卫河流域河南段不同时期水环境风险评估.pdf

农业环境科学学报Journal of AgroEnvironment Science2023，42（8）:1778-17892023年8月张彦，邹磊，窦明，等.卫河流域河南段不同时期水环境风险评估J.农业环境科学学报,2023,42（8）：1778-1789.ZHANG Y,ZOU L,DOU M,et al.Water environmental risk assessment across different periods in the Henan section of the Wei River basinJ.Journal ofAgro-Environment Science,2023,42（8）：1778-1789.卫河流域河南段不同时期水环境风险评估张彦1，2，邹磊3，窦明2，4*，李平1，5，梁志杰1（1.中国农业科学院农田灌溉研究所，河南 新乡 453002；2.郑州大学水利与土木工程学院，郑州 450001；3.中国科学院地理科学与资源研究所陆地水循环及地表过程院重点实验室，北京 100101；4.郑州大学生态与环境学院，郑州 450001；5.农业农村部农产品质量安全水环境因子风险评估实验室，河南 新乡 453002）Water environmental risk assessment across different periods in the Henan section of the Wei River basinZHANG Yan1,2,ZOU Lei3,DOU Ming2,4*,LI Ping1,5,LIANG Zhijie1（1.Farmland Irrigation Research Institute,Chinese Academy of Agricultural Sciences,Xinxiang 453002,China;2.School of WaterConservancy and Civil Engineering,Zhengzhou University,Zhengzhou 450001,China;3.Key Laboratory of Water Cycle and Related LandSurface Processes,Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101,China;4.School of Ecology and Environment,Zhengzhou University,Zhengzhou 450001,China;5.Laboratory of Quality and Safety RiskAssessment for Agro-Products on Water Environmental Factors,Ministry of Agriculture and Rural Affairs,Xinxiang 453002,China）Abstract：In order to evaluate the water environmental risk in the Henan section of the Wei River basin across different periods,monitoringdata on three kinds of water quality indicatorschemical oxygen demand（COD）,ammonia nitrogen（NH3-N）and total phosphorus（TP）were selected at four monitoring sections.The appropriate three-dimensional joint risk probability distribution model of water pollutants收稿日期：2022-10-09录用日期：2023-01-10作者简介：张彦（1989），男，河南新乡人，博士研究生，助理研究员，主要从事水资源与水环境研究。E-mail：*通信作者：窦明E-mail：dou_基金项目：河南省自然科学基金项目（212300410310）；中央级公益性科研院所基本科研业务费专项（FIRI2022-01）；国家自然科学基金项目（42101043，51879239）Project supported：The Natural Science Foundation of Henan Province，China（212300410310）；The Central Public-interest Scientific Institution BasalResearch Fund（FIRI2022-01）；The National Natural Science Foundation of China（42101043，51879239）摘要：为了评估卫河流域河南段不同时期水环境风险，选取卫河流域4个监测断面和3种水体污染物化学需氧量（COD）、氨氮（NH3-N）和总磷（TP）的监测数据，通过建立边缘分布函数和优选Copula函数构建适宜的水体污染物三维联合风险分布模型，分析了不同时期卫河流域水体污染物的组合风险概率。