黃 宏,商 栩,梅 琨,王振峰,夏 芳,黃樹輝,張明華,紀(jì)曉亮*

?

基于Monte Carlo模擬的河流水質(zhì)評價(jià)——以溫瑞塘河為例

黃 宏1,2,3,商 栩1,2,3,梅 琨1,2,3,王振峰1,2,3,夏 芳1,2,3,黃樹輝1,張明華1,2,3,紀(jì)曉亮1,2,3*

(1.溫州醫(yī)科大學(xué)公共衛(wèi)生與管理學(xué)院,浙江 溫州 325035；2.浙江省流域水環(huán)境與健康風(fēng)險(xiǎn)研究重點(diǎn)實(shí)驗(yàn)室,浙江 溫州 325035；3.浙南水科學(xué)研究院,浙江 溫州 325035)

基于水質(zhì)評價(jià)的綜合污染指數(shù)(CWQI)法和水質(zhì)指標(biāo)實(shí)測含量的統(tǒng)計(jì)分析,應(yīng)用Monte Carlo模擬方法,建立了河流水質(zhì)評價(jià)的Monte Carlo- CWQI耦合模型并進(jìn)行實(shí)例研究.通過建立的耦合模型和溫瑞塘河流域14個(gè)監(jiān)測斷面2004~2010年的水質(zhì)監(jiān)測數(shù)據(jù),定量分析各監(jiān)測斷面隸屬于不同污染等級的概率水平和各水質(zhì)指標(biāo)對水體污染的影響程度.結(jié)果表明:溫瑞塘河水系水質(zhì)污染十分嚴(yán)重,勤奮、九山、東水廠、十字河、南白象、灰橋、新橋、米篩橋、仙門、光明、郭溪、瞿溪、西岙和梧田監(jiān)測斷面處于重度污染的概率分別為28.50%,0.55%,92.71%,59.73%,78.85%,39.38%,78.87%,83.09%,65.32%,78.08%, 0.00%,0.96%,68.09%,86.06%;處于嚴(yán)重污染的概率分別為71.28%,0.01%,4.33%,39.76%,21.07%,60.59%,4.42%,12.41%,11.02%,21.24%,0.00%,0.02%,1.42%, 13.12%.各監(jiān)測斷面總氮(TN),氨氮(NH3-N)和溶解氧(DO)的Spearman等級相關(guān)系數(shù)范圍分別是0.41~0.76、0.25~0.63和0.14~0.66,是其他指標(biāo)的2倍以上,表明影響該地區(qū)水質(zhì)達(dá)標(biāo)的主要因子是TN,NH3-N和DO.本研究拓寬了河流水質(zhì)評價(jià)的研究視角,能夠?yàn)榱饔蛩h(huán)境管理提供豐富的決策依據(jù).

Monte Carlo模擬；水質(zhì)評價(jià)；不確定性；溫瑞塘河

近年來,隨著社會經(jīng)濟(jì)的快速發(fā)展和城市化進(jìn)程的加快,越來越多的工業(yè)、生活和農(nóng)業(yè)排放物進(jìn)入到河流中,導(dǎo)致河流水質(zhì)污染和惡化,水資源需求與供給之間的矛盾不斷加劇[1-4].流域水環(huán)境管理和治理的重要基礎(chǔ)性工作是明晰河流水體環(huán)境質(zhì)量[5-6].

水質(zhì)評價(jià)是指通過對水體化學(xué)、物理和生物指標(biāo)的監(jiān)測和調(diào)查,根據(jù)不同的目的和要求,使用一定的方法對水體污染程度進(jìn)行的定量描述[7].常見的水質(zhì)評價(jià)方法主要包括單因子指標(biāo)法、綜合污染指數(shù)(CWQI)法、模糊綜合評價(jià)法、水質(zhì)標(biāo)識指數(shù)法、投影尋蹤法、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)方法等[8-15].鑒于環(huán)境系統(tǒng)的復(fù)雜性,以上各種水質(zhì)評價(jià)方法在實(shí)際應(yīng)用中各有利弊.由于計(jì)算簡單,易于操作,綜合性和可比性強(qiáng),能夠反映水質(zhì)現(xiàn)狀是否滿足水功能區(qū)要求,CWQI法是目前國內(nèi)外普遍采用的一種水質(zhì)評價(jià)方法[12,16-17].然而,CWQI法等常規(guī)水質(zhì)評價(jià)方法是從確定性的角度根據(jù)一次或多次采樣的均值對研究水體進(jìn)行質(zhì)量評價(jià),只能反映研究對象的總體污染情況,難以揭示其真實(shí)的污染程度,不利于全面、深入的了解水體環(huán)境質(zhì)量狀況.在水質(zhì)監(jiān)測工作中,自然因素的隨機(jī)變化(如徑流量變化,降雨事件等)和人為因素的影響(如采樣和測量誤差等)會導(dǎo)致水體污染物的濃度存在不確定性[18].因此,水質(zhì)評價(jià)結(jié)果的不確定性難以避免,只有充分考慮水質(zhì)評價(jià)中的不確定性,才能獲得準(zhǔn)確的評價(jià)結(jié)果,為決策者提供全面的信息.

