基于陆基遥感研究降雨过程对人民渠水质影响

牛永康,张运林,张毅博,孙 晓,李 娜,王玮佳,施 坤,高阳辉,高 晶

基于陆基遥感研究降雨过程对人民渠水质影响

牛永康1,2,张运林1*,张毅博1,3,孙 晓1,4,李 娜1,4,王玮佳1,4,施 坤1,3,高阳辉5,高 晶5

(1.中国科学院南京地理与湖泊研究所,湖泊与环境国家重点实验室,江苏 南京 210008；2.河海大学环境学院,江苏 南京 210024；3.南京中科深瞳科技研究院有限公司,江苏 南京 211899；4.中国科学院大学,北京 100049；5.杭州海康威视数字技术股份有限公司,浙江杭州 310051)

利用监测频率为1min的陆基高光谱水质遥感监测仪于2021年9月24日～11月18日在四川德阳人民渠对浊度､悬浮物､总磷等关键水质参数开展连续监测,精细刻画了水质分钟级的动态变化特征,并结合逐时降水数据探究了不同雨强对人民渠水质的影响.结果显示:降雨量与浊度(=0.82,<0.001)、悬浮物(=0.88,<0.001)和总磷浓度(=0.81,<0.001)均存在极显著正相关,而降雨量与总氮浓度(=0.39,=0.07)存在正相关但相关性不显著.当小雨时,降雨量少,没有形成明显的地表径流,河流水质几乎不受影响;大雨及暴雨时,地表径流的形成造成浊度､悬浮物和总磷浓度显著增加,总氮浓度增长幅度则较为平缓.通过高频水质数据可以精细刻画从高强度降雨发生到引发流域氮磷污染物大通量､脉冲式输入再到水质短期剧烈变化这一关键流域污染过程,研究结果为高强度降雨频发地区和未来极端降雨增加情景下流域的污染物控制和综合治理措施提供科学依据.

降雨；陆基水质高光谱遥感；高频监测；暴雨

河流是地球水文循环中重要的组成部分,是携带泥沙、营养盐和污染物等进入湖泊、水库和海洋的重要通道.随着我国城镇化水平的快速提高以及社会经济的高速发展,河湖流域污染物负荷显著增加,带来了水资源丧失、水污染加剧、水环境恶化和水生态退化等方面一系列的生态环境问题[1-2].因此,河湖流域水质问题成为社会各界近年来所关注的焦点,分析并找出造成水质下降的关键影响因子,成为解决水环境问题不可或缺的重要环节.

在造成水质下降的众多的影响因子中,降雨径流是与地表水关系最密切的关键影响因子之一[3].降雨的发生,带来丰富的径流和地下水的补给.然而,高强度降雨产生的地表径流和壤中流会造成大规模的水土流失和城市点面源污染[4-6],给河流和湖库带来大量污染物输入[7],导致河湖水质发生剧烈变化[8].此外,暴雨发生时,大量富含有机物的陆源物质会被裹挟进入饮用水源地[9],严重威胁到流域内居民的饮用水安全[10].因此,降雨是诱发流域面源污染、造成汛期河湖水质明显下降的主要原因[11].与点源污染相比,面源污染分布特性、输入方式等均异常复杂,导致其监测、定量及防治过程非常困难[12].为了清晰地了解降雨造成水质下降的动态过程、分析降雨与各水质参数间的定量关系,开展水生态环境高频次高精度监测势在必行,其监测能力更会直接影响到流域水污染的防治及综合决策[10,13].

在传统的水质监测过程中,研究者通常采用逐日或逐月的样本采集与实验室测样相结合的监测方式,人工成本高且时间间隔过长,难以产生连续、高精度、高分辨率的数据[14-15].同时,强降雨过程中人工采样也面临人身安全和财产损失风险.随着科学技术的发展,水环境监测引入了水下探头以及卫星遥感监测技术,然而水下探头在使用中存在易污染、难维护、参数少、精度低等问题[16-18],卫星遥感使用时则易受到大气尘埃、云雨天气和低时空分辨率等问题的干扰[19-20].因此,迫切需要发展新的水环境自动监测方法.

