改进模糊综合评价和主颜色提取模型对河道黑臭独立评价

袁培炎,李尚书,张琪琪,何天煜,刘 静,3,刘 国,3

1.成都理工大学生态环境学院,四川 成都 610059

2.成都理工大学,国家环境保护水土污染协同控制与联合修复重点实验室,四川 成都 610059

3.成都理工大学,地质灾害防治与地质环境保护国家重点实验室,四川 成都 610059

随着社会经济的高速发展,大量的工业废水、生活污水、畜禽养殖废水等污染水体被排入河流,有机污染物不断消耗着水体中大量溶解氧,使其受到严重的污染,当超过水体自身的自净能力时,水体会呈缺氧或者厌氧状态,并产生氨、硫化氢等恶臭物质使河道发臭,同时其中存在的铁、锰等离子也会被吸附、转化使河道发黑,形成了一种颜色泛黑、味道令人不适的黑臭水体[1],直接影响居民的身心健康与水生态系统的稳定性发展,黑臭水体高效精准治理迫在眉睫。

自2015 年《水污染防治行动计划》发布至今,我国大城市深入开展了黑臭水体治理攻坚行动,并基于《城市黑臭水体整治工作指南》完成城市黑臭水体的筛查与治理效果评价,但指南评价方法未明确区分水体的黑度与臭度。 目前有关水体黑臭程度评价常用的模型通常是将水质指标参数与各种数理模型或方法相结合,主要包括多因子综合指数模型[2]、多元非线性回归模型[3]、人工神经网络评价模型[4]和模糊综合评价模型等[5-6],上述模型方法虽然能够判断各水质因子对水体黑臭的影响程度,但存在普适性较差、评价结果不准确、无法判断水体黑臭程度等问题,尤其是模糊综合评价模型,在其隶属函数确定过程中,易出现权重分配不合理[7]等情况,影响评价结果的准确性。 上述模型方法均无法对水体的黑或臭进行独立判断,而在实际巡查过程中广泛存在着水体黑或臭独立出现的情况[8],导致在统一评价模式下,极易出现没有针对性的河道治理技术组合体系,使得治理效果不佳。 魏文龙等[9]利用多元线性回归及有序Logistic 回归建立的发臭回归模型,也证明了黑臭水体独立评价的可行性,但需进一步确定评价指标与水体黑臭程度的相关性。 为提高黑臭水体治理的精确性,降低治理管护费用,支持2025 年基本消除县乡黑臭水体的目标,急需完善和改进现有黑臭水体的评价方法,建立黑臭程度独立评价的方法,更准确地反映水体黑臭的程度。

本文拟通过对四川盆地及周边17 条黑臭河道进行采样监测分析,利用相关性分析、主成分分析确定黑臭河道发黑、发臭的特征因子,并基于特征因子建立黑臭水体黑度和臭度的独立评价模型,以实现对河道黑度和臭度的独立评估,最终结合实际水体的人体感官评价进行对比,完成模型方法的准确性验证,为水体的黑臭程度独立评价提供依据。

1 研究方法

1.1 区域概况

本研究以四川盆地及周边曾经或正在发生黑臭的城市内河道为研究对象,主要涉及成都、宜宾、眉山、乐山、广元、南充、达州等在内的11 个市区的17 条河流,以长江水系为主。 研究区域位于东经103°78'～106°04'和北纬28°75'～32°42',属于亚热带湿润气候,夏季高温多雨,冬季温和湿润,年降水量为900 ～1 200 mm。

2019 年冬季12 月开展河道的监测采样工作,其中丁家堰、麻柳河、古堰溪、金鱼河、釜溪河、海滨堰汇入沱江水系;凤凰溪汇入长江水系;木龙河汇入涪江水系;周家沟、曾家桥沟、驼峰沟、凤桠河汇入嘉陵江水系;玉溪河、黑沱河、申家冲沟、松江、凤凰河汇入岷江水系,河道沿线流经农田、工厂、居住地等。 参照《地表水和污水监测技术规范》(HJ/T 91—2002)对17 条河流各选取1 ～2 个监测断面进行采样(监测断面具体坐标见表1),共采集了21 处水样。

