MAROS優化地下水污染監測網需考慮的若干問題

郭永麗

(北京師范大學水科學研究院北京 100875)

由于地下水的不合理開發利用，產生了一些不良后果，除了含水層地下水疏干問題和地面沉降、海水入侵、地面塌陷、地裂縫等一些環境地質問題外，地下水污染已經成為一個嚴重的問題。在地下水系統的污染治理和修復中，需建立相應的地下水污染監測網，以獲取在時間和空間上地下水的物理、化學、生物特性的動態變化資料。地下水污染監測網密度的大小、監測頻率的高低，不僅僅直接決定消耗人力、物力和財力的多少，而且也影響地下水污染研究的精度和質量［1］。因此，最佳地布設研究區內地下水監測井密度和監測頻率，在保證監測精度和不影響風險評價的基礎上，以最少的監測費用獲取最全面的信息是地下水污染監測中備受關注的問題。

MAROS是首個基于 Windows平臺利用Microsoft Access和Microsoft Excel開發出來的用于地下水污染監測網優化設計的決策支持系統軟件。相比于水文地質分析法、聚類分析法、數學規劃模型法等，MAROS軟件將污染監測網的設計統一于模塊化，并應用于地下水污染監測網設計中，推動了污染監測網優化設計模塊化的研究進展。本文針對MAROS的應用原理以及其優化地下水污染監測網的過程，分析利用MAROS軟件時需要注意的一些問題，以便發揮該軟件的積極作用。

1 MAROS軟件應用原理

MAROS軟件是AFCEE(AirForce Center for Environmental Excellence)聯合GSI(Groundwater Services，Inc)公司，由Aziz等開發研制的應用于地下水污染監測網優化設計方案的決策支持系統的軟件。該軟件至今已升級到2.2版本［2］。目前，國外已將MAROS軟件應用于地下水長期監測網的優化設計中，該軟件在地下水污染監測網的優化設計中發揮積極作用，值得我國水文地質工作者在實踐中嘗試應用。

MAROS基本原理是利用數理統計方法分析污染物以往的濃度數據，并結合污染場地條件及污染物的變化狀況，優化現有的地下水污染監測網在時間上的取樣頻率和空間上的取樣密度，在保證監測精度的前提下，以最省的監測費用獲得研究區污染物在時空上最全面信息。MAROS軟件優化過程是由具有決定性作用的分析方法按照一定層次性組合而成。該軟件的優化分析過程可概化為三個階段:①分析污染場地信息及已有的監測數據，獲取污染物濃度變化趨勢和污染羽變化狀況;②優化研究區地下水污染監測網的取樣密度和取樣頻率;③提出研究區監測網的優化設計方案［3］。

MAROS軟件由數據管理(Data Management)、場地信息(Site Details)、污染羽分析(Plume Analysis)、取樣優化(Sampling Optimization)、數據的充分性分析(Data Sufficiency Analysis)和結果輸出(MAROS Output)6部分組成，其結構圖見圖1。

圖1 MAROS軟件結構圖

MAROS軟件優化地下水污染監測網流程(圖1所示):首先利用數據管理模塊和場地信息模塊分別輸入場地的監測數據和場地信息;其次為污染羽的分析，利用數理統計方法分析各取樣點污染物濃度變化趨勢和污染羽空間矩分析;第三為取樣點密度和取樣頻率的優化，分別利用Delaunay方法和修正的CES方法對監測網取樣點的二維空間位置分布和各監測點的取樣頻率進行優化;第四為監測網數據的充分性分析，包括每口井清理狀態的分析和隨著時間的推移在HSCB(Hypothetical statistical compliance boundary)處清理狀態的分析兩方面;最后確定地下水污染監測網的優化設計方案，并根據源區井、尾區井的濃度變化趨勢，確定地下水污染監測網的類型和地下水監測系統的監測持續時間［4］。

2 MAROS優化地下水污染監測網需考慮的若干問題

地下水污染監測能為社會提供很多的實用的水文信息，能為改善人們的生存環境和提高生活質量作出貢獻［5］。加強和改進地下水監測網，對建立專業化的地下水信息監測、管理和預報系統具有重要的現實意義，以優質的水文水資源信息支撐水資源的可持續利用，保障經濟社會的可持續發展。