本文利用陆基高光谱多参数水质遥感监测仪在四川德阳站实时监测的关键水质参数分钟级高频数据,刻画了透明度、浊度、悬浮物、总氮和总磷等参数的精细化波动过程,对降雨强度与关键水质参数的相关性进行解释,并对陆基高光谱多参数水质遥感监测仪在水环境监测及预警中的潜在应用进行了讨论.旨在探究不同强度降雨对河流水质的影响,为高强度降雨频发地区或受降雨影响严重流域的综合污染治理提供科学参考.

1 数据与方法

1.1 研究区概况

研究区站点设置在四川省德阳市人民渠(104.1985°E、31.2917°N).陆基遥感设备采用固定架构,在此监测点架设于水面2～5m处,离岸1～2m处,以消除人民渠河岸的影响.监测点紧邻S105公路,周边植被丰富,农田面积较大.人民渠属于都江堰扩灌工程之一,是中华人民共和国成立后四川省建成的第一座大型水利工程.人民渠为成都、德阳2市10县农田提供工业用水、城镇生活用水、水力发电及生态环保用水,具有用水需求高、高峰期水资源配置难、水质要求高等特点[21].

图1 观察站点及仪器布设

1.2 气象水文数据和降雨等级界定

表1 降雨等级划分及在本次观测期间出现的时间

续表1

为探究降雨对人民渠水质的影响,选择距离最近的德阳气象站(104.3952°E、31.1534°N),从中国气象数据共享网(http://data.cma.cn/)免费下载2021年9月24日～11月18日的逐时气象数据,主要包括气温(日最低、日最高、日平均)、风速、风向和降雨等.

为了探究不同降雨强度和降雨量对河流水质的影响,本文依据国家标准GB/T 28592-2012将降雨分为无雨、小雨、中雨、大雨和暴雨5个等级,具体分类标准见表1.

1.3 陆基高光谱多参数水质遥感监测仪介绍

采用由南京中科深瞳科技研究院有限公司、中国科学院南京地理与湖泊研究所与杭州海康威视数字技术股份有限公司联合研发的陆基高光谱多参数水质遥感监测仪,打破以往的传统水质监测模式.该设备通过高光谱采集、水质参数反演、4G(或5G)数据实时传输等技术,即使在复杂天气情况下,也可以实现对透明度、浊度、悬浮物、总磷、总氮、叶绿素等关键水质参数的分钟级高频监测.该设备能够更清晰地呈现出关键水质参数浓度变化趋势,准确把握河流水质在降雨影响下短期、迅速的变化过程,填补了在精细化水环境监测领域的技术空白,具有十分广阔的应用前景.实现河流水质参数的高频连续监测,不但可以应对极端气象水文现象和人类活动引起的水环境突变事件,而且对完善现有的环境监测体系,增强水污染预警防控和水环境监管具有非常重要的意义.目前,陆基高光谱多参数水质遥感监测仪已在太湖、赣州、天目湖等近20个河流湖库进行了安装架设,为当地水体环境保护工作提供水质监测、水体预警等强大助力.

1.4 陆基遥感监测模型构建

陆基高光谱遥感仪光谱范围为400～1000nm,光谱分辨率为1nm,信噪比>1800:1.最短测量间隔为20s,为内陆水域研究提供了连续高频的水体反射率.陆基高光谱遥感仪通过上下两个光谱相机同步测量来自水中的上行辐照度和来自天空的下行辐照度进而计算得出水体的辐照度比.

水质反演模型构建主要分为两个部分:第一部分为数据采集与筛选,共采集包括太湖、富春江水库、千岛湖和梁溪河等不同类型水体实测水样数据,并与同步光谱数据一一对应;第二部分为模型构建,主要包括模型的选择与精度验证.对于400～1000nm可见光和近红外光学遥感,悬浮物、透明度和叶绿素等光学物质有明显的光学信号,高光谱遥感反演较为容易.但是对于总氮、总磷等吸收光谱在紫外波段的参数,其在可见光和近红外确实没有光学信号,很难将遥感光谱与总氮、总磷浓度直接相联.但氮磷等非光学参数可能与悬浮物、叶绿素浓度a、溶解性有机物等光学物质密切相关.因此,可以通过间接方式来估算总氮、总磷浓度[22-24].现有文献证实,已经发展出几种利用经验算法或机器学习算法的数学统计方法来确定内陆水体遥感反射率与非光学物质(包括总氮总磷)间的关系[25-27].