不確定性是當(dāng)前水環(huán)境研究領(lǐng)域的前沿和難點(diǎn)問題.蒙特卡羅(Monte Carlo)模擬是解決不確定性問題最為有效的工具之一[19-20].Monte Carlo模擬是一種通過隨機(jī)抽樣對模型或數(shù)學(xué)方程進(jìn)行求解的分析方法,屬于計(jì)算數(shù)學(xué)的一個(gè)分支[21].該方法能夠比較逼真地描述事物的特點(diǎn)及物理實(shí)驗(yàn)過程,解決一些數(shù)值方法難以解決的問題,很少受幾何條件限制,收斂速度與問題的維數(shù)無關(guān).對于那些受客觀條件限制而難以進(jìn)行的試驗(yàn)而言,是一種極好的替代方法.并且,可以給出每種結(jié)果的概率,能夠?yàn)闆Q策者提供更多的信息,降低決策風(fēng)險(xiǎn)[22].近年來, Monte Carlo方法已經(jīng)在水環(huán)境模擬模型的不確定性分析、參數(shù)估算和環(huán)境污染物健康風(fēng)險(xiǎn)評價(jià)等研究中得到了廣泛的應(yīng)用[18,23-24].但是,尚鮮見Monte Carlo方法應(yīng)用于水體質(zhì)量評價(jià)不確定性分析的相關(guān)研究報(bào)道.

本文嘗試將Monte Carlo模擬應(yīng)用到水體質(zhì)量評價(jià)中,結(jié)合CWQI法,建立了基于不確定性理論的Monte Carlo-CWQI耦合模型.以中國東南沿海地區(qū)典型平原河網(wǎng)-溫瑞塘河流域?yàn)檠芯繀^(qū)域,對其水系污染現(xiàn)狀進(jìn)行綜合評價(jià),以期為流域水污染的防控和水資源的合理開發(fā)利用提供科學(xué)依據(jù).

1 材料與方法

1.1 研究區(qū)域

圖1 溫瑞塘河流域水質(zhì)監(jiān)測點(diǎn)位置

圖2 溫瑞塘河流域污染源分布

包括整個(gè)流域的畜禽養(yǎng)殖污染源和城區(qū)的排污口、服務(wù)業(yè)污染源及工業(yè)污染源

本文選取位于浙江省溫州市的溫瑞塘河流域?yàn)檠芯繀^(qū)域,其地理位置介于120°27′47.3″E~ 120°47′45.3″E和29°20′2.4″N~29°42′37.5″N之間(圖1).溫瑞塘河發(fā)源于溫州西部山區(qū),總體流向?yàn)樽晕飨驏|流經(jīng)溫州城區(qū),隨后自北向南,流經(jīng)城鄉(xiāng)結(jié)合區(qū)及農(nóng)業(yè)種植區(qū),之后在瑞安匯入飛云江,最后流入東海.流域面積740km2,水面面積22km2,蓄水量6.5′107m2,水系河網(wǎng)總長度1178.4km,其中主河道長33.8km.該區(qū)屬亞熱帶海洋性季風(fēng)氣候,年均溫度17.9℃,年均降雨量1800mm,70%的降雨集中在4~9月.作為典型的南方平原河網(wǎng),溫瑞塘河河道縱橫交錯(cuò),河水與河床的比降相當(dāng)小甚至接近于零,河流流向不定,流速十分緩慢,水質(zhì)不均勻.

溫瑞塘河流域?yàn)闁|南沿海地區(qū)典型的平原河網(wǎng),各種排污口和污染源密布(圖2).自20世紀(jì)80年代以來,由于大量未經(jīng)處理的工業(yè)、生活及農(nóng)業(yè)廢水排放入河,造成水質(zhì)嚴(yán)重惡化,制約了當(dāng)?shù)氐慕?jīng)濟(jì)和社會發(fā)展.

1.2 數(shù)據(jù)

溫瑞塘河流域2004~2010年水質(zhì)數(shù)據(jù)由溫州市環(huán)保局提供,其水質(zhì)監(jiān)測頻率為兩月一次.監(jiān)測斷面包括勤奮、九山、東水廠、十字河、南白象、灰橋、新橋、米篩橋、仙門、光明、郭溪、瞿溪、西岙和梧田(圖1).選擇溶解氧(DO)、高錳酸鹽指數(shù)(CODMn)、五日生化需氧量(BOD5)、氨氮(NH3-N)、總磷(TP)、總氮(TN)、石油類(Petrol)和氟化物(F)8項(xiàng)作為評價(jià)指標(biāo).水質(zhì)指標(biāo)根據(jù)《水和廢水監(jiān)測分析方法》[25]規(guī)定的方法進(jìn)行分析測定.對水體質(zhì)量的評價(jià)參考國家《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》(GB3838– 2002)[26].

1.3 Monte Carlo-CWQI耦合模型

1.3.1 水質(zhì)評價(jià)的CWQI法 CWQI法是對各污染指標(biāo)的相對污染指數(shù)進(jìn)行統(tǒng)計(jì),得出代表水體污染程度的數(shù)值,該方法用以確定污染程度和主要污染物,并對水污染狀況進(jìn)行綜合判斷.根據(jù)如下公式進(jìn)行CWQI的計(jì)算:

式中:CWQI為綜合污染指數(shù);為參與評價(jià)的水質(zhì)指標(biāo)個(gè)數(shù);P為單因子污染指數(shù),數(shù)值越大,表明該因子的污染程度越高.

