基于模糊综合评价法的长荡湖水环境质量精准评估与提升策略研究

基于模糊综合评价法的长荡湖水环境质量精准评估与提升策略研究一、引言1.1研究背景与意义1.1.1研究背景长荡湖，又名洮湖，地处太湖流域上游，地理位置为东经119°29′-119°37′，北纬31°33′-31°40′，它西倚茅山，东接滆湖，北连长江，是太湖流域第三大湖，也是江苏省十大淡水湖之一，水域面积约85平方千米，兼具灌溉、养殖、供水等多种功能，是金坛和溧阳等城市饮用水的备用水库，也是太湖上游重要的水源地之一。同时，长荡湖还是一个集自然风光、人文历史和休闲娱乐于一体的旅游胜地，在区域生态系统和社会经济发展中占据着举足轻重的地位。然而，随着经济的快速发展和人口的不断增加，长荡湖面临着诸多严峻的水环境问题。在工业方面，流域内工业废水的排放，使得大量重金属、有机物等污染物进入长荡湖。这些污染物不仅改变了湖水的化学性质，还对湖中的生物造成了直接的毒害作用，威胁到整个水生态系统的平衡。在农业领域，农田中大量使用的化肥和农药，通过地表径流的冲刷，最终流入长荡湖。据相关研究表明，农业面源污染已成为长荡湖污染物的重要来源之一，导致湖水中氮、磷等营养物质含量超标，引发水体富营养化问题。生活污水的排放也不容忽视，未经有效处理的生活污水中含有大量的有机物、氮、磷以及病原体等，直接排入湖中，进一步加剧了湖水的污染程度。不合理的水产养殖活动也对长荡湖的水环境造成了负面影响。过度投喂饲料导致湖水中的残饵增多，这些残饵在分解过程中消耗大量的溶解氧，使得湖水的溶解氧含量降低，影响水生生物的生存。同时，养殖过程中使用的药物也可能对湖水生态系统产生潜在的危害。在2020年12月，徐某在未向主管部门报告的情况下，将从刘某处购买的25000斤革胡子鲇投放至长荡湖，之后湖面陆续出现大量死亡鲇鱼，至2021年2月，当地渔政部门累计打捞死亡鲇鱼20208斤。死亡腐烂的革胡子鲇对长荡湖水质造成了严重影响，未打捞上岸的革胡子鲇也对本土鱼类及生物多样性产生了损害。水环境问题给长荡湖带来了一系列不良影响。湖水水质恶化，透明度降低，由原本较为清澈变得浑浊，影响了湖泊的景观价值，使得其作为旅游胜地的吸引力下降。水体富营养化导致藻类大量繁殖，引发水华现象。水华不仅消耗大量溶解氧，造成鱼类等水生生物缺氧死亡，破坏了水生态系统的平衡，还会释放出有毒有害物质，对周边居民的健康构成威胁。水生态系统的破坏还会影响到长荡湖的渔业资源，导致渔业产量下降，影响当地渔业经济的发展。传统的水环境质量评价方法，如单因子评价法，仅关注单个污染物指标，无法全面反映长荡湖复杂的水环境质量状况；综合污染指数法虽然考虑了多个指标，但在权重确定等方面存在一定的局限性，难以准确体现各污染因子对水环境的综合影响。因此，开展更为科学、全面的水环境质量评价迫在眉睫。1.1.2研究意义本研究运用模糊综合评价方法对长荡湖水环境质量进行评价，具有重要的理论和实践意义。从理论层面来看，模糊综合评价方法能够有效处理水环境质量评价中多因素、模糊性和不确定性的问题。它将定性与定量分析相结合，通过建立模糊关系矩阵和确定权重，对多个评价因子进行综合考量，克服了传统评价方法的不足，丰富了水环境质量评价的理论体系，为其他湖泊或水域的水环境质量评价提供了新的思路和方法参考，推动了水环境评价理论的进一步发展。在实践方面，通过对长荡湖水环境质量的模糊综合评价，可以全面、准确地了解长荡湖当前的水环境质量状况，识别主要污染因子和污染区域。这为制定针对性的水污染防治措施提供了科学依据，有助于合理分配治理资源，提高治理效率。精准的评价结果能够为长荡湖的水资源管理提供决策支持，助力水资源的合理开发和可持续利用，保障长荡湖的供水安全和生态安全。通过及时掌握水环境质量变化趋势，能够为生态保护和修复工作提供有力的数据支撑，促进长荡湖水生态系统的恢复和改善，维护生态平衡，提升长荡湖的生态服务功能，实现经济发展与生态保护的良性互动，推动区域可持续发展。1.2国内外研究现状1.2.1水环境质量评价方法研究现状水环境质量评价是水资源保护和管理的重要基础工作，其评价方法的研究一直是环境科学领域的热点。国内外学者在这方面开展了大量研究，取得了丰硕的成果。传统的水环境质量评价方法主要包括单因子评价法、综合污染指数法等。单因子评价法是通过对水体中各项污染物的浓度与相应的水质标准进行比较，选取其中最差的水质类别来确定水体的质量等级。这种方法简单直观，易于理解和操作，能够清晰地指出水体中主要的污染因子。然而，它忽略了其他污染物的综合影响，无法全面反映水体的真实质量状况。例如，在对某一湖泊进行评价时，若仅依据单因子评价法，可能会因为某一项污染物超标而判定水质较差，但实际上其他多项污染物的指标可能处于良好状态，这就导致评价结果不够准确和客观。综合污染指数法是将水体中多种污染物的浓度进行综合计算，得到一个能够反映水体总体污染程度的数值。它克服了单因子评价法的片面性，能够在一定程度上体现多种污染物对水环境的综合影响。但是，该方法在确定各污染物的权重时，往往采用主观赋值的方式，缺乏足够的科学性和客观性，容易导致评价结果出现偏差。比如在确定权重时，可能会因为人为的判断失误，使得某些重要污染物的权重被低估，从而影响对水环境质量的准确评价。随着科学技术的不断进步和研究的深入，现代水环境质量评价方法应运而生，如模糊数学法、灰色关联分析法、人工神经网络法等。模糊数学法能够有效处理水环境质量评价中的模糊性和不确定性问题，通过建立模糊关系矩阵和确定权重，对多个评价因子进行综合考量，从而得出更为准确的评价结果。灰色关联分析法通过分析各评价指标与参考序列之间的关联程度，来确定各指标的权重，进而对水环境质量进行评价，它能够充分利用数据信息，减少主观因素的影响。人工神经网络法则是模拟人类大脑的神经网络结构，通过对大量样本数据的学习和训练，建立起输入与输出之间的复杂关系模型，实现对水环境质量的准确预测和评价。这些现代方法在不同程度上提高了水环境质量评价的准确性和科学性，但也各自存在一定的局限性。例如，模糊数学法在确定隶属函数和权重时，仍然存在一定的主观性；灰色关联分析法对数据的依赖性较强，当数据存在缺失或异常时，可能会影响评价结果的准确性；人工神经网络法需要大量的样本数据进行训练，且模型的构建和训练过程较为复杂，计算量较大，对硬件设备要求较高。在水环境质量评价指标体系方面，国内外学者也进行了广泛的研究。目前，常用的评价指标包括物理指标（如水温、pH值、溶解氧、透明度等）、化学指标（如化学需氧量、生化需氧量、氨氮、总磷、总氮等）和生物指标（如浮游生物、底栖生物、鱼类等）。物理指标能够反映水体的基本物理性质，化学指标可以体现水体中污染物的含量和化学性质，生物指标则从生态系统的角度，反映水体的生态健康状况。不同的评价指标体系适用于不同的水体类型和评价目的，在实际应用中，需要根据具体情况进行合理选择和优化。1.2.2模糊综合评价法在水环境质量评价中的应用研究现状模糊综合评价法作为一种重要的现代水环境质量评价方法，近年来在国内外得到了广泛的应用和研究。在国外，许多学者将模糊综合评价法应用于不同类型的水体环境质量评价中。如美国学者[具体姓名1]运用模糊综合评价法对某河流的水质进行评价，通过构建合理的评价指标体系和模糊关系矩阵，综合考虑了多种污染因子的影响，准确地识别出了河流中的主要污染区域和污染因子，为河流的污染治理提供了科学依据。日本学者[具体姓名2]将模糊综合评价法与地理信息系统（GIS）技术相结合，对某湖泊的水环境质量进行了空间分析和评价，直观地展示了湖泊水质的空间分布特征，为湖泊的生态保护和管理提供了有力的支持。在国内，模糊综合评价法在水环境质量评价领域也取得了显著的成果。众多学者针对不同地区的湖泊、河流、水库等水体，开展了大量的应用研究。