[] D.

城市河口粪便污染的概念性综合模拟

[澳大利亚] D.约万诺维奇等

城市雨水被认为是受纳水体粪便污染的主要来源，废水渗漏、溢流以及雨期地面冲刷带来的粪便等，是水体粪便污染的可能来源，它们通过雨水渠排入水体。将概念性模型应用到亚拉河河口，与其他来源如河流本身水体进行对比，研究城市溪流和219个直接排入河口的城市雨水渠水量的相对重要性。用现有水文微生物模型对河流和城市雨水流量进行估算，并以此作为高度简化新模型的边界条件，计算河口粪便污染物的输移和现状。使用大量数据对所有模型进行率定，包括超过2 000个的实测大肠杆菌浓度。河流物质平衡和雨水模型表明，旱季城市雨水渠对河口污染影响有限，通过雨水渠进入河口的大肠杆菌日负荷占总负荷较小，而雨季雨水渠的贡献可能更加显著，平均贡献维持在临界值。在不考虑雨水边界条件情况下进行河口微生物模型灵敏度测试，模型效率下降极小，表明城市雨水渠日平均贡献较小。这也证实了早期研究成果，即雨水渠中的大肠杆菌远小于其他输入，但当河口上游来水量小而城市雨水量很大时，高比例雨水就有可能产生相反的结果。该研究关注的是城市雨水直接输入对河口水体粪便污染水平的整体影响，了解其局部影响则需开展进一步的调查研究。

城市雨水；河口粪便污染物；水文微生物；模拟

1 研究背景

世界各地城市河口是当地社区非常宝贵的资源，而城市暴雨是河口水体粪便污染的重要来源。因此，为了减轻暴雨直接汇入对各河口水体水质的影响(诸如建设直接排放到河口的雨水渠)，如亚拉(Yarra)河河口相关方面已经做出了努力(如2013年墨尔本水务局所开展的研究)。尽管如此，河口水质改善仍不明显，这意味着可能会有其他更重要的需要控制的污染源。

为了有效管控城市河口粪便污染物，需要明确系统输入的污染物及其迁移转化状况。早期研究中多数模型存在以下问题：①使用少量实测资料进行模型率定和验证；②设定输入的水量为常数；③使用单一流量关系进行污染物输入预测；④根据沉积物和微生物间的关系进行微生物输入预测。以上方法可能掩盖了真正重要的某些输入源，因此显著影响河口微生物模型的预测结果，导致得出河口污染减轻的错误结论。

该研究目的是开发河口集水区综合概念性大肠杆菌模型，将现有河流大肠杆菌预测和雨水预测模型耦合，开发河口微生物新模型。然后用综合模型评估河口不同输入的重要性。特别重要的是，无论是城市小溪还是219个城市雨水渠的雨水，它们均直接汇入河口，都是河口大肠杆菌传输的重要来源。此外，还有上游来水的非直接雨水流入。没有单独评估上游雨水，但考虑将其作为河口输入的一部分。模型率定用了2 000以上的样本，多数样本分析了粪便指标。该研究主要假设旱季城市雨水直接流入的影响最小，而雨季城市雨水汇入的影响增大，尤其在河口上游来水较小，却遭遇到城市大量降雨之时。即使雨季整个集水区降雨分布均匀，河口雨水汇入对河口水质的直接影响也可能较大，由于城市地面不透水性较高，导致城市雨水径流时间短，短时间内大量汇入河口，因此雨水具有城市化特征。

2 方法

2.1 河口与监测点

亚拉河河口是一个盐淡水高度分层的盐水楔河口，从菲利普港湾(Philip Bay)至戴特瀑布(Dights Falls)长22 km，以瀑布处堰为河口上边界。选择并设立监测站点收集数据，河口内设2个监测点，分别位于阿伯茨福德(Abbotsford)和莫雷尔大桥(Morell Bridge)，前者为亚拉河河口的进口断面(几乎不受盐水入侵影响，但仍受到潮流变化的影响)，后者位于河口中下游(盐水入侵影响程度较高)。以上2个站点均配备冷藏式自动采样器和深度传感器，可连续观测水下100 mm处的电导率(EC)和水温(T)。莫雷尔大桥还配备有声学多普勒流分析器(ADCP)，可每分钟观测3D流速。

河口上游来水监测设在基尤(Kew)区，仅进行随机采样，而水位和流速均由墨尔本水务局(当地水务管理机构)每6 min观测一次。

在格迪纳溪(Gardiners Creek)开展雨水监测，该溪流高度渠化，是亚拉河戴特瀑布上游水量汇入最大的溪流。该站点配备有自动采样器、EC/T传导器和水下流速探头。亚拉河集水区各处的气候资料由澳大利亚气象局和墨尔本水务局提供。格迪纳溪为明渠雨水沟，集水区内不透水区域占总面积的47%。此外，大肠杆菌浓度的实测范围在城市暴雨范围之内。

