基于陸基遙感研究降雨過程對人民渠水質影響

牛永康,張運林,張毅博,孫 曉,李 娜,王瑋佳,施 坤,高陽輝,高 晶

基于陸基遙感研究降雨過程對人民渠水質影響

牛永康1,2,張運林1*,張毅博1,3,孫 曉1,4,李 娜1,4,王瑋佳1,4,施 坤1,3,高陽輝5,高 晶5

(1.中國科學院南京地理與湖泊研究所,湖泊與環境國家重點實驗室,江蘇 南京 210008；2.河海大學環境學院,江蘇 南京 210024；3.南京中科深瞳科技研究院有限公司,江蘇 南京 211899；4.中國科學院大學,北京 100049；5.杭州海康威視數字技術股份有限公司,浙江杭州 310051)

利用監測頻率為1min的陸基高光譜水質遙感監測儀于2021年9月24日～11月18日在四川德陽人民渠對濁度?懸浮物?總磷等關鍵水質參數開展連續監測,精細刻畫了水質分鐘級的動態變化特征,并結合逐時降水數據探究了不同雨強對人民渠水質的影響.結果顯示:降雨量與濁度(=0.82,<0.001)、懸浮物(=0.88,<0.001)和總磷濃度(=0.81,<0.001)均存在極顯著正相關,而降雨量與總氮濃度(=0.39,=0.07)存在正相關但相關性不顯著.當小雨時,降雨量少,沒有形成明顯的地表徑流,河流水質幾乎不受影響;大雨及暴雨時,地表徑流的形成造成濁度?懸浮物和總磷濃度顯著增加,總氮濃度增長幅度則較為平緩.通過高頻水質數據可以精細刻畫從高強度降雨發生到引發流域氮磷污染物大通量?脈沖式輸入再到水質短期劇烈變化這一關鍵流域污染過程,研究結果為高強度降雨頻發地區和未來極端降雨增加情景下流域的污染物控制和綜合治理措施提供科學依據.

降雨；陸基水質高光譜遙感；高頻監測；暴雨

河流是地球水文循環中重要的組成部分,是攜帶泥沙、營養鹽和污染物等進入湖泊、水庫和海洋的重要通道.隨著我國城鎮化水平的快速提高以及社會經濟的高速發展,河湖流域污染物負荷顯著增加,帶來了水資源喪失、水污染加劇、水環境惡化和水生態退化等方面一系列的生態環境問題[1-2].因此,河湖流域水質問題成為社會各界近年來所關注的焦點,分析并找出造成水質下降的關鍵影響因子,成為解決水環境問題不可或缺的重要環節.

在造成水質下降的眾多的影響因子中,降雨徑流是與地表水關系最密切的關鍵影響因子之一[3].降雨的發生,帶來豐富的徑流和地下水的補給.然而,高強度降雨產生的地表徑流和壤中流會造成大規模的水土流失和城市點面源污染[4-6],給河流和湖庫帶來大量污染物輸入[7],導致河湖水質發生劇烈變化[8].此外,暴雨發生時,大量富含有機物的陸源物質會被裹挾進入飲用水源地[9],嚴重威脅到流域內居民的飲用水安全[10].因此,降雨是誘發流域面源污染、造成汛期河湖水質明顯下降的主要原因[11].與點源污染相比,面源污染分布特性、輸入方式等均異常復雜,導致其監測、定量及防治過程非常困難[12].為了清晰地了解降雨造成水質下降的動態過程、分析降雨與各水質參數間的定量關系,開展水生態環境高頻次高精度監測勢在必行,其監測能力更會直接影響到流域水污染的防治及綜合決策[10,13].

在傳統的水質監測過程中,研究者通常采用逐日或逐月的樣本采集與實驗室測樣相結合的監測方式,人工成本高且時間間隔過長,難以產生連續、高精度、高分辨率的數據[14-15].同時,強降雨過程中人工采樣也面臨人身安全和財產損失風險.隨著科學技術的發展,水環境監測引入了水下探頭以及衛星遙感監測技術,然而水下探頭在使用中存在易污染、難維護、參數少、精度低等問題[16-18],衛星遙感使用時則易受到大氣塵埃、云雨天氣和低時空分辨率等問題的干擾[19-20].因此,迫切需要發展新的水環境自動監測方法.

本文利用陸基高光譜多參數水質遙感監測儀在四川德陽站實時監測的關鍵水質參數分鐘級高頻數據,刻畫了透明度、濁度、懸浮物、總氮和總磷等參數的精細化波動過程,對降雨強度與關鍵水質參數的相關性進行解釋,并對陸基高光譜多參數水質遙感監測儀在水環境監測及預警中的潛在應用進行了討論.旨在探究不同強度降雨對河流水質的影響,為高強度降雨頻發地區或受降雨影響嚴重流域的綜合污染治理提供科學參考.

