量子点光谱监测在长江流域排水系统中的应用

王嘉薇 周田硕 霍旭佳 曹启明

摘要：近年来，水质在线监测被越来越多用于辅助管网健康诊断。为研究水质在线监测技术在排水系统中的应用，采用基于新型量子点光谱传感技术的水质原位在线监测技术，在长江经济带芜湖市D污水处理厂上游管网系统，开展了外水入渗、管网错混接、雨污混接等方面的应用研究。研究工作共识别出导致污水处理厂进厂水质低的2个重点区域，通过对重点区域的污水管网精细化监测，定位并现场核实了外水入渗来源和雨污混接位置。研究表明：通过管网水质数据或水质与流量、降雨等数据联合分析，该新型原位水质在线监测技术能够在管网排查以及本底浓度特征监测等领域发挥重要作用，有利于厂网提质增效和减少溢流污染排放。

摘要：水质； 管网健康诊断； 在线监测； 外水入渗； 雨污混接； 量子点光谱； 芜湖市

中图法分类号： TU992

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2024.01.006

0 引 言

2021年中国城市污水处理率达到97.9%，县城污水处理率达到96.1%，然而城市污水收集率仅有68.6%［1］。国家《“十四五”城镇污水处理及资源化利用发展规划》提出2025年城市污水收集率力争达到70%以上，2035年污水收集系统全覆盖［2］。此外，管网破损导致的外水入流入渗、漏损和道路塌陷，以及雨污混接导致的管网传输能力下降和污水排入环境，进而造成黑臭水体和厂网低效运营。因此，除了提高管网密度，通过管网排查诊断，为管网改造工程定位问题严重区域和具体管段位置，也是提高污水收集率和提质增效的重要途径［3］。比较常见的管网排查手段包括物理检测技术比如CCTV和QV、流量监测和水质监测技术。其中CCTV检测技术耗时耗力，不仅需要气囊封堵、停水等工序，且停水时间长，成本也高［4-5］。此外由于管网是动态运行的，CCTV和QV只能检测某一时间的状态，无法反映其他时间的问题。而单靠流量监测，如果在雨天定量污水管道中雨水来源，需在污水管网中同步安装很多管道流量计，极其费时费力且难以做到。而且污水管网内流态比较复杂，存在大量涡流、湍流等情況，测量精度无法保证。

近年来，使用水质特征因子在线监测来辅助管网健康诊断已经越来越受到重视［4-7］。传统人工采样用实验室化学法检测污水管网关键节点的水质，是判断污水管网外水入渗的传统方法。然而污水水质存在规律性变动，人工采样时效性差，非连续单次数据易造成误判。而污水管网内部空间狭窄，基于化学法的自动化设备不易安装，无法实现连续监测。而基于全波段的微型光谱原位在线监测技术，体积小、安装简单，可以实现管网水质连续监测。其数据量更大，可以识别监测点位的排水特征和水质波动，并且可以关联分析不同点位的水质数据，有效识别入流入渗和混接问题［8-9］。

本研究以长江下游芜湖市为例。芜湖市地处安徽省东南部，是长江大保护的先行试点城市之一。芜湖市内水资源丰富，年均降水量约为1 200 mm，主要集中于春季、梅雨季和初冬。该市水网密布，主要有青弋江等4条主要河流和竹丝湖等4个湖泊。芜湖市区地处长江东岸，土壤以人为土为主，土壤含沙量高，地下水位高。城区的老旧管网建成期早，维护力度不足导致污水管网存在显著低浓度地下水入渗问题，最终导致污水处理厂收集率不足且污水处理厂入水浓度偏低等问题。

自2021年《长江保护法》实施以来，各地积极响应促进《长江保护法》落地，加大整治和监管力度。长江经济带新建和改造污水管网超过1.69万km，新建污水处理厂规模超600万m3/d［10］。芜湖市近些年狠抓长江保护，2019年同三峡集团共同推进城区污水提质增效项目，包括污水处理厂扩建，管网系统排查和修复，打造厂网河一体化运管模式；解决污水收集率低，污水进厂浓度低，污水直排入自然水体等问题，进而改善受纳水体水质，为长江大保护提供案例经验。在芜湖市城区污水提质增效项目中，三峡集团采用了原位水质水量监测终端，用于管网排放特征和水质分析，辅助管网排查诊断。

