,,

    大家有沒有發現，雨后河道經常出現水質超標現象。

    過去查找污染源頭，要么靠加密監測，要么靠人工沿河排查，如同“大海撈針”，費時又耗力。

    但寧波引入一套智慧感知技術，配合“加密監測+岸上溯源”，讓污染物溯源從幾天變成小時級。這是什么“黑科技”？背后的原理又有哪些？中國環境APP聯系上這一技術的項目負責人姚先知，拆解這套技術的原理和打法。

    引入智慧感知體系，避免“大海撈針”

    中國環境APP：為什么寧波要引入智慧感知體系？

    姚先知：河道水質異常往往帶有波動性、偶發性、隱蔽性，很多污染過程集中在夜間、降雨時段發生。

    依靠傳統人工巡河，經常會錯過污染發生的窗口期，溯源排查容易撲空。城市沿河排口、污染點位點多面廣，全域人工徒步排查工作量巨大，也很難完整復現污染發生的全過程。正是基于這些現實痛點，我們將智慧感知體系引入河道污染溯源工作。

    中國環境APP：智慧感知體系依托的核心技術是什么？

    姚先知：感知體系依托數字高程模型（DEM）與管網液位監測兩大核心技術。數字高程模型（DEM）本質是一套三維地形數字化模型，把地面高程、坡度等地理信息全部數字化，用來模擬雨水徑流走向，判斷雨水會匯入哪一片管網，明確匯流歸屬關系。

管網液位監測，則是在檢查井內布設液位傳感器硬件，實現7×24小時不間斷采集管網水位變化，實時捕捉管網壅水、滿管、溢流等關鍵工況信號。

平臺顯示監測設備位置主界面

    中國環境APP：智慧感知技術有何優勢？又如何嵌入監測溯源閉環流程？

    姚先知：寧波城市排水以分流制系統為主，雨水、污水分兩套管網運行。排水分區動態感知體系，按照雨水、污水自然匯流邊界，把城市劃分為若干排水分區，依托硬件感知設備結合專業分析模型，實時掌握各個分區管網運行工況。一方面可以判斷污染物是從哪一個排水分區匯入河道，另一方面能夠對入河污染負荷開展量化分析，實現從“事后發現”向“過程捕捉”轉變。

    具體使用過程中，我們采用分步聯動的工作模式。

    首先開展河道加密監測，鎖定水質異常的時間窗口以及污染最為突出的河段；

    同步依托智慧感知設備采集管網液位、流量數據，初步圈定污染可能的來源片區；

    最后技術人員下沉到岸上實地核查，精準查找雨污混接點、管網破損缺陷等問題，完成污染源的定位工作。

這套體系的核心價值，就是捕捉雨天和夜間才會顯現的間歇性、隱性污染，把大面積排查縮小到重點可疑片區，改變以往“大海撈針”式人工排查模式，顯著提升溯源效率。

城市排水物聯網智能監測系統。點擊主界面右側設備列表報警可查看當前報警位置，通過算法將疑似污染管段分三級顯示，紅色為重度污染，黃色為中度污染，綠色為輕微污染。

    中國環境APP：這套感知體系的推廣應用價值有哪些？

    姚先知：感知體系可以適配不同規模的城區，既能夠應用于三江口這類管網建設年代久遠的建成老城區，也可服務縣域、鄉鎮水環境治理。監測數據與算法模塊做了標準化設計，可對接生態環境、住建、水利等部門現有業務平臺，溯源成果能夠直接支撐管網改造、城市更新項目謀劃。

    尤其對沿海城市十分友好，可兼容潮汐影響、高地下水位等復雜工況，具備“一地建成、多地復用”的推廣潛力。

    中國環境APP：針對小微水體這類城市水環境治理的“毛細血管”難題，這套體系能發揮哪些作用？

    姚先知：小微水體數量龐大、污染源碎片化，很多排污行為僅在降雨期間短時發生。我們可以把大的排水分區進一步拆解至小區、街巷級的更小單元，依托感知網絡自動捕捉短時、間歇性排污線索，不用依靠人員不間斷蹲守。精準鎖定分散細碎污染源，避免盲目開展大范圍工程治理，實現“污染出現在哪里，就精準治理哪里”。

