from 2019 to 2022. No significant seasonal variation in water quality grade was observed, though the WQI during the wet season was slightly higher than in other periods. Spatially, the WQI values along the Xiaoqing River mainstream generally exhibited a pattern of midstream upstream downstream, with the best water quality observed in the downstream section. Poorer water quality was primarily distributed in the midstream and upstream regions, particularly in areas with a high proportion of built-up and agricultural land along the main channel. Source apportionment results revealed that pollutant sources in the Xiaoqing River mainstream were diverse, with primary contributions from industrial wastewater discharge (25.81%), agricultural activities (24.92%), and domestic sewage coupled with livestock farming (17.60%). The predominant pollution sources were generally consistent across all monitoring sections, though dominant types varied spatially, which was closely associated with land use patterns and anthropogenic activities along the river. The findings of this study can provide an important scientific basis for pollution control decision-making in the Xiaoqing River basin.

Graphical abstract

关键词

水质评价 / 综合水质指数法 / 时空分布特征 / 绝对主成分-多元线性回归模型 / 源解析 / 环境地质.

Key words

water quality evaluation / comprehensive water quality index (WQI) / spatio-temporal variation / absolute principal component score-multiple linear regression (APCS-MLR) / source apportionment / environmental geology

0 引言

在人类活动日益频繁背景下，水质恶化已成为一个凸显的全球性环境问题，其后果不仅危及公众健康与生物多样性，也导致了广泛的水生生态系统问题（Nong et al.， 2019）.水质的时空演变直观反映了污染源与人类活动的地理异质性，并受到气候、水文及社会经济因素的综合影响，厘清水质的时空变化特征及其污染物的来源，是进行有效污染控制与可持续水管理的关键基础.小清河位于山东省内，是黄河流域渤海水系的重要支流，其源头位于省会济南的泉群区域，最终汇入渤海，小清河沿岸经由山东半岛蓝色经济区、黄河三角洲高效生态经济区和省会城市群经济圈，作为历史上的“黄金水道”，对区域经济社会发展和生态安全保障具有战略意义.然而，随着工业化与城镇化的快速推进，工业废水、生活垃圾与农业化肥等污染物持续溢入河道，致使流域承纳了巨大的环境压力，作为莱州湾主要入海河流之一，小清河在区域氮输入中占据重要地位，其氮的输送贡献量达到30%，仅次于黄河（王一诺等，2023）.作为沿线地区重要的排水通道和地下水补给源，小清河流域的水环境状况对于维持区域水平衡与水安全至关重要.因此，开展小清河流域水质时空演化特征研究与污染物溯源，对于实现流域水资源的可持续管理与保护具有重要实践意义.

近年来“河长制”和“幸福河湖”等政策的实施已使小清河流域水质总体改善，但现有研究多集中在水源地水质评价和综合治理成效分析（代雪静等，2022；王好芳等，2024），以及入海口水质评价等方面（范新凤等，2020），缺乏对小清河干流长期水质时空动态演变规律的分析，对流域内污染状况及来源的定性与定量溯源研究不足.地表水环境质量评价作为水体污染评估的有效手段，能够定量、定性评估地表水水体的污染状况.在诸多水质评价方法中，综合水质指数法（water quality index，WQI）相较于单因子指数法、模糊综合评价法和内梅罗指数法等传统方法，其优势在于能够整合多个环境参数，并将其转化为反映水质状态的单一值，进而提供更为集成的综合水质信息.如胡莹莹等（2022）采用综合水质指数法以白洋淀流域为例验证了WQI评价方法在北方典型流域水质评价的适用性，Nong et al.（2020）采用改进的WQI对南水北调工程进行水质评价，并筛选出了关键水质参数，因此WQI是一种有效的水质评价方法.近年来，水环境污染源解析研究多集中于地下水或特定污染物（Meng et al.， 2018），而对地表水污染来源的综合解析则相对缺乏.相较于主成分分析法、化学质量平衡法等传统手段，绝对主成分-多元线性回归法（an absolute principal component score-multiple linear regression，APCS⁃MLR）无需依赖准确的源成分谱即可定量计算贡献率，其在污染源分配上更高效、便捷（Cao et al.， 2020），现已被广泛应用于相关研究（Cheng et al.， 2020； 杜展鹏等， 2020）.然而由于不同受体模型在具体原理上存在差异，在不同研究区源解析结果存在不确定性，且易受土地利用类型和人类活动的干扰，因此需紧密结合区域具体条件进行综合分析，以确定可靠的源解析结果（丁启振等，2024； Zhu et al.， 2025）.

