引用本文
魏怀斌, 鲁楠楠, 刘静, 潘红卫. 淮河上游某矿区退水溶解性有机物入河演变特征解析[J]. 光谱学与光谱分析, 2025,45(3): 885-893.
WEI Huai-bin, LU Nan-nan, LIU Jing, PAN Hong-wei. Analysis of the Evolution Characteristics of Dissolved Organic Matter in the Discharged Water of a Mining Area in the Upper Huaihe River[J]. Spectroscopy and Spectral Analysis, 2025,45(3): 885-893.
Doi:10.3964/j.issn.1000-0593(2025)03-0885-09  
Permissions
Copyright©2025, 《光谱学与光谱分析》期刊社
《光谱学与光谱分析》期刊社 所有
淮河上游某矿区退水溶解性有机物入河演变特征解析
魏怀斌1, 鲁楠楠2, 刘静3, 潘红卫2,*
1. 华北水利水电大学管理与经济学院, 河南 郑州 450046
2. 华北水利水电大学水利学院, 河南 郑州 450046
3. 华北水利水电大学水资源学院, 河南 郑州 450046
*通讯作者 e-mail: phw103@163.com

作者简介: 魏怀斌, 1981年生,华北水利水电大学管理与经济学院教授 e-mail: weihuaibin@ncwu.edu.cn

收稿日期: 2024-01-04 修回日期: 2024-08-01
基金: 国家自然科学基金项目(51979107, 52209018, 51809095)资助
摘要

利用三维荧光光谱(EEMs)结合平行因子分析(PARAFAC), 研究了矿区水体中溶解有机物(DOM)的荧光组分特征, 并对其种类、 分布和来源进行了解析。 结果表明, 研究区水体和底泥各具有5个天然组分, 其中水体C1[275/325(335) nm]、 C2(290/345 nm)组分为类蛋白物质(类色氨酸), C3(320/405 nm)、 C5(285/505 nm)组分为可见区类腐殖酸, C4(265/430 nm)组分为紫外区类腐殖酸; 底泥C1[270(300)/340 nm]、 C2(290/340 nm)、 C3(300/360 nm)、 C4[285/320(360) nm]组分为类蛋白物质(类色氨酸), C5(270/435 nm)组分为紫外区类腐殖酸。 矿区水体和底泥中类蛋白物质的相对含量分别为302.23和1 976.83, 腐殖酸类分别为96.72和41.11, 水样和底泥溶解性有机物均以类蛋白质组分为主。 由于沉积物是类蛋白质荧光的主要来源之一, 底泥中的荧光物质含量远大于水样中的荧光物质含量。 水体中荧光物质含量的空间分布为矿区排污出水口及双洎河上较高, 沿河段及滹沱沟入双洎河处较低, 而底泥的荧光物质含量在双洎河上含量较高, 矿区排污出水口和沿河段及滹沱沟入双洎河处与水样的含量分布相反。 水样和底泥中的三个荧光特征参数(FI、 BIX、 HIX)指明该水体中DOM具有强自生源特性和弱腐殖化特征, 各组分与荧光特征参数的相关性分析进一步表明该区域底泥中的类蛋白质物质主要产生于自生源而非外源。 该研究有助于更好地理解矿区排放废水中的有机物成分, 为矿区污水排放治理提供参考依据。

关键词: 溶解性有机质; 平行因子分析; 矿区; 地表水; 底泥; 沿程变化
中图分类号:X52 文献标志码:A
Analysis of the Evolution Characteristics of Dissolved Organic Matter in the Discharged Water of a Mining Area in the Upper Huaihe River
WEI Huai-bin1, LU Nan-nan2, LIU Jing3, PAN Hong-wei2,*
1. School of Management and Economics, North China University of Water Resources and Electric Power, Zhengzhou 450046, China
2. School of Water Conservancy, North China University of Water Resources and Electric Power, Zhengzhou 450046, China
3. School of Water Resources, North China University of Water Resources and Electric Power, Zhengzhou 450046, China
*Corresponding author
Abstract

