楊慧慧，謝紅玉，趙丁，蘇智，賈濱洋*

(1.東南大學(xué)能源與環(huán)境學(xué)院，江蘇 南京 210096；2. 成都市環(huán)境應(yīng)急指揮保障中心，四川 成都 610066)

近年來，我國流域污染事故頻發(fā)，成為居民飲水安全的重要威脅。突發(fā)性水污染事件具有隨機(jī)性及危害大的特點(diǎn)，極易引發(fā)嚴(yán)重的環(huán)境問題。水質(zhì)預(yù)警平臺可確定水質(zhì)現(xiàn)狀及未來變化趨勢，在突發(fā)性水污染事故的自動預(yù)測、影響范圍的展示等方面發(fā)揮了重要作用。為更好地規(guī)避流域環(huán)境風(fēng)險，現(xiàn)從突發(fā)性水污染事故預(yù)警平臺的總體架構(gòu)出發(fā)，綜述了監(jiān)測技術(shù)、預(yù)警模型與預(yù)警平臺等關(guān)鍵技術(shù)的研究進(jìn)展，分析目前水質(zhì)預(yù)警系統(tǒng)存在的不足，并展望其發(fā)展方向。

1 國內(nèi)外突發(fā)性水污染事故預(yù)警平臺建設(shè)

1.1 突發(fā)性水污染事故預(yù)警平臺總體架構(gòu)

突發(fā)性水污染事故預(yù)警平臺的工作過程如下：(1)水質(zhì)狀況實(shí)時監(jiān)測；(2)發(fā)現(xiàn)異常數(shù)據(jù)，綜合分析后報警；(3)追蹤污染物位置；(4)分析污染物擴(kuò)散速度和趨勢；(5)提出有效的應(yīng)急處理措施。因此，預(yù)警平臺以信息獲取、信息傳輸、數(shù)據(jù)處理、模型模擬為主要架構(gòu)，包含數(shù)據(jù)感知層、數(shù)據(jù)管理層、業(yè)務(wù)應(yīng)用層等重要建設(shè)內(nèi)容，其總體架構(gòu)見圖1。

由圖1可見，數(shù)據(jù)感知層是預(yù)警平臺的最底層，依托大量傳感器和監(jiān)測儀器等終端對各監(jiān)測斷面的水質(zhì)監(jiān)測數(shù)據(jù)進(jìn)行采集與匯總，為水質(zhì)預(yù)警及應(yīng)急處理提供所需的數(shù)據(jù)支撐。數(shù)據(jù)管理層是預(yù)警平臺的技術(shù)核心，內(nèi)嵌各類水質(zhì)模型及監(jiān)測數(shù)據(jù)庫，可基于監(jiān)測結(jié)果評價當(dāng)下水質(zhì)，預(yù)測未來水質(zhì)，計算污染物擴(kuò)散趨勢等，為突發(fā)事件的預(yù)警及處置提供理論指導(dǎo)。業(yè)務(wù)應(yīng)用層面向應(yīng)急管理人員，將底層收集的數(shù)據(jù)經(jīng)模型層處理后，將水質(zhì)在線監(jiān)測數(shù)據(jù)與分析結(jié)果根據(jù)不同的需要進(jìn)行展示。應(yīng)用層支持水質(zhì)監(jiān)測與評價、水質(zhì)趨勢預(yù)測預(yù)警、污染溯源及應(yīng)急處置，便于管理人員實(shí)施污染的精準(zhǔn)管理與科學(xué)決策。

圖1 突發(fā)性水污染事故預(yù)警平臺總體架構(gòu)

1.2 國內(nèi)突發(fā)性水污染事故預(yù)警平臺建設(shè)

