地表水水质间各参数相关性分析

2021-05-12杨丰源张琪和庆

生物化工 2021年2期

杨丰源，张琪，和庆

（1.上海浦公节能环保科技有限公司，上海 201203；2.上海天汉环境资源有限公司，上海 201100）

据《2018上海市河道（湖泊）报告》，上海河网密集，河道数量过大。由于水质状态不稳定，把控河道水质实时现状是一大难点，故提出可利于河道长效监管、智能化监测的模式来帮助河道管理中心进行集中监管，通过大数据可了解河道的实时现状并对重点区域进行严格监管，从而提高水质。

目前，水质在线监测方式得到广泛认可及应用[1-2]，但由于价格因素，普遍选用价格便宜的监测五参数[温度、pH值、浊度、溶解氧（DO）、电导率（EC）]，但这并不能准确指出河道水质类别及污染程度。目前，了解河道污染状况的主要参数为DO、氨氮（NH3-N）、总氮（TN）、总磷（TP）及高锰酸盐指数，但监测这些指标的传感器具有价格高、体积大和耗时长等特点[3]，故难以大规模使用。

本研究通过五参数与化学需氧量（COD）、TP、TN、NH3-N和叶绿素a（chl-a）参数间的显著相关性，以“一河一策”制[4]来模拟各河道的水质参数相关性，从而更准确地推算出不同河道的水质状况。

1 材料与方法

1.1 样本采集

分别选农业、工业、生活及混合源的4条河道作为研究对象，于2019年10月—2020年8月，对河道水质进行逐月取样分析。

1.2 仪器

多参数水质分析仪，美国YSI；VIS-7220型可见光分光光度计，北京北分瑞利分析仪器（集团）公司。

1.3 水质常规指标分析

水温（WT）、DO、EC使用多参数水质分析仪现场测定；chl-a采用热乙醇分光光度法进行测定（ISO 10260-1992）；TP采用钼酸铵分光光度法（GB11893-1989）；总氮采用碱性过硫酸钾消解紫外分光光度法（GB 11894-89）；氨氮测定采用纳氏试剂分光光度法（HJ 535-2009）；COD采用高锰酸钾法（GB 11892-89）。

1.4 数据处理及分析

每项水质指标测定结果为2个平行样，分析结果取其平均值，相对标准误差（RSD）控制在10%以内。

2 结果与讨论

2.1 不同污染源的影响参数分析

相同条件下，分别于上海不同污染源的河道取样，根据“1.3”中各项方法进行检测，结果见表1。根据结果分析，得出各参数不同污染源河道的COD和NH3-N污染程度均为工业＞农业＞生活，TN为生活＞农业＞工业，TP为农业＞工业＞生活，说明工业源污染较重，其次是农业源，生活源污染较轻。

表1 工业、农业、生活及混合源河道的污染水平

续表1

2.2 推算模型及相关性

根据污染现状取氨氮、总氮、总磷、溶解氧和化学需氧量建立模型。相关研究表明，溶解氧与水温呈极显著负相关[5]，与pH显著正相关；电导率分别与温度、pH、叶绿素a均呈显著正相关[6]；叶绿素a与水温、总磷、氨氮呈极显著正相关[7-8]，且与水温和pH极显著负相关；化学需氧量与溶解氧呈负相关，与电导率、总磷、总氮和氨氮呈正相关[9-10]。故本研究以溶解氧和电导率为监测对象，叶绿素a为介质参数，从而推算出总磷、总氮、氨氮及化学需氧量的数值（见图1）。

图1 显著相关性关系图

以不同污染源河道为研究对象，推算其溶解氧、电导率、总磷、总氮、氨氮、叶绿素a和COD参数间的相关性，水质各指标的Pearson值与拟合系数R2值见表2。工业、农业及混合源的河道中各参数间的P值几乎均小于0.05，均呈显著相关性；生活源污染的河道水，R2值几乎均大于0.7，故各类污染源的河道均可适用上述模型，均能通过参数间的相关性来推算总磷、总氮、氨氮及化学需氧量值。

表2 水质各指标的Pearson值与拟合系数R2值相关性验证

2.3 结果推算

为了验证模型实用性，通过溶解氧与电导率参数作为实时监测数据，叶绿素a作为推算介质参数，得出实时总磷、总氮、氨氮及COD的推算数值，对于有多种途径推算的参数，去掉偏差较大的数值，取平均值作为最终值。如表3所示，对各类型河道已测数据进行对比，其偏差大多控制在±10%内，可以达到估算水质类别效果，与理想预期达到一致。

表3 模型推算与实测比对值

2.4 模型修正——实际环境应用

实际河道环境复杂，影响因素较多，其中水温的变化会对数值造成一定的影响，随着季节不同，各参数数值也不同。理论环境下，随着温度的升高，溶解氧降低，电导率升高；但在实际环境中，上海夏季的降雨量增加，起到稀释作用，导致地表水的电导率和pH降低，且由于夏季温度升高，溶解氧降低，过量有机物得不到分解，水中的有机物也容易腐败变质，导致氨氮含量升高。因此，需用水温、降雨等参数来校正模型，提高推算数据的准确性。