1、多元統(tǒng)計分析（MSA）與地理信息系統(tǒng)（GIS）制圖技術(shù)結(jié)合，已成功地運(yùn)用于含水層潛在污染區(qū)的刻畫中。刻畫污染物特征對場地修復(fù)而言是非常重要的，但由于缺乏對水文地質(zhì)條件的認(rèn)識以及污染物觀測的不確定性，使得刻畫污染物特征的工作成果大打折扣。MSA利用其它水質(zhì)參數(shù)為監(jiān)測污染物提供了輔助信息，改進(jìn)了對潛在污染的評價。GIS能夠?qū)崿F(xiàn)海量信息的可視化表達(dá)，在組織和管理水質(zhì)信息方面發(fā)揮著重要作用。為顯示美國加利福尼亞南部薩瓦納河基地（Savannah River Site）地下水中的氚、揮發(fā)性有機(jī)污染物三氯乙烯（TCE）和四氯乙烯（PCE）的濃度，本文提出的方法首先確定合適的研究范圍、GIS圖層（cover

2、age）和比例尺。利用主成分分析（PCA）將最能夠指示潛在污染的變量進(jìn)行分組。利用氚、Al、Mg、Na以及TDS可以最好地表征氚的潛在污染，而利用PCE和Cl可以預(yù)測PCE的潛在污染。利用1999年檢測的污染物濃度驗(yàn)證采用19931995年的地球化學(xué)數(shù)據(jù)繪制的潛在污染圖，結(jié)果令人滿意。對水質(zhì)數(shù)據(jù)進(jìn)行聚類分析可將地球化學(xué)和污染物濃度分組。一、簡 介由于監(jiān)測點(diǎn)數(shù)量少且位置分布不均，樣品分析存在誤差，復(fù)雜的水文地質(zhì)條件使監(jiān)測污染物在很短的距離內(nèi)就發(fā)生很大的空間變化，因而編制地下水污染圖通常是一件非常復(fù)雜困難的工作。目前一般用數(shù)值模型來刻畫地下水污染羽，但由于對局部水文地質(zhì)條件的認(rèn)識不足，因此這一方法

3、也受到一定限制。另外，多點(diǎn)、多次監(jiān)測和多分析指標(biāo)的出現(xiàn)也加大了管理和繪制大容量水質(zhì)數(shù)據(jù)集的難度。除了數(shù)值模型外，另一種可供選擇的方法就是對地下水水質(zhì)數(shù)據(jù)進(jìn)行統(tǒng)計分析，推斷潛在污染區(qū)。主成分分析（PCA）是一種多元統(tǒng)計方法，它基于變量之間的相關(guān)性，對變量進(jìn)行分類。PCA和其它因子分析方法的目的是用少數(shù)幾個因子來描述大量觀測變量之間的聯(lián)系，以便于分析。地下水中存在的物理和化學(xué)作用，如電解、離子置換或者碳酸鹽的平衡作用，使不同組分的濃度可能存在相關(guān)性。利用PCA對這些相關(guān)的變量分組，就能更容易地結(jié)合地下水中的物理化學(xué)作用去認(rèn)識這些變量組。一個特定數(shù)據(jù)集的因子個數(shù)基于說明潛在作用的非隨機(jī)變量的數(shù)量。提

4、取的因子越多，對原始數(shù)據(jù)的累計方差貢獻(xiàn)率就越大。主成分分析以前常用來根據(jù)監(jiān)測井的水質(zhì)特征，編制準(zhǔn)確的監(jiān)測井分組圖（Suk和Lee，1999；Ceron等，2000；Gler等，2002）。為了識別含水層污染區(qū)，Suk和Lee（1999）利用多元統(tǒng)計分析和GIS建立污染物與地下水水質(zhì)參數(shù)的相關(guān)性。他們用這種方法，從測量的幾個含水層水質(zhì)變量中提取出幾個潛在因子。聚類分析是另一種能夠?qū)崿F(xiàn)數(shù)據(jù)降維的多元統(tǒng)計方法，可根據(jù)含水層的水質(zhì)狀況對監(jiān)測井進(jìn)行分組（Suk和Lee，1999）。該方法利用具有不同分枝的樹形圖結(jié)構(gòu)將變量分層次地聯(lián)系起來。分枝之間聯(lián)系越緊密，表明變量之間或者變量群之間的相關(guān)性越強(qiáng)。Suk

5、和Lee根據(jù)水巖相互作用和補(bǔ)給特征，對PCA得出的因子得分進(jìn)行聚類分析，從而將監(jiān)測井分組，然后利用GIS編制井的分組圖，得到含水層分區(qū)。研究人員確定的這些區(qū)與傳統(tǒng)水文地質(zhì)技術(shù)確定的區(qū)吻合得相當(dāng)好。Suk和Lee（1999）基于每個含水層分區(qū)都有自己特定的地下水水質(zhì)信號（取決于沉積物的化學(xué)組成），對地球化學(xué)數(shù)據(jù)進(jìn)行多元統(tǒng)計分析（Fetter，1994；Kehew，2001）。用這種方式定義的含水層分區(qū)中的水化學(xué)組成稱為水化學(xué)相（Fetter，1994）。地下水能夠溶解礦物質(zhì)和其它地球化學(xué)組分。每一個含水層賦存的地下水所含的溶解礦物質(zhì)和化學(xué)組分都不盡相同，于是形成了地下水的水質(zhì)信號，有助于識別含水

