閔雪峰，俞陽(yáng)*，趙銳，2，劉佳寧

（1.西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，成都 611756；2.西南交通大學(xué)高速鐵路運(yùn)營(yíng)安全空間信息技術(shù)國(guó)家地方聯(lián)合共建工程實(shí)驗(yàn)室，成都 611756）

城鄉(xiāng)區(qū)域是典型的自然-經(jīng)濟(jì)-社會(huì)復(fù)合系統(tǒng)，人口增長(zhǎng)和社會(huì)經(jīng)濟(jì)活動(dòng)加劇給水環(huán)境質(zhì)量造成一定壓力[1]，水污染帶來(lái)的環(huán)境風(fēng)險(xiǎn)已成為制約區(qū)域經(jīng)濟(jì)、社會(huì)與環(huán)境協(xié)同發(fā)展的主要因素之一[2]。水污染物總量控制是改善水環(huán)境質(zhì)量的有效途徑，實(shí)施總量管理方案的關(guān)鍵在于準(zhǔn)確識(shí)別出水污染高風(fēng)險(xiǎn)重點(diǎn)管控區(qū)域[3]。為減輕和改善人類活動(dòng)對(duì)水環(huán)境的不利影響，開(kāi)展區(qū)域水環(huán)境累積風(fēng)險(xiǎn)評(píng)價(jià)及水污染物總量控制系統(tǒng)研究至關(guān)重要。

水環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)是系統(tǒng)制定水污染控制方案的依據(jù)[4]，包括環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的構(gòu)建和評(píng)價(jià)指標(biāo)權(quán)重的確定兩個(gè)方面。壓力-狀態(tài)-響應(yīng)（Pressure-State-Response，PSR）模型可有效體現(xiàn)經(jīng)濟(jì)發(fā)展與環(huán)境狀態(tài)之間的交互影響，被廣泛應(yīng)用于環(huán)境系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系構(gòu)建[5-6]。謝蓉蓉等[7]引入風(fēng)險(xiǎn)源-風(fēng)險(xiǎn)受體-風(fēng)險(xiǎn)響應(yīng)指標(biāo)體系，構(gòu)建了水環(huán)境綜合風(fēng)險(xiǎn)評(píng)價(jià)模型。施恩等[8]基于累積性水環(huán)境風(fēng)險(xiǎn)來(lái)源、影響范圍、受影響的相關(guān)者、管理方法、問(wèn)題關(guān)注點(diǎn)等特性，構(gòu)建了物理風(fēng)險(xiǎn)-監(jiān)管風(fēng)險(xiǎn)-聲譽(yù)風(fēng)險(xiǎn)一體化水環(huán)境風(fēng)險(xiǎn)評(píng)估體系，識(shí)別了風(fēng)險(xiǎn)影響因素及風(fēng)險(xiǎn)管控水平。由于人類活動(dòng)和自然因素引起的水環(huán)境累積風(fēng)險(xiǎn)受風(fēng)險(xiǎn)源特征、水文水質(zhì)、區(qū)域人口、經(jīng)濟(jì)發(fā)展等多因素共同影響，且各因素間存在空間異質(zhì)性[9]，所以需對(duì)區(qū)域進(jìn)行控制單元?jiǎng)澐忠詫?shí)現(xiàn)區(qū)域水環(huán)境精準(zhǔn)管控。劉思瑤等[10]構(gòu)建了基于水文、水質(zhì)和水生態(tài)多要素指標(biāo)驅(qū)動(dòng)的控制單元風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，并識(shí)別了四川南河小流域各空間單元的風(fēng)險(xiǎn)管控優(yōu)先級(jí)。然而，當(dāng)前的風(fēng)險(xiǎn)評(píng)價(jià)研究主要關(guān)注控制區(qū)污染物排放量及水質(zhì)指標(biāo)[11]，忽視了風(fēng)險(xiǎn)受體的資源要素、水污染利益關(guān)聯(lián)主體的風(fēng)險(xiǎn)感知程度及應(yīng)急響應(yīng)能力，尚未從環(huán)境風(fēng)險(xiǎn)防范化解潛能角度評(píng)價(jià)水環(huán)境壓力。在評(píng)價(jià)指標(biāo)權(quán)重系數(shù)確定方面，常用方法包括主觀賦權(quán)法和客觀賦權(quán)法[12]，其中：主觀法能夠反映決策者的偏好，如層次分析法、專家評(píng)價(jià)法等；客觀賦權(quán)法則僅根據(jù)指標(biāo)本身的特征確定其重要性，如熵值法、變異系數(shù)法等。在實(shí)際應(yīng)用中，主觀法獲得的權(quán)重反映出決策者對(duì)不同指標(biāo)的重視程度，但具有較強(qiáng)不確定性；客觀方法雖然能有效避免主觀因素影響，但權(quán)重值會(huì)與真實(shí)值產(chǎn)生差距。現(xiàn)有研究常采用單一方法分析權(quán)重[13]，一定程度上忽視了定性、定量指標(biāo)的客觀性，限制了對(duì)環(huán)境污染事故可能造成的人體健康風(fēng)險(xiǎn)的準(zhǔn)確評(píng)價(jià)。

