基于粒径与形状的悬浮泥沙监测现场校准因子预测研究

《Journal of Environmental Management》：Predicting field calibration factors for suspended sediment monitoring based on particle size and shape

本研究针对悬浮泥沙质量浓度(SSC)实时监测中传感器读数受颗粒粒径和形状影响的关键问题，系统探究了颗粒特性(d50、SMD、Ψ)对多种浊度计和声学传感器响应的规律，开发了三种实用的现场校准因子预测模型。研究发现浊度计比输出与SMD呈反幂律关系且随球形度线性递减，声学传感器对粗颗粒更敏感但模型预测性能有待提升。该研究为不同沉积物类型和传感器技术的校准因子预测提供了新方法，直接支持水资源与沉积物资源的可持续管理。

　　

每当暴雨过后，山区河流便会裹挟大量泥沙奔涌而下。这些悬浮泥沙虽然为下游生态系统带来了必要的营养物质，却也给水力发电等水利工程带来了严峻挑战。水库淤积会不断蚕食库容，影响发电效率；高速运动的泥沙颗粒还会磨损水轮机叶片，增加维护成本。更棘手的是，为了维持生态平衡，排放到下游河流的泥沙浓度必须控制在安全范围内。因此，对河流中的悬浮泥沙质量浓度(Suspended Sediment Concentration, SSC)进行可靠、实时的监测，成为了水资源管理和水力发电运营中不可或缺的一环。

目前，最常用的SSC实时监测工具是光学浊度计和声学传感器。它们的工作原理看似直接：泥沙颗粒越多，仪器反馈的信号越强。然而，现实往往比理想复杂得多。工程师和科学家们发现，即使是同一浓度的泥沙，如果颗粒的粗细、形状不同，同一种传感器给出的读数也会相差数倍。例如，细腻的黏土颗粒会使浊度计读数显著偏高，而粗大的沙粒则可能导致读数偏低。这种因泥沙属性不同而导致的测量偏差，严重阻碍了监测数据的可靠性和可比性。问题的根源在于，大多数传感器出厂时使用的是标准颗粒（如玻璃微珠）进行校准，而自然界的泥沙在粒径和形状上千变万化，从片状的云母、棱角状的长石，到滚圆的沙粒，不一而足。此前的研究多集中于粉砂颗粒，对粗砂以及颗粒形状（尤其是非球形颗粒）影响的系统量化尚属空白。特别是在水力发电的泥沙调度过程中，可能涉及粒径高达2毫米的粗砂，厘清传感器对这些颗粒的响应规律至关重要。

为了攻克这一难题，由Carolin Friz、David Felix、Frederic M. Evers和Robert M. Boes组成的研究团队在瑞士苏黎世联邦理工学院水力、水文与冰川学实验室(VAW)开展了一项系统性的实验研究。他们的目标是揭示颗粒粒径和形状如何影响不同传感器的响应，并最终开发出能够根据预期泥沙特性预测仪器校准因子的通用模型，为野外实时监测提供实用工具。这项研究成果发表在环境管理领域的知名期刊《Journal of Environmental Management》上。

研究人员搭建了一个容积为246升的定制循环水槽，能悬浮起至2毫米的粗颗粒。他们精心挑选了多种天然和人工颗粒材料，包括球形玻璃珠、不规则形状的石英砂、棱角状的长石、片状的云母，以及来自奥地利博尔根纳赫(Bolgenach)水库的天然泥沙样本等，覆盖了从粉砂到粗砂的广泛粒径范围（d₅₀从15微米到近1600微米）和不同的形状（球形度Ψ从0.28到1.0）。研究测试了三种光学浊度计（Turbimax, Turbidity Plus, ViSolid）、一种单频声学背向散射传感器(LISST-ABS)、一种多频声学传感器(NivuParQ)以及一种光学-声学混合传感器(LISST-AOBS)。在控制悬浮泥沙浓度(SSC_n)从0.5到25克/升的条件下，详细记录了各仪器的输出信号。

