基于節(jié)點水質監(jiān)測的污水管網破損位置判定方法

徐祖信,王詩婧,尹海龍,李懷正(.同濟大學,長江水環(huán)境教育部重點實驗室,上海 0009；.同濟大學,污染控制與資源化研究國家重點實驗室,上海 0009)

基于節(jié)點水質監(jiān)測的污水管網破損位置判定方法

徐祖信1,2,王詩婧2,尹海龍1*,李懷正1(1.同濟大學,長江水環(huán)境教育部重點實驗室,上海 200092；2.同濟大學,污染控制與資源化研究國家重點實驗室,上海 200092)

提出基于管網檢查井水質特征因子監(jiān)測,并結合管網和污染源地理信息系統(tǒng),解析污水管段的地下水入滲量和破損程度,以解決逐段物探或流量檢測成本高且難以實施的問題.采用安賽蜜作為生活污水的水質特征因子,對安徽省巢湖市某污水廠服務范圍(14.4km2)的污水管網系統(tǒng)地下水入滲量進行了空間分布解析,并識別出管網嚴重破損位置.結果表明:①基于劃分管網節(jié)點的分段地下水入滲量解析,其總的入滲量解析結果與基于總體水量平衡的解析結果相對誤差為21.0%,與典型管段流量監(jiān)測結果的相對誤差為5.4%,表明建立的方法是可靠的;②占污水管網總長 0.3%的局部管段,其地下水入滲量占到總入滲水量的 23.0%.因此,對局部破損管段進行修復,可以顯著降低整個管網系統(tǒng)的破損程度.據此還提出了應用該方法的基本原則.

污水管網；管道破損；特征因子；地下水入滲

在高地下水位地區(qū),由于污水管網破損造成的城市地下水入滲不僅會增加污水處理廠、泵站的運行費用,降低污水處理廠的處理效率,甚至還會造成污水管網系統(tǒng)的容量被占據,影響管網系統(tǒng)的輸送效能.因此,確定污水管網系統(tǒng)的破損位置,進而采取管道修復措施,對提高污水管網系統(tǒng)的運行效能至關重要.

管網破損位置的判定,通常是采用管道閉路電視(CCTV)檢測[1-2].然而,對于大范圍的污水收集管網系統(tǒng),全面的CCTV檢測需要大量的人財物力投入.因此,可行的技術方法是首先確定污水管網系統(tǒng)的重點破損區(qū)域或者位置,在此基礎上采用CCTV進行有針對性地檢測.

對污水管網系統(tǒng)破損區(qū)域判定,可采用基于管網逐段流量觀測的水量平衡法,例如在葡萄牙Costa do Estoril系統(tǒng)、常州市老城區(qū)和上海市排水系統(tǒng)的研究中,探討了基于管道節(jié)點流量差值比較、n分法逐級溯源的水量調查技術[3-5].但管網內部逐段流量觀測十分費時費力.

近年發(fā)展的基于水質特征因子的污染來源診斷方法,為高效判定管網系統(tǒng)破損提供了新的技術思路.例如,Kracht等、Houhou等應用天然水穩(wěn)定同位素分析排水系統(tǒng)的外來水量接入(污水管道地下水和雨水入滲等)[6-7].徐祖信等建立了基于水質特征因子法的排水管網雨污混接及地下水入滲水量定量判定方法,除了能夠解析管道地下水入滲量外,還能夠基于水質特征因子的差異解析不同類型污水(生活污水、典型行業(yè)工業(yè)廢水)的非正常混接水量[8-10].然而,上述方法是對管網整體運行效能的評估(如管網總體破損或者混接程度);在此基礎上,要識別出管網的具體破損區(qū)域或者點位,需對該方法進一步完善.為此,本文提出基于管網節(jié)點水質監(jiān)測來判斷污水管網系統(tǒng)的破損位置,以完善基于水質特征因子法的排水管網病因診斷方法.

