• 全国中文核心期刊
  • 中国科技核心期刊
  • 美国工程索引(EI)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

地表水污染源识别方法研究进展

刘晓东 王珏 LIUXiaodong WANGJue

刘晓东, 王珏, LIUXiaodong, WANGJue. 地表水污染源识别方法研究进展[J]. 水科学进展, 2020, 31(2): 302-311. doi: 10.14042/j.cnki.32.1309.2020.02.016
引用本文: 刘晓东, 王珏, LIUXiaodong, WANGJue. 地表水污染源识别方法研究进展[J]. 水科学进展, 2020, 31(2): 302-311. doi: 10.14042/j.cnki.32.1309.2020.02.016
Advances in methods for identifying surface water pollution sources[J]. Advances in Water Science, 2020, 31(2): 302-311. doi: 10.14042/j.cnki.32.1309.2020.02.016
Citation: Advances in methods for identifying surface water pollution sources[J]. Advances in Water Science, 2020, 31(2): 302-311. doi: 10.14042/j.cnki.32.1309.2020.02.016

地表水污染源识别方法研究进展

doi: 10.14042/j.cnki.32.1309.2020.02.016
基金项目: 

国家自然科学基金资助项目 51739002

国家自然科学基金资助项目 51479064

详细信息
    作者简介:

    刘晓东(1972—) , 男 , 江苏姜堰人 , 副教授 , 博士 , 主要从事环境水力学方面研究。E-mail : xdliu@hhu.edu.cn

  • 中图分类号: TV122;X52;G353.11

Advances in methods for identifying surface water pollution sources

Funds: 

The study is financially supported by the National Natural Science Foundation of China 51739002

The study is financially supported by the National Natural Science Foundation of China 51479064

计量
  • 文章访问数:  57
  • HTML全文浏览量:  8
  • PDF下载量:  42
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-08-06
  • 网络出版日期:  2020-02-12
  • 刊出日期:  2020-03-01

地表水污染源识别方法研究进展

doi: 10.14042/j.cnki.32.1309.2020.02.016
    基金项目:

    国家自然科学基金资助项目 51739002

    国家自然科学基金资助项目 51479064

    作者简介:

    刘晓东(1972—) , 男 , 江苏姜堰人 , 副教授 , 博士 , 主要从事环境水力学方面研究。E-mail : xdliu@hhu.edu.cn

  • 中图分类号: TV122;X52;G353.11

摘要: 地表水污染源的准确识别对于突发水污染事件中制定补救策略、确定责任方具有重要的指导意义。从污染源识别的基本问题出发, 综述了地表水污染源识别的两类方法, 一类是数学模拟法, 包括直接求解法和间接求解法, 直接求解法又包括解析法和正则化方法, 间接求解法又包括模拟优化法、概率统计法及耦合算法; 另一类是足迹分析法。在此基础上, 系统地讨论了污染源识别的不确定性, 包括污染源信息、观测数据、地表水模型、水动力条件、污染物性质5个方面。并指出地表水污染源识别的不确定性和时效性是制约其应用价值的关键因素, 需要在方法耦合、识别效率提高、不确定性分析及污染物性质等方面做进一步的研究。

English Abstract

刘晓东, 王珏, LIUXiaodong, WANGJue. 地表水污染源识别方法研究进展[J]. 水科学进展, 2020, 31(2): 302-311. doi: 10.14042/j.cnki.32.1309.2020.02.016
引用本文: 刘晓东, 王珏, LIUXiaodong, WANGJue. 地表水污染源识别方法研究进展[J]. 水科学进展, 2020, 31(2): 302-311. doi: 10.14042/j.cnki.32.1309.2020.02.016
Advances in methods for identifying surface water pollution sources[J]. Advances in Water Science, 2020, 31(2): 302-311. doi: 10.14042/j.cnki.32.1309.2020.02.016
Citation: Advances in methods for identifying surface water pollution sources[J]. Advances in Water Science, 2020, 31(2): 302-311. doi: 10.14042/j.cnki.32.1309.2020.02.016
  • 中国地表水环境的形势非常严峻, 受到严重污染的劣Ⅴ类水体所占比例较高, 根据2018年《中国生态环境状况公报》, 全国劣Ⅴ类比例为6.7%。一些地区水环境质量差、水生态受损重、环境隐患多等问题十分突出。为保障国家水安全, 中国加大了水环境防治力度。地表水污染源信息获取是地表水污染防治工作的前提。地表水污染源即向地表水排放污染物或者对水环境产生有害影响的场所、设备和装置。目前, 排污口监测是污染源信息获取的主要手段, 但由于区域污染源数量分布和变化的复杂性, 受人力物力资源分配所限, 仅仅依靠排污口调查与监测获取污染源信息已不能满足水污染控制与管理的要求, 需要发展污染源信息获取的新方法。

