文章快速检索     高级检索
  华东师范大学学报(自然科学版)  2019 Issue (4): 144-155  DOI: 10.3969/j.issn.1000-5641.2019.04.014
0

引用本文  

肖冰, 杨银川, 陆昕渝, 等. 梦清园景观水体生态净化系统模糊综合评价[J]. 华东师范大学学报(自然科学版), 2019, (4): 144-155. DOI: 10.3969/j.issn.1000-5641.2019.04.014.
XIAO Bing, YANG Yin-chuan, LU Xin-yu, et al. Fuzzy comprehensive assessment of landscape water eco-compositive purifying process in Mengqing Garden[J]. Journal of East China Normal University (Natural Science), 2019, (4): 144-155. DOI: 10.3969/j.issn.1000-5641.2019.04.014.

基金项目

上海市科技创新行动计划(18DZ1203806)

第一作者

肖冰, 女, 硕士研究生, 研究方向为城市水环境与蚊虫孳生.E-mail:xiaobing-19940430@163.com

通信作者

黄民生, 男, 教授, 博士生导师, 研究方向为水环境治理与修复.E-mail:mshuang@des.ecnu.edu.cn

文章历史

收稿日期:2018-06-08
梦清园景观水体生态净化系统模糊综合评价
肖冰 1,2, 杨银川 1,2, 陆昕渝 1,2, 李欣然 1,2, 黄民生 1,2, 尹超 1,2, 何岩 1,2     
1. 华东师范大学 生态与环境科学学院, 上海 200241;
2. 华东师范大学 上海市城市化生态过程与生态恢复重点实验室, 上海 200241
摘要:梦清园景观水体生态净化系统对苏州河河水进行处理后排放,根据2017年3月-11月的水质监测数据,采用单因子评价法以及模糊综合评价法分别对苏州河河水和景观水体生态净化系统的水质类别进行评估.结果表明,该处理工艺对NH3-N、TN和TP等指标有一定的去除率,分别为29.7%、55.2%和24.3%,溶氧浓度有很大提升,但各单元水质波动较大,其中由于植物堆积、内源释放、基质饱和等原因,芦苇湿地的水质最差(劣Ⅴ类),需要加强管理维护以恢复水体净化效能.
关键词梦清园    景观水体生态净化    单因子评价法    模糊综合评价    
Fuzzy comprehensive assessment of landscape water eco-compositive purifying process in Mengqing Garden
XIAO Bing 1,2, YANG Yin-chuan 1,2, LU Xin-yu 1,2, LI Xin-ran 1,2, HUANG Min-sheng 1,2, YIN Chao 1,2, HE Yan 1,2     
1. School of Ecological and Environmental Sciences, East China Normal University, Shanghai 200241, China;
2. Shanghai Key Laboratory of Urbanization Ecological Restoration, East China Normal University, Shanghai 200241, China
Abstract: Located on the south side of Suzhou River, an eco-compositive purifying process is run in Mengqing Garden to treat landscape water. Single factor assessment and fuzzy comprehensive assessment (FCA) were utilized to evaluate the water quality classification, respectively. The results showed that the system reduced the concentration of NH3-N, TN and TP, with removal rates of 29.7%, 55.2%, and 24.3%, respectively, and DO was greatly elevated. The water quality fluctuated throughout the process. The water quality of the Reed Wetland was the worst, inferior to Class Ⅴ and requires improved management.
Keywords: Mengqing Garden    landscape water eco-compositive purifying process    single factor assessment    fuzzy comprehensive assessment (FCA)    
0 引言

梦清园(见图 1)位于上海市中心城区, 苏州河南侧, 是一个通过旧区改造而建设的生态环境综合体, 包括绿地、景观水系体以及地下合流污水溢流调蓄池等[1].其中, 景观水系统是苏州河水质生态净化等展示平台.

图 1 梦清园水系平面图、生态净化系统流程 Fig.1 General plan of Mengqing Garden and water system

苏州河河水经过泵提升后进入梦清园景观水体生态净化系统, 原设计流量为50 m$^{3}$/h, 而实际运行进水流量为100 m$^{3}$/h, 每天进水时间为10 h[1].该系统主要包括水质强化净化部分和水质稳定部分.水质强化净化部分(见表 1)由折水涧、芦苇湿地、下湖和中湖组成; 水质稳定部分由上湖、空中水渠、蝴蝶泉、虎爪湾溪、清漪湖和星月湾组成[5].经过景观水体生态净化系统后又排入苏州河.

