雨水管網混接入滲診斷技術研究進展

趙志超，黃曉敏，尹海龍，李鋼，李迎喜，彭壽海，唐光濤，許琪*

1.長江設計集團有限公司

2.中國科學院生態環境研究中心，環境水質學國家重點實驗室

3.水利部長三角城鎮供水節水及水環境治理重點實驗室

4.同濟大學環境科學與工程學院

5.中國長江三峽集團有限公司長江生態環境工程研究中心

雨水管網是城市的生命線，對降低城市內澇風險和改善水環境質量意義重大。近10 年來，我國城市化進程發展迅速，雨水管道規模以10.1%的年均增長率快速增加，截至2021 年底已達37.9 萬km，其中約四成服役期超過10 年[1]。受施工過程不當、管材老化腐蝕和地面載荷等因素影響，我國城市雨水管網建成后普遍存在污水混接、高地下水位地區地下水入滲問題，對水環境健康與公共安全造成顯著的風險脅迫[2]。

目前，我國城市的平均污水集中收集率僅為69%，意味著將近31%的污染物未經處理直接排放至河湖水體[1]。調查表明，污水通過混接至雨水管道直接排入河湖水體，是導致污水從收集系統流失和集中收集率偏低的主要原因之一[3]。例如，在我國東部城市通過混接至雨水管道流失的污水量可達污水總量的26.0%～80.7%[3-4]。而上述問題在我國分流制排水系統中普遍存在。2018 年，上海市在1.9 萬km雨污水管道中查出20 290 處混接點；2021 年，武漢東湖高新區在2 550 km 雨污水管道中發現600 處混接點?；旖游鬯哂懈叱龅乇硭h境承載力的污染物濃度，嚴重者甚至與市政污水相當[5]。因此，雨水管網中存在污水混接問題是造成城市受納水體返黑返臭、黑臭水體治理成效功虧一簣的主要原因之一。2021 年11 月，中共中央、國務院印發《關于深入打好污染防治攻堅戰的意見》，強調城市黑臭水體縱深治理要強化污水收集效能，而探明污水混接位置是污水收集處理提質增效的關鍵著力點。

在我國地下水位較高的南方地區，雨水管道普遍存在地下水入滲問題，通過文獻數據調研發現，地下水入滲量可達82.8～524.2 m3/（d·km）[5-6]。入滲地下水能夠通過擠占雨水管道的收集輸送容量，損害其防洪排澇功能[7]，導致地面積水無法通過雨水管道被及時排干，從而引發城市內澇問題；加劇雨水管道堵塞進而產生壅水問題，造成的管道水壓增大可促使窨井蓋發生移位，嚴重時釀成“井蓋吃人”的悲劇。此外，在地下水入滲雨水管道的過程中還可能將管道周邊的土體顆粒沖刷進入管道內，導致入滲區域上方形成侵蝕坑，這會加速管道失穩以致爆管，嚴重時甚至引發地面塌陷災害[8]。由此可見，雨水管網存在地下水入滲問題已成為危害人民生命財產安全的重大隱患，及時開展整治工作意義重大，而查明入滲區域是整治工作高效開展的前提。

在上述背景下，筆者通過綜述國內外雨水管網混接入滲診斷技術的基本原理、應用現狀等，以期為該類技術的科學應用和創新發展提供參考。

1 診斷技術類型、原理和應用現狀

根據原理不同，雨水管網混接入滲診斷技術主要分為物探檢測技術[9]、流量分析技術[10]、特征因子分析技術[11]、水動力反演模型技術[12-13]。

1.1 物探檢測技術

物探檢測技術始于20 世紀60 年代，其基本原理是采用感知設備采集管道內部的物理參數，直接或間接為排水管道入流入滲問題的診斷提供分析依據。目前，物探檢測技術基本形成了以管道閉路電視成像（CCTV）為主的傳統檢測技術，以紅外成像技術和光纖分布式測溫（FDTS）為代表的新型檢測技術[9,14-15]。