本文聚焦芜湖市D污水处理厂提质增效项目，运用创新型量子点光谱传感水质在线监测技术，以大范围水质水量快速筛查监测结合重点区域水质水量精细化监测，摸清芜湖市D污水处理厂集水区排水特征，识别重点问题区域，锁定问题管段。研究成果可为管网排查工程靶向定位问题位置，为后续“长江大保护”污水提质增效项目提供参考。

1 研究方法

1.1 研究区域概况

芜湖市D污水处理厂主要收集南部约53.25 km2地块的污水，其集水区主要分为4部分，分别是12.99 km2的自流区，20.71 km2的W泵站集水区，13.46 km2的Q泵站集水区和6.09 km2的T泵站集水区。W泵站集水区北部片区为产业园区，排放以工业污水为主，南部片区主要为未开发用地和娱乐用地。T泵站集水区以未开发用地、公园绿地为主。Q泵站北部以工业用地为主，南部为M泵站集水区。M泵站集水区以西部工业用地和南部居民用地为主。自流区以工业用地和居民区为主。

目标污水处理厂集水区水网密布，地下水水位高，集水区分布如图1所示。该污水处理厂2018年污水收集量为1万t/d，同时进厂化学需氧量（COD）不足60 mg/L。目标污水处理厂的集水区土地为流沙地质，集水区内污水管网在早期设计时没有针对地形做特殊施工处理，导致老旧管网渗沙渗水严重。2018年以来，当地市政府与三峡集团合作开展了管网排查和整治工作，污水处理厂集水区的管网全线贯通，279处雨污混接点已全部整治完成。污水收集量提升到4.5万t/d，进厂COD日均值升高至110 mg/L。工程改造效果显著，但是进厂COD仍然偏低，污水处理厂集水区内仍然存在显著的地下水入渗问题。

1.2 监测方法及设备

针对该市污水处理厂提质增效及管网改造工程，采用水质水量分析相结合的方法对目标污水处理厂集水区进行系统性评估，为具体管网排查工作识别重点区域和重点管段。

水量分析主要采用流量计和液位计对排水系统的重要节点完成在线监测，进行旱天和雨天的水量评估、不同支线贡献度评估、管线间破损淤堵分析等。

水质分析主要采用水质监测仪对排水系统的重要节点完成在线监测，进行雨污合流评估、异常浓度管段识别、集水区水质特征识别等。水质监测在管网诊断工程中具有重要作用。针对管道错混接排查，通过污水水质特征因子可对雨水管道存在污水错接、污水管道存在雨水错接、外水入渗、水体倒灌等问题进行诊断［11］。

目前，利用水质来开展管网排查的手段主要有人工采样实验室化学分析和原位光谱法监测。化学法一般只能人工采样实验室分析，时间一致性差、数据频次低。而光学法水质监测设备以其体积小、重量轻、无化学试剂消耗等特点，可以实现原位监测。

目前市面上应用在水质监测的光谱仪主要分为单波长/双波长分光光度计，以及计算光谱仪等。 单波长设备如UV-254分光光度计无法消除浊度、色度等因素的影响；双波长分光光度计通过使用浊度补偿和色度补偿算法，准确性有所提高，但同一波长组合建模可能只适用于特定应用场景，不具普适性；紫外-可见全光谱法能更好地克服上述问题，极大提升了设备的环境适应能力。本研究采用计算光谱仪量子点光谱传感设备进行管网水质在线监测，可以实现排水管网水质的全光谱原位监测，具备微型化、功耗低、无需化学试剂、无需市政用地、安装部署和移动快捷等特点。其核心部件为量子点光谱传感芯片，量子点光谱传感芯片是将成百上千种不同粒径的量子点材料集成在一张薄膜上，再将薄膜和感光元件一起封装形成［12］。该传感芯片的监测范围包含紫外-可见光-近红外的全波段，同时量子点光谱传感终端不需要传统的狭缝分光设备，其光利用率可达到50%，可以应用于复杂排水管网环境。

1.3 监测点位布设

监测点位布设需要综合考虑集水区的管网基础信息（管径管材、安装坡度、拓扑关系等），以及集水区分区用地、重点排水户、地下水位、气象数据等相关信息，形成初步可选点位集。然后结合踏勘实际情况，从可选点位选取易于安装、取样、流态相对稳定的点位完成布点方案。排水管网水质监测以达成业务目标为导向，主要参考以下原则：

