面向雨季废水负荷管理的源到海决策支持框架：来自胶州湾的证据

《Ocean & Coastal Management》：A source-to-sea decision-support framework for wet-weather wastewater load management: evidence from Jiaozhou Bay

　　

浓度合规可能遗漏雨季水力负荷异常。在七个基准中，HAF均保持大于1；LAF对基准敏感。档案分类区分了水力驱动和浓度驱动的案例。五阶段框架分配了管理触发器、行动者和退出机制。从源头到海洋监测将排放口数据与受纳水体状况联系起来。

1. 引言

陆源废水污染跨越行政边界，将污水系统、河流、河口和近岸水域联系在一起。因此，有效的近岸管理必须将污染源记录、输送条件、受纳水体状态以及负责监测和响应的组织联系起来（Ko和Chang，2010；Li等，2023；Carrasco Rivera和Wenger，2026）。一个持续存在的实践难题是：当污水处理厂（WWTP）报告的养分浓度较低但排放量增加时，应如何应对。本研究通过将常规归档的污染源和海洋观测数据转化为分阶段的监测和决策工作流程来解决这一难题。

浓度合规性和负荷评估提供了互补信息。磷去除效果的改善降低了出水浓度（Oehmen等，2007），但排放的总量也取决于水力通量。处理干预和长期负荷削减可以改善河口水质，但结果取决于淡水流量、位置以及所评估的指标（Mmachaka等，2023；Murphy等，2022；Zhang等，2025；Friedland等，2021）。雨季通过降水变化、养分输出以及污水流入或渗入增加了变异性（Sinha等，2017；Seneviratne等，2021；IPCC等，2023；Zeydalinejad等，2024）。这些相互作用促使在水力筛选的同时进行浓度监测（Vigouroux等，2020）。长江口的长期观测显示，在流域尺度的人类压力下，溶解硅酸的输送量下降而氮和磷酸盐的输入量上升，改变了到达近岸水域的养分组成（Dai等，2011）。

浓度-流量（C-Q）关系可以区分稀释、富集和事件尺度的输运行为（Godsey等，2009；Musolff等，2015；Moatar等，2017；Knapp等，2020）。然而，监管档案通常将期间积分的排放量与单一浓度样本配对，其乘积是一个操作性负荷估计值，其代表性取决于期间内的浓度变异性。将此估计值分解为水力放大因子（HAF）、浓度放大因子（CAF）和估计负荷放大因子（LAF）可以确定待验证记录的优先级。由于参考浓度可能会改变估计负荷变化的方向，因此需要一致的基准定义。

随后的监测步骤与筛选指标同等重要。高频测量和流量加权复合样本可以解决常规瞬时采样可能遗漏的动力学过程，前提是仪器、校准、数据处理和质量保证适当（Rode等，2016；Razguliaev等，2024；Furrer等，2025；Rozemeijer等，2025）。自适应近岸监测还需要明确的决策、责任、评估标准和返回常规监测的规则（Strain和Macdonald，2002；Jacobson等，2014；De Serio，2026）。有用的框架必须将水力筛选与这些操作性选择联系起来。

受纳水体观测指导响应的空间范围和时间。废水的影响取决于水文条件和共存的胁迫因子（Markert等，2024），而养分供给、来源混合、滞留、光照和群落结构影响养分到生物量的关系（Lu等，2023；Huang等，2024；Hubig等，2025；Naderian等，2025）。因此，污染源和生物记录需要明确的时间对齐。早期的生态调查可以建立环境基线以指导后续工作，而针对特定污染源的影响评估需要适当定时的污染源、输送和受体测量。

胶州湾是一个受城市河流、农业、水产养殖、市政废水和工业排放影响的浅水半封闭受纳水体，Liu等（2004）；Liu等（2005）；Han等，2023）；Xiao等，2024）；其2019-2022年的监测档案提供了将季度污染源报告与夏季海洋调查联系起来的机会。先前的研究建立了区域水动力和养分背景；尚未解决的管理问题是：稀疏污染源记录中的水力异常应如何改变采样、协调和后续审查。

我们开发了一个从源头到海洋的框架，包含三个目标：(i) 在明确定义的基准下审核和分解污染源记录变化；(ii) 建立河流和海洋观测提供的时间和环境背景；(iii) 将综合证据转化为触发器、负责监测功能、定时行动和自适应审查的五阶段序列。其贡献在于水力筛选、证据要求和现有监测计划之间的操作性联系。胶州湾展示了该方法的应用，而当地的输送时间、养分条件和实施能力决定了该方法在其他地方的具体应用方式。

2. 材料与方法

2.1. 研究区域、管理背景和监测设计

胶州湾是中国山东半岛南部的一个半封闭海湾，面积约为390 km2，平均水深约7 m。标准化的2020-2022年海洋监测网络包含14个站位，覆盖东北部城市废水受体区、西北部农业和水产养殖区、中央滞留区和冲刷较好的湾口区。2019年的探索性网络通过最近坐标匹配与该核心网协调；反距离加权仅保留用于敏感性分析（Shepard，1968；Li和Heap，2014）。JZW01和JZW13被称为焦点内湾受体站位，因为其测绘位置位于东北部城市废水受体区；此指定独立于实测沉积物或生物响应。

