CN102841081A - 有色金属矿区土-水界面污染流中各重金属分布预测方法 - Google Patents

Abstract

本发明公开了一种有色金属矿区土-水界面重金属污染流中各重金属分布预测方法。本发明的技术要点是，以有色金属矿区土-水界面采样点的实测数据为基础，利用地统计学方法，结合GIS技术，借助BP神经网络技术原理，构建基于GIS技术支撑下的有色金属矿区土-水界面重金属污染流中各重金属分布的BP预测模型，对土-水界面金属污染流中各重金属含量、空间变异性及分布进行预测，并用ArcGIS软件完成土水界面重金属空间分布图的绘制。本发明能为有色金属矿区重金属污染的生态风险评价、控制、治理与修复等提供理论基础和科学依据，促进矿区及矿业城市的和谐发展，具有重大的应用价值和社会效益。

Description

有色金属矿区土-水界面污染流中各重金属分布预测方法

技术领域

本发明属于有色金属矿区环境污染评价与控制技术领域，具体涉及一种有色金属矿区土-水界面重金属污染流中各重金属分布预测方法。

背景技术

土-水界面污染流是受污染土壤在降雨或融雪径流作用下产生的复合污染流体，其中污染物包含了各种重金属、持久性有机物和氮、磷等营养元素等，也是非点源污染的一种特殊表现形式。

有色金属（如Sb、As、Pb、Cd、Cr、Cu、Zn、Hg等）是全球性环境污染物，均对人体及生物具有慢性毒性及致癌性。随着有色金属（如锑、铅、锌等）在各行各业的大量使用及大规模开采与选冶，大量伴生的重金属进入矿区土壤，在降雨或融雪径流作用下，形成有色金属矿区土-水界面重金属污染流，造成有色金属矿区及其周边区域水环境重金属复合型污染问题且日益突出。

有色金属矿区开采和选冶过程中产生的固废（矿石、废矿石、尾矿砂、废渣等）和生产污水等通过不同途径进入矿区土壤并导致土壤重金属污染。受到降雨或融雪径流的剪切、撞击、冲刷、淋溶、浸泡等共同作用，土壤中的各种重金属污染物在土壤-径流界面之间发生扩散、弥散、解吸、解离等多种物理化学反应，最终，不同的重金属元素呈现出不同的空间分布特征。

由于有色金属矿区土-水界面重金属污染流与生态环境乃至人类健康息息相关，一直都是环境科学中备受关注的研究领域。为有效评测和控制该污染流对区域环境污染的影响，不仅要了解降雨或融雪径流作用下有色金属矿区土-水界面重金属污染流组成、含量水平、污染特征及污染物来源，还应对各种重金属污染物的空间分布和空间变异规律进行研究。

目前国内外关于降雨或融雪径流作用下土-水界面污染流分布特征的研究主要集中在农田土壤、城市及城郊和公路等特殊下垫面区域。农田土壤土-水界面污染流主要以化肥、农药等引起的有机污染物特征为主，城市及城郊土-水界面污染流主要以工业生产的重金属污染物、持久性有机污染物、氮、磷等营养元素在内的多种污染物特征为主，公路方面土-水界面污染流主要以径流冲刷、汽车等产生的悬浮固体物(SS)、部分重金属、油类污染物特征为主。

    在土-水界面重金属污染物的空间分布预测方面，经大量文献查阅发现：目前众多学者主要对土-水界面污染流中单一介质重金属污染物的空间分布和空间变异规律进行了研究，且将地统计学方法与多元统计学方法相结合应用于土壤重金属空间分布和变异性研究。在地统计学中,可以利用半变异函数描述土壤属性的空间模式，并以此为基础通过Kriging插值法预测未采样地点的属性值，揭示区域化变量的空间特征，采用地统计学方法有助于了解未采样地点的土壤重金属含量，获取土壤重金属的空间结构与分布特征等诸多信息。20世纪90年代以后,随着卫星和计算机技术的发展和进步,遥感技术、地理信息系统(GIS)技术与非点源污染模型相结合用于非点源的污染预测和污染影响评价,提高了模型的空间分析能力,模型开始向自动化、可视化方向发展,随着计算技术发展，研究者们结合GIS技术来对土壤中重金属污染物的空间相关性及其空间分布进行研究，利用神经网络模型的空间插值方法确定土壤中重金属污染物的空间分布,并在此基础上确定研究区农田土壤重金属污染状况。由于土-水界面并非一个均匀质体,而是一个具有固液界面的空间变异体,具有高度的空间异质性，除了自然状态下的空间变化外,还存在其他活动所导致的空间变化，这些变化均能使土-水界面重金属污染流中各重金属污染物的空间动态变得极为复杂化。另外，由于有色金属矿区地形、地质及降雨或融雪径流条件复杂、固废（矿石、废矿石、尾矿砂、废渣）及生产污水多且分布范围广、地表破坏严重等实际情况，造成有色金属矿区土-水界面重金属污染流中各重金属的分布预测的困难，因而增加了有色金属矿区非点源污染中伴生重金属污染评价与控制的难度。

