水污染预警模型的构建与运用

唐美燕 叶劲彤

摘 要：通过建立合适的水污染预警模型给出及时、可靠的水污染预警信息，对于开展水污染的预防、治理工作具有指导性作用。利用单一水质因子浓度与其最高标准容许值构建了单因子水质污染指数预警模型，实现了评价的同趋化；基于单因子水质污染指数采用层次分析法构建了水污染综合指数预警模型。对所构建的两个水质污染预警模型在漓江流域中进行了运用。得到结果：从溶解氧、高锰酸盐指数、氨氮、总磷单因子水质污染指数预测漓江流域的水质状况为优；从总氮单因子水质污染指数预测漓江流域的水质状况为中度污染或轻度污染；由漓江流域水污染综合指数预测值，得到其综合水质整体呈现逐渐变好的趋势。

关键词：水污染预警模型；单因子水质污染指数；水污染综合指数；漓江流域

中图分类号：X824文献标志码：A文章编号：1673-9655（2023）02-0-05

0 引言

水污染预警指通过对某一流域的水质成分进行分析，预测水质的变化趋势并对水质的污染情况给出预警。水污染预警可在一定的时间、空间范围内反应某一流域的水质状况，对预防、治理水环境污染具有指导性的作用。目前有许多人研究水污染预警模型，王瑞梅在《淡水养殖池塘水质预警模型》[1]中利用养殖池塘水质数据建立单因子状态预警模型，再根据水质的复杂性建立多因子状态预警模型。马晋在《基于回归分析的地下水污染预警模型》[2]中运用逻辑回归分析确定地下水污染发生的比率及地下水污染程度。张康在《基于Zigbee的水产养殖网络与水质预警模型构建》[3]中，先对水质因子数据进行同趋化处理，利用多元回归分析建立水藻量与水质因子的线性回归模型。层次分析法在许多方面均有运用，运用到预警模型比较少见。罗艳在《遵义东南部地区农业土壤重金属污染预警模型》[4]中运用改进的层次分析法确定农业土壤重金属权重，建立农业土壤重金属污染预警模型。由水质因子的特性与文献的启发，本文利用单因子水质浓度与其最高标准容许值建立单因子水质污染指数预警模型；运用层次分析法确定水质因子的权重，由权重与单因子水质污染指数建立水污染综合指数预警模型；然后以漓江流域为例，对所建预警模型进行运用。

1 水污染预警模型的构建方法

1.1 单因子水质污染指数预警模型

有些水质因子的浓度越大说明水质越好，而有些水质因子的浓度越大说明水质越差，为了达到评价的同趋化，构建了单因子水质污染指数预警模型：

（1）当水质因子浓度越大水质越好时，构建 计算单因子水质污染指数；

（2）当水质因子浓度越小水质越好时，构建 计算单因子水质污染指数。

式中：Ci—i水质因子浓度；Coi—i水质因子浓度的最高标准容许值。

从i水质因子角度评价水質，单因子水质污染指数Ei越大水质越好，实现了评价的同趋化，同时更利于综合评价水质模型的构建。根据《GB 3838-2002地表水环境质量标准》中各水质类别对应水质因子浓度范围，由单因子水质污染指数预警模型计算各水质类别对应各单因子水质污染指数范围，可知水质类别达到Ⅰ类时，单因子水质污染指数都≥1。各水质类别对应溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N、总磷TP、总氮TN单因子水质污染指数范围如表1，它们的单因子水质污染指数分别记为EDO、ECODMn、ENH3-N、ETP、ETN。

1.2 基于层次分析法构建水污染综合指数预警模型

1.2.1 构造比较矩阵

选取溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N等n种水质因子作为水污染的重要指标，在确定水质因子指标权重时将层次分析法中的1至9标度法改进为1至3标度，以便减少判断过程中的复杂性和模糊性。水质Ⅱ类标准容许值为Si，构造比较矩阵，其中aij由下面公式计算：

2 漓江流域水质因子数据说明

选取溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N、总磷TP、总氮TN 5个水质因子作为漓江流域水污染的重要指标。通过广西壮族自治区生态环境厅网站，收集了2018年1月—2019年5月与2019年8月—2022年4月期间四年多关于漓江流域溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N、总磷TP、总氮TN的月监测数据，其中2019年

6月、7月缺失的水质因子浓度通过2019年5月、8月水质因子浓度的平均值进行补充。2018年1月—2022年4月的月监测部分数据见表2。

3 漓江流域的水污染预警情况

漓江保护工作国家高度重视，多次作出重要指示，赋予了人们保护漓江的重大政治责任与使命。在2011年通过了《广西壮族自治区漓江流域生态环境保护条例》，2012年国家发改委正式批复了《桂林国际旅游胜地建设发展规划纲要》，纲要阐明了以产业转型升级解决漓江保护与发展的矛盾。2019年印发了《桂林漓江生态保护和修复提升工程方案（2019—2025 年）》，自2022年起将每年4月25日设为“漓江保护日”。从单一水质因子、综合水质因子角度关注研究漓江流域的水质状况是保护爱护漓江的重要工作之一。