表 1 水质强化净化部分主要参数 Tab. 1 Basic parameters of water strengthened purifying process

本研究根据梦清园景观水体生态净化系统工艺流程, 以折水涧、芦苇湿地、下湖、蝴蝶泉和出水台地星月湾中的水质作为研究对象, 首先分析单因子沿程变化趋势, 评价各水质指标, 与地表水质量标准相比较.同时将熵权法和层次分析法组合对各污染因子的权重进行赋值, 通过模糊综合评价对梦清园生态净化系统中的水质进行综合评价, 并将模糊综合评价的等级结果与单因子评价结果进行比较.

1 评价方法

针对水质的评价方法有很多, 本研究分别采用单因子评价法和模糊综合评价法对梦清园景观水体生态净化系统的水质进行评估.

单因子评价法将污染最重的因子赋以100%权重, 该方法评价过程简单, 不需要复杂计算, 因此在水质评价中最常用也最成熟, 但该法未考虑水质评价全部因子的贡献, 得到的结果过于保守[6].

由于水体污染程度是一个模糊概念, 水环境质量分级具有模糊特征, 因此模糊综合评价(Fuzzy comprehensive assessment, FCA)被广泛用于水质状况的评价[7].模糊综合评价法适合情况较为复杂的水体, 而梦清园作为景观水体, 其生态净化系统接收苏州河来水, 且园内人员活动频繁, 因此梦清园内水质受到多种影响.

2 梦清园景观水体生态净化系统评价

梦清园设立了7个采样点, 分别为苏州河、水质强化净化部分的折水涧、芦苇湿地、挡水板槽、下湖、水质稳定部分的蝴蝶泉和星月湾.评价采用的监测数据为7个样点于2017年3月—11月的溶解氧、氨氮、总氮、总磷、五日生化需氧量、高锰酸盐指数和叶绿素a数据, 每个采样点每月采样1次.本研究对比了不同赋权法得到的模糊综合评价结果及单因子评价法结果.

2.1 单因子沿程变化趋势分析 2.1.1 溶解氧(DO)

根据DO浓度在各采样点分布的情况(见图 2)可知, 6个采样点的DO浓度均优于Ⅴ类水标准.苏州河水经泵提升, 在折水涧的跌水复氧和人工曝气后, 其DO浓度明显升高, 达到了Ⅲ类水标准.下湖、蝴蝶泉和星月湾的DO浓度明显高于折水涧、芦苇湿地和挡水板槽, DO浓度进一步提高, 星月湾DO浓度指标达到了地表水Ⅰ类标准.

注:图中$\circ$表异常值及其所在月份, 下同 图 2 溶解氧浓度沿程变化趋势 Fig.2 Variation in DO concentration throughout the landscape water purifying process
2.1.2 氨氮和总氮(NH$_4^+$-N和TN)

各采样点的氨氮浓度(见图 3)除苏州河外均达到或高于Ⅲ类水标准, 其中下湖氨氮平均浓度达到了Ⅰ类水标准.氨氮浓度在各采样点的分布整体呈U型, 即在下湖氨氮浓度最低, 后浓度回升, 由于星月湾点位于苏州河河岸, 因此水质受苏州河影响较大.系统对氨氮具有较好的去除效果, 总体去除率为29.7%, 其中折水涧对氨氮的去除率高达55.2%.

图中$\circ$$\star$表异常值及其所在月份, 下同 图 3 氨氮和总氮沿程变化趋势 Fig.3 Variation in NH$_{4}^{+}$-N and TN concentration throughout the landscape water purifying process

根据各采样点总氮浓度的变化(见图 3)可知, 折水涧和蝴蝶泉的总氮浓度较高, 基本在3.0 mg/L以上, 而芦苇湿地的最低.总氮浓度随着净化系统呈现先下降后上升再下降的趋势, 生态净化系统整体的总氮去除率为55.2%, 优于徐亚同等研究中的平均去除率23%[1], 说明生态净化系统依旧保持良好的总氮去除效果.

