《Toxics》：Assessing the Water Quality of a Stream and Its Relationship with Climate Change Using Water Quality Index and Multivariate Statistical Methods
编辑推荐：
工业和生活废水、非点源污染以及气候变化影响溪流生态系统、水量和水质。在本研究范围内，研究人员利用水质指数（WQI）、单因素方差分析（One-Way ANOVA）、Kruskal-Wallis检验和主成分分析（PCA）对Nilüfer溪流的水质进行了评估。研究中
工业和生活废水、非点源污染以及气候变化影响溪流生态系统、水量和水质。在本研究范围内，研究人员利用水质指数（WQI）、单因素方差分析（One-Way ANOVA）、Kruskal-Wallis检验和主成分分析（PCA）对Nilüfer溪流的水质进行了评估。研究中使用了2008年至2024年间来自七个采样站的4686个水质数据。WQI结果显示，从溪流上游到下游，水质明显下降。各站点的平均WQI值介于140.83和487.83之间。最低WQI值出现在站点1，最高WQI值出现在站点7。根据WQI，站点按大小排序为：St7 > St4 > St5 > St6 > St2 > St3 > St1。在WQI、ANOVA和Kruskal-Wallis检验方面，各站点之间观察到统计学显著差异（p < 0.05），并且水质呈现季节性差异。通常，在站点（除两个站点外），季节性WQI值按大小排序为：秋季 > 夏季 > 冬季 > 春季。PCA显示，源自与纺织、汽车和金属行业相关的工业废水的参数之间的关系更强（成分载荷 > 0.75），而上游流域识别出的组群则指示了来自化肥和农药的生活污染和农业污染。对气象参数与各站点WQI值进行的PCA表明，气候变化可能仅对两个站点有效。研究人员确定，位于污水处理厂之前的区域（St4）与降水、湿度和蒸发相关，而下游区域（St7）与风速相关。研究人员观察到，水质受工业、城市和农业污染源的影响大于受气候变化的影响。
论文解读文章
**研究背景、存在问题与研究目的**
溪流生态系统受到工业和生活废水、非点源污染以及气候变化的综合影响，导致水质退化问题日益严峻。Nilüfer溪流位于土耳其布尔萨省，是一条受农业活动、生活污水和工业废水严重污染的河流，同时全球气候变化引发的极端水文气象事件进一步加剧了水质的不确定性。然而，传统水质评估方法往往依赖于有限参数或短期数据，难以全面揭示污染源动态及气候变化与水质之间的耦合关系。为此，本研究旨在利用长期（2008–2024年）水质监测数据和多元统计方法，评估Nilüfer溪流水质的时空变异，识别主要污染源，并探索气象参数对水质的影响机制，以期为制定基于长期数据的水资源管理策略提供科学依据。该论文发表在《Toxics》期刊上。
**关键技术方法**
研究人员采用的水质数据来自布尔萨水务管理局（BWSA）在Nilüfer溪流设置的7个采样站点的4686条记录，气象数据来自布尔萨气象局的总站（2008–2024年）。主要方法包括：水质指数（WQI）计算（基于pH、电导率、溶解氧、COD、TN、TP、Pb、Ni、Cu、Cd、Zn 11个参数，采用加权算术模型）；单因素方差分析（One-Way ANOVA）及Tukey事后检验与Kruskal-Wallis非参数检验（比较站点间WQI差异）；Spearman相关性分析（评估变量关联）；主成分分析（PCA）（分别对水质参数、气象参数以及气象参数与站点WQI值进行，识别污染源和气候影响）。缺失值采用多重插补（MI）法处理，数据经标准化和异常值剔除后进行分析。
**研究结果**
**3.1 水质指数（WQI）计算结果**
通过WQI计算发现，站点1的WQI均值（140.83）属于“差”类别（100–200），仅适合灌溉和工业用途；其余6个站点的WQI均超过300，属于“不适合”类别。WQI值排序为：站点7 > 站点4 > 站点5 > 站点6 > 站点2 > 站点3 > 站点1，表明水质从上游到下游显著恶化。季节性分析显示，除站点4和7外，各站点WQI季节排序为秋季 > 夏季 > 冬季 > 春季，即秋季水质最差、春季最佳。
