大气污染预测（通用10篇）
大气污染预测 篇1
近年来,我国机动车保有量迅猛增长,据公安部交管局统计,截至2015年底,全国机动车保有量达2.79亿辆,其中汽车1.72亿辆;机动车驾驶人3.27亿人,其中汽车驾驶人超过2.8亿人。随着机动车保有量的持续增加,“煤烟-机动车混合型”大气复合污染特征日益显著。根据北京市空气质量检测报告最新数据,2014年北京本地细颗粒排放物来源主要为:机动车31.1%、燃煤22.4%、工业生产18.1%、扬尘14.3%、其他14.1%。由此可知,尾气排放成为城市大气污染的主要来源之一。车辆尾气成分非常复杂达上百种,其中主要污染物包括:一氧化碳(CO)、氮氧化物(NOx)、碳氢化合物(HC)和颗粒物等,这些污染物不仅污染环境,对人体也有巨大危害。因此,车辆排放对大气污染的监测已成为研究热点。何立强学者结合国内10余座典型城市的实地走访调查和大量的文献调研工作,获得了中国机动车活动水平及排放特征,并建立了2010年中国机动车温室效应污染物排放清单;丁卉、刘永红等学者将灰色聚类评价与模糊综合评判方法结合运用,建立了综合考虑评价指标标准权和指标实际相对重要性权重的灰色聚类评价模型,对城市空气质量整体状况进行模糊评价;白鹤鸣等学者通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行预测;陈璞珑、王体健等学者通过对南京市空气质量的研究,并结合化学质量平衡模型,解析南京市城区和郊区细颗粒物来源,确定了不同排放源对细颗粒物浓度的贡献率。
由于造成大气污染的因素很多,车辆排放对大气污染的影响属于多指标、多级模糊评价问题,仅仅单指标评价并不能为大气污染治理提供科学的决策支持。尽管对于多指标定量及模糊评价也涌现出很多有意义的研究,如灰色模糊聚类评价法、神经网络评价法、模糊综合评价法等,但仍然不能从实质上解决车辆排放对大气污染的模糊识别及评价问题。而且,由于采用主观方法来确定各评价指标的权重系数,人为干扰较强,因此,决策矩阵往往不能充分体现各指标对决策的贡献量大小,导致研究结果无法很好地进行实际应用。因此,本文针对车辆排放对大气污染的特点,将大连理工大学陈守煜教授与2005年创立的可变模糊集理论应用于车辆排放对大气污染的监测领域,对传统的大气质量监测评级予以合理改进。最后通过神经网络对短时间车辆排放对大气污染程度进行预测。
1 车辆排放对大气污染的监测指标体系
大气中污染物质来源广泛且种类繁多,应选择恰当的污染物监测指标以科学描述车辆排放对大气污染的程度。一方面,监测指标是指对环境污染程度较大,或是对人类健康有较大危害的污染物;另一方面,对于监测区域而言,监测指标的主要排放源为车辆尾气排放。因此,车辆排放对大气污染监测指标的选择应遵从以下原则:
1)科学性原则:监测指标的选取以国家环保政策中的相关规定为科学依据,采用科学的方法和手段,遵循生态规律。
2)可操作性原则:监测指标能够通过观察、测试、评议等方式得出确定结论或定量监测值。
3)层次性原则:监测指标体系由多层次结构组成,在反映各层次特征的同时,各要素也相互联系构成一个有机整体。
4)区域性原则:监测指标体系既能够精确描述监测目标的监测结果,又能够反映监测区域的特点。
车辆排放对大气污染的监测指标体系选取了10种车辆排放污染物作为监测指标,并根据其特性,将10种大气污染物分为一般气态污染物、二次污染物以及固体污染物三个类别,其中包括3种气体污染物、3种二次污染物和4种固体污染物。建立了能够反映车辆排放对大气污染状况的监测指标体系,如表1所示。
2 车辆排放对大气污染的模糊可变模型
1965年札德(Zadeh)提出模糊集合概念,是对康托(Cantor)普通集合论的突破,并由此发展为一门新的数学学科———模糊集合论,在数学思维上有重要科学意义。20世纪陈守煌教授提出相对隶属度、相对隶属函数概念,并以此为基础建立工程模糊集理论。研究一定时空条件组合下,系统中模糊事物、模糊现象、模糊概念的相对性与动态可变性,并用数学方法描述其相对可变性。由于其模型参数的可变,可得到多组模型对同一事物的综合评价,提高评价结果的稳定性和可靠性。根据该理论可建立车辆排放对大气污染的模糊可变模型,其步骤如下:
步骤一:大气污染物数据采集,计算车辆排放对大气污染监测指标的测度值。
根据表1选取的10个车辆排放对大气污染的监测指标,监测同一区域不同时段内的大气污染物样本,则n组分时监测得到监测值的特征向量为
式中:xij为样本j和指标i的监测值(其中i=1,2,…,10;j=1,2,…,n)。
步骤二:对车辆排放对大气污染监测指标的测度值进行公度化处理。
设定各级别指标标准值区间矩阵为(aih,bih),h为监测级别(h=1,2,3,4,5),分级标准为1级最优级,5级最劣级。通常,aih>bih表示指标监测值越大级别越优,为递减系列;aih<bih表示指标监测值越小级别越优,为递增系列。对于车辆排放对大气污染的监测指标体系而言,指标监测值越小越好,即指标皆为递增系列。因此,根据10个监测指标、5个级别的指标标准区间确定吸引域区间Dab及范围域区间Dcd,如图1所示。
图1是h取中间等级时各标准区间的示意图,Mih是一个重要参数,可根据待评对象级别h对优、劣模糊概念进行物理分析确定。对优级,即h=1、2,Mih=aih;对劣级,即h=4、5,Mih=bih;对h为奇数的中介级(不优不劣级),即h=3,。
步骤三:计算监测样本对各级别车辆排放对大气污染监测指标的相对隶属度。
根据监测对象的指标监测值xij与标准级别指标的相对差异度进行比较,当xij落在Mih的左侧,车辆排放对大气污染的相对差异函数公式为
当xij落在Mih的右侧,车辆排放对大气污染的相对差异函数公式为
根据模糊集合的余集定义得出指标相对隶属度函数的公式为
则监测值j对各级别监测指标相对隶属度的矩阵为
步骤四:界定车辆排放对大气污染监测指标的权重系数。
Shannon将熵引入信息论,对信息进行定量描述并利用熵值来反映信息无序程度。若指标值的熵值越大则表明信息中蕴含的信息量越少,在评价模型中的作用也就越小;反之,则表明信息中蕴含的信息量越多,作用越大。Entropy法的客观定权具体步骤如下:
1)构建原始数据矩阵。在车辆排放对大气污染的监测指标体系中,现有n组监测值,10个监测指标,由式(1)得到原始数据矩阵X=(xij)n×10。
2)计算无量纲矩阵。针对不同类型的监测指标的量纲不同,将其转化为无量纲指标值。由于测量排放监测指标属于成本性指标,采用下式处理
式中:xij为样本j指标i的监测值,(xij)max=max{xij,i=1,2,…,n};(xij)min=min{xij,i=1,2,…,n}。
对原始数据矩阵X进行无量纲化处理,得到车辆排放对大气污染监测值的无量纲矩阵
3)计算比重矩阵。计算各监测指标下监测值的指标值比重,得到车辆排放对大气污染监测值的指标值比重矩阵为
式中:为第j个监测指标下第i个监测值的指标值比重,且满足。
4)计算熵值。第j个车辆排放对大气污染监测指标的熵值
5)计算熵权。第j个车辆排放对大气污染监测指标的熵权
步骤五:计算各监测值对大气污染监测指标体系各级别的综合相对隶属度
利用模糊可变模型,计算各大气污染物监测值对大气污染模糊监测体系中各级别的综合相对隶属度,公式为
式中:α为模型优化准则参数,α=1时,为最小一乘方准则,α=2时,为最小二乘方准则;β为距离参数,β=1时,为海明距离,β=2时,为欧氏距离。
基于α,β的不同取值,式(11)的参数有4种组合,是一个多种变化的监测模型。由式(11)可得到归一化处理后的综合相对隶属度矩阵为U=(V(xij)h)10×5,应用级别特征值(12)可得车辆排放对大气污染的监测级别为
3 车辆排放对大气污染的神经预测模型
车辆排放是影响大气质量的重要因素,在交通结构以及交通设施状况不变的情况下,同一区域内不同时间的车辆排放量之间存在着某种非线性联系。本文基于BP神经网络建立模型来识别这种特定联系,进而预测车辆排放对大气污染的程度,其步骤如下:
步骤一:车辆排放对大气污染数据的输入信息融合。
输入信息融合是模仿神经元对不同环境刺激的敏感程度不一致的现象,引入输入信息的敏感向量(权重向量)W=[w1d,w2d,…,wsd],d=(1,2,…,m),输入车辆排放对大气污染的信息向量Xs=[x1,x2,…,xs],s=(1,2,…,n),则与对应的敏感向量乘积得到融合之后的信息为
步骤二:车辆排放对大气污染数据的输出信息转化。
当bd大于神经元兴奋阈值时(通常建议取值为0.01),神经元信息转换函数对bd转化得到输出信息yz,采用Sigmoid函数作为转化函数,则输出信息为
步骤三:车辆排放对大气污染数据的误差反向传播。
根据得到的神经元输出信息yz与实际期望信息yz*之间的差值,反向修正神经元权重系数wsd,这里采用改进的自适应动量梯度下降法作为权值修正函数