表1 监测断面坐标信息Table 1 Coordinate information of monitoring points

1.2 水样采集与分析方法

参照《地表水和污水监测技术规范》(HJ/T 91—2002)、《水质采样样品的保存和管理技术规定》(HJ 493—2009)等标准对水质样品进行采集,水样须装满容器至溢出不留气体。 样品采集后立即装入聚乙烯塑料瓶和棕色玻璃瓶中保存,棕色玻璃瓶中加入(CH3COO)2Zn(乙酸锌)和NaOH 以固定水样。

本次调查的水质监测与分析指标:CODCr(重铬酸盐指数)、BOD5(五日生化需氧量)、TOC(总有机碳)、TP(总磷)、硫化物、NH3-N(氨氮)、总铁、总锰、臭阈值(在48 h 内完成测定);DO(溶解氧)、ORP(氧化还原电位)、透明度、pH、温度及黑臭程度(在现场完成测定)。 其中,CODCr根据《水质 化学需氧量的测定 快速消解分光光度法》(HJ/T 399—2007)测定;BOD5根据《水质 五日生化需氧量(BOD5)的测定 稀释与接种法》 (HJ 505—2009)测定;TOC 根据《水质 总有机碳的测定 燃烧氧化-非分散红外吸收法》 (HJ 201—2009)测定;TP 根据《水质 总磷的测定 钼酸铵分光光度法》(GB 11893—89)测定;硫化物根据《水质 硫化物的测定 碘量法》(HJ/T 60—2000)测定;NH3-N 根据《水质 氨氮的测定 纳氏试剂分光光度法》(HJ 535—2009)测定;总铁和总锰根据《水质 铁、锰的测定 火焰原子吸收分光光度法》(GB/T 11911—1989)测定。

DO、ORP、透明度、pH 和温度等指标参照《水和废水监测分析方法》[10]、《溶解氧(DO)水质自动分析仪技术要求》(HJ/T 99—2003)等标准通过便携式测定仪现场测定;臭阈值通过稀释倍数法表征[11]。

2 城市河道黑臭特征因子筛选

本研究在21 个监测点位通过水样采集获取CODCr、BOD5、TOC、TP、硫化物、总铁、总锰、臭阈值、DO、ORP、NH3-N、pH、透明度等13 项检测参数。 利用Spearman 相关性分析,分别识别与臭阈值和透明度有关的水质检测参数,然后在此基础上采用主成分分析法提取出影响河道黑度和臭度的特征因子,为后期黑臭程度独立评价模型的建立以及针对性河道治理措施的提出奠定理论基础。

2.1 相关性分析

通过相关性分析能够定量衡量出多个具有同等地位的变量之间的密切程度,且因黑臭水体的影响因子间为非确定性关系,各因子不连续独立分散,而水质的各项理化指标为连续变量[12],故研究利用IBM SPSS Statistics 20 对采样获取的13项影响因子进行Spearman 相关性分析,分别判断影响因子与水体黑或臭的关联程度,当分析结果处于95%的置信区内说明具有统计学意义(P ＜0.05)。

2.2 主成分分析

主成分分析法是多元分析法的一种,研究采用主成分分析法分别提取出能够充分解释水体黑度和臭度信息的因子,作为建立水体黑臭程度评价模型的特征因子[13-14]。

1)初始数据的标准化处理。 避免由于数量级与量纲不同对各项水质参数的影响,进行标准化处理:

式中: Xij为原始数据; Xj和Sj分别为第j 个参数指标的均值和标准差。

2)计算相关系数矩阵。 依据标准化后的数据和已经求得的Spearman 相关系数来确定原始参数指标的相关系数矩阵R。

式中: rij为原始指标变量Xi和Xj的Spearman 相关系数, rij= rji。

3)计算矩阵R 的特征值与特征向量。 计算相关系数矩阵R 的特征值λi,将特征值按从大到小的顺序排列并求得对应的特征向量,要求特征向量满足=1,uij为特征向量的第j 个分量。

