南淝河城市河道水质模型的空间敏感性分析

南淝河位于安徽省合肥市，是巢湖污染最严重的支流之一。合肥是安徽省的政治、经济和文化中心。2005年～2015年，合肥市人口增长了70%，达到了780万，国内生产总值增长了560%,达到了5 660亿元。作为城市主要的供水来源和收纳水体，城市的快速发展给南淝河带来了巨大的压力，水质修复成为需要解决的重要问题。

水质模型是进行河道水质研究的重要工具之一，广泛应用于情境管理和水质响应研究等方面，水质模型可以为水质管理提供决策支持。WASP、QUAL2K、EFDC、MIKE等都是现在常用的水质模型。但随着水质模型日益复杂，模型采用的参数也越来越多，而且大部分参数是无法精确测定的，为减少模型率定的困难，可以着重研究一部分对模型输出变化敏感的参数。

敏感性分析研究的是模型输入因子的变化如何影响模型输出的变化[1]。敏感性分析又分为局部敏感性和全局敏感性。全局敏感性对参数在整个取值空间的敏感性都进行分析，因此可以对参数的相互作用以及输入因子和模型输出的非线性关系进行研究。敏感性分析不仅为模型率定提供依据，也是对研究对象进行系统认识的有效工具之一。

欺凌发生的时间主要集中在学校老师及家长不易关注的时间段。其中48.4%的学生认为校园欺凌主要发生在课间休息时段，认为发生在上学或放学路上的比例为23.9%；发生在周末或节假日的比例为27.7%。

在国内，敏感性分析方法在水质模型上已经有了一定的应用。张永祥等[2]将WASP模型应用于长河水体富营养化分析，采用的是单点扰动的局部敏感性分析方法，扰动幅度高达50%，未能很好地反映参数的真实敏感性。张质明等[3]以WASP水质模型的应用为例，通过Sobol方法确定模型的敏感参数，提出了一套基于GLUE法的多目标模型参数率定方法。Yi等[4]对建立的滇池水质模型的47个参数和7个外部扰动因子进行时间和空间的敏感性分析，阐明了敏感性分析对模型参数识别和不确定分析的重要性。本文的研究目的，是通过MATLAB的Simulink模拟仿真平台重建WASP水质模型的富营养化模块，结合SAFE工具包对多参数过程的复杂水质模型进行空间全局敏感性分析，探究水质模型参数的空间差异，进而揭示南淝河河道系统水质变化特征。

1　研究方法

1.1　WASP水质模型的选取

WASP是美国环保署推荐使用的水质模拟软件，是为分析池塘、湖泊、水库、河口和沿海水域的一系列水质问题而设计的多箱模型，可模拟常规污染物和有毒污染物在水中的迁移转化规律，被称为“万能水质模型”。

管理体系文件数量庞大、涉及面广，且修订频繁，有一些操作性的作业指导书如仪器设备操作规程等，还要放置于作业现场，用于指导实验操作。现行有效的文件版本不易被有关人员快速、便捷地获取，致使得不到所需要的文件或继续使用已作废的文件。在文件的发布方式、分发方法、更新控制方法等方面均存在一些需要改进的地方。

  

图1　EUTRO模块各子系统及状态变量[5]

 

Fig.1　State Variables and Subsystems of EUTRO Module[5]

 

表1　 EUTRO模块各状态变量参与的过程

 

Tab.1　State Variables and Related Processes of EUTRO Module

  

过程NH+4NO-3DIPPHYTCBODDODONDOP硝化作用√√√反硝化作用√√有机氮矿化√√浮游植物死亡√√√√√√浮游植物生长吸收√√√√√有机磷矿化√√氧化作用√√沉降√√√√大气复氧√底泥耗氧√内源呼吸√

