雨水管网混接入渗诊断技术研究进展

赵志超，黄晓敏，尹海龙，李钢，李迎喜，彭寿海，唐光涛，许琪*

1.长江设计集团有限公司

2.中国科学院生态环境研究中心，环境水质学国家重点实验室

3.水利部长三角城镇供水节水及水环境治理重点实验室

4.同济大学环境科学与工程学院

5.中国长江三峡集团有限公司长江生态环境工程研究中心

雨水管网是城市的生命线，对降低城市内涝风险和改善水环境质量意义重大。近10 年来，我国城市化进程发展迅速，雨水管道规模以10.1%的年均增长率快速增加，截至2021 年底已达37.9 万km，其中约四成服役期超过10 年[1]。受施工过程不当、管材老化腐蚀和地面载荷等因素影响，我国城市雨水管网建成后普遍存在污水混接、高地下水位地区地下水入渗问题，对水环境健康与公共安全造成显著的风险胁迫[2]。

目前，我国城市的平均污水集中收集率仅为69%，意味着将近31%的污染物未经处理直接排放至河湖水体[1]。调查表明，污水通过混接至雨水管道直接排入河湖水体，是导致污水从收集系统流失和集中收集率偏低的主要原因之一[3]。例如，在我国东部城市通过混接至雨水管道流失的污水量可达污水总量的26.0%～80.7%[3-4]。而上述问题在我国分流制排水系统中普遍存在。2018 年，上海市在1.9 万km雨污水管道中查出20 290 处混接点；2021 年，武汉东湖高新区在2 550 km 雨污水管道中发现600 处混接点。混接污水往往具有高出地表水环境承载力的污染物浓度，严重者甚至与市政污水相当[5]。因此，雨水管网中存在污水混接问题是造成城市受纳水体返黑返臭、黑臭水体治理成效功亏一篑的主要原因之一。2021 年11 月，中共中央、国务院印发《关于深入打好污染防治攻坚战的意见》，强调城市黑臭水体纵深治理要强化污水收集效能，而探明污水混接位置是污水收集处理提质增效的关键着力点。

在我国地下水位较高的南方地区，雨水管道普遍存在地下水入渗问题，通过文献数据调研发现，地下水入渗量可达82.8～524.2 m3/（d·km）[5-6]。入渗地下水能够通过挤占雨水管道的收集输送容量，损害其防洪排涝功能[7]，导致地面积水无法通过雨水管道被及时排干，从而引发城市内涝问题；加剧雨水管道堵塞进而产生壅水问题，造成的管道水压增大可促使窨井盖发生移位，严重时酿成“井盖吃人”的悲剧。此外，在地下水入渗雨水管道的过程中还可能将管道周边的土体颗粒冲刷进入管道内，导致入渗区域上方形成侵蚀坑，这会加速管道失稳以致爆管，严重时甚至引发地面塌陷灾害[8]。由此可见，雨水管网存在地下水入渗问题已成为危害人民生命财产安全的重大隐患，及时开展整治工作意义重大，而查明入渗区域是整治工作高效开展的前提。

在上述背景下，笔者通过综述国内外雨水管网混接入渗诊断技术的基本原理、应用现状等，以期为该类技术的科学应用和创新发展提供参考。

1 诊断技术类型、原理和应用现状

根据原理不同，雨水管网混接入渗诊断技术主要分为物探检测技术[9]、流量分析技术[10]、特征因子分析技术[11]、水动力反演模型技术[12-13]。

1.1 物探检测技术

物探检测技术始于20 世纪60 年代，其基本原理是采用感知设备采集管道内部的物理参数，直接或间接为排水管道入流入渗问题的诊断提供分析依据。目前，物探检测技术基本形成了以管道闭路电视成像（CCTV）为主的传统检测技术，以红外成像技术和光纤分布式测温（FDTS）为代表的新型检测技术[9,14-15]。

