利用WQI和APCS-MLR方法对湖泊湿地的水质进行评估及污染源分析——以桂林市回县湿地内的沐东湖为例 陶天（Tao Tian）、 莫凌云（Lingyun Mo）、 秦立堂（Litang Qin）、 戴俊峰（Junfeng Dai）、 王敦秋（Dunqiu Wang）和 卢秋彤（Qiutong Lu）

《Water》：Water Quality Assessment and Pollution Source Analysis of Lake Wetlands Using WQI and APCS-MLR—A Case Study of Mudong Lake in Huixian Wetland, Guilin Tao Tian, Lingyun Mo, Litang Qin, Junfeng Dai, Dunqiu Wang and Qiutong Lu

　　摘要 湿地湖泊的水污染控制经历了波动的发展过程。有效的污染管理不仅需要科学的水质监测数据，还需要明确识别研究区域内的污染源。因此，本研究调查了惠贤湿地核心区域的 Mudong 湖，并在 2023 年 1 月（旱季）和 6 月（雨季）进行了水质监测。根据水质指数（WQI）评估结果，雨季的水质优于旱季。为了识别污染源，应用了绝对主成分得分-多元线性回归（APCS-MLR）模型。结果表明，旱季的污染主要来源于水产养殖和农业非点源污染、人为点源污染以及沉积物内部释放，而雨季的污染则表现出混合特征，受农业非点源、生活污水排放和自然因素的影响。源分配分析表明，复合污染源（生活污水和水产养殖废水）、农业非点源污染和其他未识别污染源分别贡献了总污染负荷的 43.71%、34.11% 和 22.18%。本研究的结果可以为 Mudong 湖的污染控制、减排和针对性管理提供科学依据。

1. 引言
湿地（被称为地球的肾脏）是地球上重要的生态系统。湿地在调节水分、过滤水体、保护生物多样性和调节区域气候方面发挥着关键作用，其生态系统的价值与人类居住区的可持续社会经济发展密切相关[1]。特别是喀斯特湿地，在特殊的喀斯特地质环境中形成，过去存在的水文系统数量有限，可能受到地下水和地表水快速流动的影响。这些生态系统非常敏感且具有特殊性，同时也极易受到外部因素（人类活动和天气）的影响，因此在湿地保护和研究中需要特别关注[2,3]。
Mudong 湖是一个典型的喀斯特湿地湖泊，具有强烈的地下水-地表水相互作用、复杂的多源污染（农业、水产养殖、生活污水排放、港口活动）以及高度变化的水文条件。以往关于喀斯特地区污染源分配的研究受到多种因素的限制。地下水补给和湖泊-渠道连通性的季节性变化导致污染传输动态变化，使得静态监测难以准确捕捉真正的污染来源。多源污染的叠加，包括点源、非点源和水产养殖尾水的混合污染，使得使用传统方法难以区分各个污染源的贡献。数据稀缺也影响了以往的研究，因为大多数现有研究集中在大型喀斯特河流上，而像 Mudong 湖这样的小型浅水湿地湖泊缺乏系统的定量评估[4,5]。
水质评估对于识别水体中的污染水平至关重要。水质指数（WQI）已被广泛用于评估湖泊、河流和湿地的水质，因为它将多个水质参数整合为一个易于解释的指数。同时，源分配是针对性污染控制的关键前提，APCS-MLR 模型是一种成熟的量化污染源贡献的方法。
以往在水质环境中的应用主要集中在非喀斯特河流和湖泊上，这些地方的水文条件相对稳定，污染源较容易区分。然而，在像 Mudong 湖这样的喀斯特湿地湖泊中，地下水-地表水相互作用、多源污染和季节性水文变化的综合效应限制了传统静态源分配方法的性能。通过结合多季节监测和代表性的采样设计，本研究将 APCS-MLR 模型适应于喀斯特湿地的独特条件，从而更准确地量化污染源的贡献。
基于此背景，本研究旨在：(1) 使用水质指数（WQI）评估 Mudong 湖水质的时空变化；(2) 利用多元统计分析和 APCS-MLR 模型识别主要污染源；(3) 量化不同污染源对水质参数的贡献。这些发现有望为惠贤湿地生态系统的保护和管理提供科学依据。