例如，有学者运用模糊综合评价法对洱海的水环境质量进行评价，分析了洱海不同湖区的水质状况和变化趋势，发现洱海部分湖区存在不同程度的富营养化问题，主要污染因子为总磷和总氮，并提出了相应的治理建议。还有学者将模糊综合评价法应用于黄河某段的水质评价中，通过改进权重确定方法，提高了评价结果的准确性，明确了该段黄河水的主要污染来源和污染程度，为黄河水资源的保护和合理利用提供了参考。1.2.3长荡湖水环境质量评价相关研究现状目前，针对长荡湖的水环境质量评价研究也有一定的基础。一些研究采用传统的评价方法，如单因子评价法和综合污染指数法，对长荡湖的水质进行了初步分析。研究结果表明，长荡湖的水质受到了不同程度的污染，主要污染因子包括总磷、总氮、化学需氧量等，水体存在一定程度的富营养化问题。然而，这些传统方法由于自身的局限性，无法全面、准确地反映长荡湖水环境质量的复杂状况。部分学者尝试运用现代评价方法对长荡湖进行研究。例如，有研究运用灰色关联分析法对长荡湖的水质进行评价，分析了各污染因子与水质之间的关联程度，找出了对长荡湖水质影响较大的主要因素。但灰色关联分析法在处理多因素、模糊性和不确定性问题方面存在一定的不足，难以充分体现长荡湖水环境质量的综合特征。虽然已有研究在长荡湖水环境质量评价方面取得了一定进展，但仍存在一些不足之处。现有的评价方法在处理长荡湖复杂的水环境问题时，存在一定的局限性，评价结果的准确性和可靠性有待提高。对于长荡湖水环境质量的时空变化特征研究还不够深入，缺乏系统性和全面性。在评价指标体系的构建方面，还需要进一步优化和完善，以更好地反映长荡湖的实际情况。因此，开展基于模糊综合评价法的长荡湖水环境质量评价研究具有重要的理论和实践意义，有望为长荡湖的水环境治理和保护提供更科学、准确的决策依据。1.3研究内容与方法1.3.1研究内容本研究旨在运用模糊综合评价法，对长荡湖水环境质量进行全面、深入的评价，为长荡湖的水资源保护和水环境治理提供科学依据。研究内容主要包括以下几个方面：水环境质量评价指标选取：在深入分析长荡湖的自然环境、水文特征以及人类活动影响的基础上，结合国内外相关研究成果和标准，从物理、化学和生物等多个方面选取具有代表性的评价指标。物理指标涵盖水温、pH值、溶解氧、透明度等，这些指标能够直观地反映水体的基本物理性质。化学指标则包括化学需氧量（COD）、生化需氧量（BOD）、氨氮、总磷、总氮等，它们可以准确体现水体中污染物的含量和化学性质。生物指标如浮游生物、底栖生物、鱼类等的种类和数量，能够从生态系统的角度，反映水体的生态健康状况。通过综合考虑这些指标，构建出全面、科学的长荡湖水环境质量评价指标体系，确保能够准确反映长荡湖水环境的真实状况。评价指标权重确定：权重的确定是模糊综合评价的关键环节，直接影响评价结果的准确性。本研究将采用层次分析法（AHP）和熵权法相结合的方法来确定各评价指标的权重。层次分析法通过构建层次结构模型，将复杂的问题分解为多个层次，通过两两比较的方式确定各指标的相对重要性，能够充分考虑专家的经验和主观判断。熵权法则是根据指标数据的变异程度来确定权重，数据变异程度越大，熵值越小，该指标所携带的信息量越大，权重也就越高，它能够客观地反映数据本身的特征。将两种方法相结合，既能充分利用专家的知识和经验，又能避免主观因素的过度影响，使权重的确定更加科学、合理，从而提高评价结果的可靠性。模糊综合评价模型构建：基于模糊数学的理论，构建长荡湖水环境质量模糊综合评价模型。首先，根据选取的评价指标和确定的权重，建立模糊关系矩阵，该矩阵反映了各评价指标与不同水质等级之间的模糊关系。然后，运用模糊合成算子进行综合运算，将多个评价指标的信息进行融合，得到长荡湖水环境质量的综合评价结果。通过该模型，可以对长荡湖不同区域、不同时期的水环境质量进行全面、系统的评价，准确判断其水质等级，为后续的分析和决策提供有力支持。评价等级划分与结果分析：参照国家地表水环境质量标准（GB3838-2002）及相关行业标准，结合长荡湖的实际情况，将水环境质量划分为不同的等级，如优、良、轻度污染、中度污染、重度污染等。对模糊综合评价结果进行深入分析，明确长荡湖各区域水环境质量的现状和分布特征，找出主要污染因子和污染区域。通过对不同时期的评价结果进行对比，分析长荡湖水环境质量的变化趋势，探讨其变化原因，为制定针对性的保护和治理措施提供科学依据。提出保护和治理建议：根据评价结果和分析结论，结合长荡湖的实际情况，从控制污染源、加强生态修复、完善管理机制等多个方面提出切实可行的水环境质量保护和治理建议。在控制污染源方面，加强对工业废水、农业面源污染和生活污水的治理，严格控制污染物排放总量。在生态修复方面，采取水生植被恢复、底泥清淤等措施，改善水生态环境。在管理机制方面，建立健全水环境监测体系，加强部门之间的协调合作，提高水资源管理的效率和水平。通过这些建议的实施，促进长荡湖水环境质量的改善和生态系统的恢复，实现长荡湖的可持续发展。1.3.2研究方法文献研究法：广泛查阅国内外有关水环境质量评价、模糊综合评价法以及长荡湖相关的文献资料，包括学术期刊论文、学位论文、研究报告、政策文件等。对这些文献进行系统梳理和分析，了解水环境质量评价的研究现状、发展趋势以及模糊综合评价法在水环境领域的应用情况，总结前人的研究成果和经验，找出当前研究中存在的问题和不足，为本研究提供理论基础和研究思路，确保研究的科学性和前沿性。通过对文献的研究，深入了解长荡湖的自然地理特征、水环境现状、面临的主要问题以及已有的研究成果，为后续的实地监测和评价工作提供背景信息和参考依据。实地监测法：在长荡湖不同区域设置多个具有代表性的监测点位，运用专业的水质监测仪器和设备，按照相关标准和规范，对水温、pH值、溶解氧、化学需氧量、氨氮、总磷、总氮等主要水质指标进行现场采样和测定。同时，记录监测点位的地理位置、周边环境等信息。通过实地监测，获取长荡湖的第一手水质数据，这些数据能够真实反映长荡湖在不同时间和空间上的水质状况，为后续的模糊综合评价提供准确、可靠的数据支持。定期进行实地监测，还可以分析长荡湖水质的动态变化情况，及时发现水质问题的变化趋势，为水环境的保护和治理提供实时的数据依据。模糊综合评价法：这是本研究的核心方法。根据实地监测获得的数据，结合长荡湖的实际情况，确定评价指标体系和评价等级标准。运用层次分析法和熵权法相结合的方式确定各评价指标的权重，建立模糊关系矩阵，通过模糊合成算子进行综合运算，得出长荡湖水环境质量的综合评价结果。模糊综合评价法能够充分考虑水环境质量评价中的多因素、模糊性和不确定性，将定性分析与定量分析有机结合，使评价结果更加客观、准确地反映长荡湖的水环境质量状况，为长荡湖的水资源管理和保护提供科学的决策依据。对比分析法：将模糊综合评价结果与传统评价方法（如单因子评价法、综合污染指数法）的结果进行对比分析，探讨不同评价方法的优缺点和适用性。通过对比，突出模糊综合评价法在处理长荡湖复杂水环境问题时的优势，验证本研究方法的科学性和有效性。对长荡湖不同区域、不同时期的水环境质量评价结果进行对比，分析其空间分布特征和时间变化趋势，找出水质差异的原因，为制定针对性的水环境治理和保护措施提供参考依据。对比分析还可以参考其他类似湖泊的水环境质量评价结果，借鉴其成功的治理经验和管理模式，为长荡湖的发展提供有益的借鉴。1.4技术路线本研究的技术路线旨在系统、科学地运用模糊综合评价法对长荡湖水环境质量进行评价，为长荡湖的水资源保护和水环境治理提供坚实的理论基础与实践指导，具体步骤如下：前期研究：通过广泛的文献调研，深入了解国内外水环境质量评价的研究现状，特别是模糊综合评价法在该领域的应用情况，以及长荡湖已有的相关研究成果。梳理水环境质量评价的各类方法、指标体系和应用案例，明确研究的切入点和创新点，为本研究提供理论支撑和研究思路。