多元统计和GIS制图在刻画地下水污染中的综合运用

多元统计分析（MSA）与地理信息系统（GIS）制图技术结合，已成功地运用于含水层潜在污染区的刻画中。刻画污染物特征对场地修复而言是非常重要的，但由于缺乏对水文地质条件的认识以及污染物观测的不确定性，使得刻画污染物特征的工作成果大打折扣。MSA利用其它水质参数为监测污染物提供了辅助信息，改进了对潜在污染的评价。GIS能够实现海量信息的可视化表达，在组织和管理水质信息方面发挥着重要作用。为显示美国加利福尼亚南部萨瓦纳河基地（SavannahRiverSite）地下水中的氚、挥发性有机污染物三氯乙烯（TCE）和四氯乙烯（PCE）的浓度，本文提出的方法首先确定合适的研究范围、GIS图层（coverage）和比例尺。利用主成分分析（PCA）将最能够指示潜在污染的变量进行分组。利用氚、Al、Mg、Na以及TDS可以最好地表征氚的潜在污染，而利用PCE和Cl可以预测PCE的潜在污染。利用1999年检测的污染物浓度验证采用1993～1995年的地球化学数据绘制的潜在污染图，结果令人满意。对水质数据进行聚类分析可将地球化学和污染物浓度分组。一、简介由于监测点数量少且位置分布不均，样品分析存在误差，复杂的水文地质条件使监测污染物在很短的距离内就发生很大的空间变化，因而编制地下水污染图通常是一件非常复杂困难的工作。目前一般用数值模型来刻画地下水污染羽，但由于对局部水文地质条件的认识不足，因此这一方法也受到一定限制。另外，多点、多次监测和多分析指标的出现也加大了管理和绘制大容量水质数据集的难度。除了数值模型外，另一种可供选择的方法就是对地下水水质数据进行统计分析，推断潜在污染区。主成分分析（PCA）是一种多元统计方法，它基于变量之间的相关性，对变量进行分类。PCA和其它因子分析方法的目的是用少数几个因子来描述大量观测变量之间的联系，以便于分析。地下水中存在的物理和化学作用，如电解、离子置换或者碳酸盐的平衡作用，使不同组分的浓度可能存在相关性。利用PCA对这些相关的变量分组，就能更容易地结合地下水中的物理化学作用去认识这些变量组。一个特定数据集的因子个数基于说明潜在作用的非随机变量的数量。提取的因子越多，对原始数据的累计方差贡献率就越大。主成分分析以前常用来根据监测井的水质特征，编制准确的监测井分组图（Suk和Lee，1999；Ceron等，2000；Güler等，2002）。为了识别含水层污染区，Suk和Lee（1999）利用多元统计分析和GIS建立污染物与地下水水质参数的相关性。他们用这种方法，从测量的几个含水层水质变量中提取出几个潜在因子。聚类分析是另一种能够实现数据降维的多元统计方法，可根据含水层的水质状况对监测井进行分组（Suk和Lee，1999）。该方法利用具有不同分枝的树形图结构将变量分层次地联系起来。分枝之间联系越紧密，表明变量之间或者变量群之间的相关性越强。Suk和Lee根据水岩相互作用和补给特征，对PCA得出的因子得分进行聚类分析，从而将监测井分组，然后利用GIS编制井的分组图，得到含水层分区。研究人员确定的这些区与传统水文地质技术确定的区吻合得相当好。Suk和Lee（1999）基于每个含水层分区都有自己特定的地下水水质信号（取决于沉积物的化学组成），对地球化学数据进行多元统计分析（Fetter，1994；Kehew，2001）。用这种方式定义的含水层分区中的水化学组成称为水化学相（Fetter，1994）。地下水能够溶解矿物质和其它地球化学组分。每一个含水层赋存的地下水所含的溶解矿物质和化学组分都不尽相同，于是形成了地下水的水质信号，有助于识别含水层的演化历史。在西班牙西北部，Vidal等人（2000）对14个水质指标进行了主成分分析，提取出2个与盐类和有机金属污染物相关的因子，然后绘制2个因子得分的散点图，根据空间位置（井或者泉取样点的位置）在图上标出每次观测。取样点落在图中不同的“类”中，说明该取样点与所落入的“类”具有相同的地下水水质信号。根据含水层对盐类和/或有机金属污染的脆弱性，利用取样点在图上的位置对它们所在的含水层归类。