1.1.1 技術分類

1.1.1.1 CCTV 技術

現階段，CCTV 技術應用最為廣泛，其主要由主控器、操縱線纜架、搭載攝像鏡頭的行進機器人組成。該技術可通過實地拍攝影像輔助工作人員直觀判斷排水管道存在的入流入滲問題。但為保證機器人在管道中順利行進和鏡頭正常拍攝，CCTV 技術應用前需要進行管道斷水、排空、清淤等復雜操作，不但造成檢測費用昂貴、效率低下，而且在面對流量大、水位高的管道時甚至不能實現斷水檢測[16]。為克服上述難題，國內研發了基于漂浮滾筒螺旋式行進的CCTV 帶水檢測技術[17-18]，但該設備易受水流變化影響而較難被操控，導致數據質量無法保證。對此，蔡兆祝[19]通過解決管道復雜環境下機器人運動適應性低、檢測方式單一、成像效果差的問題，研發了能在少水、滿水甚至有水流沖擊環境下進行檢測的兩棲機器人，然而當前鮮見該技術工程應用的案例報道。

1.1.1.2 紅外成像技術

紅外成像技術是采用紅外成像設備掃描物質表面的溫度場，并根據溫度突變診斷管道的入流入滲問題。例如，Lepot 等[15]采用紅外成像設備對試驗水槽的748 次旁側入流事件進行了記錄，結果表明，該技術主要適用于探測導致管道自由水面溫度場發生變化的入流入滲事件，檢出限非常低，能夠識別的最小入流僅為管道水體流量的2.5%，但是無法定量入流流量以及識別侵入型、裂縫型、管道底部型入流事件。紅外成像技術能有效實現不斷水檢測，但在實際應用中需將成像設備固定在漂浮裝置上采集數據，導致設備易受水流流速變化影響而無法獲得精準數據。當前鮮見該技術應用于實際管道檢測的案例報道。

1.1.1.3 FDTS 技術

FDTS 技術能基于沿管道鋪設的光纖高頻率感知空間溫度變化，并根據溫度變化特征診斷管道的入流入滲問題[20]，其原理如圖1 所示。近年來，FDTS技術已在國內外形成許多試驗場景。如Hoes 等[20]在2009 年率先采用FDTS 技術對荷蘭Korendijk 州和Groningen 州雨水管網中存在的生活污水間歇性接入事件進行了有效追蹤，并指出該技術主要適用于對大流量入流水體的探測，然而該研究未給出FDTS 技術識別混接事件的溫度變化閾值；隨后，Kessili 等[21]在實驗室條件下分析了FDTS 技術的溫度變化閾值對管道充滿度、混接污水溫度和體積、混接路徑長度的響應關系，發現管道充滿度、混接污水和管道環境之間的溫度差異、混接路徑長度是影響混接事件被成功識別的主要因素，并綜合確定FDTS 技術識別污水混接事件的溫度變化閾值為0.15 ℃，然而該研究未分析溫度變化閾值隨時間的變化特征；對此，尹海龍等[16]在2022 年以一條50 m 長的污水管道為例開展了基于FDTS 技術的污水和雨水入流實時監控，并基于統計學理論分析了FDTS 技術識別入流事件時在空間和時間上的溫度變化閾值（分別為±0.2 和±0.5 ℃）。然而，當入流入滲水體流量小、與管道原生水體之間溫差不明顯時，FDTS 技術不適用。

圖1 基于FDTS 技術的排水管道入流入滲診斷示意[16]Fig.1 Schematic diagram of diagnosing inflow and infiltration into sewers using FDTS technology

1.1.2 技術適用條件

物探檢測技術是診斷雨水管網混接入滲的有效手段。其中，CCTV 技術主要適用于水深較淺、淤積較輕等無需實施降水、清淤操作的情形，否則將面臨高昂的檢測成本；紅外成像技術和FDTS 技術均支持帶水檢測，前者應用時要求混接入滲引起的溫度變化能夠在管道水體自由水面顯現以及管道水流流速平穩，后者主要適用于混接入滲水量大以及與管道原生水體之間溫差顯著的情形，同時還應盡可能保持光纖漂浮于水體自由表面并避免光纖彎曲引發定位誤差和激光信號損失等。然而，上述方法均難以量化混接入滲的水量信息，導致無法通過評級問題嚴重程度實現治理效果與經濟效益的統一。