发明内容

本发明的目的在于提供一种有色金属矿区土-水界面重金属污染流中各重金属分布预测方法。本发明是以有色金属矿区土-水界面采样点的实测数据为基础，利用地统计学方法，结合GIS技术，借助BP神经网络技术原理，构建基于GIS技术支撑下的有色金属矿区土-水界面重金属污染流中各重金属分布的BP预测模型，对土-水界面金属污染流中各重金属含量、空间变异性及分布进行预测，并用ArcGIS软件完成土水界面重金属空间分布图的绘制；为有色金属矿区重金属污染的生态风险评价、控制、治理与修复等提供科学依据。本发明的技术路线流程图如图1所示。

本发明方法包括如下顺序的步骤：

（1）样品采集与预处理：样品的采集采用系统随机布点法，根据矿区采矿、洗选、冶炼等工业布局以及矿区土地利用现状和地形条件，采样点均匀分布在采样区域内并采用GPS进行样点定位，记录其经纬度；在自然降雨且降雨强度大于下渗强度产生径流时，在每个采样点采集地表坡面径流水样约1.5L，放入聚乙烯瓶并用黑色塑料袋包装后带回实验室；在实验室内将所采径流水样震荡混匀，离心分离后用玻璃纤维滤膜过滤，所得径流水样冷藏保存贴好标签，做好采样记录；

（2）样品检测：对径流水样中重金属含量进行测定，重金属Sb、Cd、Hg采用王水-高氯酸消煮，Pb、As采用硝酸-高氯酸消煮；Sb、Hg、As采用原子荧光分光光度法测定， Cd、Zn、Pb采用火焰原子吸收分光光度法测定；测定过程中以测量准确度和测量不确定度为控制指标进行测量数据的质量控制；

（3）数据处理：采用Grubbs法对所测原始数据中特异值进行检验和剔除；采用SPSS19.0进行数据的正态分布检验；采用地统计学软件GS+ 7.0进行数据的描述性统计分析、半变异函数和参数的计算，并利用BP神经网络模型得出半变异函数的拟合曲线；

（4）建立GIS数据库：根据大量的实测数据，通过对污染区污染历史及区域资料调查与分析，结合背景调查分析和研究所需资料分析，在GIS信息系统中建立该矿区基础数据库；

（5）预测模型的构建：以步骤（4）建立的区域GIS数据库为基础，基于GIS技术，采用地统计学技术与经典数据挖掘技术相结合的方法，通过步骤（3）所述半变异函数来描述区域化变量的结构性和随机性，分析研究区土水界面重金属污染流中各重金属污染物的空间变异规律，结合BP神经网络对各个采样点的空间位置与该点各重金属含量之间映射关系的分析，利用BP神经网络与半变异函数相结合构建有色金属矿区土水界面重金属分布的BP预测模型；利用该模型对有色金属矿区土水界面重金属污染流中各重金属含量、空间变异性及分布进行预测，并用ArcGIS软件完成土-水界面重金属空间分布图形的绘制；

（6）预测模型的验证：结合研究区实测数据资料，采用交叉验证法对空间预测模型进行准确性、可靠性及优化性的验证。

本发明基于GIS技术支撑下的有色金属矿区土-水界面重金属污染流中各重金属分布的BP预测模型，以GIS为基础，采用经典的地统计学理论，最大限度的利用了采样点所提供的各种信息，并且引入BP神经网络，使预测模型具有良好的容错能力和非线性逼近映射能力，使得预测的有色金属矿区土-水界面重金属污染流中各重金属含量和空间分布更加客观准确。本发明能为有色金属矿区重金属污染的生态风险评价、控制、治理与修复等提供理论基础和科学依据，促进矿区及矿业城市的和谐发展，具有重大的应用价值和社会效益。

附图说明

图1是本发明的流程图。

图2是本发明实施例的采样点分布示意图。

图3是本发明实施例的锑矿区土-水界面重金属污染流中各重金属的半变异函数拟合曲线图。

图4是本发明实施例的锑矿区土-水界面重金属污染流中各重金属含量空间分布图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细的描述。

本实施例以湖南省某锑矿山为实验区，对该锑矿区土-水界面重金属污染流中各重金属分布预测方法进行实施验证。本实施例的具体步骤如下：

（1）样品采集与预处理

以湖南省冷水江市某锑矿山14平方公里的矿区为研究区。按照代表性原则、均匀性原则、典型性原则的要求进行采样方案的采样点布设。水样的采集采用系统随机布点法，采样点均匀分布在研究区域内并采用GPS进行样点定位。在自然降雨且降雨强度大于下渗强度产生径流时，在每个采样点采集地表坡面径流水样约1.5L，放入聚乙烯瓶并用黑色塑料袋包装后带回实验室，本实施例共采集到43个样品，样点分布如图2所示。在实验室内将径流水样震荡混匀，离心分离后用玻璃纤维滤膜过滤，所得径流水样冷藏保存，并贴好标签，做好采样记录。

