自“十一五”以来，我国的水环境规划与管理正发生一些重要的转变，主要包括(孟伟等，2004；刘永等， 2004，2012a；孟伟，2008；王赫，2011；王秉杰，2013)：①尺度转变：以行政区划为实施单元的模式向以流域为尺度的管理和控制转变；②过程转变：从点源集中治理向产业调控和全流域“源头-途径-末端-汇”的全过程控制转变；③思路转变：从流域系统和水生态系统完整性的角度考虑水质管理；④对策转变：由浓度控制、目标总量控制向容量总量控制的转变.与之前推行的目标总量控制相比，流域容量总量控制更关注于受纳水体，从而也更有助于水体达到设定功能区的水质目标.然而研究表明，虽然“十一五”期间的污染减排明显，但由于在确定减排总量时缺乏深入的总量与水质目标间的响应关系分析，加之流域系统本身的复杂性和非线性等特征，导致水质改善程度并未如总量减排一样显著(王金南等，2010).而在我国“十三五”及未来的中长期水质管理战略中，以流域水质为核心的目标约束、控制与管理会逐步完善当前的总量控制，成为我国水环境治理的导向性对策(王金南等，2010；赵云峰和李现华，2010).

流域水质目标管理是一个“响应→调控”并不断反馈调整的过程(Elshorbagy et al., 2005；Lebo et al., 2012；Shenk and Linker， 2013)：流域中不同来源的污染物进入水体，经过复杂的物理、化学和生物过程后产生水质响应，决策者依据水质响应情况来制定流域污染负荷削减方案，并在方案实施后根据新的数据信息输入和水质响应的变化来反馈修正管理措施(National Research Council，2001).但需要指出的是，由于流域系统的非线性和不确定性，上述过程并不能确保水质目标的实现(Stow et al., 2007；Jia and Clulver， 2008；Beven and Alcock， 2012)，本文将这种由不确定性而引致的流域水质目标的不完全可达性界定为风险(Risk).在“响应”层面，受纳水体对于流域污染负荷输入响应的敏感性不同，导致水质响应与负荷削减等措施间存在非线性、时滞性、指标不协同等不对应关系，从而引起水质达标风险(邹锐等，2013)；在“调控”层面，目前的水环境管理大多缺乏适应性的调控和反馈机制，未能有效利用管理措施实施过程中的水质响应情况及新获取的数据信息来调整模型，导致原来的管理措施逐渐偏离实际最优状态而产生水质目标管理风险(刘永等，2012b).因此在强化总量控制的基础上，以水质改善为根本目标，深入分析我国水质目标管理中存在的问题，在推行总量控制与减排的同时识别水质目标管理和水质达标中可能存在的风险，将为我国未来更为坚定的推行水质目标控制奠定科学基础，也成为当前需要深入研究的重要问题.本文在分析流域水质目标管理框架思路的基础上，识别并实证了水质目标管理中的风险来源，并提出相应的转变途径、解决方法与对策，以期为流域水质目标风险管理提供借鉴.

依据上文对流域水质目标管理的界定，其基本原理和概念模型可简单表达为：

式中，C为水质； t为时间；f为响应函数；C₀为当前水质基准；β为模型参数；L为流域负荷；R为负荷削减率；I为模型输入数据.响应函数(f)的确定是水质目标管理的科学基础，也是识别风险主要来源的依据.目前常用的响应函数有线性和非线性以及简单与复杂等多种类型，线性或简单非线性模型因其原理简单、求解方便、运算效率高等优势而被广泛应用于流域总量控制方案和管理策略方案的优化中.Schleich和White(1997)应用线性优化模型来获取威斯康辛州东北部Fox-Wolf河流域氮(N)和总悬浮物(TSS)负荷削减的最经济策略；Liu等(2008)为优化邛海流域的污染负荷削减方案，构建了不确定机会约束线性优化模型(ICCLP)；Alminagorta等(2013)则通过简单的线性模型得到美国犹他州Echo水库磷负荷削减的最佳管理措施.在确定响应函数的基础上，以水质目标或控制成本为目标，应用优化模型来确定和识别最佳的流域负荷削减措施.同时，将新监测到的流域污染负荷、水质数据与措施费用等模型参数信息不断反馈给模型，以便更新下一阶段的水环境管理方案，逐步靠近预期的水质管理目标.