1 研究區(qū)域

研究區(qū)域為安徽省巢湖市某污水處理廠服務范圍涉及的污水管網系統(tǒng)(圖 1(a)),區(qū)域總面積為14.4km2,污水管網總長度為58.3km.該服務范圍總體上可分為 A、B、C、D、E 5個片區(qū),其中在C片區(qū)和E片區(qū)末端設有污水中途提升泵站,設計流量分別為377L/s和527L/s.此外,在B系統(tǒng)東北部區(qū)域設有3座小型的合流泵站,污水泵設計流量為 300～400L/s.利用已經建立的污水管網和污染源綜合地理信息系統(tǒng)(GIS系統(tǒng),圖1(b)),確定該系統(tǒng)接納的生活污水量約為29854m3/d.

由于該污水管網系統(tǒng)建于上世紀 80～90年代,且管網總長度較長,可能存在著嚴重的管網破損和地下水入滲.為此,有必要對該污水管網系統(tǒng)的破損狀況進行調查,以采取有針對性的調查和修復措施.

圖1 研究區(qū)域示意Fig.1 Study domain description

2 研究方法

2.1 污水管網破損診斷模型

污水管網破損區(qū)域診斷模型的基本思路示意為圖2.

2.1.1 污水管網整體地下水入滲量解析 對整個污水管網系統(tǒng),若旱天水量來源為生活污水和地下水,在已知末端水量與水質的條件下,可建立整個管網系統(tǒng)的水量和化學質量平衡方程為

式中:tQ、tC分別為污水管網系統(tǒng)末端總出水量及水質指標濃度;sQ、sC分別為污水管網接納的生活污水水量和水質指標濃度;gQ、gC分別為污水管網地下水入滲量和水質指標濃度.

圖2 管網破損診斷模型示意Fig.2 Schematic diagram for the model of locating and quantifying groundwater inflow into the sewers

式(1)～式(2)的解為

2.1.2 污水管網分管段的地下水入滲量解析 在污水管網整體地下水入滲量解析的基礎上,進一步在污水管網中選擇若干關鍵節(jié)點開展水質監(jiān)測,并針對節(jié)點管段建立水量和化學質量平衡模型,可以確定對應管段的地下水入滲量.模型基本方程為

式中:Qku、Cku表示k管段上游節(jié)點來水量及水質指標濃度;Qkd、Ckd表示k管段下游節(jié)點水量及水質指標濃度; Qks、Cks表示k管段接納的生活污水量及水質指標濃度,Cks=Cs;Qkg、Ckg表示 k管段入滲地下水量及水質指標濃度, Ckg=Cg.

需要說明的是,在式(5)～式(6)中,要求出k管段的地下水入滲量,除了要已知管段上下游節(jié)點的水質特征因子濃度外,還需要已知任一管段接納的生活污水量.可通過污水管網和污染源 GIS系統(tǒng)(圖 1(b)),基于污染源排放去向確定每一管段接納的污水量.

式(5)～式(6)的解為

進一步求出該管段的地下水入滲量為

2.2 管網節(jié)點水質采樣方法

圖3 污水管網系統(tǒng)中采樣節(jié)點分布Fig.3 Sampling locations down the sewer network

圖 3為在污水處理廠進水前池和污水管網檢查井中設置的水質監(jiān)測節(jié)點,其中數字為節(jié)點編號.在污水處理廠進水前池的采樣時間為2015年10月20日15:00～10月27日12:00,每3h采樣1個,共采集56個水樣.在污水管網中共設置了26個采樣點,每個節(jié)點處連續(xù)采樣1d,每3h采樣1個,每個節(jié)點采集水樣8個,全部節(jié)點共計采樣208個;所有管網中節(jié)點同步采樣,采樣時間段為2015年11月15～16日.采樣時間段均為旱天,即48h前無降雨.

對于生活污水的水質濃度,可直接采用管網起始點(節(jié)點4)的水質監(jiān)測結果表征.對于地下水,考慮到地下水中的安賽蜜濃度含量很低,可直接借鑒作者在上海市測得的淺層地下水安賽蜜濃度[8].

對于現場采集的水樣,每批次采樣結束后,將水樣及時運回實驗室在 4℃以下冷藏避光保存并及時進行分析.

