在秘鲁人为压力影响下，库纳斯河水资源健康与韧性的综合多维度建模 玛丽亚·库斯托迪奥（María Custodio）、 耶塞尼亚·瓦纳伊（Yesenia Huanay）和 哈维尔·瓦拉卡亚（Javier Huarcaya）

《Water》：Integrated Multidimensional Modeling of Water Health and Resilience in the Cunas River Under Anthropogenic Pressure in Peru María Custodio, Yesenia Huanay and Javier Huarcaya

　　**摘要**
本研究旨在利用综合指数和多元统计方法评估和模拟库纳斯河（Cunas River）的现状及其韧性，以确定人类活动的影响，并提升秘鲁安第斯山脉地区的水资源安全。研究监测了河流上游、中游和下游的站点，在雨季和旱季分别应用了多种水质指数（NSF-WQI、WA-WQI、CCME-WQI和I-WQI）、主成分分析（PCA）、层次聚类分析（HCA）以及斯皮尔曼等级相关系数（ρ），以评估物理化学参数之间的关联强度和方向。结果表明，河流下游区域存在严重退化现象：旱季时出现严重的缺氧状况和极高的大肠菌群水平，远超上游区域。I-WQI指数表现出更强的敏感性（322.24；不合适），优于NSF-WQI指数（53.15–59.87）。PCA分析显示，低流量是导致污染的主要因素（PC1贡献71.55%），而HCA分析指出生化需氧量（BOD5）与总磷之间存在最大协同效应（重标度距离<1），表明河流的自我净化能力已严重受损。此外，HCA分析还发现低流量期间BOD5与总磷之间的协同效应最为显著，PCA分析进一步证实低流量会加剧污染物浓度。这些发现强调了基于韧性的治理措施的重要性，尤其是保护自然水文基础设施。

**1. 引言**
水对全球安全至关重要，是公共卫生和社会经济稳定的基础[1]。尽管全球范围内安全用水的获取情况有所改善，但由于工业排放、农业化学品径流和未经处理的废水，水质仍面临系统性恶化[2,3]。这种季节性危机直接威胁到可持续发展目标（SDGs），特别是消除饥饿（SDG 2）、健康与福祉（SDG 3）以及清洁水和卫生设施（SDG 6）[4,5,6]。在秘鲁，这一问题尤为严重：仅有19%的废水得到处理[7]，导致河流成为未经处理的废水的接收者，从而危及公共卫生和生态完整性。根据世界卫生组织（WHO）的数据，水传播疾病的流行与水质恶化密切相关，这凸显了建立全面保护框架的紧迫性[8]。

高海拔安第斯河流，如库纳斯河，因其显著的空间时间变异性以及提供多种生态系统服务的作用而具有独特的水文特征。然而，关于这些河流在人类活动影响下的水质状况的知识仍十分零散。评估这些高山流水系统需要能够综合数据多维性的工具，同时保持科学严谨性[9]。虽然传统的水质指数（如NSF-WQI）虽然可靠且经过全球验证[10]，但在山区应用时存在局限性——这些指数在参数权重分配上往往忽视了当地的水文地球化学特性和新兴污染源。因此，全面理解当前的水质状况需要将这些指数与多元统计工具和客观权重方法相结合[11,12]。尽管高海拔安第斯河流具有战略重要性，但对其在多种使用情景下的水质状况的认识仍存在严重不足。基于此，本研究采用了Das[13,14]提出的方法论创新，通过整合数据的固有分散性和相关性来消除分析主观性，揭示系统向主动水资源管理转型的能力。本研究的目标是利用综合指数和多元统计方法评估和模拟库纳斯河的现状及其韧性，以确定人类活动的影响，并提升秘鲁安第斯山脉地区的水资源安全。具体而言，研究旨在使用NSF-WQI和I-WQI指数量化水质，通过多元分析识别空间和时间变异性因素，并评估对公共健康的潜在风险，为可持续发展提供方法论借鉴。

