预测城市河流中的微生物污染：以事件为基础的指标方法在2024年巴黎奥运会和残奥会期间应用于塞纳河

《Journal of Hydrology》：Predicting microbiological contamination in urban rivers: an event-based indicator approach applied to the seine river during the 2024 Paris olympic and paralympic games

本研究提出一种基于高频率细菌指示物及水文气象数据降维分析的预警方法，通过主成分分析（PCA）和流形ISOMAP（ISOMAP）识别关键因子构建预测模型，成功应用于2024巴黎奥运会期间塞纳河水质实时管理。

　　

阿瑟·吉约-勒戈夫（Arthur Guillot - Le Goff）|约安·卡蒂埃（Yoann Cartier）|布里吉特·文松-莱特（Brigitte Vin?on-Leite）|塞巴斯蒂安·博亚瓦尔（Sébastien Boyaval）|雷米·卡米尼亚尼（Rémi Carmigniani）

巴黎综合理工学院（LEESU）、法国巴黎东克雷泰尔大学（ENPC）、巴黎综合理工学院、马恩拉瓦莱（Marne-la-Vallée）

摘要

城市河流在暴雨后排放废水时容易受到微生物污染。这种粪便污染的峰值会对健康构成风险，尤其是在城市游泳区。为预防这些风险，欧洲法规要求必须运行早期预警系统。本研究提出了一种新的方法，基于对细菌污染指标的高频测量和水文气象数据来实施早期预警系统。通过对2021至2023年三个夏季在法国巴黎塞纳河收集的高频数据进行分析，该框架定义了降雨事件及其对水质的影响。应用了降维技术（包括主成分分析（PCA）和流形ISOMAP），以识别关键的解释特征并构建预测模型。由此得出一个全局降雨参数（GRP），该参数能够根据降雨事件对水质的潜在影响对其进行有效分类。该方法在2024年巴黎奥运会和残奥会期间成功进行了测试，证明了其在实时水质管理方面的潜力。

引言

在许多欧洲大都市区，城市水域中的开放水域游泳越来越受欢迎，这主要是由于人们对炎热夏季自然互动的需求增加，以及城市与河流之间联系的重新建立（Cao等人，2025年）。作为2024年奥运会和残奥会的遗产，巴黎开放了多个游泳场所。游泳是适应全球变暖导致的更频繁和更长时间的热浪的一种方式（Lemonsu等人，2014年），这也导致了更频繁的强降雨事件（Ringard等人，2019年）。虽然可以在城市河流中游泳证明了它们的良好水质，但必须确保防止健康风险。

城市游泳区的开放受欧洲指令的监管，该指令规定了游泳水的质量分类、管理方式以及向公众提供的信息（欧盟指令2006/7号）。为了测量和评估水质的微生物状况，会考虑粪便指示菌（FIB）、大肠杆菌（E. coli）和肠道肠球菌的浓度。这些指示菌来源于温血动物的消化系统，对人类大多无害。然而，它们的大量存在表明受到废水的污染，因此很可能存在病原微生物。

城市河水中确实含有可能具有致病性的细菌和病毒微生物。这些微生物来自多种来源，既有扩散性的（地表径流），也有点状的（城市废水排放到水环境中）。

巴黎地区城市河流中微生物污染的主要原因是降雨事件（Mouchel等人，2020年），此时合流制排水系统超负荷并向接收环境排放废水；或者在分流制排水系统的情况下，雨水携带了由径流或某些建筑物的错误水管连接收集的污染物。

对于FIB的测量，法规要求使用标准化方法（ISO 9308和ISO 7899）。根据方法的不同，响应时间为18至48小时。还需加上采样、运输和实验室分析前的准备时间。总的来说，获得FIB浓度所需的最短时间为24小时。因此，水质的微生物监测受到获取法规测量数据所需时间的限制。

为了解决这一时间限制，欧盟指令2006/7号（第12条）要求“对于可能遭受短期污染的游泳水域，应在预测到或实际发生污染时发出警告”。此类预警系统的具体细节尚未明确。Heasley等人（2021年）比较了53项关于FIB水平预测模型开发的研究。其中大多数模型（即92%）是统计模型，使用了从简单的多变量回归到复杂的机器学习等多种方法。在这53项研究中，有5项研究针对的是流经密集城市环境的河流（Heberger等人，2008年；Herrig等人，2019年；Maimone等人，2007年；Motamarri和Boccelli，2012年；Seis等人，2018年）。在这些研究中，模型主要将降雨、排放量和浊度作为主要预测变量。在Seis等人（2018年）的研究中，还考虑了污水处理厂的排放量。所有这些研究都采用了点状采样方法，即在特定时间点收集样本，可能无法完全反映污染水平和事件规模的变化（McCarthy等人，2012年；Madrid和Zayas，2007年）。

因此，人们对更高频率（亚每日）运行的间接废水检测方法越来越感兴趣。可现场部署的检测技术为研究微生物污染的时间动态提供了新的可能性（Gunter等人，2023年）。这些传感器基于测量一种替代指标，其水平和变化原因与FIB相同。其中一种FIB的替代指标是它们的酶活性。市面上有商用解决方案，可以像小型实验室一样工作（将样品泵入水道，加入底物，在加热室中进行化学反应，并进行光学检测），从而能够每小时测量一次细菌的酶活性。