2.3 水質監(jiān)測指標的選擇和監(jiān)測分析方法

要滿足管網系統(tǒng)和管道節(jié)點的入流和出流質量守恒,就必須選擇相對保守性的生活污水水質特征因子,即該指標在管道中基本不發(fā)生物化、生化反應,同時具有較高的靈敏度.

表征生活污水的常規(guī)水質特征因子包括總氮或者氮同位素等[11],近年來對甜味劑、藥物和化妝品指標用于生活污染的指示也有較多研究報道[8,12-16].本文采用甜味劑作為表征生活污水的特征指標.人工甜味劑是一種廣泛應用于食品、飲料、藥物和個人護理品的人工合成或者半合成、代替蔗糖的有機化合物;其中,甜味劑中的安賽蜜幾乎不能被降解,是一種理想的保守型物質,國外研究中將其用于地下含水層和地表水體受生活污染的指示等[13-14].

根據作者在上海市開展的生活污水水質監(jiān)測,生活污水安賽蜜濃度均值可達12.2μg/L[17],初步表明采用安賽蜜指示國內生活污水污染的可行性.因此,本研究將安賽蜜用作地下水入滲條件下管道中生活污水水質濃度變化的指示和地下水入滲量的定量解析.

安賽蜜在水環(huán)境中通常以痕量水平存在,本研究中采用高效液相色譜—串聯質譜技術(HPLC-MS/MS)對其進行監(jiān)測.分析方法與條件闡述如下:

樣品濃縮:所有樣品在分析前通過 0.45μm膜過濾.將CNW Poly-Sery PWAX(3mL/60mg)固相萃取小柱用6mL甲醇沖洗活化,保持流速約為1mL/min,再用6mL 25mmol/L醋酸-醋酸鈉緩沖液(pH 4)沖洗,加入 150mL待處理的提取液,用6mL 25mmol/L醋酸-醋酸鈉緩沖液(pH 4)洗去雜質,真空抽干5min;再用6mL含1mmol/L Tris和 5%(V/V)氨水的甲醇溶液(pH 11)洗脫.洗脫液置于400C下氮吹近干,用甲醇定容至1.5mL,供HPLC-MS/MS分析.

儀器條件:Thermo Fisher Scientific TSQ Quantum液相色譜-質譜聯用儀.色譜柱:Agilent SB-C18(4.6mm×150mm,3μm);柱溫:300C;流動相A:水(含1mmol/L Tris和5mmol/L醋酸銨);流動相B:乙腈(含1mmol/L Tris和5mmol/L醋酸銨).梯度洗脫程序:0～8min,0% B～75% B,保持1min;9～10min,75%B～10%B;10～10.5min,10%B～70%B,保持1.9min;在隨后0.5min中內降至0%B.系統(tǒng)平衡 8min后進樣.流速:0.4mL/min;進樣體積為10uL.離子源:電噴霧離子源;檢測方式:負離子掃描多反應監(jiān)測(MRM)模式.

3 結果與討論

3.1 管網節(jié)點水質監(jiān)測結果

圖4為污水管網系統(tǒng)末端(污水廠進水前池)和污水管網節(jié)點處的安賽蜜濃度監(jiān)測結果. 圖4中各監(jiān)測點濃度變化(即箱型圖的長度)可采用相對四分位數比率表征,即 IQr=(Q3-Q1)/Q2.其中,Q1、Q2、Q3分別為水質濃度箱型圖對應的25%、50%、75%分位數[19].IQr值越大,表明監(jiān)測結果離散度越高;反之,IQr值越小,表明監(jiān)測結果離散度越低.總體上,當IQr值小于0.3時,可以認為監(jiān)測結果的離散度不明顯[19].基于圖 4,進一步計算出每個節(jié)點處的水質濃度均值和 IQr值,如圖5所示.從圖5可以看出:除了5號節(jié)點的IQr值為0.32外,其余26個節(jié)點的安賽蜜監(jiān)測濃度數據序列的IQr值均小于0.3;表明污水管網中旱天安賽蜜濃度動態(tài)變化不顯著.此外,圖中1～3號節(jié)點的安賽蜜濃度明顯偏低,經調查與附近的自來水廠混凝工藝出水有關,不代表地下水入滲量大造成的污水管段濃度明顯下降.