**2. 材料与方法**
**2.1. 研究区域**
库纳斯河流域位于秘鲁安第斯山脉中部，覆盖面积1699平方公里，地理坐标介于南纬11°45′至12°20′、西经75°15′至75°45′之间，海拔高度在3190至4797米之间。库纳斯河发源于海拔4535米处，流经康塞普西翁（Concepción，纬度?11.9678°，经度?75.3281°）、丘帕卡（Chupaca，纬度?12.0572°，经度?75.2898°）和万卡约（Huancayo，纬度?12.0638°，经度?75.2165°）三个省份[15]（见图1）。该河流年径流量为468.4立方百米，具有明显季节性特征：雨季（12月至4月）流量占全年总量的78.5%（367.5立方百米），而旱季（5月至11月）则降至100.9立方百米。流量波动极大，2月份达到最大值44.5立方米/秒，8月份降至最低值3.957立方米/秒。该流域气候寒冷多雨，12月至4月降水量集中，年均降水量为854.6毫米。年均气温为9.1℃，7月（旱季）降至6.7℃。年均相对湿度为63.2%，3月升至70%[16]（见图1）。

**2.2. 采样与分析**
采样工作于2021年的雨季（1月至3月）和旱季（6月至8月）进行。将河流划分为上游、中游和下游三个区域，每个区域设置15个采样点。每个采样点在雨季和旱季均进行监测，共计收集了90个水样（两个季节共45个站点）。样本采集深度为水面下20厘米，存储在经过蒸馏水预冲洗的聚乙烯和玻璃瓶中[17]。溶解氧（DO）、总溶解固体（TDS）和pH值在现场使用Hanna Instruments便携式多参数仪表（型号HI 9146、HI 9835和HI 991301，美国Woonsocket公司）进行测量。其余物理化学和微生物参数的测定遵循《水和废水检测标准方法》[18]。浊度采用散射光法（SM 2130 B）和HANNA HI93703浊度计（美国Woonsocket公司，使用formazin标准校准）进行测量。生化需氧量（BOD5）通过呼吸计量法在20±1℃条件下培养五天（SM 5210 B，德国Weilheim公司）测定。无机营养物质——硝酸盐（NO3?）和总磷（TP）使用Lovibond MD600光度计（意大利Usmate Velate公司）测定；硝酸盐采用水杨酸法（SM 4500-NO3? E）测定，总磷采用抗坏血酸法（SM 4500-P E）测定。总溶解固体（TDS）采用WTW Multi 3630 IDS多参数仪表（配备TetraCon 925传感器，德国Weilheim公司）进行电导法测定。耐热大肠菌群（TC）的微生物分析遵循ISO 9308-2:2012标准，使用Colilert-18方法进行。样品处理在Heal Force AlphaClean 1300层流柜（中国上海）的无菌条件下完成。耐热大肠菌群的培养在Memmert 110设备（德国Schwabach公司）中以44±0.5℃条件进行24小时。阳性样本的检测基于紫外光（λ = 365 nm）下的荧光现象，使用Spectroline A-160/FE灯（美国Westbury公司）进行计数，结果按最可能数（MPN）表格进行统计。

**2.3. 多维水质评估与统计分析**
**2.3.1. 国家卫生基金会水质指数（NSF-WQI）**
NSF-WQI是一种基于专家共识的分析工具，其数学公式基于九个水质子指数（Qi）的加权总和，这些子指数涵盖DO、pH、BOD5、硝酸盐（NO3?）、磷酸盐（PO43?）、温度、浊度和总溶解固体等关键参数[19]。该指数的数学基础、构成参数及其相应的评分标准见表1。

**2.3.2. 加权算术水质指数（WA-WQI）**
WA-WQI是一种线性聚合技术，通过整合各水质子指数及其相对重要性权重（Wi）来量化资源退化程度。该方法特别适用于根据参数对生态系统的影响优先级（如有机负荷或细菌密度）[20]。数学表达式、选定参数及其对应的评分标准见表1。

**2.3.3. 加拿大环境部长理事会水质指数（CCME-WQI）**
CCME-WQI是一种分析框架，用于评估物理化学和微生物参数是否符合预先设定的质量目标或标准。该方法具有操作灵活性，可根据资源的具体用途（如人类消费或水生生物保护）动态选择参数和参考标准，前提是存在明确的监管阈值[21]。

