CN106570647A - 基于地下水污染风险评价的傍河水源地水质安全预警方法 - Google Patents
基于地下水污染风险评价的傍河水源地水质安全预警方法 Download PDFInfo
- Publication number
- CN106570647A CN106570647A CN201610980260.9A CN201610980260A CN106570647A CN 106570647 A CN106570647 A CN 106570647A CN 201610980260 A CN201610980260 A CN 201610980260A CN 106570647 A CN106570647 A CN 106570647A
- Authority
- CN
- China
- Prior art keywords
- risk
- water source
- water
- area
- early warning
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 228
- 238000011156 evaluation Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003895 groundwater pollution Methods 0.000 title claims abstract description 26
- 239000003673 groundwater Substances 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000013316 zoning Methods 0.000 claims abstract description 4
- 238000011160 research Methods 0.000 claims description 56
- 239000003344 environmental pollutant Substances 0.000 claims description 29
- 231100000719 pollutant Toxicity 0.000 claims description 29
- 238000005192 partition Methods 0.000 claims description 8
- 230000005012 migration Effects 0.000 claims description 7
- 238000013508 migration Methods 0.000 claims description 7
- 238000003911 water pollution Methods 0.000 claims description 7
- 239000000356 contaminant Substances 0.000 claims description 6
- 238000011109 contamination Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 11
- 230000007613 environmental effect Effects 0.000 abstract description 9
- 238000005065 mining Methods 0.000 abstract description 7
- 230000002265 prevention Effects 0.000 abstract description 5
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 12
- 239000002689 soil Substances 0.000 description 12
- 238000009933 burial Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 239000004576 sand Substances 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000005273 aeration Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 239000004927 clay Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 239000003651 drinking water Substances 0.000 description 4
- 235000020188 drinking water Nutrition 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 230000001681 protective effect Effects 0.000 description 4
- 230000008595 infiltration Effects 0.000 description 3
- 238000001764 infiltration Methods 0.000 description 3
- 239000000575 pesticide Substances 0.000 description 3
- 239000002352 surface water Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- AMWRITDGCCNYAT-UHFFFAOYSA-L hydroxy(oxo)manganese;manganese Chemical compound [Mn].O[Mn]=O.O[Mn]=O AMWRITDGCCNYAT-UHFFFAOYSA-L 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000012466 permeate Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 description 1