圖5中,最上游節(jié)點(即節(jié)點1)的監(jiān)測值代表了安徽省巢湖市生活污水中的安賽蜜濃度水平(均值為 10.2μg/L).國內,作者在上海市居住小區(qū)測定的生活污水中安賽蜜濃度均值為12.2μg/L[17];國外東南亞地區(qū)如新加坡生活污水中安賽蜜中位值為12μg/L[14],瑞士蘇黎世某污水處理廠進水安賽蜜濃度范圍 12～43μg/L[13],德國的兩個污水處理廠進水安賽蜜濃度方位達34～50μg/L[18].可見,本研究區(qū)域生活污水安賽蜜濃度與上海、新加坡的濃度水平相當,比歐洲國家的濃度水平要低,與世界不同地區(qū)的飲食習慣有關.但是國內典型城市生活污水安賽蜜平均濃度仍然達到10μg/L左右的水平,因此進一步證實安賽蜜是一種可行的生活污水指示指標.

圖4 污水管網各節(jié)點處安賽蜜濃度Fig.4 Data sets of monitored acesulfame concentrations at sampling locations down the sewer network

圖5 管網節(jié)點處安賽蜜濃度均值(上行,單位:μg/L)及IQr值(下行)Fig.5 Arithmetic averaged acesulfame concentrations (upper row, unit: μg/L) and IQrvalue (lower row) at the sampling locations

3.2 污水管網系統(tǒng)破損總體判斷

根據 2013～2015年污水處理廠進水水量記錄統(tǒng)計,確定污水廠旱天進水量約為 49000m3/d,即Qt= 49000m3/d.

基于式(3)～式(4),將污水處理廠進水前池、生活污水和地下水的安賽密濃度均值代入計算,得出整個污水管網系統(tǒng)中,生活污水和地下水的日均水量及其比例.其中,污水管網系統(tǒng)接納的生活污水量為 33116m3/d,占旱天總水量的比例為67.6%;污水管網系統(tǒng)中地下水入滲量為15884m3/d,占旱天總水量的比例為32.4%.

基于水質特征因子的管網地下水入滲量解析結果,可進一步通過管網系統(tǒng)總體的水量平衡分析加以驗證.如前所述,根據建立的管網和污染源GIS系統(tǒng),確定污水處理廠服務區(qū)域內總污水收集量為 29854m3/d,相應管網系統(tǒng)的地下水入滲量為19146m3/d,占旱天總水量的比例為39.1%.與基于安賽蜜的解析結果對比,相對差值為17.0%.兩者之間的相對誤差,一方面與引入算術平均值表征生活污水的每日水質濃度有關,算術平均值與生活污水的每日總體水質濃度可能存在一定的偏差;另一方面與生活污水收集量統(tǒng)計有關,本研究污水管網中生活污水的收集量是按照污水截污率 90%計算,實際截污率可能有一定偏差.但是總體上基于水質監(jiān)測的解析結果是可靠的.

進一步可對污水管網總體破損程度進行判斷.根據徐祖信等建立的污水管網破損程度評價方法[10],污水管網破損指數可表示為0/ε δ δ= ,其中,δ表示管道實際地下水入滲量;0δ表示管道允許地下水入滲量(通常按管道日平均生活污水量的 15%～20%考慮);ε表示管道破損指數, ε≤1,表示管網基本不破損;1＜ε≤2,表示管網輕度破損; ε＜2,表示管網嚴重破損[10].對于本區(qū)域, δ=15884m3/d,δ0=33116×0.2=6612m3/d,相應ε= 15884/6612=2.4.因此可以判定本研究區(qū)域污水管網系統(tǒng)總體處于嚴重破損狀態(tài),需要進一步查找污水管網系統(tǒng)破損嚴重的區(qū)域.

3.3 污水管網破損區(qū)域判定

根據圖 5所示的 26個節(jié)點水質監(jiān)測結果,應用式(7)～式(8)分別計算各監(jiān)測管段地下水入滲量,結果如表1所示.