1.1.1 技术分类

1.1.1.1 CCTV 技术

现阶段，CCTV 技术应用最为广泛，其主要由主控器、操纵线缆架、搭载摄像镜头的行进机器人组成。该技术可通过实地拍摄影像辅助工作人员直观判断排水管道存在的入流入渗问题。但为保证机器人在管道中顺利行进和镜头正常拍摄，CCTV 技术应用前需要进行管道断水、排空、清淤等复杂操作，不但造成检测费用昂贵、效率低下，而且在面对流量大、水位高的管道时甚至不能实现断水检测[16]。为克服上述难题，国内研发了基于漂浮滚筒螺旋式行进的CCTV 带水检测技术[17-18]，但该设备易受水流变化影响而较难被操控，导致数据质量无法保证。对此，蔡兆祝[19]通过解决管道复杂环境下机器人运动适应性低、检测方式单一、成像效果差的问题，研发了能在少水、满水甚至有水流冲击环境下进行检测的两栖机器人，然而当前鲜见该技术工程应用的案例报道。

1.1.1.2 红外成像技术

红外成像技术是采用红外成像设备扫描物质表面的温度场，并根据温度突变诊断管道的入流入渗问题。例如，Lepot 等[15]采用红外成像设备对试验水槽的748 次旁侧入流事件进行了记录，结果表明，该技术主要适用于探测导致管道自由水面温度场发生变化的入流入渗事件，检出限非常低，能够识别的最小入流仅为管道水体流量的2.5%，但是无法定量入流流量以及识别侵入型、裂缝型、管道底部型入流事件。红外成像技术能有效实现不断水检测，但在实际应用中需将成像设备固定在漂浮装置上采集数据，导致设备易受水流流速变化影响而无法获得精准数据。当前鲜见该技术应用于实际管道检测的案例报道。

1.1.1.3 FDTS 技术

FDTS 技术能基于沿管道铺设的光纤高频率感知空间温度变化，并根据温度变化特征诊断管道的入流入渗问题[20]，其原理如图1 所示。近年来，FDTS技术已在国内外形成许多试验场景。如Hoes 等[20]在2009 年率先采用FDTS 技术对荷兰Korendijk 州和Groningen 州雨水管网中存在的生活污水间歇性接入事件进行了有效追踪，并指出该技术主要适用于对大流量入流水体的探测，然而该研究未给出FDTS 技术识别混接事件的温度变化阈值；随后，Kessili 等[21]在实验室条件下分析了FDTS 技术的温度变化阈值对管道充满度、混接污水温度和体积、混接路径长度的响应关系，发现管道充满度、混接污水和管道环境之间的温度差异、混接路径长度是影响混接事件被成功识别的主要因素，并综合确定FDTS 技术识别污水混接事件的温度变化阈值为0.15 ℃，然而该研究未分析温度变化阈值随时间的变化特征；对此，尹海龙等[16]在2022 年以一条50 m 长的污水管道为例开展了基于FDTS 技术的污水和雨水入流实时监控，并基于统计学理论分析了FDTS 技术识别入流事件时在空间和时间上的温度变化阈值（分别为±0.2 和±0.5 ℃）。然而，当入流入渗水体流量小、与管道原生水体之间温差不明显时，FDTS 技术不适用。

图1 基于FDTS 技术的排水管道入流入渗诊断示意[16]Fig.1 Schematic diagram of diagnosing inflow and infiltration into sewers using FDTS technology

1.1.2 技术适用条件

物探检测技术是诊断雨水管网混接入渗的有效手段。其中，CCTV 技术主要适用于水深较浅、淤积较轻等无需实施降水、清淤操作的情形，否则将面临高昂的检测成本；红外成像技术和FDTS 技术均支持带水检测，前者应用时要求混接入渗引起的温度变化能够在管道水体自由水面显现以及管道水流流速平稳，后者主要适用于混接入渗水量大以及与管道原生水体之间温差显著的情形，同时还应尽可能保持光纤漂浮于水体自由表面并避免光纤弯曲引发定位误差和激光信号损失等。然而，上述方法均难以量化混接入渗的水量信息，导致无法通过评级问题严重程度实现治理效果与经济效益的统一。