我國突發(fā)性水污染事故預(yù)警平臺可分為2類。(1)宏觀決策類預(yù)警平臺，由風(fēng)險分析、狀態(tài)預(yù)測與評價、預(yù)警與決策響應(yīng)3個部分組成，主要開展常規(guī)水污染和突發(fā)性水污染的風(fēng)險識別與分析。已在我國南水北調(diào)工程、珠江三角洲、長江等流域得到應(yīng)用。平臺全面掌握污染風(fēng)險源的發(fā)生概率及危害，有針對性地設(shè)定預(yù)警方案。但該類平臺存在歷史數(shù)據(jù)積累不足、基礎(chǔ)設(shè)施不完備、數(shù)據(jù)處理和傳輸受限等問題。(2)管理類預(yù)警平臺，由監(jiān)測系統(tǒng)和預(yù)警系統(tǒng)組成。其針對具體發(fā)生的污染事故，對污染事故進(jìn)行預(yù)警分析，在污染物到達(dá)指定區(qū)域前盡早預(yù)警，已成功應(yīng)用于白河和西江等流域。但該類平臺存在基層儀器的使用和維護(hù)不到位、大量數(shù)據(jù)處理不及時、專業(yè)管理能力較弱等問題，影響了預(yù)警平臺的功能發(fā)揮[1]。

1.3 國外突發(fā)性水污染事故預(yù)警平臺建設(shè)

國外對于突發(fā)性水污染事故預(yù)警平臺的建設(shè)起步較早，也可分為2類。(1)基于模型預(yù)測的預(yù)警平臺，結(jié)合水文、氣象及土地資源等數(shù)據(jù)，通過污染物遷移轉(zhuǎn)化模型模擬污染物在水中的運(yùn)輸過程，預(yù)測污染物到達(dá)目標(biāo)點(diǎn)的時間、濃度及峰值，從而實(shí)現(xiàn)水污染的預(yù)警與預(yù)報。比較成熟的有：①萊茵河流域水環(huán)境預(yù)警平臺，建立了萊茵河專用的報警模型來預(yù)測污染物擴(kuò)散情況，包括預(yù)警監(jiān)測、突發(fā)污染報警、污染溯源、污染物擴(kuò)散模擬及應(yīng)急響應(yīng)5個部分。系統(tǒng)配備在線監(jiān)測儀、色譜/質(zhì)譜分析儀及生物監(jiān)測系統(tǒng)，能夠?qū)ι?、鈹、鎘、有機(jī)污染物、氰化物等10種污染物及放射性物質(zhì)進(jìn)行監(jiān)測[1]。②俄亥俄河流域預(yù)警平臺，集成FLOWSED和WASP污染物遷移轉(zhuǎn)化模型用以計算污染物的運(yùn)動，可對21種有機(jī)物成分進(jìn)行分析并預(yù)測其時空分布情況。③多瑙河流域水環(huán)境預(yù)警平臺，建立了污染物數(shù)據(jù)庫和多瑙河流域預(yù)警模型以分析污染事故[4]，當(dāng)事故發(fā)生后，平臺迅速提供水質(zhì)信息，集成衛(wèi)星通信系統(tǒng)使得不同沿岸國家的數(shù)據(jù)能夠及時傳遞。(2)基于實(shí)時監(jiān)測數(shù)據(jù)的預(yù)警平臺，僅監(jiān)測日常數(shù)據(jù)并進(jìn)行異常狀態(tài)報警。如建于密西西比河、特倫特河、迪伊河及塞納河等流域的平臺，對有機(jī)污染物、生物毒性指標(biāo)和營養(yǎng)鹽類指標(biāo)進(jìn)行預(yù)警[5]，但此類平臺沒有嵌入相關(guān)計算模型，僅能實(shí)現(xiàn)污染的實(shí)時報警。

2 突發(fā)性水污染事故預(yù)警平臺應(yīng)用的監(jiān)測技術(shù)

2.1 常規(guī)監(jiān)測技術(shù)

水質(zhì)監(jiān)測技術(shù)的發(fā)展過程可以歸納為以下3個階段[6]。(1)人工監(jiān)測：工作人員去流域現(xiàn)場采集水樣并帶回實(shí)驗(yàn)室，通過實(shí)驗(yàn)室儀器完成定量分析檢測，該方法費(fèi)時費(fèi)力，難以掌握水質(zhì)的實(shí)際變化情況。(2)現(xiàn)場儀器監(jiān)測：使用便攜式儀器進(jìn)行現(xiàn)場測量，該方式簡單快捷，但數(shù)據(jù)無法及時傳回監(jiān)控中心，且檢測周期受到人力、物力的限制。(3)水質(zhì)在線監(jiān)測：自動化水質(zhì)在線監(jiān)測可以對水質(zhì)參數(shù)進(jìn)行整體采集，并實(shí)時反饋，出現(xiàn)異常情況可實(shí)現(xiàn)實(shí)時報警。目前水質(zhì)監(jiān)測已由手工采樣和實(shí)驗(yàn)室分析監(jiān)測向智能化、高精度、實(shí)時化方向發(fā)展，主要在線監(jiān)測方法見表1[7]。