從表1可以看出,基于劃分網格節(jié)點的解析方法,管網總地下水入滲量為 15129m3/d,與基于末端水質監(jiān)測解析的總地下水入滲量基本一致(15884m3/d);與基于總體水量平衡的解析結果比較,其相對誤差為 21.0%.這一方面表明安賽蜜在污水管網中具有良好的穩(wěn)定性,另一方面表明通過在污水管網中劃分網格節(jié)點進行逐段解析,基本不會放大解析結果的誤差;這就保證了基于節(jié)點水質特征因子法判斷污水管網破損區(qū)域的可靠性.

本研究中,無論是對污水管網系統(tǒng)整體地下水入滲量的解析,還是對某個管段地下水入滲量的解析,都是基于節(jié)點水質動態(tài)監(jiān)測數據的算術平均值代入方程計算,求得日均的地下水入滲量.理論上,每一管道節(jié)點的流量隨時間變化,應當在方程中代入每日的流量加權平均濃度,而算術平均濃度可能與流量加權平均濃度由偏差.但是,實際問題是難以通過安裝管道流量計的方式,測得每個節(jié)點的流量過程線,進而求得每個節(jié)點的流量加權濃度;并且采取這樣的方式,也增加了檢測的成本.本研究表明,基于節(jié)點動態(tài)監(jiān)測濃度的算術平均值,得出的解析結果其不確定性較低,并且與基于水量平衡的分析結果吻合較好.這進一步說明總體上安賽蜜在污水管網中隨時間的水質濃度變化不顯著,因此可以采用簡化的日均算術平均濃度方式,解析任一管段每日的地下水入滲量.從普遍意義上,只通過管道節(jié)點水質監(jiān)測,而無需監(jiān)測管道節(jié)點的流量,就能夠較準確地判斷污水管網系統(tǒng)的破損區(qū)域,使得基于管網節(jié)點水質特征因子診斷法更易于實施.

表1 各污水管段地下水入滲量解析結果Table 1 Quantified groundwater inflow into the sewer segments corresponding to the sampling locations

根據表1的解析結果,進一步判斷污水管網系統(tǒng)的重點破損區(qū)域.每個管段的地下水入滲量占區(qū)域總地下水入滲量比例如圖所6示,單位管長地下水入滲量解析結果如圖所7示.

圖6 各污水管段地下水入滲量占總入滲量比例分布Fig.6 Ratio of sewer segment based groundwater inflow to the total groundwater inflow

從圖6和圖7可以看出,污水管網地下水入滲嚴重的區(qū)域有兩處:一處是位于11～18號節(jié)點之間的管段,盡管該處管段長度僅為 175m(占污水管網總長的 0.3%),但是地下水入滲量卻占總入滲水量的 23.0%.另一處是位于洗耳池泵站以上的片區(qū),該區(qū)域地下水入滲量占總入滲水量的24.0%;但是,該區(qū)域的污水管網長度相對較長(24.7km),可進一步對該區(qū)域的管網細分節(jié)點進行監(jiān)測,細化確定管網的破損位置.

為了對解析結果的可靠性進一步驗證,選擇破損最為嚴重的 11～18節(jié)點之間管段,通過現場安裝管道流量計,進行了上下游水量觀測.觀測時間段為2016年6月8～10日的每日凌晨(2:00～4:00),由于該管段長度短且污水接納量低,期間可以認為該管段沒有生活污水排入,據此可以通過上下游節(jié)點的流量差值,確定該管段的地下水入滲速率(以m3/h計),進而估算該管段每日的地下水入滲量.流量觀測結果如表所2示,可以得出該管段地下水入滲速率約為137.6m3/h,相應每日地下水入滲量約3302m3/d.與表1中的解析結果(3479m3/d)對照,相對誤差約5.4%.這進一步表明,基于節(jié)點水質特征因子監(jiān)測方法診斷污水管網的破損區(qū)域和地下水入滲量,具有可靠性.后續(xù)可進一步針對該管段實施CCTV檢測,查明破損點的具體位置,采取修復措施.