本研究以小清河干流为研究对象，针对其污染源多样且难以定量解析的问题，基于2019—2022年的水质监测数据，采用综合水质指数法（WQI）评价水质并识别其时空变化特征；运用APCS⁃MLR模型综合解析污染来源，并结合土地利用类型量化各污染源的贡献率.研究成果旨在为小清河流域的污染防控与生态保护提供科学依据.

1 材料与方法

1.1　研究区概况

小清河发源于济南市泉群，流经济南、淄博、滨州、东营及潍坊五市，最终于寿光市羊角沟注入渤海（图1），流域面积10 366 km²，干流全长233 km，是一条集防洪、灌溉、排污、航运等多功能于一体的综合性河道.流域地势南高北低，共有46条一级支流，且多数由南岸汇入.该流域属暖温带大陆性季风气候，年均气温12~14 °C，多年平均降水量为620 mm；降水年内分配不均，主要集中在汛期（6~9月）.

1.2　数据来源

沿小清河干流自上游至下游布置8处地表水监测断面，分别为黄台桥、柴庄闸（上游），魏桥、岔河、博昌桥（中游）以及石村、候辛庄和羊角沟（下游），各断面分布如图1所示.使用采样器在水面以下30 cm深度处采集水样，在同一个采样点采集2个平行样品，水样放入冷藏箱内贮存运输，72 h内完成水质指标的测定，采样时间为2019年1月—2022年12月，采样频率为每月1次.测定的水质指标包括溶解氧（DO）、总氮（TN）、总磷（TP）、氨氮（NH₄⁃N）、硝态氮（NO₃⁃N）、化学需氧量（COD_Cr）和氟化物（F^-）.DO采用便携式溶解氧电极现场测定，TN、TP、NH₄⁃N和NO₃⁃N利用连续流动分析仪测定（AA3型），COD_Cr采用重铬酸钾法测定，F^-采用分光光度法测定.土地利用类型数据来源于中国土地利用遥感监测数据（https：//www.resdc.cn/Datalist1.aspx？FieldTyepID=1，3）.

1.3　研究方法

1.3.1　综合水质指数评价法

本研究采用WQI法，将测定的水质指标分为2类，包括易净化指标（CI1）和其他指标（CI2），易净化指标包括DO、TN、NH₄⁃N、NO₃⁃N和COD_Cr，都是常见生化指标，通过污水处理可以有效降低其浓度，其他指标包括TP和F^-.《地表水环境质量标准》（GB3838⁃2002）将每个水质项目划分为I⁃V类，分别代表优秀（I）、良好（II）、中等（III）、较差（IV）和极差（V），不同水质指标的分类和等级阈值见表1.WQI的计算公式（Nong et al.， 2020； Pesce et al.， 2000）如式（1）所示：

\mathrm{W}\mathrm{Q}\mathrm{I}=\frac{{\sum }_{i=\mathrm{1}}^n\left(C_i{P}_i\right)}{{\sum }_{i=\mathrm{1}}^n{P}_i},(1)

式（1）中：WQI为水质综合评价指数；n为研究中水质参数的总数；C_i 为第i项参数的归一化数值；P_i 为第i项参数的权重，它表示第i个参数对水生生物和人类健康的重要性，权重的相对值是根据前人研究选取（Pesce et al.， 2000； 毛德华等，2024； 夏诗语等，2025），具体见表1.

本研究借鉴《地表水环境质量标准》（GB3838⁃2002）及 Hou et al.（2016）的研究成果，将C_i 归一化数值的计算公式确定为公式（2）：

C_i=\left\{\begin{array}{c}\mathrm{100}-\left[\frac{\left(T_i-S_{i,k}\right)}{\left(S_{i,k+n}-S_{i,k}\right)}\times \mathrm{20}n+I_{i,k}\right],T_i\in [S_{i,k},S_{i,k+n})\\ \mathrm{100}-\frac{T_i}{S_{i,k+n}}\times \mathrm{20}n,T_i\in [\mathrm{0},S_{i,k})\end{array}\right\},

（2）

式（2）中：T_i 为第i项参数的实测浓度；S_i，k 和S_i，k+n 分别为第i项参数在K级和（K+n）级的标准浓度，mg/L；I_i，k 为评估分类项的k级指数值；n为具有相同标准阈值的个数，若没有相同指标，则n=1.易净化指标和其他指标均用上式进行计算.

参考中国水质等级分级和其他学者研究成果（Nong et al.， 2019； Iloba et al.， 2021），将WQI值划分为5个等级：分别为优秀（80WQI≤100）、良好（60WQI≤80）、中等（40WQI≤60）、差（20WQI≤40）、极差（0WQI≤20）.