1 數據與方法

1.1 研究區概況

研究區站點設置在四川省德陽市人民渠(104.1985°E、31.2917°N).陸基遙感設備采用固定架構,在此監測點架設于水面2～5m處,離岸1～2m處,以消除人民渠河岸的影響.監測點緊鄰S105公路,周邊植被豐富,農田面積較大.人民渠屬于都江堰擴灌工程之一,是中華人民共和國成立后四川省建成的第一座大型水利工程.人民渠為成都、德陽2市10縣農田提供工業用水、城鎮生活用水、水力發電及生態環保用水,具有用水需求高、高峰期水資源配置難、水質要求高等特點[21].

圖1 觀察站點及儀器布設

1.2 氣象水文數據和降雨等級界定

表1 降雨等級劃分及在本次觀測期間出現的時間

續表1

為探究降雨對人民渠水質的影響,選擇距離最近的德陽氣象站(104.3952°E、31.1534°N),從中國氣象數據共享網(http://data.cma.cn/)免費下載2021年9月24日～11月18日的逐時氣象數據,主要包括氣溫(日最低、日最高、日平均)、風速、風向和降雨等.

為了探究不同降雨強度和降雨量對河流水質的影響,本文依據國家標準GB/T 28592-2012將降雨分為無雨、小雨、中雨、大雨和暴雨5個等級,具體分類標準見表1.

1.3 陸基高光譜多參數水質遙感監測儀介紹

采用由南京中科深瞳科技研究院有限公司、中國科學院南京地理與湖泊研究所與杭州?？低晹底旨夹g股份有限公司聯合研發的陸基高光譜多參數水質遙感監測儀,打破以往的傳統水質監測模式.該設備通過高光譜采集、水質參數反演、4G(或5G)數據實時傳輸等技術,即使在復雜天氣情況下,也可以實現對透明度、濁度、懸浮物、總磷、總氮、葉綠素等關鍵水質參數的分鐘級高頻監測.該設備能夠更清晰地呈現出關鍵水質參數濃度變化趨勢,準確把握河流水質在降雨影響下短期、迅速的變化過程,填補了在精細化水環境監測領域的技術空白,具有十分廣闊的應用前景.實現河流水質參數的高頻連續監測,不但可以應對極端氣象水文現象和人類活動引起的水環境突變事件,而且對完善現有的環境監測體系,增強水污染預警防控和水環境監管具有非常重要的意義.目前,陸基高光譜多參數水質遙感監測儀已在太湖、贛州、天目湖等近20個河流湖庫進行了安裝架設,為當地水體環境保護工作提供水質監測、水體預警等強大助力.

1.4 陸基遙感監測模型構建

陸基高光譜遙感儀光譜范圍為400～1000nm,光譜分辨率為1nm,信噪比>1800:1.最短測量間隔為20s,為內陸水域研究提供了連續高頻的水體反射率.陸基高光譜遙感儀通過上下兩個光譜相機同步測量來自水中的上行輻照度和來自天空的下行輻照度進而計算得出水體的輻照度比.

水質反演模型構建主要分為兩個部分:第一部分為數據采集與篩選,共采集包括太湖、富春江水庫、千島湖和梁溪河等不同類型水體實測水樣數據,并與同步光譜數據一一對應;第二部分為模型構建,主要包括模型的選擇與精度驗證.對于400～1000nm可見光和近紅外光學遙感,懸浮物、透明度和葉綠素等光學物質有明顯的光學信號,高光譜遙感反演較為容易.但是對于總氮、總磷等吸收光譜在紫外波段的參數,其在可見光和近紅外確實沒有光學信號,很難將遙感光譜與總氮、總磷濃度直接相聯.但氮磷等非光學參數可能與懸浮物、葉綠素濃度a、溶解性有機物等光學物質密切相關.因此,可以通過間接方式來估算總氮、總磷濃度[22-24].現有文獻證實,已經發展出幾種利用經驗算法或機器學習算法的數學統計方法來確定內陸水體遙感反射率與非光學物質(包括總氮總磷)間的關系[25-27].

經過反復試驗,最終選擇精度更高、穩定性更強的后向傳播神經網絡進行建模[28-29].使用MATLAB2021b作為建模工具.BP神經網絡模型的主要學習過程包括前向計算過程和誤差反向傳播過程.它由輸入層、隱藏層和輸出層3個主要結構組成.不同層的神經元通過相應的權重相互連接.誤差反向傳播通過將輸出誤差以某種形式通過隱層逐層反向傳播到輸入層,并將誤差分配給每一層中每個神經元的單個神經單元來更新網絡權值.建模過程中,將數據隨機分為4份,其中3/4的數據用來建立模型,剩余1/4的數據用來驗證模型,經過設定不同隱含層多次訓練選擇最優模型,并使用決定系數、平均相對誤差、均方根誤差等來評價模型.透明度、濁度、懸浮物、總氮、總磷等關鍵水質參數精度均在80%以上.