数据收集与监测：根据长荡湖的水域特点和功能分区，合理设置多个监测点位，运用专业的水质监测仪器和设备，按照相关标准和规范，对水温、pH值、溶解氧、化学需氧量、氨氮、总磷、总氮等主要水质指标进行实地采样和测定。同时，收集长荡湖的历史水质数据、水文资料、气象数据以及周边土地利用、污染源分布等相关信息，为后续的评价分析提供全面的数据支持。评价指标体系构建：在充分考虑长荡湖的自然环境、水文特征、生态功能以及人类活动影响的基础上，结合国内外相关研究成果和标准，从物理、化学和生物等多个方面选取具有代表性的评价指标，构建长荡湖水环境质量评价指标体系。对选取的评价指标进行合理性分析和筛选，确保指标体系能够全面、准确地反映长荡湖水环境质量状况。权重确定：采用层次分析法（AHP）和熵权法相结合的方法确定各评价指标的权重。运用层次分析法，邀请相关领域的专家，通过构建层次结构模型，对各评价指标的相对重要性进行两两比较，构建判断矩阵，计算各指标的主观权重。利用熵权法，根据指标数据的变异程度，计算各指标的客观权重。将主观权重和客观权重进行综合，得到各评价指标的最终权重，使权重的确定更加科学、合理，充分体现各指标在水环境质量评价中的重要程度。模糊综合评价模型构建：基于模糊数学的理论，建立长荡湖水环境质量模糊综合评价模型。根据评价指标体系和确定的权重，构建模糊关系矩阵，该矩阵反映了各评价指标与不同水质等级之间的模糊关系。运用合适的模糊合成算子进行综合运算，将多个评价指标的信息进行融合，得到长荡湖水环境质量的综合评价结果，判断其水质等级。结果分析与验证：对模糊综合评价结果进行深入分析，明确长荡湖各区域水环境质量的现状和分布特征，找出主要污染因子和污染区域。分析长荡湖水环境质量的时间变化趋势，探讨其变化原因。将模糊综合评价结果与传统评价方法（如单因子评价法、综合污染指数法）的结果进行对比分析，验证本研究方法的科学性和有效性，突出模糊综合评价法在处理长荡湖复杂水环境问题时的优势。提出建议与措施：根据评价结果和分析结论，结合长荡湖的实际情况，从控制污染源、加强生态修复、完善管理机制等多个方面提出切实可行的水环境质量保护和治理建议。制定具体的行动计划和措施，明确责任主体和实施步骤，为长荡湖的水资源管理和保护提供决策依据，促进长荡湖水环境质量的改善和生态系统的恢复，实现长荡湖的可持续发展。本研究的技术路线图如图1-1所示：图1-1技术路线图二、长荡湖概况与水环境现状分析2.1长荡湖基本概况长荡湖，又名洮湖，位于太湖流域上游，地理位置为东经119°29′-119°37′，北纬31°33′-31°40′，西倚茅山，东接滆湖，北连长江，地跨金坛、溧阳两市，是太湖流域第三大湖，也是江苏省十大淡水湖之一。其水域面积约85平方千米，湖容1.1亿立方米，属于中型浅水湖泊，同时也是典型的过水性、浅水草型湖泊。长荡湖南窄北宽，形状近似梨形，南北最长距离达13.6千米，东西最宽距离为9.3千米，湖周岸线长度约40千米。湖底地形平坦，平均水深1.22米。湖区地势呈现西高东低的态势，水系自西向东流淌。长荡湖主要的水源来源是丹金溧漕河，其入湖水量占总入湖水量的89.4%，经金坛区流入长荡湖。湖水在湖的东部穿过湟里河、北干河、中干河等河流向东排入滆湖，最终转入太湖。长荡湖地区属于中国东部扬子古陆江南块褶带，大陆型地壳初始发育和增生扩大起始于太古代。地层基底为轻变质岩系，由晋宁晚期元古代浅变质岩系组成，基岩露头分布在横山桥、新安、焦溪一带；沉积盖层则由古生代至中、新生代各时期地层构成。长荡湖属于北亚热带海洋性气候，常年气候温和，雨量充沛，四季温度变化明显。春末夏初多有梅雨发生，夏季炎热多雨，最高气温可达36°C以上；冬季空气湿润，气候阴冷，平均气温在3℃-11℃之间。年平均降水量为722毫米，年平均降水天数58天，降雨主要集中在5至9月。这种气候条件为长荡湖的水文循环和生态系统提供了重要的基础。长荡湖兼具灌溉、养殖、供水等多种功能，是金坛和溧阳等城市饮用水的备用水库，对保障城市供水安全起着关键作用。作为太湖上游重要的水源地之一，其水质状况直接影响着太湖的生态环境和水资源质量。同时，长荡湖还是一个集自然风光、人文历史和休闲娱乐于一体的旅游胜地，“洮湖夜月”曾被列为金沙（金坛）八景之一，吸引着众多游客前来观光游览，在区域生态系统和社会经济发展中占据着举足轻重的地位。其丰富的渔业资源也为当地渔业经济发展提供了支撑，周边的渔业养殖和捕捞活动在一定程度上带动了地方经济的发展。2.2长荡湖水环境现状2.2.1水质参数现状为全面了解长荡湖的水质状况，本研究收集了近年来长荡湖多个监测点位的水质监测数据，涵盖了氨氮、总磷、总氮、溶解氧等主要水质参数，具体数据如表2-1所示：表2-1长荡湖主要水质参数实测数据（单位：mg/L，pH值无量纲，溶解氧：mg/L）监测时间监测点位氨氮总磷总氮溶解氧pH值化学需氧量2023年1月点位10.350.081.57.57.8152023年1月点位20.380.091.67.37.9162023年4月点位10.400.101.87.08.0182023年4月点位20.420.111.96.88.1192023年7月点位10.450.122.06.58.2202023年7月点位20.480.132.16.38.3222023年10月点位10.320.071.47.87.7142023年10月点位20.340.081.57.67.815根据《地表水环境质量标准》（GB3838-2002），Ⅲ类水标准中氨氮≤1.0mg/L，总磷≤0.2mg/L（湖库0.05mg/L），总氮≤1.0mg/L（湖库0.5mg/L），溶解氧≥5mg/L，pH值范围为6-9，化学需氧量≤20mg/L。从监测数据来看，长荡湖的氨氮、溶解氧和pH值基本能满足Ⅲ类水标准要求，但总磷和总氮含量超出了湖库Ⅲ类水标准，化学需氧量在部分监测时段也接近Ⅲ类水标准限值。以2023年7月的数据为例，点位1的总磷含量为0.12mg/L，超出湖库Ⅲ类水标准0.07mg/L；总氮含量为2.0mg/L，超出湖库Ⅲ类水标准1.5mg/L。点位2的总磷含量为0.13mg/L，超出湖库Ⅲ类水标准0.08mg/L；总氮含量为2.1mg/L，超出湖库Ⅲ类水标准1.6mg/L。这表明长荡湖存在一定程度的污染，主要污染因子为总磷和总氮，水体有富营养化的趋势。水体中总磷和总氮含量过高，会导致藻类等浮游生物大量繁殖，消耗水中的溶解氧，进而影响水生生物的生存，破坏水生态系统的平衡。化学需氧量的升高也反映出长荡湖水体中有机物含量的增加，可能来自工业废水、生活污水和农业面源污染等。2.2.2水生态现状长荡湖的水生态系统丰富多样，包含水生生物、水生植物和底栖动物等多个组成部分。在水生生物方面，根据相关调查研究，长荡湖共记录到浮游植物8门76属158种，其中绿藻门种类最多，占总数的35.4%，硅藻门和蓝藻门次之，分别占总数的25.3%和20.9%。浮游动物共计53种，其中轮虫28种，占总数的52.8%，枝角类15种，占总数的28.3%，桡足类10种，占总数的18.9%。长荡湖有鱼类资源6目12科36种，鲤科鱼类占主导地位，常见的经济鱼类有鲫鱼、鲤鱼、草鱼、鳊鱼等。水生植物是长荡湖水生态系统的重要组成部分，对维持水体生态平衡起着关键作用。长荡湖国家湿地公园共有维管植物77科173属208种。在沿岸地带，分布着垂柳、杨树、水杉、枫杨、刺槐等树种，还有桃子、胡枝子、马棘木兰、牡荆等灌木树种。在较深的水域，分布着金鱼藻、狐尾藻、眼子菜、苦草等沉水植物。2018年7月至2019年6月的调查显示，长荡湖共发现水生植物5种，其中漂浮植物3种，为水龟、水龙骨科苦参和国槐，沉水植物2种，即苦豆子和狐尾藻。然而，由于近年来的人类活动干扰，如围网养殖、工业污染和农业面源污染等，长荡湖的水生植物覆盖度有所下降。