1.3.2　APCS⁃MLR源解析模型　(1) 绝对主成分分析.APCS⁃MLR模型的第一步是提取水质指标的主成分，作为污染源判别和量化的依据，提取的主成分得分计算公式为式（3）和（4）：

(A_z{)}_k={\sum }_{j=\mathrm{1}}^p(w_j\times z_k),(3)

z_k=(c_k-\overline{c})/\sigma,(4)

式（3）~（4）中：（A_z ） _k 为主成分的得分值；w_j 为第j主成分的因子系数，其中j为PCA过程中得到的主成分序号；z_k 为k观测点污染物浓度标准化后的值；c_k 为k观测点污染物浓度，mg/L；\overline{c}为污染物浓度的算术平均值，mg/L；σ为污染物浓度的标准差，mg/L.

由于（A_z ） _k 是标准化值，不能直接用于计算主成分（PCs）的原始贡献，必须把标准化的因子得分转化为非标准的绝对主成分得分（APCS）才能用于PCs对污染指标的贡献分析.APCS的计算方法如式（5）~（7）所示：

\mathrm{A}\mathrm{P}\mathrm{C}{\mathrm{S}}_{jk}=(A_Z{)}_{jk}-(A_{\mathrm{0}}{)}_j,(5)

(A_{\mathrm{0}}{)}_j={\sum }_{i=\mathrm{1}}^q\left[S_{ij}\times (Z_{\mathrm{0}}{)}_i\right],(6)

(Z_{\mathrm{0}}{)}_i=\left(\mathrm{0}-\overline{c_i}\right)/{\sigma }_i,(7)

式（5）~（7）中：APCS _jk 为第j主成分的绝对主成分得分值；（A_z ） _jk 为第j主成分的得分值；（A₀ ） _j 为0值下的主成分得分值；S_ij 为因子得分系数，其中i为水化学因子序号；（Z₀） _i 为观测点污染物浓度设为0时标准化后的值；{\overline{c}}_i为i水化学因子浓度的算术平均值，mg/L；σ_i为i水化学因子浓度的标准差，mg/L.

(2) 多元线性回归.以实测污染因子浓度C为因变量，以绝对主成分APCS为自变量，与污染因子浓度之间建立多元线性回归方程见式（8）：

C_i={\sum }_{m=\mathrm{1}}^n(a_{im}\times APC{S}_{im})+b_i,(8)

式（8）中：C_i 为i水化学因子的实测浓度，mg/L；a_im 为污染源m对水化学因子i的回归系数；APCS_im 为水化学因子i的所有样本绝对主成分得分值；b_i 为常数项.

(3) 污染源贡献.回归方程中a_im 与\overline{APC{S}_{im}}的乘积表示污染源对水化学因子的贡献，常数项b_i 一般认为是未被识别源项的贡献值.污染物源m对水化学因子i的贡献比例可用式（9）计算，未识别源的贡献比例可用式（10）计算.

P{C}_{im}=\frac{\left|a_{im}\times \overline{APC{S}_{im}}\right|}{\left|b_i\right|+{\sum }_{m=\mathrm{1}}^n\left|a_{im}\times APC{S}_{im}\right|},(9)

P{C}_{im}=\frac{\left|b_i\right|}{\left|b_i\right|+{\sum }_{m=\mathrm{1}}^n\left|a_{im}\times APC{S}_{im}\right|},(10)

式（9）~（10）中：PC_im 为针对水化学因子i、污染源m的贡献率；\overline{APC{S}_{im}}为水化学因子i的所有样本绝对主成分因子得分平均值.

2 结果与讨论

2.1　小清河干流水质WQI值时间变化特征

2019—2022年小清河干流8处断面年均WQI值箱型图如图2a所示，2019—2022年小清河干流水质年均WQI值呈现缓慢上升趋势，WQI值中位数从2019年的43.64升高到2022年的61.45，表明小清河干流水质呈逐渐好转趋势.根据水质分类标准，2019—2022年各断面水质等级从“中等”转变为“良好”，水质改善明显，说明2019年开展的小清河流域综合治理工程效果显著.各断面水质等级占比如图2b所示，由图2b可知，2019—2021年干流中无“优秀”等级水体，“差”等级水体占比呈现逐年下降趋势，占比从2019年的39%下降到2022年的0%，“良好”等级水体占比呈逐年上升趋势，从2019年的6%增加至2022年的58%，干流水质整体上有较大提升.在此期间，小清河河道治理工程的推进以及相关政策的制定与实施，对小清河流域水环境质量的提升起到了关键作用.例如，2019年12月，小清河防洪综合治理工程被确定为山东省重点水利工程的“头号工程”.在该工程实施过程中，开展了污水集中收集处理设施建设、工业企业转型关停搬迁、河道清淤、河床加深与拓宽等工作，这些举措有效促进了流域水质与水生态系统的初步改善（范新凤等，2020；代雪静等，2022）.此外，2021年山东省签发的第7号总河长令《加快美丽幸福河湖建设进程》，强调应科学编制“一河（湖）一策”，持续改善河湖生态环境，扎实推进美丽幸福河湖建设.这些举措显著提升了小清河水环境治理成效.