1.5 數據預處理及統計分析

選取2021年9月24日～11月18日共56d的監測數據進行分析,每日監測時間為8:00～17:00.數據頻次為每分鐘得到一系列數據,包括透明度、濁度、懸浮物、總氮和總磷濃度等.數據處理方面,首先剔除了監測缺失數據,如10月5日、10月6日.降雨發生時,計算各項水質指標平均值后,以濁度為例,發現高于2倍平均值的數據分布頻率很低,大雨時占到樣本總量的10%左右,無雨、小雨時為3%左右,中雨、暴雨時為0%.本文將此類數據定義為不可靠,并將高于平均值兩倍的數值剔除.同時,小雨和無雨時的總氮濃度最大值顯著大于暴雨和大雨時的最大值.本文將大雨和暴雨的最大值取平均值,將小雨和大雨高于此平均值的部分剔除,其中剔除部分占小雨時樣本總量的8%,占無雨部分樣本總量的10%.

SPSS 22.0軟件被用來對降雨量、透明度、濁度、懸浮物、總氮和總磷濃度進行統計分析,包括平均值、最大值、最小值,并計算降雨量與懸浮物、濁度、總氮和總磷濃度之間的皮爾遜相關系數()及進行線性回歸分析.另外,定義￡0.05為統計學意義上顯著,￡0.01為統計學意義上極顯著,否則不顯著.利用Origin 2021繪制文中數據圖.

2 結果與分析

2.1 典型降雨過程氣象水文條件

從觀測期間氣象數據來看(圖2),10月25日為小雨,24h累積降雨量為3.8mm.當日氣溫為12.7～16.0℃,氣溫浮動不大.由于監測點為河流,風力對污染物濃度大小影響極小,因此風力影響忽略不計.降雨開始大致在當日11:00,零星小雨一直延續到20:00.

9月25日和26日累積降雨量分別為28.3和29.2mm,屬于典型的大雨天氣.于9月25日16:00開始發生降雨,特別是9月25日21:00,時降雨量高達12.6mm.9月25日和26日氣溫浮動范圍分別為20.9～25.7℃和18.6～21.5℃,氣溫都經歷了明顯的下降.

10月4日累積降雨量90.9mm,屬于典型的暴雨天氣.于當日凌晨2:00開始有零星小雨,特別是當日12:00,降雨量高達14.3mm.當日氣溫浮動范圍為16.1～21.1℃,氣溫經歷明顯下降.

圖2 典型小雨?中雨和暴雨過程中氣溫和降雨量逐時變化

2.2 不同降雨條件下水質變化特征

監測點在2021年9月24日～11月18日期間共監測56d,并在每分鐘得到一系列的監測數據,分析數據見表2.

表2 不同強度降雨量關鍵水質參數統計

通過表2及統計檢驗計算,在暴雨以及大雨發生時,濁度與懸浮物平均值遠遠高于中雨、小雨和無雨時的平均值濃度(<0.05).這反映出在大雨和暴雨發生時,大量的地表徑流和壤中流產生攜帶大量泥沙和顆粒物入湖,造成河流水體渾濁.總磷濃度由于其本身數值尺度較小,因此在不同降雨強度下并無顯著差距,但是通過統計檢驗計算可以看出暴雨和大雨發生時,暴雨時的總磷濃度要顯著高于中雨、小雨和無雨時的濃度(<0.05),并且大雨時的總磷濃度要顯著高于無雨時的濃度(<0.05).通過對數據的簡單分析,發現在大雨及以上雨強下,水質關鍵參數與其它雨強的明顯區別.但是從降雨到形成徑流是一個復雜的過程,形成徑流再到流入河流造成水質發生改變更是一個復雜的動態過程,需要進一步刻畫出水質變化的詳細過程,展現出河流水質關鍵參數的高頻變化,通過其他雨強下水質變化的對比分析進一步揭示大雨及暴雨天況對河流水質的影響.

2.3 典型無雨過程水質高頻變化

以9月29日和30日數據為例闡述無雨過程水質動態變化,各項水質參數變化如圖3所示.透明度一直處于較高水平,在0.43～0.77m間波動;懸浮物濃度在12.0～24.0mg/L間波動;濁度在18.1～40.0NTU間波動.總氮濃度在0.86～2.07mg/L間波動;總磷濃度在0.07～0.10mg/L間波動.從圖3可以看出,在未發生降雨時,湖泊內各項水質參數數值持續動態變化但是變動范圍較小,說明水質整體穩定,這與后續大雨以及暴雨天況下的水質快速變化形成鮮明的對比,也佐證了陸基高光譜儀在河流水質監測中的穩定性和可應用性.

圖3 9月29～30日各項水質參數變化情況

2.4 小雨過程水質高頻變化過程

由圖2可知,10月25日降雨開始于中午11:00,當時透明度為0.64m,懸浮物濃度為10.5mg/L,濁度為16.4NTU、總氮濃度為1.40mg/L、總磷濃度為0.07mg/L.隨后,濁度在12:12分來到其峰值26.8NTU,相較于降雨發生時,濁度提升63.4%.經歷短暫的小高峰后,濁度曲線開始呈現平穩下降趨勢,懸浮物濃度高頻變化過程與濁度變化過程基本保持一致.透明度則一直保持在0.53～0.74m間波動,始終處于較高水平.總氮濃度在0.84～1.93mg/L間波動,總磷濃度在0.07～ 0.10mg/L間波動,兩者波動范圍非常小.而在無雨天況下,平均總磷濃度為0.11mg/L,平均總氮濃度為1.16mg/L,平均透明度為0.56m,平均懸浮物濃度為17.4mg/L,平均濁度為28.8NTU(表2).小雨過程中上述各個參數均與無雨天況下平均濃度差異不大,表明小雨不會造成明顯的地表徑流,對河流水質的影響非常有限.