對于非DO指標(biāo)的計(jì)算公式如下:

由于DO為高優(yōu)指標(biāo),即數(shù)值越高代表水質(zhì)越好,故采用倒數(shù)變換的方式將其轉(zhuǎn)化為低優(yōu)指標(biāo).DO指標(biāo)的計(jì)算公式如下:

式中:C為水質(zhì)指標(biāo)的實(shí)測值;0為指標(biāo)的標(biāo)準(zhǔn)值,根據(jù)《浙江省水功能區(qū)、水環(huán)境功能區(qū)劃分方案》[27],溫瑞塘河流域以地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)中V類水質(zhì)標(biāo)準(zhǔn)進(jìn)行控制.

計(jì)算出CWQI后,可根據(jù)污染分級標(biāo)準(zhǔn)劃定水質(zhì)等級.CWQI越大,污染越重:CWQI￡0.4,說明水質(zhì)未受到污染,狀況較好,屬清潔水體;0.42時(shí),水質(zhì)污染非常嚴(yán)重[28].

1.3.2 Monte Carlo方法原理 Monte Carlo方法的理論基礎(chǔ)是概率統(tǒng)計(jì),手段是隨機(jī)抽樣,基本思想是當(dāng)所要求解的問題是某個(gè)隨機(jī)變量的期望值或者是某種事件出現(xiàn)的概率時(shí),可以通過某種“試驗(yàn)”的方法,得到這個(gè)隨機(jī)變數(shù)的平均值或者這個(gè)事件出現(xiàn)的頻率,并將它們作為問題的解[29].Monte Carlo模擬步驟包括:(1)根據(jù)提出的問題構(gòu)造概率分布模型,使問題的解對應(yīng)于該模型中隨機(jī)變量的某些特征(如概率、均值和方差等);(2)確定參數(shù)的概率分布;(3)根據(jù)參數(shù)的分布,利用給定的某種規(guī)則,進(jìn)行大量的隨機(jī)抽樣;(4)對隨機(jī)抽樣的數(shù)據(jù)進(jìn)行必要的數(shù)學(xué)計(jì)算,統(tǒng)計(jì)分析模擬試驗(yàn)結(jié)果,得出相應(yīng)的結(jié)論.

1.3.3 Monte Carlo-CWQI耦合模型構(gòu)建方法 對公式(1)進(jìn)行編輯,以CWQI為目標(biāo)變量,設(shè)置8個(gè)隨機(jī)變量,分別為各評價(jià)指標(biāo)的單因子污染指數(shù),從隨機(jī)變量的概率分布中進(jìn)行30000次Monte Carlo抽樣(置信水平:95%;抽樣方法:拉丁超立方抽樣).將每一次抽樣得到的隨機(jī)變量帶入式(1)進(jìn)行模擬,從而獲得30000個(gè)結(jié)果,代表了各水質(zhì)指標(biāo)參數(shù)不確定條件下所有可能得到的結(jié)果.此基礎(chǔ)上,為表征各水質(zhì)指標(biāo)對水體污染程度的影響,利用Crystal Ball自帶的模型參數(shù)靈敏度分析功能,計(jì)算了各水質(zhì)指標(biāo)的Spearman等級相關(guān)系數(shù)(SRCC):

式中:是模擬次數(shù);是輸入?yún)?shù)的排序值;是輸出結(jié)果的排序值.SRCC的取值范圍在-1~1之間.SRCC為負(fù)值,表示輸入變量與目標(biāo)變量呈負(fù)相關(guān),為SRCC正值,表示目標(biāo)變量與目標(biāo)變量呈正相關(guān); SRCC的絕對值越高,說明輸入變量對目標(biāo)變量的影響程度越大.通常,當(dāng)輸入?yún)?shù)的SRCC絕對值大于0.5時(shí),說明其和目標(biāo)變量之間有本質(zhì)的相關(guān)性[30].

1.4 數(shù)據(jù)處理與圖形制作

通過Minitab軟件運(yùn)行樣本擬合優(yōu)度的Anderson-Darling檢驗(yàn);應(yīng)用基于Microsoft Excel環(huán)境的Crystal Ball 11軟件實(shí)現(xiàn)CWQI的Monte Carlo模擬及不同污染指標(biāo)的靈敏度分析;其余統(tǒng)計(jì)分析利用SPSS 17軟件完成;采用ArcGIS 10.2和Origin Pro 9.0軟件制作相關(guān)圖件.

2 結(jié)果與討論

2.1 河流水質(zhì)指標(biāo)描述性統(tǒng)計(jì)分析

溫瑞塘河流域不同監(jiān)測斷面水質(zhì)指標(biāo)的時(shí)間變化見圖3.TN濃度變化范圍為0.38~25.30mg/L,平均濃度遠(yuǎn)超目標(biāo)水質(zhì)限值,是V類水標(biāo)準(zhǔn)的3.66倍.NH3-N是主要的氮素形態(tài),占TN含量的80%以上.TP平均濃度為0.46mg/L,劣于V類水質(zhì)標(biāo)準(zhǔn).DO濃度在0.04~10.80mg/L的范圍內(nèi)變化,約60%的樣本濃度低于2mg/L.CODMn和BOD5的平均濃度分別為5.97,6.97mg/L,處于III類和V類水質(zhì)標(biāo)準(zhǔn).約50%的樣本Petrol濃度低于檢測限濃度,其濃度變化區(qū)間為0.05~1.24mg/L.水體中F含量很低,平均值0.45mg/L,為I類標(biāo)準(zhǔn).