**2.3.4. 综合水质指数（I-WQI）**
I-WQI通过整合物理化学和微生物参数得出综合值，全面量化水资源状况。本研究选择了八个指标：pH、DO、浊度、硝酸盐（NO3?）、总磷（TP）、SDT、BOD5和耐热大肠菌群。计算过程使用R软件v4.3.2通过四步算法序列系统完成。首先进行最小-最大标准化处理，将原始数据矩阵转换为无量纲矩阵，确保不同单位参数之间的可比性[20]。随后应用混合权重模型，结合熵（Entropy）和CRITIC策略。在熵方法中，首先从标准化矩阵计算参数的概率分布，进而估计熵分量和全局熵值[21,22]。同时，CRITIC方法通过相关矩阵评估参数之间的相互关系，结合标准差和变量冲突来计算CRITIC权重，以捕捉对比强度和结构依赖性[23]。最终权重通过两种方法的线性组合获得，平滑系数p=0.5用于平衡客观变异性和相关性。各水质子指数的加权总和得到综合I-WQI[24]。各阶段的详细数学公式见表2。

**2.4. 统计分析**
水质评估首先将物理化学和微生物参数与秘鲁环境质量标准（EQS）进行比较。数据序列的正态性通过Shapiro–Wilk检验验证（见表S2和S3）。此外，使用Levene检验评估不同河段间季节性差异的方差同质性（见表S4）。根据检验结果，选择Mann–Whitney U检验或Student’s t检验评估季节性变化（雨季与旱季）。河流上游、中游和下游之间的空间异质性通过Kruskal–Wallis检验确定。随后应用多元统计技术模拟人类活动对水资源的影响。为识别退化的关键因素，计算斯皮尔曼相关系数以建立参数依赖性，并通过主成分分析（PCA）进行降维处理[25]。首先进行DCA分析以估计梯度长度（见表S5）。最后进行层次聚类分析（HCA），划分健康风险区域并识别流域内的关键韧性管理区域。这些分组的结果与NSF-WQI、WA-WQI、CCME-WQI和I-WQI指数的结果进行对比，以确保对水资源韧性的准确解读。所有统计分析和数据处理均使用R软件（版本4.3.1）和Python（版本3.11）进行，所有测试的显著性水平均设定为p < 0.05。

3. 结果
3.1. 水质健康诊断及是否符合环境质量标准
库纳斯河的水质动态显示出明显的纵向退化趋势。上游区域几乎保持原始状态，而下游区域则出现了严重的恶化，尤其是在流量较低的时候。这种系统性变化最初体现在温度梯度上（表S6和S8；图2A）。在上游区域，水温保持在基线水平，逐渐在中游区域（表S7）和下游区域升高。这种温度梯度直接影响到了水体的氧化能力；虽然上游区域的溶解氧（DO）水平处于最佳状态（表S6），但下游区域却出现了急剧下降（表S8），超过了秘鲁的水环境质量标准（EQS）[26]（≥5 mg/L）（图2D）。同时，pH值（图2B）虽然仍在正常范围内，但在中间和下游区域表现出更大的不稳定性，表明系统的缓冲能力受损。

图2. 水质参数的纵向动态。(A) 温度，(B) pH值，(C) 总溶解固体，(D) 溶解氧，(E) 硝酸盐，(F) 总磷，(G) 浊度，(H) 耐热大肠菌群（注：UR = 上游；MR = 中游；LR = 下游；EQS = 环境质量标准。趋势线通过红色虚线与EQS进行季节性对比。在上游区域，TDS和NO3?浓度保持在基线水平。然而，随着河流流入下游，人为压力极大地改变了水体的化学成分。TDS和NO3?浓度相比基线增加了两个数量级（图2C,E）。尽管这些参数没有超过第四级阈值，但增加的幅度表明在达到急性毒性水平之前，系统的功能稳定性已经丧失（表S8）。

耐热大肠菌群（TC）的数量在中游区域逐渐增加，随后在下游区域急剧上升。在流量较低时，下游区域的浓度超过了保护限值（2000 NMP/100 mL），其密度是允许阈值的三倍（图2H）。这种空间不对称性证实了下游区域是一个持续的粪便污染热点（表S8；图2H），并验证了需要应用综合指数（I-WQI）来识别需要立即采取缓解措施的区域，以应对健康风险。