    干貨速藏！排水分區怎么劃分？

    中國環境APP：排水分區動態感知體系，具體是怎么分區的？怎么理解按照雨水、污水自然匯流邊界，把城市劃分為若干排水分區？

    姚先知：排水分區，不是簡單按街道、社區行政邊界劃分，核心遵循自然匯流邊界。以數字高程DEM地形、管網拓撲連通關系為基礎，順著“源—網—站—廠—口—河”水流走向劃分：雨水看地表匯水，污水看管網重力匯流，一個分區內部的污水、雨水，最終流向同一個泵站或者同一個入河排口。

    一個城區會拆解成幾十至上百個排水分區，分區可大可小：老舊建成區管網密集，分區劃得更小，城區1平方公里就會有十幾個甚至幾十個小的排水分區（排水單元）；新建片區匯流范圍更大。分區數量取決于建成區規模，寧波主城區細化三級排水分區，約1500個獨立排水分區單元。

    通俗理解：每一個排水分區，就是一套相對獨立的“小排水系統”。降雨、管網溢流發生污染，污染物只會在本分區內順著管網向出口匯集。一旦下游河道或者排口出現水質異常，就可以反向鎖定是哪一個或者哪幾個排水分區出來的問題，實現從“整條河排查”縮小到“一個片區排查”，解決過去溯源范圍大、無從下手的難題。

    中國環境APP：液位傳感器是怎么布設的？能否介紹下安裝位置、安裝方法等？

    姚先知：傳感器部署在地下管網的檢查井井筒當中，不直接埋入管道內部，方便安裝、后期維護，不用開挖路面。

    黑臭水體監測：布設原則為優先布設在主干管節點、支管匯入點、泵站上游、歷史高液位/溢流風險點、排水分區的關鍵控制節點，形成一條液位感知鏈條，不是均勻鋪滿每一口井。

安裝方式：液位計根據不同的工作原理，選擇不同的安裝方式，雷達液位計采用壁掛式，位于液面之上；投入式壓力液位計通過導線懸吊在井底常水位之下。設備采用低功耗電池、NB—IoT無線傳輸，不需要外接市電，防護等級IP68，適應井下潮濕、腐蝕環境，數據5—10分鐘回傳一次平臺。

布設傳感器

    用好核心算法，“算”出污染軌跡

    動態智慧感知體系不是天然就把結果提供出來的，硬件、算法模型、數據融合缺一不可。其中，最核心的莫過于算法，那么，這套算法是如何剔除不合理數據，提取真實污染信號的？

    中國環境APP：智慧監測動態感知體系的技術壁壘是什么？

    姚先知：主要在于硬件、算法模型、數據融合三方面。

    第一，多源數據融合是最大壁壘。體系需要統籌地形數據、管網GIS數據、傳感器時序監測數據、降雨、潮汐等多源信息。寧波屬于沿海城市，還需要疊加地下水、潮汐頂托的影響，各類原始數據噪音大，數據清洗、時空匹配難度較高。

    第二，算法模型存在技術門檻。管網液位抬升不等于直接排污，需要區分管網水位上漲究竟是降雨、潮汐頂托，還是污水溢流導致。算法需要剔除各類水文邊界條件干擾，把真實的污染信號識別提取出來。

第三，現場硬件適配難度次之。井下環境潮濕，淤泥淤積、地下水位高等工況普遍存在，傳感器容易被淤泥覆蓋、發生腐蝕損壞。市面上監測硬件產品雖可采購，但難點在于如何把現場采集到的數據，通過模型運算輸出可靠、可用的研判結論。

    中國環境APP：算法模型的數據如何剔除水文邊界干擾，提取真實污染信號？

    姚先知：整套排水分區動態感知的分析算法，是結合寧波本地沿海工況本地化自研迭代，不是直接套用通用開源模型。

    最大的難點在于潮汐每日周期性漲落、地下水位隨雨季降雨量波動，都會帶動管網液位周期性變化，如果不做干擾剝離，很容易把潮汐、地下水的正常水位波動誤判成管網故障或者污染事件。

    信號提取分為3步：

    建立本地本底基準庫：用長時間歷史數據，學習每一個排水分區、每一口井的“正常模式”：比如大潮期液位會周期性抬升多少、雨季地下水位整體抬升幅度，把潮汐、地下水位、正常日夜間污水量，作為背景干擾分量。

