CN107025498B - 一种优化地下水特殊脆弱性评价模型的方法 - Google Patents
一种优化地下水特殊脆弱性评价模型的方法 Download PDFInfo
- Publication number
- CN107025498B CN107025498B CN201710181797.3A CN201710181797A CN107025498B CN 107025498 B CN107025498 B CN 107025498B CN 201710181797 A CN201710181797 A CN 201710181797A CN 107025498 B CN107025498 B CN 107025498B
- Authority
- CN
- China
- Prior art keywords
- index
- underground water
- vulnerability
- value
- groundwater
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 121
- 238000013210 evaluation model Methods 0.000 title claims abstract description 31
- 238000011160 research Methods 0.000 claims abstract description 50
- 238000005070 sampling Methods 0.000 claims abstract description 28
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 25
- 231100000719 pollutant Toxicity 0.000 claims abstract description 25
- 239000003673 groundwater Substances 0.000 claims description 112
- 238000011156 evaluation Methods 0.000 claims description 64
- 230000000694 effects Effects 0.000 claims description 20
- 238000007619 statistical method Methods 0.000 claims description 17
- 238000005273 aeration Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000010835 comparative analysis Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 7
- 230000000630 rising effect Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000003911 water pollution Methods 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 3
- 239000002689 soil Substances 0.000 description 24
- 229910002651 NO3 Inorganic materials 0.000 description 23
- 238000005457 optimization Methods 0.000 description 16
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000009933 burial Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000011109 contamination Methods 0.000 description 5
- 238000000540 analysis of variance Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000004927 clay Substances 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 3
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000003373 anti-fouling effect Effects 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 239000000203 mixture Substances 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