2.2 模型輸入?yún)?shù)的概率分布

確定模型輸入?yún)?shù)的概率分布類型和分布參數(shù)是Monte Carlo模擬中最為重要的步驟.計(jì)算出各水質(zhì)指標(biāo)單因子污染指數(shù)后,為保證后期模型模擬結(jié)果的準(zhǔn)確性,采用常用對數(shù)變換的方式對數(shù)據(jù)進(jìn)行處理.依據(jù)對數(shù)函數(shù)的性質(zhì),單因子污染指數(shù)數(shù)值小于1的,取對數(shù)后為負(fù)值,反之,則為正值.由于DO和Petrol指標(biāo)存在大量低于檢測限的數(shù)據(jù),為使參數(shù)的最終分布符合實(shí)際情況,故低于檢測限的數(shù)據(jù)不參與參數(shù)的概率分布擬合.自然對數(shù)變換后的水質(zhì)指標(biāo)單因子污染指數(shù)首先經(jīng)Kolmogorov-Smirnov檢驗(yàn)判斷是否服從正態(tài)分布.對于不服從正態(tài)分布的指標(biāo),應(yīng)用擬合優(yōu)度的Anderson-Darling檢驗(yàn)確定其最優(yōu)擬合分布.經(jīng)檢驗(yàn),除瞿溪監(jiān)測點(diǎn)F最優(yōu)的擬合分布為最大極值分布外,其余站點(diǎn)各指標(biāo)的擬合分布都符合正態(tài)分布.在Crystal Ball中利用各指標(biāo)的分布參數(shù)(正態(tài)分布為均值和標(biāo)準(zhǔn)差;最大極值分布為位置和尺度參數(shù))以生成服從相應(yīng)概率分布的隨機(jī)數(shù).

2.3 溫瑞塘河流域水質(zhì)評價(jià)

根據(jù)CWQI的Monte Carlo模擬結(jié)果,歸納統(tǒng)計(jì)30000次模型模擬得到的CWQI,可以得到溫瑞塘河流域不同監(jiān)測斷面CWQI的概率分布(表1).流域內(nèi)14個(gè)監(jiān)測斷面的實(shí)際計(jì)算結(jié)果都在該范圍之內(nèi),表明模擬結(jié)果真實(shí)可信.

表1 不同監(jiān)測斷面處于各污染程度等級的概率

根據(jù)模型模擬得到的CWQI值和污染等級判別標(biāo)準(zhǔn),可以得到不同監(jiān)測斷面隸屬于每個(gè)污染等級的概率水平.溫瑞塘河水系水質(zhì)污染十分嚴(yán)重,勤奮、九山、東水廠、十字河、南白象、灰橋、新橋、米篩橋、仙門、光明、郭溪、瞿溪、西岙和梧田監(jiān)測斷面處于重度污染的概率分別為28.50%, 0.55%, 92.71%, 59.73%, 78.85%, 39.38%, 78.87%, 83.09%, 65.32%, 78.08%, 0.00%, 0.96%, 68.09%, 86.06%;處于嚴(yán)重污染的概率分別為71.28%, 0.01%, 4.33%, 39.76%, 21.07%, 60.59%, 4.42%, 12.41%, 11.02%, 21.24%, 0.00%, 0.02%, 1.42%,13.12%;處于或優(yōu)于輕度污染的概率分別為0.22%, 99.44%, 2.96%, 0.51%, 0.08%, 0.03%, 16.71%, 4.50%, 23.66%, 0.68%, 100.00%, 99.02%, 30.49%, 0.83%.水質(zhì)評價(jià)是一種利用多種信息推斷出各種水質(zhì)類別的可能性,以可能性最大作為依據(jù),進(jìn)行最終決策的過程[31].根據(jù)最大隸屬度原則,勤奮、灰橋、九山、瞿溪和郭溪水質(zhì)類別分別為嚴(yán)重污染、嚴(yán)重污染、輕度污染、輕度污染和清潔;其余斷面水質(zhì)類別都為重度污染.