圖4 10月25日各項水質參數變化情況

2.5 大雨過程水質高頻過程

由圖2與圖5可以發現, 9月25日降雨開始于當日16:00,當時透明度為0.67m,懸浮物濃度為18.1mg/L,濁度為26.0NTU、總氮濃度為1.81mg/L、總磷濃度為0.09mg/L.在經歷了半小時的持續降雨后,16:30,濁度高頻變化曲線出現了小幅度下降,懸浮物濃度與濁度變化趨勢保持一致.而總氮和總磷濃度則來到了峰值,16:35,總氮濃度達到峰值2.26mg/L,相較于16:00提高了24.9%,總磷濃度達到峰值0.12mg/L,相較于16:00提高了33.3%,經歷過短暫峰值后,曲線開始回落.與無雨天況下各項水質參數相比(表2),在降雨發生初期,由于徑流的產生及匯流需要一定時間,河流水質暫未受到影響.

26日,受持續高強度降雨影響,河流水質波動極大,濁度于11:44達到峰值86.4NTU,相較于25日16:00升高了232.7%.13:30前,濁度與懸浮物濃度一直保持較高數值,隨后,開始逐漸回歸,與25日保持同一高度.透明度則在26日10:13達到低谷0.23m,相較于25日16:00降低了65.7%,下降幅度較大.低透明度一直保持到13:30開始逐漸回升.總磷濃度在26日11:08達到峰值0.20mg/L,相較于25日16:00升高了122.2%,抬升幅度很大.并且,總磷濃度也是在13:30左右開始下降回25日平均水平.可以看出的是,各水質參數到達峰值和出現下降或回升趨勢時間十分接近,可以判斷此水質下降由于降雨引起徑流匯流帶來流域點面源污染物輸入所致.

圖5 9月25～26日各項水質參數變化情況

2.6 暴雨過程污染物濃度變化過程

根據10月4日8:30～17:00的監測數據可知,平均透明度為0.34m,最大值為0.41m,最小值為0.29m,平均值比無雨時低39.3%;平均懸浮物濃度為29.1mg/L,最大值為44.0mg/L,最小值為20.0mg/L,平均濃度比無雨時高67.7%;平均濁度為60.8NTU,最大值為77.8NTU,最小值為47.6NTU,平均濃度比無雨時高111.1%;平均總氮濃度為1.38mg/L,最大值為1.91mg/L,最小值為1.07mg/L,平均濃度比無雨時高19.0%;平均總磷濃度為0.17mg/L,最大值為0.22mg/L,最小值為0.14mg/L,平均濃度比無雨時高54.5%.通過數據對比可知,10月4日當天的懸浮物濃度和濁度增長非常劇烈,同時透明度降低也非常明顯.在持續高強度降雨影響下,污染物濃度變化曲線有著平滑、波動范圍小和平均數值高的特點.10月4日當天,高強度降雨持續不斷(圖2),懸浮物濃度、濁度等指標更是居高不下,在16:40左右開始出現下降跡象,透明度也開始逐漸回升.

圖6 10月4日各項水質參數變化情況

2.7 降雨強度與水質的相關性分析

在9月24日～11月18日期間內共監測56d,其中降雨天數合計27d,計算日降雨量、日均濁度、日均懸浮物濃度、日均總氮和總磷濃度.進行日降雨量與日均濁度、日均懸浮物濃度、日均總氮和總磷的線性回歸分析,如圖7所示.通過線性回歸分析可知,日降雨量與日均濁度、日均懸浮物濃度和日均總磷均存在極顯著正相關(=0.8,<0.001),然而日降雨量與日均總氮只存在中低度線性相關(0.3<<0.5,0.05).這說明四川德陽人民渠水體中的懸浮物濃度、濁度和總磷濃度深受降雨強度的影響,而水體中的總氮濃度受到降雨強度的強烈干擾時則不會出現出明顯的波動,揭示了降雨強度是影響水質參數中濁度、懸浮物濃度和總磷濃度變化的重要因子.

圖7 降雨量與水質參數的線性回歸模型

3 討論

3.1 降雨強度與水質變化關系

通過無雨和小雨時濃度變化曲線與大雨和暴雨時濃度變化曲線相對比分析,發現在小雨天況下,由于降雨強度較小,降雨量未立刻超過土壤自身水體負荷,并且徑流的形成與匯流需要一定時間,與降雨時刻相比存在滯后性.因此,短期內河流水質幾乎不受影響.

