1 引言(Introduction)

　　城市濕地生態系統具有多樣化的植物群落和種類繁多的動物資源, 并可調節地區水資源和水熱平衡, 對城市生態影響較大.由于中國的污水管道建設相對落后, 污水管道的溢流湖泊周圍可能會造成污染物污染, 并導致水質量退化(Chen et al., 2009).隨著經濟的深入發展, 這種污染的后果越來越嚴重.外部污染源、內部來源(營養物質釋放來自沉積物)和水動力條件(局部循環)都是導致水質惡化的關鍵因素(Wang, 2014).城市濕地生態系統處理污水技術對污水處理效果明顯、綠色經濟、便于維護, 目前已被廣泛采用(武春芳等, 2014;Stottmeister et al., 2003;Filip, 2002).但由于城市發展過程中污廢水大量排放, 嚴重超過了濕地對污水的凈化能力范圍, 造成濕地生態系統惡化, 成為城市的“頑疾”.這些問題在許多城市都曾出現, 國內外學者對濕地生態凈化及治理做了大量高水平的研究工作, 并取得了一定的效果.謝宇(2012)研究了水生植物對水體的凈化作用, 提出水生植物對水質的影響機制.張嫣然(2012)對不同情境下濕地生態用水的水質和水量的時空分布進行了模擬, 并提出生態用水調控方案.焦璀玲等(2008)采用MIKE21水動力模型對濕地現狀水質進行模擬.林國慶等對河口濕地的水動力和水質條件進行了研究, 提出了生態用水的灌溉調水方案(Lin et al., 2011).楊永森等(2015)建立了濕地水域的二維水動力模型, 提出了濕地生態補水方案.以上研究主要是利用模型通過設置適當的參數對水域的水動力或水質狀況做出模擬, 即現狀模擬, 未深入探討水生生物對水域水動力條件和水質的影響.本文以大慶市龍鳳濕地為研究對象, 主要針對濕地中水草豐茂的特點, 考慮水草對糙率及污染物轉化的影響, 建立二維水動力水質耦合模型, 針對濕地水域水環境建立多目標優化函數, 采用狼群搜索算法對設置的不同的水質改善方案尋優求解, 得到最優方案.

　　2 研究方法(Methods)2.1 總體思路

　　本文的研究思路為：首先, 根據研究水域的進水、出水條件, 并考慮風場、水生植物等對水流的影響, 建立二維湖泊水動力學模型, 模擬流速、水位、流量等水動力指標的時空變化過程;其次, 基于污染物在水體中發生的稀釋、遷移、降解等作用機制, 并考慮研究水域內排污口排放、底泥內源釋放及周邊面源和暗排口的匯入, 建立描述污染物濃度時空變化過程的二維水質遷移轉化數學模型;最后, 在研究水域內選取相應的控制點, 以控制點的水質濃度達到目標濃度作為控制條件, 通過設置不同的水質改善方案, 輸入到已建立的水動力-水質模型, 推求得到確保所有控制點都能滿足水質目標要求的允許排污負荷總量, 進而優選出最優方案.

　　2.2 基于MIKE21的湖泊二維水動力模型

　　MIKE 21模型是丹麥水力研究所(DHI)開發的系列水力學軟件之一, MIKE 21水動力模塊是建立在二維數值求解方法的淺水方程基礎上, 深度上集成三維不可壓縮Reynolds值均布的納維-斯托克斯方程, 并服從于Boussinesq假定和靜水壓力的假定.該模型采用有限體積算法, 計算網格采用非結構網格, 因此, 能夠靈活處理復雜地形和動態變化的水陸邊界.水動力模型控制方程包括水流連續方程(1)、X方向動量方程(2)和Y方向動量方程(3).

(1)

(2)

(3)

　　式中, h為水深(m);d為時間變化水深(m);ξ為自由水面水位(m);p、q分別為x、y方向的流量密度(m3·s-1·m-1);g為重力加速度(m2·s-1);C為謝才阻力系數(m1/2·s-1);f為風摩擦系數, 無量綱;V、Vx、Vy分別為風速及x、y方向的風速分量(m·s-1);Ωq為Coriol系數, Ωq=2ωsinθ;其中, ω為地球自轉角速度(rad·s-1);θ為計算點所處的緯度(°);ρw為水的密度(kg·m-3);Pa為大氣壓強(kg·m-1·s-2);x、y為空間坐標(m);t為時間(s);τxx、τxy、τyy為切應力(謝銳等, 2010;竇明等, 2016, 馮媛, 2016).

