Processing math: 100%
高级搜索

降雨特征对合流制管网溢流污染的影响

,  ,  ,  , 

downloadPDF

上一篇

下一篇

海永龙, 佃柳, 郁达伟, 魏源送, 柳蒙蒙. 降雨特征对合流制管网溢流污染的影响[J]. 环境工程学报, 2020, 14(11): 3082-3091. doi: 10.12030/j.cjee.201912031
引用本文: 海永龙, 佃柳, 郁达伟, 魏源送, 柳蒙蒙. 降雨特征对合流制管网溢流污染的影响[J]. 环境工程学报, 2020, 14(11): 3082-3091. doi: 10.12030/j.cjee.201912031
shu
HAI Yonglong, DIAN Liu, YU Dawei, WEI Yuansong, LIU Mengmeng. Effect of rainfall on the pollution characteristics of combined sewer overflows[J]. Chinese Journal of Environmental Engineering, 2020, 14(11): 3082-3091. doi: 10.12030/j.cjee.201912031
Citation: HAI Yonglong, DIAN Liu, YU Dawei, WEI Yuansong, LIU Mengmeng. Effect of rainfall on the pollution characteristics of combined sewer overflows[J]. Chinese Journal of Environmental Engineering, 2020, 14(11): 3082-3091. doi: 10.12030/j.cjee.201912031
shu

降雨特征对合流制管网溢流污染的影响

  • 1.

    中国科学院生态环境研究中心，环境模拟与污染控制国家重点联合实验室，北京 100085

  • 2.

    中国科学院生态环境研究中心，水污染控制实验室，北京 100085

  • 3.

    中国科学院大学，北京 100049

  • 4.

    中国人民大学环境学院，北京 100872

    • 作者简介: 海永龙(1993—)，男，硕士研究生。研究方向：合流制溢流污染及其控制。E-mail：ylhai_st@rcees.ac.cn
    通讯作者: 郁达伟(1982—)，男，博士，助理研究员。研究方向：污水处理等。E-mail：dwyu@rcees.ac.cn; 
  • 基金项目:
    国家水体污染控制与治理科技重大专项(2017ZX07102，2017ZX07102-002)

  • 中图分类号: X552

Effect of rainfall on the pollution characteristics of combined sewer overflows

  • 1.

    State Key Joint Laboratory of Environment Simulation and Pollution Control, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China

  • 2.

    Department of Water Pollution Control Technology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China

  • 3.

    University of Chinese Academy of Sciences, Beijing 100049, China

  • 4.

    School of the Environment, Renmin University of China, Beijing 100872, China

    • Corresponding author: YU Dawei, dwyu@rcees.ac.cn ; 

摘要

  • 摘要: 为明确北运河流域合流制管网溢流污染特性的影响因素，选取上游城乡结合部的合流制溢流口为对象，基于现场连续监测和采样调查结果，采用条件回归树方法分析了合流制管网溢流污染的水质水量等参数与降雨特征之间的响应关系，并通过分析典型强降雨形成的溢流污染过程，验证了条件回归树预测的阈值。结果表明：沙河库区合流制管网溢流的污水流量与降雨特征密切相关，次降雨量在15~19 mm时发生溢流，溢流事件和溢流量高峰滞后于降雨强度高峰15~60 min，初期溢流污染物浓度高峰在持续(45±5) min后达到稳定水平；次降雨量显著影响溢流的流量和浊度(P<0.001)，次降雨量(P=0.029)、平均降雨强度(P<0.001)均显著影响溢流COD。研究结果可为北运河消减合流制管网溢流污染提供参考。
    Abstract: To determine the influence factors of pollution characteristics in combined sewer overflows in North Canal basin, one outlet of the combined sewer in the urban-rural junction area of the upstream was selected. The conditional regression tree method was implemented in this study to analyze the relationship between the pollution indicators such as water quality and overflow quantity and the rainfall characteristics, based on results of continuous monitoring and sampling surveys. Moreover, the predicted threshold of the conditional regression tree was verified by analyzing the typical process of the overflow pollution caused by heavy rainfall. Results showed that the overflow flux of the CSOs was significantly correlated with the rainfall in Shahe reservoir area. The overflows occurred at the overall rainfall of 15~19 mm per event. The overflows and its peak flux lagged behind the peaks of rainfall intensity for 15~60 min, the peak concentrations of pollutants in the initial CSOs reached stable after its lasting for (45±5) min. The cumulative rainfall per event significantly affected the quantity and turbidity of the CSOs (P<0.001). The cumulative rainfall per event (P=0.029) and average rainfall intensity (P<0.001) significantly affected the COD values of the CSOs. The research results can provide a reference for the North Canal to reduce the combined sewer overflows pollution.

  • 人造高分子聚合物塑料由于其延展性好、种类多样、成本低、经久耐用，被广泛应用于工业、农业、医药、市政等多个领域，同时给全球环境带来了巨大的塑料污染问题。 在全球范围内，只有18%的塑料垃圾被回收，24%被焚烧，其余大部分塑料垃圾被填埋或丢弃在土壤环境中，造成污染，危害生态环境[1]。 释放到环境中的塑料由于物理、化学和生物作用发生老化和降解，最终形成微塑料。2004年科学家首次提出“微塑料”概念[2]，后来被定义为“直径或长度小于5 mm的塑料颗粒、碎片或纤维”[3]。

    已有研究表明微塑料在环境中具有丰度高、传输距离长、分布广泛的特性。 近年来，微塑料不仅大量出现在海水及海洋沉积物中，而且在极地冰川和高原湖泊中也被检测出[4-5]。 随着微塑料相关研究的不断深入开展，研究人员发现微塑料会随着食物链不断迁移、累积，最终可能对人类健康造成威胁[6]。 微塑料污染问题已引起人们的特别关注，成为近年来环境污染最重要的主题之一[7-8]。但目前人们对微塑料在河口海岸区域的分布特征及生物效应认识还不充分。 本文围绕微塑料在全球范围内不同地理位置（包括大西洋、太平洋、欧洲、亚洲、非洲等）河口海岸区域内不同环境介质（表层水和沉积物）中的丰度、类型、尺寸等分布特征，以及微塑料在河口海岸区域的生物摄入、生物毒性、微生物效应等方面进行了综述，并对未来的研究重点进行了展望。

    1.   微塑料的环境分布特点（Occurrence and distribution of microplastics）

    微塑料污染问题是全球范围内问题，研究表明在世界范围内的河口海岸环境中已检测到微塑料的赋存[9-27]（表1），无论是发达国家还是发展中国家，甚至无人居住的北极海洋区域[28]以及深海底部[29]，微塑料都有被检测到，最高浓度可以达到172000—519000个·m−3[21]，主要种类为聚乙烯、聚丙烯、聚对苯二甲酸乙二醇酯、聚酰胺、聚苯乙烯，主要形状包括纤维状和碎片状。