关键技术方法

本研究的关键技术方法包括：利用定制循环水槽实验系统，控制不同粒径（d₅₀）和形状（球形度Ψ）的颗粒在0.5-25 gl^-1浓度范围内均匀悬浮；采用动态图像分析（Camsizer X2）和扫描电镜(SEM)对实验颗粒（包括玻璃珠、砂、长石、云母及博尔根纳赫水库天然沉积物等）进行粒径分布(PSD)和形貌表征，并计算中值粒径(d₅₀)和Sauter平均直径(SMD)；系统测量并分析多种传感器（光学浊度计、单/多频声学传感器）的比输出信号（信号与SSC比值）；基于颗粒特性（d₅₀、SMD、Ψ、粒级含量）建立并验证了用于预测传感器现场校准因子的数据驱动模型。

3. 结果

3.1. 传感器输出随标称浓度的变化

3.1.1. 概述

结果表明，在研究的浓度范围内，浊度计的输出与SSC_n大多呈线性关系（R²≥ 0.9）。而声学传感器在较高浓度下（约7.5–15 gl^-1）出现了信号饱和甚至下降的“凸点”效应，这是由于多重散射导致声波衰减加剧所致。

3.1.2. 光学传感器：浊度计

研究发现，浊度计对细颗粒（尤其是d₅₀≤ 30 μm）和低球形度（片状、棱角状）的颗粒更为敏感。例如，片状云母(M)产生的信号远高于相同浓度的球形玻璃珠(G)。与标称浓度SSC_n相比，ViSolid浊度计对高灵敏度颗粒（如云母、长石）会高估SSC约1.3-4倍，而对粗颗粒则会低估3-8倍。

3.1.3. 声学传感器

声学传感器的行为与浊度计相反，其对沙粒等粗颗粒更敏感。单频声学传感器LISST-ABS对100-200微米玻璃珠的响应最高，约高估SSC_n3倍，而对粗砂低估约8倍。多频声学传感器NivuParQ性能有所改善，但对不同颗粒类型的响应差异仍然明显。

3.1.4. 混合传感器

光学-声学混合传感器LISST-AOBS的输出在d₅₀≥ 70 μm时主要由其声学组件主导，与LISST-ABS相似；仅在粉砂和黏土范围（d₅₀≤ 63 μm）内，光学组件的贡献才显著增加。

3.2. 粒径和形状对比输出的影响

3.2.2. 粒径效应

研究者定义了“比输出”（传感器输出除以SSC_n）来量化传感器灵敏度。对于浊度计，比输出与粒径大致呈反比关系，但比理论上的1/d关系更平缓，与d₅₀^-2或SMD^-3/5的幂律关系符合得更好。这表明仅用中值粒径不足以完全描述响应，需要考虑颗粒的表面积信息（由SMD体现）。

3.2.3. 颗粒形状效应

球形度Ψ被证明是影响浊度计响应的关键形状参数。比输出随Ψ增加近乎线性下降。片状或 flaky 颗粒（低Ψ）因其更大的投影横截面积，比同体积的球形颗粒产生更强的光散射信号。声学传感器的比输出则未发现与Ψ有一致的趋势。

3.2.4. 粒径和形状的联合效应

Sauter平均直径(SMD)同时包含了粒径和形状的信息（与体积表面积比相关）。研究发现，使用SMD的幂律模型（比输出 ∝ SMD^-3/5）能比仅使用d₅₀的模型更好地统一描述浊度计对各种颗粒的响应，特别是在处理级配良好、形状不规则的天然颗粒时。

3.3. 基于颗粒特性预测比输出的建模

3.3.1. 建模方法概述

研究团队开发了三种预测模型：基于d₅₀和Ψ的模型、基于SMD的模型以及数据驱动模型。

3.3.2. 使用中值粒径d₅₀和球形度Ψ的模型

该模型形式为T_u/SSC = a₁Ψ / (d₅₀/1μm)²+ b₂/ (d₅₀/1μm)²。它对中等灵敏度颗粒效果尚可，但对片状云母和角状沙粒等极端形状颗粒预测偏差较大。