式中:wμsd为前层第s个神经元和后层第d个神经元之间第μ次修正权值,η为动量因子,g为梯度误差修正函数。
车辆排放对大气污染的BP神经网络预测模型是根据数据规模确定神经网络结构,并在明确BP神经网络的预测机制后,利用MATLAB软件中的神经网络工具箱完成车辆排放对大气污染数据的训练和预测过程。在使用工具箱时,只需确定输入层、隐含层和输出层的神经元数,训练网络算法以及各层之间的神经元信息转换函数,MATLAB会生成特定的车辆污染物排放对大气污染的BP神经网络预测模型。输入车辆排放数对大气污染的数据训练样本,制成训练网络,当神经网络的实际输出数据与目标数据的均方误差满足条件后,再输入车辆排放对大气污染预测所需数据,得出预测结果。
4 实例分析
通过实例来验证本文所建立车辆排放对大气污染的模糊可变模型,以及车辆排放对大气污染的神经预测模型的可行性。本文以南京市某区域监测点所测得的各监测值进行实例分析。
4.1 南京市某区域车辆排放对大气污染的模糊监测
借鉴国外、国内其他部门的研究成果,同时考虑所建立的指标体系能全面反映车辆排放物对大气的污染程度,参考《大气污染物综合排放标准》及《环境空气质量标准》,得到车辆排放对大气污染的模糊监测指标体系各组成部分的等级指标与污染等级,如表2所示。
μg/m3
将9个样本的各指标监测值代入监测模型,分别计算相应的车辆排放对大气污染的监测等级结果,本文以随机选取的2月12日样本监测数据为例,详细阐述其评价过程,步骤如下:
步骤一:采集2016年2月10日—2月18日该监测点连续9d监测数据进行实例分析。表3列出了监测时间内车辆排放对大气污染监测体系中各监测指标的监测值。
μg/m3
步骤二:根据车辆排放对大气污染的监测分级标准可得大气污染的现状指标特征值矩阵,参照分级标准确定吸引域Dab,根据Dab得到监测级别h的范围域为Dcd,根据Dab和Dcd确定点值矩阵为M。
1)吸引域为
2)范围域为
3)定点值矩阵为
步骤三:由吸引域和范围域判断监测值落入M点的左侧或右侧,据此选用相对差异函数模型式(2)或式(3)计算差车辆排放对大气污染的异度,再根据模糊集合的余集定义得出指标相对隶属函数式(4),计算指标对各等级标准的相对隶属度矩阵为
步骤四:根据界定车辆排放对大气污染监测指标权重系数中的步骤,计算车辆排放对大气污染监测指标的指标熵值权,车辆排放对大气污染监测值的无量纲矩阵为
利用式(9)、式(10)计算车辆排放对大气污染各监测指标的熵值和权值,得到各监测指标的权重向量为
步骤五:将车辆排放对大气污染监测指标的权重值带入式(11),计算各监测指标对级别h的综合相对隶属度矩阵为
针对车辆排放对大气污染各监测指标对不同风险级别的综合相对隶属度,归一化后得到的结果为
利用级别特征值式(12)可得到此监测值的级别特征值,如表4所示。
分析表4所得数据可知,不同模型参数组合下的级别特征值在区间[2,3]内波动,说明监测结果较稳定,因此,监测时间内监测区域的大气污染监测等级为2级,车辆排放对空气污染不高,属于良好水平。案例采用了模糊可变模型进行车辆排放对大气污染的识别与监测,通过变化模型参数,综合确定样本的监测级别。由于模糊可变模型中参数组合的改变,其模型参数可变,得到多组模型对于车辆排放对大气污染的监测结果,从而提高了结果的稳定性和可靠性。同时通过主客观组合权重的全面考虑,提高对监测样本等监测等级结果的可信度。进一步计算不同监测时段内的大气污染综合监测等级,最后得到不同监测时段、不同参数组合下的大气污染监测等级,如表5所示。
根据监测结果,除了2月13日的大气监测评价等级为三级,属于轻度污染外,其余时间区域内车辆排放对大气污染的监测等级都为二级,车辆排放对大气的污染程度属于良好范围。由于现阶段没有统一区域内的车辆排放水平等级标准,而车辆排放是重要的大气污染源之一,因此,将最终的监测结果与南京市空气质量检测部门发布的空气质量信息进行比较分析。对比表3中的空气质量等级可知,除去2月11日的监测结果与空气质量水平不同,最终监测结果与南京市空气质量检测部门发布的信息基本一致,分析可知:
1)在监测时间段内,监测区域的空气质量水平及车辆排放的监测等级都显示该区域空气质量良好。
2)从监测结果的对比来看,车辆排放对大气污染与空气质量水平既有一定的内在联系又有区别,车辆排放对大气质量影响较大,是大气污染的重要原因之一,因此,减少车辆排放是治理城市大气污染的重中之重。
3)与现阶段普遍使用的空气质量指数(Air Quality Index,简称AQI)相比,车辆排放对大气污染的监测模型将更多的污染项纳入了监测范围,提高了监测模型的全面性,且得到多组监测值,也增加了监测结果的可靠性,验证结果说明了车辆排放对大气污染监测模型的可行性。
图2为不同模型参数组合下的监测等级折线图。由图2可知,监测等级折线图较为平缓,且监测等级均在二级和三级之间,以目前的技术发展水平和规模,该监测区域内车辆排放属于中等水平,对大气污染有一定影响,特别是固体污染物(容易产生雾霾)对环境影响较大。为减少车辆排放对大气污染,提出以下建议:首先,严格执行国家质量技术标准,控制燃油标准;其次,加大车辆审核制度,严格禁止使用汽车尾气排放不合格的车辆,严惩对尾气排放听之任之,甚至拆除治理净化装置;最后,建议使用清洁能源车辆,如电动汽车等。
4.2 南京市某区域车辆排放对大气污染的神经预测模型
根据各监测点的监测数据以及南京市空气质量检测部门发布的研究报告,现阶段该区域最主要的大气污染物为PM2.5、PM10以及总悬浮颗粒物,因此,预测这些主要污染物的浓度对于空气质量的预警具有重要作用。由于汽车尾气排放到大气中污染物在大气中的浓度受天气影响十分巨大,所以本文采用BP神经网络预测模型对一定区域内空气中的污染物浓度进行预测,对样本的采集有一定要求。
本文采用的样本数据为同一区域内连续19d的监测数据,且监测期间天气变化不大,假设次日天气无剧烈变化,则可利用神经网络模块对该区域内第20d空气中的PM2.5浓度、PM10浓度以及总悬浮颗粒物进行预测。由于样本数据较少,因此采用滚动式预测。以预测大气中PM2.5浓度为例:输入向量为连续三天大气中的PM2.5浓度,目标向量为后一天大气中PM2.5浓度,即设定输入层神经元数为3,输出层神经元数为1,经试算:在样本集和各网络参数不变的情况下,隐含层神经元数为10时,神经网络预测均方误差最小。
输入前18d的PM2.5浓度滚动数据训练样本集。训练完成后,再输入前19d的PM2.5浓度滚动数据,从而对第20d大气中PM2.5浓度进行预测。同理,进行大气中PM10浓度以及总悬浮颗粒物的预测,预测结果如表6所示。
μg/m3
预测得到次日PM2.5的24h平均浓度为176μg/m3,PM10的24h平均浓度为168μg/m3,总悬浮颗粒物24h平均浓度为304μg/m3。为进一步分析预测结果,绘制相对预测误差曲线,如图3所示。
通过图3分析可知:
1)从总体方面看,PM2.5浓度、PM10浓度以及总悬浮颗粒物的BP神经网络相对预测误差平均值分别为4.08%、3.24%以及3.60%,与BP神经网络的有效预测量程15%相比,总体预测精度较高。
2)从预测波动看,PM2.5浓度、PM10浓度以及总悬浮颗粒物的BP神经网络预测的最大误差为9.91%、11.54%以及8.30%,波动方差为2.61%、2.80%以及2.04%,波动方差较小,预测过程稳定。因此,无论从预测精度还是预测稳定方面看,预测效果较好,进而表明预测次日的大气污染物浓度数据具有一定可信度,对于大气污染预警具有借鉴意义。目前从大数据的角度研究车辆尾气排放问题,是一个新方向。职能监管部门可通过BP神经网络方法对大数据进行分析,在预测短时间内大气中污染物浓度的变化,进而为新标准的有效执行提供决策依据。
5 结束语
本文以车辆排放对大气污染程度为研究对象,首先通过分析车辆尾气中的主要污染物质,建立了大气污染综合监测指标体系。其次,考虑到大气污染综合监控问题的相对性与动态可变性,基于模糊集的相关理论,对车辆排放对大气污染的程度进行监测,构建车辆排放对大气污染的模糊可变监测模型;再次,根据污染物浓度变化特点,构建基于BP神经网络的大气主要污染物浓度的预测模型;最后,采集了合适的样本数据进行实例应用。应用的监测结果表明:车辆排放对大气污染的监测模型将更多的污染纳入了监测范围,且具有很强的可行性与实用性;大气中主要污染物浓度预测数据与实际数据之间的误差均在可允许范围内,最终预测得到短期内大气中主要污染物的浓度数据具有较高可信度。研究成果为改善空气质量、减少大气污染、建设低碳交通提供理论基础和技术支撑,而且也为车辆排放的相关研究提供了新方法。
大气污染预测 篇2
西江有机污染水质模拟预测
针对西江下游水质问题建立了有机污染预报模型,采用数学物理反问题方法识别水质模型参数,对西江广东段进行了水质与污染源同步监测,取得建立水质预报的第一手资料,并进行了模拟验证.