    表 1  河口海岸环境中微塑料分布特点
    Table 1.  Characteristics of microplastics in estuarine and coastal environments
    研究区域Study area样本来源Sample source微塑料种类Microplastic type微塑料尺寸Microplastic size微塑料丰度Microplastic abundance微塑料形状Microplastic shape参考文献Reference
    新南威尔士州海港沉积物聚对苯二甲酸乙二醇酯、尼龙0.1—3 mm83—350 particles·kg−1球粒、纤维[18]
    德国莱茵河和梅因河地区沉积物聚乙烯、聚丙烯、聚苯乙烯0.063—5 mm4000 particles·kg−1碎片[25]
    阿尔及利亚安纳巴湾沉积物聚乙烯、聚丙烯、聚对苯二甲酸乙二醇酯、聚苯乙烯纤维状：（2.16 ± 0.34） mm薄膜状：（2.14 ± 0.19 ）mm泡沫状：（1.87 ± 0.16 ）mm碎片状：（1.82 ± 0.16 ）mm颗粒状：（0.81 ± 0.06） mm（649.33 ± 184.02） particles·kg−1纤维、碎片、薄膜、泡沫、颗粒[10]
    西北太平洋表层水聚乙烯、聚丙烯、聚酯、聚苯乙烯、聚乙烯-聚丙烯共混物、聚对苯二甲酸乙二醇酯、聚酰胺0.3—5 mm2.7 × 103—2.2 × 105 items·km−2碎片、颗粒、纤维、线、膜、泡沫[16]
    太平洋东北部、不列颠哥伦比亚海岸表层水—（606 ± 221） μm8—9180 particles·m−3纤维、碎片[27]
    阿拉伯海湾表层水聚乙烯、聚丙烯、聚对苯二甲酸乙二醇酯1—5 mm4.38×106—1.36×106 items·km−2纤维[23]
    孟加拉湾表层水聚乙烯、聚丙烯—（2.04 ± 2.26） items·m−2碎片[9]
    印度南安达曼海滩沉积物聚丙烯、聚苯乙烯、聚氯乙烯、聚丁二烯500—1000 μm（414.35±87.4） particles·kg−1碎片、纤维[12]
    印度普杜切里海滩沉积物聚丙烯、聚乙烯、聚苯乙烯、聚氨酯300 μm—1 mm（720.30 ± 191.60） particles·kg−1碎片[19]
    韩国南部海岸表层水油漆—（195 ± 114） particles·L−1颗粒[26]
    越南城市河流表层水聚乙烯、聚丙烯、聚对苯二甲酸乙二醇酯50—250 μm172000—519000 items·m−3纤维、碎片[21]
    南沙群岛表层水聚氯乙烯、聚酰胺、聚乙烯< 0.5 mm1733 items·m−3微珠[17]
    珠江口表层水聚酰胺、玻璃纸< 0.5 mm8902 items·m−3薄膜、碎片[15]
    中国胶州湾表层水聚对苯二甲酸乙二醇酯、聚丙烯、聚乙烯、聚酰胺、聚氯乙烯< 4 mm20—120 items·m−3纤维[14]
    沉积物聚对苯二甲酸乙二醇酯、聚丙烯、聚乙烯、聚酰胺、聚氯乙烯、聚苯乙烯< 4 mm7—25 items·kg−1纤维[14]
    黄河近河口表层水聚乙烯、聚丙烯、聚苯乙烯< 0.2 mm旱季：930 item·L−1、雨季：497 item·L−1纤维[13]
    北黄海表层表层水聚乙烯< 1 mm（545 ± 282） items·m−3薄膜、纤维[20]
    椒江河口、瓯江河口、闽江河口表层水聚乙烯、聚丙烯0.5—5 mm（955.6 ± 848.7） items·m−3、（680.0 ± 284.6） items·m−3、（1245.8 ±531.5） items·m−3纤维、颗粒[24]
    南海北部表层水聚乙烯1—1.9 mm0.26—0.84 items·m−3纤维[11]
    渤海表层水聚乙烯、聚丙烯、聚苯乙烯0.005—23.5 cm（0.33±0.34） particles·m−3碎片、纤维、薄膜[22]
     | Show Table
    DownLoad: CSV

    微塑料在河口海岸区域的分布具有明显的地域性。毗邻大西洋和太平洋的河口海岸环境中微塑料的丰度更高，粒径更小。这种分布特征可能和全球大洋环流作用有关。 在欧洲毗邻大西洋的区域，例如德国莱茵河和梅因河地区，其沉积物中微塑料丰度达到4000颗·kg−1[25]，最小粒径为63 μm[25]；在太平洋地区，包括太平洋东北部以及不列颠哥伦比亚海岸，其表层水中微塑料丰度可以达到9180 颗· m−3[27]；靠近太平洋及南海的南亚地区，比如越南城市河流，其表层水中微塑料的丰度更是高达172000—519000个·m−3 [21]，粒径最小达到50 μm [21]；然而，在非洲毗邻地中海区域，如阿尔及利亚安纳巴湾，其沉积物中微塑料丰度远低于欧洲、太平洋地区以及南亚地区，为（649.33 ± 184.02）颗·kg−1 [10]，最小粒径也较大，为810 μm [10]（表1）。

    微塑料在河口海岸的赋存丰度表现出表层水高于沉积物的特征。 例如，世界范围内，微塑料在河口海岸沉积物中最高丰度为4000 颗·kg−1 [25]，而在表层水中最高丰度可以达到172000—519000 颗· m−3[21]； 同时，在中国胶州湾沉积物中检测到的微塑料丰度为7—25 颗·kg−1 [14]，而其在表层水中丰度较高，为20—120 颗· m−3[14]。

    也有研究表明，微塑料在水环境中的分布会受到降水量的影响，例如在长江口及其邻近海域的分布受流域降水量影响，洪季微塑料含量明显高于枯季含量[30]，而在黄河近河口，旱季微塑料浓度明显高于雨季[13]。

    此外，微塑料的分布可能受到人类活动影响。例如中国珠江口[31]、加拿大安大略湖区[32]、德国莱茵河区[25]和仁川地区[33]是人口聚居地区，这些地区环境中微塑料主要以聚乙烯和聚苯乙烯为主。聚乙烯和聚苯乙烯主要应用于饮料包装、塑料袋或一次性餐具等生活垃圾，而北极极地地区的微塑料主要来自各地的垃圾在全球大洋环流作用下的漂流[34]，各种形式微塑料含量相对平均。

    微塑料在中国的分布呈现出部分中国本土化特征。 河口海岸区域如长江口[35]、渤海海岸[36]、东海象山港海域[[37]、南海北部湾海域[38]的微塑料污染相对严重，在水体和沉积物中都检测到较高浓度的微塑料，这些微塑料的来源和人类工业活动密切相关。 在城市水系如台州椒江、温州瓯江、福州闽江、珠江、雅鲁藏布江、怒江[24, 39-41]同样检测到了一定浓度的微塑料。长江口潮滩沉积物中微塑料检测结果显示的平均丰度为（3.42±1.31）颗·g−1，其中纤维状占主要部分[42]。 长江口潮滩沉积物中微塑料丰度在1月达到最高值[42]。

    2.   微塑料在河口海岸环境中的归趋：生物膜的影响（Fate of microplastics in estuarine and coastal environments: effects of biofilms）

    河口海岸区域汇聚了全球44%以上的人口，人类活动对近岸海域造成的环境压力也在不断增大。2015年全球塑料生产量已达到2.69亿吨，其中得到有效回收利用的塑料为750万吨，至2020年全球塑料生产量已达到3.67亿吨[43]，更多的塑料会进入环境中。 粒径小于5 mm的微塑料粒径较小，化学稳定性高，被排入水环境中难以被自然降解，可在水环境中存在数百至千年。微塑料进入环境后，在地表径流或洋流作用下，最终在河口海岸及海洋中赋存（图1）。

    图 1  微塑料在河口海岸环境中的归趋
    Figure 1.  Fate of microplastics in estuarine and coastal environments
    下载: 全尺寸图片 幻灯片

    微塑料可以成为微生物或海洋藻类的生长附着载体，进入海洋环境后的微塑料一周就可以形成附着牢固的生物膜。 表面生物膜的形成对微塑料的环境行为和归趋有重要影响。 微塑料被微生物或藻类附着形成生物膜后，亲水性显著性增强，密度增大，从水体表面向水底下沉，导致微塑料在海底不断沉积积聚[44]。 海洋中与日俱增的塑料垃圾威胁到海洋生物的生存并逐漸造成经济损失。 微塑料被微生物或藻类附着形成生物膜后极易被海洋生物摄入体内[45]。微塑料随着海洋生物的摄食直接进入生物体内，被摄入后微塑料会随着纤毛运动转移至消化系统中的消化腺以及初级、次级消化道。 此外，微塑料随着海洋生物通过鳃部过滤海水黏附在海洋生物鳃部的微绒毛上，之后通过胞吞作用直接被海洋生物摄入到体内。 低级海洋生物对微塑料的摄入表明微塑料进入海洋食物网是从最底层开始的，进而在食物链中进行传递富集。

    3.   微塑料的载体效应：污染物富集及生物入侵（Vector effects of microplastics: pollutant enrichment and biological invasion）