    污染源识别又称溯源, 可以根据已有的调查或监测数据, 对污染源的位置、源强、排放过程等进行识别, 为地表水污染源信息获取提供了新的手段和思路。近年来, 中国突发水环境污染事件发生的频率呈现逐年上升趋势, 由于突发污染事故具有不确定性(如船舶运输化学品的泄露), 在事故发生初期往往无法确定污染源的发生位置、排放源强等基本参数, 给事故的预警预报和处理处置工作带来困难[1-2]。因此, 科学、准确、快速地识别污染源信息对于水污染事故预警及应急处置极其重要[3]。由于地表水污染识别具有水动力条件复杂和影响因素众多的特点, 受到了众多学者的关注, 地表水污染源识别的理论和方法成为近年的研究热点和难点。本文将综述地表水污染源识别反问题方法的研究进展, 探讨污染源识别的不确定性, 最后对尚需研究的问题提出看法, 以期有助于推动中国环境水力学反问题研究的进一步发展。

    • 在环境水力学学科中, 在确定的环境系统控制方程(数学模型及参数)、边界条件、初始条件下, 根据污染源信息求解污染物的空间分布和随时间演化的规律, 这一过程符合污染物输移扩散的自然规律, 称之为正问题。与此相对应, 已知污染物时空分布的部分信息及相应的水环境系统控制方程(数学模型)的形式, 反求模型参数、边界条件、初始条件、源项等信息, 则称为环境水力学反问题。在环境水力学反问题分类中, 地表水污染源识别属于环境水力学反问题中的源项反问题[4]

      反问题求解的难度通常比相应的正问题要大, 这是因为反问题的求解往往违背了物理过程的自然顺序, 从而使正问题中的许多良好性质不再满足, 数学计算也相应地带来困难。这些困难主要体现在反问题的非线性和不适定性。地表水污染源反问题不适定性主要源于地表水环境系统的不确定性, 污染源识别涉及诸多不确定性因素, 如模型参数的不确定性、观测数据的不确定性和污染源自身的不确定性等, 同时观测数据量不足或采样位置不合理也会导致反问题求解的不适定性。这是地表水污染源识别的关键难点问题, 也是反演模型难以推广应用的主要原因之一。反问题的研究和应用还经常面临非线性的困扰, 即使正问题是线性的, 它的反问题也往往表现为非线性。由于反问题的非线性, 通常需要进行多次正反演迭代, 在高维情况下将导致十分巨大的计算量问题[5]。因而非线性问题也是反问题求解的难点之一。

      污染源识别早期研究围绕着地下水环境系统展开, 对于地下水污染问题, 污染源的主要信息(位置、强度及持续时间等)往往不知道, 实际中常常通过现场勘测进行地下水污染源调查, 工作量大、经验性强且观测的数据往往不足以确定污染源的位置以及污染源的分布范围。因此, 造成了地下水污染修复的困难, 而反演方法具有更高的精度和可靠性, 成为地下水污染研究的重要途径[6]。Neuman[7]最早将反问题求解理论引入水文水资源领域。王景瑞和胡立堂[8]综述了地下水污染源识别数学方法的研究进展。随着国家对地表水污染防治的高度重视, 反演理论被引入地表水环境系统, 地表水污染源识别反问题的研究发展迅速, 成为环境水力学反问题研究中最活跃的分支。

