从水质监测数据分析水质污染的研究

徐自江

（遵义市播州区生态环境监测站，贵州 遵义 563100）

引言

近几年，我国突发性水污染事件让人触目惊心，严重威胁人们的用水安全，给社会经济发展带来无法估量的损失，造成恶劣影响。目前，我国对水污染事件的关注度极高，希望可以找到解决办法，从源头上减少水污染的发生[1]。本文使用DEMCMC算法，对水污染数据进行溯源分析。

1 建立数据集

我国关于水质污染的研究，起步较晚，主要原因是很多专家学者没有将水污染溯源算法与实时监测到的数据相结合，一同进行分析计算。现实河流中出现水污染，需要更多、更详细的观测值，才能对污染区进行溯源[2]。以前，当突发水污染事件时，都是由环境部门工作人员到现场进行取样，获得数据后进行分析，此方法在一定程度上影响水污染监测效果，降低工作效率。只有在发生污染后第一时间获取污染数据并进行分析，其结果才最精确。现在很多水资源监测系统在开发与运用时存在一些问题，如标准结构不完整，数据格式不统一等。为了在第一时间了解水质情况，快速监测水质，对水质指标异常的数据进行溯源，从而为环境部门做出决策提供数据支撑，还需建设一个水质监测、预警、报警相结合的大数据平台，然后在水质监测平台上获取数据。在此，为了使固定（移动）监测点尽量大范围地监测区域水质，可以在区域内多个地方设置监测断面，尽量多地扩大观测范围，增加水质监测点的数量，获得更多数据，以此提升水污染研究的精准度[3]。基于此，作者在前人研究成果的基础上进行优化，在监测的水域中，放置更多监测指标传感器，收集监测水域更多地方的指标数据，然后利用云端大数据，向水质监测平台传递数据，构建水质监测数据库，以为后期开展水质污染分析提供数据支撑。

运用网络机器人获取数据，主要步骤为：（1）在中国环境监测总站中点开全国水质自动监测界面，按下F12，获取水质自动监测需要的数据。（2）在HTTP库中对网络机器人获取数据的网站发起请求，在服务器给出Response的回复后，就可获得请求的数据。（3）因为得到的内容格式是Json，所以可直接对其进行分析，删除不需要的信息，由numpy库整合数据，并转换成csv格式进行储存，便于后期调用使用。通过网络机器人，我们获得了2019～2021年末全国1 606个站点的水质监测数据，以此明确监测区域的名称、所属流域、监测时间、水质类别等信息。

2 水质污染数据分析

本研究根据水质监测平台与网络机器人提供的水质数据，并将其与《地表水环境质量标准》（GB 3838-2022）[4]中的水质量标准进行比较，发现岳阳楼、东洞庭湖、鹿角与鹿角（老）这四个监测点中的水质数据发生异常，污染严重。

2021年3月4日早8点，首次发现水质指标出现异常，表1是长江流域10个监测点监测到的水质数据统计表，表中的鹿角（老）、东洞庭湖、岳阳楼的水质类别为Ⅳ、Ⅳ、Ⅴ，已经属于水质指标严重超标，表明此区域的水质受到污染。另外，鹿角、城陵矶、六门闸、八仙桥、南渡的水质类别为Ⅲ级，属于水质指标轻度超标，所以可以推断此区域水域可能受到轻度污染。而表格中水质类别为Ⅱ的荆江口和樟树港的水质良好[5]。

表1 各区域水质指标数据

为了更好地推断出污染源，还需要结合电子地图。先在洞庭湖地图中标记出8个水质监测点的位置，再查阅此处的地势地形与水文资料，得知最上游的监测点是六门闸标记处，最下游监测点是城陵矶港口，由此可知上游水经过六门闸-鹿角-鹿角（老）-八仙桥-东洞庭湖-岳阳楼-城陵矶港口等，结合表1分析，处于上游的樟树港和荆江口水质是符合标准的，但是另外的断面岳阳楼与鹿角（老）区域的水质类别为Ⅳ、Ⅴ级，结合地理环境可知，污染源在鹿角（老）这一监测点附近。在此，假设下游的洞庭湖监测面最先发生污染，并根据鹿角（老）为污染源位置，将鹿角（老）到东洞庭湖这部分河段作为重点监测区域[6]。