- 230000003373 anti-fouling effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000476 body water Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- TTWJBBZEZQICBI-UHFFFAOYSA-N metoclopramide Chemical compound CCN(CC)CCNC(=O)C1=CC(Cl)=C(N)C=C1OC TTWJBBZEZQICBI-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229940080693 reglan Drugs 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明基于地下水污染风险评价的傍河水源地水质安全预警方法，包括：对傍河水源地水质安全预警的研究区进行地下水污染风险计算，并根据计算结果对研究区进行风险分区，获得污染风险评价；选取傍河水源地的预警影响因子；对污染风险评价和预警影响因子分别赋予预设的风险权重；根据污染风险评价和预警影响因子及各自的风险权重计算傍河水源地水质安全预警分区。本发明提供一种借助于污染风险评价体系，通将过区域环境风险与开采条件下地下水水质的动态变化在水源地保护区进行叠加耦合，获得预警分区，达到综合防控的目的，从宏观角度进行水源地水质安全预警，在了解水源地及其周边区域环境状况的前提下，更科学、合理、全面有效地保障水质安全。
Description
技术领域
本发明属于环境保护及水质安全技术领域，具体涉及一种基于地下水污染风险评价的傍河水源地水质安全预警方法。
背景技术
水源地水质安全预警，目的在于确保水质安全，通过提出预警措施降低水源地受到危害的可能性或通过提前制定若干可能发生事件对水源地造成危害的应对方案以实现对水源地水质安全的管控，通过一系列预警手段，根据水源地及其周边所表征的情况，进行警情预报，排除预警隐患。
通常情况下，通过对水质实时监测或水质变化趋势模拟进行水质安全预警，但是上述两种方法不能从水源地的汇水区到排泄区进行整体预警，不能起到综合防控的目的，也就无法服务于水源地保护区、水源地所在区域水资源的综合管理工作。目前缺少从宏观角度进行水源地水质安全预警的方法。
发明内容
本发明实施例的目的是提供一种基于地下水污染风险评价的傍河水源地水质安全预警方法，借助于污染风险评价体系，从宏观角度进行水源地水质安全预警，在了解水源地及其周边区域环境状况的前提下，更科学、合理、全面、有效地保障水质安全。
根据本发明的一个方面，提供了一种基于水源地污染风险评价的水质安全预警方法，所述方法包括如下步骤：
对傍河水源地水质安全预警的研究区进行地下水污染风险计算，并根据计算结果对研究区进行风险分区，获得污染风险评价；
选取傍河水源地的预警影响因子；
对污染风险评价和预警影响因子分别赋予预设的风险权重；
根据污染风险评价和预警影响因子及各自的风险权重计算傍河水源地水质安全预警分区。
上述方案中，所述根据污染风险评价和预警影响因子及各自的风险权重计算傍河水源地水质安全预警分区，计算公式为：
P＝R风险W风险+N1W1+N2W2+…+NiWi
其中，P为分区结果，R风险为研究区地下水污染风险评价结果，W风险为污染风险评价权重，Ni为预警影响因子，Wi为预警影响因子权重。
上述方案中，所述预警影响因子，包括：
水源地的保护区分布；
动态条件下的特征污染物。
上述方案中，所述水源地的保护区分布，包括水源地保护区的级别和半径。
上述方案中，所述动态条件下的特征污染物，包括：特征污染物的种类及迁移模型。
上述方案中，所述地下水污染风险计算，包括：
计算公式为：
R风险＝P1W1+P2W2+P3W3+…+PiWi
式中，Pi为风险评价体系的参与指标，Wi为指标相应权重。
上述方案中，所述风险评价体系的参与指标，包括：
识别的风险源
基于风险源地质因素的地下水脆弱性评价结果；
对作为风险源受体的地下水的质量评价结果。
上述方案中，所述基于风险源地质因素的地下水脆弱性评价，包括：
采用预设因子及相应权重作为评价指标，通过预设模型计算初步脆弱性分区；
对初步脆弱性分区进行栅格图形加权迭加，获得地下水脆弱性评价。
上述方案中，所述对作为风险源受体的地下水的质量评价，进一步包括：
对地下水各单项组分进行质量评价，依据预设标准确定单项评分值Fi；
通过以下公式计算地下水综合评分值F：
其中，为各单项组分评分值Fi的平均值；
Fmax为单项组分评价分值Fi中的最大值；
n为参与评价的指标的项数,
上述方案中，所述方法还包括：
在将地下水污染风险评价结果及预警影响因子叠加前，对属性参数的图层数据进行归一化处理。
本发明实施例的上述技术方案有益效果如下：
借助于污染风险评价体系，通将过区域环境风险与开采条件下地下水水质的动态变化在水源地保护区进行叠加耦合，获得预警分区，达到综合防控的目的，从宏观角度进行水源地水质安全预警，在了解水源地及其周边区域环境状况的前提下，更科学、合理、全面有效地保障水质安全。
附图说明
图1为本发明实施例的傍河水源地水质安全预警方法流程示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
地下水污染风险评价可以判定地下水受环境污染的风险，同时在一定程度上反映当前地下水水污染状况。本发明将风险评价理论与水源地水质安全预警相结合，进行地下水水质安全预警区划分，提高预警敏感度，为地下水的保护提供重要指导意见。