2002年，长荡湖水草覆盖率已下降到53％，养殖区水草覆盖率更下降到10％-30％。虽然经过一系列的生态治理措施，水生植物覆盖度有所恢复，但与历史数据相比，仍处于较低水平。底栖动物群落结构也是反映水生态系统健康状况的重要指标。2011年6月-2012年5月，对长荡湖大型底栖动物群落进行的逐月调查结果表明，共采集到底栖动物28种，其中摇蚊科幼虫10种，水栖寡毛类7种，软体动物5种，其他类6种。铜锈环棱螺、霍甫水丝蚓、中国长足摇蚊、多巴小摇蚊、苏氏尾鳃蚓和半折摇蚊是现阶段长荡湖底栖动物的优势种。长荡湖10个监测点底栖动物年均密度为769ind・m-2，年均生物量为74.89g・m-2，并呈现出明显的空间变化，生物量较密度空间差异更大，生物量高值主要出现在湖泊四周的监测点，而在湖心开阔水域较低。利用Wright指数、Goodnight-Whitley指数、BPI指数及Shannon指数评价表明，长荡湖水体处于轻-中度污染状态。总体而言，长荡湖的水生态系统虽然具有一定的生物多样性，但由于受到多种人类活动的影响，水生态系统健康状况受到了一定程度的威胁。水生植物覆盖度的下降、底栖动物群落结构的改变以及水体的轻-中度污染，都表明长荡湖的水生态系统需要得到进一步的保护和修复，以维持其生态平衡和服务功能。2.2.3污染源分析长荡湖的污染源主要来自工业废水、生活污水、农业面源、水产养殖和航运等多个方面，这些污染源对长荡湖的水环境产生了不同程度的影响。工业废水是长荡湖的重要污染源之一。随着长荡湖周边地区工业的快速发展，工业废水的排放量不断增加。部分工业企业环保意识淡薄，污水处理设施不完善，导致大量含有重金属、有机物等污染物的工业废水未经有效处理直接排入长荡湖。这些污染物会改变湖水的化学性质，对水生生物产生毒害作用，破坏水生态系统的平衡。例如，重金属污染物会在水生生物体内富集，影响其生长、繁殖和生存，甚至通过食物链传递对人类健康造成威胁。生活污水的排放也对长荡湖的水环境造成了一定的压力。长荡湖周边人口密集，生活污水产生量较大。一些城镇和农村地区的污水处理设施建设滞后，生活污水未经处理或处理不达标就直接排入长荡湖。生活污水中含有大量的有机物、氮、磷以及病原体等，这些污染物会消耗水中的溶解氧，导致水体富营养化，还可能引发水体异味和卫生问题，影响长荡湖的水质和生态环境。农业面源污染是长荡湖面临的另一大污染源。长荡湖周边农田广泛使用化肥和农药，这些化肥和农药通过地表径流、农田排水等途径进入长荡湖。据统计，农业面源污染已成为长荡湖污染物的重要来源之一。化肥中的氮、磷等营养物质会导致水体富营养化，促进藻类等浮游生物的大量繁殖，引发水华现象。农药中的有害物质则会对水生生物产生毒性作用，影响其生存和繁殖。水产养殖在长荡湖的经济发展中占有重要地位，但不合理的水产养殖活动也对水环境造成了负面影响。长荡湖曾经存在大面积高密度的网围养殖，大量投放饵料，饵料中氮磷的产品转化率较低，大部分残留的饵料和鱼类粪便留在水体或底泥中，加重了水体污染。2005年围网养殖面积达51.51km2，占湖泊总面积的60.4%。虽然近年来通过实施退渔还湖等措施，减少了网围养殖面积，但水产养殖对长荡湖的影响仍然存在。养殖过程中使用的药物也可能对湖水生态系统产生潜在的危害，影响水生生物的健康。航运活动也是长荡湖的一个污染源。长荡湖作为太湖流域的重要水上通道，航运繁忙。船舶在航行过程中会产生含油废水、生活污水和垃圾等污染物，这些污染物直接排入湖中，会对长荡湖的水质造成污染。船舶排放的含油废水会在水面形成油膜，阻碍氧气的溶解，影响水生生物的呼吸；生活污水和垃圾中的有机物和病原体也会对湖水的生态环境产生不良影响。综上所述，工业废水、生活污水、农业面源、水产养殖和航运等污染源对长荡湖的水环境产生了综合影响，导致长荡湖水质下降、水生态系统受损。为了改善长荡湖的水环境质量，必须加强对这些污染源的治理和管控，采取有效的污染防治措施，实现长荡湖的可持续发展。三、模糊综合评价法原理与模型构建3.1模糊综合评价法原理模糊数学诞生于1965年，它的创始人是美国自动控制专家扎德（L.A.Zadeh），他在第一篇论文《模糊集合（Fuzzyset）》中，引入了“隶属函数”这个概念，来描述差异的中间过渡，首次运用数学方法描述模糊概念，标志着模糊数学的诞生。模糊数学是用数学方法研究和处理具有“模糊性”现象的数学学科，其核心是模糊集合，因而也被称为“模糊集理论”。模糊数学建立在集合论的基础上，目标是效仿人脑的模糊思维，为解决各种实际问题，特别是有人干预的复杂系统的处理问题，提供有效的思路和方法。从纯数学角度看，集合概念的扩充使许多数学分支都增添了新的内容，模糊数学也形成了如模糊集合论、模糊聚类分析、模糊概率、模糊语言和模糊逻辑、模糊测度和模糊积分、模糊线性规划、模糊控制论、模糊拓扑学、模糊模式识别等众多研究方向。在现实世界中，存在着大量的模糊现象和模糊概念，例如“水质好”“污染严重”等，这些概念难以用精确的数学模型来描述。模糊综合评价法正是基于模糊数学的理论，将这些模糊信息定量化，从而对受多种因素影响的事物或对象做出全面、客观的评价。其基本思想是：首先确定被评价对象的因素集和评价集，然后通过对各因素的分析，确定每个因素对不同评价等级的隶属度，构建模糊关系矩阵。引入权重向量，以反映各因素在评价中的相对重要程度，最后利用模糊合成算子，将权重向量与模糊关系矩阵进行合成运算，得到综合评价结果。以水环境质量评价为例，影响水环境质量的因素众多，如氨氮、总磷、总氮、溶解氧等，这些因素对水环境质量的影响程度各不相同，且每个因素的评价标准也存在一定的模糊性。模糊综合评价法能够充分考虑这些因素的模糊性和不确定性，通过合理的数学运算，得出综合的评价结果，更准确地反映水环境质量的实际状况。与传统的评价方法相比，模糊综合评价法在多因素评价中具有显著的优势。它能够有效处理评价过程中的模糊性和不确定性信息，避免了传统方法中因信息过于绝对化而导致的评价结果偏差。模糊综合评价法可以综合考虑多个评价因素，通过权重的分配，体现各因素的相对重要性，使评价结果更加全面、客观。在评价过程中，模糊综合评价法还能够将定性评价与定量评价相结合，充分利用各种信息，提高评价的准确性和可靠性。3.2长荡湖水环境质量评价指标体系构建3.2.1指标选取原则为全面、准确地评价长荡湖水环境质量，构建科学合理的评价指标体系至关重要。在指标选取过程中，严格遵循以下原则：科学性原则：评价指标的选取应基于科学的理论和方法，能够客观、准确地反映长荡湖水环境质量的本质特征和内在规律。指标的定义、测量方法和数据来源都要有科学依据，确保评价结果的可靠性和可信度。例如，氨氮、总磷、总氮等指标是反映水体富营养化程度的关键指标，其测定方法和标准都有明确的科学规范，能够准确地衡量水体中营养物质的含量。全面性原则：评价指标体系应涵盖影响长荡湖水环境质量的各个方面，包括水质、水生态、污染源等。从不同角度对水环境进行综合评价，避免评价的片面性。水质方面，除了关注常见的污染物指标外，还应考虑水体的酸碱度、溶解氧等基本理化性质；水生态方面，涵盖水生生物的种类、数量、群落结构以及水生植物的覆盖度等；污染源方面，包括工业废水、生活污水、农业面源污染等多种来源。通过全面考虑这些因素，能够更全面地了解长荡湖水环境质量的整体状况。代表性原则：在众多影响长荡湖水环境质量的因素中，选取具有代表性的指标，能够以较少的指标反映出主要的环境问题和变化趋势。这些指标应能够突出长荡湖的特点和主要环境问题，具有较强的针对性。考虑到长荡湖周边工业发展和农业活动的情况，选择工业废水排放量、农药使用量等指标，能够很好地反映出这两个主要污染源对长荡湖水环境的影响。可操作性原则：评价指标的数据应易于获取、测量和计算，具有实际的可操作性。指标的获取方法应符合现有的技术水平和监测条件，数据来源可靠。