2. 材料与方法
2.1. 研究区域概述
Mudong 湖（北纬 25°5′42″，东经 110°12′26.6″）位于惠贤喀斯特湿地的核心区域，毗邻古老的古丽沟渠，是该地区湿地生态系统的重要组成部分。它具有独特的“湖泊-渠道”水文系统，并与周围的水体（包括西干渠、古丽沟渠和 Mudong 河）在水文上相连，导致水文条件有显著的季节性变化。
在旱季（11 月至 3 月），湖水位较低（0.3–0.7 米），平均水温约为 21°C。在雨季（4 月至 9 月），季风径流导致水位显著上升，平均深度达到 2 米。湖泊主要由石灰岩含水层和相邻河流补给，整个流域分布着超过 1000 个相互连接的池塘和水道[6]。
Mudong 湖流域受到强烈的人为干扰，湖周围有多种土地利用类型，包括密集的水产养殖区、农田、居民区和码头设施。本研究通过实地调查验证了分类结果，以确定潜在污染源的空间分布。密集的水产养殖排放大量尾水，农业活动产生非点源污染物，居民区排放生活污水，码头上的航运活动进一步影响当地水质。这些复杂的人为因素导致水质在空间上存在显著异质性，突显了在不同水文条件下进行针对性水质调查的必要性[7,8,9]。
在本研究中，根据水文特征、土地利用模式和潜在污染源的分布，在 Mudong 湖流域系统地建立了 14 个采样点（图 1）。这些采样点根据水体类型进行了明确分类，以确保湖泊水样的代表性，并将其与直接污染排放区分开来：
图 1. 采样点。湖泊水样监测点（S5–S12）：湖泊水样监测点位于湖泊主要区域，包括湖泊中心、湖泊湾以及水深不同的区域。所有样本均采集于距离岸线、排放口和河口至少 50 米的地方，以避免点源排放的直接污染，确保样本能够反映湖泊生态系统本身的水质。
源监测点：S1 设在鱼塘的出口渠道，用于监测水产养殖尾水的影响；S14 位于茂家码头附近，用于评估航运活动的影响；S2–S4 分布在从三义码头到 Mudong 河的河岸沿线，覆盖居民区和码头活动区。
背景参考点：S13 位于 Mudong 河上游，不受湖泊回流影响，用于提供基线自然水质数据，以区分进入湖泊的天然河水与受污染的水。
该采样网络全面覆盖了典型的污染源区域（农田、水产养殖区、居民社区和码头），同时清楚地区分了湖泊水样和直接排放物，从而能够准确描述流域内不同区域的水质状况和污染模式。

2.2. 样本采集和水质参数测试方法
在 2023 年 1 月（旱季）和 6 月（雨季）从 14 个采样点采集水样。为了确保数据的代表性和可靠性，在每个采样点的小范围内（大约 5–10 米）连续采集三个平行水样，以减少随机采样误差。因此，本研究共获得了 102 个样本（14 个采样点 × 3 个平行样本 × 2 个季节）。每个样本的地理坐标使用手持 GPS 设备记录，采样位置如图 1 所示。
所有水样均使用预先清洗过的 500 毫升聚乙烯塑料瓶收集。采样前，用蒸馏水冲洗瓶子三次以避免交叉污染。在现场采样时，将瓶子浸入水面下 20 厘米深处以收集表层水样。采集后，样本立即储存在 4°C 的便携式冷却器中，并在 24 小时内运输到实验室进行后续分析[10,11]。
在现场，使用 Hach Water Lab Surveyor 多参数水质仪测量水温、pH 值和溶解氧（DO）。其余参数（包括 TN、TP、CODCr、BOD5 和 NH4+-N）按照中国国家标准方法在实验室进行分析。为确保数据质量，整个实验过程中实施了三项质量控制措施：(1) 10% 的样本进行了重复分析，平行分析的相对标准偏差（RSD）均小于 5%；(2) 使用认证参考材料进行了加标回收实验，所有参数的回收率在 85% 到 110% 之间；(3) 并行进行了空白实验，空白样本中未检测到目标污染物。这些质量控制结果表明，分析数据的精确度和准确性符合水质分析的要求[12,13,14]。

