許亞?wèn)|,張 萌,王心義,2,3,李潔祥,2,3

(1.河南理工大學(xué) 資源環(huán)境學(xué)院,河南 焦作 454000;2.中原經(jīng)濟(jì)區(qū)煤層(頁(yè)巖)氣河南省協(xié)同創(chuàng)新中心,河南 焦作 454000;3.煤炭安全生產(chǎn)與清潔高效利用省部共建協(xié)同創(chuàng)新中心,河南 焦作 454000)

0 引言

降水是地面從大氣中獲得的水汽凝結(jié)物。受高度、溫度、氣流等其他因素的影響,降水有不同形態(tài),如雨、雪、雹等,其中降雨是降水最常見(jiàn)的形態(tài)。降水是影響地下水位的主導(dǎo)因素,影響著地下水資源的動(dòng)態(tài)變化特征,強(qiáng)降水的輸入導(dǎo)致地下水產(chǎn)生變化[1-3]。地下水是理想的飲用水源,也是生活、工業(yè)和農(nóng)業(yè)用水的重要供水水源。在我國(guó),干旱、半干旱地區(qū),地下水成為必不可少的供水水源[4-7]。近年來(lái),地下水被大規(guī)模地開(kāi)發(fā)利用,地下水資源污染普遍呈現(xiàn)加重的趨勢(shì),個(gè)別地區(qū)地下水水質(zhì)與水量均發(fā)生了明顯變化[8-10]。地下水可能受到自然因素(例如巖石基質(zhì))和人類活動(dòng)(例如農(nóng)業(yè)、住宅、市政、商業(yè))的影響[11]。甚至由于各種工業(yè)廢料、農(nóng)業(yè)殘留物的不合理、不規(guī)范排放滲入到地下水系統(tǒng),導(dǎo)致區(qū)域水質(zhì)嚴(yán)重惡化,成為地下水流動(dòng)的壓力源[12]。朱洪生等[13]建立模型,研究發(fā)現(xiàn)受強(qiáng)降水影響,地下水位埋深明顯減小,地下水水質(zhì)超標(biāo)率減小。Hartmut等[14]根據(jù)德國(guó)東北部?jī)蓚€(gè)鄰近的計(jì)量站的數(shù)據(jù),利用時(shí)間序列法得出強(qiáng)降雨條件下地下水位呈現(xiàn)出快速上升后停止的趨勢(shì)。張晨晨等[15]利用Kendall秩相關(guān)、交叉小波變換和小波相干方法,分析得出黃河三角洲地下水埋深時(shí)間序列與降水量時(shí)間序列呈負(fù)相關(guān)關(guān)系,空間差異性明顯。Linyan等[16]在2016-2018年對(duì)中大西洋地區(qū)采集的地表水進(jìn)行了研究,發(fā)現(xiàn)強(qiáng)降水事件后檢測(cè)地表水中新興污染物濃度不降反升。

研究區(qū)既是南水北調(diào)渠保護(hù)區(qū)也是故文化遺址開(kāi)發(fā)區(qū)同時(shí)也是焦作市著名的大沙河景區(qū)上游補(bǔ)給帶,開(kāi)展淺層地下水水質(zhì)變化特征及影響因素的研究對(duì)于環(huán)境生態(tài)保護(hù)和旅游環(huán)境質(zhì)量提高均具有重要支持。本文收集的多年降水量資料及2019年自建雨量站實(shí)測(cè)的降水量數(shù)據(jù),結(jié)合府城遺址2017年以來(lái)18個(gè)長(zhǎng)觀點(diǎn)逐月監(jiān)測(cè)的地下水水位和水質(zhì)信息,采用綜合性的方法研究了日降水量高于和低于25 mm/day閾值時(shí)的淺層地下水水質(zhì)變化及其響應(yīng),其成果對(duì)于當(dāng)?shù)氐乇硭偷叵滤Y源合理利用、生態(tài)環(huán)境科學(xué)保護(hù)、旅游景觀可持續(xù)發(fā)展具有重要的意義[17-19]。

