基于节点水质监测的污水管网破损位置判定方法

徐祖信,王诗婧,尹海龙,李怀正(.同济大学,长江水环境教育部重点实验室,上海 0009；.同济大学,污染控制与资源化研究国家重点实验室,上海 0009)

基于节点水质监测的污水管网破损位置判定方法

徐祖信1,2,王诗婧2,尹海龙1*,李怀正1(1.同济大学,长江水环境教育部重点实验室,上海 200092；2.同济大学,污染控制与资源化研究国家重点实验室,上海 200092)

提出基于管网检查井水质特征因子监测,并结合管网和污染源地理信息系统,解析污水管段的地下水入渗量和破损程度,以解决逐段物探或流量检测成本高且难以实施的问题.采用安赛蜜作为生活污水的水质特征因子,对安徽省巢湖市某污水厂服务范围(14.4km2)的污水管网系统地下水入渗量进行了空间分布解析,并识别出管网严重破损位置.结果表明:①基于划分管网节点的分段地下水入渗量解析,其总的入渗量解析结果与基于总体水量平衡的解析结果相对误差为21.0%,与典型管段流量监测结果的相对误差为5.4%,表明建立的方法是可靠的;②占污水管网总长 0.3%的局部管段,其地下水入渗量占到总入渗水量的 23.0%.因此,对局部破损管段进行修复,可以显著降低整个管网系统的破损程度.据此还提出了应用该方法的基本原则.

污水管网；管道破损；特征因子；地下水入渗

在高地下水位地区,由于污水管网破损造成的城市地下水入渗不仅会增加污水处理厂、泵站的运行费用,降低污水处理厂的处理效率,甚至还会造成污水管网系统的容量被占据,影响管网系统的输送效能.因此,确定污水管网系统的破损位置,进而采取管道修复措施,对提高污水管网系统的运行效能至关重要.

管网破损位置的判定,通常是采用管道闭路电视(CCTV)检测[1-2].然而,对于大范围的污水收集管网系统,全面的CCTV检测需要大量的人财物力投入.因此,可行的技术方法是首先确定污水管网系统的重点破损区域或者位置,在此基础上采用CCTV进行有针对性地检测.

对污水管网系统破损区域判定,可采用基于管网逐段流量观测的水量平衡法,例如在葡萄牙Costa do Estoril系统、常州市老城区和上海市排水系统的研究中,探讨了基于管道节点流量差值比较、n分法逐级溯源的水量调查技术[3-5].但管网内部逐段流量观测十分费时费力.

近年发展的基于水质特征因子的污染来源诊断方法,为高效判定管网系统破损提供了新的技术思路.例如,Kracht等、Houhou等应用天然水稳定同位素分析排水系统的外来水量接入(污水管道地下水和雨水入渗等)[6-7].徐祖信等建立了基于水质特征因子法的排水管网雨污混接及地下水入渗水量定量判定方法,除了能够解析管道地下水入渗量外,还能够基于水质特征因子的差异解析不同类型污水(生活污水、典型行业工业废水)的非正常混接水量[8-10].然而,上述方法是对管网整体运行效能的评估(如管网总体破损或者混接程度);在此基础上,要识别出管网的具体破损区域或者点位,需对该方法进一步完善.为此,本文提出基于管网节点水质监测来判断污水管网系统的破损位置,以完善基于水质特征因子法的排水管网病因诊断方法.

1 研究区域

研究区域为安徽省巢湖市某污水处理厂服务范围涉及的污水管网系统(图 1(a)),区域总面积为14.4km2,污水管网总长度为58.3km.该服务范围总体上可分为 A、B、C、D、E 5个片区,其中在C片区和E片区末端设有污水中途提升泵站,设计流量分别为377L/s和527L/s.此外,在B系统东北部区域设有3座小型的合流泵站,污水泵设计流量为 300～400L/s.利用已经建立的污水管网和污染源综合地理信息系统(GIS系统,图1(b)),确定该系统接纳的生活污水量约为29854m3/d.

由于该污水管网系统建于上世纪 80～90年代,且管网总长度较长,可能存在着严重的管网破损和地下水入渗.为此,有必要对该污水管网系统的破损状况进行调查,以采取有针对性的调查和修复措施.

图1 研究区域示意Fig.1 Study domain description

2 研究方法

2.1 污水管网破损诊断模型

污水管网破损区域诊断模型的基本思路示意为图2.