    • 在地表水污染源识别研究之初, 地下水污染源识别的研究已开展了几十年, 因此许多地下水污染源识别的方法也逐渐被借鉴用来解决地表水污染源识别问题。不同的学者对地下水污染源识别方法的分类有不同的见解。Atmadja和Bagtzoglou[9]将地下水污染源识别的数学方法归纳为四类:优化方法、解析方法、直接法、随机理论和地质统计学方法。Sun等[10]将地下水污染源识别方法归纳为三类:优化方法、随机理论方法、逆时求解对应弥散方程。Milnes和Perrochet[11]将地下水污染物溯源的方法分为地球化学足迹和数学模拟法。王景瑞和胡立堂[8]将地下水污染源识别研究的数学方法分为两大类, 一类为直接方法, 包括反向追踪法和基于正则化的方法;另一类为间接方法, 包括基于优化的方法和基于概率统计的方法。杨海东等[12]将突发性水污染溯源方法分为确定性方法和概率方法。本文借鉴Milnes和Perrochet[11]的分类方法, 将地表水污染源识别方法分为两类:数学模拟法和足迹分析法。

    • 数学模拟法假定污染物的传质过程可以由对流扩散方程描述, 利用污染物输运模拟推求污染源, 包括直接求解法和间接求解方法, 间接求解法又包括模拟优化法(确定性方法)和概率统计法(非确定性方法)以及耦合算法。

    • 直接求解法包括解析法和正则化方法。

      (1) 解析法

      解析法是反问题求解最早使用的方法, 解析法将源项作为待求变量, 针对特定的反问题用特定的数学方法直接求解, 具有计算成本低, 结果精确等优点[13]。例如在地下水问题的求解中, Sidauruk等[14]用解析法求解了污染物迁移的反问题, 通过已知的浓度分布, 从而估计出弥散系数、污染物的量、流速、初始位置和初始时间等相关信息。尽管解析法具有理论严密、结果准确等优点, 但是由于在实际问题中, 控制方程、定解条件往往比解析解所依据的假设条件要复杂得多, 而且只有少数一部分的方程可以构造出解析解, 有着很明显的局限性。因此在地表水的研究中, 很少采用此方法来进行污染源识别。解析方法的计算效率较高, 但基于解析法存在限制条件, 更适宜在水文地形条件及污染物迁移过程简单的情况下使用。

      (2) 正则化方法

      当反演模型的精确解难以得到的情况下, 常常采用近似解代替解析解, 正则化方法就是求解反问题常用的近似解法之一, 由Tikhonov于20世纪60年代初以第一类算子方程为基本数学框架创造性地提出, 后来又得到深入发展[15]。正则化方法用一组与原问题相邻近的适定问题的解去逼近原问题的解, 将不适定问题转化为条件适定问题, 从而可以对反问题进行直接求解。正则化方法研究成果主要集中在数学物理反问题领域, 一些学者尝试将其应用到扩散方程点源识别。Hamdi[16]将污染源反问题转化为最优化问题, 并通过经典的最小二乘法的正则化法求解了二维污染源识别问题。Wei等[17]设计了一种基于最佳摄动量正则化的耦合方法对多点源分数阶扩散方程进行溯源分析。

      正则化方法是目前求解数学物理反问题最具普适性、在理论上最完备而且行之有效的方法, 但是此类方法对水流的要求非常高, 所以在应用上往往以牺牲解的精度为前提, 而且正则参数的选择具有较强的主观性, 对计算结果影响较大。权重过小时, 正则化的稳定作用失效, 而权重过大时, 反问题的解本质上是被人工平滑了。

    • 最优化方法是反问题求解的主流算法, 其基本原理是将污染源识别问题转化成优化问题, 即寻求污染源的位置、浓度等变量或它们的组合, 使模拟模型的输出结果逼近观测数据。此方法常将正向的地表水流与污染物迁移数学模型与优化算法耦合在一起, 形成模拟-优化耦合模型。在优化过程中, 正向的水质模型被反复调用, 各次模拟的结果将与观测数据进行比较, 优化模型则用于寻找使模拟结果最接近观测数据的解(污染源的位置、浓度等变量)。