作 者：潘剑中 张俐 王欣 谢绍平 作者单位：潘剑中,谢绍平(广东省水文局肇庆分局,广东,肇庆,526060)张俐,王欣(武汉大学水利水电学院,湖北,武汉,430072)
刊 名：中国农村水利水电 ISTIC PKU英文刊名：CHINA RURAL WATER AND HYDROPOWER 年，卷(期)： “”(11) 分类号：X832 关键词：有机污染 水质预报 数学物理反问题大气污染预测 篇3
关键词：造纸业；环境经济形势；预测
1.造纸及纸制品业环境经济发展形势回顾
21世纪以来，我国进入工业化中期发展阶段，国民经济持续多年高增长，带动造纸工业快速发展，产业规模、产品结构、外贸形势发生了深刻变化。
纸张消费和生产快速提高，2003年，我国纸及纸板人均消费约40kg，到2008年我国纸及纸板的人均消费量超过60kg，基本上达到了世界平均消费水平。另外，原料结构逐步改善，产品结构进一步优化。近几年纸及纸板开始向适应消费需求、由数量型向质量型转变。同时纸张供需市场的扩张，推动包括造浆、造纸及纸制品等整个造纸工业的产业规模增长。
2.“十二五”期间造纸及纸制品业环境污染趋势
2.1 主要环境指标状况
造纸业是中国最为古老的行业之一，也是我国经济发展的重要产业之一。造纸工业的特点是使用原料种类多、生产工艺类型多、中小企业多、技术装备相对落后。造纸企业既是污染大户，也是污染控制的主体。造纸生产带来的严重污染问题已对造纸工业的发展形成一定的制约作用。
2006-2013年，造纸及纸制品业的工业总产值平均占主要工业行业工业总产值的0.7%左右，工业增加值占0.7%左右，废水排放量占工业总排放量的7.1%，COD排放量占工业总排放量的7.63%，氨氮排放量占到工业总排放量的3.78%。
以2011年为例，造纸及纸制品业总水用量2578.1万吨，其中新鲜水取水量837.6万吨；工业废水排放量701.38万吨，占总工业废水排放量4%， COD排放量1720.2吨，占工业COD排放量的8.07%，氨氮排放量111.9吨，占工业氨氮排放量3.7%，
2.2 水资源消耗
2011-2013年造纸及纸制品业行业总水耗、万元工业增加值水耗走势图如图1所示。天津市共有造纸及纸制品企业63家，“十二五”期间造纸及纸制品业行业总水耗显著上升，万元工业增加值用水量随总用水量趋势逐年上升，2013年造纸及纸制品业行业总用水量8541.6万吨，较2011年总用水量2578.1万吨上升了5963.5万吨；2013年新鲜水用水量1997.4万吨，较2011年837.6万吨上升了1159.8万吨，水资源重复利用率自2011年67.5%上涨到76.7%。
图1 2011-2013年造纸及纸制品业行业总水耗、万元工业增加值水耗走势
2.3 污染物排放
2011-2013年造纸及纸制品业行业COD产生量、排放量、万元工业增加值COD排放量走势图如图2所示。2011-2013年天津市造纸及纸制品业行业COD产生量逐年上升，2013造纸及纸制品业行业COD产生量2297.5吨，较2011年的16990.7吨增长了5986.8吨，上涨35%。COD排放量2011年占全市COD总排放量的8.07%，在所有工业行业中排第二位。“十二五”期间，经过总量减排的管理控制，通过工程治理、结构减排等办法对造纸企业进行治理，2013年造纸行业COD排放量836.1吨，较2011年的1720.2吨减少了884.1吨，下降51%。“十二五”期间万元工业增加值COD排放量也在起伏中下降。
图2 COD产生量、排放量、万元工业增加值COD排放量走势图
2011-2013年造纸及纸制品业行业氨氮产生量、排放量、万元工业增加值氨氮排放量走势图如图3所示。2011-2013年天津市造纸及纸制品业行业氨氮产生量逐年上升，2013造纸及纸制品业行业氨氮产生量702.9吨，较2011年的271。7吨增长了431.2吨。氨氮排放量及万元氨氮排放量波折下降，2013年氨氮排放量73.5吨，较2011年的111.9吨减少了38.4吨，下降34%。
图3 氨氮产生量、排放量、万元工业增加值氨氮排放量走势图
3.造纸及纸制品业主要水污染物排放情况预测
3.1 造纸及纸制品业水资源消耗预测
近年来，天津市造纸及纸制品业增长迅速，工业增加值呈现出较为明显的线性趋势，在现有造纸及纸制品业行业增加值基础上，通过不变价调整，算出现有各行业增加值增长率，通过趋势外推，并作适当调整，得出各项指标的增加值预测值（增长率）。经预测，到“十二五”末造纸及纸制品业行业工业增加值约为58.6万元，到“十三五”末造纸及纸制品业行业工业增加值83.08万元。
水资源消耗的预测主要采用历史数据回归的方法，以《天津市统计年鉴》和天津市环境统计数据为依据，同时考虑行业内与节水相关的中长期规划等要求，对天津市“十二五”末及“十三五”期间造纸及纸制品业行业用水总量进行预测。
根据预测，造纸及纸制品业用水量仍将保持在较高的水平，2015年造纸及纸制品业行业总用水量9093.19万吨，到2020年总用水量将下降为5584.21万吨。
3.2 造纸及纸制品业污染物产生量预测
根据历史数据，采用历史数据回归的方法预测COD、氨氮的产生量，同时考虑相关规划及节能减排相关要求，预测出“十二五”末及“十三五”阶段COD、氨氮的产生量。
根据预测，“十二五”末到“十三五”阶段，造纸及纸制品业行业的COD和氨氮将继续增长，2015年COD产生量约为28017.1吨，2020年COD产生量约为44594.8吨，较2015年增加16577.7吨；2015年氨氮产生量800.6吨，2020年氨氮产生量1238.13吨，较2015年增加437.49吨。
nlc202309042332
3.3 造纸及纸制品业污染物排放量预测
廢水和水污染物排放量主要与废水产生量和回用量之间的关系决定，根据以预测的工业增加值，结合已有文献成果，对废水和水主要污染物排放量进行预测。
表1造纸及纸制品业污染物排放量预测
行业名称201520162017201820192020
废水排放量/万吨1318.511361.581446.071526.521602.911675.26
COD排放量/吨1000.251064.511124.721180.891233.011313.93
氨氮排放量/吨84.1189.1293.7397.93101.72105.11
根据预测，到2015年，天津市造纸及纸制品业行业废水排放量约1318.51万吨，COD排放量1000.25吨，氨氮排放量84.11吨，到2020年，天津市造纸及纸制品业行业废水排放量约1675.26万吨，COD排放量1313.93吨，氨氮排放量105.11吨.
图4 COD排放量、万元工业增加值COD排放量预测图
图5 氨氮排放量、万元工业增加值氨氮排放量预测图
4.造纸及纸制品业环境问题及建议
4.1 存在问题
1、规模不合理，产业集中度还相当低，结构调整任务艰巨。
2005年世界木浆厂（不含中国）平均规模已达到20万吨，而我国直到2008年，即使是包括打量非木浆的全部纸浆厂的平均规模也仅17万吨，2005年世界造纸企业（不含中国）平均规模为年产8万吨，2008年我国造纸企业平均规模仅达到2.4万吨。
2、造纸行业水污染问题依然严峻。
造纸是天津市工业污染的主要产业之一，虽然近年来在国家“节能减排、源头治理、防治结合；关闭小型造纸厂、合并大型造纸厂；调整产品结构；兴建集中制浆大型企业；营造用于造纸的速生经济林等”相关政策思想的指导下，造纸行业的环境问题得到一定程度的缓解，但是总体来讲，造纸行业仍然是污染“大户”，无论是从废水产生量排放总量，还是COD和氨氮的产生排放来看，造纸业都“名列前茅”，但预期相对应的是其治理水平却低于工业平均水平，治理环境污染依然任重道远。
4.2 相关对策建议
造纸业的水污染情况主要存在废水排放量大、废水排放强度高、废水COD产生和排放量大、废水末端治理水平没有明显提高、氨氮治理水平相对较低等问题。因此，应当进行有针对性的处理，重在从源头上控制污染，加强末端治理[6]。
1、提高造纸行业污染物排放标准，坚决淘汰小造纸落后生产能力，“关、停、转、并”中小企业，尤其是技术落后、污染严重的中小型化学草浆企业，进行必要的原料结构调整。
2、大力发展循环经济，提高造纸行业废物利用率，实现资源的可持续利用，提高废纸作为原料的替代率。实行清洁生产，促进造纸业经济效益、环境效益、社会效益的统一。
3、在充分考虑生态保护的前提下，增加国产木浆的比例，通过资本纽带和经济利益将制浆造纸企业与营造造纸林基地有机结合，建设造纸企业和原料林基地。
参考文献：
[1] 喻润梅.浅谈我国造纸业环境污染问题及防治对策[J].湖北造纸，2006，2，38-40
[2]天津市统计局 2011天津统计年鉴[M] 北京：中国统计出版社2011
[3] 王金南，马国霞，牛坤玉等 2010-2030年国家水环境形势分析与预测报告[M] 北京：中国环境出版社 2013：37
作者简介：作者简介：罗彦鹤（1983—），女，吉林省松原市人，工程师，硕士，从事环境管理研究。
反渗透膜污染预测模型的改进 篇4
本工作结合反渗透非平衡热力学模型的基本模式[6],从膜表面污染层阻力和浓差极化阻力的角度对常见的膜通量模型进行了探讨与改进。
1 常见的膜通量模型