表1 水質(zhì)在線監(jiān)測方法

在線監(jiān)測方法大多具有較高的可靠性和靈敏度，但各種方法均存在技術(shù)上的不足，同時每種方法僅能夠監(jiān)測指定的物質(zhì)，難以對所有污染物進(jìn)行監(jiān)測，具有一定的局限性。隨著科技的發(fā)展，以氣相色譜(GC)、氣相色譜/質(zhì)譜(GC/MS)、電感耦合等離子體發(fā)射光譜(ICP/AES)等為代表的現(xiàn)代分析儀器逐步應(yīng)用到水質(zhì)監(jiān)測中，推動監(jiān)測向痕量化、快速化方向發(fā)展。但監(jiān)測儀器往往造價高、間斷運(yùn)行，難以應(yīng)用于大規(guī)模預(yù)警平臺。因此，仍要發(fā)展快速、精確的監(jiān)測技術(shù)，加大特定污染物及污染替代參數(shù)定量監(jiān)測。在常規(guī)項(xiàng)目監(jiān)測的基礎(chǔ)上，加強(qiáng)有毒有害成分的監(jiān)測研究工作，實(shí)現(xiàn)水質(zhì)指標(biāo)的全方位監(jiān)測。

2.2 生物毒性監(jiān)測技術(shù)

生物毒性監(jiān)測是一項(xiàng)利用污染物與活體生物之間的應(yīng)激效應(yīng)(如活動規(guī)律、呼吸作用、異常行為等)來判定污染物毒性的技術(shù)。生物毒性監(jiān)測指示生物及應(yīng)用特點(diǎn)對比見表2。由表2可見，各類生物指標(biāo)均有各自的優(yōu)缺點(diǎn)，并且受客觀因素的影響，利用單一生物進(jìn)行預(yù)警通?？煽啃院蜏?zhǔn)確性不足。如何找到一種兼具適用性、經(jīng)濟(jì)性和穩(wěn)定性的方法，探尋多種指示生物聯(lián)合預(yù)警是主要的發(fā)展方向。Magalhaes等[8]通過分析斑馬魚的個體和群體行為來分析pH值的亞致死效應(yīng)。袁琳等[9]對比了發(fā)光菌、綠藻、大型蚤和斑馬魚4種預(yù)警指示生物的優(yōu)劣，并嘗試多種生物聯(lián)合預(yù)警方法。未來仍須探索更優(yōu)的生物毒性監(jiān)測方式，或發(fā)展多種生物聯(lián)合預(yù)警技術(shù)，根據(jù)不同生物的特點(diǎn)，更加全面、準(zhǔn)確地反映污染物的危害與疊加影響，提高生物毒性監(jiān)測的準(zhǔn)確性與全面性。

表2 生物毒性監(jiān)測指示生物及應(yīng)用特點(diǎn)對比

2.3 遙感監(jiān)測技術(shù)

遙感監(jiān)測技術(shù)通過建立遙感觀測值與水質(zhì)參數(shù)濃度之間的關(guān)系來反演污染物的濃度，目前已實(shí)現(xiàn)對水體富營養(yǎng)化、懸浮物和石油類等指標(biāo)的遙感監(jiān)測，在我國丹江口水庫、滇池、太湖等流域均有應(yīng)用。水質(zhì)遙感監(jiān)測經(jīng)歷了分析法、經(jīng)驗(yàn)法、半經(jīng)驗(yàn)法、機(jī)器學(xué)習(xí)法和綜合法的發(fā)展歷程。