      (1) 优化算法的类型

      优化算法分为启发式算法和非启发式算法。

      非启发式算法即传统的优化算法, 已被广泛应用于非线性模型的优化问题。非线性优化算法可以分为两类, 间接类方法和直接类方法。间接类方法需要计算目标函数的导数, 又称导数类方法, 包括梯度法、牛顿迭代法、变尺度法(拟牛顿法)、共轭梯度法等。如韩龙喜和朱党生[18]采用梯度法求解河网地区带约束条件的污染源控制反问题。刘晓东[19]采用变尺度法进行了多参数反演研究。由于导数类方法需要用到目标函数的导数, 但实际问题中有时目标函数十分复杂, 导数表达式更加复杂甚至难以求得, 此时可采用直接类方法。直接类方法主要有单纯形法、方向加速法(Powell法)和步长加速法等。常文婷等[20]根据潮汐河流的水动力及污染物输运特征, 在平面二维水动力、水质数学模型的基础上, 采用单纯形法对河流污染源控制反问题进行了求解。刘晓东等[21]则针对非恒定水流条件, 将单纯形法与河流水质模型FDM计算方法相结合, 实现了对污染源和水质参数的联合反演。非启发式优化算法对参数初值选取依赖性较高, 当非线性模型同时为非凸模型时, 如果待估参数的初值选择不当, 非启发式优化算法非常容易陷入局部极小值, 而无法求得最小值, 因此, 被认为是局部优化算法。

      启发式算法是相对于局部优化算法提出的, 不依赖于问题的数学性能, 对初值的要求不严格、不敏感, 在合理的时间内寻找到全局最优值或者接近最优的值, 可以处理复杂的优化问题, 在地下水污染源识别领域应用非常广泛。当前应用于地表水污染源识别的启发式算法主要包括遗传算法[22-25]、微分进化算法[1, 19, 26]、蚁群算法[27]、粒子群算法[28]等。研究结果表明, 由于正问题一般是适定的, 模拟优化法作为一种间接方法, 相比较于直接求解方法适应性更广, 可以克服直接求解反问题的不适定性。

      (2) 优化算法需调用的水质正演模型

      水质正演模型即通常的水质预测数学模型, 按照解法的不同可以分为解析解模型和数值解模型。由于多次调用数值解模型计算工作量较大, 目前研究大多对污染源识别问题进行了简化, 采用解析解模型。但复杂问题离不开调用水质正演数值解模型, 选择合适的数值解模型是问题求解的关键, 而如何选择需要考虑水体是河流、河网还是湖泊, 研究对象是零维、一维、二维还是三维水体, 水流运动是稳态或是非稳态, 污染物是连续排放还是间歇排放等相关信息。

      (3) 提高计算效率的方法

      在实际情况中, 由于河流的水流情况复杂, 往往需要采用复杂的模拟模型, 计算速度较慢。正演模型与优化模型相耦合, 每迭代一次需要调用一次正演模型, 计算量非常大。有学者提出可以提高计算效率的方法, 主要有并行计算法、响应矩阵法和替代模型法, 都是通过改变污染物的迁移模型从而达到提高计算效率的目的。

      并行计算是一次可执行多个指令的算法, 即通过扩大问题求解规模, 解决大型而复杂的问题。目前, 在地下水污染源识别问题上有学者采用此类方法, 计算效率可以提高100倍以上。而在地表水的污染源识别中, 尚未发现并行计算方法的应用成果。

      响应矩阵法首先运用模拟模型来确定系统的输出(污染物浓度)对输入(污染源负荷)的响应关系, 即单位脉冲响应函数, 并形成函数值的集合——响应矩阵。运用响应矩阵法可以显著减少优化模型中决策变量和约束方程的个数, 从而提高模型的计算效率。当模拟模型中偏微分方程是线性偏微分方程时, 只需计算一次响应矩阵, 而当偏微分方程为非线性时, 则每次迭代都需计算一次响应矩阵。因此, 在实际应用中, 要求边界条件必须是线性齐次条件[29]

      相比于并行计算和响应矩阵法, 替代模型的使用更加广泛。替代模型法是指利用没有物理意义的数据驱动模型取代污染物输移模型进行污染源识别的方法, 通过观测数据或模拟生成的数据对替代模型进行训练, 使其在一定程度上具有污染物输移模型等效的功能。由于替代模型的计算量远小于污染物输移数值解模型, 因此, 替代模型法能够大幅度减少数值模型所带来的计算负荷, 从而提高污染源识别的效率。常用的替代模型有人工神经网络、支持向量机、克里格方法等。如马梦蝶等[30]运用小波神经网络建立了研究区非点源污染模型的替代模型, 研究结果表明, 小波神经网络模型可以很好地代替非点源污染模拟模型, 从而可以大幅减少计算时间。

