鄺燕良，程 浪，趙貝貝，任子奇，王慧君

(1. 深圳深態(tài)環(huán)境科技有限公司，深圳 518048；2. 中國農(nóng)業(yè)大學(xué)，北京 100000； 3.中節(jié)能鐵漢生態(tài)環(huán)境股份有限公司，深圳 518048)

前 言

隨著我國經(jīng)濟的快速發(fā)展，同時也將我國帶入了突發(fā)性水環(huán)境污染的高發(fā)期。市政污水管網(wǎng)連接排污單位和水質(zhì)凈化廠，當(dāng)超標(biāo)工業(yè)廢水偷排漏排進入污水管網(wǎng)，會導(dǎo)致水質(zhì)凈化廠運行異常，造成水環(huán)境迅速惡化現(xiàn)象[1-2]。突發(fā)性水環(huán)境污染具有速度快、誘因復(fù)雜、危害影響大等特點，其防范和應(yīng)急處置較為困難，而且污水管網(wǎng)系統(tǒng)拓?fù)浣Y(jié)構(gòu)及水力條件復(fù)雜多變，現(xiàn)有溯源方法效率低下反饋時間長，不利于突發(fā)性水環(huán)境污染事故的快速有效識別，成為水質(zhì)凈化廠水質(zhì)異常溯源中的難題[3-4]。突發(fā)性水環(huán)境污染溯源技術(shù)在理論和實踐上都得到了國內(nèi)外科研工作者的關(guān)注和重視[5～9]。當(dāng)前水污染溯源方法有資料溯源、人工排查和技術(shù)溯源，其中技術(shù)溯源方法主要有水質(zhì)指紋法、同位素示蹤法和線粒體DNA溯源法。清華大學(xué)吳靜老師利用三維熒光光譜技術(shù)研究了我國南、北方城市污水水質(zhì)特點[10],水質(zhì)指紋方法主要通過發(fā)光有機物的熒光峰的位置和強度來識別廢水特征，但對重金屬特征效果不明顯。同位素示蹤技術(shù)在水環(huán)境污染物源解析中主要使用碳、氫、氧、氮、硫、鉛、汞等穩(wěn)定性同位素[11]，對電鍍行業(yè)銅、鎳、鉻等重金屬有待進一步研究。線粒體DNA溯源法主要通過分析水體中糞便的線粒體脫氧核糖核酸(DNA)的種屬特異性確定污染排放來源，不適用于工業(yè)污水重金屬應(yīng)用。本文針對深圳管網(wǎng)突發(fā)污染多為含銅、鎳、鉻，氰等的電鍍相關(guān)廢水的特點，選取深圳東部某水質(zhì)凈化廠為研究對象，在資料溯源和人工排查成果的基礎(chǔ)上構(gòu)建管網(wǎng)突發(fā)性水環(huán)境污染溯源模型對該區(qū)域污水管網(wǎng)發(fā)生突發(fā)性水環(huán)境污染過程進行模擬，分析不同污染源工業(yè)廢水突發(fā)排放對水質(zhì)凈化廠進水的影響，以及通過識別不同污染源影響特征和污染風(fēng)險的可能性、差異性分析來進行技術(shù)溯源，并結(jié)合管網(wǎng)關(guān)鍵節(jié)點快速驗證的方法進行污染溯源應(yīng)用。一方面為當(dāng)?shù)叵嚓P(guān)部門污染源管理加強針對性提供參考意見和技術(shù)支持；另一方面對區(qū)域水環(huán)境突發(fā)污染溯源提供技術(shù)指導(dǎo)，縮短溯源時間提升溯源的準(zhǔn)確性。同時為具有相似特征的其他區(qū)域和城市的水環(huán)境污染溯源工作提供思路和方法上的參考。