3.2. 空间时间异质性分析及关键指标的重要性
图3显示库纳斯河沿岸存在显著的统计异质性。Kruskal–Wallis检验确认了河流上游、中游和下游在两个水文时期的大多数参数之间存在显著差异（p = 0.000），从而验证了纵向退化趋势的存在（表S9）。关于温度动态，温度表现出高度显著的纵向增加（p = 0.000）和明显的季节性变化（p = 0.000，表S10）。季节性的评估基于数据的分布特性，这一点通过Shapiro–Wilk检验得到验证（表S3）。在上游区域，流量较低时温度呈非参数分布（W = 0.7748；p < 0.01），这证明了使用Mann–Whitney U检验的合理性（p = 0.038；表S11）。相比之下，在中游和下游区域，数据的正态性（p > 0.05）允许使用Student’s t检验，从而确认了高度显著的季节性变化（p < 0.001）。这种方法学上的分层确保了统计推断的准确性，使测试选择符合每个河段数据的固有概率分布。图3A显示在流量较低的季节，尤其是在下游区域，数据分散度更大。另一方面，pH值总体保持稳定（p = 0.388，表S10），尽管图3B显示在雨季下游区域的数值范围更广且存在异常值，这一点通过显著的局部差异得到证实（p = 0.007，表S8）。

3.3. (H) 耐热大肠菌群（注：UR = 上游；MR = 中游；LR = 下游）。比较分析显示不同水文时期DO浓度总体有所下降（p = 0.027，表S10）。这种季节性变化主要由上游区域（Student’s t检验，p = 0.003）和中游区域（Mann–Whitney U检验，p = 0.000）驱动。相比之下，下游区域没有显示出显著的季节性差异（p = 0.495），无论流量如何，始终维持着缺氧状态（图3D）。这种恶化与TDS的显著增加相吻合（p = 0.002，表S10），其在下游区域的浓度在流量较低时明显超过了河流其他区域的水平（图3C）。在有机和物理负荷方面，BOD5显示出绝对的空间差异（p = 0.000），同时总体保持季节性稳定（p = 0.855，表S10）。浊度也表现出类似的行为，具有较高的空间变异性（p = 0.000），并且下游区域的季节性变化显著（p = 0.002，Student’s t检验）和下游区域（p = 0.000，Mann–Whitney U检验）。箱形图（图3G）显示在流量较低的季节，下游区域的浊度达到峰值，这表明沉积物和悬浮固体浓度的影响。最后，营养物质和细菌负荷证实了水质风险的诊断。总磷显示出高度的总体季节敏感性（p = 0.009，表S10）以及下游区域的极端特定变化（图3F），这一点通过Mann–Whitney U检验得到验证（p = 0.000，表S11）。尽管硝酸盐总体稳定，但在下游区域显示出高度显著的季节性变化（p = 0.001），图3E显示在流量较低时其浓度呈指数级上升。这种模式在TC中也重复出现，表明下游区域出现了严重的季节性退化。图3H中观察到的细菌负荷增长，尤其是在梯度的末端，证实了由于稀释度低和持续的人为压力，水质安全受到了严重威胁。

3.3. 使用水质指数（WQI）进行的多维度水质评估
综合应用NSF-WQI、WA-WQI、CCME-WQI和I-WQI模型（表S12）揭示了水质评估中的显著异质性，显示了库纳斯河沿岸的系统性及功能性退化。图4显示在上游区域，四种模型中绿色和蓝色调占主导地位，证实所有采样点的保护条件均为最佳。虽然NSF-WQI、WA-WQI和CCME-WQI的得分非常高（直接评分超过80或90分），但I-WQI的得分较低（15.44–19.76分），根据其评分标准，这表明由于营养物质和溶质的负荷极低，水质非常优秀。这一基准点作为高质量参考点，得到了所有指标的一致验证。在中游区域，面对最初的人为改变，方法论上的分歧开始显现。NSF-WQI的得分在68.30到73.04之间，显示出在流量较低时检测到早期退化的较强敏感性。相比之下，WA-WQI和CCME-WQI仍保持在优秀到良好的范围内，显示出较低的敏感性或对初始污染物负荷的较高算法容忍度。I-WQI的得分保持在优秀到良好的范围内（最高33.98分），表明水质仍适合灌溉，尽管环境指数开始显示出质量恶化的迹象。最后，下游区域显示出完全的卫生崩溃，这清楚地体现了各指数之间的差异。NSF-WQI将这一区域评为中等（53.15–59.87分），这一评级过于保守，未能反映微生物学的实际情况。相比之下，WA-WQI尤其是I-WQI准确反映了退化的严重程度。WA-WQI的评分降至非常差级别，而I-WQI的得分达到极端值（322.24分），由于其高数值，表明水质非常差，由于大肠菌群和离子负荷的累积，不适合灌溉。这种诊断差异证实，在面临严重人为压力的情况下，I-WQI是定义使用风险的最准确和敏感的工具，将河流的物理状况转化为一个数值，警告资源无法用于多种用途。