由式(1)可知，在流域水质目标管理过程中，在水质目标设定、模型与数据、负荷削减与水质响应间均存在一定的不确定性，本文将其分为直接风险与间接风险(图 1).直接风险是由水质、水生态响应过程的不确定性带来的，主要包括：①流域总量控制与水质目标响应不对应带来的风险；②流域水质、生态指标的不协同响应对水质目标实现的风险；③由水质响应的不确定性带来的水质达标风险，这类风险是由水质、生态指标的具体响应过程引起的，受流域自然系统的影响，非人为控制，因此被称为客观因素或不可控因素.间接风险则会优先影响模型结果与管理措施，从而间接影响水质和水生态响应，主要包括：①人为对水质标准的不同解读所带来的水质达标风险；②流域管理决策缺乏适应性的调控机制带来的风险；间接风险又称为主观风险.下文将分别对5种风险产生的原因做深入的分析.

图 1(Fig. 1)

图 1 流域水质目标管理的风险来源 Fig. 1 Goal compliance risks in water quality management

流域污染物排放总量控制是目前最为重要的流域管理措施之一，十八届三中全会“决定”提出“要建立和完善严格监管所有污染物排放的环境保护管理制度”.已有的研究却发现，受纳水质与流域总量减排间的响应关系具有明显的非线性和时滞性特征，从而使得流域减排与水体间的响应关系并不一一对应.以我国重点控制的“三湖”之一的滇池为例，三维水动力-水质模型结果表明(邹锐等，2011；Wang et al., 2014)：流域污染负荷削减率与受纳水体水质、水生态间存在非线性的响应关系.具体而言，当削减率低于30%时，滇池外海Chla与总氮(TN)浓度响应具有时滞性，没有发生显著变化，当削减率高于30%时，Chla与TN浓度与削减率则有近似线性的响应关系，而总磷(TP)随削减率的增加有先线性后渐趋平缓的趋势.更进一步的模拟结果分析发现，水质与水生态间的变化相关但却并不同步(图 2).造成上述结果的原因很复杂，滇池水体中的TN和Chla浓度较高，较少的流域负荷削减率使得二者浓度仍维持在较高水平，远高于使湖体发生稳态转换的阈值，湖泊生态系统并不能发生根本性转变(Schindler et al., 2012).此外，P在湖体的反应过程主要为吸附、沉降与植物吸收，相对N复杂的吸收、固氮、硝化、反硝化过程而言较为简单(Perry and Masson， 2013)，因此当进行流域污染负荷削减时，P对污染负荷削减的响应表现地更为敏感.由此可见，在水质目标管理中，在强化总量控制的同时，需要将上述的总量削减与水质、水生态间的延迟或不响应的情况纳入考虑之中.

图 2(Fig. 2)

图 2 滇池Chla与TP的非线性响应关系 Fig. 2 Response relationship between TP and Chla

流域水质管理中，在多种措施的综合调控下，不同水质指标或生态指标由于复杂的反应过程影响而产生不同甚至相反的响应方向，带来不确定的水质调控效果.同样以滇池为例，国家和地方政府在“十一五”期间共投资约170亿元、“十二五”期间计划投资420亿元用于滇池水质改善，同时采取环湖截污、主城区排水管网建设、蓝藻清除、底泥疏浚、湖滨湿地恢复及牛栏江调水工程等多种治理措施.目前，滇池水质已经取得一定程度改善(王红梅和陈燕，2009；刘永等，2012a)，但不同水质指标间却存在不同的响应(图 3).以滇池外海观音山东监测点为例，在1999—2009年间，TP浓度呈整体下降趋势，而TN浓度却呈整体升高趋势，Chla浓度保持相对稳定，全湖的水质分析也发现了相似的结果.