依据小清河流域水文特征及监测断面实测资料，将6-9月作为丰水期，11月-次年4月作为枯水期，5、10月作为平水期，2019—2022年小清河干流各监测断面WQI值及其各水质等级百分比的季节变化如图3a所示.由图3b可知，丰水期、平水期和枯水期的平均WQI值分别为44.07、49.51和51.59，中位数分别为43.33、49.83和53.72，各个时期小清河干流水质均为“中等”，水质占比主要以“中等”和“良好”为主，从年内变化上看，丰水期小清河干流水质最差，这主要是因为丰水期充沛的降水，导致雨水冲刷携带大量面源污染物进入河道，雨污合流以及沿河截污管存在雨季溢流，加重了水体污染.

2.2　小清河干流水质WQI值空间变化特征

从河流水质空间差异性来看（图4），各断面年均WQI值大小为：羊角沟（56.04）岔河（55.37）石村（55.25）柴庄闸（55.09）博昌桥（49.33）侯辛庄（47.69）黄台桥（47.41）魏桥（44.40），总体上WQI均值大小表现为：中游上游下游.从水质指数的空间分布来看，干流各断面水质状况均为“中等”，WQI最大值出现在中游的魏桥，侯辛庄和黄台桥断面易净化指标（CI1）指数值是干流中最低的，魏桥和博昌桥的其他指标（CI2）指数值是干流中最低的，在制定水污染防治规划时应对其重点关注.

小清河干流水质WQI值的空间变化趋势为下游最高，上游次之，中游最低，污染比较严重的区域主要分布在小清河干流中上游，一般情况下，河流污染物的累积效应越往下游越严重（毕业亮等，2022； 毛德华等，2024），而小清河干流的水质指数在下游区域却是最高的，这可能与小清河干流沿岸人类活动和土地利用类型特点相关，上游建设用地占比大且人口密度高，受沿岸化工企业的分布影响污染源众多，上游济南城区承纳10余个污水处理厂（如光大水务、大金污水处理厂等）的外排水，干流上游受沿途污水处理厂外排水影响明显，济南郊区以耕地为主，受农业面源污染影响；干流中游途径区域土地利用类型以耕地、建设用地为主，受农业面源污染、生活和工业污水排放影响，中游河段支流较多且来水水质差、污染物衰减距离短（焦贞，2022），污染物容易滞留和堆积在干流河（王雪松等，2021）；与中上游相比，下游水域面积占比较大，影响因素减少.

2.3　小清河干流水质影响因素分析

土地利用类型是河流水质的重要驱动因子，分析土地利用类型与水环境之间的响应关系，可进一步解释干流水质空间差异性的原因.土地利用类型按照一级分类分为耕地、林地、草地、水域、建设用地和未利用土地6类（图1），耕地和林地是小清河流域的主要土地利用类型，从空间分布来看，耕地占地面积最大，占流域面积的60%以上，林地、草地次之（顾佳韬，2023）.受尺度效应的影响，不同空间尺度和数据的精度型差异会使得水质和土地利用之间存在不同的响应关系.有研究表明，500 ~10 km缓冲区内不同尺度的土地利用方式对水环境有显著影响（Xiang et al.， 2021； Yang and Huang， 2021；毛德华等， 2024）.小清河流域土地利用类型对水质的影响在1 km缓冲区范围内效果较好（顾佳韬，2023），因此，本研究选择以干流监测断面为中心建立1 km圆形缓冲区，得到该尺度下各断面处土地利用类型占比如图5所示.将该尺度下土地利用面积与水质参数进行Pearson相关分析，结果如表2所示，不同污染物与土地利用类型面积呈现出一定的相关关系，结果表明在1 km尺度下土地利用类型对小清河流域干流水质的解释度较好，能够解释流域干流水质空间变化.根据相关性可知，TP、NH₄⁃N与建设用地、耕地面积呈正相关关系，与水域、未利用土地面积呈负相关；COD_Cr、F^-与建设用地呈正相关，与草地、耕地呈负相关关系；TN、NO₃⁃N与耕地、建设用地呈正相关关系，这与周波等（2024）周波等（2024）的研究结果基本一致.小清河干流1 km缓冲尺度下土地利用类型结构与水质的响应结果表明，建设用地与耕地占比大能够加剧干流污染，这是因为建设用地主要为居民、城乡用地，其下垫面由混凝土覆盖，与其他土地利用类型（如林地、草地）相比，降水无法从地表渗漏，在短时间内更易形成地面径流，携带更多污染物进入河流；耕地与各水质指标之间的相关性，则可能是由于作物生产过程中施用的肥料淋失导致的水质成分尤其是氮、磷的变化；此外，研究也表明，干流水体中TP与NH₄⁃N，COD_Cr与F^-，TN与NO₃⁃N均有相似的污染物来源.综上可知，土地利用类型是影响小清河干流水体污染的主要因素之一.