3.4. 退化因素和人为压力的化学计量建模
为了识别退化的主要决定因素并表征人为压力的来源，进行了Spearman相关性分析（图5）。大多数参数之间的关联显示出高度的统计显著性（p < 0.001，表S13）；然而，与pH值相关的关联未达到显著性阈值（p > 0.05），表明系统的污染物动态与酸碱平衡的变化无关。综合分析（图5A）显示温度与关键负荷变量（如浊度（ρ = 0.776）、BOD5（ρ = 0.785）和总磷（ρ = 0.829）之间存在强正相关。这些结果表明，营养物质和有机物的流入不是随机的，而是受到同步的人为因素的影响，其中废水排放和径流是退化的主要驱动因素。在流量较高的（雨季）时期（图5B），观察到DO与污染指标之间存在明显的负相关，尤其是NO3?（ρ = ?0.795）和BOD5（ρ = ?0.777）。这一阶段温度和浊度的增加与营养物质和细菌负荷的增殖直接相关。具体来说，DO与有机物质（BOD5）和微生物（TC，ρ = ?0.765）维度之间的负相关具有显著意义（p < 0.001），证实了水体的脱氧是一个生物介导的过程。最后，在流量较低的（干燥）条件下（图5C），TDS与TC之间的关联（ρ = 0.496；p < 0.001）表明河流稀释能力的下降加剧了卫生脆弱性，促进了溶质和病原体在流动系统中的持续存在。