污染风险评价系统主要涉及风险源，暴露途径和作用受体。结合傍河水源地特征，本发明通过风险计算获得地下水污染风险分区。傍河水源地对地下水进行开采的过程中，主要会影响地下水动态，考虑河流参与的开采条件下的污染物动态变化，选定傍河水源地特征污染物。根据已经算得的地下水污染风险分区结果，结合水源地保护区划分结果与开采条件下的特征污染物动态变化结果，进行指标叠加计算，获得傍河水源地水质安全预警分区，便于水源地的规划管理。
基于此，本发明基于地下水污染风险评价的傍河水源地水质安全预警，预警因素包括地下水污染风险及水源地荷载。地下水污染风险主要包括风险源、污染物的作用路径及对水源地的影响；水源地荷载作为水源地预警影响因子，主要包括特征污染物、水源地属性及开采条件带来的动态影响。
下面通过具体的实施例对本发明作进一步具体的说明。
实施例
首先需要说明的是，傍河水源地因不同的地理位置，在本发明的具体实践过程中，需要根据水源地的情况和本发明方法作具体的分析和调整。特别的，本实施例以黑龙江省哈尔滨市利民经济开发区为例。
本实施例提供了一种基于地下水污染风险评价的傍河水源地水质安全预警方法。图1为傍河水源地水质安全预警方法流程示意图。如图1所示，本实施例的傍河水源地水质安全预警方法包括如下步骤：
步骤S1，对傍河水源地水质安全预警的研究区进行地下水污染风险计算，并根据计算结果对研究区进行风险分区，获得污染风险评价。
本步骤中，所述地下水污染风险计算，包括：
计算公式为：
R风险＝P1W1+P2W2+P3W3+…+PiWi (1)
式(1)中，Pi为风险评价体系的参与指标，Wi为指标相应权重。
优选的，所述风险评价体系的参与指标，包括：识别的风险源；基于风险源地质因素的地下水脆弱性评价结果；对作为风险源受体的地下水的质量评价结果。
进一步的，风险源的类型主要有工业、农业、生活，污染源的多样化导致风险源相对复杂；地质因素即指风险源的作用路径，地质因素主要包括地形地貌、地质构造、岩层产状、包气带岩性及厚度、含水层岩性及厚度、隔水层岩性及厚度；风险源通过路径作用于受体，主要会引起地下水的动态变化，地下水的动态因素包括水位动态和水质动态。本研究中提出的预警影响因素全面考虑了影响地下水污染的主要因素，其中，地质因素反映了地质系统抵御污染的能力，地下水动态反映了外界因素作用下地下水的动态变化，污染源因素反映了风险源对地下水的潜在影响。
本实施例中，根据风险评价体系的流程，可以认为风险源识别是对污染源的判定。判定污染源即识别污染物分布及特征污染物。按污染物的成因类型，可将污染源的种类分为自然污染源和人为污染源。自然污染源主要是由自然因素而引起地下水污染，原生地质条件(高氟)、地质营力作用等；人为污染源主要是人类活动所造成的污染。污染源种类繁多，通常，土地利用类型可以在一定程度上反映风险源信息，因此在具体实践过程中可以选定土地利用类型为污染源。
特别的，本实施例以黑龙江省哈尔滨市利民经济开发区为例，根据黑龙江省哈尔滨市利民经济开发区研究区(以下简称研究区)资料、研究区遥感解译及野外实际调查结果，依所表1中的土地利用类型评分表，可以获得研究区土地利用类型分布和相应的得分分布。
表1
| 介质 | 评分 | 介质 | 评分 |
| 垃圾场 | 10 | 交通 | 4 |
| 制药厂 | 9 | 一般商用 | 3 |
| 住宅 | 6 | 草地 | 2 |
| 农田 | 5 |
风险源主要通过地质因素作用于受体，地质因素可以用地质介质的防污性能代表。
地质介质的防护性能主要指地下水系统抵御污染的能力，其主要影响因素包括地形地貌、地质构造、地层岩性、地下水水化学特征及地下水动态特征。调查地质介质防护能力时应重点查明包气带介质及含水层介质的结构特征，查清区域地下水补给、径流和排泄条件。
地下水脆弱性可以反映地质介质抵御污染的能力。目前，脆弱性评价的常用方法有迭置指数法、过程数学模拟法、统计方法和模糊数学方法。应用最为广泛的是地下水脆弱性评价典型模型DRASTIC模型。本实施例的基于风险源地质因素的地下水脆弱性评价，包括：
采用预设因子及相应权重作为评价指标，通过预设模型计算初步脆弱性分区；
对初步脆弱性分区进行栅格图形加权迭加，获得地下水脆弱性评价。
优选的，本实施例选取DRASTIC模型为基础进行评价。
首先是模型指标的选取。
DRASTIC方法选取7项因子作为评价指标，即地下水埋深(D)、含水层的净补给量(R)、含水层的介质类型(A)、土壤类型(S)、地形坡度(T)、包气带介质类型(I)及含水层渗透系数(C)。
受区域地层条件差异性的及模型自身局限性的影响，DRASTIC模型主要存在以下缺陷：未分考虑含水层差异性；各指标间本质上存在关联性，一定程度上缺乏层次性；忽视了单因子的正负效应影响；包气带介质考虑不全面；权重分配不够合理；部分指标资料难以准确获取。
基于以上原因，本实施例对DRASTIC模型进行改进，获得改进后的DRASTIC模型。
DRASTIC脆弱性指数＝DwDr+RwRr+AwAr+SwSr+TwTr+IwIr+CwCr (2)
式(2)中的下标w表示权重，r表示相应的评分。根据计算结果，值越高，区域越容易受到污染，地下水脆弱性相对较高；反之，区域地下水不容易受到污，脆弱性相对较低。
具体的，本实施例对模型指标改进包括：去掉地形坡度(T)，增加含水层厚度(T)。
地下水系统与地表水流域在整体分布及流向上有一定的相关性与相似性，因此地形坡度在一定程度上反映出地下水的流向及水力梯度，同是，在地形坡度明显的地区，坡度的大小直接关乎污染物的迁移速率。而地形坡度相对较小的地区，该因素则控制着污染物是否会被随坡度的降低而流走还是因坡度无明显变化而留在一定的地表区域内从而有足够的时间渗入地下，是污染物能够入渗的重要前提，但研究区内普遍地势缓和，区内无山地、丘陵等地貌发育，因此地形坡度对研究区地下水脆弱性影响不大，故去掉此项指标。
含水层的厚度直接反应了地层对水量的调蓄能力，且在一定程度上决定了含水层对入渗的污染物的缓冲能力。根据实际调查结果，发现研究区含水层厚度差异性较大，为使评价结果更加敏感和准确，将评价模型中引入含水层厚度这一指标。
改进后的DRASTIC模型参数意义及评分见表2。
表2
其次是指标权重的确定。