圖4 溫瑞塘河水質(zhì)的空間變化

由于溫瑞塘河不同類型河道納污強(qiáng)度的差異和水體中污染物遷移轉(zhuǎn)化過程的不同,水系污染程度呈現(xiàn)顯著的空間異質(zhì)性(圖4).灰橋、勤奮、十字河位于城區(qū)深入居民區(qū)的支流上,周圍廣泛分布著排污口,大量未經(jīng)處理的城市生活污水直排入河.更為嚴(yán)重的是,這些支流小而狹窄,河流流速非常緩慢甚至滯留,河道中累積的污染物無法及時(shí)擴(kuò)散,導(dǎo)致其聚集,污染最嚴(yán)重.相較而言,東水廠和光明監(jiān)測斷面水體流動(dòng)性強(qiáng)于灰橋、勤奮、十字河斷面,因此污染程度相對較輕.九山監(jiān)測斷面位于水上娛樂運(yùn)動(dòng)河段,水體質(zhì)量受到嚴(yán)格保護(hù),因此水質(zhì)隸屬于輕度污染.主河道水體流動(dòng)相對較快,有利于河道中污染物的轉(zhuǎn)移和自凈.河網(wǎng)區(qū)中主河道水體從上游向下游的污染程度逐漸上升.位于主河道上游的郭溪和瞿溪監(jiān)測斷面距主城區(qū)距離較遠(yuǎn),受城市污水排放影響小,水質(zhì)情況良好.隨著大量污水的排入和高污染的支流水體匯入,主河道水體水質(zhì)呈現(xiàn)逐漸惡化的趨勢(除仙門斷面),CWQI在南白象斷面達(dá)到最高.說明主河道污染程度隨流向具有累加作用.仙門斷面位于城鄉(xiāng)交錯(cuò)區(qū),與下游城市斷面相比,附近工業(yè)企業(yè)多,存在畜禽養(yǎng)殖污染,下水管網(wǎng)設(shè)施不健全,部分工業(yè)廢水和大部分畜禽養(yǎng)殖、服務(wù)業(yè)和居民生活污水直接匯入排水溝渠甚至直接排入河道.并且,由于附近某些企業(yè)、村民違法填埋河道,私建違章建筑,導(dǎo)致該監(jiān)測斷面附近河床抬高,河道堵塞情況較為嚴(yán)重,不利于污染物的擴(kuò)散.因而仙門斷面的污染程度高于位于主河道下游的西岙和新橋斷面.

從不確定性角度提出的Monte Carlo-CWQI耦合模型具有以下優(yōu)點(diǎn):能夠?qū)㈦x散存在的水質(zhì)評價(jià)結(jié)果拓展為連續(xù)狀態(tài),給出了水質(zhì)評價(jià)參數(shù)不確定條件下的所有可能性,有效降低了水質(zhì)評價(jià)中的隨機(jī)性和不確定性,為推斷決策提供全面的信息;采用Monte Carlo模擬得到的CWQI是基于河流水質(zhì)狀態(tài)的實(shí)際變化,考慮了其取值的可信度,這相對于按一次或多次取樣的均值來確定CWQI的傳統(tǒng)評價(jià)方法更為科學(xué)、合理,并且能夠減少資料信息的不完整性帶來的統(tǒng)計(jì)問題;根據(jù)模型模擬結(jié)果給出的累積頻率分布圖能夠直觀地顯示水質(zhì)污染程度的變化.

2.4 靈敏度分析

為探究各水質(zhì)指標(biāo)對水體污染的影響程度,計(jì)算了模型各輸入?yún)?shù)的SRCC(圖5).各監(jiān)測斷面TN,NH3-N和DO對CWQI影響很大,SRCC值范圍分別是0.41~0.76,0.25~0.63和0.14~0.66;之后為TP, BOD5和CODMn,其SRCC值處于0.10~0.34,0.09~ 0.30和0.04~0.15;F和Petrol的SRCC值較小,范圍分別為0.02~0.12和0~0.14.需要注意的是,溫瑞塘河水體中NH3-N占TN含量的80%以上,TN的SRCC大部分是由NH3-N貢獻(xiàn)的.故而參數(shù)靈敏度分析結(jié)果表明NH3-N污染是影響溫瑞塘河流域水質(zhì)達(dá)標(biāo)的主要原因,河網(wǎng)中NH3-N濃度過高和NH3-N等好氧有機(jī)物降解造成的低氧、缺氧問題是該流域面臨的主要水環(huán)境問題.控制溫瑞塘河流域內(nèi)的NH3-N污染是改善該流域水環(huán)境質(zhì)量的關(guān)鍵.

由以上分析,建議相關(guān)管理部門建立健全污水收集管網(wǎng)建設(shè),截?cái)嘀迸藕拥赖拇蟛糠殖鞘猩钗鬯?對其進(jìn)行集中處置,這是減輕溫瑞塘河水污染的必要前提和根本方法;推廣人工濕地、沉水植物、生物浮床和植被緩沖區(qū)等生態(tài)修復(fù)技術(shù),通過植物吸收固定水中的氮磷營養(yǎng)鹽,增加河流生態(tài)系統(tǒng)的生物多樣性;對低氧、缺氧河段,可以利用曝氣等復(fù)氧技術(shù),提高水體中DO的含量,有助于水生態(tài)系統(tǒng)從厭氧狀態(tài)恢復(fù)到好氧環(huán)境,改善水體的自凈能力.此外引水沖污,即將水質(zhì)較好的甌江和珊溪水庫中的水引入溫瑞塘河水系,能夠在短時(shí)間內(nèi)有效緩解水系污染,改善區(qū)域環(huán)境,推薦在降水量少、水體流動(dòng)性差的枯水期進(jìn)行應(yīng)用.

圖5 各監(jiān)測斷面模型輸入?yún)?shù)靈敏度分析

3 結(jié)論

3.1 Monte Carlo-CWQI耦合水質(zhì)評價(jià)模型能夠求出任意可信度下的CWQI,為水環(huán)境管理提供更為豐富的決策信息.通過對模型輸入?yún)?shù)的靈敏度分析,能夠表征不同水質(zhì)指標(biāo)對水體污染程度的大小,為流域水質(zhì)改善和水環(huán)境管理提供了科學(xué)依據(jù).