4)计算主成分的贡献率。

式中:ei为主成分贡献率;Ei为累计方差贡献率。

此次因子分析提取选择累计贡献率达到90%以上的特征值所对应的指标变量为主成分。

5)计算所提取主成分的荷载。 为了确定各单项指标对主成分的重要性影响程度,计算主成分荷载值lij=。

最后,根据累计方差贡献率确定的主成分个数并结合主成分荷载值来选取各个主成分的主要影响因子,综合分析后确定黑臭独立评价模型的特征因子。

3 黑臭河道评价模型的构建

3.1 改进模糊综合评价模型

传统模糊综合评价法主要包括评价指标的构建(确定因子集、评语集)、构建权重集、构建评判隶属矩阵、进行模糊评判[15]。

为了实现对黑臭水体臭度的精准分级,在传统模糊综合评价模型的基础上,将因子集的建立与主成分分析确定的特征因子相结合;在权重确定方面,采用层次分析法对因子权重进行优化[16],通过MATLAB 2017a 软件进行计算。

3.1.1 确定因子集和评语集

将通过相关性分析、主成分分析法筛选确定的影响水体发臭的特征因子作为改进模糊综合评价模型的因子集,即U={A,B,C,D,E}。 针对河道黑臭水体的发臭程度,将评语集设计为V={无嗅、淡腥臭、微臭、臭、恶臭}五大类。

3.1.2 确定权重系数

层次分析法通常包括5 个步骤:第一步,确定决策问题;第二步,进行成对比较,构造各级判断矩阵;第三步,构建两两比较矩阵;第四步,计算特征值;第五步,完成一致性检查[17]。 然后建立判断矩阵,假设判断矩阵A 为:

式中aij表示指标元素i 相对于j 的重要性程度。

在判断矩阵中,利用方根法计算判断矩阵的最大特征值λmax:

式中Wi为下层第i 个因素对上层指标的重要性权重值。

最后对判断矩阵进行一致性检验,判断指标权重值是否合理。 计算公式:

式中:CI 为判断矩阵偏离的指标;CR 为随机一致性比。

按规定,当CR＜0.1 时,判断矩阵的一致性是可以接受的,否则需要修改判断矩阵以满足一致性要求,其中RI 根据判断矩阵阶数确定取值为0.9。

3.1.3 确定模糊关系矩阵

评判矩阵由各指标隶属度组成,隶属度指所选因子与评语集的隶属关系,值趋于1 则表示该指标对该水质等级隶属度越高[18],各因子在各评价等级的隶属度可由下面的式子确定DO(溶解氧)除外,当因素为DO 时,等级数越小水质越差,则需要用1 减去得到的值:

式中:x 为实测值;m 指臭度分类等级;em指臭度分类对应的值。

3.1.4 模糊综合评价

模糊合成算子采用加权平均型,根据权重AWi与评判矩阵R,计算得出模糊综合评价结果B:

由此得到模糊综合评价B 后,以max(B)作为最终的水质评价等级。

3.2 基于K-均值聚类的主颜色提取法评价模型

本研究以 Python3.6 设计语言,Pycharm 2017.3 作为编译器,以Numpy、Matplotlib、PIL 等程序包为基础,在K-均值聚类法的基础上结合颜色模型搭建主颜色提取法评价模型。

该模型首先将图片像素点的颜色信号分为色调(H)、饱和度(S)、明度(V),色调包括红(R)、绿(G)、蓝(B)3 种,S 和V 分别表示颜色的深浅程度、明亮程度,并以百分比进行度量[19],再利用K-均值聚类法计算图片像素点与聚类中心样本点的最小欧氏距离[20],使相似像素点重新分类组织[21],根据聚类集群的组成个数数量,快速、准确筛选出最能够代表水体颜色的一类作为主颜色,并引入灰度模型判断水体主颜色与黑色的接近度,对其发黑程度进行量化,从而实现水体黑度的分级评价。

主要步骤:①计算黑臭水体图像每个像素点的HSV(色调、饱和度、明度);②随机确定M 个最优的聚类中心样本点,将图形分割成M 类,计算其聚类中心样本点的HSV;③逐个计算M 类中每个像素点的HSV 与各个类中心样本点的欧氏距离,根据欧式距离进行重新分类;④将中心样本点移动至所在类的中心,再重新计算所有像素点的HSV 到新中心样本点的欧氏距离,并进行重新分类;⑤多次重复③、④步骤,得到多个集群;⑥剔除聚类数量小于5%的集群后,选取数量最多的一类作为主颜色,并进行主颜色排序[22];⑦使用灰度模型计算提取的主颜色灰度Gray=R×0.299+G×0.587+B×0.114;⑧根据灰度判断水体黑度评价模型。 结合现场河流实际情况,确定黑度独立等级为灰黑、黄绿、透明,等级对照见表2。

