楊豐源,張琪,和慶
(1.上海浦公節能環保科技有限公司,上海 201203;2.上海天漢環境資源有限公司,上海 201100)
據《2018上海市河道(湖泊)報告》,上海河網密集,河道數量過大。由于水質狀態不穩定,把控河道水質實時現狀是一大難點,故提出可利于河道長效監管、智能化監測的模式來幫助河道管理中心進行集中監管,通過大數據可了解河道的實時現狀并對重點區域進行嚴格監管,從而提高水質。
目前,水質在線監測方式得到廣泛認可及應用[1-2],但由于價格因素,普遍選用價格便宜的監測五參數[溫度、pH值、濁度、溶解氧(DO)、電導率(EC)],但這并不能準確指出河道水質類別及污染程度。目前,了解河道污染狀況的主要參數為DO、氨氮(NH3-N)、總氮(TN)、總磷(TP)及高錳酸鹽指數,但監測這些指標的傳感器具有價格高、體積大和耗時長等特點[3],故難以大規模使用。
本研究通過五參數與化學需氧量(COD)、TP、TN、NH3-N和葉綠素a(chl-a)參數間的顯著相關性,以“一河一策”制[4]來模擬各河道的水質參數相關性,從而更準確地推算出不同河道的水質狀況。
分別選農業、工業、生活及混合源的4條河道作為研究對象,于2019年10月—2020年8月,對河道水質進行逐月取樣分析。
多參數水質分析儀,美國YSI;VIS-7220型可見光分光光度計,北京北分瑞利分析儀器(集團)公司。
水溫(WT)、DO、EC使用多參數水質分析儀現場測定;chl-a采用熱乙醇分光光度法進行測定(ISO 10260-1992);TP采用鉬酸銨分光光度法(GB11893-1989);總氮采用堿性過硫酸鉀消解紫外分光光度法(GB 11894-89);氨氮測定采用納氏試劑分光光度法(HJ 535-2009);COD采用高錳酸鉀法(GB 11892-89)。
每項水質指標測定結果為2個平行樣,分析結果取其平均值,相對標準誤差(RSD)控制在10%以內。
相同條件下,分別于上海不同污染源的河道取樣,根據“1.3”中各項方法進行檢測,結果見表1。根據結果分析,得出各參數不同污染源河道的COD和NH3-N污染程度均為工業>農業>生活,TN為生活>農業>工業,TP為農業>工業>生活,說明工業源污染較重,其次是農業源,生活源污染較輕。

表1 工業、農業、生活及混合源河道的污染水平

續表1
根據污染現狀取氨氮、總氮、總磷、溶解氧和化學需氧量建立模型。相關研究表明,溶解氧與水溫呈極顯著負相關[5],與pH顯著正相關;電導率分別與溫度、pH、葉綠素a均呈顯著正相關[6];葉綠素a與水溫、總磷、氨氮呈極顯著正相關[7-8],且與水溫和pH極顯著負相關;化學需氧量與溶解氧呈負相關,與電導率、總磷、總氮和氨氮呈正相關[9-10]。故本研究以溶解氧和電導率為監測對象,葉綠素a為介質參數,從而推算出總磷、總氮、氨氮及化學需氧量的數值(見圖1)。

圖1 顯著相關性關系圖
以不同污染源河道為研究對象,推算其溶解氧、電導率、總磷、總氮、氨氮、葉綠素a和COD參數間的相關性,水質各指標的Pearson值與擬合系數R2值見表2。工業、農業及混合源的河道中各參數間的P值幾乎均小于0.05,均呈顯著相關性;生活源污染的河道水,R2值幾乎均大于0.7,故各類污染源的河道均可適用上述模型,均能通過參數間的相關性來推算總磷、總氮、氨氮及化學需氧量值。

表2 水質各指標的Pearson值與擬合系數R2值相關性驗證
為了驗證模型實用性,通過溶解氧與電導率參數作為實時監測數據,葉綠素a作為推算介質參數,得出實時總磷、總氮、氨氮及COD的推算數值,對于有多種途徑推算的參數,去掉偏差較大的數值,取平均值作為最終值。如表3所示,對各類型河道已測數據進行對比,其偏差大多控制在±10%內,可以達到估算水質類別效果,與理想預期達到一致。

表3 模型推算與實測比對值
實際河道環境復雜,影響因素較多,其中水溫的變化會對數值造成一定的影響,隨著季節不同,各參數數值也不同。理論環境下,隨著溫度的升高,溶解氧降低,電導率升高;但在實際環境中,上海夏季的降雨量增加,起到稀釋作用,導致地表水的電導率和pH降低,且由于夏季溫度升高,溶解氧降低,過量有機物得不到分解,水中的有機物也容易腐敗變質,導致氨氮含量升高。因此,需用水溫、降雨等參數來校正模型,提高推算數據的準確性。
在低成本前提下,對河道水質狀況進一步了解,適用于多河道的實時監測,更適合廣泛應用,可以控制劣Ⅴ類河道水發展并控制河道水質不降標,利于牢固青山綠水就是金山銀山的發展理念。