CN103810537B - 一种基于水质模型的区域环境风险评估方法 - Google Patents

Abstract

本发明提供一种基于水质模型的区域环境风险评估方法。方法包括五个步骤：建立区域环境风险源信息数据库，运用蒙特卡洛算法模拟风险源污染物的排放；选择水质模型，构建符合评估区域源强水质响应关系特点的水质模型；以水生态、人体健康和社会经济影响作为风险评估终点，采用模糊积分法计算风险受体的易损性指数；运用水质模型预测在所有可能的源强情景下区域的污染物浓度的分布，分析风险源的危险性；综合风险源的危险性与受体的易损性指数，以风险曲线表征区域环境风险。根据风险曲线，可以进行区域环境风险评估，识别高风险区域以及重点风险源和易损受体，从而为拟定具有针对性的区域风险防控方案提供参考。

Description

一种基于水质模型的区域环境风险评估方法

技术领域

本发明属于一种基于水质模型的区域环境风险评估方法，是一种根据水质模型模拟结果获取区域环境风险曲线定量表征与评估区域环境风险的方法。适用于流域或某个区域的水环境风险的综合评估。

背景技术

点源，面源，流动源是区域环境健康威胁的主要来源。人类活动排放的污染物直接影响水生生态安全，并最终影响人类健康和社会经济发展。风险评估采用定量分析方法系统探索潜在的环境问题，是一种常用且有效的环境管理技术。纵观目前已有的区域尺度的水环境风险评估方法，一般仅仅采用风险评估指标体系评估区域的风险水平，其指标筛选和指标权重的确定过程的主观性和随意性很难避免，导致风险评估结论也带有很大的主观性和随意性。因此，构建较为合理的、实用的区域环境评估方法，具有重要的理论意义和现实意义。

传统的风险概念由两个变量进行描述：潜在危险事件发生的概率、事件可能产生的不良后果。风险水平高低常常表征为由事件概率和可能的损失两个量构成的风险曲线，或者表示为所有可能事件情景中可能的损失的期望值。区域环境风险评估是分析多个环境风险源对多个环境风险受体带来的可能危害。区域环境风险与污染物在区域环境介质中的迁移和扩散特性密切相关。水质模型是用数学语言解释和预测污染物的混合，运输和转化过程的有效工具，是描述污染物在水环境介质中迁移和转化过程的重要手段。它可以高效地对所有可能的污染物源强情景进行污染物浓度预测，从而将环境风险源，环境介质以及环境风险受体联系起来，定量解释三者之间的关系，分析风险因子沿着“风险源-环境介质-风险受体”的转移过程，进而分析多个环境风险源对多个环境风险受体可能带来的危害，定量表征和评估区域环境风险。

发明内容

本发明的目的是，提供一种基于水质模型的区域环境风险评估方法，用于评估区域环境风险，从而揭示区域环境风险水平的空间异质性，比较各风险源对区域环境风险的贡献。

本发明的技术方案如下：

一种基于水质模型的区域环境风险评估方法，其特征在于步骤如下：

(1)建立区域环境风险源信息数据库，数据库数据包括区域点源、面源、风险源信息，运用蒙特卡洛算法模拟风险源污染物的排放，随机模拟出所有的污染物源强排放情景，获取风险源的概率-源强关系。

点源，面源，流动源是区域环境健康威胁的主要来源。区域环境风险点源包括区域的直排工业源和污水处理厂；点源信息包括点源名称，所在乡镇，所在经度、纬度，废水排放量，主要污染物年排放量(COD，TP，TN，氨氮)，排放去向类型，收纳水体名称，排污口位置(经纬度)；点源资料来源于最新的污染源普查结果。面源包括区域内的未接管的生活污水，种植业带来的污染，畜禽养殖污水和水产养殖污水；面源负荷采用经验系数法进行估算，面源负荷细化至乡镇；面源计算资料来源于各县(市)统计年鉴。流动源主要指区域通航河道中船舶运输对水体带来的污染负荷；根据通航量统计资料进行流动源负荷估算。收集区域点源、面源、流动源数据，建立区域环境风险源信息数据库。

运用蒙特卡洛算法模拟风险源污染物的排放。随机模拟出所有的污染物源强排放情景，获取风险源的概率-源强关系。三类风险源分别进行模拟，各类污染物也分别进行模拟，所有源强单位均表述为千克/天。蒙特卡洛算法通过随机模拟和统计检验的手段来解决随机问题，实现采样，统计模拟，最终输出风险源的所有可能排放量及其对应的可能性(概率)。

点源风险源的分析以点源排污口为源强单位，一个排污口及相关点源组合称为一个点源排污单元，缩写为RSU。忽略污染物在排污管道内的降解过程，RSU的污染物源强可近似表述为所有相关点源排放量的总和：

