秀山县城区雨水径流污染特征综合评价

甘春娟，朱子奇，刘梦一，熊 毅

（1.重庆市市政设计研究院有限公司，重庆 400012；2.重庆交通大学 河海学院，重庆 400074；3.重庆西恒工程咨询有限公司，重庆 401123）

传统雨水排放系统因降雨径流携带大量污染物直接排放城市水体时，容易造成水质恶化、增加生态系统退化和公共健康风险，已成为城市水体的重要污染源[1-2]。同时，降雨径流产生的污染在环境中具有多重归趋和迁移过程（如吸附、衰减、沉积等），导致径流水质在时空上具有显著变异性，以致现行的雨水水质监测方法或规程难以对雨水径流污染特征进行科学评价[3]。为解决雨水径流污染问题，国内外提出了一系列新型雨水管理理念，如美国的低影响开发（low impact devel⁃opment,LID）、澳大利亚的水敏性城市设计（water sensitive urban design,WSUD）、英国的可持续排水系统（sustainable drainage systems,SUDS），以及中国的海绵城市等。在这些雨水管理方法中，通常设置雨水控制措施（stormwater control measures,SCMs）对降雨径流产生的污染进行源头控制。但在实践过程中，不同SCMs对径流污染物的去除功效各不相同。显然雨水径流污染特征对SCMs的选取起主导作用。因此，雨水径流污染的科学评价已成为我国已建城区海绵城市改造的基础研究内容，也是非点源污染物对城市水环境影响评价的新课题。

本文结合重庆市秀山县城区海绵城市建设，对2017年2场典型降雨（7月8日和8月8日）下某改造区域内4种下垫面（城市道路、广场、居住区和屋面）的5个监测点位的降雨径流进行了水质监测，采用SOM对初期径流污染特征进行综合评价，并利用SPSS 20.0软件对污染物进行主成分分析，以期确定初期降雨径流的主要污染物，并验证SOM聚类法在径流污染评价分析中的可信性，为改造区域内SCMs的选取提供科学依据。

1 秀山县城区雨水径流水质监测

1.1 研究区域概况

秀山县位于重庆东南部，属于亚热带湿润季风气候。秀山县城区海绵城市试点区域总面积8.08 km2，建设用地面积为6.34 km2，水域面积0.48 km2，规划居住人口8万人。历史（1960—2014年）年平均降雨量为1 350.1 mm，暴雨主要集中在6～10月。2016年12月1日至2017年11月30日期间，利用JBD-2双翻斗雨量计对试点区域内的降雨量进行全天候实时监测，并按月进行统计处理，如图1所示。统计结果显示监测期内年降雨量为1 316.6 mm，暴雨主要集中在6月、8月和9月，基本与历史降雨特征一致，表明2017年属于具有普遍代表性的非极端年份。

图1 降雨分布特征Fig.1 Distribution characteristics of rainfall

降雨径流污染主要来自降雨径流对下垫面沉积污染物的冲刷，且冲刷效应取决于降雨强度和前期晴天数。为此，选取了2017年7月8日和2017年8月8日2场不同前期晴天数下的典型降雨（如表1所示），对研究区域内的主干道（城市道路）、居住区、广场和屋面4种典型下垫面产生的径流进行污染特征分析，共设置5个采样点，如图2所示。除屋面外，其余监测点均位于雨水口。

表1 降雨事件特征Table 1 Characteristic of rainfall events

图2 研究区域区位图Fig.2 Geographical location of the study area

1.2 监测方法

降雨产流至监测点时立即用聚乙烯瓶进行水样的采集。根据初期降雨径流的特点，采用“前密后疏”的采样方法，即前30 min内每隔5 min采样1次，30～60 min内每隔10 min采样1次，60 min后每隔20 min取样1次。取样后，在采样瓶上标明监测日期、地点和采样顺序，并送往分析实验室按国标法进行水质分析。

