從水質(zhì)監(jiān)測(cè)數(shù)據(jù)分析水質(zhì)污染的研究

徐自江

（遵義市播州區(qū)生態(tài)環(huán)境監(jiān)測(cè)站，貴州 遵義 563100）

引言

近幾年，我國(guó)突發(fā)性水污染事件讓人觸目驚心，嚴(yán)重威脅人們的用水安全，給社會(huì)經(jīng)濟(jì)發(fā)展帶來(lái)無(wú)法估量的損失，造成惡劣影響。目前，我國(guó)對(duì)水污染事件的關(guān)注度極高，希望可以找到解決辦法，從源頭上減少水污染的發(fā)生[1]。本文使用DEMCMC算法，對(duì)水污染數(shù)據(jù)進(jìn)行溯源分析。

1 建立數(shù)據(jù)集

我國(guó)關(guān)于水質(zhì)污染的研究，起步較晚，主要原因是很多專家學(xué)者沒(méi)有將水污染溯源算法與實(shí)時(shí)監(jiān)測(cè)到的數(shù)據(jù)相結(jié)合，一同進(jìn)行分析計(jì)算?，F(xiàn)實(shí)河流中出現(xiàn)水污染，需要更多、更詳細(xì)的觀測(cè)值，才能對(duì)污染區(qū)進(jìn)行溯源[2]。以前，當(dāng)突發(fā)水污染事件時(shí)，都是由環(huán)境部門(mén)工作人員到現(xiàn)場(chǎng)進(jìn)行取樣，獲得數(shù)據(jù)后進(jìn)行分析，此方法在一定程度上影響水污染監(jiān)測(cè)效果，降低工作效率。只有在發(fā)生污染后第一時(shí)間獲取污染數(shù)據(jù)并進(jìn)行分析，其結(jié)果才最精確。現(xiàn)在很多水資源監(jiān)測(cè)系統(tǒng)在開(kāi)發(fā)與運(yùn)用時(shí)存在一些問(wèn)題，如標(biāo)準(zhǔn)結(jié)構(gòu)不完整，數(shù)據(jù)格式不統(tǒng)一等。為了在第一時(shí)間了解水質(zhì)情況，快速監(jiān)測(cè)水質(zhì)，對(duì)水質(zhì)指標(biāo)異常的數(shù)據(jù)進(jìn)行溯源，從而為環(huán)境部門(mén)做出決策提供數(shù)據(jù)支撐，還需建設(shè)一個(gè)水質(zhì)監(jiān)測(cè)、預(yù)警、報(bào)警相結(jié)合的大數(shù)據(jù)平臺(tái)，然后在水質(zhì)監(jiān)測(cè)平臺(tái)上獲取數(shù)據(jù)。在此，為了使固定（移動(dòng)）監(jiān)測(cè)點(diǎn)盡量大范圍地監(jiān)測(cè)區(qū)域水質(zhì)，可以在區(qū)域內(nèi)多個(gè)地方設(shè)置監(jiān)測(cè)斷面，盡量多地?cái)U(kuò)大觀測(cè)范圍，增加水質(zhì)監(jiān)測(cè)點(diǎn)的數(shù)量，獲得更多數(shù)據(jù)，以此提升水污染研究的精準(zhǔn)度[3]。基于此，作者在前人研究成果的基礎(chǔ)上進(jìn)行優(yōu)化，在監(jiān)測(cè)的水域中，放置更多監(jiān)測(cè)指標(biāo)傳感器，收集監(jiān)測(cè)水域更多地方的指標(biāo)數(shù)據(jù)，然后利用云端大數(shù)據(jù)，向水質(zhì)監(jiān)測(cè)平臺(tái)傳遞數(shù)據(jù)，構(gòu)建水質(zhì)監(jiān)測(cè)數(shù)據(jù)庫(kù)，以為后期開(kāi)展水質(zhì)污染分析提供數(shù)據(jù)支撐。

運(yùn)用網(wǎng)絡(luò)機(jī)器人獲取數(shù)據(jù)，主要步驟為：（1）在中國(guó)環(huán)境監(jiān)測(cè)總站中點(diǎn)開(kāi)全國(guó)水質(zhì)自動(dòng)監(jiān)測(cè)界面，按下F12，獲取水質(zhì)自動(dòng)監(jiān)測(cè)需要的數(shù)據(jù)。（2）在HTTP庫(kù)中對(duì)網(wǎng)絡(luò)機(jī)器人獲取數(shù)據(jù)的網(wǎng)站發(fā)起請(qǐng)求，在服務(wù)器給出Response的回復(fù)后，就可獲得請(qǐng)求的數(shù)據(jù)。（3）因?yàn)榈玫降膬?nèi)容格式是Json，所以可直接對(duì)其進(jìn)行分析，刪除不需要的信息，由numpy庫(kù)整合數(shù)據(jù)，并轉(zhuǎn)換成csv格式進(jìn)行儲(chǔ)存，便于后期調(diào)用使用。通過(guò)網(wǎng)絡(luò)機(jī)器人，我們獲得了2019～2021年末全國(guó)1 606個(gè)站點(diǎn)的水質(zhì)監(jiān)測(cè)數(shù)據(jù)，以此明確監(jiān)測(cè)區(qū)域的名稱、所屬流域、監(jiān)測(cè)時(shí)間、水質(zhì)類別等信息。