${\mathrm{SE}}_i=\underset{j=1}{\overset{n}{\Σ}}{\mathrm{PSE}}_{ij}$

式中SE_i指区域内第i个点源排放单元的源强，单位为kg/d，PSE_ij指第i个RSU中的第j个点源的污染物的排放量，单位为kg/d，n表示第i个RSU中包含的相关点源的个数。

运用蒙特卡洛算法模拟点源污染物源强排放情景，PSE_ij为模拟随机变量，SE_i为决策变量，随机变量的分布可以符合均匀分布、正态分布等概率密度函数，决策变量与随机变量之间的关系即为上述公式。

面源风险源的分析以沿河乡镇为边界划分面源排污单元，缩写为NPRSU。面源排污单元的污染物入河口定义在乡镇的沿水流方向的下游边界处。一个NPRSU的污染物源强包括排污单元内相关乡镇的未接管的生活污水，种植业污水，畜禽养殖污水，水产养殖污水总和：

${\mathrm{NPSE}}_i=\underset{j=1}{\overset{m}{\Σ}}{\mathrm{DSE}}_{ij}+\underset{j=1}{\overset{m}{\Σ}}{\mathrm{FSE}}_{ij}+\underset{j=1}{\overset{m}{\Σ}}{\mathrm{LSSE}}_{ij}+\underset{j=1}{\overset{m}{\Σ}}{\mathrm{AQSE}}_{ij}$

式中NPSE_i指区域内第i个面源排放单元的源强，单位为kg/d，DSE_ij指第i个NPRSU中的第j个乡镇未接管生活污水的污染物排放量，单位为kg/d，FSE_ij指第i个NPRSU中的第j个乡镇种植业污水的污染物排放量，单位为kg/d，LSSE_ij指第i个NPRSU中的第j个乡镇畜禽养殖污水的污染物排放量，单位为kg/d，AQSE_ij指第i个NPRSU中的第j个乡镇水产养殖污水的污染物排放量，单位为kg/d，m表示第i个NPRSU中包含的相关乡镇个数。

运用蒙特卡洛算法模拟区域面源污染物源强排放情景，DSE_ij、FSE_ij、LSSE_ij、AQSE_ij均为模拟随机变量，NPSE_i为决策变量，决策变量与随机变量之间的关系为上述公式。

流动源风险源的源强分析中，假定区域内流动源源强在单个通航河道上是均匀分布的。根据水质模型构建中的河道分段结果，将每个河段定义为一个流动源排污单元，缩写为LRSU。LRSU排放污染物的入河口定义在相应河段的最下游边界。LRSU的污染物源强可表述为通航河道单位长度流动源源强与河段长度的乘积：

LSE_i＝L*LE

式中LSE_i指区域内第i个流动源排放单元的源强，单位为kg/d，LE指第i个LRSU所在的通航河道上单位长度的流动源污染负荷，单位为kg/d/km，L表示第i个LRSU中包含的河段长度，单位为km。

运用蒙特卡洛算法模拟流动源的污染物源强排放情景时，LE为模拟随机变量，LSE_i为决策变量，决策变量与随机变量之间的关系为上式。

通过蒙特卡洛算法模拟区域环境风险源污染物的排放，得到每个排放单元的概率-源强曲线。

(2)选择水质模型，构建符合评估区域源强水质响应关系特点的水质模型。

选择水质模型，构建反映符合评估区域源强水质响应关系特点的水质模型。建议采用WASP(Water Quality Analysis Simulation Program)水质模型或其他类似功能的水质模型。WASP是美国环保局(USEPA)开发的Windows版本的水质分析模拟程序。用户可以通过这个模型对自然和人为污染引起的环境介质中的污染物浓度的变化进行解释和预测。WASP可模拟两种主要的水质问题：传统的污染(包括溶解氧，生化需氧量、营养盐等)和有毒的污染(包括有机化合物、金属等)。WASP的具体原理与操作步骤可参考USEPA发布的《Wasp操作手册》。

WASP模型在对河道进行分段的基础上进行水质模拟。在区域环境风险评估中，对水质模型中河道的分段主要考虑以下几个方面因素：a、风险源排污单元的位置。每个河段中仅包括每类风险源中的一个排污单元；b、河流的基础参数与水力特点。在同一河段中，河宽等基础参数，以及水力特点如流速、流量等基本保持一致；c、行政区界。行政区界也是河道分段的依据之一，不同行政区域归属河道划分在不同的河段中；d、水环境功能区。在同一河段中，保持水环境功能区的一致性；e、陆域社会经济状况。在同一河段中，所对应的陆域社会经济状况空间上呈均匀分布。

运用野外实测的水动力水质数据进行模型参数的率定与验证，保证该水质模型基本能反映评估区域水体的污染物源强-浓度的响应关系，水质指标的实测值与模拟值之间的误差控制在15％以内。

(3)以水生态、人体健康和社会经济影响作为风险评估终点，采用模糊积分法计算分别计算区域环境风险受体的水生态易损性指数V_A.E.，人体健康易损性指数V_H.H.，社会经济易损性指数V_S.E.以及风险受体的综合易损性指数V_int。