Abu-Jaber等人（1997）利用类似的多元统计分析方法研究地球化学数据，以识别已知含水层中存在的主要化学作用，并确定含水层对生活污水渗漏污染的敏感性。Meng和Maynard（2001）利用聚类分析和因子分析来处理地球化学数据，然后利用得出的地下水分类作为开发研究区地球化学概念模型的基础。Ochsenkühn等人（1997）对地下水地球化学数据进行聚类分析，以识别主要的地下水流动路径。其它一些研究也利用了类似的方法，建立了杀虫剂对地下水的污染与不同作物轮耕方式的相关关系，来推断地下水的流动方向（Grande等，1996；Zanini等，2000）。Güler等人（2002）比较了很多用于水化学数据分类的图示法和多元统计分析方法。分析数据来自美国加利福尼亚南部南拉洪坦湖（Lahontan）水系。他们利用11个水质指标建立了一个非常完善的水化学样品分类方案，同时指出综合利用图示法和统计分析方法可以得到更全面、更客观的分类结果。本文的研究目的是示范GIS利用水质数据的多元统计分析结果编制地下水污染图的方法。在决策支持系统中，GIS是一种重要的信息组织和管理工具。建立这一方法的目的是为了更有效地利用GIS对水质数据进行分析和解译。潜在污染图不是绘制监测污染物的分布，而是利用辅助水质数据编制的。利用主成分分析评价水质指标之间的相关关系，提取出水质因子，然后利用GIS绘制包含每种污染物的水质因子，来显示地下水可能污染的位置。增加的辅助水质数据提供了其它关于局部地下水条件的信息，降低了对单次污染物观测的依赖度。结合污染物和局部水质变化的相关关系，可以改进潜在污染图。这样做的目的并不是为了寻找水质变量和污染物之间的关系，而是为了利用所有观测数据最有效地进行污染预测。在这种情况下，组合变量产生一个更能表征场地潜在污染的因子。虽然使用了辅助的水质数据，但是这一方法的使用并不能减少或消除对水质监测的需求，而只是最大程度上地利用了现有的水质信息。利用获得的含水层水质成果图可以更深入地认识地下水污染的范围和历史。本文用萨瓦纳河基地（SRS）的水质数据示范这种方法的使用。SRS是美国能源部在加利福尼亚南部Aiken附近设立的一个基地，靠近乔治亚州和加利福尼亚南部的边界线。从上世纪50年代到90年代，生产核武器原料所产生的副产品——工业和放射性污染物的释放使该基地多个地方均出现地下水污染。大部分的地下水污染物由其附近的释放点控制。由于SRS附近的地下水是居民用水的主要来源（Arnett等，1995），因此必须认识SRS地下水污染的位置，以保证公共安全和降低风险认知。鉴于此，SRS调查人员已经安装了数千个监测井并保证每季度（每隔3个月）取样一次（Arnett等，1995；Bollinger，1999）。尽管已进行了大量的数据收集工作，但是如何处理监测数据，并将其融合到历史或现状污染图中，一直是一个大难题。而且，美国东南沿海平原下伏的含水层系统相当复杂，地下水流动的数值模拟模型也只能应用在SRS具备详细水文地质资料的一小部分地区。二、方法1、研究区 萨瓦纳河基地（SRS）由美国能源部管辖，占地面积790km2，位于南卡罗来纳州西南部的大西洋沿海平原上，沿乔治亚州和南加利福尼亚的州界分布。冷战时期（20世纪50年代~80年代），美国在SRS生产国防用的核材料，包括氚和钚。在SRS，零星分布着制造业、垃圾处理厂和核反应设施，但是只占SRS整个面积的一小部分。本次研究主要集中在2个地区：管理和制造业区（A/M区）与一般分散区（GSA）。研究了3种典型污染物：从A/M区地下水中检测出的四氯乙烯（PCE）和三氯乙烯（TCE）与在GSA发现的氚。SRS有生产和储存大部分放射性废物和工业废物的历史，也存在着最严重的地下水污染。蚕在逢A/M膏区的地下水中来检测出挥发性潜有机物（黄VOCs担）猾——融通常作为金属坚加工过程中的嗽清洗剂（缩Bollin繁ger揉，序1999消）。其中，缩PCE初和洁TCE央这摩2量种竞VOC缸的浓度相当高柿，它们都是核衬燃料制造业和床金属加工业使工用的清洗剂（关Arnett宰等，基1995司；岸Bollin耗ger璃，曲1999辣）。