2 水質(zhì)污染數(shù)據(jù)分析

本研究根據(jù)水質(zhì)監(jiān)測(cè)平臺(tái)與網(wǎng)絡(luò)機(jī)器人提供的水質(zhì)數(shù)據(jù)，并將其與《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》（GB 3838-2022）[4]中的水質(zhì)量標(biāo)準(zhǔn)進(jìn)行比較，發(fā)現(xiàn)岳陽(yáng)樓、東洞庭湖、鹿角與鹿角（老）這四個(gè)監(jiān)測(cè)點(diǎn)中的水質(zhì)數(shù)據(jù)發(fā)生異常，污染嚴(yán)重。

2021年3月4日早8點(diǎn)，首次發(fā)現(xiàn)水質(zhì)指標(biāo)出現(xiàn)異常，表1是長(zhǎng)江流域10個(gè)監(jiān)測(cè)點(diǎn)監(jiān)測(cè)到的水質(zhì)數(shù)據(jù)統(tǒng)計(jì)表，表中的鹿角（老）、東洞庭湖、岳陽(yáng)樓的水質(zhì)類別為Ⅳ、Ⅳ、Ⅴ，已經(jīng)屬于水質(zhì)指標(biāo)嚴(yán)重超標(biāo)，表明此區(qū)域的水質(zhì)受到污染。另外，鹿角、城陵磯、六門(mén)閘、八仙橋、南渡的水質(zhì)類別為Ⅲ級(jí)，屬于水質(zhì)指標(biāo)輕度超標(biāo)，所以可以推斷此區(qū)域水域可能受到輕度污染。而表格中水質(zhì)類別為Ⅱ的荊江口和樟樹(shù)港的水質(zhì)良好[5]。

表1 各區(qū)域水質(zhì)指標(biāo)數(shù)據(jù)

為了更好地推斷出污染源，還需要結(jié)合電子地圖。先在洞庭湖地圖中標(biāo)記出8個(gè)水質(zhì)監(jiān)測(cè)點(diǎn)的位置，再查閱此處的地勢(shì)地形與水文資料，得知最上游的監(jiān)測(cè)點(diǎn)是六門(mén)閘標(biāo)記處，最下游監(jiān)測(cè)點(diǎn)是城陵磯港口，由此可知上游水經(jīng)過(guò)六門(mén)閘-鹿角-鹿角（老）-八仙橋-東洞庭湖-岳陽(yáng)樓-城陵磯港口等，結(jié)合表1分析，處于上游的樟樹(shù)港和荊江口水質(zhì)是符合標(biāo)準(zhǔn)的，但是另外的斷面岳陽(yáng)樓與鹿角（老）區(qū)域的水質(zhì)類別為Ⅳ、Ⅴ級(jí)，結(jié)合地理環(huán)境可知，污染源在鹿角（老）這一監(jiān)測(cè)點(diǎn)附近。在此，假設(shè)下游的洞庭湖監(jiān)測(cè)面最先發(fā)生污染，并根據(jù)鹿角（老）為污染源位置，將鹿角（老）到東洞庭湖這部分河段作為重點(diǎn)監(jiān)測(cè)區(qū)域[6]。

3 DE-MCMC算法算例分析

3.1 確定區(qū)域水文參數(shù)

先設(shè)置監(jiān)測(cè)點(diǎn)，將東洞庭湖設(shè)置為監(jiān)測(cè)點(diǎn)A，鹿角（老）為監(jiān)測(cè)點(diǎn)B，再根據(jù)幾何地圖比例尺，計(jì)算A點(diǎn)到B點(diǎn)的長(zhǎng)度為12.7千米，河流的平均寬度為480米，查閱資料可知當(dāng)時(shí)水深為10米，平均水流速度為0.5米/秒。

結(jié)合埃爾德法經(jīng)驗(yàn)公式，得到污染物在水體中的縱向擴(kuò)散系數(shù)Dx的表達(dá)式為：

其中，b是河流的寬度，單位為m；u是河流的流速，單位為m/s；u*=是河流模組系數(shù)；h為河流水深，單位為m；g為重力加速度，單位為m2/s；I為水力梯度。查閱資料可知此水域中水利梯度的值約為0.004，帶入到公式中，求得河流摩阻系數(shù)為：經(jīng)過(guò)計(jì)算，可知污染物縱向擴(kuò)散系數(shù)Dx約為