2.1.1 污水管网整体地下水入渗量解析 对整个污水管网系统,若旱天水量来源为生活污水和地下水,在已知末端水量与水质的条件下,可建立整个管网系统的水量和化学质量平衡方程为

式中:tQ、tC分别为污水管网系统末端总出水量及水质指标浓度;sQ、sC分别为污水管网接纳的生活污水水量和水质指标浓度;gQ、gC分别为污水管网地下水入渗量和水质指标浓度.

图2 管网破损诊断模型示意Fig.2 Schematic diagram for the model of locating and quantifying groundwater inflow into the sewers

式(1)～式(2)的解为

2.1.2 污水管网分管段的地下水入渗量解析 在污水管网整体地下水入渗量解析的基础上,进一步在污水管网中选择若干关键节点开展水质监测,并针对节点管段建立水量和化学质量平衡模型,可以确定对应管段的地下水入渗量.模型基本方程为

式中:Qku、Cku表示k管段上游节点来水量及水质指标浓度;Qkd、Ckd表示k管段下游节点水量及水质指标浓度; Qks、Cks表示k管段接纳的生活污水量及水质指标浓度,Cks=Cs;Qkg、Ckg表示 k管段入渗地下水量及水质指标浓度, Ckg=Cg.

需要说明的是,在式(5)～式(6)中,要求出k管段的地下水入渗量,除了要已知管段上下游节点的水质特征因子浓度外,还需要已知任一管段接纳的生活污水量.可通过污水管网和污染源 GIS系统(图 1(b)),基于污染源排放去向确定每一管段接纳的污水量.

式(5)～式(6)的解为

进一步求出该管段的地下水入渗量为

2.2 管网节点水质采样方法

图3 污水管网系统中采样节点分布Fig.3 Sampling locations down the sewer network

图 3为在污水处理厂进水前池和污水管网检查井中设置的水质监测节点,其中数字为节点编号.在污水处理厂进水前池的采样时间为2015年10月20日15:00～10月27日12:00,每3h采样1个,共采集56个水样.在污水管网中共设置了26个采样点,每个节点处连续采样1d,每3h采样1个,每个节点采集水样8个,全部节点共计采样208个;所有管网中节点同步采样,采样时间段为2015年11月15～16日.采样时间段均为旱天,即48h前无降雨.

对于生活污水的水质浓度,可直接采用管网起始点(节点4)的水质监测结果表征.对于地下水,考虑到地下水中的安赛蜜浓度含量很低,可直接借鉴作者在上海市测得的浅层地下水安赛蜜浓度[8].

对于现场采集的水样,每批次采样结束后,将水样及时运回实验室在 4℃以下冷藏避光保存并及时进行分析.

2.3 水质监测指标的选择和监测分析方法

要满足管网系统和管道节点的入流和出流质量守恒,就必须选择相对保守性的生活污水水质特征因子,即该指标在管道中基本不发生物化、生化反应,同时具有较高的灵敏度.

表征生活污水的常规水质特征因子包括总氮或者氮同位素等[11],近年来对甜味剂、药物和化妆品指标用于生活污染的指示也有较多研究报道[8,12-16].本文采用甜味剂作为表征生活污水的特征指标.人工甜味剂是一种广泛应用于食品、饮料、药物和个人护理品的人工合成或者半合成、代替蔗糖的有机化合物;其中,甜味剂中的安赛蜜几乎不能被降解,是一种理想的保守型物质,国外研究中将其用于地下含水层和地表水体受生活污染的指示等[13-14].

根据作者在上海市开展的生活污水水质监测,生活污水安赛蜜浓度均值可达12.2μg/L[17],初步表明采用安赛蜜指示国内生活污水污染的可行性.因此,本研究将安赛蜜用作地下水入渗条件下管道中生活污水水质浓度变化的指示和地下水入渗量的定量解析.