图5. 库纳斯河水体的物理化学和微生物参数的Spearman相关矩阵。(A) 全部时期的综合分析。(B) 雨季的水化学动态。(C) 干季的退化协同作用（注：颜色渐变代表系数ρ，显示了有机负荷和营养指标之间关联的强度）。* p < 0.05，** p < 0.01，*** p < 0.001。主成分分析（PCA）通过前两个成分解释了85.56%的总累积方差（图6A，表S14–S16）。第一个主成分（PC1）解释了73.09%的方差，大多数参数呈正相关，而DO显示出强烈的负相关，表明水质退化与缺氧之间存在直接关联。PC2解释了12.47%的方差，pH值、温度和NO3?呈正相关，而BOD5、TDS、浊度和TC则呈负相关。在雨季，PC1解释了77.38%的方差，显示营养物质、浊度和TC在轴的正侧有密切关系。这种模式证实了在雨季，沉积物输送和地表径流是TP、NO3?和细菌污染进入河床的主要途径（图6B）。相比之下，在流量较低时，PC1解释了75.96%的方差，下游区域的站点与物理和有机退化参数（BOD5、TDS、TC）有强相关，而上游区域的站点与DO呈正相关（图6C）。在这些低流量条件下，TDS、BOD5和TC之间的相关性增强到0.75以上，反映了矿物质化和微生物负荷的显著集中，加剧了水质的恶化。这种在生物图中的空间排列巩固了库纳斯河下游区域严重且集中退化的证据，从统计上验证了先前报告的退化参数之间的协同作用。图6. 主成分分析（PCA）的二维图，详细展示了库纳斯河水质的时空分离情况。(A) 各监测站和负荷向量按成分的整体分组。(B) 雨季径流对污染物方差的影响。(C) 低流量期间污染物浓度和稀释能力的丧失。3.5. 健康风险分区与水资源韧性能力层次聚类分析（HCA）使用Ward方法和欧几里得平方距离进行，根据库纳斯河流域的物理化学和微生物参数的功能相似度及其人为来源对其进行分组。全局树状图（图7A）显示pH值与其他监测参数明显分离，证实了其非典型的水化学行为以及对外来污染物负荷的稳定缓冲能力。识别出一个主要降解簇，包括温度、总磷（TP）、浊度、硝酸盐（NO3?）和生化需氧量（BOD5）。这一分组表明营养输入、有机物和固体含量增加之间存在强烈的协同作用，这些因素可归因于点源和扩散源沿海拔梯度的聚集。图7. 基于Ward方法用于识别参数功能相似性的层次聚类树状图。(A) 全局簇结构和pH值的水化学隔离。(B) 洪水期间有机负荷和沉积物传输的协同作用。(C) 低流量期间由于浓度效应导致的簇重构（注：差异距离证实了BOD5、TP和总悬浮物（TC）在关键区域之间的密切关系）。当按采样季节分析数据结构时，定义系统韧性的分组出现了显著重组。在雨季（图7B），浊度与BOD5和TC紧密相关，这加强了表面径流是降雨期间有机物质和细菌污染主要载体的解释。在这种情况下，TP和溶解氧（DO）与核心污染物之间的差异较大，表明在高流量条件下传输机制有所不同。相比之下，在低流量期间（图7C），主要簇发生了关键重构，BOD5和TP表现出最大相似性（差异距离约为0）。这一发现反映了在低流量条件下，营养负荷和有机物浓度增加，并对水系统的稀释体积减少产生协同响应，加剧了健康风险。这种聚类结构在统计上验证了Spearman相关矩阵（图4）和PCA（图5）中先前识别的相互依赖性，巩固了在高安第斯地区诊断水资源安全的关键指标的识别。4. 讨论 4.1. 库纳斯河生态系统的纵向退化动态和热脆弱性库纳斯河水质的动态显示出明显的纵向退化梯度（p < 0.001），证实了下游地区的人为干预改变了系统的完整性。结果显示，温度升高（从9.82°C升至19.59°C）是导致水质恶化的主因。这种升高不仅由海拔梯度引起，还反映了由于农业扩张和畜牧业活动导致的河岸植被丧失。自然缓冲区的消失增加了水面的直接太阳辐射——这种效应在秘鲁安第斯的高海拔条件下被放大——极大地降低了溶解氧的溶解度（ρ < ?0.65）。这种温度升高导致临界缺氧水平（4.58 mg/L），违反了环境质量标准（EQS ≥ 5 mg/L）。这一模式与Doretto等人的研究结果一致[27]，他们研究了沿纵向梯度的河流系统动态，指出这种自然退化受到累积人为压力的加剧。我们的发现也与Ramos-Pacheco等人在Chumbao河（秘鲁）的研究结果一致[28]，那里的石灰岩地质提供了相对的pH稳定性（库纳斯河为p = 0.388），但无法缓冲有机负荷。总溶解固体（TDS）在河流下游区域的积累增加了四倍，这与Bieroza等人的研究结果相似[29]，他们指出高频传感器的使用使得能够识别出流域下游地区溶质富集不仅是被动积累的结果，也是水停留时间、基流以及低流量期间人为源强化之间复杂相互作用的结果。4.2. 多维模型（I-WQI）的聚合偏差和诊断效能本研究的一个关键技术发现是传统评估模型中的聚合偏差。