地下水污染長期監測包括性能監控和合格性監管，具有兩個目標:①通過污染羽的監測，確認污染羽仍受水力條件控制;②監測污染羽減小過程，以確保其達到清理狀態。MAROS與長期監測計劃密切相關，隨著污染羽或場地條件的改變而改善地下水污染長期監測計劃。MAROS為一決策支持系統，基于統計方法，可應用于特定場地的數據，考慮目前和歷史場地的相關數據以及水文地質因素。該軟件提出以后最優的取樣頻率、取樣點位置和取樣密度，以及污染羽隨時間的變化狀況。

MAROS決策支持系統集中了LTM(Long Term Monitoring)分析方法，且通過數據管理、處理且以報告的形式輸出結果的系統改革優化方法［6］。結合MAROS軟件的應用原理及其特點，需要注意的有以下幾個方面:

2.1 監測數據

利用MAROS分析前，首先輸入場地已有的監測數據。監測數據在評價一個長期的監測系統工程起著至關重要的作用，有助于分析污染羽的變化狀況和采取適當的措施。主要有三個原因影響監測數據的精度:①取樣步驟;②分析方法;③時空變化。

由于野外取樣步驟——洗井、取樣、現場實驗、記錄實驗結果、保存和運輸樣品中存在系統誤差或隨機誤差，影響監測數據的精度。設計合理的取樣步驟和雇傭有經驗的取樣團隊可以降低取樣步驟引起的誤差。

由于實驗室定量分析一個特定的污染物方法和或受到實驗室性能穩定性的影響，未得到高質量的數據，影響MAROS軟件的分析結果。利用認可的分析方法和具有嚴格質量保證的實驗室可降低分析方法引起的誤差。

時空的變化是地下系統的固然屬性，由自然因素的變化或人為因素引起的。空間上，指不同位置的污染程度不同或具有不同的影響因素;對特定的含水層監測井布設不合理或過濾器的設置及其長度選擇不合理。時間上，除了隨機測量引起的時間誤差，還有監測系統本身的影響。這種由自然因素或人為因素對監測數據精度的影響可通過采取適當的統計技術降低。

2.2 場地資料

場地信息模塊是輸入場地的基本信息的模塊，包括監測區內源區、尾區的劃分、COC(Constituent of Concern)的種類、已有監測網監測井的分布、含水層的相關參數以及監測區域的范圍等。

監測區的劃分。根據污染場地污染羽與監測井的相對位置將監測區分為源區和尾區。源區是指污染源通過包氣帶滲濾進入飽水帶的范圍;尾區是指污染物進入飽水帶后，隨著地下水流動、運移和擴散的外圍面積，位于源區的下游。監測分區的劃分原則并不唯一，由于不同污染場地的污染起因不同，可根據污染場地的具體情況采用合適的分區方法。

污染組分的選擇。MAROS軟件一次最多可分析5種COC，當污染組分較多時，可選擇污染影響比重較大的污染物。考慮污染組分的遷移性(遷移系數)、毒性及其存在的普遍性，MAROS軟件中有機物的遷移系數取默認值，限制了地下水水流速度、空間尺度等因素的影響。

2.3 水文地質概念模型

水文地質概念模型是在充分分析地質、水文地質條件的基礎上，對水文地質實體進行一定抽象概化后的物理結構，包括含水層結構、含水層水力特征、含水層介質特征和水文地質參數進行概化。不同的水文地質概念模型，應用MAROS分析的過程也不同，如含水層厚度，等厚只需輸入一個數據，非等厚的含水層根據含水層的空間變化狀況進行輸入。

MAROS優化平臺收集大量的現場數據，并對數據變化趨勢之外信息的進行重點分析。通過觀察污染羽的穩定性及其可能的變化趨勢，在保持污染羽形態特征的前提下，可提高地下水污染監測網監測效率。不同的用戶用不同的方式使用MAROS，并且從不同的角度分析結果。在分析MAROS的結果時，不僅要具有明確地污染場地概念模型，而且要結合場地條件具體的信息、管理框架、社會問題及其它的污染場地的特殊情況進行全面分析MAROS結果。正確熟練掌握研究區的地質、水文、水文地質資料，才能正確、全面地分析MAROS的運行結果，更有效地應用于實踐中。