大雨天況下,降雨初期,大量雨水落入土壤與河流當中,因徑流的形成與匯流存在滯后性,致使雨水直接落入河流,河流水體增大,并進行了污染物稀釋的過程,從16:45左右懸浮物和濁度下降的趨勢可體現出稀釋這一進程(圖5).此前也有研究發現,懸浮物濃度在暴雨事件中會表現出不同的變化趨勢,反映了懸浮物輸入、沉降、稀釋和再懸浮之間的平衡[30],這與本文的研究發現不謀而合.隨后,高強度陣雨持續發生,這一現象造成的影響體現在了9月26日的遙感監測數據之上(圖5).本文發現9月26日10:00開始,濁度、懸浮物濃度、總磷濃度持續居高不下,濁度一度達到峰值86.4NTU.相較于25日,在同一縱坐標下,濁度、懸浮物濃度、總磷濃度與前日差距較大.這是由于隨著時間的推移,土壤的水體承載力被持續的高強度降雨所擊垮,大量的地表徑流和壤中流形成,造成了水土流失和氮磷污染物輸入河流,進而導致河流水體渾濁、透明度降低和水質下降.隨后,26日的13:20開始,透明度、濁度、懸浮物、總磷濃度、總氮濃度出現新的變化,它們的曲線開始逐漸趨于平緩.逐漸與25日的曲線相統一,在阿巴拉契科拉灣的河口的研究中,當強降雨停止60h50min(即幾乎是第 2.5d)后,地表懸浮物濃度可以恢復到參考值[31],以及在河南北部河流受強降雨影響的研究中發現,受強降雨影響下水質的顯著性變化會在一段時期后逐步恢復到受影響前的水質指標水平,體現出河流水體在經歷強降雨事件后,自身調節具備一定的凈化能力[32].

在暴雨天況下,土壤受到大量雨水沖擊,迅速達到飽和狀態,大量地表徑流和壤中流形成.徑流造成的大規模水土和營養鹽流失加速了地表水營養鹽負荷增加[33],造成河流水質迅速下降.通過氣象數據得知,10月4日前6d均未降雨,并且10月4日當日的時均降雨量為3.79mm,較長的前期未降雨日和較高的持續降雨強度也是造成了10月4日當天水體污染物濃度較高的重要原因[34-35].

從降雨強度與各個水質指標的相關性來看,四川德陽人民渠水體中的懸浮物濃度、濁度和總磷濃度深受降雨強度的影響.高強度降雨造成大量徑流的形成,帶來周邊鄉鎮點面源污染、流域農業面源污染以及土壤淋溶和水土流失,進而造成透明度降低,懸浮物和濁度隨著降雨強度的升高而升高.對于總磷濃度隨降雨強度的變化,一方面是因為強降雨造成流域、鄉鎮和岸邊土壤中含磷營養物質淋溶釋放并伴隨徑流進入河流[36],另一方面由于強降雨引起底泥沉積物的擾動從而引發水體與底泥之間發生氮、磷離子交換及吸附等作用[37],導致積存的磷被釋放進入水體.由于磷濃度與水體富營養化息息相關,強降雨過程對總磷濃度的改變伴隨而來的可能是富營養化程度的進一步加劇.

全球氣候變化不僅造成平均氣溫的上升,還帶來暴雨等極端降水事件的增加[9,30],對經濟社會發展和區域生態環境構成嚴重危害,如2012年“7·12”北京、2015年“7·23”武漢和2021年“7·20”暴雨給當地人民生命財產和生態環境均帶來不可估量的損失.如暴雨發生時,流域生活垃圾、城市點面源污染、農業面源污染和土壤侵蝕、畜禽養殖污染物以及生活污水管網滲漏等均通過雨水匯至河流,帶來汛期水質急劇下降和斷面水質不達標[38],本文依托陸基高光譜遙感監測數據精細刻畫了不同降水過程對河流水質的影響,發現暴雨的影響極其顯著.

3.2 陸基高光譜遙感設備的潛在應用及展望

人民渠流經地域廣闊,承擔了流域161526.67hm2的土地灌溉、企業的工業用水和居民生活用水等重要職責.因此,加強水質監測對當地居民用水安全、工農業用水和當地經濟發展有著非常重要的意義.通過陸基高光譜遙感設備對人民渠長時間高頻的監測數據來看,發現總氮濃度未達到IV類水標準的樣本量占總樣本量的36%,推測人民渠周邊的農田排水是造成這一現象的主要原因.而總磷濃度幾乎全部達到III類水及以上標準,IV類水僅占到總樣本的0.03%.隨著降雨強度的增大,總磷濃度升高,存在一定的水質超標風險.由此可見,陸基高光譜多參數水質遙感監測儀所提供的高頻水質監測可以快速了解水質污染情況,提供污染預警作用,并為人民渠流域量身定做污染治理方案提供數據支持.

上述研究結果為陸基高光譜多參數水質遙感監測儀在關鍵水文過程中水質變化趨勢監測和研究增加了實際案例,為進一步優化設備提供了數據支持.可以看出的是,對水質開展高頻監測可以更精細的展現出水質的動態變化過程,而這也為水環境變化提供了可靠的預警能力,更為制定相應對策提供的強大助力.通過高頻監測可以準確掌握關鍵河流、湖庫斷面汛期水質快速變化,進而制定更高效的汛期水質下降應對措施.