1.2 流量分析技术

流量分析技术是实现排水管道入流入渗定量解析的重要方法，其基本原理：基于排水管网节点的流量监测数据和污染源的污水排放数据，构建封闭区域内排水系统的水量平衡方程，并通过方程求解量化排水管网中不同来源类型水体的水量输入情况。例如，Almeida 等[22]采用37 台管道流量计对Costa do Estoril 的污水管网进行了节点流量监测，并结合用户的用水量数据、水质指标分析、夜间最小流量法等，分析了污水管网的地下水入渗量、工业废水排放量、雨水混接量，在此基础上提出了污水管网的优化改造方向；Xu 等[10]综合运用管道流量监测数据、污染源调查数据、泵站运行数据、地下水入渗模型，构建了上海市某分流制排水系统的水量平衡方程（图2），通过方程联立求解，定量解析了旱季期间雨水管网中的污水混接、地下水入渗和河水倒灌情况，从而为雨水管网混接入渗问题治理提供了科学指导。然而，流量分析技术需要通过获取大量管道流量数据明确水量平衡方程的边界条件，具有成本高、人员投入大的问题。对此，肖涛[23]提出了基于管道液位演算流量的“软测量”模型——单井模型和双井模型。单井模型是以上游检查井液位监测数据为模型输入条件演算流量，适用于下游管道顺坡、水力状态良好的检查井；双井模型是以上下游检查井的液位监测数据为模型输入条件演算管道流量，在顺坡、平坡和逆坡管道中均适用。然而，在实际应用中，测量误差或管道淤积常导致演算流量与实测数据之间存在较大误差。

图2 基于水量平衡分析的雨水管网混接入渗量化模型[10]Fig.2 Quantitative model of illicit discharge and groundwater infiltration of stormwater network based on water balance analysis

除上述不足外，流量分析技术还存在无法识别水体来源类型的缺陷，导致在开展排水管网入流入渗定量解析时，易将未监测到的水体错误纳入已知来源类型水体中，引发解析结果的较大偏差。对此，工程实践中常引入水质指标进行辅助分析，以提升诊断结果的准确性。例如，在T/CECS 758—2020《城镇排水管道混接调查及治理技术规程》[9]中给出了通过监测雨水管道水体污染物浓度和负荷量的沿程变化诊断污水混接的技术路线。然而，该类方法仍无法精细化定量不同来源类型水体的水量。

综上可知，流量分析技术是定量解析雨水管网混接入渗的有效手段，主要适用于水量平衡模型边界条件较少的情形，否则需要安装大量管道流量计，导致诊断成本显著增加；此外，该技术对监测节点水体的流速和水深大小具有特定要求，在测量过程中还需避免传感器被垃圾缠绕或淤泥淤积引发数据测量误差。与物探检测技术相比，流量分析技术无需深入管道内部获取数据，因此操作易于实现，且能够通过评级问题严重等级明确混接入渗区域治理的优先级，提高治理工作的经济和环境效益。然而该技术不能识别水体来源类型，导致解析结果的不确定性较大，易误导工程治理方向；另外，其诊断精度主要为区域水平，为实现定位还需在各检查井开展流量监测，成本较高。

1.3 特征因子分析技术

1.3.1 基本原理

特征因子分析技术是精细化识别和定量排水管网入流入渗的有效手段。该技术是美国国家环境保护局（US EPA）开展雨水管网混接调查的核心方法之一[11]，由于该技术允许带水操作且能够定量解析不同来源水体的贡献比例，近年来备受关注。特征因子分析技术的基本思想：筛选针对不同来源类型水体的特异性和保守性特征因子，在此基础上建立涉及特征因子指标和贡献比例的化学质量平衡（CMB）模型，并通过CMB 模型求解，定量解析排水管网中不同来源类型水体的接入比例，在此基础上进一步结合流量监测数据可量化评估入流入渗水平。该方法架构如图3 所示。

图3 基于特征因子的排水管网入流入渗诊断技术架构Fig.3 Architecture of diagnostic technology for inflow and infiltration of drainage network based on tracer parameters