**3.2 单因素方差分析（One-Way ANOVA）结果**
ANOVA分析表明，7个站点间的WQI存在统计学显著差异（p < 0.05），且方差齐性条件满足（Levene检验p = 0.370）。Tukey事后检验显示，站点1与其他所有站点显著不同，站点2仅与站点7显著不同，站点7还与站点5显著不同，而站点3、4、6之间无显著差异。
**3.3 Kruskal-Wallis检验结果**
非参数Kruskal-Wallis检验同样显示站点间WQI存在显著差异（p < 0.05）。平均秩次表明站点1秩次最低（水质最好），站点7秩次最高（水质最差）。两两比较进一步确认站点1与其他站点全部显著不同，而其余站点间无统计学显著差异。
**3.4 Spearman相关和主成分分析（PCA）结果**
对气象参数单独进行PCA，提取两个主成分（PC），解释总方差68.86%。PC1（50.59%方差）中气温和蒸发呈强负载荷（>0.75），相对湿度和气压呈强正载荷，代表大气条件和相变过程；PC2（18.26%方差）中雪深呈强正载荷、风速呈中载荷，代表固态降水和大气动力。
对水质参数进行PCA发现，各站点均提取3–4个主成分。例如，站点1的PC1（34.95%方差）中Cu、Ni、Cd载荷>0.75，指示城市和自然来源的重金属污染；站点2的PC1（31.66%）中TP、COD、Zn载荷强，表示混合源污染；站点4的PC2（20.86%）中TP、COD、TN载荷强，指示有机质和营养盐污染；站点7的PC2（22.75%）中EC、COD为正、DO为负，代表有机污染。整体上，工业废水相关的参数（纺织、汽车、金属行业）在大多数站点显示强关联（载荷>0.75），而上游站点（站点1）则反映出生活与农业源。
将气象参数与各站点WQI值联合进行PCA，提取5个主成分解释77.78%方差。PC3（17.65%）中降水、相对湿度与站点4的WQI呈正载荷，蒸发呈负载荷，表明该站点受降水-径流调节；PC4（9.73%）中风速与站点7的WQI呈负载荷，指示下游受风扩散影响。而多数站点（如站点1、2、6）的WQI与气象参数未显示强关联，说明水质主要受点源污染控制。
**总结讨论与研究结论**
讨论部分指出，各站点多数参数超过WHO和USEPA饮用水及水生物标准，TSWQR分类中仅站点1为Ⅱ类，其余为Ⅲ类（污染水）。工业源（金属加工、汽车、纺织）是下游站点重金属和有机污染的主要贡献者，而农业面源促进了氮磷输入。WQI季节性差异归因于流量变化：春季融雪和降水稀释污染物，秋季低流量降低自净能力。ANOVA和Kruskal-Wallis结果共同确认站点1是区分度最大的点，反映上游本底与下游污染的显著梯度。PCA联合气象分析表明，气候变化仅对污水处理厂上游的站点4（受降水、湿度、蒸发影响）和下游的站点7（受风速影响）有微弱调节作用，而整体水质受工业、城市和农业污染源的影响远大于气候因素。
研究结论如下（翻译自原文结论部分）：
通过WQI将水质转化为单一数值，实现了多参数综合评价。在空间变异上，上游和下游断面与其他站点不同，而其他站点因高污染负荷彼此无显著差异。此外，上游断面适合灌溉，而其他站点仅在受控条件下适合工业用途。水质参数间的PCA表明，主要来源于工业废水的参数之间关系更强，而站点1形成的组群则反映了城市和农业污染。气象参数与站点WQI值的PCA显示，气候变化可能仅对两个站点有效：降雨、湿度和蒸发与污水处理厂前区域相关，下游段则与风速相关。研究发现降水可能通过改变流量影响污染物浓度，风速可能通过改变流速和扩散来影响浓度。此外，气温、蒸发、相对湿度、实际气压和降水量形成紧密相关的组群，而雪深和风速形成另一组群。溪流水质受工业、城市和农业污染源的影响大于受气候变化的影响。多元统计方法与气候变化参数联合使用，为评估高污染负荷溪流的水质提供了更准确和整体的视角，有助于制定未来可持续的流域综合管理战略。