    微塑料进入环境后，其自身含有的化学添加剂，如抗紫外线剂、色素、阻燃剂、增塑剂等，会随着微塑料与海水接触释放到海水当中。 同时微塑料颗粒较小，拥有较大的比表面积，能够作为被动采样装置不断吸附各种污染物。 吸附实验表明，聚丙烯颗粒暴露6 d后，颗粒内多氯联苯（PCBs）和1,1-双（对氯苯基）-2,2-二氯乙烯（DDE）的质量比显著性增大[46]。 因此海洋中的微塑料既会成为污染物的来源，又会成为有毒污染物的传播载体。 原生的微塑料颗粒特别适合作为有机污染物或者增塑剂等的载体，毒性显著性强于滞留颗粒[47]。实验证明，聚氯乙烯和聚乙烯可以吸附和释放出二氯二苯三氯乙烷（DDT），苯丙氨酸（Phe），全氟辛酸以及邻苯二甲酸二（2-乙基）己酯（DEHP）[48]。 同时微塑料的结晶程度和表面特征会对污染物在不同密度微塑料中的扩散系数产生影响，进而影响其对污染物的吸附容量[49]。此外，微塑料为细菌、病毒、真菌、藻类等生物定殖形成生物膜提供了较为理想的局部生态环境。 研究表明，微塑料表面生物膜能够促进重金属在微塑料碎片上的积累[50]。 以Pb（Ⅱ）为例，生物膜不仅提升了微塑料吸附Pb（Ⅱ）的能力，并且增强了微塑料和Pb（Ⅱ）的联合毒性[51]。通过微塑料颗粒与铬的联合暴露实验发现，微塑料颗粒的存在使鱼类对高浓度铬的摄入能力显著性上升，铬与微塑料之间存在着明显的相互作用[52]。从牡蛎中分离出的微塑料表面吸附有微量金属铬、锰、镍、铜、锌、镉和铅，同时，微塑料的体内浓度与四种微量金属（镉、铬、铜和铅）的体内浓度之间存在相关性，这表明微塑料与微量金属之间存在潜在的体内相互作用[53]。 微塑料暴露会增加可吸附铜离子对条纹鲮脂鲤的毒性[54]，造成红鳌螯虾脂质代谢紊乱[55]。

    塑料碎片表面生物膜的形成会进一步促进其他小型生物附着到塑料表面，形成复杂的塑料生态圈。 海水中漂浮的塑料碎片为一些小型海洋生物提供了附着的载体，包括海藻、海草、苔藓虫、藤壶类、多毛纲蠕虫、水螅类和软体动物等易于附着的物种，其中一些物种甚至有一定攻击性[56]。 塑料碎片随着大洋环流不断流动，成为这些海洋生物迁徙的载体，依附于塑料碎片表面的海洋生物也同时随着塑料碎片的流动迁徙到不同的生态环境中[56-57]。 随着微塑料的迁移流动，微塑料表面吸附的海洋生物迁徙至其他纬度地区的机会大大增加，造成附着物种的远距离随机扩散和生物入侵，严重影响生物分布的规律以及干扰本地物种的生态平衡，危害海洋生态系统健康与安全[57]，对生态环境带来不可估量的长远影响[56]。 海洋生物的附着迁徙一直是外来物种入侵的主要途径， 微塑料的载体效应引起的生物入侵问题亟须更多深入研究。

    4.   海洋生物对微塑料的摄入：海洋生物体内微塑料丰度（Ingestion and accumulation of microplastics in marine organisms）

    微塑料在海洋生物体内被广泛检测到[58-72]（表2），表明微塑料可能随着食物链进入人类体内。海洋浮游动物是最容易受微塑料摄入影响的生物。 浮游动物可以摄入微塑料，虽然部分微塑料颗粒可以通过粪便等方式被排泄出，但大部分微塑料难以通过自身净化能力被排出而保留在体内[58]。海洋环境中的悬食浮游生物[58]和腐生生物随着摄食浮游动物和粪便，可能摄入这些排出的微塑料颗粒；而底栖生物具有生物扰动能力，可以使表层水与沉积层之间不断形成循环，微塑料颗粒也可能随着循环沉降到海底沉积层并随之被底栖生物摄入[69]。

    表 2  海洋生物体内微塑料丰度
    Table 2.  Ingestion and accumulation of microplastics in marine organisms
    调查物种Investigated species国家Country区域Region微塑料丰度Microplastic abundance参考文献Reference
    鱼类印度东南沿海0.1—5.3 items·individuals−1[61]
    鱼类澳大利亚悉尼港0.2—4.6 items·individuals−1[66]
    鱼类西班牙巴利阿里群岛2.47—4.89 items·individuals−1[67]
    鱼类美国东海岸1.8—110 items·individuals−1[62]
    鱼类哥斯达黎加太平洋沿岸32—42 items·individuals−1[64]
    鱼类南非南非沿海2.8—4.6 items·individuals−1[59]
    鱼类英国英吉利海峡海域3.89 items·individuals−1[72]
    贝类土耳其土耳其海岸0.69 items·individuals−1[63]
    贝类土耳其黑海1.69—4 items·individuals−1[60]
    贝类法国、比利时、荷兰沿岸海域（0.2 ± 0.3） items·g -1[68]
    贝类中国东部沿海2.1—10.5 items·g -1[69]
    贝类伊朗波斯湾0.2—21.0 items·g -1[65]
    浮游动物韩国南部海域雨季前：0.016 items·individuals−1雨季后：0.004 items·individuals−1[70]
    浮游动物中国渤海8月：0.117 items·individuals−111月：0.056 items·individuals−1[58]
    浮游动物加拿大太平洋东北海域0.029 items·individuals−1[71]
    磷虾加拿大太平洋东北海域0.059 items·individuals−1[71]
    肺线虫法国、比利时、荷兰沿岸海域（1.2 ± 2.8） items·g -1[68]
     | Show Table
    DownLoad: CSV

    这些生物对微塑料的摄入意味着微塑料的累积可能是从食物链的最底端开始[70-71]。 人类常食用的鱼类等水产品同样无法避免微塑料污染，美国东海岸鱼类体内微塑料丰度最高可达每条110颗[61-64, 66-67]。 中国作为水产品消费大国，微塑料污染情况不容乐观，贝类、牡蛎等滤食性生物体内的微塑料含量相对较高[68-69]。通过对中国21种海水鱼体内的微塑料丰度进行研究发现最高丰度可达到每条鱼7.2颗[73].

    随着营养级的提高，微塑料在海洋生物体内浓度呈现一定正相关。 位于底层的浮游动物，每17—34只个体体内会检测到1个微塑料碎片[71]，软体动物如紫贻贝，线虫等生物的体内微塑料丰度达每克组织有1.2—4.0个微塑料[68]。 而位于更高营养级的鱼类，其摄入微塑料的数量及形式都远远高于低营养级生物，在人们常食用的金枪鱼等鱼类中，一只鱼体内可以有高达110个微塑料碎片的存在（每条1.8—110颗）[62]。