1.2　Simulink环境下水质模型的构建

WASP自身并没有敏感性分析功能，只能借助其他的工具进行敏感性分析。同时，自WASP5后的版本不再提供源码，而且WASP本身是有界面的封装好的水质模拟软件，当需要多次批量修改参数运行调用时，操作十分不方便。最后，并没有专门针对WASP模型开发的敏感性分析工具，直接对WASP水质模型进行敏感性分析存在比较多的技术困难和操作不便性。

Simulink是MATLAB内部的可视化仿真工具，可用于实现动态系统的建模、仿真与分析。MATLAB/Simulink的主要优点有：(1)可视化的直观建模方式，简单明了，且各模块可以进行封装，大大增加了模型的可读性；(2)模型设计和模拟快速准确，还为用户提供了一个图形化的调试工具以辅助用户进行系统开发；(3)MATLAB/Simulink的仿真程序可以与MATLAB工具包实现良好的兼容，适于作为进一步研究和开发工艺控制程序的最佳平台。

南淝河长约70 km，流域集水面积约1 446 km2，最终汇入巢湖。董铺水库至橡胶坝一段流经合肥城区，长约17 km，如图3所示，本研究模拟河段为图中红色河段，长约12 km。

  

图2　Simulink环境下建立南淝河水质模型

 

Fig.2　Water Quality Model of Nanfeihe River Based on Simulink Platform

 

表2　Simulink模拟结果与WASP手动率定模拟结果相关性

 

Tab.2　Correlation Relationships between Simulink Model′s Output and That of WASP Model

  

指标NH+4NO-3DIPChl⁃aDO模拟结果相关性098099074077099

选用Simulink工具对WASP水质模型进行重建，有以下有几个优点：第一，模型运行和敏感性分析工具包集合在MATLAB统一平台上，可以直接实现敏感性分析；第二，可以有针对性地对水质模型结构、参数设置等进行调整，比如WASP中大多数参数是集总式的，无法对同一参数在不同位置设置不同的值。本研究为对模型参数进行空间敏感性分析，在重建模型时，将模型参数改进为分布式，即不同河段的参数值可以不同。

 

表3　敏感性分析的参数及其取值范围

 

Tab.3　Parameters for Sensitivity Analysis and the Ranges of Values

  

编号名称缩写单位范围120℃时有机氮矿化速率常数K71d-1002～01(a)2有机氮矿化温度系数E71⁃102～109(b)3氮循环中浮游植物限制半饱和常数KmNcmgC/L0～14C/N比aNCc⁃005～043(a)520℃时反硝化速率常数K2Dd-10～1(a)6反硝化作用速率常数E2D⁃1～1045(a)7反硝化作用半饱和常数KNO3mgO2/L0～15820℃时硝化b速率常数K12d-1009～013(b)9硝化作用温度系数E12⁃1～107(a)10硝化作用半饱和常数KNITmgO2/L0～21120℃时有机磷矿化速率常数K83d-10～02212有机磷矿化温度系数E83⁃1～108(a)13磷循环中浮游植物限制半饱和常数KmPcmgC/L0～114P/C比aPC⁃0024～024(a)1520℃时脱氧速率常数KDday-1016～021(b)16脱氧过程温度系数ED⁃1～107(a)17氧限制半饱和常数KBODmgO2/L0～0518氨氮偏好系数PNH3⁃0～119浮游植物最大生长速率K1cday-113～25(a)20浮游植物生长温度系数E1C⁃101～107(a)21浮游植物碳和Chl⁃a转化系数Ec⁃50～100(a)22日照时间比例f⁃03～0723日照时间内水下平均光强Ialy/day200～75024浮游植物饱和光强Isly/day200～500(b)25自消光系数K＇em-101～526浮游植物氮吸收半饱和常数KmNmg/L0～00527浮游植物磷吸收半饱和常数KmPmg/L00005～003(a)28浮游植物损失速率Dpd-10～129浮游植物死亡速率K1Dd-1001～01(a)30浮游植物转化为有机磷的比例fOPp⁃0～131浮游植物转化为有机氮的比例fON⁃0～132底泥耗氧量SODg/m2-day02～4(b)33底泥耗氧温度系数ES⁃1～108(a)34溶解性CBOD的比例fD5⁃0～135溶解性有机氮的比例fD7⁃0～136溶解性有机磷的比例fD8⁃0～137有机物沉降速率vs3⁃0～138浮游植物净沉降速率vs4m/d005～02(a)3920℃浮游植物呼吸速率常数k1Rd-1005～015(a)40呼吸速率温度系数E1R⁃1～108(a)41大气复氧温度系数Ea⁃1～103(a)

