郭永丽

(北京师范大学水科学研究院北京 100875)

由于地下水的不合理开发利用，产生了一些不良后果，除了含水层地下水疏干问题和地面沉降、海水入侵、地面塌陷、地裂缝等一些环境地质问题外，地下水污染已经成为一个严重的问题。在地下水系统的污染治理和修复中，需建立相应的地下水污染监测网，以获取在时间和空间上地下水的物理、化学、生物特性的动态变化资料。地下水污染监测网密度的大小、监测频率的高低，不仅仅直接决定消耗人力、物力和财力的多少，而且也影响地下水污染研究的精度和质量［1］。因此，最佳地布设研究区内地下水监测井密度和监测频率，在保证监测精度和不影响风险评价的基础上，以最少的监测费用获取最全面的信息是地下水污染监测中备受关注的问题。

MAROS是首个基于 Windows平台利用Microsoft Access和Microsoft Excel开发出来的用于地下水污染监测网优化设计的决策支持系统软件。相比于水文地质分析法、聚类分析法、数学规划模型法等，MAROS软件将污染监测网的设计统一于模块化，并应用于地下水污染监测网设计中，推动了污染监测网优化设计模块化的研究进展。本文针对MAROS的应用原理以及其优化地下水污染监测网的过程，分析利用MAROS软件时需要注意的一些问题，以便发挥该软件的积极作用。

1 MAROS软件应用原理

MAROS软件是AFCEE(AirForce Center for Environmental Excellence)联合GSI(Groundwater Services，Inc)公司，由Aziz等开发研制的应用于地下水污染监测网优化设计方案的决策支持系统的软件。该软件至今已升级到2.2版本［2］。目前，国外已将MAROS软件应用于地下水长期监测网的优化设计中，该软件在地下水污染监测网的优化设计中发挥积极作用，值得我国水文地质工作者在实践中尝试应用。

MAROS基本原理是利用数理统计方法分析污染物以往的浓度数据，并结合污染场地条件及污染物的变化状况，优化现有的地下水污染监测网在时间上的取样频率和空间上的取样密度，在保证监测精度的前提下，以最省的监测费用获得研究区污染物在时空上最全面信息。MAROS软件优化过程是由具有决定性作用的分析方法按照一定层次性组合而成。该软件的优化分析过程可概化为三个阶段:①分析污染场地信息及已有的监测数据，获取污染物浓度变化趋势和污染羽变化状况;②优化研究区地下水污染监测网的取样密度和取样频率;③提出研究区监测网的优化设计方案［3］。

MAROS软件由数据管理(Data Management)、场地信息(Site Details)、污染羽分析(Plume Analysis)、取样优化(Sampling Optimization)、数据的充分性分析(Data Sufficiency Analysis)和结果输出(MAROS Output)6部分组成，其结构图见图1。

图1 MAROS软件结构图

MAROS软件优化地下水污染监测网流程(图1所示):首先利用数据管理模块和场地信息模块分别输入场地的监测数据和场地信息;其次为污染羽的分析，利用数理统计方法分析各取样点污染物浓度变化趋势和污染羽空间矩分析;第三为取样点密度和取样频率的优化，分别利用Delaunay方法和修正的CES方法对监测网取样点的二维空间位置分布和各监测点的取样频率进行优化;第四为监测网数据的充分性分析，包括每口井清理状态的分析和随着时间的推移在HSCB(Hypothetical statistical compliance boundary)处清理状态的分析两方面;最后确定地下水污染监测网的优化设计方案，并根据源区井、尾区井的浓度变化趋势，确定地下水污染监测网的类型和地下水监测系统的监测持续时间［4］。

2 MAROS优化地下水污染监测网需考虑的若干问题

地下水污染监测能为社会提供很多的实用的水文信息，能为改善人们的生存环境和提高生活质量作出贡献［5］。加强和改进地下水监测网，对建立专业化的地下水信息监测、管理和预报系统具有重要的现实意义，以优质的水文水资源信息支撑水资源的可持续利用，保障经济社会的可持续发展。