The fluorescence components of dissolved organic matter (DOM) in the water bodies of a mining area were studied using three-dimensional fluorescence spectroscopy (EEMs) combined with parallel factor analysis (PARAFAC), and their types, distribution, and sources were analyzed and discussed. The results showed 5 natural components in the water samples and sediments of the study area. Components C1 (275/325(335) nm) and C2 (290/345 nm) in the water samples were identified as protein-like substances (tryptophan-like). In comparison, components C3 (320/405 nm) and C5 (285/505 nm) were identified as visible region humic acids, and component C4 (265/430 nm) was identified as ultraviolet region humic acid. Components C1 (270(300)/340 nm), C2 (290/340 nm), C3 (300/360 nm), C4 (285/320(360) nm), and C5 (270/435 nm) in the sediments were identified as protein-like substances (tryptophan-like), and component C5 was identified as ultraviolet region humic acid. The contents of protein-like substances in the water samples and sediments of the mining area were 302.23 and 1 976.83, respectively, and the contents of humic acids were 96.72 and 41.11, respectively, indicating that both the water samples and sediments were mainly composed of protein-like substances. Additionally, since sediments are one of the main sources of protein-like fluorescence, the content of fluorescent substances in the sediments was much higher than that in the water samples. The spatial distribution of fluorescent substances in the water samples was higher at the mining wastewater outlet and the Shuangji River and lower along the river and at the Hutuo Ditch and the Shuangji River confluence. On the other hand, the spatial distribution of fluorescent substances in the sediments was higher at the Shuangji River and lower at the mining wastewater outlet along the river and at the confluence of the Hutuo Ditch and the Shuangji River, which was the opposite of the distribution in the water samples. The fluorescence index (FI), biological index (BIX), and humification index (HIX) in the water samples and sediments indicated strong autochthonous characteristics and weak humification characteristics. The correlation analysis between the components and the fluorescence characteristic parameters further indicated that the protein-like substances in the sediments were mainly derived from autochthonous sources rather than exogenous sources. The research findings can better understand the organic matter composition in the wastewater discharged from mining areas and serve as a reference for treating mining wastewater discharge.

Keyword: Dissolved organic matter; Parallel factor analysis; Mining area; Surface water; Sediment; Longitudinal variation
0 引言

近些年, 采用EEMs-PARAFAC(三维荧光光谱-平行因子分析)技术分析各类水体中DOM的构成和来源, 已经逐步成为全球学者的研究焦点。 赵夏婷等[1]采用平行因子分析法揭示了黄河兰州段有色可溶性有机物(CDOM)组成、 空间分布及来源。 杨毅等[2]采用紫外光谱和三维荧光光谱技术结合平行因子分析, 对枯水期灞河城市段底质DOM的组成分布、 光谱特征及来源进行解析, 得出枯水期灞河城市段底质DOM主要来自内源, 属于类蛋白质主导型且腐殖化程度较低。 薛柯伲等[3]通过三维荧光光谱结合平行因子分析了江西5家工业园区污水厂的DOM组分沿程变化特征及其来源特征, 揭示了废水处理后尾水的排入也是水体DOM中类蛋白组分的来源之一。 狄晓威等[4]对天津市的大沽排污河和北塘排污河的溶解性有机质的荧光分布特征进行了分析, 并指出这两条排污河的DOM主要以河流入口处的污水排放为主要来源。 李丹等[5]研究了华南地区中小型闸控海河溶解性有机质的特征及藻源效应, 突出了藻华在影响DOM浓度和组成方面的重要作用。 程琼等[6]对闽江下游河口区CDOM来源、 组成进行研究和分析, 探究该区域有色可溶性有机物生物降解特征。 以往研究主要通过PARAFAC技术解析湖泊、 海洋、 河流、 湿地等系统的水质问题, 很少有对矿区水体中的DOM的分布及来源进行分析研究。

矿区废水中的溶解性有机物主要包括化学需氧量(COD)、 总有机碳(TOC)、 苯类、 酚类、 多环芳烃等有机物, 此类有机物具有强烈的毒性和生物可降解性差的特点。 这些有机物对水环境、 土壤和空气环境等造成了极大的污染危害, 其毒性、 致癌性、 致畸性等危害作用具有长期性和不可逆性。 本研究通过三维荧光光谱及平行因子分析法(parallel factor analysis, PARAFAC)对矿区溶解性有机物的空间分布特征及来源进行分析, 为制定有效的矿区环境保护措施和污染防治策略提供科学依据和技术支持。

