水污染论文
针对统计信息的模糊性等问题，可以通过信息熵的方式取得较好的结果。李如忠等[37]以基尼系数为度量标准的水污染负荷公平分配评价指标体系为基础，建立了带有弹性约束和信息熵权的水污染物总量分配模糊优化决策模型，并将其应用于巢湖流域 COD和氨氮削减负荷的分摊，较好地克服了现有基尼系数分配方法的不足。
为了处理不同污染控制主体及排污主体的关系，Karmakar 等[38]通过对灰色模糊污染物分配模型GFWLAM[39]（grey fuzzy waste load allocation model）的多解问题进行了分析，发现通过二阶的GFWLAM能较好的解决多解问题；Ghosh 等[40]对 FWLAM（fuzzywaste load allocation model）和 MFWLAM（modifiedfuzzy waste load allocation model）进行了融合改进，允许部分取值超出 MFWLAM 的取值范围，通过PGSL（probabilistic global search lausanne）非线性优化模型求最优解；郭怀成等[41]提出一种新的不确定性模糊多目标规划（IFMOP）模型，该模型能够与决策者直接进行交互，充分考虑决策者的反馈意见，以便获得最终满意的决策方案。
动态规划模型可以在不同水文周期及经济发展周期的条件下，对水污染负荷进行优化分配。尚静石等[42]建立了动态规划分配模型，给出了污染物处理费用最小的优化方案；林高松等[43]考虑污染源强随机变化和感潮河流潮周期内动态水文条件对水质的影响，建立了优化污染负荷分配的流域水质管理模型；雷宏军等[44]运用层次分析法，建立了广西壮族自治区系统的社会、经济、资源、环境指标体系，在不同发展阶段动态改变指标权重，使分配结果更为公平合理。
通过区间规划的方法，可以较好地解决水文参数不完整、部分资料缺失、人为管理措施等不确定性等问题。Nikoo 等[45]采用区间规划的方法来解决水库河流系统的水文参数不确定的情况；Rehana 等[46]通过采用 IFWLAM（imprecise fuzzy waste load allocationmodel）对污染负荷分配过程中由于部分资料缺失而产生的不确定性问题；张新华等[47]SWAT 模型对袁河流量进行模拟，再结合 LDC（负荷历时曲线）法，实现了袁河流域分区（控制单元）、分期（丰水期、平水期、枯水期）、分类（点源和非点源）和分级（不同水质目标）的总量分配方案，结果说明 SWAT 模型结合 LDC方法可以较好地应用于资料匮乏流域的水污染物总量分配；Saadatpour 等[48]通过利用 Vagueness 来解决水质管理中存在的不确定性问题，并利用分类种群遗传算法对模糊污染负荷分配进行优化，取得较好的全局优化结果；秦肖生等[49]通过 IQWLA（intervalquadratic waste load allocation）设置参数区间的方法来解决污染负荷分配的不确定性问题；杜鹏等[50]通过 ICWA（inexact chance-constrained waste-loadallocation）通过限制条件来解决不确定性问题，并对长江三峡库区的香溪河流域进行了污染负荷优化分配。
1.3.2 不确定模型方法评述在水污染负荷优化分配过程中，随机方法可以较好地解决非线性问题；GFWLAM、IFMOP 等模型可以解决与环境目标与决策者政策之间的关系问题；动态规划模型可以较好地解决时空变化条件下的污染负荷优化分配问题；区间规划可以较好地解决参数缺失、参数不完整及人为管理措施等不确定性因素；水量水质耦合调控模型可较好地解决空间人为调水对水环境容量总量的改变问题。因此根据研究区的实际情况进行合理的水污染优化分配模型的选择是至关重要的。
2 现有优化分配模型研究的不足与展望
2.1 现有水污染负荷优化分配的不足
现有污染负荷优化分配中，一般是对点源进行分配，对非点源污染进行分配的研究较少，很多非点源污染没有纳入分配体系中，例如河流的底泥及船舶的污染，船舶在河道的航行对河道造成了一定的污染，如发动机冷却水及船上居民产生的生活污染等。现有的污染负荷优化分配多针对树状河网进行优化分配，而网状河网因为水力关系复杂，产汇流关系不明晰而较难以进行水污染负荷的优化分配。例如我国苏锡常地区，平原河网为当地的经济做了极大的贡献，但是经济的急速发展给当地水环境造成极大的压力，亟需进行相应的污染负荷优化分配模型研究；与此同时，圩区[51]作为平原河网区一种特殊的汇水单元，至今仍极少为有文献对其进行污染负荷优化分配的研究[52].
2.2 水污染负荷优化分配研究方向及展望
（1）在水污染负荷优化分配过程中，公平和效率是两条基本准则。如何在公平的基础上实现环境、经济的最优仍是重要的研究方向。
（2）建立更为高效的水环境系数是进行优化分配建模的基础，例如在基尼系数基础上建立的水环境基尼系数。通过更为高效的水环境参数来进行污染负荷优化分配的建模，是提高污染负荷优化分配模型效率的关键因素。
（3）通过多模型之间的耦合来进行污染负荷优化分配是将来的发展趋势之一。线性及非线性模型与其他方法的融合是未来的发展趋势之一。建立分区、分期、分类、分级[53-54]的控制单元是水质目标管理的基础，而在此基础上建立的对应目标函数也将成为研究的重点。水污染负荷优化分配模型与土地利用空间优化模型以及 BMPs（最佳管理措施优化模型）[34]进行联用是将来发展的趋势之一；将水量水质模型及污染负荷优化分配模型耦合用于人为调水补给措施对水环境容量及水污染物削减分配的计算是未来的发展趋势。
（4）水污染负荷优化分配是为流域水环境管理服务的，如何增强其可操作性是将来的研究方向。其中非点源如何参与优化分配，分配之后如何进行管理是研究的方向之一。针对特殊流域情况的研究，例如圩区等需要进一步的深入探讨以弥补现有研究的不足。
[参考文献]
[1] 方秦华，张珞平，洪华生。 水污染负荷优化分配研究[J]. 环境保护，2005（13）：29-31.
[2] 王赫。 我国流域水环境管理现状与对策建议[J]. 环境保护与循环经济，2011（7）：62-65.
[3] 林高松，李适宇，江峰。 基于公平区间的污染物允许排放量分配方法[J]. 水利学报，2006（1）：52-57.
[4] 程玲玲，夏峰。 水污染物总量分配原则及方法研究进展[J].环境科学导刊，2012（1）：30-34.