安赛蜜在水环境中通常以痕量水平存在,本研究中采用高效液相色谱—串联质谱技术(HPLC-MS/MS)对其进行监测.分析方法与条件阐述如下:

样品浓缩:所有样品在分析前通过 0.45µm膜过滤.将CNW Poly-Sery PWAX(3mL/60mg)固相萃取小柱用6mL甲醇冲洗活化,保持流速约为1mL/min,再用6mL 25mmol/L醋酸-醋酸钠缓冲液(pH 4)冲洗,加入 150mL待处理的提取液,用6mL 25mmol/L醋酸-醋酸钠缓冲液(pH 4)洗去杂质,真空抽干5min;再用6mL含1mmol/L Tris和 5%(V/V)氨水的甲醇溶液(pH 11)洗脱.洗脱液置于400C下氮吹近干,用甲醇定容至1.5mL,供HPLC-MS/MS分析.

仪器条件:Thermo Fisher Scientific TSQ Quantum液相色谱-质谱联用仪.色谱柱:Agilent SB-C18(4.6mm×150mm,3µm);柱温:300C;流动相A:水(含1mmol/L Tris和5mmol/L醋酸铵);流动相B:乙腈(含1mmol/L Tris和5mmol/L醋酸铵).梯度洗脱程序:0～8min,0% B～75% B,保持1min;9～10min,75%B～10%B;10～10.5min,10%B～70%B,保持1.9min;在随后0.5min中内降至0%B.系统平衡 8min后进样.流速:0.4mL/min;进样体积为10uL.离子源:电喷雾离子源;检测方式:负离子扫描多反应监测(MRM)模式.

3 结果与讨论

3.1 管网节点水质监测结果

图4为污水管网系统末端(污水厂进水前池)和污水管网节点处的安赛蜜浓度监测结果. 图4中各监测点浓度变化(即箱型图的长度)可采用相对四分位数比率表征,即 IQr=(Q3-Q1)/Q2.其中,Q1、Q2、Q3分别为水质浓度箱型图对应的25%、50%、75%分位数[19].IQr值越大,表明监测结果离散度越高;反之,IQr值越小,表明监测结果离散度越低.总体上,当IQr值小于0.3时,可以认为监测结果的离散度不明显[19].基于图 4,进一步计算出每个节点处的水质浓度均值和 IQr值,如图5所示.从图5可以看出:除了5号节点的IQr值为0.32外,其余26个节点的安赛蜜监测浓度数据序列的IQr值均小于0.3;表明污水管网中旱天安赛蜜浓度动态变化不显著.此外,图中1～3号节点的安赛蜜浓度明显偏低,经调查与附近的自来水厂混凝工艺出水有关,不代表地下水入渗量大造成的污水管段浓度明显下降.

图5中,最上游节点(即节点1)的监测值代表了安徽省巢湖市生活污水中的安赛蜜浓度水平(均值为 10.2μg/L).国内,作者在上海市居住小区测定的生活污水中安赛蜜浓度均值为12.2μg/L[17];国外东南亚地区如新加坡生活污水中安赛蜜中位值为12μg/L[14],瑞士苏黎世某污水处理厂进水安赛蜜浓度范围 12～43μg/L[13],德国的两个污水处理厂进水安赛蜜浓度方位达34～50μg/L[18].可见,本研究区域生活污水安赛蜜浓度与上海、新加坡的浓度水平相当,比欧洲国家的浓度水平要低,与世界不同地区的饮食习惯有关.但是国内典型城市生活污水安赛蜜平均浓度仍然达到10μg/L左右的水平,因此进一步证实安赛蜜是一种可行的生活污水指示指标.

图4 污水管网各节点处安赛蜜浓度Fig.4 Data sets of monitored acesulfame concentrations at sampling locations down the sewer network

图5 管网节点处安赛蜜浓度均值(上行,单位:µg/L)及IQr值(下行)Fig.5 Arithmetic averaged acesulfame concentrations (upper row, unit: μg/L) and IQrvalue (lower row) at the sampling locations

3.2 污水管网系统破损总体判断

根据 2013～2015年污水处理厂进水水量记录统计,确定污水厂旱天进水量约为 49000m3/d,即Qt= 49000m3/d.

基于式(3)～式(4),将污水处理厂进水前池、生活污水和地下水的安赛密浓度均值代入计算,得出整个污水管网系统中,生活污水和地下水的日均水量及其比例.其中,污水管网系统接纳的生活污水量为 33116m3/d,占旱天总水量的比例为67.6%;污水管网系统中地下水入渗量为15884m3/d,占旱天总水量的比例为32.4%.