6、層的演化歷史。在西班牙西北部，Vidal等人（2000）對14個水質(zhì)指標(biāo)進(jìn)行了主成分分析，提取出2個與鹽類和有機(jī)金屬污染物相關(guān)的因子，然后繪制2個因子得分的散點(diǎn)圖，根據(jù)空間位置（井或者泉取樣點(diǎn)的位置）在圖上標(biāo)出每次觀測。取樣點(diǎn)落在圖中不同的“類”中，說明該取樣點(diǎn)與所落入的“類”具有相同的地下水水質(zhì)信號。根據(jù)含水層對鹽類和/或有機(jī)金屬污染的脆弱性，利用取樣點(diǎn)在圖上的位置對它們所在的含水層歸類。Abu-Jaber等人（1997）利用類似的多元統(tǒng)計分析方法研究地球化學(xué)數(shù)據(jù)，以識別已知含水層中存在的主要化學(xué)作用，并確定含水層對生活污水滲漏污染的敏感性。Meng和Maynard（2001）利用聚類分析和

7、因子分析來處理地球化學(xué)數(shù)據(jù)，然后利用得出的地下水分類作為開發(fā)研究區(qū)地球化學(xué)概念模型的基礎(chǔ)。Ochsenkhn等人（1997）對地下水地球化學(xué)數(shù)據(jù)進(jìn)行聚類分析，以識別主要的地下水流動路徑。其它一些研究也利用了類似的方法，建立了殺蟲劑對地下水的污染與不同作物輪耕方式的相關(guān)關(guān)系，來推斷地下水的流動方向（Grande等，1996；Zanini等，2000）。Gler等人（2002）比較了很多用于水化學(xué)數(shù)據(jù)分類的圖示法和多元統(tǒng)計分析方法。分析數(shù)據(jù)來自美國加利福尼亞南部南拉洪坦湖（Lahontan）水系。他們利用11個水質(zhì)指標(biāo)建立了一個非常完善的水化學(xué)樣品分類方案，同時指出綜合利用圖示法和統(tǒng)計分析方法可以

8、得到更全面、更客觀的分類結(jié)果。本文的研究目的是示范GIS利用水質(zhì)數(shù)據(jù)的多元統(tǒng)計分析結(jié)果編制地下水污染圖的方法。在決策支持系統(tǒng)中，GIS是一種重要的信息組織和管理工具。建立這一方法的目的是為了更有效地利用GIS對水質(zhì)數(shù)據(jù)進(jìn)行分析和解譯。潛在污染圖不是繪制監(jiān)測污染物的分布，而是利用輔助水質(zhì)數(shù)據(jù)編制的。利用主成分分析評價水質(zhì)指標(biāo)之間的相關(guān)關(guān)系，提取出水質(zhì)因子，然后利用GIS繪制包含每種污染物的水質(zhì)因子，來顯示地下水可能污染的位置。增加的輔助水質(zhì)數(shù)據(jù)提供了其它關(guān)于局部地下水條件的信息，降低了對單次污染物觀測的依賴度。結(jié)合污染物和局部水質(zhì)變化的相關(guān)關(guān)系，可以改進(jìn)潛在污染圖。這樣做的目的并不是為了尋找水質(zhì)

9、變量和污染物之間的關(guān)系，而是為了利用所有觀測數(shù)據(jù)最有效地進(jìn)行污染預(yù)測。在這種情況下，組合變量產(chǎn)生一個更能表征場地潛在污染的因子。雖然使用了輔助的水質(zhì)數(shù)據(jù)，但是這一方法的使用并不能減少或消除對水質(zhì)監(jiān)測的需求，而只是最大程度上地利用了現(xiàn)有的水質(zhì)信息。利用獲得的含水層水質(zhì)成果圖可以更深入地認(rèn)識地下水污染的范圍和歷史。本文用薩瓦納河基地（SRS）的水質(zhì)數(shù)據(jù)示范這種方法的使用。SRS是美國能源部在加利福尼亞南部Aiken附近設(shè)立的一個基地，靠近喬治亞州和加利福尼亞南部的邊界線。從上世紀(jì)50年代到90年代，生產(chǎn)核武器原料所產(chǎn)生的副產(chǎn)品工業(yè)和放射性污染物的釋放使該基地多個地方均出現(xiàn)地下水污染。大部分的地下水