(1)分析法。分析法通過探究光在大氣和水

體中的傳播過程，利用遙感測得的水體反射率計算水質(zhì)參數(shù)的相關(guān)指標(biāo)，建立反射光譜與水質(zhì)參數(shù)之間的關(guān)系。該方法穩(wěn)定性好，不需要大量的地面實(shí)測水質(zhì)數(shù)據(jù)為基礎(chǔ)。但該方法基于已知水體中水質(zhì)參數(shù)的光譜特性，在建立模型時需要測量固有光學(xué)量和表觀光學(xué)量，其中部分參數(shù)隨監(jiān)測水域的不同而變化，因此在實(shí)際應(yīng)用中效果并不理想。

(2)經(jīng)驗(yàn)法。經(jīng)驗(yàn)法利用遙感數(shù)據(jù)與地面實(shí)測數(shù)據(jù)之間的關(guān)系，選取相關(guān)系數(shù)最高的波段或波段組合用于統(tǒng)計分析，獲得水質(zhì)參數(shù)的最佳反演模型，在一定程度上能提高水質(zhì)反演的精度。但經(jīng)驗(yàn)法容易受到地域和時間的限制，通用性較差；需要大量實(shí)測數(shù)據(jù)作支撐才能達(dá)到理想的水質(zhì)反演精度；在實(shí)測數(shù)據(jù)的影響下只能反演一定濃度范圍內(nèi)的水質(zhì)參數(shù)，超出這個范圍后，反演結(jié)果的誤差明顯增大，模型的準(zhǔn)確性難以保障。

(3)半經(jīng)驗(yàn)法。半經(jīng)驗(yàn)法通過水質(zhì)的光譜特征和實(shí)測數(shù)據(jù)的關(guān)系獲得最佳波段或波段組合，選取合適的數(shù)學(xué)統(tǒng)計模型反演水質(zhì)參數(shù)。該法充分利用了水質(zhì)參數(shù)的光譜特征，目前應(yīng)用最為廣泛。盛琳等[10]基于多光譜影像實(shí)施了葉綠素a的濃度反演及精度驗(yàn)證，發(fā)現(xiàn)半經(jīng)驗(yàn)分析算法的反演精度和可移植性均優(yōu)于傳統(tǒng)經(jīng)驗(yàn)?zāi)Ｐ?。林劍遠(yuǎn)[11]利用半經(jīng)驗(yàn)法，建立了線性、二次多項(xiàng)式、指數(shù)和冪模型的水質(zhì)參數(shù)反演模型。但半經(jīng)驗(yàn)法仍有較強(qiáng)的時空局限性，針對不同類型、地區(qū)和季節(jié)的水體需要尋找合適的數(shù)學(xué)統(tǒng)計模型，提高模型的通用性。

(4)機(jī)器學(xué)習(xí)法。隨著人工智能的發(fā)展，機(jī)器學(xué)習(xí)理論越來越多地融入水質(zhì)遙感監(jiān)測中，如多元線性回歸模型、神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)模型等[12-13]。水體光譜特征復(fù)雜，導(dǎo)致水質(zhì)遙感監(jiān)測是一個非線性的反演過程。機(jī)器學(xué)習(xí)可以通過持續(xù)的學(xué)習(xí)與修正來提升計算精度，處理遙感數(shù)據(jù)與水質(zhì)參數(shù)間錯綜復(fù)雜的關(guān)系。Lin等[14]采用機(jī)器學(xué)習(xí)算法來驗(yàn)證藻類生物量計算的準(zhǔn)確性，結(jié)果表明，該方法對于藻類狀況的監(jiān)測效果很好。徐逸等[15]通過多種機(jī)器學(xué)習(xí)模型反演葉綠素a濃度，發(fā)現(xiàn)其濃度會影響部分模型的精度與一致性，導(dǎo)致計算結(jié)果存在誤差。機(jī)器學(xué)習(xí)法在水質(zhì)遙感監(jiān)測中有著出色的表現(xiàn)，但構(gòu)建遙感反演模型需要大量的訓(xùn)練樣本，同時校正參數(shù)會增加模型訓(xùn)練的時間成本，因此如何平衡模型復(fù)雜程度和計算效率至關(guān)重要。此外，機(jī)器學(xué)習(xí)的理論基礎(chǔ)還有待完善。