（1）CMB 模型原理

CMB 模型的数学表达如式（1）所示。

式中：C1,1,···,C1,k为第1 个特征因子在第1,···,k种来源类型水体中的指标值；Ck,1,···,Ck,k为第k个特征因子在第1,···,k种来源类型水体中的指标值；f1，···，fk为第1，···，k种来源类型水体对监测节点出流水体的贡献比例，满足为监测节点处出流水体第1，···，k种特征因子的指标值。

根据式（1）解析结果并结合流量监测数据，可计算监测节点上游排水管网中不同来源类型水体的入流入渗水量，公式如下：

式中：Qi为监测节点上游排水管网中第i种来源类型水体的日均入流入渗量，m3/d；Q监测节点为监测节点水体的日均出流量，m3/d。

采用上述方法沿排水管网的不同监测节点逐级开展诊断，并结合水量平衡分析，可得到相邻节点之间的排水管网中不同来源类型水体的入流入渗水量，从而应用于排水管网运行效能评估。

（2）特征因子筛选准则和常用类型

特征因子分析技术的实施关键之一是选择合适的特征因子，理论上特征因子应具有以下基本特征[24]：1）在不同来源类型水体之间具有显著的指标值差异；2）在排水管道的生物地球化学作用过程中能保持较好的稳定性；3）检测限、测试精度、安全性和重现性较理想。参考上述原则，国内外学者筛选出能够表征生活污水、不同行业废水、地下水的浓度型特征因子（表1），并广泛用于排水管网入流入渗诊断。例如，徐祖信等[24]以上海市某雨水管网为研究对象，分别采用总氮、氟化物、硬度作为表征生活污水、半导体工业废水和地下水的特征因子，结合CMB模型耦合不确定性算法量化了3 种水体的贡献比例；王诗婧[25]以巢湖市城区污水管网为研究对象，采用安赛蜜作为区分生活污水和地下水的特征因子，通过CMB 模型求解，明确了局部管段的严重入渗是导致污水处理厂进水浓度偏低的主要原因，并提出通过识别和修复局部严重破损管段提升污水处理效能的技术思路。

表1 不同来源类型水体的特征因子及其浓度分布范围[24,26-33]Table 1 Tracer parameters of different water sources and their concentration distribution ranges

1.3.2 传统浓度型特征因子的时空非保守性问题

研究表明，同一来源类型水体的浓度型特征因子指标值常表现出显著的时空波动性，这是造成CMB模型解析结果出现较大误差的主要原因之一[31]。表2 统计分析了在同一点位连续监测的浓度型特征因子指标值的变异系数（CV），结果表明，约46%监测数据的CV 大于阈值15%，反映了数据离散程度较大，特征因子保守性偏低。同一来源类型水体的浓度型特征因子指标值在空间上表现出的显著性差异主要与人类活动、区域环境特征等有关，例如生活污水的浓度型特征因子指标值大小与居民生活水平、居住区建成年代、排放污水中黑水和灰水混合比例等因素相关，地下水的浓度型特征因子指标值易受不同区域含水层物理化学性质的影响等[24]。

表2 在同一点位连续监测的浓度型特征因子指标的CV[24,26,28,30]Table 2 CV values of the concentration-type tracer parameters continuously monitored at the same sampling sites