2.4 水文地質要素

MAROS軟件中的計算方法要求將研究區概化成均質各向同性二維含水層，僅適用于水文地質條件簡單的二維含水層;對于水文地質條件復雜的三維地下水污染問題，雖然可以采用逐層進行統計分析和優化設計的方法，但很難取得令人滿意的結果。以下主要對滲透系數和孔隙度兩個水文地質參數進行分析:

滲透系數。MAROS軟件中，地下水污染監測網監測持續時間判定表中TTR(time to receptor)的值由可能受到污染的地方到污染源的距離除以滲流速度求得，滲流速度可通過滲透系數與水力梯度的乘積求得，當受到污染的地方與污染源之間的距離不變時，滲透系數越大，TTR越小，反之亦然，影響地下水監測系統監測持續時間的確定。

孔隙度。在污染羽空間矩分析污染物總質量隨時間的變化中，污染物總質量計算公式，MassEstimated?∑ηViCiavg，η為孔隙度，污染物總質量與孔隙度呈一次線性關系，孔隙度越大，總質量越大，反之亦然。雖不會影響污染物濃度隨時間的變化趨勢，但影響污染物對研究區總體的危害程度。

MAROS軟件分析過程要求滲透系數和孔隙度的輸入值是一定值，實際上，任意含水層的滲透系數和孔隙度并不是一成不變的，是一些隨機的數值。可利用地下水隨機模擬方法分析滲透系數和孔隙度的不確定性對MAROS分析結果的影響。蒙特卡羅(Monte Carlo)法是一種地下水隨機模擬方法，該方法通過平均一系列反映含水層實際性質的確定性問題來模擬隨機過程的一種計算機模擬方法。蒙特卡羅(Monte Carlo)法假設輸入的參數是符合一定分布的隨機變量(如:滲透系數被認為是符合對數正態分布);然后在獲得水文地質參數的基礎上，為每個參數指定平均值和標準差，確定進行蒙特卡羅法模擬的參數范圍和隨機變量的統計特征，其中參數取值的上、下限分別取為固定值的75%和125%，標準差取為區間長度的20%;最后對參數做抽樣試驗，每一次模擬產生一組指定分布參數的隨機數組合，在每一組隨機數基礎上都運行一次，這樣就會產生一系列的解，根據這些解可計算出相關量的均值、標準差等隨機特征。模擬次數越多，選擇搜索的置信區間越大，與確定數值求得一個確定的解相比，這種隨機解能更真實地反映實際地下水系統的內在不確定性［7］。

此外，還有地下水流流向和含水層厚度兩個水文地質要素。通常情況下，污染羽沿地下水流方向具有近似對稱性，準確地掌握地下水水流方向，可獲得更準確地污染羽信息，有效判斷污染羽特征及其變化趨勢。含水層的厚度影響地下水體積，進而影響地下水污染組分的濃度，對于非等厚含水層，根據含水層厚度的空間變化狀況，準確輸入。

2.5 污染羽分析

2.5.1 污染物濃度趨勢分析方法

MAROS軟件利用Mann-Kendall和線性規劃兩種趨勢方法時考慮了幾個問題。第一，地下水水質數據近似符合對數分布時，利用線性規劃方法分析的趨勢更準確。第二，盡管分析樣品的結果沒有很好地符合一次關系，仍然可以通過有參或無參獲得與一次線性回歸有關的置信水平。利用這種分析，在一個較大范圍的置信水平下，平均趨勢的分散程度較高。此外，在不利的趨勢下，變異系數是用來區分穩定趨勢或無變化趨勢條件下的輔助手段。第三，當殘差正態分布時，一次線性回歸分析的結果較準確;當數據中存在異常數值時，Mann-Kendall的分析結果較準確。因此，Mann-Kendall和一次線性回歸分析方法均應用與MAROS軟件的趨勢分析中。

各個監測井中污染物濃度變化趨勢是通過Mann-Kendall分析方法和線性回歸方法分析的污染羽各取樣點濃度變化趨勢加權平均得出最后的總趨勢。權重的分配影響各個監測井中污染物濃度變化趨勢，進而影響源區井、尾區井污染物濃度變化趨勢，最終影響地下水污染監測網類型的判斷。

