明确河流主要水污染负荷的贡献类型,将对污染源监控和管理有重要作用,并直接决定污染治理投资的方向及强度。本文提出了一套采用控制断面实测通量识别河流水污染负荷贡献类型的方法。建立了一个简单的适合点源和非点源多种情况的时段通量计算方法,改进了常规的点源和非点源分割方法——枯水期平均通量法,提出了水污染负荷贡献类型的判别标准。应用实例表明,该方法是可行的,可为流域水污染控制规划提供科学依据和技术支持。 Clarifying the contribution type of river water pollution load, has important role for the pollution sources monitoring and management, and directly determines the direction of the pollution control investment and strength. This paper puts forward a set of method by using the period flux to identify the contribution type of water pollution load; sets up a simple calculation method of period flux; improves the conventional point source and non-point segmentation; puts forward the judgment standard of the water pollution load contribution types. The example shows that the method is feasible, and can provide scientific basis and technical support for the river basin water pollution control planning.
柳青,赵健*,富国
中国环境科学研究院,北京
收稿日期:2017年12月7日;录用日期:2017年12月21日;发布日期:2017年12月29日
明确河流主要水污染负荷的贡献类型,将对污染源监控和管理有重要作用,并直接决定污染治理投资的方向及强度。本文提出了一套采用控制断面实测通量识别河流水污染负荷贡献类型的方法。建立了一个简单的适合点源和非点源多种情况的时段通量计算方法,改进了常规的点源和非点源分割方法——枯水期平均通量法,提出了水污染负荷贡献类型的判别标准。应用实例表明,该方法是可行的,可为流域水污染控制规划提供科学依据和技术支持。
关键词 :河流,点源,非点源,通量,污染
Copyright © 2017 by authors and beplay安卓登录
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
流域污染负荷包括点源和非点源两部分。目前,我国几乎没有系统的长系列入河点源和非点源污染监测资料。河流水质污染监测则主要在可控制的河道断面上,监测数据中的污染物既有来自点源污染物, 也有非点源污染物 [
河流污染物通量可为水污染控制提供重要信息和决策依据。目前,关于河流污染物通量的估算方法大致有四种类型,分时段通量和 [
根据河流断面污染物通量可以确定实际点源和非点源对通量的贡献,对此国内外学者已开展一些研究 [
针对上诉情况本研究总结前人工作的基础上,建立了一个简单的适合点源和非点源多种情况的时段通量估算方法,改进了传统的点源和非点源通量分割方法,提出了水污染负荷贡献类型的判别标准,并选取岷江流域主要控制断面进行了实例分析。
本研究建立了一个简单的适合点源和非点源多种情况的时段通量估算方法,见式1。
L = α K ∑ 1 n C i Q i n + ( 1 − α ) K ∑ 1 n C i Q ¯ p (1)
式中, C i 为瞬时浓度; Q i 为瞬时流量; Q ¯ p 为时段平均流量; n 为估算时间段内的样品数量; K 为时段长度; α 为权重系,根据 Q i 和 C i 的相关系数 r q c 确定,若 Q i 和 C i 相关系数 r q c > 0.5 ,则 α = 1 − r q c ;若 Q i 和 C i 相关系数 r q c < − 0.5 ,则 α = | r q c | ;若 Q i 和 C i 相关系数 − 0.5 ≤ r q c ≤ 0.5 , α = 0.5 。
本研究采用的点源和非点源通量分割方法如下:
枯水期月平均通量 L d a ¯ :
L d a ¯ = 1 n ∑ i = 1 n L d i × k 1 (2)
点源年通量 L n :
L n = L d a ¯ × 12 + ∑ j = 1 m ( L f j − L d a ¯ ) × ( 1 − k 2 ) (3)