从拼1952洽年开始，但直姜到上世纪吸80恳年代中期才开煮始利用浅层无影衬砌渗漏池对林这寻2榨种溶剂和其它蹈挥发性有机化甚合物以及重金蒙属进行处理。碑GSA辛位于俊SRS来的中部，由垃蹲圾处理场（包示括高放射性的悬废物储存场和邀混合垃圾填埋纽场）和分离反疏应堆产生的特盗定放射性核物俭质的设施构成略。拼GSA难下部的地下水跌已经受到了各倦种化学物质和艇放射性核物质糕（尤其是氚）催的污染。训如果水文地质旨均质且得到充狼分认识，那么绝就可以模拟地纵下水中非水相练液体（包括趁TCE浙和商PCE够）的复杂行为梳（告Kehew刑，爆2001貌）。但不幸的东是，戒SRS卸下伏的含水层巧和隔水单元非湾常复杂，由此衡限制了含水层虫水力性质的准娘确计算，使地崖下水水流模型汉和污染物运移归模型预测具有芳很大的不确定久性（怠Harris投等，带1997配；教Miller鸣等，萝2000挪；宅Kehew衫，恐2001夸）。船SRS新位于大西洋沿艰海平原的上部盯，因而水文地检质条件非常复亲杂。海岸线的召周期性迁移和运河道迁移使得失SRS世的沉积物类型牙相当复杂，包附括层积的松散明砂、粘质砂土班、砂质粘土和灶钙质淤泥（黎Aadlan拿d情等，际1995沈）。可成为流将动优先路径的月一些古河道的刑存在也增加了绸研究的复杂性责。孔过去斧30比年间所安装的幸几千个地下水却监测井（茄Arnett布等，怖1995海；迹Bollin虏ger壳，岸1999章）的滤管放置垄深度考虑了特径定含水层或者仿隔水层的位置泼。在补SRS种的历史上，监男测井组是作为般某些小项目的硬一部分而进行械安装的。因此城，从撤SAS左监测井收集到窄的浓度数据是手成鬼“且簇穿”博出现的，主要跌在已知污染区里的周围，而其嫁它地区则没有咳水质数据。速一般每隔途6缓个月对络SRS安的井进行一次神大规模的取样玻。为了管理这胖些水质数据，给SRS汇开发了一种地骄球化学信息管响理系统（页GIMS惭）。挪GIMS煎是一个招Oracle亭数据库，由美烦国乔治亚州雅托典市的一个私靠人合作组织进旅行维护。这个坦数据库具有安示全性，只有得纪到授权的诚SRS蓝人员才能访问槽。2、数据采集阳尽管可以获得毫SRS蓝运行初期的水仅质数据，但直威到言20每世纪召80回年代，许多分苦析指标才得以颗测试，因此许搞多地下水组分派的数据量较少郑。此外，监测抛井取样的时间计间隔不同。位械于关注度很高坝地区或者地下羞水修复工程所花在地的井通常纺是每蚀3陡个月（番Q1膊表示趁1渐月阴~3拦月收集的数据熟，蛋Q2许表示溉4逝月来~6葬月收集的数据匙，依此类推）允取样一次，甚冬至还要频繁取巡样。而次要地蜂区的监测井经高常是每年只取词样一次。开展蚕新项目时，会泄建造新的监测窄井，而有些监皮测井在项目结得束之后就废弃粘了。暑如果监测井的瓦某一个参数在扩整个季度内都迎未进行观测，愚那么随后的聚事类分析就会排规除这个井。这街在整个德A/M简区特别明显，妖因为许多井从皆1993嫩年第一季度之扰后，就不再对筝氚进行检测了姐。因此在实际肠研究中，澡A/M片区就没有参与割随后几个季度怠的主成分分析烤。不幸的是，垂观测数量的这稠种改变使我们绝很难去比较季酒度与季度间的拘参数变化，因棍为这样引入的己变化易与组分格浓度的天然波痕动混淆。用平转均值来代替缺磨失值是一种处宫理观测缺失的你方法，但是这宴种做法可能会白得出不正确的季相关结构，因果而未加以使用颠。摆数据分析的对林象主要是绩1993泛年到葱1995避年每季度一次皆的取样数据，阳在这段时间内臭，对监测井进缎行了频繁取样仇。狡SRS晃地下水监测计风划使许多地下隔水组分都得以诸检测，上世纪鸟90侦年代初，这项敲计划使固SRS多得到了最全面坛的场地分析。预1993挨年第一季度是笨地下水监测的钱高峰期，在这辈期间，选择了知能够代表地下武水水质的分析板指标，对托1000江多个观测井进届行了取样分析球。争选择地下水监侮测数据中的一泥部分指标进行墨统计分析，选阅择标准是：（宿1违）具备可用性猜；（密2杯）测量的空间隶和时间频率很挪高；（召3端）能代表天然幕的化学条件，携即提供清楚的定含水层水质信罪号。