2.2 采样与分析

河口和河流水体采样均在水下大约10 cm处进行，一般认为休闲用水用户接触这一深度的水体最多，健康受到的影响最大。2012年11月～2013年7月，采集了水样2 106个，其中旱季1 500个，雨季606个。所采水样均置于装有冰块的冷却器中，并被运送到莫纳什大学环境和公共卫生微生物实验室(EPHM)，在采样后24 h之内，使用科立得方法分析大肠杆菌浓度。同时测试了大量其他指标和参考病原体。

2.3 河流模型

使用MUSIC-SimHyd模型模拟亚拉河流域上游的水文过程，该模型是集水区分块的降雨径流模型。使用时，对模型进行了以下修改：①使用线型蓄水布线程序(代替MUSIC的标准马斯京根法)，该程序更简单、更稳定，它能生成与马斯京根法相同的结果；②时间步长为6 min(与使用日模拟和随后分解的MUSIC标准方法截然相反)。在不影响计算成果的情况下，提高了模型计算效率。模型输入包括区域平均雨量(海德尔堡、基尤、基尤水库、科德斯特里姆和维尤班卡雨量站)和使用彭曼-蒙蒂斯公式计算的日潜在蒸发量(科德斯特里姆、维尤班卡和海德尔堡测站)。用蒙特卡洛法率定MUSIC-SimHyd模型，即使用最小二乘法，将基尤预测流量同未转换实测流量进行对比。使用纳什苏特克里弗效率系数EQ评估水文模型的性能。依据其他早期蒙特卡洛成果也对参数灵敏性进行了探讨。

采用修订过的集水区EG病原体-水文模型预测河流微生物浓度。该模型主要变化在于对地表下土壤微生物损失进行评估，微生物损失量与土壤含水量成反比。在土壤含水量较高情况下，粪便微生物存活数量高于早期研究成果。模型共有6个参数，其中1个参数代表微生物累积，2个参数为微生物损失系数，3个参数反映冲刷过程。模型输入模块是随时间变化的潜在蒸散量和流量组件，通过MUSIC-SimHyd模型计算得到。模型率定采用阿伯茨福德大肠杆菌浓度资料。尽管该方法存在明显的问题，但基于以下原因，仍然认为它是合适的：①有研究指出，基尤和阿伯茨福德大肠杆菌的分布相似；②2个测站的大肠杆菌相关性达到0.83(皮尔逊相关系数p<0.001)；③阿伯茨福德率定资料更多(其为776个点，而基尤仅有43个点)，可以获得更好的率定模型。通过最小二乘法目标函数和使用形成了帕累托前沿边界条件，得到EG模型优化参数。再使用广义简约梯度法对模型参数进行额外率定，率定参数不受限制，使用增加帕累托前沿2个要素的标准。该效率使用未转换大肠杆菌浓度和对数转换大肠杆菌浓度Ec和EClog计算克里弗效率，评估模型的性能。

2.4 降雨模型

采用城市雨水微生物预测模型MOPUS模拟格迪纳小溪的城市雨水汇入，模拟中不包括降雨径流模型渗透参数。早期研究成果表明，渗透模拟参数灵敏度低于不渗透区域模拟参数，由此说明城市集水区不透水区域模拟参数的重要性。采用同样的河流模型，用格迪纳小溪监测站观测到的未转换流量对MOPUS中的降雨径流模块进行率定。

MOPUS的微生物模型包括5个模型参数：3个代表集水区地面微生物的累积和死亡，另外2个代表地表下微生物的累积和死亡(如雨水渠)。模型输入包括降雨、相对湿度和大气压系列。用雨季和旱季期间格迪纳小溪383个水样中大肠杆菌浓度进行MOPUS模型率定，采用与EG模型相同的过程进行模型性能评估。

除了格迪纳小溪之外，有219种不同规模的雨水渠直接排入亚拉河河口。用MOPUS模型预测各暴雨输入到河口的流量和微生物浓度系列，需要219种不同的参数设置。首先，使用集水区不透水面积和雨水渠横截面积的经验关系估算每个雨水渠的不透水面积A。在实测资料缺乏情况下，可通过格迪纳小溪集水区，即该研究所获得的优化值，并结合早期在澳大利亚墨尔本多个雨水渠使用MOPUS模型所获得的优化值，由此确定参数取值范围，获得微生物模型的5个参数。最后，将墨尔本地区办事处提供的降雨、相对湿度和大气压数据输入模型，将MOPUS模型运用于219个雨水渠。