3.1 单因子水质污染指数预警情况

利用SPSS统计软件中时间序列预测下的专家建模器，可知漓江流域的溶解氧DO、高锰酸盐指数CODMn、氨氮CODMn、总磷TP、总氮TN均使用简单季节性时间序列模型进行预测。预测结果见表3。

基于漓江流域2022年5—10月的溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N、总磷TP、总氮TN的浓度预测值，由单因子水质污染指数预警模型，得到这5个水质因子的单因子水质污染指数预测值。再由表1和2011年发布的《地表水环境质量评价办法》中水质状况评价方法：Ⅰ类至Ⅱ类水质状况为优、Ⅲ类水质状况为良好、Ⅳ类水质状况为轻度污染、Ⅴ类水质状况为中度污染、劣Ⅴ类水质状况为重度污染，得到2022年5—10月漓江流域的水质类别、水质状况，具体结果见表4。

由表4可知，漓江流域2022年5—10月溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N单因子水质污染指数的预测值均＞1，说明从这三个单因子水质污染指数预测漓江流域水质类别都为Ⅰ类，水质状况为优；在预测的半年中，总磷TP单因子水质污染指数都在[0.2，1）区间内，说明从总磷TP单因子水质污染指数预测水质类别都为Ⅱ类，水质状况为优；在预测的半年中，从总氮TN单因子水质污染指数预测2022年8月、9月水质类别为Ⅳ类水质状况为轻度污染、其他预测月份水质类别为Ⅴ类水质状况为中度污染，说明需要特别关注漓江流域总氮TN含量，采取相关措施防治漓江流域来自总氮的污染。

3.2 漓江流域水污染综合指数情况

3.2.1 计算比较矩阵

由《GB 3838-2002地表水环境质量标准》规定的溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N、总磷TP、总氮TN的Ⅱ类标准容许值S1见表5。

通过表5计算比较矩阵A，结果为：

利用比较矩阵A按行求和得xi， x1=9， x2=7， x3=4， x4=1， x5=4。

3.2.2 计算判断矩阵

利用式（2）计算判断矩阵B：

3.2.3 求解权重构建漓江流域水污染综合指数预警模型

判断矩阵B的最大特征值λmax约为5.133，一致性指标IB约为0.033，所以一致性比率，RC为0.029＜0.1说明一致性检验通过，权重设定的合理。利用已求得的溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N、总磷TP、总氮TN这5个水质因子的权重，构建漓江流域水污染综合指数预警模型：

3.2.4 漓江流域水污染综合指数预测值

基于漓江流域溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N、总磷TP、总氮TN5个水质因子的单因子水质污染指数预测值，利用式（10）得到漓江流域2022年5—10月水污染综合指数P的预测值，由预测值绘制折线图，如图1。

由漓江流域2022年5—10月漓江流域水污染综合指数P的预测值，可知漓江流域综合水质情况呈现波浪形、整体呈现逐渐变好趋势。

4 结论

构建了单因子水质污染指数预警模型，由此模型计算单因子水质污染指数Ei，从水质因子i角度评价水质，有Ei值越大水質越好，实现了评价的同趋化，同时更利于综合评价水质模型的建立。基于单因子水质污染指数采用层次分析法构建了水污染综合指数预警模型，由此计算水污染综合指数P，再根据P值观察水质的综合变化。利用2018年1月—2022年4月漓江流域溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N、总磷TP、总氮TN的月监测数据，使用简单季节性时间序列模型对其进行预测，得到2022年5—10月这5个水质因子的浓度预测值。基于浓度预测值由单因子水质污染指数预警模型，得到从溶解氧DO、高锰酸盐指数CODMn、氨氮NH3-N单因子水质污染指数预测2022年5—10月漓江流域的水质类别都为Ⅰ类，水质状况为优；从总磷TP单因子水质污染指数预测漓江流域的水质类别都为Ⅱ类，水质状况为优；从总氮TN单因子水质污染指数预测2022年8月、

9月水质类别为Ⅳ类水质状况为轻度污染、其他预测月份水质类别为Ⅴ类水质状况为中度污染。基于2022年5—10月漓江流域水质因子的单因子水质污染指数的预测值由水污染综合指数预警模型，得到漓江流域水污染综合指数预测值，结果表明漓江流域综合水质整体呈现逐渐变好的趋势。

参考文献：

[1] 王瑞梅， 何有缘， 傅泽田.淡水养殖池塘水质预警模型[J].吉林农业大学学报， 2011， 33（1）：84-88.

[2] 马晋， 何鹏， 杨庆， 王嘉瑜， 蒲生彦.基于回归分析的地下水污染预警模型[J].环境工程， 2019， 37（10）：211-215.

[3] 张康， 文法广， 余利娟， 马玉梅， 曹劭彬， 马婷婷.基于Zigbee的水产养殖网络与水质预警模型构建[J].科技创新与生产力， 2017（1）：92-96.

[4] 罗艳， 谭红， 何锦林， 陈恺， 文锡梅.遵义东南部地区农业土壤重金属污染预警模型[J]. 生态与农村环境学报， 2011， 27（3）：15-19.

[5] 马晋.地下水污染风险评价及预警模型研究[D].成都： 成都理工大学， 2019.

[6] 雷天雷.水质预警系统发展状况的研究报告[J].北京农业， 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