10、污染物由其附近的釋放點(diǎn)控制。由于SRS附近的地下水是居民用水的主要來源（Arnett等，1995），因此必須認(rèn)識SRS地下水污染的位置，以保證公共安全和降低風(fēng)險認(rèn)知。鑒于此，SRS調(diào)查人員已經(jīng)安裝了數(shù)千個監(jiān)測井并保證每季度（每隔3個月）取樣一次（Arnett等，1995；Bollinger，1999）。盡管已進(jìn)行了大量的數(shù)據(jù)收集工作，但是如何處理監(jiān)測數(shù)據(jù)，并將其融合到歷史或現(xiàn)狀污染圖中，一直是一個大難題。而且，美國東南沿海平原下伏的含水層系統(tǒng)相當(dāng)復(fù)雜，地下水流動的數(shù)值模擬模型也只能應(yīng)用在SRS具備詳細(xì)水文地質(zhì)資料的一小部分地區(qū)。二、方 法1、研究區(qū)薩瓦納河基地（SRS）由美國能源部管轄，占地面

11、積790km2，位于南卡羅來納州西南部的大西洋沿海平原上，沿喬治亞州和南加利福尼亞的州界分布。冷戰(zhàn)時期（20世紀(jì)50年代80年代），美國在SRS生產(chǎn)國防用的核材料，包括氚和钚。在SRS，零星分布著制造業(yè)、垃圾處理廠和核反應(yīng)設(shè)施，但是只占SRS整個面積的一小部分。本次研究主要集中在2個地區(qū)：管理和制造業(yè)區(qū)（A/M區(qū)）與一般分散區(qū)（GSA）。研究了3種典型污染物：從A/M區(qū)地下水中檢測出的四氯乙烯（PCE）和三氯乙烯（TCE）與在GSA發(fā)現(xiàn)的氚。SRS有生產(chǎn)和儲存大部分放射性廢物和工業(yè)廢物的歷史，也存在著最嚴(yán)重的地下水污染。在A/M區(qū)的地下水中檢測出揮發(fā)性有機(jī)物（VOCs）通常作為金屬加工過程中的

12、清洗劑（Bollinger，1999）。其中，PCE和TCE這2種VOC的濃度相當(dāng)高，它們都是核燃料制造業(yè)和金屬加工業(yè)使用的清洗劑（Arnett等，1995；Bollinger，1999）。從1952年開始，但直到上世紀(jì)80年代中期才開始利用淺層無襯砌滲漏池對這2種溶劑和其它揮發(fā)性有機(jī)化合物以及重金屬進(jìn)行處理。GSA位于SRS的中部，由垃圾處理場（包括高放射性的廢物儲存場和混合垃圾填埋場）和分離反應(yīng)堆產(chǎn)生的特定放射性核物質(zhì)的設(shè)施構(gòu)成。GSA下部的地下水已經(jīng)受到了各種化學(xué)物質(zhì)和放射性核物質(zhì)（尤其是氚）的污染。如果水文地質(zhì)均質(zhì)且得到充分認(rèn)識，那么就可以模擬地下水中非水相液體（包括TCE和PCE）的

13、復(fù)雜行為（Kehew，2001）。但不幸的是，SRS下伏的含水層和隔水單元非常復(fù)雜，由此限制了含水層水力性質(zhì)的準(zhǔn)確計算，使地下水水流模型和污染物運(yùn)移模型預(yù)測具有很大的不確定性（Harris等，1997；Miller等，2000；Kehew，2001）。SRS位于大西洋沿海平原的上部，因而水文地質(zhì)條件非常復(fù)雜。海岸線的周期性遷移和河道遷移使得SRS的沉積物類型相當(dāng)復(fù)雜，包括層積的松散砂、粘質(zhì)砂土、砂質(zhì)粘土和鈣質(zhì)淤泥（Aadland等，1995）?？沙蔀榱鲃觾?yōu)先路徑的一些古河道的存在也增加了研究的復(fù)雜性。過去30年間所安裝的幾千個地下水監(jiān)測井（Arnett等，1995；Bollinger，1999

14、）的濾管放置深度考慮了特定含水層或者隔水層的位置。在SRS的歷史上，監(jiān)測井組是作為某些小項(xiàng)目的一部分而進(jìn)行安裝的。因此，從SAS監(jiān)測井收集到的濃度數(shù)據(jù)是成“簇”出現(xiàn)的，主要在已知污染區(qū)的周圍，而其它地區(qū)則沒有水質(zhì)數(shù)據(jù)。一般每隔6個月對SRS的井進(jìn)行一次大規(guī)模的取樣。為了管理這些水質(zhì)數(shù)據(jù)，SRS開發(fā)了一種地球化學(xué)信息管理系統(tǒng)（GIMS）。GIMS是一個Oracle數(shù)據(jù)庫，由美國喬治亞州雅典市的一個私人合作組織進(jìn)行維護(hù)。這個數(shù)據(jù)庫具有安全性，只有得到授權(quán)的SRS人員才能訪問。2、數(shù)據(jù)采集盡管可以獲得SRS運(yùn)行初期的水質(zhì)數(shù)據(jù)，但直到20世紀(jì)80年代，許多分析指標(biāo)才得以測試，因此許多地下水組分的數(shù)據(jù)量