1.2 流量分析技術

流量分析技術是實現排水管道入流入滲定量解析的重要方法，其基本原理：基于排水管網節點的流量監測數據和污染源的污水排放數據，構建封閉區域內排水系統的水量平衡方程，并通過方程求解量化排水管網中不同來源類型水體的水量輸入情況。例如，Almeida 等[22]采用37 臺管道流量計對Costa do Estoril 的污水管網進行了節點流量監測，并結合用戶的用水量數據、水質指標分析、夜間最小流量法等，分析了污水管網的地下水入滲量、工業廢水排放量、雨水混接量，在此基礎上提出了污水管網的優化改造方向；Xu 等[10]綜合運用管道流量監測數據、污染源調查數據、泵站運行數據、地下水入滲模型，構建了上海市某分流制排水系統的水量平衡方程（圖2），通過方程聯立求解，定量解析了旱季期間雨水管網中的污水混接、地下水入滲和河水倒灌情況，從而為雨水管網混接入滲問題治理提供了科學指導。然而，流量分析技術需要通過獲取大量管道流量數據明確水量平衡方程的邊界條件，具有成本高、人員投入大的問題。對此，肖濤[23]提出了基于管道液位演算流量的“軟測量”模型——單井模型和雙井模型。單井模型是以上游檢查井液位監測數據為模型輸入條件演算流量，適用于下游管道順坡、水力狀態良好的檢查井；雙井模型是以上下游檢查井的液位監測數據為模型輸入條件演算管道流量，在順坡、平坡和逆坡管道中均適用。然而，在實際應用中，測量誤差或管道淤積常導致演算流量與實測數據之間存在較大誤差。

圖2 基于水量平衡分析的雨水管網混接入滲量化模型[10]Fig.2 Quantitative model of illicit discharge and groundwater infiltration of stormwater network based on water balance analysis

除上述不足外，流量分析技術還存在無法識別水體來源類型的缺陷，導致在開展排水管網入流入滲定量解析時，易將未監測到的水體錯誤納入已知來源類型水體中，引發解析結果的較大偏差。對此，工程實踐中常引入水質指標進行輔助分析，以提升診斷結果的準確性。例如，在T/CECS 758—2020《城鎮排水管道混接調查及治理技術規程》[9]中給出了通過監測雨水管道水體污染物濃度和負荷量的沿程變化診斷污水混接的技術路線。然而，該類方法仍無法精細化定量不同來源類型水體的水量。

綜上可知，流量分析技術是定量解析雨水管網混接入滲的有效手段，主要適用于水量平衡模型邊界條件較少的情形，否則需要安裝大量管道流量計，導致診斷成本顯著增加；此外，該技術對監測節點水體的流速和水深大小具有特定要求，在測量過程中還需避免傳感器被垃圾纏繞或淤泥淤積引發數據測量誤差。與物探檢測技術相比，流量分析技術無需深入管道內部獲取數據，因此操作易于實現，且能夠通過評級問題嚴重等級明確混接入滲區域治理的優先級，提高治理工作的經濟和環境效益。然而該技術不能識別水體來源類型，導致解析結果的不確定性較大，易誤導工程治理方向；另外，其診斷精度主要為區域水平，為實現定位還需在各檢查井開展流量監測，成本較高。

1.3 特征因子分析技術

1.3.1 基本原理

特征因子分析技術是精細化識別和定量排水管網入流入滲的有效手段。該技術是美國國家環境保護局（US EPA）開展雨水管網混接調查的核心方法之一[11]，由于該技術允許帶水操作且能夠定量解析不同來源水體的貢獻比例，近年來備受關注。特征因子分析技術的基本思想：篩選針對不同來源類型水體的特異性和保守性特征因子，在此基礎上建立涉及特征因子指標和貢獻比例的化學質量平衡（CMB）模型，并通過CMB 模型求解，定量解析排水管網中不同來源類型水體的接入比例，在此基礎上進一步結合流量監測數據可量化評估入流入滲水平。該方法架構如圖3 所示。

圖3 基于特征因子的排水管網入流入滲診斷技術架構Fig.3 Architecture of diagnostic technology for inflow and infiltration of drainage network based on tracer parameters