注：(a)表示参数范围来自Rates,Constants,and Kinetics Formulations in Surface Water Quality Modeling [7](第二版)一书；(b)表示参数范围来自《WASP6用户手册》[5]推荐值

2)学生端供学生练习与测试，接受学生输入的传票上的数据并实时汇总，考虑到学生练习时要求手、脑、眼并用，故学生端应能提供学生一些提示信息，譬如翻打进度、速度、正确率等等；

本研究结合SAFE工具包中提供的LH-OAT采样方法及Morris敏感性分析方法，以望塘污水处理厂为分界点，将研究河段分为上下游，分别进行参数敏感性分析。整个模型参与敏感性分析的参数如表3所示，其参数取值范围来自于文献报道中的值。

1.3　Morris分析方法

Morris法[9]是一种定性的全局敏感性分析方法，主要用于参数的筛选和排序。Morris法属于一次只改变一个变量的方法，即选取模型某一变量xi，其余参数值固定不变，在变量取值变化范围内随机改变xi的值，运行模型得到目标函数值，用模型输出对模型输入的变化率EEs来表示参数变化对输出值的影响程度，多次变化后的平均变化率作为全局敏感性的指标如式(1)。

 

(1)

M-参与敏感性分析的参数个数;

g-模型输出;

其中：Ci-比例因子;

1.从巴基斯坦整体国内大环境看，2013年呈现出了明显的变化趋势，恐怖袭击事件一直在下降，2005年—2017年总共发生了17181起恐怖事件，而针对中国人尤其是我国在巴利益袭击才20多起，③GTD数据库中2001年～2015年巴基斯坦恐怖袭击相关数据得出。Global Terrorism Database.http：//www.Start.Umd.edu/gtd。占了总次数的0.1455%，几乎可以忽略不计，从概率的角度分析，袭击中方在巴利益是一个小概率事件。

i-第i个输入参数;

他注意到，随着改革开放的深入，再加上医生忙碌的客观事实，关爱正在逐渐淡化。“我们希望鼓楼医院的价值理念中多一点点关爱。而这种关爱不仅仅局限于父母亲人，而是一种大爱，即关心服务的每位患者。”

j-第j次模型运算;

检查者位于婴儿左侧，手法必须温柔，左手置于右肋缘下腹直肌外缘处，以食指和无名指按压腹直肌，用中指指端轻轻向深部按摸，可触到橄榄形、光滑质硬的幽门肿块，1～2cm大小。在呕吐之后胃空虚且腹肌暂时松弛时易于扪及。偶尔肝脏的尾叶或右肾被误诊为幽门肿块。但在腹肌不松弛或胃扩张时可能扪不到，可等胃排空后，边喂糖水边检查。

r-模型运行总次数;

Si-全局敏感性参数。

赛努奇博物馆还收藏有两幅墓室壁画（图5、图6），表现两个女性形象，神情凝重和蔼，身材婀娜多姿，画面用色和谐清雅，用笔简率却意味无穷。二女子皆发髻高耸，分向左右观，脸部表情轻松。其一手握琵琶，另一双手捧盘。脸部皆处理为白色，而衣饰敷红色。两幅壁画中的花卉以凹凸法晕染。衣纹线条较为粗放，而脸部线条相对细腻流畅。

