CN110009226B - 一种场地污染风险等级评测及敏感受体影响识别*** - Google Patents
一种场地污染风险等级评测及敏感受体影响识别*** Download PDFInfo
- Publication number
- CN110009226B CN110009226B CN201910266822.7A CN201910266822A CN110009226B CN 110009226 B CN110009226 B CN 110009226B CN 201910266822 A CN201910266822 A CN 201910266822A CN 110009226 B CN110009226 B CN 110009226B
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- site
- sensitive
- influence
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 65
- 230000007613 environmental effect Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 34
- 239000003651 drinking water Substances 0.000 claims description 36
- 238000009826 distribution Methods 0.000 claims description 35
- 235000020188 drinking water Nutrition 0.000 claims description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 21
- 239000003344 environmental pollutant Substances 0.000 claims description 21
- 231100000719 pollutant Toxicity 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 16
- 229910001385 heavy metal Inorganic materials 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 235000012206 bottled water Nutrition 0.000 claims description 3
- 238000011109 contamination Methods 0.000 claims description 3
- 238000012272 crop production Methods 0.000 claims description 3
- 239000010793 electronic waste Substances 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 239000005416 organic matter Substances 0.000 claims description 3
- 238000000547 structure data Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims 1
- 238000012732 spatial analysis Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000012502 risk assessment Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005067 remediation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 231100000290 environmental risk assessment Toxicity 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种场地污染风险等级评测及敏感受体影响识别***,包括空间数据采集模块、污染场地风险等级识别模块、敏感受体影响风险识别模块、污染场地环境影响风险等级识别模块。该发明服务于场地污染潜在风险识别和敏感受体风险评估等工作,并可以测算不同类型污染场地对不同类型敏感受体的影响风险以及场地污染对环境影响的综合风险。本发明实现了污染场地环境影响风险性识别和污染场地环境影响实时风险管控,具有实用性强的特点,在大数据支持下的以污染场地管理为目标的可视化空间决策提供支持功能。
Description
技术领域
本发明涉及一种场地污染风险等级评测及敏感受体影响识别***,属于生态环境保护行业应用的遥感和地理信息技术应用领域,重点解决在污染场地管理工作中,服务于划定场地污染风险等级并测算污染场地环境影响风险性的综合效应,在当前污染场地管理、测绘与地理信息和生态环境保护领域具有广泛而急迫的应用需求。
背景技术
近年来在场地信息收集、污染调查以及法规建设方面已经有了长足的进步,但当前大量场地处于高风险状态,在土地用途转换以及二次开发利用过程中尚缺乏有效监管,严重威胁着人居环境安全和公众健康,环境隐患尤为突出初步估计,我国各类工业污染场地至少以数十万计,多数分布在经济发达地区和老工业基地。根据《中国环境年鉴》统计,仅1998~2009年我国关停并转迁企业总数累积就达到15.5万之多。污染场地扩张带来诸多环境问题,对粮食、人口、生态***生产力等造成诸多负面影响。2015年8月12日23:30左右,位于天津市滨海新区天津港的瑞海公司危险品仓库发生火灾***事故,由于其仓库位置不符合经营危险化学品仓储地点违反安全距离规定,距离居民点距离小于规定距离,给周边居民生命财产安全造成巨大损失。加强污染场地管控,分析其环境影响风险性,在当前污染场地管理、测绘与地理信息和生态环境保护领域具有广泛而急迫的应用需求。