1 材料與方法

1.1 研究區(qū)域概況

以深圳市東部某水質(zhì)凈化廠為研究對象，研究區(qū)域為水質(zhì)凈化廠20.84 km2的污水收納范圍，范圍內(nèi)有36個居民小組和1 400多家工業(yè)企業(yè)。經(jīng)調(diào)查主要工業(yè)廢水污染源來自金屬表面加工和電鍍行業(yè)，其產(chǎn)生的電鍍廢水中含有各種金屬離子污染物和氰化物等有機污染物，對環(huán)境和人類身體健康產(chǎn)生極大危害[12]。依據(jù)企業(yè)清單篩選出9家相關(guān)排污企業(yè),分別用字母A到I表示，其在空間上分布比較分散，空間分布如圖1所示。該區(qū)域2020年曾發(fā)生過一起工業(yè)廢水偷排導(dǎo)致進水氰化物超標(biāo)事件，嚴(yán)重影響水質(zhì)凈化廠正常運行。

圖1 研究區(qū)域范圍及工業(yè)排污企業(yè)位置Fig.1 Study area and location of industrial polluters

1.2 研究思路和方法

1.2.1 總體思路

在對深圳東部某水質(zhì)凈化廠收集范圍內(nèi)污水管網(wǎng)數(shù)據(jù)、企業(yè)空間分布數(shù)據(jù)、遙感衛(wèi)星影像數(shù)據(jù)、片區(qū)供水?dāng)?shù)據(jù)以及工業(yè)污水檢測等大量數(shù)據(jù)采集分析的基礎(chǔ)上，基于SWMM( Storm Water Management Model)建立管網(wǎng)突發(fā)水污染溯源模型。在率定調(diào)參的基礎(chǔ)上對污染源突發(fā)排污情景進行模擬，分析不同污染源污水排放對水質(zhì)凈化廠進水的特征因子影響可能性以及差異性情況。最后將模型模擬及分析結(jié)果應(yīng)用于溯源分析，通過模型模擬明確該區(qū)域的不同污染源對水質(zhì)凈化廠進水的影響特征、突發(fā)情景排污特征關(guān)聯(lián)性分析進一步縮小排污嫌疑范圍、管網(wǎng)關(guān)鍵節(jié)點快速驗證從空間上鎖定嫌疑排放源三個步驟來對管網(wǎng)突發(fā)污染進行溯源。技術(shù)路線如圖2所示，各環(huán)節(jié)具體工作方法和過程見1.2.2～1.2.5節(jié)。

圖2 技術(shù)路線圖Fig.2 Technology roadmap

1.2.2 數(shù)據(jù)采集和處理

由于城市污水系統(tǒng)的復(fù)雜性以及排污源頭數(shù)量龐大，建立水質(zhì)凈化廠污水系統(tǒng)排放模型需要大量的數(shù)據(jù)采集和處理工作。數(shù)據(jù)采集主要包括污染源空間分布數(shù)據(jù)采集、污水管網(wǎng)數(shù)據(jù)收集及踏勘校核、用排水?dāng)?shù)據(jù)收集分析、污水水質(zhì)采樣監(jiān)測、水質(zhì)凈化廠進水?dāng)?shù)據(jù)、區(qū)域降雨數(shù)據(jù)收集分析等。數(shù)據(jù)處理主要包括大批量的污染排放源的空間分布獲取、用排水?dāng)?shù)據(jù)和空間位置鏈接匹配、以及排污管網(wǎng)梳理分析。

1.2.2.1 污染源空間分布數(shù)據(jù)采集

根據(jù)調(diào)研踏勘研究范圍內(nèi)污染源主要分為居民聚集區(qū)和數(shù)量眾多的的企業(yè)(園區(qū))。其中企業(yè)污染源空間分布數(shù)據(jù)采集采用大數(shù)據(jù)抓取技術(shù)從百度地圖POI數(shù)據(jù)庫中獲取研究區(qū)域內(nèi)的企業(yè)空間分布信息，包括企業(yè)名稱、地址、經(jīng)緯度等，共獲取大小企業(yè)1 437家。居民聚集區(qū)統(tǒng)計共36個居民小組6 453棟建筑，識別出102個居民居住聚集區(qū)。

1.2.2.2 用排水?dāng)?shù)據(jù)收集分析

收集片區(qū)自來水廠2020年的自來水供用水?dāng)?shù)據(jù)(無地下水水源)，篩選出一定規(guī)模(1 000 m3/月)以上的用水戶175家，核算污水排放量共20 478 m3/d；居民生活用水統(tǒng)計總計4 168個用水賬號5 818.6 m3/d用水量。依據(jù)地址匹配至識別出的102個居住聚集區(qū)，統(tǒng)計出單個聚集區(qū)的生活污水排放量。剩余1 262家企業(yè)采用剩余用水的均值作為單個企業(yè)的用水量,平均21.3 m3/d,共26 880 m3/d，污水排系數(shù)取深圳市平均值0.8[13]。