3.2 溫瑞塘河流域水體污染嚴(yán)重,勤奮、九山、東水廠、十字河、南白象、灰橋、新橋、米篩橋、仙門、光明、郭溪、瞿溪、西岙和梧田監(jiān)測斷面處于重度污染的概率分別為28.50%, 0.55%, 92.71%, 59.73%, 78.85%, 39.38%, 78.87%, 83.09%, 65.32%, 78.08%, 0.00%, 0.96%, 68.09%, 86.06%;處于嚴(yán)重污染的概率分別為71.28%, 0.01%, 4.33%, 39.76%, 21.07%, 60.59%, 4.42%, 12.41%, 11.02%, 21.24%, 0.00%, 0.02%, 1.42%, 13.12%.鑒于溫瑞塘河水污染的嚴(yán)峻現(xiàn)狀,采取相應(yīng)的水污染防治措施,以維護(hù)河流生態(tài)健康刻不容緩.

3.3 TN,NH3-N和DO單因子污染指數(shù)的SRCC值是其他水質(zhì)指標(biāo)的兩倍以上,表明TN,NH3-N和DO是影響該地區(qū)水質(zhì)達(dá)標(biāo)的主要因子,對水質(zhì)污染程度有決定性的影響.

[1] Xia X H, Zhou J S, Yang Z F. Nitrogen contamination in the Yellow River basin of China [J]. Journal of Environmental Quality, 2002, 31(3):917-925.

[2] Chang H J. Spatial analysis of water quality trends in the Han River basin, South Korea [J]. Water Research, 2008,42(13):3285-3304.

[3] 于興修,楊桂山.典型流域土地利用/覆被變化及對水質(zhì)的影響-以太湖上游浙江西苕溪流域?yàn)槔?[J]. 長江流域資源與環(huán)境, 2003, 12(3):211-217. Yu X X, Yang G S. Land use/cover change of catchment and its water quality effects-A case study of Xitiaoxi Catchment in Zhejiang province [J]. Resources and Environment in the Yangtze Basin, 2003, 12(3):211-217.

[4] 林日彭,倪兆奎,郭舒琨,等.近25年洞庭湖水質(zhì)演變趨勢及下降風(fēng)險(xiǎn)[J]. 中國環(huán)境科學(xué), 2018,38(12):4636-4643. Lin R P, Ni Z K, Guo S K, et al. The trend and downside risk of water quality evolution in Dongting Lake in recent 25years [J]. China Environmental Science, 2018,38(12):4636-4643.

[5] 劉 琰,鄭丙輝,付 青,等.水污染指數(shù)法在河流水質(zhì)評價(jià)中的應(yīng)用研究 [J]. 中國環(huán)境監(jiān)測, 2013,29(3):49-55. Liu Y, Zheng B H, Fu Q, et al. Application of water pollution index in water quality assessment of rivers [J]. Environmental Monitoring in China, 2013,29(3):49-55.

[6] 薛巧英.水環(huán)境質(zhì)量評價(jià)方法的比較分析 [J]. 環(huán)境保護(hù)科學(xué), 2004, (4):64-67. Xue Q Y. Comparison and analysis of the methods on water environment quality assessment [J]. Environmental Protection Science, 2004,(4):64-67.

[7] 富天乙,鄒志紅,王曉靜.基于多元統(tǒng)計(jì)和水質(zhì)標(biāo)識指數(shù)的遼陽太子河水質(zhì)評價(jià)研究 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2014,34(2):473-480. Fu T Y, Zou Z H, Wang X J. Water quality assessment for Taizi River watershed in Liaoyang section based on multivariate statistical analysis and water quality identification index [J]. Acta Scientiae Circumstantiae, 2014,34(2):473-480.

[8] Wu Z S, Wang X L, Chen Y W, et al. Assessing river water quality using water quality index in Lake Taihu Basin, China [J]. Science of the Total Environment, 2018,612:914-922.

[9] 徐祖信.我國河流綜合水質(zhì)標(biāo)識指數(shù)評價(jià)方法研究 [J]. 同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2005,33(4):482-488. Xu Z X. Comprehensive water quality identification index for environmental quality assessment of surface water [J]. Journal of Tongji University (Natural Science), 2005,33(4):482-488.

[10] 萬金保,李媛媛.模糊綜合評價(jià)法在鄱陽湖水質(zhì)評價(jià)中的應(yīng)用 [J]. 上海環(huán)境科學(xué), 2007,26(5):215-218. Wan J B, Li Y Y. An application of fuzzy comprehensive evaluation to assessing the water quality of Poyang Lake [J]. Shanghai Environmental Sciences, 2007,26(5):215-218.

[11] 鄒志紅,王學(xué)良.基于隨機(jī)樣本的BP模型在水質(zhì)評價(jià)中的應(yīng)用 [J]. 環(huán)境工程, 2007,25(1):69-71. Zou Z H, Wang X L. Application of BP modeling based-on random samples to assessment on natural water quality [J]. Environmental Engineering, 2007,25(1):69-71.

[12] 解 瑩,李敘勇,王慧亮,等.灤河流域上游地區(qū)主要河流水污染特征及評價(jià) [J]. 環(huán)境科學(xué)學(xué)報(bào), 2012,32(3):645-653. Xie Y, Li X Y, Wang H L, et al., Stream pollution analysis and hydrochemical assessment of the upper Luanhe River Basin [J]. Acta Scientiae Circumstantiae, 2012,32(3):645-653.