15、較少。此外，監(jiān)測井取樣的時間間隔不同。位于關(guān)注度很高地區(qū)或者地下水修復(fù)工程所在地的井通常是每3個月（Q1表示1月3月收集的數(shù)據(jù)，Q2表示4月6月收集的數(shù)據(jù)，依此類推）取樣一次，甚至還要頻繁取樣。而次要地區(qū)的監(jiān)測井經(jīng)常是每年只取樣一次。開展新項(xiàng)目時，會建造新的監(jiān)測井，而有些監(jiān)測井在項(xiàng)目結(jié)束之后就廢棄了。如果監(jiān)測井的某一個參數(shù)在整個季度內(nèi)都未進(jìn)行觀測，那么隨后的聚類分析就會排除這個井。這在整個A/M區(qū)特別明顯，因?yàn)樵S多井從1993年第一季度之后，就不再對氚進(jìn)行檢測了。因此在實(shí)際研究中，A/M區(qū)就沒有參與隨后幾個季度的主成分分析。不幸的是，觀測數(shù)量的這種改變使我們很難去比較季度與季度間的參數(shù)變化，因

16、為這樣引入的變化易與組分濃度的天然波動混淆。用平均值來代替缺失值是一種處理觀測缺失的方法，但是這種做法可能會得出不正確的相關(guān)結(jié)構(gòu)，因而未加以使用。數(shù)據(jù)分析的對象主要是1993年到1995年每季度一次的取樣數(shù)據(jù)，在這段時間內(nèi)，對監(jiān)測井進(jìn)行了頻繁取樣。SRS地下水監(jiān)測計劃使許多地下水組分都得以檢測，上世紀(jì)90年代初，這項(xiàng)計劃使SRS得到了最全面的場地分析。1993年第一季度是地下水監(jiān)測的高峰期，在這期間，選擇了能夠代表地下水水質(zhì)的分析指標(biāo)，對1000多個觀測井進(jìn)行了取樣分析。選擇地下水監(jiān)測數(shù)據(jù)中的一部分指標(biāo)進(jìn)行統(tǒng)計分析，選擇標(biāo)準(zhǔn)是：（1）具備可用性；（2）測量的空間和時間頻率很高；（3）能代表天然

17、的化學(xué)條件，即提供清楚的含水層水質(zhì)信號。為了獲得水質(zhì)信號，選擇了滿足上述標(biāo)準(zhǔn)的13種水質(zhì)分析指標(biāo)，包括總?cè)芙夤腆w（TDS）、pH值、鋁（Al）、鈣（Ca）、氯（Cl）、鐵（Fe）、鉀（K）、鎂（Mg）、鈉（Na）、硅（Si）和硫酸根（SO4）。此外，還選擇了氚和四氯乙烯（PCE），因?yàn)檫@2個變量能夠分別代表放射性污染和地下水的工業(yè)污染。13個分析指標(biāo)中有11種是地下水的天然組分，其中有6種（Na，Ca，K，Mg，SO4和Cl）是主要離子，3種是次要離子或微量組分（Fe，Al和Si），剩下2種（TDS和pH值）是常規(guī)檢測項(xiàng)目。表1囊括了A/M區(qū)和GSA從1993年到1995年收集到的上述13種地

18、下水分析指標(biāo)的所有濃度數(shù)據(jù)。該表列出了各項(xiàng)指標(biāo)共3914次觀測的最小濃度、最大濃度、按百分位數(shù)排列的濃度以及平均濃度。這個表是非常有用的，因?yàn)閺谋碇锌梢钥闯鲆延^測的水質(zhì)條件發(fā)生了重大變化某些變量至少發(fā)生了4個數(shù)量級的變化。主成分分析根據(jù)水質(zhì)參數(shù)的這種變化來幫助編制污染圖。從最大觀測值、按百分位數(shù)排列的濃度以及平均值與中位數(shù)（第50個百分點(diǎn)對應(yīng)的濃度值）的比值可以看出整個數(shù)據(jù)集呈強(qiáng)烈的右偏分布。取水質(zhì)變量（除pH值外，已經(jīng)作過對數(shù)處理）的對數(shù)值，可以消除這種偏態(tài)分布。表1 19931995年共3914次觀測收集到的地下水分析指標(biāo)的濃度數(shù)據(jù)分析指標(biāo)單位平均值最小值百分位數(shù)最大值第10個第25個第5

19、0個第75個第100個pH值4.634.44.95.56.5812.8TDSmg/L126.6232333601282651785Almg/L2.60.0040.020.030.090.382.1155Camg/L130.010.621.323.8313.634482Clmg/L3.30.251.622.032.553.475.544.6Femg/L0.50.0040.0050.010.040.170.748.1Kmg/L2.10.0490.50.50.831.553.3145Mgmg/L1.40.0020.260.40.661.222.740Namg/L14.40.4951.822.574.