经过反复试验,最终选择精度更高、稳定性更强的后向传播神经网络进行建模[28-29].使用MATLAB2021b作为建模工具.BP神经网络模型的主要学习过程包括前向计算过程和误差反向传播过程.它由输入层、隐藏层和输出层3个主要结构组成.不同层的神经元通过相应的权重相互连接.误差反向传播通过将输出误差以某种形式通过隐层逐层反向传播到输入层,并将误差分配给每一层中每个神经元的单个神经单元来更新网络权值.建模过程中,将数据随机分为4份,其中3/4的数据用来建立模型,剩余1/4的数据用来验证模型,经过设定不同隐含层多次训练选择最优模型,并使用决定系数、平均相对误差、均方根误差等来评价模型.透明度、浊度、悬浮物、总氮、总磷等关键水质参数精度均在80%以上.

1.5 数据预处理及统计分析

选取2021年9月24日～11月18日共56d的监测数据进行分析,每日监测时间为8:00～17:00.数据频次为每分钟得到一系列数据,包括透明度、浊度、悬浮物、总氮和总磷浓度等.数据处理方面,首先剔除了监测缺失数据,如10月5日、10月6日.降雨发生时,计算各项水质指标平均值后,以浊度为例,发现高于2倍平均值的数据分布频率很低,大雨时占到样本总量的10%左右,无雨、小雨时为3%左右,中雨、暴雨时为0%.本文将此类数据定义为不可靠,并将高于平均值两倍的数值剔除.同时,小雨和无雨时的总氮浓度最大值显著大于暴雨和大雨时的最大值.本文将大雨和暴雨的最大值取平均值,将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时样本总量的8%,占无雨部分样本总量的10%.

SPSS 22.0软件被用来对降雨量、透明度、浊度、悬浮物、总氮和总磷浓度进行统计分析,包括平均值、最大值、最小值,并计算降雨量与悬浮物、浊度、总氮和总磷浓度之间的皮尔逊相关系数()及进行线性回归分析.另外,定义£0.05为统计学意义上显著,£0.01为统计学意义上极显著,否则不显著.利用Origin 2021绘制文中数据图.

2 结果与分析

2.1 典型降雨过程气象水文条件

从观测期间气象数据来看(图2),10月25日为小雨,24h累积降雨量为3.8mm.当日气温为12.7～16.0℃,气温浮动不大.由于监测点为河流,风力对污染物浓度大小影响极小,因此风力影响忽略不计.降雨开始大致在当日11:00,零星小雨一直延续到20:00.

9月25日和26日累积降雨量分别为28.3和29.2mm,属于典型的大雨天气.于9月25日16:00开始发生降雨,特别是9月25日21:00,时降雨量高达12.6mm.9月25日和26日气温浮动范围分别为20.9～25.7℃和18.6～21.5℃,气温都经历了明显的下降.

10月4日累积降雨量90.9mm,属于典型的暴雨天气.于当日凌晨2:00开始有零星小雨,特别是当日12:00,降雨量高达14.3mm.当日气温浮动范围为16.1～21.1℃,气温经历明显下降.

图2 典型小雨､中雨和暴雨过程中气温和降雨量逐时变化

2.2 不同降雨条件下水质变化特征

监测点在2021年9月24日～11月18日期间共监测56d,并在每分钟得到一系列的监测数据,分析数据见表2.