2.5.2 外界污染羽的穩定性信息

基于之前研究數據建立的模型和經驗結論可作為趨勢分析的輔助手段。模型例如用于釋放燃料烴的場地的BIOSCREEN模型和用于釋放含氯溶液的場地BIOCHLOR模型，可應用于預測污染物運移的最終范圍評價污染羽的穩定性。這些模型利用特定場地的數據計算用于預測污染羽的變化趨勢。從 Mace、McNab、Rice、Newell和 Connor等獲得的關于一般污染物BTEX、MTBE和氯化溶劑污染羽的經驗知識，作為MAROS軟件分析的輔助工具。從之前研究中獲得三種統計信息應用于MAROS軟件中:①用百分數表示污染羽長度的累積分布;②各種污染羽空間變化趨勢的百分數;③污染羽長度和污染源強度之間的關系。

在污染羽穩定性分析中，可以輸入研究區的模擬結果或經驗分析結果。進行模擬時，需考慮在污染組分在含水層中的對流-彌散作用、水文地球化學作用和生物作用(因素:包氣帶特征、含水層介質、地下水水流特征、污染組分的特性)，根據監測井在監測網中的分布狀況進行模擬各個監測井污染物濃度的變化趨勢，應用于MAROS軟件的分析過程。或根據相似的情況的污染場地的資料，判斷出污染物濃度的變化趨勢。模擬值或經驗值的加入均會影響污染物濃度變化的總趨勢以及地下水污染監測網類型的判斷。

2.6 取樣分析

2.6.1 取樣密度分析

Delaunay是一種用于二維空間的取樣密度優化方法，在保證提供足夠監測信息的前提下識別和去除多余的取樣點。Delaunay方法對每個的取樣事件分析結果不同，解決多組取樣事件的方法如下:①對所有的選擇事件，計算每個取樣點的SF(Slope Factor)值;②平均事件的每個取樣點的SF值計算得出整體的SF值，以每個取樣事件取樣點的個數為權重;③去除SF最小的取樣點;④每去除一個取樣點后，通過平均取樣事件的AR(Area Ratio)、CR(Concentration Ratio)計算整體的AR、CR;⑤根據整體的AR、CR值，確認或恢復去除的取樣點;⑥重復③-⑤，直到監測了所有的取樣位置。這種分析方法假設在選擇的事件的時間段內，污染羽空間形狀相似。由于Delaunay方法針對一種COC，對于多種 COC，只有符合所有COCs的去除條件才能去除該取樣點。

Delaunay方法只能計算三角形內的SF值，根據三角形SF值的大小可以增加新的監測井。此外，還應基于污染羽和場地的水文地質條件確定新的監測井更好地描述三角形區域外污染羽的范圍。

Delaunay方法中，AR和 CR默認值為 0.95，表明允許5%的信息損失。此外，用戶也可以在MAROS軟件中設定AR和CR的值。AR、CR、內部節點及外部節點的SF值均影響已有監測網中的監測井是否被清除狀態的判定。Aziz等提出的Delaunay方法沒有考慮含水層參數本身對監測點布置的影響，只適用于條件比較簡單的含水層中地下水污染監測網的去冗余設計。吳劍鋒，黃昌碩等改進了Delaunay方法［8］，考慮了在檢驗濃度比CR這個指標過程中含水層參數的變化對優化結果的影響，適用于相對比較復雜條件下的監測網去冗余設計;同時它能與污染物的運移模型耦合，能夠在取樣點不足的監測網中增加必要的監測點，以滿足污染監測精度的需要。但仍然只適合在能夠概化為二維地下水流的含水層中，因此含水層的參數尤其是厚度變化不能過大，否則會引起較大偏差。

此外，還需根據地下水的動態特征，考慮的因素包括地形地貌、含水層結構特征、水位埋深、土壤類型、土地利用、降水量、地表水體及人工開采等，綜合分析研究區的水文地質特征、非飽和帶特征、地下水補給特征和地下水影響，布設地下水監測點，使地下水動態明顯的區域都有監測點控制，才能真正監測到地下水動態區域變化。最后利用克里金插值法分析評價地下水監測點布設的合理性，對其進行檢驗分析評價，對比前后插值的殘值誤差的大小，評價優化結果。評價結果可見前后觀測孔標準差等值線圖，比較前后克里金插值的殘值誤差［9］。