膜通量数学模型即以一定的膜内传质机理或不可逆热力学为基础,表达组分透过膜的速率与过滤时间、传质推动力以及膜的某些结构参数之间的关系。Kedem等[7]于1958年提出了以不可逆热力学为基础的现象学模型,可用于描绘几个通量同时发生迁移、多个力同时作用的过程。Spiegler等[8]从消散函数的微分方程出发,对Kedem模型进行了改进,改善了Kedem模型中唯象系数对浓度变化不灵敏的缺点。Lonsdale等[9]于1965年最早提出了溶解-扩散模型,该模型假设膜为无缺陷的完整膜,忽略了膜结构对传递性能的重要影响。Sherwood等[10]于1967年将溶解-扩散模型进行改进,认为实际的膜表面存在缺陷(缺点和孔),在此基础上将溶质和溶剂在微孔中的流动考虑了进来。这些建立在不同传质机理上的模型均在不断细化、深入探讨各种因素对膜通量的影响,但往往由于参数较多且算法复杂,在应用中受到很大限制。上述模型主要从溶质性质以及膜性能两方面探讨了膜通量的变化,未考虑膜污染及浓差极化对产水量的影响。而膜污染和浓差极化是导致膜通量下降的主要原因,对膜性能的影响非常大,尤其是对孔径小、截留率高的反渗透膜影响更大。
2 改进的反渗透膜污染模型
反渗透非平衡热力学模型的基本方程见式(1)。
式中:J为膜通量,m3/(m2·h);Δp为净推动力,Pa;μ为水黏度,Pa·s;Rf为过滤阻力,m-1。
其中过滤阻力主要由膜阻力(Rm,m-1)、膜表面到主体溶液间的浓度梯度带来的浓差极化阻力(Rp,m-1)及污染层阻力(Rc,m-1)3部分组成。净推动力为跨膜压差(Δp1,Pa)与渗透压(Δπ,Pa)之差。由此,得到膜通量的表达式,见式(2)。
2.1 浓差极化阻力的影响
由于膜表面或凝胶层表面的浓度不易界定,目前还没有具体计算浓差极化的方程。虽然Song[11]由浓差极化模型及初始边界条件推导出了边界层浓度公式,但难以求得与浓差极化相关的扩散系数及边界层厚度,这是计算浓差极化阻力的难点。浓差极化定义为,由于膜的选择透过性,溶质大部分积累在膜高压侧表面,造成了膜表面到主体溶液间的浓度梯度[12]。所以浓差极化阻力可用渗透压间接表示,式(2)可改写为式(3)。
式中:Δπm为包含浓差极化影响在内的渗透压,,Pa(R为通用气体常数,J/(mol·K);T为绝对温度,K;cf为进水中溶质浓度,mol/L;R0为表观截留率,无量纲;K为传质系数,s/m)。
传质系数可由准数关联式[11,13,14]得到,但准数关联式多为经验公式,受一定条件的限制,参数求解复杂。本工作由溶解-扩散模型得到式(4),回避了传质系数求解复杂的问题。
式中:cp为透过液中溶质浓度,mol/L;B为溶质透过系数,m/s。
将式(4)带入式(3)得到式(5)。
2.2 污染层阻力的影响
在压力作用下,污染物不断在膜表面发生吸附沉积,由此产生的污染层阻力随污染层厚度的增加而增大,即污染层阻力是一个随时间动态变化的量,表达式见式(6)。
式中:rc为污染层阻力系数,m-2;g(t)为污染层厚度随运行时间(t,h)的变化量,m。
膜表面截留的物质的质量可以间接表示污染层厚度的变化[15]。假设膜表面吸附的物质不会因反渗透系统的低压冲洗等原因而减少,单位面积膜表面截留的污染物质量(q,kg/m2)可分别用一定时间内的累积吸附量(见式(7))和污染层质量(见式(8))表示。
式中:Δq为单位时间单位膜面积截留的污染物质量,kg/(m2·h);ρ为污染层平均密度,kg/m3;V为污染层体积,m3;A为有效膜面积,m2。
式(6)可改写为式(9)。
假设滤饼层不可压缩,由Happel’s模型[16]和Kozeny-Carman公式[17]可以估算污染层阻力系数,见式(10)。
式中:ε为污染层孔隙率,无量纲;ap为污染物的平均粒径,nm。
由式(5)、式(9)和式(10)可推得一个新的膜通量与时间的关系方程,见式(11)。
整理后得到式(12)。
3 实验验证
实验用水为自制氢氧化铁胶体溶液。实验用反渗透装置的膜组件为TW30-2540型卷式聚酰胺复合膜。该膜组件的各种运行参数见表1。
将上述参数值带入式(12),得到式(13)。
膜通量与运行时间的关系见图1。由图1可见:在运行初期,由于部分膜孔堵塞以及膜表面特性的改变,膜通量下降明显,溶液中的颗粒物质在压力驱动作用下缓慢在膜表面沉积,造成膜孔的堵塞和缩窄;运行10 h后,膜通量下降一半。膜表面的污染层厚度随运行时间的延长逐渐增加。在恒定操作压力的条件下,当污染层对污染物质的吸附速率与解吸速率相等时,污染层厚度达到动态平衡。此时,膜通量也达到稳定状态。运行25 h后,由于膜表面的污染层被压实,膜通量明显下降,形成了膜的不可逆污染。
由图1还可见,实验结果与模型计算结果基本吻合,相关系数大于0.95。由此认为,改进的反渗透膜污染模型可用于预测运行过程中的膜通量。
4 结论
在反渗透非平衡热力学模型的基础上,从膜表面污染层阻力和浓差极化阻力的角度对常见的膜通量模型进行了探讨与改进,推导出了新的反渗透膜污染预测模型。采用卷式反渗透膜装置对氢氧化铁胶体溶液进行处理,对模型计算值与实测值进行相关性分析,相关系数大于0.95。由此认为,改进的反渗透膜污染预测模型可用于计算运行过程中的膜通量。
摘要：在反渗透非平衡热力学模型的基础上,从膜表面污染层阻力和浓差极化阻力的角度对常见的膜通量模型进行了探讨与改进,推导出了新的反渗透膜污染预测模型,为准确预测膜污染进程提供了理论支持。采用卷式反渗透膜装置对氢氧化铁胶体溶液进行处理,对模型计算值与实测值进行相关性分析,相关系数大于0.95。由此认为,改进的反渗透膜污染预测模型可用于计算运行过程中的膜通量。
南城子水库面源污染预测及控制 篇5
南城子水库面源污染预测及控制
摘要：通过对南城子水库面源污染的.调查和对监测结果的分析,预测了全流域面源污染入库量及对水库水质的污染程度,并提出了面源污染的控制方案.作 者：王丽耀 WangLiyao 作者单位：铁岭市环境保护监测站,辽宁,铁岭,11期 刊：黑龙江环境通报 Journal：HEILONGJIANG ENVIRONMENTAL JOURNAL年，卷(期)：,34(1)分类号：X508关键词：面源污染 流域 预测 方案
大气污染预测 篇6
生活垃圾和生活废水的任意排放,畜禽粪便、农作物秸秆的不合理利用,城市工业、交通产生的酸性气体,农业上各种农药的大面积使用,都对库区环境造成直接的污染或潜在的威胁。特别是农业面源污染,生产方式陈旧、农药化肥的过量使用、土地利用规划不合理、田间管理落后,当区域降雨形成地表径流时,就会加重水土流失,径流携带地表当中的污染物质进入水体,给水体的功能正常发挥带来负面影响[1]。
由于南苕溪在汛期,水流量大,上游大量泥沙被洪水冲至青山水库。水库的缓冲作用,使泥沙沉积在底部,所以青山库底质以泥沙为主。
因此,青山水库水体中面源引入的污染物主要是大量泥沙,化肥、农药和其次生代谢产物,BOD,BOD5,NH3-N,TP等污染物。
2 研究区域概况
2.1 库区的流域位置
杭州市青山水库坐落在杭州市西郊临安市境内,上游距临安市8 km,下游距杭州市约40 km,是一座以防洪为主,结合灌溉、发电、养鱼、下游环境用水等综合利用的大(Ⅱ)型水利枢纽工程。
2.2 流域水系
临安市水资源总量为26.62亿m3,其中地表水23.13亿m3,地下水3.51亿m3,人均5 248 m3,高于全国、全省水平。
青山水库位于太湖流域东苕溪主干流南苕溪上。南苕溪发源于东天目山,由北向东南贯穿临安市青山水库。南苕溪在临安市境内主流长65.6 km,流域面积620.8 km2;青山水库水文站实测多年平均流量14.5 m3/s。中苕溪境内主流长27.8 km2,流域面积185.6 km2。南苕溪和中苕溪流经市境东部,在余杭区内与北苕溪汇合注入东苕溪。
水库坝址以上流域集雨面积603 km2,总库容2.13亿m3。水面积20.2 km2,坝高24.1 m。
3 污染负荷研究方法
3.1 青山水库入库支流的污染物负荷研究方法
3.1.1 年径流量的分割
借鉴应用水文学的处理方式,将总径流分为地表径流和基流两部分,对壤中流和地下径流不做区分;认为基流是河道内常年出现的那部分水流,在径流过程线中表现基本稳定,其大小主要受流域的土壤、植被、地形、地质及气候等的影响。
采用直线分割法[3]从总径流中将基流分离出来的过程,可细分为平割法和斜割法2种。平割法又称枯季最小流量法,即将枯季最小流量作为地下水流出量进行水文分割。
3.1.2 各支流入库面源污染物负荷总量
根据水文分割法原理,在河川基流、地表径流划分基础上,将基流状态下水体中的污染负荷视为点源及枯水期天然背景值;将地表径流状态下水体中的污染物视为面源及丰(平)水期天然背景值(以下统称为面源,不再区分),则河流年入库污染总负荷[3,4]可表示为:
式中:t为时间;Cp(t)为t时刻点源污染物质量浓度;Cnp(t)为t时刻面源污染物质量浓度;Qp(t)为河川基流量;Qnp(t)为地表径流量;Wt为入库污染总负荷。
一般对式(1)进行离散化处理:
其中,Wt可由监测断面的水质、水量数据直接求出:
式中,Ci为第i次监测的污染物质量浓度;Q为第i次监测的流量;Δt为第i次监测所代表的时间段。
面源污染负荷可表示为Wnp=Wt-Wp,即:
式(4)为面源负荷估算公式。其中,面源污染负荷通过总污染负荷与点源污染负荷之差估算;点源污染负荷通过枯水期实测污染物质量浓度计算;河川基流由径流分割得到。