    5.   微塑料暴露对海洋生物的毒性效应（Toxicity of microplastics on marine organisms）

    研究证实微塑料能够被生物摄入并在生物体内富集。实验室微塑料暴露会对各种海洋、潮滩生物产生各种毒性效应（表3）。

    表 3  微塑料暴露对海洋生物的毒性效应
    Table 3.  Toxicities of microplastic exposure on marine organisms
    物种Species物种拉丁名Latin name of species微塑料种类Microplastic type尺寸Size暴露浓度Exposure concentration毒性效应Toxicity参考文献Reference
    大黄鱼Large yellow croaker聚苯乙烯100 μm—肠道菌群结构发生改变，肠道呈现不健康状态[75]
    杜氏双边鱼Pisces duobula latera聚对苯二甲酸乙二醇酯2 mm0.025、0.055、0.083、 0.1 mg·L−1生长缓慢、存活率下降[95]
    眼斑双锯鱼Ocellaris Amphiprius聚乙烯180—212 mm0.04、0.2、0.4、 2 mg·L−1摄食行为发生改变[84]
    云纹石斑鱼Clouded grouper聚苯乙烯20—100 μm2.0、20 mg·g−1造成肝脏脂质代谢紊乱[86]
    三刺鱼Tres lapides聚乙烯球状27—32 μm纤维状500 μm100 000 particles·L−1微塑料在肠道和鳃中滞留[76]
    罗非鱼Tilapia mossambica聚苯乙烯0.3、 5、70—90 μm0.1 mg·L−1造成神经毒性和氧化应激、影响肝脏代谢[88]
    尖齿胡鲶Clarias gariepinus聚氯乙烯（95.41 ± 4.23） μm0.5%、1.5%、3.0% of diet造成氧化应激和肝脏损伤[89]
    尖齿胡鲶Clarias gariepinus聚氯乙烯（95.41 ± 4.23） μm0.50%、1.50%、3.0% of diet造成神经毒性和氧化应激[89]
    突唇白鲑Salmonium album labiis arrogantibus聚苯乙烯90 mm7.5、30 particles·mL−1子代未获得遗传适应性[92]
    白鲷Culptor albus聚苯乙烯500—1000 μm4241 particles·m−3摄食行为改变[85]
    光鱾Light聚苯乙烯8 μm0.001、 0.01 g·d−1造成肠道损伤[77]
    褐鳟Brown trout聚乙烯，聚对苯二甲酸乙二醇酯，聚苯乙烯3000 μm2.8 mg·L−1造成遗传毒性[91]
    虹鳟Rainbow trouba聚苯乙烯220 nm50 mg·L−1造成细胞毒性和基因毒性[96]
    黑头软口鲦Pimephales promelas轮胎橡胶颗粒38—355 μm300、1900、 6000 mg·L−1被摄食并在消化道内积累[65]
    条纹鲮脂鲤Prochilodus lineatus聚乙烯10—90 μm0.02 mg·L−1增加可吸附铜离子对条纹鲮脂鲤的毒性[54]
    泥鳅Loach聚氯乙烯< 10 μm50 mg·L−1造成肝脏损伤[90]
    贻贝Mytilus edulis高密度聚乙烯0—80 μm2.5 g·L−1影响免疫和溶酶体膜稳定性[80]
    太平洋牡蛎Crassostrea gigas聚苯乙烯2 、 6 μm0.023 mg·L−1影响生长发育和生殖细胞质量[97]
    日本新糠虾Neomysis Japonia聚苯乙烯5 μm10 mg·mL−1降低摄食率、改变捕食行为[86]
    丰年虾Met shrimps聚苯乙烯1、 3、 6、10 μm1 、1000 particles·mL−1乙酰胆碱酯酶（AChE）活性被显著抑制[81]
    白虾White shrimp聚苯乙烯44 μm50 μg·mL−1肠道微生物活性发生改变[98]
    红鳌螯虾Cherax quadricarinatus聚苯乙烯200 μm0、0.5、5 mg·L−1造成脂质代谢紊乱[55]
    中华绒鳌蟹Eriocheir sinensis聚苯乙烯5 μm0、0.04、 0.4、4、40 g·L−1肠道菌群组成和多样性发生改变[82]
    沙蚕Arenicola marina聚苯乙烯400—1300 μm0、1、10、100 g·L−1影响摄食活跃性和生长[48]
    海胆Tripneustes gratilla聚乙烯25—32 μm1—300 particles·mL−1生物放大效应[79]
    桡足类Calanus helgolandicus聚苯乙烯20 μm75 particles·mL−1摄食量、死亡率、卵形态等发生改变[78]
     | Show Table
    DownLoad: CSV

    （1）微塑料会在海洋生物的胃部、肠道等消化系统的绒毛上聚集并且产生毒性效应。 通过对大型海洋生物如鱼类、鲸类等的消化器官消解检测，证实微塑料会在其消化系统中富集[74-77]。 3种常见的食用鱼类，大西洋鲱鱼、沙丁鱼和欧洲鳀鱼的胃部都有微塑料被检测到[72]。 海洋生物在摄入微塑料后，易导致消化道堵塞，摄食能力受到影响，进而影响其生存。桡足类动物摄入微塑料后，随着时间推移，摄食量下降，生物质碳持续降低，对其自身的生长发育产生负面影响[78]。 摄入微塑料后，海胆幼虫能够在数小时内将胃部的聚乙烯颗粒排出。相比之下，环境浓度的微塑料颗粒对海胆等无脊椎动物幼虫产生的威胁有限[79]。 微塑料进入消化系统后会引起消化系统细胞发生一些重要的组织学变化，并且引发炎症反应、粒细胞血症的形成和溶酶体失稳，这些症状会随着暴露时间延长而增强[80]。 此外，微塑料会造成丰年虾乙酰胆碱酯酶（AChE）活性被显著抑制[81]。

    （2）微塑料暴露会造成海洋生物肠道微生物的活性和群落结构改变，例如造成鳌蟹的肠道菌群组成和多样性发生改变[82]，白虾肠道中微生物活性发生改变[72]，以及大黄鱼肠道菌群变化，肠道呈现不健康状态[75]。此外，也有实验通过将微塑料暴露在河口水样中，检测到微塑料表面会形成生物膜，且证明微塑料自身类型会影响生物膜群落结构[83]。

    （3）微塑料暴露会对生物造成神经毒性，改变生物的行为。例如，微塑料暴露可以对罗非鱼和尖齿胡鲶造成神经毒性，使眼斑双锯鱼[84]和白鲷[85]的摄食行为产生变化，降低日本新糠虾的摄食率，使其捕食行为减弱[86]，以及降低斑马鱼的游泳能力，减少其游泳速度和距离[87]。

    （4）微塑料暴露会对生物造成肝脏毒性。例如，微塑料暴露可以造成云纹石斑鱼肝脏脂质代谢紊乱[86]，影响罗非鱼的肝脏代谢[88]，造成尖齿胡鲶[89]和泥鳅[90]肝脏损伤。 微塑料暴露会引起罗非鱼[88]和尖齿胡鲶[89]产生氧化应激。

    （5）微塑料颗粒对生物的繁殖能力有着负作用。 微塑料暴露对褐鳟可以造成遗传毒性[91]，导致突唇白鲑的子代无法获得遗传适应性[92]。 经聚苯乙烯微塑料颗粒暴露过后，桡足动物的产卵率、卵的大小和孵化率都受到抑制作用[78]。 通过冲刷暴露方式，发现微塑料暴露后的成年太平洋牡蛎与正常情况下生长的太平洋牡蛎相比较，产生的配子和受孕率都会大大降低；且经过微塑料暴露的亲本产生的幼体牡蛎生长速率较正常牡蛎缓慢，证实了微塑料对于太平洋牡蛎的繁殖能力及其子代的生长发育存在一定的不利影响[83]。 微塑料颗粒增大海胆异常胚胎发育的机率为58.1%—66.5%，其中在海滩滞留的微塑料颗粒毒性要小于原生微塑料颗粒[47]。此外，微塑料暴露会干扰斑马鱼的生殖功能，虽然不会对其产生继代影响[93]，但是会增加亲代体内的氧化应激，甚至造成雄性斑马鱼生殖器官出现明显细胞凋亡[94]。

    6.   结论及展望（Conclusion and prospect）

    我国是一个拥有1.8万公里海岸线的海洋大国，微塑料污染的研究对我国河口海岸区域环境保护与生态毒性效应评估有着重要意义，同时，微塑料生物效应的研究对我国物种多样性资源的保护及水产养殖行业的发展有着重要意义[99]。 目前关于河口海岸环境中微塑料的赋存特征及生物效应研究，国内外学者已取得重要成果，包括检测到河口海岸区域水体和沉积物中微塑料的分布，观察到微塑料在海洋生物体内的富集现象，以及掌握了微塑料表面形成生物膜的证据，对研究微塑料的生物降解提供了新的思路，使人们对微塑料在河口海岸区域的污染现状有了更深刻的认识。 但目前关于微塑料生物效应的研究以实验室高浓度下微塑料暴露研究为主，且在微塑料对生物体的复合毒性效应方面认识不充分，亟待开展环境生物样品中微塑料污染，如微塑料进入生物的途径、进入生物体内后的组织分布及毒性效应等，以及开展微塑料复合毒性效应研究，如微塑料和其他有机污染物或重金属污染物复合污染的生物毒性效应研究。 微塑料进入海洋生物体后，可能进入食物链，经过食物链传递及生物放大效应，最终可能进入人体并对人类健康造成影响。 但目前人们对微塑料在食物链中的累积、传递相关认识还不充分，亟需开展微塑料通过海洋生物食物链对人类健康可能造成的风险相关研究。 此外，目前微塑料的环境研究主要集中于近岸海域水体及内陆水系和沉积物，针对我国河口海岸区域重要的土地资源潮滩区域研究较少，亟需时间尺度上对微塑料的长期变化监测。

