基于层次分析法的建筑再生骨料人工湿地植物评价模型构建与应用

2024-05-06姬国强胡艺泓杨亚欧李家科李亚娇

净水技术 2024年4期

马越,姬国强,胡艺泓,杨亚欧,王辉,李家科,李亚娇,*

(1.陕西省西咸新区沣西新城开发建设<集团>有限公司海绵城市技术中心,陕西西安 712000;2.西安科技大学建筑与土木工程学院,陕西西安 710054;3.西安理工大学省部共建西北旱区生态水利国家重点实验室,陕西西安 710048;4.西安理工大学水利水电学院,陕西西安 710048)

植物对人工湿地净化水质有重要作用。在人工湿地中,不同植物其耐污性与抗逆性有所区别,通常在选择湿地植物时,人们会根据污水水质、景观、成本、净水效果进行合理选择,尽可能地在保证系统生物多样性的同时,提高污水净化效率。研究[1-2]发现,有植物的湿地系统对氮、磷等去除率要明显高于无植物的湿地系统。对于季节来说,春季期间,美人蕉、芦苇对氮的去除率小于60%,而生长旺盛的夏季对氮的去除率超过85%[3]。翟旭等[4]研究发现,芦苇、水葱、香蒲和千屈菜4 种湿地植物对氨氮、TN、TP 的平均去除率分别约为50%、40%、25%,出水pH 值为7 左右,4 种湿地植物的选择顺序为香蒲>芦苇>水葱>千屈菜。 Reddy 等[5]研究了凤眼莲等8 种水生植物净化污水的能力,结果发现,夏季和冬季8 种水生植物去氮效果的优劣次序有所不同。陈永华等[6]根据湿地植物的适应能力和生理特性、耐污去污能力进行聚类分析,最终将17 种湿地植物分为了3 类。可以发现,不同的湿地植物对污水的净化效果不同,而且这些研究多集中于以砾石为填料的湿地植物筛选,同时对湿地植物的筛选和评价多局限于水质净化效果,缺乏从植物、填料、水质等多方面进行综合评价的体系,而且未出现定量的植物评价结果。

随着资源化利用的提出,建筑再生骨料开始成为一种新型的人工湿地填料。研究[7-10]结果表明,废砖块、混凝土等建筑再生骨料具有较高的孔隙率和比表面积,对氮磷有较好的吸附效果;从生物附着性能来看,建筑再生骨料适于湿地微生物的富集和植物的生长。田伟等[11]以混凝土块和碎砖为人工湿地的填料,发现这两种建筑垃圾对污水中SS、CODCr、TP、TN、氨氮等指标有很好处理的效果。但是基于建筑再生骨料的人工湿地植物筛选及其综合评价体系的构建仍需深入研究。

层次分析法(analysis of hierarchy process,AHP)是一种确定目标权重的方法,常用于多目标决策系统中[12]。运用AHP 时,将评价体系分为目标层、准则层与方案层3 个层面,各准则在目标层中的相对重要性不同,因此,需要建立包含所有准则相对重要性的数学模型进行两两比较,从而将定性问题转为定量问题解决[13]。在评价植物时,AHP 多用于城市生态公园的景观美感评价以及海绵城市建设中景观植物的配置设计[14-15]。然而这些评价体系无法满足基于特殊填料的人工湿地植物筛选。因此,本研究以混合建筑再生骨料、红砖和砾石为人工湿地填料,以风车草、美人蕉、芦苇、菖蒲、香蒲、再力花、鸢尾为人工湿地植物,采用AHP 从植物的生长特性、生理特性、水质净化效果以及经济成本4 个准则层对7 种人工湿地植物进行综合评价,并给出植物的优先次序,筛选出基于建筑再生骨料的人工湿地植物。

1 AHP 构建的过程与步骤

1.1 综合层次评价结构建立

本研究所构建植物评价体系的准则层包括生长特性、生理特性、水质净化效果、经济成本。具体而言,包含了植物株高、分株数、生物量、花果期、聚集度,叶绿素、类胡萝卜素、化学需氧量(CODCr)、氨氮、总氮(TN)、总磷(TP),具体层次结构如图1所示。

图1 植物筛选层次分析结构图Fig.1 Hierarchical Structure Diagram of Plants Screening

目标层(A):将植物筛选作为总目标,并将目标分解为四大要素,以此为出发点,通过计算衡量相对重要性,得出评价的最终结果。

准则层(B):将植物筛选分解为生长特性(B1)、生理特性(B2)、水质净化效果(B3)、经济成本(B4)4 个指标,应用计算方法分别得出各指标的权重,得出对总目标的影响程度。

指标层(C):对准则层的4 个指标继续进行划分,其中生长特性(B1)划分为植物株高(C1)、分株数(C2)、生物量(C3)、花果期(C4)和聚集度(C5);生理指标(B1)划分为叶绿素a(C6)、叶绿素b(C7)和类胡萝卜素(C8);水质净化效果(B3)划分为CODCr(C9)、氨氮(C10)、TN(C11)和TP(C12);经济成本(B4)划分为购买成本(C13)、维护成本(C14)和投资回报(C15)。各指标之间两两对比得出权重。

