唐美燕 葉勁彤

摘 要：通過建立合適的水污染預警模型給出及時、可靠的水污染預警信息，對于開展水污染的預防、治理工作具有指導性作用。利用單一水質因子濃度與其最高標準容許值構建了單因子水質污染指數(shù)預警模型，實現(xiàn)了評價的同趨化；基于單因子水質污染指數(shù)采用層次分析法構建了水污染綜合指數(shù)預警模型。對所構建的兩個水質污染預警模型在漓江流域中進行了運用。得到結果：從溶解氧、高錳酸鹽指數(shù)、氨氮、總磷單因子水質污染指數(shù)預測漓江流域的水質狀況為優(yōu)；從總氮單因子水質污染指數(shù)預測漓江流域的水質狀況為中度污染或輕度污染；由漓江流域水污染綜合指數(shù)預測值，得到其綜合水質整體呈現(xiàn)逐漸變好的趨勢。

關鍵詞：水污染預警模型；單因子水質污染指數(shù)；水污染綜合指數(shù)；漓江流域

中圖分類號：X824文獻標志碼：A文章編號：1673-9655（2023）02-0-05

0 引言

水污染預警指通過對某一流域的水質成分進行分析，預測水質的變化趨勢并對水質的污染情況給出預警。水污染預警可在一定的時間、空間范圍內反應某一流域的水質狀況，對預防、治理水環(huán)境污染具有指導性的作用。目前有許多人研究水污染預警模型，王瑞梅在《淡水養(yǎng)殖池塘水質預警模型》[1]中利用養(yǎng)殖池塘水質數(shù)據(jù)建立單因子狀態(tài)預警模型，再根據(jù)水質的復雜性建立多因子狀態(tài)預警模型。馬晉在《基于回歸分析的地下水污染預警模型》[2]中運用邏輯回歸分析確定地下水污染發(fā)生的比率及地下水污染程度。張康在《基于Zigbee的水產養(yǎng)殖網絡與水質預警模型構建》[3]中，先對水質因子數(shù)據(jù)進行同趨化處理，利用多元回歸分析建立水藻量與水質因子的線性回歸模型。層次分析法在許多方面均有運用，運用到預警模型比較少見。羅艷在《遵義東南部地區(qū)農業(yè)土壤重金屬污染預警模型》[4]中運用改進的層次分析法確定農業(yè)土壤重金屬權重，建立農業(yè)土壤重金屬污染預警模型。由水質因子的特性與文獻的啟發(fā)，本文利用單因子水質濃度與其最高標準容許值建立單因子水質污染指數(shù)預警模型；運用層次分析法確定水質因子的權重，由權重與單因子水質污染指數(shù)建立水污染綜合指數(shù)預警模型；然后以漓江流域為例，對所建預警模型進行運用。

1 水污染預警模型的構建方法

1.1 單因子水質污染指數(shù)預警模型

有些水質因子的濃度越大說明水質越好，而有些水質因子的濃度越大說明水質越差，為了達到評價的同趨化，構建了單因子水質污染指數(shù)預警模型：

（1）當水質因子濃度越大水質越好時，構建 計算單因子水質污染指數(shù)；

（2）當水質因子濃度越小水質越好時，構建 計算單因子水質污染指數(shù)。

式中：Ci—i水質因子濃度；Coi—i水質因子濃度的最高標準容許值。

從i水質因子角度評價水質，單因子水質污染指數(shù)Ei越大水質越好，實現(xiàn)了評價的同趨化，同時更利于綜合評價水質模型的構建。根據(jù)《GB 3838-2002地表水環(huán)境質量標準》中各水質類別對應水質因子濃度范圍，由單因子水質污染指數(shù)預警模型計算各水質類別對應各單因子水質污染指數(shù)范圍，可知水質類別達到Ⅰ類時，單因子水質污染指數(shù)都≥1。各水質類別對應溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N、總磷TP、總氮TN單因子水質污染指數(shù)范圍如表1，它們的單因子水質污染指數(shù)分別記為EDO、ECODMn、ENH3-N、ETP、ETN。

1.2 基于層次分析法構建水污染綜合指數(shù)預警模型

1.2.1 構造比較矩陣

選取溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N等n種水質因子作為水污染的重要指標，在確定水質因子指標權重時將層次分析法中的1至9標度法改進為1至3標度，以便減少判斷過程中的復雜性和模糊性。水質Ⅱ類標準容許值為Si，構造比較矩陣，其中aij由下面公式計算：