2.3. 水质评估方法
2.3.1. WQI
水质测量是判断水体是否受污染的最重要方法之一。一些测量方法包括使用水质指数（WQI），该指数在评估各种类型的水体（如湖泊、河流或湿地）的水质方面也非常受欢迎，因为它可以考虑多种水质参数（化学需氧量、氮和磷营养物水平、pH 值、溶解氧等），并且能够将多维监测数据转化为易于解释的无量纲指数[6,7,15]。
水质评估采用水质指数方法进行，根据《地表水环境质量标准》（GB 3838-2002）[16]，发现用于水质评估的主要参数通过水质指数确定[17,18]。用于确定 WQI 的公式为：
(1)
其中 n 是评估的水质参数总数，Ci 是参数 i 的临界值，Pi 是表示各种参数对水生动物安全影响的重要性的因子（表 1）。Pi 的值范围在 1–4 之间，最低值为 1，表示最具重要性，Pi 的具体值见表 1[19]。WQI 的范围从 0 到 100，将水质分为五个等级：差（0 ≤ WQI < 25）、一般（25 ≤ WQI < 50）、中等（50 ≤ WQI < 70）、良好（70 ≤ WQI < 90）和优秀（WQI ≥ 90）[20]。
表 1. 水质参数的相对权重和归一化因子。

2.3.2. 多元统计分析
PCA 可以识别解释水质的重要主成分，因为它将变量简化为少数几个，并包含最多的污染物[21,22]。PCA 在选择水质指数和确定水质水平方面被广泛使用，具有许多优势。在本研究中，我们使用 PCA 来识别可能影响 Mudong 湖水质的潜在因素。KMO 和 Bartlett 的球形度检验（P）用于确定变量之间的相关性。如果 KMO 分数大于 0.5 且 p 值小于 0.5，则可以根据 PCA 方法分析这些信息[23,24]。

2.3.3. APCS-MLR 模型
作为成熟的受体建模技术，绝对主成分得分-多元线性回归（APCS-MLR）模型已被广泛应用于各种水体，包括城市河流和湖泊。它可以量化每个潜在污染源对特定水质指标的贡献，从而弥合定性污染源识别和定量贡献评估之间的差距[20,25,26]。常见应用包括识别潜在污染源和调查城市河流系统中的污染源。详细的计算程序遵循引用参考文献中描述的标准协议[27]。数据分析
我们的实验结果被记录并整理成Excel表格，然后使用SPSS软件（IBM SPSS Statistics 26.0（美国纽约州阿蒙克）进行了相关性分析和主成分分析。为了制作样本点地图和差异分析地图，使用了ArcGIS 10.4。数据处理使用了WPS和Microsoft Office 2013。线图、条形图和饼图是用Origin 2017软件绘制的。

3. 结果与讨论
3.1. 模东湖水质参数的时空变化
图2显示了模东湖不同采样点在湿润季节和干燥季节之间的水质指数差异。模东湖的水质在湿润季节和干燥季节的平均pH值分别为7.86和7.78，属于中性偏碱性的范围，这通常与喀斯特地区的情况相符。在低流量季节，NH4+-N的平均浓度为0.69 mg/L，变异系数为51.47%，这意味着在该特定时间段内不同地理位置采集的NH4+-N值之间存在较大差异。简单来说，两个采样点S1和S2记录的浓度接近最高值1.44 mg/L，而其他采样点的浓度低至0.28 mg/L。水质等级在1-3级之间分布，相应的采样点比例分别为35.71%、42.86%和21.43%。干燥季节NH4+-N的平均值为0.20 mg/L，其变异系数降至23.67%。时间和空间的变化定义了TN指标的变化。干燥季节的平均TN水平为3.01 mg/L（低于3级水质标准1.5倍），但比5级标准高出50.50%。我们确定了三个水质等级：1级（35.71%的采样点）、2级（42.86%）和3级（21.43%）。在湿润季节，平均TN水平降至1.11 mg/L，接近3级标准，21.43%的采样点符合4级标准。这表明TN存在空间趋势，可能由于外部氮源输入（湿润季节）和水质净化效果不佳（干燥季节）所致。例如，惠县湿地居民进行的渔业养殖和其他重要经济活动、硝酸盐肥料的过量使用以及鸡粪的排放可能会增加水中的硝酸盐含量[28,29,30]。总磷（TP）浓度在湿润季节和干燥季节均不可接受。干燥季节的平均TP值为0.16 mg/L，是5级水质标准的16.16倍，其变异系数为45.65%，表明不同采样点之间的磷污染物差异较大。湿润季节的TP平均浓度略高于4级标准，为0.12 mg/L，变异系数为25.07%。TP的空间浓度范围在0.07 mg/L到0.17 mg/L之间，水质等级主要分布在III级（28.57%）和IV级（71.43%），这两类的污染强度均低于干燥季节。大多数监测站显示，干燥季节的平均BOD5为4.00–7.91 mg/L，湿润季节为1.39–4.52 mg/L。在某些变量条件下，水质在干燥季节被分类为1级至5级，在湿润季节为1级至4级。在这两个时期，水中的溶解氧（DO）含量通常高于2级标准，表明水体具有一定的自然净化能力。相关研究表明，DO与复杂的生物过程、水生植物的生长、有机化合物的分解以及藻类的过度生长有关，这些因素都可能降低DO浓度[31,32]。