风险受体的易损性分析是区域环境风险的关键组成部分之一。人类活动排放的污染物直接影响水生生态安全，并最终影响人类健康和社会经济发展。选择水生态、人体健康和社会经济影响作为评估终点，因此区域环境风险可以从四个方面进行描述：水生态风险，人体健康风险，社会经济风险和综合风险。从这四个方面筛选环境风险受体易损性属性的指标，建立受体易损性指标体系；根据数据的可得性，综合考虑行政区界、水环境功能区的完整性、水文水质以及社会经济数据的同质性，划分风险受体单元(评估子区域)，并对各单元进行易损性属性指标赋值，建立区域风险受体信息数据库。

表 风险受体易损性指标、指标分级及各分级的标准化得分

备注：

*：直接娱乐功能指游泳，垂钓等与水直接接触的娱乐功能；非直接娱乐功能指水边公园等，不需要直接与水接触的功能。

**：水质优于水质目标指最近一年的常规监测中，所有的监测指标均优于水质目标；达到水质目标指最近一年的常规监测中，监测指标刚好达到水质目标要求；劣于水质目标指在一年的常规监测中，有监测指标没能达到水质目标要求。

***：易损人群指年龄小于12周岁和大于70周岁的人，这类人群对水污染更加敏感的。

****：人口密度、GDP密度和易损人群所占的百分比三个指标为连续型指标，其余均为离散型指标。

区域风险评估中风险受体易损性指标、指标分级及各级的标准化得分可根据区域的特点、水环境风险的管理目标等进行适当调整。

对所有指标进行赋值后，将指标数值标准化至[0，1]。指标按照取值的连续性分为离散型指标和连续型指标。离散型指标直接采用表中标准化得分，连续型指标则采用分段线性函数方法对指标值进行标准化，指标的分级点即为分段线性函数的分割点。

指标权重采用模糊权重。定义X＝(x₁，x₂......x_n)为指标的指标集，指标集的幂集定义为P(X)。为指标集幂集进行重要性评分作为指标集子集的模糊权重，分数在[0，1]范围内，1表示该子集对指标集表征含义的影响最重要，0表示子集对指标集表征含义的影响最不重要。

采用模糊积分方法计算易损性指数V。定义h为指标集X与[0，1]之间的映射关系，该映射关系即为指标赋值的标准化得分，根据标准化得分高低，将X进行重新排序为X′＝{x′₁，x′₂...x′_n}，使得h(x′₁)≥h(x′₂)≥...≥h(x′_n)；定义X的指标子集与其模糊权重之间的对应关系为模糊测度，标记为g。则风险受体的易损性指数：

V＝∫hdg＝h(x′_n)g(X′_n)+(h(x′_n-1)-h(x′_n))g(X′_n-1)+...(h(x′_i-1)-h(x′_i))(X′_i-1)+...+(h(x′₁)-h(x′₂))g(X′₁)

式中：X′_i＝{x′₁，x′₂，...，x′_i}

分别计算区域环境风险受体的水生态易损性指数V_A.E.，人体健康易损性指数V_H.H.，社会经济易损性指数V_S.E.以及风险受体的综合易损性指数V_int。

(4)运用水质模型预测在所有可能的源强情景下污染物浓度的分布，分析风险源的危险性。

风险源的危险性指风险源对水质的潜在的不良影响，可以定义为风险源对地表水污染物浓度的贡献。假定除评估的排污单元和上游来水以外，整个区域内没有其他污染负荷。应用水质模型预测所有可能的源强情景下区域污染物浓度的变化：

ΔC_ij＝C_ij-C_0j

式中ΔC_ij指第i个排污单元对第j个河段的浓度变化的贡献值，C_0j指在整个区域污染负荷仅有上游来水情况下，运用水质模型模拟的第j个河段污染物的浓度值，C_ij指在整个区域污染负荷仅有上游来水和第i个排污单元的情况下，运用水质模型模拟的第j个河段污染物的浓度值。

使用最大最小值标准化方法将上述所有的浓度变化值标准化至[0，1]，得到：

H_ij＝(ΔC_ij-min(ΔC_ij))/(max(ΔC_ij)-min(Δ_Cij))