尸为了获得水质缘信号，选择了姻满足上述标准趟的敲13知种水质分析指项标，包括总溶便解固体（邮TDS迅）、疮pH责值、铝（诱Al豆）、钙（兔Ca艳）、氯（隔Cl席）、铁（曾Fe舌）、钾（筒K发）、镁（雄Mg嘉）、钠（久Na擦）、硅（茎Si弓）和硫酸根（转SO夜4雷）。此外，还摧选择了氚和四拌氯乙烯（胞PCE秘），因为这退2耀个变量能够分抛别代表放射性格污染和地下水崖的工业污染。待13喂个分析指标中司有吊11层种是地下水的辽天然组分，其这中有捆6狭种（娃Na输，疲Ca环，隆K近，脂Mg净，费SO向4将和北Cl凳）是主要离子识，易3雨种是次要离子储或微量组分（姑Fe童，短Al滔和纠Si笼），剩下岛2早种（摘TDS帅和渠pH池值）是常规检咸测项目。具表招1处囊括了夕A/M录区和遇GSA座从菊1993托年到捉1995壁年收集到的上钟述代13勉种地下水分析别指标的所有浓慌度数据。该表过列出了各项指扯标共吹3914躁次观测的最小塑浓度、最大浓固度、按百分位供数排列的浓度酬以及平均浓度姑。这个表是非船常有用的，因认为从表中可以包看出已观测的寨水质条件发生昌了重大变未化文—遵—热某些变量至少摸发生了因4陶个数量级的变备化。主成分分凡析根据水质参箱数的这种变化往来帮助编制污伍染图。从最大织观测值、按百侦分位数排列的蔬浓度以及平均错值与中位数（到第穗50爆个百分点对应典的浓度值）的周比值可以看出立整个数据集呈诊强烈的右偏分歼布。取水质变重量（除驰pH映值外，已经作援过对数处理）炕的对数值，可织以消除这种偏随态分布。爹表裹1199数3~1995诞年共瓦3914见次观测收集到呆的地下水分析犹指标的浓度数酸据艺分析芹指标暗单位牺平均值气最小值者百分位数黑最大值荐第神10息个惊第羞25浓个舅第生50狠个立第祸75字个躬第希100躺个退pH晴值摔

态4.6猎3共4.4需4.9某5.5破6.5乡8冒12.8秆TDS殿mg/L笛126.6悲23民23净33未60溪128循265宴1785往Al纸mg/L来2.6舟0.004墨0.02种0.03军0.09替0.38堤2.1耻155孔Ca暖mg/L炒13绍0.01拌0.62票1.32械3.83套13.6绢34睁482犯Cl幕mg/L亮3.3创0.25金1.62钻2.03例2.55用3.47且5.5昌44.6午Fe书mg/L挖0.5僵0.004宝0.005辰0.01陷0.04刘0.17援0.7恋48.1猜K教mg/L脾2.1挡0.049学0.5俩0.5追0.83弃1.55牵3.3怕145眼Mg哄mg/L扭1.4矛0.002耕0.26姿0.4量0.66甘1.22逼2.7些40吉Na句mg/L培14.4治0.495室1.82躁2.57降4.66挠12.8习34.2禾360扎Si将mg/L舒13.3仅0.152镜6.06怜7.37贝9.38平13.6弹26.2签158们SO宁4脏mg/L袖5.6涉0.094珠1寒1若1.67放5.47粮10.6括440峰PCE该2饱g/L急26.9留0.03灌1波1粱1视2.5本5劝19700位氚质pCi/mL周1800宅0.002涉0.7衣1.63贞11.4屿263峡3600售286000舱数据的空间范叫围随着每个季告度取样井的变艰化而变化。本仓次研究包含了起1993煌年第一季度中744砍个取样井所有恭13畅个水质指标的衫检测数据。这句些井位于冰GSA上（欲400磨次观测）和大A/M父区（塔275宗次观测）。在改剩下几个季度伶中，主要在面GSA男进行了氚的检杨测，在种A/M术区没有检测氚品；本次研究选骨择的所有观测矿，大约慈90%溉都位于住GSA景附近。因此，崇A/M爸区的分析和绘你图主要依赖于布1993士年第一季度的兄数据和总数据茫集。争利用运SRS储每季度取样的汗地下水监测计蜘划所收集的大各量数据，建立挣了分析指标浓天度的绘图方法替。在觉ArcVie视wGIS后中建立脚本（俯script悬s悟）和灶shape世文件，编制蝶SRS199押9午年的氚和拦TCE剥的浓度图。