未來,陸基高光譜遙感設備會陸續服務于更多的河流湖泊,增加更多的實用案例驗證設備的實用性并優化設備的性能,迭代升級水質反演算法,實現更精準水質監測.利用自身的優勢彌補現有地表水斷面監測中觀測頻次、觀測精度和觀測參數的不足[39].為我國水環境的監測治理與水生態修復提供更豐富和充實的數據支撐,更好的為我國水環境的精細化管理提供服務.

4 結論

4.1 大雨及暴雨等強降雨過程對人民渠的水質影響顯著,會造成河流水質下降,水質發生改變時刻相較于降雨發生時刻存在一定滯后性.懸浮物濃度、濁度和總磷濃度受高強度降雨影響而發生劇烈變化的時間基本保持統一.河流水質下降在數小時至1～2天基本上能逐漸恢復至無雨時平均值水平.

4.2 降雨強度與濁度、懸浮物和總磷濃度存在著極顯著正相關,揭示了降雨強度是影響人民渠水質濁度、懸浮物和總磷濃度變化的重要因子.

4.3 根據陸基高光譜多參數水質遙感高頻監測結果,強降雨帶來流域營養鹽的脈沖式輸入會造成汛期河流水質出現短時超標風險.

[1] 楊桂山,馬榮華,張 路,等.中國湖泊現狀及面臨的重大問題與保護策略[J]. 湖泊科學, 2010,22(6):799-810.

Yang G S, Ma R H, Zhang L, et al. Lake status, major problems and protection strategy in China [J]. Lake Sci, 2010,22(6):799-810.

[2] 張利平,夏 軍,胡志芳.中國水資源狀況與水資源安全問題分析[J]. 長江流域資源與環境, 2009,18(2):116-120.

Zhang L P, Xia J, Hu Z F. Situation and problem analysis of water resource security in china [J]. Resources and Environment in the Yangtze Basin, 2009,18(2):116-120.

[3] 王巍巍.大氣降水對錦州市河流水質的影響分析[J]. 水利規劃與設計, 2016,(12):53-55.

Wang W W. Analysis of the Impact of Atmospheric Precipitation on River Water Quality in Jinzhou City [J]. Water Resources Planning and Design, 2016,(12):53-55.

[4] Peng G, Pasternack G B, Bali K M, et al. Suspended-sediment transport in an intensively cultivated watershed in southeastern California [J]. Catena, 2007,69(3):239-252.

[5] 劉剛才,林三益,劉淑珍.四川丘陵區常規耕作制下紫色土徑流發生特征及其表面流數值模擬[J]. 水利學報, 2002,(12):101-108.

Liu G C, Lin S Y, Liu S Z. Characteristics of runoff generation and its numerical simulation of surface flow in hilly area with purple soil under convetional tillage systems [J]. Journal of Hydraulic Engineering, 2002,(12):101-108.

[6] Tao W, Zhu B. Nitrate loss via overland flow and interflow from a sloped farmland in the hilly area of purple soil, China [J]. Nutrient Cycling in Agroecosystems, 2011,90(3):309-319.

[7] 孟春紅,趙 冰.城市降雨徑流污染因素與防治[J]. 灌溉排水學報, 2007,26(3):97-100.

Meng C H, Zhao B. Pollution and Management on Urban Rainfall Runoff [J]. Journal of Irrigation and Drainage, 2007,26(3):97-100.

[8] Carpenter S R, Booth E G, Kucharik C J, et al. Extreme daily loads: role in annual phosphorus input to a north temperate lake [J]. Aquatic Sciences, 2015,77(1):71-79.

[9] Zhou Y, Liu M, Zhou L, et al. Rainstorm events shift the molecular composition and export of dissolved organic matter in a large drinking water reservoir in China: High frequency buoys and field observations [J]. Water Research, 2020,187:116471.

[10] Zhou Y, Ma J, Zhang Y, et al. Improving water quality in China: Environmental investment pays dividends [J]. Water Research, 2017, 118(JUL.1):152-159.

[11] 欒芳芳.2018年"7·15"強降雨對密云水庫水環境影響分析[J]. 北京水務, 2019,(3):16-20.

Luan F F. Exploring the effect of "7.15” heavy rainfall on water environment of Miyun reservoir in 2018 [J]. Beijing Water, 2019, (3):16-20.

[12] 王 敏,張雨桐,李奇宸,等.安徽省兆河流域非點源污染模擬及最佳管理措施[J]. 水土保持通報, 2021,41(5):127-136.

Wang M, Zhang Y T, Li Q C, et al. Simulation and Optimal Management of Non-point Source Pollution in Zhaohe Small Watershed in Anhui Province [J]. Bulletin of Soil and Water Conservation, 2021,41(5):127-136.

[13] Huang J, Zhang Y, Arhonditsis G B, et al. How successful are the restoration efforts of China's lakes and reservoirs? [J]. Environ Int, 2019,123:96-103.

[14] 陳 潔,朱廣偉,許 海,等.不同雨強對太湖河網區河道入湖營養鹽負荷影響[J]. 環境科學, 2019,40(11):4924-4931.