3.2. 综合水质识别指数方法
我们评估的参数是水质指标，其水平超过了《中国地表水环境质量标准》[35]规定的3级标准。本文将重点关注以下参数：pH、NH4+-N、TN、DO、TP、BOD5和CODCr。使用WQI得出的结果如图3所示。图3显示了湿润季节和干燥季节WQI的空间分布。图中不同的颜色代表不同的WQI值，反映了采样站之间的水质差异。根据WQI的空间分布，可以研究水质的空间变异性，发现水质较好的采样点在空间上有所重叠。湿润季节和干燥季节的水质分别被评为中等至良好和一般至中等。总体而言，湿润季节的水质最好。其他采样点如S4、S5和S7在湿润季节和干燥季节的水质也处于中等水平，这可能是由于这些区域的水动力条件相对稳定，有利于湖泊中部的自我净化。然而，采样点S1（位于鱼塘内）、S9（靠近西运河）和S14（靠近茂家码头）的水质极差，表明存在长期稳定的污染源。S1直接受到持续水产养殖尾水排放的影响，导致营养物质浓度长期升高，水质指数（WQI）值持续偏低。S9位于北运河入口处，水体交换能力有限，受到上游径流和码头作业的共同污染，导致水质持续不佳。S14靠近茂家码头，受到航运活动和居民生活污水的影响。值得注意的是，S14的污染水平没有明显的季节性变化，因为码头相关活动（航运作业和生活污水排放）是持续性的，受季节性水文变化影响较小。相比之下，其他采样点的水质因径流的季节性变化而波动较大，这与S14形成鲜明对比。在剩余的采样点（S2、S3、S6和S8），水质在湿润季节和干燥季节之间有显著差异，并且与季节性水文行为密切相关。干燥季节水量较低，污染物容易在某些区域积累，影响水质；湿润季节虽然径流增加，但由于水流在两个相邻区域之间流动并通过沟渠系统，也可能导致新的污染物沉积，从而改变污染负荷和状况[36,37,38]。

3.3. 使用APCS-MLR进行模东湖水污染源分析
进行两次测试，一次在干燥季节，另一次在湿润季节，KMO和Bartlett球形度检验的结果分别为0.582/0.666和0.584/0.347，p值小于0.001（表2）。因此，本研究采用了PCA方法[39]。表2显示了不同季节的KMO和Bartlett球形度检验结果。PCA的结果见表3，包括主成分（PC）的特征值和解释的累积百分比。干燥季节有三个特征值大于1的主成分，占总方差的80.65%，而湿润季节只有两个特征值大于1的主成分，占总方差的71.99%（表3）。图4展示了14个水质采样站的因素载荷结果。根据先前研究的276个结果，将载荷值分为高、中、低三个等级：高载荷值（≥0.7）、中等载荷值（0.5 ≤ 值 < 0.7）和低载荷值（0.3 ≤ 值 < 0.5）[40]。作为典型的喀斯特湿地湖泊，模东湖的地质和水文特征显著影响污染物扩散。喀斯特含水层系统增强了地下水与地表水的相互作用，在干燥季节降低了污染物稀释能力，特别是在NH4+-N、BOD5和CODCr方面加剧了营养物质积累。相反，湿润季节增加的径流改善了水体交换，促进了污染物扩散，减轻了污染压力[41,42]。富含碳酸钙的喀斯特沉积物通过季节性吸附-解吸过程进一步影响磷的动态[43]。此外，喀斯特湿地中破碎的湖泊-运河水文网络导致污染扩散的空间异质性：干燥季节连通性较弱，局部污染加剧（如S2和S14码头附近），而湿润季节混合作用增强，使农业非点源污染物在湖泊中扩散[33,34]。