图 3(Fig. 3)

图 3 1999—2009年滇池观音山东监测点TP、TN与Chla的浓度变化 Fig. 3 Concentration change of TP，TN and Chla during 1999 and 2009

与上述发现类似，Finlay等(2013)和Bernhardt(2013)在Science杂志上撰文指出，许多湖泊的P输入负荷较高时，水体内N的浓度却降低；相反，P的输入负荷降低时，水中却有高的N浓度.从水体富营养化的机理过程分析，水体中的氮循环与磷循环是紧密联系的.当P的输入负荷较高时，一方面，水中藻类会大量生长繁殖，吸收水体中的无机态氮转换为有机氮贮存在藻类体内；另一方面，当藻类凋落、死亡时，颗粒态氮会沉积在湖泊底部，同时有机氮降解会大量消耗水中溶解氧，促进反硝化的进行(Rabalais et al., 2009；Brothers et al., 2013；Finlay et al.， 2013).因此，藻类吸收、颗粒氮沉积、反硝化作用将提高湖体中N的去除效率，逐渐降低N浓度；反之，当P负荷较低时，N浓度增加.因此在水质目标管理时，需综合考虑水质指标间的相关关系和因果关系，并将其定量表征出来.

流域系统的复杂性、动态性、不可预见性以及自然过程的随机性，往往会带来水质响应的不确定性，传统上认为的确定性的响应关系就面临挑战.为分析滇池外海水质对不同流域污染负荷削减比例响应的不确定性，邹锐等(2011)基于蒙特卡罗方法(MCMC)分析了2个不确定性水平(5%和10%随机变异)下的水质响应结果.研究发现，若削减54%的流域污染负荷，TN和TP分别有70%和99%的概率达到V类水标准；当削减66%的污染负荷时，TN和TP达到IV类水标准的概率分别只有40%和50%，水质达标的风险很大；若削减80%的污染负荷，TN和TP满足III类水标准的概率分别是80%和59%，此时，TN达标较安全，而TP有41%的不达标风险.从Chla的累积分布函数可以看出，即使削减80%的污染负荷，Chla仍有约70%的概率高于35 μg · L^-1，滇池蓝藻水华爆发的风险依然很高.可见，流域污染负荷削减，并不一定带来湖体水质改善，而水质改善也并不必然带来生态改善，水质响应的不确定性导致水质达标存在一定风险(刘永等，2012a).因此，流域水质目标管理应重视响应不确定性带来的风险.

对于特定水体，对水质标准的不同解译方式会使流域水质管理产生多种不同的水质目标，由此而核算得到的水环境容量也将不尽相同.当以宽松的解译方式来优化管理方案时，会得到较大的水环境容量，同时产生较大的水质达标风险；相反，若以最严格的解译方式为水质目标来获取决策方案，虽然水质达标风险最低，但可能会面临经济和技术上的不可行性.以我国最大的深水型淡水湖泊抚仙湖为例，其水环境功能目标要求为地表水环境质量标准(GB3838—2002)的I类(李荫玺等，2003).对抚仙湖湖心监测点纵切面水质模拟结果表明(图 4)，随着水深的增加，TP、TN、COD呈逐渐下降趋势，即表层湖水的浓度最高(Zhao et al., 2012).对抚仙湖的水质目标可以有不同的解译方式：①严格达标(全湖表层最大瞬时浓度)：要求在湖体内表层任何地方任何时段水质浓度均满足I类标准；②稍严格达标(表层湖体月平均浓度)：要求表层湖体30 d移动平均浓度满足I类标准；③宽松达标(表层湖体年平均浓度)：要求表层湖体水质浓度的年平均值满足I类标准.