圖1 研究區(qū)位置示意圖

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)中心坐標(biāo)位于東經(jīng)113°09′3″,北緯35°14′30″。它處于焦作市區(qū)西部,太行山南麓,西北與山西晉城市澤州縣接壤,東北、東南與修武交界,東與解放區(qū)毗鄰,西與博愛(ài)隔河相望,是焦作市區(qū)地表水和地下水的徑流通道。南水北調(diào)渠(中線)自西南至東北流經(jīng)本區(qū),北部和南部分別有白馬門(mén)河和大沙河穿過(guò),西側(cè)有焦桐(焦作-桐柏)高速通過(guò),區(qū)內(nèi)分布有國(guó)家重點(diǎn)文物保護(hù)單位-府城遺址,見(jiàn)圖1。研究區(qū)屬暖溫帶大陸性季風(fēng)氣候,四季分明,多年平均降雨量640 mm,降雨主要集中在6-8月,多年平均氣溫為14℃?？紫端a(bǔ)給來(lái)源有大氣降水入滲、農(nóng)田灌溉水回滲和河流入滲等,流向基本上由西北向東南,水位標(biāo)高在120～85 m,主要以蒸發(fā)和側(cè)向徑流、人工開(kāi)采排泄為主。

1.2 數(shù)據(jù)來(lái)源

在小麥芽農(nóng)業(yè)氣象大數(shù)據(jù)[20]上收集了1982-2021年研究區(qū)的逐月降水資料,同時(shí)對(duì)比結(jié)合研究區(qū)雨量計(jì)測(cè)得結(jié)果。采樣時(shí)間為2017年1月-2021年12月,地下水和地表水的采樣工作同時(shí)進(jìn)行,每月采集1次水樣。研究區(qū)采樣點(diǎn)共18個(gè),其中地表水6個(gè),地下水12個(gè)。根據(jù)《地下水質(zhì)量標(biāo)準(zhǔn)》(GB/T 14848-2017)[21]要求并結(jié)合研究區(qū)實(shí)際及水質(zhì)資料監(jiān)測(cè)情況,研究中選取空間分布差異大、時(shí)間變化顯著且數(shù)據(jù)易獲得的F-、Cl-、SO42-、NO3-、Na+、TDS等6個(gè)指標(biāo)因子作為參考指標(biāo)。在分析研究區(qū)強(qiáng)降水的過(guò)程中,選取了分辨率0.5×0.5的縣級(jí)精度再分析數(shù)據(jù),僅考慮日降水量大于1 mm的樣本進(jìn)行研究。在2017-2021年間共得到167個(gè)研究區(qū)夏季降水樣本,其分布如圖2所示。在所有降水日中,大約三分之一的樣本降水量低于10 mm/day,其中10%的樣本降水量大于25 mm/day。因此,本文選取日降水量大于25 mm/day作為研究區(qū)強(qiáng)降水的閾值。

圖2 研究區(qū)夏季日降水分布柱狀圖

1.3 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使用最速下降法讓網(wǎng)絡(luò)的誤差平方和最小,其學(xué)習(xí)過(guò)程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過(guò)程組成(圖3)。BP神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)包括輸入層、隱含層和輸出層,另外還有傳輸函數(shù)、訓(xùn)練方法、訓(xùn)練參數(shù)的設(shè)置等方面[22-28]。

圖3 BP神經(jīng)網(wǎng)絡(luò)模型圖

本文中的模型采用三層神經(jīng)網(wǎng)絡(luò):輸入層選取F-、Cl-、SO42-、NO3-、Na+、TDS等6個(gè)指標(biāo)因子作為BP神經(jīng)網(wǎng)絡(luò)的輸入,所以輸入層節(jié)點(diǎn)數(shù)為6。