20、6612.834.2360Simg/L13.30.1526.067.379.3813.626.2158SO4mg/L5.60.094111.675.4710.6440PCE2g/L26.90.031112.5519700氚pCi/mL18000.0020.71.6311.42633600286000數(shù)據(jù)的空間范圍隨著每個季度取樣井的變化而變化。本次研究包含了1993年第一季度744個取樣井所有13個水質(zhì)指標(biāo)的檢測數(shù)據(jù)。這些井位于GSA（400次觀測）和A/M區(qū)（275次觀測）。在剩下幾個季度中，主要在GSA進(jìn)行了氚的檢測，在A/M區(qū)沒有檢測氚；本次研究選擇的所有觀測，大約90%都位于GSA附近

21、。因此，A/M區(qū)的分析和繪圖主要依賴于1993年第一季度的數(shù)據(jù)和總數(shù)據(jù)集。利用SRS每季度取樣的地下水監(jiān)測計劃所收集的大量數(shù)據(jù)，建立了分析指標(biāo)濃度的繪圖方法。在ArcView GIS中建立腳本（scripts）和shape文件，編制SRS1999年的氚和TCE的濃度圖。這些圖顯示SRS大部分的污染物都位于生產(chǎn)設(shè)施附近，而在遠(yuǎn)離污染源的那些地方，地下水中幾乎不含氚和TCE。這些基礎(chǔ)圖件顯示了SRS不同地區(qū)的污染物水平、規(guī)模和空間范圍，很好地傳達(dá)出有關(guān)污染物的信息。這些圖件將作為顯示其它時期分析指標(biāo)濃度的底圖，隨后還將用來顯示含水層水質(zhì)分析的結(jié)果。3、主成分分析（PCA）六個季度的觀測產(chǎn)生了大量數(shù)

22、據(jù)，足以用來建立水質(zhì)指標(biāo)之間的相關(guān)矩陣以進(jìn)行主成分分析。數(shù)據(jù)采集時間從1993年初到1995年初，每種分析指標(biāo)的觀測次數(shù)在343744次之間。將觀測的水質(zhì)參數(shù)（pH值除外）進(jìn)行對數(shù)變換，獲得相關(guān)矩陣。不使用有任何數(shù)據(jù)缺失的紀(jì)錄。作為時間平均化的含水層水質(zhì)條件的一個概括，對所有監(jiān)測井觀測數(shù)據(jù)的總集合（包含所關(guān)注的13種分析指標(biāo)的測量值）也進(jìn)行了一次主成分分析。從1992年第四季度到1999年第四季度的總數(shù)據(jù)集中確定出3914次可用的觀測，來進(jìn)行主成分分析。所有水質(zhì)數(shù)據(jù)均經(jīng)過了對數(shù)變換（pH值除外）。利用SPSS因子分析模塊（SPSS公司，2005）處理每個季度的數(shù)據(jù)，選擇方差最大法進(jìn)行因子旋轉(zhuǎn)。

23、方差最大法旋轉(zhuǎn)是因子識別常用的方法。經(jīng)過幾次試驗(yàn)后發(fā)現(xiàn)，在所分析的7個數(shù)據(jù)集中有6個數(shù)據(jù)集，提取4個因子就足以說明原數(shù)據(jù)至少2/3的變化。因此最終從所有每個季度的數(shù)據(jù)集中提取出4個因子，利用合適的因子得分系數(shù)乘以原始的觀測值，得到4個對應(yīng)的因子得分組。將每個季度的4個因子得分作為4個變量，用于隨后的聚類分析和ArcView的插值。做出顯示每個變量和因子之間相關(guān)強(qiáng)度的因子載荷表。檢驗(yàn)了幾個季度的PCA結(jié)果，發(fā)現(xiàn)具有較高因子載荷的是相同的一些變量。但是，由于旋轉(zhuǎn)和方差貢獻(xiàn)率的不同，這些變量組的主成分的位置在每個季度中是不同的。為了更清楚地刻畫不同季度的類型，基于3個季度有相似的PCA結(jié)果，將每個編

24、碼的主成分（1-4）分別用字母A-D來表示。在這三個季度中，將第一主成分中因子載荷絕對值大于0.4的變量歸到A組，將第二主成分中因子載荷絕對值大于0.4的變量歸到B組，依此類推。使用這種命名法確定出分析指標(biāo)的子集。保存包含污染物分析指標(biāo)（即氚和PCE）的子集，進(jìn)行隨后的編圖。4、聚類分析為了根據(jù)地球化學(xué)分區(qū)（即在一個季度中分析指標(biāo)有相似的變化）將監(jiān)測井分組，對前面保存的主成分做聚類分析。選擇SPSS中的“hierarchical cluster analysis（層次聚類分析）”選項(xiàng)，處理已保存的每個數(shù)據(jù)集的4個因子得分變量。PCA識別出的每個主成分都對應(yīng)有一個因子得分變量。利用井名標(biāo)注因子得