由于现代农业的发展，完全不施用农药的地区几乎不存在，因此本模型按施用农药情况计算。指标的重要性由经验给出，依次是地下水埋深>土壤介质＞包气带影响>含水层介质>含水层厚度＞含水层水力传导系数。
地下水埋深是浅层地下水最重要的指标，控制着进入到含水层中污染物的数量强度和时间。土壤介质类型直接影响污染物在第一时间的入渗状况，土壤状况会影响污染物在地表的停留时间和去留情况，加之研究区农业较发展，地表污染物如农药、化肥的分布与土壤介质的差异密切相关，因此土壤介质取与地下水埋深同等重要。含水层净补给量是污染物进入含水层和在含水层中进行运移的驱动力，其值得大小直接影响污染物下渗过程，因此含水层净补给量重要性仅次于地下水埋深。包气带直接影响污染物的入渗及衰减过程，是污染物到达含水层的重要屏障，因此包气带影响仅次于土壤介质。含水层介质一定程度上决定了污染物在地下水中的迁移速率，该因子次于土壤介质。含水层厚度指标的确定已于前文说明，其重要性次于包气带影响。含水层水力传导系数反映了含水层介质的水力渗透性能，控制着地下水在一定的水力梯度下水的流动速度，从而控制着污染物在含水层中的迁移的速率，研究区内含水层岩性为粗砂、砂卵砾石，渗透性较好，故认为该因素对脆弱性区分不是很大，故列为最次要。
DRASTIC模型中指标权重是通过专家经验获取，借鉴这一思路，本文在确定指标权重时，DRASTIC模型的指标权重通过专家打分法获得，由于DRASTIC模型对原有模型改动相对较小，且相比于原模型，新增指标只有含水层厚度(T)一项，因此只针对于含水层厚度进行专家打分。含水层厚度指标为相对专业参数，因此，通过电子邮件咨询的方式，主要咨询北京师范大学及中国地质大学水文地质领域内专家，进行评分，共咨询专家15位，通过剔除最大值与最小值，取指标权重平均值。结合指标重要性判断及原模型指标权重，获得DRASTIC模型参数权重赋值，见表3。
表3
本评价根据改进的DRASTIC模型评价地下水脆弱性的。根据研究区6项指标的空间分布状况，对应得分判定表格，获得6个评价指标的赋值分布状况，利用改进的DRASTIC模型，获得研究区地下水脆弱性分布及评分分布。
地下水水位埋深(D)：根据2015年统测的地下水水位埋深资料，基于ARCGIS空间分析平台，利用克里金插值法获得研究区的地下水水位埋深，埋深范围为1.2m到6.5m。研究区高漫滩区地下水水位埋深相对较大，低漫滩区、近松花江和呼兰河区地下水水位埋深相对较小。
含水层净补给量(R)：根据《哈尔滨市市区地下水资源开发利用规划报告》调查资料，研究区含水层净补给量相对较小，为28.36mm/a–49.87mm/a，呈自西向东递减趋势。
含水层介质(A)：研究区西北部及靠呼兰河区域及中部小区域含水层岩性主要是圆砾；西北部高漫滩区、松花江靠上游区含水层岩性主要是砂砾；砂砾区周边地带靠研究区中部含水层岩性主要是粗砂；高漫滩与低漫滩交界区含水层岩性主要是中砂；研究区东部低漫滩区含水层岩性主要是细砂。
土壤介质(S)：研究区的土壤介质类型及分布呈一定规律性，其中利民一水源、利民二水源两个水源地地区土壤介质类型主要为黏质壤土，以水源地为中心向周边扩散，土壤粒度逐渐变粗，到了河流沿岸和研究区下游地区，逐渐变为砂，出现薄层或缺失情况。
含水层厚度(T)：总体而言含水层厚度自研究区西向东逐渐变厚，中间水源地区域较厚，最厚地带可达46m，研究区内松花江及呼兰河上游地区含水层厚度较小，最小地区为14m。
包气带介质影响(I)：该指标根据包气带介质的自净能力及厚度划分为5个等级区。
水力传导系数(C)：研究区水力传导系数共分为4个级别，其中最大可达159.99m/d，最小为12.34m/d。
基于改进后的DRASTIC模型计算研究区脆弱性分区，利用Arc GIS 9.3空间分析平台对6个指标的分布状况进行栅格图形加权迭加，获得研究区地下水脆弱性值的范围为99-182，将计算结果用Arc GIS空间分析平台的等间距分隔法分为5个等级；不同等级的地下水脆弱性值区间、分布面积和百分比的统计结果详见表4。
表4
| 脆弱性情况 | 脆弱性值 | 面积(km2) | 面积占比(％) |
| 低脆弱性区 | 99-116 | 30.14 | 4.75 |
| 较低脆弱性区 | 116-132 | 302.53 | 47.72 |
| 中等脆弱性区 | 132-149 | 199.31 | 31.44 |
| 较高脆弱性区 | 149-165 | 51.56 | 8.13 |
| 高脆弱性区 | 165-182 | 50.46 | 7.96 |
根据计算结果及脆弱性状况分布图可知，研究区低脆弱性区主要分布在利民一水源地周边，面积占比最小，仅为4.75％；较低脆弱性区主要在研究区分布范围最广，主要分布在低漫滩区；中等脆弱性区分布面积为199.31km2；较高脆弱性分区及高脆弱性分区在研究区的分布方位和面积占比相似。
对作为风险源受体的地下水的质量评价结果，主要考虑地下水水质状况。
根据《地下水质量标准》(GB/T14848-93)提供的评价方法，可以对获取的水质数据进行单因子评价和综合评价。本文主要采用内梅罗指数法进行区域地下水水质状况综合评价。
首先进行各单项组分评价，划分组分所属质量类别，详见《地下水质量标准》；进而对各类别按表5分别确定单项组分值Fi，之后按式(3)、式(4)式计算综合评分值F。
式(3)和(4)中：为各单项组分评分值Fi的平均值；
Fmax为单项组分评价分值Fi中的最大值；
n为参与评价的指标的项数。
根据F值，按表6划分地下水质量级别。
表5
| 类别 | Ⅰ | Ⅱ | Ⅲ | Ⅳ | V |
| Fi | 0 | 1 | 3 | 6 | 10 |
表6
| 级别 | 优良 | 良好 | 较好 | 较差 | 极差 |
| F | <0.80 | 0.80～<2.50 | 2.50～<4.25 | 4.25～<7.20 | >7.20 |
根据评价方法，结合《生活饮用水卫生标准》(GB5749-2006)，获得研究区地下水水质状况如表7、8所示。其中，表7为研究区地下水水质超标状况，表8为研究区地下水水质状况根据评价结果，基于Arc GIS 9.3平台、利用克里金法对水质级别插值。