隱含層是反向傳播神經(jīng)網(wǎng)絡(luò)最重要的特征,它允許處理更復(fù)雜的問(wèn)題,并提高模型的學(xué)習(xí)能力。BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)設(shè)置主要來(lái)源經(jīng)驗(yàn),隱含層的層數(shù)設(shè)置根據(jù)經(jīng)驗(yàn)公式(1)計(jì)算。

p=sqrt(m+n)+a

(1)

式中:p表示隱含層的層數(shù);m表示輸入層的層數(shù);n表示輸出層的層數(shù);a為[0,10]之間的一個(gè)常數(shù)。

因此,隱含層層數(shù)的設(shè)置是一個(gè)不確定的值,根據(jù)研究區(qū)的水質(zhì)指標(biāo)計(jì)算,本文所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)水質(zhì)評(píng)價(jià)模型的隱含層層數(shù)的取值在[3,13]之間。相關(guān)研究表明增加隱含層層數(shù)可以提高網(wǎng)絡(luò)輸出精度,縮小誤差,但對(duì)于已有的訓(xùn)練樣本來(lái)說(shuō)過(guò)于復(fù)雜化的網(wǎng)絡(luò)結(jié)構(gòu)會(huì)使訓(xùn)練結(jié)果出現(xiàn)“過(guò)擬合”的現(xiàn)象。通過(guò)不斷的調(diào)整隱含層神經(jīng)元個(gè)數(shù)進(jìn)行訓(xùn)練,水質(zhì)評(píng)價(jià)模型中網(wǎng)絡(luò)學(xué)習(xí)率參數(shù)設(shè)置見(jiàn)表2。

網(wǎng)絡(luò)的輸出層即為網(wǎng)絡(luò)模型的輸出結(jié)果,根據(jù)《地下水質(zhì)量標(biāo)準(zhǔn)》(GB/T 14848-2017),確定輸出層節(jié)點(diǎn)個(gè)數(shù)為5,分級(jí)標(biāo)準(zhǔn)分別用Ⅰ類為(0.1)T,Ⅱ類為(0.3)T,Ⅲ類為(0.5)T,Ⅳ類為(0.7)T,Ⅴ類為(0.9)T表示。水質(zhì)評(píng)價(jià)指標(biāo)的期望輸出值如表1。

表1 水質(zhì)評(píng)價(jià)指標(biāo)的期望輸出值

1.3.1 參數(shù)設(shè)置

使用newff函數(shù)創(chuàng)建一個(gè)新的BP網(wǎng)絡(luò),命名為net默認(rèn)傳輸函數(shù)為‘tansig’,訓(xùn)練函數(shù)為‘trainlm’。創(chuàng)建完成后,設(shè)置BP神經(jīng)網(wǎng)絡(luò)的參數(shù)見(jiàn)表2。

表2 BP神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置

1.3.2 模型訓(xùn)練與測(cè)試

基于BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行水質(zhì)評(píng)價(jià)本質(zhì)上屬于一種模糊識(shí)別系統(tǒng),對(duì)實(shí)測(cè)數(shù)據(jù)處理無(wú)法明確的歸到相對(duì)應(yīng)的標(biāo)準(zhǔn)等級(jí)。因此,按照《地下水質(zhì)量標(biāo)準(zhǔn)》(GB/T 14848-2017)中規(guī)定的評(píng)價(jià)等級(jí),利用隨機(jī)函數(shù)在各等級(jí)上下限之間取400個(gè)隨機(jī)值,生成400×5組數(shù)據(jù),將2 000組數(shù)據(jù)順序打亂。按照75%和25%分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù),其中,1 500組和500組分別作為訓(xùn)練樣本和測(cè)試樣本。

由于不同指標(biāo)之間的數(shù)據(jù)存在較大的量級(jí)差異,需要進(jìn)行歸一化處理,使得數(shù)據(jù)散布在[-1,1]之間。本模型歸一化采用mapminmax函數(shù),計(jì)算公式如下式(2)所示:

y=(ymax-ymin)×(x-xmin)/(xmax-xmin)+ymin

(2)