3.2 库区的土壤流失面源污染负荷预测
本次研究主要利用华东勘测设计院关于临安土壤侵蚀基础研究资料,考虑预测年水库汇水区内植被覆盖因子和侵蚀控制因子的变化,对入库土壤流失面源污染负荷预测。
3.2.1 通用土壤流失方程[5]
式中:A为单位面积土壤流失量(kg/m2);R为降雨能量因子;K为土壤侵蚀因子;L为坡长因子;S为坡度因子;C为植被覆盖因子;P为侵蚀控制措施因子。
式中:i30为30 min最大降雨强度(mm/min);为相应时间的降雨强度(mm/min);r为相应时间的降雨历时(min)。
式中:I为地面坡降(%);m为常数值(一般取0.5,当I>10%时,取0.6当I<0.5%时取0.3)。
3.2.2 可浸出污染物负荷估算公式
式中:M为流域土壤中某污染物浸出量(kg);Cl为单位质量土壤中某污染物浸出量(mg/kg);F为流域面积(m2)。
4 结果分析
4.1 青山水库入库支流的污染物负荷预测
4.1.1 青山水库入库支流基流分割
4.1.1. 1 南苕溪基流分割
采用2008年桥东村站(东经119°38′,北纬30°16′)逐月流量观测数据,绘出流量线。分析可知,南苕溪入库流量在6月的汛期较大,其余月份较小。选取直线分割法中的平割法,以最枯3月流量为基流进行水文分割,得到南苕溪入库基流、地表径流量、总径流量,其中地表径流量占总径流量的73%。
2008年南苕溪流量线见图1,入库基流分割见表1。
4.1.1. 2 其它入库支流基流分割
南苕溪桥东村站年降水量1 530.8 mm,集雨面积233 km2,因此年平均径流系数为1.376/(233×1.5308×0.01)=0.39。
108m3
除南苕溪外,还有横溪、锦溪、灵溪、双林溪从东、南、北3个方向入库,由于缺少流量数据,年总径流量计算采用以下方法计算:
年总径流量=年平均径流系数×集雨面积(km2)×降水量(mm)×10-5。由此式得到横溪、锦溪、灵溪、双林溪的年总径流量、地表径流量和基流量见表2。
4.1.2 入库面源负荷计算
南苕溪、横溪、锦溪、灵溪、双林溪入库污染负荷见表3。
t
由表3可知,南苕溪、横溪、灵溪、双林溪面源污染严重,化肥和农药的元素使用与流失,特别是N、P元素进入水体促使了青山水库水体富营养化的加剧;锦溪除了面源污染外,点源污染即工业污染严重,负荷占比较大。因此锦溪沿岸的工业污染源应该是重点防治对象。
4.2 库区的土壤流失面源污染负荷预测
4.2.1 参数确定
4.2.1. 1 降雨能量因子R
根据南方实测数据提出的R值计算式,该算式符合我国南方地理环境,并考虑月降雨量,R计算公式为:
式中Pi为月降雨量(mm)。由青山水库站降水量监测数据得R为270。
4.2.1. 2 土壤侵蚀因子K
据调查,水库区内主要土壤类型为红壤土和黄壤土,根据土壤类型和有机质含量,确定库汇水区内K值为0.24。
4.2.1. 3 植被覆盖因子C
水库区植被覆盖度约为80%。库区不同植被覆盖C值见表4。
4.2.1. 4 侵蚀控制因子P
侵蚀控制因子P是土壤流失通用方程中的一个重要因子,反映土壤受到人为各种管理措施的保护性影响的大小,如无任何水土保持措施,P值均为1。由于库区在个别地区采用等高耕作,确定P值取0.68。
4.2.1. 5 坡长因子L、坡度因子S
区域内的坡长、坡度因子与地面坡降有关。水库汇流区内取平均坡度20°,则坡降因子平均为36.4%。再根据公式分别计算评价区域内坡长因子和坡度因子为0.085和0.082。
4.2.1. 6 土壤中污染物浸出量CL
土壤中污染物的浸出量主要和土壤的质地、构成、有机质含量以及污染物在土壤中的迁移转化规律有关。为求得土壤中污染物浸出量,对研究区域内典型土壤进行取样、分析,对土壤中污染物浸出量进行实验。结合水库汇水区内土壤的本底值及其理化特性,确定研究区域内土壤中污染物浸出量TP、NH3-N,BOD5分别为73.8 mg/kg、129.6 mg/kg、98.8 mg/kg。
4.2.2 库区土壤流失面源污染负荷量A
由式(5)得出库区土壤流失面源污染负荷量A为0.00 455 kg/m2。库区流域土壤TP、NH3-N,BOD5的浸出量分别为202.48 kg,355.58 kg,271.07 kg。
5 结论与讨论
由于非点源污染具有广域、随机的排放特点,而且主要是随着地表径流迁移到受纳水体,这就决定了研究非点源污染负荷是和对水文、汇流过程的研究与分析密切相关的。因此针对非点源污染数据资料稀缺,机理模型难以建立的问题,对非点源污染年负荷量估算时运用水文分析方法,根据监测开展时间相对较长、数据比较密集的水文资料,采用水文分析平均浓度法计算青山水库入库支流的污染物(富营养化指标TP和NH3-N,有机污染指标BOD5)负荷。
采用华东勘测设计研究院的有关土壤侵蚀基础研究资料,考虑预测年库区内植被覆盖因子和侵蚀控制因子的变化,运用通用土壤流失方程和可浸出污染物负荷估算公式,对水库库区的土壤流失面源污染负荷(富营养化指标TP和NH3-N,有机污染指标BOD5)进行了计算。
青山水库库区流域土壤TP、NH3-N,BOD5的浸出量分别为202.48 kg,355.58 kg,271.07 kg。
参考文献
[1]付永峰,陈文辉,赵基花.非点源污染的研究进展与前景展望[J].山西水利科技,2003(3):32-35.
[2]沈晋,沈冰,李怀恩.环境水文学[M].合肥:安徽科学技术出版社,1992.
[3]贺宝根,周乃晟,高效江,等.农田非点源污染研究中的降雨径流关系——SCS法的修正[J].环境科学研究,2001,14(3):49-51.
[4]郑丙辉,王丽婧,龚斌.三峡水库上游河流入库面源污染负荷研究[J].环境科学研究,2009,22(2):125-131.
大气污染预测 篇7
一、大气环保设施工作原理
1. 石灰石-石膏法脱硫系统工作原理
石灰石-石膏湿法烟气脱硫工艺是目前世界上应用最广泛、技术最成熟的脱硫技术。石灰石-石膏湿法脱硫系统 (即脱硫岛或称FGD系统) 是一个完整的工艺系统, 一般分成以下几个分系统:烟气系统、SO2吸收系统、脱硫剂制备系统、石膏脱水系统、废水处理系统、事故浆液系统和辅助系统等。
石灰石-石膏湿法脱硫工艺采用价廉易得的石灰石作为脱硫吸收剂, 石灰石经破碎磨细成粉状与水混合搅拌制成吸收浆液, 也可直接用湿式球磨机将20 mm左右的石灰石磨制成吸收浆液。在吸收塔内, 吸收浆液与烟气接触混合, 烟气中的SO2与浆液中的碳酸钙以及鼓入的氧化空气进行化学反应而被脱除, 最终反应产物为脱硫石膏。系统中的石膏浆液经排出泵抽出打入石膏脱水系统, 脱水后回收成品石膏, 同时借此维持吸收塔内浆液密度。脱硫后的烟气经除雾器除去夹带的细小液滴排入烟囱。脱硫系统工艺流程如图1所示。
2. 静电除尘器工作原理
静电除尘器是利用高压电源产生的强电场使气体分离, 即通过产生电晕放电, 进而使悬浮尘粒荷电, 并在电场力的作用下, 将悬浮尘粒从气体中分离出来的除尘装置。接地金属圆管称为收尘极, 与直流高压电源输出端相连的金属线称为电晕极。电晕极置于圆管的中心, 靠下端的重锤张紧。在两个曲率半径相差较大的电晕极和收尘极之间施加足够高的直流电压, 两极之间便产生极不均匀的强电场, 电晕极附近的电场强度最高, 使电晕极周围的气体电离, 即产生电晕放电, 电压越高, 电晕放电越强烈。在电晕区气体分离生成大量自由电子和正离子, 在电晕外区 (低场强区) 由于自由电子动能的降低, 不足以使气体发生碰撞电离而附着在气体分子上形成大量负离子。当含尘气体从除尘器下部进气管被引入电场后, 电晕区的正离子和电晕外区的负离子与尘粒碰撞并附着其上, 实现了尘粒的荷电。荷电尘粒在电场力的作用下向电极性相反的电极运动, 并沉积在电极表面, 当电极表面上的粉尘沉积到一定厚度后, 通过机械振打等手段将电极上的粉尘捕集下来, 从下部灰斗排出, 而净化后的气体从除尘器上部出气管排出, 从而达到净化含尘气体的目的。静电除尘器的工作原理如图2所示, 静电除尘器结构透视如图3所示。
二、大气环保设施运行效果及其在非正常工况下的运行效果
1. 石灰石-石膏法脱硫系统脱硫效率及其在非正常工况下的脱硫效率
根据环发[2002]26号《燃煤二氧化硫排放污染防治技术政策》中规定:电厂锅炉烟气脱硫的技术路线是“大容量机组 (≥200 MW) 的电厂锅炉建设烟气脱硫设施时, 宜优先考虑采用湿式石灰石-石膏法工艺, 脱硫率应保证在90%以上……”。正常工况下, 湿式石灰石-石膏法工艺的设计脱硫效率可达到95%以上[3]。
与此同时, 环境保护部于2010年2月颁布的环境保护技术文件《燃煤电厂污染防治最佳可行技术指南》 (HJ-BAT-001) 也指出:石灰石-石膏法脱硫技术适应性强, 对煤种、负荷变化均具有较强的适应性;适用于大容量机组和高浓度SO2的烟气脱硫。在钙硫物质的量比在1.02~1.05, 循环液p H值在5.0~6.0时, 脱硫效率一般可达95%以上[4]。
根据环境保护部办公厅文件环办[2010]91号《关于火电企业脱硫设施旁路烟道挡板实施铅封的通知》, 要求所有新建燃煤机组不得设置脱硫旁路烟道。因此在不设置脱硫旁路烟道的情况下, 脱硫系统中喷淋系统及循环泵发生故障时, 需停运电厂进行检修。