地下水污染长期监测包括性能监控和合格性监管，具有两个目标:①通过污染羽的监测，确认污染羽仍受水力条件控制;②监测污染羽减小过程，以确保其达到清理状态。MAROS与长期监测计划密切相关，随着污染羽或场地条件的改变而改善地下水污染长期监测计划。MAROS为一决策支持系统，基于统计方法，可应用于特定场地的数据，考虑目前和历史场地的相关数据以及水文地质因素。该软件提出以后最优的取样频率、取样点位置和取样密度，以及污染羽随时间的变化状况。

MAROS决策支持系统集中了LTM(Long Term Monitoring)分析方法，且通过数据管理、处理且以报告的形式输出结果的系统改革优化方法［6］。结合MAROS软件的应用原理及其特点，需要注意的有以下几个方面:

2.1 监测数据

利用MAROS分析前，首先输入场地已有的监测数据。监测数据在评价一个长期的监测系统工程起着至关重要的作用，有助于分析污染羽的变化状况和采取适当的措施。主要有三个原因影响监测数据的精度:①取样步骤;②分析方法;③时空变化。

由于野外取样步骤——洗井、取样、现场实验、记录实验结果、保存和运输样品中存在系统误差或随机误差，影响监测数据的精度。设计合理的取样步骤和雇佣有经验的取样团队可以降低取样步骤引起的误差。

由于实验室定量分析一个特定的污染物方法和或受到实验室性能稳定性的影响，未得到高质量的数据，影响MAROS软件的分析结果。利用认可的分析方法和具有严格质量保证的实验室可降低分析方法引起的误差。

时空的变化是地下系统的固然属性，由自然因素的变化或人为因素引起的。空间上，指不同位置的污染程度不同或具有不同的影响因素;对特定的含水层监测井布设不合理或过滤器的设置及其长度选择不合理。时间上，除了随机测量引起的时间误差，还有监测系统本身的影响。这种由自然因素或人为因素对监测数据精度的影响可通过采取适当的统计技术降低。

2.2 场地资料

场地信息模块是输入场地的基本信息的模块，包括监测区内源区、尾区的划分、COC(Constituent of Concern)的种类、已有监测网监测井的分布、含水层的相关参数以及监测区域的范围等。

监测区的划分。根据污染场地污染羽与监测井的相对位置将监测区分为源区和尾区。源区是指污染源通过包气带渗滤进入饱水带的范围;尾区是指污染物进入饱水带后，随着地下水流动、运移和扩散的外围面积，位于源区的下游。监测分区的划分原则并不唯一，由于不同污染场地的污染起因不同，可根据污染场地的具体情况采用合适的分区方法。

污染组分的选择。MAROS软件一次最多可分析5种COC，当污染组分较多时，可选择污染影响比重较大的污染物。考虑污染组分的迁移性(迁移系数)、毒性及其存在的普遍性，MAROS软件中有机物的迁移系数取默认值，限制了地下水水流速度、空间尺度等因素的影响。

2.3 水文地质概念模型

水文地质概念模型是在充分分析地质、水文地质条件的基础上，对水文地质实体进行一定抽象概化后的物理结构，包括含水层结构、含水层水力特征、含水层介质特征和水文地质参数进行概化。不同的水文地质概念模型，应用MAROS分析的过程也不同，如含水层厚度，等厚只需输入一个数据，非等厚的含水层根据含水层的空间变化状况进行输入。

MAROS优化平台收集大量的现场数据，并对数据变化趋势之外信息的进行重点分析。通过观察污染羽的稳定性及其可能的变化趋势，在保持污染羽形态特征的前提下，可提高地下水污染监测网监测效率。不同的用户用不同的方式使用MAROS，并且从不同的角度分析结果。在分析MAROS的结果时，不仅要具有明确地污染场地概念模型，而且要结合场地条件具体的信息、管理框架、社会问题及其它的污染场地的特殊情况进行全面分析MAROS结果。正确熟练掌握研究区的地质、水文、水文地质资料，才能正确、全面地分析MAROS的运行结果，更有效地应用于实践中。