2 結(jié)果與分析

2.1 地下水位時(shí)空響應(yīng)

為直觀分析研究區(qū)地下水位時(shí)空分布及其變異特征,選取2017、2019、2021年為代表年份,埋深較大的G4和埋深較小的G10采樣點(diǎn)為典型點(diǎn)進(jìn)行繪圖。其中,2021年8月、9月由于疫情的原因?qū)е挛慈〉綐印＠L制2017、2019、2021年G4和G10采樣點(diǎn)淺層地下水位年內(nèi)趨勢(shì),見(jiàn)圖4。

圖4 G4和G10采樣點(diǎn)地下水位年動(dòng)態(tài)變化曲線

由圖4可知,G4與G10采樣點(diǎn)變化趨勢(shì)基本一致。年內(nèi)地下水位變化曲線呈山谷狀,大體上先下降再上升,水位下降時(shí)間較長(zhǎng),高水位保持時(shí)間較短。地下水位動(dòng)態(tài)變化曲線反映出,不管水位埋深的大小,在強(qiáng)降水作用下,各采樣點(diǎn)水位迅速提升,而后開(kāi)始進(jìn)入下降期,基本不存在滯后性。因?yàn)檠芯繀^(qū)位于山前沖洪積平原區(qū),地勢(shì)平坦,包氣帶巖性多為礫石、砂及粉質(zhì)黏土等,滲透性好,大氣降水容易下滲補(bǔ)給孔隙地下水。

繪制2017-2021年G4和G8采樣點(diǎn)地下水位逐年變化情況,見(jiàn)圖5。

圖5 G4和G10采樣點(diǎn)地下水位逐年變化曲線

由圖5可知,采樣點(diǎn)地下水位隨著時(shí)間推移,先緩慢下降后顯著上升。在降水量較大的2021年,水位波動(dòng)明顯,年內(nèi)水位降幅差值最大。從年際看,大氣降水呈現(xiàn)周期性波動(dòng),豐枯水期交替出現(xiàn),地下水位也隨之呈現(xiàn)周期性變化。特別在強(qiáng)降水作用下,地下水響應(yīng)迅速。

2.2 地下水水質(zhì)時(shí)空響應(yīng)

2.2.1 典型離子變化特征

為研究典型離子濃度的年際年內(nèi)變化特性,對(duì)研究區(qū)2017-2021年典型離子濃度進(jìn)行了變化趨勢(shì)圖繪制,見(jiàn)圖6。

(a)Cl- (b)SO42- (c)NO3- (d)F- (e)Na+ (f)TDS圖6 2017-2021年典型離子含量變化曲線圖

由圖6(a)可知,隨著時(shí)間的推移,Cl-含量始終在50～300 mg/L之間波動(dòng),最終呈現(xiàn)緩慢增加的趨勢(shì)。發(fā)生強(qiáng)降水事件,Cl-含量達(dá)到最低值。由圖(b)可以看出,SO42-含量變化趨勢(shì)為震蕩緩慢升高趨勢(shì)。其中,豐水期SO42-含量普遍低于枯水期,最大值出現(xiàn)在12月份或1月份。由圖(c)可知,各采樣點(diǎn)NO3-含量波動(dòng)幅度較大,整體呈現(xiàn)震蕩上升趨勢(shì)。在進(jìn)入豐水期后,NO3-含量顯著下降。隨著降水量的減少,離子含量開(kāi)始升高。由圖(d)可得,各采樣點(diǎn)F-含量大多沒(méi)有超出Ⅲ類標(biāo)準(zhǔn),整體呈現(xiàn)震蕩緩慢增加趨勢(shì)。豐水期降水量增加,F-含量開(kāi)始降低。由圖(e)和(f)可知,各采樣點(diǎn)Na+含量呈現(xiàn)震蕩變化,當(dāng)降水量增加時(shí),離子含量出現(xiàn)下降趨勢(shì)。2017-2019年,各采樣點(diǎn)TDS含量大多超出Ⅲ類標(biāo)準(zhǔn),2020-2021年開(kāi)始下降。