（1） 点位优先选择，包括排水管网体系中重要节点点位（主要泵站，子集水区汇入干线节点）、排水系统关键设施（泵站，截流井，调蓄池）、重要支线接入点、重点排水户、排口。

（2） 监测点位应具有明确的因果关系，避免布设在三通井或四通井。

（3） 监测点位的污水流态应相对稳定，避免布设在跌水井和坡降显著的点位。

（4） 针对排水管网台账没有及时更新的区域，建议选择距干线交汇点近的监测点位，降低未知支线或来水汇入的概率。

在本项目中，先在D污水处理厂上游集水区做重点区域识别的筛查性监测，设备布点如图2所示，然后根据筛查监测结果，再进行局部精细化排查监测。

1.4 分析方法

根据目标污水处理厂的集水区土地利用、管网拓扑连接、污水提升泵站等因素，将集水区分成多个子集水区。针对各个子集水区完成水质和流量长期监测，用

于捕捉各个子集水区的排水特征，评估各个子集水区的贡献度，识别重点子集水区优先进行排查工程。针对无法直接监测的片区根据物料守恒评估其区域的水质水量，计算方法如下：

Qc=QT-ni=1Qi（1）

Cc=QTCT-ni=1QiCiQc（2）

式中：Qc为无法直接监测区域的流量数据，m3/d；Cc为无法直接监测区域的水质数据，mg/L；QT为无法监测区域的下游节点流量数据，m3/d；CT为无法直接监测区域的下游节点水质数据，mg/L；

Qi和Ci分别为下游汇入点的其他集水区和无法监测区域上游集水区的水量和水质数据，单位分别为m3/d和mg/L

Qi为上游n个集水区中第i个集水区的水量数据，m3/d；

Ci为上游n个集水区中第i个集水区的水质数据，mg/L。

针对重点子集水区进行加密布设，通过采集的管网水质水量数据完成管网的诊断分析。管网诊断目的主要为排查排水管网运行状态，识别外水入渗区域，评估雨污混接。其中针对排水管网的外水入渗问题，主要以其相对应区域的水质水量特征評估影响程度，通过质量守恒初步评估外水入渗量。

Qinfiltration=QcCc-QcCwtCinfiltration-Cwt+

ni=1Qi（Ci-Cwi）Cinfiltration-Cwi（3）

式中：Qinfiltration为外水入渗量，m3/d；Cinfiltration为入渗水典型水质浓度，mg/L；

Qc为监测点位之间的自流区流量数据，m3/d；Cc为监测点位之间的自流区水质数据，mg/L；

Qc为无法直接监测区域的流量数据，m3/d；Cc为无法直接监测区域的水质数据，mg/L；

Cwt为监测点位之间的自流区典型用地污水水质浓度，mg/L；

Qi为上游n个集水区中第i个集水区的水量数据，m3/d；

Ci为上游n个集水区中第i个集水区的水质数据，mg/L；

Cwi为上游n个集水区中第i个集水区的典型用地污水水质浓度，mg/L。

雨污混接是污水管道和雨水管道间的错误连接，主要有以下两种类型：

（1） 对于污水管道错接至雨水管道，针对雨水管道监测水质和水量，如果晴天持续有流动污水存在，则存在错接。

（2） 对于雨水管道错接至污水管道，针对污水管道监测水质和水量，如果降雨阶段降雨的时间序列与水质时间序列间的相关系数（r）小于-0.5（强负相关）；且降雨的时间序列与水量时间序列间的相关系数（r）大于0.5（强正相关）；同时上下游点位的水质数据相关系数（r）在-0.3～0.3（弱相关）之间，则2个监测点位之间存在混接点。

在排水管网系统中，水质水量数据均存在周期性，在降雨过程中周期性波动对时间序列间相关性判断会造成误差。在此项工作中，去噪后的水质和流量的时间序列通过STL滤波法［13］，移除周期性部分和残差部分后用于分析，分解方法如下。

Qori=Qtrend+QSeasonal+Residual（4）

式中：Qori为数据清洗后的水质和水量时间序列；QSeasonal为时间序列中的季节部分，在排水管网的应用场景季节部分设定为24 h；Qtrend为监测时间序列的基线，通过24 h的移动平均法计算；Residual为时间序列分解后的残差项。