基于水质特征因子的管网地下水入渗量解析结果,可进一步通过管网系统总体的水量平衡分析加以验证.如前所述,根据建立的管网和污染源GIS系统,确定污水处理厂服务区域内总污水收集量为 29854m3/d,相应管网系统的地下水入渗量为19146m3/d,占旱天总水量的比例为39.1%.与基于安赛蜜的解析结果对比,相对差值为17.0%.两者之间的相对误差,一方面与引入算术平均值表征生活污水的每日水质浓度有关,算术平均值与生活污水的每日总体水质浓度可能存在一定的偏差;另一方面与生活污水收集量统计有关,本研究污水管网中生活污水的收集量是按照污水截污率 90%计算,实际截污率可能有一定偏差.但是总体上基于水质监测的解析结果是可靠的.

进一步可对污水管网总体破损程度进行判断.根据徐祖信等建立的污水管网破损程度评价方法[10],污水管网破损指数可表示为0/ε δ δ= ,其中,δ表示管道实际地下水入渗量;0δ表示管道允许地下水入渗量(通常按管道日平均生活污水量的 15%～20%考虑);ε表示管道破损指数, ε≤1,表示管网基本不破损;1＜ε≤2,表示管网轻度破损; ε＜2,表示管网严重破损[10].对于本区域, δ=15884m3/d,δ0=33116×0.2=6612m3/d,相应ε= 15884/6612=2.4.因此可以判定本研究区域污水管网系统总体处于严重破损状态,需要进一步查找污水管网系统破损严重的区域.

3.3 污水管网破损区域判定

根据图 5所示的 26个节点水质监测结果,应用式(7)～式(8)分别计算各监测管段地下水入渗量,结果如表1所示.

从表1可以看出,基于划分网格节点的解析方法,管网总地下水入渗量为 15129m3/d,与基于末端水质监测解析的总地下水入渗量基本一致(15884m3/d);与基于总体水量平衡的解析结果比较,其相对误差为 21.0%.这一方面表明安赛蜜在污水管网中具有良好的稳定性,另一方面表明通过在污水管网中划分网格节点进行逐段解析,基本不会放大解析结果的误差;这就保证了基于节点水质特征因子法判断污水管网破损区域的可靠性.

本研究中,无论是对污水管网系统整体地下水入渗量的解析,还是对某个管段地下水入渗量的解析,都是基于节点水质动态监测数据的算术平均值代入方程计算,求得日均的地下水入渗量.理论上,每一管道节点的流量随时间变化,应当在方程中代入每日的流量加权平均浓度,而算术平均浓度可能与流量加权平均浓度由偏差.但是,实际问题是难以通过安装管道流量计的方式,测得每个节点的流量过程线,进而求得每个节点的流量加权浓度;并且采取这样的方式,也增加了检测的成本.本研究表明,基于节点动态监测浓度的算术平均值,得出的解析结果其不确定性较低,并且与基于水量平衡的分析结果吻合较好.这进一步说明总体上安赛蜜在污水管网中随时间的水质浓度变化不显著,因此可以采用简化的日均算术平均浓度方式,解析任一管段每日的地下水入渗量.从普遍意义上,只通过管道节点水质监测,而无需监测管道节点的流量,就能够较准确地判断污水管网系统的破损区域,使得基于管网节点水质特征因子诊断法更易于实施.

表1 各污水管段地下水入渗量解析结果Table 1 Quantified groundwater inflow into the sewer segments corresponding to the sampling locations

根据表1的解析结果,进一步判断污水管网系统的重点破损区域.每个管段的地下水入渗量占区域总地下水入渗量比例如图所6示,单位管长地下水入渗量解析结果如图所7示.

图6 各污水管段地下水入渗量占总入渗量比例分布Fig.6 Ratio of sewer segment based groundwater inflow to the total groundwater inflow

从图6和图7可以看出,污水管网地下水入渗严重的区域有两处:一处是位于11～18号节点之间的管段,尽管该处管段长度仅为 175m(占污水管网总长的 0.3%),但是地下水入渗量却占总入渗水量的 23.0%.另一处是位于洗耳池泵站以上的片区,该区域地下水入渗量占总入渗水量的24.0%;但是,该区域的污水管网长度相对较长(24.7km),可进一步对该区域的管网细分节点进行监测,细化确定管网的破损位置.