2.4　基于APCS⁃MLR模型的主要污染物来源解析

2.4.1　流域主要污染物来源解析

选取小清河干流主要水质指标，包括DO、TN、TP、NH₄⁃N、NO₃⁃N、COD_Cr、F^-，其中，TN和NO₃⁃N虽在前文没有参与评价，但考虑到两种水质指标在小清河流域中浓度较大且不容忽略，因此同样进行污染物溯源解析.采用最大方差标准化对原始数据进行标准转换，采用KMO和Bartlett球形检验对变量间的相关程度进行检验，通过Bartlett球形度检验结果（00.05）与KMO度量值检验结果（0.5740.5）发现，各个变量之间有较强的相关性，适合开展主成分分析和因子分析.基于SPSS软件开展PCA分析，根据Kaiser特征值大于1.0的标准，共提取3个主成分，累积方差贡献率为68%（表3），可以表示研究对象的大部分信息.运用正交变换对初始因子载荷矩阵进行旋转，使各因子载荷尽量趋近于0或1两极，得到旋转后的因子载荷分布，如图6所示，其中因子载荷0.75、0.75~0.50和0.50~0.30分别对应强载荷、中等载荷和弱载荷.将提取到的3个主成分的标准化因子进行正交旋转，计算旋转因子荷载，根据因子荷载大小识别潜在污染源.第一主成分（F1）的贡献率为25.81%，其中F^-和COD_Cr为强荷载.第二主成分（F2）、第三主成分（F3）的贡献分别为24.92%和17.60%，NO₃⁃N、TN在F2上为强荷载，TP在F3上为强荷载.

F1对F^-和COD_Cr有较强的正载荷，分别为0.85和0.74，对NH₄⁃N和DO有弱负载荷，分别为-0.574和-0.425.孙琳婷等（2020）的研究指出小清河流域沿岸氟工业园区的点源排放是导致流域水体氟化物污染的重要原因之一，氟工业园排放的含氟污染物同时包含无机氟化物和全氟多氟烷基化合物（Liu et al.， 2025），Liu et al.（2025）研究也指出氟工业园生产活动与小清河下游水体氟化物含量之间存在相关性.上述研究与本文数据结果基本一致，在各处监测断面中，中下游F^-浓度较其他上游断面高，可见下游工业废水排放是干流F^-的主要来源.对多数水体而言，COD_Cr的来源主要包括工业和生活源，因此，工业废水排放也是干流COD_Cr的主要来源之一.这与前文分析得到的COD_Cr、F^-浓度与建设用地呈正相关的结果一致.综上所述，F1以有机污染物为主，可以被识别为工业废水排放影响.

F2对NO₃⁃N和TN具有较强的正载荷，分别为0.89和0.83，说明F2反映的是氮污染.小清河干流水体中NO₃⁃N含量占TN含量的70%以上，说明NO₃⁃N是干流水体中氮素的主要存在形式，水体中NO₃⁃N一般来自氮肥过量使用、生活污水排放和土壤氮素等（马恩朴等，2021），其中，作物生产过程中过量配施氮肥是我国诸多河流氮磷污染的主要来源（Li et al.， 2023），据统计，小清河流域的年均氮肥施用密度为135 kg·ha^-1，其中干流流经的章丘区和寿光市的氮肥施用密度为250~330 kg·ha^-1，该值明显高于发达国家对化肥施用的安全上限临界值225 kg·ha^-1（王琼，2015）.分析发现，小清河干流1 km缓冲区内各监测断面的耕地面积占比与相应断面处的NO₃⁃N浓度呈正相关关系（相关系数为0.472），这与王琼等研究发现的小清河流域NO₃⁃N浓度与耕地面积比例呈显著正相关的结果基本一致，该研究还指出氮污染物排放总量中非点源污染所占比重较大，贡献最大的是氮肥施用源（王琼，2015）.综合考虑小清河干流沿岸主要以耕地为主，且小清河干流NO₃⁃N浓度最大值出现在平水期和枯水期（也是农作物施肥关键期）的情况，表明农业面源污染是小清河干流NO₃⁻⁃N的主要来源，具体而言，农作物生产过程中施用的化肥与农药，在灌溉或降雨后形成的地表径流携带下汇入河道，从而导致其水体中NO₃⁻⁃N浓度升高.因此，F2可认为是农业种植活动的影响.