(5)綜合法。單一的遙感監(jiān)測方法均存在各自的局限性，受到水體的物理特征、組成成分的影響，經(jīng)驗(yàn)?zāi)Ｐ偷倪m用性仍欠缺。綜合法通過結(jié)合多種水質(zhì)遙感監(jiān)測方法，發(fā)揮每種水質(zhì)監(jiān)測方法的優(yōu)勢，提高水質(zhì)反演精度，增強(qiáng)模型的通用性。Hansen[16]結(jié)合經(jīng)驗(yàn)法與多元線性逐步回歸方法建立葉綠素a的遙感反演模型，Pahlevan等[17]將高光譜數(shù)據(jù)與混合密度網(wǎng)絡(luò)算法結(jié)合，2種方式均顯著改進(jìn)了葉綠素a的反演結(jié)果。

遙感水體監(jiān)測技術(shù)已有一定成果，目前已構(gòu)建出多種反演模型，但存在模型適應(yīng)性差、監(jiān)測指標(biāo)不全面、精度相對不高等問題，對水質(zhì)光譜特征及反演算法的研究仍須深入，反演精度還須進(jìn)一步提高。目前單一參數(shù)的遙感光譜特性已較明確，但由于流域水體組成復(fù)雜，光譜曲線與多個水質(zhì)參數(shù)之間的耦合影響仍是亟待解決的問題。

3 突發(fā)性水污染事故預(yù)警平臺采用的預(yù)警模型

3.1 水質(zhì)評價預(yù)測模型

水質(zhì)評價預(yù)測模型是基于實(shí)測數(shù)據(jù)推斷污染的發(fā)展趨勢，多采用統(tǒng)計學(xué)方法，如單因子評價法、灰色系統(tǒng)評價法、主成分分析法等綜合評價方法。各種評價方法的優(yōu)缺點(diǎn)見表3[19]。

表3 綜合評價方法對比

突發(fā)性水污染事故預(yù)警技術(shù)的關(guān)鍵是預(yù)測與預(yù)警模型的科學(xué)建立。由于其本身均存在不足，因此聯(lián)合多種預(yù)測方法，發(fā)展多類型算法的優(yōu)化技術(shù)進(jìn)行組合預(yù)測成為研究的熱點(diǎn)。如將神經(jīng)網(wǎng)絡(luò)模型與回歸模型相結(jié)合來提高單一模型的預(yù)測精度[20]。楊國棟等[21]分析比較了人工神經(jīng)網(wǎng)絡(luò)和內(nèi)梅羅綜合污染指數(shù)法的評估效果，發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)的評價效果更好，具有更明顯的優(yōu)勢。童朝鋒等[22]采用改進(jìn)的模糊數(shù)學(xué)評價法減小了水質(zhì)評價中的不確定性和模糊性。朱煒玉等[23]結(jié)合自回歸模型與孤立森林算法實(shí)現(xiàn)水質(zhì)動態(tài)高精度異常檢測與預(yù)測分析。

水質(zhì)評價預(yù)測模型的正確建立是水質(zhì)預(yù)警平臺科學(xué)工作的前提。如何優(yōu)化數(shù)據(jù)智能處理算法，提高數(shù)據(jù)分析處理能力，始終是模型的發(fā)展方向。未來須加強(qiáng)預(yù)警模型與關(guān)聯(lián)分析計算等方法的研究，構(gòu)建適當(dāng)?shù)臄?shù)學(xué)模型，探尋不同污染物之間的相互聯(lián)系及響應(yīng)關(guān)系，有效挖掘監(jiān)測數(shù)據(jù)的潛在價值。

3.2 水質(zhì)模擬模型

水質(zhì)模擬模型基于水動力學(xué)模型，描述污染物在水中發(fā)生的物理、化學(xué)變化過程。目前已有MIKE、EFDC、DELFT3D等多種模型，各類水質(zhì)模擬模型對比見表4[24]。

表4 水質(zhì)模擬模型對比

學(xué)者們一直致力于模型的改進(jìn)。李林子等[25]首次將EFDC和WASP聯(lián)合，實(shí)現(xiàn)污染物的快速模擬和預(yù)測。朱茂森[26]基于MIKE11軟件建立了河流一維水質(zhì)模型，成功推演了污染物的遷移、擴(kuò)散規(guī)律。Hou 等[27]開發(fā)了水質(zhì)模型動態(tài)編譯技術(shù)，結(jié)合水質(zhì)模擬預(yù)測技術(shù)，實(shí)現(xiàn)飲用水水質(zhì)預(yù)警與泄漏模擬。