表2 不同强度降雨量关键水质参数统计

通过表2及统计检验计算,在暴雨以及大雨发生时,浊度与悬浮物平均值远远高于中雨、小雨和无雨时的平均值浓度(<0.05).这反映出在大雨和暴雨发生时,大量的地表径流和壤中流产生携带大量泥沙和颗粒物入湖,造成河流水体浑浊.总磷浓度由于其本身数值尺度较小,因此在不同降雨强度下并无显著差距,但是通过统计检验计算可以看出暴雨和大雨发生时,暴雨时的总磷浓度要显著高于中雨、小雨和无雨时的浓度(<0.05),并且大雨时的总磷浓度要显著高于无雨时的浓度(<0.05).通过对数据的简单分析,发现在大雨及以上雨强下,水质关键参数与其它雨强的明显区别.但是从降雨到形成径流是一个复杂的过程,形成径流再到流入河流造成水质发生改变更是一个复杂的动态过程,需要进一步刻画出水质变化的详细过程,展现出河流水质关键参数的高频变化,通过其他雨强下水质变化的对比分析进一步揭示大雨及暴雨天况对河流水质的影响.

2.3 典型无雨过程水质高频变化

以9月29日和30日数据为例阐述无雨过程水质动态变化,各项水质参数变化如图3所示.透明度一直处于较高水平,在0.43～0.77m间波动;悬浮物浓度在12.0～24.0mg/L间波动;浊度在18.1～40.0NTU间波动.总氮浓度在0.86～2.07mg/L间波动;总磷浓度在0.07～0.10mg/L间波动.从图3可以看出,在未发生降雨时,湖泊内各项水质参数数值持续动态变化但是变动范围较小,说明水质整体稳定,这与后续大雨以及暴雨天况下的水质快速变化形成鲜明的对比,也佐证了陆基高光谱仪在河流水质监测中的稳定性和可应用性.

图3 9月29～30日各项水质参数变化情况

2.4 小雨过程水质高频变化过程

由图2可知,10月25日降雨开始于中午11:00,当时透明度为0.64m,悬浮物浓度为10.5mg/L,浊度为16.4NTU、总氮浓度为1.40mg/L、总磷浓度为0.07mg/L.随后,浊度在12:12分来到其峰值26.8NTU,相较于降雨发生时,浊度提升63.4%.经历短暂的小高峰后,浊度曲线开始呈现平稳下降趋势,悬浮物浓度高频变化过程与浊度变化过程基本保持一致.透明度则一直保持在0.53～0.74m间波动,始终处于较高水平.总氮浓度在0.84～1.93mg/L间波动,总磷浓度在0.07～ 0.10mg/L间波动,两者波动范围非常小.而在无雨天况下,平均总磷浓度为0.11mg/L,平均总氮浓度为1.16mg/L,平均透明度为0.56m,平均悬浮物浓度为17.4mg/L,平均浊度为28.8NTU(表2).小雨过程中上述各个参数均与无雨天况下平均浓度差异不大,表明小雨不会造成明显的地表径流,对河流水质的影响非常有限.

图4 10月25日各项水质参数变化情况

2.5 大雨过程水质高频过程

由图2与图5可以发现, 9月25日降雨开始于当日16:00,当时透明度为0.67m,悬浮物浓度为18.1mg/L,浊度为26.0NTU、总氮浓度为1.81mg/L、总磷浓度为0.09mg/L.在经历了半小时的持续降雨后,16:30,浊度高频变化曲线出现了小幅度下降,悬浮物浓度与浊度变化趋势保持一致.而总氮和总磷浓度则来到了峰值,16:35,总氮浓度达到峰值2.26mg/L,相较于16:00提高了24.9%,总磷浓度达到峰值0.12mg/L,相较于16:00提高了33.3%,经历过短暂峰值后,曲线开始回落.与无雨天况下各项水质参数相比(表2),在降雨发生初期,由于径流的产生及汇流需要一定时间,河流水质暂未受到影响.

26日,受持续高强度降雨影响,河流水质波动极大,浊度于11:44达到峰值86.4NTU,相较于25日16:00升高了232.7%.13:30前,浊度与悬浮物浓度一直保持较高数值,随后,开始逐渐回归,与25日保持同一高度.透明度则在26日10:13达到低谷0.23m,相较于25日16:00降低了65.7%,下降幅度较大.低透明度一直保持到13:30开始逐渐回升.总磷浓度在26日11:08达到峰值0.20mg/L,相较于25日16:00升高了122.2%,抬升幅度很大.并且,总磷浓度也是在13:30左右开始下降回25日平均水平.可以看出的是,各水质参数到达峰值和出现下降或回升趋势时间十分接近,可以判断此水质下降由于降雨引起径流汇流带来流域点面源污染物输入所致.