表7
| 超标项目 | 浓度值范围(mg/L) | 最高超标倍数 | 超标率 |
| 总铁 | 0.08～34.00 | 113 | 98.7％ |
| 锰 | 0.01～7.14 | 71 | 90.79％ |
| 氨氮 | 0.02～2.20 | 2.8 | 69.74％ |
| CODMn | 0.88～7.21 | 2.4 | 3.95％ |
表8
基于以上，结合前人研究成果及专家意见，对地下水污染风险评价过程中的源、路径及受体进行权重赋值，具体分布见表9。
表9
在实际应用过程中，为了便于计算及对结果进行风险级别划分，在计算过程中对风险指标的权重值放大10倍进行计算。利用Arc GIS 9.3平台的栅格计算“RasterCalculator”功能对于风险过程进行计算，随后利用分级“Classified”功能中的自然断点“Natural Breaks”对计算结果分级，结合风险预警级别实际的可行性和便于管理性，级别划分作一定调整，最终划分结果见风险评价结果表征，见表10。
表10
步骤S2，选取傍河水源地的预警影响因子。
根据傍河水源地特征，本实施例选取水源地保护区分布及动态条件下的特征污染物分布作为预警影响因子。
根据国家环保总局发布的《饮用水水源地保护区划分技术方案》(HJ/T338-2007)(以下简称“规范”)，需要对供水水源地划分保护区级别。根据含水层介质类型，地下水饮用水水源地可分为孔隙水、基岩裂隙水和岩溶水水源地三类，不同类型的水源地其保护区划分方式不同，具体划分方法详见“规范”。
研究区水源地属孔隙水型饮用水水源地，根据利民一水源地下水开采量为1×104m3/d，利民二水源地下水开采量为1×104m3/d，按照前文提到的“规范”要求，属于中小型水源地，因此采用经验法对水源地进行保护区划分。
保护区半径计算经验公式：
R＝α×K×I×T/n (5)
式(5)中，
R为保护区半径，单位为米；
a为安全系数，一般取150％，为安全起见，实际应用过程中应在理论计算值的基础上增加一定量，以防未来涌水量的增加及干旱影响造成半径的扩大；
K为含水层的渗透系数，单位为米/天；
I为水力梯度(漏斗范围内的平均水力坡度)；
T为污染物水平迁移时间，天；
n为有效孔隙度。
一、二级保护区半径按经验公式计算，但实际应用值不得小于表11中对应范围的上限值。表11为孔隙水潜水型水源地保护区范围经验值。
表11
| 介质类型 | 一级保护区半径R(m) | 二级保护区半径R(m) |
| 细砂 | 30-50 | 300-500 |
| 中砂 | 50-100 | 500-1000 |
| 粗砂 | 100-200 | 1000-2000 |
| 砾石 | 200-500 | 2000-5000 |
| 卵石 | 500-1000 | 5000-10000 |
保护区级别划分要求详见“规范”，据此，划分研究区利民一水源、利民二水源水源地保护区范围，具体参数取值及计算结果见表12。
表12研
| 参数 | 取值 | 参数 | 取值 | 保护区级别 | 半径(m) |
| α | 200％ | I | 0.013 | 一级保护区 | 186.93 |
| K | 41.19m/d | n | 0.8 | 二级保护区 | 1869.3 |
具体的，傍河水源地开采条件下会引起水源地与河流水力联系的变化，进而影响地下水动态的变化。根据松花江及呼兰河水质调查结果，结合研究区自身污染物状况，选定特征污染物为氨氮。考虑开采条件下河流对研究区地下水中氨氮分布的影响，污染物迁移模型选用基于因子分析的数学模型，河水中氨氮浓度采用2015年8月-10月河水实测值。
根据模拟结果，研究区考虑河流参与的动态条件下的氨氮分布状况与无河流参与的氨氮分布状况基本相同，均为以研究区中部地带(利民水源地所在区域)为中心，向四周呈不规则状浓度递增，到达南北两侧河流边界时浓度基本达到最高值。相似的分布情况说明河流参与并未影响研究区氨氮分布趋势。根据两种情况下研究区氨氮浓度分布，河流参与后，同一浓度等值线向远离河流方向移动，且主要表现在距离河流约2km范围内的氨氮浓度分布，说明河流参与后提高了研究区近河区域的氨氮浓度，但对研究区氨氮浓度提高幅度相对较小，最高值从河流参与之前的1.35mg/L提高到了1.5mg/L。
步骤S3，对污染风险评价和预警影响因子分别赋予预设的风险权重。
上述风险权重的赋予过程均在步骤S1和步骤S2中进行了相关说明。
步骤S4，根据污染风险评价和预警影响因子及各自的风险权重计算傍河水源地水质安全预警分区。
优选的，本实施例傍河水源地水质安全预警分区计算公式为：
P＝R风险W风险+N1W1+N2W2+…+NiWi (6)
式(6)中，R风险为区域地下水污染风险评价结果，W风险为风险权重，Ni为预警因子，Wi为预警因子权重。
根据区分预警区级别的敏感度需要、专家意见及前人研究成果，对参与傍河水源地水质安全预警分区的各因子权重进行赋值：风险评价结果权重取0.45，河流污染参与的地下水中氨氮动态分布因子取0.33，水源地保护区分布取0.2。其中，为保证预警结果的一致性，水源地保护区的级别越高，取值越大，因此将水源地一级保护区、二级保护区、准保护区、保护区外围分别赋值为4、3、2、1。
特别的，为确保计算结果的科学性，在将风险评价结果及预警因子叠加前，对图层数据进行归一化处理。
优选的，本实施例的傍河水源地安全预警方法，还可以包括如下过程：
基于风险的傍河水源地地下水水质安全预警考虑了地下水污染源、脆弱性、水质、地下水动态、特征污染物及河流因素，各因素叠加后划分得到综合预警区，将傍河水源地综合预警区等级确定为五级，各预警区特征见表13。
表13
根据综合预警区计算方法，基于Arc GIS 9.3平台的栅格计算功能实现预警因子与污染风险评价结果的叠加计算，利用自然打断点“Natural Breaks”功能对计算结果分级，最后运用GIS平台实现结果的可视化，见表14。
表14
零级预警区：区内地下水系统处于一个较良好状态。主要分布在研究区中部。利民一水源、利民二水源均位于该区内，说明两个水源地取水安全性较高，目前尚无提高预警级别的需要，应保持现状。