Chen J, Zhu G W, Xu H, et al. Influence of Rainfall Intensity on the Nutrient Loading from an Inflowing River in the Plain River Network of the Taihu Catchment [J]. Environmental Science, 2019,40(11): 4924-4931.

[15] 馬 倩,劉俊杰,高明遠.江蘇省入太湖污染量分析(1998～2007年) [J]. 湖泊科學, 2010,(1):29-34.

Ma Q, Liu J J, Gao M Y, Analysis of pollution into Taihu Lake in Jiangsu Province [J]. Lake Sci, 2010,(1):29-34.

[16] 劉 京,周 密,陳 鑫,等.國家地表水水質自動監測網建設與運行管理的探索與思考[J]. 環境監控與預警, 2014,6(1):10-13.

Liu J, Zhou M, Chen X, et al. Study on the Construction and Management of the Quality Automatic Monitoring Network of State Surface Water [J]. Environmental Monitoring and Forewarning, 2014, 6(1):10-13.

[17] 段洪濤,萬能勝,邱銀國,等.富營養化湖庫天-空-地一體化監控平臺系統設計與實踐[J]. 湖泊科學, 2020,32(5):1396-1405.

Duan H T, Wan N S, Qiu Y G, et al. Discussions and practices on the framework of monitoring system in eutrophic lakes and reservoirs [J]. Lake Sci, 2020,32(5):1396-1405.

[18] Qin B, Li W, Zhu G, et al. Cyanobacterial bloom management through integrated monitoring and forecasting in large shallow eutrophic Lake Taihu (China) [J]. J Hazard Mater, 2015,287:356-363.

[19] Cao F, Tzortziou M, Hu C, et al. Remote sensing retrievals of colored dissolved organic matter and dissolved organic carbon dynamics in North American estuaries and their margins [J]. Remote Sensing of Environment, 2018,205:151-165.

[20] Palmer S, Kutser T, Hunter P D. Remote sensing of inland waters: Challenges, progress and future directions [J]. Remote Sensing of Environment, 2014,157:1-8.

[21] 陳琳林.都江堰人民渠灌區水資源優化調度的相關問題探討[J]. 黑龍江科技信息, 2016,(29):262-262.

Chen L L. Discussion on the optimal scheduling of water resources in Dujiangyan people's canal irrigation areas [J]. Scientific and Technological Innovation, 2016,(29):262-262.

[22] Guo H, Huang J J, Chen B, et al. A machine learning-based strategy for estimating non-optically active water quality parameters using Sentinel-2imagery [J]. International Journal of Remote Sensing, 2021, 42(5):1841-1866.

[23] Li Y, Zhang Y, Shi K, et al. Monitoring spatiotemporal variations in nutrients in a large drinking water reservoir and their relationships with hydrological and meteorological conditions based on Landsat 8imagery [J]. Science of The Total Environment, 2017,599:1705- 1717.

[24] Wu C, Wu J, Qi J, et al. Empirical estimation of total phosphorus concentration in the mainstream of the Qiantang River in China using Landsat TM data [J]. International Journal of Remote Sensing, 2010, 31(9):2309-2324.

[25] Chen J, Quan W. Using Landsat/TM imagery to estimate nitrogen and phosphorus concentration in Taihu Lake, China [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2011,5(1):273-280.

[26] Deng C, Zhang L, Cen Y. Retrieval of chemical oxygen demand through modified capsule network based on hyperspectral data [J]. Applied Sciences, 2019,9(21):4620.

[27] Qun'ou J, Lidan X, Siyang S, et al. Retrieval model for total nitrogen concentration based on UAV hyper spectral remote sensing data and machine learning algorithms–A case study in the Miyun Reservoir, China [J]. Ecological Indicators, 2021,124:107356.

[28] Sun X, Zhang Y, Shi K, et al. Monitoring water quality using proximal remote sensing technology [J]. Science of The Total Environment, 2022,803:149805.

[29] 張運林,張毅博,李 娜,等.利用陸基高光譜遙感捕捉太湖藍藻水華日內快速變化過程[J]. 湖泊科學, 2021,33(6):1951-1960.

Zhang Y L, Zhang Y B, Li N, et al. Capturing the rapid intra-day change of cyanobacteria bloom by land-based hyperspectral remote sensing in Lake Taihu [J]. Lake Sci, 2021,33(6):1951-1960.

[30] Zhang Y, Shi K, Zhou Y, et al. Monitoring the river plume induced by heavy rainfall events in large, shallow, Lake Taihu using MODIS 250m imagery [J]. Remote Sensing of Environment, 2016,173:109- 121.

[31] Chen S, Huang W, Chen W, et al. Remote sensing analysis of rainstorm effects on sediment concentrations in Apalachicola Bay, USA [J]. Ecological Informatics, 2011,6(2):147-155.

[32] 張 彥,鄒 磊,梁志杰,等.暴雨前后河南北部河流水質分異特征及其污染源解析[J]. 環境科學, 2022,43(5):2537-2547.

Zhang Y, Zou L, Liang Z J, et al. Differential Characteristics and Source Identification of Water Quality of the Rivers in Northern Henan Before and After Rainstorm [J]. Environmental Science, 2022, 43(5):2537-2547.