（1）CMB 模型原理

CMB 模型的數學表達如式（1）所示。

式中：C1,1,···,C1,k為第1 個特征因子在第1,···,k種來源類型水體中的指標值；Ck,1,···,Ck,k為第k個特征因子在第1,···,k種來源類型水體中的指標值；f1，···，fk為第1，···，k種來源類型水體對監測節點出流水體的貢獻比例，滿足為監測節點處出流水體第1，···，k種特征因子的指標值。

根據式（1）解析結果并結合流量監測數據，可計算監測節點上游排水管網中不同來源類型水體的入流入滲水量，公式如下：

式中：Qi為監測節點上游排水管網中第i種來源類型水體的日均入流入滲量，m3/d；Q監測節點為監測節點水體的日均出流量，m3/d。

采用上述方法沿排水管網的不同監測節點逐級開展診斷，并結合水量平衡分析，可得到相鄰節點之間的排水管網中不同來源類型水體的入流入滲水量，從而應用于排水管網運行效能評估。

（2）特征因子篩選準則和常用類型

特征因子分析技術的實施關鍵之一是選擇合適的特征因子，理論上特征因子應具有以下基本特征[24]：1）在不同來源類型水體之間具有顯著的指標值差異；2）在排水管道的生物地球化學作用過程中能保持較好的穩定性；3）檢測限、測試精度、安全性和重現性較理想。參考上述原則，國內外學者篩選出能夠表征生活污水、不同行業廢水、地下水的濃度型特征因子（表1），并廣泛用于排水管網入流入滲診斷。例如，徐祖信等[24]以上海市某雨水管網為研究對象，分別采用總氮、氟化物、硬度作為表征生活污水、半導體工業廢水和地下水的特征因子，結合CMB模型耦合不確定性算法量化了3 種水體的貢獻比例；王詩婧[25]以巢湖市城區污水管網為研究對象，采用安賽蜜作為區分生活污水和地下水的特征因子，通過CMB 模型求解，明確了局部管段的嚴重入滲是導致污水處理廠進水濃度偏低的主要原因，并提出通過識別和修復局部嚴重破損管段提升污水處理效能的技術思路。

表1 不同來源類型水體的特征因子及其濃度分布范圍[24,26-33]Table 1 Tracer parameters of different water sources and their concentration distribution ranges

1.3.2 傳統濃度型特征因子的時空非保守性問題

研究表明，同一來源類型水體的濃度型特征因子指標值常表現出顯著的時空波動性，這是造成CMB模型解析結果出現較大誤差的主要原因之一[31]。表2 統計分析了在同一點位連續監測的濃度型特征因子指標值的變異系數（CV），結果表明，約46%監測數據的CV 大于閾值15%，反映了數據離散程度較大，特征因子保守性偏低。同一來源類型水體的濃度型特征因子指標值在空間上表現出的顯著性差異主要與人類活動、區域環境特征等有關，例如生活污水的濃度型特征因子指標值大小與居民生活水平、居住區建成年代、排放污水中黑水和灰水混合比例等因素相關，地下水的濃度型特征因子指標值易受不同區域含水層物理化學性質的影響等[24]。

表2 在同一點位連續監測的濃度型特征因子指標的CV[24,26,28,30]Table 2 CV values of the concentration-type tracer parameters continuously monitored at the same sampling sites

