河流水质动态表征的量级–变异性框架：EWQDL–EWQDV状态空间与环境控制

《Water》：A Magnitude–Variability Framework for Dynamic River Water Quality Characterization

　　

连续河流水质监测日益捕捉到传统静态评估难以表征的短期波动，然而将高频观测转化为可解释动态水质状态的框架仍然有限。在本研究中，研究人员开发了一种基于状态的框架，用于利用连续河流监测数据进行动态水质表征。首先采用生态水质偏离（ecological water quality departure, EWQD）量化相对于背景条件的偏离，随后引入两个互补描述符，暴露水平（exposure level, EWQD_L）和暴露变异性（exposure variability, EWQD_V），以表征水质偏离的量级和时间不稳定性。然后利用二者的联合分布构建二维动态状态空间，并从中识别出四种代表性偏离状态，以描述偏离强度和时间变异性的不同组合。进一步采用机器学习模型识别与这些动态状态之间转换相关的环境控制因素。结果表明，34.7%的监测日表现出日内水质状态转换，证明存在显著的短期变异性。模拟常规抓取样未能识别连续监测所揭示的18.8%不利水质状态，说明离散观测可能导致信息损失。EWQD_L–EWQD_V状态空间区分了持久、瞬态、稳定和高度不稳定偏离状态，而这些状态无法仅根据偏离量级加以区分。水文气象条件，尤其是前期降雨和温度，是动态状态转换的主导控制因素，而土地利用主要调节河流系统对水质偏离的背景易感性。这些发现表明，河流水质更适合被表征为随时间变化的状态过程，而非静态条件。所提出的框架为将连续监测记录转化为可解释动态状态提供了系统方法，并为更具代表性的水质表征和自适应监测策略提供了基础。

河流水质是淡水生态系统完整性的基本组成部分，与水生生态功能、水资源安全和人类活动可持续性密切相关。水质不是静态环境属性，而是持续响应水文、生物地球化学和人为过程。降雨—径流事件、干旱和洪水、流量调节、废水排放、农业输入及河道内生物地球化学转化可在小时至季节尺度改变污染物浓度和理化条件。高频观测使河流水质研究从长期状态表征转向短期动态和扰动响应，但现有研究多关注单个变量波动、事件响应、浓度—流量轨迹、事件类型以及时变或预测水质条件，较少关注整体多变量水质条件相对于参考状态的时间行为，尤其是一个偏离量级究竟代表持久条件还是时间不稳定状态。水质胁迫对水生生态系统的影响不仅取决于量级，也取决于持续时间和频率，因此量级相同但时间特征不同的条件可能代表不同环境机制。为填补这一空白，研究人员开发了基于状态的动态水质表征框架，利用连续河流监测数据，通过EWQD、偏离水平（L）、偏离变异性（V）及其相关动态状态，将连续观测转化为动态状态空间。研究目标为：量化河流水质时间偏离；整合偏离水平和时间变异性建立动态状态空间；识别动态水质状态转换相关环境驱动；评估动态状态表征对代表性水质解释和监测的意义。

关键技术方法概括（不超过250字）。研究区为浙江省北部杭嘉湖平原，使用18个国家级自动监测站，2022年1月至2024年12月每日观测，5个常规水质变量：溶解氧（DO）、高锰酸盐指数（COD_Mn）、氨氮（NH₄⁺-N）、总氮（TN）、总磷（TP），4小时间隔（每日6次）。气象变量来自国家青藏高原数据中心，土地利用和土壤类型来自中国科学院资源环境科学数据中心。方法包括：以中位数和MAD构建EWQD(t)，截断至8，计算EWQD_L和EWQD_V；用高斯混合模型（Gaussian mixture model, GMM）按贝叶斯信息准则（Bayesian Information Criterion, BIC）在EWQD_L–EWQD_V空间识别四状态；用XGBoost分类环境驱动，分层按75%训练和25%测试，五折交叉验证；采用Mann–Whitney U检验、卡方检验和Cramér’s V。

3.1 河流水质时序动态特征（Characteristics of River Water Temporal Dynamics）。通过连续监测记录统计，13,088个监测站点日产生58,859个相邻观测，14.0%涉及综合水质类别变化；34.7%站点日至少经历一次日内水质类别转换，65.3%保持单一类别；动态条件通常包括2次日内类别转换，最大5次。动态条件发生呈季节变化，冬季低于25%，7—8月约50%；18个站动态站点日比例约20%至超过50%。动态日DO、COD_Mn、NH₄⁺-N、TN、TP的日内振幅均显著大于稳定日（p<0.001）。结论是高频监测可捕捉河流水质动态的发生、时间、频率、空间分布和量级。

3.2 水暴露模式（Water Exposure Patterns）。以连续监测记录为每日参考模拟常规抓取样，81.2%随机抓取样成功捕获日最差水质类别，18.8%失败；在71,947个抓取样、13,088站点日中，漏检平均类别差1.2类别单位。漏检概率季节变化，冬季约11–13%，7—8月26–28%，仲夏最高；空间上站间约10–28%，总体均值18.8%；小时上中午约15–16%，全天超过15%，傍晚超过20%；漏检时平均类别差约1.1–1.3类别单位。结论是离散抓取样可能遗漏日内不利状态。