3 DE-MCMC算法算例分析

3.1 确定区域水文参数

先设置监测点，将东洞庭湖设置为监测点A，鹿角（老）为监测点B，再根据几何地图比例尺，计算A点到B点的长度为12.7千米，河流的平均宽度为480米，查阅资料可知当时水深为10米，平均水流速度为0.5米/秒。

结合埃尔德法经验公式，得到污染物在水体中的纵向扩散系数Dx的表达式为：

其中，b是河流的宽度，单位为m；u是河流的流速，单位为m/s；u*=是河流模组系数；h为河流水深，单位为m；g为重力加速度，单位为m2/s；I为水力梯度。查阅资料可知此水域中水利梯度的值约为0.004，带入到公式中，求得河流摩阻系数为：经过计算，可知污染物纵向扩散系数Dx约为

再结合泰勒经验公式，计算AB的横向扩散数值Dy的公式为：

Dy=ahu*

其中的a为经验系数，取值为0.5，将h和u*的数值带入公式，解得Dy≈3.13。

到此可以计算出测量河段A-B中河流部分水质参数（表2），同时还能计算出待反演的污染参数项（表3）。

表2 河流已知的水文水质参数

表3 待反演的污水参数项

3.2 介绍算例，分析抽样结果

上述监测AB段水域的不确定因素较多，因此应将需要监测河段的污染情况，进行污染模式的分析，通过DE-MCMC的方法，对水域污染进行溯源，将此与水质监测数据平台及网络机器人提供的语境数据进行对比分析，可知3月4日上午8点为监测起始时间，每4小时监测一次，监测到5日下午4时。根据表2、表3中的各项参数，得到监测点A处的污染物浓度，随着时间的变化，成正态分布，如图1，在4日晚上23：55左右，污染物浓度到达最高点。

图1 监测点A的浓度变化值

接着以监测点B为中心，监测点B的坐标为（x0，0），待求参数定义为Z=（m，x0，t0），使用DE-MCMC模型，溯源参数项的后验概率密度参数PZ（m，x0，t0）表达式为：

依照DE-MCMC模型，在程序里迭代10 000次，如图2、图3、图4，可知污染源概率分布结果中，污染源位置、泄露时间、污染物质量的后验概率密度分布成正态分布。首次污染事件监测前t0=[185 min，190 min]，污染源在监测点A的位置x=[11.5 km，12 km]之间；污染物质量约为1.5×106克。

图2 水污染强度

图3 距离污染源位置

图4 距离污染发生时间

4 DE-MCMC算法溯源效果分析

根据上文的3个因素，再根据DE-MCMC算法迭代10 000次，发现在迭代开始时，迭代结果有些许波动，如图5、图6、图7，在第1 000次后，迭代结果已接近真值，在第2 000次后趋于平滑稳定。

图5 溯源项x的迭代曲线图

图6 溯源项t的迭代曲线图

图7 溯源项m的迭代曲线图

另外，为了验证结果是否与真值相符，本文对几个抽象结果进行统计，然后与真值进行对比，获得的比较结果如表4所示。

表4 溯源仿真结果与实际真值对比

由此，本文根据东洞庭湖到鹿角（老）河段中计算出的监测点的污染信息，并与真实值相比对，结果与国家环境监测平台与水质预警平台给出的实际数值相近，最大误差为4.9%，最小误差为2.7%，平均误差为4.4%，均与真实的污染信息相近[7]。

5 结论

随着社会经济的发展，物质的丰富使人们的环保意识获得提升，水资源保护、水污染治理都取得了良好效果。而产生水污染时，如何锁定污染源是污染治理的重要环节。当自动监测到某水域的水质超标时，相关人员应根据已有的监测信息，精准进行水污染溯源，才能在水污染发生的第一时间，采用适合的污水处理工艺进行处理，以此降低水污染对社会造成的危害。