2 结果和讨论

针对芜湖市D污水处理厂进水浓度提升的关键目标，本研究通过分析D污水处理厂的主要泵站子集水区和自流区集水区的节点水质和水量，评估各个子集水区的地下水入渗程度和贡献强度，用于识别改造工程的下一步工作重点泵站区。并通过在重点泵站区的污水干线、支线和户线关键节点收集水质水量数据，耦合降水数据评估重点区域各个重要污水支线的地下水入渗量和重点排水户的雨污混接程度。

图3展示了各个节点2022年1～7月的在线水质监测数据和泵站运行流量数据。自流区的COD均值在240 mg/L，水量均值在24 000 m3/d，且枯水期和丰水期无显著变化，证明自流区雨污分流显著，且无显著的外水入渗问题。W泵站枯水期流量约为8 000 m3/d，丰水期流量约为9 000 m3/d；枯水期COD约为60.5 mg/L，丰水期COD约为56.7 mg/L。W泵站在丰水期存在雨污混流会造成约1 000 m3/d的额外来水，但COD不显著下降，证明枯水期和丰水期W泵站存在显著的外水入渗问题。T泵站COD均值在15 mg/L，水量均值在1 500 m3/d，且枯水期和丰水期无显著变化，证明T泵站雨污分流显著，且无显著的外水入渗问题。Q泵站枯水期流量约为14 000 m3/d，丰水期流量约为18 000 m3/d；枯水期COD约为86.7 mg/L，丰水期COD约为97.4 mg/L。Q泵站上游的M泵站枯水期流量约为7 000 m3/d，丰水期流量约为9 000 m3/d；枯水期COD约为67.3 mg/L，丰水期COD约为62.9 mg/L。M泵站在丰水期存在雨污混流会造成约2 000 m3/d的额外来水，但COD不显著下降，证明在枯水期和丰水期M泵站存在显著的外水入渗问题。

经过上述分析，W泵站和M泵站的集水区均存在外水入渗问题，针对这两个区域的管网改造工程是进一步提升污水处理厂进水浓度的关键。W泵站集水区存在一个水上主题公园主要排水户，其排放污水浓度低且水量大，为W泵站的主要外源来水；相对而言，M泵站的外源低浓度来水未知。针对以上发现，项目运行方在2022年8月针对M泵站集水区进行水质和水量监测设备的加密布设，用于进一步排查M泵站集水区的问题。

图4展示了M泵站的水质和水量监测数据。M泵站枯水期的COD有明显的周期性，浓度范围在50～80 mg/L（去除极个别毛刺异常点数据，下同），日均值为64 mg/L。枯水期M泵站的日均流量约为6 700 m3/d。枯水期泵站水质数据长期低于200 mg/L，表明M泵站集水区存在明显的枯水期低浓度水入渗问题。

M泵站丰水期受降雨影响显著，以8月27日降雨事件分析，降雨峰值期間COD从65 mg/L显著上升至79 mg/L，而后迅速降低至51 mg/L，且8月27～29日水质浓度整体降低约10 mg/L，同时伴随周期性波动减弱。在此次降水事件中，M泵站日均流量为12 870 m3/d，是枯水期流量的1.92倍。以上监测数据表明M泵站集水区管网存在显著的雨污混接问题，导致降雨过程中大量雨水汇入污水管网。

地下水入渗和雨污混接分析使用了2022年8月19日至9月30日的长期监测数据，枯水期数据为降雨事件后5 d到下一次降雨事件前1 d的监测数据，丰水期数据为降雨发生时到降雨结束后第3天之间的监测数据。

2.1 地下水入渗

针对M泵站集水区的地下水入渗评估，其集水区边界河流的水体功能区划为地表水Ⅱ类，基于功能区划假设入渗地下水的COD为15 mg/L。集水区用地主要为居民区和工业园区，居民区的典型污水浓度假设为300 mg/L，工业区的典型污水浓度假设为500 mg/L［14-15］。节点的水质数据使用在线设备监测的COD，其监测频率为1次/10 min。经过数据清洗后，通过分析时段取（枯水期、丰水期）平均值。水量数据使用在线设备监测的流量，其监测频率为 1 min，通过分析时段取（枯水期、丰水期）平均值。水质和水量在丰水期和枯水期的平均值通过公式（1）～（3）计算出监测管段的地下水入渗量。