一级预警区：该分区污染源对地下水影响较弱，地下水水质良好。在研究区分布最为广泛，面积占比27.31％。
二级预警区：地下水受污染程度较低，地下水水质较好。在研究区呈环绕一级预警区状分布，面积为159.67km2。
三级预警区：地下水受一定程度的污染，地下水较差。
四级预警区：地下水受到严重污染，水质状况较差或极差，必须采取地下水污染控制、治理措施。在研究区分布面积最小，面积占比7.78％，主要分布在研究区西北部靠近呼兰河区域。
风险管理是地下水环境风险评价的一个必要步骤，它是对风险评价的结果采取的对策与行动，根据风险评价的结果，进一步提出合理的风险管理措施以及针对某个风险源、某方面影响的区域环境风险管理对策，进而实现研究区地下水环境风险的最小化。
治理地表各类污染源是防止地下水污染、改善地下水环境风险的根本措施，应根据具体地下水源污染状况和原因提出地表污染源综合治理工程方案。浅层地下水主要由地表水渗漏补给，因此加强点源和面源的污染防治措施，制定污染物总量控制方案，实施地表水体水质净化工程，从根本上降低地下水环境风险。
根据基于风险管理的预警级别分区结果，结果污染风险管理体系，对水源地水质安全预警级别进行划分并制定水源地管理措施。各级别预警方案实施办法详见表15。
表15
综合以上，本发明实施例的基于地下水污染风险评价的傍河水源地水质安全预警方法，借助于污染风险评价体系，通将过区域环境风险与开采条件下地下水水质的动态变化在水源地保护区进行叠加耦合，获得预警分区，达到综合防控的目的，从宏观角度进行水源地水质安全预警，在了解水源地及其周边区域环境状况的前提下，更科学、合理、全面有效地保障水质安全。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于地下水污染风险评价的傍河水源地水质安全预警方法，其特征在于，所述方法包括如下步骤：
对傍河水源地水质安全预警的研究区进行地下水污染风险计算，并根据计算结果对研究区进行风险分区，获得污染风险评价；
选取傍河水源地的预警影响因子；
对污染风险评价和预警影响因子分别赋予预设的风险权重；
根据污染风险评价和预警影响因子及各自的风险权重计算傍河水源地水质安全预警分区。
2.根据权利要求1所述的傍河水源地水质安全预警方法，其特征在于，所述根据污染风险评价和预警影响因子及各自的风险权重计算傍河水源地水质安全预警分区，计算公式为：
P＝R风险W风险+N1W1+N2W2+…+NiWi
其中，P为分区结果，R风险为研究区地下水污染风险评价结果，W风险为污染风险评价权重，Ni为预警影响因子，Wi为预警影响因子权重。
3.根据权利要求2所述的傍河水源地水质安全预警方法，其特征在于，所述预警影响因子，包括：
水源地的保护区分布；
动态条件下的特征污染物。
4.根据权利要求3所述的傍河水源地水质安全预警方法，其特征在于，所述水源地的保护区分布，包括水源地保护区的级别和半径。
5.根据权利要求3所述的傍河水源地水质安全预警方法，其特征在于，所述动态条件下的特征污染物，包括：特征污染物的种类及迁移模型。
6.根据权利要求1或2所述的傍河水源地水质安全预警方法，其特征在于，所述地下水污染风险计算，包括：
计算公式为：
R风险＝P1W1+P2W2+P3W3+…+PiWi
式中，Pi为风险评价体系的参与指标，Wi为指标相应权重。
7.根据权利要求6所述的傍河水源地水质安全预警方法，其特征在于，所述风险评价体系的参与指标，包括：
识别的风险源
基于风险源地质因素的地下水脆弱性评价结果；
对作为风险源受体的地下水的质量评价结果。
8.根据权利要求7所述的傍河水源地水质安全预警方法，其特征在于，所述基于风险源地质因素的地下水脆弱性评价，包括：
采用预设因子及相应权重作为评价指标，通过预设模型计算初步脆弱性分区；
对初步脆弱性分区进行栅格图形加权迭加，获得地下水脆弱性评价。
9.根据权利要求7所述的傍河水源地水质安全预警方法，其特征在于，所述对作为风险源受体的地下水的质量评价，进一步包括：
对地下水各单项组分进行质量评价，依据预设标准确定单项评分值Fi；
通过以下公式计算地下水综合评分值F：
其中，为各单项组分评分值Fi的平均值；
Fmax为单项组分评价分值Fi中的最大值；
n为参与评价的指标的项数。
10.根据权利要求1至9任一项所述的傍河水源地水质安全预警方法，其特征在于，所述方法还包括：
在将地下水污染风险评价结果及预警影响因子叠加前，对属性参数的图层数据进行归一化处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610980260.9A CN106570647A (zh) | 2016-11-08 | 2016-11-08 | 基于地下水污染风险评价的傍河水源地水质安全预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610980260.9A CN106570647A (zh) | 2016-11-08 | 2016-11-08 | 基于地下水污染风险评价的傍河水源地水质安全预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106570647A true CN106570647A (zh) | 2017-04-19 |
Family
ID=58540494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610980260.9A Pending CN106570647A (zh) | 2016-11-08 | 2016-11-08 | 基于地下水污染风险评价的傍河水源地水质安全预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106570647A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106896204A (zh) * | 2017-04-24 | 2017-06-27 | 中国地质环境监测院 | 一种判断地下水污染监测井有效性的方法 |