水質(zhì)模擬模型是水質(zhì)預(yù)警系統(tǒng)的核心。國內(nèi)外開發(fā)的眾多模型各有利弊，如何選擇與實(shí)際情況更為符合的預(yù)測模型，是需要認(rèn)真探討的問題。目前仍缺乏本土化的模擬模型，多數(shù)水環(huán)境預(yù)測模型只能模擬特定污染物，難以與地理信息系統(tǒng)集成，在應(yīng)用上受到了限制。所以，仍須加強(qiáng)預(yù)警模型與關(guān)聯(lián)分析計算等方法的研究，通過相應(yīng)的分析算法提高數(shù)據(jù)挖掘的執(zhí)行效率，并在數(shù)據(jù)挖掘模型的基礎(chǔ)上，研究分析水質(zhì)監(jiān)測數(shù)據(jù)的特點(diǎn)和部分監(jiān)測屬性對水質(zhì)的影響。

4 突發(fā)性水污染事故預(yù)警平臺的應(yīng)用

遙感技術(shù)、計算機(jī)技術(shù)和地理信息系統(tǒng)等技術(shù)的發(fā)展推動了交互式、集成化預(yù)警平臺的開發(fā)。針對不同水體，我國構(gòu)建不同的突發(fā)性水污染事故預(yù)警平臺，功能和監(jiān)測效率均具有一定的先進(jìn)性。國內(nèi)典型水污染事故預(yù)警平臺見表5。

表5 國內(nèi)典型水污染事故預(yù)警平臺

由表5可見，現(xiàn)有的預(yù)警平臺已包含污染源管理、水質(zhì)管理、風(fēng)險評估、監(jiān)控預(yù)警及應(yīng)急響應(yīng)模塊，利用大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等先進(jìn)技術(shù)在典型流域的信息管理、水質(zhì)預(yù)報、污染預(yù)警等方面發(fā)揮了較大作用，預(yù)警體系較為健全。但目前的水質(zhì)評價和預(yù)警功能大多基于實(shí)測水質(zhì)數(shù)據(jù)和國外開發(fā)的數(shù)值模擬模型，本土化的水環(huán)境模擬模型研究仍不夠深入，因此需要開發(fā)出適于中國本土流域的水環(huán)境模擬模型，優(yōu)化分析精度，利用人工智能等技術(shù)進(jìn)一步做出更全面和精準(zhǔn)的判斷，提高系統(tǒng)主動發(fā)現(xiàn)風(fēng)險并進(jìn)行預(yù)警的能力。

此外，部分預(yù)警平臺已具備應(yīng)急決策組織、治理決策綜合支撐等功能，但總體效果稍顯薄弱，現(xiàn)有的應(yīng)急方案制定與部署仍須依靠人工處理和發(fā)布，影響了預(yù)警的時效性，仍要加強(qiáng)預(yù)警平臺智能化建設(shè)，完善應(yīng)急決策系統(tǒng)機(jī)制，提升應(yīng)急響應(yīng)時間及效率。目前在國家層面上依然缺乏完整的預(yù)警體系和相關(guān)流程，對我國流域水質(zhì)的管理產(chǎn)生一定影響，因此要將地方流域成熟應(yīng)用的各類預(yù)警模型進(jìn)行集成，逐漸完善國家層面的流域預(yù)警體系，為我國流域安全提供保障。

5 結(jié)語

作為保障流域安全的有力途徑，突發(fā)性水污染事故預(yù)警平臺須融合各類水質(zhì)監(jiān)測技術(shù)、預(yù)警模型與數(shù)據(jù)處理技術(shù)，確保其科學(xué)性與有效性。前人已開展大量研究，雖取得一定成果，但仍有較多理論須進(jìn)一步探索，并且在實(shí)際應(yīng)用中進(jìn)行調(diào)整。隨著水質(zhì)監(jiān)測技術(shù)的不斷提高、預(yù)警理論與預(yù)測模型的不斷改進(jìn)，預(yù)警系統(tǒng)的應(yīng)用性和適應(yīng)性必將增強(qiáng)，從而在流域水環(huán)境安全領(lǐng)域發(fā)揮更大的作用。