NSF-WQI中等类别与I-WQI和WA-WQI判定的不适宜类别之间的诊断差异揭示了固定权重指数的关键局限性。根据Uddin等人的研究[30]，传统的水质指数（WQI）在其聚合结构上存在严重缺陷，因为使用算术或几何平均函数会导致掩盖现象。当微生物参数的极端超标值（如库纳斯河下游记录的值）被其他具有可接受值的指标平均值所中和或掩盖时，就会发生这种数学偏差。结果，最终指数低估了实际的健康风险，并扭曲了水系统的生态状况。I-WQI的诊断优势在于其基于熵和CRITIC方法的算法架构[24]。通过根据数据的内在离散度和参数之间的冲突来加权，该模型对极端超标值（如每100毫升水中的35,006.40 NMP总悬浮物）赋予了更高的数学权重。这种方法比简单的线性加权更能稳健地捕捉到受压生态系统的复杂性。这种方法符合前沿趋势，其中混合模型对于定义可靠的功能质量基线至关重要。在这方面，基于熵的综合性模糊评估方法表明，将主观专家权重与客观数学权重相结合可以解决污染物类别限值中的不确定性。这种方法使用非线性模型优化了受影响河流的分类，识别出在严重人为压力下水质崩溃的过渡区和临界阈值[31]。4.3. 污染源和传输机制的化学分析库纳斯河中营养物质和固体的动态与季节性密切相关，Cavallini等人[32]认为这是理解河流系统负荷趋势的基础。通过多变量分析，确定在雨季，浊度与营养物质之间的强相关性（ρ > 0.80）表明农业区域的表面径流是磷和硝酸盐的主要传输载体。这一发现与Wu等人的研究结果一致[33]，他们认为在动态河流系统中，沉积物传输和径流在降雨期间主导了水质的变化。根据这些作者的观点，降雨强度和流量协同作用，指数级增加了固体和相关污染物的传输速率。然而，水文变化通过干旱期间的积累周期和洪水期间的大量冲刷来调节传输，高能量事件会 mobilize 积累的沉积物和污染物[34]。这一观察结果与库纳斯河的情况一致，在低流量期间季节性脆弱性表现得尤为明显。此时，稀释能力显著下降，加剧了点源控制下的营养物质和总溶解固体浓度的增加。正如Cavallini等人所论述的，低流量条件下的营养负荷和有机物浓度增加，并对水系统稀释体积的减少产生协同响应，从而加剧了健康风险。PCA证实，雨季的总方差直接与土壤侵蚀导致的悬浮固体传输因素相关。相反，在干季，总溶解固体、生化需氧量（BOD5）和细菌负荷之间的相关性增强（ρ > 0.75），反映了由于流量减少而产生的临界浓度效应。聚类分析（HCA）验证了这种重构：在低流量期间，BOD5和TP表现出最大相似性（差异距离约为0），表明它们具有共同的来源，即直接的家庭排放。这一现象与Hridoy等人的研究结果一致[35]，他们表明在受压水生态系统中，水质取决于人为排放。这些作者指出，溶解氧（DO）和生化需氧量（BOD5）是河流健康及其风险的关键预测因子。在河流下游，这种季节性脆弱性和持续的人为压力加速了功能的崩溃。4.4. 河流下游的微生物崩溃和健康管理在河流下游检测到的耐热大肠菌群（TC）水平明确证明了系统性的环境退化。上游基线水平（3.47 CFU/100 mL）与下游临界浓度（>35,000 CFU/100 mL）之间的四个数量级的差异凸显了流动水生态系统对累积人为压力的极端脆弱性。O’Grady等人[36]使用先进的预测模型验证了这些发现，他们确认在人为压力高的流域中，生化需氧量和细菌负荷是水生疾病风险的决定性指标。根据这些作者的观点，当质量参数超过退化阈值时，生态系统韧性丧失，水体成为病原体传播的活跃载体，这一现象在库纳斯河的细菌学数据中得到了体现。最后，这些变化的统计显著性（p < 0.001）强调了转向基于风险管理的必要性。下游地区的技术不可行性要求立即进行修复干预，这与Xue等人的适应性管理方法一致[37]，包括在低流量期间实施有针对性的修复计划。这些方法在成本效益上更为显著，因为它们能够在生态系统自我净化能力最低时管理集中的污染物负荷。5. 结论本研究揭示了库纳斯河水健康状况的严重时空异质性，表现出从上游接近原始状态到下游功能和卫生崩溃的严重纵向退化梯度。这种转变体现在温度的显著升高（p = 0.000），在低流量期间达到19.59 ± 1.11°C，这对溶解氧水平产生了负面影响（ρ < ?0.65）。虽然上游保持最佳溶解氧水平（8.40 ± 0.43 mg/L），但下游却经历了持续的缺氧（4.58 ± 1.45 mg/L），无论流量如何都超过了环境质量标准。化学计量模型确定累积的人为压力是这种恶化的决定性因素。Spearman相关分析证实了在低流量期间总溶解固体、生化需氧量和总悬浮物之间的强协同作用（ρ > 0.75），表明稀释能力的降低加剧了矿化作用和健康风险。