（2）样品检测

对径流水样中重金属含量进行测定，将雨水样品震荡混匀，离心分离后用玻璃纤维滤膜过滤，所得水样冷藏保存。重金属Sb、Cd、Zn、Hg采用王水-高氯酸消煮，Pb、As采用硝酸-高氯酸消煮。Sb、Hg、As采用原子荧光分光光度法测定，Cd、Zn、Pb采用火焰原子吸收分光光度法测定，测定过程中以测量准确度和测量不确定度为控制指标进行测量数据的质量控制。

（3）数据处理

采用Grubbs法对原始数据中特异值进行检验和剔除；采用SPSS19.0进行数据的正态分布检验；研究区土-水界面重金属元素的统计特征值见表1。

（4）GIS数据库建立

根据大量的实测数据，通过对污染区污染历史及区域资料调查与分析，结合背景调查分析和研究所需资料分析，并在GIS信息系统中建立该矿区基础数据库。

（5）预测模型的构建

以区域GIS数据库为基础，基于GIS技术支撑，采用以区域化变化理论为基础、以半变异函数为基本工具的地统计技术与经典数据挖掘技术相结合的方法，通过半变异函数来描述区域化变量的结构性和随机性，分析研究区土-水界面重金属污染物的空间变异规律，在此基础上，结合按误差逆传播算法训练的多层前馈网络——BP神经网络，基于BP神经网络对各个采样点的空间位置与该点各重金属含量之间映射关系的智能分析，通过训练集的训练后形成一个BP神经网络模型，利用该模型进行半变异函数的拟合，得到锑矿区土-水界面重金属污染流中各重金属的半变异函数拟合曲线，其理论拟合模型的拟合曲线如图3所示；最后，利用BP神经网络与半变异函数相结合形成的理论拟合曲线进行空间插值，得出锑矿区土-水界面重金属污染流中各重金属含量空间分布，并用ArcGIS软件完成土-水界面重金属空间分布图形的绘制，如图4所示。

（6）预测模型的验证

结合研究区实测数据资料，采用交叉验证法对空间预测模型进行准确性、可靠性及优化性的验证。

Claims (1)

1.一种有色金属矿区土-水界面污染流中各重金属分布预测方法，其特征在于包括如下顺序的步骤：

（1）样品采集与预处理：样品的采集采用系统随机布点法，根据矿区采矿、洗选、冶炼等工业布局以及矿区土地利用现状和地形条件，采样点均匀分布在采样区域内并采用GPS进行样点定位，记录其经纬度；在自然降雨且降雨强度大于下渗强度产生径流时，在每个采样点采集地表坡面径流水样约1.5L，放入聚乙烯瓶并用黑色塑料袋包装后带回实验室；在实验室内将所采径流水样震荡混匀，离心分离后用玻璃纤维滤膜过滤，所得径流水样冷藏保存贴好标签，做好采样记录；

（2）样品检测：对径流水样中重金属含量进行测定，重金属Sb、Cd、Hg采用王水-高氯酸消煮，Pb、As采用硝酸-高氯酸消煮；Sb、Hg、As采用原子荧光分光光度法测定， Cd、Zn、Pb采用火焰原子吸收分光光度法测定；测定过程中以测量准确度和测量不确定度为控制指标进行测量数据的质量控制；

（3）数据处理：采用Grubbs法对所测原始数据中特异值进行检验和剔除；采用SPSS19.0进行数据的正态分布检验；采用地统计学软件GS+ 7.0进行数据的描述性统计分析、半变异函数和参数的计算，并利用BP神经网络模型得出半变异函数的拟合曲线；

（4）建立GIS数据库：根据大量的实测数据，通过对污染区污染历史及区域资料调查与分析，结合背景调查分析和研究所需资料分析，在GIS信息系统中建立该矿区基础数据库；

（5）预测模型的构建：以步骤（4）建立的区域GIS数据库为基础，基于GIS技术，采用地统计学技术与经典数据挖掘技术相结合的方法，通过步骤（3）所述半变异函数来描述区域化变量的结构性和随机性，分析研究区土水界面重金属污染流中各重金属污染物的空间变异规律，结合BP神经网络对各个采样点的空间位置与该点各重金属含量之间映射关系的分析，利用BP神经网络与半变异函数相结合构建有色金属矿区土水界面重金属分布的BP预测模型；利用该模型对有色金属矿区土水界面重金属污染流中各重金属含量、空间变异性及分布进行预测，并用ArcGIS软件完成土-水界面重金属空间分布图形的绘制；

（6）预测模型的验证：结合研究区实测数据资料，采用交叉验证法对空间预测模型进行准确性、可靠性及优化性的验证。

Images