[13] 高學(xué)平,孫博聞,訾天亮,等.基于時(shí)域權(quán)重矩陣的模糊綜合水質(zhì)評價(jià)法及其應(yīng)用 [J]. 環(huán)境工程學(xué)報(bào), 2017,11(2):970-976. Gao X P, Sun B W, Zi T L, et al. Application of improved fuzzy comprehensive water quality assessment based on weight matrix of temporal distribution [J]. Chinese Journal of Environmental Engineering, 2012,32(3):645-653.

[14] 張欣莉,丁 晶,李祚泳,等.投影尋蹤新算法在水質(zhì)評價(jià)模型中的應(yīng)用[J]. 中國環(huán)境科學(xué), 2000,20(2):187-189. Zhang X L, Ding J, Li Z Y, et al. Application of new projection persuit algorithm in assessing water quality [J]. China Environmental Science, 2000,20(2):187-189.

[15] 李祚泳,張正健.基于回歸支持向量機(jī)的指標(biāo)規(guī)范值的水質(zhì)評價(jià)模型[J]. 中國環(huán)境科學(xué), 2013,33(8):1502-1508. Li Z Y, Zhang Z J. Model of water quality evaluation with normalized indexes values based on regression support vector machines [J]. China Environmental Science, 2013,33(8):1502-1508.

[16] 王書轉(zhuǎn),趙先貴,肖 玲.秦嶺北麓區(qū)域主要河流水質(zhì)分析與評價(jià) [J]. 干旱區(qū)資源與環(huán)境, 2007,(8):42-47. Wang S Z, Zhao X G, Xiao L. The analysis and appraisal of Mai Rivers’ water quality on the north slope of Qinling Mountains [J]. Journal of Arid Land Resources and Environment, 2007,(8):42-47.

[17] 孫 濤,張妙仙,李苗苗,等.基于對應(yīng)分析法和綜合污染指數(shù)法的水質(zhì)評價(jià) [J]. 環(huán)境科學(xué)與技術(shù), 2014,37(4):185-190. Sun T, Zhang M X, Li M M, et al. River water quality evaluation based on correspondence analysis and comprehensive pollution index method [J]. Environmental Science & Technology, 2014,37(4): 185-190.

[18] 陳丁江,呂 軍,金培堅(jiān),等.非點(diǎn)源污染河流水環(huán)境容量的不確定性分析 [J]. 環(huán)境科學(xué), 2010,31(5):1215-1219. Chen D J, Lu J, Jin P J, et al. Uncertainty analysis of water environmental capacity in the non-point source polluted river [J]. Environmental Science, 2010,31(5):1215-1219.

[19] 張應(yīng)華,劉志全,李廣賀,等.基于不確定性分析的健康環(huán)境風(fēng)險(xiǎn)評價(jià) [J]. 環(huán)境科學(xué), 2007,28(7):1409-1415. Zhang Y H, Liu Z Q, Li G H, et al. Uncertainty analysis of health risk assessment caused by benzene contamination in a contaminated site [J]. Environmental Science, 2007,28(7):1409-1415.

[20] Qu C S, Sun K, Wang S R, et al. Monte Carlo simulation-based health risk assessment of heavy metal soil pollution: a case study in the Qixia mining area, China [J]. Human and Ecological Risk Assessment, 2012, 18(4):733-750.

[21] 孫清展,臧淑英,張囡囡,等.基于蒙特卡羅方法的扎龍濕地水環(huán)境質(zhì)量評價(jià) [J]. 濕地科學(xué), 2013,11(1):75-81. Sun Q Z, Zang S Y, Zhang N N, et al. Evaluation of Water Environment Quality of Zhalong Wetlands based on Monte Carlo Method [J]. Wetland Science, 2013,11(1):75-81.

[22] Signorino C S. Structure and uncertainty in discrete choice models [J]. Political Analysis, 2003,11(4):316-344.

[23] 楊 陽,代 丹,蔡怡敏,等.基于Monte Carlo模擬的土壤重金屬綜合風(fēng)險(xiǎn)評價(jià)與案例分析 [J]. 環(huán)境科學(xué), 2015,36(11):4225-4231. Yang Y, Dai D, Cai Y M, et al. Comprehensive risk assessment of soil heavy metals based on Monte Carlo simulation and case study [J]. Environmental Science, 2015,36(11):4225-4231.

[24] 佟瑞鵬,楊校毅.基于蒙特卡羅模擬的土壤環(huán)境健康風(fēng)險(xiǎn)評價(jià):以PAHs為例 [J]. 環(huán)境科學(xué), 2017,38(6):2522-2529. Tong R P, Yang X Y. Environmental health risk assessment of contaminated soil based on Monte Carlo method: A case of PAHs [J]. Environmental Science, 2017,38(6):2522-2529.

[25] 國家環(huán)境保護(hù)總局.水和廢水監(jiān)測分析方法 [M]. 4版.北京:中國環(huán)境科學(xué)出版社, 2002. State Environment Protection Bureau of China. Water and wastewater monitoring and analysis method [M]. (4th Edition) Beijing: China Environmental Science Press, 2002.

[26] GB3838-2002 地表水環(huán)境質(zhì)量標(biāo)準(zhǔn) [S]. GB3838-2002 Environmental quality standards for surface water [S].