污染負(fù)荷分配是以水環(huán)境容量或目標(biāo)控制總量為基礎(chǔ)，通過(guò)制定決策方案將污染負(fù)荷分配至各區(qū)域或污染源[14]。國(guó)外學(xué)者對(duì)水污染負(fù)荷分配的研究多以經(jīng)濟(jì)收益為基礎(chǔ)，實(shí)現(xiàn)污染負(fù)荷減排最大化或/和污染治理費(fèi)用最小化[15]。我國(guó)水污染總量控制是分層逐級(jí)開(kāi)展的，分配過(guò)程充分考慮經(jīng)濟(jì)最優(yōu)、公平、可持續(xù)和技術(shù)可行性等原則[16]，存在多個(gè)相互沖突、不可通約的目標(biāo)，屬于多目標(biāo)優(yōu)化問(wèn)題（Multi-objective Optimal Problems，MOPs）[17]。2012 年，Zhang 等[18]提出的多目標(biāo)污染負(fù)荷分配方法首次實(shí)現(xiàn)了流域、水功能區(qū)和排污口多對(duì)象融合，確定了公平和高效的分配方案。隨后，Meng 等[19]開(kāi)發(fā)了兼顧公平與效率的兩階段隨機(jī)規(guī)劃模型，并將其應(yīng)用于四個(gè)主要排污斷面（工業(yè)、市政、畜牧業(yè)和農(nóng)業(yè)）的污染負(fù)荷分配。Wu等[20]基于公平性原則建立了面向流域和區(qū)域兩層利益主體的多指標(biāo)基尼系數(shù)污染負(fù)荷分配框架。張璇等[16]針對(duì)環(huán)境保護(hù)稅法與水功能區(qū)水質(zhì)達(dá)標(biāo)實(shí)施背景下的水污染負(fù)荷分配問(wèn)題，采用雙層多目標(biāo)優(yōu)化模型為各管理層提供了分配方案。近年來(lái)，為了尋求MOPs 的Pareto 最優(yōu)解，學(xué)者們提出了多目標(biāo)進(jìn)化算法（Multi-ObjectiveEvolutionary Algorithms，MOEAs），并將其廣泛應(yīng)用于污染控制及水資源規(guī)劃和管理[21]。其中，Bi等[22]提出的基于淘汰算子的改進(jìn)非支配排序遺傳算法Ⅲ（Improved NSGA-Ⅲalgorithm based on Elimination Operator，NSGA-Ⅲ-EO）能有效處理約束MOPs，顯著保持解集的多樣性和收斂性，同時(shí)能克服維數(shù)災(zāi)難和計(jì)算成本高的問(wèn)題。本研究將其應(yīng)用于求解構(gòu)建的多目標(biāo)水污染負(fù)荷分配模型。

目前，國(guó)內(nèi)水環(huán)境治理成效顯著，但水污染物排放量依然偏高[23]，其中四川省2017 年化學(xué)需氧量（CODCr）、氨氮（NH3-N）和總磷（TP）排放量分別高達(dá)116.36 萬(wàn)、5.91 萬(wàn)t 和1.58 萬(wàn)t[24]，污染物總量控制工作依然面臨嚴(yán)峻形勢(shì)。此外，現(xiàn)有區(qū)域水環(huán)境管理研究尚未在識(shí)別水污染重點(diǎn)管控單元的基礎(chǔ)上開(kāi)展污染負(fù)荷優(yōu)化分配研究[25]，使得環(huán)境管理部門缺乏高效可行的水污染防治與管理決策體系，難以切實(shí)指導(dǎo)區(qū)域水環(huán)境管理策略的制定。鑒于此，為便于區(qū)域水環(huán)境精準(zhǔn)管控，本研究選擇四川省典型鄉(xiāng)鎮(zhèn)行政單位為最小控制單元，將環(huán)境風(fēng)險(xiǎn)防范潛力納入評(píng)價(jià)指標(biāo)體系，采用主客觀賦權(quán)耦合分析法計(jì)算權(quán)重系數(shù)，通過(guò)累積綜合風(fēng)險(xiǎn)評(píng)價(jià)確定各控制單元的風(fēng)險(xiǎn)等級(jí)，識(shí)別重點(diǎn)風(fēng)險(xiǎn)源；結(jié)合經(jīng)驗(yàn)系數(shù)類比法及產(chǎn)排污系數(shù)法獲得不同類型點(diǎn)源、面源污染物入河量，基于“十三五”規(guī)劃的污染總量控制目標(biāo)，構(gòu)建多目標(biāo)污染負(fù)荷優(yōu)化分配模型，得出科學(xué)合理的優(yōu)化分配方案，為制定區(qū)域水環(huán)境質(zhì)量改善策略提供科學(xué)參考。