1.2.2.3 污水水質(zhì)采樣監(jiān)測

污水水質(zhì)監(jiān)測數(shù)據(jù)主要分為三類，分別是居民聚集區(qū)生活污水水質(zhì)數(shù)據(jù)、一般工業(yè)企業(yè)生產(chǎn)生活污水水質(zhì)數(shù)據(jù)和篩選出的9家工業(yè)企業(yè)工業(yè)廢水水質(zhì)數(shù)據(jù)。2021年實際居民聚集區(qū)采樣檢測數(shù)據(jù)和一般工業(yè)企業(yè)生產(chǎn)生活污水采樣監(jiān)測數(shù)據(jù)，見表1；水質(zhì)凈化廠進水在線監(jiān)測水質(zhì)數(shù)據(jù)統(tǒng)計見表2，9家企業(yè)工業(yè)廢水采樣檢測數(shù)據(jù)見表3。

表1 納污范圍及周邊居民聚集區(qū)、工業(yè)區(qū)污染物濃度監(jiān)測數(shù)據(jù)詳情表 Tab.1 Pollutant concentration monitoring data in pollutant absorption area of residential gathering area and industrial area (mg/L)

續(xù)表1

表2 水質(zhì)凈化廠近3年晴天進水指標(biāo)數(shù)據(jù)統(tǒng)計Tab.2 The statistics of inlet flow and water quality index in the fine day of recent 3 years

表3 收納范圍內(nèi)工業(yè)廢水監(jiān)測數(shù)據(jù)詳情表Tab.3 The detailed table of industrial wastewater monitoring data in absorption area (mg/L)

1.2.3 建立污水排放系統(tǒng)模型

SWMM( Storm Water Management Model，中文名“暴雨洪水管理模型”)是EPA(美國環(huán)保署)開發(fā)的動態(tài)的降水-徑流模擬模型?？梢酝ㄟ^節(jié)點、管網(wǎng)、出水口和泵站等來演算城市雨污水管網(wǎng)的徑流和水質(zhì)，水流在管網(wǎng)系統(tǒng)中的運動原理是以連續(xù)方程和動量方程組成的圣維南方程組來演算。該模型可以跟蹤模擬不同時間步長任意時刻每個子流域所產(chǎn)生的水量和水質(zhì)，同時還能夠模擬每個管道和河道中的流量、水深及污染物濃度等狀況[14]。

根據(jù)當(dāng)?shù)嘏潘莛B(yǎng)公司提供的雨污水管網(wǎng)矢量圖，利用GIS梳理提取污水管網(wǎng)系統(tǒng)，明確管網(wǎng)走向，繪制研究范圍的污水管網(wǎng)流向圖。然后沿管網(wǎng)路徑提取沿線的管徑、長度以及污水井的經(jīng)緯度、編號名和井底標(biāo)高等數(shù)據(jù)作為SWMM模型的輸入文件，構(gòu)建水質(zhì)凈化廠的污水管網(wǎng)系統(tǒng)模型，共概化建立3482個污水管段、2483個模型節(jié)點，1539個污水排放源，SWMM模型概化圖如3所示。

圖3 研究區(qū)域污水系統(tǒng)SWMM概化圖Fig.3 SWMM generalization diagram of regional sewage system

1.2.4 模型率定及調(diào)參

采用水質(zhì)凈化廠在在線監(jiān)測統(tǒng)計數(shù)據(jù)來對模型進行檢驗，統(tǒng)計水質(zhì)凈化廠近3年的晴天日進水量均值，其中2019年由于缺少日降雨統(tǒng)計數(shù)據(jù)選擇旱季均值替代，水質(zhì)凈化廠統(tǒng)計數(shù)據(jù)如下表2，近三年平均晴天日進水量45 106 m3/d,平均COD進水濃度211.7 mg/L。2020～2021年日降雨量與日進水量對應(yīng)關(guān)系見圖4。