2.1.3 总磷(TP)

根据各采样点总磷的变化趋势(见图 4)可知, 除芦苇湿地外, 其他各点的总磷浓度均达到Ⅴ类水质标准, 其中下湖的达到Ⅲ类水标准.总磷浓度沿程变化趋势为先上升后下降再略微上升.芦苇湿地的总磷浓度最高, 且波动大.整个系统对总磷具有一定的去除效果, 去除率为24.3%, 低于徐亚同等研究中的总磷去除率38%[1].

图 4 总磷沿程变化趋势 Fig.4 Variation in TP concentration throughout the landscape water purifying process
2.1.4 五日生化需氧量(BOD$_{5}$)和高锰酸盐指数(COD$_{\rm Mn}$)

根据五日生化需氧量沿程变化(见图 5)可知, 苏州河最大, 平均浓度为4.11 mg/L, 属地表水环境Ⅳ类标准.折水涧、挡水板槽、下湖和蝴蝶泉五日生化需氧量均达到Ⅱ类水标准, 芦苇湿地和星月湾五日生化需氧量也达到Ⅲ类水标准, 五日生化需氧量的污染较小.

图 5 BOD$_{5}$和COD$_{\rm Mn}$沿程变化趋势 Fig.5 Variation in BOD$_{5}$ and COD$_{\rm Mn}$ concentration throughout the landscape water purifying process

根据高锰酸盐指数变化趋势可知, 星月湾该指标劣于Ⅴ类标准, 表明出水处受有机污染很严重, 推测是由于星月湾是硬质的出水台地, 水体较小, 水深很浅(通常为15 cm), 基本无流动性, 夏季易爆发藻类, 水生动物易搁浅死亡(采样期间观察到鱼类搁浅), 使得水质恶化.其他采样点高锰酸盐指数均达Ⅳ类和Ⅴ类标准, 苏州河的高锰酸盐指数达到Ⅲ类水标准.

2.1.5 叶绿素a (Chla)

根据叶绿素a沿程变化趋势(见图 6)可知, 叶绿素a平均浓度为22.81 $\mu $g/L.其中芦苇湿地年内变化较大, 其中10月份叶绿素a浓度可高达110.15 $\mu $g/L.折水涧及下湖叶绿素a浓度较小, 平均为12.16 $ \mu $g/L和8.31 $\mu $g/L, 折水涧设置的跌水, 不利于藻类生长, 而下湖中放养的鱼类等水生生物对藻类具有捕食作用, 且沉水植物生长状况较好, 因此叶绿素a浓度较小.

图 6 叶绿素a浓度沿程变化趋势 Fig.6 Variation in Chla concentration throughout the landscape water purifying process
2.2 单因子评价

利用实测数据, 与《地表水环境质量标准》(GB3838—2002)标准限值进行对比分类, 选取水质最差的因子类别作为评价结果, 见表 6.

2.3 模糊综合评价 2.3.1 选取评价因子, 建立评价标准集

水质指标是评价水质受污染程度及反映水质特征的重要参数, 本研究选取溶解氧(DO)、氨氮(NH$_{4}^{+}$-N)、总磷(TP)、五日生化需氧量(BOD$_{5}$)和高锰酸盐指数(COD$_{\rm Mn}$)作为评价指标.因此得到评价因子集$U$={DO, NH$_{4}^{+}$-N, TP, BOD$_{5}$, COD$_{\rm Mn}$}.

根据《地表水环境质量标准》(GB3838—2002)将水质级别分为6级, 因此确定评价集$V$={Ⅰ, Ⅱ, Ⅲ, Ⅳ, Ⅴ, 劣Ⅴ}.

2.3.2 建立隶属函数与隶属矩阵

传统的模糊综合评价模型一般将各类水质标准的上下界限值带入隶属函数中, 计算得到因子在Ⅰ—Ⅴ类的隶属度, 本研究将水质标准上下限的中间值作为隶属函数的界限值, 可以得到6个隶属度, 从而实现对劣Ⅴ类水质的评价[14].

对于数值越小越优型的指标, 如氨氮(NH$_{4}^{+}$-N)、总磷(TP)、五日生化需氧量(BOD$_{5}$)和高锰酸盐指数(COD$_{\rm Mn}$), 采用"降半梯形"函数表示, 而对于DO数值越大水质越好的指标采用"升半梯形"函数.