中国专利公报公开显示,“污染场地”正成为专利授权的热点领域和新兴方向。如“一种南方地区重金属污染场地的评估方法”(公开号CN108229846A、公开日2018年6月29日),“一种模拟场地污染原位修复的综合处理装置”(公开号CN208033277U、公开日2018年11月2日),“化工污染场地修复方法”(公开号CN108687131A、公开日2018年10月23日),“一种典型石油烃污染场地土壤和地下水采样方法”(公开号CN108507813A、公开日2018年9月7日)等近期一批专利取得授权。但是,这些发明专利主要集中于针对某种具体类型的污染场地修复工作,较少有针对污染场地环境影响分析方面的相关专利,难以满足污染场地现状评估、风险识别和规划设计的应用需求。因此,针对污染场地环境影响分析方面的专利相对较少。
当前污染场地环境风险性识别整个过程中存在如下关键困难:(1)规划科学有效,能够有可视化的精细化交互地图支持实现空间针对性举措的合理设计;(2)成效可检测,能够提供一个对工程建设的成效可以实时监测,及时发现和纠正建设中存在的问题;(3)需要统筹污染场地对不同类型受体敏感风险,并评估其影响。
为解决上述问题,本发明提出了针对污染风险等级评测的一系列数据和算法;而且提出了针对不同敏感受体的环境风险评估方法,对于整体认识污染场地环境风险影响提供科学依据,构建了一套用户界面友好、灵活操作和高精度数据支持的空间决策支持***。
发明内容
本发明技术解决问题:克服现有技术的不足,提供一种场地污染风险等级评测及敏感受体影响识别***,实现了污染场地环境影响风险性识别和污染场地环境影响实时风险管控,具有实用性强的特点,在大数据支持下的以污染场地管理为目标的可视化空间决策提供支持功能。
本发明所采用的技术方案为:
本发明一种场地污染风险等级评测及敏感受体影响识别***,包括:空间数据采集模块、污染场地风险等级识别模块、敏感受体影响风险识别模块和污染场地环境影响风险等级识别模块;其中:
空间数据采集模块,获取不同类型的污染场地的空间分布数据、不同类型敏感受体空间分布数据;不同类型的污染场地类型的划分,从污染物角度,污染场地包括重金属污染场地、有机物污染场地和电子废弃物污染场地;从用地类型角度划分,污染场地包括:工业企业场地、加油站、矿区用地、填埋场和尾矿库用地;不同类型敏感受体空间分布数据包括:敏感人口空间分布数据、耕地产能空间分布数据和水源地空间分布数据;
污染场地风险等级识别模块,根据空间数据采集模块获取的不同类型污染场地的空间分布数据,利用地理信息***空间分析方法计算不同类型的污染场地的风险指数。首先,根据污染物类型,确定污染物的污染半径;然后,利用GIS空间分析中的缓冲区分析方法,根据污染半径建立缓冲区,以缓冲区范围为污染物的污染范围,并以距离污染场地范围的中心点距离为指标,距离越近则风险越高,制备污染场地风险性指数数据;最后,基于污染场地风险指数,利用基于自然间断点分级的数据标准分类方法,对风险指数进行分级,得到不同的风险等级,对污染场地划分风险等级区域;
敏感受体影响风险识别模块,根据空间数据采集模块获取的不同类型敏感受体空间分布数据,依据不同类型敏感受体的自身脆弱性因素确定不同类型敏感受体影响评价指标,自身脆弱性因素即对于相同污染,敏感受体本身特征的差异不同所具有的风险性也是不同的,就人口来说,对于同一污染暴露,老年、儿童和青壮年人口所具有的风险存在差异;所述评价指标包括:敏感受体规模、距污染场地远近;依据所述评价指标,将污染场地的本身危险性与敏感受体的脆弱性综合考虑,即将敏感受体的风险性视为由污染场地的危险性及敏感受体的自身脆弱性共同决定,计算生成不同类型敏感受体的影响风险指数,并将风险指数作为不同类型敏感受体的影响风险评价因子数据,包括:敏感人群的影响风险评价因子数据、粮食安全的影响风险评价因子数据和对饮用水源地的影响风险评价因子数据;
污染场地环境影响风险等级识别模块,基于污染场地风险等级识别模块得到的污染场地的风险性指数数据和敏感受体影响风险识别模块得到的不同类型敏感受体的影响风险评价因子数据,进行污染场地的环境影响风险等级识别;首先,进行单指标,即污染场地对某一单个敏感受体污染场地的环境影响风险性等级划分,基于自然间断点分级的数据标准分类方法,分别生成敏感人群、粮食安全和饮用水源地的风险等级;然后,进行污染场地环境影响综合风险等级区域划分,即污染场地对所有敏感受体的环境影响风险性等级划分,基于敏感受体影响风险识别模块得到的不同类型敏感受体的影响风险指数,在GIS中进行融合,计算不同类型污染场地对环境的影响综合风险指数,从而定量评估污染场地对三种敏感受体的影响风险;最后,基于等间距的数据分级方法,识别污染场地环境影响综合风险等级区域,从而得到污染场地对三种敏感受体的影响风险等级区域,即污染场地的环境影响综合风险等级区域,完成污染场地环境影响风险性评测。
所述空间数据采集模块中:所述不同类型的污染场地空间分布数据为不同类型污染场地点位分布数据集,数据类型为矢量点状要素,不同类型的污染场地类型的划分,从污染物角度,污染场地包括重金属污染场地、有机物污染场地和电子废弃物污染场地;从用地类型角度划分,污染场地包括:工业企业场地、加油站、矿区用地、填埋场和尾矿库用地;
所述敏感人口空间分布数据为不同年龄段人口结构数据,包括儿童(年龄≤14岁)、老年人(年龄≥65岁)以及总人口数量三个数据,数据分辨率为1km,格网单元值为人口数量;
所述耕地产能空间分布数据,包括潜在作物生产力数据、净初级生产力数据;数据类型为栅格格网数据,分辨率为1km;
所述水源地空间分布数据水源地点位分布数据,数据类型为矢量点状要素。
所述污染场地风险等级识别模块具体实现如下:
(1)所述不同类型污染物的污染影响范围,由不同类型污染物的影响范围半径决定,不同类型污染物的影响范围半径基于判别规则确定,具体规则见公式(1):
其中,r为不同类型污染物的污染半径,p为污染物类型;
(2)所述污染场地风险评价因子数据的制备,根据公式(1)确定的不同类型污染物影响范围半径,在ArcGIS软件中,利用缓冲区分析方法,建立污染场地影响范围的缓冲区,缓冲区的半径即不同类型污染物影响半径,由此得到不同类型污染场地的污染范围,并以缓冲区内各位置距污染场地中心点距离为评价指标,通过距离倒数表示污染场地风险评价因子,距离倒数的值越大,说明距离污染场地越近,风险越高,距离倒数计算公式如下:
式中,Di为缓冲区内第i个栅格单元的位置到污染场地的距离;K为缓冲区的半径;IDi为第i个栅格单元的距离倒数值;
然后,计算污染场地风险指数,作为污染场地风险评价因子数据;计算公式如下:
式中,IDi为第i个栅格单元的距离倒数值;IDmin为所有IDi的最小值,IDmax为所有IDi的最大值;Rci为第i个栅格单元的污染风险指数;
(3)所述不同类型污染场地的风险等级划分,根据前述的污染场地风险指数,基于自然间断点进行分级,在GIS软件中进行分级操作,对不同类型污染场地的污染划分风险等级。
所述敏感受体影响风险识别模块具体实现如下:
(1)所述的不同类型敏感受体的自身脆弱性因素,对于人口受体,其脆弱性大小主要由人口数量和敏感人口比例来表征,敏感人口占总人口比例越大,脆弱性越高;对于耕地来说,脆弱性大小由耕地粮食生产力来表征,生产力越大其脆弱性越高;对于引用水源地,其脆弱性大小由引用水源地至污染场地的距离大小来表征,距离越近,其脆弱性越高,根据不同类型敏感受体的脆弱性,选择所述的不同类型敏感受体影响评价指标;
(2)所述的敏感人群的影响风险评价因子数据的制备,选择敏感人口占总人口的比例为评价指标,根据所述敏感人群规模栅格数据和总人口规模栅格数据,利用GIS栅格运算工具,计算出敏感人口占总人口比例栅格数据;然后,根据敏感人口占总人口比例,计算敏感人群风险指数,计算公式如下:
式中,Pci、Psi、Pti分别为第i个栅格单元的敏感人口和总人数;Si为第i个栅格单元的敏感人口比例;Smin为所有Si的最小值,Smax为所有Si的最大值;Rhi为第i个栅格单元的敏感人群风险指数;
以敏感人群风险指数为敏感人群的影响风险评价因子数据,作为划分污染场地对敏感人群环境影响风险等级的数据基础;
(3)所述的粮食安全的影响风险评价因子数据的制备,选择耕地的生产力为评价指标,具体由作物产能来表征,所述潜在作物生产力数据、净初级生产力数据和粮食产量统计数据计算得;首先,基于潜在作物生产力栅格数据,利用GIS栅格统计工具,计算出区域的总潜在作物生产力数值;然后,将所述的该区域粮食总产量真实统计数据除以该区域潜在作物生产力数值,获得耕地的真实产能与潜在产能的比例;最后,将所述的净初级生产力数据与获得的真实产能与潜在产能比例数据进行栅格乘法运算,计算出耕地的作物产能,从而获得耕地的作物产能栅格数据;随后计算粮食安全风险指数,计算公式如下:
式中,P为粮食产量真实值;Psum为潜在作物生产值;Pri为第i个格栅单元的耕地净初级生产力;Pi为第i个栅格单元的作物生产值;Pmin为所有Pi的最小值,Pmax为所有Pi的最大值;Rpi为第i个栅格单元的粮食安全风险指数;
以粮食安全风险指数为粮食安全的影响风险评价因子数据,作为划分污染场地对粮食安全环境影响风险等级的数据基础;
(4)所述的饮用水源地的影响风险评价因子数据的制备,选择水源地至污染场地的距离为评价指标,根据水源地点位分布数据,利用GIS缓冲区分析工具,以水源地位置为中心,建立20km缓冲区,并将其转为栅格格式;随后,使用GIS栅格运算工具,基于公式(2)对缓冲区栅格做距离倒数栅格运算,通过距离倒数表示水源地至污染场地的距离对水源地受影响的风险评价因子,距离倒数的值越大,说明距离水源地越近,风险越高;最后,计算粮食安全风险指数,计算公式如下:
式中,IDi为第i个栅格单元的距离倒数值;IDmin为所有IDi的最小值,IDmax为所有IDi的最大值;Rwi为第i个栅格单元的饮用水源地风险指数;
以饮用水源地风险指数为饮用水源地的影响风险评价因子数据,作为划分污染场地对饮用水源地环境影响风险等级的数据基础。
所述污染场地环境影响综合风险等级识别模块具体实现如下:
(1)所述的单指标下的污染场地环境影响风险性等级划分,根据生成的不同类型敏感受体的影响风险指数,首先,计算不同类型污染场地对不同类型敏感受体的环境影响风险指数,计算公式如下:
DIij=Di*Vj#(7)
式中,DIij表示第i个类型污染场地对第j个类型的敏感受体的影响风险指数;Di表示第i个类型的污染场地的风险指数,由公式(3)计算获得;Vj表示第j个类型的敏感受体的风险指数,由公式(4-2)、(5-2)、(6)计算获得;
然后,基于GIS软件的自然间断点数据分类方法,分别生成敏感人群、粮食安全和饮用水源地的风险等级,得到单指标下的污染场地风险性等级区域;
(2)所述的污染场地环境影响综合风险等级区域识别,基于不同类型敏感受体的影响风险指数,在GIS中进行融合,计算不同类型污染场地对环境影响的综合风险指数,从而定量评估其影响风险,计算公式如下:
式中,Rhi、Rpi、Rwi分别为第i个栅格单元的敏感人群、耕地粮食产能和饮用水源地受影响场地污染影响的风险指数;k1、k2、k3为权重值;Ri为第i个栅格单元的污染场地对环境影响的综合风险指数;
(3)所述的污染场地环境影响综合风险等级区域划分,基于等间距分级的数据标准分类方法,识别不同类型敏感受体影响风险并划分风险等级,在GIS软件中,对前述的污染场地的环境影响综合风险指数进行等间距分级,共分为4类,具体划分规则如下:
其中,Ri为第i个栅格单元的污染场地环境风险性指数,Ci为污染场地环境影响等级代码,值为1、2、3、4分别表示高风险区、中风险区、低风险区和无风险区;
从而形成污染场地环境影响高风险区、中风险区、低风险区和无风险区,完成污染场地环境影响风险等级区域的识别。
本发明与现有技术相比的优点在于:
(1)本发明针对污染场地空间数据管理中遇到的突出问题,结合突出环境问题,提出了一种场地污染风险等级评测及敏感受体影响分析方法。针对中国快速的工业化和城市化进程导致污染场地数量和规模显著增加等现象,以及与之相伴随带来的环境污染和公共安全风险。提出了服务于污染场地环境影响综合风险等级识别的完整的体术方法体系,研发的模型***具有直观明确、可操作性强、具有较强的可视化程度和辅助决策支持功能。
(2)本发明提出了一种污染场地环境影响风险性测算评估模型方法,对于根据污染场地所影响的敏感受体,应用计算机模拟方法,可以测算不同敏感受体环境影响风险性,具有可操作性强,模拟结果可靠,通过分析新闻大事件,基于场地污染发生地、污染类型、范围和伤亡人数,评估得到风险预测的准确度为80%以上,可为污染场地管控方面的规划者或决策者提供规划参考依据,为污染场地工程实施和环境影响评估具有重要的参考价值,具有广泛的行业应用需求。
(3)本发明在获取的地理环境多源数据支持下,基于污染场地环境影响风险性定量评估结果,实现污染场地环境影响综合风险等级识别。可以分析污染场地影响下,敏感人群、粮食安全、饮用水源地等不同敏感受体环境影响风险等级。具有应用针对性强的特点,可以为污染场地风险评估、污染场地规划管理等提供重要科学参考。
(4)本发明在现有的污染场地数据、基础地理信息数据和敏感受体空间分布数据基础上,实现计算机***自动化运算,并集成了地理知识规则和智能化判断规则,从数据采集、风险性计算、风险等级评估等核心功能均实现空间运算,具有较强的空间直观显示功能,较传统的图纸作业具有更强的可操作性。
附图说明
图1为本发明场地污染风险等级评测及敏感受体影响识别***结构图;
图2为污染场地风险等级识别模块的实现流程图;
图3为敏感人群影响风险识别的实现流程图;
图4为粮食安全影响风险识别的实现流程图;
图5为饮用水源地影响风险识别的实现流程图;
图6为污染场地环境影响风险等级识别模块的实现流程图;