图5 9月25～26日各项水质参数变化情况

2.6 暴雨过程污染物浓度变化过程

根据10月4日8:30～17:00的监测数据可知,平均透明度为0.34m,最大值为0.41m,最小值为0.29m,平均值比无雨时低39.3%;平均悬浮物浓度为29.1mg/L,最大值为44.0mg/L,最小值为20.0mg/L,平均浓度比无雨时高67.7%;平均浊度为60.8NTU,最大值为77.8NTU,最小值为47.6NTU,平均浓度比无雨时高111.1%;平均总氮浓度为1.38mg/L,最大值为1.91mg/L,最小值为1.07mg/L,平均浓度比无雨时高19.0%;平均总磷浓度为0.17mg/L,最大值为0.22mg/L,最小值为0.14mg/L,平均浓度比无雨时高54.5%.通过数据对比可知,10月4日当天的悬浮物浓度和浊度增长非常剧烈,同时透明度降低也非常明显.在持续高强度降雨影响下,污染物浓度变化曲线有着平滑、波动范围小和平均数值高的特点.10月4日当天,高强度降雨持续不断(图2),悬浮物浓度、浊度等指标更是居高不下,在16:40左右开始出现下降迹象,透明度也开始逐渐回升.

图6 10月4日各项水质参数变化情况

2.7 降雨强度与水质的相关性分析

在9月24日～11月18日期间内共监测56d,其中降雨天数合计27d,计算日降雨量、日均浊度、日均悬浮物浓度、日均总氮和总磷浓度.进行日降雨量与日均浊度、日均悬浮物浓度、日均总氮和总磷的线性回归分析,如图7所示.通过线性回归分析可知,日降雨量与日均浊度、日均悬浮物浓度和日均总磷均存在极显著正相关(=0.8,<0.001),然而日降雨量与日均总氮只存在中低度线性相关(0.3<<0.5,0.05).这说明四川德阳人民渠水体中的悬浮物浓度、浊度和总磷浓度深受降雨强度的影响,而水体中的总氮浓度受到降雨强度的强烈干扰时则不会出现出明显的波动,揭示了降雨强度是影响水质参数中浊度、悬浮物浓度和总磷浓度变化的重要因子.

图7 降雨量与水质参数的线性回归模型

3 讨论

3.1 降雨强度与水质变化关系

通过无雨和小雨时浓度变化曲线与大雨和暴雨时浓度变化曲线相对比分析,发现在小雨天况下,由于降雨强度较小,降雨量未立刻超过土壤自身水体负荷,并且径流的形成与汇流需要一定时间,与降雨时刻相比存在滞后性.因此,短期内河流水质几乎不受影响.

大雨天况下,降雨初期,大量雨水落入土壤与河流当中,因径流的形成与汇流存在滞后性,致使雨水直接落入河流,河流水体增大,并进行了污染物稀释的过程,从16:45左右悬浮物和浊度下降的趋势可体现出稀释这一进程(图5).此前也有研究发现,悬浮物浓度在暴雨事件中会表现出不同的变化趋势,反映了悬浮物输入、沉降、稀释和再悬浮之间的平衡[30],这与本文的研究发现不谋而合.随后,高强度阵雨持续发生,这一现象造成的影响体现在了9月26日的遥感监测数据之上(图5).本文发现9月26日10:00开始,浊度、悬浮物浓度、总磷浓度持续居高不下,浊度一度达到峰值86.4NTU.相较于25日,在同一纵坐标下,浊度、悬浮物浓度、总磷浓度与前日差距较大.这是由于随着时间的推移,土壤的水体承载力被持续的高强度降雨所击垮,大量的地表径流和壤中流形成,造成了水土流失和氮磷污染物输入河流,进而导致河流水体浑浊、透明度降低和水质下降.随后,26日的13:20开始,透明度、浊度、悬浮物、总磷浓度、总氮浓度出现新的变化,它们的曲线开始逐渐趋于平缓.逐渐与25日的曲线相统一,在阿巴拉契科拉湾的河口的研究中,当强降雨停止60h50min(即几乎是第 2.5d)后,地表悬浮物浓度可以恢复到参考值[31],以及在河南北部河流受强降雨影响的研究中发现,受强降雨影响下水质的显著性变化会在一段时期后逐步恢复到受影响前的水质指标水平,体现出河流水体在经历强降雨事件后,自身调节具备一定的净化能力[32].

