摘要：

為促進(jìn)流域運(yùn)維數(shù)字化與智慧化發(fā)展，更好地服務(wù)智慧水利應(yīng)用決策板塊，以水量平衡及物質(zhì)守恒原理為基礎(chǔ)，依托基于水質(zhì)、水量監(jiān)測(cè)設(shè)備的流域智慧感知體系，快速獲取全要素監(jiān)測(cè)數(shù)據(jù)。圍繞污染源占比和超標(biāo)貢獻(xiàn)率指標(biāo)，研究流域控制斷面污染負(fù)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(duì)M河下游出口斷面水量平衡和污染物濃度進(jìn)行計(jì)算。結(jié)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(lái)源，并通過(guò)超標(biāo)貢獻(xiàn)率計(jì)算結(jié)果判斷支流22及支流24在后續(xù)考核斷面達(dá)標(biāo)治理中應(yīng)予以更高優(yōu)先級(jí)。研究方法相比傳統(tǒng)模型計(jì)算和溯源排查具有原理簡(jiǎn)單、使用便捷、精度可控等優(yōu)勢(shì)，可有效支撐智慧應(yīng)用與決策。

關(guān)鍵詞：

智慧感知體系； 污染負(fù)荷； 流域控制斷面； 污染源占比； 超標(biāo)貢獻(xiàn)率

中圖法分類(lèi)號(hào)：X52

文獻(xiàn)標(biāo)志碼：A

DOI：10.15974/j.cnki.slsdkb.2025.02.017

文章編號(hào)：1006-0081（2025）02-0094-05

0 引 言

隨著城市化進(jìn)程的不斷加速和人口的快速增長(zhǎng)，城市面臨的水安全隱患、水環(huán)境污染以及水資源短缺等問(wèn)題，受到各級(jí)政府部門(mén)和公眾的廣泛關(guān)注［1-2］。近年來(lái)，有關(guān)部門(mén)陸續(xù)出臺(tái)了《水污染防治行動(dòng)計(jì)劃》《城市黑臭水體治理攻堅(jiān)戰(zhàn)實(shí)施方案》《城鎮(zhèn)污水處理提質(zhì)增效三年行動(dòng)方案（2019—2021年）》等文件，對(duì)全國(guó)水污染治理工作提出要求和指導(dǎo)。隨著各類(lèi)工程的不斷推進(jìn)和實(shí)施，城市治水工作已初顯成效［3-4］。城市河道通過(guò)“控源截污、內(nèi)源治理、生態(tài)修復(fù)、活水保質(zhì)”的系統(tǒng)治理［5-7］，水體水質(zhì)基本達(dá)到水功能區(qū)劃目標(biāo)值。

對(duì)于基流匱乏型城市河道［8］，非降雨期間河道水體補(bǔ)給來(lái)源主要包括水質(zhì)凈化廠站的尾水、水庫(kù)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(jīng)過(guò)系統(tǒng)治理（雨污分流改造或設(shè)置截流措施），基本解決了晴天污水溢流問(wèn)題，并通過(guò)尾水補(bǔ)給、水生動(dòng)植物的自然凈化、人工跌水等措施提升了水環(huán)境容量，晴天水體水質(zhì)能實(shí)現(xiàn)穩(wěn)定達(dá)標(biāo)。但在降雨期間，尤其是日降雨量超過(guò)20 mm/d，達(dá)到中雨乃至大雨級(jí)別雨量時(shí)，由于城市管網(wǎng)雨污分流改造不徹底，導(dǎo)致大量污染物通過(guò)雨水排口、箱涵或污水管網(wǎng)溢流口進(jìn)入河道，造成水體污染，主要控制斷面汛期污染強(qiáng)度大幅提升［9］；同時(shí)，由于河道水環(huán)境承載力不足、生態(tài)系統(tǒng)相對(duì)脆弱，易造成水質(zhì)惡化、生態(tài)系統(tǒng)退化。