25、分，選擇計算歐氏距離平方的“Wards method（離差平方和法）”進(jìn)行聚類分析。在多數(shù)情況下，先用歐氏距離（定義為方差總和的平方根）確定觀測間的距離，然后再用Ward方法進(jìn)行聚類。Ward方法是一種回歸方法，它使每個層次中任意2個類的離差平方和最?。⊿tatsoft公司，2002）。3個聚類構(gòu)成了一個樹形圖，這是一種非常有用的圖示工具，可用于確定足夠用來描述潛在作用的類數(shù)量，識別性質(zhì)相同的組。保存每次觀測的“cluster membership（類成員）”，然后繪圖來顯示這些同性質(zhì)的組的空間變化。保存每個井的類成員構(gòu)成。不可能對所有季度中這么多數(shù)量的觀測進(jìn)行聚類分析，因?yàn)槊總€井都包含多次觀

26、測。確定一系列類（310）的類成員。為了確定區(qū)別不同含水層分區(qū)所必需的類數(shù)量，將每個數(shù)據(jù)集導(dǎo)入SAS統(tǒng)計包（美國SAS軟件研究所，2005）中得到樹形圖。保存的一系列類的類成員為分辨GIS圖中監(jiān)測井之間含水層水質(zhì)行為的差別，在隨后識別應(yīng)用限制中給予了靈活性。5、GIS插值和制圖表2說明了GIS制圖的步驟。反距離權(quán)重（IDW）是一種空間插值方法。在ArcView 3.2中進(jìn)行反距離權(quán)重插值。反距離權(quán)重法中的每一個估值都是其周圍取樣點(diǎn)的加權(quán)平均值。利用觀測點(diǎn)與被估點(diǎn)的距離的倒數(shù)來計算權(quán)重（Burrough和McDonnell，1998）?？梢詫⒎淳嚯x加冪（如線性、平方和立方）以模擬不同的幾何形狀（

27、如線、面積和體積）（Guan等，1999）。Burrough和McDonnell（1998）比較了幾種不同的確定性插值方法，發(fā)現(xiàn)使用距離平方的IDW方法能夠產(chǎn)生與原始值最一致的結(jié)果。表2 含水層水質(zhì)信號繪圖的步驟步驟活 動1SRS監(jiān)測井計劃提供地下水樣品和隨后的實(shí)驗(yàn)室分析2檢測值保存在地球化學(xué)管理系統(tǒng)（GIMS）數(shù)據(jù)庫中3利用ArcView界面查詢GIMS，創(chuàng)建單個分析指標(biāo)的dBase文件4基于可用性和表達(dá)天然含水層水質(zhì)的可能性來選擇分析指標(biāo)文件（11個）。選擇污染物（2個）5編寫ArcView腳本，計算每季度（3個月）檢測值的平均值，分別創(chuàng)建13種分析指標(biāo)的新文件6將文件導(dǎo)入Microsof

28、t Access表中，根據(jù)共同的井位置和分析指標(biāo)將檢測值鏈接起來7將鏈接好的檢測值導(dǎo)入Microsoft Excel中，對其進(jìn)行分類，剔除單變量離群數(shù)據(jù)8選出具有足夠觀測次數(shù)（n100）的季度中的數(shù)據(jù)9將每個文件導(dǎo)入SPSS中，計算歐氏距離得分，剔除多變量離群數(shù)據(jù)10執(zhí)行最大方差法旋轉(zhuǎn)主成分分析，保存因子得分11對因子得分進(jìn)行聚類分析，確定水質(zhì)行為相似的井12在ArcView中，對包含污染物變量的2個PCA的因子得分進(jìn)行插值和繪圖13將聚類分析得出的不同顏色標(biāo)注的井疊加到因子得分的污染圖上利用反距離權(quán)重插值法對與污染物變量、氚和PCE相關(guān)的因子得分進(jìn)行插值。根據(jù)每個井周圍最近的12個井的因子得

29、分，利用徑向插值方法在該井周圍500m的范圍內(nèi)創(chuàng)建一個連續(xù)面。井周圍500m之外的地方不進(jìn)行插值。插值面反映了井的影響范圍；圖中污染可能性很大的地區(qū)經(jīng)常會突然終止。在柵格圖層中，將插值過的因子得分用漸變色劃分為9級。用漸變的橘色代表PCE的污染，漸變的紅色代表氚的污染。顏色越淺，污染可能性就越低，反之亦然，顏色居中表示污染的可能性為50%。從50%的污染可能性到最高的污染可能性，因子得分跨入正值的范圍。正的因子得分表明它們各自的污染組成呈正相關(guān)。氚的網(wǎng)格用淺粉到深紅9種顏色填充。網(wǎng)格中的因子得分低，就表示被氚污染的可能性小，用粉紅色填充，而因子得分高則表示被污染的可能性大，用深紅色來填充。PC

30、E的表示方法類似，用橘色系來填充。將聚類分析結(jié)果和1999年原始的污染物濃度疊加，就得到上述2種污染物的潛在污染圖。在前文討論的shape文件中，根據(jù)監(jiān)測井所屬的類，也用顏色來標(biāo)注。根據(jù)聚類圖的結(jié)果，選擇了5個層次來描繪地球化學(xué)分區(qū)，并相應(yīng)地對井進(jìn)行標(biāo)注。該圖層放在每個季度氚和PCE潛在污染圖的上部。為了便于比較，將1999年的總污染物濃度疊加到其它潛在污染圖的上面。GIS插值方法可詳見Mathes（2002）。三、結(jié) 果1、主成分分析從每個季度相關(guān)矩陣中提取的4個因子的累計方差貢獻(xiàn)率至少是2/3。以1993年第四季度為例，從觀測數(shù)據(jù)中提取出的前4個因子的累計方差貢獻(xiàn)率在70%以上，因子載荷圖

