基于智慧感知體系的流域控制斷面污染負荷分析

摘要：

為促進流域運維數字化與智慧化發展，更好地服務智慧水利應用決策板塊，以水量平衡及物質守恒原理為基礎，依托基于水質、水量監測設備的流域智慧感知體系，快速獲取全要素監測數據。圍繞污染源占比和超標貢獻率指標，研究流域控制斷面污染負荷分析方法，并以廣東省M河流域2022年5月降雨期間控制斷面返劣為例，對M河下游出口斷面水量平衡和污染物濃度進行計算。結果表明：降雨期間，S市支流1、支流20、支流23、初雨箱涵溢流及D市各支流為控制斷面主要氨氮來源，并通過超標貢獻率計算結果判斷支流22及支流24在后續考核斷面達標治理中應予以更高優先級。研究方法相比傳統模型計算和溯源排查具有原理簡單、使用便捷、精度可控等優勢，可有效支撐智慧應用與決策。

關鍵詞：

智慧感知體系； 污染負荷； 流域控制斷面； 污染源占比； 超標貢獻率

中圖法分類號：X52

文獻標志碼：A

DOI：10.15974/j.cnki.slsdkb.2025.02.017

文章編號：1006-0081（2025）02-0094-05

0 引 言

隨著城市化進程的不斷加速和人口的快速增長，城市面臨的水安全隱患、水環境污染以及水資源短缺等問題，受到各級政府部門和公眾的廣泛關注［1-2］。近年來，有關部門陸續出臺了《水污染防治行動計劃》《城市黑臭水體治理攻堅戰實施方案》《城鎮污水處理提質增效三年行動方案（2019—2021年）》等文件，對全國水污染治理工作提出要求和指導。隨著各類工程的不斷推進和實施，城市治水工作已初顯成效［3-4］。城市河道通過“控源截污、內源治理、生態修復、活水保質”的系統治理［5-7］，水體水質基本達到水功能區劃目標值。

對于基流匱乏型城市河道［8］，非降雨期間河道水體補給來源主要包括水質凈化廠站的尾水、水庫降雨期間部分截流后的下泄及少量地下水，徑流量總體偏少。雖然經過系統治理（雨污分流改造或設置截流措施），基本解決了晴天污水溢流問題，并通過尾水補給、水生動植物的自然凈化、人工跌水等措施提升了水環境容量，晴天水體水質能實現穩定達標。但在降雨期間，尤其是日降雨量超過20 mm/d，達到中雨乃至大雨級別雨量時，由于城市管網雨污分流改造不徹底，導致大量污染物通過雨水排口、箱涵或污水管網溢流口進入河道，造成水體污染，主要控制斷面汛期污染強度大幅提升［9］；同時，由于河道水環境承載力不足、生態系統相對脆弱，易造成水質惡化、生態系統退化。

為系統梳理河道汛期污染物來源，大量研究集中于管網排查［10-11］、水質監測及污染物輸移數值模擬［12-13］，其中管網排查與水質監測等外業工作易受監測手段和頻次等影響，且工作量大。數學模型計算精度很大程度依賴于管網、排口現狀和邊界條件的輸入，流域管網等設施的復雜化極大降低了模型的精度；而降雨、水質、管網等要素等隨時間的變化，進一步增加了研究工作的難度。因此，需要一種原理簡單、使用方便，且精度較高的方法，通過分析不同條件下河道汛期污染物來源，針對性開展溯源排查及整治工作。

隨著水利部陸續頒布《關于大力推進智慧水利建設的指導意見》《智慧水利建設頂層設計》《“十四五”智慧水利建設規劃》等文件，各地智慧水利建設迅速推進［14］。依據智慧水利總體框架，可分為智慧感知、數據中樞及智慧應用決策3個層次［15-16］。其中，智慧感知是流域智慧化的基礎，是在充分利用物聯網及通信技術的基礎上，實現對流域范圍內河流水系、水利工程和水利管理活動等水管理對象的全過程感知；數據中樞層主要為應用決策提供數據流的匯聚管理和集中存儲；智慧應用決策層則在數據融合分析基礎上，為各類業務部門決策開放使用的應用模塊，其核心在于數據分析手段、專業模型支撐以及決策方法。