这细些图显示朵SRS蛙大部分的污染语物都位于生产旨设施附近，而敞在远离污染源织的那些地方，夕地下水中几乎线不含氚和住TCE惧。耽这些基础图件嚷显示了轨SRS璃不同地区的污算染物水平、规足模和空间范围词，很好地传达饿出有关污染物湿的信息。这些腐图件将作为显祝示其它时期分鹰析指标浓度的笑底图，随后还盾将用来显示含袍水层水质分析绢的结果。大3金、主成分分析虑（吓PC辩A称）筹六个季度的观摇测产生了大量笔数据，足以用杂来建立水质指雾标之间的相关繁矩阵以进行主鄙成分分析。数欲据采集时间从着1993北年初到枣1995牌年初，每种分侍析指标的观测烧次数在复343~74坊4尚次之间。将观称测的水质参数臭（霸pH妻值除外）进行泳对数变换，获男得相关矩阵。腹不使用有任何屡数据缺失的纪桥录。鄙作为时间平均泪化的含水层水慎质条件的一个犹概括，对所有绵监测井观测数爹据的总集合（怎包含所关注的学13眯种分析指标的廉测量值）也进教行了一次主成夕分分析。从渴1992根年第四季度到灰1999液年第四季度的彩总数据集中确害定出号3914陵次可用的观测量，来进行主成秩分分析。所有陶水质数据均经弄过了对数变换纳（柴pH挪值除外）。贤利用革SPSS螺因子分析模块知（润SPSS汪公司，剪2005返）处理每个季阻度的数据，选午择方差最大法滑进行因子旋转释。方差最大法变旋转是因子识挠别常用的方法截。经过几次试库验后发现，在关所分析的赞7毛个数据集中有轨6哭个数据集，提苗取值4乓个因子就足以沉说明原数据至篮少雪2/3缺的变化。因此域最终从所有每沾个季度的数据纽集中提取出炎4源个因子，利用类合适的因子得饱分系数乘以原系始的观测值，陶得到笛4也个对应的因子脉得分组。雷将每个季度的学4闪个因子得分作饮为赶4占个变量，用于厌随后的聚类分醉析和贩ArcVie京w洒的插值。做出化显示每个变量省和因子之间相痕关强度的因子销载荷表。检验捏了几个季度的浪PCA圆结果，发现具构有较高因子载饼荷的是相同的笨一些变量。但甩是，由于旋转找和方差贡献率况的不同，这些袭变量组的主成线分的位置在每职个季度中是不乘同的。绍为了更清楚地定刻画不同季度寻的类型，基于尾3苍个季度有相似跑的色PCA屈结果，将每个蒸编码的主成分乘（思1-4郑）分别用字母央A-D逐来表示。在这溉三个季度中，秩将第一主成分傅中因子载荷绝山对值大于威0.4痕的变量归到斧A芦组，将第二主炭成分中因子载罩荷绝对值大于脖0.4傅的变量归到巧B嫁组，依此类推冻。使用这种命缺名法确定出分草析指标的子集覆。保存包含污凝染物分析指标会（即氚和肌PCE蜡）的子集，进拍行随后的编图怪。4、聚类分析屡为了根据地球锅化学分区（即剃在一个季度中疤分析指标有相女似的变化）将劫监测井分组，争对前面保存的济主成分做聚类佛分析。选择技SPSS缎中题的彩“烘hierar毕chical意clust晶erana去lysis培（层次聚类分限析逗）谷”凑选项，处理已鼓保存的每个数惭据集的窝4急个因子得分变耻量。由PCA恭识别出的每个叨主成分都对应略有一个因子得眠分变量。利用蒙井名标注因子题得分，选择计秆算欧氏距离平新方事的殊“财War却d屋’择smeth般od搭（离差平方和想法闲）筒”烈进行聚类分析钥。拳在多数情况下匠，先用欧氏距努离（定义为方芦差总和的平方霸根）确定观测祖间的距离，然叛后再用捞Ward蛛方法进行聚类箭。以Ward新方法是一种回境归方法，它使加每个层次中任挺意迟2弓个类的离差平沫方和最小（摇Statso取ft骨公司，虚2002物）。恰3挨个聚类构成了洁一个树形图，默这是一种非常种有用的图示工悦具，可用于确货定足够用来描哲述潜在作用的纤类数量，识别拔性质相同的组漆。保存每次观窗测闲的轰“地cluste看rmemb蜜ership盖（类成员如）彩”坟，然后绘图来屈显示这些同性稳质的组的空间势变化。保存每芦个井的类成员腊构成。不可能泛对所有季度中炒这么多数量的垦观测进行聚类武分析，因为每跳个井都包含多蓄次观测。垒确定一系列类赚（链3~10填）的类成员。稻为了确定区别汉不同含水层分狮区所必需的类峰数量，将每个逼数据集导入乖SAS平统计包（美国剪SAS症软件研究所，慰2005栗）中得到树形筹图。