田冰
关键词：GIS平台；生态水环境污染监控；水质监控；信息融合；污染源信息识别
中图分类号：X84 文献标志码：B
前言
生态水环境污染已成为一个全球性问题，对人类健康和生态系统造成了严重的威胁。当化学物质、微生物物质、工业污染源等物质污染河流、海洋、湖泊时会产生水环境污染，影响水质并转化为对人类和生态环境有害的物质。传统的水环境监测方法受限于人力、时间和空间等因素，无法满足实时连续监测的需求。为了提高监测效率，实现对水环境污染的及时跟踪和预警，减少人工干预的误差和延迟，研究生态水环境污染自动监控技术具有重要意义。因此，提出应用GIS平台的生态水环境污染自动监控研究。
1基于GIS的生态水环境总量监控数据集成平台
对生态水质监控数据和GIS技术集成分析技术展开深入研究，利用关系数据库对空间数据和生态水环境总量监控数据展开全面管理；以GIS技术为核心实现对生态水环境质量的快速动态查询和可视化表达。利用GIS建立环境地理空间数据库，实现空间数据的输入、查询、分析、输出以及管理的可视化表达，为后续生态水环境污染自动监控研究提供技术支撑。
2生态水环境污染自动监控
2.1污染现状调查
以山东省济宁南四湖流域为主要研究区域，调查分析生态水环境的水质污染现状。
分析南四湖及其人湖河流的生态区水质现状，以2022年南四湖水质监控数据为依据，设定6个监控点位，经调查可知：南四湖生态区水质整体为轻度污染，监控的6个点位中，Ⅰ-Ⅲ类水质点位所占比例为66.7%；暂无Ⅴ类和劣Ⅴ类点位。
2.2生态水环境监控指标分析
根据2022年南四湖水质的污染现状，在南四湖下级湖用滤布分割出一块面积约为40hm2水域作为生态水环境污染监控区域，基于上述GIS平台，按照环境监控布点要求，设置3个监控点监控目前南四湖生态区和非生态区水质的污染情况，总体如下：
2.2.1监控准备
（1）监控指标：透明度（SD）、总氮（TN）、总磷（TP）、高锰酸盐指数（IMn）、氨氮指标（NH3-N）、悬浮物（SS）、叶绿素a（chla）、浮游植物、浮游动物以及底栖生物等。
（2）分析方法：《环境监测技术规范（第4册）》，《湖泊富营养化调查规范（第2版）》，《水和废水监测分析方法（第3版）》。
2.2.2环境监控结果分析
2.2.2.1水质化学监控结果
统计该监控区域在7月-12月的水质化学指标变化，7月-12月南四湖的水质SD最高时达112 cm，最低仅为58 cm，水质透明度受到环境污染。造成南四湖入湖河流水质受到轻度污染的主要污染来源是TN和TP，监控结果可以看出生态区水质中TN和TP的浓度较小，释放较少，污染程度不高，而NH3-N浓度较高。生态区水中IMn和SS的浓度较低，其余均呈现增长趋势。
2.2.2.2浮游植物
水体的污染程度取决于水中浮游植物生物现存量。监测得到生态区的藻类生物量在7月- 12月处于不断增长的状态，水中藻类呈现猛烈增长趋势。叶绿素a（Chla）附在浮游植物上，生态区Chla的均值呈增长趋势，说明生态区的水质富营养化程度较高。
2.2.2.3浮游动物
浮游动物主要以臂尾轮虫为优势种，在7月到12月南四湖水质总体呈重富营养化，从10月开始，生态区内的轮虫生存量不断增加，且在浮游动物中占有较高的生长比例，由此南四湖生态区的浮游动物指标已经有了明显地增强。生物学多样性指数对浮游动物以及浮游植物展开监控和评价，生态区的藻类多样性逐渐下降；浮游动物多样性指数在总体上呈现增长趋势，说明水体中的水生植物起到了一定的净化水质作用。
2.2.2.4底栖生物
水中的底栖生物具有较强的稳定性，能够同时表征水质和底质的污染状态，7月-10月生态区中底栖生物的数量较低。使用Goodnight指数表征底栖生物多样性指数。生态区底栖生物多样性指数表现出稳定增长的趋势，这说明南四湖生态区的水质在持续变化。
2.3生态水环境污染自动监控方法
根据上述建立的基于GIS的生态水环境总量监控数据集成平台以及生态水环境污染监控结果，获得生态水环境污染监控信息，对其实施融合处理以提高监控精度和效率。基于人机交互的生态水环境污染监控信息融合，构建分布式监控融合模型，作出最终的生态水环境污染情况决策判断。数学表达式如式（1）：
3实验与分析
3.1实验背景
南四湖人湖河流和污染源污染原因大部分是由于超标排放，废污水中的COD、挥发酚、氨氮等为主要污染物，其中COD占总排放量的90%左右。为了验证应用GIS平台的生态水环境污染自动监控研究的整体有效性，需要作出相关测试。
3.2单个污染源信息识别
假定监控区域存在一个未知浓度、位置以及泄露时间的污染源COD1（x1，y1）持续泄露，且泄露时间从Ti时刻至T2结束，真实污染源信息预设为：污染源COD1浓度为505.8g/L，位置为（4，7），泄露时间为3月-8月。针对该情况，利用所提方法展开4个监控点O1、O2、O3、O4的识别测试：
单个污染源浓度、位置和泄露时间识别过程见图2。
由图2可得，在不同监控点下，污染物浓度、位置、泄露时间的识别结果均与各点处的真实监控值相符合，且表现出较完整的穿透曲线。
污染源浓度、位置、泄露初始时刻以及结束时刻的识别过程见图3。
如图3所示，所提方法经过652次、225次和610次即可准确识别出真实污染源的浓度、位置和泄露时间段的识别，有效提升生态水环境污染监控效率。
3.3多个污染源信息识别
假定监控区域存在两个未知浓度、位置以及泄露时间的污染源COD1（x1，y1）和COD2（x2，y2）持续泄露，真实污染源信息预设为：污染源COD1浓度为505.8 g/L，污染源COD2浓度为328.6g/L，位置分别为（4，7）和（7，11）。针对该情况，利用所提方法展开与上述测试同样的4个监控点O1、O2、O3、O4的识别测试。多个污染源识别结果如表1和多个污染源不同监控点处污染物识别结果见图4。
由表1可知，污染源COD1、COD2除浓度识别其余参数误差均为零，符合监控标准；由图4可知，在不同监控点下，针对多个污染源，所提方法依然能够保持较好的监控精度。多个污染源COD1、COD2的浓度、位置以及泄露时间识别过程和单个污染源COD1的识别过程相似，结果见图5。
根据图5可知，多个污染源信息识别过程中由于污染源COD2的增加，迭代次数均有不同程度地增长，但所提方法监控结果的可靠性依然可以保障，验证了所提方法的可行性。
4结束语
经济的快速发展使得人类活动对水环境造成的污染问题日益突出，对人们的健康以及水生生物和生态系统产生威胁。因此，保护生态水环境的健康与可持续发展变得迫切，提出应用GIS平台的生态水环境污染自动监控研究。根据生态水质监控数据，采用GIS技术建立了水环境总量监控数据集成平台，对生态水环境质量的快速动态查询和可视化表达，利用人机交互方法，将南四湖流域水质的污染调查、监控、污染信息融合处理，得到了生态水环境污染监控信息，通过构建分布式监控融合模型，获取综合污染评价结果，实验结果验证了所提方法能够实现对多个污染源不同监控点处污染物的识别，有效提升了生态水环境污染监控效率，从而验证了所研究方法的可靠性、可行性。