2.5 河口模型简化

把整个河口看成是一个大蓄水池，所有来自亚拉河、格迪纳小溪和219个雨水渠的模拟流量和微生物负荷，按线性路径汇入系统内并进行转换。方法基本原理包括：①该研究的实测资料证明亚拉河河口受到盐水入侵，即淡水层水流在移动的盐水层上面(如盐水楔)，盐淡水混合极小。此外，用ADCP测得莫雷尔大桥测站2012年10月至2013年8月间的每分钟流速。测流结果显示，落潮平均流速为0.16 m/s，涨潮平均流速为0.06 m/s，其中仅有18%的流速为负(负值代表涨潮流)。因此，河口实际上可被看作河床边界可移动的河流。②由于模型简单，在数据输入最少和模型复杂度最小的情况下，其性能将会达到基本水平。基于简单微生物模型的性能，对模型复杂度进一步增加后的精度进行评估。

河口微生物模型参数率定如下：

(1) 流量。S(t)=S(t-1)+ [Qr(t)+Qsw(t)-Qe(t-1)] ×Δt;Qe(t)=S(t-TOC)/Δt×RC。

(2) 微生物负荷。M(t)={M(t-1)+[Nr(t)+Nsw(t)]×Δt}×10-kΔt-Ne(t-1)×Δt;Ne(t)=M(t-TOC)/Δt×RC。

(3) 微生物动态存活率。K=(k20+0.006×S)×1.07(T-20)+IA/KeH×[1-e-keH];S=EC/ECsea×100。

(4) 微生物浓度。C(t)=(1-S/100)×Ne/Qe×φ。

式中，S表示河口蓄水量，m3;Qr表示河流流量，m3/min；Qsw表示雨水流量，m3/min；Qe表示河口汇入流量，m3/min；M表示河口微生物量，MPN；Nr表示河流微生物负荷率，MPN/min；Nsw表示雨水微生物负荷率，MPN/min；Ne表示汇入河口处的微生物负荷率，MPN/min；RC表示路径系数；TOC表示历时；min；Δt表示时间步长，min；K表示微生物存活率，1/d；K20表示20℃气温下的存活率，1/d；S表示盐水所占比例，%；T表示实测水温，℃；IA表示日均太阳辐射，MJ/m2；Ke表示水深方向光衰减系数，1/m；H表示水层，m；EC表示莫雷尔大桥实测电导率，mS/cm；ECsea表示盐水电导率，mS/cm；C表示河口处的微生物浓度，MPN/100 mL；φ表示单位转换因子。

除了微生物的路径和转换之外，基于一阶动力学,模型统计了环境因子对水柱中微生物存活的影响。使用1978年曼奇尼建议公式，动态模拟微生物的存活率，作为水温、盐度和太阳辐射的函数。当计算微生物浓度以说明盐淡水混合水体时，增加了一个简单项，假设盐水中不含大肠杆菌。

使用与上述输入模型相同的方法，基于莫雷尔大桥大肠杆菌资料(829个水样)率定河口微生物模型。对模型参数进行简单灵敏度测试，以评估微生物生存过程和雨水直接输入对模型性能的影响。在第1种情况下，模型率定没有说明大肠杆菌的生存量(如认为微生物没有死亡)。在第2种情况下，去除微生物生存量、雨水量和大肠杆菌负荷，用上述方法重新率定模型。此外，将河口划分成33个单元，每个单元500 m，以评估空间离散化对模型性能的影响。每个单元均用模型进行模拟。

2.6 输入分析

基于模型预测的雨水流量和微生物浓度计算每天汇入河口的雨水量和负荷。河流输入采用相似的方法，用基尤实测流量代替预测流量(基于MUSIC模型预测的基流期间流量明显偏小)，计算结果更加可靠。为了评估旱季和雨季雨水量的贡献，分别计算了雨季和旱季日雨水量和微生物负荷占河口总输入的比值(雨水总量和河流输入量)。与上相似，还用每日汇入河口的雨量与河口平均水量(基于地理信息系统和海洋测深学的评估值，约为400万m3)的比值，评估雨水直接输入对河口的影响。

3 结果与讨论

3.1 输入模拟

MUSIC-SimHyd模型再现了实测水文过程，得到了令人满意的结果(EQ=0.51)。然而，基流期间的流量被严重低估(可能是修改过的模型适用于城市集水区)。预测的洪峰流量出现时间也存在问题。在预测格迪纳小溪流量时，降雨径流模型性能较高，效率EQ=0.81。大流量区域(>10 m3/s)模拟效果特别好，达到了模型预期效果，模型本质上是为雨季流量预测而开发和率定的。