因此, 在电厂的环评报告中不考虑脱硫系统非正常工况下的大气环境影响 (在现有已通过国家环保部环境评估中心审查的电厂环评报告中均不考虑脱硫系统发生故障情况下的环境影响) [5]。
2. 静电除尘器的除尘效果及其在非正常工况下的除尘效率
多电场的电除尘器, 虽然每个电场的结构和收尘面积相同, 但在运行过程中由于每个电场通道的气流分布、烟尘浓度、烟尘粒径、漏风率不一样, 导致每个电场的除尘效率有所不同。根据电除尘器捕捉烟尘的机理, 一般情况下电厂含尘烟气流经电除尘器时, 沿烟气流向烟尘浓度逐渐降低, 粉尘粒度也逐渐变细。在电除尘器每个电场均运行正常情况下, 一电场所收集灰的粒度相对较大, 灰量也多, 占全部收集灰量约80%, 然后按电场序号迅速递减, 三、四电场收集的灰量仅占全部灰量约4%。双室四电场的除尘效率一般为99.6%~99.8%[2]。
现有电厂大部分为双室四电场静电除尘器, 影响静电除尘器除尘效率主要有以下四个方面:
(1) 除尘器内部结构的不合理。如极板、极线变形造成极间距不均匀、电除尘器内气流分布不均匀、设备漏风等因素, 造成除尘效率降低。
(2) 烟气性质的影响。如烟尘浓度增加、烟气中的水分过大、粉尘比电阻过高等因素, 造成除尘效率降低。
(3) 运行操作因素的影响。振打强度不够或振打故障、灰斗卸灰方式不合理、电晕线肥大、阴阳极热膨胀不均及引风机调节造成烟气分布不均等因素, 造成除尘效率降低。
(4) 静电除尘器设备检修, 造成除尘效率降低。
除尘器内部结构的不合理、烟气性质的影响、运行操作因素的影响均可以在较短的时间内, 通过采取相关措施进行处理, 不会对除尘效果产生大的影响。但在除尘器设备检修时对除尘器的除尘效果将产生明显影响, 一般双室四电场的设备检修时最多停运2个电场。双室四电场最低保证除尘效率为99.6%, 当只有两个电场运行时, 其除尘效率将降低至96%, 附加脱硫除尘效率为50%, 合计为98%。
3. 运行实例
以某热电厂工程的污染物源强、地形参数及气象数据为依据, 利用EIAPro A2008 VER1.1大气环评专业辅助软件, 计算非正常工况下二氧化硫及烟尘的大气环境影响。
(1) 源强
根据拟建设项目设计数据, 环境空气污染源强数据见表1。
由表1中数据可知, 拟建项目的二氧化硫排放浓度为78.9 mg/m3, 烟尘排放浓度为28.5 mg/m3, 满足《火电厂大气污染物排放标准》 (GB13223-2011) 中SO2排放浓度小于100 mg/m3、烟尘排放浓度小于30mg/m3的要求[1]。
非正常工况下二氧化硫及烟尘排放情况, 即静电除尘器部分失效 (二电场运行) 。除尘效率为98%的情况下污染物排放情况, 本工程非正常工况下废气排放情况, 见表2。
由表2数据可知, 在除尘效率为98%的情况下, 锅炉烟尘排放浓度为683.7 mg/m3, 超标倍数为21.8, 远远超过《火电厂大气污染物排放标准》 (GB13223-2011) 中烟尘排放浓度小于30 mg/m3的要求。
(2) 大气环境影响预测
将污染物的源强数据、地形参数及气象条件输入EIAPro A2008软件中, 根据《环境影响评价技术导则·大气环境》 (HJ2.2-2008) 的要求, 计算出全年逐时小时气象条件下, 环境空气保护目标的最大地面小时浓度和评级范围内最大地面小时浓度。
注:污染物小时、日均落地浓度预测时均不考虑SO2扩散中的衰减、NO2的化学反应的影响。
(1) 预测参数
预测模式采用AERMOD, 以拟建项目烟囱为原点 (0, 0) , 预测各计算点 (环境空气关心点、网格点和区域最大地面浓度点) 污染物 (SO2、NO2、PM10) 的地面浓度值。模式计算时选取的参数见表3。
本工程大气污染物预测模式参数选取见表4。
本工程地面气象资料以新疆气象科技服务中心提供的距离本工程最近的吉木萨尔县气象站2008年全年逐日逐时地面风向、风速、干球温度和逐日定时地云量 (总云量、低云量) 为基础, 对云量进行插值逐时并转换为8分制云量数据。以整理后的逐日逐时的风向、风速、干球温度和云量数据为本次预测的气象条件。
本工程高空气象探测数据由环境保护部环境工程评估中心环境质量模拟重点实验室提供评价区域内的采用中尺度数值模式 (MM5) 模拟的50 km内的格点气象资料。高空探测数据为评价区域内2008年全年每天8时、20时两次的高空探测数据, 主要包括:探空数据层数、气压、离地高度、干球温度等气象数据。MM5模拟高空气象资料的格点参数见表5。
(2) 环境空气污染物浓度预测结果
a.非正常工况下最大地面小时浓度
非正常工况排放时, 典型小时气象条件下将评价范围内的所有网格点的P M10、SO2的1 h预测值按从大到小的顺序排序, 见表6。
由表6可知, 非正常工况排放时, 典型小时气象条件下本工程PM10最大地面小时浓度在二电场工况下低于二级标准限值 (由于标准中无PM10小时浓度限值, 按照日均浓度的3倍计算, 小时浓度限值取0.45 mg/m3) , 最大小时浓度值为0.1492 mg/m3, 占相应标准的33.16%。
b.关心点最大地面小时浓度
非正常工况排放时, 典型小时气象条件下各关心点污染物最大地面浓度预测见表7。
由表7可知, 非正常工况排放时, 典型小时气象条件下各关心点PM10在二电场工况下最大地面浓度均低于二级标准限值 (由于标准中无PM10小时浓度限值, 按照日均浓度的3倍计算, 小时浓度限值取0.45mg/m3) , 卡拉麦里自然保护区监测点浓度低于一级标准限值 (小时浓度限值取0.15 mg/m3) 。两电场工况下关心点中PM10最大地面小时浓度出现在五彩湾服务区, 最大小时浓度值为0.028 229 mg/m3, 占二级标准 (0.45 mg/m3) 的6.27%。卡拉麦里自然保护区PM10小时浓度为0.026 534 mg/m3, 占一级标准 (0.15 mg/m3) 的17.69%。
综上所述, 发生非正常工况排放时, PM10对区域的空气影响较正常工况时有所增加, 占标率较高, 因此必须加强脱硫及除尘设备的日常检查和维修, 避免事故排放的发生。
三、结论
综上所述, 在电厂的除尘及脱硫系统非正常工况下的大气环境影响分析中, 除尘系统发生故障, 其最低除尘效率为98%;脱硫系统由于不设置旁路烟道, 不考虑非正常工况下的大气环境影响。从运行实例可以看出, 发生非正常工况排放时, PM10地面最大小时浓度及各关心点的污染物最大地面小时浓度较正常工况有明显的增加, 因此必须加强脱硫及除尘设备的日常检查和维修, 避免事故排放的发生。
PM10对区域的空气影响较正常工况时有所增加, 占标率较高, 因此必须加强脱硫及除尘设备的日常检查和维修, 避免事故排放的发生。本次科标性对其他项目的非正常工况污染物源强确定及大气环境影响预测提供了依据。
参考文献
[1]GB13223-2001, 火电厂大气污染物排放标准[S].北京:中国环境科学出版社, 2001.
[2]金国淼.除尘设备[M].北京:化学工业出版社, 2002.
[3]郭东明.脱硫工程技术与设备[M].北京:化工工业出版社, 2007.
[4]梁坤, 孙燕青.石灰石-石膏湿法脱硫技术问题及脱硫效率探讨[J].内蒙古石油化工, 2010, 36 (3) :95～96.
大气污染预测 篇8
关键词：非点源污染,单位面积负荷,平均浓度,水质水量相关,土地利用
非点源污染是相对于点源污染而言的, 指溶解的或固体颗粒物从非特定地点, 在降水和地表径流的冲刷作用下, 随降雨径流的汇流过程进入河流、湖泊、水库、海湾等受纳水体, 而引起的水体污染[10]。
在控制非点源污染时, 首先需要确定非点源污染负荷, 并根据污染负荷在时间、空间分布采取相应的控制措施[8,12,15]。准确预测流域非点源污染年负荷, 需要在流域出口处监测每一场降雨径流和相应的水质资料, 由于非点源污染是一种随机性、不确定因素很多的复杂过程[1], 获取每场降雨径流过程的数据资料比较困难。实际研究中, 大部分流域没有水质水量同步监测资料或仅有部分监测资料 (有限监测资料) , 如何合理的利用这些数据来预测非点源污染负荷一直是非点源污染控制中的重点问题, 难点问题之一[14]。纵观国内外文献, 目前主要借助数学模型和统计相关模型来预测缺乏资料流域的非点源污染负荷。数学模型是通过模拟非点源污染产生的两个重要过程:降雨产、汇流过程, 污染物产、汇污过程, 来估算非点源污染负荷 (年、次暴雨) [10,12,14]。目前, 虽然开发了大量的非点源污染数学模型[8,14], 其缺点也十分明显:模型适用面积较小;流域划分单元格破坏实际的产汇流、产汇污过程。另外国外大多数模型中的产汇流、产汇污参数在我国缺乏应用资料, 难以推广, 如水土流失方程、SCS曲线法等。统计相关模型是抛开污染物的产流、汇流过程, 立足于受纳水体的水质监测资料, 预测流域的非点源污染负荷。大量的经验统计模型可供利用, 包括水质水量相关、水质土地利用相关、水质多元回归等[4,3,8,11]。统计相关模型具有参数需求量少、计算简单、运用方便等优点, 在实际中得到大量运用。但是其缺点也很显然, 建立统计相关模型需要大量数据;模型具有区域性;模型大多预测次暴雨径流污染负荷, 而实际中往往需要的是非点源污染年负荷, 以及不同年份的非点源污染年负荷。我国非点源污染研究处于起步阶段, 大部分流域和地区基础资料缺乏, 只有较小区域具有有限的水质水量同步资料[6,13]。