表2 水体黑度评价等级对照表Table 2 Comparison table of water blackness evaluation grade

3.3 准确性验证

河道黑臭水体的表观会呈现黑或者泛黑的颜色并散发出刺鼻的气味,人体感官特征评价是较为直接地反映出河道水质黑臭状况的方法。 本研究从黑度和臭度2 个方面,利用人体感官评价来对黑臭程度独立评价模型的准确度进行验证。 共由5 名随行人员作为恒定测试者,年龄段为20 ～40 岁,此外由于研究共监测了17 条河流的21 处水样,部分河段还会随机请采样点周边4 ～5 名当地居民参与测试(测试者的视觉、嗅觉均正常,且保证其不因感冒或厌烦而对测试结果产生影响),通过对水体色度和臭度的现场感官判断进行黑臭程度的等级评价。 根据水体气味的刺鼻程度划分为无嗅、淡腥臭、微臭、臭、恶臭5 个等级,其中无嗅为贴近水面无感觉,淡腥臭为贴近水面有水体原有气味,微臭为贴近水面有感觉,臭为站在河道旁有感觉,恶臭为距离河道1 m以外有感觉;根据水色的深浅划分为透明、黄绿、灰黑3 个等级,选取测试者人体感官评价的多数值与模型评价等级结果对比,进行准确性验证。

3.4 其他评价方法对比

单因子评价法[23]是通过确定影响水体黑臭的主要指标,用实际监测指标与其阈值相比较来确定。 研究主要采用黑臭单因子污染指数I,当I≥5 时,认定为黑臭。 而综合指数法是一种可以较为完善描述多因子作用下水质情况的方法,该模型综合考虑了CODCr、BOD5、DO、NH3-N、TP 这5 种因素对水体黑臭程度的影响,综合水质指数计算方法:

式中:I 为综合水质指数;X1为河道综合水质类别;X2为数据在X1类水质变化区中的位置;X3为低于水质指标的个数;X4为综合污染程度;Pi为第i 项指标的实测浓度。

黑臭阈值法则是根据现场测量的指标数据与水体黑臭程度的阈值(其中黑度的阈值为21.5,臭度的阈值为15)相比较[24]。

4 结果与讨论

4.1 特征因子提取

4.1.1 相关性分析

利用相关性分析法分析河道水体中各物化指标间的关系,得出相关系数见表3。 从表3 可以看出:臭阈值与TOC、NH3-N、COD、TP、DO 的相关系数为0.5 ～0.8,呈显著相关性。

表3 相关性分析结果Table 3 Results of correlation analysis

随着工业污水、生活污水的大量排放,河道中的NH3-N、TOC、COD 以及TP 指标会不断增加,水体中的DO 会随着有机污染物的好氧分解被消耗而减少,导致河道水体发臭,臭阈值上升。 这是由于当水体的复氧速率小于好氧速率时,水体就会缺氧,并伴随着厌氧微生物大量生长,厌氧微生物在降解过程中会产生H2S、NH3等发臭气体以及甲硫醇、硫醚类等挥发性有机物,这些发臭气体和挥发性物质逸出水面进入大气就会使得河道发臭[25-29];同时,由于河道中存在大量的NH3-N,且水体处于缺氧状态,河道中水生动物的生长会受到严重影响,甚至会导致死亡[30-31],引起水质恶化并散发出臭味。

透明度与TOC、COD、BOD、总铁、总锰、DO 的相关系数为0.4 ～0.7,关系紧密。 河道水体中总铁、总锰含量上升会导致水体发黑,透明度下降。这是由于河道中DO 降低,水体呈还原状态,厌氧微生物降解产生H2S。 H2S 会散发出臭鸡蛋味,还极易溶于水,与水体中存在的Fe2+、Mn2+等还原性物质,在水中腐殖酸和富里酸的吸附络合下形成黑色沉积物FeS 和MnS 等[32-33],FeS 和MnS 一部分沉积在水下,一部分悬浮在水面使得水体发黑,透明度下降。