同样，层次聚类分析（HCA）也证实了这种退化，显示在低流量期间BOD5和TP之间的最大功能相似性（差异距离约为0），表明它们具有共同的来源，即直接的家庭排放。Hridoy等人的研究结果也支持这一点[35]，他们指出在受压水生态系统中，水质取决于人为排放。这些作者认为，溶解氧和生化需氧量是河流健康及其风险的关键预测因子。在河流下游，这种季节性脆弱性和持续的人为压力的结合加速了功能的崩溃，低流量阻止了持续有机负荷的稀释。4.4. 河流下游的微生物崩溃和健康管理河流下游检测到的耐热大肠菌群水平构成了系统环境退化的明确证据。上游基线水平（3.47 CFU/100 mL）与下游临界浓度（>35,000 CFU/100 mL）之间的四个数量级的差异凸显了流动水生态系统对累积人为压力的极端脆弱性。O’Grady等人[36]使用先进的预测模型证实了这一点，他们确认在高人为压力流域中，生化需氧量和细菌负荷是水生疾病风险的决定性指标。根据这些作者的观点，当质量参数超过退化阈值时，生态系统韧性丧失，水体成为病原体传播的活跃载体，这一现实在库纳斯河的细菌学数据中得到了体现。最后，这些变化的统计显著性（p < 0.001）强调了转向基于风险管理的必要性。下游地区的技术不可行性要求立即进行修复干预，这与Xue等人的适应性管理方法一致[37]，包括在低流量期间实施有针对性的修复计划。这些方法在成本效益上更为显著，因为它们能够在生态系统自我净化能力最低时管理集中的污染物负荷。5. 结论本研究揭示了库纳斯河水健康的严重时空异质性，从上游接近原始状态到下游的功能和卫生崩溃。这种转变体现在温度的显著升高（p = 0.000），在低流量期间达到19.59 ± 1.11°C，这对溶解氧水平产生了负面影响（ρ < ?0.65）。虽然上游保持最佳溶解氧水平（8.40 ± 0.43 mg/L），但下游经历了持续的缺氧（4.58 ± 1.45 mg/L），无论流量如何都超过了环境质量标准。化学计量模型确定累积的人为压力是这种恶化的决定性因素。Spearman相关分析证实了在低流量期间总溶解固体、生化需氧量和总悬浮物之间的强协同作用（ρ > 0.75），表明稀释能力的降低加剧了矿化作用和健康风险。同样，层次聚类分析也证实了这种退化，显示在低流量期间BOD5和TP之间的最大功能相似性（差异距离约为0），表明家庭和农业排放超出了系统的自我净化能力。微生物分析进一步证实了风险的严重性，显示河流下游的总悬浮物负荷（35,006.40 ± 796.93 NMP/100 mL）比上游高出四个数量级，远超过山区河流水的环境质量标准（2000 NMP/100 mL）。多维评估使用水质指数将I-WQI评为诊断敏感性最高的工具，将其分类为不适宜（322.24），并准确识别出绝对卫生崩溃的区域。因此，这些发现强调了向基于韧性的水资源管理过渡的必要性，优先保护上游的自然基础设施，并实施技术风险分区。最后，该研究为高安第斯流域的管理建立了方法论先例，表明在当前人为和气候压力下维护资源的生物物理限制对于保障人口健康至关重要。补充材料以下支持信息可在以下链接下载：https://www.mdpi.com/article/10.3390/w18091057/s1，表S1. 不同水质指数（NSF-WQI、WA-WQI、CCME-WQI和I-WQI）的水质分类范围比较。表S2. 根据采样季节对库纳斯河物理化学和微生物参数的正态性检验（Shapiro–Wilk）。表S3.根据采样季节，对库纳斯河上游、中游和下游的物理化学及微生物参数进行了正态性检验（Shapiro–Wilk检验）。表S4：按河段划分的方差同质性检验（Levene检验）结果。表S5：在主成分分析（PCA）之前通过去趋势对应分析（DCA）得到的梯度长度。表S6：根据采样季节，库纳斯河上游水体物理化学及微生物参数的描述性统计结果。表S7：根据采样季节，库纳斯河中游水体物理化学及微生物参数的描述性统计结果。表S8：根据采样季节，库纳斯河下游水体物理化学及微生物参数的描述性统计结果。表S9：根据采样季节，库纳斯河上游、中游和下游物理化学及微生物参数的显著性检验结果。表S10：湿季和干季物理化学及微生物参数的显著性检验结果。表S11：根据采样季节（湿季和干季），库纳斯河上游、中游和下游物理化学及微生物参数的显著性检验结果。表S12：利用NSF-WQI、WA-WQI、CCME-WQI和I-WQI指数对库纳斯河不同河段的水质进行比较评估。表S13：物理化学及微生物参数之间的Spearman等级相关系数、p值及显著性水平。表S14：库纳斯河在湿季和干季水体物理化学及微生物参数的主成分分析（PCA）结果总结。表S15：库纳斯河在湿季水体物理化学及微生物参数的主成分分析（PCA）结果总结。表S16：库纳斯河在干季水体物理化学及微生物参数的主成分分析（PCA）结果总结。