饮用水水库汛期污染源分析及水质风险评价

郭美叶

(河北省张家口水文勘测研究中心，河北 张家口 075000)

水库在防洪供水中发挥着重要作用，但社会经济的快速发展导致水库水质下降，对水资源利用产生重大影响。受季风气候影响的地区，径流主要集中在汛期，因此需要蓄水用于供水、发电、灌溉等多种用途。汛期是突发水污染事件的高发期，流域内的污染物被暴雨径流冲入地表水，导致水质恶化。对于饮用水水库来说，汛期暴雨径流往往被拦蓄，导致大量污染物进入水库，对水库供水造成很大影响。

水体污染源的划分是地表水生态系统环境管理的基础，一般的污染源分析方法包括定性识别、定量识别和定性与定量相结合。在定量分析中，通常采用受体模型，通过分析污染源和受体环境的理化特性来分析污染源对受体环境的影响。受体模型主要包括化学质量平衡模型(CMB)、正定矩阵因子分解模型(PMF)和主成分/因子分析-多元线性回归(PCA/FA-MLR)模型。在上述模型中，CMB模型需要完整的排放源成分谱，这在现实中很难确定。相比之下，PMF和PCA/FA-MLR模型排放源成分谱依赖较少，主要利用水质参数的变化来分析潜在污染源。

基于不同的理论，水质风险评价模型可分为机制模型、统计模型、模糊数学模型、灰色系统模型和耦合模型。贝叶斯网络(BNs)模型是基于贝叶斯理论发展起来的一种广泛应用的风险分析模型。贝叶斯网络在水环境风险分析中具有很大的潜力，在量化不确定性和计算水污染事件的边际风险、条件风险和联合风险方面具有明显的优势。

本文以某饮用水水库为研究对象，对汛期污染源及水质风险进行了研究。首先分析了库区总体水质特征，然后确定了汛期库区污染物的主要来源，并利用PCA/FA-MLR模型分析了各污染源对关键水质参数的影响。在此基础上，建立BNs模型，分析汛期水质超标风险，提出流域环境管理建议。

1 材料与方法

1.1 研究区域

某水库设计库容9.34×108m3。该水库建于1975年10月，1986年10月竣工，年供水量为3×108m3，有饮水、防洪、灌溉和发电等多种用途。水库流域属温带季风气候，多年平均降水量746mm，年径流量6.17×108m3。汛期(6—9月)的降水量和径流量分别占全年的76%和84%。在从12月到次年3月是冰冻期。该地区的主要土地利用类型是森林和农田。

本研究的水文资料和水质资料由水库管理局提供。本研究选取了pH、溶解氧(DO)、高锰酸盐指数(CODMn)、五日生化需氧量(BOD5)、氨氮(NH3-N)、硝酸盐(NO3-N)、总氮(TN)、总磷(TP)、浊度(TUB)、粪大肠菌群(F.coli)、氟化物(F-)和氯化物(Cl-)共12个参数进行分析。PCA/FAMLR模型使用的数据为2012—2022年的数据。贝叶斯网络模型使用1994—2022年的数据对水质风险进行分析。

1.2 方法

1.2.1PCA/FA-MLR受体模型

在本研究中采用PCA/FA方法对原始数据集进行降维，根据水质变量的相关性从原始数据提取出最多的信息。生成几个新的因子来解释整个数据集的方差，并将每个成分确定为污染源。各成分对变量浓度的源贡献可以描述如下：

(1)

式中，b0i—污染物i的多元回归常数项，bpi—污染物i的污染源p的多元回归系数，APCSp为所考虑样本的旋转因子p的缩放值。

1.2.2贝叶斯网络模型

采用贝叶斯网络(BNs)模型对水库水质风险进行分析。BNs结构灵活，可以根据研究目的自行调整。BNs是一种基于贝叶斯理论和图论的概率推理模型，由网络结构G和条件概率表组成。BNs的联合概率分布可表示为：

P(Xi)=∑P(πXi)P(Xi|πXi)

(2)

P(X1，X2，…，Xn)=∏P(Xi|πXi)

(3)

式中，P(πxi)—先验概率，P(Xi)—节点概率，P(Xi|πxi)—条件概率，P(X1，X2，…，Xn)—联合概率。

贝叶斯网络推理模型本质上是将先验信息与新信息结合，根据贝叶斯方程获得后验概率的过程：

(4)