式中H_ij指第i个排污单元对第j个河段的危险性数值，max(ΔC_ij)和min(ΔC_ij)分别指所有可能情景下污染物浓度变化值的最大值和最小值。

(5)综合风险源的危险性与受体的易损性指数，采用风险曲线表征区域环境风险。

由于很难区分风险源危险性和风险受体易损性两者对区域环境风险的重要程度，因此认为这两个变量对区域环境风险是同等重要的，从而：

如果H_ij＞0，D_im＝H_ij+V_m。

如果H_ij＝0，D_im＝0。

式中D_im指第i个排污单元对第m个风险受体带来的可能损失(第j个河段位于第m个风险受体范围内)，V_m指第m个风险受体的易损性指数。

通过分析不同情景下的可能损失，区域内每个排污单元对每个受体的风险可以描述为概率-损失曲线，包括综合风险，水生态风险，人体健康风险和社会经济风险。

本发明的有益效果：

1.通过该方法对区域环境风险进行评估，根据风险曲线，可以对环境风险源和风险受体进行风险水平排序，分析不同排污单元对各风险受体的风险贡献，从而筛选对区域环境风险贡献较大的重点风险源，以及区域内易受风险源影响的环境风险受体。从而为区域风险管理及有限资源的合理配置提供科学合理的参考数据和建议。

2.根据风险曲线中可能损失值的不同百分分位数(如损失值的中位数)，将其反映为风险的区域空间分布图，可以分析区域环境风险的空间分布，识别出高风险区域，从而为拟定具有针对性的区域风险防控方案提供参考。

附图说明

图1——本发明的程序流程框图

图2——太浦河区域范围及排污单元位置、风险受体划分、河段划分的示意图

图3——太浦河区域累计概率-各排污单元污染物排放量(kg/d)曲线

图4——污染物实测值与WASP模型预测值比较

图5——太浦河区域累积概率-标准化后的污染物浓度贡献值曲线

图6——太浦河区域点源污染风险曲线(NH₃-N和BOD)

具体实施方式

下面结合具体实施方式对本发明作进一步说明。

本发明提供一种基于水质模型的区域环境风险评估方法。基于水质模型的区域环境风险评估方法包括五个步骤：首先收集区域环境风险源信息，运用蒙特卡洛算法模拟风险源污染物的排放；选择水质模型，构建符合评估区域源强水质响应关系特点的水质模型；然后筛选评估终点，采用模糊积分算法计算风险受体的易损性指数；接着运用水质模型预测在所有可能的源强情景下区域污染物浓度的分布，分析风险源的危险性；最后综合风险源的危险性与受体的易损性指数，采用风险曲线表征区域环境风险。

(1)建立区域环境风险源信息数据库，数据库数据包括区域点源、面源、风险源信息，运用蒙特卡洛算法模拟风险源污染物的排放，随机模拟出所有的污染物源强排放情景，获取风险源的概率-源强关系。

点源，面源，流动源是区域环境健康威胁的主要来源。区域环境风险点源包括区域的直排工业源和污水处理厂；点源信息包括点源名称，所在乡镇，所在经度、纬度，废水排放量，主要污染物年排放量(COD，TP，TN，氨氮)，排放去向类型，收纳水体名称，排污口位置(经纬度)；点源资料来源于最新的污染源普查结果。面源包括区域内的未接管的生活污水，种植业带来的污染，畜禽养殖污水和水产养殖污水；面源负荷采用经验系数法进行估算，面源负荷细化至乡镇；面源计算资料来源于各县(市)统计年鉴。流动源主要指区域通航河道中船舶运输对水体带来的污染负荷；根据通航量统计资料进行流动源负荷估算。收集区域点源、面源、流动源数据，建立区域环境风险源信息数据库。

运用蒙特卡洛算法模拟风险源污染物的排放。随机模拟出所有的污染物源强排放情景，获取风险源的概率-源强关系。三类风险源分别进行模拟，各类污染物也分别进行模拟，所有源强单位均表述为千克/天。蒙特卡洛算法通过随机模拟和统计检验的手段来解决随机问题，实现采样，统计模拟，最终输出风险源的所有可能排放量及其对应的可能性(概率)。

点源风险源的分析以点源排污口为源强单位，一个排污口及相关点源组合称为一个点源排污单元，缩写为RSU。忽略污染物在排污管道内的降解过程，RSU的污染物源强可近似表述为所有相关点源排放量的总和：

${\mathrm{SE}}_i=\underset{j=1}{\overset{n}{\Σ}}{\mathrm{PSE}}_{ij}$

式中SE_i指区域内第i个点源排放单元的源强，单位为kg/d，PSE_ij指第i个RSU中的第j个点源的污染物的排放量，单位为kg/d，n表示第i个RSU中包含的相关点源的个数。

运用蒙特卡洛算法模拟点源污染物源强排放情景，PSE_ij为模拟随机变量，SE_i为决策变量，随机变量的分布可以符合均匀分布、正态分布等概率密度函数，决策变量与随机变量之间的关系即为上述公式。

面源风险源的分析以沿河乡镇为边界划分面源排污单元，缩写为NPRSU。面源排污单元的污染物入河口定义在乡镇的沿水流方向的下游边界处。一个NPRSU的污染物源强包括排污单元内相关乡镇的未接管的生活污水，种植业污水，畜禽养殖污水，水产养殖污水总和：