WASP的水质模拟分为两个模块，有毒物质模型TOXI和富营养化模型EUTRO。EUTRO模块用以模拟传统污染物的迁移转化规律，分为溶解氧、氮、磷和浮游植物四个子系统(图1)，包括8个状态变量和若干反应过程(表1)，具体的反应方程见WASP用户指导手册[5]。

EEs的平均值(μ)代表参数对输出结果总体敏感性大小，EEs的标准差(σ)代表某个输入参数与其他参数相互作用的程度。高标准差代表某个参数的敏感性在其整个取值空间内都发生变化。Morris法的敏感性指数u和σ都只反映参数敏感性的相对大小，只能用于判断敏感性的相对大小，其值并不反映参数的真实敏感性[1]。

为了更好地实现采样，本研究采用LH-OAT采样方法，模型运行次数为r×(M+1)，极大地减少了模型的运算成本，适用于结构复杂、参数众多，对参数进行筛选和排序的情形，具体原理见Griensven [10]。本研究的分析参数为M=41个，采样大小选择r=80，目标函数选择纳什系数(NSE)，分别考虑、、DIP、Chl-a、DO单个水质指标模拟效果的纳什系数，以及五个指标一起的模拟效果的纳什系数。

2　南淝河基本概况和模型建立

2.1　研究河段的基本概况

为便于对模型进行敏感性分析，将WASP6.0模型按照模型手册中的内容在MATLAB/Simulink环境下重新建模。第一步，将EUTRO模块中4个子系统8个状态变量的所有子过程写入Simulink中，如图2a、图2b所示。第二步，建立对流项、弥散项和源汇项的方程(图2c)。因为本研究关注水质模型，所以水动力部分在EPDRiv1模型中算出后，直接在本模型中使用，具体的结果见Huang等的文章[6]。第三步，将所有方程封装为一个“块”，使用者只能对每个“块”的参数进行修改，而无法直接修改内部方程，这样可以提供更为简洁的使用界面。最后，根据南淝河的实际情况，将研究河段划分为45个小段，每段长约200～500 m，采用一个“块”来模拟，然后将45个“块”连接起来，建立南淝河水质模型(图2e)。水质模型构建完成后，为检查新模型的正确性，直接采用在WASP模型中手动率定的参数值，检验Simulink模型的正确性，部分参数值与WASP参数有区别。重建模型的模拟结果与WASP手动率定结果相关性如表2所示，各个指标的模拟结果相关性比较高，说明重构的南淝河水质模型结构上是准确的，可以在此基础上对模型敏感性进行分析。

  

图3　研究区域图(黑色河段为本研究模拟河段)

 

Fig.3　Study Area and Monitoring Sites (The Black Line is the Simulation Reach)

董铺水库下游约7 km处，河流两岸完全渠道化，为硬质河岸。城市河段内有两条支流：一条支流为四里河，其上游为大房郢水库；另一条支流为板桥河，沿岸主要为农业用地。董铺水库是合肥市主要的饮用水源地，拦截了南淝河上游的大部分清洁来水，导致南淝河城市河段基本没有清洁水来源。研究河段内有两个污水处理厂，望塘污水处理厂位于城市河段的上游，年均排放量约为2.21 m3/s；王小郢污水处理厂位于橡皮坝上游约1 km处，年均排放量约3.66 m3/s。污水处理厂尾水是南淝河城市河段水量的主要来源，旱季和雨季分别占河道流量的75%和53%。董铺水库下游3 km处，有一城中村，其未处理的生活污水直排进入南淝河。因此南淝河城区段是一段典型的以污水处理厂尾水为主要补给的城市化河段。

