探究污染源自动监控数据质量的影响因素

2021-09-13安徽省生态环境监测中心郁伟

区域治理 2021年33期

安徽省生态环境监测中心郁伟

污染源自动监控数据是现场执法、环境管理的主要依据，其质量水平直接关系着污染治理、执法工作的效果，因此，为了保证污染管控执法的准确性，需对自动监控数据质量影响因素展开深入分析，以总结出有效的数据质量改善方案，增强数据的可靠性，推动污染治理、环境管控事业的发展。

一、配套设施质量因素

一般来说，污染源自动监控系统的工作流程如图1所示，该流程运行所需的配套设备包括：监控网络设备、分析仪器、数采仪、工控机等，这些设备作为监控数据测定工作的主要执行设备，其使用性能状态与所测得的数据质量密切相关。但事实上，现阶段的配套设施市场上，此类设备仪器产品的类型较多，质量也参差不齐，而且市场门槛也比较低，尤其是在预防造假方面，还未设立明确的标准，因此，此类设备仪器的市场管控依然处于粗放状态，这使得监控配套设施的质量难以得到保障，容易影响数据质量水平。

图1 污染源自动监控工作流程

为此，需注重对配套设施性能、质量的管控，并确立一个健全、明确的监测设备、仪器的使用标准，同时，还要加强市场监管，提高设备、仪器的市场准入门槛，且要提高假冒伪劣产品的惩罚力度，由此全面改善市面上流通的设备仪器产品质量，确保其性能水平可以达到污染源自动监控测量要求。就目前来看，大部分环境监管部门会将污染源监控工作委托给专业的企业，以降低成本，保证监测工作的专业性，因此，在委托合同上，就可以将所用仪器设备的质量标准写明，由此督促企业应用性能好、质量水平高的仪器设备，同时，环境监管部门还要在设备、仪器投入使用之前，组织专业的技术人员按照相应的标准，对仪器、设备的性能质量进行检查，确认无问题后，才能准许企业将其投入使用，以弱化此因素对数据质量的影响，增强污染源监测治理效果。此外，环境监管部门还可以与市场监管部门联动，根据实际需求，共同商定污染源监测仪器、设备的市场准入门槛，以及监管方案，让市场上流通的仪器产品能够更加符合污染源监测工作需求，提高监测数据的质量。但应注意，考虑到安装不当，也会在一定程度上影响设备的质量性能，因此，在将监测工作委托给企业时，应注意做好企业核查，以确保企业的资质与实际能力可以满足监测工作要求，深入优化监测数据质量水平。

二、系统运维管理因素

在监控测量中，设备、仪器的运维工作通常由专门的运维企业承担，而这些仪器、设备一般需要不间断地运作，且受外界因素的影响较大，故障概率也比较高，如果企业不能及时做好故障的预防和修复，就会导致测量数据误差较大、测量数据间断等数据质量问题，降低了污染源监控数据的参考价值，形成了数据质量的运维管理影响因素。为此，还要从监控设备仪器运维方面入手，开展数据质量管控工作，以保证污染源自动监控工作效果。

在系统运维管理中，应当在确立委托合同时，写明必须让运维工作人员持证上岗，且每周至少到测点现场进行一次检修，若检修时发现设备异样，还要立刻进行处理、记录，同时，考虑到采样管道受外界影响最大，也最容易发生故障，因此，也要注意在每次检修时，做好管道情况记录，如是否存在堵塞情况、稳固状态等，而且还要清洁过滤网和污染物处理系统等因不洁净而性能受到影响的位置。在此过程中，还要明确要求运维企业，每月对检测电机、感应器、电磁网等设施进行手动检查，并对照信息备案查看设备仪器参数是否正确，一旦发现参数错误，应立即调查原因，及时修复故障问题，校准设备仪器。

此外，在常规的保养运维上，也要向运维企业提出明确的要求，并要其每周按照现行规程，对水质、化学需氧量、总磷、氨氮自动监测设备进行养护、校准，以保证其能够保留好为期一年以上的历史信息，而且也要检查每周的检测余量，需将余量控制在1/3烧杯量以上，所用的试剂浓度、类型也要与信息备案一致。