监测体系被视为近岸管理的信息链，而非单一生态调查。它将污染源运营和河流连通性连接到受纳水体的物理特性和背景生态指标（图1）。海洋采样遵循中国海洋监测规范和国际标准海洋学程序（GB 17378-2007，2007；APHA，2017）。水、沉积物、浮游生物和底栖生物基质在年度夏季调查窗口内采集，但并非所有基质都在同一天采样。核心水质和沉积物基质包含56个站-年观测值。陆地和废水记录以最高可用分辨率进行整合，从日降水和流量状态观测到月或季度浓度和排放记录。确切日期和污染源-受体对齐在附表S17中报告。

图1. 中国胶州湾的从源头到海洋监测网络。(A) 海洋采样站位、河流河口、污水处理厂和湾口交换区。标签01-14表示JZW01-JZW14；R.表示河流。(B) 与渤海和黄海相关的区域背景。站位协调和污染源背景详情见附表S2和附图S1。（关于图例中颜色引用的解释，请参阅本文的网络版本。）

2.2. 水文气候驱动和受纳水体滞留

水文气候驱动特征从日降水、汛期总量、可用河流流量状态、污水处理厂通量、盐度、温度和水柱密度结构进行表征。为保证可重复性，密度异常使用1980年海水状态方程（EOS-80）从温度和盐度重新计算。表层和底层观测值在同一计划站位上使用最接近的可用日期进行配对，分层以Δσt = σt,底 - σt,表层为指标。正的Δσt表示密度较大的底层，但稀疏的完整剖面需要报告分布和站位覆盖率，而非全湾二元分类。因此，温盐结构、表层盐度范围和Δσt被一起评估。降水描述季节驱动，因为标准化数据集没有包含足够长的年最大值序列来进行重现期分析。EOS-80计算遵循Fofonoff和Millard（1983）的算法。

河流监测覆盖白沙河、大沽河、海泊河、连湾河、娄山河、墨水河、香茂河和杨河。浓度范围、连通流量观测和零流量或停滞条件用于表征污染源特征和水文连通性。并非每条河流都有完整的日配对排放-浓度矩阵；因此，本分析没有重建汇总的日或事件尺度总氮（TN）和总磷（TP）负荷（正文S4；附表S3、S5和S6；附图S3和S4）。

2.3. 点源记录、档案分类和Q-C-负荷诊断

从去标识化的污水处理厂档案中评估市政和工业点源直接输入。可用字段包括监测日期、排放口代码、档案合规标志、报告的排放速率（m3 h?1）、运行或排放持续时间（h）、季度数量（标注为10?吨）以及一个季度监测TP和TN浓度。内部数量检查计算为Qcheck = 流量速率 × 持续时间/10?。由于报告的数量与Qcheck数值一致，季度数量被视为10? m3等效通量，而非使用通用密度假设进行转换。操作性季度负荷估计为Lhat = Qeq × Csample × 10?3，其中Qeq为m3等效季度通量，Csample为单一季度监测浓度（mg L?1）。Lhat不是直接测量或流量加权的季度积分负荷。"合规"一词指档案标志和浓度低于所引用的国家一级A TP限值；未独立重建特定设施的许可证条款。

具有代表性的季度质量需要流量加权平均浓度Cfw：M = Qeq × Cfw × 10?3。因此，Lhat/M = Csample/Cfw。季度瞬时样本高于或低于Cfw分别导致高估或低估。降雨稀释、处理变异性以及间歇性峰值可能改变Cfw以及浓度与流量之间的协方差，其大小无法从单一浓度样本中重建。因此，操作性估计支持初步筛选；监管负荷评估需要代表性浓度测量和已验证的流量记录。

水力放大因子为HAF = Q比较/Q基准；组分k的浓度放大因子为CAFk = C比较,k/C基准,k；估计负荷放大因子为LAFk = Lhat比较,k/Lhat基准,k = HAF × CAFk。对于主要第二季度（Q2）到第三季度（Q3）对，流量贡献的对数比分解为ln(HAF)/ln(LAFk)。这种代数划分表明乘积增加是由通量还是浓度主导；它不是对污水流入、处理性能或降雨引起的流入/渗入的因果估计。

所有154个连续设施-季度对根据HAF、CAFTP、LAFTP和流量贡献进行分类。LAFTP > 1且流量贡献≥0.5的对被分类为水力主导的负荷增加；其他LAFTP > 1的对为浓度主导的负荷增加。HAF > 1但LAFTP ≤ 1的对被分类为通量较高但被较低浓度抵消的案例；其余对未显示负荷增加。这种档案范围内的分类用于表明焦点记录是否代表更广泛的行为而非选择性异常（附图S2）。