　　水生植物可以通過自己的枝干根系和植株密度對水流產生影響, 從而影響水流阻力(房春艷, 2010).對于濕地水域, 水生植物較多, 影響水流阻力的因素不僅有糙率還應包含植物所引起的附加阻力, 因此, 傳統的糙率計算公式不適應此種水域.為此, 有學者提出了水生植物大量生長環境下的曼寧修正公式(4)(閆靜等, 2014), 該公式綜合考慮了水生植物對水流阻力的影響, 比較切合濕地等水草豐茂的水域.

(4)

　　式中, n表示糙率系數, 無量綱;R表示水力半徑(m);ψ表示大型水生植物密度(株·m-2);Yd表示植物拖拽系數, 無量綱(其值與雷諾數大小有關).本文在確定糙率系數時結合濕地實際資料, 利用式(4)計算糙率, 對不同水域的設置不同的糙率系數.

　　2.3 基于水生生物自凈作用的二維水質模型

　　水生植物是濕地的重要組成部分, 在濕地的污水控制和凈化處理方面有以下4項作用(肖洋等, 2014;李龍山等, 2013)：①通過光合作用生成氧氣和有機物, 提高水體溶解氧含量和生化反應能量;②對水中的氮、磷等營養元素有較強的吸收作用, 有些植物如蘆葦(Phragmites communis)和大米草(Spartinaanglica)對水中懸浮物、氯化物、有機氮、硫酸鹽均有一定的凈化能力;③增加阻力降低污染物擴散速率, 防止污染源進一步擴散;④增加或穩定土壤的透水性, 提供良好的過濾條件以防止濕地被淤泥淤塞.但真正來自大型水生植物的營養鹽吸收利用量是有限的, 這是由水生植物生長特性所決定.

　　濕地水生態系統的富營養化狀態不僅取決于營養物質的負荷, 水溫、光照、鹽度、水動力條件也相當重要.基于水動力模塊, 采用DHI ECO Lab模塊對濕地水質進行模擬, 該模塊是定制水生生態系統模型的開放型工具, 可描述與環境、水污染問題相關的物理、化學和生物過程, 包括大氣富氧作用、光合作用、硝化作用、異養生物(細菌)呼吸作用等過程(竇明等, 2015;余曉等, 2011).在此將水域內各種物質之間的轉化關系進行概化, 具體如圖 1所示.各種物質的轉化過程如式(5)~ (9)所示.

　　圖

　　圖 1水質指標之間的相互作用關系示意圖

　　在濕地環境下, 水生植物的生長動力學過程對水質影響至關重要, 呼吸作用和光合作用是綠色植物的兩大生理學過程, 在這些過程中包含了水生植物對水中營養物質的吸收及各種物質之間的相互轉化過程(張曉玲等, 2016;種云霄等, 2003).基于水生植物的生長動力學過程建立如下所示：

(5)

　　式中, j=f、e、s, 分別表示浮游植物、挺水植物和沉水植物;Mj為單位面積水生植物的生物量(g·m-2, 以C計);t為時間(d);PMj為水生植物生長速率(d-1);RMj為水生植物新陳代謝速率(d-1);LMj為水生植物被捕食速率(d-1).

　　水生植物的生長率PMj是一個復雜的非線性函數, 主要受水溫、光照強度和營養鹽濃度及植物自遮蔽作用等外部環境條件的制約.水生植物的生長率PMj可表示為上述因素的乘積, 即：

(6) 式中, Gmax為植物的最大生長率(d-1);G(T)為溫度調節因子,

, T和Topi分別為實際水溫和植物生長最佳水溫(℃);G(I)為光照衰減因子,

, 無量綱, I和Iopi分別為水下實際光照強度和植物生長最佳光照強度(lx);G(N)為營養限制因子, 根據Liebig′s最小元素限制定律, 植物生長情況取決于環境所能提供的最少的營養元素, 則