2.2　模型建立

2015年10月对南淝河城市河段14个采样点(R1-R14)进行采样，每个采样点的间距约为500～1 000 m，高空间密度的采样点布设可以更好地获得水质变化的空间信息。监测指标包括温度(T)、溶解氧(DO)、酸碱度(pH)、浊度、电导率(EC)、总溶解性磷(TDP)、硝氮、氨氮、总溶解性氮(TDN)、总氮(TN)、溶解性有机碳(DOC)等。具体的采样、试验过程、水质结果及模型建立，可参见课题组之前的研究[6]。本文是在其基础上，利用MATLAB/Simulink平台和SAFE工具包，对已建立的水质模型进行参数敏感性的空间分析。

竹韵来到地处环城西路的威力修饰责任有限公司门口下了车，推着车往里走。这是一家私营装修公司，虽然开业才年多时间，但因经营有方，加上近来桂林搞城市改造，加快新城建设，业务越来越多，生意非常火爆。前些日子，在电视台、晚报上打出了招聘下岗职工的大幅广告。竹韵凭着良好的文化和职业素质顺利地通过了初试，闯进了面试圈。

3　空间敏感性分析结果与讨论

以望塘污水处理厂为分界点，分别对上下游河段进行敏感性分析，Morris分析结果如图4所示，横轴u*代表参数的总体敏感性，纵轴σ代表参数间相互作用大小。图4最后一组NSE_T的目标函数为五个指标的总体纳什系数，代表上下游模型整体输出对参数的敏感性情况。表4表示的是对各个指标及总体模拟结果中敏感性排名前10的参数排序。

  

图4　单指标及总体模拟效果纳什系数Morris敏感性分析结果图

 

Fig.4　Morris Sensitivity Analysis Results for Different Variables and Overall Performance

 

表4　污水处理厂上下游参数敏感性排序TOP 10

 

Tab.4　Top10 Sensitivity Parameters between the Upstream and Downstream of WWTP

  

排序NH+4NO-3DIPChl⁃aDO总体USDSUSDSUSDSUSDSUSDSUSDS1SODKmNcSODK2DDpK＇eDpK＇eK＇eSODK＇eK2D2DpK71K2DKNO3fDpfDpSODK＇eDpKNO33fKNITKNITSODK＇efK＇efDpK2DfDp4K＇eK12DpE2DK1caPCK1cK1caPCKNO3SODK＇e5KNITDpfK＇eIaKmPcIaIafEDK1cSOD6K1cK＇eK＇eESaPCk83vs4IsPNH3KDPNH3f7IaE12fD5EDIsfopaPCE1CIafIaK1c8aPCfONaNCKDvs4IaIsvs4K12ESaPCKmNc9PNH3PNH3KNO3fD5E1CIsE1CKmPK1cfD5vs4Ia10fD5aNCK12vs3fopK1cKmPEcIsK1cIsIs

注：US代表污水处理厂上游，DS代表污水处理厂下游

3.1　氨氮指标

污水处理厂上游，对而言，最敏感的四个参数是SOD、Dp、f和，除SOD外，都是和浮游植物系统相关的参数。同时，DP、SOD、Ia和f的σ值较高，说明这些参数与其他参数的相互作用比较强，属于高度敏感非线性的参数，比较难以识别。在敏感性排序前10位中，SOD反映底泥耗氧过程，KNIT反映的是硝化过程，f、DP、、K1C、Ia、PNH3、aPC代表的是与浮游植物相关的过程，fD5是与CBOD沉降相关的参数。

上下游对比来看，上游浓度主要受SOD的控制，其他过程共同发生作用。污水处理厂尾水排入河道，给河道带来了大量的负荷，直接改变了河道水质的连续性，下游的浓度被反硝化作用主导。上下游的主导过程已经发生了显著的变化，在进行水质模拟的时候要格外注意。尽管下游河道反硝化能力大幅度提升，但若污水处理厂排放负荷过大，超过河道的氮滞留能力，最终还是会对汇入湖泊的水质造成影响。

香港理工大学、新加坡南洋理工大学、新加坡理工学院的酒店管理专业，均设立对外经营、教学为一体的运营类实训基地，他们立足最真实的酒店经营环境，推进实践学校，做到教学运营管理为一体，学院同时承担实训教学任务和市场经营任务，同时涉猎酒店产品研发，做到教学研一体。