图7为污染场地对饮用水源地环境影响风险等级区域示意图;
图8为污染场地环境影响风险等级区域示意图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图1所示,本发明包括空间数据采集模块、污染场地风险等级识别模块、敏感受体影响风险识别模块、污染场地环境影响综合风险等级评估模块。
如图2所示,本发明中污染场地风险等级识别模块具体实现如下:
步骤1-1,该步骤主要是对污染场地空间点位数据进行缓冲区分析。以不同类型污染场地的影响范围阈值作为缓冲区半径,建立缓冲区,并转为栅格数据格式,首先,在ArcGIS中的工具集中,打开Analysis Tools下的Buffer工具,设置污染场地点位分布数据为输入要素,缓冲区距离设置为线性单位并输入缓冲区半径,运行生成污染场地缓冲区矢量数据;然后,利用ArcGIS的格式转换工具缓冲区转换为栅格格式,栅格单元大小为1km,栅格单元值为其所在位置到缓冲区中心点的污染场地的距离,生成的污染场地缓冲区栅格数据,作为步骤1-2的输入数据;
步骤1-2,该步骤主要是对缓冲区栅格进行距离倒数运算。基于步骤1-1生成的污染场地缓冲区栅格数据,使用公式(2)进行计算。首先,在ArcGIS软件中打开RasterCalculator工具,输入运算表达式为“R*(1/k2)”,其中,R为污染场地缓冲区栅格,k为缓冲区半径,运算后得到污染场地距离倒数栅格数据,作为步骤1-3的输入数据;
步骤1-3,该步骤主要是计算污染场地的污染风险指数。首先,基于步骤1-2得到的污染场地距离倒数栅格数据,在ArcGIS软件中,打开数据属性信息,并在属性窗口中的Classification Statistics信息中查得栅格单元值的最大值Dmax和最小值Dmin,一般情况下,Dmin为0;然后,基于公式(3)计算污染场地的污染风险指数,打开ArcToolbox工具集,在Map Algebra工具集下,选择并打开Raster Calculator工具,即栅格计算器,输入栅格计算表达式“(Rd-Dmin)/(Dmax-Dmin)”,其中,Rd为污染场地距离倒数栅格单元值,输出的结果栅格即为污染场地风险指数栅格数据,即污染场地的风险性评价数据,作为步骤5-1的输入数据;
步骤1-4,该步骤主要是建立场地污染风险等级评测及敏感受体影响分析数据库,并将步骤1-3生成的污染场地风险指数数据进行入库。
如图3所示,本发明中敏感人群影响评价因子识别具体实现如下:
步骤2-1,该步骤主要是制备敏感人群数量栅格。基于公式(4-1),在ArcGIS的MapAlgebra工具集下,打开Raster Calculator工具,输入表达式“(Pc+Ps),其中,Pc为儿童人口栅格,Ps为老年人人口栅格,运算后得到敏感人群人口数量栅格,作为步骤2-2的输入数据;
步骤2-2,该步骤主要是制备敏感人群占总人口的比例栅格。基于总人口栅格数据与步骤2-1生成的敏感人群人口栅格数据和公式(4-1),在Raster Calculator工具表达式参数中,输入“Psp/Ptp”,其中,Psp为敏感人群人口栅格,Ptp为总人口栅格,运算后得到敏感人群占总人口比例栅格数据,作为步骤2-3的输入数据;
步骤2-3,该步骤主要是计算敏感人群受污染场地影响的风险指数。基于步骤2-2得到的敏感人群占总人口比例栅格数据,在ArcGIS软件中打开数据属性信息,并在属性窗口中的Classification Statistics信息中查的栅格单元值的最大值Rsr_max和最小值Rsr_min;然后,打开ArcToolbox工具集,在Map Algebra工具集下,选择并打开RasterCalculator工具,基于公式(4-2),输入栅格计算表达式“(Rsr-Rsr_min)/(Rsr_max-Rsr_min)”,其中,Rsr为敏感人群占总人口的比例栅格,输出的结果栅格即为敏感人群受污染场地影响的风险指数栅格数据,即敏感人群的影响风险评价因子数据,作为步骤5-1的输入数据之一;
步骤2-4,该步骤主要对步骤2-3所生成的敏感人群受污染场地影响的风险指数栅格数据输入数据库,并进行制图表达。
如图4所示,本发明中粮食安全影响评价因子识别具体实现如下:
步骤3-1,该步骤主要计算耕地的真实产能与潜在产能的比例。基于潜在作物生产力栅格数据,打开数据属性信息,并在属性窗口中的Classification Statistics信息中查得栅格单元值的总和Psum;然后,基于公式(5-1),将研究区域的粮食产量真实统计值除以Psum,得到耕地的真实产能与潜在产能的比例值,作为步骤3-2的输入数据之一;
步骤3-2,该步骤主要制备耕地的生产力栅格数据。基于净初级生产力数据与步骤3-1获得的真实产能与潜在产能比例数值进行栅格乘法运算,在ArcGIS的Map Algebra工具集下,打开Raster Calculator工具,基于公式(5-1),输入表达式“Pr*S,其中,Pr为净初级生产力栅格,S为真实产能与潜在产能比例数值,运算后得到耕地的生产力栅格数据,作为步骤3-3的输入数据;
步骤3-3,该步骤主要是计算耕地产能受污染场地影响的风险指数。基于步骤3-2得到的耕地的生产力栅格数据,打开数据属性信息,并在属性窗口中的ClassificationStatistics信息中查的栅格单元值的最大值Pmax和最小值Pmin;然后,打开ArcToolbox工具集,在MapAlgebra工具集下,选择并打开Raster Calculator工具,基于公式(5-2),输入栅格计算表达式“(Rp–Pmin)/(Pmax–Pmin)”,其中,Rp为耕地的生产力栅格数据,输出的结果栅格即为耕地产能受污染场地影响的风险指数栅格数据,即耕地产能的影响风险评价因子数据,作为步骤5-1输入数据之一;
步骤3-4,该步骤主要将步骤3-4所生成的耕地产能受污染场地影响的风险指数栅格数据输入数据库,并进行制图表达。
如图5所示,本发明中饮用水源地影响评价因子识别具体实现如下:
步骤4-1,该步骤主要是对基于饮用水源地分布点位,建立缓冲区,并转为栅格数据格式。首先,在ArcGIS中的工具集中,打开Analysis Tools下的Buffer工具,设置水源地点位分布数据为输入要素,缓冲区距离设置为线性单位20km,运行并生成水源地缓冲区矢量数据;然后,利用ArcGIS的格式转换工具缓冲区转换为栅格格式,栅格单元大小为1km,栅格单元值为到水源地的距离;由此生成水源地缓冲区栅格数据,作为步骤4-2的输入数据;
步骤4-2,该步骤主要是对缓冲区栅格进行距离倒数运算。基于步骤4-1生成的水源地缓冲区栅格数据,在ArcGIS软件中打开Raster Calculator工具,利用公式(2),输入运算表达式为“Rb*(1/202)”,其中,Rb为水源地缓冲区栅格,运算后得到水源地距离倒数栅格数据,作为步骤4-3的输入数据;
