CN107145672B - 平原河网区域地下水脆弱性及污染风险评估方法及*** - Google Patents
平原河网区域地下水脆弱性及污染风险评估方法及*** Download PDFInfo
- Publication number
- CN107145672B CN107145672B CN201710322248.3A CN201710322248A CN107145672B CN 107145672 B CN107145672 B CN 107145672B CN 201710322248 A CN201710322248 A CN 201710322248A CN 107145672 B CN107145672 B CN 107145672B
- Authority
- CN
- China
- Prior art keywords
- underground water
- vulnerability
- index
- pollution
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种平原河网区域地下水脆弱性及污染风险评估方法及***,该***包括:指标数据录入模块,用于录入各项指标数据;分级模块,用于预存地下水污染风险等级分级数据、污染源荷载分级数据、地下水环境本质脆弱性指标分级数据;地下水污染风险计算模块,用于依据所述各项指标数据,计算地下水污染风险防控值,并结合所述分级模块中的地下水污染风险等级分级数据,计算地下水污染风险防控值对应地区的风险等级;显示模块,用于结合GIS数据,将所述地下水污染风险计算模块的计算结果编辑成图,并进行展示。该***采用了新的脆弱性计算方法,并有效结合GIS信息进行直接展示,大大增强了实用性。
Description
技术领域
本发明涉及一种计算特定区域地下水脆弱性及其污染风险的建模及计算方法,尤其涉及一种基于平原河网区域地下水脆弱性计算和污染分析的地下水污染风险计算方法。
背景技术
地下水资源是支撑经济社会可持续发展的重要战略资源,我国地下水资源量约占全国水资源总量的1/3。随着社会经济的发展,地下水环境压力逐渐增大,地下水污染形势日益严峻,局部地区地下水污染问题突出。据2000-2002年国土资源部“新一轮全国地下水资源评价”成果,全国地下水环境质量“南方优于北方,山区优于平原,深层优于浅层”,全国地下水资源符合Ⅰ类-III类水质标准的占63%,符合Ⅳ类-Ⅴ类水质标准的占37%。根据对京津冀、长三角、珠三角、淮河流域平原区等区域地下水有机污染调查,主要城市及近郊地区地下水中普遍检测出有毒微量有机污染指标。
目前我国很多城市工业化发展过程中对环境造成影响深远。并且,由于地理位置的关系,城市地下水水位高,浅水含水层地下水极易受到大气沉降、土壤、地表水等的影响。对于地下水环境的保护和污染防治,尤其是浅层地下水,则是较为薄弱。根据目前全国范围内对城市地下水污染情况的调查显示,影响水质的主要指标为一般化学指标,其次为毒性重金属指标。
由于地下含水介质的隐蔽性和埋藏分布的复杂性,地下水污染具有长期性、累积性等特征,且一旦受到污染其治理难度大、周期长。另外,地下水的污染主要由地表污染源、土壤层污染物通过渗透、转移等方式进入地下水,由点状、条带状向面状扩散。所以地下水的污染防治工作应重点关注浅层地下水,识别浅层地下水的主要污染风险来源及污染风险的级别与分区,采取“以防为主、防治结合、防重于治”的防控方针,这是最根本、也是最经济有效的地下水环境保护办法。
因此,针对国家地下水环境保护和污染防治工作的总体要求,结合城市实际需求和具体情况,开展浅层地下水污染风险识别及评估等方面的研究工作,对于有效保护城市浅层地下水环境,推动地下水环境污染防治工作的全面开展,都具有重要的科学价值和实际意义。
地下水污染风险是含水层污染脆弱性与人类活动造成的污染负荷之间相互作用的结果。因此,在地下水污染风险评价中主要考虑两方面:一是表征自然特征的含水层脆弱性评价,即含水层的固有脆弱性评价,以反映地下水***消纳污染物的自净能力;二是表征不同土地利用活动产生不同污染负荷的影响。目前国外在水污染及其脆弱性评估方面,基本采用基于美国环保局提出的DRASTIC方法,主要指标包含7个水文地质参数,分别为地下水埋深D、净补给量R、含水层介质A、土壤带介质S、地形T、包气带介质I以及水力传导***C。然而这种方法,在河网交错密布的平原河网区域,不能完全反应地下水水文地质情况,因此可增加河网相关内容作为脆弱性的又一指标。
目前,国内研究大多局限于地下水的固有脆弱性评价研究。例如,刘淑芬根据地下水水位埋深、包气带粘土厚度以及含水层厚度,对河北平原的地下水防污性能进行了评价;杨庆等应用DRASTIC指标体系法对大连市的地下水易污性进行了评价;朱雪芹等应用DRASTIC方法开展了哈尔滨市地下水的易污性评价。雷静和张忠聪选择了地下水埋深、降雨灌溉入渗补给量、土壤有机质含量、含水层累计砂层厚、地下水开采量和含水层渗透系数6个评价因子,通过数值模拟、主因子分析和GIS技术,应用改进的DRASTIC方法对唐山市平原区地下水脆弱性评价研究,并用地下水中硝酸盐浓度的实际观测数据对评价结果进行了验证。马金珠根据胁迫—应变理论,确定了河川径流中冰雪融水比重、地表径流入渗占地下水补给比例、地下水补给强度、地表水的引用率等10项指标进行定量评价,对干旱区塔里木盆地南缘地下水脆弱性评价进行了探索研究。从评价方法来看,我国开展的地下水脆弱性评价研究多是按DRASTIC的思路,建立指标评价体系,使用专家知识确定各属性的评分体系和权重,应用GIS技术对属性图层进行叠加运算。我国一些学者在地下水脆弱性评价中探索使用模糊理论、数值模拟以及统计学方法。例如,雷静等使用了数值模拟方法确定每个参数的评分体系,并通过主因子分析多元统计的方法形成权重体系。这种将数值模拟与指标体系结合起来的做法,可以尽可能地克服因子评分过程中的主观性。