${\mathrm{NPSE}}_i=\underset{j=1}{\overset{m}{\Σ}}{\mathrm{DSE}}_{ij}+\underset{j=1}{\overset{m}{\Σ}}{\mathrm{FSE}}_{ij}+\underset{j=1}{\overset{m}{\Σ}}{\mathrm{LSSE}}_{ij}+\underset{j=1}{\overset{m}{\Σ}}{\mathrm{AQSE}}_{ij}$

式中NPSE_i指区域内第i个面源排放单元的源强，单位为kg/d，DSE_ij指第i个NPRSU中的第j个乡镇未接管生活污水的污染物排放量，单位为kg/d，FSE_ij指第i个NPRSU中的第j个乡镇种植业污水的污染物排放量，单位为kg/d，LSSE_ij指第i个NPRSU中的第j个乡镇畜禽养殖污水的污染物排放量，单位为kg/d，AQSE_ij指第i个NPRSU中的第j个乡镇水产养殖污水的污染物排放量，单位为kg/d，m表示第i个NPRSU中包含的相关乡镇个数。

运用蒙特卡洛算法模拟区域面源污染物源强排放情景，DSE_ij、FSE_ij、LSSE_ij、AQSE_ij均为模拟随机变量，NPSE_i为决策变量，决策变量与随机变量之间的关系为上述公式。

流动源风险源的源强分析中，假定区域内流动源源强在单个通航河道上是均匀分布的。根据水质模型构建中的河道分段结果，将每个河段定义为一个流动源排污单元，缩写为LRSU。LRSU排放污染物的入河口定义在相应河段的最下游边界。LRSU的污染物源强可表述为通航河道单位长度流动源源强与河段长度的乘积：

LSE_i＝L*LE

式中LSE_i指区域内第i个流动源排放单元的源强，单位为kg/d，LE指第i个LRSU所在的通航河道上单位长度的流动源污染负荷，单位为kg/d/km，L表示第i个LRSU中包含的河段长度，单位为km。

运用蒙特卡洛算法模拟流动源的污染物源强排放情景时，LE为模拟随机变量，LSE_i为决策变量，决策变量与随机变量之间的关系为上式。

通过蒙特卡洛算法模拟区域环境风险源污染物的排放，得到每个排放单元的概率-源强曲线。

以太湖流域太浦河区域点源风险评估为例，评估太浦河区域的点源排放的氨氮(NH₃-N)与生化需氧量(BOD)的区域环境风险。在太浦河区域，所有的点源划分为三个排污单元，记为RSU1，RSU2和RSU3。每个点源排污单元包含的点源个数及主要行业类型列在下表中。

表 太浦河区域的点源排污单元

点源排污单元编号	涉及的点源个数	主要行业类型
			RSU1	18	食品加工，印刷，印染
RSU2	46	化工，纺织，印刷，印染
			RSU3	31	机械制造

运用蒙特卡洛方法随机模拟排污单元污染物的排放，所有点源的污染物排放量均服从均匀分布，随机取样100000次，统计分析随机样结果，得出太浦河区域累计概率-各排污单元污染物排放量(kg/d)曲线。

(2)选择水质模型，构建符合评估区域源强水质响应关系特点的水质模型。

选择水质模型，构建反映符合评估区域源强水质响应关系特点的水质模型。建议采用WASP(Water Quality Analysis Simulation Program)水质模型或其他类似功能的水质模型。WASP是美国环保局(USEPA)开发的Windows版本的水质分析模拟程序。用户可以通过这个模型对自然和人为污染引起的环境介质中的污染物浓度的变化进行解释和预测。WASP可模拟两种主要的水质问题：传统的污染(包括溶解氧，生化需氧量、营养盐等)和有毒的污染(包括有机化合物、金属等)。WASP的具体原理与操作步骤可参考USEPA发布的《Wasp操作手册》。

WASP模型在对河道进行分段的基础上进行水质模拟。在区域环境风险评估中，对水质模型中河道的分段主要考虑以下几个方面因素：a、风险源排污单元的位置。每个河段中仅包括每类风险源中的一个排污单元；b、河流的基础参数与水力特点。在同一河段中，河宽等基础参数，以及水力特点如流速、流量等基本保持一致；c、行政区界。行政区界也是河道分段的依据之一，不同行政区域归属河道划分在不同的河段中；d、水环境功能区。在同一河段中，保持水环境功能区的一致性；e、陆域社会经济状况。在同一河段中，所对应的陆域社会经济状况空间上呈均匀分布。

运用野外实测的水动力水质数据进行模型参数的率定与验证，保证该水质模型基本能反映评估区域水体的污染物源强-浓度的响应关系，水质指标的实测值与模拟值之间的误差控制在15％以内。

继续以太浦河区域点源风险评估为例。将太浦河划分为九个河段。运用WASP水质模型中的热模块和富营养化模块，构建能够反映太浦河水动力水质对污染物输入的响应特点的一维河网模型。运用实测数据进行模型参数率定和验证，使实测值与WASP模型的预测值之间差异控制在15％以内。最终率定的主要参数取值如下：反硝化速率常数0.08/d，BOD衰减速率常数0.3/d，硝化速率常数0.6/d。