為系統(tǒng)梳理河道汛期污染物來(lái)源，大量研究集中于管網(wǎng)排查［10-11］、水質(zhì)監(jiān)測(cè)及污染物輸移數(shù)值模擬［12-13］，其中管網(wǎng)排查與水質(zhì)監(jiān)測(cè)等外業(yè)工作易受監(jiān)測(cè)手段和頻次等影響，且工作量大。數(shù)學(xué)模型計(jì)算精度很大程度依賴(lài)于管網(wǎng)、排口現(xiàn)狀和邊界條件的輸入，流域管網(wǎng)等設(shè)施的復(fù)雜化極大降低了模型的精度；而降雨、水質(zhì)、管網(wǎng)等要素等隨時(shí)間的變化，進(jìn)一步增加了研究工作的難度。因此，需要一種原理簡(jiǎn)單、使用方便，且精度較高的方法，通過(guò)分析不同條件下河道汛期污染物來(lái)源，針對(duì)性開(kāi)展溯源排查及整治工作。

隨著水利部陸續(xù)頒布《關(guān)于大力推進(jìn)智慧水利建設(shè)的指導(dǎo)意見(jiàn)》《智慧水利建設(shè)頂層設(shè)計(jì)》《“十四五”智慧水利建設(shè)規(guī)劃》等文件，各地智慧水利建設(shè)迅速推進(jìn)［14］。依據(jù)智慧水利總體框架，可分為智慧感知、數(shù)據(jù)中樞及智慧應(yīng)用決策3個(gè)層次［15-16］。其中，智慧感知是流域智慧化的基礎(chǔ)，是在充分利用物聯(lián)網(wǎng)及通信技術(shù)的基礎(chǔ)上，實(shí)現(xiàn)對(duì)流域范圍內(nèi)河流水系、水利工程和水利管理活動(dòng)等水管理對(duì)象的全過(guò)程感知；數(shù)據(jù)中樞層主要為應(yīng)用決策提供數(shù)據(jù)流的匯聚管理和集中存儲(chǔ)；智慧應(yīng)用決策層則在數(shù)據(jù)融合分析基礎(chǔ)上，為各類(lèi)業(yè)務(wù)部門(mén)決策開(kāi)放使用的應(yīng)用模塊，其核心在于數(shù)據(jù)分析手段、專(zhuān)業(yè)模型支撐以及決策方法。

得益于流域運(yùn)維數(shù)字化與智慧化發(fā)展［17-18］，同時(shí)又為了更好地服務(wù)智慧水利應(yīng)用決策板塊，本文以廣東省某流域?yàn)槔?，依托流域智慧感知體系覆蓋面全、數(shù)據(jù)連通性佳、高效自動(dòng)化等優(yōu)勢(shì)，研究流域典型控制斷面污染負(fù)荷分析方法，通過(guò)污染物來(lái)源占比和超標(biāo)貢獻(xiàn)率等指標(biāo)快速定位污染程度相對(duì)較高的支流片區(qū)，從而快速啟動(dòng)“問(wèn)題-響應(yīng)-反饋”機(jī)制，為流域智慧應(yīng)用決策提供新的數(shù)據(jù)分析手段與決策方法。

1 研究區(qū)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(fā)源于S市，橫跨兩個(gè)行政區(qū)，下游與D市交界?，F(xiàn)狀M河流域面積為388 km2，S市境內(nèi)面積311 km2（兩行政區(qū)流域面積分別為157，154 km2），D市境內(nèi)面積77 km2；干流段總長(zhǎng)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(nèi)）有河流52條，其中干流1條（下游段為界河），一級(jí)支流24條，二、三級(jí)支流27條；D市境內(nèi)9條均為一級(jí)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(jì)90年代開(kāi)始，隨著城市化進(jìn)程的加快，M河流域治河治污設(shè)施建設(shè)日顯滯后，下游國(guó)控?cái)嗝姘钡⒖偭诐舛雀哂诘乇硭躅?lèi)水標(biāo)準(zhǔn)值數(shù)十倍，水體污染嚴(yán)重、生態(tài)平衡被破壞。2016年初，圍繞M河流域開(kāi)展水環(huán)境綜合整治，通過(guò)全流域系統(tǒng)治理及技術(shù)創(chuàng)新，M河國(guó)控?cái)嗝嫠|(zhì)按期實(shí)現(xiàn)了考核目標(biāo)（Ⅳ類(lèi)）。2022年M河國(guó)控?cái)嗝嫒昶骄|(zhì)為Ⅲ類(lèi)，其中晴天國(guó)控?cái)嗝嫠|(zhì)穩(wěn)定達(dá)標(biāo)，各支流水質(zhì)能穩(wěn)定在Ⅴ類(lèi)及以上；但在降雨期間，受雨污分流改造不徹底等影響，水質(zhì)波動(dòng)明顯。M河流域水系概化見(jiàn)圖1。