为了保证运维企业能够有效完成上述运维要求，还要采取抽查、定期检查等方式，对运维企业的设备仪器运维工作落实情况进行检查，一旦发现运维工作存在不到位的问题，需要求立即整改，必要时还要依照合同追究企业责任，由此保持自动监控设备的良好运行状态，提高所测得数据的质量。

三、人为干扰因素

在自动监控检测中，人为干扰因素也是一项重要的数据质量影响因素。目前，部分单位为了逃避执法检查，会以人为干扰的方式，扰乱设备的运行，导致最终得出的测量数据不准确，由此造成了对数据质量的影响。例如：在监测中，人为修改分析仪、数采仪的量程，或仪器的污染因子参数，使虚假的数据以模拟信号的形式上传，同时，在工控机、分析仪的数据线上设置信号削弱装置，然后借此发送虚假数据，导致所监测到的数据失去价值[1]。

为了应对此因素，需加强设备检查力度，并采取针对性的检查监督措施，结合完善的责任追溯制度，有效治理此项影响因素，以保证监测数据的质量。在此过程中，先要总结常见的人为干扰方式，然后针对该干扰方式，制定相应的检查、处理方案，以便及时消除人为干扰。就目前来看，常见的人为干扰方式包括监控网络干扰、分析仪参数干扰、工控机和数采仪干扰等。其中，监控网络干扰主要是指，通过蓄意切断、干扰网络连接，阻止正常的采样上传，导致监控系统失效，由此回避监管的干扰方式，对此，考虑到此方式下，监控系统会出现超标时段断电现象，因此，一旦发现超标时段断电，需立刻调取断电时的监控，确认是否是人为断电。分析仪参数干扰是指，通过对软件、参数进行造假，使数据不实，以逃避监管的干扰方式，例如：人为地在分析仪中嵌入造假软件，该软件能够自动生成数据，并进行上传，由此使监测数据不实，或人为修改量程、设备参数、计算公式，导致数据不实。为此，需借助突击检查，切断采样管路，观察数据变化，以判断是否存在人工嵌入造假软件的情况，并对CEMS参数设置界面等位置进行全面检查，查看是否存在人为修改参数、计算公式等设置的情况。而工控机、数采仪干扰则是指人为修改参数量程，或在数据线上设置信号削弱装置，以上传假数据的监测干扰方式，对此，需前往现场进行检查，查看工控机、数采仪的量程误差是否小于1%，以及两者数据是否一致，若两者数据一致、误差小于1%就说明无问题，反之则可能存在人为干扰，需及时加以处理[2]。

此外，还要健全责任追溯机制，并设置完善、明确的配套制度，对人为干扰现象进行追责，以有效治理此项因素，保证数据质量。

四、数据质量监管因素

在数据质量方面，除了上述因素以外，监管粗放也是影响数据质量的主要因素。通常来说，各项数据质量影响因素的治理工作均需要依托于具体的监管工作的开展，而粗放、传统状态下的监管工作，通常难以从源头、深层次杜绝各项自动监控工作问题，导致数据质量水平迟迟得不到改善。为此，需加大监管力度，并积极引入高新的监管手段，对自动监控工作的开展予以严格管控，深入优化监控数据质量水平[3]。

在数据质量监管工作中，首先，要结合实际情况考虑，制定一个详细、完整的监管工作流程，并将该流程落实到书面，形成监管工作细则，以明确各项监管工作侧重点，以免监管过程中出现疏忽。其次，要建立有针对性、完善、明确、精细化的监管工作条例，规范、指导监管人员的工作，同时，也为监管工作的开展提供详细的依据，增强监管工作开展的严谨性和质量。最后，需积极开展监管人员培训工作，不断优化其业务能力，使其可以在监管工作中，准确、及时地发现和处理各项数据质量影响因素，提高检测数据质量。但在此过程中，为了提高培训开展的便捷性，可以考虑运用线上的培训方式，结合阶段性考核，来代替定时、定点的线下培训，消除地理、时间因素对培训工作的影响，加快推进工作者监管业务能力的发展，提高数据质量监管效果。