    因此在后续研究中，建议重点研究：（1）环境生物样品中微塑料污染途径及毒性效应研究。 实验室内的研究结果与自然环境存在偏差，从真实环境中进行样本获取，研究微塑料在生物体内的分布特征、微塑料进入生物体的途径和机制、以及微塑料造成生物毒性的机制，能够提高人们对微塑料危害的认识；（2）微塑料复合毒性效应研究。 微塑料由于尺寸小，且对有机污染物和重金属具有一定程度的吸附作用，能够作为其他污染物的良好“载体”，可能对生物造成复合毒性效应，产生除微塑料本身颗粒物效应外新的毒性效应。研究微塑料的复合毒性效应及机制能够加深人们对微塑料生物毒性的认知；（3）微塑料的食物链累积、传递效应研究。现有研究已充分表明微塑料可以进入生物体内，并在生物体内造成积累，但是并不清楚其是否可以通过食物链传递最终对人类健康造成影响。 研究微塑料的食物链效应能够使人们充分认识微塑料污染对人类健康可能造成的风险；（4）我国河口海岸区域重要土地资源潮滩区域微塑料的长期变化研究。 目前缺乏对环境中微塑料污染长期监测的数据，开展重要土地资源潮滩区域微塑料的长期变化研究可以掌握微塑料环境分布的动态过程，能够为研究环境中微塑料的归趋、以及开展微塑料污染精准治理提供重要参考。

  • 图 1  研究区域及监测点位

    Figure 1.  Investigated region and monitoring point

    下载: 全尺寸图片 幻灯片

    图 2  瞬时溢流量的条件回归树分析(n=107)

    Figure 2.  Conditional regression tree analysis of instantaneous CSOs (n=107)

    下载: 全尺寸图片 幻灯片

    图 3  瞬时溢流COD的条件回归树分析(n=107)

    Figure 3.  Conditional regression tree analysis of instantaneous CSOs COD (n=107)

    下载: 全尺寸图片 幻灯片

    图 4  瞬时溢流浊度的条件回归树分析(n=107)

    Figure 4.  Conditional regression tree analysis of instantaneous CSOs turbidity (n=107)

    下载: 全尺寸图片 幻灯片

    图 5  CSOs污水水量对降雨特征的响应

    Figure 5.  Response of sewage volume of CSOs to rainfall characteristics

    下载: 全尺寸图片 幻灯片

    图 6  CSOs污水水质对降雨特征的响应

    Figure 6.  Response of CSOs sewage quality to rainfall characteristics

    下载: 全尺寸图片 幻灯片

    表 1  2018—2019年的5场降雨特征

    Table 1.  Five rainfall characteristics from 2018 to 2019

    编号采样日期次降雨量/mm降雨历时/h最大降雨强度/(mm·(10 min)−1)平均降雨强度/(mm·h−1)干旱时间/d降雨类型(以24 h计)[19]
    A2018-07-0316.68.22.32.02中雨
    B2018-07-1621.85.55.44.05中雨
    C2018-08-0875.25.313.414.29暴雨
    D2019-04-2421.4150.51.45中雨
    E2019-07-2253.46.57.28.223暴雨
    编号采样日期次降雨量/mm降雨历时/h最大降雨强度/(mm·(10 min)−1)平均降雨强度/(mm·h−1)干旱时间/d降雨类型(以24 h计)[19]
    A2018-07-0316.68.22.32.02中雨
    B2018-07-1621.85.55.44.05中雨
    C2018-08-0875.25.313.414.29暴雨
    D2019-04-2421.4150.51.45中雨
    E2019-07-2253.46.57.28.223暴雨
    下载: 导出CSV