- 230000035772 mutation Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000013316 zoning 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种优化地下水特殊脆弱性评价模型的方法，分别从指标体系建立、指标等级赋值、权重确定、脆弱性指数分级方法选择等四个方面对评价模型进行优化，能够有效降低基于迭置指数法的评价模型的主观性。所述方法包括：确定地下水特殊脆弱性影响因素；从影响因素中选择典型指标建立指标体系；根据各个指标在研究区内的取值特征划分每个指标的等级，并为每个等级赋值；通过研究区内采样点的特征污染物浓度和各指标取值的相关程度确定各个指标的权重；构建地下水特殊脆弱性评价模型，采用不同分级方法分别形成地下水特殊脆弱性分区，通过级别差方法对比分析确定最优的地下水特殊脆弱性图。本发明适用于地下水污染防控管理领域。
Description
技术领域
本发明涉及地下水污染防控管理领域，特别是指一种优化地下水特殊脆弱性评价模型的方法。
背景技术
近年来，地下水特殊脆弱性评价是对地下水污染采取预防的主要措施，通过区别不同地区地下水的对污染的敏感性来圈定不同脆弱级别的地下水区域，其评价结果对于地下水水源地选取及保护区划分、地下水污染防控方案、区域土地利用开发政策制定、城市垃圾堆放场地选址及地下水水质监测网布设都具有一定的理论指导意义。
地下水脆弱性分为本质脆弱性和特殊脆弱性。地下水本质脆弱性指在天然状态下地下水受到污染的可能性，是对污染所表现的内部固有的敏感属性。地下水特殊脆弱性是指地下水在人类活动作用下受到某种/类污染物或所有污染物污染的可能性，是对特定的污染物或人类活动所表现的敏感属性。目前，地下水本质脆弱性和特殊脆弱性的界限越来越模糊，在影响地下水本质脆弱性的因素中，如净补给量可能受到灌溉或开采的影响，土壤层的特征也受到土地利用方式的影响。仅研究地下水本质脆弱性不符合实际社会情况且意义不显著。因此，本专利研究对象为地下水特殊脆弱性。
经过国内外近40年的研究表明，地下水脆弱性的研究方法很多，主要包括迭置指数法、过程模拟法、统计方法、模糊数学和综合方法等。迭置指数法是应用最广泛的方法，是通过对选取指标进行等级划分和赋值以及赋予权重，然后进行加权求和得到一个反映脆弱程度的综合指数，并通过对综合指数进行等级划分表征地下水脆弱性的一种方法。其中DRASTIC模型是最常用的迭置指数法，该方法原理简单，数据容易获取，结果便于解释和应用。最大的缺点之一是迭置指数法主观性过强。
发明内容
本发明要解决的技术问题是提供一种优化地下水特殊脆弱性评价模型的方法，以解决现有迭置指数法所存在的主观性过强的问题。
为解决上述技术问题，本发明实施例提供一种优化地下水特殊脆弱性评价模型的方法，包括：
结合研究区的地质、地形、地貌、水文气象、水文地质条件、地下水水质和污染情况、特征污染物性质以及人类活动的影响程度，在明确研究对象、评价尺度和评价目的后，确定地下水特殊脆弱性影响因素；
从确定的地下水特殊脆弱性影响因素中选择具有代表性、系统性、简洁性、独立性、动态性、科学性、可操作性的指标建立指标体系；
根据建立的指标体系中各个指标在研究区内的取值特征划分每个指标的等级，并为每个等级赋值；
采用统计法，通过研究区内采样点的特征污染物浓度和各指标在各采样点取值的相关程度确定各个指标的权重；
根据每个指标的权重及各个指标的等级赋值结果，对指标体系进行加权求和，构建地下水特殊脆弱性评价模型。
进一步地，所述结合研究区的地质、地形、地貌、水文气象、水文地质条件、地下水水质和污染情况、特征污染物性质以及人类活动的影响程度，在明确研究对象、评价尺度和评价目的后，确定地下水特殊脆弱性影响因素包括：
结合研究区的地质、地形、地貌、水文气象、水文地质条件、地下水水质和污染情况、特征污染物性质以及人类活动的影响程度，在明确研究对象、评价尺度和评价目的后，从来源、位置和地下水系统特征三种角度综合确定地下水特殊脆弱性影响因素。
进一步地，所述来源包括：自然环境变化和人类活动、地下水水量和地下水水质；；
所述位置包括：地表、包气带和饱和带；
所述地下水系统特征包括：含水层系统和地下水流动系统的特征。
进一步地，所述指标体系中包括：定量指标；
所述根据建立的指标体系中各个指标在研究区内的取值特征划分每个指标的等级，并为每个等级赋值包括：
针对指标体系中的定量指标，对各个定量指标的数据进行处理，使各个指标的数据压缩在[1，l0]内；
如果指标值越大，地下水越脆弱，则按降半梯形公式：10×(实际值一最小值)/(最大值一最小值)计算评分值区间，并求评分值区间两端点的平均值，根据求得的平均值对相应等级进行赋值；
如果指标值越大，地下水越不脆弱，则按升半梯形公式：10×[1—(实际值一最小值)/(最大值一最小值)]计算，得出评分值区间，并求评分值区间两端点的平均值，根据求得的平均值对相应等级进行赋值。
进一步地，所述指标体系中包括：定性指标；
所述根据建立的指标体系中各个指标在研究区内的取值特征划分每个指标的等级，并为每个等级赋值包括：
针对指标体系中的定性指标，采用统计方法，根据地下水采样点水质特征在不同指标等级划分区间内的平均状态调整赋值。
进一步地，所述方法还包括：
采用统计法，通过研究区内采样点的水质综合指数和各指标在各采样点取值的相关程度确定各个指标的权重。
进一步地，所述各指标在各采样点取值的相关程度用斯皮尔曼等级相关系数表示，其中，所述斯皮尔曼等级相关系数表示为：
式中，ρ表示斯皮尔曼等级相关系数，N为样本数量；di表示第i个样本中特征污染物排行和脆弱性指数排行名次差。
进一步地，所述采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，确定最优的地下水特殊脆弱性图包括：