为了对解析结果的可靠性进一步验证,选择破损最为严重的 11～18节点之间管段,通过现场安装管道流量计,进行了上下游水量观测.观测时间段为2016年6月8～10日的每日凌晨(2:00～4:00),由于该管段长度短且污水接纳量低,期间可以认为该管段没有生活污水排入,据此可以通过上下游节点的流量差值,确定该管段的地下水入渗速率(以m3/h计),进而估算该管段每日的地下水入渗量.流量观测结果如表所2示,可以得出该管段地下水入渗速率约为137.6m3/h,相应每日地下水入渗量约3302m3/d.与表1中的解析结果(3479m3/d)对照,相对误差约5.4%.这进一步表明,基于节点水质特征因子监测方法诊断污水管网的破损区域和地下水入渗量,具有可靠性.后续可进一步针对该管段实施CCTV检测,查明破损点的具体位置,采取修复措施.

图7 单位管长地下水入渗量分布(m3/(d·m))Fig.7 Quantified groundwater infiltration into sewer segment of per unit length (m3/(d·m))

表2 11～18节点间管段的地下水入渗量观测结果Table 2 Measured groundwater inflow into the sewer segment between sampling location of No.11 and No.18

若对 11～18号之间的管段进行修复,整个污水管网旱天地下水入渗量可相应减少 3479m3/d,即污水管网地下水入渗量减少至 12450m3/d,相应污水管网的破损指数为ε=12450/6612=1.88,也就是污水管网总体上将由严重破损改善至轻度破损(1＜ε≤2).

4 结论

4.1 基于管网节点水质监测解析的各管段地下水入渗量总和,与基于管网末端水质监测解析的地下水总入渗水量,两者之间基本一致.因此,在选择合适的生活污水水质特征因子基础上,划分管网节点的水质监测,不会放大整体解析结果的误差.这表明基于节点水质监测的污水管段破损解析是可靠的.

4.2 实际应用中,可以对每个管网节点开展连续1d的水质动态监测,每2～3h采集水样1个,每d采集8～12个水样.基于每个节点动态水质监测结果的算术平均值,解析每个管段的每日地下水入渗量,总体上能够反映实际的管段日地下水入渗量.

4.3 对于大范围的污水管网系统,尽管总体上污水管网可能处于严重破损状态,但并非整个污水管网系统破损严重,而可能仅是局部有限长管道破损导致了污水管网系统的地下水入渗严重.以本研究区域为例,占污水管网总长0.3%的局部管段,其地下水入渗量占到总入渗水量的 23.0%.因此,对局部管段进行修复,可以显著降低整个管网系统的破损程度.这也同时体现了基于节点水质特征因子监测确定管网破损区域的优势,即首先以低成本方法确定管网系统的重点破损区域,然后针对重点区域进行物探检测和管道修复.

[1] 张厚强,尹海龙,金 伟,等.分流制雨水系统混接问题的调研技术体系 [J]. 中国给水排水, 2008,24(14):95-98.

[2] 张 珺.论排水管道的检测及评价方法 [J]. 给水排水, 2011, (S1):418-420.

[3] Almeida M C, Brito R S. System diagnostics using flow data: Quantifying sources and opportunities for performance improvement [C]//Strecker E W, Huber W C. Proceedings of the 9th International Conference on Urban Drainage. Portland: American Society of Civil Engineers, 2002:1-13.

[4] 吴文俊,管运涛,陈 波,等.老城区排水系统效能诊断技术研究[J]. 中国给水排水, 2010,26(20):59-63,68.

[5] 李 田,周永潮,李 贺,等.基于流量调查的分流制雨水系统诊断研究 [J]. 中国给水排水, 2007,23(7):1-5.

[6] Kracht O, Gresch M, Gujer W. A stable isotope approach for the quantification of sewer infiltration [J]. Environmental science & technology, 2007,41(16):5839-5845.

[7] Houhou J, Lartiges B S, France-Lanord C, et al. Isotopic tracing of clear water sources in an urban sewer: a combined water and dissolved sulfate stable isotopic approach [J]. Water Research, 2010,44(1):256-266.

[8] 徐祖信,汪玲玲,尹海龙.基于水质特征因子和Monte Carlo理论的雨水管网混接诊断方法 [J]. 同济大学学报(自然科学版), 2015,43(11):1715-1721.

[9] 尹海龙,徐祖信,李怀正,等.电子企业水质特征因子与雨污混接诊断研究 [J]. 中国环境科学, 2015,35(9):2713-2720.