[27] Ji X L, Dahlgren R A, Zhang M H. Comparison of seven water quality assessment methods for the characterization and management of highly impaired river systems [J]. Environmental Monitoring and Assessment, 2016,188(1):15.

[28] 王肖肖,張妙仙,徐兵兵.模糊標(biāo)識指數(shù)與對應(yīng)分析法在水質(zhì)評價(jià)中的聯(lián)合應(yīng)用 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2012,32(5):1227-1235. Wang X X, Zhang M X, Xu B B. Combination and application of fuzzy identification index and correspondence analysis method in water quality evaluation [J]. Acta Scientiae Circumstantiae, 2012,32(5): 1227-1235.

[29] 金樹權(quán).水庫水源地水質(zhì)模擬預(yù)測與不確定性分析 [D]. 杭州:浙江大學(xué), 2008. Jin S Q. Modeling and prediction of water quality in headwater area of reservoir and uncertainty analysis [D]. Hangzhou: Zhejiang University, 2008.

[30] 沈曄娜,呂 軍,陳軍華,等.水源區(qū)河流非點(diǎn)源污染物入河量計(jì)算的水質(zhì)方程反演方法 [J]. 環(huán)境科學(xué), 2010,31(8):1768-1774. Shen Y N, Lu J, Chen J H, et al. Inversion formula of one-dimensional water quality equation for the export loads of nonpoint sources pollution in headwater area [J]. Environmental Science, 2010,31(8): 1768-1774.

[31] 廖 杰,王文圣,丁 晶.貝葉斯公式在河流水質(zhì)綜合評價(jià)中的應(yīng)用 [J]. 四川師范大學(xué)學(xué)報(bào)(自然版), 2007,30(4):519-522. Liao J, Wang W S, Ding J. Comprehensive assessment of water quality on main rivers in Sichuan by Bayes method [J]. Journal of Sichuan Normal University (Natural Science), 2007,30(4):519-522.

致謝：溫瑞塘河水質(zhì)監(jiān)測數(shù)據(jù)由溫州市環(huán)保局提供,在此表示感謝.

River water quality assessment based on Monte Carlo simulation: A case study of Wen-Rui Tang River.

HUANG Hong1,2,3, SHANG Xu1,2,3, MEI Kun1,2,3, WANG Zhen-feng1,2,3, XIA Fang1,2,3, HUANG Shu-hui1, ZHANG Ming-hua1,2,3, JI Xiao-liang1,2,3*

(1.School of Public Health and Management, Wenzhou Medical University, Wenzhou 325035, China；2.Key Laboratory of Watershed Science and Health of Zhejiang Province, Wenzhou 325035, China；3.Southern Zhejiang Water Research Institute (iWATER), Wenzhou 325035, China)., 2019,39(5)：2210~2218

Accurate evaluation of the pollution magnitude in a water body is an important premise for effective water pollution prevention and control. This study used Monte Carlo simulation method together with comprehensive water quality index (CWQI) method and statistical analysis of measured water quality parameters to assess water quality. The Wen-Rui Tang River watershed was used as the study site. Through the combined model and water quality data from 14 monitoring sites at Wen-Rui Tang River during 2004 to 2010, the probability of each site for every pollution level and the influence of each water quality parameter on water pollution were quantified. The results of Monte Carlo-CWQI coupled model indicated that the water quality of Wen-Rui Tang River was highly impaired. The probabilities of the water impairments at sites of Qinfen, Jiushan, Dongshuichang, Shizihe, Nanbaixiang, Huiqiao, Xinqiao, Mishaiqiao, Xianmen, Guangming, Guoxi, Quxi, Xi-ao, and Wutian being at the heavy pollution level were 28.50%, 0.55%, 92.71%, 59.73%, 78.85%, 39.38%, 78.87%, 83.09%, 65.32%, 78.08%, 0.00%, 0.96%, 68.09%, and 86.06%, respectively. The probabilities of the water impairments at these monitoring sites being worse than heavy pollution level were 71.28%, 0.01%, 4.33%, 39.76%, 21.07%, 60.59%, 4.42%, 12.41%, 11.02%, 21.24%, 0.00%, 0.02%, 1.42%, and 13.12%, respectively. The spearman rank correlation coefficient for total nitrogen (TN), ammonium-nitrogen (NH3-N) and dissolved oxygen (DO) respectively ranged from 0.41 to 0.76, 0.25 to 0.63 and 0.14 to 0.66, which were more than twice on the values for other parameters. This result implied that TN, NH3-N and DO were the dominant factors affecting the rate of reaching water quality standard in Wen-Rui Tang River. This investigation can broaden the viewpoints for researches and managers on river water quality evaluation and can provide abundant information for decision-making on water environment management.

Monte Carlo simulation；water quality assessment；uncertainty；Wen-Rui Tang River

X522

A

1000-6923(2019)05-2210-09

黃 宏(1982-),男,廣西靖西人,博士,助理研究員,碩士生導(dǎo)師,主要從事流域非點(diǎn)源污染防控及環(huán)境與人群健康風(fēng)險(xiǎn)方面的研究.發(fā)表論文20余篇.

2018-10-26

國家自然科學(xué)基金資助項(xiàng)目(41601554,41807495);溫州市基礎(chǔ)性科研項(xiàng)目(S20180005)

*責(zé)任作者, 助理研究員, jixiao556677@126.com