, 無量綱, Kmn、Kmp分別為植物生長攝入氮和磷的半速常數(mg·L-1), [TN]、[TP]分別為水體中總磷和總氮濃度(mg·L-1);G(C)為植物自遮蔽作用,

, KBPj為不同種類水生植物自遮蔽作用的生物密度限制因子半飽和常數(g·m-2, 以C計).其中：

(7)

　　式中, AN表示植物攝取氨氮的量(g);UPN表示植物攝取氨氮的系數;P表示光合作用產氧量(g·m-2·d-2, 以O2計);R1表示20 ℃下光合作用(自養型)的呼吸速率(mg·dm-2·h-1, 以CO2計);θ1表示光合呼吸/產出的溫度系數, 無量綱;T表示溫度(℃);G(N)表示營養鹽限制因子, 無量綱.

(8)

　　式中, AP表示植物攝取磷的量(g);UPP表示植物攝取磷的系數;其他符號意義同上.

　　石油類污染物在自然狀態下降解轉化過程緩慢復雜, 在處理石油類污染物時將其簡化為難降解有機物, 其降解規律(華祖林等, 2013)符合式(9).

(9)

　　式中, c為石油污染物總濃度(mg·L-1);c0為不可降解有機物濃度(mg·L-1);k為降解系數(d-1), 與溫度、光照強度和氧含量有關;Φ為反應級數;t為反應時間(d).

　　2.4 基于環境自凈能力充分利用的水質改善優化調控方案求解

　　龍鳳濕地水域受多個排污口的排污綜合影響, 污染物在水域內呈現帶狀分布, 不同監測點的水質濃度差別很大.因此, 本文提出選取主要控制點、并以控制點水質狀況為防控目標的基于水質目標的污染物控制方法.控制點的選取可參照以下原則：①位于湖泊中央的監測點;②位于湖泊出流斷面;③排污口排放污染物能影響到的范圍;④有重要保護意義或使用功能的水域.

　　鑒于龍鳳濕地的實際情況, 對龍鳳濕地污染物排放實施總量控制和排污最大化控制, 即在污染物總的容納量最大的情況下, 使每個排污口可以盡可能多的排放污染物, 并使主要控制點的監測水質濃度達到相應的水環境質量標準.這樣既可以有效地利用濕地對污染物的削減作用, 減輕城市的污水處理壓力, 又夠保證濕地水環境的良性狀態.該模型的目標函數及其約束條件如公式(10)~(14)所示.

　　2.4.1 目標函數

　　采用區域的污染物排放總量最大作為目標函數, 即：

(10)

　　式中, Wi是第i個排污口的污染物排放量(kg);C排i是第i個排污口的污染物濃度(mg·L-1);Q排i是第i個排污口的流量(m3·s-1);n為排污口數量;t是排污時間(d).

　　2.4.2 約束條件

　　控制點排污濃度約束(式(11))、生態流量約束(式(12))、排污口排污量約束(式(13))、污染團滯留時間約束或換水周期約束(式(14))分別如下：

(11)

(12)

(13)

(14)

　　式中, Cs是水質保護目標濃度(mg·L-1);m為控制點個數;C控k是第k個控制點的污染物濃度(mg·L-1);Qi, t為第i個排污口的補水流量(m3·s-1);Si, t為河道實際流量(m3·s-1);Qet為河道最小生態基流(m3·s-1);Wimin、Wimax分別是第i個排污口的排污量下限和上限;T為換水周期(d);ti為第i種情景下的換水周期(d).

　　通過設置不同的污染治理方案, 以研究水域所有排污口的污廢水排放流量和水質濃度作為輸入條件, 當同時滿足約束條件, 且達到目標函數所設置的目標時, 對各個方案進行逐一篩選, 即可得到最優的排污方案, 且在該模型中污染物的總排放量應不超過研究水域的納污能力.