3.3.3. 使用Sauter平均直径SMD的模型

该模型形式为T_u/SSC = a / (SMD/1μm)^b（对于浊度计，b ≈ 0.6-0.65）。这是性能最佳的解析模型，R²高达0.93-0.98，能很好地捕捉不同形状和级配颗粒的响应。

3.3.4. 数据驱动模型

通过特征筛选，发现对浊度计比输出最重要的预测因子是粉黏粒含量（f_lt63）和球形度（Ψ）。据此建立的线性模型（T_u/SSC = a + b·Ψ + c·f_lt63）表现出优异的预测性能（R²0.90-0.99）。对于声学传感器，使用了包含细沙含量（f_lt200）、粗沙含量（f_cs）和Ψ的二阶多项式模型，但其预测性能相对较低（R²0.67-0.71），尤其在预测富含黏土的细颗粒时偏差较大。

4.2. 数据驱动模型在天然颗粒混合物上的应用

为验证模型的实用性，研究人员使用博尔根纳赫水库的天然泥沙样本（B）进行测试。该样本富含黏土和粉砂（84%），并含有少量砂，球形度估计在0.2-0.4之间。应用数据驱动模型进行预测后发现，对于浊度计，预测值与实测值吻合良好，偏差在可接受范围内。这表明基于粉黏粒含量和球形度的模型能有效预测天然泥沙的浊度计响应。然而，对于声学传感器，模型则系统性高估了比输出（LISST-ABS高估约3.5倍，NivuParQ高估约4.9-5.8倍），表明现有模型对细颗粒、黏土质沉积物的预测能力有限，需进一步改进。

4.3. 局限性与讨论

研究也指出了若干局限性。自然界中颗粒粒径和形状存在共变性（例如，片状颗粒通常较细，滚圆颗粒通常较粗），这在一定程度上限制了模型参数独立性的完全验证。此外，颗粒密度、颜色、反射率以及有机质含量等因素未被重点研究，它们可能在某些环境下产生影响。声学传感器在Rayleigh散射区（对细颗粒）和Mie散射区（对粗颗粒）的不同散射机制增加了建模的复杂性。传感器的非线性响应、信号衰减、生物附着以及微气泡等现场实际因素也未在本实验室内研究中充分考虑。

结论与意义

该项研究通过系统的实验分析，深刻揭示了悬浮泥沙颗粒的粒径（特别是Sauter平均直径SMD）和形状（球形度Ψ）是影响光学和声学传感器响应的关键因素。研究所建立的预测模型，尤其是基于SMD或粉黏粒含量与球形度的数据驱动模型，为在实际监测中根据当地泥沙特性预估传感器校准因子提供了有力工具。

这项研究的成果具有重要的实际应用价值。它指导环保工作者和工程师根据水体中主要的泥沙类型（是富含黏土粉砂，还是以沙为主）来科学选择传感器：浊度计更适用于监测细颗粒泥沙，而声学传感器则在粗颗粒泥沙占优的环境更具优势。在已知泥沙大致粒径分布和矿物组成（可推断球形度）的情况下，可以利用本研究提出的模型预先估算大致的校准系数，提高监测数据的可靠性，降低频繁现场校准的成本。这对于水力发电站实现高效的泥沙调度、保障水库长期库容、减轻设备磨损以及满足下游生态流量要求至关重要，最终推动水电能源的可持续开发利用。同时，该研究也为河流泥沙输移、地貌演化等学科的基础研究提供了更精确的测量技术支撑。

未来，研究人员建议在更多不同的自然环境中验证和优化这些模型，并探索将颗粒密度、有机质含量等更多参数纳入考虑，以进一步提升模型在复杂真实环境中的预测能力和适用性。