1 实验部分
1.1 研究区概况

选择某矿区作为研究区域, 该矿区为年产300万吨的大型矿井, 设计服务年限为53.3年, 井田可采储量为223.981 Mt。 矿区矿井水处理采用“ 混凝+沉淀+过滤+消毒” 的常规工艺, 处理规模为6万m3· d-1, 处理设施对矿井水中COD、 SS去除效率较好, 平均去除率分别达到85.2%、 83%, 矿区污水均达到了相关标准后排放。 矿区水一部分回用于其他企业用水及厂区生产生活用水, 一部分排入滹沱沟, 最终汇入淮河支流-双洎河。 滹沱沟作为一条排污河流, 河段除了矿区污水排放外, 还存在村庄的生活污水排放。 污水最终汇入的河流双洎河发源于嵩山山麓新密市西北五指岭东侧, 自西向东贾穿新密, 后经新郑、 长葛、 尉氏、 鄢陵, 于扶沟县汇入贾鲁河, 全长171 km, 流域面积1 758 km2, 属淮河上游沙颖河水系。 双洎河在新密境内河道干流长57 km, 包含绥水、 洧水、 泽水、 溱水等大小支流近20条, 流域面积达868 km2, 占新密市域总面积的87%。 由于上级考核河流水质使用地表水水质考核目标, 双洎河自2018年以来考核目标逐步提升为V类水体、 Ⅳ 类水体、 Ⅲ 类水体。 由于双洎河天然径流较小, 部分排污河道如滹沱沟外排废水即为河流水体, 因此研究排污河道水质情况对于双洎河水质改善有至关重要的作用。

本研究中水样在图1的7个采样地采样, 底泥在除水池进水端和另一排水口外的5个采样地采样, 共计布设12个采样点(每个采样点采集3个样本)。 5个地表水采样点及3个底泥采样点位于滹沱沟, 滹沱沟与双洎河交汇处及双洎河上游分别布设1个采样点, 采样点分布如图1所示。

图1 矿区采样点分布Fig.1 Distribution of sampling points in the mining area

1.2 样品采集及预处理

水样样品通过0.45 μ m滤膜过滤, 得到的上清液即为水样的DOM溶液。 底泥样品过筛后, 用超纯水溶解, 在恒温(25 ℃)振荡机振荡24 h后, 300 r· min-1离心10 min, 过0.45 μ m滤膜, 得到底泥的DOM溶液[7]。

1.3 三维荧光光谱测定

三维荧光光谱采用日立F-4600荧光光度计对溶解性有机质进行测定, 空白对照为Millipore超纯水, 在240~800 nm范围内用测量精度为± 0.001 d的10 cm石英比色皿进行光吸收测定。 扫描光谱进行仪器自动校正; 扫描波长为激发波长Ex(范围: 250~450 nm), 发射波长Em(范围: 280~550 nm), 采样间隔均5 nm。

1.4 数据处理

使用EXCEL2016及线性插值法修正水样原始荧光中的拉曼散射(Raman scattering)和瑞利散射(Rayleigh scattering), 使用DOMfluor工具箱对荧光光谱数据进行平行因子分析, 确定荧光组分的最优数量。 通过三个参数(荧光指数FI、 生物源指数BIX、 腐殖化指数HIX)分别揭示芳香和非芳香氨基酸对 DOM 荧光强度的贡献比例, DOM的来源和降解程度, 新生成的DOM在总体DOM中的占比及DOM 的输入源特性。 使用SPSS软件对DOM荧光相关指标进行Spearman相关性分析以及对荧光组分进行主成分分析和聚类分析。