在实际监测中，水温、pH值、溶解氧等指标可以通过现场快速测定仪器进行测量，操作简便；氨氮、总磷、总氮等指标可以通过实验室分析方法进行准确测定，数据具有可靠性。同时，指标的计算方法也应简单明了，便于实际应用。独立性原则：各评价指标之间应具有相对独立性，避免指标之间存在过多的相关性和重复性。这样可以确保每个指标都能独立地提供有用的信息，提高评价结果的准确性和有效性。例如，化学需氧量（COD）和生化需氧量（BOD）虽然都能反映水体中有机物的含量，但它们的测定方法和反映的有机物种类有所不同，具有一定的独立性，可以同时作为评价指标；而高锰酸盐指数与COD在一定程度上存在相关性，如果同时选取可能会导致信息重复，因此在选取时需要综合考虑，避免过度冗余。3.2.2评价指标选取基于上述原则，从水质、水生态、污染源等方面，确定了以下具体评价指标：水质指标：水质指标是反映长荡湖水环境质量的直接指标，包括氨氮（NH_3-N）、总磷（TP）、总氮（TN）、溶解氧（DO）、化学需氧量（COD）、生化需氧量（BOD）、pH值、高锰酸盐指数（COD_{Mn}）、透明度（SD）等。氨氮是水体中以游离氨（NH_3）和铵离子（NH_4^+）形式存在的氮，其含量过高会导致水体富营养化，刺激藻类等浮游生物的过度繁殖，消耗水中的溶解氧，进而影响水生生物的生存。总磷和总氮是衡量水体富营养化程度的重要指标，它们的增加会为藻类等水生生物提供丰富的营养物质，引发水华现象，破坏水生态平衡。溶解氧是水中生物生存的重要条件之一，其含量直接影响水生生物的呼吸和代谢。化学需氧量和生化需氧量则反映了水体中有机物的含量，化学需氧量是指在一定条件下，用强氧化剂处理水样时所消耗氧化剂的量，以氧的毫克/升来表示；生化需氧量是指在有氧条件下，好氧微生物氧化分解单位体积水中有机物所消耗的游离氧的数量，两者数值越高，表明水体中有机物污染越严重。pH值反映了水体的酸碱度，适宜的pH值范围对于维持水生生物的生存和繁殖至关重要。高锰酸盐指数也是衡量水体中有机物含量的指标之一，在一定程度上反映了水体的污染程度。透明度则直观地反映了水体的清澈程度，其值与水中的悬浮物、浮游生物等含量密切相关。水生态指标：水生态指标从生态系统的角度反映长荡湖水环境质量，包括水生生物多样性、水生植物覆盖度、底栖动物密度等。水生生物多样性是指长荡湖中水生生物种类的丰富程度和生态系统的复杂性，它是衡量水生态系统健康状况的重要指标。丰富的水生生物多样性意味着水生态系统具有较强的稳定性和自我调节能力，能够更好地适应外界环境的变化。水生植物覆盖度是指水生植物在长荡湖水面或水底的覆盖面积比例，水生植物不仅能够吸收水体中的营养物质，降低水体富营养化程度，还能为水生生物提供栖息地和食物来源，对维持水生态系统的平衡起着关键作用。底栖动物密度是指单位面积水底沉积物中底栖动物的数量，底栖动物作为水生态系统的重要组成部分，对水体的物质循环和能量流动有着重要影响，其密度的变化可以反映出水体环境的变化和生态系统的健康状况。污染源指标：污染源指标用于分析长荡湖水环境质量的污染来源和程度，包括工业废水排放量、生活污水排放量、农业面源污染负荷、水产养殖污染物排放量等。工业废水排放量是指长荡湖周边工业企业排放的废水总量，工业废水中通常含有大量的重金属、有机物等污染物，如果未经有效处理直接排入湖中，会对湖水水质造成严重污染。生活污水排放量是指长荡湖周边居民生活产生的污水总量，生活污水中含有有机物、氮、磷以及病原体等，若处理不当，也会对湖水环境产生负面影响。农业面源污染负荷是指农田中使用的化肥、农药等通过地表径流、农田排水等途径进入长荡湖的污染物总量，农业面源污染具有分散性、随机性和难以控制的特点，是长荡湖的重要污染源之一。水产养殖污染物排放量是指长荡湖内水产养殖过程中产生的污染物，如残饵、鱼类粪便等，不合理的水产养殖活动会导致这些污染物大量积累，加剧湖水的污染程度。长荡湖水环境质量评价指标体系如表3-1所示：表3-1长荡湖水环境质量评价指标体系目标层准则层指标层单位长荡湖水环境质量评价水质指标氨氮（NH_3-N）mg/L总磷（TP）mg/L总氮（TN）mg/L溶解氧（DO）mg/L化学需氧量（COD）mg/L生化需氧量（BOD）mg/LpH值无量纲高锰酸盐指数（COD_{Mn}）mg/L透明度（SD）cm水生态指标水生生物多样性-水生植物覆盖度%底栖动物密度ind/m²污染源指标工业废水排放量m³/d生活污水排放量m³/d农业面源污染负荷kg/ha水产养殖污染物排放量kg/d通过以上评价指标体系的构建，能够全面、系统地反映长荡湖水环境质量的状况，为后续的模糊综合评价提供科学、准确的数据支持。3.3评价等级划分参考《地表水环境质量标准》（GB3838-2002），并结合长荡湖的实际情况，将长荡湖水环境质量划分为五个等级，具体划分标准如表3-2所示：表3-2长荡湖水环境质量评价等级划分标准评价等级水质状况主要指标标准（mg/L，pH值无量纲）描述Ⅰ级优氨氮≤0.15，总磷≤0.01（湖库0.01），总氮≤0.2（湖库0.2），溶解氧≥7.5，pH值：6-9，化学需氧量≤15水质清澈，各项指标优良，水生态系统健康，几乎未受污染，能够满足各类用水需求，包括作为优质饮用水源、支持高要求的水生生物生存和繁衍等Ⅱ级良氨氮≤0.5，总磷≤0.025（湖库0.025），总氮≤0.5（湖库0.5），溶解氧≥6，pH值：6-9，化学需氧量≤15水质良好，各项指标基本符合标准，水生态系统较为稳定，可满足一般工业用水、农业灌溉和渔业养殖等需求，对人体健康和生态环境基本无危害Ⅲ级中氨氮≤1.0，总磷≤0.2（湖库0.05），总氮≤1.0（湖库1.0），溶解氧≥5，pH值：6-9，化学需氧量≤20水质一般，部分指标接近或略超出标准，水生态系统存在一定压力，但仍能维持基本功能，可作为一般景观用水，对人体健康和生态环境有一定影响，但在可接受范围内Ⅳ级差氨氮≤1.5，总磷≤0.3（湖库0.1），总氮≤1.5（湖库1.5），溶解氧≥3，pH值：6-9，化学需氧量≤30水质较差，多项指标超出标准，水体有明显污染迹象，水生态系统受到较大破坏，仅能满足部分低要求的工业用水，对人体健康和生态环境有较大危害，需采取治理措施改善水质Ⅴ级劣氨氮＞1.5，总磷＞0.3（湖库0.1），总氮＞1.5（湖库1.5），溶解氧＜3，pH值：6-9，化学需氧量＞30水质恶劣，严重超出标准，水体污染严重，水生态系统严重受损，基本丧失使用功能，对人体健康和生态环境造成严重威胁，急需进行全面治理和修复这种评价等级划分，能够清晰地反映长荡湖水环境质量的不同状况。在实际评价中，通过将监测数据与上述标准进行对比，可以准确判断长荡湖各区域的水环境质量等级，为后续的分析和治理提供明确的依据。3.4模糊关系矩阵构建模糊关系矩阵是模糊综合评价模型的重要组成部分，它反映了各评价指标对不同评价等级的隶属程度。在长荡湖水环境质量评价中，通过实地监测、实验室分析、专家打分、问卷调查等方式获取数据，进而计算各指标对不同评价等级的隶属度，构建模糊关系矩阵。对于定量指标，如氨氮、总磷、总氮、溶解氧等，采用隶属函数法计算隶属度。以氨氮指标为例，参考《地表水环境质量标准》（GB3838-2002）中不同水质等级的氨氮浓度标准，构建相应的隶属函数。假设水质评价等级分为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级，对应的氨氮浓度标准分别为C_{1}、C_{2}、C_{3}、C_{4}、C_{5}，监测得到的氨氮浓度为x。