2.4 水文地质要素

MAROS软件中的计算方法要求将研究区概化成均质各向同性二维含水层，仅适用于水文地质条件简单的二维含水层;对于水文地质条件复杂的三维地下水污染问题，虽然可以采用逐层进行统计分析和优化设计的方法，但很难取得令人满意的结果。以下主要对渗透系数和孔隙度两个水文地质参数进行分析:

渗透系数。MAROS软件中，地下水污染监测网监测持续时间判定表中TTR(time to receptor)的值由可能受到污染的地方到污染源的距离除以渗流速度求得，渗流速度可通过渗透系数与水力梯度的乘积求得，当受到污染的地方与污染源之间的距离不变时，渗透系数越大，TTR越小，反之亦然，影响地下水监测系统监测持续时间的确定。

孔隙度。在污染羽空间矩分析污染物总质量随时间的变化中，污染物总质量计算公式，MassEstimated≅∑ηViCiavg，η为孔隙度，污染物总质量与孔隙度呈一次线性关系，孔隙度越大，总质量越大，反之亦然。虽不会影响污染物浓度随时间的变化趋势，但影响污染物对研究区总体的危害程度。

MAROS软件分析过程要求渗透系数和孔隙度的输入值是一定值，实际上，任意含水层的渗透系数和孔隙度并不是一成不变的，是一些随机的数值。可利用地下水随机模拟方法分析渗透系数和孔隙度的不确定性对MAROS分析结果的影响。蒙特卡罗(Monte Carlo)法是一种地下水随机模拟方法，该方法通过平均一系列反映含水层实际性质的确定性问题来模拟随机过程的一种计算机模拟方法。蒙特卡罗(Monte Carlo)法假设输入的参数是符合一定分布的随机变量(如:渗透系数被认为是符合对数正态分布);然后在获得水文地质参数的基础上，为每个参数指定平均值和标准差，确定进行蒙特卡罗法模拟的参数范围和随机变量的统计特征，其中参数取值的上、下限分别取为固定值的75%和125%，标准差取为区间长度的20%;最后对参数做抽样试验，每一次模拟产生一组指定分布参数的随机数组合，在每一组随机数基础上都运行一次，这样就会产生一系列的解，根据这些解可计算出相关量的均值、标准差等随机特征。模拟次数越多，选择搜索的置信区间越大，与确定数值求得一个确定的解相比，这种随机解能更真实地反映实际地下水系统的内在不确定性［7］。

此外，还有地下水流流向和含水层厚度两个水文地质要素。通常情况下，污染羽沿地下水流方向具有近似对称性，准确地掌握地下水水流方向，可获得更准确地污染羽信息，有效判断污染羽特征及其变化趋势。含水层的厚度影响地下水体积，进而影响地下水污染组分的浓度，对于非等厚含水层，根据含水层厚度的空间变化状况，准确输入。

2.5 污染羽分析

2.5.1 污染物浓度趋势分析方法

MAROS软件利用Mann-Kendall和线性规划两种趋势方法时考虑了几个问题。第一，地下水水质数据近似符合对数分布时，利用线性规划方法分析的趋势更准确。第二，尽管分析样品的结果没有很好地符合一次关系，仍然可以通过有参或无参获得与一次线性回归有关的置信水平。利用这种分析，在一个较大范围的置信水平下，平均趋势的分散程度较高。此外，在不利的趋势下，变异系数是用来区分稳定趋势或无变化趋势条件下的辅助手段。第三，当残差正态分布时，一次线性回归分析的结果较准确;当数据中存在异常数值时，Mann-Kendall的分析结果较准确。因此，Mann-Kendall和一次线性回归分析方法均应用与MAROS软件的趋势分析中。

各个监测井中污染物浓度变化趋势是通过Mann-Kendall分析方法和线性回归方法分析的污染羽各取样点浓度变化趋势加权平均得出最后的总趋势。权重的分配影响各个监测井中污染物浓度变化趋势，进而影响源区井、尾区井污染物浓度变化趋势，最终影响地下水污染监测网类型的判断。