1.2 判断矩阵的构造

一般认为成对比较因素的每层不宜超过9 个,故常用1～9 及其倒数的标度法判断两因素的重要性(表1)。两两比较判断矩阵的标度通过数字来定义:1、3、5、7、9 分别代表一个因素i与另一个因素j相比同样重要、稍微重要、明显重要、强烈重要、极端重要;2、4、6、8 表示相邻两种重要性的中值。其中aij为i对j的重要性,aji为j对i的重要性,aji=1/aij。

表1 不同阶数的RI 取值Tab.1 RI Values for Different Orders

假定Bn为准则,下一层的元素C1、C2、…、Cn可被Bn支配,则需要针对Bn下Ci、Cn的重要性进行数量化比较,建立两两比较判断矩阵,如式(1)。

1.3 计算相对权重

在准则Bn下,计算元素C1,C2,…,Cn权重,得到判断矩阵C 的最大特征根λmax,以符合公式(2)。

其中:A——n阶矩阵;

X——λmax特征向量,分量Xi(i= 1,2,…,n) 为对应元素C1,C2,…,Cn在准则下单排序的权值。

本文求解判断矩阵采用方根法[式(3)]。

其中:Xi——对应元素归一化后的特征向量。

1.4 一致性检验

n阶判断矩阵,它的最大特征根为单根,并且λmax≥n。当λmax=n,其他特征根等于0 时,Bn具有完全一致性。λmax>n,其他特征根接近等于0,Bn具有满意一致性。一致性检验公式为式(4)～式(5)。

其中:CI——一致性指标;

CR——一致性比率;

RI——随机一致性指标。

CI=0 时,矩阵是完全一致性,CI值愈大,矩阵的一致性愈差。考虑到随机性误差,最后一致性指标应加上RI,RI的取值如表1 所示(准则层的元素一般不超过9 个,因此,判断矩阵的阶数一般不超过9)。

当CR< 0.10 时,认为具有一致性,否则需一直调整判断矩阵各因素的取值直到符合要求为止。

1.5 计算各因子层各项指标的综合权重

综合权重值是准则层相对于目标层的权重值,计算如式(6)。

其中:XBj——Bj对于A 的权重值;

QM——综合权重值;

XCij——Cij相对Bj的权重值。

2 各指标体系的构建

2.1 植物筛选模型建立

根据15 项评价因子构建了多层次评价模型,如表2 所示。

表2 植物多层次评价模型Tab.2 Multi-Level Evaluation Model of Plants

2.2 数据归一化处理

以风车草、美人蕉、芦苇、香蒲、菖蒲、再力花、鸢尾7 种植物作为评价对象,准则层下各指标作为评价内容,将指标层不同评价体系的数据(表3)进行归一化处理使之统一无量纲化,各指标归一化数据如表4 所示。

表3 不同植物在各指标层中的数据Tab.3 Data of Different Plants in Each Index Layer

表4 各指标归一化数据Tab.4 Normalized Data of Each Index

2.3 层次单排序及其一致性检验

计算准则层(生长特性、生理特性、净化效果和经济成本)下各指标的相对权重并进行一致性检验,结果如表5～表9 所示。

表5 判断矩阵(A-B)权重值及一致性检验Tab.5 Weight Value of Judgment Matrix (A-B) and Consistency Test

如表5 所示,生长特性权重值为0.172 7,生理指标权重值为0.094 2,净化效果权重值为0.614 4,经济成本权重值为0.118 7,可以看出在准则层中净化效果的影响最大,生理特性影响最小。

由表6 可知,植物株高在生长特性层所占权重为0.178 0,植物分株数在生长特性层所占权重为0.226 0,生物量在生长特性层所占权重为0.331 8,花果期在生长特性层所占权重为0.183 0,聚集度在生长特性层所占权重为0.081 1。

表6 判断矩阵(B1-C)权重值及一致性检验Tab.6 Weight Value of Judgment Matrix (B1-C) and Consistency Test

由表7 可知,叶绿素a 在生理特性层所占权重为0.319 6,叶绿素b 在生理特性层所占权重为0.558 4,类胡萝卜素在生理特性层所占权重为0.122 0。

表7 判断矩阵(B2-C)权重值及一致性检验Tab.7 Weight Value of Judgment Matrix (B2-C) and Consistency Test

由表8 可知,CODCr在净化效果层所占权重为0.113 1,氨氮在净化效果层所占权重为0.276 9,TN在净化效果层所占权重为0.305 0,TP 在净化效果层所占权重为0.305 0。

表8 判断矩阵(B3-C)权重值及一致性检验Tab.8 Weight Value of Judgment Matrix (B3-C) and Consistency Test