2 漓江流域水質因子數(shù)據(jù)說明

選取溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N、總磷TP、總氮TN 5個水質因子作為漓江流域水污染的重要指標。通過廣西壯族自治區(qū)生態(tài)環(huán)境廳網站，收集了2018年1月—2019年5月與2019年8月—2022年4月期間四年多關于漓江流域溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N、總磷TP、總氮TN的月監(jiān)測數(shù)據(jù)，其中2019年

6月、7月缺失的水質因子濃度通過2019年5月、8月水質因子濃度的平均值進行補充。2018年1月—2022年4月的月監(jiān)測部分數(shù)據(jù)見表2。

3 漓江流域的水污染預警情況

漓江保護工作國家高度重視，多次作出重要指示，賦予了人們保護漓江的重大政治責任與使命。在2011年通過了《廣西壯族自治區(qū)漓江流域生態(tài)環(huán)境保護條例》，2012年國家發(fā)改委正式批復了《桂林國際旅游勝地建設發(fā)展規(guī)劃綱要》，綱要闡明了以產業(yè)轉型升級解決漓江保護與發(fā)展的矛盾。2019年印發(fā)了《桂林漓江生態(tài)保護和修復提升工程方案（2019—2025 年）》，自2022年起將每年4月25日設為“漓江保護日”。從單一水質因子、綜合水質因子角度關注研究漓江流域的水質狀況是保護愛護漓江的重要工作之一。

3.1 單因子水質污染指數(shù)預警情況

利用SPSS統(tǒng)計軟件中時間序列預測下的專家建模器，可知漓江流域的溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮CODMn、總磷TP、總氮TN均使用簡單季節(jié)性時間序列模型進行預測。預測結果見表3。

基于漓江流域2022年5—10月的溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N、總磷TP、總氮TN的濃度預測值，由單因子水質污染指數(shù)預警模型，得到這5個水質因子的單因子水質污染指數(shù)預測值。再由表1和2011年發(fā)布的《地表水環(huán)境質量評價辦法》中水質狀況評價方法：Ⅰ類至Ⅱ類水質狀況為優(yōu)、Ⅲ類水質狀況為良好、Ⅳ類水質狀況為輕度污染、Ⅴ類水質狀況為中度污染、劣Ⅴ類水質狀況為重度污染，得到2022年5—10月漓江流域的水質類別、水質狀況，具體結果見表4。

由表4可知，漓江流域2022年5—10月溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N單因子水質污染指數(shù)的預測值均＞1，說明從這三個單因子水質污染指數(shù)預測漓江流域水質類別都為Ⅰ類，水質狀況為優(yōu)；在預測的半年中，總磷TP單因子水質污染指數(shù)都在[0.2，1）區(qū)間內，說明從總磷TP單因子水質污染指數(shù)預測水質類別都為Ⅱ類，水質狀況為優(yōu)；在預測的半年中，從總氮TN單因子水質污染指數(shù)預測2022年8月、9月水質類別為Ⅳ類水質狀況為輕度污染、其他預測月份水質類別為Ⅴ類水質狀況為中度污染，說明需要特別關注漓江流域總氮TN含量，采取相關措施防治漓江流域來自總氮的污染。

3.2 漓江流域水污染綜合指數(shù)情況

3.2.1 計算比較矩陣

由《GB 3838-2002地表水環(huán)境質量標準》規(guī)定的溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N、總磷TP、總氮TN的Ⅱ類標準容許值S1見表5。

通過表5計算比較矩陣A，結果為：

利用比較矩陣A按行求和得xi， x1=9， x2=7， x3=4， x4=1， x5=4。

3.2.2 計算判斷矩陣

利用式（2）計算判斷矩陣B：

3.2.3 求解權重構建漓江流域水污染綜合指數(shù)預警模型

判斷矩陣B的最大特征值λmax約為5.133，一致性指標IB約為0.033，所以一致性比率，RC為0.029＜0.1說明一致性檢驗通過，權重設定的合理。利用已求得的溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N、總磷TP、總氮TN這5個水質因子的權重，構建漓江流域水污染綜合指數(shù)預警模型：