本研究的重点是降雨和径流对水质造成的风险。因此，将降雨、径流、水位、水库流量等水文因子作为输入变量，假设污染源的排放量稳定，不同年份变化不大。以进水口和坝址水质作为输出变量。在水文因子中，降水(P)是水循环和物质运输中最重要的水文要素，作为根节点。径流(R)、水位(W)和流量(D)直接或间接受到降水的影响，作为子节点。本文构建了河流入口点(DPWQ、GYHWQ、ZLWQ)和坝址(DSWQ)水文参数与水质的关系。贝叶斯网络的最终拓扑结构如图1所示，其中DP、GYH、ZL表示碧流河的3个主要支流入口，DS表示坝址。

图1 贝叶斯网络拓扑图

根据历史水文资料，采用75%、50%和25%的频率对汛期降雨、径流、水位和流量数据进行离散化。水质数据的离散化以GB 3838—2002《地表水环境质量标准》为依据，该标准见表1。

表1 地表水环境质量标准

2 结果

2.1 不同季节的一般水质特征

水库作为当地主要水源，水质应满足地表水水质标准Ⅲ类要求。水库非汛期和汛期总体水质特征见表2。在所有水质参数中，pH、DO、NH3-N、BOD5和CODMn大部分时间都能满足Ⅱ类标准。然而，DO和BOD5偶尔会超过水质标准。营养物方面，非汛期和汛期TN浓度均严重超标，汛期浓度略低于非汛期，汛期最大值为5.19mg/L，是Ⅴ类标准(2.0mg/L)的2倍以上。汛期TP平均浓度为0.020mg/L，汛期TP偶尔超Ⅲ类标准。与降雨和径流密切相关的F.coli和TUB在汛期明显高于非汛期，尤其是F.coli在汛期超过Ⅲ类标准(10000A/L)。汛期和非汛期F-和Cl-浓度变化不明显，受降雨和径流的影响较小。统计结果显示，汛期总体水质比非汛期差，TN、TP、F.coli、BOD5存在超标风险。F.coli的过量表明水体受到了粪便污染，将对水源供水产生很大的影响。TN和TP的增加将导致严重的富营养化和水质退化。BOD5超标会降低水中溶解氧，导致产生异味，影响水源的利用。因此，有必要对超标参数的污染源进行分析。

2.2 汛期污染源分配

2.2.1基于PCA/FA的数据结构确定与数据源识别

因子载荷值的绝对值>0.75、0.5～0.75和0.3～0.5分别被认为是“强”、“中等”和“弱”。某一水质参数的因子载荷值越大，表明该主因子对水质的影响越大。选择初始特征值大于1的因子进行分析，方差贡献率为60%。因此，本文通过4个主因子，提供了74.463%的方差贡献率。因子分析计算结果见表3。

表3 汛期水质指标载荷值

由表3可知，因子1的方差贡献率为25.628%，对F.coli和TUB的载荷值较大，对NO3-N、TN和TP的载荷值中等。考虑到流域的特点，TUB可以理解为反映该地区的泥沙侵蚀。F.coli主要来自畜禽养殖产生的粪便，氮、磷与施肥、粪肥等农业活动有关。因此，因子1被确定为降雨和径流驱动的农业非点源污染。

因子2的方差贡献率为18.965%，对CODMn和BOD5的载荷值较大，对F-的载荷值中等，对NH3-N和TP的载荷值较小。CODMn和BOD5反映了与生活和工业废水排放密切相关的有机污染物。因此，因子2被确定为城乡污水排放的一个来源。

因子3的方差贡献率为15.207%，对Cl-的载荷值较大，对NH3-N和NO3-N的载荷值中等，对TN的载荷值较小。地表水中的氯化物主要受土壤和岩石淋滤的影响，可能来自地下水输入。因此，因子3可以被确定为地下水污染源。