图5和图6展示了枯水期和丰水期M泵站集水区主要节点间外水入渗程度的评估。结果显示：枯水期A监测点位所属支线入渗贡献量占总量的4.2%，且A监测点和B监测点之间存在的管网水外渗约占总量的-0.7%；丰水期A监测点位所属支线入渗贡献量占总量的8.1%。D监测点位所在支线流量不显著，无流量数据，主要贡献来自C监测点位所属支线，其枯水期入渗贡献量占总量的6.41%，丰水期入渗贡献量占总量的6.46%。E监测点位所属支线枯水期入渗贡献量占总量的9.27%，丰水期入渗贡献量占总量的5.83%。F监测点位流量不显著，无监测数据。G监测点位所在支线在枯水期贡献了74.1%的外水入渗，在丰水期贡献了72.63%的外水入渗；此外在G监测点位和H监测点位间存在显著的外来水，且入渗量在枯水期和丰水期均占总量的50%。

基于分析得出初步结论如下：A和B节点之间在枯水期存在管网内水外流，丰水期存在外水入渗的问题；G监测点位所在支线的外水入渗是影响M泵站水质水量的关键支线，且G点位和H点位之间存在严重的外水入渗问题。本研究使用高频水质监测终端的长时间序列数据完成地下水入渗评估。相较于低频的人工采集水质数据，高频水质数据的代表性更强，可以规避人工采集中取到不具代表性的离群样本和人工取样不规范的风险。

2.2 雨污混接

排水户户线的水质数据使用在线设备监测的COD，其监测频率为1次/10 min，经过30 min的步长完成重新取样取平均值。排水户户线水量数据使用在线设备监测的流量，其监测频率为1次/1 min，经过30 min的步长完成重新取样取平均值。监测时间序列利用公式（4）描述的方法移除周期性和残差后，通过设定滞后阶数完成同降水数据的监测频率和时间同步。经分析，此集水区的降雨和排水管网产流的滞后阶数为2 h。通过分析排水户的水质，水量和降雨数据的相关性，评估各个关键节点的雨污混接强度。针对检测过程中的一次代表性降水事件的关联分析的结果如下。

针对2022年8月26～27日的降雨时间分析如图7和图8所示，在水质分析中监测点位K和E所属的相关支线在降水过程中水质数据和降水数据存在强负相关关系，监测点位B和F所属的相关支线在降水过程中水质数据和降水数据存在负相关关系。初步推测在K和E所属相关支线存在显著的雨水管接入污水管网问题。

由于系统的南部和东部集水区存在2组提升泵站和1组主泵站，在降雨过程中整体系统由泵站主导，导致东部和南部集水区的水量数据和降水数据无显著关联性。西部集水区的水量数据同降水数据存在正相关关系。通过水量数据分析得出A监测点位所在支线存在雨水管接入污水管网的问题。

通过使用高频的水质水量监测数据，可以在降水过程中获得大量数据用于时间序列的相关性分析。基于长时间序列的相关性分析，与基于短时间序列的手采数据相比，其结论更具有代表性且可以更好地排除降雨事件中的偶发性水质突变对于评估诊断造成的影响。

2.3 现场核查结果

通过水质、水量监测数据得到的排查分析结果，和当地运维管理部门的实地管网核查结果具有很好的一致性，如图9所示。实地核查结果证明：A和B监测点位之间存在排水户私接问题，排水户违规从排水管网抽水用于苗圃灌溉和混凝土生产；A和B监测点位之间存在管网坍塌和破损；K监测点位所在支线存在雨污混接；E监测点位所在支线存在雨污混接问题；G和H监测点位间存在未知来源的管道错接问题，且来水量显著；集水区南部管网长期处于高水位运行且在降雨过程中存在污水拥堵问题。以上现场核查结果和水质水量长时间序列数据分析结果一致，说明水质监测设备可以有效捕捉污水管网异常运行情况，如地下水入渗、雨污混接等。

3 结 论

本次研究表明，量子点光谱传感水质在线监测技术可在管网水质本底调研和管网问题排查中，快速定位重点问题区域，提升工程改造的效率，缩短改造时间和减少成本，并且可通过对重点区域开展精细化监测，进一步精准定位问题管段，评估外水入渗和雨污混接的严重程度。

该新型水质在线监测技术可以提供原位、实时、连续的动态监测，无需化学试剂、功耗低维护少，能满足实际工程应用的要求，可在长江流域的排水系统推广使用。本次研究取得了良好的应用效果，为后续深化研究提供了借鉴。

参考文献：

［1］ 住房和城乡建设部.2021年城乡建设统计年鉴［Z］.2022.

