城市道路污染物累积及雨水径流水质动态变化模拟的研究

Urban non-point source pollution is receiving an increasing attention in the worldwide. In a typical urban environment, road stormwater generally consists of a range of pollutants, sourced from frequent traffic activities and many pollutants are toxic such as benzene series pollutants (BTEXs) and heavy metals (HMs). This is because these toxic pollutants can be deposited (build-up) on road surfaces during dry periods and then washed-off into stormwater runoff when rainfall events occur, eventually undermining urban water environment and human health safety. However, recent studies mainly focused on qualitative investigation of pollution processes, limited research focuses on accurate modelling pollutant build-up loads and stormwater qualities using influential factors. In this research, BTEXs and HMs will be selected as respective pollutants on urban road. Firstly, artificial neural networks will be utilized for BTEXs and HMs build-up loads in dry period, and then using modified Tank Model to simulate BTEXs and HMs concentration fluctuations of stormwater runoff in rainfall events. These modelling will provide sample and reliable methods for accurate calculation in pollutant build-up loads and stormwater quality fluctuations. These researches can provide a platform to estimate urban pollutant build-up and wash-off processes. Additionally, these outcomes will provide scientific evidence for stormwater reuse safety and constructions of “Sponge City”.

城市面源污染在世界范围内越来越受到关注。在城市环境中，道路雨水通常包含众多污染物，这些污染物主要来源于交通活动，其中苯系物和重金属就是其中一类毒性较高的污染物。这些污染物在非雨期累积在路面上，当降雨发生时，会被冲刷进入雨水径流，严重威胁城市水生环境和人体健康安全。然而，目前国内外的研究大多关注城市道路污染特征和累积规律的定性分析，对于通过相关影响因素精确定量计算道路污染物累积负荷的研究尚未深入进行。本申请项目以道路上代表性的污染物苯系物和重金属为研究对象，首先将人工神经网络技术运用于苯系物和重金属在非雨期累积过程的模拟，然后再运用改进的Tank Model对雨水径流中苯系物和重金属浓度的动态变化进行模拟。本研究将提供简单可靠的方法对道路污染物累积以及雨水径流水质的动态变化进行精确模拟，将为道路污染物累积-冲刷规律的解析提供技术平台，并为保障雨水回用安全和指导海绵城市建设提供理论和数据支持。

城市面源污染是流域水污染的重要影响因素。尽管目前已经开展了一系列关于城市道路污染物累积和冲刷特征的相关研究，然而关于污染物累积及雨水径流水质模拟还未深入开展。据此，本项目选择城市道路上的重金属和苯系物作为代表性的污染物，通过城市道路沉积物（RDS）和雨水径流样品采集和检测、污染物溯源、系统研究了重金属和苯系物在城市道路上的累积特征，还结合了人工神经网络（ANN）技术和Tank Model模型平台，开发了城市道路污染物累积及雨水水质模型。结果表明在城市道路上中Cr、Cu、Pb、Ni和Zn的浓度范围分别为19.05 mg/kg 至 152.01 mg/kg, 25.66 mg/kg 至 310.75 mg/kg, 15.61 mg/kg 至 220.35 mg/kg, 10.65 mg/kg 至 100.28 mg/kg, 和 138.14 mg/kg 至 1047.05 mg/kg；在苯系物中，甲苯的累积负荷最高，其次是邻二甲苯、间二甲苯、乙苯和对二甲苯，而苯的累积负荷最低。针对城市道路重金属溯源研究结果发现，道路周边土壤是RDS中Pb的最重要贡献者（41±32%），而轮胎磨损颗粒是Zn的主要来源（28±25%），汽油车尾气颗粒对Cr（29±28%）和Ni（20±23%）的贡献最大，而刹车片磨损颗粒是Cu（59±30%）的主要贡献者。在道路重金属和苯系物模拟研究中，基于ANN建立了精度较高的累积负荷预测模型，其中As、Cr、Pb、Zn和固体质量，线性拟合的R^2分别为 0.674、0.567、0.673、0.673 和 0.791，固体颗粒质量、甲苯和对二甲苯的线性拟合的R 值相对较高（分别为0.791、0.615和0.611），而邻位二甲苯和间二甲苯的相应值则高于0.5。乙苯的R^2值最低（0.498）。本研究建立了雨水径流及处理水箱模型（Stormwater treatment Tank Model）, 在模型校准和验证阶段，出流量和溢流量的R^2分别为0.825和0.790、0.856和0.635。此外，校准和验证阶段的出流量和溢流量的纳什有效性系数（NSE）值分别为0.80和0.87、0.80和0.58，在雨水水质模拟中也取得较高的结果。本项目的研究可以为城市道路面源污染的模拟研究提供重要理论支持，也可以为雨水回用安全和海绵城市的建设提供技术平台。