再結(jié)合泰勒經(jīng)驗(yàn)公式，計(jì)算AB的橫向擴(kuò)散數(shù)值Dy的公式為：

Dy=ahu*

其中的a為經(jīng)驗(yàn)系數(shù)，取值為0.5，將h和u*的數(shù)值帶入公式，解得Dy≈3.13。

到此可以計(jì)算出測(cè)量河段A-B中河流部分水質(zhì)參數(shù)（表2），同時(shí)還能計(jì)算出待反演的污染參數(shù)項(xiàng)（表3）。

表2 河流已知的水文水質(zhì)參數(shù)

表3 待反演的污水參數(shù)項(xiàng)

3.2 介紹算例，分析抽樣結(jié)果

上述監(jiān)測(cè)AB段水域的不確定因素較多，因此應(yīng)將需要監(jiān)測(cè)河段的污染情況，進(jìn)行污染模式的分析，通過(guò)DE-MCMC的方法，對(duì)水域污染進(jìn)行溯源，將此與水質(zhì)監(jiān)測(cè)數(shù)據(jù)平臺(tái)及網(wǎng)絡(luò)機(jī)器人提供的語(yǔ)境數(shù)據(jù)進(jìn)行對(duì)比分析，可知3月4日上午8點(diǎn)為監(jiān)測(cè)起始時(shí)間，每4小時(shí)監(jiān)測(cè)一次，監(jiān)測(cè)到5日下午4時(shí)。根據(jù)表2、表3中的各項(xiàng)參數(shù)，得到監(jiān)測(cè)點(diǎn)A處的污染物濃度，隨著時(shí)間的變化，成正態(tài)分布，如圖1，在4日晚上23：55左右，污染物濃度到達(dá)最高點(diǎn)。

圖1 監(jiān)測(cè)點(diǎn)A的濃度變化值

接著以監(jiān)測(cè)點(diǎn)B為中心，監(jiān)測(cè)點(diǎn)B的坐標(biāo)為（x0，0），待求參數(shù)定義為Z=（m，x0，t0），使用DE-MCMC模型，溯源參數(shù)項(xiàng)的后驗(yàn)概率密度參數(shù)PZ（m，x0，t0）表達(dá)式為：

依照DE-MCMC模型，在程序里迭代10 000次，如圖2、圖3、圖4，可知污染源概率分布結(jié)果中，污染源位置、泄露時(shí)間、污染物質(zhì)量的后驗(yàn)概率密度分布成正態(tài)分布。首次污染事件監(jiān)測(cè)前t0=[185 min，190 min]，污染源在監(jiān)測(cè)點(diǎn)A的位置x=[11.5 km，12 km]之間；污染物質(zhì)量約為1.5×106克。

圖2 水污染強(qiáng)度

圖3 距離污染源位置

圖4 距離污染發(fā)生時(shí)間

4 DE-MCMC算法溯源效果分析

根據(jù)上文的3個(gè)因素，再根據(jù)DE-MCMC算法迭代10 000次，發(fā)現(xiàn)在迭代開(kāi)始時(shí)，迭代結(jié)果有些許波動(dòng)，如圖5、圖6、圖7，在第1 000次后，迭代結(jié)果已接近真值，在第2 000次后趨于平滑穩(wěn)定。

圖5 溯源項(xiàng)x的迭代曲線圖

圖6 溯源項(xiàng)t的迭代曲線圖

圖7 溯源項(xiàng)m的迭代曲線圖

另外，為了驗(yàn)證結(jié)果是否與真值相符，本文對(duì)幾個(gè)抽象結(jié)果進(jìn)行統(tǒng)計(jì)，然后與真值進(jìn)行對(duì)比，獲得的比較結(jié)果如表4所示。

表4 溯源仿真結(jié)果與實(shí)際真值對(duì)比

由此，本文根據(jù)東洞庭湖到鹿角（老）河段中計(jì)算出的監(jiān)測(cè)點(diǎn)的污染信息，并與真實(shí)值相比對(duì)，結(jié)果與國(guó)家環(huán)境監(jiān)測(cè)平臺(tái)與水質(zhì)預(yù)警平臺(tái)給出的實(shí)際數(shù)值相近，最大誤差為4.9%，最小誤差為2.7%，平均誤差為4.4%，均與真實(shí)的污染信息相近[7]。

5 結(jié)論

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，物質(zhì)的豐富使人們的環(huán)保意識(shí)獲得提升，水資源保護(hù)、水污染治理都取得了良好效果。而產(chǎn)生水污染時(shí)，如何鎖定污染源是污染治理的重要環(huán)節(jié)。當(dāng)自動(dòng)監(jiān)測(cè)到某水域的水質(zhì)超標(biāo)時(shí)，相關(guān)人員應(yīng)根據(jù)已有的監(jiān)測(cè)信息，精準(zhǔn)進(jìn)行水污染溯源，才能在水污染發(fā)生的第一時(shí)間，采用適合的污水處理工藝進(jìn)行處理，以此降低水污染對(duì)社會(huì)造成的危害。