1.3.3 新型指紋型特征因子的優勢前景

為克服濃度型特征因子指標值的時空非保守性，國內外學者將穩定同位素、三維熒光光譜、傅里葉變換離子回旋共振質譜等指紋技術引入該領域中。例如，Houhou 等[34]采用水體中氫原子和氧原子的穩定同位素（分別表示為δ2H 和δ18O）對法國大南錫地區的自來水、市政污水、河水進行了識別，根據δ2H-δ18O 指紋圖譜可知，不同來源類型水體之間的δ2H-δ18O 指紋圖譜的差異性顯著，同一來源類型水體的δ2H-δ18O 指紋圖譜的穩定性較高，這為基于δ2Hδ18O 指紋圖譜揭示污水管網水量平衡過程創造了有利條件。然而，該研究未從統計學角度給出δ2H 和δ18O 保守性的解釋；Kracht 等[35]在利用δ2H-δ18O 指紋圖譜區分生活污水和地下水的研究中發現，δ2H和δ18O 的CV 分別小于?2.0%和?1.8%，表明其保守性較高，可作為精準量化污水管網中地下水入滲的特征因子。在熒光指紋應用方面，Chen 等[36]率先采用三維熒光光譜耦合平行因子分析法表征了雨水管網雨天出流水體、地表徑流和生活污水中的溶解性有機物熒光組分，并通過蛋白質類熒光峰識別了雨水管道中的生活污水接入。然而，該研究未對熒光指紋信息進行數值化表征，因此無法明確其保守性。對此，Liao 等[37]構建了三維熒光光譜指紋的衍生指標——降解指數，并采用顯著性檢驗證明了其對地表徑流和生活污水的特異性指示功能，然而該指標存在保守性不足問題（CV≤32%）。除上述方法外，傅里葉變換離子回旋共振質譜也是識別排水系統入流入滲的潛在指紋手段，由于該技術能從分子式、元素組成和群組成分的角度刻畫水體中溶解性有機物的來源信息，近年來已有效用于區分污水處理廠出水和天然水體、地表徑流和生活污水[38-39]。通過將分子指紋信息數值化，該技術可進一步用于定量解析混合體系中不同來源類型水體的組成比例，但相關研究鮮有報道。

1.3.4 技術適用條件

綜上可知，特征因子分析技術能夠實現對雨水管網混接入滲水體的精細化定量解析，但主要適用于不同來源類型水體的特征因子之間存在顯著性差異的場景。由于該技術僅需開展特征因子檢測和部分點位流量監測，因此診斷成本較低。然而，該技術的診斷精度一般為區域水平，為實現對混接入滲問題的定位還需在各檢查井開展水質監測，其成本較高。

1.4 水動力反演模型技術

為提高對排水管網入流入滲問題的定位效率同時降低成本，水動力反演模型技術被提出。根據水動力學理論，水體在管道上游的時空輸入特性和在管道內的匯流傳輸過程決定了未來在下游點位的動力學形態（流量、水位等）[40]?；谠撽P聯機制，國內率先發展了融合排水管網水動力模型和反問題理論的水動力反演模型技術，用于追蹤入流入滲問題。例如，2020 年Zhao 等[13]采用圖4 中的方法架構開展了巢湖市城區污水管網的地下水入滲定位和定量解析。具體地，首先采用特征因子分析技術識別出存在嚴重地下水入滲問題的污水管網子系統，同時給出該區域的水動力學邊界；其次通過耦合排水管網水動力模型（SWMM）和微生物遺傳算法構建子系統的地下水入滲反演模型，并用于推演地下水入滲的空間分布和水量大小，從而為嚴重入滲管道的優先修復提供靶點。隨后，Xu 等[12]在2021 年綜合采用特征因子分析技術和“軟測量”方法識別了Xiaohecha 雨水管網中存在嚴重混接入滲問題的子系統，并明確了其水動力邊界條件；在此基礎上，進一步通過耦合SWMM 和粒子群算法構建了子系統的水動力反演模型，進而為存在嚴重混接入滲問題管道的優先修復提供了診斷技術支持。然而，上述研究均未開展反演模型定位效果對水動力（如曼寧粗糙系數、管道坡度）和算法（迭代次數、種群大小等）參數變化的響應機制分析，導致解析結果的不確定性較大；此外，當排水管網拓撲結構或運行方式的復雜度增加時，水動力模型運算時長和待反演參數數量隨之增多，這導致反演模型推演效率顯著降低。

圖4 基于特征因子和水動力反演模型的污水管網地下水入滲定位方法架構[13]Fig.4 Architecture of pin-pointing groundwater infiltration into sewer network based on tracer parameters and hydrodynamic inversion model

綜上可知，水動力模型反演技術是開展雨水管網混接入滲問題診斷的新型手段，主要適用于水動力邊界明確和物理參數完整、準確的雨水管網，其實施關鍵是精細化、精準化構建雨水管網水動力過程模擬系統。與水量分析技術和水質特征因子分析技術相比，該方法無需人工逐個檢查井開展水量或水質監測即可實現對混接入滲問題的定位，因此具有投資少、工作效率高的優點。此外該技術還支持對混接入滲水量定量的功能，突破物探檢測技術難以評級混接入滲問題等級的瓶頸。然而，如何解決反演模型的“異參同效”效應是當前該技術主要面臨的難題。