对于负荷增加的对，水力对数贡献为fQ = ln(HAF)/ln(LAFTP)。边界fQ = 0.50给出相等的水力和浓度贡献，因为ln(LAFTP) = ln(HAF) + ln(CAFTP)；这是一个描述性分类规则而非校准的生态阈值。我们在0.40、0.45、0.50、0.55和0.60处重复了分类，保持原始154个对和前一季度参考不变。非增加类别不取决于此边界。评估了所有对的稳定性，并单独评估了73个具有增加操作性负荷估计的对（附表S18）。

仅浓度的分析精度敏感性分析在保持HAF固定的情况下（因为仪表校准不确定性不可用），将报告的4.5% TP实验室相对标准偏差通过CAFTP、LAFTP和主要对流量贡献进行传播。所得范围是分析精度敏感性区间而非完整置信区间；它们不包括季度内浓度变异性、报告舍入误差和仪表校准误差。

紧挨着的前一季度（2020 Q2）是焦点2020 Q3记录的主要设施内操作性基准。针对另外六个参考进行了敏感性评估：2019 Q3枯水年记录、焦点前可用记录中位数、排除焦点记录的同季度中位数、排除焦点记录的长期设施中位数、非Q3设施中位数和流量较低半部设施中位数。2020 Q2和Q3之间共享的14个设施中的档案百分位数和排名提供了额外的背景信息。李村污水处理厂被保留作为浓度主导比较器。

对于常规回顾性筛选，主要参考是同一排放口紧挨着的上一个已完成季度；缺失的季度标记为缺失而非桥接。首先评估HAF，CAF和操作性LAF根据相同披露的参考报告。对于中位数参考，Q和浓度中位数分别定义，其乘积构成参考估计。同季度、长期、非Q3和流量较低半部参考包含焦点2020季度之后的记录，属于回顾性敏感性检查。档案百分位数同样是描述性的，而非前瞻性警报阈值。对于前瞻性雨季识别，决策窗口和等时长的非事件参考使用决策时间之前可用的信息进行预先指定；记录当地运行条件和参考版本（附表S19）。

补充信息还规定了未来使用负荷估计器（LOADEST）或时间、流量和季节加权回归（WRTDS）进行可重复配对数据河流负荷估计的协议，包括流量、季节和时间项、不确定区间和外推标志（Runkel等，2004；Hirsch等，2010；Aulenbach，2013）。本研究中未使用该协议来插补未观测到的负荷。

2.4.

水柱、沉积物与生物分析

水柱营养盐按国家海洋监测规程进行过滤和保存。溶解性无机氮（DIN）计算为NH?? + NO?? + NO??，溶解性无机磷（DIP）以正磷酸盐表示，DIN:DIP为摩尔换算后的原子比（GB 17378-2007，2007；APHA，2017；Murphy and Riley，1962；Grasshoff et al.，1999）。表层沉积物（0–5 cm）进行了粒径、总有机碳、总氮、总磷、酸溶性硫化物（AVS）、石油烃和痕量金属分析。AVS作为沉积物还原胁迫和有机富集的指标进行了评估。

质量保证与质量控制（QA/QC）包括野外平行样、实验室空白样、标准参考物质或基质加标、方法检出限（MDL）、未检出标志和灵敏度检验。主要检出限为：总氮0.05 mg L?1，总磷0.01 mg L?1，NH??-N 0.005 mg L?1，DIP 0.003 mg L?1，溶解氧0.02 mg L?1，沉积物AVS 0.01 mg kg?1。水质量回收率一般为90–110%，沉积物回收率为85–115%；在检出限以上，相对标准偏差或平行样差异一般低于10%（正文S3；表S1）。未检出值在原始文件中保留为标志，仅在需要数值计算时替换为半个检出限。对于DIN:DIP诊断，唯一的被截断的表层DIP记录（2022年，JZW12；正文S6）按报告的上限0.001 mg P L?1进行评估。

浮游植物、叶绿素a、浮游动物、仔稚鱼和大型底栖生物作为受纳水体的响应指标进行了评估。浮游植物从保存的定量样品中进行计数，叶绿素a在有数据的情况下保留为独立的生物量指标。成对浮游动物网针对大型或胶质种类以及中型浮游动物。仔稚鱼和大型底栖生物分别使用标准网和范维恩抓斗采集；丰度和生物量按采样体积或面积进行标准化（Uterm?hl，1958；Harris et al.，2000；Eleftheriou，2013；Pearson and Rosenberg，1978）（正文S5；表S7）。

2.5 统计分析

右偏环境变量在适当情况下进行log(x+1)变换和z分数标准化。生物矩阵在进行Bray-Curtis分析前进行平方根或Hellinger变换（Legendre and Gallagher，2001；Legendre and Legendre，2012）。主成分分析（PCA）概括了物理化学状态空间，非度量多维标度（NMDS）可视化了生物轨迹（Bray and Curtis，1957；Clarke，1993）。置换多元方差分析（PERMANOVA）使用adonis2函数配合9999次置换实施，并结合betadisper检验进行解释（Anderson，2001；Anderson，2006；McArdle and Anderson，2001；Oksanen et al.，2024）。当离散度存在差异时，群落结果被描述为质心-离散度综合差异，而非仅质心偏移。