31、顯示：Al，Mg，Na，pH值，TDS和氚與第一個因子強(qiáng)烈相關(guān)，Ca，K，pH值，Si，SO4和TDS與第二個因子強(qiáng)烈相關(guān)，Al，F(xiàn)e和SO4與第三個因子強(qiáng)烈相關(guān)，與第4個因子相關(guān)最好的是Cl和PCE。值得注意的是pH值的因子載荷是負(fù)值，在更堿性的條件下，才會出現(xiàn)正值；SO4與第二個因子和第三個因子都相關(guān)。表3總結(jié)了每個季度中每個因子的相對方差貢獻(xiàn)率。表中的主成分用字母來表示，對應(yīng)于根據(jù)每個季度和總數(shù)據(jù)集的因子載荷得到的變量組。表3 六個季度和總數(shù)據(jù)集的主成分組的排名主成分分析指標(biāo)總數(shù)據(jù)1993Q11993Q21993Q31993Q41994Q11995Q1AAl, Mg, Na, 氚,TDS

32、, pH1211111BCa, K, pH, Si,SO4, TDS2122222CAl, Fe, SO44334333DCl, PCE3443444這種變量分組的類型在對其它季度和總數(shù)據(jù)集（即表3中的所有季度）進(jìn)行主成分分析時反復(fù)出現(xiàn)。通過對所有主成分分析中因子得分的絕對值大于0.4的主成分組成的總結(jié)，發(fā)現(xiàn)反復(fù)出現(xiàn)的主成分變量組呈現(xiàn)出明顯的季度性。這些主成分分析表明對來自于不同水文地質(zhì)的監(jiān)測井樣品而言，氚的濃度與陽離子Al、Mg和Na的濃度以及TDS的變化相似。PCE的濃度與陰離子Cl的變化相似。利用每個井13個原始指標(biāo)的檢測值計算因子得分。每個主成分分析會產(chǎn)生4組因子得分，與PCA的4個主

33、成分相對應(yīng)。保存這些因子得分用于隨后的聚類分析。將A和D這2個包含氚和PCE的主成分變量組的因子得分保存在GIS中，用于隨后的插值和制圖。2、聚類分析利用初步的聚類分析產(chǎn)生的樹形圖可以非常好地將監(jiān)測井分成5大類。聚類分析基于含水層水質(zhì)檢測，將監(jiān)測井劃分為這些不同的類別。區(qū)分這5類的歐氏距離大于100。此外，對確定出的SRS含水層分區(qū)與聚類結(jié)構(gòu)中的不同層次（310）試探性地進(jìn)行了相關(guān)分析。觀測發(fā)現(xiàn)含水層分區(qū)和包含5個類的聚類系統(tǒng)之間有最佳的相關(guān)性。3、GIS圖對1999年與最可靠的檢測指標(biāo)、氚和TCE相關(guān)的2個因子的地下水濃度水平進(jìn)行繪圖，所繪圖件顯示了SRS污染在平面上的近似范圍。這些圖的繪制

34、使用的不是原始的污染物數(shù)據(jù)，而是因子得分的插值，因此實(shí)際上，它們是將污染物濃度與相關(guān)的水質(zhì)變量所提供的輔助信息結(jié)合了起來。為了粗略估計利用1993 1995年的數(shù)據(jù)得出的污染可能性的準(zhǔn)確程度，將1999年所有四個季度的原始濃度數(shù)據(jù)疊加到繪制出的潛在污染圖上。SAS的TCE和PCE經(jīng)常在同一地點(diǎn)和時間排放，二者具有許多相同的化學(xué)特性，都屬于重質(zhì)非水相液體（DNAPLs）。盡管有5年到6年的滯留時間，但是受氚和PCE污染可能性很高的地區(qū)與隨后觀測到的氚和TCE濃度相對較高的地區(qū)非常吻合。與任意污染物均不相關(guān)的主成分的因子得分的插值與1999年氚和TCE濃度增高的位置不能吻合。潛在污染區(qū)的結(jié)構(gòu)和范圍

35、隨季節(jié)發(fā)生輕微的變化。除了分析指標(biāo)的天然變化外，監(jiān)測井的數(shù)量也隨時間而變化。從1993年第一季度之后，監(jiān)測井活動減少；A/M區(qū)和GSA外圍地區(qū)的井在每個取樣季度中沒有進(jìn)行監(jiān)測，因此改變了插值的范圍。整體而言，從1993年第一季度之后，監(jiān)測井的數(shù)量減少了。在本次研究中，季節(jié)的變化對PCA的主成分結(jié)構(gòu)沒有強(qiáng)烈的影響，數(shù)據(jù)點(diǎn)的減少反映在圖中潛在污染區(qū)的位置和范圍的變化上。本研究也繪制了監(jiān)測井所在位置的地下水水質(zhì)分區(qū)圖。這些分區(qū)是通過對每個PCA產(chǎn)生的因子得分進(jìn)行聚類分析而得到的。初步工作已經(jīng)證實(shí)，對因子得分進(jìn)行聚類分析可以幫助描繪具有不同含水層水質(zhì)信號的地球化學(xué)相（Suk和Lee，1999）。GSA