圖7 單位管長地下水入滲量分布(m3/(d·m))Fig.7 Quantified groundwater infiltration into sewer segment of per unit length (m3/(d·m))

表2 11～18節(jié)點間管段的地下水入滲量觀測結果Table 2 Measured groundwater inflow into the sewer segment between sampling location of No.11 and No.18

若對 11～18號之間的管段進行修復,整個污水管網旱天地下水入滲量可相應減少 3479m3/d,即污水管網地下水入滲量減少至 12450m3/d,相應污水管網的破損指數為ε=12450/6612=1.88,也就是污水管網總體上將由嚴重破損改善至輕度破損(1＜ε≤2).

4 結論

4.1 基于管網節(jié)點水質監(jiān)測解析的各管段地下水入滲量總和,與基于管網末端水質監(jiān)測解析的地下水總入滲水量,兩者之間基本一致.因此,在選擇合適的生活污水水質特征因子基礎上,劃分管網節(jié)點的水質監(jiān)測,不會放大整體解析結果的誤差.這表明基于節(jié)點水質監(jiān)測的污水管段破損解析是可靠的.

4.2 實際應用中,可以對每個管網節(jié)點開展連續(xù)1d的水質動態(tài)監(jiān)測,每2～3h采集水樣1個,每d采集8～12個水樣.基于每個節(jié)點動態(tài)水質監(jiān)測結果的算術平均值,解析每個管段的每日地下水入滲量,總體上能夠反映實際的管段日地下水入滲量.

4.3 對于大范圍的污水管網系統(tǒng),盡管總體上污水管網可能處于嚴重破損狀態(tài),但并非整個污水管網系統(tǒng)破損嚴重,而可能僅是局部有限長管道破損導致了污水管網系統(tǒng)的地下水入滲嚴重.以本研究區(qū)域為例,占污水管網總長0.3%的局部管段,其地下水入滲量占到總入滲水量的 23.0%.因此,對局部管段進行修復,可以顯著降低整個管網系統(tǒng)的破損程度.這也同時體現了基于節(jié)點水質特征因子監(jiān)測確定管網破損區(qū)域的優(yōu)勢,即首先以低成本方法確定管網系統(tǒng)的重點破損區(qū)域,然后針對重點區(qū)域進行物探檢測和管道修復.

[1] 張厚強,尹海龍,金 偉,等.分流制雨水系統(tǒng)混接問題的調研技術體系 [J]. 中國給水排水, 2008,24(14):95-98.

[2] 張 珺.論排水管道的檢測及評價方法 [J]. 給水排水, 2011, (S1):418-420.

[3] Almeida M C, Brito R S. System diagnostics using flow data: Quantifying sources and opportunities for performance improvement [C]//Strecker E W, Huber W C. Proceedings of the 9th International Conference on Urban Drainage. Portland: American Society of Civil Engineers, 2002:1-13.

[4] 吳文俊,管運濤,陳 波,等.老城區(qū)排水系統(tǒng)效能診斷技術研究[J]. 中國給水排水, 2010,26(20):59-63,68.

[5] 李 田,周永潮,李 賀,等.基于流量調查的分流制雨水系統(tǒng)診斷研究 [J]. 中國給水排水, 2007,23(7):1-5.

[6] Kracht O, Gresch M, Gujer W. A stable isotope approach for the quantification of sewer infiltration [J]. Environmental science & technology, 2007,41(16):5839-5845.

[7] Houhou J, Lartiges B S, France-Lanord C, et al. Isotopic tracing of clear water sources in an urban sewer: a combined water and dissolved sulfate stable isotopic approach [J]. Water Research, 2010,44(1):256-266.

[8] 徐祖信,汪玲玲,尹海龍.基于水質特征因子和Monte Carlo理論的雨水管網混接診斷方法 [J]. 同濟大學學報(自然科學版), 2015,43(11):1715-1721.

[9] 尹海龍,徐祖信,李懷正,等.電子企業(yè)水質特征因子與雨污混接診斷研究 [J]. 中國環(huán)境科學, 2015,35(9):2713-2720.

[10] 徐祖信,汪玲玲,尹海龍,等.基于特征因子的排水管網地下水入滲分析方法 [J]. 同濟大學學報(自然科學版), 2016,44(4):510-517.