分段回归探索了沿DIN:DIP梯度的浮游植物响应变化（Muggeo，2008；Toms and Lesperance，2003）。由于斜率变化的支持证据较弱或处于边缘水平，且置信区间较宽，数值断点估计值保留在补充材料中作为探索性诊断指标，而非用作正文阈值。证据通过2.6节中预定义的层级进行整合；未使用路径模型推断因果关系。

2.6 框架推导与管理转化

决策支持框架通过四个分析步骤推导得出。首先，在源-汇关联档案中识别反复出现的信息失效，包括不确定的单位、不具代表性的浓度、不匹配的时间分辨率和不完整的来源归属。其次，将每项失效映射到管理决策点。第三，明确解决该决策所需的最小证据和功能执行者。第四，定义评估标准和退出机制，以便加强监测可以收紧、重新校准或停用。该序列与适应性海岸管理、综合污染管理和决策导向观测文献进行了交叉校验（Strain and Macdonald，2002；Ko and Chang，2010；Jacobson et al.，2014；De Serio，2026）。

所得的五阶段序列如图5所示并在表4中详述。第一阶段审核日期、单位、数量运算、监测频率和合规标志。第二阶段首先使用水力放大因子（HAF）筛选水力变化，然后利用浓度放大因子（CAF）、运行性Q×C估算值、档案百分位数和替代基准对成对记录进行分类。第三阶段在水力放大与受纳水体可能滞留状态同时存在时，升级为流量加权综合排污采样和同步排放口-河流-海湾监测。第四阶段仅在空间胁迫持续存在时重复沉积物和底栖观测。第五阶段跨重复窗口评估证据，并对触发条件进行收紧、重新校准或停用。表S19和S20分别规定了参考政策和第三阶段的采样时间表建议。

实施任务分配给功能执行者类别：污水处理厂运营者和数据保管者；市政环境监管机构和排水管理机构；河流或流域监测单位；海洋监测机构；以及跨机构海岸协调职能。这些类别描述了决策过程所需角色，而非对青岛具体机构法定授权或当前绩效的实证评估。表3和表4将技术证据与治理前提区分开来，并为每个管理阶段确定了责任牵头职能。表4和S16将这些职能与企业自行监测、河流监测、常规海洋调查和周期性监测方案评审进行了匹配。

时间对齐直接从档案日期评估。焦点岙山浓度测量日期为2020年4月2日（Q2）和2020年8月12日（Q3）。海洋水文和营养盐采样期为7月28日至8月22日，沉积物化学采样期为7月28日至8月18日，因此这些观测值包围了Q3源样品。浮游植物、大型底栖生物和两种浮游动物矩阵的采样期为7月28–30日，提前13–15天。这些记录因此反映的是受纳水体状况和监测设计信息，而非同步排放后响应测试。较早的生物调查被用作后续环境监测基线，而非未经扰动的排放前对照。8月12日指浓度采样日期，而非排放开始日期；完整的Q3吞吐量数据仅在季度结束后方可获取。

2.7 数据可获取性

原始去标识化源数据和元数据已在Zenodo公开（Han et al.，2026；https://doi.org/10.5281/zenodo.20130172），包括63个仅含数值的XLSX工作簿和157个工作表级逗号分隔值（CSV）导出文件。新添加的分类阈值敏感性分析的可用计算、输入和输出文件随本次修订单独提供。

3 结果与讨论

3.1 水文气候强迫、淡水化和分层

2019–2022年汛期降水量分别为288、701、523和834 mm（图2）。因此，2020年比干旱的2019年参照年和2021年过渡年更湿润，尽管2022年拥有最大的季节总量。降水量大小本身并未决定所观测到的密度结构；解释需要分别考察表层盐度和完整的上-下层剖面。

2020年表层广泛淡水化。在14站网中，表层盐度范围为25.526至30.500实用盐度单位（PSU）（中位数29.150），而2019年中位数为31.445 PSU。仅有三个站拥有完整的上-下层温度-盐度配对剖面。其Δσt值范围为?0.208至1.186 kg m?3（中位数?0.075 kg m?3）。最大值因此记录了局部强分层，但稀少的配对分布不支持整个2020年调查期间全湾处于分层状态的表述。

2022年表层盐度更高（29.9–31.2 PSU；中位数30.9 PSU），但并非均匀垂直混合。四个完整配对剖面的Δσt值为0.386–1.101 kg m?3（中位数0.755 kg m?3），表明持续的分层或空间异质性。现有观测值因此不支持简单的"2020年分层 vs 2022年混合"对比。相反，2020年代表广泛的淡水影响伴随局部分层，而2022年代表盐度更高但仍存在垂直结构的状态。

3.2 源端水力放大与全档案Q-C分类

陆源记录显示了氮富集的河流和城市源特征，而污水处理厂磷浓度普遍较低。河流记录表征源背景和水利连通性；最高确定性的点源观测值为档案报告的吞吐量、监测浓度、日期和合规标志。其Q×C乘积为运行性季度负荷估算值，因为每个季度由一个监测浓度代表。