3.3.1. 干燥季节的PCA和污染物识别
在本研究中，PC1解释了41.99%的总方差，主要由NH4+-N、BOD5和CODCr的高载荷值主导，这些污染物主要来源于水产养殖和农业活动，属于非点源污染。这种模式与典型浅水湖泊湿地和废弃矿区改造湿地的观察结果一致，其中有机污染和农业径流及水产养殖带来的营养物质富集被认为是水质恶化的首要因素[12]。班韦卢湿地湖泊和帕亚因达湿地的研究也证实，周围农田和水产养殖池塘的有机物和营养物质输入是影响水质的主要因素，尤其是在低流量时期[1,44]。干燥季节模东湖中氮污染物和有机物质的积累因水文连通性受限和运河间水交换减弱而加剧，这种现象在喀斯特和浅水湿地系统中较为常见[45]。PC2解释了25.41%的方差，其特征是TP的高载荷值，属于与居民区和码头活动相关的点源污染（S2、S14）。这一发现与多项湖泊湿地研究结果一致，表明生活污水和人为活动是磷污染的主要点源，尤其是在水动力条件较差的情况下[12,46]。 Mudong湖的水流速度缓慢，沉积物吸附能力差，这进一步加剧了磷的积累，这一现象与水文隔离的湿地湖泊中观察到的模式一致[32]。PC3解释了总方差的13.24%，主要由TN（总氮）主导，归因于底部沉积物中的内源性营养物质释放。这种来源在世界各地的浅水湖泊湿地中都有广泛记录，尤其是在水位较低时期。在水位下降时，富含营养物质的沉积物重新悬浮和分解被认为是城市湿地、高原湿地和废弃矿井湖泊的主要内部污染源[47,48]。在Mudong湖，旱季初期水位的急剧下降加剧了沉积物的扰动，导致氮的持续释放。这一机制进一步突显了内源性释放在维持高营养物质水平中的关键作用，这在类似的湿地生态系统中也有广泛报道。

3.3.2 湿季期间的PCA和污染物识别
在雨季，PC1解释了所有可能方差的48.918%，并与pH值、NH4+-N（氨氮）、TP（总磷）和BOD5（生化需氧量）变量之间存在统计学上的显著正相关，同时它与DO（溶解氧）也有弱正相关，并且与有机污染物指数TP有正向协同作用，表明该地区的污染来源非常复杂。农业是研究地点最普遍的经济活动。磷和氮被用作化学肥料施用于农田土壤中。这些营养物质在土壤中的溶解度较低，下雨或灌溉时需要时间才能渗入水体，因此最终会进入水体[49,50]。这使我们相信，Mudong湖在雨季的水文连通性是由于大量降雨造成的。非点源和家庭农场废物可以被视为复合污染源，因为非点源地表径流会流经附近的农田和村庄，将污染物带入湿地，从而增加了有机污染物和磷的负荷，因此PC1可能被视为非点源农业污染和城市污染的混合体[51,52]。PC2解释了总方差的23.07%，其中TN具有较高的正负荷，DO具有中等正负荷，NH4+-N具有较低的正负荷，水温T也具有中等正负荷。NH4+-N的这种负荷意味着下雨时水会被稀释，硝化作用增强。如此大量的水有助于分散和稀释污染物，水流在减少氨氮含量方面起着次要作用，从而降低了NH4+-N的浓度。这表明湿地中的水体之间的相互关系可以减少污染，PC2表明自然过程对此有所贡献[53,54]。

3.4 污染源的定量分析
本研究基于图表评估了模型对每个指标的定量预测性能，该图表显示了测量值和预测水质值之间的相关程度，以确认上述污染源的定量评估[50,55]。决定系数R2表示模型与实际数据之间的相关性强度，当系数等于1时，预测效果最佳。APCS-MLR模型对大多数水质参数表现出良好的预测性能，R2值范围为0.71至0.93（针对CODCr、DO、TN和NH4+-N，见图5）。然而，TP的R2值（0.5159）明显低于其他指标，表明该模型对磷的预测效果较差[56]。这种差异可归因于研究区域的特定因素。Mudong湖中的磷来自多种来源，包括水产养殖尾水、农业径流、沉积物释放和地下水补给。磷在沉积物中会发生主动吸附和解吸，这些过程受到季节性水位波动和喀斯特湿地pH变化的强烈影响。这些非线性过程未能被线性APCS-MLR框架完全捕捉；湖中的TP浓度相对较低（0.05–0.3 mg/L），变化范围狭窄，这本质上降低了观测值和预测值之间的线性相关性。尽管TP的R2值较低，但模型仍提供了有关磷污染源的宝贵定性见解。未来通过提高采样频率和增加沉积物中磷形式的测量，有助于改善模型对TP的预测性能。