    表 2  5场降雨事件的溢流污染特征

    Table 2.  Pollution characteristics of CSOs during 5 rainfall events

    编号溢流历时/min溢流量平均值/(m3·h−1)溢流总量/m3溢流量峰值/(m3·h−1)COD均值/(mg·L−1)COD峰值/(mg·L−1)COD溢流总负荷/kg浊度均值/NTU浊度峰值/NTU
    A904669.079.446.4833.260221
    B2 910140.86 828.637689.6445612.162150
    C1 020121.52 066.3351112.7420232.971336
    D410142.2971.7280371.81 120361.3117.3448
    E1 040198.93 448.71 011173.11 718597.056.9984
    　　注：B组溢流事件由3次降雨引起，第1次降雨量为21.8 mm，第2次降雨量为6.2 mm，第3次降雨量为9.2 mm；3次降雨间隔时间为690 min和760 min。
    编号溢流历时/min溢流量平均值/(m3·h−1)溢流总量/m3溢流量峰值/(m3·h−1)COD均值/(mg·L−1)COD峰值/(mg·L−1)COD溢流总负荷/kg浊度均值/NTU浊度峰值/NTU
    A904669.079.446.4833.260221
    B2 910140.86 828.637689.6445612.162150
    C1 020121.52 066.3351112.7420232.971336
    D410142.2971.7280371.81 120361.3117.3448
    E1 040198.93 448.71 011173.11 718597.056.9984
    　　注：B组溢流事件由3次降雨引起，第1次降雨量为21.8 mm，第2次降雨量为6.2 mm，第3次降雨量为9.2 mm；3次降雨间隔时间为690 min和760 min。
    下载: 导出CSV
  • [1] LYANDRES O, WELCH L. Reducing combined sewer overflows in the Great Lakes: Why investing in infrastructure is critical to improving water quality[Z]. Alliance for the Great Lakes, 2012.
    [2] FU X, HOPTON M E, WANG X, et al. A runoff trading system to meet watershed-level stormwater reduction goals with parcel-level green infrastructure installation[J]. Science of the Total Environment, 2019, 689: 1149-1159. doi: 10.1016/j.scitotenv.2019.06.439
    [3] FU X, GODDARD H, WANG X, et al. Development of a scenario-based stormwater management planning support system for reducing combined sewer overflows (CSOs)[J]. Journal of Environmental Management, 2019, 236: 571-580. doi: 10.1016/j.jenvman.2018.12.089
    [4] SOONTHORNNONDA P, CHRISTENSEN E R. Source apportionment of pollutants and flows of combined sewer wastewater[J]. Water Research, 2008, 42(8/9): 1989-1998.
    [5] SZTRUHÁR D, SOKÁČ M, HOLIENČIN A, et al. Comprehensive assessment of combined sewer overflows in Slovakia[J]. Urban Water, 2002, 4(3): 237-243. doi: 10.1016/S1462-0758(02)00008-0
    [6] 李海燕, 徐尚玲, 黄延, 等. 合流制排水管道雨季出流污染负荷研究[J]. 环境科学学报, 2013, 33(9): 2522-2530.
    [7] 赵磊, 杨逢乐, 王俊松, 等. 合流制排水系统降雨径流污染物的特性及来源[J]. 环境科学学报, 2008, 28(8): 1561-1570. doi: 10.3321/j.issn:0253-2468.2008.08.011
    [8] JALLIFFIER V I, LECONTE R, HUARINGA A U, et al. Modelling the impacts of global change on concentrations of Escherichia coli in an urban river[J]. Advances in Water Resources, 2017, 108: 450-460. doi: 10.1016/j.advwatres.2016.10.001
    [9] LAWLER D M, PETTS G E, FOSTER I D L, et al. Turbidity dynamics during spring storm events in an urban headwater river system: The upper tame, West Midlands, UK[J]. Science of the Total Environment, 2006, 360(1/2/3): 109-126.
    [10] MÉTADIER M, BERTRAND K J L. The use of long-term on-line turbidity measurements for the calculation of urban stormwater pollutant concentrations, loads, pollutographs and intra-event fluxes[J]. Water Research, 2012, 46(20): 6836-6856. doi: 10.1016/j.watres.2011.12.030
    [11] MAILHOT A, TALBOT G, LAVALLÉE B. Relationships between rainfall and combined sewer overflow (CSO) occurrences[J]. Journal of Hydrology, 2015, 523: 602-609. doi: 10.1016/j.jhydrol.2015.01.063
    [12] MONTSERRAT A, BOSCH L, KISER M A, et al. Using data from monitoring combined sewer overflows to assess, improve, and maintain combined sewer systems[J]. Science of the Total Environment, 2015, 505: 1053-1061. doi: 10.1016/j.scitotenv.2014.10.087
    [13] YU Y, KOJIMA K, AN K, et al. Cluster analysis for characterization of rainfalls and CSO behaviours in an urban drainage area of Tokyo[J]. Water Science and Technology, 2013, 68(3): 544-551. doi: 10.2166/wst.2013.253
    [14] LACOUR C, JOANNIS C, GROMAIRE M C, et al. Potential of turbidity monitoring for real time control of pollutant discharge in sewers during rainfall events[J]. Water Science and Technology, 2009, 59(8): 1471-1478.
    [15] BERSINGER T, BAREILLE G, PIGOT T, et al. Online monitoring and conditional regression tree test: Useful tools for a better understanding of combined sewer network behavior[J]. Science of the Total Environment, 2018, 625: 336-343. doi: 10.1016/j.scitotenv.2017.12.239
    [16] 张伟, 张洪, 单保庆. 北运河源头区沙河水库沉积物重金属污染特征研究[J]. 环境科学, 2012, 33(12): 4284-4290.
    [17] 刘博, 徐宗学. 基于SWAT模型的北京沙河水库流域非点源污染模拟[J]. 农业工程学报, 2011, 27(5): 52-61. doi: 10.3969/j.issn.1002-6819.2011.05.009
    [18] 李林, 张子曰, 范雪波, 等. 基于短时强降水特征的北京暴雨蓝色预警指标研究[J]. 气候与环境研究, 2018, 23(3): 268-274.
    [19] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会国家气象中心. 降水量等级: GB/T 28592-2012[S]. 北京: 中国标准出版社, 2012.
    [20] GROMAIRE M C, GARNAUD S, SAAD M, et al. Contribution of different sources to the pollution of wet weather flows in combined sewers[J]. Water Research, 2001, 35(2): 521-533. doi: 10.1016/S0043-1354(00)00261-X
    [21] 翟世奎, 张怀静, 范德江. 长江口及其邻近海域悬浮物浓度和浊度的对应关系[J]. 环境科学学报, 2005, 25(5): 693-699. doi: 10.3321/j.issn:0253-2468.2005.05.022
    [22] BERSINGER T, LÉHECHO I, BAREILLE G, et al. Assessment of erosion and sedimentation dynamic in a combined sewer network using online turbidity monitoring[J]. Water Science and Technology, 2015, 72(8): 1375-1382. doi: 10.2166/wst.2015.350
    [23] 水利部. 堰槽测流规范: SL 24-1991[S]. 北京: 中国水利水电出版社, 1991.
    [24] 国家环境保护总局. 水和废水监测分析方法[M]. 北京: 中国环境科学出版社, 2002.
    [25] SANDOVAL S, TORRES A, PAWLOWSKY R E, et al. The evaluation of rainfall influence on combined sewer overflows characteristics: The Berlin case study[J]. Water Science and Technology, 2013, 68(12): 2683-2690. doi: 10.2166/wst.2013.524
    [26] 熊丽君, 黄飞, 徐祖信, 等. 基于 SWMM 模型的城市排水区域降雨及地表产流特征[J]. 应用生态学报, 2016, 27(11): 3659-3666.
    [27] GASPERI J, GROMAIRE M C, KAFI M, et al. Contributions of wastewater, runoff and sewer deposit erosion to wet weather pollutant loads in combined sewer systems[J]. Water Research, 2010, 44(20): 5875-5886. doi: 10.1016/j.watres.2010.07.008
    [28] HANNOUCHE A, CHEBBO G, JOANNIS C. Assessment of the contribution of sewer deposits to suspended solids loads in combined sewer systems during rain events[J]. Environmental Science and Pollution Research, 2014, 21(8): 5311-5317. doi: 10.1007/s11356-013-2395-1
  • 加载中
    Created with Highcharts 5.0.7访问量Chart context menu近一年内文章摘要浏览量、全文浏览量、PDF下载量统计信息摘要浏览量全文浏览量PDF下载量2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-040Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 3.2 %DOWNLOAD: 3.2 %HTML全文: 83.4 %HTML全文: 83.4 %摘要: 13.4 %摘要: 13.4 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 86.4 %其他: 86.4 %Baoding: 0.0 %Baoding: 0.0 %Beijing: 5.8 %Beijing: 5.8 %Brighton: 0.1 %Brighton: 0.1 %Brooklyn: 0.0 %Brooklyn: 0.0 %Chang'an: 0.0 %Chang'an: 0.0 %Changzhou: 0.0 %Changzhou: 0.0 %Chengdu: 0.1 %Chengdu: 0.1 %Chongqing: 0.0 %Chongqing: 0.0 %Dresden: 0.1 %Dresden: 0.1 %Gaocheng: 0.1 %Gaocheng: 0.1 %Greve: 0.1 %Greve: 0.1 %Guangzhou: 0.1 %Guangzhou: 0.1 %Gulan: 0.0 %Gulan: 0.0 %Hangzhou: 0.2 %Hangzhou: 0.2 %Hung Hom: 0.1 %Hung Hom: 0.1 %Hyderabad: 0.1 %Hyderabad: 0.1 %Jinrongjie: 0.4 %Jinrongjie: 0.4 %Kunshan: 0.0 %Kunshan: 0.0 %Langfang: 0.0 %Langfang: 0.0 %Linfen: 0.0 %Linfen: 0.0 %luohe shi: 0.0 %luohe shi: 0.0 %Montreal: 0.0 %Montreal: 0.0 %Mountain View: 0.0 %Mountain View: 0.0 %Nanjing: 0.1 %Nanjing: 0.1 %New Taipei: 0.0 %New Taipei: 0.0 %Québec: 0.1 %Québec: 0.1 %Shanghai: 0.2 %Shanghai: 0.2 %Shenyang: 0.0 %Shenyang: 0.0 %Shenzhen: 0.1 %Shenzhen: 0.1 %Suzhou: 0.0 %Suzhou: 0.0 %Taiyuan: 0.0 %Taiyuan: 0.0 %Ulanqab: 0.0 %Ulanqab: 0.0 %Wulipu: 0.0 %Wulipu: 0.0 %Wuxi: 0.1 %Wuxi: 0.1 %Xi'an: 0.0 %Xi'an: 0.0 %XX: 3.6 %XX: 3.6 %Yuncheng: 0.1 %Yuncheng: 0.1 %Zhangjiagang: 0.0 %Zhangjiagang: 0.0 %Zhengzhou: 0.0 %Zhengzhou: 0.0 %Zhongshan: 0.1 %Zhongshan: 0.1 %上海: 0.0 %上海: 0.0 %北京: 0.4 %北京: 0.4 %南京: 0.0 %南京: 0.0 %晋城: 0.0 %晋城: 0.0 %深圳: 0.1 %深圳: 0.1 %贵港: 0.0 %贵港: 0.0 %运城: 0.1 %运城: 0.1 %长沙: 0.1 %长沙: 0.1 %阳泉: 0.1 %阳泉: 0.1 %其他BaodingBeijingBrightonBrooklynChang'anChangzhouChengduChongqingDresdenGaochengGreveGuangzhouGulanHangzhouHung HomHyderabadJinrongjieKunshanLangfangLinfenluohe shiMontrealMountain ViewNanjingNew TaipeiQuébecShanghaiShenyangShenzhenSuzhouTaiyuanUlanqabWulipuWuxiXi'anXXYunchengZhangjiagangZhengzhouZhongshan上海北京南京晋城深圳贵港运城长沙阳泉Highcharts.com
WeChat 点击查看大图
图( 6) 表( 2)
计量
  • 文章访问数:  5893
  • HTML全文浏览数:  5893
  • PDF下载数:  93
  • 施引文献:  0
出版历程
  • 收稿日期:  2019-12-04
  • 录用日期:  2020-02-28
  • 刊出日期:  2020-11-10
海永龙, 佃柳, 郁达伟, 魏源送, 柳蒙蒙. 降雨特征对合流制管网溢流污染的影响[J]. 环境工程学报, 2020, 14(11): 3082-3091. doi: 10.12030/j.cjee.201912031
引用本文: 海永龙, 佃柳, 郁达伟, 魏源送, 柳蒙蒙. 降雨特征对合流制管网溢流污染的影响[J]. 环境工程学报, 2020, 14(11): 3082-3091. doi: 10.12030/j.cjee.201912031
shu
HAI Yonglong, DIAN Liu, YU Dawei, WEI Yuansong, LIU Mengmeng. Effect of rainfall on the pollution characteristics of combined sewer overflows[J]. Chinese Journal of Environmental Engineering, 2020, 14(11): 3082-3091. doi: 10.12030/j.cjee.201912031
Citation: HAI Yonglong, DIAN Liu, YU Dawei, WEI Yuansong, LIU Mengmeng. Effect of rainfall on the pollution characteristics of combined sewer overflows[J]. Chinese Journal of Environmental Engineering, 2020, 14(11): 3082-3091. doi: 10.12030/j.cjee.201912031
shu