1.3.3 新型指纹型特征因子的优势前景

为克服浓度型特征因子指标值的时空非保守性，国内外学者将稳定同位素、三维荧光光谱、傅里叶变换离子回旋共振质谱等指纹技术引入该领域中。例如，Houhou 等[34]采用水体中氢原子和氧原子的稳定同位素（分别表示为δ2H 和δ18O）对法国大南锡地区的自来水、市政污水、河水进行了识别，根据δ2H-δ18O 指纹图谱可知，不同来源类型水体之间的δ2H-δ18O 指纹图谱的差异性显著，同一来源类型水体的δ2H-δ18O 指纹图谱的稳定性较高，这为基于δ2Hδ18O 指纹图谱揭示污水管网水量平衡过程创造了有利条件。然而，该研究未从统计学角度给出δ2H 和δ18O 保守性的解释；Kracht 等[35]在利用δ2H-δ18O 指纹图谱区分生活污水和地下水的研究中发现，δ2H和δ18O 的CV 分别小于−2.0%和−1.8%，表明其保守性较高，可作为精准量化污水管网中地下水入渗的特征因子。在荧光指纹应用方面，Chen 等[36]率先采用三维荧光光谱耦合平行因子分析法表征了雨水管网雨天出流水体、地表径流和生活污水中的溶解性有机物荧光组分，并通过蛋白质类荧光峰识别了雨水管道中的生活污水接入。然而，该研究未对荧光指纹信息进行数值化表征，因此无法明确其保守性。对此，Liao 等[37]构建了三维荧光光谱指纹的衍生指标——降解指数，并采用显著性检验证明了其对地表径流和生活污水的特异性指示功能，然而该指标存在保守性不足问题（CV≤32%）。除上述方法外，傅里叶变换离子回旋共振质谱也是识别排水系统入流入渗的潜在指纹手段，由于该技术能从分子式、元素组成和群组成分的角度刻画水体中溶解性有机物的来源信息，近年来已有效用于区分污水处理厂出水和天然水体、地表径流和生活污水[38-39]。通过将分子指纹信息数值化，该技术可进一步用于定量解析混合体系中不同来源类型水体的组成比例，但相关研究鲜有报道。

1.3.4 技术适用条件

综上可知，特征因子分析技术能够实现对雨水管网混接入渗水体的精细化定量解析，但主要适用于不同来源类型水体的特征因子之间存在显著性差异的场景。由于该技术仅需开展特征因子检测和部分点位流量监测，因此诊断成本较低。然而，该技术的诊断精度一般为区域水平，为实现对混接入渗问题的定位还需在各检查井开展水质监测，其成本较高。

1.4 水动力反演模型技术

为提高对排水管网入流入渗问题的定位效率同时降低成本，水动力反演模型技术被提出。根据水动力学理论，水体在管道上游的时空输入特性和在管道内的汇流传输过程决定了未来在下游点位的动力学形态（流量、水位等）[40]。基于该关联机制，国内率先发展了融合排水管网水动力模型和反问题理论的水动力反演模型技术，用于追踪入流入渗问题。例如，2020 年Zhao 等[13]采用图4 中的方法架构开展了巢湖市城区污水管网的地下水入渗定位和定量解析。具体地，首先采用特征因子分析技术识别出存在严重地下水入渗问题的污水管网子系统，同时给出该区域的水动力学边界；其次通过耦合排水管网水动力模型（SWMM）和微生物遗传算法构建子系统的地下水入渗反演模型，并用于推演地下水入渗的空间分布和水量大小，从而为严重入渗管道的优先修复提供靶点。随后，Xu 等[12]在2021 年综合采用特征因子分析技术和“软测量”方法识别了Xiaohecha 雨水管网中存在严重混接入渗问题的子系统，并明确了其水动力边界条件；在此基础上，进一步通过耦合SWMM 和粒子群算法构建了子系统的水动力反演模型，进而为存在严重混接入渗问题管道的优先修复提供了诊断技术支持。然而，上述研究均未开展反演模型定位效果对水动力（如曼宁粗糙系数、管道坡度）和算法（迭代次数、种群大小等）参数变化的响应机制分析，导致解析结果的不确定性较大；此外，当排水管网拓扑结构或运行方式的复杂度增加时，水动力模型运算时长和待反演参数数量随之增多，这导致反演模型推演效率显著降低。

图4 基于特征因子和水动力反演模型的污水管网地下水入渗定位方法架构[13]Fig.4 Architecture of pin-pointing groundwater infiltration into sewer network based on tracer parameters and hydrodynamic inversion model

综上可知，水动力模型反演技术是开展雨水管网混接入渗问题诊断的新型手段，主要适用于水动力边界明确和物理参数完整、准确的雨水管网，其实施关键是精细化、精准化构建雨水管网水动力过程模拟系统。与水量分析技术和水质特征因子分析技术相比，该方法无需人工逐个检查井开展水量或水质监测即可实现对混接入渗问题的定位，因此具有投资少、工作效率高的优点。此外该技术还支持对混接入渗水量定量的功能，突破物探检测技术难以评级混接入渗问题等级的瓶颈。然而，如何解决反演模型的“异参同效”效应是当前该技术主要面临的难题。