得益于流域運維數字化與智慧化發展［17-18］，同時又為了更好地服務智慧水利應用決策板塊，本文以廣東省某流域為例，依托流域智慧感知體系覆蓋面全、數據連通性佳、高效自動化等優勢，研究流域典型控制斷面污染負荷分析方法，通過污染物來源占比和超標貢獻率等指標快速定位污染程度相對較高的支流片區，從而快速啟動“問題-響應-反饋”機制，為流域智慧應用決策提供新的數據分析手段與決策方法。

1 研究區域概況

1.1 基本情況

M河流域位于S市西北部，屬珠江口水系。M河發源于S市，橫跨兩個行政區，下游與D市交界。現狀M河流域面積為388 km2，S市境內面積311 km2（兩行政區流域面積分別為157，154 km2），D市境內面積77 km2；干流段總長31.3 km，其中下游段11.7 km，M河為S市和D市界河。M河流域（S市境內）有河流52條，其中干流1條（下游段為界河），一級支流24條，二、三級支流27條；D市境內9條均為一級支流，匯入M河干流中。

M河歷史上曾是S市的“母親河”，是沿岸居民的飲用水源。20世紀90年代開始，隨著城市化進程的加快，M河流域治河治污設施建設日顯滯后，下游國控斷面氨氮、總磷濃度高于地表水Ⅴ類水標準值數十倍，水體污染嚴重、生態平衡被破壞。2016年初，圍繞M河流域開展水環境綜合整治，通過全流域系統治理及技術創新，M河國控斷面水質按期實現了考核目標（Ⅳ類）。2022年M河國控斷面全年平均水質為Ⅲ類，其中晴天國控斷面水質穩定達標，各支流水質能穩定在Ⅴ類及以上；但在降雨期間，受雨污分流改造不徹底等影響，水質波動明顯。M河流域水系概化見圖1。

1.2 排水系統特點

M河流域范圍內按雨污分流的排水體制開展了雨污管網改造。為控制初雨面源污染，對干流及具備條件的一級支流建設有初雨箱涵，其中，干流箱涵全長32.9 km，其功能是將沿岸截排的污水及初期雨水送入下游水質凈化廠，盡可能保證污水不入河。為充分發揮水質凈化廠效能，沿河建設有調蓄池（調蓄塘）11座，總調蓄規模58.53萬m3，按照“收濃棄淡”原則（降雨初期將高污染物濃度雨水收入箱涵，降雨中后期將低污染物濃度雨水溢流入河）在降雨初期實施調度。

受雨污分流不徹底影響，晴天沿河仍有部分排口存在高濃度污水，M河干流箱涵、各支流箱涵暫未退出污水系統，降雨期間大量沿河雨水進入箱涵，箱涵液位迅速抬升，在污水廠站和污水泵站處理量、抽排量達到滿負荷，相關調蓄池和箱涵水量達到設計截流標準后，混流污水溢流從箱涵末端及拍門等位置溢流進入河道，對水質造成嚴重影響。

1.3 水質凈化廠（站）及尾水利用

M河流域晴天污水總量約為100萬m3/d，污水處理總設計規模163萬m3/d，包括水質凈化廠8座，設計處理規模150萬m3/d，臨時處理設施3座，設計處理規模13萬m3/d；出水水質均為準Ⅳ類，臨時處理設施不考核總氮。同時，M河干流和一級支流再生水補水已全覆蓋，河道補水設計總規模100.58萬m3/d，流域基流匱乏現狀得到極大緩解。

1.4 流域智慧化及感知體系

智能感知體系是基于水量水質監測相結合、人工監測和在線自動化監測相結合、駐站監測和移動監測相結合的一體化立體監測技術，通過對自然水循環的降水、地表徑流、水面蒸發、土壤下滲、地下徑流等整個天然過程和社會水循環的水源、取水、 輸水、水廠、供水管網、用水、水質凈化廠、排水、再利用等整個水供應鏈的所有環節的及時、全面、準確監測和接入集成，實現信息內容全覆蓋、循環過程全貫穿、監測時間全天候的智能感知。在S市區針對M河流域已經初步完成水務智慧化管理的智慧感知及數據中樞建設工作（圖2），干流及S市內24條一級支流沿線及末端均布設有水質在線監測設備，對主要控制斷面主要污染濃度指標（氨氮、總磷等）進行實時監測。主要運行設施如初雨箱涵、水質凈化廠等均布設有水質、水量監測設備。