F3对TP有较强的正载荷（0.81），对NH₄⁃N有中等正载荷（0.54），对TN有弱正载荷，为0.40.结合干流土地利用类型特点，干流沿岸的农业活动、生活污水、畜禽养殖和工业活动均能导致大量氮、磷随降雨、径流进入水体，王好芳等（2024）研究发现生活污水、工业废水和农田退水等是小清河流域邹平段水体中NH₄⁃N的主要来源，王琼等（2015）研究发现生活污水、畜禽养殖废水和化工废水排放是流域内TP和NH₄⁃N的主要来源，综上，F3可以被认为受生活污水排放和畜禽养殖的共同影响.

2.4.2　不同污染源污染贡献率计算结果

基于PCA分析识别来源，采用APCS⁃MLR模型确定各来源具体贡献，源解析结果如图7所示.结果表明，小清河干流沿岸工业废水排放是流域干流F^-、COD_Cr和NH₄⁃N的主要来源，工业废水排放源对各指标的贡献率分别为82.9%、67.3%和39.5%；农业种植活动是NO₃⁃N和TN的主要来源，贡献率分别为68.4%和64.3%；生活污水和畜禽养殖是TP的主要来源，贡献率为55.8%；除上述来源外，各水质参数未识别源的贡献率为7.6%~43.2%，平均为21.2%，对NH₄⁃N和DO的贡献最大，可能是多种因素综合作用的结果.小清河干流污染源贡献率的定量解析结果，为流域实施分区分级、精准溯源的科学治污策略提供了直接与关键的科学依据.

2.4.3　流域污染来源沿程分布特征

采用KMO和Bartlett球形检验对变量间的相关程度进行检验，结果发现上述8处断面中柴庄闸断面的数据未通过检验，因此只得到7处断面的污染来源分析结果.根据Kaiser特征值大于1.0的标准，各监测点处分别提取4个（黄台桥）、2个（魏桥）、3个（岔河）、3个（博昌桥）、3个（石村）、3个（候辛庄）和3个主成分（羊角沟），计算得到的累积方差贡献率分别为77%、60%、74%、86%、66%、74%和74%.识别确定黄台桥断面的主要污染源为工业废水排放、农业种植活动以及生活污水排放，这与土地利用分析中黄台桥断面土地利用类型主要为工矿、城乡、居民用地以及耕地的结果基本一致.魏桥断面的主要污染源为农业种植活动、工业废水排放和生活污水，岔河断面的主要污染源为农业种植活动、生活污水和工业废水排放，博昌桥断面的主要污染源为农业种植活动和工业废水排放，石村断面的主要污染源为农业种植活动和工业废水排放，候辛庄断面的主要污染源为工业废水排放和农业种植活动，羊角沟断面的主要污染源为农业活动、生活污水和畜禽养殖以及工业废水排放.其中魏桥、岔河、博昌桥、石村各断面处的主要污染源为农业种植活动和工业废水排放，这与研究区1 km缓冲区内耕地面积占比60%以上的结果相符，农业面源污染导致干流水体NO₃⁃N和TN浓度累积.候辛庄、羊角沟位于小清河流域下游入海口附近，除农业种植活动外，工业废水排放也是影响流域污染物的重要原因之一.研究表明小清河干流各监测断面的主要污染源基本一致，但污染源主导类型有差异，这与土地利用类型密切相关.本研究旨在为小清河流域的分段精准管控与生态治理提供核心技术支撑，从而有效提升治理措施的针对性与实效性，推动全流域的生态恢复与可持续发展.

3 结论

（1）2019—2022年小清河干流水质呈逐年改善趋势，干流水质年均WQI值逐年增加，小清河干流水质等级从“中等”转变为“良好”，表明小清河防洪综合治理工程效果明显；水质等级无明显季节性差异，仅丰水期WQI值较其他时期略低.小清河干流水质WQI值总体上表现为中游上游下游，下游水质最好，水质较差的区域主要分布在中上游，尤其是干流沿岸建设用地和耕地面积占比较大的区域.相关性分析发现建设用地和耕地面积的扩大对干流水质恶化表现出显著的驱动作用，土地利用类型是影响小清河干流水体污染的关键因素之一.

（2）小清河干流污染物来源较为复杂，主要来源为工业废水排放源（25.81%）、农业种植活动源（24.92%）、生活污水排放和畜禽养殖源（17.60%）；从TN来看，农业种植活动是主要污染源，贡献率达64.3%，从COD_Cr、NH₄⁃N和F^-来看，工业废水排放为主要污染源，贡献率分别为82.9%、67.3%和39.5%.