在城市地区，水文循环非常复杂。一个城市的整体集水区由许多具有自身水文功能的子集水区组成。这种规模和复杂性使得难以对废水系统及其与接收环境的相互作用进行确定性建模（Salvadore等人，2015年）。

然而，可获取的信息量相当大。一些国家和地区公开了他们的水文数据（降雨量和流量）。结合新的高频测量数据，已经具备了理解微生物污染峰值原因和后果所需的所有信息。在这种情况下，虽然大量数据点可能具有解释性，但对它们之间相互作用的了解不足可能导致对细菌数据的解释不够准确。一种理解这些解释变量之间相互作用的方法是使用降维方法来简化数据集。这涉及将数据从一个较大的空间重新投影到一个更小且更相关的空间中，以传达最重要的信息。

最近的研究显示了多变量分析在河流污染评估和风险预测中的价值。Herrig等人（2019年）强调了如何综合环境控制因素以在不同水文条件下改进预测。Fang等人（2018年）使用主成分分析来识别影响河水质量变化的主要环境因素，Rossi等人（2020年）利用水文气象和物理化学变量开发了基于大肠杆菌的娱乐用水安全概率预测。这些结果共同支持降维和多变量特征合成作为从高维水文环境数据集中提取信息模式的稳健步骤，以便进行操作风险建模。

在本研究中，使用了降维方法来揭示数据集之间的相互作用，并为巴黎塞纳河的城市河流健康风险预警建立了系统。

基于此背景，本研究的目标是：

1.

利用高频监测的细菌、气象和水文数据来描述河流中粪便污染峰值的发生

2.

使用降维技术分析和建模水文气象数据与细菌数据之间的相互作用

3.

通过分类降雨事件及其对水质的影响来验证所提出的方法，特别应用于2024年巴黎奥运会和残奥会

本文的结构如下。

首先，在材料与方法部分，描述了研究地点和收集的数据，然后介绍了事件定义和特征化的算法，以及降维和建模功能。其次，在结果部分，展示了事件时间定义和降维的结果，对污染峰值进行了建模，并包括了在2024年巴黎奥运会期间的应用情况，并与法规测量结果进行了比较。最后，在讨论部分，讨论了结果的所有子部分，并评估了其优点和局限性。

研究地点

研究地点

研究地点为巴黎市及巴黎东部地区，这是一个高度城市化的区域。在巴黎上游，马恩河从东方向流入，与从东南方向流入的塞纳河在巴黎城门处交汇。夏季，马恩河的流量约占塞纳河在巴黎流量的三分之一。巴黎及其周边城镇的排水系统采用合流制，而较远郊区的排水系统则采用分流制（图1）。

事件定义和特征化

所有时间序列根据四个确定的参数被划分为2021年、2022年和2023年夏季的60个事件。通过数据检查确定了降雨阈值$$毫米，以过滤掉异常值和无关的降雨。基于水文标准建立了时间连续性$$小时，以平衡捕捉长时间降雨事件的同时防止不同事件的过度聚集。酶活性阈值$$ MFU/100ml被计算为标准值的两倍

事件和特征数据集构建

对于微生物水质早期预警系统的开发，事件的分割和特征化是一种新颖的方法。所选参数适用于在研究夏季条件下隔离污染峰值，但其敏感性并未经过系统测试。降雨连续性标准$$对降雨事件的总数有显著影响。所选值（$$小时）在捕捉长时间降雨与避免过度聚集之间取得了平衡

结论

在巴黎地区多个集水区收集了水文气象数据。在塞纳河的一个点上也记录了高频细菌指标的时间序列。所有时间序列被处理成一个包含这些事件特征的离散事件指标数据集。使用降雨数据和高频细菌指标使得能够精确定义这些事件的开始和结束时间，从而定义了相应的指标。

CRediT作者贡献声明

阿瑟·吉约-勒戈夫（Arthur Guillot - Le Goff）：撰写——原始草稿、可视化、方法论、调查、形式分析、数据管理、概念化。约安·卡蒂埃（Yoann Cartier）：撰写——审稿与编辑、方法论。布里吉特·文松-莱特（Brigitte Vin?on-Leite）：撰写——审稿与编辑、验证、监督、资源管理、项目管理、方法论、资金获取、数据管理、概念化。塞巴斯蒂安·博亚瓦尔（Sébastien Boyaval）：撰写——审稿与编辑、验证、监督、项目管理、资金获取。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

第一作者和第二作者获得了法国国立桥梁与道路学院（école Nationale des Ponts et Chaussées）提供的双实验室博士资助。我们感谢巴黎市水循环和水质部门提供的ColiMinder?数据，特别是Paul Kennouche和Marion Delarbre的支持和知识交流。这项工作是FORBATH项目讨论的一部分，并受益于Thomas Einfalt在降雨数据处理方面的专业知识。