4.1.2 特征因子提取

由于臭阈值和透明度与多项水质检测参数具有一定的相关性,数据标准化后,经主成分分析法得到各因子的特征值及贡献率和总解释方差,在保证因子贡献率符合提取要求的同时获取影响河道黑度和臭度的特征因子。

由表4 中每个变量提取的信息可以看出,除硫化物的提取信息为47.5%外,其他因子都提取了超过50%的信息。

表4 公因子方差Table 4 Common factor variance results

根据相关系数矩阵求得各因子的特征值与贡献率,总解释方差结果见表5,碎石图见图1。 由于此次特征因子提取原则为保留90%以上的信息,即累积贡献率大于90%,因此当提取第 1 ～第 5 因子时, 累积贡献率达到90.72%,说明了这5 个因子包含了11 种水质参数中90%以上的信息,基本上反映了原始数据的信息。

图1 碎石图Fig.1 Scree plot

表5 总解释方差Table 5 Total variance explained

旋转因子载荷矩阵反映的是各项水质参数与5 个主成分因子之间的关联程度。 由表6 可知:第1 主成分因子对水体臭度影响最大,累积方差贡献率达57.99%,与之关联程度较高的指标包括TP (0.788)、 有机污染物(0.758、 0.755、0.736)、NH3-N(0.663);第2 主成分因子的累积方差贡献率为18.28%,与之关联程度较高的指标为ORP(-0.912);第3 主成分因子的累积方差贡献率为9.95%,与之密切关联的参数指标为总锰(0.791);第4 主成分因子的累积方差贡献率为7.53%,总铁(0.697)和DO(-0.580)与之的关联程度较高;第5 主成分因子的累积方差贡献率为6.04%,与之关联最密切的参数指标为pH(0.767)。

表6 旋转因子载荷矩阵Table 6 Loading matrix of rotated factors

结合主成分累积方差贡献值和旋转因子矩阵的载荷值选取TP、有机污染物、NH3-N、ORP、DO、pH、总锰、总铁为特征因子,又根据此前相关性分析结果中总铁和总锰具有较好的相关性,COD 和BOD 均是水中有机物需氧量的综合指标,TOC 是有机物中含碳量的指标,基于指标因子间的交互重叠作用及相关程度的原因,最终选取影响河道黑臭程度的特征因子为TP、COD、NH3-N、ORP、DO、pH、总铁。

由相关性分析结果可知,各项水质指标参数中TOC、TP、COD、NH3-N、DO、Mn 和臭阈值具有显著关联性(P＜0.05),TOC、COD、BOD、总铁、Mn、DO 和透明度具有显著关联性(P＜0.05),最终确定影响河道臭度的特征因子为TP、COD、DO、NH3-N,影响河道黑度的特征因子为COD、总铁、DO,进一步确定了改进模糊评价模型的因子集。

4.2 基于改进的模糊评价法对臭度的评价结果与分析

将确定影响河道臭度的4 种因子NH3-N、COD、TP、DO 作为改进模糊综合评价模型的评价因素集合,即U={COD、NH3-N、TP、DO},以上4个参数在21 个采样点的取值见图2。

图2 DO、TP、NH 3-N 和COD 的采样数据Fig.2 Sampling data of DO,TP,NH 3-N and COD

由层次分析得到的权重向量见表7。

表7 层次分析法结果Table 7 Results of analytic hierarchy process

根据以上的权重指标计算及一致性检验结果可知,该层次分析模型中特征值λ 为4.010 3,CI为0.003 4,CR＜0.01,满足一致性检验标准。 其中特征因子权重排序为COD(0.468 1) ＞NH3-N(0.234 1)＞TP(0.211 5)＞DO(0.086 3)。 因此,确定以A={0.234 1、0.468 1、0.211 5、0.086 3}作为权重向量,并赋权重因子于评价因素集合U 上。

将层次分析法确定的各项特征因子的权重与模糊关系矩阵利用公式复合计算后归一化,从而得到17 条作为研究对象的城市黑臭河道的臭度独立评价结果(表8),以无嗅、淡腥臭、微臭、臭、恶臭作为结果分类也较为符合实际情况。 根据水质臭度评价等级,其中包括丁家堰在内的6 个监测点位,河道臭度状态为无嗅,基本无味;凤凰河上游等5 个监测点位,水质有受到轻微污染,河道臭度状态为淡腥臭;申家冲沟等4 个监测点位,河道臭度状态为微臭;金鱼河在内的6 个监测点位,水质受到严重污染,河道臭度状态为恶臭,严重影响到周边生物与人类的生活。