因此DO的6级隶属函数如下,

$ {r_1}(x) = \left\{ \begin{array}{l} 0(x < 6.75)\\ \frac{{x - 6.75}}{{7.5 - 6.75}}(6.75 \le 7.5)\\ 1(x \ge 7.5) \end{array} \right., \\ r_2(x)= \left\{\begin{array}{l} 0(x\leq 5.5, x>7.5) \\ \frac{x-5.5}{6.75-5.5}(5.5 <x\leq 6.75) \\ \frac{7.5-x}{7.6-6.75}(6.75 <x\leq 7.5) \end{array} \right., $
$ \begin{align*} r_3(x)=\left\{\begin{array}{l} 0(x\leq 4, x>6.75) \\ \frac{x-4}{5.5-4}(4 <x\leq 5.5) \\ \frac{6.75-x}{6.75-5.5}(5.5 <x\leq 6.75) \end{array} \right., \\ r_4(x)=\left\{\begin{array}{l} 0(x\leq 2.5, x>5.5) \\ \frac{x-2.5}{4-2.5}(2.5 <x\leq 4) \\ \frac{5.5-x}{5.5-4}(4 <x\leq 5.5) \end{array} \right., \\ r_5(x)=\left\{\begin{array}{l} 0(x\leq 1, x>4) \\ \frac{x-1}{2.5-1}(1 <x\leq 2.5) \\ \frac{4-x}{4-2.5}(2.5 <x\leq 4) \end{array} \right., \\ r_6(x)= \left\{\begin{array}{l} 1(x <1) \\ \frac{x-1}{2.5-1}(1\leq x < 2.5) \\ 0(x\geq 2.5) \end{array} \right.. \end{align*} $

根据该法依次计算NH$_{4}^{+}$-N、TP、BOD$_{5}$和COD$_{\rm Mn}$的6级隶属函数, 并将各采样点的监测数据带入函数中, 得到隶属度和隶属矩阵$R$.

$ R_{\mbox{苏州河}}=\left[ {\begin{array}{*{20}{c}} 0&0&0.287&0.713&0&0\\ 0&0&0&0.640&0.360&0\\ 0&0&0&0&0.600&0.400\\ 0&0&0.593&0.407&0&0\\ 0&0.090&0.910&0&0&0\\ \end{array}} \right], \\ R_{\mbox{折水河}}=\left[ {\begin{array}{*{20}{c}} 0&0.248&0.752&0&0&0\\ 0&0.257&0.743&0&0&0&\\ 0&0&0&0.737&0.263&0\\ 0&0.21&0.79&0&0&0\\ 0&0&0.091&0.909&0&0\\ \end{array}} \right], \\ R_{\mbox{芦苇湿地}}=\left[ {\begin{array}{*{20}{c}} 0&0&0&0.969&0.031&0\\ 0&0.689&0.311&0&0&0\\ 0&0&0&0&0&1&\\ 0&0&0.68&0.32&0&0\\ 0&0&0&0&0&1 \end{array}} \right], $
$ R_{\mbox{挡水板槽}}=\left[ {\begin{array}{*{20}{c}} 0&0&0.727&0.273&0&0\\ 0&0.494&0.506&0&0&0\\ 0&0&0&0.3&0.7&0\\ 0&0.33&0.67&0&0&0\\ 0&0&0&0.912&0.088& \end{array}} \right], \\ R_{\mbox{下湖}}=\left[ {\begin{array}{*{20}{c}} 1&0&0&0&0&0\\ 0&0.165&0.835&0&0&0\\ 0&0&0.4&0.6&0&0\\ 0&0.975&0.025&0&0&0\\ 0&0&0&0.862&0.138&0 \end{array}} \right], \\ R_{\mbox{蝴蝶泉}}=\left[ {\begin{array}{*{20}{c}} 1&0&0&0&0&0\\ 0&0&0.74&0.26&0&0\\ 0&0&0&1&0&0\\ 0&0.62&0.38&0&0&0\\ 0&0&0&0.996&0.004&0 \end{array}} \right], \\ R_{\mbox{星月弯}}= \left[ {\begin{array}{*{20}{c}} 1&0&0&0&0&0\\ 0&0&0.488&0.512&0&0\\ 0&0&0&0&0.03&0.97\\ 0&0&0.747&0.253&0&0\\ 0&0&0&0&0&1 \end{array}} \right]. $
2.3.3 权重的确定