2 降雨径流污染特性

2.1 降雨径流污染物浓度随降雨历时变化情况

不同下垫面条件产生的径流污染物浓度变化过程如图3所示。

由图3可知，2次监测期内渝秀大道西径流污染物在径流初期随径流量的增大逐渐上升，并在产流形成10 min时达到峰值；随后开始下降，并在40 min后趋于稳定。TSS与COD最高浓度出现于7月8日径流形成10 min时，分别达到3 043 mg/L与662 mg/L，具有较强的相关性，主要是由于此时降雨雨强较大，冲刷较明显。雨水径流中NH3-N与TP浓度随径流时间的延长而呈现较好的规律性，并在10 min时达到峰值，50 min后趋于稳定，中期有较小波动。相对于渝秀大道西，渝秀大道东径流中 TSS 浓度明显较低[图 3（b）]，最高仅有372.2 mg/L，这主要是由于渝秀大道西周边处于建设施工状态，雨水夹带大量沙土致使径流中TSS增加，径流冲刷显著。两次监测期内，径流污染物浓度峰现时间略有不同，但总体变化趋势较为相似。

图3 不同下垫面各径流污染物历时变化Fig.3 Variations of pollutants with runoff time in different underlying surface

居住区路面TSS在径流初期随径流量的增加而逐渐上升，但TSS与COD浓度总体低于渝秀大道，约为渝秀大道东的1/2。TSS、COD、NH3-N和TP初期峰值形成于10～15 min，并随径流时间延长而逐渐下降并趋于稳定，但在30～40 min略有波动。两次监测期内，广场降雨径流污染物浓度峰值出现时间有所不同，分别出现于10 min和5 min，这主要是由于广场路面为硬质光滑地砖，初期冲刷效应明显且受降雨雨强影响，以致雨强较大时峰值出现时间较短。

相较于其他下垫面而言，屋面径流TSS浓度较低，最大仅为76 mg/L，而径流后期基本低于10 mg/L，这主要是由于秀山县空气质量较好，而屋面污染物主要来源于雨前飘尘、悬浮物等物质的沉积作用。

2.2 径流污染物EMC

由于径流污染物的浓度随径流时间、下垫面类型、降雨强度等因素而发生变化，因此，通常采用场次降雨污染物平均浓度（event mean con⁃centration，EMC）表示降雨径流中污染物的平均浓度，即采用总污染物量与径流总量的比值来表示。

沥青含量相对较高（沥青含量9%～13%），拌制的混合物流动性较大的特点。一般适用于施工条件比较恶劣的寒冷地区、坝高小于50m的中低高度土石坝。

表2 降雨事件径流污染物EMC值统计表Table 2 Statistics of EMC values of pollutants from rainfall runoff 单位：mg/L

由表2可以看出，各下垫面大致污染程度情况为城市道路（渝秀大道西>渝秀大道东）>居住区>广场>屋面。其中，渝秀大道西污染物EMC值在每一场降雨中均远高于其余4个监测点。同为城市道路，渝秀大道西径流污染程度要明显高于渝秀大道东，特别是TSS的EMC值是渝秀大道东的5～6倍，而其余3种污染物的EMC值也是渝秀大道东的1.8～3.9倍。这主要与其汇水区域内的下垫面条件有关，渝秀大道西靠近农田和建设施工区域，施工车辆行驶导致路面泥沙沉积明显，因此降雨期路面泥沙冲刷较大。而位于城区的渝秀大道东、居住区和广场虽然也存在行人车辆造成的污染物沉积，但定期清扫使得沉积量较少，以致各污染物浓度均低于渝秀大道西。

由于目前对降雨径流水质评价尚未形成统一的标准，笔者分别选用《地表水环境质量标准》（GB 3838—2002）（III类）、《污水综合排放标准》（GB 8978—1996）、《城市污水再生利用 景观环境用水水质》（GB/T 18921—2002）和《城市污水再生利用城市杂用水水质》（GB/T 18920—2002）4个标准进行径流水质评价，如表3所示。评价结果表明，渝秀大道西的降雨径流直排水体后将产生一定的环境污染问题，应进行径流污染控制。城市道路路面径流污染控制应重点以TSS和TP为控制目标，可采用生物滞留设施、植草沟等渗滤型低影响开发措施。而广场和居住区径流污染控制应以TSS为控制目标，可采用透水铺装和雨水花园等LID措施。同时，不同监测点产生的降雨径流可（部分）满足《城市污水再生利用城市杂用水水质》（GB/T 18920—2002）的相关用水水质要求，可重点考虑雨水资源利用。