2 结果与讨论
2.1 水样及底泥中DOM的荧光组分分析

根据PARAFAC模型, 识别出某矿区水样和底泥中各有5个荧光组分。 水样[图2(a)]中包括C1、 C2两种类蛋白质类组分以及C3、 C4、 C5三种腐殖酸类组分。 研究成果分析结果: C1的荧光峰位置是275/325(335) nm (Ex/Em), C2的荧光峰位置是290/345 nm(Ex/Em), 为类蛋白物质(类色氨酸), C1、 C2对应传统上的T峰; C3的荧光峰位置是320/405 nm(Ex/Em), C5的荧光峰位置是285/505 nm (Ex/Em), 为类腐殖酸(可见区类腐殖酸); 对应传统上的M峰; C4的荧光峰位置是265/430 nm (Ex/Em), 为类腐殖酸(紫外区类腐殖质), 对应传统上的A峰。

图2 水样(a)和底泥(b)的5个荧光组分Fig.2 Five fluorescence fractions of water samples (a) and substrate (b)

底泥[图2(b)]中包括4种类蛋白质类组分(C1、 C2、 C3、 C4)以及1种腐殖酸类组分(C5)。 对比已有研究成果, 综合分析得到: C1的荧光峰位置是270(300)/340 nm (Ex/Em), C2的荧光峰位置是290/340 nm(Ex/Em), C3的荧光峰位置300/360 nm(Ex/Em), C4的荧光峰位置285/320(360) nm (Ex/Em), 均为类蛋白质类(类色氨酸), 对应传统上的T峰; C5的荧光峰位置是270/435 nm (Ex/Em), 为类腐殖酸(紫外区类腐殖质), 对应传统上的A峰。

2.2 溶解性有机物的空间分布特征

(1)水体和底泥中DOM组分异同分析

研究区域荧光物质相对含量及各组分含量空间分布存在一定的差异, 水样和底泥中的荧光物质相对含量分别为398.95和2 017.94, 可以看出, 底泥中的荧光物质含量远大于水样中的荧光物质含量; 水样和底泥中的类蛋白物质的含量分别为302.23和1 976.83, 其腐殖酸类的含量分别为96.72和41.11。 底泥中的类蛋白物质的含量远高于水样, 而底泥中的腐殖酸类的含量低于水样, 但相比于类蛋白物质的含量变幅较小; 水样和底泥中的类蛋白物质的相对含量总和为2 279.06, 腐殖酸类的相对含量为137.83, 研究区域内类蛋白物质的相对含量远高于腐殖酸类的相对含量, 导致此现象的原因可能是沉积物也是类蛋白质荧光的主要来源之一[8], 因此研究区域的荧光物质其主要成分还是类蛋白物质(类色氨酸)。 类色氨酸是人为排放的重要标志性物质, 在一定程度上说明研究区域存在污水处理厂等人为污水的存在[9], Mostofa等[10]研究表明类蛋白质中类色氨酸的相对丰度与河流中废水的排入有关。 滹沱沟为某矿区排污河流, 进一步证实了研究区的主要荧光成分为类色氨酸。

(2)水体中DOM组分沿河变化规律

水样中总Fmax[图3(a)]最高值位于接近水池出水端3个样本点(W16、 W17、 W18), 其平均含量为28.44; 其次位于人和桥处的3个样本点(W1、 W2、 W3), 其平均含量为26.16; Fmax最低值位于入洞处的3个样本点(W7、 W8、 W9), 其平均含量为8.30。 滹沱沟水样中的荧光物质相对含量的空间分布为矿区排污出水口及双洎河上较高, 沿河段及滹沱沟入双洎河处较低; 其荧光物质含量总体沿河呈现逐渐降低的趋势, 其滹沱沟水样的荧光物质平均含量与双洎河上游相比较低。

图3 水样(a, c)和底泥(b, d)中DOM组分荧光强度及相关含量变化规律图Fig.3 Spatial distribution of fluorescence intensity in water samples (a, c) and sediments (b, d) with the relative proportion of each fluorescence component