2个微生物输入模型效率相似，Ec≈0.20和EClog≈0.40。尽管效率不高，但与已开展的微生物模型研究结果相似。集水区病原体模型很好地再现了大肠杆菌模式，尽管存在预测洪峰出现时间的问题，但这与先前研究结果相似。微生物高浓度区域的MOPUS浓度预测结果较好，这些地区通常开展雨季监测。事实上，目前开发的模型结构是为了模拟雨季雨水中微生物动力学，期望雨季的预测结果更佳。

3.2 输入分析

旱季雨水直接汇入河口的相对贡献变化范围为0.5%～10%，意味着这一时段雨水对河口整体大肠杆菌水平影响有限。而雨季雨水所占比例较高，日均贡献保持在临界状态(比值中值为10%)。该结果与2013年一些学者的研究结果较为吻合，这意味着汇入河口的3个最大雨水渠(2个直径为3 m，1个尺寸为6 m×2 m)的大肠杆菌日负荷中值大约为1.5数量级，小于河流输入。然而值得一提的是，以上研究结果也说明，某些条件能产生较大的雨水贡献，尤其是在河流流量较小和城市降雨量较大期间。城市雨水汇入河口也有可能快于河流输入，因为城市集水区不透水性高，污染物高浓度历时相对较短。因此，模型选择更短的时间步长(如时间步长小于1 d)时，雨水可能显著影响河口整体粪便污染水平。此外，雨水可能显著影响当地排水出口处水体中粪便微生物分布。

3.3 河口模拟

在用简单方法模拟河口(如不考虑河口的水文特征)和河口输入负荷预测方面，模型模拟的Ec和EClog值相当理想，分别为0.37和0.41。河口被划分成33个单元，其空间离散化对模拟效果无显著影响，这同最初模型模拟结果相似(Ec=0.42和EClog=0.41)。由于模型简化，其性能很大程度上取决于模型输入的性能，突出输入对河口微生物动力学的作用，并充分代表这些输入的重要性。

依靠小批量灵敏度测试和参数值优化探索，可得到初步结论。不考虑雨水边界条件导致模型效率降至最低(有雨水和没有雨水输入下的Ec和EClog)，这反映出城市雨水渠污染物日平均贡献小。

此外，大肠杆菌死亡模拟导致模型性能得到一定改善。事实上，死亡参数率定优化值表明，当死亡率最小时，模拟效果最好。k20为负表明，在水温出现波动后，大肠杆菌出现增长，而不是锐减(k20=-0.3为异常值，同早期研究相比，淡水中的大肠杆菌死亡值为0.48，盐水为1.09)。光衰减系数ke超过已研究的高混浊河口2倍多，这表明模型通过减少太阳光这一对微生物存活有害的影响来降低微生物死亡率。这也是盐水Ec值优化的案例。上述问题表明，简化模型不能充分说明河口环境的水力学和微生物的复杂性。事实上，再悬浮泥沙能增加水体的微生物浓度，因此该研究观测到的微生物增长可能弥补了模型中这一过程的不足。

4 结 语

该研究开发出整个河口集水区的综合概念性模型。将现有河流和雨水粪便微生物模型整合成河口微生物新模型，模型中包含微生物由于水温、盐度和太阳光变化出现死亡的因素。河流、格迪纳小溪和直接汇入河口的219个雨水渠的粪便微生物日负荷模型预测表明，旱季城市雨水对河口水质影响有限，而雨季雨水渠的贡献在某些情况下比较显著；然而平均贡献维持在临界值(中值为100%)。高度简化的河口微生物新模型灵敏度分析结果表明，当去除雨水直接输入时，模型性能变化较小。这可能反映出，城市雨水渠的平均日贡献较小。输入分析和灵敏度测试证实，早期研究显示出雨水渠的大肠杆菌负荷远小于其他输入。然而，这些结果也证实某些条件揭示出的相反结果，如当大量城市雨水遇到上游来水流量较小时，雨水比值可能较高。该研究关注雨水直接输入对河口粪便污染水平的整体影响，而对局部影响需要进一步研究。

尽管模拟方法过于简化，很有可能忽略了重要输入过程，但河口微生物模型运行较好。这可能是由于输入对河口本身微生物动力学的显著影响。因此，正确反映输入条件是城市河口粪便污染模拟的关键。本文研究可为狭长河流型城市河口粪便污染模拟的简化概念性方法进一步研究提供参考。

2017-08-17

1006-0081(2017)12-0043-04

X832

A

邱训平译

(编辑：朱晓红)