保存的一俯系列类的类成门员为分辨秩GIS蒜图中监测井之室间含水层水质南行为的差别，爱在随后识别应计用限制中给予杏了灵活性。苦5胸、厅GI赠S司插值和制图息表述2彩说明了此GIS客制图的步骤。违反距离权重（逝IDW缎）是一种空间宅插值方法。在拿ArcVie烈w3.2跟中进行反距离约权重插值。反鬼距离权重法中喇的每一个估值法都是其周围取谎样点的加权平寄均值。利用观健测点与被估点喷的距离的倒数脏来计算权重（完Burrou肤gh索和矮McDonn练ell慈，眯1998吼）。可以将反金距离加幂（如莲线性、平方和显立方）以模拟丰不同的几何形季状（如线、面距积和体积）（完Guan改等，温1999匪）。轮Burrou轮gh蝶和请McDonn茎ell狠（恋1998闸）比较了几种灿不同的确定性捆插值方法，发谈现使用距离平繁方的简IDW转方法能够产生晴与原始值最一我致的结果。妨表跨2搂含水层水质信签号绘图的步骤纽步骤匹活足滨动轻1乐SRS乓监测井计划提邀供地下水样品续和随后的实验马室分析化2郑检测值保存在老地球化学管理详系统（拳GIMS扩）数据库中洁3岗利用善ArcVie仅w筋界面查询杰GIMS旬，创建单个分般析指标的宝dBase矿文件冻4负基于可用性和选表达天然含水究层水质的可能盒性来选择分析泥指标文件（吩11守个）。选择污宽染物（聚2厘个）咳5呜编写扑ArcVie慰w麻脚本，计算每轨季度（马3默个月）检测值佣的平均值，分箩别创建浙13辩种分析指标的似新文件递6羽将文件导入买Micros四oftAc默cess说表中，根据共蒙同的井位置和庸分析指标将检遗测值链接起来走7蜡将链接好的检移测值导入敞Micros叠oftEx保cel玉中，对其进行君分类，剔除单渠变量离群数据朽8珍选出具有足够庆观测次数（乏n>100芬）的季度中的狼数据赠9鸡将每个文件导姿入黄SPSS元中，计算欧氏窜距离得分，剔占除多变量离群男数据庙10将执行最大方差兔法旋转主成分勺分析，保存因宰子得分陡11薪对因子得分进炉行聚类分析，拢确定水质行为冲相似的井弃12窗在程ArcVie孟w苍中，对包含污功染物变量的琴2槐个肾PCA豆的因子得分进飘行插值和绘图春13毁将聚类分析得灵出的不同颜色健标注的井叠加哭到因子得分的元污染图上兽利用反距离权傻重插值法对与掘污染物变量、权氚和炎PCE论相关的因子得瞒分进行插值。锡根据每个井周当围最近的向12纪个井的因子得复分，利用径向塑插值方法在该且井周围傲500m象的范围内创建姨一个连续面。坡井周围例500m蕉之外的地方不算进行插值。插惨值面反映了井劈的影响范围；服图中污染可能雹性很大的地区衫经常会突然终钳止。肾在栅格图层中颤，将插值过的胸因子得分用渐售变色划分为衬9属级。用渐变的粪橘色代表双PCE够的污染，渐变响的红色代表氚王的污染。颜色音越浅，污染可集能性就越低，绣反之亦然，颜谁色居中表示污耳染的可能性为束50%召。从魄50%辫的污染可能性吃到最高的污染拼可能性，因子婆得分跨入正值夫的范围。正的淘因子得分表明谁它们各自的污凶染组成呈正相楚关。优氚的网格用浅驰粉到深红议9辞种颜色填充。侨网格中的因子言得分低，就表找示被氚污染的飞可能性小，用疑粉红色填充，仔而因子得分高捞则表示被污染碧的可能性大，膏用深红色来填秆充。澡PCE浇的表示方法类桂似，用橘色系悬来填充。将聚慎类分析结果和示1999个年原始的污染田物浓度叠加，辆就得到上述粘2义种污染物的潜学在污染图。西在前文讨论的仁shape北文件中，根据植监测井所属的乘类，也用颜色雅来标注。根据拌聚类图的结果言，选择了颗5再个层次来描绘忠地球化学分区泉，并相应地对拜井进行标注。漏该图层放在每辽个季度氚和欺PCE啊潜在污染图的矛上部。为了便年于比较，将怖1999忙年的总污染物蹄浓度叠加到其痒它潜在污染图乎的上面。宿GIS变插值方法可详木见吩Mathes观（比2002捧）。三、结果段1狸、主成分分析统从每个季度相贿关矩阵中提取降的毛4孕个因子的累计诵方差贡献率至维少是脾2/3斥。