3 径流水质综合评价

3.1 基于SOM聚类法的分析评价

通过对监测期内场次降雨径流污染特性的分析可知，各污染物初期冲刷效应较明显，且主要集中于10～15 min。为此，本研究采用SOM-K-me⁃doids算法对第10 min和第15 min的监测数据进行聚类分析，并根据神经元数量计算公式确定神经元个数。由于本研究有4种水质指标，故神经元个数为15（采用4×4网络）。采用线性初始化法对样本数据进行1 000次迭代训练，最终可得到图4所示的自组织映射图。

表3 径流水质评价结果Table 3 Evaluation results of runoff quality

由图4可知，7月8日TSS与COD具有较强的相关性，TP与COD之间具有较弱的相关性，而NH3-N与TP之间具有一定的正相关性，且各浓度较高的点均被归于左下角一类。8月8日NH3-N、COD与TP具有较强的正相关性，而各指标与TSS的相关性较弱。

为进一步了解降雨径流污染情况，利用排名函数对各监测点污染情况进行综合评价，结果如表4所示。

图4 各水质参数的自组织映射图Fig.4 Self-organizing map of water quality parameters

表4 各下垫面综合污染排名Table 4 Ranking of integrated pollution of underlying surfaces

由聚类结果可知，在2017年7月8日降雨径流10 min时，初期降雨径流综合污染最严重的为渝秀大道西监测点，其次为渝秀大道东，居住区与广场由于输出结果相近被归为一类，而屋面所受污染较轻，排名第一。研究结果表明，研究区域5个监测点径流污染最为严重的是渝秀大道西下垫面，而屋面综合径流污染较轻。

3.2 基于PCA的径流水质综合评价

PCA在水质评价中不仅可对各监测点的相对污染程度进行评价[12-13]，并据此进行分级排序，还可明确各单项指标在综合指标中的作用，从而确定主要污染成分。

首先利用SPSS 20.0对前述5个监测点的4项水质指标数据进行标准化处理，并求出主成分与贡献率矩阵。同理，求出径流时间为10 min和15 min时水质指标的主成分以及贡献率矩阵。当累积贡献率大于85%时，仅需一个主成分即可表达出原始指标所提供的绝大部分信息。利用SPSS 20.0获得的4个特征值可得到各时段主要成分的线性表达式：

式中，X1、X2、X3和X4分别为各时段 TSS、COD、NH3-N和TP等指标；F为各主成分的得分，其中，F7.8-10为7月8日第10 min径流污染主成分的得分，以此类推。

PCA结果表明，研究区域5个监测点径流污染最为严重的是渝秀大道西下垫面，而屋面综合径流污染较轻，并且污染程度排名基本与SOM聚类分析结果一致。

表5 不同时段各监测点污染物指标综合得分Table 5 Comprehensive scoring of pollutant index on monitoring sites

3.3 污染物指标综合分析

分别采用SOM算法和PCA法对径流污染较严重的渝秀大道西与渝秀大道东两个监测点第10 min和第15 min的径流污染物指标成分进行分析，结果如表6所示。

表6 径流污染物指标成分排名Table 6 Ranking of runoff pollutant index

由表6可知，虽然两种方法的分析结果略有差异，但大部分基本吻合。其中，由于NH3-N与TP数值差异过小，导致SOM将距离较近的输出结果聚为一类，使其排名与PCA排名不同。但两种方法均表明TSS和COD为城市道路下垫面降雨径流中的主要污染物，在径流污染控制中可在汇水区域内的雨水口增设初期弃流装置。研究结果表明，采用SOM聚类法可准确识别出径流污染中的主要污染成分，并可作为雨水径流污染特征的一种有效评价方法。

4 结论

（1）各下垫面径流污染物浓度随时间变化规律具有一定差异，但总体而言，初期冲刷效果较明显，前期污染物浓度峰值主要出现在第5～20 min，总体呈现下降趋势，基本在50 min后趋于稳定。其中，渝秀大道东、居住区与广场降雨径流污染物浓度在40～60 min波动较为明显，主要由于后期降雨量减少，流量增加速率小于污染物冲刷速率。

（2）从降雨事件径流污染物EMC可知，各下垫面大致污染程度情况为城市道路（渝秀大道西>渝秀大道东）>居住区>广场>屋面。其中渝秀大道西处于农田与建设区域，污染最为严重。

（3）SOM和PCA评价结果表明，城市道路径流污染物主要为TSS和COD，且SOM聚类法可准确识别出径流污染中的主要污染成分，可作为雨水径流污染特征的一种有效评价方法。