降雨特征对合流制管网溢流污染的影响

    通讯作者: 郁达伟(1982—)，男，博士，助理研究员。研究方向：污水处理等。E-mail：dwyu@rcees.ac.cn; 
    作者简介: 海永龙(1993—)，男，硕士研究生。研究方向：合流制溢流污染及其控制。E-mail：ylhai_st@rcees.ac.cn
  • 1. 中国科学院生态环境研究中心，环境模拟与污染控制国家重点联合实验室，北京 100085
  • 2. 中国科学院生态环境研究中心，水污染控制实验室，北京 100085
  • 3. 中国科学院大学，北京 100049
  • 4. 中国人民大学环境学院，北京 100872
  • 收稿日期:  2019-12-04
  • 录用日期:  2020-02-28
  • 网络出版日期:  2020-11-11
基金项目:
国家水体污染控制与治理科技重大专项(2017ZX07102，2017ZX07102-002)

摘要: 为明确北运河流域合流制管网溢流污染特性的影响因素，选取上游城乡结合部的合流制溢流口为对象，基于现场连续监测和采样调查结果，采用条件回归树方法分析了合流制管网溢流污染的水质水量等参数与降雨特征之间的响应关系，并通过分析典型强降雨形成的溢流污染过程，验证了条件回归树预测的阈值。结果表明：沙河库区合流制管网溢流的污水流量与降雨特征密切相关，次降雨量在15~19 mm时发生溢流，溢流事件和溢流量高峰滞后于降雨强度高峰15~60 min，初期溢流污染物浓度高峰在持续(45±5) min后达到稳定水平；次降雨量显著影响溢流的流量和浊度(P<0.001)，次降雨量(P=0.029)、平均降雨强度(P<0.001)均显著影响溢流COD。研究结果可为北运河消减合流制管网溢流污染提供参考。

English Abstract

    全文HTML

  • 合流制管网溢流(combined sewer overflows, CSOs)污染是地表水体突出的瞬时污染源，由于合流制管网部分位于城市河段的亲水景观区域，因此，对亲水空间的水环境质量影响较大，CSOs事件的发生往往会引发突出的环境问题和公共安全风险[1-3]。CSOs污水水质、水量动态过程的特征较为复杂[4-8]，受到降水径流、生活污水、管道沉积物等诸多因素的影响，因此，其与降雨强度、降雨历时及晴天累计数等密切相关[6, 9-10]。

    目前，有研究者[11-13]采用决策树、聚类分析、回归模型等统计分析方法对溢流事件进行了预测，包括溢流次数和溢流持续时间，但这些研究均没有给出具体的CSOs污染物浓度和污染物的排放量。还有一些研究者[10, 14]通过PCA (主成分分析)、相关性分析和回归模型等统计学方法探究了CSOs污染特征的动态变化，发现CSOs污染特征与降雨特征(如旱天天数、累积降雨量、最大降雨强度等因素)有一定的相关性，但对主要影响因素说明相对模糊。

    与其他统计分析方法相比，条件回归树具有以下的优势[15]：不需要对变量进行任何特定的约束假设；能找到非线性关系并计算出变量的阈值；能挑选出对高维数据的目标变量影响最大的变量及其组合变量来解释并预测目标变量。

    本研究针对北运河流域合流制管网溢流污染现状及其控制需求，选择北运河(北京段)流域沙河水库为研究对象，通过对典型溢流事件的连续监测，考察合流制管网溢流污染的水质、水量特征，并采用条件回归树分析方法，明确沙河流域CSOs污染特性的主要降雨影响因素，为北运河流域合流制管网溢流污染控制提供参考。

1.   研究区域、数据与方法

    1.1.   研究区域

  • 沙河水库位于北运河上游昌平区，库容为2.045×107 m3，库区面积为1.8 km2，流域面积为1 125 km2，有东沙河、北沙河和南沙河汇入[16]，流域面积依次为265、597和263 km2[17]。目前，沙河水库及入库河道主要的排水来源分别为污水处理厂退水、合流制管网溢流污水、道路边沟、排干的退水和其他少量分散点源排放等。

    如图1(a)所示，根据2017年和2018年的调查结果，沙河水库周边的溢流口从2017年的40个减少到了20个，分别为北沙河沿岸9个和南沙河沿岸11个溢流口，合流制溢流管网管径为300~1 200 mm，最小坡度为3‰。根据前期多次现场调研的情况，本研究选择典型溢流口为污染监测对象，其合流制溢流管网主要服务巩华城区域居民，点位P(116°20′14.79″N，40°00′26.82″E)是东沙河和北沙河入库口最近的溢流口，便于在线监测。北沙河南岸总共有3个溢流口，北沙河北岸有6个溢流口，监测点位于北沙河南岸，其服务面积为0.77 km2左右，研究区域道路均为沥青路面。如图1(b)所示，现场监测点合流制管道的管径为300 mm，管道坡度为3‰，溢流管的管径为1 000 mm，截流井为固定堰截流井。

    • 1.2.   研究数据

  • 北运河流域沙河水库地处北京市昌平区，根据国家气象数据中心所提供的北京昌平站点(ID 54499)的降雨量数据，昌平站点降水主要集中在6—9月，平均占年降雨量的80.9%，高峰期出现在7月上旬到8月下旬，因此，本研究数据为该时段连续在线监测的实际数据。次降雨量为一场降雨的总降雨量，降雨历时为从降雨开始至降雨结束所经历的时间，平均降雨强度为次降雨量与降雨历时之比。在本研究中，将降雨强度≥0.1 mm·h−1且在其后2 h内降雨不为0作为一次降雨事件，同时，剔除次降雨量小于1 mm的样本[18]。按次降雨量定义划分，本研究5场降雨均为一段时间内的连续降雨，监测的5场降雨事件的次降雨特征见表1。

    CSOs污染特性主要包括水质和水量特征。由于溢流过程是一个变化过程，因此，本研究将瞬时溢流量、瞬时溢流COD和瞬时溢流浊度作为3个考察目标，用于表征CSOs污染特性。选择COD作为CSOs污水水质指标的代表，是因为COD是全球城市污水水质评估的指标[15]。而选择浊度的原因是：GROMAIRE等[20]的研究发现，悬浮固体(SS)是CSOs污染的重要载体，但SS测定的过程复杂、耗时；还有研究[21]发现，浊度和SS之间有非常好的相关性，而浊度的测定非常方便快捷，所以将浊度选作CSOs污水水质的考察目标。

    本研究连续监测和计算的参数包括溢流量、瞬时溢流浊度、瞬时溢流COD。降雨特征是影响CSOs污水水质和水量的主要因素[22]，本研究考察的影响因子包括次降雨量，最大降雨强度，平均降雨强度，瞬时降雨强度。

    • 1.3.   研究方法

  • 本研究监测了A、B、C、D、E 5场监测点位P溢流事件的降雨过程和溢流水质水量过程。降雨信息通过现场安装的雨量计(型号：QS-3 000)监测，雨量统计频率为10 min·次−1。

    降雨时，采用自动采样器(型号：ZY-WLG-II)在溢流口和管道端口采集样品，并将样品保存于500 mL的聚乙烯瓶中。采样时间间隔为：降雨前期(降雨前期1 h径流)，水质采样频次为5 min·次−1；降雨中期(降雨1~2 h径流)，水质采样频次为10 min·次−1；降雨后期(降雨2 h以后至5 h径流)，水质采样频次为30 min·次−1；降雨末期(降雨5 h以后径流)，水质采样频次为2 h·次−1，具体采样时间依据实际降雨历时情况确定。

    依据监测断面尺寸，建立水位-流量数学模型[23]，点位P的流量数据由远传式明渠流量监测系统实时获取(北京泽源伟业环保科技有限公司)，水量监测频率为15 min·次−1。合流制管网流量模型[23]如式(1)~式(3)所示。