1 材料與方法

1.1 研究區(qū)概況

地處長(zhǎng)江上游青衣江流域的四川洪雅縣（102°49′～103°32′E，29°24′～30°00′N）屬于典型的農(nóng)業(yè)與城市污染源疊加區(qū)域，轄區(qū)覆蓋青衣江58.8 km 長(zhǎng)的河段，屬于中亞熱帶濕潤(rùn)氣候區(qū)，年平均氣溫16.9 ℃，年平均降雨量1 759.8 mm，產(chǎn)業(yè)結(jié)構(gòu)依靠第二產(chǎn)業(yè)帶動(dòng)第一、第三產(chǎn)業(yè)協(xié)同發(fā)展。研究以洪川鎮(zhèn)、余坪鎮(zhèn)、將軍鎮(zhèn)等12 個(gè)鄉(xiāng)鎮(zhèn)為基本控制單元，區(qū)域內(nèi)經(jīng)濟(jì)高速發(fā)展導(dǎo)致污染問(wèn)題頻發(fā)，青衣江干流部分水質(zhì)指標(biāo)不穩(wěn)定，難以滿足水質(zhì)功能要求。

考慮到斷面水質(zhì)基本為2017 年之前監(jiān)測(cè)的數(shù)據(jù)，因此本研究選用2017 年洪雅縣行政區(qū)劃進(jìn)行水污染總量分配。

1.2 數(shù)據(jù)來(lái)源

本研究所用數(shù)據(jù)包括該地區(qū)的社會(huì)基本情況數(shù)據(jù)、社會(huì)經(jīng)濟(jì)發(fā)展數(shù)據(jù)、污染物排放量及水質(zhì)數(shù)據(jù)、政府監(jiān)管數(shù)據(jù)等，這些數(shù)據(jù)主要來(lái)源于第二次全國(guó)污染源普查數(shù)據(jù)、2011—2019 年青衣江木城鎮(zhèn)斷面水質(zhì)監(jiān)測(cè)數(shù)據(jù)、《2020 年眉山統(tǒng)計(jì)年鑒》等。參數(shù)賦值主要參考《眉山市城市總體規(guī)劃（2009—2020）》《全國(guó)污染源普查城鎮(zhèn)生活源產(chǎn)排污系數(shù)手冊(cè)》《眉山市水污染防治目標(biāo)責(zé)任書》以及洪雅縣人民政府的公開(kāi)報(bào)道和文件。

1.3 區(qū)域水環(huán)境綜合風(fēng)險(xiǎn)評(píng)價(jià)

1.3.1 區(qū)域水環(huán)境累積風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

本研究在明確區(qū)域環(huán)境風(fēng)險(xiǎn)受體自然要素、利益關(guān)聯(lián)主體風(fēng)險(xiǎn)感知及應(yīng)急響應(yīng)能力的基礎(chǔ)上，以水環(huán)境累積風(fēng)險(xiǎn)為目標(biāo)層，建立了包含壓力（風(fēng)險(xiǎn)受體自然要素）、狀態(tài)（風(fēng)險(xiǎn)源體排污現(xiàn)狀）、響應(yīng)（風(fēng)險(xiǎn)受體風(fēng)險(xiǎn)防范潛力）3 個(gè)準(zhǔn)則層的水環(huán)境累積風(fēng)險(xiǎn)評(píng)估指標(biāo)體系（圖1）。

圖1 水環(huán)境累積風(fēng)險(xiǎn)綜合評(píng)價(jià)指標(biāo)體系Figure 1 Index system for comprehensive evaluation of cumulative water environment risk