而对于地下水污染风险评价方面,到目前为止,国内还没有完全统一的认识。地下水污染风险的评价在考虑外界***的协迫影响时,其理论基础主要采用的是属性图层(或指标)的叠加,而属性图层不是简单的叠加关系而是乘积的关系,也就是说,在GIS计算环境下,前者是叠加运算,后者是乘积运算。二者运算结果将会产生很大的差异。对地下水污染风险评价内涵的认识不同,采用的评价框架和指标体系将会有较大差异。总之,地下水污染风险评价应包括水质和水量两个方面,在水质上表现为地下水***抵抗污染的能力,即地下水污染风险评价;在水量上表现为水量变化引起的资源枯竭和一系列水环境负效应,即地下水开发风险评价。
总体来说,虽然国内学者和政府逐渐认识到地下水污染防治工作的重要性,但前期工作主要集中于地下水脆弱性方面,对于地下水污染风险识别和评估尚处于起步阶段,尤其是叠加了地表污染源、人为干扰、地表水等方面的污染风险识别及评估,目前尚没有相关研究报告。
发明内容
有鉴于此,本发明实施例提供了以下的具体技术方案:
首先,本发明提供了一种平原河网区域地下水脆弱性及污染风险评估方法,该方法包括:
步骤一、构建地下水环境本质脆弱性模型;
步骤二、构建地下水特殊脆弱性模型:所述特殊脆弱性模型包括一级指标:地表水系、地下工程;所述一级指标各包含至少一个二级指标;确定步骤二中的各级指标权重,并设定各二级指标的特殊脆弱性指标影响缓冲半径;此处的一级指标也可以进行替换或者增加/减少,本领域技术人员可以依据不同的城市特点进行调整,上述的常规调整,应当视为落入本发明的保护范围之内;
步骤三、基于所述本质脆弱性模型及所述特殊脆弱性模型,计算地下水综合脆弱性;
步骤四、对污染源荷载进行分级,并依据分级赋值,计算地下水污染源荷载;
步骤五、基于所述地下水综合脆弱性及所述地下水污染源荷载,计算地下水污染风险值。
优选地,所述本质脆弱性模型包括目标层、约束层和指标层;所述模型包括7个指标,分别为:地下水位埋深、净补给量、含水层介质、土壤带介质、地形、包气带介质、水力传导***。
优选地,所述步骤二中,所述地表水系包含二级指标:河流水质、河网密度、河流等级;所述地下工程包含二级指标:建设年代、建设深度、防渗等级;所述特殊脆弱性指标影响缓冲半径,即在地下工程和地表水系周边,会受到两者影响的地下水范围。当然,上述二级指标的选取,也可以依据不同城市的不同特点,进行适当的修改或调整,例如加入绿化率、季节因素等等。
优选地,对所述地下工程的二级指标进行分级,对所述地表水系的二级指标进行分类,并基于各二级指标在指标内的相对重要性,赋予评分值。
优选地,分别对所述地下水特殊脆弱性模型中的一级指标、二级指标,设置指标权重。
优选地,基于地表水系的河流等级,以及基于地下工程的防渗措施等级,设置所述缓冲半径。
优选地,所述步骤一进一步包括以下步骤:
步骤101、确定模型指标及模型层次结构,构造判断矩阵,所述判断矩阵中各元素bij表示bi对bj的重要性,评判矩阵满足如下性质:bij>0;bij=1/bji;i=j时,bij=1;
步骤102、确定指标权重:通过判断矩阵计算出最大特征值所对应的特征向量,该特征向量即为本层次因素相对于上一层次中某因素的相对重要性权值:
1)计算判断矩阵每一行元素的乘积Mi:
2)计算Mi的m次方根W’i:
3)对向量W=(W′1,W′2,W′3,…,W′m)T作归一化处理:
W=(W1,W2,W3,…,Wm)T为所求特征向量;
4)计算判断矩阵的最大特征根λmax:
PWi表示向量PW的第i个元素:其中,u11至umn表示重要性标度,即两个元素重要性之比。
5)权重的检验
以上得到的特征向量就是所求的权重,对该权重进行检验,检验公式为:
CR=CI/RI
式中,CR表示判断矩阵的随机一致性比率;CI表示判断矩阵的一般一致性指标;RI表示判断矩阵的平均随机一致性指标;
步骤103、基于城市水文地质条件,进行指标等级划分和赋值。
优选地,所述步骤三进一步包括,所述地下水综合脆弱性采用下式计算:
DI=(DWDR+RWRR+AWAR+SWSR+TWTR+IWIR+CWCR)×(WWWR+GWGR)
式中,下标W代表指标值,下标R代表指标权重;D为地下水位埋深、R为净补给量、A为含水层介质、S为土壤带介质、T为地形、I为包气带介质、C为水力传导***、W为地表水系、G为地下工程。
优选地,所述步骤四进一步包括:
步骤401、计算单个污染源荷载的风险指标,采用如下公式:
P=T×L×Q
式中,P表示污染源荷载的风险指数,T表示污染物毒性,L表示污染源释放可能性,Q表示可能释放污染物的量;
步骤402、确定具体的污染源,以及各污染源的权重;
步骤403、依据单个污染源的计算结果,通过迭加,获得综合污染源荷载指数,其计算方法如下:
PI=∑Wi×Pi
式中,PI表示污染源荷载综合指数,Wi表示第i类污染源类型的权重,Pi表示第i类污染源的荷载。
优选地,所述步骤五进一步包括:基于所述地下水综合脆弱性及所述地下水污染源荷载,进行等级划分及赋值,并基于上述等级划分及赋值,计算地下水污染风险防控值,其计算方法如下:
R=PIi×DIi
式中,R表示评价区的地下水污染风险防控值,PIi表示污染源荷载综合指数等级赋值,DIi表示脆弱性综合指数等级赋值。
优选地,基于所述地下水污染风险防控值,依据等间距法,进行区间划分,依据所述区间,确定特定地下水污染风险防控值对应地区的风险等级。更为优选地,计算出的污染防控值,按照等间距法划分为高、较高、中、较低、低五个等级,即为确定的地下水污染风险的高、较高、中、较低、低等级和分区,并可将分区结果在GIS环境下编辑成图。