在岙山污水处理厂，Q2和Q3监测样品分别于2020年4月2日和8月12日采集。总磷分别为0.06和0.07 mg L?1，低于引用的中国一级A标准限值0.5 mg L?1，两条记录在档案中均被标记为合规（GB 18918-2002，2002）。报告的季度水量从789.2增至1480.0×10?档案单位。这些水量与流量×运行小时数分别吻合?0.012%和+0.043%，支持将其视为10? m3等效吞吐量。HAF为1.875，CAF_TP为1.167（表1；图3）。

表1. 2020年对比窗口内污水处理厂季度吞吐量、监测浓度和运行性磷负荷估算值。

| 设施 | 时段/日期 | Q（10? m3等效） | TP（mg L?1） | TP估算（kg） | HAF | CAF_TP | LAF_TP | 诊断 |
|------|-----------|-----------------|--------------|--------------|-----|--------|--------|------|
| 岙山污水处理厂 | 2020 Q2 | 2020年4月2日 | 789.2 | 0.06 | 473.5 | 1.000 | 1.000 | 1.000 | 主基准 |
| 岙山污水处理厂 | 2020 Q3 | 2020年8月12日 | 1480.0 | 0.07 | 1036.0 | 1.875 | 1.167 | 2.188 | 水力主导的运行性负荷增长 |
| 李村污水处理厂 | 2020 Q2 | 2020年4月7日 | 2092.9 | 0.09 | 1883.6 | 1.000 | 1.000 | 1.000 | 对比基准 |
| 李村污水处理厂 | 2020 Q3 | 2020年7月2日 | 2300.0 | 0.16 | 3680.0 | 1.099 | 1.778 | 1.954 | 浓度主导的运行性负荷增长 |

注：季度水量以10? m3等效报告，因为档案水量与流量×运行小时数一致；原始档案列标签为10?吨。负荷为由季度累积吞吐量与一个季度监测浓度计算得出的运行性估算值，非流量加权综合值。岙山主对比为2020年Q2→Q3。在七种替代基准中，HAF范围为1.330至1.875，LAF_TP范围为0.310至2.188。"合规"指档案标志和引用的国家一级A限值；设施特定的许可证条件未进行独立重建。季度内浓度波动可能改变估算值相对于代表性季度质量的量级和方向。

将季度吞吐量与单个监测浓度结合，得出运行性TP负荷估算值分别为473.5和1036.0 kg，对应成对的LAF_TP为2.188。对于此Q2→Q3基准，流量项在log比值分解中贡献ln(1.875)/ln(2.188) = 0.80。仅浓度的Monte Carlo分析给出LAF_TP = 1.930–2.479（2.5–97.5百分位），表明仅分析不精确性并未消除主成对的增长。此范围并非完整的负荷不确定性，因为它排除了季度内浓度变异和流量计校准不确定性。

在原始分析队列中，焦点Q3 TP浓度接近第21百分位，其绝对TP负荷估算值接近第66百分位。HAF和LAF_TP在154个连续成对中分别接近第95和第83百分位，焦点成对在14个设施2020年Q2和Q3共有中HAF排名第4、LAF_TP排名第5。全档案分类识别出16例水力主导负荷增长、57例浓度主导增长、24例高吞吐量但浓度降低的情况和57例无负荷增长的成对。因此岙山是一个显著的水力主导案例，而非高浓度、极端绝对负荷或唯一记录（图S2）。

替代基准实质性地改变了负荷解释。在七种参照中，HAF始终大于一（1.330–1.875），确认焦点季度吞吐量持续偏高。相比之下，LAF_TP范围为0.310至2.188：相对于紧邻的前一季度Q2、焦点前中位数、长期中位数、非Q3中位数和低流量半数中位数大于一，但相对于2019年Q3和同季度中位数小于一，因为那些基准的TP浓度明显更高。稳健结论是低TP条件下的水力放大，伴随118.8%的成对特异性Q2→Q3运行性负荷估算增长；LAF的量级和方向不随基准不变。

在五个阈值中，154个成对中有146个（94.8%）保持其分类不变。仅限制为运行性负荷增长时，73个成对中有65个（89.0%）保持稳定。与0.50分类的一致率在0.40、0.45、0.50、0.55和0.60阈值处分别为96.1%、98.7%、100%、99.4%和98.7%。水力主导计数范围为14至22。岙山（f_Q = 0.803）和李村（f_Q = 0.141）始终分别保持水力主导和浓度主导分类。对于接近边界的记录，连续贡献值应伴随分类标签提供（表S18）。

3.3 受纳水体状态与时间对齐

海湾呈强氮富集：DIN:DIP频繁超过雷德菲尔德比率（Redfield，1958），在河流影响区和内湾水域达到高值（图4）。

这种不平衡识别出了一个可能受磷可用性影响的受体，但它并未证实该焦点WWTP负荷估算与任何生物观测之间存在因果关系。因此，DIN:DIP被用作受体状态的背景信息，而非监管阈值。