1.2 排水系統(tǒng)特點(diǎn)

M河流域范圍內(nèi)按雨污分流的排水體制開(kāi)展了雨污管網(wǎng)改造。為控制初雨面源污染，對(duì)干流及具備條件的一級(jí)支流建設(shè)有初雨箱涵，其中，干流箱涵全長(zhǎng)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(zhì)凈化廠，盡可能保證污水不入河。為充分發(fā)揮水質(zhì)凈化廠效能，沿河建設(shè)有調(diào)蓄池（調(diào)蓄塘）11座，總調(diào)蓄規(guī)模58.53萬(wàn)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(shí)施調(diào)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(tǒng)，降雨期間大量沿河雨水進(jìn)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(dá)到滿(mǎn)負(fù)荷，相關(guān)調(diào)蓄池和箱涵水量達(dá)到設(shè)計(jì)截流標(biāo)準(zhǔn)后，混流污水溢流從箱涵末端及拍門(mén)等位置溢流進(jìn)入河道，對(duì)水質(zhì)造成嚴(yán)重影響。

1.3 水質(zhì)凈化廠（站）及尾水利用

M河流域晴天污水總量約為100萬(wàn)m3/d，污水處理總設(shè)計(jì)規(guī)模163萬(wàn)m3/d，包括水質(zhì)凈化廠8座，設(shè)計(jì)處理規(guī)模150萬(wàn)m3/d，臨時(shí)處理設(shè)施3座，設(shè)計(jì)處理規(guī)模13萬(wàn)m3/d；出水水質(zhì)均為準(zhǔn)Ⅳ類(lèi)，臨時(shí)處理設(shè)施不考核總氮。同時(shí)，M河干流和一級(jí)支流再生水補(bǔ)水已全覆蓋，河道補(bǔ)水設(shè)計(jì)總規(guī)模100.58萬(wàn)m3/d，流域基流匱乏現(xiàn)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(zhì)監(jiān)測(cè)相結(jié)合、人工監(jiān)測(cè)和在線自動(dòng)化監(jiān)測(cè)相結(jié)合、駐站監(jiān)測(cè)和移動(dòng)監(jiān)測(cè)相結(jié)合的一體化立體監(jiān)測(cè)技術(shù)，通過(guò)對(duì)自然水循環(huán)的降水、地表徑流、水面蒸發(fā)、土壤下滲、地下徑流等整個(gè)天然過(guò)程和社會(huì)水循環(huán)的水源、取水、 輸水、水廠、供水管網(wǎng)、用水、水質(zhì)凈化廠、排水、再利用等整個(gè)水供應(yīng)鏈的所有環(huán)節(jié)的及時(shí)、全面、準(zhǔn)確監(jiān)測(cè)和接入集成，實(shí)現(xiàn)信息內(nèi)容全覆蓋、循環(huán)過(guò)程全貫穿、監(jiān)測(cè)時(shí)間全天候的智能感知。在S市區(qū)針對(duì)M河流域已經(jīng)初步完成水務(wù)智慧化管理的智慧感知及數(shù)據(jù)中樞建設(shè)工作（圖2），干流及S市內(nèi)24條一級(jí)支流沿線及末端均布設(shè)有水質(zhì)在線監(jiān)測(cè)設(shè)備，對(duì)主要控制斷面主要污染濃度指標(biāo)（氨氮、總磷等）進(jìn)行實(shí)時(shí)監(jiān)測(cè)。主要運(yùn)行設(shè)施如初雨箱涵、水質(zhì)凈化廠等均布設(shè)有水質(zhì)、水量監(jiān)測(cè)設(shè)備。