步骤4-3,该步骤主要是计算饮用水源地受污染场地影响的风险指数。基于步骤4-2得到的水源地距离倒数栅格数据,打开数据属性信息,并在属性窗口中的ClassificationStatistics信息中查的栅格单元值的最大值IDmax和最小值IDmin;然后,打开ArcToolbox工具集,在Map Algebra工具集下,选择并打开Raster Calculator工具,基于公式(6),输入栅格计算表达式“(Rid–IDmin)/(IDmax–IDmin)”,其中,Rid为水源地距离倒数栅格,输出的结果栅格即为饮用水源地受污染场地影响的风险指数栅格数据,即饮用水源地的影响风险评价因子数据,作为步骤5-1的输入数据之一;
步骤4-4,该步骤主要将步骤4-3所生成的饮用水源地受污染场地影响的风险指数栅格数据输入数据库,并进行制图表达。
如图6所示,本发明中污染场地环境影响风险等级识别模块具体实现如下:
步骤5-1,该步骤主要计算单指标下的污染场地环境影响风险指数。输入数据为步骤1-3得到的污染场地的风险性指数数据、步骤2-3得到的敏感人群受影响风险指数数据、步骤3-3得到的耕地产能受影响风险指数数据以及步骤4-3得到的饮用水源地受影响风险指数数据;基于以上数据,计算不同类型污染场地对不同类型敏感受体的环境影响风险指数,在ArcGIS软件中打开Raster Calculator工具,利用公式(7),使用栅格运算工具做栅格乘法,分别生成不同类型污染场地对不同类型敏感受体的环境影响风险指数栅格数据,作为步骤5-2和5-3的输入数据;
步骤5-2,该步骤主要对单指标下的污染场地环境风险性进行分级,形成等级风险区。
基于步骤5-1所生成的污染场地对不同类型敏感受体的环境影响风险指数栅格数据,在ArcGIS中,使用空间自然断点法,对风险指数进行分级,共分为4个等级,形成不同类型污染场地对不同类型敏感受体的环境影响高风险区、中风险区、低风险区和无风险区,得到敏感人群、粮食安全和饮用水源地的风险等级划分,从而生成单指标下的污染场地风险性等级区域;
步骤5-3,该步骤主要计算污染场地环境影响综合风险指数。输入数据为步骤5-1得到的污染场地对不同类型敏感受体的环境影响风险指数栅格数据,在ArcGIS软件中打开RasterCalculator工具,利用公式(8),使用栅格运算工具做栅格乘法,设置k1、k2、k3为1,生成污染场地环境影响综合风险指数栅格数据,作为步骤5-4的输入数据;
步骤5-4,该步骤主要划分污染场地环境影响综合风险等级区域。基于步骤5-3生成的污染场地环境影响综合风险指数栅格数据,利用规则(9),在GIS软件中,基于等间距分级的数据标准分类方法对前述的污染场地对环境影响的综合风险指数进行分级,共分为4类,形成污染场地环境影响高风险区、中风险区、低风险区和无风险区,完成污染场地环境影响风险等级区域的识别;
步骤5-5,该步骤主要将步骤5-4所生成的污染场地环境影响综合风险等级区域数据输入数据库,并进行制图表达。
如图7所示,为污染场地对饮用水源地环境影响风险等级区域示意图,即步骤4-4的结果。
基于步骤4-3得到的饮用水源地受污染场地影响的风险指数栅格,在ArcGIS软件中,利用自然间断点分类方法,将饮用水源地受污染场地的风险进行分级,得到4个风险等级区域,图中颜色由深至浅表示的区域依次为高风险区、中风险区、低风险区和无风险区。
如图8所示,为污染场地环境影响风险等级区域示意图,即步骤5-5的结果。
基于步骤5-3得到污染场地环境影响综合风险指数栅格数据,利用规则(9),在ArcGIS软件中,基于等间距分级的数据标准分类方法对污染场地环境影响综合风险指数进行分级,共分为4类,图中颜色由深至浅表示的区域依次为高风险区、中风险区、低风险区和无风险区。
Claims (5)
1.一种场地污染风险等级评测及敏感受体影响识别***,其特征在于,包括:空间数据采集模块、污染场地风险等级识别模块、敏感受体影响风险识别模块和污染场地环境影响风险等级识别模块;其中:
空间数据采集模块,获取不同类型的污染场地的空间分布数据、不同类型敏感受体空间分布数据;不同类型的污染场地类型的划分包括从污染物角度和从用地类型角度划分,从污染物角度划分,污染场地包括重金属污染场地、有机物污染场地和电子废弃物污染场地;从用地类型角度划分,污染场地包括:工业企业场地、加油站、矿区用地、填埋场和尾矿库用地;不同类型敏感受体空间分布数据包括:敏感人口空间分布数据、耕地产能空间分布数据和水源地空间分布数据;
污染场地风险等级识别模块,根据空间数据采集模块获取的不同类型污染场地的空间分布数据,利用地理信息***空间分析方法计算不同类型的污染场地的风险指数;首先,根据污染物类型,确定污染物的污染半径;然后,利用GIS空间分析中的缓冲区分析方法,根据污染半径建立缓冲区,以缓冲区范围为污染物的污染范围,并以距离污染场地范围的中心点距离为指标,距离越近则风险越高,制备污染场地风险性指数数据;最后,基于污染场地风险指数,利用基于自然间断点分级的数据标准分类方法,对风险指数进行分级,得到不同的风险等级,对污染场地划分风险等级区域;
敏感受体影响风险识别模块,根据空间数据采集模块获取的不同类型敏感受体空间分布数据,依据不同类型敏感受体的自身脆弱性因素确定不同类型敏感受体影响评价指标,自身脆弱性因素即对于相同污染,敏感受体本身特征的差异不同所具有的风险性也是不同的,就人口来说,对于同一污染暴露,老年、儿童和青壮年人口所具有的风险存在差异;所述评价指标包括:敏感受体规模、距污染场地远近;依据所述评价指标,将污染场地的本身危险性与敏感受体的脆弱性综合考虑,即将敏感受体的风险性视为由污染场地的危险性及敏感受体的自身脆弱性共同决定,计算生成不同类型敏感受体的影响风险指数,并将风险指数作为不同类型敏感受体的影响风险评价因子数据,包括:敏感人群的影响风险评价因子数据、粮食安全的影响风险评价因子数据和饮用水源地的影响风险评价因子数据;
污染场地环境影响风险等级识别模块,基于污染场地风险等级识别模块得到的污染场地的风险性指数数据和敏感受体影响风险识别模块得到的不同类型敏感受体的影响风险评价因子数据,进行污染场地的环境影响风险等级识别;首先,进行单指标,即污染场地对某一单个敏感受体污染场地的环境影响风险性等级区域划分,基于自然间断点分级的数据标准分类方法,分别生成敏感人群、粮食安全和饮用水源地的风险等级;然后,进行污染场地环境影响综合风险等级区域划分,即污染场地对所有敏感受体的环境影响风险性等级区域划分,基于敏感受体影响风险识别模块得到的不同类型敏感受体的影响风险指数,在GIS中进行融合,计算不同类型污染场地对环境的影响综合风险指数,从而定量评估污染场地对三种敏感受体的影响风险;最后,基于等间距的数据分级方法,识别污染场地环境影响综合风险等级区域,从而得到污染场地对三种敏感受体的影响风险等级区域,即污染场地的环境影响综合风险等级区域,完成污染场地环境影响风险性评测。