采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，根据分析结果从所述不同的分级方法中选择最优的分级方法；
根据选择的最优的分级方法，确定最优的地下水特殊脆弱性图。
进一步地，所述不同的分级方法包括：等间距法、几何间距法、自然间断法和分位数法。
进一步地，所述采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，根据分析结果从所述不同的分级方法中选择最优的分级方法包括：；
确定用于验证地下水特殊脆弱性评价结果的验证指标值；
根据不同的分级方法得到的不同的地下水特殊脆弱性图及确定的用于验证地下水特殊脆弱性评价结果的验证指标值，采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，根据分析结果从所述不同的分级方法中选择合适的分级方法。
本发明的上述技术方案的有益效果如下：
上述方案中，结合研究区的地质、地形、地貌、水文气象、水文地质条件、地下水水质和污染情况、特征污染物性质以及人类活动的影响程度，在明确研究对象、评价尺度和评价目的后，确定地下水特殊脆弱性影响因素；从确定的地下水特殊脆弱性影响因素中选择具有代表性、系统性、简洁性、独立性、动态性、科学性、可操作性的指标建立指标体系；根据建立的指标体系中各个指标在研究区内的取值特征划分每个指标的等级，并为每个等级赋值；采用统计法，通过研究区内采样点的特征污染物浓度和各指标在各采样点取值的相关程度确定各个指标的权重；根据每个指标的权重及各个指标的等级赋值结果，对指标体系进行加权求和，构建地下水特殊脆弱性评价模型，根据构建的地下水特殊脆弱性评价模型，采用不同分级方法分别形成地下水特殊脆弱性分区；采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，优化地下水特殊脆弱性分级方法，从而得到最优的地下水特殊脆弱性图通过优化，能够有效降低评价模型的主观性。
附图说明
图1为本发明实施例提供的优化地下水特殊脆弱性评价模型的方法的流程示意图；
图2为本发明实施例提供的地下水特殊脆弱性评价模型优化过程示意图；
图3为本发明实施例提供的DRASTIC模型计算得到的地下水特殊脆弱性图；
图4为本发明实施例提供的2005年地下水中NO3-N浓度分布图；
图5为本发明实施例提供的DRSIHVL模型计算得到的地下水特殊脆弱性图；
图6为本发明实施例提供的赋值优化后的DRSIHVL模型计算得到的地下水特殊脆弱性图；
图7为本发明实施例提供的RSIVL模型计算得到的地下水特殊脆弱性图；
图8(a)为本发明实施例提供的基于等间距(EI)分级方法下的地下水特殊脆弱性图；
图8(b)为本发明实施例提供的基于自然间断法分级方法(GI)下的地下水特殊脆弱性图；
图8(c)为本发明实施例提供的基于分位数分级方法(Q)下的地下水特殊脆弱性图；
图8(d)为本发明实施例提供的基于几何间距法分级方法(NG)下的地下水特殊脆弱性图；
图9(a)为本发明实施例提供的GI分级方法得到的级别差图；
图9(b)为本发明实施例提供的NJ分级方法得到的级别差图。
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。
本发明针对现有的基于迭置指数法的地下水脆弱性评价模型主观性过强的问题，提供一种优化地下水特殊脆弱性评价模型的方法。
参看图1所示，本发明实施例提供的优化地下水特殊脆弱性评价模型的方法，包括：
步骤101：结合研究区的地质、地形、地貌、水文气象、水文地质条件、地下水水质和污染情况、特征污染物性质以及人类活动的影响程度，在明确研究对象、评价尺度和评价目的后，确定地下水特殊脆弱性影响因素；
步骤102：从确定的地下水特殊脆弱性影响因素中选择具有代表性、系统性、简洁性、独立性、动态性、科学性、可操作性的指标建立指标体系；
步骤103：根据建立的指标体系中各个指标在研究区内的取值特征划分每个指标的等级，并为每个等级赋值；
步骤104：采用统计法，通过研究区内采样点的特征污染物浓度和各指标在各采样点取值的相关程度确定各个指标的权重；
步骤105：根据每个指标的权重及各个指标的等级赋值结果，对指标体系进行加权求和，构建地下水特殊脆弱性评价模型；
步骤106：根据构建的地下水特殊脆弱性评价模型，采用不同分级方法分别形成地下水特殊脆弱性分区；
步骤107：采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，确定最优的地下水特殊脆弱性图。本发明实施例所述的优化地下水特殊脆弱性评价模型的方法，结合研究区的地质、地形、地貌、水文气象、水文地质条件、地下水水质和污染情况、特征污染物性质以及人类活动的影响程度，在明确研究对象、评价尺度和评价目的后，确定地下水特殊脆弱性影响因素；从确定的地下水特殊脆弱性影响因素中选择具有代表性、系统性、简洁性、独立性、动态性、科学性、可操作性的指标建立指标体系；根据建立的指标体系中各个指标在研究区内的取值特征划分每个指标的等级，并为每个等级赋值；采用统计法，通过研究区内采样点的特征污染物浓度和各指标在各采样点取值的相关程度确定各个指标的权重；根据每个指标的权重及各个指标的等级赋值结果，对指标体系进行加权求和，构建地下水特殊脆弱性评价模型，根据构建的地下水特殊脆弱性评价模型，采用不同分级方法分别形成地下水特殊脆弱性分区；采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，优化地下水特殊脆弱性分级方法，从而得到最优的地下水特殊脆弱性图，通过优化，能够有效降低评价模型的主观性。