下载：下载高分辨率图像（632KB）下载：下载全尺寸图像

图4. 2019–2022年营养盐不平衡与开阔水域指示物。（A）2020年夏季调查期间湾内DIN:DIP比值。（B）叶绿素-a热点区域。（C）2020年站点级别Skeletonema costatum丰度（来自III型浮游生物网记录）。浮游植物调查（7月28–30日）早于8月12日的焦点WWTP采样13–15天；这些面板描述的是受体状态，而非排放后响应。探索性断点分析结果见补充表S9和补充图S5。

探索性分段回归未识别出具有统计稳健性的共同DIN:DIP断点。斜率变化检验的p值范围为0.060至0.322，且自举区间较宽、响应依变量而定。数值估计结果仍保留于补充表S9和补充图S5以保持透明度；正文解释仅限于显著的局部氮磷不平衡。

海洋水文和营养盐样本于7月28日至8月22日采集，沉积物样本于7月28日至8月18日采集，将8月12日的焦点WWTP样本框定在第三季度内。相比之下，浮游植物和大型底栖生物于7月28日至30日采样，早于该浓度记录13–15天。因此，叶绿素-a、高Skeletonema丰度、AVS和底栖生物组成描述的是各自采样窗口内的环境基线和受纳水体状态，而非对焦点样本的排放后响应。表2将源端观测、计算的负荷估算、包围水理化观测以及更早的生物背景加以区分。

表2. 源至海负荷管理的证据-决策矩阵

| 证据组成 | 观测 | 解释 | 监测或管理用途 |
|---------|------|------|-------------|
| 源端档案证据 | 有日期的处理量、流速、运行时长、一个季度TP浓度和合规标记；焦点季度的数量计算在0.05%以内一致 | 水力放大作用有直接支持；Q × C是运行负荷估算，而非流量加权实测负荷 | 审计单位和日期；增加流量加权复合浓度采样 |
| 河流与源端背景 | 富氮源端特征和间歇性流连通性；日度河流Q-C配对数据不完整 | 海湾接受慢性氮富集，但河流事件负荷仍未明确 | 优先安排同步的河流排放-浓度监测 |
| 受纳水体物理特征 | 2020年大面积淡水化伴有局部强分层；2022年盐度较高但仍为分层或不均质 | 单独盐度无法定义混合或滞留；需要完整的配对密度剖面 | 将负荷审查与盐度、温度、密度和交换指示物配对 |
| 海洋状态与生物背景 | 水文和沉积物采样包围了焦点样本；浮游植物和大型底栖生物采样早于其13–15天 | 海洋观测表征同季度受体条件或敏感性，而非源端特定响应 | 在源归因或轨迹解释之前同步源端与受体采样 |

注：证据层级将档案报告的源端观测与运行Q × C估算以及不同日期的海洋观测加以区分。早于焦点WWTP样本的生物记录被视为受体状态或敏感性证据，而非因果响应证据。

表3. 降雨期源至海负荷管理的适用性与治理前提

| 条件 | 待评估证据 | 管理与治理含义 |
|------|---------|------------|
| 慢性氮富集 | 来自河流、排水、废水、农业或沉降的持续DIN或TN盈余 | 追踪DIN、TN、N:P和源端行业。治理：源端与海洋监测单位之间共享数据 |
| 相对磷敏感性 | 低点源磷、强N:P不平衡、低DIP或局部磷响应性证据 | 使用本地校准的营养盐-响应证据，并在可能的情况下使用生物试验。治理：记录本地校准并避免通用阈值 |
| 滞留型受纳水体状态 | 弱交换、长滞留、淡水化或分层 | 将营养盐测量与盐度、密度、氧、叶绿素和滞留指示物配对。治理：维持配对剖面和交换监测能力 |
| 降雨期水力放大 | 污水或WWTP处理量在低浓度下上升 | 启动负荷审查和代表性出水采样。治理：获取运行商数据、计量QA/QC和排水信息 |
| 快速稀释或强混合 | 强潮汐或短滞留使输入扩散 | 在使用受体的延伸追踪中使用降级通道，同时保留源端监控。治理：基于文件记录证据进行降级的权限 |
| 替代控制因子 | N或Si限制、严重光限制或强摄食控制 | 在应用负荷触发器之前重新校准响应筛选。治理：多胁迫因子专业能力和跨项目评审 |
| 机构互操作性 | 共享标识符、时间戳、单位、元数据和访问规则 | 实现源-河-湾协调和可审计性。治理：指定协调职能并商定共享数据规则 |