2.根据权利要求1所述的场地污染风险等级评测及敏感受体影响识别***,其特征在于:所述空间数据采集模块中:所述不同类型的污染场地空间分布数据为不同类型污染场地点位分布数据集,数据类型为矢量点状数据;
所述敏感人口空间分布数据为不同年龄段人口结构数据,包括儿童即年龄≤14岁、老年人即年龄≥65岁以及总人口数量三个数据,数据分辨率为1km,格网单元值为人口数量;
所述耕地产能空间分布数据,包括潜在作物生产力数据、净初级生产力数据;数据类型为栅格格网数据,分辨率为1km;
所述水源地空间分布数据为水源地点位分布数据,数据类型为矢量点状数据。
3.根据权利要求2所述的场地污染风险等级评测及敏感受体影响识别***,其特征在于:所述污染场地风险等级识别模块具体实现如下:
(1)不同类型污染物的污染半径基于判别规则确定,具体规则见公式(1):
其中,r为不同类型污染物的污染半径,p为污染物类型;
(2)根据公式(1)确定的不同类型污染物影响范围半径,在ArcGIS软件中,利用缓冲区分析方法,建立污染场地影响范围的缓冲区,缓冲区的半径即不同类型污染物影响半径,由此得到不同类型污染场地的污染范围,并以缓冲区内各位置距污染场地中心点距离为评价指标,通过距离倒数表示污染场地风险评价因子,距离倒数的值越大,说明距离污染场地越近,风险越高,距离倒数计算公式如下:
式中,Di为缓冲区内第i个栅格单元的位置到污染场地的距离;K为缓冲区的半径;IDi为第i个栅格单元的距离倒数值;
然后,计算污染场地风险指数,作为污染场地风险性指数数据;计算公式如下:
式中,IDi为第i个栅格单元的距离倒数值;IDmin为所有IDi的最小值,IDmax为所有IDi的最大值;Rci为第i个栅格单元的污染风险指数;
(3)根据前述的污染场地风险指数,基于自然间断点进行分级,在GIS软件中进行分级操作,对不同类型污染场地的污染划分风险等级。
4.根据权利要求3所述的场地污染风险等级评测及敏感受体影响识别***,其特征在于:所述敏感受体影响风险识别模块具体实现如下:
(1)对于人口受体,其脆弱性大小主要由人口数量和敏感人口比例来表征,敏感人口占总人口比例越大,脆弱性越高;对于耕地来说,脆弱性大小由耕地粮食生产力来表征,生产力越大其脆弱性越高;对于饮用水源地,其脆弱性大小由饮用水源地至污染场地的距离大小来表征,距离越近,其脆弱性越高;根据不同类型敏感受体的脆弱性,选择所述的不同类型敏感受体影响评价指标;
(2)选择敏感人口占总人口的比例为评价指标,根据所述敏感人口空间分布数据,利用GIS栅格运算工具,计算出敏感人口占总人口比例栅格数据;然后,根据敏感人口占总人口比例,计算敏感人群风险指数,计算公式如下:
式中,Pci、Psi、Pti分别为第i个栅格单元的儿童人口数、老年人人口数和总人口数;Si为第i个栅格单元的敏感人口比例;Smin为所有Si的最小值,Smax为所有Si的最大值;Rhi为第i个栅格单元的敏感人群风险指数;
以敏感人群风险指数为敏感人群的影响风险评价因子数据,作为划分污染场地对敏感人群环境影响风险等级的数据基础;
(3)选择耕地的作物产能为评价指标;首先,基于所述的潜在作物生产力数据,利用GIS栅格统计工具,计算出总潜在作物生产力数值;然后,将粮食总产量真实统计数据除以总潜在作物生产力数值,获得耕地的真实产能与潜在产能的比例;最后,将所述的净初级生产力数据与获得的真实产能与潜在产能比例数据进行栅格乘法运算,计算出耕地的作物产能,从而获得耕地的作物产能栅格数据;随后计算粮食安全风险指数,计算公式如下:
式中,P为粮食产量真实值;Psum为潜在作物生产值;Pri为第i个格栅单元的耕地净初级生产力;Pi为第i个栅格单元的作物生产值;Pmin为所有Pi的最小值,Pmax为所有Pi的最大值;Rpi为第i个栅格单元的粮食安全风险指数;
以粮食安全风险指数为粮食安全的影响风险评价因子数据,作为划分污染场地对粮食安全环境影响风险等级的数据基础;
(4)选择水源地至污染场地的距离为评价指标,根据水源地点位分布数据,利用GIS缓冲区分析工具,以水源地位置为中心,建立20km缓冲区,并将其转为栅格格式;随后,使用GIS栅格运算工具,基于公式(2)对缓冲区栅格做距离倒数栅格运算,通过距离倒数表示水源地至污染场地的距离对水源地受影响的风险评价因子,距离倒数的值越大,说明距离水源地越近,风险越高;最后,计算饮用水源地风险指数,计算公式如下:
式中,IDi为第i个栅格单元的距离倒数值;IDmin为所有IDi的最小值,IDmax为所有IDi的最大值;Rwi为第i个栅格单元的饮用水源地风险指数;
以饮用水源地风险指数为饮用水源地的影响风险评价因子数据,作为划分污染场地对饮用水源地环境影响风险等级的数据基础。
5.根据权利要求4所述的场地污染风险等级评测及敏感受体影响识别***,其特征在于:所述污染场地环境影响风险等级识别模块具体实现如下:
(1)首先,根据生成的不同类型敏感受体的影响风险指数,计算不同类型污染场地对不同类型敏感受体的环境影响风险指数,计算公式如下:
DIij=Di*Vj#(7)
式中,DIij表示第i个类型污染场地对第j个类型的敏感受体的影响风险指数;Di表示第i个类型的污染场地的风险指数,由公式(3)计算获得;Vj表示第j个类型的敏感受体的风险指数,由公式(4-2)、(5-2)、(6)计算获得;
然后,基于GIS软件的自然间断点数据分类方法,分别生成敏感人群、粮食安全和饮用水源地的风险等级,得到单指标下的污染场地风险性等级区域;
(2)基于不同类型敏感受体的影响风险指数,在GIS中进行融合,计算不同类型污染场地对环境影响的综合风险指数,从而定量评估其影响风险,计算公式如下:
式中,Rhi、Rpi、Rwi分别为第i个栅格单元的敏感人群、耕地粮食产能和饮用水源地受影响场地污染影响的风险指数;k1、k2、k3为权重值;Ri为第i个栅格单元的污染场地对环境影响的综合风险指数;
(3)基于等间距分级的数据标准分类方法,识别不同类型敏感受体影响风险并划分风险等级,在GIS软件中,对前述的不同类型污染场地对环境的影响综合风险指数进行等间距分级,共分为4类,具体划分规则如下:
其中,Ri为第i个栅格单元的污染场地环境风险性指数,Ci为污染场地环境影响等级代码,值为1、2、3、4分别表示高风险区、中风险区、低风险区和无风险区;