各荧光组分在不同区域的相对含量也存在明显差异。 水样的5种组分中[图3(c)], C1的占比为33%~55%, 最高为水池进水端(55%), 最低为入洞处(33%); C2的占比22%~51%, 最高为另一排水口处(51%), 最低为水池进水端(22%); C3的占比为4%~21%; C4的占比为2%~15%; C5的占比为2%~6%。 C3、 C4、 C5组分相对含量最高值及最低值位于相同采样点, 最高值位于人和桥处, 分别为21%、 15%、 6%, 最低值位于另一排水口处, 分别为4%、 2%、 2%。

(3)底泥中DOM组分沿河变化规律

底泥中总Fmax[图3(b)]最高值位于入双洎河处的3个样本点(S13、 S14、 S15), 其平均含量为225.33; 其次位于出水处的3个样本点(S4、 S5、 S6), 其平均含量为190.79; Fmax最低值位于接近水池出水端的3个样本点(S1、 S2、 S3), 其平均含量为7.80。 滹沱沟底泥中的荧光物质相对含量的空间分布为沿河段及滹沱沟入双洎河处及双洎河上较高, 矿区排污出水口处较低, 其滹沱沟底泥的荧光物质平均含量与双洎河上游相比较高。

底泥的5种组分中[图3(d)], C1的占比为24.36%~28.44%, 最高为入洞处(28.44%), 最低为水池出水端(24.36%); C2的占比为23.82%~39.75%, 最高为入洞处(39.75%), 最低为水池出水端(23.82%); C3的占比为3.11%~20.47%, 最高为人和桥处(20.47%), 最低为水池出水端(3.11%); C4的占比为13.55%~18.23%, 最高为水池出水端(18.23%), 最低为另一排水口处(13.55%); C5的占比为0.22%~30.82%, 最高为水池出水端(30.82%), 最低为入河处(0.22%)。

2.3 溶解性有机物的来源分析

2.3.1 DOM的荧光特征参数分析

(1)荧光指数FI

荧光指数(fluorescence index, FI)是用于表征DOM的大致来源的指标。 有研究提出, 当DOM来源于植物时, FI的阈值为1.4, 微生物源的阈值为1.9。 当测定的FI≤ 1.4时, 可以推断DOM主要来源于外部输入, 如凋落物和根系分泌物的分解; 当FI≥ 1.9时, DOM主要来源于微生物代谢等自生源转化过程; 当1.4≤ FI≤ 1.9时, DOM主要的来源为混合源[10, 11]。

矿区水样DOM的荧光指数FI范围是1.41~3.49, 其平均值为2.18。 此范围指示该矿区水样DOM来源主要为自生源; 底泥DOM荧光指数FI范围为1.04~6.45, 其平均值为4.16。 此范围指示该矿区底泥DOM来源主要也为自生源。

(2)生物源指数BIX

生物源指数(biological index, BIX)的作用是评估新产生的溶解性有机物(DOM)在总溶解性有机质中的比例。 BIX值较高, 意味着DOM的降解程度更高, 更倾向于生成自生源产物。 当BIX在0.6~0.8之间时, 说明新近自生源的贡献相对较小, DOM主要来源于旧的植物源或人类活动的输入; 而当BIX在0.8~1.0之间时, 说明新近自生源贡献较大, 主要由微生物等因素引起[12, 13, 14]。

矿区水样和底泥的生物源指数BIX分别是2.60和5.77, 表明矿区水体中DOM降解程度高, DOM主要以生物活动产生且自生源特征很强, 与FI指数的研究结果一致。 有研究表明, BIX指数可以反映DOM中类蛋白物质含量, BIX指数的增大与类蛋白组分的贡献率呈正相关[15], 这一规律与本研究结果相一致。

(3)腐殖化指数HIX

腐殖化指数(humification index, HIX) 是一种评估溶解性有机物(DOM)腐殖化程度的重要参数。 随着HIX值的提高, DOM的腐殖化程度和稳定性也会相应提升。 有研究表明, 当HIX< 4时, DOM的腐殖化程度相对较低; 当HIX> 10时, DOM的腐殖化程度则较高[16, 17]。

矿区水样和底泥的腐殖化指数HIX分别为0.18和0.22, 表明矿区水体腐殖化程度相对较低。 主要原因是该水体由矿区的污水排放形成, 其生态环境基本趋于稳定状态, 与外界水体几乎没有明显的交换, 因此该水体的溶解性有机质主要是自生源产物。