污水处理厂上下段对比来看，对而言，上段是浮游植物相关参数占主导的系统，虽然硝化过程、底泥耗氧和CBOD沉降对浓度都有一定影响，但远不及浮游植物的影响。而且出现的SOD、fD5等参数都不是直接与氨氮反应过程相关的参数，很可能说明这些参数是通过影响浮游植物子系统和DO子系统，来间接对上游的氨氮浓度产生影响的。与上游不同，下游是多过程共同作用于变化的体系，与氨氮相关的四个直接过程的参数都在参数排序前10)名中有体现。

3.2　硝酸盐指标

污水处理厂上游，对SOD最敏感，u和σ值都高于其他参数。说明上段的SOD耗氧影响了上游的DO浓度，进而影响水体中的浓度。K2D、KNO3代表反硝化作用，KNIT、K12代表硝化作用，f、DP、、aNC代表浮游植物相关的过程，fD5与CBOD沉降有关，可能与SOD一样，通过影响DO，进而对浓度间接产生影响。

污水处理厂下游，对于，KNO3和K2D的敏感性和相互作用都远远高于其他参数，说明污水处理厂下游的主要受反硝化作用的影响，其他过程参数的影响基本可以忽略不计。

污水处理厂下游，对而言，KmNc的u*和σ都远远高于其他参数，KmNc是氮循环过程中浮游植物限制的半饱和常数，反映的是有机氮矿化生成氨氮的过程。K12、KNIT、E12反映硝化过程，KmNc、K71反映的是有机氮矿化过程，PNH3、和aNC反映的是浮游植物生长过程，DP、fon反映的浮游植物死亡过程。

3.3　无机磷指标

污水处理厂上游，DIP浓度对浮游植物死亡速率最敏感(DP)，其次是与浮游植物生长相关的一系列参数。同时DIP在上游的参数敏感性排序与Chl-a的参数敏感性排序有很高的一致性，这主要是因为DIP与其他子系统的联系很少，只与浮游植物子系统发生密切联系，所以参数排序出现比较高的一致性，同样的结果在Yi等滇池水质模型的敏感性分析中也提到过[4]。

污水处理厂下游，DIP除了对与浮游植物相关的一系列参数敏感，还对与有机磷矿化的部分参数敏感，如K83、E83和KmPc等。由图4可知，有机磷矿化相关参数的σ值都比浮游植物相关参数的低，这也说明了浮游植物系统参数的相互作用非常大。

上下两段对比来看，磷系统自身的转化过程相对稳定，参数的相互作用程度低，主要是受浮游植物生长与死亡的影响，上下游均有这个特点。污水处理厂对磷系统的影响不大。

守望传统文化的精神家园——沈从文小说与散文中血缘亲情书写解读…………………………………………………………………彭建成（4.59）

3.4　浮游植物指标

污水处理厂上游，Chl-a浓度对Dp最敏感，而且其参数间相互作用也最强。上游的敏感参数的u*和σ有很好的线性关系，与DIP的结果有一致性，这也说明了浮游植物相关参数的敏感性和相互作用可能存在内在的线性关系。

污水处理厂下游，Chl-a浓度仍是对和DP最敏感，但的交互作用远大于DP，光限制很可能是下游浮游植物的主要限制因素。

SAFE(sensitivity analysis for everybody)是一款包含众多敏感性分析方法及可视化函数的MATLAB工具包[8]。其提供的敏感性分析方法包括：Morris法、RSA法、Sobol法、FAST法、动态识别分析法和基于密度的敏感性分析方法等。SAFE不仅提供了多种全局敏感性分析方法，还能够轻松地加入其他的敏感性分析方法。其提供的敏感性分析方法，都支持对敏感性指标进行鲁棒性和收敛性的评价。SAFE工具包中还提供了大量的可视化工具，可以对敏感性分析结果进行更好的研究和相互对比。这款工具包既能让非专业人员方便地操作，也允许有经验的使用者在此基础上开发新的功能。