在暴雨天况下,土壤受到大量雨水冲击,迅速达到饱和状态,大量地表径流和壤中流形成.径流造成的大规模水土和营养盐流失加速了地表水营养盐负荷增加[33],造成河流水质迅速下降.通过气象数据得知,10月4日前6d均未降雨,并且10月4日当日的时均降雨量为3.79mm,较长的前期未降雨日和较高的持续降雨强度也是造成了10月4日当天水体污染物浓度较高的重要原因[34-35].

从降雨强度与各个水质指标的相关性来看,四川德阳人民渠水体中的悬浮物浓度、浊度和总磷浓度深受降雨强度的影响.高强度降雨造成大量径流的形成,带来周边乡镇点面源污染、流域农业面源污染以及土壤淋溶和水土流失,进而造成透明度降低,悬浮物和浊度随着降雨强度的升高而升高.对于总磷浓度随降雨强度的变化,一方面是因为强降雨造成流域、乡镇和岸边土壤中含磷营养物质淋溶释放并伴随径流进入河流[36],另一方面由于强降雨引起底泥沉积物的扰动从而引发水体与底泥之间发生氮、磷离子交换及吸附等作用[37],导致积存的磷被释放进入水体.由于磷浓度与水体富营养化息息相关,强降雨过程对总磷浓度的改变伴随而来的可能是富营养化程度的进一步加剧.

全球气候变化不仅造成平均气温的上升,还带来暴雨等极端降水事件的增加[9,30],对经济社会发展和区域生态环境构成严重危害,如2012年“7·12”北京、2015年“7·23”武汉和2021年“7·20”暴雨给当地人民生命财产和生态环境均带来不可估量的损失.如暴雨发生时,流域生活垃圾、城市点面源污染、农业面源污染和土壤侵蚀、畜禽养殖污染物以及生活污水管网渗漏等均通过雨水汇至河流,带来汛期水质急剧下降和断面水质不达标[38],本文依托陆基高光谱遥感监测数据精细刻画了不同降水过程对河流水质的影响,发现暴雨的影响极其显著.

3.2 陆基高光谱遥感设备的潜在应用及展望

人民渠流经地域广阔,承担了流域161526.67hm2的土地灌溉、企业的工业用水和居民生活用水等重要职责.因此,加强水质监测对当地居民用水安全、工农业用水和当地经济发展有着非常重要的意义.通过陆基高光谱遥感设备对人民渠长时间高频的监测数据来看,发现总氮浓度未达到IV类水标准的样本量占总样本量的36%,推测人民渠周边的农田排水是造成这一现象的主要原因.而总磷浓度几乎全部达到III类水及以上标准,IV类水仅占到总样本的0.03%.随着降雨强度的增大,总磷浓度升高,存在一定的水质超标风险.由此可见,陆基高光谱多参数水质遥感监测仪所提供的高频水质监测可以快速了解水质污染情况,提供污染预警作用,并为人民渠流域量身定做污染治理方案提供数据支持.

上述研究结果为陆基高光谱多参数水质遥感监测仪在关键水文过程中水质变化趋势监测和研究增加了实际案例,为进一步优化设备提供了数据支持.可以看出的是,对水质开展高频监测可以更精细的展现出水质的动态变化过程,而这也为水环境变化提供了可靠的预警能力,更为制定相应对策提供的强大助力.通过高频监测可以准确掌握关键河流、湖库断面汛期水质快速变化,进而制定更高效的汛期水质下降应对措施.