通過(guò)分析研究區(qū)典型離子含量變化特征,發(fā)現(xiàn)年內(nèi)變化表現(xiàn)為淺層地下水中的離子濃度豐水期好于枯水期,降水過(guò)后,離子含量被稀釋,濃度變低。強(qiáng)降水作用下,降水補(bǔ)給增加迅速,離子含量快速降低。當(dāng)降水量減小,離子濃度出現(xiàn)緩慢升高趨勢(shì)。年際變化總體上呈震蕩變化趨勢(shì),不同離子的增減趨勢(shì)不一致;由于研究區(qū)地層入滲補(bǔ)給能力強(qiáng)且地下水埋深淺,淺層地下水對(duì)大氣降水響應(yīng)靈敏。

2.2.2 強(qiáng)降水下的水質(zhì)響應(yīng)

1)方法應(yīng)用

將1 500組訓(xùn)練樣本和500組測(cè)試樣本進(jìn)行標(biāo)準(zhǔn)化后,對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練使得網(wǎng)絡(luò)模型具有識(shí)別分類能力,當(dāng)Validation Check達(dá)到20次時(shí),表明訓(xùn)練誤差無(wú)法降低,則結(jié)束訓(xùn)練,模型訓(xùn)練完成時(shí),界面如圖7。

隱含層節(jié)點(diǎn)數(shù)為7時(shí)的誤差結(jié)果如下:平均絕對(duì)誤差MAE為:0.010 716;均方誤差MSE為:0.000 301 02;均方根誤差RMSE為:0.017 35。

圖7 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練性能分析圖

由圖7(a)可知,在訓(xùn)練到第361次后,神經(jīng)網(wǎng)絡(luò)的誤差達(dá)到0.001 7,滿足精度要求。圖7(b)為訓(xùn)練階段參數(shù)變化情況,由圖可知,模型梯度在訓(xùn)練到361次時(shí)為0.000 8,trainlm算法的誤差精度為e-7。由圖7(c)可知,相關(guān)性分析R值分別為0.998 5、0.998 1、0.998 5和0.998 4,均在0.92以上,說(shuō)明模型訓(xùn)練較好。同時(shí),將輸出結(jié)果四舍五入得到的結(jié)果與測(cè)試樣本進(jìn)行對(duì)比,誤差在[-0.2,0.2]之間波動(dòng),說(shuō)明BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果符合期望結(jié)果,因此可以將訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于實(shí)測(cè)數(shù)據(jù)的水質(zhì)評(píng)價(jià)中。

2)評(píng)價(jià)結(jié)果

2017-2021年,BP神經(jīng)網(wǎng)絡(luò)模型評(píng)價(jià)的淺層地下水水質(zhì)結(jié)果中,Ⅱ類水占比4.86%,Ⅲ類水占比34.03%,Ⅳ類水占比29.86%,Ⅴ類水占比31.25%。在2017-2021年中分別選定豐水期和枯水期的典型月份,基于BP神經(jīng)網(wǎng)絡(luò)模型分別評(píng)價(jià)淺層地下水水質(zhì),其結(jié)果見(jiàn)表3。

表3 2017-2021年水質(zhì)評(píng)價(jià)結(jié)果統(tǒng)計(jì)