其次,本发明还提供了一种平原河网区域地下水脆弱性及污染风险评估***,该***可以结合上述任意一优选的平原河网区域地下水脆弱性及污染风险评估方法,该***包括:
指标数据录入模块,用于录入各项指标数据,所述指标数据包括地下水环境本质脆弱性指标数据、地下水特殊脆弱性指标数据、污染源荷载风险指标;
分级模块,用于预存地下水污染风险等级分级数据、污染源荷载分级数据、地下水环境本质脆弱性指标分级数据;
地下水污染风险计算模块,用于依据所述各项指标数据,计算地下水污染风险防控值,并结合所述分级模块中的地下水污染风险等级分级数据,计算地下水污染风险防控值对应地区的风险等级;
显示模块,用于结合GIS数据,将所述地下水污染风险计算模块的计算结果编辑成图,并进行展示。
优选地,所述地下水污染风险计算模块进一步包括:
地下水环境本质脆弱性模块,用于依据所述地下水环境本质脆弱性指标数据,计算地下水环境本质脆弱性;
地下水特殊脆弱性模块,用于依据所述地下水特殊脆弱性指标数据,计算地下水特殊脆弱性;
地下水综合脆弱性模块,用于基于所述地下水环境本质脆弱性和地下水特殊脆弱性,计算地下水综合脆弱性;
地下水污染源荷载模块,用于依据污染源荷载风险指标,计算地下水污染源荷载。
优选地,所述地下水环境本质脆弱性指标包括:地下水位埋深、净补给量、含水层介质、土壤带介质、地形、包气带介质、水力传导***;
所述地下水特殊脆弱性指标包括一级指标:地表水系、地下工程,以及多个二级指标。
与现有技术相比,本发明技术方案具有如下有点:本发明的技术方案弥补了现有技术在地下水污染风险评价方法方面的不足,将属性图层的计算方法与GIS信息计算方法有效地进行了结合,从而可以在GIS环境下,直接对污染风险评估结果进行数据合并和展示,大大增强了实用性;并且,本发明的技术方案还提出了特殊脆弱性计算与本质脆弱性计算相结合的方法,有效克服了现有的地下水脆弱性计算方法中无法客观有效地计算特定地区地下水脆弱性的缺陷。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例的地下水环境脆弱性层次分析模型结构;
图2为本发明实施例的孔隙潜水综合脆弱性计算方法示意图;
图3为本发明实施例的污染源荷载评估指标体系;
图4为本发明实施例的地下水污染风险评估方法示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。应当明确,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本领域技术人员应当知晓,下述具体实施例或具体实施方式,是本发明为进一步解释具体的发明内容而列举的一系列优化的设置方式,而该些设置方式之间均是可以相互结合或者相互关联使用的,除非在本发明明确提出了其中某些或某一具体实施例或实施方式无法与其他的实施例或实施方式进行关联设置或共同使用。同时,下述的具体实施例或实施方式仅作为最优化的设置方式,而不作为限定本发明的保护范围的理解。
实施例1:
以下实施例为本发明的平原河网区域地下水脆弱性及污染风险评估方法的一个较为优选的实施例,其仅作为一优选方法用于进一步详细阐述本发明的思路,而不作为本发明具体保护范围的限定理解。本领域技术人员应当明了,其中尤其是涉及到风险的等级划分或加权计算方法,是可以依据例如神经网络等机器学习方法,依据历史数据建立模型的方式进行计算的,此处不再赘述。
一、建立地下水脆弱性模型
模型包括7个参数,分别为地下水位埋深(D)、净补给量(R)、含水层介质(A)、土壤带介质(S)、地形(T)、包气带介质(I)、水力传导***(C),对于7个不同的指标,计算地下水的本质脆弱性,首先要确定各指标的权重。权重反映各评估指标对地下水脆弱性的影响程度,权重越大,表明该指标对地下水脆弱性的相对影响越大,该指标在判断地下水脆弱性时贡献越大。根据区域特征选取适当合理的权重是很有必要的。本研究推荐选取层次分析法确定各指标的权重。
设地下水环境脆弱性评估标准有p个评估等级,在评估区内共有n个控制点,每个控制点要考虑的一级因素有m个,每个一级因素又有Ki(i=1,2,3,…,m)个二级因素。可构建三层层次结构模型:目标层(脆弱性)-约束层(一级评估因素)-指标层(二级评估因素)。模型结构如图1所示,其中目标层即A层,约束层即C1至Cm层,指标层即C11至C1k1、C21至C2k2、Cm1至Cmkm。
具体步骤如下:
(1)构造判断矩阵
按各个指标的影响大小,把评估指标集合内的评判指标进行两两比较,并赋予一定的确定值,用bij表示bi对bj的重要性,本发明采用如表1所示的1至9比例标度规则。评判矩阵具有如下性质:bij>0;bij=1/bji;i=j时,bij=1。
表1
(2)权重确定方法
通过判断矩阵计算出最大特征值所对应的特征向量,该特征向量即为本层次因素相对于上一层次中某因素的相对重要性权值。
1)计算判断矩阵每一行元素的乘积Mi:
2)计算Mi的m次方根W’i:
3)对向量W=(W′1,W′2,W′3,…,W′m)T作归一化处理:
W=(W1,W2,W3,…,Wm)T为所求特征向量
4)计算判断矩阵的最大特征根λmax:
PWi表示向量PW的第i个元素:其中,u11至umn表示重要性标度,即两个元素重要性之比。
5)权重的检验
以上得到的特征向量就是所求的权重,为了检验所得之权重是否合理,还需要对判断矩阵进行一致性检验,检验公式为:
CR=CI/RI
式中,CR表示判断矩阵的随机一致性比率;CI表示判断矩阵的一般一致性指标;RI表示判断矩阵的平均随机一致性指标。RI由大量试验给出,对于低阶判断矩阵,RI取值列于表2:
表2
阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
RI | 0.00 | 0.00 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
对于高于12阶的判断矩阵,需要进一步查资料或采用近似方法。当阶数≤2时,矩阵总有完全一致性;当阶数大于2时,如果CR<0.1,即认为判断矩阵具有满意的一致性,说明权数分配是合理的;否则,就需要调整判断矩阵,直到取得满意的一致性为止。
(3)各指标权重的确定
根据上述权重确定方法,计算所得本质脆弱性的建议权重见表3:
表3
指标 | D | R | A | S | T | I | C |
权重 | 5 | 4 | 3 | 2 | 1 | 5 | 3 |
指标等级划分和赋值
对各评估指标的等级划分及赋值,结果如表4:
表4
二、地下水脆弱性体系建立:
(1)指标选取
地下水特殊脆弱性(Groundwater Specific Vulnerability)指地下水对特定的污染物或人类活动所表现出的敏感属性。它与污染源和人类活动有关,是动态、可变和人为可控制的。对于城市化程度高、河网密布的城市而言,地下水的特殊脆弱性主要考虑河网水系和地下工程对浅层地下水的影响。一方面,密布的河网水系,与周边浅层地下水存在密切的联系,河流、湖泊地表水水质情况会通过连通和交换作用,影响附近区域地下水;另一方面,密布、发达的地下工程和地下空间开发,会改变区域的局部地下空间结构,会对区域浅层地下水的水文地质条件造成不同程度的影响,从而进一步影响地下水环境质量。
因此,本发明研究对于地下水的特殊脆弱性,主要考虑地表水系和地下工程两方面。主要考虑指标如表5所示
表5
(2)指标赋值及权重确定
地下水特殊脆弱性的两个一级指标——地表水系(W)和地下工程(G),分别考虑了不同的二级指标,包括河流水质(WQ)、河网密度(WM)、地下工程建设年代(GY)、地下工程建设深度(GL)、地下工程防渗措施(GF)等。对这些指标进行分级分类,并根据其在指标内的相对重要性赋予评分,评分范围均为1~10。评分结果赋值见表6:
表6
按照层次分析法,确定特殊脆弱性各二级指标和一级指标的权重,如表7:
表7
(3)特殊脆弱性指标地下水影响推荐缓冲半径
特殊脆弱性指标影响地下水环境质量,主要考虑城市水文地质条件特征因素,影响范围和程度都会有一定限制,因此考虑确定特殊脆弱性指标地下水影响的缓冲半径,即在地下工程和地表水系周边,可能会受到两者影响的地下水范围。而直接影响范围的因素主要是河流的等级(WJ)和地下工程的防渗等级(GF)。推荐地下水影响的缓冲半径如表8:
表8
地下水综合脆弱性计算
在地下水本质脆弱性和特殊脆弱性计算的基础上,两者叠加即可得到区域的地下水综合脆弱性。其叠加方式如图2。
区域综合脆弱性指数(DI)具体计算公式如下:
DI=(DWDR+RWRR+AWAR+SWSR+TWTR+IWIR+CWCR)×(WWWR+GWGR)
式中下标W代表指标值,下标R代表指标权重。
根据上式即可计算出区域的地下水综合脆弱性指数DI值,DI值越高,表示地下水脆弱性越高,DI值越低,即地下水越脆弱。可将计算出的DI值进行指数等级划分,例如分成5级,即将该区域地下水脆弱性分成5级,分别为低、较低、中等、较高和高,并在GIS环境下编辑得出趋于地下水综合脆弱性等级分区图。
三、地下水污染源荷载评估方法体系
评估模型及其指标体系
污染载荷评估,即对人类活动和各种污染源污染地下水的可能性及负荷量的评估。污染载荷风险是指各种污染源对地下水产生污染的可能性。它取决于人为污染源的类型、位置、规模以及污染物的迁移转化规律等。从污染源本身的污染特性来说,污染载荷等级主要取决于污染的可能性和污染的严重性两个方面。污染的可能性指污染源产生的污染物到达地下水并且污染地下水的概率,包括污染源种类、排放方式、排放量、特征污染物类别和性质、排放规模以及防护措施等,污染物的存在形式、迁移性、衰减特征以及毒性等。
区域内工业、农业、生活等地表人为污染源可能通过多种途径入渗、越流而进入地下水,尤其是浅层地下水,使地下水遭受到污染的可能性大大增加。因此,必须首先全面摸清研究区域内地表污染源的种类、特征及性质,然后通过建立的污染源荷载评估指标体系,评估地下水受污染源污染风险的高低。
评估体系主要包括单个污染源荷载风险评估指标和污染源荷载综合评估。
(1)单个污染源荷载风险等级划分
单个污染源荷载风险评估的指标体系如图3所示,其计算方法及计算公式如下:
P=T×L×Q
式中,P表示污染源荷载风险指数,T表示污染物毒性,L表示污染源释放可能性,Q表示可能释放污染物的量。
将单个污染源风险按公式P=T×L×Q进行计算,计算结果P值由大到小排列,根据取值范围分为低、较低、中等、较高、高5个等级,在GIS环境下编辑得出每一类污染源的荷载风险等级分区图。
(2)污染源及权重确定
引起地下水污染的各种物质的来源称为地下水污染源。污染源的各种特征,包括污染源种类、排放方式、排放量、特征污染物类别和性质、排放规模以及防护措施等,污染物的存在形式、迁移性、衰减特征以及毒性等。
污染源按其形成原因可分为自然污染源和人为污染源,如表9所示。
表9
按产生污染物的行业(部门)或活动可划分为工业污染源、农业污染源、生活污染源和区域性水体污染源。这种分类方法便于掌握地下水的污染特征。按污染源的空间分布特征可分为点状污染源、带状污染源和面状污染源。这种分类方法便于评估和预测地下水的污染范围。