现有技术中，迭置指数法的主观性来自于指标的选取、指标的分级和赋值、指标权重的确定和等级划分这四个方面。如图2所示，本实施例中，依次地从指标的选取、指标的分级和赋值、指标权重的确定和等级划分这四个方面来减少主观性。
本实施例中，在建立指标体系时，需结合研究区的地质、地形、地貌、水文气象、水文地质条件、地下水水质和污染情况、特征污染物性质以及人类活动的影响程度，在明确研究对象、评价尺度和评价目的后，优选地，可以从来源(自然环境变化和人类活动、地下水水量和地下水水质)、位置(地表、包气带和饱和带)和地下水系统特征(含水层系统和地下水流动系统的特征)三种角度综合确定地下水特殊脆弱性影响因素；然后，在地下水特殊脆弱性影响因素中选择最具代表性、系统性、简洁性、独立性、动态性、科学性、可操作性的指标建立指标体系。
本实施例中，所述代表性是指：指标能充分反映研究区典型区域特征对地下水特殊脆弱性的影响。
本实施例中，所述系统性是指：地下水特殊脆弱性关系到地下水系统的各个方面。在构建指标体系(所述指标体系也可以称为：评价指标体系)时，应该全面系统地考虑地下水特殊脆弱性的各种影响因素，尽可能将这些因素的各个方面都纳入到指标体系中来，在保证指标体系中的指标没有重复意义基础上，保证其评价结果的可靠性。
本实施例中，所述独立性是指：地下水系统的状态可以用多个指标来描述，选择具有代表性同时又相互相对独立性较强的指标参与评价过程，提高评价的准确性和科学性。
本实施例中，所述简洁性是指：根据不同地区的情况具体问题具体分析，尽量找出影响地下水特殊脆弱性的主要因素，但指标不宜过多，否则会冲淡主要指标的作用。
本实施例中，所述动态性是指：不仅要考虑现状条件下影响地下水特殊脆弱性的因素，还要考虑地下水环境和地下水系统在自然或人类活动影响下发生变化情况时的影响因素。
本实施例中，所述科学性是指：指标体系应建立在对评价对象的深刻认识之上，体系中各指标概念的内涵和外延应明确，能够从各方面全面反映和度量评价对象。
本实施例中，所述可操作性是指：指标的获取具有现实性，在我国现有统计制度存在或者通过实验和调研能够得到相应的数据资料。
本实施例中，在建立指标体系后，可以根据建立的指标体系中各个指标在研究区内的取值特征划分每个指标的等级，并为每个等级赋值。
本实施例中，所述指标体系中包括：定量指标和定性指标；定量指标和定性指标按不同脆弱性等级需要给出[1，l0]范围内的一个评分值，根据给出的评分值为相应指标的相应等级赋值；为了降低赋值带来的主观性，可采取以下方法：
①对指标体系中的定量指标的相应等级进行赋值：为了克服各指标的单位和量级所产生的差异，先对各指标的数据进行处理，例如，正规化处理，使指标数据压缩在[1，l0]内；
如果指标值越大，地下水越脆弱，则按降半梯形公式：10×(实际值一最小值)/(最大值一最小值)计算评分值区间，并求评分值区间两端点的平均值，根据求得的平均值对相应等级进行赋值；
如果指标值越大，地下水越不脆弱，则按升半梯形公式：10×[1—(实际值一最小值)/(最大值一最小值)]计算，得出评分值区间，并求评分值区间两端点的平均值，根据求得的平均值对相应等级进行赋值。
②对指标体系中的定性指标的相应等级进行赋值：采用统计方法，即根据地下水采样点水质特征在不同指标等级划分区间内的平均状态调整赋值；这种基于实际污染物测试浓度数据的优化一定程度上克服了赋值的主观性。
本实施例中，相同指标在不同地区对地下水特殊脆弱性的影响是不同的，而且DRASTIC模型中对于各指标的权重赋值上存在一定的不合理性。目前迭置指数法确定权重最常用的方法是层次分析法，该法虽然较好结合研究者对区域水文地质条件等情况的认识，但主观性较大。
本实施例中，采用统计法优化指标权重。统计法不仅有利于迭置指数法的程序化，而且可以减少主观性，指出污染物和脆弱性之间的关系。统计方法用于地下水污染问题主要是为了确定特征污染物和环境因素之间的关系。通过研究区内采样点的特征污染物浓度(或水质综合指数)和各指标在各采样点取值的相关程度确定各个指标的权重，所述各指标在各采样点取值的相关程度用斯皮尔曼等级相关系数表示，其中，所述斯皮尔曼等级相关系数表示为：
式中，ρ表示斯皮尔曼等级相关系数，N为样本数量；di表示第i个样本中特征污染物排行和脆弱性指数排行名次差。
本实施例中，还可以利用不同的分级方法(所述分级方法可以称为：等级划分方法)得到不同的地下水特殊脆弱性图。本实施例中，通过对地下水特殊脆弱性结果合理性的验证进而选择合适的分级方法。
所述分级方法包括：①等间距法(Equal interval，简称EI)将属性值划分成范围间隔相同的各个子域，允许指定间隔数。这种方法强调的是相对于其它数值量属性的值，它适用于常用的数属性，如百分比和温度；②几何间距法 (Geometrical interval，简称为GI)：这是一种将每类间隔成几何级数，每类中数据的平方和尽量小的等级划分方法，这种方法专门用在连续数据的分级上。产生的分级结果视觉上，分级结果易于理解，优点是降低了分级误差，对于不符合正态分布的数据同样适用；③自然间断法(Natural breaks，简称为NJ)：该法是基于数据本身关联性进行分级的方法，通过划定等级间隔确定了分界点，实现了等级内数据差异最小化，不同级别间的差异最大化。在属性数据值中遇到较大的数据突变时，数据属性等级发生变化；④分位数法(Quantile，简称为Q)：每个等级包含同等数量的属性值。该法非常适合线性分布的数据的等级划分。因为每个等级中有相同数量的属性值，因此生成的地图可能会产生误导。可以通过增加等级个数减少地图的变形程度。