1 非点源污染负荷预测方法
我国部分地区和有关流域开展了非点源污染研究, 积累了有限的非点源污染监测数据[5,18]。合理、有效地利用这些数据, 预测非点源污染年负荷 (平水年、枯水年、丰水年) , 对于非点源污染控制具有重要意义。本文在这些方法的基础上, 提出改进的单位面积负荷法、水质水量相关法、平均浓度法、流域土地利用类型指数法。
1.1 单位面积负荷法 (改进)
一般农业流域具有多种土地利用方式, 不同土地利用类型的单位面积污染负荷不同[1,12]。确定每种土地利用类型的单位面积负荷需要长期的监测资料, 同时单位面积负荷法仅能预测流域多年平均非点源污染负荷[1,10]。对于具有有限监测资料的流域, 将监测的每场次暴雨径流量和非点源污染负荷除以流域面积, 可以得到每场次暴雨径流的单位面积负荷 (径流、污染物) 。
次暴雨径流单位面积负荷:
式中:Wu-流域次暴雨径流的单位面积负荷;Wi-第i场次暴雨径流的非点源污染负荷;A-流域面积。
由于流域的每场次暴雨径流污染负荷与降雨特征 (强度、持续时间、降雨时间间隔) 和作物生长等因素有关, 为了充分反映上述因素的影响, 利用流量权重法求得流域平均单位面积负荷, 即:
式中:-流域平均单位面积负荷;Wuk-第k次暴雨径流的非点源污染单位面积负荷;Quk-第k次暴雨径流量;m-暴雨径流监测场数。
次暴雨径流的污染负荷量与径流量间存在相关关系[10,12], 污染物单位面积负荷与单位面积径流负荷间也应存在着相同的关系, 同时消除研究尺度 (流域面积) 的影响, 便于流域非点源污染资料的外。
推[12,14]。当需要预测不同年份的非点源污染负荷时, 假定单位面积年径流深与单位面积年负荷间也符合该相关关系, 即可预测出流域的单位面积负荷, 进而可得流域的非点源污染年负荷量。
1.2 平均浓度法
降雨径流过程中, 根据单场实测次暴雨径流的平均浓度计算单场次暴雨径流的污染负荷, 利用流量权重法可求得流域次暴雨径流的污染物平均浓度。对于资料缺乏的流域, 只要预测出流域年次暴雨径流量, 即可计算出流域次暴雨径流的年污染负荷。
式中:W-非点源污染年负荷;Wk-第k场次暴雨径流的非点源污染负荷量;k-一年的降雨产流场数。
在实际中当监测的径流场数以及检测样本数均十分有限时, 可以利用式 (5) 计算单场次暴雨径流污染物的平均浓度:
式中:n-径流样本数。
一般研究流域往往具有多场监测数据, 利用流量权重法计算流域次暴雨径流平均浓度以消除不同场次间因径流量引起的偏差, 即:
式中符号意义同上。
对于不同年份非点源污染负荷可根据下式计算:
式中:Qp-某一年的次暴雨径流量。这样只要知道次暴雨径流量 (年、场暴雨) , 即可得到流域非点源污染年负荷量 (平水年、丰水年、枯水年) 。
1.3 水质水量相关法
非点源污染负荷量与次暴雨径流量间存在着线性或非线性相关关系, 利用流域有限的监测数据可以建立污染负荷与径流量的相关关系, 相关形式主要有线性、指数、对数形式, 笔者认为对数形式比较适合, 因为径流在一定范围内, 污染负荷随着径流量增加而增加, 但是最后趋于稳定值 (径流量很大, 而污染物浓度很低) , 利用对数关系可以反映这一实际情况12。一般的相关关系见式 (8) :
式中:Wk-第k场次暴雨径流的污染负荷;Qk-第k场次暴雨径流量;a、b-相关系数。
假设流域非点源污染年负荷与年次暴雨径流间也存在这样的相关关系, 只要得到年次暴雨径流即可预测出流域的非点源污染年负荷。但是, 这样的处理预测结果偏小。
对于流域M次降雨产流, 年负荷实际计算如下:
按照假设, 流域非点源污染年负荷:
很明显式 (9) 的第一项远大于式 (10) 的第一项, 当第二项的作用远小于第一项时, 这样假设的预测结果要小于实际情况。当第二项的作用远大于第一项时, 这种影响可以忽略不计。利用水质水量相关关系时必须注意这种影响, 需要分析影响程度。
1.4 流域土地利用类型指数法
对于没有水质水量同步监测资料的流域, 可以选取气候、降雨类似的参考流域 (具有水质水量同步监测资料) , 通过分析两个流域间的下垫面差异, 利用非点源污染负荷与流域土地利用类型间的关系, 预测无资料流域的非点源污染负荷。
一般农业流域的土地利用类型比较接近, 主要有耕地、村庄、水体、森林等。流域土地利用类型指数:
式中:R-流域土地利用类型指数;SF-森林面积;SG-草地面积;SA-耕地面积;SV-村庄面积。
流域土地利用类型指数反映了流域产生非点源污染的能力, 值越大反映流域产生的非点源污染负荷越少;同时该值受流域基质影响, 在选择参考流域时要注意两个流域基质要基本相同, 以免预测结果误差太大。
当流域的土地利用类型指数已知后, 利用式 (12) 计算无资料流域的非点源污染负荷:
式中:WR-无资料流域的非点源污染负荷 (平水年、丰水年、枯水年) ;WC-参考流域的非点源污染负荷 (平水年、丰水年、枯水年) ;RC-无资料流域的土地利用类型指数;RR-参考流域的土地利用类型指数;AR-参考流域面积;AC-无资料流域面积。
2 结论
大气污染预测 篇9
人工神经网络是人工智能的一个分支, 它是模仿人脑和神经网络系统的功能进行简单的模拟计算。通过对训练样本的学习, 将样本的特征记忆存储到网络权值中, 可实现对研究对象的精确模拟。其强大的容错功能, 可以比较轻松地实现非线性映射过程, 当常规方法解决不了或效果不佳时, 尤其是对问题的机理不太了解或不能用数学模型表示的系统, 运用人工神经网络可以取得满意的结果。
2、基于神经网络的食品中污染物残留量预测
我国建立食品卫生安全保障体系的时间还不长, 根据国际上的热点和我国的国情, 据初步估计, 我国现阶段可能会集中力量对众多污染物中少数几种危害面广、后果严重的污染物, 如:铅、镉、有机磷、有机氯等实行监控。本文就利用神经网络预测某地区的铅、镉、有机磷、有机氯等污染物在食品中的分布情况, 其他污染物的监控工作则有待推广。
本文根据国家统计年鉴、污染物分布数据, 将繁杂的食品种类聚类为9类 (粮食、鲜菜、食用油、肉禽及制品、鲜蛋、鲜奶、水产品、水果、坚果及果仁类) , 从而在保证模型精确的基础上, 增强其可行性。以我国某地区铅在九大类食物中的分布为例, 以某年的铅在九大类食物中的分布量作为输入, 后一年的铅在九大类食物中的分布量作为输出, 建立神经网络模型。对于这个神经网络, 究竟采用哪一种训练方法, 它的速度能达到最快, 这是难预知的, 因为这取决于诸多因素, 比如问题对象的复杂性、训练样本集的数量、网络的权值和预值等。但是通过Matlab实验, 可以得出各种算法性能上的一些比较, 结果如表1所示。
由表可知, 学习速率可变化的BP算法 (对标准BP算法的改进) , 可以在样本的训练过程中, 使学习速率随之变化, 这样可以避免了网络的振荡和不稳定性, 从而获得比其他算法更小的均方误差, 因此该预测模型采用学习速率可变的算法来进行网络训练。至于隐含层节点数的多少对训练结果的影响是比较复杂的, 一般来说如果网络的隐含层节点数太少, 网络将不能建立复杂的映射关系, 从而使网络培训不出来, 或者无法识别以前没有的样本, 并且容错性差;如果节点数过多, 又会使网络的学习时间过长, 误差也不一定能达到最小。因此对该预测模型经过多次试算得到比较理想的隐含层节点数是19。
根据上述因素该模型采用学习速率可变算法、隐含层激励函数选择logsig、学习速率为0.1, 网络的拓朴结构是输入层节点9个, 隐含层节点19个, 输出层节点9个。根据以往的铅在九大类食物中的残留量进行训练学习, 即对网络的连接权系数进行学习和调整, 使该网络能够实现给定的输入输出映射关系。经过训练的BP网络, 对于不是样本集中的输入也能够给出合适的输出, 在预测时, 再根据预测的前一年铅在九大类食物中的分布量得到当前的铅在九大类食物中的分布量。
该模型先将2003-2008年度污染物在食品中的残留量数据作为学习样本进行网络训练。为了检验该神经网络对未知样本的预测效果, 也就是网络的泛化能力, 把2008年度的样本数据代入训练好的网络中, 预测得到我国某地区2009年度铅在食物中的残留量的变化趋势情况, 如图1所示。
由图可知, 训练好的网络具有比较 (下转第120页 (上接第136页)
高的精确性, 本文就将它用于预测2010年度我国某地区食品中铅污染物的残留量, 具体结果如表2所示。该地区镉、有机磷、有机氯等污染物在食品中的分布情况也用如上同样的模型进行预测, 在此就不详述。
结论
本文建立的食品中污染物残留量预测模型, 是利用神经网络通过现有数据, 在评估当前食品安全现状的同时, 预测未来一段时间内该地区可能出现的食品安全隐患。神经网络计算方法, 是一种非线性方法, 不带有明显的主观成分和人为因素, 可以定量计算食品中污染物残留量的分布情况, 该污染物分布模型不仅适用于食品安全评估及预测分析, 同样适用于环境科学、微生物菌落分布等研究领域。
参考文献
[1]周开利, 康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京:清华大学出版社, 2004
[2]中华人民共和国国家统计局.中国统计年鉴2009[M].北京:中国统计出版社, 2009.