表8 改进模糊综合评价结果Table 8 Results of improved fuzzy comprehensive evaluation

基于层次分析法改进的模糊综合评价模型,结合多位专家的打分,确定了特征因子权重大小,科学和准确地评价了影响臭度的特征因子对水质臭度等级的贡献程度。 在将臭度分为无嗅、淡腥臭、微臭、臭、恶臭5 个等级的情况下,人体感官评价结果与模型评价结果具有较好的相关性,此改进模型与实际值相比,准确率为66.6%,误差基本在一个等级以内的准确率为85.7%,评价结果较为合理。

4.3 基于K-均值聚类的主颜色提取法评价模型对黑度的评价结果与分析

对21 个调查点位使用K-均值聚类法确定其对应的主颜色,并利用灰度模型计算出其Gray值,找到其对应的评价等级。 图3 为K-均值聚类模型评价等级与实际黑度等级的对比。

图3 G ray 值及评价等级对比结果Fig.3 Comparison results of Gray value and evaluation grade

根据K-均值聚类模型对水体黑度进行评价得出的评价等级显示,包括丁家堰、凤凰溪等在内的12 个监测点位,河道黑度状态为透明,水体颜色较浅;黑沱河、金鱼河等7 个监测点位,水质有受到轻微污染,河道黑度状态为黄绿色;海滨堰上游和下游等2 个监测点位,水质受到严重污染,河道黑度状态为灰黑。

对比发现,模型评价等级与实际黑度评价等级基本一致,仅监测点位4(凤凰溪)、5(申家冲沟)和21(松江)出现评价结果不一致的情况,经过反复研究确定,是由于拍照角度或者光线原因导致拍摄的照片受到了影响,对照片中像素点HSV 的分析也由此受到了影响,这是K-均值聚类模型产生误差的主要原因。

基于K-均值聚类法的主颜色提取评价模型,能够快速、准确地评价水体的发黑程度。 在将水体黑度分为3 个等级的情况下,此改进模型与实际值相比,准确率为85.7%,评价结果合理。

4.4 其他评价方法对比结果

本研究还采用单因子法、综合指数法和阈值法对水体黑臭程度进行评价,评价结果见表9。由表9 可知,不同的评价方法具有不同的评价等级划分标准,且对于黑臭程度的评语描述较为单一,只能笼统地概括为有无黑臭,对于黑臭程度不能进行精细化地评价,而且评价结果在一定程度上存在较大差异,例如古堰溪监测位点,其单因子评价结果为无黑臭,但阈值法评价结果为发黑发臭。 与本研究采用的评价模型相比,上述方法均不能实现对黑臭水体的黑度和臭度进行准确的独立评价。

表9 其他3 种评价方法的结果对比Table 9 Comparison of the results of the other three evaluation methods

5 结论

1)在相关性分析基础上,研究最终根据主成分分析结果从13 项影响水质的物化参数中筛选出COD、总铁、DO 为河道发黑的特征因子,TP、COD、NH3-N、DO 为发臭的特征因子。

2)基于层次分析法优化了传统的模糊综合评价模型,改进因子集、评语集和隶属度矩阵,实现对河道水体臭度独立评价;此外通过实现颜色量化构建了基于K-均值聚类主颜色提取模型实现对水体黑度的独立评价。

3)用人体感官的定性评价来验证黑臭独立评价模型的准确性,其中将发臭程度划分为无嗅、水腥臭、微臭、臭、恶臭5 个评价等级,误差基本控制在一个等级以内的准确率为85.7%;将发黑程度划分为透明、黄绿、灰黑3 个评价等级,评价准确率为85.7%。 实现了对城市河道水质更为客观与快速的评价,为黑臭水体治理与水质提升提供了理论依据。

4)将本研究评价模型与单因子法、综合指数法、阈值法结果进行对比,本研究评价模型分级准确、合理,能够实现对河道的黑臭进行独立分级评价。