通过三个荧光特征参数分析发现矿区水体中DOM来源为自生源且腐殖化程度相对较低, 出现这种现象的原因是矿区水体水源为矿区污水, 研究区域无其他水源存在, 水体生态环境稳定。 因此矿区水样的底泥中的DOM主要是由于矿区排水产生。

2.3.2 DOM的荧光特征参数与各荧光组分相关性分析

为更深入地确定矿区水样中DOM的来源, 通过Spearman相关性分析法对样本DOM的光谱特征与特征指标进行分析。 如表1所示, 水样中C1组分与C2、 C3、 C4、 C5组分呈现显著的正相关, C3、 C4、 C5组分之间具有显著的正相关。 荧光指数FI及生物源指数BIX与C3、 C4、 C5均呈现显著的负相关。 腐殖化指数HIX与C3、 C4、 C5均呈现显著的正相关。 说明DOM的腐殖化程度越高, 组分中类腐殖酸含量越高。

根据表2数据可知, 底泥中C1、 C2、 C3、 C4组分之间存在显著的正相关, 表明其具有同源性[18]。 荧光指数FI和生物源指标BIX分别与C1、 C2、 C3、 C4组分均存在极显著的正相关; 而腐殖化指数HIX则恰好相反, 与四组组分存在极显著的负相关, 进一步证明了底泥中的类蛋白质类物质主要来自于自生源而非外源。

表1 水样DOM组分间及与特征指数间相关系数 Table 1 Correlation coefficients between DOM components of water samples and with characteristic indices
表2 底泥DOM组分间及与特征指数间相关系数 Table 2 Correlation coefficients between sediment DOM components and with characterization indices

2.3.3 主成分分析

为了更进一步研究溶解性有机物(DOM)的空间变化特征, 对不同点的DOM所得的各组分Fmax进行主成分分析(PCA)。 由图4(a, b)可看出, 研究区水样和底泥中DOM呈现出两个显著的主成分因子, 主成分因子1分别诠释了65.4%和79.8%的变量, 主成分因子2分别诠释了30.0%和20.0%变量, 两个因子总共诠释了所有变量95.4%和99.8%, 表明其能够较好的诠释研究区大多数DOM荧光信息[19]。

图4 水样(a)和底泥(b) DOM的主成分分析Fig.4 Principal component analysis of DOM for water samples (a) and sediment (b)

由主成分分析可知, 水样主成分1中类色氨酸组分C1和C2(0.419, 0.258)(0.490, 0.481, 0.535)低于类腐殖质C3, C4和C5的系数, 即水样中因子1由组分C3, C4和C5决定。 水样主成分2中类色氨酸组分C1和C2的系数(0.481, 0.695)高于类腐殖酸C3, C4和C5(0.357, 0.397, 0.028), 即因子2的载荷主要来源于类色氨酸组分C1和C2。 水样主成分因子1主要代表类腐殖酸组分, 而主成分因子2代表类色氨酸组分。

底泥主成分1类色氨酸组分C1, C2, C3和C4的系数(0.125, 0.125, 0.125, 0.125)高于类腐殖酸组分C5(0.000 2), 即因子1主要有由组分C1, C2, C3和C4控制。 底泥主成分2中类腐殖酸C5的系数(0.999)高于类色氨酸组分C1, C2, C3和C4(0.004, 0.005, 0.0087, 0.009)即因子2的载荷主要来源于类腐殖酸组分C5。 底泥主成分因子1主要代表类色氨酸组分, 而主成分因子2代表类腐殖酸组分。

2.3.4 聚类分析

类腐殖质和类蛋白物质的来源在不同荧光组分中表现出差异性。 可以通过聚类分析来识别各样点荧光组分的差异和相似性, 将具有相似特征的样本归为一类, 揭示水体DOM的来源。 本研究对研究区水样和底泥5个组分数据进行聚类分析, 最终将水样21个和底泥15个样本点分别分为3类。 可以看出不同区域样本点的荧光强度存在差异。