圖4 水質(zhì)凈化廠進水量與降雨量對應(yīng)關(guān)系Fig.4 The corresponding relationship between water intake of water purification plant and rainfall

根據(jù)水質(zhì)凈化廠的進水量及進水指標(biāo)濃度調(diào)整污染源排水參數(shù)，其中1 262家企業(yè)平均污水排放量調(diào)整至16.0 m3/d,企業(yè)排放污水水質(zhì)指標(biāo)調(diào)整為COD濃度195 mg/L，氨氮平均濃度為18.9 mg/L，總磷為4.2 mg/L。率定調(diào)整后水質(zhì)凈化廠進水參數(shù)與2019～2021年晴天進水均值一致。

1.2.5 突發(fā)排污情景模擬分析

研究范圍內(nèi)有編號為A到I的 9家工業(yè)廢水排放企業(yè)，通過對其工廠內(nèi)部廢水處理站的工業(yè)廢水采樣檢測，獲得企業(yè)含氰廢水處理池、含鎳廢水處理池、含鉻廢水池處理池以及綜合廢水調(diào)節(jié)池的水質(zhì)數(shù)據(jù)，如表3所示。進一步作為企業(yè)廢水突發(fā)排放情景模擬輸入條件，分別對其日廢水產(chǎn)生量不同排放時長(2～8h)情景進行模擬，其中2h情景代表突發(fā)排放事件，8小時代表緩慢排水時長。

2 結(jié)果與討論

2.1 廢水排放對水質(zhì)凈化廠進水影響

企業(yè)產(chǎn)生的廢水中工業(yè)因子氰、鎳、鉻和氟化物異常偏高，不僅增大了企業(yè)廢水站處理的處理難度，同時也增大了企業(yè)超標(biāo)排放污水的風(fēng)險[3]，進而對水質(zhì)凈化廠運行造成影響。本文通過SWMM模型對企業(yè)工業(yè)廢水突發(fā)排放情景進行了模擬，其中生活因子COD、氨氮、總磷部分企業(yè)也存在高濃度特征，但通過模擬分析其突發(fā)排放并未對水質(zhì)凈化廠造成進水沖擊，仍在設(shè)計進水標(biāo)準(zhǔn)正常波動范圍內(nèi)。工業(yè)因子氰、鎳、鉻和氟化物卻會導(dǎo)致進水指標(biāo)異常升高，具體模擬結(jié)果如表4所示。

表4 水質(zhì)凈化廠進水水質(zhì)指標(biāo)模擬結(jié)果Tab.4 The simulation results of inlet water quality index in water purification plant (mg/L)

續(xù)表4

通過企業(yè)廢水檢測數(shù)據(jù)可以發(fā)現(xiàn)不同企業(yè)間因生產(chǎn)工藝和管理水平的不同所產(chǎn)生的廢水特征有所不同，如D和F的廢水含有遠(yuǎn)高于其他企業(yè)的高濃度的氟化物；B企業(yè)因為生產(chǎn)工藝設(shè)計和環(huán)保設(shè)施運行良好，其廢水重金屬鎳含量低于20 mg/L，遠(yuǎn)低于其他企業(yè)；而G企業(yè)的廢水則呈現(xiàn)出鎳廢水濃度遠(yuǎn)高于廢水中其他指標(biāo)的特征等。進而推測其污水排放對水質(zhì)凈化廠的影響也會呈現(xiàn)出不同的指標(biāo)特征。通過SWMM模型對9家企業(yè)污水排放情景模擬分析得出不同企業(yè)廢水排放對水質(zhì)凈化廠進水指標(biāo)影響大小，如G企業(yè)排放對水質(zhì)凈化廠的影響表現(xiàn)在總鎳異常偏高、其他污染因子指標(biāo)正常的特征。根據(jù)廢水突發(fā)排放對水質(zhì)凈化廠影響大小繪制了9家企業(yè)工業(yè)因子影響風(fēng)險排序圖，其中影響風(fēng)險采用污染源企業(yè)廢水未處理突發(fā)排放時導(dǎo)致的水質(zhì)凈化廠污染物進水濃度與排污許可證的排放標(biāo)準(zhǔn)的比值倍數(shù)來表示(不同污染物的允許排放標(biāo)準(zhǔn)不同)，具體如下圖5所示，最終確定各企業(yè)工業(yè)因子影響風(fēng)險的大小。根據(jù)相關(guān)研究，活性污泥暴露在下水道標(biāo)準(zhǔn)1.0 mg/L濃度的鎳1天情況下磷的去除效率會降低60%[15]，嚴(yán)重影響水質(zhì)凈化廠運行。