图5. 水质参数的预测值与观测值的比较。有机污染由多种来源（家庭和生活用水及水产养殖废水；PC1）引起，非点源污染源包括农业和水资源管理因素（PC2）。这种良好的拟合表明模型仅用一个主要污染源来描述污染状态，从而避免了额外的复杂性。因此，利用这些指标分析污染源得出的结论非常可信，可以立即用于实践，制定管理计划，例如防止村庄边界外和鱼塘周围的点源污染以及优化水文连通性[57]。BOD5和TN的系数范围为0.7–0.9，属于中等拟合程度。BOD5对家庭和生活用水及水产养殖产生的有机污染非常敏感，但对非点源农业有机污染的敏感性较低。另一方面，TN对PC1（家庭和生活用水及水产养殖输入）和PC2（非点源农业输入）的综合效应敏感。来源中的进一步复杂性导致模型拟合度略有下降，但这两个R2值都超过了0.7，因此使用这些指数得到的结果可以被认为是高度可信的[55]。

图6. 不同污染源对污染指标的贡献率。(a) 不同污染源对每个水质参数的贡献比例；(b) 不同污染源的总贡献比例。F1对NH4+-N、TP、BOD5和CODCr摄入量的贡献比例分别为68.86%、45.45%、64.52%和85.12%。S1与小型鱼类养殖场关系密切，S2和S14位于居民区附近。在干旱期间，各因素之间的联系非常弱，因此含有氮和磷的有机废物可能以未食用的鱼食或动物和人类废物的形式储存在水中。可以得出结论，F1包含混合污水和生活用水及水产养殖废水[58,59]。研究表明，F2分别对TN、TP和DO的总差异贡献了57.36%、53.44%和78.32%，这是三个指标中最大的贡献。雨季降雨量和径流增加，增强了土壤的水文连通性。径流将肥料和牲畜粪便冲刷到湿地，为湿地提供了大量的氮和磷，同时也由于径流携带氧气而提高了水柱中的DO含量，增强了水生植物的光合作用能力[60]。同时，农田径流也是旱季TN的主要来源。可以推断F2是非点源农业污染源，从而解释了农业非点源在湿地氮和磷循环及溶解氧中的作用[61]。

结果表明，未识别的污染源（可能占90.73%）在pH值测量中发挥了重要作用。喀斯特地区（如Huixian湿地）最常见的碳酸盐岩是碳酸钙（CaCO3），它存在于地层和沉积物中，碳酸盐的pH值变化可能由地下水补给和喀斯特湿地沉积物界面的交换引起[62]。此外，水中的碳酸盐能迅速中和喀斯特地区微量酸雨中的碳酸盐沉积物，因此这种自然吸收过程应被视为其他作者提到的输入因素。未观测到的污染源是pH水平的最活跃成分，因为喀斯特环境的来源和决定Huixian湿地生态系统的生态参数更为重要。

总之，有许多因素导致Mudong湖水质较差。家庭污水和生活用水及水产养殖废水对水质测量影响的占比为43.71%，农业非点源污染的影响为34.11%，未识别污染源的影响为22.18%。

4. 结论
本研究通过水质监测和多元统计分析确定了Huixian湿地Mudong湖的水质状况和潜在污染源。我们对不同采样地点和时间的水质指标时空变异性的比较结果显示，除了pH值和温度外，所有研究参数的变化都存在显著差异。可以假设，在旱季，TP、CODCr和BOD5等参数的平均值可能比其他时期高得多。水质还根据水质指数（WQI）在雨季和旱季发生变化。旱季的水质等级为一般至中等，而雨季的水质等级为中等至良好。总体而言，雨季的水质优于旱季。利用APCS-MLR模型模拟了Mudong湖的污染源，结果显示在旱季，非点源（包括水产养殖和农业相关源）和点源（包括人为或内源性沉积物排放）共同作用；而在雨季，以农业为中心的非点源和与家庭相关的污水源以及自然因素共同污染了湖泊。Mudong湖水质在不同参数下的变化有多种原因。家庭污水和生活用水及水产养殖废水对水质参数的影响占43.71%，农业非点源占34.11%，未知来源占22.18%。