2 诊断技术对比及其发展趋势

将不同技术应用于雨水管网混接入渗诊断的适用场景、实施要点、诊断水平和发展阶段进行总结（表3），在此基础上提出未来雨水管网混接入渗诊断技术将朝着低成本、无干扰、可量化、可定位的方向发展。由表3 可知，单一诊断技术均不具备未来预期特征，而通过技术组合并遵循分级诊断路线有望实现上述目标[41]。

表3 不同技术应用于雨水管网混接入渗诊断的特征、水平和发展阶段对比Table 3 Comparison of the characteristics,levels,and development stages of different diagnostic technologies for illicit discharge and groundwater infiltration of stormwater network

根据表3 可知，流量分析技术和特征因子分析技术是针对大范围雨水管网分区开展混接入渗诊断的有效手段，可通过快速量化不同分区雨水管网的混接入渗情况、评级问题严重区域，为后续采用CCTV 技术、红外成像技术、FDTS 技术、水动力反演模型技术定位问题严重点位指明方向。然而，构建何种分级诊断技术组合是当前面临的重要难题。综合考虑技术成本、诊断精度、诊断水平、发展阶段4 个评价因子，对不同分级诊断技术组合在当前和未来的应用特征进行综合分析，结果如图5 所示。根据图5 可知，针对大范围雨水管网分区开展混接入渗诊断时，特征因子分析技术整体优于流量分析技术，且前者未来仍具有优化提升空间。通过对比分级诊断技术组合1～4 和①～④（以技术组合1 为例，是指流量分析技术与CCTV 技术的组合）可知，不论是当前还是未来预期，技术组合①～④的综合性能整体优于技术组合1～4，表明采用特征因子分析技术耦合混接入渗定位技术更符合未来发展趋势。分级诊断技术组合①～④在当前和未来的综合评分分别遵循以下顺序：④＞③=①＞②和④＞③=②＞①。上述结果表明，分级诊断技术组合③和④的综合性能较高，且符合成本低、无干扰、可量化、可定位的预期优势特征，因此二者有望成为未来雨水管网混接入渗诊断的核心方法。虽然技术组合②与③未来具有相同的综合性能，但前者达到预期效果所需优化提升的程度较大。此外，现阶段当考虑诊断结果的准确性时，分级诊断技术组合①将是首选。

图5 不同分级诊断技术路线的综合评价Fig.5 Comprehensive evaluations of routes of different hierarchical-diagnostic technologies

3 结语

雨水管网存在的污水混接和地下水入渗问题可对水环境健康和公共安全产生风险胁迫，因此及时掌握雨水管网混接入渗的准确信息将有助于提升防范化解水环境污染和公共社会安全风险的战略主动。通过综述国内外雨水管网混接入渗问题诊断技术的基本原理、研究进展、技术特征等，旨在为该类技术的科学应用和创新发展提供借鉴，并得出以下主要结论：1）特征因子分析技术是开展雨水管网混接入渗诊断的有效手段，其可在不影响雨水管道正常运行情况下分区识别和量化混接入渗问题。通过进一步评估问题等级，该技术可为问题严重区域管道的优先修复提供靶区，因此具有实现治理效果与经济效益统一的优势特征。2）FDTS 技术和水动力模型反演技术在无干扰定位雨水管网混接入渗问题方面均展现出了优势前景，其中前者易于实施且诊断结果的不确定性小，后者具有诊断成本低、可量化混接入渗水量的优势，因此决策者可根据应用场景特征因地制宜选择诊断方法。3）研究认为未来雨水管网混接入渗诊断技术将朝着低成本、无干扰、可量化、可定位的方向发展，而单一诊断技术难以满足要求，采用特征因子分析技术耦合FDTS 技术或水动力模型反演技术的分级诊断体系有望实现上述目标。