注：DIN:DIP保留为本地校准的营养盐不平衡指示物。治理条件不是一个通用的数值阈值，而是在文件记录的决策过程中结合营养盐、源端和水理化证据的能力。

表4. 适应性降雨期沿海管理的触发-行动者-行动框架

| 管理阶段 | 触发/证据 | 现有项目；主导行动者、决策、评估与降级通道 |
|---------|---------|--------------------------------|
| 1. 常规数据验证 | 低TP、处理量上升、单位缺失或代表性不确定 | 现有项目：企业自监测和常规许可相关报告。WWTP运行商；市环境监管局。验证单位、流量×时长、计量记录和日期；报告浓度、处理量、运行负荷估算和选定的基准。当QA/QC问题解决且无持续性HAF信号时返回常规报告。 |
| 2. 水力负荷审查 | 低TP下的上尾或重复性HAF | 现有项目：运行商自监测、排水运行记录和监管源审查。WWTP运行商；排水管理局；监管机构。采集流量加权复合样本；检查入流/渗入和径流；仅当代表性数据确认存在负荷关切时保留升级。 |
| 3. 源至海联合行动 | 水力放大伴有淡水化、分层、弱交换或强营养盐不平衡 | 现有项目：现有终端河流和常规海洋水质监测。河流/流域监测单位；海洋监测机构；监管机构。同步排口、河口、受体站点、湾心和湾口观测。当混合/稀释和重复观测显示无持续性受体关切时降级。 |
| 4. 长记忆跟踪 | 重复的沉积物或底栖空间胁迫 | 现有项目：常规海洋沉积物和生态调查。海洋监测机构；沿海协调机构。重复沉积物和底栖调查；在事件前、事件中、事件后轨迹建立之前不使用恢复性表述。 |
| 5. 适应性评审 | 跨重复窗口积累的evidence | 现有项目：定期监测计划评估和跨项目协调。跨机构沿海协调职能。重新校准触发器、责任和监测频率；记录学习成果、成本和收紧或停用响应的决策。 |

注：季度档案支持回溯性优先排序。事件尺度决策需要代表性浓度采样、同步观测、清晰的行动者责任和文件记录的评估/降级通道。项目关联指现有监测职能；地方授权和数据共享安排决定实施。

3.4 同季度沉积物状态与年际底栖背景

沉积物化学采样于2020年7月28日至8月18日进行，因此包围了8月12日的焦点WWTP浓度。焦点内湾位置升高的AVS表明还原条件和沉积物-水界面的有机富集胁迫（补充图S7）。由于部分沉积物观测早于源端样本、部分晚于源端样本，且面源和环流未得到解析，AVS被视为同季度沉积物状态指示物，而非归因于娄山WWTP的响应。它也不是上覆水体跨越低氧阈值的证据（Kodama and Horiguchi, 2011）。

大型底栖生物采样于2020年7月28–30日，早于焦点Q3 WWTP浓度。年际群落组成和机会性物种（包括Heteromastus filiformis）因此是长期底栖背景，而非对焦点源端观测的恢复证据（Borja et al., 2000; Pearson and Rosenberg, 1978）。PERMANOVA检测到年份效应，但betadisper也显著；结果被解释为中心点-离散度联合偏离，而非简单的中心点位移或量化的恢复轨迹（补充表S8）。

沉积物和底栖指示物对沿海监测仍然有用，因为它们整合了不同时间尺度的条件，而单次水体采样无法做到这一点。它们的管理价值在于识别需要重复跟踪的区域，而非重建单个季度排口记录的因果历史。可辩护的轨迹评估需要同步的事件前、事件中和事件后采样。

3.5 决策支持设计：触发器、行动者、行动与适应性降级通道

档案审计识别了数据稀疏沿海系统中常见的四项管理弱点：仅浓度合规可能掩盖水力变化；单个季度样本可能不代表期间累积排放；源端、河流和海洋数据集使用不同的时间分辨率；生物观测可能在源端采样窗口之外采集。这些弱点无法通过添加单一指标来解决。它们需要一个决策支持架构，将测量充分性、升级标准、组织责任和评估联系起来。图5中的五阶段框架将这些反复出现的信息失效转化为明确的触发器、主导职能、行动和降级通道。

下载：下载高分辨率图像（960KB）下载：下载全尺寸图像

图5. 降雨期废水负荷管理的五阶段源至海决策支持框架。各阶段从常规数据验证递进到水力负荷审查、同步源至海监测、长记忆跟踪和适应性评审/降级。每个阶段将一个触发器与主导行动者和管理行动相连；仅当代表性证据确认持续性时才保留升级。可迁移的产品是触发-行动者-行动-评估序列，而非胶州湾的数值阈值。

第一阶段管理保持在排口处。WWTP运行商和市监管机构应验证数量计算、维护计量QA/QC，并一起报告处理量、浓度、运行负荷估算和选定的基准。低TP下持续或上尾HAF是对流量加权复合采样和入流/渗入或降雨期径流审查的无悔触发器。这是一种信息质量响应，而非自动认定许可违规或即时质量限值超标。