注：縱坐標(biāo)表示突發(fā)排放模擬濃度/下水道排污標(biāo)準(zhǔn)，氟化物因其特殊性標(biāo)準(zhǔn)值采用模擬濃度1.5mg/L。圖5 工業(yè)因子影響風(fēng)險分析圖Fig.5 Risk analysis chart of industrial factors

根據(jù)影響風(fēng)險分析，D和F的氟化物影響風(fēng)險顯著偏高；氰化物則是F和I 的影響風(fēng)險顯示迅速上升；鎳因子則呈階梯狀分布，G和D的影響風(fēng)險最高，鉻因子I的影響風(fēng)險顯著高于其他企業(yè)。

為檢驗風(fēng)險分析的結(jié)果，本文對上述9家企業(yè)的工業(yè)污水排入市政污水管網(wǎng)的節(jié)點的氟化物和鎳指標(biāo)進行了采樣檢測，檢測結(jié)果顯示D和F的出水氟化物濃度分別為21.8 mg/L和5.75 mg/L，明顯高于其他企業(yè)，鎳離子則D和I的出水超過了排污許可證允許值0.5 mg/L,與影響風(fēng)險相對一致，9家企業(yè)的具體檢測結(jié)果如圖6所示。對模型影響風(fēng)險分析結(jié)果和實測市政節(jié)點出水?dāng)?shù)據(jù)進行了皮爾遜相關(guān)性分析，分析結(jié)果表明鎳離子的皮爾遜相關(guān)性為0.704*，氟化物的皮爾遜相關(guān)性為0.901**。

圖6 污水排放實測水質(zhì)指標(biāo)Fig.6 Measured water quality index of industrial sewage discharge

究其原因，研究范圍內(nèi)的9家企業(yè)采用的廢水排放標(biāo)準(zhǔn)、污水處理工藝均無明顯差別，其污水處理效率相似，實際排放廢水與企業(yè)工藝原水特征具有明顯的一致性。

2.2 突發(fā)污染溯源應(yīng)用分析

在上述2.1節(jié)突發(fā)水環(huán)境污染溯源模型對區(qū)域內(nèi)不同污染源突發(fā)排放情景模擬的基礎(chǔ)上，分析識別污染源的污染排放指標(biāo)特征，明確不同污染源污染排放影響風(fēng)險的差異性。在發(fā)生管網(wǎng)突發(fā)水污染事件時主要通過縮小排污嫌疑鎖定范圍、影響風(fēng)險特征比對以及關(guān)鍵節(jié)點驗證三個步驟來指導(dǎo)突發(fā)污染現(xiàn)場溯源。

2.2.1 縮小排污嫌疑鎖定范圍

根據(jù)水質(zhì)凈化廠收納范圍內(nèi)突發(fā)污染排放情景模擬分析結(jié)果，將水質(zhì)凈化廠的進水指標(biāo)氰、鎳和鉻按照異常濃度分為4個等級：0.1～0.2 mg/L、0.2～0.5 mg/L、0.5～1.0 mg/L和1.0 mg/L以上；氟化物分為1.0～1.5 mg/L(需要關(guān)注超標(biāo)風(fēng)險)和1.5 mg/L(存在超標(biāo)風(fēng)險)及以上兩類。分別確定9家排污企業(yè)是否存在排放未處理或者未完全處理的工業(yè)廢水造成該進水指標(biāo)濃度的嫌疑，縮小嫌疑排污企業(yè)的范圍。下面以鎳離子為例進行溯源應(yīng)用分析。根據(jù)分析9家企業(yè)中能導(dǎo)致鎳離子進水異常0.2～0.5 mg/L的有7家，0.5～1.0 mg/L的有6家，1.0 mg/L以上的企業(yè)有4家，通過水質(zhì)凈化廠進水濃度檢測縮小鎖定企業(yè)范圍具體如表5所示。