水样[图5(a)]中第一类包括W19、 W20、 W21, 相比于其他两类, 该组DOM荧光组分的总Fmax含量最高, 污染程度较严重。 第二类包括W1、 W2、 W3, 该组DOM荧光组分的总Fmax含量较低于第一类, 污染程度相对较严重。 第三类包括水样其他所有样本点, 该组DOM荧光组分的总Fmax含量低于前两类, 污染程度相对较轻。 导致此现象的原因可能是第一类采样点位于城镇和村庄附近, 受到人类活动和排污的影响较大[20]。 第二类样本点位于煤矿厂区排污口的水池末端, 样本点所在区域形成滞水区, 导致各组分物质堆积, 促使总Fmax含量较高。

图5 水样(a)和底泥(b)样本点聚类分析结果Fig.5 Results of cluster analysis of water (a) and sediment (b) sampling points

底泥[图5(b)]中第一类包括S1、 S2、 S3、 S10、 S11、 S12, 相比于其他两类, 该组DOM荧光组分的总Fmax含量最低, 污染程度较轻, 第二类包括S7、 S8、 S9, 该组DOM荧光组分的总Fmax含量较高于第一类。 污染程度相对较严重。 第三类包括S4、 S5、 S6、 S13、 S14、 S15, 该组DOM荧光组分的总Fmax含量高于前两类, 污染程度较严重。 分析其原因, 可能是第三类样本点区域存在另一处排污口以及位于滹沱沟与双洎河交汇处, 受到排污和人类活动影响较大, 其总Fmax含量最高[21]。

3 结论

(1)三维荧光光谱-平行因子法分析结果表明, 研究区水样中具有5个天然组分, C1、 C2组分为类蛋白物质(类色氨酸); C3、 C5组分为可见区类腐殖酸; C4组分为紫外区类腐殖酸。 底泥中也具有5个天然组分, C1、 C2、 C3、 C4组分为类蛋白物质(类色氨酸); C5组分为紫外区类腐殖酸。 底泥中的荧光物质相对含量远大于水样中的荧光物质相对含量; 对于荧光物质成分, 水样和底泥中类蛋白质含量均远高于类腐殖酸含量。 底泥中的类蛋白物质的含量远高于水样, 底泥中的腐殖酸类的含量低于水样。

(2)水样中的荧光物质含量的空间分布为矿区排污出水口及双洎河上较高, 沿河段及滹沱沟入双洎河处较低, 滹沱沟水样的荧光物质平均含量与双洎河上游相比较低。 而底泥中的荧光物质含量的空间分布为沿河段及滹沱沟入双洎河处及双洎河上较高, 矿区排污出水口处较低, 滹沱沟水样的荧光物质平均含量与双洎河上游相比较高。

(3)荧光指数分析表明, 矿区水体环境指数特征: 水样和底泥的荧光指数FI分别为2.18和4.16; 生物源指数BIX分别为2.60和5.77; 腐殖化指数HIX分别为0.18和0.22, 呈现高荧光指数、 高自生源指数、 低腐殖化程度的荧光指数特性, 验证了水体环境中DOM的主要来源为自生源; 根据各组分与荧光特征参数的相关性分析进一步说明了该区域底泥中的类蛋白质物质主要产生于自生源而非外源。 主成分分析和聚类分析表明, 矿区水体中类蛋白质及类腐殖质的产生主要是由于矿区的污水排放, 其次是受到人类活动的影响。