    式中：Q为管网流量，m3·h−1；h为等宽堰口水位，m；b为矩形堰口宽，m；p为堰定高，m；CD为流量系数；he为有效水头，m。

    水样采集、保存和监测方法依据文献中的方法[24]实施，浊度采用便携式浊度计(Turb 550, WTW, Germany)测定，COD采用哈希试剂管及DR2 800分光光度计(HACH, USA)测定。

    溢流过程污染物浓度的平均值为污染物质量浓度的流量加权平均值，即EMC[6]，其计算方法如式(4)所示。

    式中：C为次累积降雨的污染物的平均浓度，mg·L−1；V为溢流总量，m3；M为溢流过程中污染物总负荷，kg；t为溢流时间，min；Qij为第j次取样的溢流流量，m3·h−1；Cij为第j次取样的污染物浓度，mg·L−1；n为取样次数。

    本研究采用R语言对数据进行条件回归树[15]分析。条件回归树适用于因变量或者目标变量的值是连续的，由于具有强大的功能和实用性，可以结合降雨特性和水质水量进行综合分析。条件回归树是一种基于树的分类算法，通过对数据空间进行递归分区，并在每个分区内拟合一个简单的规则来获得模型。在每个分区内，进行相关性检验，对得到的较低P值的节点放在次分区第一的位置，相关性相对低的节点放在其后位置，对于P>0.05节点在回归树中不显示。该统计方法使用一组无假设的解释变量来解释每个变量。

2.   结果与讨论

    2.1.   CSOs污染特性

  • 如表2所示，5场降雨的溢流总量从大到小依次分别为B>E>C>D>A，平均溢流量为46~198.9 m3·h−1，溢流总量最高为6 828.6 m3，COD平均值依次为D>E>C>B>A，平均浓度为46.4~371.8 mg·L−1。COD溢流负荷从大到小分别为B、E、C、D、A，平均负荷为3.2~612.1 kg，平均浊度大小为D>E>C>B>A，平均浊度为56.9~117.3 NTU。这些结果表明，COD和浊度的均值大小变化趋势相一致，而COD溢流负荷主要与溢流总量相关。

    • 2.2.   CSOs污染特性的影响因素

  • 如图2所示，条件回归树得出了2个瞬时溢流量的影响因素(P<0.05)，分别是次降雨量(x)，并有2个阈值(37.8 mm和19.6 mm)；第2个因素是瞬时降雨强度(y)，只有1个阈值(0.2 mm·(10 min)−1)。如图2所示，终端节点3表示x≤19.6 mm的次数有17次，占总数的16%，此时溢流量(均值)最低为50 m3·h−1；终端节点5表示x>19.6 mm且y<0.2 mm·(10 min)−1的次数有67次，占总数的62%，此时溢流量(均值)为213 m3·h−1；终端节点6表示x>19.6 mm且y大于0.2 mm·(10 min)−1的次数有16次，占总数的15%，此时溢流量(均值)为197 m3·h−1；终端节点7表示x>37.8 mm的次数有14次，占总数的7%，此时溢流量(均值)最大，达到为290 m3·h−1。总体上，溢流量与次降雨量成正相关关系(P<0.001)。当次降雨量越大时，溢流量(均值)则越大，这与SANDOVAL等[25]的研究结果一致。据此，可以根据次降雨量推算出瞬时溢流量的结果。在研究中，当所研究的区域在一次降雨过程中的次降雨量为35 mm时，该次降雨所引发的瞬时溢流量可能约为230 m3·h−1。

    如图3所示，瞬时溢流COD的主要影响因子分别是次降雨量(x)和平均降雨强度(z) (P<0.05)。当x<19 mm时，瞬时溢流COD均值为476 mg·L−1(占比为15%)；当x>19 mm且z>2.56 mm·h−1时，瞬时溢流COD均值为206 mg·L−1(占比为28%)；当z<2.565 mm·h−1且x≤22 mm时，瞬时COD均值为21 mg·L−1(占比18%)；当x>22 mm且z≤0.989 mm·h−1时，瞬时溢流COD均值为28 mg·L−1(占比18%)；当x>22 mm，z>0.989 mm·h−1时，瞬时溢流COD均值为31 mg·L−1(占比21%)。瞬时溢流COD主要受到次降雨量的影响。当次降雨量大于19 mm时，由于稀释占主导作用，次降雨量越大，瞬时溢流COD浓度越小。而平均降雨强度(>2.565 mm·h−1)也会对管网和不透水地面的冲刷能力产生影响[15]，平均降雨强度越大时，冲刷作用越强，将更多的污染物带入CSOs污水中。

    如图4所示，瞬时溢流浊度的影响因子有4个，分别是次降雨量、瞬时降雨强度、瞬时溢流量和最大降雨强度。当次降雨量小于19 mm，瞬时溢流浊度浓度均值为208 NTU(占比为15%)；当次降雨量大于19 mm时，终端节点的瞬时溢流浊度均值为30~87 NTU(占比为85%)。瞬时溢流浊度主要受次降雨量的影响。当次降雨量大于19 mm时，稀释作用占主要因素；当次降雨量小于19 mm时，由于对下垫面和管道沉积物的初期冲刷作用，溢流浊度相对较高。

    • 2.3.   合流制管网溢流污水对降雨特征的响应

  • 图5反映了C和E组的连续在线监测结果，CSOs事件的发生时间与溢流前的平均降雨强度有关，瞬时降雨强度大小影响溢流量峰值的滞后时间。图5(a)反映了2018年8月8日的监测结果，降雨历时约为320 min，当累积降雨量达到19 mm时，降雨历时145 min发生了溢流，第1个溢流量峰值滞后于瞬时降雨量峰值60 min，第2个溢流量峰值滞后于瞬时降雨强度峰值30 min。图5(b)反映了2019年7月22日的监测结果，本次降雨历时460 min，当累积降雨量达到15 mm，降雨历时55 min发生溢流事件，溢流量峰滞后临近瞬时降雨量峰值60 min。7月22日溢流前的平均降雨强度大于8月8日溢流前的平均降雨强度，平均降雨强度越大，雨水下渗时间越短，径流产生量相对较大[26]。因此，7月22日降雨，监测点位P发生溢流事件所需的降雨时间更短、累积降雨量更小。总体而言，CSOs污水的水量对降雨特征的响应非常明显，溢流水量高峰滞后于降雨强度的高峰。因此，降雨特征是影响CSOs污水水量的重要因素。

    图6反映了2018年8月8日和2019年7月22日的连续在线监测结果，图6(a)反映了2018年8月8日的监测结果，图6(b)反映了2019年7月22日的监测结果。由于受到冲刷作用和稀释作用的影响，溢流水质会随着降雨的进行不断变化。由图6可知，不论是8月8日的降雨还是7月22日的降雨，初期CSOs污水的水质最差，随着降雨的进行，稀释作用增强，导致污染物浓度逐渐降低。8月8日和7月22日的CSOs污水水质在溢流过程发生(45±5) min后，达到了稳定水平，因此，根据溢流污染浓度特征，建议该区域的CSOs污染控制措施可以采取截留初期污水，主要截取溢流过程中前(45±5) min溢流出的废水。比较2次降雨过程中CSOs污水水质发现，7月22日的CSOs污水水质明显劣于8月8日的CSOs污水水质，分析其原因为，7月22日以前近23 d未有较大强度的降雨，管道内污染物质进行了近23 d的沉积。现有研究[27-28]认为，合流制管网沉积物是CSOs污染的重要来源，污染贡献率约占47%~80%。因此，CSOs污水的水质不仅与降雨过程有关，还与降雨前的管道沉积物累积量(旱天时间)有关。

3.   结论

  • 1)溢流污染主要受降雨的稀释和冲刷作用的影响，溢流量主要受次降雨量(P<0.001)的影响，瞬时COD和浊度主要受次降雨量(P<0.05)和降雨强度(P<0.05)的影响。

    2)在2次典型溢流事件中，平均降雨强度影响溢流事件发生所需时间，平均降雨强度越大，发生溢流事件所需时间越短；溢流水量高峰滞后于降雨强度高峰30~60 min；溢流污染水质初期最差，以浊度和COD为主要污染物，在溢流(45±5) min后达到稳定水平。

参考文献 (28)

返回顶部

目录

/

返回文章
返回

Copyright © 2019 中国科学院生态环境研究中心