对比来看，上下游Chl-a浓度主要受浮游植物自身相关的一些参数的影响，说明在富营养化模块中，浮游植物系统是最核心最重要的子系统。其次，上下游敏感性排名前10的参数中都出现了KmP，有可能上下游浮游植物的营养限制都是磷限制。与浮游植物相关的各个过程：生长包括的三个限制项、死亡和沉降过程都在敏感性参数中有体现。这说明，浮游植物浓度是一个极其敏感的指标，与之相关的各个过程都直接地影响其浓度，更容易出现异参同效的情况，所以在参数识别和率定的时候要格外注意，模拟准确的难度也更大。

3.5　溶解氧指标

污水处理厂上游，对DO来说，敏感性排名前10的参数都有比较高的敏感性和相互作用。对DO影响最大的，依次为、SOD、DP。DP、、K1C、PNH3、aPC、f、Ia、Is，都是与浮游植物相关的参数。只有SOD代表底泥耗氧，K12代表硝化作用耗氧。说明上游的溶解氧平衡，主要受浮游植物的影响，但硝化作用和底泥耗氧都有参与其中。与其他参数相比而言，CBOD耗氧过程相关参数的敏感性偏低。

污水处理厂下游，敏感性参数已经与上段发生了很大变化。SOD的敏感性最大，的交互作用最强，其他参数的敏感性和交互作用差不多。SOD、ES代表底泥耗氧； K2D、KNO3代表反硝化作用；KD、ED、fD5代表了CBOD耗氧；只有K1C、f和代表浮游植物生长。由此可见，下游DO是多个过程共同作用的结果，不再是浮游植物占主导的系统了。

上下游对比来看，上游是以浮游植物光合作用产生氧气为主的自养型系统，下游已经成为耗氧过程占主导的系统。这个结果与Huang等直接通过水质模型计算DO平衡的结果相似[6]。这种情况下，由于污水处理厂尾水的大量排入以及沿岸污染物的进入，会使下游水体中的DO持续降低，甚至出现黑臭现象。

Dina Belenko的作品风格独特，在静物摄影类别中独树一帜。比如这张“思如泉涌”的照片，Dina使用了尼康D800配合SB-910闪光灯拍摄这张照片。她当然要用到一些独门秘诀，比如需要用到胶枪。“我对写作本身从来不感兴趣。”她说，“但我发现作家构思的过程，包括他们寻找灵感的方式、提出的问题、他们将混乱的文字与思想梳理成故事所用的手法，这些都很有意思。所以我拍了很多想象中的作家工作场所的照片，这张照片是其中之一。”

3.6　小结

从总体纳什系数来看，上游最敏感的参数依次是、DP、f，而且的敏感性和交互作用远大于其他的参数，这说明上游河段的模拟结果对光最敏感。排名前10的参数中，除了SOD，其余9个参数都直接与浮游植物相关，充分反映了污水处理厂上游系统是一个以浮游植物生长死亡为主导的偏自然的河流系统。

下游最敏感的参数是K2D和KNO3，而且它们的σ值也排在前两位，说明反硝化作用对下游的模拟结果最敏感。除此之外，下段还主要受SOD和浮游植物生长死亡的影响，各个过程的影响在下游均有不同程度的体现。

以总体模拟的纳什系数为目标函数进行参数敏感性分析，发现污水处理厂上下游的参数敏感性发生了显著变化。上游是以浮游植物生长死亡为主导的自养型系统。下游由于河岸带变化、污水处理厂稀释等原因，浮游植物的浓度急剧减少，不再以浮游植物为主导。污水处理厂排放大量的硝酸盐进入河道，以及支流或者排口排入的大量有机物，导致下游河道溶解氧显著降低，反硝化作用强烈。这些变化反映了污水处理厂尾水的大量排入，打破了河流水质过程的连续性，在尾水排入的地方水质发生突变，河流上下游的主导过程发生了显著改变，一定程度可以揭示污水处理厂对河道系统带来的巨大影响。

4　结论

本研究选择在MATLAB/Simulink环境下重建南淝河水质模型，并结合SAFE工具包，实现对41个参数的空间敏感性分析发现参数对不同水质子系统敏感性存在差异，这些差异反映了水质系统的复杂性。同时，参数敏感性的空间差异，反映了水质过程的空间差异和研究对象的系统特征，揭示了污水处理厂尾水作为主要补给源对城市河道的巨大影响。污水处理厂上游是以浮游植物生长死亡为主的偏自然河道，河流保持在比较健康的状态；下游转变成以反硝化作用、硝化作用、SOD耗氧过程为主的受人为活动影响严重的河道，水质污染逐渐加重，甚至出现黑臭的情况。该方法很好地解决了WASP软件无法进行敏感性分析，以及无法设置分布式参数的弊端，是研究河道水质过程和系统特征的又一有效手段。

5　建议

根据分析结果，对南淝河治理提出整体性建议，针对上游河道，治理主要以截污为主，杜绝未处理生活污水直排的现象，增加河道上游清洁水来源，即可保持上游较好的水质状态。针对下游河道的治理，有以下几点建议：(1)进一步改进污水处理厂处理工艺，降低排放尾水中的硝氮和有机物负荷；(2)利用排放河道以及周边可以利用的条件尽可能减少尾水对河道水质的影响，比如尾水河道旁侧生态处理、生态生物处理模式等；(3)提升支流来水水质；(4)恢复下游河道的生态护岸，在护岸上种植水生植物和其他植物，增加下游河道的生物净化作用，同时营造柔美生态岸线，集防洪、生态、景观和自净等功能于一体。

在人类社会的发展过程中，资源和环境起着十分重要的作用，其是人类能够生存的基本条件。随着环境污染的加剧以及资源消耗量的不断增加，水工环地质勘察工作的重要性日益凸显出来。通过深入了解相关的地质情况，才能有效解决环境污染及能源过度消耗问题。

参考文献

[1]Pianosi F,Beven K,Freer J,et al.Sensitivity analysis of environmental models:A systematic review with practical workflow[J].Environmental Modelling & Software,2016(79):214-232.

[2]张永祥,王磊,姚伟涛,等.WASP模型参数率定与敏感性分析[J].水资源与水工程学报,2009,20(5):28-30.

[3]张质明,王晓燕,于洋,等.基于GLUE法的多指标水质模型参数率定方法[J].环境科学学报,2014,34(7):1853-1861.

[4]Yi X,Zou R,Guo H C.Global sensitivity analysis of a three-dimensional nutrients-algae dynamic model for a large shallow lake[J].Ecological Modelling,2016,327:74-84.

[5]Wool T A,Ambrose R B,Martin J L,et al.Water quality analysis simulation program (WASP) version 6.0 draft:User′s manual[Z].2013.

[6]Huang J,Yin H,Chapra S C,et al.Modelling dissolved oxygen depression in an urban river in China[J].Water,2017,9(7):520-538.

[7]Bowie G L,Mills W B,Porcella D B,et al.Rates constants and kinetics formulations in surface water quality modeling[Z].1985.

[8]Pianosi F,Sarrazin F,Wagener T.A Matlab toolbox for global sensitivity analysis[J].Environmental Modelling & Software,2015(70):80-85.

[9]Morris M D.Factorial sampling plans for preliminary computational experiments[J].Technometrics,1991,33(2):161-174.

[10]Griensven A Van ,Meixner T,Grunwald S,et al.A global sensitivity analysis tool for the parameters of multi-variable catchment models[J].Journal of Hydrology,2006,324(1-4):10-23.