智能設備在水污染排查中的應用

時安琪 ,常璽鳳，韓璐璐，王濤，李華，霍達，陳友信，喬之怡,虞功亮＊

（1.天津農學院水產學院，天津 300384；2.中國科學院水生生物研究所，武漢 430072)

在水污染典型案例中，2004 年四川沱江由于工業廢水大量流入，導致當地大多數市民沒有干凈的水生活，直接經濟損失更是高達2.19 億元[1]。從了解污染源頭方面研究水污染情況，想要改善水污染的情況首先就要知道目標水域是否為污水，需要對多個地段進行排查。智能設備不同于傳統的水污染排查方式，具有智能協作和多通道交互的特點，運用物聯網技術，通過傳感作用的設備，與互聯網連接起來，不需要人的介入，可以在網絡上傳輸數據信息[2]。

1 水污染的類型

本文主要列舉工業廢水、農業面源污染、城市污水、農村污水四種水污染的類型。據國家統計局2015 年數據顯示，工業廢水排放總量為199.5 億噸。農業面源污染所造成的水污染主要體現在地表水與地下水兩方面[3]。2015-2019 年，我國的污水排放總量在不斷地增長，到2019年，我國城市污水排放總量為5546474萬立方米，2015-2019 污水的年處理率分別為91.9%、93.44%、94.54%、95.49%、96.81%[4]。農村污水主要來源于農村生活污水，我國農村地域分布較廣闊，地理環境差異較大[5]，不同地區農村經濟狀況及生活質量都不相同[6]。城市和鄉村的污水處理率為分別為59.47%和33.3%（圖1）。由此可見，現如今我國鄉村的環境問題比較突出，基礎設施建設比較落后，對污水進行處理的意識較薄弱。

圖1 中國城鎮和鄉村污水處理廠數量

2 傳統的水污染排查

2.1 人工排查

人工排查現場監測利用手持式多參數水質測量儀（所得參數與其探頭有關）即時檢測出pH 值、溶解氧（Do）等參數；實驗室監測是將水樣帶回實驗室進行分析，如：化學耗氧（COD）、總氮（TP）總磷（TN）等。人工排查優點是人員機動性強，可依據現場實際情況靈活選取采樣點，缺點也是由于人員的主觀局限性，排查范圍較小，不確定因素多。

2.2 人工+GPS 排查

此方法在人工排查的基礎之上將GPS 和GIS 結合使用，應用到水污染監測系統中[7]。檢測工作人員手持GPS 巡檢儀，實時獲取GPS 衛星定位信息(包括時間、經緯度)[8]。GIS 幫助進行水污染信息查詢、水污染趨勢、模擬等應用問題，對目標水體進行可視化表達[9]。GPS幫助人工進行準確的目標水域定位，現場勘察水質數據[10]。GIS 的缺點在柵格結構方面，精度差，難以建立地物間的拓撲關系。

2.3 衛星遙感排查

圖2 武漢某湖泊污染排查高精度衛星遙感影像（分辨率0.35 米）

常用的衛星遙感一般就是在衛星上搭載成像光譜儀來獲取數據[11]。利用不同波段的光譜特性，構建算法模型，從遙感影像上反演出水體中的物質組成和含量，實現水環境的定量監測[12]。優點在于可以采用多顆衛星共同監測的情況下短時間內重復獲取同一區域的水體的遙感數據動態監測[13]。但數據上傳周期大，不能及時獲取目標水域水質的實時信息。

3 智能設備技術排查

3.1 無人機

無人機監測利用水體參數軟件ENVI 等，完成水體柵格數據自動提取、參數自動反演、可視化網格地圖自動生成等排查功能（圖3）。利用無人機高光譜對目標水域進行飛行來獲取水質影像來監測出該目標水域存在的排污口（圖4）。無人機技術的優勢之處在于它們能夠迅速有效地提高自然和環境的監測效率[18]。可以實現定點自動監控、巡視目標地區和水域。但是因為無人機在航空中的飛行狀況非常不平衡，會直接影響至于無人機所需要拍攝圖片的清晰度。

圖3 無人機遙感檢測污水基本流程圖

圖4 無人機遙感排污口監測影像

3.2 無人船

無人船最基礎的作用是利用船載的視覺傳感器，可以代替傳統方式下人工眺望，在實時采集到的圖像中來區分航行區域，達到動態規避航行中的障礙物[14]。無人船采集的數據通過無線通信技術傳給上位機進行實時顯示和數據分析，以此來分析該水域的水質污染源[15]。利用無人船優點是可檢測污染區等水域，無需擔心人員安全問題[16]。但無人船在國內運用較少，無法保證污水口排查工作的準確性。

3.3 水下機器人

水下機器人是一種工作于水下的極限作業機器人。水下環境惡劣危險，人的潛水深度有限，所以水下機器人可以重點檢測水下等無人機航測盲區[17]。其優點在于可在高度危險環境、被污染環境以及零可見度的水域代替人工在水下長時間作業，缺點在于水下機器人運行的環境復雜，水聲傳感器普遍存在精度較差、跳變頻繁等。

4 典型案例分析

聞亮[18]等人根據無人機遙感的太湖水質監測信息集成系統可以廣泛應用于太湖水體中各種藻類覆蓋范圍等指標進行提取。通過無人機遙感數據知道藻類覆蓋范圍后，與網絡相結合可以獲取對應地點的自動監測站等數據，使水質要素(TP、懸浮物濃度、濁度等)實測數據與對應的光譜反射率數據結合進行反演建模分析其關系。實驗證明，此體系對水質監測中的水質要素濃度值、藻類的覆蓋范圍及成因分析等信息有很不錯的提取效果，可以廣泛應用于內陸水體的水質動態監測與污染預警巡查。

5 結論與展望

本文結合實際的應用案例，現得出以下結論：

通過主要類型和排放方式總結出社會上的水資源污染嚴重，城鄉水污染處理能力相差較大。

水污染排查方式中主要還是以人工排查為主，開展大范圍或者采集不方便水域的水樣監測，需要借助無人智能設備進行排查。

無人智能設備在水污染應用仍不夠廣泛。比如無人船的使用在國內并不普及，因為其無法保證污水口排查工作的準確性。

無人智能設備雖然在時間和效率上大大超出了人工排查，但都具有排查的準確性無法保證的缺點，其在技術優化方面還有瓶頸無法突破。

水污染排查方式的運用受到氣候氣象條件、水域環境特征等因素的影響，針對不同水體采用不同的無人設備進行檢測，形成一套完整的內陸水體監測體系，為未來的水質監測奠定堅實的基礎。