则对于Ⅰ级水质的隶属度\mu_{1}(x)，可采用降半梯形分布函数来计算：\mu_{1}(x)=\begin{cases}1,&x\leqC_{1}\\\frac{C_{2}-x}{C_{2}-C_{1}},&C_{1}<x<C_{2}\\0,&x\geqC_{2}\end{cases}对于Ⅱ级水质的隶属度\mu_{2}(x)，采用梯形分布函数计算：\mu_{2}(x)=\begin{cases}0,&x\leqC_{1}或x\geqC_{3}\\\frac{x-C_{1}}{C_{2}-C_{1}},&C_{1}<x\leqC_{2}\\\frac{C_{3}-x}{C_{3}-C_{2}},&C_{2}<x<C_{3}\end{cases}同理，可构建Ⅲ级、Ⅳ级、Ⅴ级水质的隶属函数。通过这些隶属函数，将监测得到的氨氮浓度代入，即可计算出氨氮指标对不同水质等级的隶属度。对于定性指标，如水质感官评价、水生态系统稳定性评价等，由于其难以直接用数值来衡量，采用专家打分法确定隶属度。邀请多位在水环境领域具有丰富经验的专家，对每个定性指标在不同评价等级上的表现进行打分。例如，对于水生态系统稳定性评价，将评价等级分为稳定、较稳定、一般、不稳定、极不稳定五个等级。专家根据自己的专业知识和经验，对长荡湖水生态系统稳定性在这五个等级上进行打分，打分范围为0-10分，然后将所有专家的打分进行统计分析，计算出每个等级的平均得分，再将平均得分进行归一化处理，得到该定性指标对不同评价等级的隶属度。通过上述方法，分别计算出长荡湖水环境质量评价指标体系中各个指标对不同评价等级的隶属度。将这些隶属度按照一定的顺序排列，即可构建出模糊关系矩阵R。假设评价指标集为U=\{u_{1},u_{2},\cdots,u_{m}\}，评价等级集为V=\{v_{1},v_{2},\cdots,v_{n}\}，则模糊关系矩阵R为：R=\begin{pmatrix}r_{11}&r_{12}&\cdots&r_{1n}\\r_{21}&r_{22}&\cdots&r_{2n}\\\vdots&\vdots&\ddots&\vdots\\r_{m1}&r_{m2}&\cdots&r_{mn}\end{pmatrix}其中，r_{ij}表示第i个评价指标u_{i}对第j个评价等级v_{j}的隶属度，i=1,2,\cdots,m；j=1,2,\cdots,n。模糊关系矩阵R全面地反映了长荡湖水环境质量各评价指标与不同评价等级之间的模糊关系，为后续的模糊综合评价提供了关键的数据基础。3.5指标权重确定在水环境质量评价中，确定评价指标的权重是关键环节，它直接影响评价结果的准确性和可靠性。常用的权重确定方法包括层次分析法、熵值法、主成分分析法等，每种方法都有其独特的原理和适用场景。层次分析法（AHP）由美国运筹学家T.L.Saaty在20世纪70年代提出，主要用于解决多目标决策问题。其核心思想是将复杂的决策问题分解为若干层次和若干因素，通过两两比较的方式确定各因素的相对重要性，从而得出各因素的权重。在应用层次分析法确定权重时，首先需要对决策问题进行层次划分，将问题分解为目标层、准则层和指标层等若干个子问题或因素，形成层次结构模型。然后，通过构造判断矩阵，对各层次内的因素进行两两比较，根据专家意见或实际数据确定各因素之间的相对重要性。判断矩阵中的元素通常使用1-9标度法表示，其中1表示两个因素同等重要，9表示一个因素比另一个因素极端重要，中间的数字则表示不同程度的相对重要性。接下来，对判断矩阵进行一致性检验，确保各因素之间的相对重要性关系合理。一致性检验通常使用一致性比例（ConsistencyRatio，简称CR）进行，若CR小于0.1，则认为判断矩阵的一致性是可以接受的。根据判断矩阵计算各因素的权重，常用的计算方法有特征值法、几何平均法、算术平均法等。通过这些方法，可以得到各层次内因素的权重，进而计算出整个层次结构模型中各因素的组合权重。层次分析法能够处理复杂的决策问题，将问题分解为多个层次和因素，充分考虑各因素之间的相互作用和影响，具有较好的可操作性和实用性，能够结合专家意见和实际数据进行权重确定。然而，该方法也存在一定的局限性，如主观性较强、判断矩阵的一致性难以保证等。熵值法是一种基于信息熵理论来确定权重的客观赋权方法。在信息论中，熵是对不确定性的一种度量，它可以反映信息的无序程度或者信息的效用价值。在权重确定中，熵值法通过计算各个评价指标的信息熵，来度量各个指标值的离散程度，从而确定各个指标的权重。具体步骤为：首先对原始数据进行标准化处理，消除不同指标量纲的影响，使得各指标值都处于同一数量级上；根据标准化后的数据，计算每个指标的熵值，熵值反映了该指标值的离散程度，熵值越大，指标的离散程度越大，该指标对综合评价的影响越小；用1减去熵值，得到指标的差异系数，差异系数越大，该指标对综合评价的影响越大；根据差异系数的大小，确定各指标的权重，差异系数越大，该指标的权重越大。熵值法的优点在于其客观性强，不需要事先设定权重，而是根据数据的实际情况来确定权重，也适用于多指标综合评价问题，能够有效地处理不同量纲的指标。然而，熵值法也存在一定的局限性，例如它忽略了指标之间的相关性，并且对于数据的要求较高，需要数据量足够大且分布均匀。主成分分析法（PCA）是通过降维处理，将原始指标转化为若干个综合指标（主成分），降低指标间的相关性，从而简化决策问题。该方法的基本原理是利用线性变换，将原始数据变换到新的坐标系统中，使得少数几个新变量能够尽可能多地保留原始变量的信息，这些新变量就是主成分。在水环境质量评价中，主成分分析法可以将多个相关的水质指标转化为几个互不相关的主成分，每个主成分都包含了一定的原始指标信息，通过计算主成分的贡献率来确定其权重，贡献率越大，说明该主成分包含的原始指标信息越多，其权重也就越大。主成分分析法能够有效地消除指标之间的相关性，减少数据的冗余，降低评价的复杂性。但是，主成分的含义往往不够明确，难以直接解释其与原始指标之间的关系，而且该方法对数据的正态性和独立性有一定的要求。考虑到长荡湖水环境质量评价的复杂性和多因素性，单一的权重确定方法可能存在局限性。本研究采用层次分析法和熵值法相结合的方法来确定各评价指标的权重。层次分析法能够充分利用专家的经验和知识，体现评价者的主观判断，而熵值法能够根据数据的客观特征，反映指标的变异程度，两者结合可以弥补彼此的不足，使权重的确定更加科学、合理。邀请水环境领域的专家，运用层次分析法，对长荡湖水环境质量评价指标体系中的准则层和指标层进行两两比较，构建判断矩阵。通过计算判断矩阵的特征向量和特征值，得到各指标的主观权重。同时，利用熵值法，对长荡湖的水质监测数据、水生态调查数据和污染源统计数据等进行处理，计算各指标的信息熵和差异系数，从而确定各指标的客观权重。将主观权重和客观权重进行加权平均，得到各评价指标的最终权重。权重的计算公式为：W_i=\alphaW_{i1}+(1-\alpha)W_{i2}其中，W_i为第i个评价指标的最终权重，W_{i1}为第i个评价指标的主观权重，W_{i2}为第i个评价指标的客观权重，\alpha为权重系数，取值范围为0-1，本研究中\alpha取0.5，表示主观权重和客观权重对最终权重的影响程度相同。通过这种方法确定的权重，既考虑了专家的经验和判断，又反映了数据的客观特征，能够更准确地体现各评价指标在长荡湖水环境质量评价中的相对重要性。最终确定的长荡湖水环境质量评价指标权重如表3-3所示：表3-3长荡湖水环境质量评价指标权重准则层权重指标层权重水质指标0.40氨氮（NH_3-N）0.12总磷（TP）0.15总氮（TN）0.13溶解氧（DO）0.08化学需氧量（COD）0.07生化需氧量（BOD）0.06pH值0.04高锰酸盐指数（COD_{Mn}）0.05透明度（SD）0.05水生态指标0.30水生生物多样性0.10水生植物覆盖度0.12底栖动物密度0.08污染源指标0.30工业废水排放量0.10生活污水排放量0.08农业面源污染负荷0.07水产养殖污染物排放量0.05从表3-3可以看出，在长荡湖水环境质量评价中，水质指标的权重为0.40，水生态指标和污染源指标的权重均为0.30，说明水质状况、水生态系统健康程度和污染源情况对长荡湖水环境质量都具有重要影响。在水质指标中，总磷和总氮的权重相对较高，分别为0.15和0.13，这表明总磷和总氮是影响长荡湖水质的关键污染因子，对水体富营养化程度起着重要作用。在水生态指标中，水生植物覆盖度的权重最高，为0.12，说明水生植物在维持长荡湖水生态系统平衡中具有重要地位。在污染源指标中，工业废水排放量和生活污水排放量的权重相对较高，分别为0.10和0.08，表明工业废水和生活污水是长荡湖的主要污染源，对水环境质量的影响较大。通过对各指标权重的分析，可以明确长荡湖水环境质量的主要影响因素，为制定针对性的保护和治理措施提供依据。3.6模糊合成运算与评价结果确定在完成模糊关系矩阵R的构建以及各评价指标权重向量W的确定后，需进行模糊合成运算，以得出长荡湖水环境质量的综合评价结果。模糊合成运算的核心是将权重向量W与模糊关系矩阵R进行特定的数学运算，从而得到综合评价向量B。在模糊综合评价中，常用的模糊合成算子有最大-最小合成法、最大-乘积合成法等。最大-最小合成法（M(\land,\lor)），是模糊合成运算中较为常用的方法之一。其运算规则为：b_{j}=\bigvee_{i=1}^{m}(w_{i}\landr_{ij})，其中b_{j}表示综合评价向量B中的第j个元素，w_{i}是权重向量W中的第i个元素，r_{ij}是模糊关系矩阵R中第i行第j列的元素，\land表示取最小值运算，\lor表示取最大值运算。这种合成法的优势在于突出了主要因素的作用，在运算过程中，它首先比较每个评价指标的权重与该指标对各个评价等级的隶属度，取其中的最小值，然后在这些最小值中取最大值，以此确定综合评价结果中对各个评价等级的隶属度。例如，假设有三个评价指标u_1、u_2、u_3，对应的权重分别为0.3、0.4、0.3，它们对评价等级v_1的隶属度分别为0.5、0.6、0.4。按照最大-最小合成法，先计算0.3\land0.5=0.3，0.4\land0.6=0.4，0.3\land0.4=0.3，然后在0.3、0.4、0.3中取最大值0.4，这个0.4就是综合评价向量中对评价等级v_1的隶属度。然而，最大-最小合成法也存在一定的局限性，它只考虑了权重和隶属度中的极端值，可能会忽略一些次要因素的综合影响，导致信息丢失，使评价结果不够全面。最大-乘积合成法（M(\cdot,\lor)），也是一种常用的模糊合成算子。其运算公式为：b_{j}=\bigvee_{i=1}^{m}(w_{i}\cdotr_{ij})，这里的\cdot表示普通的乘法运算，\lor同样表示取最大值运算。与最大-最小合成法不同，最大-乘积合成法在运算时，是将每个评价指标的权重与该指标对各个评价等级的隶属度进行乘法运算，然后在这些乘积结果中取最大值，以此确定综合评价结果中对各个评价等级的隶属度。继续以上述例子为例，按照最大-乘积合成法，计算0.3\times0.5=0.15，0.4\times0.6=0.24，0.3\times0.4=0.12，在0.15、0.24、0.12中取最大值0.24，这个0.24就是综合评价向量中对评价等级v_1的隶属度。最大-乘积合成法相对更加注重各因素的综合作用，因为它考虑了权重与隶属度的乘积，避免了因只考虑极端值而导致的信息丢失问题，能够更全面地反映各因素对评价结果的影响。不过，在某些情况下，当权重和隶属度的值都较小时，乘积结果可能会过小，导致评价结果不够敏感，对一些细微的变化难以准确体现。考虑到长荡湖水环境质量评价的复杂性和多因素性，以及最大-乘积合成法能够更全面反映各因素综合作用的特点，本研究选用最大-乘积合成法进行模糊合成运算。将前面确定的权重向量W与构建好的模糊关系矩阵R代入最大-乘积合成法的公式中，进行具体的运算，得到综合评价向量B：B=W\cdotR=\begin{pmatrix}w_{1}&w_{2}&\cdots&w_{m}\end{pmatrix}\cdot\begin{pmatrix}r_{11}&r_{12}&\cdots&r_{1n}\\r_{21}&r_{22}&\cdots&r_{2n}\\\vdots&\vdots&\ddots&\vdots\\r_{m1}&r_{m2}&\cdots&r_{mn}\end{pmatrix}=\begin{pmatrix}b_{1}&b_{2}&\cdots&b_{n}\end{pmatrix}其中，b_{j}表示长荡湖水环境质量对第j个评价等级的隶属度，j=1,2,\cdots,n。通过上述运算，得到的综合评价向量B全面反映了长荡湖水环境质量在各个评价等级上的隶属程度。在得到综合评价向量B后，需根据一定的原则确定长荡湖水环境质量的最终评价等级。本研究采用最大隶属度原则来确定评价等级。最大隶属度原则是指在综合评价向量B中，选取隶属度最大的元素所对应的评价等级作为长荡湖水环境质量的最终评价等级。例如，若综合评价向量B=\begin{pmatrix}0.2&0.3&0.4&0.1&0\end{pmatrix}，其中0.4最大，根据前面设定的评价等级标准，0.4对应的评价等级为Ⅲ级，那么长荡湖水环境质量的最终评价等级即为Ⅲ级。通过最大隶属度原则确定的评价等级，能够直观地反映长荡湖水环境质量在所有评价等级中最接近的级别，为长荡湖的水环境管理和保护提供明确的决策依据。四、长荡湖水环境质量模糊综合评价实证研究4.1数据收集与预处理为全面、准确地评价长荡湖水环境质量，本研究于2023年1月、4月、7月和10月，在长荡湖不同区域设置了10个具有代表性的监测点位，进行水样采集和生态数据调查。监测点位的选择充分考虑了长荡湖的水域面积、水流方向、周边污染源分布以及水生态系统的差异，确保能够覆盖长荡湖的主要区域，反映其水环境质量的整体状况。水样采集严格按照《水质采样技术指导》（HJ494-2009）和《水质采样样品的保存和管理技术规定》（HJ493-2009）等相关标准和规范执行。使用有机玻璃采水器采集水面下0.5米处的水样，每个监测点位采集3份平行水样，以确保数据的准确性和可靠性。采集后的水样立即装入聚乙烯塑料瓶中，加入适量的硫酸铜以抑制微生物的生长，并在4℃的低温环境下保存，尽快送回实验室进行分析测定。在实验室中，运用国家标准分析方法对水样中的各项水质指标进行测定。氨氮采用纳氏试剂分光光度法（HJ535-2009）进行测定，通过氨与纳氏试剂反应生成淡红棕色络合物，在一定波长下测定其吸光度，从而计算出氨氮的含量；总磷采用钼酸铵分光光度法（GB11893-89）测定，在酸性条件下，正磷酸盐与钼酸铵、酒石酸锑钾反应，生成磷钼杂多酸，被抗坏血酸还原为蓝色络合物，通过测定吸光度确定总磷含量；总氮采用碱性过硫酸钾消解紫外分光光度法（HJ636-2012），利用碱性过硫酸钾将水样中的含氮化合物氧化为硝酸盐，再通过紫外分光光度法测定硝酸盐的含量，从而得到总氮的浓度；溶解氧使用便携式溶解氧仪（YSI556MPS）现场测定，该仪器通过电化学原理，直接测量水中溶解氧的浓度；化学需氧量采用重铬酸盐法（HJ828-2017），在强酸性溶液中，用重铬酸钾氧化水样中的还原性物质，通过消耗的重铬酸钾量计算化学需氧量；生化需氧量采用稀释与接种法（HJ505-2009），将水样稀释后，在规定的温度和时间下培养，测定培养前后溶解氧的差值，计算生化需氧量；pH值使用便携式pH计（雷磁PHS-3C）现场测定，通过测量电极与参比电极之间的电位差，确定水样的pH值；高锰酸盐指数采用酸性高锰酸钾法（GB11892-89）测定，在酸性条件下，用高锰酸钾氧化水样中的还原性物质，通过消耗的高锰酸钾量计算高锰酸盐指数；透明度采用塞氏盘法进行测定，将塞氏盘沉入水中，直至刚好不能看见盘面的白色，记录此时的深度即为透明度。