2.5.2 外界污染羽的稳定性信息

基于之前研究数据建立的模型和经验结论可作为趋势分析的辅助手段。模型例如用于释放燃料烃的场地的BIOSCREEN模型和用于释放含氯溶液的场地BIOCHLOR模型，可应用于预测污染物运移的最终范围评价污染羽的稳定性。这些模型利用特定场地的数据计算用于预测污染羽的变化趋势。从 Mace、McNab、Rice、Newell和 Connor等获得的关于一般污染物BTEX、MTBE和氯化溶剂污染羽的经验知识，作为MAROS软件分析的辅助工具。从之前研究中获得三种统计信息应用于MAROS软件中:①用百分数表示污染羽长度的累积分布;②各种污染羽空间变化趋势的百分数;③污染羽长度和污染源强度之间的关系。

在污染羽稳定性分析中，可以输入研究区的模拟结果或经验分析结果。进行模拟时，需考虑在污染组分在含水层中的对流-弥散作用、水文地球化学作用和生物作用(因素:包气带特征、含水层介质、地下水水流特征、污染组分的特性)，根据监测井在监测网中的分布状况进行模拟各个监测井污染物浓度的变化趋势，应用于MAROS软件的分析过程。或根据相似的情况的污染场地的资料，判断出污染物浓度的变化趋势。模拟值或经验值的加入均会影响污染物浓度变化的总趋势以及地下水污染监测网类型的判断。

2.6 取样分析

2.6.1 取样密度分析

Delaunay是一种用于二维空间的取样密度优化方法，在保证提供足够监测信息的前提下识别和去除多余的取样点。Delaunay方法对每个的取样事件分析结果不同，解决多组取样事件的方法如下:①对所有的选择事件，计算每个取样点的SF(Slope Factor)值;②平均事件的每个取样点的SF值计算得出整体的SF值，以每个取样事件取样点的个数为权重;③去除SF最小的取样点;④每去除一个取样点后，通过平均取样事件的AR(Area Ratio)、CR(Concentration Ratio)计算整体的AR、CR;⑤根据整体的AR、CR值，确认或恢复去除的取样点;⑥重复③-⑤，直到监测了所有的取样位置。这种分析方法假设在选择的事件的时间段内，污染羽空间形状相似。由于Delaunay方法针对一种COC，对于多种 COC，只有符合所有COCs的去除条件才能去除该取样点。

Delaunay方法只能计算三角形内的SF值，根据三角形SF值的大小可以增加新的监测井。此外，还应基于污染羽和场地的水文地质条件确定新的监测井更好地描述三角形区域外污染羽的范围。

Delaunay方法中，AR和 CR默认值为 0.95，表明允许5%的信息损失。此外，用户也可以在MAROS软件中设定AR和CR的值。AR、CR、内部节点及外部节点的SF值均影响已有监测网中的监测井是否被清除状态的判定。Aziz等提出的Delaunay方法没有考虑含水层参数本身对监测点布置的影响，只适用于条件比较简单的含水层中地下水污染监测网的去冗余设计。吴剑锋，黄昌硕等改进了Delaunay方法［8］，考虑了在检验浓度比CR这个指标过程中含水层参数的变化对优化结果的影响，适用于相对比较复杂条件下的监测网去冗余设计;同时它能与污染物的运移模型耦合，能够在取样点不足的监测网中增加必要的监测点，以满足污染监测精度的需要。但仍然只适合在能够概化为二维地下水流的含水层中，因此含水层的参数尤其是厚度变化不能过大，否则会引起较大偏差。

此外，还需根据地下水的动态特征，考虑的因素包括地形地貌、含水层结构特征、水位埋深、土壤类型、土地利用、降水量、地表水体及人工开采等，综合分析研究区的水文地质特征、非饱和带特征、地下水补给特征和地下水影响，布设地下水监测点，使地下水动态明显的区域都有监测点控制，才能真正监测到地下水动态区域变化。最后利用克里金插值法分析评价地下水监测点布设的合理性，对其进行检验分析评价，对比前后插值的残值误差的大小，评价优化结果。评价结果可见前后观测孔标准差等值线图，比较前后克里金插值的残值误差［9］。