结果表明：监测断面卫辉皇甫（非汛期和汛期）、浚县王湾（非汛期）和大名龙王庙（非汛期和汛期）的水体污染物间拟合优度最好的三维Copula函数为Gaussian Copula函数，监测断面浚县王湾（汛期）和汤阴五陵（非汛期和汛期）的水体污染物间拟合优度最好的三维Copula函数为t Copula函数；在非汛期和汛期大名龙王庙水体污染物均处于类水质标准的联合概率最大，分别为26.30%和21.61%，卫辉皇甫水体污染物至少有一个指标处于劣类水质标准时的联合风险概率最大，分别为52.34%和56.53%；当仅NH3-N处于劣类水质标准时，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙非汛期水体污染物的联合风险概率分别为25.68%、22.94%、24.68%和13.47%，汛期水体污染物的联合风险概率分别为28.01%、10.31%、6.16%和4.12%；在非汛期和汛期监测断面卫辉皇甫和浚县王湾主要受工业废水和生活污水污染的影响且其主导水体污染物均为NH3-N，在汛期时监测断面汤阴五陵和大名龙王庙主要受农业面源污染的影响且其主导水体污染物由非汛期的NH3-N转变为汛期的TP。研究表明，受到不同污染源的影响卫河流域河南段不同时期水体污染物的联合风险概率具有一定的差异性。关键词：卫河流域；河南；Copula函数；水体污染物；风险评估中图分类号：X52；X820.4文献标志码：A文章编号：1672-2043（2023）08-1778-12doi:10.11654/jaes.2022-0999张彦，等：卫河流域河南段不同时期水环境风险评估2023年8月随着社会经济的快速发展和人民生活水平的不断提高，诱发流域水环境问题日益凸显，流域水环境风险不断增加，从而限制了流域水环境绿色健康持续发展1-2。流域水环境风险是指河湖水体受到有毒有害污染物的污染风险，进而给河湖水生态环境健康带来危害，其影响因素主要有风险源、河流特性、自然地理和社会发展条件以及水污染治理能力等3。目前，利用贝叶斯、蒙特卡罗、神经网络、遥感（RS）和地理信息系统（GIS）等技术方法建立的随机模型、灰色模型、模糊模型、信息熵模型、健康风险评估模型以及生态系统服务功能（INVEST）和德尔菲法风险评估模型等被普遍应用于流域水环境风险评价中4-6，如：王泽正等7通过贝叶斯网络拓扑结构分析与启发式搜索算法快速辨析了饮马河流域内典型污染来源及其污染贡献；祝慧娜等8构建了河流水环境污染风险模糊综合评价模型对湘江水环境风险进行评价；徐凌云等9和叶帮玲10分别利用INVEST和RS+GIS风险评估模型对黑水河流域和湘江长沙段水质污染发生风险进行了评估；宋策等11、王越兴等12和李中原等13分别利用二维水流水质模型、压力-状态-响应模型和健康风险评估模型对汉江上游水源地、深圳水库水源地以及白龟山水库水源地的水质风险及健康风险进行了评估；Derbalah等14运用风险商方法对日本河流的生态毒理学风险进行了评估；施恩等15和罗昊等16分别建立了适用于辽河流域辽宁段和流溪河流域水环境累积风险的评估体系；李海燕17利用GIS技术和相对风险评价模型对大宁河水环境风险进行评估并划分了风险等级；Zhu等18、Xu等19和Safakhah等20分别评估了有机物在白洋淀和抚河、黄浦江及伊朗波斯湾北端穆萨河口中的水环境生态风险。此外，Copula函数作为一种计算变量间风险概率的方法，被广泛应用于降水径流丰枯遭遇、水质水量联合分布和水生态环境稳态关系分析中21，如：杨蕊等5构建了基于Vine Coupla函数的水环境多因子联合风险模型并识别出了南四湖潜在水环境多因子联合风险；牛军宜等22运用Copula函数理论定量地分析了水体污染物的超标风险概率；张彦等23和王起峰等24基于Copula函数分别评估了小型湖泊和太湖不同分区富营养化的风险。虽然Copula函数理论目前已应用于水环境风险研究中，但其中大部分仅注重单一的水质、水量或污染物的超标风险，而整体上河流水环境组合风险评估的研究相对较少，为此本研究以卫河流域河南段为研究对象，选择卫河流域河南段4个主要的监测站点和3个水体污染物指标，在建立边缘分布、Copula联合分布函数的基础上，定量分析卫河流域河南段不同时期水体污染物指标间的组合风险概率，研究成果对卫河流域水环境管理和综合防治具有一定的指导意义。1材料与方法1.1 研究区概况及数据来源卫河属于海河流域漳卫南水系，其发源于山西省陵川县夺火镇，至河北馆陶与漳河汇合，流经河南省was constructed by establishing the marginal distribution function and the optimal Copula function,and the combined risk probability ofwater pollutants in different periods was analyzed.The results showed that the Gaussian Copula function was the best three-dimensionalCopula function for the water pollutants in the monitoring sections of Weihui Huangfu（non-flood season and flood season）,XunxianWangwan（non-flood season）and Daming Longwangmiao（non-flood season and flood season）,and t Copula function were the best threedimensional Copula function for the water pollutants at Xunxian Wangwan（flood season）and Tangyin Wuling（non-flood season and floodseason）.The maximum joint probabilities were respectively 26.30%and 21.61%in non-flood season and flood season at DamingLongwangmiao when the water pollutants were in the water quality standard,while the maximum joint risk probabilities were52.34%and 56.53%in non-flood season and flood season at Weihui Huangfu when at least one index of the water pollutants was in theinferior water quality standard.The joint risk probabilities of the water pollutants in non-flood season were 25.68%,22.94%,24.68%and 13.47%at Weihui Huangfu,Xunxian Wangwan,Tangyin Wuling and Daming Longwangmiao,respectively when only NH3-N wasunder the quality standard of inferior,while the joint risk probabilities of the water pollutants in flood season were 28.01%,10.31%,6.16%and 4.12%,respectively.The monitoring sections of Weihui Huangfu and Xunxian Wangwan were mainly affected by industrialwastewater and domestic sewage pollution during the non-flood and flood seasons,and the dominant water pollutant was NH3-N.Themonitoring sections of Tangyin Wuling and Daming Longwangmiao were mainly affected by agricultural non-point sources of pollutionduring the flood season,and the dominant water pollutant changed from NH3-N during the non-flood season to TP in flood season.Thejoint risk probabilities of water pollutants in the Henan section of the Wei River basin were different in different periods.Keywords：Wei River basin;Henan;Copula function;water pollutant;environmental risk assessment1779农业环境科学学报第42卷第8期焦作市、新乡市、鹤壁市、安阳市和濮阳市 5个省辖市，流域面积约为1.53万km2，流域内主要河流包括卫河干流、大沙河、共产主义渠、淇河、安阳河、马颊河、汤河等25-26。卫河流域河南段受到城市扩张以及工农业发展的影响，其水体污染物主要来自于工业废水、生活污水以及农田化肥和农药的施用27。根据2018年度河南省环境统计年报，2018年新乡市、鹤壁市和安阳市废水排放总量分别为 31 449.00 万、9 542.93万t和16 698.13万t，化学需氧量（COD）排放总量分别为14 307.04、13 056.43 t和16 607.54 t，氨氮（NH3-N）排放总量分别为 1 584.82、1 510.93 t 和3 021.79 t。根据各地市统计年鉴（2021），2020年新乡市、鹤壁市、安阳市和邯郸市农用化肥施用量分别为51.13万、6.97万、40.12万t和41.81万t，农药使用量分别为7 992、892、5 206 t和5 128 t；辉县市、浚县、汤阴县和大名县农用化肥施用量分别为7.79万、4.33万、4.06 万 t 和 4.09 万 t，农药使用量分别为 897.4、530、497 t和658.0 t。本研究数据主要来源于 河南省地表水环境责任目标断面水质周报、各地市的 地表水环境责任目标断面水质月报 和 环境质量月报 等，本文选取了卫河流域河南段卫河干流的4个地表水环境责任目标断面的3项水体污染物指标，监测断面主要有卫辉皇甫、汤阴五陵、浚县王湾和大名龙王庙，具体位置详见图 1。水体污染物指标主要为 COD、NH3-N 和总磷（TP），监测时段为2015年7月至2020年12月。在文中所涉及的不同时期中，汛期为69月份，其余月份为非汛期；水质监测数据分析执行 地表水环境质量标准（GB 38382002）。1.2 研究方法1.2.1 边缘分布建立根据卫河流域河南段4个监测站点逐月的监测数据，得到水体污染物（COD、NH3-N和TP）的监测序列xn|n=1,2,N，N是监测序列的个数。对于监测序列xn中的任意一个样本值xm，如果监测序列xn中小于xm的数目为Nm，那么可以把xm对应的累积概率表示为：P（xm）=P（xixm）=NmN（1）式中：P（xm）为事件xixm的概率函数；xi为某一水质监测指标。求出监测序列xn中所有样本值的概率，得到监测序列xn的概率分布曲线。1.2.2 联合分布概率假设X、Y和Z分别表示卫河流域河南段水环境事件中具有相互关系的指标序列，其边缘分布函数分别为u=F（x），v=F（y），w=F（z），则其三维联合分布概率的表达式如下28：FUVW（u，v，w）=P（Xx，Yy，Zz）=-u-v-wf(u,v,w)dudvdw=C（u，v，w）（2）图1 卫河流域河南段水体污染物监测断面分布Figure 1 Distribution of water pollutant monitoring sections at the Wei River basinN1780张彦，等：卫河流域河南段不同时期水环境风险评估2023年8月1.2.3 Copula联合分布函数的建立卫河流域河南段水体污染是水质恶化的一种综合表征，其评价指标通常由多个水体污染物指标构成，故其水环境组合风险是由水体污染物指标超过标准限值形成不同的组合风险。因此，利用Copula函数建立各水体污染物指标间的联合分布函数，进而定量分析卫河流域河南段的水环境组合风险概率。基于三维 Copula 函数的水环境组合风险评估分布模型28-32为：Gaussian Copula：C（u，v，w；）=-1（u），-1（v），-1（w）（3）t-Copula：C（u，v，w；，k）=t，kt-1k（u），t-1k（v），t-1k（w）（4）式中：是对角线上的元素全为1的三阶对称正定矩阵；表示相关系数矩阵为的三元标准正态分布的分布函数；-1表示标准正态分布的分布函数的逆函数；t，k表示相关系数矩阵为，自由度为k的标准三元t分布的分布函数；tk-1表示自由度为k的三元t分布的分布函数的逆函数。1.2.4 Copula函数拟合度检验和拟合优度评价Copula函数的拟合度检验主要是分析所选用的Copula函数是否合适，能不能恰当地描述变量之间的相关性。通过拟合度检验的Copula函数可以根据拟合优度评价指标进行下一步的优选Copula模型，本文主要运用K-S检验的统计量D进行Copula函数的拟合度检验。拟合优度评价是筛选Copula函数联合分布概率的重要标准，常用的拟合优度评价方法主要有图形评价分析法、均方根误差法、赤池信息量准则法和贝叶斯信息准则法，这些方法的原理和求解过程可参考文献28，33。D=max1 k n|Ck-mkn,|Ck-mk-1n（5）RMSE=1ni=1n Pc(i)-P0(i)2（6）AIC=nln MSE+2m（7）BIC=nln MSE+mln n（8）式中：D为K-S检验的统计量；Ck为联合观测样本xk=（x1k，x2k）的 Copula 函数值；mk为联合观测样本中满足 xxk，同时满足xx1k、xx2k的联合观测值的个数；n为变量级数的长度；RMSE为均方根误差；MSE为均方误差；AIC为赤池信息量准则；BIC为贝叶斯信息准则；Pc（i）为Copula函数的多元联合概率分布的计算值；P0（i）为Copula函数的多元联合概率分布的经验值；m为模型参数的个数。2结果与分析2.1 边缘分布建立对卫河流域河南段监测断面水体污染物（COD、NH3-N和TP）的边缘分布函数进行K-S检验可知，对于监测断面卫辉皇甫，在非汛期和汛期，COD与TP的Pearson 秩相关系数分别为 0.430 和 0.476（P0.01），Kendall 秩相关系数分别为 0.224 和 0.225（P0.05），NH3-N 与 TP 的 Pearson 秩相关系数分别为 0.721 和0.782（P0.01），Kendall 秩相关系数分别为 0.565 和0.591（P0.01）。对于监测断面浚县王湾，在非汛期和汛期，COD 与 TP 的 Pearson 秩相关系数分别为0.637 和 0.425（P0.01），Kendall 秩相关系数分别为0.427和 0.323（P0.01），NH3-N 与 TP 的 Pearson 秩相关系数分别为0.697和0.576（P0.01），Kendall秩相关系数分别为0.513和0.604（P0.01）。对于监测断面汤阴五陵，在非汛期和汛期，COD与NH3-N的Pearson秩相关系数分别为0.643和0.631（P0.01），Kendall秩相关系数分别为 0.425 和 0.385（P0.01），COD 与 TP 的Pearson 秩相关系数分别为 0.514 和 0.678（P0.01），Kendall 秩相关系数分别为 0.362 和 0.448（P0.01），NH3-N 与 TP 的 Pearson 秩相关系数分别为 0.560 和0.810（P0.01），Kendall 秩相关系数分别为 0.499 和0.344（P0.01）。对于监测断面大名龙王庙，在非汛期和汛期，COD与TP的Pearson秩相关系数分别为0.531和0.239（P0.05），Kendall秩相关系数分别为0.325和0.211（P0.05），NH3-N与TP的Pearson秩相关系数分别为0.381和0.741（P0.05），Kendall秩相关系数分别为0.338和0.394（P0.05）。受篇幅限制，本文仅将监测断面大名龙王庙不同时期水体污染物边缘分布图列出，如图2所示。由上可知，卫河流域河南段各监测断面水体污染物间均具有较高的相关性，故可以在卫河流域河南段利用Copula函数建立各监测断面水体污染物间的三维联合分布函数。2.2 Copula函数选择本文选用Gaussian和t Copula函数构建卫河流域河南段各监测断面水体污染物（COD、NH3-N和TP）指标间的三维联合分布模型。三维联合分布模型的参数估计、K-S检验以及拟合优度评价结果如表1所示。由表1可知，各监测断面不同Copula函数的统计量D在非汛期和汛期均符合K-S检验的95%显著性水平D0.181（n=43），D0.275（n=23），=0.05，表明1781农业环境科学学报第42卷第8期所选Copula函数均通过检验。利用均方根误差法、赤池信息量准则法及贝叶斯信息准则法对非汛期和汛期各监测断面水体污染物指标间的Copula函数进行拟合优度评价，结果见表1。在非汛期，监测断面卫辉皇甫、浚县王湾和大名龙王庙水体污染物指标间的拟合度最优的均为Gaussian Copula 函数，其 RMSE 最小分别为 0.033 9、0.036 7 和0.038 1，AIC最小分别为-285.12、-277.56和-275.01，BIC最小分别为-281.60、-274.04和-271.49；监测断面汤阴五陵水体污染物指标间的拟合度最优的为 tCopula 函数，其 RMSE、AIC 和 BIC 均最小，分别为0.037 0、-277.52和-273.99。在汛期，监测断面卫辉皇甫和大名龙王庙水体污染物指标间的拟合度最优的均为 Gaussian Copula 函数，其 RMSE 最小分别为0.044 0和0.049 7，AIC最小分别为-137.60和-132.03，BIC最小分别为-135.33和-129.76；监测断面浚县王湾和汤阴五陵水体污染物指标间的拟合度最优的均为 t Copula 函数，其 RMSE 最小分别为 0.054 6 和0.038 4，AIC最小分别为-127.68和-143.89，BIC最小分别为-125.41和-141.62。因此，分别选择拟合优度最好的Copula函数构建各监测断面水体污染物指标间三维联合分布模型。各监测断面水体污染物指标间的三维联合概率函数的理论频率与经验频率的拟合情况如图3所示。在Gaussian Copula函数下监测断面卫辉皇甫非汛期和汛期、浚县王湾非汛期、大名龙王庙非汛期和汛期水体污染物理论频率与经验频率间的相关系数分别为0.992 4、0.980 3、0.992 2、0.980 9和0.980 9，在t Copula函数下监测断面浚县王湾汛期、汤阴五陵非汛期和汛期水体污染物理论频率与经验频率间的相关系数分别为0.986 7、0.992 8和0.991 1。则各监测断面水体污染物指标间的三维联合概率函数的理论频率与经验频率的拟合情况均较好，表明选取的Copula函数建立的三维联合分布模型较为合理。图2 大名龙王庙不同时期水体污染物边缘分布Figure 2 Marginal distribution of the water pollutants at the Daming Longwangmiao stationCOD/（mgL-1）COD/（mgL-1）NH3-N/（mgL-1）NH3-N/（mgL-1）TP/（mgL-1）TP/（mgL-1）（a）非汛期Non-flood season（c）非汛期Non-flood season（b）汛期Flood season（d）汛期Flood season（f）汛期Flood season（e）非汛期Non-flood season1782张彦，等：卫河流域河南段不同时期水环境风险评估2023年8月2.3 水体污染物联合风险分析2.3.1 非汛期水体污染物联合风险概率基于优选的Copula函数建立非汛期各监测断面水体污染物指标间的三维联合分布模型，得到水体污染物指标间的联合分布概率P（Xx，Yy，Zz）如图4所示，其联合风险概率如表2所示。由各监测断面水体污染物指标间联合风险结果（表 2）可知，在非汛期，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙的水体污染物（COD、NH3-N和TP）均处于类 水 质 标 准 的 联 合 概 率 分 别 为 14.35%、9.25%、21.61%和26.30%，而均处于劣类水质标准的联合风险概率分别为 3.51%、2.14%、2.52%和 0.44%。当水体污染物（COD、NH3-N和TP）中至少有一个指标处于劣类水质标准时，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙水体污染物的联合风险概率分别为52.34%、42.04%、42.89%和24.42%。另外，当仅COD处于劣类水质标准时，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙水体污染物的联合风险概率分别为0.95%、0.79%、0.12%和0.28%；当仅NH3-N处于劣类水质标准时，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙水体污染物的联合风险概率分别为 25.68%、22.94%、24.68%和13.47%；当仅TP处于劣类水质标准时，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙水体污染物的联合风险概率分别为1.70%、2.92%、2.17%和5.48%。由此可见，当仅NH3-N处于劣类水质标准时，各监测断面水体污染物的联合风险概率均最大，说明在非汛期卫河流域河南段的主导水体污染物为NH3-N。2.3.2 汛期水体污染物联合风险概率基于优选的Copula函数建立汛期各监测断面水体污染物指标间的三维联合分布模型，得到水体污染时期Period非汛期Non-flood season汛期Flood season监测断面Monitoring section卫辉皇甫Weihui Huangfu浚县王湾Xunxian Wangwan汤阴五陵Tangyin Wuling大名龙王庙DamingLongwangmiao卫辉皇甫Weihui Huangfu浚县王湾Xunxian Wangwan汤阴五陵Tangyin Wuling大名龙王庙DamingLongwangmiaoGaussian Copula参数Parameter12=0.410 213=0.434 123=0.784 112=0.482 013=0.598 423=0.689 212=0.615 313=0.520 023=0.646 812=0.353 113=0.510 723=0.423 712=0.225 113=0.409 323=0.803 912=0.285 413=0.398 423=0.696 412=0.531 013=0.692 023=0.562 212=0.253 213=0.252 023=0.639 5D0.083 60.098 80.089 00.096 10.109 80.142 50.107 90.200 6RMSE0.033 90.036 70.037 40.038 10.044 00.055 50.039 60.049 7AIC-285.12-277.56-276.57-275.01-137.60-126.92-142.42-132.03BIC-281.60-274.04-273.04-271.49-135.33-124.65-140.15-129.76t Copula参数Parameter12=0.542 213=0.551 723=0.845 712=0.582 313=0.674 623=0.772 212=0.729 313=0.644 223=0.747 212=0.512 613=0.647 423=0.568 612=0.340 313=0.460 423=0.872 712=0.400 613=0.498 223=0.768 912=0.695 613=0.580 023=0.570 012=0.434 113=0.441 323=0.747 4D0.080 20.097 70.083 30.098 00.114 30.138 90.096 40.237 0RMSE0.034 20.038 50.037 00.040 20.045 50.054 60.038 40.053 0AIC-284.21-274.11-277.52-270.38-136.05-127.68-143.89-129.07BIC-280.68-270.59-273.99-266.85-133.78-125.41-141.62-126.80表1 不同时期各监测断面水体污染物指标间的三维联合概率分布拟合优度评价Table 1 Goodness of fit evaluation of the two-dimensional joint probability distribution of the water pollutantsat each monitoring section in different periods1783农业环境科学学报第42卷第8期物指标间的联合分布概率P（Xx，Yy，Zz）如图5所示，其联合风险概率如表3所示。由各监测断面水体污染物指标间联合风险结果（表3）可知，在汛期，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙图3 不同时期各监测断面水体污染物指标的理论频率与经验频率拟合图Figure 3 Fitting figure of the theoretic and empirical joint frequency between the water pollutantsat each monitoring section in different periods（a）卫辉皇甫-非汛期Weihui Huangfu-non-flood season（b）浚县王湾-非汛期Xunxian Wangwan-non-flood season（c）汤阴五陵-非汛期Tangyin Wuling-non-flood season（d）大名龙王庙-非汛期DamingLongwangmiao-non-flood season（e）卫辉皇甫-汛期Weihui Huangfu-flood season（f）浚县王湾-汛期Xunxian Wangwan-flood season（g）汤阴五陵-汛期Tangyin Wuling-flood season（h）大名龙王庙-汛期Daming Longwangmiao-flood season化学需氧量COD劣氨氮NH3-N劣劣劣总磷TP卫辉皇甫Weihui Huangfu14.352.842.158.102.901.640.250.120.158.073.096.963.404.9114.930.240.341.46劣0.150.352.710.320.8816.060.020.103.51浚县王湾Xunxian Wangwan9.251.890.7013.524.012.490.050.040.024.201.471.4010.8212.8018.350.250.451.09劣0.020.070.150.662.1711.650.070.272.14汤阴五陵Tangyin Wuling21.612.120.947.154.583.5400.010.1711.251.232.542.636.5417.6600.111.36劣001.850.671.509.570.400.052.52大名龙王庙Daming Longwangmiao26.301.162.2111.061.571.040.040.010.0215.891.012.8915.682.917.330.150.080.25劣0.840.240.503.121.283.700.170.110.44表2 非汛期各监测断面水体污染物间的三维联合风险概率（%）Table 2 Three dimensional joint risk probability between the water pollutants at each station in the non-flood season（%）1784张彦，等：卫河流域河南段不同时期水环境风险评估2023年8月的水体污染物（COD、NH3-N和TP）均处于类水质标准的联合概率分别为12.92%、10.45%、12.20%和21.61%，而均处于劣类水质标准的联合风险概率分别为 1.45%、1.57%、2.10%和 0.59%。当水体污染物（COD、NH3-N和 TP）中至少有一个指标处于劣类水质标准时，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙水体污染物的联合风险概率分别为56.53%、29.13%、46.36%和32.42%。另外，当仅COD处于劣类水质标准时，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙水体污染物的联合风险概率分别为0.41%、1.36%、0.18%和1.28%；当仅NH3-N处于劣类水质标准时，监测断面卫辉皇甫、浚县王湾、汤阴五陵和大名龙王庙水体污染物的联合风险概率分别为 28.01%、10.31%、6.16%和4.12%；当仅T