　　3 應用研究(Application and analysis)3.1 研究區概述3.1.1 基本情況介紹

　　位于黑龍江省大慶市的龍鳳濕地總面積為5050 hm2, 其中, 核心管護區面積2979 hm2.龍鳳濕地是我國最大的城中濕地, 主要接納安肇新河王花泡—北二十里泡段的來水和大慶市東城區和安達市的混合排水.龍鳳濕地最大蓄水量9240萬m3, 正常蓄水量800萬m3, 最大水面面積77.0 km2, 平均水面面積48.5 km2, 平均水深1.0 m.對研究區域水質進行監測, 共設置34個監測點, 包括4個控制點.龍鳳濕地收納來自城區居民生活用水、雨水及污水處理廠排水, 污染物來源復雜, 主要監測指標包括氮、磷、COD等常見污染物, 另外, 由于該水域處于石油產區大慶市, 因此, 將石油類污染物也作為一項監測指標, 經過現場取樣檢測, 總體水質類別為劣Ⅴ類.

　　3.1.2 研究區概化

　　根據現場勘察及監測情況, 安肇新河穿龍鳳濕地而過, 黎明河最終也匯入到龍鳳濕地, 此外, 還有7個排水口排入到龍鳳濕地.在監測期間, 項目組同時在污水處理廠入口對流量、流速進行了監測, 并取水樣進行水質化驗.此外, 還在安肇新河入河口附近(觀測安達排污口的影響)、大湖區中央(觀測污水處理廠和北部排污口群)、小湖區中央(觀測西北兩個排污口)和湖泊出流斷面(考察各排口的綜合影響)設置了4個控制點, 作為判斷水質是否超標的依據.龍鳳濕地水域示意如圖 2所示.

　　圖 2

　　圖 2研究區域示意圖

　　3.2 模型驗證及參數率定3.2.1 水動力學模型驗證

　　根據水動力學模型, 對模擬結果影響較大的參數主要有糙率、干濕水深和風阻系數(馮媛, 2016).在參數取值調整過程中, 以湖泊中各點監測數據為依據, 選取不同的糙率、干濕水深和風阻系數來模擬率定, 使濕地水動力條件達到較好的模擬效果, 其中針對龍鳳濕地水、草相間的分布情況對糙率進行分區設置, 率定結果見表 1.

 

　　3.2.2 水環境數學模型驗證

　　由于水質遷移轉化模型中參數較多, 單一率定起來比較繁瑣, 在參數率定時, 通過查閱文獻(武春芳等, 2014;竇明等, 2015)確定參數的初始值, 然后根據文獻和模型, 找出對各物理、化學、生物反應過程較敏感的參數, 不斷調整每一個參數值, 分析NH3-N、COD、TP和石油類污染物模擬值與實測值檢驗誤差情況, 得到龍鳳濕地主要污染物NH3-N模擬值與實測值最大相對誤差為19.32%, 平均相對誤差為15.39%;TP模擬值與實測值最大相對誤差為17.02%, 平均相對誤差為14.28%;石油類模擬值與實測值最大相對誤差為16.16%, 平均相對誤差為15.01%;COD模擬值與實測值最大相對誤差為18.81%, 平均相對誤差為16.03%.整體來看, 各水質指標的模擬結果與實際監測值擬合較好(圖 3), 根據率定結果最終確定參數值(表 2).

　　圖 3

　　圖 3各水質指標的模擬值和實測值的對比結果

 

 　　3.3 水質改善方案模擬及分析3.3.1 水環境治理方案設計

　　根據流域生態保護方案, 對龍鳳濕地分別設置不同治理方案, 針對各排污口的實際情況, 將9個主要排污口分為5組, 對其實施不同的排污控制措施.其中, A組方案和B組方案互為對照方案, B組方案與A組方案相比, 提高了污染物排放標準.采用構建的二維水動力學模型和水質遷移轉化模型, 對不同排放水質標準要求的工程方案進行模擬, 分析不同工程方案實施后, 濕地水質的變化情況, 從而優選出較為合理的治理方案, 為受污染水體治理提供依據, 龍鳳濕地治污實施方案如表 3所示.

 

 　　3.3.2 不同方案下的水質改善效果分析

　　根據以上方案得出不同排污條件下的水質模擬結果, 得到按設定工況進行污染物排放30、60、90、120、150、180 d的4類主要污染物濃度, 對其結果進行分析, 篩選原則依據式(9)~(13), 符合約束并能達到最大排污目標的排污方案即為最優方案.選取控制點1做重點分析, 各情景方案下控制點1主要污染物的變化趨勢如圖 4所示.