2.6.2 取样频率分析

修正的CES(Cost Effective System)方法是根据污染物浓度变化趋势的状况和COC本身浓度与其在地下水中浓度的最高允许值(MCL，maximum concentration level)之间的相关关系来确定取样点的最优监测频率。其优化过程:①利用最近时间段的数据优化监测井频率，综合分析ROC(Rate of change)和Mann-Kendall值确定优化结果;②利用研究区的整体数据，分析ROC和Mann-Kendall值确定的优化结果调整①中优化结果;③利用MCL(Maximum Concentration Level)的值，调整②中优化结果，得出最终的优化结果。

MAROS软件中，ROC除了取默认值外，ROC可根据污染场地的水文地质特征和污染羽状况进行重新设定。由以上修正的CES方法优化过程可知，ROC、MCL值的确定影响到监测井监测频率的优化结果。最近的数据指3年的数据值，如果研究区已有监测数据的时间很短，MAROS软件中利用的修正的CES方法的优越性则未能充分体现。可利用时间序列分析优化前后的地下水污染物浓度时间序列，观看它们在变化趋势、周期波动以及随机成分方面是否具有相似的特征。

3 结语

用户可利用MAROS软件对地下水污染监测网进行时间和空间上的优化，且输出图形和报告等形式的结果，作为监测网优化设计方案的首个公开应用软件，开发时间较短，目前还不够完善，本文提出了一些应用该软件时需要考虑的一些问题，以便正确利用该软件，更有效地应用于实际工作中。MAROS软件可以改善的空间有:①提高MAROS软件的保存性能，避免由于无法储存中间步骤带来的繁琐，更好地实现运行结果的输出工作;②提供含水层垂向上足够的监测资料，改善分析方法使Delaunay三角形应用于水文地质条件复杂的三维含水层中;③MAROS镶嵌在GIS平台中，充分实现GIS软件分析数据的能力及可视化能力。若能完善MAROS软件的不足，该软件将极大促进水文地质事业的发展，服务于人民。

［1］仵彦卿，边农方.岩溶地下水监测网优化分析［J］，地学前缘(中国地质大学，北京)，2003年10月，第10卷4期，637-643.

［2］黄昌硕，吴剑锋.介绍一种优化地下水污染监测网的软件—MAROS［J］.水文地质工程地质，2005，114-116.

［3］Meng Ling，Hanadi S.Rifai，Julia J.Aziz and Charles J.Newell，James R.Gonzales and Javier M.Santillan.Strategies and Decision-Support Tools for Optimizing Long-Term Groundwater Monitoring Plans—MAROS 2.0［J］，Bioremediation Journal，8(3 – 4):109– 128，2004.

［4］Julia J.Aziz，Mindy Vanderford ，Ph.D.and Charles J.Newell，Ph.D，P.E.Groundwater Services，Inc.Houston，Texas ，Meng Ling and Hanadi S.Rifai，Ph.D，P.E.University of Houston Houston，Texas，James R.Gonzales Technology Transfer Division Monitoring and remediation optimization system(maros)software version 2.2 user's guide［M］.Air Force Center for Environmental Excellence Brooks AFB，San Antonio，Texas，2006.

［5］刘雅鸣，可持续发展的晴雨表［N］，科技日报，2003年06月 27日.

［6］Julia J.Aziz，Meng Ling ，Hanadi S.Rifai，Charles J.Newell，and James R.Gonzales，MAROS:A Decision Support System for Optimizing Monitoring Plans［J］，Groundwater，Vol.41，No.3，May June 2003，355-367.

［7］刘猛，束龙仓，刘波.地下水数值模拟中的参数随机模拟，水利水电科技进展［J］，200525(6)，25-27.

［8］吴剑锋，黄昌硕.Delaunay方法的改进及其在地下水污染监测网设计中的应用［J］，水科学进展，2006年5月，第17卷第3期，305-311.

［9］董殿伟，林沛，晏婴，刘久荣等，北京平原地下水水位监测网优化［J］，水文地质工程地质，2007年第1期，10-19.