(3)以水生态、人体健康和社会经济影响作为风险评估终点，采用模糊积分法计算分别计算区域环境风险受体的水生态易损性指数V_A.E.，人体健康易损性指数V_H.H.，社会经济易损性指数V_S.E.以及风险受体的综合易损性指数V_int。

风险受体的易损性分析是区域环境风险的关键组成部分之一。人类活动排放的污染物直接影响水生生态安全，并最终影响人类健康和社会经济发展。选择水生态、人体健康和社会经济影响作为评估终点，因此区域环境风险可以从四个方面进行描述：水生态风险，人体健康风险，社会经济风险和综合风险。从这四个方面筛选环境风险受体易损性属性的指标，建立受体易损性指标体系；根据数据的可得性，综合考虑行政区界、水环境功能区的完整性、水文水质以及社会经济数据的同质性，划分风险受体单元(评估子区域)，并对各单元进行易损性属性指标赋值，建立区域风险受体信息数据库。

表 风险受体易损性指标、指标分级及各分级的标准化得分

备注：

*：直接娱乐功能指游泳，垂钓等与水直接接触的娱乐功能；非直接娱乐功能指水边公园等，不需要直接与水接触的功能。

**：水质优于水质目标指最近一年的常规监测中，所有的监测指标均优于水质目标；达到水质目标指最近一年的常规监测中，监测指标刚好达到水质目标要求；劣于水质目标指在一年的常规监测中，有监测指标没能达到水质目标要求。

***：易损人群指年龄小于12周岁和大于70周岁的人，这类人群对水污染更加敏感的。

****：人口密度、GDP密度和易损人群所占的百分比三个指标为连续型指标，其余均为离散型指标。

区域风险评估中风险受体易损性指标、指标分级及各级的标准化得分可根据区域的特点、水环境风险的管理目标等进行适当调整。

对所有指标进行赋值后，将指标数值标准化至[0，1]。指标按照取值的连续性分为离散型指标和连续型指标。离散型指标直接采用表中标准化得分，连续型指标则采用分段线性函数方法对指标值进行标准化，指标的分级点即为分段线性函数的分割点。

指标权重采用模糊权重。定义X＝(x₁，x₂......x_n)为指标的指标集，指标集的幂集定义为P(X)。为指标集幂集进行重要性评分作为指标集子集的模糊权重，分数在[0，1]范围内，1表示该子集对指标集表征含义的影响最重要，0表示子集对指标集表征含义的影响最不重要。

采用模糊积分方法计算易损性指数V。定义h为指标集X与[0，1]之间的映射关系，该映射关系即为指标赋值的标准化得分，根据标准化得分高低，将X进行重新排序为X′＝{x′₁，x′₂...x′_n}，使得h(x′₁)≥h(x′₂)≥...≥h(x′_n)；定义X的指标子集与其模糊权重之间的对应关系为模糊测度，标记为g。则风险受体的易损性指数：

V＝∫hdg＝h(x′_n)g(X′_n)+(h(x′_n-1)-h(x′_n))g(X′_n-1)+...(h(x′_i-1)-h(x′_i))g(X′_i-1)+...+(h(x′₁)-h(x′₂))g(X′₁)

式中：X′_i＝{x′₁，x′₂，...，x′_i}

分别计算区域环境风险受体的水生态易损性指数V_A.E.，人体健康易损性指数V_H.H.，社会经济易损性指数V_S.E.以及风险受体的综合易损性指数V_int。

继续以太浦河区域点源风险评估为例。太浦河区域划分为12个风险受体单元，记为R1-R12，运用上述的受体易损性指标体系对太浦河区域的风险受体易损性进行评估。风险受体易损性指标集的所有子集的模糊权重如下表所示。运用模糊积分法计算出太浦河区域所有风险受体单元的易损性指数，包括水生态易损性指数，人体健康易损性指数，社会经济易损性指数，综合易损性指数。

表 太浦河区域风险受体易损性指标集的所有子集的模糊权重

(4)运用水质模型预测在所有可能的源强情景下污染物浓度的分布，分析风险源的危险性。

风险源的危险性指风险源对水质的潜在的不良影响，可以定义为风险源对地表水污染物浓度的贡献。假定除评估的排污单元和上游来水以外，整个区域内没有其他污染负荷。应用水质模型预测所有可能的源强情景下区域污染物浓度的变化：

ΔC_ij＝C_ij-C_0j

式中ΔC_ij指第i个排污单元对第j个河段的浓度变化的贡献值，C_0j指在整个区域污染负荷仅有上游来水情况下，运用水质模型模拟的第j个河段污染物的浓度值，C_ij指在整个区域污染负荷仅有上游来水和第i个排污单元的情况下，运用水质模型模拟的第j个河段污染物的浓度值。