壓力指標(biāo)描述人口發(fā)展和經(jīng)濟(jì)發(fā)展等人類活動(dòng)或自然因素給環(huán)境帶來(lái)的脅迫或影響，包括人口增長(zhǎng)和社會(huì)經(jīng)濟(jì)發(fā)展指標(biāo)，其中經(jīng)濟(jì)發(fā)展方向和產(chǎn)業(yè)結(jié)構(gòu)設(shè)置決定了污水排放量和污染負(fù)荷類別。狀態(tài)指標(biāo)描述人類活動(dòng)對(duì)水環(huán)境質(zhì)量的影響，包含不同類型污廢水排放量、畜禽養(yǎng)殖量、耕地面積和CODCr、NH3-N、TP 的排放量。響應(yīng)指標(biāo)反映各關(guān)聯(lián)主體感知到環(huán)境風(fēng)險(xiǎn)時(shí)，能夠通過(guò)防治污染和修復(fù)環(huán)境來(lái)持續(xù)改善水環(huán)境質(zhì)量的潛力。在第一、第二、第三產(chǎn)業(yè)并存的城鄉(xiāng)污染疊加影響區(qū)域，居民、政府、企業(yè)是3 個(gè)重要利益主體，因此，可選取居民環(huán)境保護(hù)意識(shí)、政府污水處理效率、環(huán)境監(jiān)測(cè)能力以及應(yīng)對(duì)突發(fā)污染安全事故的應(yīng)急響應(yīng)能力和企業(yè)的風(fēng)險(xiǎn)防控能力代表各主體的環(huán)境風(fēng)險(xiǎn)防范潛力。

1.3.2 指標(biāo)風(fēng)險(xiǎn)等級(jí)劃分

為比較各控制單元的相對(duì)風(fēng)險(xiǎn)等級(jí)，進(jìn)行分級(jí)、分區(qū)精準(zhǔn)管理，在水環(huán)境累積風(fēng)險(xiǎn)等級(jí)評(píng)分標(biāo)準(zhǔn)中，將所有控制單元的綜合風(fēng)險(xiǎn)評(píng)分閾值（Rmin,Rmax）劃分為極低風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)4 個(gè)等級(jí)[7]（表1）。

表1 累積風(fēng)險(xiǎn)等級(jí)評(píng)分標(biāo)準(zhǔn)Table 1 Criteria for the cumulative risk evaluation

控制單元中各單項(xiàng)指標(biāo)風(fēng)險(xiǎn)分級(jí)主要依據(jù)國(guó)家標(biāo)準(zhǔn)或地方標(biāo)準(zhǔn)，以及風(fēng)險(xiǎn)評(píng)價(jià)相關(guān)的研究[26]，包括《國(guó)民經(jīng)濟(jì)行業(yè)分類》（GB/T 4754—2017）、“關(guān)于印發(fā)《上市公司環(huán)保核查行業(yè)分類管理名錄》的通知”（環(huán)辦函〔2008〕373 號(hào)）、《畜禽養(yǎng)殖業(yè)污染物排放標(biāo)準(zhǔn)》（GB 18596—2001）、《環(huán)境影響評(píng)價(jià)技術(shù)導(dǎo)則地表水環(huán)境》（HJ 2.3—2018）、《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》（GB 3838—2002）等，各項(xiàng)指標(biāo)風(fēng)險(xiǎn)分級(jí)見(jiàn)表2。

表2 區(qū)域水環(huán)境累積風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)分級(jí)Table 2 Index classification of cumulative risk assessment for regional water environment

1.3.3 綜合風(fēng)險(xiǎn)評(píng)分法

綜合風(fēng)險(xiǎn)評(píng)價(jià)首先通過(guò)數(shù)學(xué)理論模型確定各指標(biāo)權(quán)重，對(duì)控制單元內(nèi)各指標(biāo)的評(píng)分與相應(yīng)權(quán)重相乘并求和，得到綜合風(fēng)險(xiǎn)評(píng)分：

式中：Ri為控制單元i的綜合風(fēng)險(xiǎn)值；ωj表示指標(biāo)j的權(quán)重；rj表示各指標(biāo)的風(fēng)險(xiǎn)評(píng)分；p為評(píng)價(jià)指標(biāo)個(gè)數(shù)。

本研究采用耦合模糊層次分析法和變異系數(shù)法確定各指標(biāo)權(quán)重，具體計(jì)算公式如下：

式中：uj是指標(biāo)j由模糊層次分析法獲得的權(quán)重；vj是指標(biāo)j由變異系數(shù)法確定的權(quán)重。

（1）模糊層次分析法

模糊層次分析法是定性與定量相結(jié)合的多因素決策分析方法，根據(jù)多專家對(duì)評(píng)價(jià)指標(biāo)的兩兩比較，形成一個(gè)由重要系數(shù)組成的判斷矩陣，可應(yīng)用于不精確數(shù)值的定量和定性權(quán)重分析，具體計(jì)算步驟參照相關(guān)研究[27]。