    • 概率统计法是基于特定事件发生概率的评估, 如知道发生污染事故的大致时间和大概位置, 将其写成概率密度函数的形式, 通过已知的污染源信息得到最优估计值, 即可得到反问题的解。概率统计法包括贝叶斯方法、逆向概率法等。

      贝叶斯推理及马尔科夫链蒙特卡罗法是应用最为广泛的统计类方法。该方法将先验信息转化为后验信息, 再通过构造似然函数获得后验概率分布。如曹小群等[31]采用马尔科夫链蒙特卡罗法成功地识别了一维多点污染源。姜继平等[32]开展了基于河流示踪剂实验的贝叶斯污染溯源研究。Guo等[33]以南水北调工程为例, 结合贝叶斯推理和马尔可夫链蒙特卡罗算法对源项参数进行了反演。

      逆向概率法是基于正向概率而得到的, 正向概率法即某一源释放物质, 由于物质扩散运动的随机性, 理论上可传播到下游任意位置;物质从源传播到下游某一点的概率则为正向概率。而逆向概率则从观测点的角度出发, 在观测点测量到的物质可能来自于任意位置, 而从哪个位置传播过来的概率就定义为逆向概率[34]。Ghane等[35]在河流突发意外泄漏事故时, 引入了逆向概率法, 利用此方法识别了污染源的位置及释放时间等相关信息。Cheng和Jia[36]提出了一种能够识别地表水点源位置的后向定位概率密度函数方法, 并通过对真实案例的研究, 成功确定污染源的位置。

      概率统计法作为不确定性问题的求解方法, 将不适定问题认为是扩展随机空间上的适定问题, 可以解决由观测噪声带来的非唯一性的问题。但这类方法需要预先假设未知参数的先验分布, 需要充分的样本来进行概率分析才能获得相对准确的统计结果, 因此, 对样本数的要求较高。

    • 不同的反演算法各有优点和缺点, 一些学者尝试将两种或两种以上的优化算法进行耦合, 取长补短, 提高污染源识别的精度与速率。如曹宏桂和贠卫国[37]基于粒子群算法较好的全局搜索能力和微分进化算法较强的局部搜索能力, 将两种优化算法结合起来, 先通过粒子群算法找到最优解的大概位置, 再用微分进化算法找到最优解。亦有学者将优化类方法与统计类方法进行耦合, 如杨海东等[12]、Yang等[38]基于确定性方法难以充分考虑河渠突发水污染事件的不确定性, 而不确定性方法得到的结果具有较强的随机性, 且抽样计算比较耗时, 于是将贝叶斯-蒙特卡罗方法与微分进化算法相结合, 应用于二维瞬时河道突发水污染溯源中, 结果表明,该方法相比于Bayesian-MCMC(Markov chain monte-carlo)方法可以有效地减少迭代次数, 而且精度更高, 稳定性更好。Wang等[3]、王家彪等[39]依据正向浓度概率密度与逆向位置概率密度的耦合关系, 构建了污染源识别的优化模型, 采用引入梯度概念的微分进化算法求解, 实际案例验证了该方法的适用性, 提高了计算效率。耦合算法弥补了单一算法的一些不足, 不仅使计算效率得到了提高, 而且反演的精度更高, 具有更高的应用价值。