| CN107480864A (zh) * | 2017-07-21 | 2017-12-15 | 中国民航科学技术研究院 | 一种基于ahp评价的民航应急救援能力分析方法 |
| CN107480422A (zh) * | 2017-07-06 | 2017-12-15 | 环境保护部卫星环境应用中心 | 地下水易污染性监测评价方法及装置 |
| CN107729629A (zh) * | 2017-09-27 | 2018-02-23 | 上海岩土工程勘察设计研究院有限公司 | 一种用于污染场地的环境水文地质分区应用方法 |
| CN108564464A (zh) * | 2018-04-13 | 2018-09-21 | 深圳壹账通智能科技有限公司 | 风险控制审核结果智能显示方法、装置、设备及存储介质 |
| CN109447347A (zh) * | 2018-10-29 | 2019-03-08 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于环境风险规避的水源地优化选址方法 |
| CN111614938A (zh) * | 2020-05-14 | 2020-09-01 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
| CN112465191A (zh) * | 2020-11-11 | 2021-03-09 | 中国铁路设计集团有限公司 | 隧道突涌水灾害预测方法、装置、电子设备及存储介质 |
-
2016
- 2016-11-08 CN CN201610980260.9A patent/CN106570647A/zh active Pending
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106896204B (zh) * | 2017-04-24 | 2019-07-30 | 中国地质环境监测院 | 一种判断地下水污染监测井有效性的方法 |
| CN106896204A (zh) * | 2017-04-24 | 2017-06-27 | 中国地质环境监测院 | 一种判断地下水污染监测井有效性的方法 |
| CN107480422A (zh) * | 2017-07-06 | 2017-12-15 | 环境保护部卫星环境应用中心 | 地下水易污染性监测评价方法及装置 |
| CN107480422B (zh) * | 2017-07-06 | 2020-03-10 | 环境保护部卫星环境应用中心 | 地下水易污染性监测评价方法及装置 |
| CN107480864A (zh) * | 2017-07-21 | 2017-12-15 | 中国民航科学技术研究院 | 一种基于ahp评价的民航应急救援能力分析方法 |
| CN107729629A (zh) * | 2017-09-27 | 2018-02-23 | 上海岩土工程勘察设计研究院有限公司 | 一种用于污染场地的环境水文地质分区应用方法 |
| CN107729629B (zh) * | 2017-09-27 | 2021-03-12 | 上海勘察设计研究院(集团)有限公司 | 一种用于污染场地的环境水文地质分区应用方法 |
| CN108564464A (zh) * | 2018-04-13 | 2018-09-21 | 深圳壹账通智能科技有限公司 | 风险控制审核结果智能显示方法、装置、设备及存储介质 |
| CN109447347A (zh) * | 2018-10-29 | 2019-03-08 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于环境风险规避的水源地优化选址方法 |
| CN109447347B (zh) * | 2018-10-29 | 2020-05-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于环境风险规避的水源地优化选址方法 |
| CN111614938A (zh) * | 2020-05-14 | 2020-09-01 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
| CN111614938B (zh) * | 2020-05-14 | 2021-11-02 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
| CN112465191A (zh) * | 2020-11-11 | 2021-03-09 | 中国铁路设计集团有限公司 | 隧道突涌水灾害预测方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106570647A (zh) | 基于地下水污染风险评价的傍河水源地水质安全预警方法 | |
| Baghapour et al. | Optimization of DRASTIC method by artificial neural network, nitrate vulnerability index, and composite DRASTIC models to assess groundwater vulnerability for unconfined aquifer of Shiraz Plain, Iran | |
| van Beynen et al. | Comparative study of specific groundwater vulnerability of a karst aquifer in central Florida | |
| CN107145672B (zh) | 平原河网区域地下水脆弱性及污染风险评估方法及系统 | |