（2）變異系數(shù)法

變異系數(shù)利用各指標(biāo)所包含的信息，通過(guò)比較數(shù)據(jù)的標(biāo)準(zhǔn)差與均值來(lái)反映各評(píng)價(jià)指標(biāo)的相對(duì)重要性，避免專家在確定各指標(biāo)權(quán)重時(shí)的主觀性，同時(shí)可削弱極值指標(biāo)對(duì)評(píng)價(jià)結(jié)果的影響，具體計(jì)算步驟參照相關(guān)研究[28]。

1.4 多目標(biāo)水污染負(fù)荷優(yōu)化分配

1.4.1 多目標(biāo)優(yōu)化分配模型構(gòu)建

污染負(fù)荷分配應(yīng)遵循公平與效率原則[14]，其中公平原則體現(xiàn)為各控制單元的綜合環(huán)境基尼系數(shù)和削減率不均度最小，效率原則體現(xiàn)為經(jīng)濟(jì)產(chǎn)值最大。各目標(biāo)函數(shù)及約束條件如下：

（1）環(huán)境基尼系數(shù)最小

均衡考慮資源、經(jīng)濟(jì)、社會(huì)發(fā)展對(duì)污染物排放量的影響，選取人口、GDP、土地面積3 個(gè)指標(biāo)作為評(píng)價(jià)水污染物總量分配方案公平性的資源因素[29]，其綜合環(huán)境基尼系數(shù)（G）最小可表示為：

式中：m為資源因素的個(gè)數(shù)，即m=3；wk表示資源因素k對(duì)污染物排放量的貢獻(xiàn)，可采用信息熵計(jì)算，具體公式如下：

式中：Wi,0表示控制單元i中的污染物現(xiàn)狀入河量；Zi,k表示控制單元i中評(píng)價(jià)因素k的指標(biāo)值；Pi,k表示控制單元i中單位評(píng)價(jià)因素k的污染物入河量；Ni,k為控制單元i中Pi,k在各評(píng)價(jià)因素中所占比例；Ek為評(píng)價(jià)因素k單位污染物入河量的信息熵。

基尼系數(shù)Gk的計(jì)算方法包括梯形面積法和積分法，對(duì)于資源劃分份數(shù)較少的評(píng)價(jià)模型通常采用梯形面積法進(jìn)行計(jì)算[16]：

式中：Gk為資源因素k的基尼系數(shù)；Xi,k為控制單元i中指標(biāo)k占其總量百分比的累計(jì)值；Yi為控制單元i中污染物分配量占其總量百分比的累計(jì)值；n為控制單元個(gè)數(shù)，n=12。當(dāng)i=1時(shí)，設(shè)Xi-1,k、Yi-1等于0。

（2）削減率不均度最小

式中：σ為各控制單元削減率的方差；pi表示控制單元i的污染物削減率；pˉ表示削減率pi的均值；xi表示控制單元i的污染負(fù)荷分配量；xi,0表示控制單元i的污染物現(xiàn)狀入河量。

（3）經(jīng)濟(jì)產(chǎn)值最大

式中：Ci表示控制單元i中單位污染負(fù)荷產(chǎn)生的國(guó)內(nèi)生產(chǎn)總值；GDPi表示控制單元i的國(guó)內(nèi)生產(chǎn)總值，億元。

（4）約束條件

污染負(fù)荷分配模型應(yīng)滿足分配總量不超過(guò)允許入河總量、削減率不超過(guò)有效范圍、環(huán)境基尼系數(shù)不高于現(xiàn)狀值的條件，即：

式中：XT為滿足削減目標(biāo)的年排放總量。

“十三五”規(guī)劃要求研究區(qū)總削減率為8.83%，考慮各行政控制單元的經(jīng)濟(jì)與環(huán)境管理效率差異以及各控制單元的實(shí)際排放情況和納污能力，設(shè)置各控制單元削減率上限、下限分別為20%、1%[29]：