36、和A/M區(qū)的聚類分析繪圖共產(chǎn)生了5個類別。這些類別表明這2個地區(qū)有5個不同的地下水水質(zhì)區(qū)。在GSA的部分地區(qū)，井組在隨后幾個季度中反復(fù)具有相同的類成員。從1993年第一季度的GSA氚的潛在污染圖和A/M區(qū)PCE的潛在污染圖中，可以觀察到不同的空間類型。GSA的監(jiān)測井歸到了5個類別中的4個，稱為井的地下水水質(zhì)分區(qū)。在GSA沒有出現(xiàn)的那類井在A/M區(qū)相當(dāng)普遍，而屬于GSA的一類井沒有出現(xiàn)在A/M區(qū)。這些差別說明A/M區(qū)和GSM的含水層具有不同的地球化學(xué)類型。在隨后的季度中，僅使用了GSA的數(shù)據(jù)進(jìn)行繪圖。在GSA出現(xiàn)的所有5個類別中，有3個主要類別。在更小的尺度上，2個地區(qū)中，濾管處在不同深度上的相

37、鄰的井往往屬于不同的類別。總之，插值圖表明A/M區(qū)的部分地區(qū)最可能受到PCE的污染，而GSA的部分地區(qū)被氚污染的可能性最大。在更小的尺度上，PCE和氚的插值圖表明滲漏池和其它垃圾處理場附近的地區(qū)更可能受到污染。四、討 論本文主成分分析的結(jié)果表明，測量優(yōu)選出的較少數(shù)量的地下水水質(zhì)變量，也能深入認(rèn)識含水層的水質(zhì)特性。毫無疑問，壓縮地球化學(xué)變量的數(shù)量，可以應(yīng)用更多井的資料，產(chǎn)生范圍更大、分辨率更高的含水層信號和潛在污染的空間圖。盡管監(jiān)測活動存在季節(jié)上的空間差異，但是不同季度PCA的變量組成結(jié)構(gòu)非常相似。這種可比較的變量的時間特性證實(shí)了這樣的假設(shè)，即含水層水質(zhì)信號受某些基本過程控制，如水巖相互作用，補(bǔ)

38、給和排泄的關(guān)系等。1999年測量的污染物濃度與繪制的很有可能受到污染的區(qū)域呈現(xiàn)出很好的對應(yīng)關(guān)系，進(jìn)一步證實(shí)了上述假設(shè)。對因子得分進(jìn)行插值時考慮了含水層作用，這種做法優(yōu)于對污染物濃度原始資料的簡單解譯。利用因子得分消除了濃度的尖銳變化，確定了未來可能受到污染的地區(qū)。這種插值實(shí)現(xiàn)了潛在污染區(qū)的可視化，但是沒有進(jìn)行更遠(yuǎn)距離的插值，因?yàn)樵谶h(yuǎn)離SRS的地方，監(jiān)測井的分布更加稀疏。離大的監(jiān)測井群越遠(yuǎn)，所預(yù)測的潛在污染的可信度就越低，因?yàn)閷@些井所在的地區(qū)進(jìn)行插值所利用到的因子得分非常少。確定了4個水質(zhì)因子，包括（1）TDS、Al、Na、Mg和氚；（2）TDS、Ca、K、Si、SO4和堿性條件；（3）Al、

39、Fe和SO4；（4）Cl和四氯乙烯。TDS是對水中可溶性的離子或者化學(xué)物質(zhì)的量度，只要主要陽離子或者陰離子出現(xiàn)，都會增大TDS，因此同屬于前2個因子。在SRS，氚似乎與Na、Mg、Al的存在相關(guān)。這可能是由于這些化學(xué)物的共同釋放或者它們存在于氚釋放地附近的淺層含水層中。第三個因子包含了微量陽離子和SO4，而沒有TDS，這說明這些成分在整個水化學(xué)組成中不占支配地位。第4個因子與四氯乙烯和Cl有關(guān)，這可能是降解、共同釋放或者釋放點(diǎn)附近的地下水類型導(dǎo)致的。用統(tǒng)計方法確定出獨(dú)特的水質(zhì)信號有助于追蹤污染羽的遷移，因?yàn)楫?dāng)野外和實(shí)驗(yàn)室誤差造成污染物自身缺乏的時候，一組相關(guān)的水質(zhì)指標(biāo)的出現(xiàn)可以幫助描繪潛在污染區(qū)。這種擴(kuò)充后的水質(zhì)變量集合的使用可以幫助提高污