    多因子耦合剝離干擾：算法同步讀入潮位、地下水位、降雨、泵站調度記錄。舉個寧波實例：大潮來臨，即使不下雨，沿江碶閘要候潮排水，地下水位隨著河道水位波動，部分檢查井液位也會被動抬高。算法把“潮汐帶來液位抬升”這一部分計算扣除；同樣，地下水位抬升帶來的管網液位抬升，也作為背景扣除。剝離之后，剩下的增量，才是管網內部本身來水異常、混接入流、淤積梗阻帶來的真實異常信號。

    時空鏈條交叉驗證：不是單看某一個傳感器單點數據。同一個排水分區上下游一串液位、水質測點做時間序列比對：異常信號要順著管網匯流方向依次傳遞，才判定為真實事件；單點跳變、其他上下游測點沒有響應，則判定大概率是設備噪聲、淤泥干擾，直接過濾。

    實際場景：沒有下雨，恰逢大潮，某井液位明顯上漲。算法對照同期甬江潮位數據，計算得出液位上漲和潮位高度強相關，判定是潮汐頂托帶來的被動抬升，不觸發管網故障告警；

    如果潮位平穩，沒有明顯降雨，但管網液位持續異常走高，上下游測點同步響應，這就剝離完水文邊界之后提取出來的真實異常信號，系統就會推送預警，提示開展管網排查，識別混接、破損、淤積等問題。

    這套算法專門針對沿海城市，區別于內陸城市模型，是我們長期總結下來的經驗。內陸不用重點處理潮汐?地下水耦合干擾，而寧波必須把這部分作為首要干擾項剔除，才能把真實管網缺陷、污染信號識別出來。

    中國環境APP：這套體系還有哪些提升空間？

    姚先知：第一，體系可以鎖定疑似片區，但不能直接定位到某一根具體錯接接戶管，最終核實取證仍然離不開人工現場勘查，無法完全替代人的工作。

    第二，井下工況惡劣，傳感器容易淤積腐蝕，后期設備需要運維，井下專用硬件性能仍有優化提升空間。

    第三，老城區部分管網歷史資料缺失、檔案與現場實際存在偏差，會造成模型計算結果產生偏差，需要持續現場校驗修正。

    河道指標恢復，還有必要溯源嗎？

    中國環境APP：雨后河道氨氮、總磷指標超標，為何能判斷主要來源于生活源？

    姚先知：第一看污染物組分特征。生活污水氨氮、總磷相關性很強，同步升降；工業污染源往往特征污染物不一樣，會伴隨COD、重金屬、特定鹽類異常。第二看時間特征：降雨觸發、雨后快速回落，和小區化糞池、接戶混接、管網滲漏溢流的時間規律高度匹配。第三結合溯源排查成果，寧波多輪溯源顯示，老城區大量老舊小區雨污串管、接戶管混接、管網破損滲漏，是雨天氨氮、總磷沖高的最主要來源；農業面源更多集中在城郊，工業源一般不受降雨這種短時脈沖驅動。

    當然不是說完全沒有面源，路面沖刷會帶來一部分總磷，但雨天河道氨氮脈沖高值，絕大多數指向生活源的溢流與滲漏。

    中國環境APP：水質能否隨著水流流動自動恢復？指標自動恢復之后，還有沒有必要追溯源頭？

    姚先知：物理稀釋、水體自凈作用下，降雨過后，河道指標確實會逐步回落，表現為“下雨超標、雨停變好”的現象。但指標自動恢復≠問題已經解決，源頭溯源仍然非常必要。

    原因有3點：

    ①指標恢復只是水體稀釋自凈，管網的混接、破損、滲漏缺陷客觀還在，下一次降雨、臺風過境，還會重復發生污染脈沖；

    ②反復脈沖式污染，會持續給河道底泥累積氮磷負荷，日積月累加劇富營養化；

    ③沿海感潮河道，漲落潮往復流動，污染團會在河網來回震蕩，表面監測斷面恢復達標，局部支流、排口附近依然存在污染點位。

    所以，“水質回來”是現象，溯源是找病根，不僅表現在污染源頭，也有的發生在管網輸送階段的破裂口，不能用雨后指標好轉代替源頭治理。

來源：中國環境APP