为了更好地理解本发明，本实施例以某地浅层地下水硝酸盐特殊脆弱性评价为例，为克服迭置指数法的主观性过强的缺点，本次研究分别从重建指标体系、优化等级赋值、优化权重和优化分级方法四个方面对DRASTIC模型进行优化，重建指标体系后得到了DRSIHVL模型、优化等级赋值后得到了 DRSIHVL模型、优化权重后得到了RSIVL模型和基于自然间断法的RSIVL 模型(简称RSIVL模型(GI))，如图2所示。为检验脆弱性分区准确性和适用性，利用地下水特殊脆弱性评价结果的有效性检验方法检验每个评价模型的评价结果。
本实施例中，为了更好地展示地下水特殊脆弱性评价模型的优化效果，对每一步得到的地下水特殊脆弱性评价模型进行评价；
A11，利用原DRASTIC模型评价地下水脆弱性。
DRASTIC模型假设①污染物随地表入渗水体由地表经包气带(包括土壤和包气带土层)进入含水层；②污染物随水流动；③评价区面积不小于 0.405km2。
DRASTIC模型由地下水埋深D、净补给量R、含水层介质A、土壤介质 S、地形坡度T、包气带介质I以及水力传导系数C等7个水文地质参数组成。 DRASTIC模型中每个指标都分成几个区段，每个区段赋予1-10的评分。然后根据每个指标对脆弱性影响大小赋予相应权重(5，4，3，2，1，5和3)，最后通过加权求和式(1)对各指标进行加权求和，得到地下水脆弱性指数，记为DI。根据DI，将脆弱性分为低脆弱性、中脆弱性、高脆弱性等类别；DI 值越高，地下水脆弱性越高，反之脆弱性越低。
本实施例中，地下水脆弱性指数表示为：
DI＝DWDR+RWRR+AWAR+SWSR+TWTR+IWIR+CWCR式(1)
式中，下标R表示相应指标的指标值，下标W表示相应指标的权重。
根据收集到的地形地貌图、地质图、水文地质图，钻孔柱状图、气象水文资料以及野外采样室内试验的分析结果等数据，借助ArcGIS软件分别获取地下水埋深、含水层介质、土壤介质、地形坡度、净补给量、水力传导系数和包气带介质影响各指标评分图层。根据Aller(1987)制定的7个指标等级划分、赋值和指标权重，得知研究区地下水特殊脆弱性评价分级结果见图3；选用 2005年平水期24个浅层地下水采样点的NO3-N浓度作为验证标准，2005年地下水NO3-N浓度，如图4所示。
通过计算NO3-N浓度和地下水脆弱性指数的相关程度(用斯皮尔曼等级相关系数表征)对地下水特殊脆弱性评价结果进行验证。相关系数ρ的绝对值越大，相关性越强。相关系数在0.8-1.0为极强相关，0.6-0.8为强相关，0.4-0.6 为中等程度相关，0.2-0.4为弱相关，0.0-0.2为极弱相关或无相关。
经过计算可知，DRASTIC模型评价地下水脆弱性得到的结果与地下水中 NO3-N浓度的斯皮尔曼等级相关系数为0.2604，两者呈现弱相关关系。同时对比图3和图4可知NO3-N浓度的高低与脆弱性的高低对应程度较差，误差主要分布在金珠镇的一级阶地，牛河的河漫滩，九站，孤家子和龙潭工业区。总的来说，DRASTIC模型评价得到的地下水脆弱性结果存在较大偏差。
为提高评价精度，分别从重建指标体系、优化等级赋值、优化权重和优化分级方法这四个方面对DRASTIC模型进行优化。
A12，重建指标体系，对DRASTIC模型进行优化，得到DRSIHVL模型，利用DRSIHVL模型评价地下水脆弱性。
本实施例中，研究区内含水层介质较为均一，属于冲积、冲洪积砂砾卵石，DRASTIC模型将其划分在一个脆弱性等级内。全区地形平坦，地形坡度均小于2％。因此，地形坡度、水力传导系数和含水层介质指标对于地下水特殊脆弱性评价结果的相对性上没有贡献，所以去掉。
土壤介质对地下水特殊脆弱性的影响主要体现在氨氮吸附、硝化作用和硝酸盐反硝化作用等各类物理化学生物反应，反应原理较为复杂，所以用土壤介质综合反映硝酸盐在土壤中的迁移转化规律。根据不同介质下NO3-N浓度平均值，推断不同土壤介质下的地下水脆弱性由高到低依次为壤质砂土、砂质壤土、砂质粘土、粉砂壤、壤土和粉砂质粘土。包气带环境中硝酸盐的反硝化作用对地下水脆弱性产生了较大的影响，由于研究区内多处包气带介质由多种介质组成，因此选用防污性能最好且厚度大于1m的介质作为包气带介质，根据不同包气带介质下NO3-N浓度平均值，认为粉砂质粘土介质下的地下水特殊脆弱性最低，其次分别是壤土、砂质壤土、砂质粘土、粉砂壤和壤质砂土。
Laura Debernardi等、Stigter等人认为地下水脆弱性最高和污染最严重的地区相关性很小的原因是低估了含水层对污染物的衰减潜力，同时说明地下水特殊脆弱性评价中体现污染物的物理化学过程对于提高地下水特殊脆弱性评价精度具有重要作用，钟佐、王焰新等也都认为地下水特殊脆弱性评价时应该考虑含水层厚度，该指标决定了地下水对硝酸盐稀释能力的强弱。因此为增加含水层厚度指标作为地下水特殊脆弱性的评价指标，用于表征含水层对硝酸盐的稀释作用。
人类活动对地下水的影响主要体现在开采和人类释放的污染源污染地下水两个方面，其中地下水系统对人类开采的响应表现形式为地下水水位，地下水超采，该处地下水水位降低，该处与附近地下水的水力梯度增大，因此地下水水流速度也增大。地下水水流速度反映了硝酸盐在地下水流带动下的对流弥散作用强弱，地下水水流速度越大，表示污染物有可能扩散到更大范围，使更大范围内的地下水受到硝酸盐污染的可能性增大，因此本研究将地下水水流速度作为反映人类活动对地下水特殊脆弱性影响的重要指标。研究区各点的地下水水流速度用达西定律计算。由于该指标中已经考虑了水力传导系数，因此去掉原DRASTIC模型中的水力传导系数指标。