2.6.2 取樣頻率分析

修正的CES(Cost Effective System)方法是根據污染物濃度變化趨勢的狀況和COC本身濃度與其在地下水中濃度的最高允許值(MCL，maximum concentration level)之間的相關關系來確定取樣點的最優監測頻率。其優化過程:①利用最近時間段的數據優化監測井頻率，綜合分析ROC(Rate of change)和Mann-Kendall值確定優化結果;②利用研究區的整體數據，分析ROC和Mann-Kendall值確定的優化結果調整①中優化結果;③利用MCL(Maximum Concentration Level)的值，調整②中優化結果，得出最終的優化結果。

MAROS軟件中，ROC除了取默認值外，ROC可根據污染場地的水文地質特征和污染羽狀況進行重新設定。由以上修正的CES方法優化過程可知，ROC、MCL值的確定影響到監測井監測頻率的優化結果。最近的數據指3年的數據值，如果研究區已有監測數據的時間很短，MAROS軟件中利用的修正的CES方法的優越性則未能充分體現。可利用時間序列分析優化前后的地下水污染物濃度時間序列，觀看它們在變化趨勢、周期波動以及隨機成分方面是否具有相似的特征。

3 結語

用戶可利用MAROS軟件對地下水污染監測網進行時間和空間上的優化，且輸出圖形和報告等形式的結果，作為監測網優化設計方案的首個公開應用軟件，開發時間較短，目前還不夠完善，本文提出了一些應用該軟件時需要考慮的一些問題，以便正確利用該軟件，更有效地應用于實際工作中。MAROS軟件可以改善的空間有:①提高MAROS軟件的保存性能，避免由于無法儲存中間步驟帶來的繁瑣，更好地實現運行結果的輸出工作;②提供含水層垂向上足夠的監測資料，改善分析方法使Delaunay三角形應用于水文地質條件復雜的三維含水層中;③MAROS鑲嵌在GIS平臺中，充分實現GIS軟件分析數據的能力及可視化能力。若能完善MAROS軟件的不足，該軟件將極大促進水文地質事業的發展，服務于人民。

［1］仵彥卿，邊農方.巖溶地下水監測網優化分析［J］，地學前緣(中國地質大學，北京)，2003年10月，第10卷4期，637-643.

［2］黃昌碩，吳劍鋒.介紹一種優化地下水污染監測網的軟件—MAROS［J］.水文地質工程地質，2005，114-116.

［3］Meng Ling，Hanadi S.Rifai，Julia J.Aziz and Charles J.Newell，James R.Gonzales and Javier M.Santillan.Strategies and Decision-Support Tools for Optimizing Long-Term Groundwater Monitoring Plans—MAROS 2.0［J］，Bioremediation Journal，8(3 – 4):109– 128，2004.

［4］Julia J.Aziz，Mindy Vanderford ，Ph.D.and Charles J.Newell，Ph.D，P.E.Groundwater Services，Inc.Houston，Texas ，Meng Ling and Hanadi S.Rifai，Ph.D，P.E.University of Houston Houston，Texas，James R.Gonzales Technology Transfer Division Monitoring and remediation optimization system(maros)software version 2.2 user's guide［M］.Air Force Center for Environmental Excellence Brooks AFB，San Antonio，Texas，2006.

［5］劉雅鳴，可持續發展的晴雨表［N］，科技日報，2003年06月 27日.

［6］Julia J.Aziz，Meng Ling ，Hanadi S.Rifai，Charles J.Newell，and James R.Gonzales，MAROS:A Decision Support System for Optimizing Monitoring Plans［J］，Groundwater，Vol.41，No.3，May June 2003，355-367.

［7］劉猛，束龍倉，劉波.地下水數值模擬中的參數隨機模擬，水利水電科技進展［J］，200525(6)，25-27.

［8］吳劍鋒，黃昌碩.Delaunay方法的改進及其在地下水污染監測網設計中的應用［J］，水科學進展，2006年5月，第17卷第3期，305-311.

［9］董殿偉，林沛，晏嬰，劉久榮等，北京平原地下水水位監測網優化［J］，水文地質工程地質，2007年第1期，10-19.