图 4(Fig. 4)

图 4 抚仙湖湖心监测点垂直纵切面的营养盐浓度变化 Fig. 4 Nutrient concentration change of vertical longitudinal section at Huxin monitoring station

在严格达标情景下，模拟结果发现，抚仙湖流域污染负荷已远远超过湖泊承载力，TN输入负荷需在现有基础上削减66%，TP削减68%，COD削减57%.在稍严格达标情景下，忽略了30 d间的浓度峰值，但是可以适当降低对经济和技术的要求，同时又不会产生很大的水质达标风险，此时TP输入负荷可以增加14%~18%，COD增加9%~11%，但TN则需进一步削减13%~14%(邹锐等，2013).在宽松达标情景下，抚仙湖的TP负荷可在现有基础上增加230%、TN增加41%、COD增加75%(Zhao et al., 2012).此外，还可以有更宽松的解译方式，如：要求整个湖体水质浓度的年平均值满足I类标准.由此，在流域水质目标管理时，需判断如何根据决策风险、技术和经济水平对水质标准进行合理解译，并基于此得到水环境容量的优化方案.

流域水质管理的实施通常会伴随着诸多的不确定性和新信息的输入，这就要求管理采用适应性的调控反馈机制(National Research Council，2001; Stow et al., 2007)，而目前在管理中缺乏对应的机制设计，由此将导致：①不可能完全依照模型输出的决策方案来执行；②实施过程中获得的新信息不能及时用来更新模型以求解新的管理方案，将使决策者不得不承担更大的风险，或者花费更多的费用.Liu等(2011a)提出了基于风险的适应性决策方法，并以邛海流域总量控制为例，分析了是否采用适应性调控机制对水质管理成本带来的差异.研究结果表明，在相同经济支出下，适应性决策方法的风险水平要低于传统方法(图 5中A、B点).也即，在水质管理中，需要认识到不确定性的存在及新数据和信息的重要性，并依此更新模型，调整优化决策实施方案，使得决策者可以承受相对较低的风险水平或者花费较少的管理费用达到与原来相同的水质目标(刘永等，2012b).

图 5(Fig. 5)

图 5 传统方法与适应性决策方法的风险水平对比 Fig. 5 Comparison of risk levels for traditional and the guided adaptive optimal solutions

针对流域水质管理中可能存在的问题，需要在科学识别流域过程、水质响应与调控的基础上，充分考虑水质达标的不确定性因素和风险来源，并实现4个方面的转变，实施流域水质目标风险管理：①由确定性的水质目标向不确定性和目标实现的风险和概率转变；②由突发水质风险向累积性风险转变；③由考虑线性响应向深入考虑响应非线性与时滞性的方向转变；④由水质、水生态指标的相关分析向因果响应和相关分析相结合的分析转变.

从模拟和定量表征的角度出发，流域水质目标管理中的不确定性主要来自于监测数据的随机性、模型结构的缺失或简化、参数估计误差等.为此，流域水质目标管理中的定量风险表征主要针对2个层次：水质响应模型不确定性、优化调控模型不确定性.其中，最大似然法(GLUE)、自适应多目标遗传算法及基于贝叶斯理论的蒙特卡罗方法(MCMC)是解决水质响应模型不确定性的主要方法(Gallagher and Doherty， 2007；Dotto et al., 2012).其中MCMC在不确定性模拟中的应用最为广泛，它将已知的先验分布融入到模型参数中，把观测数据的不确定性与模型估计与预测的不确定进行有机结合，从而得到以概率为表达形式的水质管理方案，为流域决策提供了可靠的依据(Malve et al., 2007；Martin and Ayesa， 2010)，如：Liu等(2008)应用MCMC方法进行非点源模型的参数估计，得到不同流速情景下，浑河-太子河流域16个断面污染物负荷削减量的概率分布情况.

在优化调控模型不确定性的定量表征中，优化模型常常借助随机模拟、模糊隶属度函数与区间数，通过随机优化(Malekzadeh and Core， 2012)、模糊优化(Luhandjula and Rangoaga， 2014)、区间优化(Allahdadi and Nehi， 2013)的方法来解决模型的不确定性问题，如：Chen和Chang(2006)应用灰色模糊多目标模型优化台湾Tseng-Wen河流流域的污染负荷分配方案；Nikoo等(2013)构建非线性区间优化模型(NIP)辅助伊朗Zay and ehrood河流域的水量-水质管理.同时，为了进一步把区间优化中以区间形式表达的模型系数的不确定显性表达出来，风险显性的区间线性优化模型(REILP)被提出，并用于邛海与抚仙湖流域的污染负荷总量控制中(Liu et al., 2011b；Zhang et al., 2013)，决策者可以根据自己能够承担的不确定性风险水平来选择相应的优化方案.