　　圖 4

　　圖 4不同削減方案下COD、TP、NH3-N、石油類污染物變化趨勢

　　由圖 4可以看出, 各種方案實施后對濕地中污染物濃度的影響各有差異.整體來看方案集B比方案集A的削減作用更顯著.對于COD, 設計方案開始實施60 d后其值開始出現明顯下降, 并根據方案的不同呈不同的下降趨勢.其中, 在A5、A6情景下COD在120 d左右達到目標值, 方案B的COD下降趨勢更明顯, 可以看到, 當提高污染物的排放標準之后, 其COD下降趨明顯變快, 且開始出現下降趨勢的時間也有提前.方案集B有B4、B5、B6 3種方案COD最終達到了Ⅳ類水標準.對于污染物TP, 在方案集中A4、A5、A6情景下TP濃度在120 d左右達到目標濃度, 方案B的污染物濃度下降趨勢更明顯, 所有6種方案污染物濃度最終都達到了Ⅳ類水標準.對于TP污染物的削減, 曝氣、清淤、補水及提高污染物排放標準幾種措施之間, 清淤和補水的效果更佳明顯, 其原因是濕地底泥中有大量的TP類污染物, 在治理TP類污染物時, 應加強對底泥的處理工程.對于NH3-N其變化趨勢與COD類似, 但削減速度較COD快.NH3-N的主要污染來源是輸入較多, 在治理NH3-N污染物時應加強對龍鳳濕地來水水質的控制;對于石油類污染物, 在方案集中A3、A4、A5、A6情景下石油類污染物濃度在120 d左右達到目標濃度, 從下降趨勢和削減結果看, 提高排放標準對污染物的削減效果并不明顯更, A、B兩組對照實驗的結果相差不大.綜合上述分析, 對于4類主要污染物的削減, 從采用的工程措施來看, 補水+清淤的方案更優.根據控制目標和約束條件, 對12種方案進行優選, 得出方案A6為最優方案.

　　不同的排污削減方案對污染物質的削減作用各有差異, 綜合4個控制點的4類主要污染物模擬結果分析, 能夠使污染物削減至目標濃度Ⅳ類水水質要求, 由以上分析得出, 方案為A6最優方案.在方案A6下龍鳳濕地內COD明顯下降, 整體在15.4~20.8 mg·L-1之間, TP濃度明顯下降, 整體在0.03~0.08 mg·L-1之間, NH3-N濃度明顯下降, 整體在0.82~1.37 mg·L-1之間, 石油類污染物濃度明顯下降, 整體在0.28~0.45 mg·L-1之間, 主要污染物濃度都滿足控制目標為Ⅳ類水水質的要求.

　　通過以上分析, 對于龍鳳濕地的污染物治理, 不僅要提高各排污口的排污標準, 同時要配合清淤、補水和水系連通工程.對主要排污口要進行重點控制, 對水草區域增加一定的水系連通工程, 增加濕地內水的流動性, 最大限度地對污染物進行削減.從對污染物的削減作用和控制目標來看, 各種方案下污染物的削減作用不同, 經過方案優選, 擬推薦方案A6作為對龍鳳濕地污染物的治理方案.

　　4 結論(Conclusions)

　　1) 本文建立了水動力和水質二維耦合模型, 分析了NH3-N、COD、TP和石油類污染物模擬值與實測值檢驗誤差情況, 結果發現, 龍鳳濕地4類主要污染物的實測值與模擬值誤差在20%以內, 確定了龍鳳濕地水域水質遷移轉化模型的各項參數.

　　2) 建立的基于環境自凈能力的水質改善優化調控模型, 綜合考慮了濕地水生植物豐茂的特點, 并將水生植物對水體污染物的削減作用過程添加到水質模型中.利用該模型對龍鳳濕地4類主要污染物在指定方案下的削減趨勢進行分析, 發現該模型可以根據不同的趨勢及削減結果, 給出每種污染物的污染原因和治理方向, 并由優選模型給出最優的排污削減方案.

　　3) 單一工程措施下無法使染物削減到控制目標濃度, 各類措施的削減效果為補水>清淤>曝氣;在各組合情況下, 補水+清淤方案的削減作用更佳;在工程措施相同情況下, 提高排污標準也能起到削減作用.