基于公平原則，優(yōu)化分配方案的綜合環(huán)境基尼系數(shù)應(yīng)不大于分配前的基尼系數(shù)值，即：

式中：G為優(yōu)化分配方案的基尼系數(shù)；G0為現(xiàn)狀綜合基尼系數(shù)。

1.4.2 水污染負(fù)荷分配模型求解與方案優(yōu)選

本研究采用NSGA-Ⅲ-EO 算法求解多目標(biāo)水污染負(fù)荷分配模型，算法詳細(xì)過(guò)程參照相關(guān)研究[22]。設(shè)置種群數(shù)量800，迭代次數(shù)60，可獲得一組Pareto最優(yōu)解。隨后分別以環(huán)境基尼系數(shù)最小（情景一）、削減率不均度最?。ㄇ榫岸?、經(jīng)濟(jì)產(chǎn)值最大（情景三）和綜合最優(yōu)（情景四）四種方案開(kāi)展情景分析。

實(shí)際應(yīng)用中通常只需一組優(yōu)化分配方案用于指導(dǎo)區(qū)域水污染管控。本研究采用模糊集理論對(duì)Pareto解集中各最優(yōu)解的目標(biāo)函數(shù)值進(jìn)行滿意度評(píng)價(jià)，確定綜合最優(yōu)分配方案。目標(biāo)函數(shù)最小化的模糊隸屬度函數(shù)[30]為：

式中：un表示第n個(gè)目標(biāo)函數(shù)fn的隸屬度值；fn為Pareto 最優(yōu)解中第n個(gè)目標(biāo)函數(shù)的函數(shù)值；分別表示第n個(gè)目標(biāo)函數(shù)值fn的最小值和最大值。

對(duì)于Pareto 解集中的每個(gè)最優(yōu)解，采用式（16）求出該解對(duì)應(yīng)各目標(biāo)函數(shù)的隸屬度，根據(jù)式（17）求出該解的綜合滿意度，Pareto 解集中綜合滿意度最大值對(duì)應(yīng)的解即為最優(yōu)分配方案。

式中：uN為第N個(gè)Pareto 解的滿意度值；N為Pareto 解集中最優(yōu)解的個(gè)數(shù)。

2 結(jié)果與討論

2.1 控制單元水環(huán)境累積風(fēng)險(xiǎn)評(píng)價(jià)

分別采用模糊層次分析法和變異系數(shù)法計(jì)算各指標(biāo)權(quán)重，進(jìn)而得到各指標(biāo)耦合權(quán)重系數(shù)（表3）。

表3 水環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)權(quán)重系數(shù)Table 3 Weighting coefficients of the water environment risk evaluation index

由表3 可知，在指標(biāo)層中，人口發(fā)展，經(jīng)濟(jì)發(fā)展，水環(huán)境質(zhì)量中的污廢水排放量、養(yǎng)殖量和耕地面積指標(biāo)，以及居民響應(yīng)指標(biāo)中的生活污水處理率均為定量指標(biāo)[7]，其耦合權(quán)重系數(shù)與變異系數(shù)法的分析結(jié)果更接近，保障了各指標(biāo)之間的權(quán)重公平。居民響應(yīng)指標(biāo)中的公眾環(huán)保意識(shí)和政府響應(yīng)指標(biāo)為定性指標(biāo)，其耦合權(quán)重系數(shù)與模糊層次分析法的結(jié)果更接近，表明主客觀方法的耦合使指標(biāo)權(quán)重系數(shù)的確定更具合理性和科學(xué)性。

基于各指標(biāo)風(fēng)險(xiǎn)等級(jí)評(píng)分和相應(yīng)權(quán)重，計(jì)算研究區(qū)12 個(gè)控制單元累積綜合風(fēng)險(xiǎn)評(píng)分。根據(jù)表1 風(fēng)險(xiǎn)等級(jí)評(píng)分標(biāo)準(zhǔn)，確定高風(fēng)險(xiǎn)和中風(fēng)險(xiǎn)控制單元分別為2 個(gè)和3 個(gè)，低風(fēng)險(xiǎn)和極低風(fēng)險(xiǎn)控制單元分別為3 個(gè)和4個(gè)，各控制單元的風(fēng)險(xiǎn)分布及評(píng)分值見(jiàn)圖2。