2 計(jì)算方法

通過(guò)研究降雨期間下游控制斷面來(lái)水，從水體及污染物兩個(gè)角度分析污染來(lái)源。結(jié)合片區(qū)實(shí)際治理進(jìn)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(gè)部分：① 部分雨水直接作為徑流進(jìn)入各支流，并最終匯入干流，到達(dá)控制斷面；② 部分雨水通過(guò)初雨系統(tǒng)進(jìn)入沿河箱涵，但受轉(zhuǎn)輸能力影響，溢流進(jìn)入河道（受雨污分流不徹底影響，該部分與沿河箱涵內(nèi)污水混合，污染物濃度較高）；③ 沿河箱涵內(nèi)未溢流混流水及市政管網(wǎng)污水進(jìn)入水質(zhì)凈化廠，經(jīng)處理后通過(guò)尾水排放口及補(bǔ)水系統(tǒng)進(jìn)入河道。

以上3個(gè)部分的水體污染物分別對(duì)應(yīng)徑流攜帶污染物（含面源污染物及支流范圍內(nèi)點(diǎn)源污染物）、初雨箱涵溢流水體污染物及水質(zhì)凈化廠尾水排放污染物。依據(jù)水量平衡及物質(zhì)守恒原理，忽略除降雨及水質(zhì)凈化廠尾水補(bǔ)給外的其他徑流補(bǔ)給，且不考慮污染物在自然界轉(zhuǎn)移過(guò)程中的分解，則下游控制斷面水量及污染物總量計(jì)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(wàn)m3；

V降雨入河表示降雨產(chǎn)匯流入河水量，萬(wàn)m3，晴天時(shí)為0；

V尾表示水質(zhì)凈化廠尾水水量，萬(wàn)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(guò)雨水管網(wǎng)或排澇泵站抽排進(jìn)入M河干流（不經(jīng)支流匯入）水量，萬(wàn)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(wàn)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(wàn)m3，該水量由流域范圍內(nèi)降雨產(chǎn)匯流及水質(zhì)凈化廠尾水補(bǔ)給兩部分構(gòu)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(shù)據(jù)（包括降雨、水質(zhì)凈化廠尾水排放量、箱涵溢流量及主要水體水質(zhì)等監(jiān)測(cè)數(shù)據(jù)）代入上述控制斷面水量及污染物計(jì)算表達(dá)式（2）中，可分析不同來(lái)源污染物對(duì)國(guó)控?cái)嗝孢_(dá)標(biāo)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(jìn)行分析及說(shuō)明?？紤]到氨氮作為國(guó)內(nèi)河流湖泊富營(yíng)養(yǎng)化的直接因素，具有在線監(jiān)測(cè)便捷和精度相對(duì)較高的特點(diǎn)，故本次選擇氨氮作為控制斷面污染物指標(biāo)進(jìn)行研究，M河流域典型斷面水質(zhì)監(jiān)測(cè)見(jiàn)圖3。

3 案例分析

3.1 基礎(chǔ)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(zhì)有2 d返劣，且均為氨氮濃度超標(biāo)，M河流域降雨數(shù)據(jù)見(jiàn)圖4。

降雨期間控制斷面日均氨氮濃度及降雨情況見(jiàn)表1，其中氨氮濃度由在線監(jiān)測(cè)設(shè)備統(tǒng)計(jì)、日降雨量數(shù)據(jù)根據(jù)氣象局針對(duì)流域范圍內(nèi)各區(qū)降雨量智慧平臺(tái)在線監(jiān)測(cè)數(shù)據(jù)統(tǒng)計(jì)得到。為厘清導(dǎo)致控制斷面返劣污染源的主要來(lái)源，本次重點(diǎn)對(duì)箱涵溢流期間，即2022年5月11～14日，干、支流來(lái)水及污染物濃度進(jìn)行統(tǒng)計(jì)。