土地利用类型作为地下水特殊脆弱性的评价指标，在评价中并不将其作为体现污染源种类或负荷的指标，而是作为影响硝酸盐在土壤或包气带中迁移转化规律的指标。不同土地利用类型下的包气带中硝酸盐的垂直入渗、微生物作用及污染物的净化过程会有明显的不同。土地利用方式影响土壤养分多少，土壤微生物总量，土壤微生物的数量会随土壤养分含量的增加而增加，进而导致土壤中有机碳含量差异，而有机碳含量对于硝酸盐的硝化作用影响最高，因此可以说土地利用类型影响了硝酸盐在包气带中的转化过程。许多学者将土地利用类型指标纳入地下水特殊脆弱性评价指标体系中，并取得了更加客观的评价结果，因此本次评价中也将土地利用类型作为评价指标之一。
总的来说，重建的指标体系包括：地下水埋深(D)、净补给量(R)、土壤介质(S)、包气带介质(I)、含水层厚度(H)、地下水水流速度(V)和土地利用类型 (L)，组成的模型称为DRSIHVL。在原DRASTIC模型基础上去掉了地形坡度、水力传导系数和含水层介质，增加了含水层厚度、地下水水流速度和土地利用类型。根据本研究区含水层厚度、土地利用类型和地下水水流速度的特征，提出了等级划分及赋值情况(表1)。
表1含水层厚度和土地利用类型等级划分及赋值表
采用层次分析法计算含水层厚度和地下水水流速度的权重都为3，土地利用类型权重为5，地下水埋深、净补给量、土壤介质、包气带介质的权重不变，分别为5、4、2和5。通过加权求和式(1)对各指标进行加权求和，得到地下水脆弱性指数，最后得到研究区地下水特殊脆弱性评价分级结果见图5。
A13，优化等级赋值，对DRSIHVL模型进行赋值优化，利用赋值优化后的DRSIHVL模型评价地下水特殊脆弱性。
增加指标等级赋值的合理性是提高地下水特殊脆弱性评价结果的关键，因此本实施例可以采用统计法对各指标的等级划分进行优化。主要通过计算各指标各等级对应的硝酸盐平均浓度来调整各等级赋值。重建后的指标体系的原等级赋值和优化后的等级赋值见表2。
表2 DRSIHVL模型指标体系的原等级赋值和优化等级赋值表
净补给量、土壤介质、包气带介质、土地利用类型和地下水流速度5个指标的各个等级赋值与NO3-N平均浓度对应程度良好，即脆弱性赋值越高， NO3-N平均浓度越高。但地下水埋深和含水层厚度2个指标的各个等级和 NO3-N平均浓度的对应规律杂乱，可能受到地下水水样采集数量的限制， NO3-N平均浓度不能正确反应指标对地下水特殊脆弱性的影响，因此这两个指标的等级划分赋值不改动。通过加权求和式(1)对各指标进行加权求和，得到地下水脆弱性指数，最终，得到研究区地下水特殊脆弱性评价分级结果(图如图6所示)。
A14，对赋值优化后的DRSIHVL模型的权重进行优化，得到RSIVL模型，利用RSIVL模型评价地下水特殊脆弱性。
本实施例中，通过对研究区内24个采样点的硝酸盐氮浓度和各指标在各采样点取值的相关程度确定各个指标的权重，各指标的相关程度用斯皮尔曼等级相关系数表示，计算结果见表3。
表3 DRSIHVL模型的各指标原权重和优化权重表
| 指标 | 原权重 | 斯皮尔曼等级相关系数 | 优化权重 |
| 地下水埋深 | 5 | 0.375 | 4 |
| 净补给量 | 4 | 0.292 | 3 |
| 土壤介质 | 2 | 0.466 | 5 |
| 包气带介质 | 5 | 0.281 | 3 |
| 含水层厚度 | 3 | 0.097 | 1 |
| 土地利用类型 | 5 | 0.378 | 4 |
| 地下水水流速度 | 3 | 0.485 | 5 |
从表3中可知看出，所有指标和硝酸盐氮浓度呈正相关关系。但实际情况中，地下水埋深和含水层厚度两个指标应与硝酸盐氮浓度呈负相关关系，即地下水埋深越大，地下水脆弱性越低；含水层厚度越大，地下水脆弱性越低，所以去除这两个指标，即用净补给量、土壤介质、包气带介质、土地利用类型、地下水水流速度5个指标用于评价研究区的地下水特殊脆弱性，各指标权重分别为3、5、3、4和5，将模型记为RSIVL。对各指标进行加权求和，得到研究区地下水特殊脆弱性评价分级结果(如图7所示)。
A15，利用不同的分级方式进行地下水特殊脆弱性成图
本实施例中，为了探讨分级方式对地下水脆弱性成图的影响，选取等间距法(简称EI)、几何间距法(简称NJ)、自然间断法(简称GI)、分位数法(简称Q)四种分级方式分别进行地下水特殊脆弱性成图(如图8(a)-图8(d) 所示)。
A16，将原DRASTIC模型、DRSIHVL模型、赋值优化后的DRSIHVL模型和RSIVL模型的评价结果进行对比和验证。
本实施例中，原DRASTIC模型、DRSIHVL模型、赋值优化后的DRSIHVL 模型和RSIVL模型的评价结果的验证指标的计算结果见表4。
表4地下水特殊脆弱性评价结果验证指标统计表
从表4可知，选用2005年平水期24个浅层地下水采样点的NO3-N浓度作为验证标准，其中，ANOVA表示方差分析，F值是方差分析中的一个指标。经过计算可知，DRASTIC模型评价地下水脆弱性得到的结果与地下水中 NO3-N浓度的斯皮尔曼等级相关系数为0.2604，两者呈现弱相关关系。同时地下水中最低NO3-N浓度和最高NO3-N浓度均出现在地下水脆弱性较低区，且脆弱性各等级中NO3-N浓度均在32mg/L-35mg/L，F值也较低，所以DRASTIC 模型评价得到的地下水脆弱性结果存在较大偏差。