按照上述污染源分类及造成地下水污染的主要原因,结合污染源造成地下水污染的可能性,地下水重点污染源可主要包括工业污染源、矿山开采区、危险废物处置场、垃圾填埋场、加油站、农业污染源和高尔夫球场等。而对于上海区域,没有矿山开采区,因此上海的地下水重点污染源主要包括6大类,即工业污染源、危险废物处置场、垃圾填埋场、加油站、农业污染源(畜禽养殖场)和高尔夫球场。
针对各类污染源的特征,采用层次分析法来确定各污染源的权重,结果如表10所示。
表10
评估因子 | 工业 | 垃圾填埋场 | 危废处置场 | 加油站 | 畜禽养殖场 | 高尔夫 |
权重 | 5 | 3 | 2 | 3 | 4 | 1 |
(3)综合污染源荷载评估方法
依据各单个污染源计算结果,迭加形成综合污染源荷载指数。综合荷载指数计算公式如下:
PI=∑Wi×Pi
式中,PI表示污染源荷载综合指数,Wi表示第i类污染源类型的权重(见表10),Pi表示第i类污染源的荷载。PI值越大,表明污染源荷载越大。
将计算所得的地下水综合污染源荷载指数(PI)进行分级,一般划分成五级,按污染源荷载等级由高到低依次为划分高、较高、中等、较低、低,在GIS环境下编辑得出地下水污染源荷载评估综合分区图。
污染源荷载分级及赋值
(1)污染物毒性
污染物的毒性考虑污染物的物理化学性质、降解、迁移性等因素,与受体的致癌或非致癌风险直接相关,因此筛选和识别有毒、致癌风险较高的污染物是毒性指标评估的基础。在污染物指标明确的情况下,优先采用表11的毒性评分,存在多种污染物时一般取毒性最高的T作为计算值;若无法确定污染物指标时,采用表12进行计算。
缓冲区半径是指在污染源占地面积的基础上污染物可能迁移扩散的半径范围,主要与污染物类型有关。一般情况,本指南假定污染源处毒性最高,沿缓冲区半径逐渐降低至0。
表11
表12
(2)污染源释放可能性
污染源释放可能性与其防护措施有着密切关系。一般情况下,有防护措施且存在年限时间较短,污染源释放可能性较低;若由于时间久、防护措施维护不当等原因,污染源释放可能性会增加;若未采取任何防护措施,污染源释放可能性认定为1,评分标准见表13。
表13
(3)可能释放污染物的量
可能释放污染物的量与污染源规模、污染物排放量等因素相关,污染源规模越大,污染物排放量越高,则可能释放到地下水中污染物的量越大,分级及评分标准见表14。
表14
四、地下水污染风险评估
根据城市的地下水水文地质、功能价值和重点污染源特征,在确定地下水综合脆弱性、综合污染源荷载评估计算方法的基础上,计算出评估范围的地下水污染源荷载(PI)、脆弱性(DI)的评分结果,采用各个等级赋值(PIi、DIi),计算得出不同区域的地下水污染风险防控值(R),具体方法见图4,公式如下:
R=PIi×DIi
式中,R表示评价区的地下水污染风险防控值,PIi表示污染源荷载综合指数等级赋值,DIi表示脆弱性综合指数等级赋值。计算出的污染防控值,按照等间距法划分为高、较高、中、较低、低五个等级,即为确定的地下水污染风险的高、较高、中、较低、低等级和分区,并可将分区结果在GIS环境下编辑成图。
实施例2:
除上述实施例1之外,本发明还提供了本发明还提供了一种平原河网区域地下水脆弱性及污染风险评估***,该***可以结合上述实施例1中的平原河网区域地下水脆弱性及污染风险评估方法,该***包括:
指标数据录入模块,用于录入各项指标数据,所述指标数据包括地下水环境本质脆弱性指标数据、地下水特殊脆弱性指标数据、污染源荷载风险指标;
分级模块,用于预存地下水污染风险等级分级数据、污染源荷载分级数据、地下水环境本质脆弱性指标分级数据;
地下水污染风险计算模块,用于依据所述各项指标数据,计算地下水污染风险防控值,并结合所述分级模块中的地下水污染风险等级分级数据,计算地下水污染风险防控值对应地区的风险等级;
显示模块,用于结合GIS数据,将所述地下水污染风险计算模块的计算结果编辑成图,并进行展示。
在一个具体的实施方式中,所述地下水污染风险计算模块进一步包括:
地下水环境本质脆弱性模块,用于依据所述地下水环境本质脆弱性指标数据,计算地下水环境本质脆弱性;
地下水特殊脆弱性模块,用于依据所述地下水特殊脆弱性指标数据,计算地下水特殊脆弱性;
地下水综合脆弱性模块,用于基于所述地下水环境本质脆弱性和地下水特殊脆弱性,计算地下水综合脆弱性;
地下水污染源荷载模块,用于依据污染源荷载风险指标,计算地下水污染源荷载。
在一个具体的实施方式中,所述地下水环境本质脆弱性指标包括:地下水位埋深、净补给量、含水层介质、土壤带介质、地形、包气带介质、水力传导***;
所述地下水特殊脆弱性指标包括一级指标:地表水系、地下工程,以及多个二级指标。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种平原河网区域地下水脆弱性及污染风险评估方法,其特征在于,所述方法包括:
步骤一、构建地下水环境本质脆弱性模型;
步骤二、构建地下水特殊脆弱性模型:所述特殊脆弱性模型包括一级指标:地表水系、地下工程;所述一级指标各包含至少一个二级指标;确定步骤二中的各级指标权重,并设定各二级指标的特殊脆弱性指标影响缓冲半径;
步骤三、基于所述本质脆弱性模型及所述特殊脆弱性模型,计算地下水综合脆弱性,所述地下水综合脆弱性采用下式计算:
DI=(DWDR+RWRR+AWAR+SWSR+TWTR+IWIR+CWCR)×(WWWR+GWGR)
式中,下标W代表指标值,下标R代表指标权重;D为地下水位埋深、R为净补给量、A为含水层介质、S为土壤带介质、T为地形、I为包气带介质、C为水力传导***、W为地表水系、G为地下工程;
步骤四、对污染源荷载进行分级,并依据分级赋值,计算地下水污染源荷载;
步骤五、基于所述地下水综合脆弱性及所述地下水污染源荷载,计算地下水污染风险值;
所述步骤一进一步包括以下步骤:
步骤101、确定模型指标及模型层次结构,构造判断矩阵,所述判断矩阵中各元素bij表示bi对bj的重要性,评判矩阵满足如下性质:bij>0;bij=1/bji;i=j时,bij=1;
步骤102、确定指标权重:通过判断矩阵计算出最大特征值所对应的特征向量,该特征向量即为本层次因素相对于上一层次中某因素的相对重要性权值:
1)计算判断矩阵每一行元素的乘积Mi:
2)计算Mi的m次方根W’i:
3)对向量W=(W′1,W′2,W′3,…,W′m)T作归一化处理:
W=(W1,W2,W3,…,Wm)T为所求特征向量;
4)计算判断矩阵的最大特征根λmax:
PWi表示向量PW的第i个元素:其中,u11至umn表示重要性标度,即两个元素重要性之比;
5)权重的检验
以上得到的特征向量就是所求的权重,对该权重进行检验,检验公式为:
CR=CI/RI
式中,CR表示判断矩阵的随机一致性比率;CI表示判断矩阵的一般一致性指标;RI表示判断矩阵的平均随机一致性指标;
步骤103、基于城市水文地质条件,进行指标等级划分和赋值;
所述步骤二中,所述地表水系包含二级指标:河流水质、河网密度、河流等级;所述地下工程包含二级指标:建设年代、建设深度、防渗等级;
所述特殊脆弱性指标影响缓冲半径,即在地下工程和地表水系周边,会受到两者影响的地下水范围,基于地表水系的河流等级,以及基于地下工程的防渗措施等级,设置所述缓冲半径;
所述特殊脆弱性指标影响缓冲半径,即在地下工程和地表水系周边,会受到两者影响的地下水范围。
2.根据权利要求1所述的方法,其特征在于,对所述地下工程的二级指标进行分级,对所述地表水系的二级指标进行分类,并基于各二级指标在指标内的相对重要性,赋予评分值。
3.根据权利要求1所述的方法,其特征在于,分别对所述地下水特殊脆弱性模型中的一级指标、二级指标,设置指标权重。
4.根据权利要求1所述的方法,其特征在于,所述步骤四进一步包括:
步骤401、计算单个污染源荷载的风险指标,采用如下公式:
P=T×L×Q
式中,P表示污染源荷载的风险指数,T表示污染物毒性,L表示污染源释放可能性,Q表示可能释放污染物的量;
步骤402、确定具体的污染源,以及各污染源的权重;
步骤403、依据单个污染源的计算结果,通过迭加,获得综合污染源荷载指数,其计算方法如下:
PI=∑Wi×Pi
式中,PI表示污染源荷载综合指数,Wi表示第i类污染源类型的权重,Pi表示第i类污染源的荷载。
5.根据权利要求1所述的方法,其特征在于,所述步骤五进一步包括:基于所述地下水综合脆弱性及所述地下水污染源荷载,进行等级划分及赋值,并基于上述等级划分及赋值,计算地下水污染风险防控值,其计算方法如下:
R=PIi×DIi
式中,R表示评价区的地下水污染风险防控值,PIi表示污染源荷载综合指数等级赋值,DIi表示脆弱性综合指数等级赋值。
6.根据权利要求5所述的方法,其特征在于,基于所述地下水污染风险防控值,依据等间距法,进行区间划分,依据所述区间,确定特定地下水污染风险防控值对应地区的风险等级。
7.一种平原河网区域地下水脆弱性及污染风险评估***,其特征在于,所述***包括:
指标数据录入模块,用于录入各项指标数据,所述指标数据包括地下水环境本质脆弱性指标数据、地下水特殊脆弱性指标数据、污染源荷载风险指标;
分级模块,用于预存地下水污染风险等级分级数据、污染源荷载分级数据、地下水环境本质脆弱性指标分级数据;
地下水污染风险计算模块,用于依据所述各项指标数据,计算地下水污染风险防控值,并结合所述分级模块中的地下水污染风险等级分级数据,计算地下水污染风险防控值对应地区的风险等级;
显示模块,用于结合GIS数据,将所述地下水污染风险计算模块的计算结果编辑成图,并进行展示;
所述地下水污染风险计算模块包括:地下水环境本质脆弱性模块,用于依据所述地下水环境本质脆弱性指标数据,计算地下水环境本质脆弱性,所述计算地下水环境本质脆弱性基于地下水环境本质脆弱性模型进行,地下水环境本质脆弱性模型通过以下方式建立:
(1)确定模型指标及模型层次结构,构造判断矩阵,所述判断矩阵中各元素bij表示bi对bj的重要性,评判矩阵满足如下性质:bij>0;bij=1/bji;i=j时,bij=1;
(2)确定指标权重:通过判断矩阵计算出最大特征值所对应的特征向量,该特征向量即为本层次因素相对于上一层次中某因素的相对重要性权值:
1)计算判断矩阵每一行元素的乘积Mi:
2)计算Mi的m次方根W’i:
3)对向量W=(W′1,W′2,W′3,…,W′m)T作归一化处理:
W=(W1,W2,W3,…,Wm)T为所求特征向量;
4)计算判断矩阵的最大特征根λmax:
PWi表示向量PW的第i个元素:其中,u11至umn表示重要性标度,即两个元素重要性之比;
5)权重的检验
以上得到的特征向量就是所求的权重,对该权重进行检验,检验公式为:
CR=CI/RI
式中,CR表示判断矩阵的随机一致性比率;CI表示判断矩阵的一般一致性指标;RI表示判断矩阵的平均随机一致性指标;
(3)基于城市水文地质条件,进行指标等级划分和赋值;
所述地下水污染风险计算模块还包括:
地下水特殊脆弱性模块, 用于依据所述地下水特殊脆弱性指标数据,计算地下水特殊脆弱性,所述地下水综合脆弱性采用下式计算:
DI=(DWDR+RWRR+AWAR+SWSR+TWTR+IWIR+CWCR)×(WWWR+GWGR)
式中,下标W代表指标值,下标R代表指标权重;D为地下水位埋深、R为净补给量、A为含水层介质、S为土壤带介质、T为地形、I为包气带介质、C为水力传导***、W为地表水系、G为地下工程;
地下水综合脆弱性模块,用于基于所述地下水环境本质脆弱性和地下水特殊脆弱性,计算地下水综合脆弱性;所述地下水特殊脆弱性指标包括一级指标:地表水系、地下工程;