3.2 水量平衡計(jì)算

根據(jù)流域匯水面積估算降雨產(chǎn)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(jì)降雨深度，平均徑流系數(shù)α取0.6。充分考慮雨水進(jìn)入市政污水系統(tǒng)及箱涵溢流問(wèn)題，根據(jù)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(yīng)由以下幾部分組成。

（1） 降雨直接進(jìn)入M河干流部分。包括通過(guò)抽排、降雨等方式直接進(jìn)入干流，流域內(nèi)平均累計(jì)降雨量為153.7 mm，經(jīng)計(jì)算，該部分水量約177.43萬(wàn)m3。

（2） 降雨產(chǎn)流通過(guò)支流或尾水補(bǔ)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(jìn)入）。

① S市支流匯入。根據(jù)流域內(nèi)一級(jí)支流匯水面積估算降雨產(chǎn)流，流域內(nèi)平均累計(jì)降雨量為153.7 mm，流域內(nèi)產(chǎn)生總水量約2 137.94萬(wàn)m3，扣除進(jìn)入雨水管網(wǎng)及箱涵溢流部分共計(jì)291.8萬(wàn)m3，則通過(guò)支流進(jìn)入M河干流水量約2 353.04萬(wàn)m3（含補(bǔ)水部分506.9萬(wàn)m3）。其中，水質(zhì)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(jù)晴天多日平均處理水量進(jìn)行估算，多余部分則為受降雨影響混入污水系統(tǒng)雨水。降雨期間5月11～14日總處理水量為582.64萬(wàn)m3，考慮旱季各廠站污水總量約112.62萬(wàn)m3/d，則估算降雨期間共約132.16萬(wàn)m3雨水進(jìn)入污水處理系統(tǒng)，根據(jù)流域內(nèi)補(bǔ)水調(diào)度，最終506.9萬(wàn)m3尾水補(bǔ)入M河流域，干流及各支流補(bǔ)水情況根據(jù)廠站設(shè)計(jì)尾水補(bǔ)水規(guī)模按比例分配。

② D市支流匯入。D市支流均設(shè)有閘門(mén)，降雨期間閘門(mén)關(guān)閉，各支流通過(guò)溢流進(jìn)入M河干流，按照總水量的70%溢流，約499.52萬(wàn)m3。

（3） 箱涵溢流進(jìn)入干流部分。根據(jù)在線監(jiān)測(cè)設(shè)備統(tǒng)計(jì)，5月11～14日降雨箱涵溢流期間，溢流水量約159.64萬(wàn)m3，見(jiàn)表2。經(jīng)連續(xù)監(jiān)測(cè)，溢流水體平均氨氮濃度約為6.0 mg/L。

3.3 污染物計(jì)算

為確定M河干流下游控制斷面氨氮來(lái)源，根據(jù)上述物質(zhì)守恒原理，計(jì)算得到污染物來(lái)源占比。同時(shí)，為進(jìn)一步分析造成控制斷面不達(dá)標(biāo)的原因，以地表Ⅳ類(lèi)水為控制斷面考核目標(biāo)值（氨氮濃度為1.5 mg/L），定義污染超標(biāo)貢獻(xiàn)占比=某水體氨氮超過(guò)目標(biāo)總量/控制斷面超目標(biāo)氨氮總量×100%，計(jì)算結(jié)果見(jiàn)表3。

注：箱涵溢流水體為干流箱涵末端或拍門(mén)溢流入河部分，直接入河水體為降雨未通過(guò)支流直接匯入干流部分；超標(biāo)貢獻(xiàn)率為正，表示超標(biāo)造成考核斷面不達(dá)標(biāo)，反之則為負(fù)。

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(zhì)監(jiān)測(cè)設(shè)備提供；D市9條一級(jí)支流尚未配備在線監(jiān)測(cè)設(shè)施，通過(guò)對(duì)降雨期間多次人工采樣數(shù)據(jù)取均值獲得；考慮到M河干流已實(shí)施系統(tǒng)治理，且生態(tài)緩沖帶建設(shè)相對(duì)完備，故暫不考慮直接匯入部分污染物，認(rèn)為該部分氨氮濃度為0。