由表3可以看出,2017年8月和12月淺層地下水質(zhì)Ⅱ級(jí)以下個(gè)數(shù)分別為2個(gè)和1個(gè)、2018年9月和12月Ⅱ級(jí)以下個(gè)數(shù)分別為1個(gè)和0個(gè)、2020年7月和12月Ⅱ級(jí)以下個(gè)數(shù)分別為3個(gè)和2個(gè)、2021年7月和12月Ⅱ級(jí)以下個(gè)數(shù)分別為1個(gè)和0個(gè)。顯然,豐水期優(yōu)質(zhì)水質(zhì)(Ⅱ級(jí)以下)出現(xiàn)的頻次高于枯水期。2019年8月和2020年1月Ⅱ級(jí)以下個(gè)數(shù)分別為1個(gè)和2個(gè),雖然后者大于前者,但前者為Ⅰ級(jí)水質(zhì)、后者全部為Ⅱ級(jí)水質(zhì),顯示了強(qiáng)降水對(duì)淺層地下水質(zhì)的有利影響。

圖8 2017-2021年豐枯水期均值對(duì)比圖

表4 2017-2021年水質(zhì)等級(jí)賦值

如Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ級(jí)水質(zhì)分別賦分1、2、3、4、5,不同時(shí)間水質(zhì)積分及均值見(jiàn)表4,積分均值柱狀對(duì)比見(jiàn)圖8。

由表4和圖8可以看出,2017年12月和8月淺層地下水等級(jí)積分均值分別為3.92和3.67、2018年12月和9月積分均值分別為3.75和3.50、2020年1月和2019年8月積分均值分別為3.92和3.75、2020年12月和7月積分均值分別為3.45和3.36、2021年12月和7月積分均值分別為4.73和3.82。同年度枯水期淺層地下水質(zhì)評(píng)價(jià)等級(jí)均高于豐水期,亦即枯水期淺層地下水水質(zhì)比豐水期差,降水量越大淺層地下水水質(zhì)越好。

3 結(jié)語(yǔ)

本文以焦作市中站區(qū)朱村鎮(zhèn)府城遺址為研究對(duì)象,以1982-2021年480個(gè)大氣降水?dāng)?shù)據(jù)、地下水水位,水化學(xué)特征監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ),對(duì)強(qiáng)降水條件下的淺層地下水水質(zhì)響應(yīng)進(jìn)行了分析。主要結(jié)論如下:

(1)在強(qiáng)降水作用下,各采樣點(diǎn)地下水位迅速提升,而后開(kāi)始進(jìn)入下降期,基本不存在滯后性。年內(nèi)地下水位變化曲線呈山谷形狀,先下降再上升。水位下降時(shí)間較長(zhǎng),高水位保持時(shí)間較短。年際變化趨勢(shì)為先緩慢下降后急劇上升。

(2)基于BP神經(jīng)網(wǎng)絡(luò)法的評(píng)價(jià)結(jié)果,淺層地下水等級(jí)主要為Ⅲ級(jí)、Ⅳ級(jí)和Ⅴ級(jí),占比分別為34.03%、29.86%和31.25%。分析表明,評(píng)價(jià)結(jié)果與實(shí)際情況接近,具有較高的可信度和準(zhǔn)確度。

(3)典型離子F-、Cl-、SO42-、NO3-、Na+、TDS年際變化總體上呈震蕩變化趨勢(shì),不同離子的增減趨勢(shì)不一致;由于研究區(qū)地層入滲補(bǔ)給能力強(qiáng)且地下水埋深淺,淺層地下水對(duì)大氣降水響應(yīng)靈敏,水質(zhì)年內(nèi)變化表現(xiàn)為豐水期遠(yuǎn)好于枯水期。

(4)2017年12月和8月淺層地下水等級(jí)積分均值分別為3.92和3.67、2018年12月和9月積分均值分別為3.75和3.50、2020年1月和2019年8月積分均值分別為3.92和3.75、2020年12月和7月積分均值分別為3.45和3.36、2021年12月和7月積分均值分別為4.73和3.82。同年度枯水期淺層地下水質(zhì)評(píng)價(jià)等級(jí)均高于豐水期,亦即枯水期淺層地下水水質(zhì)比豐水期差,降水量越大淺層地下水水質(zhì)越好。