表5 水質(zhì)凈化廠進水鎳離子異常企業(yè)嫌疑篩選排序Tab.5 Screening and sorting of suspected enterprises with abnormal nickel ion in water purification plant

2.2.2 影響風(fēng)險特征相關(guān)性分析比對

在縮小排污嫌疑鎖定范圍后將水質(zhì)凈化廠進水指標(biāo)特征與嫌疑對象的影響風(fēng)險特征進行比對，通過SPSS軟件進行相似性分析并排序篩選特征匹配相似度，最后根據(jù)特征相似度進一步縮小嫌疑突發(fā)排污企業(yè)范圍，A至I 的排污影響風(fēng)險特征如圖7所示。

圖7 A至I 9家企業(yè)影響風(fēng)險特征示意圖Fig.7 Schematic diagram of 9 enterprise impact risk characteristics

圖8 快速驗證關(guān)鍵節(jié)點示意圖Fig.8 Quick validation of key node diagrams

2.2.3 關(guān)鍵節(jié)點快速驗證

結(jié)合GIS 地理信息技術(shù)在污水系統(tǒng)模型概化的基礎(chǔ)上自水質(zhì)凈化廠進水口沿干管反溯確定驗證關(guān)鍵節(jié)點。如圖8所示，研究區(qū)域凈化廠有左右2根進水干管，通過快速檢測臨近的關(guān)鍵節(jié)點J1和J2即可縮小約50%的嫌疑范圍，然后對沿線排入該干管的嫌疑企業(yè)的下游污水管線節(jié)點(J4-J3-J1、J6-J5-J2)進行快速檢測即可進一步驗證確認(rèn)嫌疑企業(yè)是否是造成本次突發(fā)污染的源頭。

3 結(jié) 論

3.1 不同污染源的廢水排放特征存在差異性

不同的廢水排放企業(yè)由于生產(chǎn)工藝、車間管理程度和廢水處理設(shè)施運維狀態(tài)的不同，導(dǎo)致存在排放廢水特征差異性，通過廢水排放特征的差異性進行污染溯源識別在一定的范圍內(nèi)是可行的。本次研究范圍1 437家企業(yè)中識別出9家廢水排放企業(yè)，且其廢水排放特征存在明顯的差異性。

3.2 原始廢水特征、處理后排放特征以及對水質(zhì)凈化廠的影響風(fēng)險具有相關(guān)性

突發(fā)污染溯源情景模擬結(jié)果和企業(yè)排入市政管網(wǎng)的污水濃度特征存在較為顯著的一致性，其中鎳因子的一致性為0.701，氟化物的一致性為0.901，表明相同行業(yè)企業(yè)在污水處理工藝差別不大的情況下原始廢水特征、處理后排放特征以及對水質(zhì)凈化廠的影響風(fēng)險是具有相關(guān)性。下一步研究考慮把污水處理設(shè)施運維狀態(tài)、工業(yè)用/排水平衡等風(fēng)險因素加入到廢水排放影響風(fēng)險計算中，更全面準(zhǔn)確的反映企業(yè)的污染風(fēng)險大小。

3.3 探索突發(fā)污染溯源分析應(yīng)用實踐方法

通過預(yù)先模擬分析污染源指標(biāo)特征明確不同污染源污染排放影響風(fēng)險的差異性；在發(fā)生突發(fā)污染事件時分析水質(zhì)凈化廠進水指標(biāo)特征和不同污染源的排放特征相關(guān)性，篩選并不斷縮小可疑排放源范圍；再結(jié)合空間地理信息進行管網(wǎng)關(guān)鍵節(jié)點快速驗證從空間上最終鎖定嫌疑排放源的溯源分析應(yīng)用方法，從污染物特征關(guān)聯(lián)性和空間地理信息關(guān)聯(lián)性兩個角度建立起“污染源-水質(zhì)廠”之間的邏輯聯(lián)系，進而實現(xiàn)反向溯源。可以指導(dǎo)和幫助溯源和執(zhí)法人員快速反應(yīng)、短時間溯源鎖定嫌疑污染源，提升污染溯源的工作效率。下一步計劃利用這種方法編制突發(fā)水污染智能溯源軟件，在該區(qū)域?qū)嵺`應(yīng)用并進一步優(yōu)化改進。