2 計算方法

通過研究降雨期間下游控制斷面來水，從水體及污染物兩個角度分析污染來源。結合片區實際治理進展，假定干流所有污水排口均已溯源并改造完成，降雨期間，下游控制斷面總水量可以分為3個部分：① 部分雨水直接作為徑流進入各支流，并最終匯入干流，到達控制斷面；② 部分雨水通過初雨系統進入沿河箱涵，但受轉輸能力影響，溢流進入河道（受雨污分流不徹底影響，該部分與沿河箱涵內污水混合，污染物濃度較高）；③ 沿河箱涵內未溢流混流水及市政管網污水進入水質凈化廠，經處理后通過尾水排放口及補水系統進入河道。

以上3個部分的水體污染物分別對應徑流攜帶污染物（含面源污染物及支流范圍內點源污染物）、初雨箱涵溢流水體污染物及水質凈化廠尾水排放污染物。依據水量平衡及物質守恒原理，忽略除降雨及水質凈化廠尾水補給外的其他徑流補給，且不考慮污染物在自然界轉移過程中的分解，則下游控制斷面水量及污染物總量計算方法如下。

（1） 控制斷面水量：

V控=V降雨入河+V尾（1）

式中：V控表示控制斷面水量，萬m3；

V降雨入河表示降雨產匯流入河水量，萬m3，晴天時為0；

V尾表示水質凈化廠尾水水量，萬m3。

（2） 控制斷面污染物：

V控C控=V直C直+V溢C溢+∑n1V支nC支n（2）

式中：C控表示控制斷面污染物濃度，mg/L；

V直表示直接通過雨水管網或排澇泵站抽排進入M河干流（不經支流匯入）水量，萬m3，C直表示其平均污染物濃度，mg/L；

V溢表示干流箱涵溢流水量，萬m3，C溢為其污染物濃度，mg/L；

V支n表示支流n的河口斷面水量，萬m3，該水量由流域范圍內降雨產匯流及水質凈化廠尾水補給兩部分構成；

C支n表示支流n的河口斷面污染物濃度，mg/L。

將流域智慧感知同步數據（包括降雨、水質凈化廠尾水排放量、箱涵溢流量及主要水體水質等監測數據）代入上述控制斷面水量及污染物計算表達式（2）中，可分析不同來源污染物對國控斷面達標的影響。以M河流域干流考核斷面2022年5月12～13日返劣為例，進行分析及說明。考慮到氨氮作為國內河流湖泊富營養化的直接因素，具有在線監測便捷和精度相對較高的特點，故本次選擇氨氮作為控制斷面污染物指標進行研究，M河流域典型斷面水質監測見圖3。

3 案例分析

3.1 基礎資料

2022年5月10～14日S市M河流域降雨期間，M河干流下游控制斷面水質有2 d返劣，且均為氨氮濃度超標，M河流域降雨數據見圖4。

降雨期間控制斷面日均氨氮濃度及降雨情況見表1，其中氨氮濃度由在線監測設備統計、日降雨量數據根據氣象局針對流域范圍內各區降雨量智慧平臺在線監測數據統計得到。為厘清導致控制斷面返劣污染源的主要來源，本次重點對箱涵溢流期間，即2022年5月11～14日，干、支流來水及污染物濃度進行統計。

3.2 水量平衡計算

根據流域匯水面積估算降雨產匯流，則流域末端出口水量為V=αhS，其中S為流域匯水面積，h為平均累計降雨深度，平均徑流系數α取0.6。充分考慮雨水進入市政污水系統及箱涵溢流問題，根據上述水量平衡原理，本次降雨期間M河下游出口斷面水量應由以下幾部分組成。