未来,陆基高光谱遥感设备会陆续服务于更多的河流湖泊,增加更多的实用案例验证设备的实用性并优化设备的性能,迭代升级水质反演算法,实现更精准水质监测.利用自身的优势弥补现有地表水断面监测中观测频次、观测精度和观测参数的不足[39].为我国水环境的监测治理与水生态修复提供更丰富和充实的数据支撑,更好的为我国水环境的精细化管理提供服务.

4 结论

4.1 大雨及暴雨等强降雨过程对人民渠的水质影响显著,会造成河流水质下降,水质发生改变时刻相较于降雨发生时刻存在一定滞后性.悬浮物浓度、浊度和总磷浓度受高强度降雨影响而发生剧烈变化的时间基本保持统一.河流水质下降在数小时至1～2天基本上能逐渐恢复至无雨时平均值水平.

4.2 降雨强度与浊度、悬浮物和总磷浓度存在着极显著正相关,揭示了降雨强度是影响人民渠水质浊度、悬浮物和总磷浓度变化的重要因子.

4.3 根据陆基高光谱多参数水质遥感高频监测结果,强降雨带来流域营养盐的脉冲式输入会造成汛期河流水质出现短时超标风险.

[1] 杨桂山,马荣华,张 路,等.中国湖泊现状及面临的重大问题与保护策略[J]. 湖泊科学, 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] 张利平,夏 军,胡志芳.中国水资源状况与水资源安全问题分析[J]. 长江流域资源与环境, 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.大气降水对锦州市河流水质的影响分析[J]. 水利规划与设计, 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] 刘刚才,林三益,刘淑珍.四川丘陵区常规耕作制下紫色土径流发生特征及其表面流数值模拟[J]. 水利学报, 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] 孟春红,赵 冰.城市降雨径流污染因素与防治[J]. 灌溉排水学报, 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] 栾芳芳.2018年"7·15"强降雨对密云水库水环境影响分析[J]. 北京水务, 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,张雨桐,李奇宸,等.安徽省兆河流域非点源污染模拟及最佳管理措施[J]. 水土保持通报, 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] 陈 洁,朱广伟,许 海,等.不同雨强对太湖河网区河道入湖营养盐负荷影响[J]. 环境科学, 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] 马 倩,刘俊杰,高明远.江苏省入太湖污染量分析(1998～2007年) [J]. 湖泊科学, 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] 刘 京,周 密,陈 鑫,等.国家地表水水质自动监测网建设与运行管理的探索与思考[J]. 环境监控与预警, 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] 段洪涛,万能胜,邱银国,等.富营养化湖库天-空-地一体化监控平台系统设计与实践[J]. 湖泊科学, 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] 陈琳林.都江堰人民渠灌区水资源优化调度的相关问题探讨[J]. 黑龙江科技信息, 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] 张运林,张毅博,李 娜,等.利用陆基高光谱遥感捕捉太湖蓝藻水华日内快速变化过程[J]. 湖泊科学, 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] 张 彦,邹 磊,梁志杰,等.暴雨前后河南北部河流水质分异特征及其污染源解析[J]. 环境科学, 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,张琼华,王晓昌.国内典型城市降雨径流初期累积特征分析[J]. 中国环境科学, 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,吴晋峰,等.强降雨对北运河流域沙河水库水质的影响[J]. 环境科学学报, 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] 吕晓龙,黄廷林,李 楠,等.暴雨径流潜流过程及其对分层水库水质的影响[J]. 中国环境科学, 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] 张运林,施 坤,张毅博,等.陆基(地基,岸基)水环境遥感的提出,实践和初步应用[J]. 遥感学报, 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,河南濮阳人,硕士研究生,主要从事水环境研究.

2022-05-13

中国科学院科研仪器设备研制项目(YJKYYQ20200071);江苏重点研发计划产业前瞻与关键核心技术项目(BE2022152);江苏省水利科技项目(2020057)

* 责任作者, 研究员, ylzhang@niglas.ac.cn