| Chen et al. | Development of an integrated modeling approach for identifying multilevel non‐point‐source priority management areas at the watershed scale | |
| Bo et al. | A risk evaluation model for karst groundwater pollution based on geographic information system and artificial neural network applications | |
| Stern et al. | Description of flow through a natural wetland using dye tracer tests | |
| Anoh et al. | Demarcation of protection perimeters for surface waters of Taabo (Ivory Coast) watershed using GIS and multicriteria analysis. | |
| Su et al. | Responses of groundwater vulnerability to artificial recharge under extreme weather conditions in Shijiazhuang City, China | |
| CN114648167A (zh) | 一种基于山地流域污染负荷的水质预警系统及预警方法 | |
| Siddha et al. | Assessment of groundwater potential of Gandhinagar region, Gujarat | |
| Li et al. | A new risk assessment system based on set pair analysis–variable fuzzy sets for underground reservoirs | |
| CN111612360A (zh) | 一种地下水潜在污染风险源识别方法 | |
| Ray et al. | DIVERSITY: a new method for evaluating sensitivity of groundwater to contamination | |
| Jinjie et al. | Evaluation of the vulnerability of a leaky aquifer considering the retardation effect of an aquitard for specific pollutants: case study in the Tongzhou Plain, China | |
| Schuch et al. | Overexploitation assessment in an urban karst aquifer: The case of Sete Lagoas (MG), Brazil | |
| Al-Aboodi et al. | Assessment of groundwater contamination by using numerical methods | |
| An et al. | GIS-based suitability assessment for shallow groundwater development in zhangye Basin | |
| Ghezelayagh et al. | COP* KAT: a modified COP vulnerability mapping method for karst terrains using KARSTLOP factors and fuzzy logic | |
| Laurent et al. | Spatial modelling with geographic information systems for determination of water resources vulnerability application to an area in massif central (france) 1 | |
| Hamza et al. | Validity of the vulnerability methods DRASTIC and SI applied by GIS technique to the study of diffuse agricultural pollution in two phreatic aquifers of a semi-arid region (Northeast of Tunisia) | |
| Yosua et al. | Jakarta Groundwater Basin Recharge-Discharge Boundary Area Map: A Preliminary Study | |
| Ma et al. | Geo-environment risk assessment in Zhengzhou City, China | |
| Verma et al. | GIS based groundwater vulnerability assessment using DRASTIC model at Mahi River Basin, Rajasthan, India | |
| Zhao et al. | Simulation and prediction of groundwater pollution based on GMS: a case study in Beijing, China |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170419 |