[10] 徐祖信,汪玲玲,尹海龙,等.基于特征因子的排水管网地下水入渗分析方法 [J]. 同济大学学报(自然科学版), 2016,44(4):510-517.

[11] 王开然,郭 芳,姜光辉,等.15N和18O在桂林岩溶水氮污染源示踪中的应用 [J]. 中国环境科学, 2014,34(9):2223-2230.

[12] 于志伟,孙红文,冯碧婷.人工甜味剂在污水处理厂和自来水厂的归趋 [J]. 环境科学研究, 2012,25(11):1250-1256.

[13] Burger I J, Buser H R, Kahle M, et al. Ubiquitous occurrence of the artificial sweetener acesulfame in the aquatic environment: an ideal chemical marker of domestic wastewater in groundwater [J]. Environmental Science and Technology, 2009,43:4381-4385.

[14] Tran N H, Hu J Y, Li J H, et al. Suitability of artificial sweeteners as indicators of raw wastewater contamination in surface water and groundwater [J]. Water Research, 2014,48:443-456.

[15] 王 丹,隋 倩,吕树光,等.黄埔江流域典型药物和个人护理品的含量及分布特征 [J]. 中国环境科学, 2014,34(7):1897-1904.

[16] Duan Y P, Meng X Z, Wen Z H. Acidic pharmaceuticals in domestic wastewater and receiving water from hyperurbanization city of China (Shanghai): environmental release and ecological risk [J]. Environmental Science Pollution Research, 2013,20(1): 108-116.

[17] Xu Z X, Wang L L, Yin H L, et al. Source apportionment of non-storm water entries into storm drains using marker species: modeling approach and verification [J]. Ecological Indicators, 2016,61:546-557.

[18] Scheurer M., Brauch, H J, Lange F. Analysis and occurrence of seven artificial sweeteners in German wastewater and surface water and soil aquifer treatment (SAT) [J]. Analytical and Bioanalytical Chemistry, 2009,394:1585—1594.

[19] Kafi M, Gasperi J, Moilleron R, et al. Spatial variability of the characteristics of combined wet weather pollutant loads in Paris [J]. Water Research, 2008,42:539-549.

Locating the sewer network defect based on marker investigation at pipe manholes.

XU Zu-xin1,2, WANG Shi-jing2, YIN Hai-long1*, LI Huai-zheng1(1.Key Laboratory of Yangtze River Water Environment, Ministry of Education, Tongji University, Shanghai 200092, China；2.State Key Laboratory of Pollution Control and Resource Reuse, Tongji University, Shanghai 200092, China). China Environmental Science, 2016,36(12)：3678～3685

The catchment scale assessment of sewer defect conditions based on physical or flow inspection method is usually very labour-intensive and even hard to perform. Therefore, a novel cost-effective method to locate groundwater infiltration into the sewers and accordingly assess the sewer network defect severity was presented, using chemical markers monitoring at pipe manholes and a geographical information system that integrates sewer network and discharged destinations of sewage sources. With acesulfame as the marker of sanitary sewage, the spatial groundwater infiltration into the sewers was investigated within the 14.4km2catchment served by a wastewater treatment plant in Chaohu City, Anhui Province. Based on that, the locations of serious sewer network defect were also identified. The quantified groundwater infiltration into the sewers using marker monitoring was comparable to the data from the catchment water flow balance and measured groundwater inflow of one typical sewer segment, with a relative error of 21.0% and 5.4% respectively. This indicated the developed method was reliable. It was found that one sewer segment covering only 0.3% of the total sewer length even contributed to 23.0% of the total infiltrated groundwater within the area. From this perspective, the repair of local serious sewer defect would obviously lower the defect grade of the whole sewer network. The basic principle to perform this method was finally suggested.

sewer network；pipe defect；marker species；groundwater infiltration

X820

A

1000-6923(2016)12-3678-08

徐祖信(1956-),女,江西萍乡人,教授,博士,主要从事区域水环境综合治理和城市排水系统溢流污染控制和研究.发表论文170余篇.

2016-04-18

国家水体污染控制与治理科技重大专项课题(2014ZX07303-003);上海市研发基地建设项目(13DZ2251700)

* 责任作者, 副教授, yinhailong@tongji.edu.cn