3.4 結(jié)果分析

計(jì)算結(jié)果表明，M河干流控制斷面氨氮污染物來(lái)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(xù)應(yīng)作為降低流域汛期污染強(qiáng)度的治理重點(diǎn)；而從控制斷面超標(biāo)貢獻(xiàn)率計(jì)算結(jié)果來(lái)看，除上述污染物來(lái)源高占比河流外，支流22及支流24超標(biāo)貢獻(xiàn)率均超過(guò)5%，這2條支流雖然流域面積較小，降雨期間產(chǎn)流量一般，但污染物濃度較高，這類(lèi)水體在容易造成控制斷面超標(biāo)的同時(shí)也更容易排查出相關(guān)問(wèn)題，因此在后續(xù)治理中應(yīng)予以更高優(yōu)先級(jí)。

4 結(jié) 語(yǔ)

本文基于流域智慧感知體系覆蓋面全、數(shù)據(jù)連通性佳、高效自動(dòng)化等優(yōu)勢(shì)，圍繞水量平衡及物質(zhì)守恒原理，開(kāi)展了流域控制斷面污染負(fù)荷分析方法研究，以污染物來(lái)源占比和超標(biāo)貢獻(xiàn)率為指標(biāo)，找出了造成汛期污染強(qiáng)度上升的關(guān)鍵因素，該方法具有原理簡(jiǎn)單、使用方便、精度較高的優(yōu)勢(shì)，為考核斷面達(dá)標(biāo)治理決策提供了新思路。

參考文獻(xiàn)：

［1］ 劉玉敏，呂朋，王岳飛，等.引江濟(jì)淮工程高低聯(lián)動(dòng)智能視頻感知技術(shù)研究［J］.人民長(zhǎng)江，2024，55（4）：262-267.

［2］ 王逢武，吳寧，黃兢祥，等.大灣區(qū)典型城市流域水環(huán)境綜合整治現(xiàn)狀及趨勢(shì)［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(qū)創(chuàng)新治水模式分享［J］.中國(guó)給水排水，2020，36（8）：1-6.

［4］ 米廣杰.城市流域水環(huán)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(shí)踐［J］.中國(guó)給水排水，2023，39（14）：134-140.

［6］ 徐祖信，張競(jìng)藝，徐晉，等.城市排水系統(tǒng)提質(zhì)增效關(guān)鍵技術(shù)研究——以馬鞍山市為例［J］.環(huán)境工程技術(shù)學(xué)報(bào)，2022，12（2）：348-355.

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

［8］ 李?lèi)?ài)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(shù)方法——以賈魯河為例［J］.環(huán)境保護(hù)，2015，43（13）：20-23.

［9］ 吳亞男，任心欣，高玉枝，等.基于小流域水環(huán)境治理探索雨季溢流污染防治的深圳實(shí)踐［J］.環(huán)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(cè)，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(shù)研究［J］.中國(guó)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(wǎng)雨污分流改造效果評(píng)估研究——以湖南省益陽(yáng)市秀峰湖片區(qū)為例［J］.水利水電快報(bào)，2022，43（6）：110-116，124.

［13］ 李一平，施媛媛，姜龍，等.地表水環(huán)境數(shù)學(xué)模型研究進(jìn)展［J］.水資源保護(hù)，2019，35（4）：1-8.

［14］ 蔡陽(yáng).以數(shù)字孿生流域建設(shè)為核心構(gòu)建具有“四預(yù)”功能智慧水利體系［J］.中國(guó)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(tái)研究與實(shí)現(xiàn)——以西江流域?yàn)槔跩］.人民長(zhǎng)江，2021，52（增2）：289-292.

［16］ 冶運(yùn)濤，蔣云鐘，曹引，等.以數(shù)字孿生水利為核心的智慧水利標(biāo)準(zhǔn)體系研究［J］.華北水利水電大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，44（4）：1-16.

［17］ 王曉輝，吉海，張順，等.深圳市水務(wù)數(shù)據(jù)治理的探索與實(shí)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(wù)總體設(shè)計(jì)研究與分析［J］.水利水電技術(shù)（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