（3）小清河干流各监测断面污染物的主要污染源基本一致，但污染源主导类型有差异，这与沿岸土地利用类型及人类活动密切相关.结果表明小清河干流水体仍存在潜在污染风险，应优先控制污染源为流域沿岸工业废水排放和农田径流氮素淋失.

参考文献

[1] Bi, Y. L., Wang, H. C., Xia, B., et al., 2022. Pollution Characterization and Comprehensive Water Quality Assessment of Rain⁃Source River: A Case Study of the Longgang River in Shenzhen. Environmental Science, 43(2): 782-794 (in Chinese with English abstract).

[2] Cao, Y. X., Xin, M., Wang, B. D., et al., 2020. Spatiotemporal Distribution, Source, and Ecological Risk of Polycyclic Aromatic Hydrocarbons (PAHs) in the Urbanized Semi⁃Enclosed Jiaozhou Bay, China. Science of the Total Environment, 717: 137224. https://doi.org/10.1016/j.scitotenv.2020.137224

[3] Cheng, G. W., Wang, M. J., Chen, Y., et al., 2020. Source Apportionment of Water Pollutants in the Upstream of Yangtze River Using APCS-MLR. Environmental Geochemistry and Health, 42(11): 3795-3810. https://doi.org/10.1007/s10653⁃020⁃00641⁃z

[4] Dai, X.J., Jiang, T.L., Liu, Y., et al., 2022. Pollution Status and Trend Analysis of Xiaoqing River in Jinan Section in Recent 20 Years. Journal of Arid Land Resources and Environment, 36(1):143-150 (in Chinese with English abstract).

[5] Ding, Q. Z., Zhou, Y. Z., Zhou, J. L., et al., 2024. Spatial Distribution, Source Apportionment and Health Risk Assessment of Inorganic Pollutant in Groundwater in Eastern Plain of Xinjiang. Earth Science, 49(11): 4008-4021 (in Chinese with English abstract).

[6] Du, Z.P., Wang, M.J., Yan, C.A., et al., 2020. Pollution Source Apportionment of Lake Dianchi Based on Abolute Principal Component Score Multiple Linear Regression. Acta Scientiae Circumstantiae, 40(3):1130-1137 (in Chinese with English abstract).

[7] Fan, X. F., Han, M., Wang, L., et al., 2020. Analysis of Water Quality Change and Its Driving Factors of the Xiaoqing River Estuary in Recent Ten Rears. Environmental Science, 41(4): 1619-1628 (in Chinese with English abstract).

[8] Gu, J.T., 2023. Study on Comprehensive Evaluation and Driving Factors of “Happy River” Based on Xiaoqing River Basin (Dissertation). University of Jinan, Jinan (in Chinese with English abstract).

[9] Hou, W., Sun, S. H., Wang, M. Q., et al., 2016. Assessing Water Quality of Five Typical Reservoirs in Lower Reaches of Yellow River, China: Using a Water Quality Index Method. Ecological Indicators, 61: 309-316. https://doi.org/10.1016/j.ecolind.2015.09.030

[10] Hu, Y. Y., Wang, Y. C., Zhou, Y. Y., et al., 2022. Water Quality Assessment of Baiyangdian Watershed Based on a Comprehensive Water Quality Index. Water Resources and Hydropower Engineering, 53(3): 145-154 (in Chinese with English abstract).

[11] Iloba, K. I., Akawo, N. O., Godwin, P. I., 2021. Assessment of Anwai River Water Quality Using the Weighted Arithmetic Water Quality Index (WQI) in Delta State, Nigeria. Journal of Applied and Natural Science, 13(3): 913-922. https://doi.org/10.31018/jans.v13i3.2758

[12] Jiao, Z., 2022. Comprehensive Evaluation of Groundwater Environmental Ecological Effect in Typical Reach of Xiaoqing River under Multi⁃Source Confluence (Dissertation). University of Jinan,Jinan (in Chinese with English abstract).

[13] Li, X. F., Xu, W. Z., Song, S., et al., 2023. Sources and Spatiotemporal Distribution Characteristics of Nitrogen and Phosphorus Loads in the Haihe River Basin, China. Marine Pollution Bulletin, 189: 114756. https://doi.org/10.1016/j.marpolbul.2023.114756

[14] Liu, Y. J., Lei, H. J., Lu, Y. L., et al., 2025. Multiple Impacts of Human Activities on Environmental Fate of Per- and Polyfluoroalkyl Substances (PFAS) in the Xiaoqing River of China. Environmental Pollution, 382: 126738. https://doi.org/10.1016/j.envpol.2025.126738

[15] Ma, E. P., Cai, J. M., Lin, J., et al., 2021. Spatial Pattern and Water Environmental Impact of Nitrogen and Phosphorus Emissions from Agricultural Sources in China in Recent 30 Years. Journal of Natural Resources, 36(3): 752-770 (in Chinese with English abstract).