以食1993何年第四季度为体例，从观测数昆据中提取出的顶前洪4握个因子的累计颗方差贡献率在植70%圾以上，因子载悲荷图显示：丸Al池，董Mg换，杂Na患，亡pH兼值，慈TDS蹈和氚与第一个膏因子强烈相关由，角Ca些，斧K悟，轧pH捏值，厨Si芦，酷SO怠4裙和菠TDS卫与第二个因子薪强烈相关，椒Al束，舞Fe僚和民SO既4喝与第三个因子眼强烈相关，与倡第撕4位个因子相关最泉好的是牺Cl粱和葬PCE捧。值得注意的径是精pH奸值的因子载荷系是负值，在更严碱性的条件下夹，才会出现正怠值；药SO雪4比与第二个因子若和第三个因子锹都相关。榴表赵3遗总结了每个季布度中每个因子抖的相对方差贡亩献率。表中的匹主成分用字母扬来表示，对应倚于根据每个季做度和总数据集织的因子载荷得谷到的变量组。与表它3芒六个季度和总祖数据集的主成浪分组的排名尿主成分漠分析指标男总数据次1993怨Q1梢1993珍Q2慎1993券Q3钩1993亮Q4状1994伙Q1淡1995Q1税A好Al,Mg花,Na,越氚私,TDS,芹pH射1肤2玩1搂1喇1佛1唯1鸦B折Ca,K,揭pH,S泊i,SO疲4稿,TDS袜2跟1询2乒2悲2揭2私2蜓C饭Al,Fe歪,SO带4陡4橡3佣3未4匹3戒3趁3愤D外Cl,PC店E身3模4桃4星3念4吵4霜4俊这种变量分组虽的类型在对其扩它季度和总数肥据集（即表司3赵中的所有季度高）进行主成分况分析时反复出挂现。通过对所础有主成分分析焦中因子得分的树绝对值大于冶0.4包的主成分组成针的总结，发现渐反复出现的主喇成分变量组呈自现出明显的季沾度性。这些主忠成分分析表明混对来自于不同舱水文地质的监朵测井样品而言帆，氚的浓度与存阳离子轿Al残、毁Mg布和廉Na陕的浓度以及猴TDS之的变化相似。壤PCE办的浓度与阴离共子张Cl浙的变化相似。木利用每个井淡13炭个原始指标的云检测值计算因吹子得分。每个喇主成分分析会枯产生渡4山组因子得分，娇与移PCA稿的暖4垒个主成分相对摇应。保存这些遍因子得分用于盛随后的聚类分提析。将喘A巨和混D究这袜2品个包含氚和屠PCE饰的主成分变量踩组的因子得分材保存在论GIS痰中，用于随后衬的插值和制图狂。2、聚类分析壤利用初步的聚毫类分析产生的师树形图可以非任常好地将监测葬井分成明5毁大类。聚类分榆析基于含水层柔水质检测，将窃监测井划分为钳这些不同的类蚕别。区分这洗5邻类的欧氏距离添大于碌100贵。此外，对确泪定出的隙SRS叛含水层分区与喷聚类结构中的幅不同层次（奔3~10楚）试探性地进确行了相关分析耗。观测发现含醒水层分区和包饺含翠5眨个类的聚类系托统之间有最佳萍的相关性。3、GIS图仆对吸1999促年与最可靠的量检测指标、氚何和跪TCE锅相关的积2您个因子的地下颂水浓度水平进硬行绘图，所绘笑图件显示了脂SRS且污染在平面上蔑的近似范围。莲这些图的绘制叫使用的不是原树始的污染物数拒据，而是因子抄得分的插值，冶因此实际上，受它们是将污染押物浓度与相关月的水质变量所糟提供的辅助信哈息结合了起来绪。为了粗略估摘计利用债1993~夕1995搜年的数据得出宏的污染可能性输的准确程度，汗将蛮1999抬年所有四个季璃度的原始浓度凤数据叠加到绘余制出的潜在污愿染图上。薄SAS傲的领TCE雨和肌PCE陡经常在同一地寻点和时间排放扭，二者具有许签多相同的化学讨特性，都属于下重质非水相液究体（劣DNAPLs律）。尽管有钉5怠年到梁6怜年的滞留时间苦，但是受氚和糊PCE锋污染可能性很啄高的地区与随棒后观测到的氚巷和婶TCE遍浓度相对较高够的地区非常吻刮合。与任意污炊染物均不相关兰的主成分的因粉子得分的插值鼻与毙1999喇年氚和呈TCE闸浓度增高的位勇置不能吻合。吐潜在污染区的继结构和范围随趴季节发生轻微劣的变化。除了章分析指标的天颜然变化外，监悉测井的数量也诚随时间而变化恳。从庄1993争年第一季度之交后，监测井活抢动减少；恨A/M赚区和陆GSA浩外围地区的井望在每个取样季曲度中没有进行霸监测，因此改启变了插值的范庸围。整体而言合，从善1993荒年第一季度之企后，监测井的木数量减少了。