[33] Kleinman P J, Srinivasan M S, Dell C J, et al. Role of rainfall intensity and hydrology in nutrient transport via surface runoff [J]. J Environ Qual, 2006,35(4):1248-1259.

[34] Liu A, Goonetilleke A, Egodawatta P. Taxonomy for rainfall events based on pollutant wash-off potential in urban areas [J]. Ecological Engineering, 2012,47:110-114.

[35] 王 倩,張瓊華,王曉昌.國內典型城市降雨徑流初期累積特征分析[J]. 中國環境科學, 2015,35(6):1719-1725.

Wang Q, Zhang Q H, Wang X C. Cumulative characteristics of runoff pollutants in typical domestic cities [J]. China Environmental Science, 2015,35(6):1719-1725.

[36] 辛 苑,李 萍,吳晉峰,等.強降雨對北運河流域沙河水庫水質的影響[J]. 環境科學學報, 2021,41(1):199-208.

Xin Y, Li P, Wu J F, et al. lmpacts of heavy rainfall on the water quality of Shahe Reservoir in the North Canal Basin [J]. Acta Scientiae Circumstantiae, 2021,41(1):199-208.

[37] Saeed T, Sun G. A review on nitrogen and organics removal mechanisms in subsurface flow constructed wetlands: Dependency on environmental parameters, operating conditions and supporting media [J]. Journal of Environmental Management, 2012,112:429-448.

[38] 呂曉龍,黃廷林,李 楠,等.暴雨徑流潛流過程及其對分層水庫水質的影響[J]. 中國環境科學, 2019,39(7):3064-3072.

Lv X L, Huang T L, Li N, et al. lmpact of stormwater inflow on water quality of stratified source reservoir [J]. China Environmental Science, 2019,39(7):3064-3072.

[39] 張運林,施 坤,張毅博,等.陸基(地基,岸基)水環境遙感的提出,實踐和初步應用[J]. 遙感學報, 2021,25(11):2163-2172.

Zhang Y L, Shi K, Zhang Y B, et al. The proposal,practice and preliminary application of land-based(ground-based,shore-based) remote sensing of water environment [J]. National Remote Sensing Bulletin, 2021,25(11):2163-2172.

Impact of rainfall process on the water quality of Renmin Canal using ground-based remote sensing.

NIU Yong-kang1,2, ZHANG Yun-lin1*, ZHANG Yi-bo1,3, SUN Xiao1,4, LI Na1,4, WANG Wei-jia1,4, SHI Kun1,3, GAO Yang-hui5, GAO Jing5

(1.State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China；2.Hohai UniversityCollege of Environment, Nanjing 210024, China；3.Nanjing Zhongke Deep Insight Technology Research Institute Co., Ltd., Nanjing 211899, China；4.University of Chinese Academy of Sciences, Beijing 100049, China；5.Hangzhou Hikvision Digital Technology Co., Ltd., Hangzhou 310051, China)., 2023,43(1)：290～300

This paper used a ground-based hyperspectral water quality remote sensing instrument with a monitoring frequency of 1minute to continuously monitor key water quality dynamics such as total suspended solid (TSM), turbidity, and total phosphorus (TP) in the Renmin Canal of Deyang in Sichuan Province, from September 24 to November 18, 2021. Continuous monitoring accurately characterized the minute-level dynamics of water quality and explored the impact of different rainfall intensities on the water quality combining with synchronous hourly rainfall data. Through continuous monitoring, the minute-level dynamics of water quality was accurately characterized and the impact of different rainfall intensities were explored on the water quality combining with synchronous hourly rainfall data. Significantly positive linear correlations were found between rainfall amount and TSM (=0.88,<0.001), turbidity (=0.82,<0.001), TP (=0.81,<0.001). However, positive but no significant correlation was found between rainfall amount and total nitrogen (TN) (=0.39,=0.07). During light rain, obvious surface runoff was not brought by small rainfall amount, which almost had no impact on the water quality of the river. In contrast, during heavy rain and rainstorm, a significant increase of turbidity, TSM and TP was caused by the formation of surface runoff, while the increase of TN was relatively gentle. Through high-frequency water quality data, the key river basin pollution process could be accurately characterized, from the occurrence of high-intensity rainfall to the large and pulsed input flux of nitrogen and phosphorus pollutants in the basin, and then to the short-term dramatic changes in water quality. Our results provided a scientific basis for pollution control and comprehensive treatment measures in areas with frequent high-intensity rainfall and basins under the scenario of increasing extreme rainfall in the future.

rainfall；ground-based water quality hyperspectral remote sensing；high frequency monitoring；rainstorm

X522

A

1000-6923(2023)01-0290-11

牛永康(1998-),男,河南濮陽人,碩士研究生,主要從事水環境研究.

2022-05-13

中國科學院科研儀器設備研制項目(YJKYYQ20200071);江蘇重點研發計劃產業前瞻與關鍵核心技術項目(BE2022152);江蘇省水利科技項目(2020057)

* 責任作者, 研究員, ylzhang@niglas.ac.cn