参考文献
[1] ZHAO Xia-ting, LI Shan, WANG Zhao-wei, et al(赵夏婷, 李珊, 王兆炜, 等). Environmental Science(环境科学), 2018, 39(9): 4105. [本文引用:1]
[2] YANG Yi, DONG Cheng-xuan, WANG Ping-ping, et al(杨毅, 董承璇, 王萍萍, 等). China Environment Science(中国环境科学), 2023, 43(5): 2347. [本文引用:1]
[3] XUE Ke-ni, TONG Juan, HE You-wen, et al(薛柯伲, 佟娟, 何友文, 等). Chinese Journal of Environmental Engineering(环境工程学报), 2022, 16(11): 3618. [本文引用:1]
[4] DI Xiao-wei, PENG Shu-long, LIU Jun-xin, et al(狄晓威, 彭淑龙, 刘俊新, 等). Acta Scientiae Circumstantiae(环境科学学报), 2012, 32(9): 2140. [本文引用:1]
[5] LI Dan, FAN Zhong-ya, LUO Qian-li, et al(李丹, 范中亚, 罗千里, 等). China Environment Science(中国环境科学), 2024, 44(2): 911. [本文引用:1]
[6] CHENG Qiong, ZHUANG Wan-e, WANG Hui, et al(程琼, 庄婉娥, 王辉, 等). Environmental Science(环境科学), 2019, 40(1): 157. [本文引用:1]
[7] YI Jun, YANG Guang, PAN Hong-wei, et al(易军, 杨光, 潘红卫, 等). Spectroscopy ang Spectral Analysis(光谱学与光谱分析), 2022, 42(8): 2444. [本文引用:1]
[8] CHEN Mu-yu, CHEN Lin, HAN Lu-lu, et al(陈慕雨, 陈霖, 韩露露, 等). Advances in Marine Science(海洋科学进展), 2023, 41(4): 637. [本文引用:1]
[9] LI Jia-lu, ZUO Qi-ting, FENG Feng, et al(李佳璐, 左其亭, 冯峰, 等). Environmental Science & Technology(环境科学与技术), 2022, 45(9): 90. [本文引用:1]
[10] Mostofa K M G, Wu F, Liu C Q, et al. Limnology, 2010, 11: 217. [本文引用:2]
[11] YAN Xiao-han, HAN Lu, WEN Wei, et al(闫晓寒, 韩璐, 文威, 等). Acta Scientiae Circumstantiae(环境科学学报), 2021, 41(4): 1419. [本文引用:1]
[12] SHEN Hui-yan, XU Hua-jian, WANG Jia-fu, et al(申慧彦, 徐华健, 王嘉富, 等). Acta Scientiae Circumstantiae(环境科学学报), 2024, 44(1): 366. [本文引用:1]
[13] WANG Shuang, WANG San-xiu, HUANG Qing-hui(王爽, 王三秀, 黄清辉). Acta Scientiae Circumstantiae(环境科学学报), 2022, 42(11): 139. [本文引用:1]
[14] ZHANG Wen-hao, ZHAO Duo-lin, WANG Xiao-yu, et al(张文浩, 赵铎霖, 王晓毓, 等). Environmental Science(环境科学), 2020, 41(11): 4958. [本文引用:1]
[15] ZHOU Shi-lei, CHEN Zhao-ying, ZHANG Tian-na, et al(周石磊, 陈召莹, 张甜娜, 等). Environmental Science(环境科学), 2021, 42(8): 3730. [本文引用:1]
[16] Zhang R, Liu Z, Xiong K, et al. Water, 2021, 13(24): 3574. [本文引用:1]
[17] ZHANG Xi-yu, YANG Jian, WANG Hao, et al(张溪彧, 杨建, 王皓, 等). Journal of China Coal Society(煤炭学报), 2021, 46(S2): 936. [本文引用:1]
[18] HAN Yu-lin, WEI Hong, HAO Miao, et al(韩玉麟, 魏红, 郝淼, 等). Environmental Chemistry(环境化学), 2021, 40(3): 717. [本文引用:1]
[19] LUO Yue-xuan, LÜ Ze-lan, YAN Cai-xia, et al(罗月萱, 吕泽兰, 晏彩霞, 等). Environmental Science(环境科学), 2024, 45(8): 4553. [本文引用:1]
[20] BU Ji-ming, HE Jia, JIAO Li-xin, et al(卜鸡明, 何佳, 焦立新, 等). Acta Scientiae Circumstantiae(环境科学学报), 2020, 40(8): 2795. [本文引用:1]
[21] ZHANG Xiao-liang, WANG Hong-bo, YANG Fang, et al(张晓亮, 王洪波, 杨芳, 等). Journal of Environmental Engineering Technology(环境工程技术学报), 2022, 12(3): 651. [本文引用:1]