［2］ 国家发展改革委，住房城乡建设部.“十四五”城镇污水处理及资源化利用发展规划［Z］.2021.

［3］ 刘战广，谭学军，陈嫣.基于水量分析和节点监測的城镇污水管网评估诊断［J］.中国给水排水，2021，37（17）：32-37.

［4］ 徐祖信，王诗婧，尹海龙，等.基于节点水质监测的污水管网破损位置判定方法［J］.中国环境科学，2016，36（12）：3678-3685.

［5］ 沈小华，齐国辅，耿宏，等.管网异常（水质浓度低）排查技术路线和案例分析［J］.中国给水排水，2021，37（4）：97-100.

［6］ 徐祖信，汪玲玲，尹海龙，等.基于特征因子的排水管网地下水入渗分析方法［J］.同济大学学报（自然科学版），2016，44（4）：593-599.

［7］ 尚立珍.城市污水管网建设顶管施工技术［J］.水利水电快报，2021，42（增1）：36-39..

［8］ LI P H，HUR J.Utilization of UV-Vis spectroscopy and related data analyses for dissolved organic matter （DOM） studies：a review［J］.Critical Reviews in Environmental Science & Technology，2017（47）：131-154.

［9］ RIEGER L，LANGERGRABER G，THOMANN M，et al.Spectral in-situ analysis of NO2，NO3，COD，DOC and TSS in the effluent of a WWTP［J］.Water Science & Technology，2004，50（11）：143-152.

［10］ 刘诗平.长江保护法实施一年多成效如何？［N］.新华每日电讯，2022-12-29（003）.

［11］ 中国工程建设标准化协会.城镇排水管道混接调查及治理技术规程：T/CECS 758-2020［S］.北京：中国计划出版社，2020.

［12］ BAO J，BAWENDI M G.A colloidal quantum dot spectrometer［J］.Nature，2015，523（7558）：67-70.

［13］ CLEVELAND R B，CLEVELAND W S.STL：a seasonal-trend decomposition procedure based on Loess［J］.Journal of Official Statistics，1990，6（1）：1-7.

［14］ 國家环境保护总局.污水综合排放标准：GB 8978-1996.［S］.北京：国家环境保护总局，1998.

［15］ 中华人民共和国住房和城乡建设部.室外排水设计标准：GB 50014-2021［S］.北京：中国计划出版社，2021.

（编辑：刘 媛）

Application of quantum dot spectral sensing technology in sewage system of Changjiang River Basin

WANG Jiawei1，ZHOU Tianshuo2，HUO Xujia3，CAO Qiming2

（1.China Three Gorges Technology Co.，Ltd.，Beijing 100038，China； 2.QuantaEye（Beijing）Technologies Co.，Ltd.，Beijing 100083，China； 3.China Three Gorges Corporation，Wuhan 430014，China）

Abstract：

In recent years，water quality monitoring technology has been frequently used in the diagnostic inspection of sewage pipeline health.This paper aims to study the application of novel quantum dot spectral sensing technology to monitor water quality and investigate pipeline health in the upstream sewage network of a wastewater treatment plant in Wuhu City.The investigation studied illicit connections（pipe network wrong mixing and rainfall connecting to sewers）and external water infiltration.In this study，two key areas leading to low quality of inflowing water in the sewage treatment plant were identified.The source of external water infiltration was located and verified on site through the fine monitoring of the sewage pipe network in the key areas.Results show that through the joint analysis of water quality data or water quality and flow，rainfall and other data，the new in-situ water quality online monitoring technology can play an important role in the field of pipeline network investigation and background concentration characteristic monitoring，which is conducive to improving the quality and efficiency of the sewage system and reducing the overflow pollution discharge.

Key words：

water quality；pipeline health diagnosis；online monitoring；external water infiltration；rainfall connecting to sewers；spectral sensing quantum dot；Wuhu City