使用最大最小值标准化方法将上述所有的浓度变化值标准化至[0，1]，得到：

H_ij＝(ΔC_ij-min(ΔC_ij))/(max(ΔC_ij)-min(ΔC_ij))

式中H_ij指第i个排污单元对第j个河段的危险性数值，max(ΔC_ij)和min(ΔC_ij)分别指所有可能情景下污染物浓度变化值的最大值和最小值。

继续以太浦河区域点源风险评估为例。运用太浦河区域的水质模型计算各排污单元对各河段污染物浓度贡献值，将其标准化，得到太浦河区域累计概率-标准化后的污染物浓度贡献值曲线(横坐标表示累计概率，纵坐标表示标准化后的污染物的浓度贡献值，即H_ij)。根据该曲线可以比较分析区域各排污单元的危险性。

(5)综合风险源的危险性与受体的易损性指数，采用风险曲线表征区域环境风险。

由于很难区分风险源危险性和风险受体易损性两者对区域环境风险的重要程度，因此认为这两个变量对区域环境风险是同等重要的，从而：

如果H_ij＞0，D_im＝H_ij+V_m。

如果H_ij＝0，D_im＝0。

式中D_im指第i个排污单元对第m个风险受体带来的可能损失(第j个河段位于第m个风险受体范围内)，V_m指第m个风险受体的易损性指数。

通过分析不同情景下的可能损失，区域内每个排污单元对每个受体的风险可以描述为概率-损失曲线，包括综合风险，水生态风险，人体健康风险和社会经济风险。

继续以太浦河区域点源风险评估为例。根据风险源的危险性与受体敏感性分析的结果，估算出可能情景下的损失值，结合各情景的概率，得出太浦河区域的风险曲线(横坐标表示累积概率，纵坐标表示可能的损失值)，包括水生态风险曲线，人体健康风险曲线，社会经济风险曲线和综合风险曲线。

也可以以任意百分位数下的损失值作为依据，绘制风险地图，如太浦河区域RSU1排放的氨氮对风险受体可能带来的损失的中位数的空间分布图，以描述区域环境风险的空间异质性。

以上所述，仅是本发明的实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (6)

1.一种基于水质模型的区域环境风险评估方法，其特征在于，评估方法包括五个步骤：

(1)建立区域环境风险源信息数据库，数据库数据包括区域点源信息、面源信息、流动源信息；

运用蒙特卡洛算法模拟风险源污染物的排放，随机模拟出所有的污染物源强排放情景，获取风险源的概率-源强关系；

三类风险源分别进行模拟，各类污染物也分别进行模拟；

(2)选择水质模型，构建符合评估区域源强水质响应关系特点的水质模型；

采用WASP水质模型，运用野外实测的水动力水质数据进行模型参数的率定与验证，使得水质指标的实测值与模拟值之间的误差控制在15％以内，保证该水质模型基本能反映评估区域水体的污染物源强-浓度的响应关系；

(3)以水生态、人体健康和社会经济影响作为风险评估终点，采用模糊积分法分别计算区域环境风险受体的水生态易损性指数V_A.E.，人体健康易损性指数V_H.H.，社会经济易损性指数V_S.E.以及风险受体的综合易损性指数V_int；

(4)风险源的危险性定义为风险源对地表水污染物浓度的贡献，应用水质模型预测所有可能的源强情景下区域污染物浓度的变化：

ΔC_ij＝C_ij-C_0j

式中ΔC_ij指第i个排污单元对第j个河段的浓度变化的贡献值，C_0j指在整个区域污染负荷仅有上游来水情况下，运用水质模型模拟的第j个河段污染物的浓度值，C_ij指在整个区域污染负荷仅有上游来水和第i个排污单元的情况下，运用水质模型模拟的第j个河段污染物的浓度值；

根据计算出的污染物浓度的可能变化值，分析风险源的危险性；

(5)综合风险源的危险性与受体的易损性指数，通过计算不同情景下的可能的损失，将评估区域内每个排污单元对每个受体单元的风险描述为概率-损失曲线，包括综合风险，水生态风险，人体健康风险和社会经济风险；

所述区域环境风险源包括点源、面源、流动源；所述点源包括直排工业源和污水处理厂，所述面源包括区域内的未接管的生活污水，种植业带来的污染，畜禽养殖污水和水产养殖污水，所述流动源主要指区域通航河道中船舶运输对水体带来的污染负荷；

所述点源信息包括点源名称，所在乡镇，所在经度、纬度，废水排放量，主要污染物COD、TP、TN、氨氮年排放量，排放去向类型，收纳水体名称，排污口经纬度；点源资料来源于最新的污染源普查结果，所述面源信息区域内的未接管区域的人口，种植业，畜禽养殖业和水产养殖业的年产生污水量，以及各自入河系数，面源负荷细化至乡镇，所述流动源信息主要指区域通航河道的通航量。