仰在本次研究中箱，季节的变化逼对队PCA吨的主成分结构却没有强烈的影邀响，数据点的岔减少反映在图消中潜在污染区怎的位置和范围诸的变化上。可本研究也绘制凶了监测井所在隐位置的地下水馅水质分区图。猎这些分区是通忙过对每个及PCA极产生的因子得谈分进行聚类分脚析而得到的。公初步工作已经毒证实，对因子采得分进行聚类图分析可以帮助裁描绘具有不同笛含水层水质信申号的地球化学遍相（苗Suk明和指Lee山，苗1999煮）。俊GSA柱和电A/M颠区的聚类分析社绘图共产生了良5轨个类别。这些冤类别表明这差2辱个地区有怎5肾个不同的地下纱水水质区。在驼GSA队的部分地区，封井组在随后几冠个季度中反复圣具有相同的类矮成员。胀从誉1993遇年第一季度的撕GSA坑氚的潜在污染毒图和理A/M并区火PCE凑的潜在污染图羽中，可以观察受到不同的空间狡类型。争GSA宪的监测井归到末了冰5敲个类别中的琴4挎个，称为井的名地下水水质分锯区。在生GSA你没有出现的那疲类井在利A/M犹区相当普遍，烤而属于攻GSA符的一类井没有赛出现在洪A/M引区。这些差别美说明嫂A/M酱区和亡GSM砌的含水层具有冶不同的地球化井学类型。在随炕后的季度中，雁仅使用了呈GSA绞的数据进行绘漆图。在弟GSA广出现的所有学5蔬个类别中，有沈3压个主要类别。俊在更小的尺度诉上，灌2和个地区中，滤李管处在不同深喷度上的相邻的剩井往往属于不泊同的类别。蔬总之，插值图汽表明些A/M体区的部分地区艘最可能受到秘PCE咐的污染，而星GSA娘的部分地区被益氚污染的可能隆性最大。在更尘小的尺度上，张PCE左和氚的插值图宜表明渗漏池和耕其它垃圾处理越场附近的地区蜜更可能受到污粥染。四、讨论嚷本文主成分分俭析的结果表明其，测量优选出段的较少数量的灯地下水水质变残量，也能深入梢认识含水层的日水质特性。毫游无疑问，压缩懂地球化学变量切的数量，可以容应用更多井的戒资料，产生范抬围更大、分辨通率更高的含水门层信号和潜在弱污染的空间图肯。鸡尽管监测活动茎存在季节上的升空间差异，但祸是不同季度果PCA型的变量组成结役构非常相似。湖这种可比较的笨变量的时间特险性证实了这样嫂的假设，即含悔水层水质信号督受某些基本过刘程控制，如水笛岩相互作用，赶补给和排泄的梅关系等。私1999总年测量的污染商物浓度与绘制谋的很有可能受切到污染的区域连呈现出很好的翻对应关系，进骑一步证实了上牧述假设。瞒对因子得分进口行插值时考虑亡了含水层作用骄，这种做法优极于对污染物浓顺度原始资料的棒简单解译。利饿用因子得分消倘除了浓度的尖水锐变化，确定向了未来可能受烫到污染的地区财。这种插值实厚现了潜在污染潜区的可视化，醉但是没有进行喘更远距离的插演值，因为在远伯离效SRS民的地方，监测蝶井的分布更加类稀疏。离大的擦监测井群越远佣，所预测的潜耐在污染的可信弟度就越低，因酬为对这些井所忧在的地区进行远插值所利用到醉的因子得分非斜常少。投确定了乘4锻个水质因子，障包括（算1野）农TDS够、福Al疗、粘Na工、亦Mg列和氚；（霜2哈）先TDS克、慕Ca约、寸K疯、薪Si虚、杠SO雁4史和碱性条件；烫（夏3榜）垒Al涝、甲Fe热和厦SO炊4座；（拨4埋）轧Cl政和四氯乙烯。腾TDS在是对水中可溶舅性的离子或者酷化学物质的量呜度，只要主要灿阳离子或者阴道离子出现，都潜会增大坦TDS棕，因此同属于车前领2嫌个因子。寒在彼SRS爹，氚似乎与层Na呼、董Mg拦、榆Al征的存在相关。耐这可能是由于榆这些化学物的丸共同释放或者库它们存在于氚誓释放地附近的帅浅层含水层中净。第三个因子递包含了微量阳视离子和丢SO各4雨，而没有份TDS两，这说明这些傻成分在整个水称化学组成中不榴占支配地位。攻第马4顺个因子与四氯梁乙烯和纷Cl猜有关，这可能雹是降解、共同哄释放或者释放灭点附近的地下装水类型导致的质。起用统计方法确讽定出独特的水插质信号有助于毫追踪污染羽的株迁移，因为当冠野外和实验室踩误差造成污染遍物自身缺乏的完时候，一组相凯关的水质指标阁的出现可以帮缴助描绘潜在污捷染区。这种扩兔充后的水质变娱量集合的使用谎可以帮助提高弟污染羽预测的隆准确度。遥GIS格制图利用所有抵的水质数据，勤实现了对观测