由表9 可知,购买成本在经济成本层所占权重为0.319 6,维护成本在经济成本层所占权重为0.558 4,投资回报在经济成本层所占权重为0.122 0。

表9 判断矩阵(B4-C)权重值及一致性检验Tab.9 Weight Value of Judgment Matrix (B4-C) and Consistency Test

层次总排序的权值经式(6)计算,结果如表10所示。

表10 植物筛选评价指标总权重Tab.10 Total Weight of Plant Screening Evaluation Index

由表10 可知,TN 与TP 的总权重最大,其次是氨氮。 CODCr、维护成本和生物量这3 个评价因子权重较为接近,接着是叶绿素b,其次是分株数、购买成本、花果期、株高、叶绿素a,聚集度、投资回报、类胡萝卜素3 个指标权重最小。因此,在对植物评价过程中,TN、TP、氨氮这3 个方面对植物筛选影响较大,而CODCr、维护成本、生物量、叶绿素b、分株数、购买成本、花果期、株高、叶绿素a 的影响力相对较小,剩余3 个评价因子的影响度最低。

3 人工湿地植物筛选试验设计

3.1 试验装置

本试验共构建了24 个小型人工湿地植物筛选装置,装置如图2 所示,上口径尺寸为20 cm×20 cm,下口径尺寸为11 cm×11 cm,高度为35 cm。装置底部采用10～20 mm 砾石作为支撑介质,深度为3 cm,介质上层为25 cm 不同填料,填料上预设5 cm 淹没深度,在距箱底 3 cm 处设置出水口以收集水样。

图2 试验装置图Fig.2 Schematic Diagram of Experimental Setup

3.2 试验设计

本试验中所用填料为混合建筑再生骨料、红砖、砾石。其中混合建筑再生骨料由建筑场地的建筑垃圾经过破碎、筛分等工艺简单加工而成,由沥青混凝土、红砖组成(两者的质量比例超过90%),含少部分碎玻璃、瓷砖等其他杂质。

选取大小均匀、生长较健壮的植株分别种植在装有混合建筑再生骨料、红砖、砾石的不同塑料桶中,每种填料设置8 个塑料桶,分别种植风车草、美人蕉、芦苇、菖蒲、香蒲、再力花、鸢尾、空白(无植物),共24 个。进水浓度按照《城镇污水处理厂污染物排放标准》(GB 18918—2002)一级A 标准配制,采用一次性进水方式,每次进水3 L,排水时直接由阀门放空。水力停留时间设置为3 d,共运行45 d(表11)。

表11 人工湿地植物筛选试验设计Tab.11 Experimental Design for Screening Constructed Wetlands

4 评价结果与分析

根据表2 对植物进行打分,每个指标分为5 个等级:0 ～0.2、0.2 ～0.4、0.4 ～0.6、0.6 ～0.8、0.8 ～1.0,每个等级1 分。叶绿素a、叶绿素b 和类胡萝卜素是以冬季下降百分比作为评价指标,故下降越多,分值越低,其余指标均为数据越高,分值越高,鸢尾后期死亡没有生理特性分值以0 计算。 7 种植物详细得分如表12 所示。每种植物的最后得分由评分乘以权重获得。

表12 植物评价因子得分Tab.12 Scores of Plant Evaluation Factor

由表12 可知,植物株高中评分最高的是香蒲,程宪伟等[16]在研究芦苇、香蒲、美人蕉等6 种植物对盐分胁迫的生理生态响应试验中发现,香蒲株高增长量最大;风车草的植物分株数得分最高,赖闻玲等[17]在研究风车草、芦苇等4 种湿地植物在人工湿地的生长特性时也发现风车草分株数最多;植物花果期中评分最高的是美人蕉,美人蕉、菖蒲、香蒲、鸢尾的聚集度得分最高,叶绿素a 得分最高的是菖蒲,叶绿素b 得分最高的是芦苇,类胡萝卜素中芦苇和菖蒲得分最高,CODCr中鸢尾得分最高,氨氮中风车草和鸢尾得分最高,TN 中风车草、香蒲和再力花得分最高,TP 中风车草、芦苇、香蒲和鸢尾得分较高,风车草、香蒲、再力花的维护成本得分最高,芦苇的购买成本和投资回报均最高而鸢尾、风车草均最低。

如表13 所示,生长特性中风车草得分最高(0.585),鸢尾得分最低(0.229);生理特性中芦苇得分最高(0.410),鸢尾得分最低,后期死亡没有使用,故得分为0;净化效果中风车草得分最高(2.858),菖蒲和再力花得分最低,得分为1.361,李慧敏等[13]采用AHP 对菖蒲、美人蕉、风车草、水葱进行评价筛选,4 种植物净化效果依次为风车草、美人蕉、水葱、菖蒲;经济成本中香蒲得分最高(0.534),鸢尾得分最低(0.250)。根据评价结果,7种植物的综合排序依次为风车草、香蒲、芦苇、美人蕉、鸢尾、菖蒲、再力花。为充分发挥植物在湿地中的作用,可选取综合排序前3 的植物用于影响因素的研究。