[16] Mao, D.H., Zhou, Y., Zhou Y.L., 2024. Analysis of Spatiotemporal Variation and Driving Factors of Water Quality in the Xiangjiang River Basin from 1990 to 2016. Environmental Science, 45(7):3953-3964 (in Chinese with English abstract).

[17] Meng, L., Zuo, R., Wang, J. S., et al., 2018. Apportionment and Evolution of Pollution Sources in a Typical Riverside Groundwater Resource Area Using PCA⁃APCS⁃MLR Model. Journal of Contaminant Hydrology, 218: 70-83. https://doi.org/10.1016/j.jconhyd.2018.10.005

[18] Nong, X. Z., Shao, D. G., Xiao, Y., et al., 2019. Spatio⁃Temporal Characterization Analysis and Water Quality Assessment of the South⁃to⁃North Water Diversion Project of China. International Journal of Environmental Research and Public Health, 16(12): 2227. https://doi.org/10.3390/ijerph16122227

[19] Nong, X. Z., Shao, D. G., Zhong, H., et al., 2020. Evaluation of Water Quality in the South⁃to⁃North Water Diversion Project of China Using the Water Quality Index (WQI) Method. Water Research, 178: 115781. https://doi.org/10.1016/j.watres.2020.115781

[20] Pesce, S. F., Wunderlin, D. A., 2000. Use of Water Quality Indices to Verify the Impact of Córdoba City (Argentina) on Suquı́a River. Water Research, 34(11): 2915-2926. https://doi.org/10.1016/S0043⁃1354(00)00036⁃1

[21] Sun, L. T., Zhao, Z., Tang, J. H., 2020. Distribution Characteristics of Per⁃/Polyflouralkyl Substances in River Sediments around Typical Fluorine Industrial Parks. Environmental Science, 41(9): 4069-4075 (in Chinese with English abstract).

[22] Wang, H.F., Dai, C.Y., Zhang, Y.K., et al., 2024. Evaluation of the Comprehensive Pollution Control Effectiveness in the Zouping Section of the Xiaoqing River Basin Based on Water Quality Targets. Transactions of the Chinese Society of Agricultural Engineering, 40(21): 212-220 (in Chinese with English abstract).

[23] Wang, Q., 2015. Calculation of the Discharge Amounts and Total Pollution Amount Control of Nitrogen and Phosphorus in Xiaoqinghe Watershed (Dissertation). Yantai Institute of Coastal Zone Research Chinese Academy of Sciences, Yantai(in Chinese with English abstract).

[24] Wang, X. S., Li, Q., Gao, J. F., et al., 2021. A Preliminary Analysis on Response of River Water Quality to Land Use in Riparian Zone of Changzhou. Resources and Environment in the Yangtze Basin, 30(12): 2915-2924 (in Chinese with English abstract).

[25] Wang, Y.N., Guan, W.C., Zou, L., et al., 2023. Composition and Transport of Nitrogen and Phosphorus in the Main Estuaries around Laizhou Bay. Marine Environmental Science, 42(5): 684-692 (in Chinese with English abstract).

[26] Xia, S. Y., Lü, W., Yang, J. Y., et al., 2025. Analysis of the Spatiotemporal Distribution Characteristics and Influencing Factors of River Water Quality in Suzhou City. Environmental Science, 46(7): 4241-4250 (in Chinese with English abstract).

[27] Xiang, R., Wang, L. J., Li, H., et al., 2021. Temporal and Spatial Variation in Water Quality in the Three Gorges Reservoir from 1998 to 2018. Science of the Total Environment, 768: 144866. https://doi.org/10.1016/j.scitotenv.2020.144866

[28] Yang, J., Huang, X., 2021. The 30 m Annual Land Cover Dataset and Its Dynamics in China from 1990 to 2019. Earth System Science Data, 13(8): 3907-3925. https://doi.org/10.5194/essd⁃13⁃3907⁃2021

[29] Zhou, B., Li, X. G., Tong, S. C., et al., 2024. Spatial and Temporal Distribution of Nitrogen in the Liaohe River Basin and Its Responses to Land Use and Rainfall. Environmental Science, 45(4): 2373-2384 (in Chinese with English abstract).

[30] Zhu, M., Cheng, R., Dong, P., et al., 2025. Exploring the Groundwater Quality Index and Its Pollution Sources in Southwest Karst Regions Using Machine Learning Models. Journal of Earth Science. https://doi.org/10.1007/s12583⁃025⁃0357⁃4 (in press).

基金资助

国家自然科学基金(42307083)

济南大学2023年学科交叉会聚建设项目(XKJC-202305)