从而形成污染场地环境影响高风险区、中风险区、低风险区和无风险区,完成污染场地环境影响风险等级区域的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910266822.7A CN110009226B (zh) | 2019-04-03 | 2019-04-03 | 一种场地污染风险等级评测及敏感受体影响识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910266822.7A CN110009226B (zh) | 2019-04-03 | 2019-04-03 | 一种场地污染风险等级评测及敏感受体影响识别*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110009226A CN110009226A (zh) | 2019-07-12 |
CN110009226B true CN110009226B (zh) | 2021-06-01 |
Family
ID=67169776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910266822.7A Active CN110009226B (zh) | 2019-04-03 | 2019-04-03 | 一种场地污染风险等级评测及敏感受体影响识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009226B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580474B (zh) * | 2019-09-30 | 2020-08-14 | 生态环境部卫星环境应用中心 | 一种基于多源数据的农田重金属高风险区遥感快速识别方法 |
CN110726677B (zh) * | 2019-10-18 | 2021-02-23 | 中国科学院地理科学与资源研究所 | 一种污染场地遥感探测与空间热区识别***和方法 |
CN111178786B (zh) * | 2020-01-08 | 2023-04-25 | 中科宇图科技股份有限公司 | 一种保障区域空气质量的排放源位置确定方法及*** |
CN111222803B (zh) * | 2020-01-14 | 2020-12-11 | 南京大学 | 基于环境风险***的企业累积性环境风险评估***及方法 |
CN111401685B (zh) * | 2020-02-13 | 2021-02-12 | 中国安全生产科学研究院 | 有限空间作业安全风险监控方法 |
CN111340371B (zh) * | 2020-02-27 | 2022-04-29 | 同济大学 | 一种面向国土空间规划编制的健康风险评估方法及*** |
CN111581250B (zh) * | 2020-04-21 | 2021-01-08 | 中国科学院地理科学与资源研究所 | 矿区周边土壤重金属随自然因素的变化定量研究方法 |
CN111639865B (zh) * | 2020-06-02 | 2021-03-19 | 中国气象局气象探测中心 | 一种高铁沿线气象灾害发生风险分析方法 |
CN112766664B (zh) * | 2020-12-31 | 2023-05-23 | 中国科学院生态环境研究中心 | 基于gis平台的城市面源污染风险识别方法及装置 |
CN112785206B (zh) * | 2021-03-03 | 2023-06-30 | 中国科学院地理科学与资源研究所 | 一种金属行业涉污企业影响范围模拟与风险评估方法 |
CN115147729A (zh) * | 2022-06-27 | 2022-10-04 | 浙江大学 | 基于天空地数据和智能算法的固废堆填场地风险识别方法 |
CN116912069B (zh) * | 2023-09-13 | 2024-01-02 | 成都市智慧蓉城研究院有限公司 | 应用于智慧城市的数据处理方法及电子设备 |
CN116934102B (zh) * | 2023-09-19 | 2023-12-19 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种用于工业园区的环境风险管控*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550817A (zh) * | 2015-12-25 | 2016-05-04 | 中国环境科学研究院 | 一种填埋场污染风险分级的方法及装置 |
CN105787652A (zh) * | 2016-02-23 | 2016-07-20 | 北京师范大学 | 一种区域综合环境风险评估和分区方法 |
CN106372074A (zh) * | 2015-07-22 | 2017-02-01 | 中国科学院城市环境研究所 | 一种用于污染场地风险评估可视化***的架构方法 |
CN107066782A (zh) * | 2016-11-08 | 2017-08-18 | 北京师范大学 | 基于grrm模型水文地质单元地下水环境风险评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7627434B2 (en) * | 2003-04-11 | 2009-12-01 | United States Of America As Represented By The Secretary Of The Army | Method for field-based ecological risk assessment using rodent sperm-analysis |
-
2019
- 2019-04-03 CN CN201910266822.7A patent/CN110009226B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372074A (zh) * | 2015-07-22 | 2017-02-01 | 中国科学院城市环境研究所 | 一种用于污染场地风险评估可视化***的架构方法 |
CN105550817A (zh) * | 2015-12-25 | 2016-05-04 | 中国环境科学研究院 | 一种填埋场污染风险分级的方法及装置 |
CN105787652A (zh) * | 2016-02-23 | 2016-07-20 | 北京师范大学 | 一种区域综合环境风险评估和分区方法 |