地下水污染源荷载模块,用于依据污染源荷载风险指标,计算地下水污染源荷载。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710322248.3A CN107145672B (zh) | 2017-05-09 | 2017-05-09 | 平原河网区域地下水脆弱性及污染风险评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710322248.3A CN107145672B (zh) | 2017-05-09 | 2017-05-09 | 平原河网区域地下水脆弱性及污染风险评估方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107145672A CN107145672A (zh) | 2017-09-08 |
CN107145672B true CN107145672B (zh) | 2021-02-19 |
Family
ID=59776824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710322248.3A Active CN107145672B (zh) | 2017-05-09 | 2017-05-09 | 平原河网区域地下水脆弱性及污染风险评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107145672B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107525907B (zh) * | 2017-10-16 | 2019-12-31 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
CN108764703A (zh) * | 2018-05-24 | 2018-11-06 | 北京建筑大学 | 海绵城市建设项目效益评估方法及装置 |
CN110955973B (zh) * | 2019-11-29 | 2021-09-28 | 中国科学院地理科学与资源研究所 | 一种硝酸盐输移概率评估方法、存储介质及电子设备 |
CN113435713B (zh) * | 2021-06-08 | 2024-02-23 | 广东省国际工程咨询有限公司 | 基于gis技术和两模型融合的风险地图编制方法及*** |
CN113379261B (zh) * | 2021-06-17 | 2023-06-06 | 上海市环境科学研究院 | 一种污染场地土壤地下水污染风险管控技术方法 |
CN113421023A (zh) * | 2021-07-15 | 2021-09-21 | 上海市环境科学研究院 | 一种农田土壤生态***健康评价方法及*** |
CN114925554B (zh) * | 2022-07-22 | 2022-10-21 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种北方岩溶发育带地下水补给径流区污染控制模拟方法 |
CN115389742A (zh) * | 2022-10-26 | 2022-11-25 | 张家港市东大工业技术研究院 | 一种用于水域污染的监控数据分析*** |
CN117933720A (zh) * | 2024-01-31 | 2024-04-26 | 江苏省环境科学研究院 | 一种硝酸盐的地下水风险评估方法 |
-
2017
- 2017-05-09 CN CN201710322248.3A patent/CN107145672B/zh active Active
Non-Patent Citations (3)
Title |
---|
区域地下水污染风险评价方法研究;杨彦等;《环境科学》;20130215;第34卷(第2期);第653页至第660页 * |
成都市某垃圾填埋现场及其周边地区地下水污染风险评价;何佼;《中国优秀硕士学位论文全文数据库工程科技I辑》;20160415;第21页至28页、第30页至34页 * |
水资源脆弱性及其定量评价;刘绿柳;《水土保持通报》;20020428;第22卷(第2期);第41页至第44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107145672A (zh) | 2017-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145672B (zh) | 平原河网区域地下水脆弱性及污染风险评估方法及*** | |
Rahmat et al. | Landfill site selection using GIS and AHP: a case study: Behbahan, Iran | |
Shrestha et al. | Evaluation of index-overlay methods for groundwater vulnerability and risk assessment in Kathmandu Valley, Nepal | |
Huan et al. | Assessment and validation of groundwater vulnerability to nitrate based on a modified DRASTIC model: a case study in Jilin City of northeast China | |