    • 足迹分析法避开污染物输运过程模拟, 直接通过对长期监测数据的统计分析来识别可能的污染源及其贡献。主要有微生物溯源法、同位素法、水纹识别等方法。如卢杰等[40]利用微生物溯源技术快速、高效地识别了水体中的粪便污染源。He等[41]分别采用5种微生物以及4种线粒体DNA标记的方法进行水体中粪便污染物的识别, 并且对这几种标记法进行了评估。Somnark等[42]将基于DNA的微生物源追踪测定法成功地应用于了泰国的湄南河流域, 成功地解决了该流域的污染识别问题。袁丽君等[43]运用了氮氧同位素对滆湖区域的硝态氮污染源进行溯源, 给滆湖硝态氮污染的治理提供了科学依据。张东等[44]用硫和氧同位素示踪黄河小浪底水库干流和支流硫酸盐的来源, 结果表明, 硫酸盐主要来源于大气降水、土壤硫酸盐溶解以及石膏溶解。随着污染预警溯源仪的发明, 水质指纹技术受到了广泛的关注。吕清等[45]利用基于水纹的污染溯源技术开展溯源研究, 通过污染预警溯源仪在线监测捕捉到未知类型的水纹水体, 根据水纹峰型及峰强度的变化初步判断污染物的入侵过程, 再将水体水纹与污染源的水纹进行对比来实现溯源过程。单独使用足迹分析法只能定性分析可能的污染源及其贡献, 难以得到污染源的位置、源强以及污染物释放的时间过程等源项信息。

    • 地表水污染源识别过程存在诸多不确定性因素, 这些不确定性因素对污染源识别结果有较大影响, 通过不确定性分析, 可以提高识别结果的精度与可靠性。

    • 污染源信息包括污染源的数量、位置、排放方式、排放量、排放时间。当实际水污染事故突然发生时, 污染源的信息几乎是空白。在进行污染源识别时, 污染源信息的不确定性是导致反问题不适定性的主要因素之一。污染源信息的不确定性往往决定了识别参数的数量, 从而影响污染源识别的难度。为减轻污染源识别过程中的不确定性, 常常假定关于污染源的某些信息是确定的, 如假定污染源排放方式、排放位置为确定的, 在突发污染事故污染源识别时常常设定为瞬时排放, 如胡煜等[46]通过数值实验对源项反演方法进行验证时, 设计污染源为瞬时点源排放。但实际案例中, 污染源排放方式也可能是连续排放、间断排放, 污染源排放位置也可能是未知的, 需要开展相关研究工作。

    • 观测数据对于水污染源的识别来说至关重要, 其精度决定了污染源反演的准确性。观测数据的不确定性影响因素众多, 包括取样过程的不确定性和测试过程不确定性。取样过程不确定性的影响因素包括取样断面位置、取样时间、取样数量等。测试过程的不确定性主要是测试方法、测试仪器精度等带来的测试误差。已有学者取得了初步成果, Wang等[3]在对突发性水污染事故溯源中, 考虑了观测误差对结果的影响, 通过对假定案例的研究, 表明观测误差是识别过程中一个重要但不敏感的因素。陈媛华等[47]在用相关系数优化法对污染源进行反演时, 考察了采样噪声和监测时间间隔对计算结果的综合影响, 当采样噪声超过5%时, 取样时间间隔对反演结果会产生较大的影响。

    • 在大多数污染源识别方法中, 大多需要建立地表水水质正演模型, 假定模型模拟结果完全准确, 但实际中地表水模型存在大量的不确定性, 包括模型结构、模型参数等的不确定性, 这些不确定性的存在对污染源识别形成严重干扰。Zhang等[48]对伊春河流域SWAT模型进行了基于方差的敏感性分析, 分析揭示了各参数的个体效应及其与其他参数的相互作用对模型性能的影响。Cardwell和Ellis[49]同时考虑了模型的不确定性和参数的不确定, 对多点源情形下的污染负荷问题进行了研究。模型参数的准确性对污染源识别结果有较大的影响, 减小参数不确定性带来的误差是识别过程中的一个关键问题。

    • 水动力条件对污染物输运扩散有着较大影响, 水动力模拟是水质模拟的基础。现有污染源识别研究中大多基于理想水流条件开展, 如假定水流恒定均匀, 但实际中水动力条件存在大量的不确定性, 也是影响污染源识别效果的重要因素。陶亚等[50]通过对深圳河污染物浓度的研究表明, 在突发水污染条件下, 深圳河内污染物浓度变化主要受陆地径流的影响。陈媛华[51]在瞬时排放污染源源项识别过程中, 分析了流速的影响, 比较了流速已知和未知的情况, 并得知流速已知的反演结果比未知时略差。而对于其他的水动力学条件, 目前的相关研究还比较欠缺。