如圖2 所示，位于研究區(qū)青衣江流域上游的槽漁灘鎮(zhèn)控制單元綜合風(fēng)險(xiǎn)最低，下游洪川鎮(zhèn)和余坪鎮(zhèn)風(fēng)險(xiǎn)等級(jí)較高，其各評(píng)價(jià)指標(biāo)的風(fēng)險(xiǎn)值如圖3 所示。分析可知，洪川鎮(zhèn)的高環(huán)境風(fēng)險(xiǎn)是由工業(yè)廢水排放中高負(fù)荷的CODCr、NH3-N 和TP 造成的，余坪鎮(zhèn)累積環(huán)境風(fēng)險(xiǎn)較高是因?yàn)橐?guī)?；笄蒺B(yǎng)殖和工業(yè)生產(chǎn)產(chǎn)生了大量的CODCr、NH3-N和TP負(fù)荷。由此可見(jiàn)，各控制單元的環(huán)境風(fēng)險(xiǎn)不僅受內(nèi)部水污染物排放量影響，還受流域內(nèi)水污染累積效應(yīng)影響，這與尚彥辰等[26]分析遼河流域水環(huán)境累積風(fēng)險(xiǎn)時(shí)得到的結(jié)論一致。此外，高風(fēng)險(xiǎn)控制區(qū)內(nèi)居民、政府和企業(yè)的風(fēng)險(xiǎn)防范潛力有待提升，后期應(yīng)將每個(gè)控制單元的環(huán)境風(fēng)險(xiǎn)控制納入?yún)^(qū)域風(fēng)險(xiǎn)統(tǒng)籌管理，提升利益相關(guān)者的系統(tǒng)性風(fēng)險(xiǎn)防控能力[31]。

圖2 控制單元綜合風(fēng)險(xiǎn)等級(jí)空間分布圖Figure 2 Spatial distribution of the comprehensive risk evaluation result for the control units

圖3 高風(fēng)險(xiǎn)控制單元的評(píng)價(jià)指標(biāo)值Figure 3 Evaluation index value of high risk control units

2.2 多目標(biāo)水污染負(fù)荷分配方案情景分析

《四川省水污染防治目標(biāo)責(zé)任書》要求2020 年青衣江流域水質(zhì)目標(biāo)為：TP≤0.33 mg·L-1，其他指標(biāo)達(dá)到《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》（GB 3838—2002）Ⅱ類水質(zhì)。由洪雅縣2017年重點(diǎn)監(jiān)控?cái)嗝嫠|(zhì)可知，CODCr和TP濃度明顯低于目標(biāo)限值，NH3-N 濃度存在超標(biāo)風(fēng)險(xiǎn)[32]。王玉云等[33]在青衣江流域水環(huán)境生態(tài)補(bǔ)償研究中也將NH3-N 作為測(cè)算流域生態(tài)補(bǔ)償?shù)乃|(zhì)因子，因此本研究選用NH3-N 為代表性污染物控制因子進(jìn)行水污染負(fù)荷分配。根據(jù)當(dāng)?shù)亟y(tǒng)計(jì)年鑒和《第二次全國(guó)污染源普查公報(bào)》數(shù)據(jù)，基于經(jīng)驗(yàn)系數(shù)類比法及產(chǎn)排污系數(shù)法獲得基準(zhǔn)年各控制單元不同類型點(diǎn)源、面源NH3-N 入河量，匯總獲得研究區(qū)NH3-N 入河總量[34]。《眉山市環(huán)境保護(hù)“十三五”規(guī)劃》要求2020年洪雅縣NH3-N 削減率達(dá)到13.9%，假定“十三五”期間NH3-N 削減率逐年相等，可得2017 年NH3-N 允許入河總量為622.05 t。由NSGA-Ⅲ-EO算法獲得的所有分配方案的Pareto前沿面見(jiàn)圖4。

圖4 NSGA-Ⅲ-EO 獲得分配方案的Pareto前沿Figure 4 Pareto front of allocation schemes obtained by NSGA-Ⅲ-EO

根據(jù)多目標(biāo)優(yōu)化分配模型，計(jì)算得到4 種情景下洪雅縣各控制單元NH3-N 總削減率分別為16.4%、10.3%、9.1%和16.3%，進(jìn)一步得到不同情景下各控制單元削減方案（圖5）。由圖5 可知，NH3-N 入河總量中洪川鎮(zhèn)貢獻(xiàn)度最高，為27.3%；其次為余坪鎮(zhèn)、將軍鎮(zhèn)和東岳鎮(zhèn)，分別占15.7%、11.2%和10.8%；其余8個(gè)控制單元的占比均小于10%，并且七里坪鎮(zhèn)的占比最低，僅為2.0%。分析可知，情景三追求經(jīng)濟(jì)產(chǎn)值最大時(shí)，洪雅縣NH3-N 總削減率最低，其中NH3-N 入河量貢獻(xiàn)度最高的洪川鎮(zhèn)的削減率僅為3.2%，表明區(qū)域僅追求經(jīng)濟(jì)利益時(shí)忽視了環(huán)境影響，可能會(huì)增加區(qū)域環(huán)境風(fēng)險(xiǎn)。情景二各控制單元均勻削減污染物排放量時(shí)，雖然各控制單元的削減率接近，但洪雅縣總削減率較低，原因在于低排放控制單元減污能力有限，同時(shí)未充分利用高排放控制單元的控污能力[14]。在4種情景中，綜合最優(yōu)方案（情景四）與環(huán)境基尼系數(shù)最小方案（情景一）的總削減率較高，且環(huán)境基尼系數(shù)較小，表明考慮各控制單元的人口、GDP、土地面積等資源要素可較大限度地實(shí)現(xiàn)區(qū)域水污染物總量削減[16]。此外，情景四中各控制單元削減率方差為0.002 9，小于情景一的方差值0.004 6，表明綜合最優(yōu)方案下各控制單元之間削減率差異更小，各控制單元中的相關(guān)利益主體更易接受，方案有效性和可執(zhí)行性更強(qiáng)[14]。