大气污染预测 篇10
三峡水库建成后,库区面临严峻的点源污染排放形势。研究发现,库区直排长江的工业废水是三峡水库水质的重要污染源之一,且水体污染以有机污染为主,主要污染指标为总磷、总氮等[1]。目前水体氮、磷污染负荷估算方法通常包括[1]:污染源统计法、通量计算法和模型计算法。Caraco等[2]根据全球35条大河数据进行了人口增长对硝酸盐输出影响的研究,将硝酸盐输出与点源氮排放、施肥及大气沉降等联系起来建立了一个简单统计模型,以阐明这些因素对区域氮流失所起的作用。Smith等[3]以流域人口密度和河流流量为变量,通过建立多元回归模型,对河流输送溶解态无机氮(Dissolved Inorganic Nitrogen, DN )进行模拟;Seitzinger和Kroeze[4]则在空间尺度上建立了河流DN输送模型,该模型考虑了DN的源和汇。目前,国内尚缺少大尺度点源氮、磷污染负荷及点源排放的贡献等方面全面的研究,或仅对部分小流域进行研究,或仅仅关注水体中营养盐的变化及输出通量[5,6,7,8,9,10]。本文通过研究人类活动与三峡库区氮、磷污染排放的相互关系,构造三峡库区点源氮、磷排放的模型,并预测其未来的变化趋势。
1材料与方法
1.1 模型研究方法
点源作为三峡水库营养盐的重要来源之一,与人类的生产生活密切相关。从点源营养盐排放的角度,人类活动与水体营养盐输送的关系就可以表示为点源排放量与人均 GDP的关系。本文借鉴王佳宁等[11]提出的氮、磷预测模型来分析三峡库区点源氮、磷营养盐的排放情况。该模型以Caraco[2]、Smith[3]及Seitzinger等[4]人的研究成果为基础,除了考虑上述氮模型中涉及的人口因素外,新模型中还增加了其他变量,如GDP、三峡库区现阶段污水处理率等因素,模型概括如下:
式中:mN/P为三峡库区点源氮、磷排放量,t;R为经过污水处理系统处理后去除的氮、磷量比例(0～1);α、β、γ是方程的系数;GDP为国民生产总值,万元;Pop为人口,人。
建立模型的首要问题是确认变量之间关系的状态(线性型或曲线型),文章通过SPSS17.0的回归功能中多种变换方法来寻找最佳的模型形式,最终确定使用线性回归建立回归方程,利用1997-2008年的数据进行校准和验证,对未来三峡库区点源排放变化趋势进行预测。
此外,为了有针对性的对三峡库区内排放的污染负荷进行控制,在空间上对三峡库区内几个主要城镇的点源污染负荷进行了比较分析。
1.2 资料来源
根据长江三峡工程生态与环境监测公报、环境统计年报统计了重庆库区和湖北库区的人口、GDP、生活污水及工业废水年排放量等;根据相应污水排放量及不同种类污水的浓度计算三峡库区的点源氮、磷排放量。
亿t/a
San Diego-Mcglone[12]在进行陆海相互作用的研究工作中,给出工业废水中TN浓度为10～70 mg/L,TP浓度为2～12 mg/L;生活污水中TN浓度为40～95 mg/L,TP浓度为5～13 mg/L。国内也有类似的研究,金相灿等[6]对太湖流域进行研究,提出工业废水TN浓度为23.3 mg/L,TP浓度为1.1 mg/L;生活污水TN浓度为61.8 mg/L,TP浓度为10.5 mg/L。黄真理等[13]对三峡库区 300家企业监测值的统计平均,得出工业废水中TN浓度为25 mg/L、TP浓度为6.3 mg/L。冉祥滨等[14]计算出三峡库区城市生活污水中TN、TP的含量分别约为 38.7 mg/L、5.42 mg/L。其他学者也提出了类似的浓度参考范围[15,16,17]。
综上所述,取工业废水总氮浓度25 mg/L,总磷浓度6.3 mg/L,生活污水总氮浓度38.7 mg/L,总磷浓度5.42 mg/L,作为三峡库区点源排放污水中氮、磷浓度值。计算过程中,假定蓄水前后,工业废水和城市生活污水中氮、磷浓度无变化,据此可分别计算出蓄水前后三峡库区工业废水和城市生活污水中氮、磷排放量。
2结果与分析
2.1 三峡库区氮、磷排放量的变化
根据工业废水和生活污水的排放量及相应的氮、磷浓度计算1997-2009年期间三峡库区点源氮、磷排放量结果如图1所示。由图1可见,三峡库区的点源氮、磷排放量均呈现先减少后增加再减少的趋势。其中,点源氮排放量从1997年的17 477.75 t减少到2002年的15 945.3 t,减少了8.8 %,随后氮排放量开始增加,到2009年三峡库区氮排放量达到54 620.9 t,是2002年氮排放量的3.43倍。点源磷的排放量也从1997年的2 759.78 t减少到2002年的2 636.18 t,减少了4.5%,随后磷排放量持续增加,到2009年磷排放量达到了9 401.74 t,是2002年的3.57倍。由此可见,蓄水后库区点源营养盐排放量显著增加。
自2003年三峡水库蓄水后重庆和湖北库区污水排放量均有增加,但增幅不同,如图2(a)所示。随水位逐年升高,湖北库区污水排放量增幅变大,由2003年的2.05%持续增加到2010年的14.37%,但其总量仍显著低于重庆库区。虽然重庆库区点源污染所占比例在下降,由2003年的97.95%持续下降到2010年的85.63%,但重庆库区仍然是三峡库区点源污染排放的主要区域。点源排放比例中,工业废水排放量微弱降低,但其在三峡库区点源污染中所占比例却持续快速减小,由2003年的59.46%减小到2010年的33.42%;相较之,生活污水排放量显著增加,尤其2008年水库蓄水水位提升至172.5 m之后,库区生活污水排放量是2003年初步蓄水时库区生活污水排放量的2.39倍,其在三峡库区点源污染中所占比例由2003年40.54%增加到2008年的60.6%。至2010年三峡库区污废水排放量均有一定程度下降[图2(b)],但生活污水所占比例仍然持续增加,达到66.58 %以上。
2.2 氮、磷模型的建立
选取污水排放氮、磷量、GDP以及人口等变量,根据式(1)进行拟合可得:
式中:mN、mP分别为库区点源氮、磷年排放量,t/a;A为库区人均国内GDP,万元。有研究者指出,生产生活排放的人均总氮量最高为19 g/d[18,19],经济发展到一定水平后,人均污染物排放量有可能下降,当人均 GDP约为35万元时人均氮排放量达到最大值,即模型在A<35万元时适用。决定系数结果显示,库区氮、磷年排放量与人均国内GDP之间存在较好的拟合关系,在99%的置信度上,分别达到83.2%及82%;同时,经过F检验,显著性概率小于1 %(Sig.=0),即结果可信。
模型忽略了农村与城市GDP差异。实际上并非所有的污水都直接排入三峡水库,经过污水处理系统处理的污水最终能够去除一部分氮和磷,因此,对模型进行修正:
式中:m′N(P)为最终进入三峡水库的点源氮(磷)量,t/a;R为污水处理所去除的氮(磷)比例(0～1);p为污水处理率(0～1);Ci为研究区域内各种污水处理技术的使用率(0～1);Di为研究区域内各种污水处理技术的氮、磷去除率(0～1)。
为进一步分析模型的可靠性,进行相对误差分析。利用1997-2008年库区污水排放的点源氮、磷量实际值与模型的回归估计值进行相对误差分析(表 2)。从表中可以看出,回归估计值与实际值吻合较好,在99%置信度上,N排放预测相对误差小于±0.29, P排放预测相对误差小于±0.25,利用这两个模型可以较好地预测三峡库区点源氮、磷的排放情况。
氮、磷模型皆显示:相对蓄水前而言,2003年三峡水库蓄水后回归模型精度更高,模型相对误差有逐渐减小趋势。因此,认为模型可以有效模拟并预测蓄水后点源污染负荷排放量。
2.3 点源污染物排放预测
假设三峡库区生活水平在2020达到小康生活水平,即人均GDP将达到中等发达国家水平4 000美元;谢亚巍等[21]对水环境人口容量进行计算表明:库区人口在2000年已经出现超载,到2008年库区水环境人口过载已达1 400多万人,由此假设在未来年份三峡库区人口将控制在当前水平。根据式(2)～(5),在 99%的置信度上,预测 2020年库区点源排放的氮、磷量分别为63 244.49 t和10 436.2 t,比2010年增长约1.39和1.78倍。为保护三峡库区内水环境质量,库区重庆范围内陆续(13个县、市)建成污水处理厂18座,总设计处理规模47.0万m3/d,受库区各县城实际地理位置和经济发展情况限制,18座污水处理厂所采用的处理工艺主要为氧化沟工艺、A2/O工艺和SBR工艺,各占66.7%、5.5%和27.8%[20]。
三峡库区经济发展对环境质量有强烈依赖性,政府对三峡库区环境保护也投入了巨额资金,三峡库区的污水处理率一直处于较高水平,2017年,重庆市三峡库区城市污水集中处理率稳定在94%以上,建制镇污水集中处理率达到80%[22],由此假定2020三峡库区污水处理率达到80%;再结合库区不同污水处理工艺的使用率及其氮、磷的去除率,由式(5)计算出氮、磷去除率R分别约为0.67和0.47。根据公式(4),2020年最终排入三峡库区的点源氮、磷量分别为20 870.68 t/a、5 531.19 t/a,即进入水库的净排放量约为其排放总量的一半。
3讨论
3.1 库区点源污染排放影响因素分析
GDP的变化是人类活动对自然改造的一个反映。1997-2009年三峡库区人均GDP变化如图3所示。由图可见,2003年三峡水库蓄水前,库区经济增长缓慢,蓄水后由于国家宏观调控带来大规模、高强度的投资,以及第三产业迅速发展,使得库区经济进入快速增长阶段。对照图1、图2可知,蓄水前自1997年至2002年库区点源排放微弱降低,分析其原因,可能是因为该时段为保证水库正常蓄水开展全面移民搬迁,大量工矿企业搬迁,部分破产、生产减少,且搬迁中加强了产业结构调整,造成库区经济发展缓慢,因而库区污染排放有下降趋势。2003年蓄水开始后,点源污染排放快速增加,至2008年达到峰值。分析可知,随着水库蓄水水位抬升,高峡平湖胜境带来旅游业等第三产业迅速发展,库区涌现大量流动人口,致使酒店等行业的生活污水排放量大大增加,尤其是水库蓄水至172.5 m,库区生活污水排放较135 m、156 m两个蓄水阶段有大幅提高。随着库区建设的进一步完善,清洁生产、节能减排等环保项目在库区得到重视,因此2008年之后,库区经济虽然快速增长,但点源废水排放量仍出现一定减小趋势。文献[23]认为经济增长将导致更高的污染排放,随着经济增长过程中规模效应、技术效应与结构效应相互之间关系的变化(技术进步,产业结构调整,政府开展环境政策宏观调控),将出现环境库兹涅茨曲线,即经济增长到一定程度后,污染排放下降。由此可预测到2020年,三峡库区点源污染排放终将得到控制,即最终的点源氮、磷净排放量不会很高。
3.2 库区点源排放控制目标分析
对蓄水前后库区主要城镇点源排放的总氮、总磷分别进行计算,结果如图4所示。从图可见,库区主要点源排放来自重庆主城区,湖北库区的污水排放量虽有显著增加,但与重庆库区相比,其污废水排放总量几乎可以忽略不计。因此,库区污染控制的重点应落实在重庆库区。
此外,结合图2可知,三峡水库蓄水后,库区点源排放中生活污水排量显著增加,幅度大于工业废水,相较之,工业废水排量变化较小。由此,库区点源控制的关键应落实在生活污水的治理上。
4结语
(1)蓄水后,库区点源污染物排放量随着人均GDP的快速增加而增加,其中库区生活污水排放量急剧增加,尤其2008年水库蓄水水位提升至172.5 m之后,库区生活污水排放量是2003年初步蓄水时库区生活污水排放量的2.39倍。
(2)基于三峡库区人均国内生产总值、年氮/磷排放量以及污水处理率等因子构建了点源污染物排放模型,在99%的置信度上,两个模型的方差解释量分别达到83.2%及82%。以此模型预测2020年库区点源氮排放量将达63 244.49 t,点源磷排放量达10 436.2 t;受益于库区高效的污水处理系统的影,预计2020年库区点源污染物净入库含量约为其总排放量的一半。
(3)库区点源污染治理的重点区域应放在重庆主城区,治理的主要目标是库区生活污水。