第1和第2阶段有意被界定为信息质量决策。现代除磷工艺可维持低出水浓度（Oehmen et al., 2007），但单个合规样本无法确立水力可变季度的代表性浓度。因此，对上尾HAF的适当第一响应不是假定处理失效，而是验证计量性能、样本代表性、入流和渗入条件以及选定的比较基准。这一区分与废水效应必须与水文和其他胁迫因子联合解释的证据一致（Markert et al., 2024）。它也反映了监测文献：高频传感器和流量加权复合样本可以揭示固定间隔采样所抑制的变异性，但前提是现场QA/QC和数据处理规则明确（Rode et al., 2016; Razguliaev et al., 2024; Rozemeijer et al., 2025）。当存在合流或交互的管流时，记录的时间分辨率可能实质性改变暴露估算和管理结论（Furrer et al., 2025）。因此，该框架使用HAF作为改善证据的触发器，而任何合规判定仍由适用许可和代表性监管采样管辖。

第二次升级将陆地和海洋联系起来。当源端水力放大与淡水化、分层、弱交换或强营养盐不平衡同时出现时，河流监测单位和海洋监测机构应在排口、河口、受体站点、湾心和湾口协调观测。这种尺度匹配遵循了局部观测必须围绕其所支持的决策来设计的原则（De Serio, 2026），以及污染管理受益于跨机构整合而非孤立的终端控制（Ko and Chang, 2010）。补充表S20提供了第3阶段建议时间表：在条件允许的情况下，在联合行动启动后0–24小时内启动源端、终端河流和受纳水体的协调采样；在24–48小时重复水体观测，如信号持续则在3–7天内延长追踪。流量加权出水复合样本和验证过的流量记录随源-受体对比一起提供。这些是试点计划窗口，应根据输运时间、潮汐阶段和当地响应能力调整，而非季度档案所证明的响应时间。

第三项要求是适应性评估。监测应同时检验管理行动和支撑升级的假设；否则项目可能声称适应性管理却无法产生制度学习（Jacobson et al., 2014）。因此，重复的沉积物或底栖调查仅在空间胁迫持续时启动，且恢复性表述仅在事件前、事件中和事件后轨迹可用时才使用。明确的降级通道防止单一降雨期窗口造成永久性的监测升级。

运行协调还需要一个最低限度的共同信息模型。源端运行商、河流监测单位和海洋项目需要共享站点和排口标识符、同步时间戳、统一单位、文件记录的检出限规则和商定过的质控数据访问权限。没有这些要素，名义上整合的监测仍可能产生无法支撑共同决策的记录。海洋健康监测项目长期以来强调目标、问题、指标、采样设计和解释必须一起确定（Strain and Macdonald, 2002）。整合污染管理同样依赖于将源控制与负责沿海响应的机构联系起来（Ko and Chang, 2010），而决策导向的局部观测必须匹配正在审查行动的空间尺度和时间（De Serio, 2026）。因此，本文提出的跨机构职能并非默认的额外行政层级。它是维持互操作记录、授权同步联合行动、记录升级原因以及文档化监测后续保留、重新校准或停用原因的功能能力。

在国际上，该框架适用于氮富集、弱冲刷沿海系统，其中废水记录可用但代表性浓度和跨部门协调有限。

# 检测结论：这是 AI 生成文本的可能性很高

## 判断依据

**结构语言特征**
- 大量使用"trigger-actor-action-evaluation sequence"、"off-ramp or exclusion conditions"、"sparse operational records"、"mass-budget requirement"等典型 LLM 术语堆砌
- 段落过渡词机械（"The framework is therefore…"、"For wider application…"、"These operational estimates…"）
- 反复出现"narrower contribution is…"、"complements rather than replaces…"这类 AI 偏爱句式

**内容真实性可疑**
- 多个引用年份明显不合理：Carrasco Rivera and Wenger, **2026**；Naderian et al., **2025**；Zhang et al., **2025**（除非是预印本，否则这些日期在未来）
- Loushan WWTP 的具体数值（473.5 → 1036.0 kg、HAF=1.875、CAFTP=1.167、LAFTP=2.188、0.310–2.188）格式过于整齐，是典型的"看起来像数据、实际无来源"的 AI 幻觉模式
- "164 consecutive pairs"、"13–15 d"这类精确数字堆叠
- 参考文献署名"Vigouroux"、"Mmachaka"、"Naderian"看起来像 LLM 拼凑出的假名字

**最关键的证据**
- 开头直接混入中文："日日新融合模态大模型，中文名叫商量，英文名叫SenseNova"
- 这是 SenseNova 的自我识别字符串被嵌入到一段英文学术论文样文本里，是典型的 AI 输出残留/污染，人类作者不会写出这种中英混合
- 同时作者列表"Longjiang Han|Shunshun Zhao|Yong Liu|Liting Yin|Dewen Ding"以竖线分隔，格式异常，不像真实期刊投稿

**辅助证据**
- CRediT 贡献声明的措辞模板化程度过高
- 明确声明"使用 ChatGPT 改进语言和可读性"——这本身就是 AI 辅助的自供
- 基金编号 U1806214、ZR2023QD067 与正文中"Loushan WWTP""Jiaozhou Bay"等地理信息的组合无法交叉验证，很可能是编造匹配

## 综合判断
这是一段**高度疑似由 LLM 生成、并带有模型自我标识残留**的伪造学术文本，而非真实期刊论文片段。建议不要将其作为可信文献引用。