山区河流污染物通量监测与估算研究

陈湛峰，李晓芳

（广东省生态环境监测中心，广州 510308）

随着国控、省控等不同级别监测网络的扩大，治污与溯源精准化要求不断提高，山区河流污染物通量监测需求与实际监测技术、估算方法不够科学的矛盾日益突出。山区河流的显著特征是枯水期水位较低，流量较小，甚至出现断流；丰水期水位陡涨猛落，流量监测难以捕捉整个洪水过程，洪水经过断面时间短，水质监测频次不足，代表性不够。国内外针对山区河流污染物通量监测与估算方法的研究较少。随着水文水质自动监测技术的进步和监测手段的日益丰富，经过多年的通量监测经验积累，山区河流污染物通量监测与估算逐步趋于科学合理。

寻乌水为东江干流上游段，发源于江西省寻乌县大竹岭桠髻钵，向南流经江西省安远县和定南县，于广东省龙川县合河坝与定南水汇合后称东江。全长为520 km，流域面积为2.7 万km2，总落差为440 m。枯水期，寻乌水水位较低，河宽为3 ～5 m，水深约为1 m，流量较小；洪水期间，水位迅速抬高，水位最高可超过8 m，最大河宽可超过100 m。本文以寻乌水为例，对山区河流污染物通量开展自动监测，并根据特点选择通量估算方法，以提高监测与估算的可操作性、科学性和精确度。

1 数据与方法

1.1 数据来源

山区河流的水文水质数据均来源于自动监测，自动监测可以提供短时间间隔的水文水质高频监测数据[1]。污染物通量监测的高频数据具有频率高、数据量大、相关性强、周期性好等特征。水质指标4 h 监测1 次，流量10 min 监测1 次，频次高，累计数据量大。某个时刻水文水质监测数据与之前一段时间监测数据具有较强的相关性，不同指标也有较强的相关性。

1.2 数据预处理方法

1.2.1 短时序缺失数据插补

高频通量数据是通过自动监测获取的，由于运行维护或者仪器故障等原因，自动监测会出现中断。线性插值法是短时序缺失数据插补的常用方法[2]，可采用式（1）进行插补。

式中：xt为t时刻缺失值；xf、xb为t时刻前、后的数据；f、b为t时刻前后序列。

1.2.2 长时序缺失数据插补

针对具有趋势性、季节性和周期性的数据，时间序列分解法是常用的分析方法[3]。时间序列分解模型通过分析原始数据，将数据拆分成四部分：长期趋势变化、季节变化、循环变化以及不规则变化[4]。因此，可以将时间序列表示为上述四部分的函数，如式（2）所示。

式中：Yt为时间序列；Tt为长期趋势因素；St为季节因素；Ct为循环因素；It为不规则变化因素。

通过分析山区河流水流量可知，流量分丰水年和枯水年，各季节水流量也不是简单的相加，因此，将对应的监测值除以移动平均序列，可求出季节性因素与不规则变化因素的乘积序列。

1.2.3 水文水质数据同步处理

水文水质数据之间、水质各指标之间的自动监测频率往往不一致，要将其同步到统一时间尺度，以便估算污染物通量。同步处理方法一般有2 种。一是采用最小时间排序法，按照时间周期最短数据排序，然后将时间周期较长数据镶嵌进去，通过一定的插值方法将空缺部分数据填充，得到同步后的结果。二是唯一标识法，定义一个新的唯一标识，将各类数据按一定原则映射到这个标识中，得到同步后的结果。若以日为尺度统计，则定义一年中的每日作为唯一标识，所有数据均预处理成每日监测数据进入标识中，即可得到以日为序列的各项指标通量监测数据。

1.3 通量估算方法

山区河流污染物通量为浓度与流量乘积的积分函数，可采用式（3）进行计算。由于通量监测数据频率足够高，可以将时间T 等分为n 段，计算每段时间的通量，然后计算累积量，即可得到断面污染物通量。

式中：F为断面T时间内的污染物通量；C(t)为污染物浓度的时间函数；Q(t)为流量的时间函数。

2 结果与分析

2.1 数据预处理

2019 年2 月21 日至8 月31 日，水文站流量监测仪器出现故障，导致数据空缺。估算2019 年污染物通量时，要对这段长时间缺失的数据进行插补。由于缺失的是流量数据，而流量具有趋势性、季节性和周期性，因此采用时间序列分解法进行插补。选择2017 年4 月27 日至2021 年12 月31 日预处理后的流量数据进行移动平均，得到流量数据的移动平均序列。对移动平均序列进行二次线性拟合，得到长期趋势序列。根据已得到的长期趋势序列、循环序列、季节性与不规则变化序列，对缺失数据时段数据进行修正，通过计算得到缺失时段的流量数据，如图1所示。

图1 插补数据

2.2 通量估算

经过预处理，得到2017 年5 月至2021 年12 月的寻乌水省界断面污染物浓度和流量数据。按照污染物通量估算公式，计算每天的污染物通量，结果如图2 所示。计算结果表明，2017 年污染物通量较大，2018 年和2021 年均为干旱年，污染物通量较小。作为东江源头区，寻乌水跨省断面水质较为稳定，主要受面源污染影响，通量受地表径流带入河道的污染物影响较大。对比浓度曲线、流量曲线和通量曲线可以看出，高锰酸盐指数受流量影响最大，汛期通量易形成峰值。

图2 历年通量监测结果

3 结论

山区河流污染物通量监测中，要对监测数据进行预处理，合理选用通量估算方法。同时，可选择时间序列分解法插补缺失数据，并采用插补后的数据估算断面污染物通量。本文以寻乌水为例，结合山区河流水文水质特征，对高频监测数据进行预处理，估算2017—2021 年山区河流的污染物通量。结果表明，2017 年污染物通量较大，2018 年和2021 年均为干旱年，污染物通量较小；高锰酸盐指数受流量影响最大，汛期通量易出现峰值；总磷通量受浓度影响较大，浓度峰值出现时，总磷通量也会形成峰值；氨氮通量对流量反应最灵敏，波动最频繁，流量的较小变化也会引起氨氮通量变化。