(1) 层次分析法确定权重

首先确定评价指标, 计算评价指标标度值$d_{i}$, 对于DO这类值越大水质越优的指标用如下公式计算标度值,

$ \begin{align} d_{ij}=\frac{s_i}{c_{ij}}. \end{align} $ (1)

对于其他值越小越优型的指标计算公式为

$ \begin{align} d_{ij}=\frac{c_{ij}}{s_i}, \end{align} $ (2)

式中, $d_{ij}$为第$j$个评价对象中第$i$项评价指标的标度值; $s_{i}$表示第$i$项评价指标各级标准值的算术平均值; $c_{ij}$表示评价对象$j$中评价指标$i$的实际监测浓度.

计算得出的各评价因子$c_{ij}$值所示, 从而得到7个采样点各评价指标的标度值$d_{ij}$.

根据标度值构造两两比较判断矩阵, 采用MATLAB R2013b软件计算特征向量和特征值, 并进行一致性检验, 得到各样点层次分析法权重值, 如表 2所示.

表 2 各采样点层次分析法权重值 Tab. 2 Index weight by AHP

(2) 熵权法确定权重

首先根据$m=7$个评价对象(采样点)及$n=5$个评价指标的实测值构造判断矩阵, 判断矩阵中各元素通过下列公式计算, 再将判断矩阵归一化, 得到矩阵$B=(b_{ij})_{m\times n}$.

判断矩阵中, 值越大越优型指标, 如DO, 计算公式为

$ \begin{align} r_{ij}=\frac{c_{ij}-c_{\min}}{c_{\max}-c_{\min}}. \end{align} $ (3)

值越小越优型指标计算公式为

$ \begin{align} r_{ij}=\frac{c_{\max}-c_{ij}}{c_{\max}-c_{\min}}, \end{align} $ (4)

式中, $c_{ij}$$i$评价对象第$j$项指标的实测值; $c_{\max}$$c_{\min}$为同一评价指标的最大值和最小值.得到归一化矩阵后, 通过下列公式定义信息熵值和熵权.

$j$项指标的信息熵值为

$ \begin{align} E_{j}=\frac{-\sum\limits_{i=1}^m b_{ij}\cdot\ln b_{ij}}{\ln m}. \end{align} $ (5)

各评价指标的熵权$A_{2j}$的计算公式为

$ \begin{align} A_{2j}=\frac{1-E_j}{n-\sum _{s=1}^nE_s}. \end{align} $ (6)

最终得出熵权向量, 结果如表 3.

表 3 各评价因子熵权 Tab. 3 Entropies and weights of indicators

(3) 组合赋权

本研究采用算术平均法进行权重的组合, 得到各评价指标污染权重值, 如表 4所示.

表 4 各评价因子的权重系数 Tab. 4 Weight coefficients of evaluation factors for each sampling site
2.3.4 综合评价

将组合赋权计算的权重值与各采样点的隶属矩阵$R$相乘, 合成模糊评价综合指标, 见表 5.

$ \begin{align} W=A \cdot R=(A_1, A_2, \cdots, A_n)\left[ {{\begin{array}{*{20}c} r_{l1}&\cdots & r_{1m}\\ \vdots&\ddots&\vdots\\ r_{n1}&\cdots &r_{nm} \end{array} }} \right] =(w_1, w_2, \cdots, w_m), \end{align} $ (7)
表 5 各采样点水质综合权重的模糊综合评价结果 Tab. 5 Evaluation results for water quality at sampling sites

式中, $n$表示评价因子的个数, 本文$n$=5; $m$表示水质分类的等级数, 本文$m=7$.

分别对单独使用层次分析法及熵权法得到的权重进行模糊综合评价, 得到的结果对比见表 6.

表 6 单因子评价及不同权重模糊综合评价结果 Tab. 6 Evaluation results for water quality based on different assessment methods
3 结果与讨论

根据徐亚同等研究[1], 梦清园景观水体生态净化系统运行初期, 对氨氮、总氮和总磷均有良好的去除效果(去除率为70%、23%和38%), 且水质随着净化工艺呈现上升趋势, DO和透明度也有一定改善, 但从本研究结果中可以看出, 生态净化系统整体虽然保持对氨氮、总氮和总磷较好的去除率(分别为29.7%、55.2%和24.3%), 且提高了水体的溶解氧, 但水质沿净化工艺流程波动较大.