经过指标修正后的DRSIHVL模型评价地下水特殊脆弱性得到的结果与地下水中NO3-N浓度的相关程度为0.5328，比原DRASTIC模型的相关程度增加了近一倍，两者呈现中等相关关系。说明新建的指标体系对于本研究区来说，比DRASTIC模型更为合理。经过指标修正和赋值优化后的DRSIHVL模型计算得到的地下水特殊脆弱性与NO3-N浓度的相关性ρ为0.6483比用初始 DRASTIC模型得到的结果的精度提高了0.3883。经过指标修正、赋值优化和权重优化后的地下水特殊脆弱性评价结果的精度最高(ρ＝0.6698)，其与NO3-N 浓度的相关系数与DRASTIC模型得到的评价结果相比提高了0.4098。因此，认为RSIVL模型合理，可以较好反映研究区地下水特殊脆弱性的实际情况。
采用不同分级方法确定的地下水特殊脆弱性与地下水中NO3-N浓度的相关程度均为0.6698，因此通过分析NO3-N最高浓度和最低浓度各出现在脆弱性等级的哪一分区、脆弱性各等级对应的NO3-N平均浓度和方差分析F值检验结果来判断哪种分级结果最合理。利用RSIVL模型Q分级方法使得最低 NO3-N浓度出现在地下水特殊脆弱性低区，最高NO3-N浓度出现在地下水特殊脆弱性高区，分布在地下水特殊脆弱性5个等级的NO3-N平均浓度范围在7.34mg/L-47.22mg/L，相比于用DRASTIC模型得到的评价结果更为合理，但地下水特殊脆弱性中等区的NO3-N浓度仅为9.31mg/L，比较异常。利用RSIVL模型GI和NJ的等级划分方法得到的地下水特殊脆弱性评价结果精度近似，总体好于Q分级方法得到的地下水特殊脆弱性评价结果，其中最低 NO3-N浓度出现在地下水特殊脆弱性较低区，最高NO3-N浓度出现在地下水特殊脆弱性较高区，且地下水特殊脆弱性各个等级内的NO3-N浓度呈现稳步上升趋势，F值是所有评价模型中最高的，因此认为评价结果合理。
为了区别GI和NJ哪种等级划分方法更有效，本实施例可以采用级别差来判断。将地下水中NO3-N浓度和地下水特殊脆弱性评价结果划分为5个等级，计算级别差值的绝对值。本研究认为当级别差绝对值为0，1时，脆弱性评价结果合理。当脆弱性级别高于浓度级别2-3，认为过高估计了脆弱性评价结果；高于等于4，认为完全过高估计了脆弱性结果。GI和NJ两种等级划分方法得到的级别差见图9(a)、图9(b)和表5。
表5 GI和NJ分级方法得到的地下水特殊脆弱性评价结果合理性分析表
从图8和表5中可以看出，GI等级划分方法得到的地下水特殊脆弱性评价结果合理的面积占研究区面积的64.45％，过高估计地下水特殊脆弱性评价面积占研究区面积的35.53％，NJ等级划分方法得到的地下水特殊脆弱性评价结果合理的面积占研究区面积的52.08％，过高估计地下水特殊脆弱性评价面积占研究区面积的47.47％，完全过高估计地下水特殊脆弱性结果的面积比例为0.45％。结合之前的定性和统计分析看，本文认为用GI等级划分方法得到的地下水特殊脆弱性结果更为准确。对GI等级划分得到的地下水特殊脆弱性结果进行统计分析，结果见表6。
表6研究区浅层地下水特殊脆弱性分区统计表
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，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种优化地下水特殊脆弱性评价模型的方法，其特征在于，包括：
结合研究区的地质、地形、地貌、水文气象、水文地质条件、地下水水质和污染情况、特征污染物性质以及人类活动的影响程度，在明确研究对象、评价尺度和评价目的后，确定地下水特殊脆弱性影响因素，包括：
结合研究区的地质、地形、地貌、水文气象、水文地质条件、地下水水质和污染情况、特征污染物性质以及人类活动的影响程度，在明确研究对象、评价尺度和评价目的后，从来源、位置和地下水系统特征三种角度综合确定地下水特殊脆弱性影响因素；
从确定的地下水特殊脆弱性影响因素中选择具有代表性、系统性、简洁性、独立性、动态性、科学性、可操作性的指标建立指标体系；
根据建立的指标体系中各个指标在研究区内的取值特征划分每个指标的等级，并为每个等级赋值；所述指标体系中包括定量指标和定性指标，对于定量指标：针对指标体系中的定量指标，对各个定量指标的数据进行处理，使各个指标的数据压缩在[1，l0]内；如果指标值越大，地下水越脆弱，则按降半梯形公式：10×(实际值一最小值)/(最大值一最小值)计算评分值区间，并求评分值区间两端点的平均值，根据求得的平均值对相应等级进行赋值；如果指标值越大，地下水越不脆弱，则按升半梯形公式：10×[1—(实际值一最小值)/(最大值一最小值)]计算，得出评分值区间，并求评分值区间两端点的平均值，根据求得的平均值对相应等级进行赋值；对于定性指标：针对指标体系中的定性指标，采用统计方法，根据地下水采样点水质特征在不同指标等级划分区间内的平均状态调整赋值；
采用统计法，通过研究区内采样点的特征污染物浓度和各指标在各采样点取值的相关程度确定各个指标的权重；以及，采用统计法，通过研究区内采样点的水质综合指数和各指标在各采样点取值的相关程度确定各个指标的权重；
根据每个指标的权重及各个指标的等级赋值结果，对指标体系进行加权求和，构建地下水特殊脆弱性评价模型；
根据构建的地下水特殊脆弱性评价模型，采用不同分级方法分别形成地下水特殊脆弱性分区；
采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，确定最优的地下水特殊脆弱性图，包括：