[11] 王開然,郭 芳,姜光輝,等.15N和18O在桂林巖溶水氮污染源示蹤中的應用 [J]. 中國環(huán)境科學, 2014,34(9):2223-2230.

[12] 于志偉,孫紅文,馮碧婷.人工甜味劑在污水處理廠和自來水廠的歸趨 [J]. 環(huán)境科學研究, 2012,25(11):1250-1256.

[13] Burger I J, Buser H R, Kahle M, et al. Ubiquitous occurrence of the artificial sweetener acesulfame in the aquatic environment: an ideal chemical marker of domestic wastewater in groundwater [J]. Environmental Science and Technology, 2009,43:4381-4385.

[14] Tran N H, Hu J Y, Li J H, et al. Suitability of artificial sweeteners as indicators of raw wastewater contamination in surface water and groundwater [J]. Water Research, 2014,48:443-456.

[15] 王 丹,隋 倩,呂樹光,等.黃埔江流域典型藥物和個人護理品的含量及分布特征 [J]. 中國環(huán)境科學, 2014,34(7):1897-1904.

[16] Duan Y P, Meng X Z, Wen Z H. Acidic pharmaceuticals in domestic wastewater and receiving water from hyperurbanization city of China (Shanghai): environmental release and ecological risk [J]. Environmental Science Pollution Research, 2013,20(1): 108-116.

[17] Xu Z X, Wang L L, Yin H L, et al. Source apportionment of non-storm water entries into storm drains using marker species: modeling approach and verification [J]. Ecological Indicators, 2016,61:546-557.

[18] Scheurer M., Brauch, H J, Lange F. Analysis and occurrence of seven artificial sweeteners in German wastewater and surface water and soil aquifer treatment (SAT) [J]. Analytical and Bioanalytical Chemistry, 2009,394:1585—1594.

[19] Kafi M, Gasperi J, Moilleron R, et al. Spatial variability of the characteristics of combined wet weather pollutant loads in Paris [J]. Water Research, 2008,42:539-549.

Locating the sewer network defect based on marker investigation at pipe manholes.

XU Zu-xin1,2, WANG Shi-jing2, YIN Hai-long1*, LI Huai-zheng1(1.Key Laboratory of Yangtze River Water Environment, Ministry of Education, Tongji University, Shanghai 200092, China；2.State Key Laboratory of Pollution Control and Resource Reuse, Tongji University, Shanghai 200092, China). China Environmental Science, 2016,36(12)：3678～3685

The catchment scale assessment of sewer defect conditions based on physical or flow inspection method is usually very labour-intensive and even hard to perform. Therefore, a novel cost-effective method to locate groundwater infiltration into the sewers and accordingly assess the sewer network defect severity was presented, using chemical markers monitoring at pipe manholes and a geographical information system that integrates sewer network and discharged destinations of sewage sources. With acesulfame as the marker of sanitary sewage, the spatial groundwater infiltration into the sewers was investigated within the 14.4km2catchment served by a wastewater treatment plant in Chaohu City, Anhui Province. Based on that, the locations of serious sewer network defect were also identified. The quantified groundwater infiltration into the sewers using marker monitoring was comparable to the data from the catchment water flow balance and measured groundwater inflow of one typical sewer segment, with a relative error of 21.0% and 5.4% respectively. This indicated the developed method was reliable. It was found that one sewer segment covering only 0.3% of the total sewer length even contributed to 23.0% of the total infiltrated groundwater within the area. From this perspective, the repair of local serious sewer defect would obviously lower the defect grade of the whole sewer network. The basic principle to perform this method was finally suggested.

sewer network；pipe defect；marker species；groundwater infiltration

X820

A

1000-6923(2016)12-3678-08

徐祖信(1956-),女,江西萍鄉(xiāng)人,教授,博士,主要從事區(qū)域水環(huán)境綜合治理和城市排水系統(tǒng)溢流污染控制和研究.發(fā)表論文170余篇.

2016-04-18

國家水體污染控制與治理科技重大專項課題(2014ZX07303-003);上海市研發(fā)基地建設項目(13DZ2251700)

* 責任作者, 副教授, yinhailong@tongji.edu.cn