因子4的方差贡献率为14.663%，对pH和DO的载荷值较大。DO与气温、风等气象因素密切相关。因此，因子4可以确定为气象因素。

2.2.2基于APCS-MLR模型的源分配

利用APCS-MLR受体模型确定不同污染源对不同水质参数的影响。计算结果见表4。

表4 不同来源对水质参数浓度的贡献率

从表中可以看出，水库的pH和DO主要受气象因素的影响(贡献率为77.65%和82.07%)；CODMn和BOD5主要受城乡污水排放的影响(贡献率为61.02%和59.33%)；NH3-N主要地下水污染的影响(贡献率为53.87%)；对水库营养物的贡献最大的是农业非点源污染，TN和TP贡献率分别为54.97%和50.89%。F.coli和TUB主要来源于农业非点源污染，贡献率分别为75.68%和69.77%。F-受城乡污水排放的影响最大，贡献率51.47%；Cl-受地下水污染的影响最大，贡献率62.85%。结果表明：农业非点源污染是汛期污染的主要来源。除此之外，城乡污水排放和地下水污染等其他来源也需要关注。

2.3 汛期水质风险评估

2.3.1基于先验贝叶斯网络的水质风险分析

根据2.1节和2.2节的结果，TN、TP、F.coli和BOD5是汛期存在超标风险的主要水质参数。选取这4个参数进行进一步分析。基于先验概率，不同水质状态下TN、TP、F.coli和BOD5的超标概率如图2所示，图中水质参数分为3种状况：W1(Ⅰ类)、W2(Ⅱ-Ⅲ类)、W3(Ⅳ-Ⅴ类)。从图中可以看出，水质为W3时，对于DP点、GYH点、ZL点和DS点，TN超标的概率分别为72.10%、70.69%、69.32%和66.88%；TP超标的概率分别为19.16%、9.86%、25.40%和2.93%；F.coli超标的概率分别为7.58%、12.49%、2.03%和4.09%；BOD5超标的概率分别为10.38%、10.03%、6.89%、2.03%。由此可见，坝址的超标风险远低于支流入口。水质超标风险为：TN>TP>BOD5>F.coli。

图2 不同水质状态下TN、TP、F.coli和BOD5的超标概率

2.3.2不同降雨条件下的水质风险

不同降水条件下支流入口和坝址各水质状况的超标概率结果如图3所示，图中观察降水数据分为4种状况：J1(<68mm)、J2(68～120mm)、J3(120～190mm)、J4(>190mm)。随着降雨量从J1增加到J4，TN、TP、F.coli和BOD5的超标概率均呈增加趋势。ZL地区TN超标率相对较高，且随降雨量的增加变化不大。TP的超标率随着降雨量的增加而增大，但DS地区水质超标风险增加幅度较小，而3个支流入口的超标率上升趋势非常明显。F.coli的超标率随降雨量的增加而增大，DP和GYH增加幅度较大，而ZL和DS略有增加。因此，水库的F.coli主要来自BL和GL。BOD5的超标率主要在支流入口波动，DS变化不大。BOD5超标的风险不随降水量的增加而增加，表明其受非点源污染的影响较小。

图3 不同降雨条件下TN、TP、F.coli和BOD5的超标概率

2.3.3支流入口与坝址水质风险的关系

支流入口不同水质状态下坝址水质分布如图4所示。可以看出，由于入口距离坝址较远，入口区域和坝址的风险不同。坝址的水质风险远低于入口区。但它们之间有一定的相关性。随着入口点水质的恶化，坝址的超标概率逐渐增大。特别是TN和TP，当入口点的浓度处于W3时，坝址出现W3的概率分别为88.36%和15.94%，即随着3个支流入口的水质超标，坝址的水质超标率大大增加。

图4 支流入口不同水质状态下坝址水质分布

3 结语

本文选取饮用水库汛期水质特征进行分析，采用PCA/FA-MLR模型识别主要污染源，采用贝叶斯网络(BNs)模型评价水质风险。得到以下结论。

(1)根据对水库水质数据分析结果可知，TN、TP、F.coli和BOD5是汛期的主要风险因素。

(2)基于PCA/FA-MLR受体模型分析发现，汛期农业非点源污染对水库水质的影响最大，对水库TN、TP、F.coli和TUB的影响分别为54.97%、50.89%、75.68%和69.77%，BOD5受非点源污染的影响较小。

(3)暴雨径流驱动的农业非点源污染是水库水质的主要危险因素，应作为优先解决的问题。本文提出的水质分析、污染源识别、风险评估、水质风险控制研究框架可用于保护水库水源水质，保障城市供水安全。