CN107066782A (zh) * | 2016-11-08 | 2017-08-18 | 北京师范大学 | 基于grrm模型水文地质单元地下水环境风险评价方法 |
Non-Patent Citations (4)
Title |
---|
1990-2015年中国工矿用地扩张及其对粮食安全的潜在影响;刘爱琳等;《地理科学进展》;20170515(第05期);第618-625页 * |
Application of receptor-specific risk distribution in the arsenic contaminatedland management;Chen,I-chun等;《Journal of Hazardous Materials》;20131115;第262卷;第1080-1090页 * |
典型重金属污染场地再利用风险评估及修复目标值研究;刘志超;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20150715(第07期);第B027-225页 * |
污染场地周边农田土壤重金属含量的空间变异特征及其污染源识别研究;李海光;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20130615(第06期);第B027-501页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110009226A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009226B (zh) | 一种场地污染风险等级评测及敏感受体影响识别*** | |
Dong et al. | Vulnerability of urban water infrastructures to climate change at city level | |
CN112288247B (zh) | 一种基于空间交互关系的土壤重金属风险识别方法 | |
CN112308292A (zh) | 一种火灾风险等级分布图的绘制方法 | |
CN110726677A (zh) | 一种污染场地遥感探测与空间热区识别***和方法 | |
CN111667183A (zh) | 一种耕地质量监测方法及*** | |
CN116109462B (zh) | 一种自然灾害后饮水水源地污染监测预警方法及*** | |
CN113720639B (zh) | 一种污染场地调查补充采样的方法 | |
Liu et al. | APPLICATION OF GIS IN REGIONAL ECOLOGICAL RISK ASSESSMENT OF WATER RESOURCES. | |
Li et al. | Real‐Time Warning and Risk Assessment of Tailings Dam Disaster Status Based on Dynamic Hierarchy‐Grey Relation Analysis | |
CN113554345B (zh) | 地震滑坡灾害区域及灾害链风险评估方法 | |
CN108764527B (zh) | 一种土壤有机碳库时空动态预测最优环境变量筛选方法 | |
CN111144637A (zh) | 基于机器学习的区域电网地质灾害预报模型构建方法 | |
CN113887974A (zh) | 一种基于多源时空数据集成的城市资源环境承载力综合评价方法 | |
Alavipoor et al. | A geographic information system for gas power plant location using analytical hierarchy process and fuzzy logic | |
Guerriero et al. | Multi-hazard susceptibility assessment using analytic hierarchy process: the Derwent Valley Mills UNESCO World Heritage Site case study (United Kingdom) | |
CN115796702A (zh) | 一种红壤土地综合治理生态修复成效的评估方法及*** | |
Ren et al. | Analysis of the spatial characteristics of inhalable particulate matter concentrations under the influence of a three-dimensional landscape pattern in Xi'an, China | |
Shenavr et al. | Comparison of Multi-criteria evaluation (AHP and WLC approaches) for land capability assessment of urban development in GIS | |
Jiang et al. | Preliminary risk assessment of regional industrial enterprise sites based on big data | |
CN117993707A (zh) | 一种基于人工智能的城市道路塌陷灾害风险评估方法及*** | |
Wang et al. | Development and application of a comprehensive assessment method of regional flood disaster risk based on a refined random forest model using beluga whale optimization | |
CN113393135A (zh) | 一种城乡规划信息化存储设备 | |
Fodor et al. | Application of environmental information systems in environmental impact assessment (in Hungary) | |
CN113128811A (zh) | 一种基于强降水的电网***地质灾害风险评估方法及*** |
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 |