在水生态数据调查方面，对于水生生物多样性的调查，采用网捕法和定性采集法。使用不同规格的浮游生物网和底栖生物网，在每个监测点位进行分层采样，收集浮游生物和底栖生物样本。将采集到的样本带回实验室，在显微镜下进行种类鉴定和数量统计，计算水生生物的多样性指数，如香农-威纳指数（Shannon-Wienerindex），以评估水生生物的多样性程度。对于水生植物覆盖度的调查，采用样方法。在每个监测点位周围随机设置若干个样方，样方面积根据水生植物的分布情况确定，一般为1平方米或4平方米。记录样方内水生植物的种类、数量和覆盖面积，计算水生植物的覆盖度。底栖动物密度的调查同样采用彼得生采泥器进行采样，每个监测点位采集3个泥样，将泥样中的底栖动物分离出来，进行种类鉴定和数量统计，计算底栖动物的密度。在污染源数据收集方面，通过实地走访长荡湖周边的工业企业、污水处理厂和农业生产区域，查阅相关企业的环境影响评价报告、排污许可证以及污水处理厂的运行记录等资料，获取工业废水排放量、生活污水排放量和农业面源污染负荷等数据。对于水产养殖污染物排放量，与长荡湖的水产养殖户进行沟通交流，了解养殖品种、养殖规模、饵料投放量和药物使用情况等信息，根据相关的污染物排放系数，估算水产养殖污染物的排放量。在数据收集过程中，可能会出现数据缺失、异常值等问题，这些问题会影响数据的质量和后续的分析结果。因此，需要对收集到的数据进行预处理，以确保数据的可靠性和一致性。对于缺失值的处理，根据数据的特点和实际情况，采用不同的方法。如果缺失值较少，可以采用均值插补法，即利用该指标在其他监测点位或时间的平均值来填补缺失值。例如，若某个监测点位的氨氮数据缺失，可计算其他监测点位在相同时间或相近时间的氨氮平均值，用该平均值填补缺失值。对于连续型数据，也可以采用线性插值法，根据该指标在相邻时间点或监测点位的数据，通过线性关系计算出缺失值。若缺失值较多，且该指标对评价结果影响较大，则考虑重新采集数据或剔除该数据记录。对于异常值的剔除，首先通过绘制箱线图、散点图等方法，直观地观察数据的分布情况，初步识别可能存在的异常值。对于疑似异常值，进一步分析其产生的原因，如是否由于采样误差、仪器故障或其他特殊情况导致。如果是由于明显的错误或异常原因导致的异常值，如仪器故障导致的极端数据，直接将其剔除。对于一些难以确定原因的异常值，可以采用统计方法进行判断，如利用3σ准则，即如果数据值超出均值加减3倍标准差的范围，则认为该数据为异常值，予以剔除。为了消除不同评价指标之间量纲和数量级的差异，使各指标具有可比性，对数据进行归一化处理。对于正向指标（如溶解氧），采用公式x_{ij}^*=\frac{x_{ij}-x_{min}}{x_{max}-x_{min}}进行归一化，其中x_{ij}^*为归一化后的数据，x_{ij}为原始数据，x_{min}和x_{max}分别为该指标在所有监测数据中的最小值和最大值。对于逆向指标（如氨氮、总磷等污染物指标），采用公式x_{ij}^*=\frac{x_{max}-x_{ij}}{x_{max}-x_{min}}进行归一化。通过归一化处理，将所有指标的数据统一到[0,1]的区间内，为后续的模糊综合评价提供了标准化的数据基础。经过数据收集和预处理后，得到了长荡湖不同区域、不同时间的水环境质量数据，这些数据能够真实、准确地反映长荡湖的水环境质量状况，为后续的模糊综合评价提供了可靠的数据支持。4.2模糊综合评价过程基于前文确定的评价指标体系、评价等级划分、模糊关系矩阵以及指标权重，对长荡湖水环境质量进行模糊综合评价。首先，回顾已构建的模糊关系矩阵R。假设经过数据处理和隶属度计算，得到的模糊关系矩阵R如下（以某一监测点位为例）：R=\begin{pmatrix}0.1&0.2&0.3&0.3&0.1\\0.05&0.15&0.3&0.4&0.1\\0.2&0.3&0.25&0.2&0.05\\\vdots&\vdots&\vdots&\vdots&\vdots\\0.15&0.25&0.3&0.2&0.1\end{pmatrix}该矩阵的每一行代表一个评价指标对不同评价等级（Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级）的隶属度，例如第一行表示氨氮指标对Ⅰ级的隶属度为0.1，对Ⅱ级的隶属度为0.2，以此类推。已确定的指标权重向量W如下：W=\begin{pmatrix}0.12&0.15&0.13&0.08&0.07&0.06&0.04&0.05&0.05&0.10&0.12&0.08&0.10&0.08&0.07&0.05\end{pmatrix}其中，各项权重分别对应氨氮、总磷、总氮、溶解氧、化学需氧量、生化需氧量、pH值、高锰酸盐指数、透明度、水生生物多样性、水生植物覆盖度、底栖动物密度、工业废水排放量、生活污水排放量、农业面源污染负荷、水产养殖污染物排放量等指标。采用最大-乘积合成法（M(\cdot,\lor)）进行模糊合成运算。根据公式b_{j}=\bigvee_{i=1}^{m}(w_{i}\cdotr_{ij})，计算综合评价向量B。以计算B中第一个元素b_1（即对Ⅰ级评价等级的隶属度）为例：\begin{align*}b_1&=(0.12\times0.1)\lor(0.15\times0.05)\lor(0.13\times0.2)\lor(0.08\times0.05)\lor(0.07\times0.1)\lor(0.06\times0.1)\lor(0.04\times0.2)\lor(0.05\times0.15)\lor(0.05\times0.1)\lor(0.10\times0.1)\lor(0.12\times0.05)\lor(0.08\times0.1)\lor(0.10\times0.15)\lor(0.08\times0.1)\lor(0.07\times0.1)\lor(0.05\times0.1)\\&=0.012\lor0.0075\lor0.026\lor0.004\lor0.007\lor0.006\lor0.008\lor0.0075\lor0.005\lor0.01\lor0.006\lor0.008\lor0.015\lor0.008\lor0.007\lor0.005\\&=0.026\end{align*}同理，可计算出b_2（对Ⅱ级评价等级的隶属度）、b_3（对Ⅲ级评价等级的隶属度）、b_4（对Ⅳ级评价等级的隶属度）和b_5（对Ⅴ级评价等级的隶属度）：\begin{align*}b_2&=(0.12\times0.2)\lor(0.15\times0.15)\lor(0.13\times0.3)\lor(0.08\times0.15)\lor(0.07\times0.2)\lor(0.06\times0.15)\lor(0.04\times0.3)\lor(0.05\times0.25)\lor(0.05\times0.2)\lor(0.10\times0.2)\lor(0.12\times0.15)\lor(0.08\times0.2)\lor(0.10\times0.25)\lor(0.08\times0.2)\lor(0.07\times0.2)\lor(0.05\times0.25)\\&=0.024\lor0.0225\lor0.039\lor0.012\lor0.014\lor0.009\lor0.012\lor0.0125\lor0.01\lor0.02\lor0.018\lor0.016\lor0.025\lor0.016\lor0.014\lor0.0125\\&=0.0