层次分析法中权重值最大的因子对水质评价结果影响过大, 而熵权法中最大污染因子对权重赋值变小, 使水质评价结果偏好, 因此本文将两种方法综合, 避免了单一方法产生的偏差, 结果更加准确有效.

评价结果(见表 6)表明折水涧的水质为Ⅳ类水, 主要污染因子为TP.其水体TN/TP值为11.61, 说明在春夏季存在藻类生长的潜在风险[15], 但由于折水涧设置了6级跌水曝气, 其水流速度较快, 因此未发现藻类爆发现象, 叶绿素a浓度较小.

芦苇湿地的水质较差, 属劣Ⅴ类水质.芦苇湿地是核心单元, 应发挥拦截吸附悬浮污染物、吸收氮磷等作用.芦苇湿地主要参数见表 1, 运行初期根据吴淑杭等的研究[16], 芦苇地上部分的氮磷积累量在秋季达到最高(151.7 g/m$^{2}$和32.5 g/m$^{2})$, 在10月底收割能较好发挥去除氮磷的功能, 但由于芦苇未及时收割堆积, 导致流态发生变化, 产生偏流和短流, 且在秋季叶绿素a浓度较高, 说明单细胞和多细胞藻类快速繁殖, 超过环境容纳, 加上湿地运行十多年, 基质吸附饱和、沉积物内源性释放, 使其总磷和有机物污染非常严重, COD$_{\rm Mn}$指标劣于Ⅴ类标准.但比较折水涧和芦苇湿地的氨氮浓度, 发现芦苇湿地对氨氮有较大去除率, 这是由于芦苇湿地植物光合作用, 溶解氧浓度高, 发生硝化作用.芦苇湿地中的有机碳虽然有一部分用于脱氮, 但其积累浓度已超过环境容量, 因此芦苇湿地的管理中既要注意维持一定浓度的有机碳用于脱氮, 又不能使其积累过量成为污染.

下湖设置了4 m宽的氧屏障区, 加上堆石溢流堰跌水曝气作用, 使得其DO浓度达到Ⅰ类标准, 下湖中不仅放生了鱼类和底栖生物, 还种有较多沉水植物, 且生长发育良好, 虽然是硬质驳岸, 其生物量大, 物种多样性丰富, 因此通过水生植物、鱼类和微生物的生物过程, 能发挥较好的水质净化稳定作用, 且下湖水体较大, 对面源污染具有稀释作用, 因此其水质较好, 为Ⅳ类.

蝴蝶泉的水质评价结果为Ⅳ类.蝴蝶泉为小型景观水体, 对外来污染稀释作用较小, 周围有绿化带, 降雨径流易将施肥产生的污染冲刷进水体, 因此需要严格控制周围绿化施肥的使用, 降低水体富营养化的可能.蝴蝶泉为开阔浅水体, 光照强, 夏季叶绿素a浓度较高, 有丝状藻生长, 但水体中有景观喷泉, 可对水体造成一定扰动.

星月湾的评价结果表明其属劣Ⅴ类水质.星月湾位于苏州河河岸, 是梦清园水体生态净化系统的出水台地.由于其水深极浅($ < $5 cm), 因此DO浓度很高, 同时氮、磷营养盐和BOD$_{5}$均达到Ⅳ类和Ⅲ类标准, 但高锰酸盐指数高达22.21 mg/L, 远远低于Ⅴ类标准, 由于苏州河河水涨潮时或行船波浪, 河水倒灌入星月湾, 将苏州河中鱼类等水生动物冲上台地, 水生生物的生长及其死亡会影响水质, 且该处无建筑物或绿荫遮挡, 阳光直射, 藻类繁殖过盛造成污染.

由于梦清园景观水体生态净化系统设置在开放公园中, 因此其净化效能不免会受到人为干扰.公园中垃圾投入、游憩活动是主要干扰, 同时为保证公园内植物生长需求, 进行人工施肥, 降雨时径流会将污染带入水体净化系统中, 因此为避免造成水体污染, 应严格规划控制施肥量.为确保生态净化系统的稳定发挥, 应对系统进行长期的管理维护, 比如水生植物的养护与及时收割清理、进水速度和水位的控制以及泵和水车等的正常运行.