非点源年通量 L p :
L p = ∑ j = 1 m ( L f j − L d a ¯ ) × k 2 (4)
方法 | 时段通量估算式 | 通量估算方法要点 | 应用取向分析 |
---|---|---|---|
A | L A = K ∑ 1 n C i n ∑ 1 n Q i n | 瞬时浓度 C i 平均与瞬时流量 Q i 平均之积 | 对流项远大于时均离散项的情况, 弱化径流量的作用,较适合点源占优的情况。 |
B | L B = K ( ∑ 1 n C i n ) Q ¯ r | 瞬时浓度 C i 平均与时段平均流量 Q ¯ r 之积 | 对流项远大于时均离散项的情况, 强调径流量的作用, 较适合非点源占优的情况。 |
C | L C = K ∑ 1 n C i Q i n | 瞬时通量 C i Q i 平均 | 弱化径流量的作用, 较适合点源占优的情况。 |
D | L D = K ∑ 1 n C i Q ¯ p | 瞬时浓度 C i 与代表时段平均流量 Q ¯ p 之积 | 强调径流量的作用, 较适合非点源占优的情况。 |
E | L E = K ∑ 1 n C i Q i ∑ 1 n Q i Q ¯ r | 时段通量平均浓度 ∑ 1 n C i Q i ∑ 1 n Q i 与时段平均流量 Q ¯ r 之积 | 强调时段总径流量的作用, 较适合非点源占优的情况。 |
表1. 河流时段通量的估算方法、特点及应用取向分析 [
备注: n 代表估算时间段内的样品数量; K 为估算时间段转换系数(取时段长度)。
以上各式中, L d i 为枯水期第 i 月的月通量; L f j 为丰水期或平水期第 j 月的月通量; n 为枯水期月数; m 为丰、平水期月数; K 1 为扣除背景负荷的调整系数,根据枯水期平均浓度 C d a ¯ 和背景浓度 C 0 确定,即 K 1 = 1 − C 0 ∗ e − k x / u / C d a ¯ ; K 2 为丰水期点源通量增量调整系数,根据丰水期通量 L f j 和径流量 Q j 的相关系数 r q l 确定,即 K 2 = r q l 。
在上述断面通量估算及点源和非点源分割方法的基础上,本文将河流污染负荷贡献类型划分成5种类型,分别为点源为主型、点源占优型、混合型、非点源占优型、非点源为主型。表2给出了以点源贡献比例为判据的水污染负荷贡献类型的判别标准。
本研究方法应用于长江主要一级支流岷江,表3为2013年岷江主要控制断面高锰酸盐指数和氨氮
污染负荷贡献类型 | 点源贡献比例r |
---|---|
点源为主 | r ≥ 80% |
点源占优 | 60% ≤ r < 80% |
混合型 | 40% < r < 60% |
非点源占优 | 20% < r ≤ 40% |
非点源为主 | r ≤ 20% |
表2. 水污染负荷类型分类
月份 | 高锰酸盐指数 | 氨氮 | ||||||
---|---|---|---|---|---|---|---|---|
彭山 | 五通桥 | 高场 | 大渡河 | 彭山 | 五通桥 | 高场 | 大渡河 | |
1 | 1874.2 | 6634.2 | 4912.1 | 2199.7 | 828.6 | 1082.5 | 586.7 | 266.1 |
2 | 1044.8 | 4436.2 | 5395.1 | 2031.7 | 1090.9 | 327.7 | 314.3 | 377.6 |
3 | 823.6 | 4918.0 | 4937.9 | 2306.3 | 965.5 | 1203.7 | 277.5 | 193.9 |
4 | 886.2 | 4722.8 | 3643.5 | 3354.8 | 921.6 | 1325.2 | 296.3 | 878.3 |
5 | 1075.8 | 8528.6 | 13623.0 | 7379.8 | 780.1 | 679.1 | 273.2 | 550.6 |
6 | 2515.0 | 21284.4 | 41188.2 | 19272.1 | 1182.7 | 1533.0 | 588.4 | 1156.6 |
7 | 7750.9 | 33602.1 | 29445.1 | 28881.8 | 1583.0 | 1762.0 | 733.4 | 1416.6 |
8 | 9419.9 | 25949.9 | 48527.6 | 16740.4 | 1948.4 | 1238.4 | 1230.9 | 945.0 |
9 | 3668.6 | 18162.6 | 27434.7 | 18252.5 | 552.5 | 2789.4 | 1172.8 | 1873.8 |
10 | 5315.6 | 15205.7 | 15607.1 | 9910.7 | 1834.8 | 1640.0 | 245.2 | 993.3 |