圖5 各控制單元的NH3-N入河量占比及不同情景分配方案Figure 5 The allocation scheme of NH3-N of control units under different scenarios and proportion of discharge

基于上述分析，選擇綜合最優(yōu)分配方案作為區(qū)域水污染總量控制的指導(dǎo)方案，即NH3-N 總削減量為111.15 t，整體削減率為16.3%。此時(shí)洪川鎮(zhèn)控制單元的NH3-N 削減率最高，為19.7%，其次為余坪鎮(zhèn)，削減率為18.9%。程一鑫等[29]研究發(fā)現(xiàn)區(qū)域污染物分配方案與現(xiàn)狀排放量之間不具有一致性，主要原因在于其僅考慮區(qū)域人口、資源、經(jīng)濟(jì)和水污染物承受能力等客觀因素，忽視了各鄉(xiāng)鎮(zhèn)排污量的經(jīng)濟(jì)產(chǎn)值效率及削減率公平性。本研究中優(yōu)化后的控制單元NH3-N 削減比例排序與綜合累積風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)基本一致，即污染物入河量貢獻(xiàn)越大，綜合環(huán)境風(fēng)險(xiǎn)等級(jí)越高，污染負(fù)荷削減比例相對(duì)較高，證實(shí)了分配方案的公平性、效率性和合理性。

3 結(jié)論

本研究結(jié)合環(huán)境累積風(fēng)險(xiǎn)評(píng)價(jià)與水污染負(fù)荷多目標(biāo)分配模型，提出了基于高風(fēng)險(xiǎn)優(yōu)先管控區(qū)識(shí)別的區(qū)域水污染系統(tǒng)管控方法，對(duì)四川洪雅縣的NH3-N總量進(jìn)行分配，結(jié)論如下：

（1）研究區(qū)存在2 個(gè)高風(fēng)險(xiǎn)和3 個(gè)中風(fēng)險(xiǎn)控制單元，高風(fēng)險(xiǎn)控制單元為洪川鎮(zhèn)和余坪鎮(zhèn)。其中洪川鎮(zhèn)控制單元的主要風(fēng)險(xiǎn)源為工業(yè)廢水排放，余坪鎮(zhèn)的風(fēng)險(xiǎn)源是規(guī)?；笄蒺B(yǎng)殖及工業(yè)廢水排放。

（2）針對(duì)高風(fēng)險(xiǎn)控制單元，應(yīng)加強(qiáng)重點(diǎn)行業(yè)、企業(yè)整治和排污口監(jiān)測(cè)，加強(qiáng)對(duì)畜禽散養(yǎng)的監(jiān)管力度，探索建立分散養(yǎng)殖糞污收集、貯存、處理與利用體系。針對(duì)中風(fēng)險(xiǎn)控制單元，應(yīng)加快完善鄉(xiāng)鎮(zhèn)污水管網(wǎng)建設(shè)和污水處理廠建設(shè)，提高生活污水處理率，同時(shí)提升公眾環(huán)保意識(shí)，提高政府對(duì)突發(fā)污染事件的應(yīng)急響應(yīng)能力。

（3）在綜合最優(yōu)分配情景中，洪雅縣NH3-N 總削減量為111.15 t，削減率為16.3%，其中洪川鎮(zhèn)和余坪鎮(zhèn)控制單元的削減率分別為19.7%和18.9%。本研究在實(shí)現(xiàn)各控制單元公平、高效削減水污染物的同時(shí)，獲得了較高的區(qū)域總削減率，說(shuō)明分配方案科學(xué)合理，可切實(shí)指導(dǎo)區(qū)域水污染物總量控制方案的制定。