2.根据权利要求1所述的一种基于水质模型的区域环境风险评估方法，其特征在于，点源风险源源强的分析以点源排污口为源强单位，一个排污口及相关点源组合称为一个点源排污单元，缩写为RSU，RSU的污染物源强可近似表述为所有相关点源排放量的总和：

${\mathrm{SE}}_i=\underset{j=1}{\overset{n}{\Σ}}{\mathrm{PSE}}_{ij}$

式中SE_i指区域内第i个点源排放单元的源强，单位为kg/d，PSE_ij指第i个RSU中的第j个点源的污染物的排放量，单位为kg/d，n表示第i个RSU中包含的相关点源的个数；

运用蒙特卡洛算法模拟点源的污染物源强排放情景时，PSE_ij为模拟随机变量，SE_i为决策变量。

3.根据权利要求1所述的一种基于水质模型的区域环境风险评估方法，其特征在于，面源风险源的源强分析以沿河乡镇为边界划分面源排污单元，缩写为NPRSU，面源排污单元的污染物入河口定义在乡镇的沿水流方向的下游边界处，一个NPRSU的污染物源强包括排污单元内相关乡镇的未接管的生活污水，种植业污水，畜禽养殖污水，水产养殖污水总和：

${\mathrm{NPSE}}_i=\underset{j=1}{\overset{m}{\Σ}}{\mathrm{DSE}}_{ij}+\underset{j=1}{\overset{m}{\Σ}}{\mathrm{FSE}}_{ij}+\underset{j=1}{\overset{m}{\Σ}}{\mathrm{LSSE}}_{ij}+\underset{j=1}{\overset{m}{\Σ}}{\mathrm{AQSE}}_{ij}$

式中NPSE_i指区域内第i个面源排放单元的源强，DSE_ij指第i个NPRSU中的第j个乡镇未接管生活污水的污染物排放量，FSE_ij指第i个NPRSU中的第j个乡镇种植业污水的污染物排放量，LSSE_ij指第i个NPRSU中的第j个乡镇畜禽养殖污水的污染物排放量，AQSE_ij指第i个NPRSU中的第j个乡镇水产养殖污水的污染物排放量，m表示第i个NPRSU中包含的相关乡镇的个数；

运用蒙特卡洛算法模拟区域面源的污染物源强排放情景时，DSE_ij、FSE_ij、LSSE_ij、AQSE_ij均为随机变量，NPSE_i为决策变量。

4.根据权利要求1所述的一种基于水质模型的区域环境风险评估方法，其特征在于，流动源风险源的源强分析中，区域内的流动源源强在单个通航河道上是均匀分布的，根据水质模型构建中的河道分段结果，将每个河段定义为一个流动源排污单元，缩写为LRSU，LRSU排放污染物的入河口定义在相应河段的最下游边界，LRSU的污染物源强可表述为通航河道单位长度流动源源强与河段长度的乘积：

LSE_i＝L*LE

式中LSE_i指区域内第i个流动源排放单元的源强，LE指第i个LRSU所在的通航河道上单位长度的流动源污染负荷，L表示第i个LRSU中包含的河段的长度；

运用蒙特卡洛算法模拟流动源的污染物源强排放情景，LE为随机变量，LSE_i为决策变量。

5.根据权利要求1所述的一种基于水质模型的区域环境风险评估方法，其特征在于，选择水质模型，构建反映符合评估区域源强水质响应关系特点的水质模型，采用WASP水质模型；在区域风险评估中，对水质模型中的河道的分段主要考虑以下几个方面因素：a、风险源排污单元的位置，每个河段中仅包括每类风险源中的一个排污单元，b、河流的基础参数与水力特点，在同一河段中，河道的河宽基础参数，以及水力特点如流速，流量基本保持一致，c、行政区界，行政区界也是河道分段的根据之一，不同行政区域归属河道划分在不同的河段中，d、水环境功能区，在同一河段中，保持水环境功能区的一致性，e、陆域社会经济状况，在同一河段中，所对应的陆域社会经济状况空间上呈均匀分布；运用野外实测的水动力水质数据进行模型参数的率定与验证，使得水质指标的实测值与模拟值之间的误差控制在15％以内，保证该水质模型基本能反映评估区域水体的污染物源强-浓度的响应关系。

6.根据权利要求1所述的一种基于水质模型的区域环境风险评估方法，其特征在于，风险源的危险性定义为风险源对地表水污染物浓度的贡献，假定除评估的排污单元和上游来水以外，整个区域内没有其他污染负荷，应用水质模型预测所有可能的源强情景下区域污染物浓度的变化，使用最大最小值标准化方法将上述所有的浓度变化值标准化至[0，1]，得到：

H_ij＝(ΔC_ij-min(ΔC_ij)/(max(ΔC_ij)-min(ΔC_ij))

式中H_ij指第i个排污单元对第j个河段的危险性数值，max(ΔC_ij)和min(ΔC_ij)分别指所有可能情景下污染物浓度变化值的最大值和最小值。