11 | 2125.5 | 9169.7 | 9952.6 | 6260.5 | 951.3 | 736.9 | 222.2 | 441.5 |
12 | 1595.2 | 3933.6 | 7196.1 | 2338.8 | 1331.3 | 629.3 | 356.8 | 309.7 |
表3. 2013年岷江主要控制断面污染物月通量估值
污染物月通量估值。可以看出,在2013年6~9月的丰水期内,各断面高锰酸盐指数的月通量较高,与径流量有较高的相关性。表4为各断面高锰酸盐指数和氨氮指标月均浓度和月通量分别与径流量的相关系数,由表4可知,各断面高锰酸盐指数的月通量与径流量的相关系数分别为0.94,0.94,0.89和0.92,说明岷江高锰酸盐指数通量与径流量关系密切。高场和大渡河断面氨氮丰水期(6~9月)月通量较高,与径流量的关相系数为0.90和0.76。而彭山和五通桥断面氨氮月通量和径流量的相关系数较低,为0.62和0.65,这一差别应该是这两个断面氨氮指标的点源贡献率较高所致。这一结论可由表4中显示的彭山和五通桥断面氨氮月均浓度和径流量呈现较好的负相关性得到进一步证实。
根据前文确定的河流断面水污染负荷类型的判别标准,我们对四个断面高锰酸盐指数和氨氮的污染负荷贡献类型进行分析,结果表明,就高锰酸盐指数而言,彭山断面属于混合型,为点源和非点源共同作用。五通桥、高场及大渡河断面都显示以非点源占优。氨氮在彭山断面显示出明显的点源贡献为主,五通桥断面也显示为点源占优,高场断面属于混合型,大渡河断面表现出非点源贡献较高。总的来说,流域高锰酸盐以非点源贡献为主,氨氮以点源贡献为主(表5)。
彭山断面上游的成都市是岷江流域污染负荷最大的输入区,是流域高锰酸盐指数和氨氮点源污染负荷的主要输入区,致使流域成都以下江段水质受到污染。五通桥和高场断面在大渡河支流汇入岷江干流以下,大渡河水质以非点源来源为主,其水量在一定程度上对岷江干流彭山断面下来的物污染物进行了稀释。
1) 本文在前人工作的基础上建立了一个简单的通量计算方法,该方法适合点源和非点源多种情况的时段。该方法的下一步工作是利用自动监测站数据,验证其准确性,并与其他方法进行对比分析。
2) 本文在概念上明确点源和非点源分割改进的方法,从实用角度提出以月径流量与月通量相关系数确定丰水期点源通量增量调整系数。该方法的主要改进方向在于丰水期点源通量增量的调整系数更精确的估算。
相关关系 | 高锰酸盐指数 | 氨氮 | ||||||
---|---|---|---|---|---|---|---|---|
彭山 | 五通桥 | 高场 | 大渡河 | 彭山 | 五通桥 | 高场 | 大渡河 | |
Q与C相关系数 r q c | −0.77 | 0.23 | 0.35 | 0.73 | −0.70 | −0.56 | −0.47 | −0.31 |
Q与L相关系数 r q l | 0.94 | 0.94 | 0.89 | 0.92 | 0.62 | 0.65 | 0.90 | 0.76 |
表4. 岷江2013年月径流量与各污染物月均浓度和月通量的线性相关系数
高锰酸盐指数 | 氨氮 | |||||||
---|---|---|---|---|---|---|---|---|
彭山 | 五通桥 | 高场 | 大渡河 | 彭山 | 五通桥 | 高场 | 大渡河 | |
点源贡献率% | 46 | 37 | 32 | 23 | 93 | 62 | 52 | 36 |
非点源贡献率% | 54 | 63 | 68 | 77 | 7 | 38 | 48 | 64 |
污染负荷贡献类型 | 混合型 | 非点源占优 | 非点源占优 | 非点源占优 | 点源为主 | 点源占优 | 混合型 | 非点源占优 |
表5. 点源与非点源对通量的贡献率及类型分析
3) 岷江流域主要断面实例计算分析表明本文提出的负荷估算及贡献类型识别方法的实际效果。流域高锰酸盐污染主要以非点源贡献为主,氨氮以点源贡献为主,结果可为流域水污染控制规划提供科学依据。
国家水体污染控制与治理科技重大专项2017ZX07301。
柳 青,赵 健,富 国. 河流水污染负荷贡献类型的控制断面通量识别法Period Flux Recognition Method and Application of River Water Pollution Load Contribution Types[J]. 地球科学前沿, 2017, 07(06): 819-824. http://dx.doi.org/10.12677/AG.2017.76084
https://doi.org/10.1016/0016-7037(74)90188-4
https://doi.org/10.1016/S0048-9697(96)05377-6
https://doi.org/10.1016/S0925-8574(99)00061-0