（1） 降雨直接進入M河干流部分。包括通過抽排、降雨等方式直接進入干流，流域內平均累計降雨量為153.7 mm，經計算，該部分水量約177.43萬m3。

（2） 降雨產流通過支流或尾水補給最終匯入M河干流部分（分為S市支流匯入和D市支流進入）。

① S市支流匯入。根據流域內一級支流匯水面積估算降雨產流，流域內平均累計降雨量為153.7 mm，流域內產生總水量約2 137.94萬m3，扣除進入雨水管網及箱涵溢流部分共計291.8萬m3，則通過支流進入M河干流水量約2 353.04萬m3（含補水部分506.9萬m3）。其中，水質凈化廠降雨期間處理水量包括日常污水及混入雨水，污水量可以根據晴天多日平均處理水量進行估算，多余部分則為受降雨影響混入污水系統雨水。降雨期間5月11～14日總處理水量為582.64萬m3，考慮旱季各廠站污水總量約112.62萬m3/d，則估算降雨期間共約132.16萬m3雨水進入污水處理系統，根據流域內補水調度，最終506.9萬m3尾水補入M河流域，干流及各支流補水情況根據廠站設計尾水補水規模按比例分配。

② D市支流匯入。D市支流均設有閘門，降雨期間閘門關閉，各支流通過溢流進入M河干流，按照總水量的70%溢流，約499.52萬m3。

（3） 箱涵溢流進入干流部分。根據在線監測設備統計，5月11～14日降雨箱涵溢流期間，溢流水量約159.64萬m3，見表2。經連續監測，溢流水體平均氨氮濃度約為6.0 mg/L。

3.3 污染物計算

為確定M河干流下游控制斷面氨氮來源，根據上述物質守恒原理，計算得到污染物來源占比。同時，為進一步分析造成控制斷面不達標的原因，以地表Ⅳ類水為控制斷面考核目標值（氨氮濃度為1.5 mg/L），定義污染超標貢獻占比=某水體氨氮超過目標總量/控制斷面超目標氨氮總量×100%，計算結果見表3。

注：箱涵溢流水體為干流箱涵末端或拍門溢流入河部分，直接入河水體為降雨未通過支流直接匯入干流部分；超標貢獻率為正，表示超標造成考核斷面不達標，反之則為負。

其中，S市各支流斷面及箱涵溢流水體氨氮濃度由在線水質監測設備提供；D市9條一級支流尚未配備在線監測設施，通過對降雨期間多次人工采樣數據取均值獲得；考慮到M河干流已實施系統治理，且生態緩沖帶建設相對完備，故暫不考慮直接匯入部分污染物，認為該部分氨氮濃度為0。

3.4 結果分析

計算結果表明，M河干流控制斷面氨氮污染物來源占比中，占比較重（占比超5%）部分包括S市支流1（占比14.29%）、支流20（占比10.65%）、支流23（占比12.94%）、箱涵溢流部分（占比15.23%）及D市支流（占比29.46%），以上均為水量較大且濃度偏高部分水體，后續應作為降低流域汛期污染強度的治理重點；而從控制斷面超標貢獻率計算結果來看，除上述污染物來源高占比河流外，支流22及支流24超標貢獻率均超過5%，這2條支流雖然流域面積較小，降雨期間產流量一般，但污染物濃度較高，這類水體在容易造成控制斷面超標的同時也更容易排查出相關問題，因此在后續治理中應予以更高優先級。

4 結 語

本文基于流域智慧感知體系覆蓋面全、數據連通性佳、高效自動化等優勢，圍繞水量平衡及物質守恒原理，開展了流域控制斷面污染負荷分析方法研究，以污染物來源占比和超標貢獻率為指標，找出了造成汛期污染強度上升的關鍵因素，該方法具有原理簡單、使用方便、精度較高的優勢，為考核斷面達標治理決策提供了新思路。

參考文獻：

［1］ 劉玉敏，呂朋，王岳飛，等.引江濟淮工程高低聯動智能視頻感知技術研究［J］.人民長江，2024，55（4）：262-267.

［2］ 王逢武，吳寧，黃兢祥，等.大灣區典型城市流域水環境綜合整治現狀及趨勢［J］.給水排水，2023，59（11）：60-67.

［3］ 李駿飛，李歡，楊磊三.粵港澳大灣區創新治水模式分享［J］.中國給水排水，2020，36（8）：1-6.