流域水质目标风险管理需遵循响应识别、模拟-优化、适应调控及决策实施等基本的步骤，其中，对响应关系的模拟和对调控的优化均非常重要.优化模型由于求解困难，通常简化水质响应过程，导致水质非线性、时滞性响应及指标不协同响应带来的风险不能被有效识别；复杂的水质机理模型可以有效识别水质响应过程中的不确定性，但适应性的调控机制却无法及时反馈到模型中，也无法得到全面的流域水质管理优化方案.模拟-优化耦合模型可有效解决上述的困境，是实现流域水质目标风险管理的方法之一，通过模拟模型定量表征水质响应，揭示污染物从源到汇的迁移转化及时空变异特征；通过优化进行合理调控，在明确流域水质响应关系的基础上确定最优污染负荷分配方案.

对于简单的模拟模型，模型方程可以直接耦合到优化模型中作为约束条件或者目标函数，通过非线性最优化算法或遗传算法等启发式搜索算法进行求解(Dhar and Datta， 2008；Li et al., 2012).但对于高度非线性的复杂模型，直接耦合会带来计算瓶颈，只能借助数据建模的方式建立模拟模型的输入-输出响应关系，并将此替代模型与优化模型进行间接耦合以提高计算效率(Kralisch et al., 2003；Qin and Huang， 2009).选择恰当的数据驱动建模方法是应用“模拟-优化”耦合模型的关键，常用的方法有传统回归方法与机器学习方法.前者基于严格的假设，不能很好地处理高维、非线性、不确定性的问题，后者则可以避免映射关系的数学函数形式的表达，在算法内部建立隐含的复杂结构，其又包括人工神经网络、贝叶斯朴素分类、决策树、支持向量机、贝叶斯递回归树、模型树等方法(Jung et al., 2010).但对于复杂的流域模拟模型，间接耦合方法也无能无力，近年来提出的非线性区间数映射重构算法在计算速度和准确性上均改进较大，但仍需要更多的案例验证(Zou et al., 2010；盛虎等，2013).

1)流域水质目标管理并不是替代总量控制，而是在强化总量控制的前提下，更为关注水质目标的达标程度.但水质响应与流域总量减排间的非线性、时滞性及不确定性特征，不同水质或生态指标产生的不同响应方向，都会带来水质达标存在风险.在水质目标管理中，在强化当前总量控制的同时，需综合考虑水质指标间的相关关系和因果关系，将总量削减与水质、水生态间的延迟或不响应的情况纳入其中.需要指出的是，同样也可以探索利用这种响应关系的不确定性和非线性，采用适当的人工干预措施，促使水质的快速恢复，如：目前湖泊富营养化中研究较多的稳态转换(Regime)现象.

2)流域水质目标管理应根据决策风险水平、技术和经济水平对水质标准进行合理解译，对不同解译方式产生的多个水环境容量进行方案优化.同时，需要认识到水质目标管理中新数据和信息的重要性，并依此更新模型，调整优化决策施方案，体现适应性调控反馈机制在流域水质目标管理中的重要作用.

3)流域水质目标管理中需应用恰当的模拟或优化方法定量表达水质响应关系，并在此基础上优化调控最优污染负荷分配方案.加强非线性模拟-优化耦合模型的研究，基于参数以及模拟的不确定性进行决策风险分析，权衡不同的风险来源，并将决策者纳入风险建模体系.

4)目前的流域规划与管理多是单独考虑流域层面或者水体层面的模拟，未来应加强基于流域-水体响应的多阶段数据驱动建模研究，将流域层面与受纳水体响应关系相耦合；此外，研究应从只关注水质响应向关注水质-水生态响应转变，达到恢复受纳水体生态系统的目的.