3.3 动态水质指标（Dynamic Water Quality Indicators）。建立三级EWQD框架。EWQD(t)分布右偏，中位数0.70，Q90为1.31，Q95为1.60。日尺度EWQD_L中位数0.71，仅5%站点日超过Q95为1.56；EWQD_V中位数0.22，具长尾。EWQD_L与日均偏离Spearman r=0.99、日最大偏离r=0.94；EWQD_V与日振幅r=0.94，与变异系数r=0.70。EWQD_L和EWQD_V联合形成二维生态状态空间，GMM识别四状态：C1稳定背景（低L–低V）、C2持续偏离（高L–低V）、C3不稳定背景（低L–高V）、C4不稳定偏离（高L–高V）。EWQD_L在常规日最差水质类别间变化大且相邻类别重叠。结论是生态状态不能仅由偏离强度代表，需同时考虑时间变异性。

3.4 动态水质环境控制（Environmental Controls on Dynamic Water Quality）。比较四状态主要水文气象变量分布，API15、P7和SM7差异清楚，T7重叠。C4多出现在较高前期降水和土壤水分下，C1较干，C2和C3中间。景观背景差异显著：土地利用与状态组成相关（χ²=461.34，p<0.001，Cramér’s V=0.11）。稻田、城市和农村居民点以C1为主，占55.3–59.2%；其他林地和河道C4比例达18.0%和15.8%，约为稻田和城市的三倍。XGBoost显示背景环境（土壤类型和土地利用）贡献最高；气象变量中T7主导，其次API15、P7、SM7，CDD最弱。部分依赖分析表明增加前期降水一般增加不稳定偏离状态概率并降低稳定条件；温度非线性影响，中等热条件有利于状态持续，较高温度促进向替代偏离状态转变。结论是环境驱动通过改变L–V状态转换概率影响EWQD，而非简单线性改变暴露强度。

讨论部分。4.1 基于状态的动态水质表征。研究表明，河流水质不能仅由偏离量级充分表征，而由水质偏离强度和时间变异性共同决定。近三分之一站点日发生日内水质类别转换，说明短期变异性是河流水质动态的内在特征而非单纯监测不确定性。EWQD_L–EWQD_V状态空间可区分总体偏离水平相似但时间行为不同的水质机制；持久偏离和快速波动偏离可能平均水质相似但代表不同动态机制。该框架将连续观测转化为二维状态空间，补充静态评估。模拟单次抓取样漏掉相当比例不利条件，说明离散表示时间可变系统会造成信息损失。局限：仅用连续监测系统当前可得的常规理化指标，其他需实验室分析的变量未纳入；评估于中国东部平原河网，需跨气候区、水文环境和监测网络验证；未来可与水文预报和环境决策支持系统结合。4.2 动态水质状态的环境控制。水文气象变量，尤其前期降雨、温度、降水、土壤水分和干旱期，共同调控动态偏离状态转换。前期降雨和温度影响最强。降雨通过稀释和累积污染物动员影响水质，前期降雨还反映流域湿度、地下水连通和水文记忆；温度调节微生物代谢、藻类活性、溶解氧动态和营养盐转化，从而改变水质对水文扰动的敏感性。这些过程产生前期依赖，说明水质不能仅从单个降雨事件解释，而应置于流域水文记忆背景中。土地利用通过改变背景污染源和传输路径调节状态组成：农业面源、城市间歇点源、自然景观缓冲。土地利用决定背景易感性，水文气象决定转换发生时间。对监测的意义：单次观测代表性部分取决于水文气象背景；固定间隔监测在不同环境条件下提供的信息不均；动态状态信息可支持自适应监测，识别额外观测最有价值的环境条件，而非全年均匀增加采样频率。局限：未显式纳入上游水管理、排污计划和水力调节；未来应整合水文模型、连续环境监测和环境预报。

结论翻译：本研究整合EWQD_L和EWQD_V建立水质偏离状态，以表征连续河流监测数据的时间动态。在杭嘉湖平原，水质动态在各月间变化显著，最频繁波动出现在7月和8月。总体34.7%监测站点日经历日内水质类别转换。基于连续监测记录的抓取样分析表明，单次观测在18.8%情况下未能捕获日最差水质类别，平均低估最差条件1.2个类别。漏检日最差条件的概率随季节和日时刻变化，夏季风险最高。水质状态短期变化主要与水文气象因素相关，尤其是前期降雨和温度，而土地利用调节河流系统对水质偏离的背景易感性。本研究建立的框架为解释连续河流水质观测提供了实用方法。通过整合连续监测与环境驱动，该框架能够实现水质状态的动态表征，并有助于识别短期恶化可能性升高的时段。该框架不单纯依赖固定间隔观测，而是通过考虑时间变异性和环境记忆，支持更具代表性的水质动态解释。随着连续监测技术日益普及，此类动态表征框架可补充现有监管评估方法，并为水质评估、环境管理和瞬态恶化事件预警提供额外信息。