［4］ 米廣杰.城市流域水環境綜合治理思路和策略［J］.清洗世界，2021，37（7）：94-95.

［5］ 邵宇航，樓少華，唐穎棟，等.深圳市茅洲河流域某小微水體治理方法與實踐［J］.中國給水排水，2023，39（14）：134-140.

［6］ 徐祖信，張競藝，徐晉，等.城市排水系統提質增效關鍵技術研究——以馬鞍山市為例［J］.環境工程技術學報，2022，12（2）：348-355.

［7］ 張楓，張文君，楊通.北方河網地區城市黑臭水體治理經驗——以菏澤市城區為例［J］.水利水電快報，2022，43（8）：102-107.

［8］ 李愛民，梁英，倪天華，等.基流匱乏型城市黑臭河流的治理模式及其主要技術方法——以賈魯河為例［J］.環境保護，2015，43（13）：20-23.

［9］ 吳亞男，任心欣，高玉枝，等.基于小流域水環境治理探索雨季溢流污染防治的深圳實踐［J］.環境工程，2023，41（12）：99-106.

［10］ 張占地，崔英良，侯榮夫.生活污水入河污染源溯源排查方法的探討［J］.城市勘測，2023（增1）：188-190.

［11］ 廖治中，張俊波.管道暗涵排口排查溯源及治理技術研究［J］.中國資源綜合利用，2021，39（7）：51-54.

［12］ 潘正可，李翔泉.基于SWMM模型的管網雨污分流改造效果評估研究——以湖南省益陽市秀峰湖片區為例［J］.水利水電快報，2022，43（6）：110-116，124.

［13］ 李一平，施媛媛，姜龍，等.地表水環境數學模型研究進展［J］.水資源保護，2019，35（4）：1-8.

［14］ 蔡陽.以數字孿生流域建設為核心構建具有“四預”功能智慧水利體系［J］.中國水利，2022（20）：2-6，60.

［15］ 耿磊，徐嫣，雷佳明.基于空天地感知的流域智慧指揮平臺研究與實現——以西江流域為例［J］.人民長江，2021，52（增2）：289-292.

［16］ 冶運濤，蔣云鐘，曹引，等.以數字孿生水利為核心的智慧水利標準體系研究［J］.華北水利水電大學學報（自然科學版），2023，44（4）：1-16.

［17］ 王曉輝，吉海，張順，等.深圳市水務數據治理的探索與實踐［J］.水利信息化，2024（1）：37-40.

［18］ 尚海龍，田苡菲，朱新民.城市智慧水務總體設計研究與分析［J］.水利水電技術（中英文），2022，53（增2）：474-481.

（編輯：張 爽）

Pollution load analysis of watershed control section based on intelligent perception system

ZHAO Qianyi，ZHOU Wangzi，CHENG Xiaojun

（ChangJiang Survey，Planning，Design and Research Co.，Ltd.，Wuhan 430010，China）

Abstract： In order to promote the digital and intelligent development of watershed operation and maintenance，and better serve the decision-making plate of intelligent water conservancy application，the system is based on the principle of water balance and conservation of matter，and relies on the watershed intelligent perception system based on water quality and water quantity monitoring equipment to quickly obtain the total factor monitoring data.Arounding the indicators of pollution source proportion and exceedance contribution rates，the analysis method of pollution load for basin control section is studied.Taking the example of the control section deterioration during the May 2022 rainfall period in the M river basin in Guangdong Province，where the construction of the intelligent perception system was relatively complete，the calculation and analysis were carried out.The results indicated that during the rainfall，tributaries 1，20，and 23 of city S，the overflow of initial rain culvert overflow，and tributaries of city D were the main sources of ammonia nitrogen for the control section.Through the calculation results of the exceedance contribution rate，it was identified that tributaries 22 and 24 had a higher priority in subsequent standard achieving treatment assessment.In comparison with traditional model calculations and source traceability methods，this method can be simple，convenient，and controllable accuracy，and can effectively support the intelligent application and decision-making.

Key words：

intelligent perception system； pollution load； basin control section； pollution source proportion； exceedance contribution rate