    • 水体中的污染物主要来自于工业废水、农业废水、生活废水、医疗废水等。造成水体的污染物种类繁多, 包括无机污染物、有机污染物、重金属、微生物、放射性污染物等。不同的污染物性质会影响污染物输移扩散的过程, 从而给污染源识别形成干扰。现有研究大多针对保守型污染物, 只考虑了污染物在地表水体中对流扩散等物理过程, 从而降低了污染源识别的难度。如龙岩等[52]研究了南水北调中线总干渠在污染物瞬时投放下, 在无侧向排水的相邻两明渠中可溶性保守物质浓度分布规律的数值模拟研究。而对非保守型污染物质, 目前仅考虑污染物的一级生化降解。由于突发水污染事故的发生具有随机性和偶然性, 致使污染物的类型、理化性质等均具有不确定性。即使通过现场取样等措施获得了事发水域的基本信息, 但是排放的污染物类型也会因为发现的滞后性而难以被确定, 而这些信息恰好是求解追踪溯源模型所需要的基本数据[53]

    • 经过上述的分析发现, 地表水的污染源识别近些年得到了飞速发展, 前人已经做了很多有意义的工作, 在一些假想案例中取得了较理想的效果, 但总体尚处于初步发展阶段, 成功的实际应用案例尚不多见, 仍然存在以下问题需要进一步的探讨。

      (1) 地表水污染源识别方法众多, 研究成果较丰富, 主要分为数学模拟法和足迹分析法。数学模拟法又包括直接法、模拟优化法、概率统计法, 每种方法都有各自的优点与局限性。耦合算法可以综合两种或多种方法的优点, 有效提高了计算精度, 但是如何选择合适的算法进行耦合, 以及如何进行耦合, 都是需要进一步思考的问题。

      目前耦合算法主要是将不同优化算法或者优化算法与概率统计方法进行耦合, 将数学模拟法与足迹分析法相结合将是地表水污染源识别方法研究的重点。

      (2) 污染源识别过程存在着很多不确定性因素, 如观测数据的不确定性、污染源信息的不确定性、模型本身的不确定性等。然而, 目前对于观测数据、模型参数的不确定性方面有一定的研究成果, 对污染源信息(如排放方式、排放位置)、水动力条件(如潮汐水域)、污染物性质的不确定性(如有机污染物)方面的研究成果缺乏。现有研究多集中于简单的理想算例, 如污染源排放为瞬时点源排放、水动力条件为恒定均匀流、污染物为保守型溶解性污染物等, 尽管取得了较好的效果, 却难以满足实际的工程需要。污染源识别过程的不确定性已成为影响识别精度、制约实际应用的关键难点问题, 是未来极具挑战性的重点研究方向。

      (3) 突发水污染事故发生后, 快速准确地识别污染源是后续污染治理的基础。地表水污染物输移较地下水污染物输移要快得多, 需要在较短的时间内获得污染源识别结果。然而, 在实际工程中, 污染物浓度的采样和分析测试均需要花费一定的时间, 污染源识别过程亦需要一定时间成本。因此, 污染源识别的时效性在污染源识别过程中非常重要, 这也是制约污染源识别方法应用价值的另一关键因素。污染源识别效率的提高, 一方面依赖于污染物快速检测技术的发展和在线监测网络的优化完善, 环境监测和物联网技术的发展将使得地表水污染监测数据的实时获取、分析成为可能;另一方面依赖于污染源识别方法效率的提高, 如何提高反演模型计算效率将是未来研究的关键。

      (4) 目前对于污染源识别研究的污染物主要为保守型污染物, 少数考虑了污染物一级生化降解。然而实际污染物进入地表水体后, 除了做随流迁移、分散稀释和衰减等运动外, 同时因污染物不同属性而存在挥发、吸附、沉淀、水解或光解等物理、生物、化学转化过程。因而, 不同种类的污染物在河流中的存在与分布形式以及输运规律有着很大的差异。因此, 研究污染物性质的影响并根据污染物的性质采取合适的溯源方法是未来研究的重要方向。

参考文献 (53)

目录

    /

    返回文章
    返回