4 结论

(1) 层次分析法和熵权法组合赋权能够使结果无偏差.单因子评价法和模糊综合评价法所得的结果有异同, 两种评价方法具有一定关联.总体来说单因子评价法得到的等级较差, 评价结果过于保守, 只考虑污染最严重的因子的影响, 比较片面.而模糊综合评价考虑多指标综合结果, 结果较为准确, 最终表达方式也简单.

(2) 苏州河水进入梦清园生态净化系统后, 水体的溶解氧浓度有较大提高, 达到Ⅰ类标准, 并且对NH$_{4}^+$-N、TN和TP等指标有良好的去除作用, 去除率分别为29.7%、55.2%和24.3%.

(3) 由于相应后续维护管理不佳、水生植物的残体堆积、公园绿化施肥等原因, 水质在各处理单元中波动较大, 有些核心处理单元比如芦苇湿地, 未发挥其功能, 反而使得水质变差.因此为了确保景观水体生态净化系统水质改善与水体修复功能的发挥, 应加强净化系统各单元的管理维护, 及时清理污染物及水生植物残体, 恢复其正向水体自净效能.

参考文献
[1]
徐亚同, 何国富, 黄民生, 等. 梦清园景观水体生态净化系统示范工程研究[J]. 华东师范大学学报(自然科学版), 2006(6): 84-90. DOI:10.3969/j.issn.1000-5641.2006.06.011
[2]
顾强, 丁磊. 城市建成区黑臭水体评价方法比较[J]. 水资源保护, 2017, 4(33): 70-74.
[3]
顾强.苏州河水环境质量变化特征及其黑臭风险评估[D].上海: 华东师范大学, 2017. http://cdmd.cnki.com.cn/Article/CDMD-10269-1017075890.htm
[4]
汪洁琼, 朱安娜, 王敏. 城市公园滨水空间形态与水体自净效能的关联耦合:上海梦清园的实证研究[J]. 风景园林, 2016(8): 118-127.
[5]
李丹, 李小平, 孙从军, 等.人工湿地与生态景观组合系统在梦清园活水公园中的实践[C]//中国环境科学学会学术年会优秀论文集(2008).北京: 中国环境科学出版社, 2008.
[6]
李名升, 张建辉, 梁念, 等. 常用水环境质量评价方法分析与比较[J]. 地理科学进展, 2012, 31(5): 617-624.
[7]
吴运敏, 陈求稳, 李静. 模糊综合评价在小流域河道水质时空变化研究中的应用[J]. 环境科学学报, 2011, 31(6): 1198-1205.
[8]
JI X, DAHLGREN R A, ZHANG M. Comparison of seven water quality assessment methods for the characterization and management of highly impaired river systems[J]. Environmental Monitoring and Assement, 2016, 118: 15.
[9]
孙靖南, 邹志红, 任广平. 模糊综合评价在天然水体水质评价中的应用研究[J]. 环境污染治理技术与设备, 2005, 6(2): 45-48.
[10]
向文英, 杨静, 张雪. 改进的模糊综合评价法在水质评价中的应用[J]. 安全与环境学报, 2015, 15(6): 344-348.
[11]
赵迪.茅洲河水质评价与水体污染防治综合措施研究[D].河北邯郸: 河北工程大学, 2017. http://cdmd.cnki.com.cn/Article/CDMD-10076-1017166326.htm
[12]
杨静.改进的模糊综合评价法在水质评价中的应用[D].重庆: 重庆大学, 2014. http://cdmd.cnki.com.cn/Article/CDMD-10611-1014044060.htm
[13]
徐健, 吴玮, 黄天寅, 等. 改进的模糊综合评价法在同里古镇水质评价中的应用[J]. 河海大学学报(自然科学版), 2014, 42(2): 143-149.
[14]
徐兵兵, 张妙仙, 王肖肖. 改进的模糊层次分析法在南苕溪临安段水质评价中的应用[J]. 环境科学学报, 2011, 31(9): 2066-2072.
[15]
罗芳, 伍国荣. 基于单因子评价法和比值法解析水库水质状况[J]. 资源节约与环保, 2018(2): 65-66. DOI:10.3969/j.issn.1673-2251.2018.02.039