2 診斷技術對比及其發展趨勢

將不同技術應用于雨水管網混接入滲診斷的適用場景、實施要點、診斷水平和發展階段進行總結（表3），在此基礎上提出未來雨水管網混接入滲診斷技術將朝著低成本、無干擾、可量化、可定位的方向發展。由表3 可知，單一診斷技術均不具備未來預期特征，而通過技術組合并遵循分級診斷路線有望實現上述目標[41]。

表3 不同技術應用于雨水管網混接入滲診斷的特征、水平和發展階段對比Table 3 Comparison of the characteristics,levels,and development stages of different diagnostic technologies for illicit discharge and groundwater infiltration of stormwater network

根據表3 可知，流量分析技術和特征因子分析技術是針對大范圍雨水管網分區開展混接入滲診斷的有效手段，可通過快速量化不同分區雨水管網的混接入滲情況、評級問題嚴重區域，為后續采用CCTV 技術、紅外成像技術、FDTS 技術、水動力反演模型技術定位問題嚴重點位指明方向。然而，構建何種分級診斷技術組合是當前面臨的重要難題。綜合考慮技術成本、診斷精度、診斷水平、發展階段4 個評價因子，對不同分級診斷技術組合在當前和未來的應用特征進行綜合分析，結果如圖5 所示。根據圖5 可知，針對大范圍雨水管網分區開展混接入滲診斷時，特征因子分析技術整體優于流量分析技術，且前者未來仍具有優化提升空間。通過對比分級診斷技術組合1～4 和①～④（以技術組合1 為例，是指流量分析技術與CCTV 技術的組合）可知，不論是當前還是未來預期，技術組合①～④的綜合性能整體優于技術組合1～4，表明采用特征因子分析技術耦合混接入滲定位技術更符合未來發展趨勢。分級診斷技術組合①～④在當前和未來的綜合評分分別遵循以下順序：④＞③=①＞②和④＞③=②＞①。上述結果表明，分級診斷技術組合③和④的綜合性能較高，且符合成本低、無干擾、可量化、可定位的預期優勢特征，因此二者有望成為未來雨水管網混接入滲診斷的核心方法。雖然技術組合②與③未來具有相同的綜合性能，但前者達到預期效果所需優化提升的程度較大。此外，現階段當考慮診斷結果的準確性時，分級診斷技術組合①將是首選。

圖5 不同分級診斷技術路線的綜合評價Fig.5 Comprehensive evaluations of routes of different hierarchical-diagnostic technologies

3 結語

雨水管網存在的污水混接和地下水入滲問題可對水環境健康和公共安全產生風險脅迫，因此及時掌握雨水管網混接入滲的準確信息將有助于提升防范化解水環境污染和公共社會安全風險的戰略主動。通過綜述國內外雨水管網混接入滲問題診斷技術的基本原理、研究進展、技術特征等，旨在為該類技術的科學應用和創新發展提供借鑒，并得出以下主要結論：1）特征因子分析技術是開展雨水管網混接入滲診斷的有效手段，其可在不影響雨水管道正常運行情況下分區識別和量化混接入滲問題。通過進一步評估問題等級，該技術可為問題嚴重區域管道的優先修復提供靶區，因此具有實現治理效果與經濟效益統一的優勢特征。2）FDTS 技術和水動力模型反演技術在無干擾定位雨水管網混接入滲問題方面均展現出了優勢前景，其中前者易于實施且診斷結果的不確定性小，后者具有診斷成本低、可量化混接入滲水量的優勢，因此決策者可根據應用場景特征因地制宜選擇診斷方法。3）研究認為未來雨水管網混接入滲診斷技術將朝著低成本、無干擾、可量化、可定位的方向發展，而單一診斷技術難以滿足要求，采用特征因子分析技術耦合FDTS 技術或水動力模型反演技術的分級診斷體系有望實現上述目標。