Jafari et al. | Groundwater risk assessment based on optimization framework using DRASTIC method | |
Sadat-Noori et al. | Groundwater vulnerability assessment in agricultural areas using a modified DRASTIC model | |
WO2019076078A1 (zh) | 地下水污染监测网多目标优化方法 | |
van Beynen et al. | Comparative study of specific groundwater vulnerability of a karst aquifer in central Florida | |
CN105654236B (zh) | 一种地下水型饮用水水源地污染风险评价方法 | |
CN105184095A (zh) | 一种地下水污染源强评价方法 | |
Braghina et al. | Territorial management within the systems affected by mining. Case study the South-Western Development Region in Romania | |
CN111882243A (zh) | 一种喀斯特地区国土空间开发适宜性评价方法及*** | |
CN105427013A (zh) | 一种地下水污染源强评价方法 | |
Kang et al. | Groundwater vulnerability assessment based on modified DRASTIC model: a case study in Changli County, China | |
Berhe Zenebe et al. | Spatial analysis of groundwater vulnerability to contamination and human activity impact using a modified DRASTIC model in Elalla-Aynalem Catchment, Northern Ethiopia | |
Canion et al. | Predictive modeling of elevated groundwater nitrate in a karstic spring-contributing area using random forests and regression-kriging | |
Zhang et al. | A GIS-based LVF model for semiquantitative assessment of groundwater pollution risk: a case study in Shenyang, NE China | |
Vivek et al. | Study on groundwater pollution and its human impact analysis using geospatial techniques in semi-urban of south India | |
CN111612360A (zh) | 一种地下水潜在污染风险源识别方法 | |
Bonfanti et al. | Using statistical analyses for improving rating methods for groundwater vulnerability in contamination maps | |
Stevenazzi et al. | Groundwater vulnerability assessment: from overlay methods to statistical methods in the Lombardy Plain area= La valutazione della vulnerabilità degli acquiferi: dai metodi a zonazione omogenea ai metodi statistici nell’area di pianura lombarda | |
Dasgupta et al. | Identifying desertification risk areas using fuzzy membership and geospatial technique–A case study, Kota District, Rajasthan | |
Marjuanto et al. | Mapping of groundwater vulnerability index in the alluvial plain of Semarang city using the susceptibility index method | |
Ramaraju et al. | Groundwater vulnerability Assessment by DRASTIC method using GIS | |
Abad et al. | Assessment of groundwater vulnerability and sensitivity to Pollution in Aquifers Zanjan Plain, Iran |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |