由于污水腐蚀、侵蚀、冲刷、沉积及地面荷载等影响，我国的污水管道存在一定程度的破裂、腐蚀、变形等结构性缺陷。在高地下水位地区，污水管道破损会造成地下水入渗进入污水管道，挤占污水管道的输送容量，还会造成污水处理厂进水量增加甚至导致溢流，降低污水处理厂的进水浓度，降低污水处理效率，增加污水处理厂和泵站的运行费用。住房和城乡建设部、生态环境部和国家发展改革委联合发布《城镇污水处理提质增效三年行动方案（2019—2021年）》，要求按照设施权属及运行维护职责分工，全面排查污水管网等设施功能状况、错接混接等基本情况及用户接入情况。

此前对污水管道进行地下水入渗检测的传统方法主要是使用CCTV对全管段进行排查，但这种方法的人力财力耗费较大，水位超过机器人允许范围时还需封堵管段停水作业，效率较低也影响管网和泵站的正常运行。因此有必要使用高效准确的污水管道地下水入渗检测方法来提高效率降低成本。有一些学者已经尝试了其他方法来进行检测，按照检测原理可以分为水量平衡法、示踪法和模拟法等。

一类是水量平衡法，其原理是测量上下游的流量，根据水量平衡计算外水入渗量。例如盛政等通过对基本入流量、地下水渗透量和下雨导致的入渗量进行估算和变化过程分析，来估计管道的老化程度和缺陷类型，并通过雨天的流量监测对管道入渗位置定位。KACZOR等通过分析15年间波兰某污水处理厂日污水量，计算了排水管网中外水的入渗入流量随时间的变化情况。但基于水量平衡的管道流量检测需要在管网中安装大量的流量计来获取各调查管段的污水接入量，精度不高且工作量大。

另一类是示踪法，即使用物理或化学指标指示外水，根据化学质量平衡或物理模型计算外水入渗量，示踪剂可以是化学物质，也可以是电导率等物理指标或藻类等生物指标。如刘旭辉等采用测量污水总流量和电导率的方法得出了深圳市福田区某片区的污水系统地下水入渗量及入渗比例。

除以上两类方法外，还有部分方法使用物理或数学建模来计算管道中的外水入渗量，如王学渊等利用自动抽样技术和节点随机分裂技术，利用不同传感器的信息进行管道的工况判断；TANG等通过估算进入管道的外水流量及预测周围土壤中的孔隙水压力分布来估算管道的渗漏量，但这类方法对传感器精度、数据量和计算方法的要求较高，实现起来较为困难。

在示踪法的基础上，基于化学质量平衡理论的使用水质指标的地下水入渗检测是一个更为高效可行的方法，相对于仅依靠流量的检测而言，减少了对流量监测的要求，并且不对管网运行造成干扰，同时又可以避免建模计算所需的巨大数据量。水质指标既可以是常规指标如COD、氨氮、总氮、总磷等，也可以采用指示水源特征的特征因子，如一些金属离子、安赛蜜、糖精、乙酰磺氨酸或工业化合物等。目前常见做法是先使用常规指标定位入渗管段，再使用CCTV精确定位入渗点，以此减少CCTV检测的工作量提高检测效率。

本文以中国江西省九江市某区的污水管道诊断项目为例，先使用CCTV检测该片区的全部污水管道并进行评级，寻找到适合当地情况的水质特征因子并分别使用常规水质指标和特征因子计算了地下水入渗量，对比计算结果并与CCTV检测的结果相比较，发现基于水质特征因子的污水管道地下水入渗检测准确率较高，有助于显著减少CCTV检测的工作量，提高检测效率。

项目区域为江西省九江市某片区，该项目区域为老城区、新城区、城乡结合部并存，老城区早期建设的排水管网采用合流制，新城区随道路建设已按分流制要求埋设雨污水管网系统。区域总面积19.5 km2，存在新建的分流制污水管道32.8 km和待修复的合流制排水管道17.3 km。城区大部分现状合流管通过截流干管进入污水处理厂，但老城区还有部分地区的合流管未进入截流干管。管道入渗入流严重，案例区内的污水处理厂全年平均进水COD浓度不足100 mg/L，晴天COD平均浓度也只有100~120 mg/L，远低于200 mg/L左右的设计进水浓度，说明管道内存在入渗流量。

2.1 CCTV检测

对项目区所有干管、主干管和支管进行检测并记录所有破损点。根据检测影像判断管道中实际是否存在破损入渗，并对破损程度进行评级。评级标准为:1级——最少量，破损处仅有少量滴水或水迹；2级——少量，滴水速度较快，但未形成水流；3级——破损处形成水流，但水流很细；4级——较多量，形成较粗水流，水从破损处涌出；5级——多量，水流较大，大量涌出或是监测点上游存在多处3级、4级入渗。

2.2 特征因子法原理介绍

由于不同来源水的水质不同，可以用水质指标来区分生活污水和地下水，因此可以采用表征不同水源类型的水质指标来定性、定量地判断管网旱天水量来源及不同源水的比例。选取何种水质指标是判断结果准确性的重要影响因素，常规水质指标包括COD、NH3-N、TN和TP，除此之外还有需根据当地水质特征进行选取的水质特征因子。

首先需在项目区选取本底水质检测点，得到能够代表该区域生活污水和地下水的水质，并且选取合适的离子作为特征因子。特征因子要求在污水和地下水中浓度差异较大且性质稳定不易变化。

2.3 水质检测及水量监测

水质监测指标：COD、NH3-N、TN、TP、特征因子（锰离子）。

使用流量计监测瞬时流量，使用自动取样器获得水样，将水样预处理后使用离子色谱仪检测阴离子浓度，使用重铬酸盐法获得COD浓度，使用纳氏试剂光度法获得NH3-N浓度，使用碱性过硫酸钾消解紫外分光光度法获得总氮浓度，使用钼锑铵分光光度法获得TP浓度。

在污水主干管、干管交汇节点前后及主干管上下游设置监测节点，对监测节点同步进行流量和水质监测。监测节点分布位置如图1所示。

图1 监测节点分布

2.4 本底水质指标选取

在案例区内采取均匀分布的原则分别布设地下水本底水质取样点和生活污水本底水质预实验取样点，取样点布设位置如图2所示。

图2 本底水质预实验取样点

在选择特征因子时，需要满足以下要求: 物质的稳定性较好，不同水源的水质浓度差异显著，具有较好的可重复性、灵敏度和检出限。

由表1数据可以看出，由于生活污水中的锰离子浓度与地下水中的锰离子浓度相差一个数量级，并且锰离子稳定性较好，在生活污水中不常见，因

表1 本底水质预实验检测结果

注： W表示生活污水，D表示地下水。

此选择锰离子作为表征地下水的特征因子。地下水的本底水质选取预实验中的结果，特征因子浓度为0.31 mg/L。

对诊断范围内的干管与主干管进行CCTV检测后，找到所有CCTV检测视频显示存在入渗的点位并记录。为解决生活污水本底取样点数量不足问题，选取CCTV检测显示无地下水入渗的点作为补充的生活污水本底取样点。

CCTV检测显示无地下水入渗的点位有：2D8、D22、DG1、D16、D8、2D12，分析这些点位的特征因子、COD、NH3-N、TN、TP浓度，找到这些指标浓度的合适范围，确定生活污水本底水质指标值，见表2。

表2 CCTV显示无入渗点位的水质水量数据

分析以上图表中的数据后，发现2D8点位的特征因子浓度过高，大大超出生活污水中锰离子的正常浓度，因此将2D8号点位的特征因子浓度视作异常值并剔除，对特征因子浓度重新求平均值，新的特征因子平均浓度为：C=(0.135 0+0.101 0+0.110 9+0.021 0+0.003 4)÷5=0.070 0(mg/L)。

由以上计算结果，确定生活污水本底水质各个指标的取值见表3。

表3 生活污水本底水质

2.5 地下水入渗情况计算方法

将生活污水的水质指标视为判断地下水入渗的指标，将地下水中水质指标浓度视为0，计算方法见式（1）：

式中 D——地下水入渗量，m3/d；

X——瞬时流量，m3/d；

A——水质监测节点的水质指标浓度，mg/L；

B——生活污水本底水质指标浓度，mg/L。

对于特征因子的计算，除以上方法外，还采用了另一种计算方法，即同时考虑生活污水与地下水中的特征因子，计算方法见式（2）：

式中 D——地下水入渗量，m3/d；

X——瞬时流量，m3/d；

A——水质监测节点的特征因子浓度，mg/L；

B——生活污水本底特征因子浓度，mg/L；

C——地下水本底特征因子浓度，mg/L。

3.1 不同指标对应地下水入渗情况

由于部分计算得出的地下水入渗量超过了当时监测的瞬时流量或出现负值，不符合实际情况，因此对计算值进行修正，将瞬时流量设为入渗量上限，计算结果超出瞬时流量的修正为瞬时流量，计算结果为负的可能是由于该监测点所在排水区域的生活污水浓度较高或取样时恰好浓度较高，将计算结果修正为0。

由2.5节中介绍的方法得到不同指标对应的地下水入渗量见表4。

表4 不同指标对应的地下水入渗量

注：特征因子D为将生活污水中特征因子浓度视为0，以地下水中特征因子浓度为基准进行计算，特征因子D&W为同时考虑生活污水与地下水中的特征因子进行计算。

3.2 水质监测与CCTV检测结果对比

根据检测结果，将以上监测节点中CCTV检测显示有入渗的节点单独筛选出来，观察该监测节点上游管段全部的CCTV检测结果。按照结果，将监测点位按照对应入渗量由大到小排序，顺序为：2D2，2D13，2D16，2D15，D9，D25，D13，2D11，D12，D20，D15。

将监测节点根据不同水质指标计算出的入渗量按照CCTV监测入渗量由大到小的顺序排列，见表5。

表5 不同水质指标计算得出的地下水入渗量

依照以上数据对不同指标判断地下水入渗量准确率进行计算，准确率计算方法为符合CCTV检测结果显示入渗量大小顺序的取样点个数除以总取样点个数。

由以上结果可以看出，不同指标计算地下水入渗量的准确率如下：同时考虑地下水与污水中的特征因子＞仅考虑地下水中的特征因子=NH3-N＞COD=TN＞TP。

表6 各个指标计算地下水入渗量的准确率

本文所涉及管道总长度50.1 km，流域面积19.5 km2，通过特征因子检测定位入渗管段后能大大缩小检测范围，仅需对8 495 m的管段进行CCTV检测，为总长度的17.0%，能够有效节约成本。

（1）对比特征因子与常规水质指标的入渗量计算结果，依据特征因子得出的地下水入渗情况更为可靠准确，选取恰当的指标作为特征因子，则基于特征因子的地下水入渗检测方法是可行且具有更高可信度的。

（2）基于水质特征因子的检测方法可以有效减少CCTV检测的工作量，在本项目中能够减少83%的CCTV检测量。

（3）特征因子并不是固定的，应根据研究区域的实际情况，通过本底水质检测确定。

（4）布设本底水质监测点时应遵循均匀分布的原则，在诊断范围内均匀布设适当个数的取样点位，应考虑到当地的水质特征和地质特征。

本文对原文有修改。原文标题：特征因子法提高污水管道地下水入渗检测效率的研究；作者：刘希希、崔诺、胡馨月、顾毅杰、刘龙志、刘绪为、柴立和、赵鹏；作者单位：天津大学环境科学与工程学院、中国市政工程华北设计研究总院有限公司。刊登在《给水排水》2022年第2期。