3.2.4 漓江流域水污染綜合指數(shù)預測值

基于漓江流域溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N、總磷TP、總氮TN5個水質因子的單因子水質污染指數(shù)預測值，利用式（10）得到漓江流域2022年5—10月水污染綜合指數(shù)P的預測值，由預測值繪制折線圖，如圖1。

由漓江流域2022年5—10月漓江流域水污染綜合指數(shù)P的預測值，可知漓江流域綜合水質情況呈現(xiàn)波浪形、整體呈現(xiàn)逐漸變好趨勢。

4 結論

構建了單因子水質污染指數(shù)預警模型，由此模型計算單因子水質污染指數(shù)Ei，從水質因子i角度評價水質，有Ei值越大水質越好，實現(xiàn)了評價的同趨化，同時更利于綜合評價水質模型的建立?；趩我蜃铀|污染指數(shù)采用層次分析法構建了水污染綜合指數(shù)預警模型，由此計算水污染綜合指數(shù)P，再根據(jù)P值觀察水質的綜合變化。利用2018年1月—2022年4月漓江流域溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N、總磷TP、總氮TN的月監(jiān)測數(shù)據(jù)，使用簡單季節(jié)性時間序列模型對其進行預測，得到2022年5—10月這5個水質因子的濃度預測值?；跐舛阮A測值由單因子水質污染指數(shù)預警模型，得到從溶解氧DO、高錳酸鹽指數(shù)CODMn、氨氮NH3-N單因子水質污染指數(shù)預測2022年5—10月漓江流域的水質類別都為Ⅰ類，水質狀況為優(yōu)；從總磷TP單因子水質污染指數(shù)預測漓江流域的水質類別都為Ⅱ類，水質狀況為優(yōu)；從總氮TN單因子水質污染指數(shù)預測2022年8月、

9月水質類別為Ⅳ類水質狀況為輕度污染、其他預測月份水質類別為Ⅴ類水質狀況為中度污染?；?022年5—10月漓江流域水質因子的單因子水質污染指數(shù)的預測值由水污染綜合指數(shù)預警模型，得到漓江流域水污染綜合指數(shù)預測值，結果表明漓江流域綜合水質整體呈現(xiàn)逐漸變好的趨勢。

參考文獻：

[1] 王瑞梅， 何有緣， 傅澤田.淡水養(yǎng)殖池塘水質預警模型[J].吉林農業(yè)大學學報， 2011， 33（1）：84-88.

[2] 馬晉， 何鵬， 楊慶， 王嘉瑜， 蒲生彥.基于回歸分析的地下水污染預警模型[J].環(huán)境工程， 2019， 37（10）：211-215.

[3] 張康， 文法廣， 余利娟， 馬玉梅， 曹劭彬， 馬婷婷.基于Zigbee的水產養(yǎng)殖網絡與水質預警模型構建[J].科技創(chuàng)新與生產力， 2017（1）：92-96.

[4] 羅艷， 譚紅， 何錦林， 陳愷， 文錫梅.遵義東南部地區(qū)農業(yè)土壤重金屬污染預警模型[J]. 生態(tài)與農村環(huán)境學報， 2011， 27（3）：15-19.

[5] 馬晉.地下水污染風險評價及預警模型研究[D].成都： 成都理工大學， 2019.

[6] 雷天雷.水質預警系統(tǒng)發(fā)展狀況的研究報告[J].北京農業(yè)， 2013， 1（21）：113.

Abstract： By establishing a suitable water pollution warning model， the timely and reliable water pollution warning information is given， which has played guiding role in the prevention and control of water pollution. In this paper， a single factor water pollution index warning model is constructed using the data of single water quality factor and its maximum standard allowable value， which solves the unification of evaluation. The weights of water quality factors were obtained by analytic hierarchy process. Based on the weight and single factor water pollution index， the warning model of water pollution comprehensive index is constructed. The two water pollution warning models were applied in the Lijiang River Basin. The results obtained that the water quality status of the Lijiang River basin was the best as predicted from the dissolved oxygen， permanganate index， and ammonia nitrogen and total phosphorus single factor water quality pollution index. The water quality of the Lijiang River basin was moderate or mild pollution as predicted from total Nitrogen Single Factor Water Pollution Index. The comprehensive water quality of the predicted value of the comprehensive water pollution index was gradually getting better.

Key words： water pollution warning model; single factor water pollution index; comprehensive water pollution indexes; the Lijiang River basin