采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，根据分析结果从所述不同的分级方法中选择最优的分级方法；
根据选择的最优的分级方法，确定最优的地下水特殊脆弱性图。
2.根据权利要求1所述的优化地下水特殊脆弱性评价模型的方法，其特征在于，所述来源包括：自然环境变化和人类活动、地下水水量和地下水水质；
所述位置包括：地表、包气带和饱和带；
所述地下水系统特征包括：含水层系统和地下水流动系统的特征。
3.根据权利要求1所述的优化地下水特殊脆弱性评价模型的方法，其特征在于，所述各指标在各采样点取值的相关程度用斯皮尔曼等级相关系数表示，其中，所述斯皮尔曼等级相关系数表示为：
式中，ρ表示斯皮尔曼等级相关系数，N为样本数量；di表示第i个样本中特征污染物排行和脆弱性指数排行名次差。
4.根据权利要求1所述的优化地下水特殊脆弱性评价模型的方法，其特征在于，所述不同的分级方法包括：等间距法、几何间距法、自然间断法和分位数法。
5.根据权利要求1所述的优化地下水特殊脆弱性评价模型的方法，其特征在于，所述采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，根据分析结果从所述不同的分级方法中选择最优的分级方法包括：
确定用于验证地下水特殊脆弱性评价结果的验证指标值；
根据不同的分级方法得到的不同的地下水特殊脆弱性图及确定的用于验证地下水特殊脆弱性评价结果的验证指标值，采用级别差方法对形成的地下水特殊脆弱性分区进行对比分析，根据分析结果从所述不同的分级方法中选择合适的分级方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710181797.3A CN107025498B (zh) | 2017-03-24 | 2017-03-24 | 一种优化地下水特殊脆弱性评价模型的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710181797.3A CN107025498B (zh) | 2017-03-24 | 2017-03-24 | 一种优化地下水特殊脆弱性评价模型的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107025498A CN107025498A (zh) | 2017-08-08 |
| CN107025498B true CN107025498B (zh) | 2022-05-17 |
Family
ID=59525360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710181797.3A Active CN107025498B (zh) | 2017-03-24 | 2017-03-24 | 一种优化地下水特殊脆弱性评价模型的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107025498B (zh) |
Families Citing this family (8)
| 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 |
| CN109270213A (zh) * | 2018-08-23 | 2019-01-25 | 山东省农业可持续发展研究所 | 一种近海与海岸湿地生态脆弱性评价方法与系统 |
| CN110286663B (zh) * | 2019-06-28 | 2021-05-25 | 云南中烟工业有限责任公司 | 基于区域性的卷烟物理指标标准化生产的提升方法 |
| CN110443468B (zh) * | 2019-07-18 | 2023-04-18 | 天津大学 | 一种山洪灾害脆弱性多测度评估方法 |
| CN112834725A (zh) * | 2019-11-25 | 2021-05-25 | 中国石油天然气股份有限公司 | 岩石可钻性的预测方法、装置及系统 |
| CN113348992A (zh) * | 2021-06-08 | 2021-09-07 | 海南省农业科学院蔬菜研究所 | 一种菜心耐热性评价方法 |
| CN115239127B (zh) * | 2022-07-20 | 2023-05-26 | 西南交通大学 | 生态脆弱性评价方法、计算机设备、存储介质和验证方法 |
| CN117933720B (zh) * | 2024-01-31 | 2024-08-13 | 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 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103412104A (zh) * | 2013-07-24 | 2013-11-27 | 环境保护部环境规划院 | 一种地下水脆弱性评价方法 |
| WO2017025781A1 (en) * | 2015-08-13 | 2017-02-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Global data center energy management |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102901799A (zh) * | 2012-10-12 | 2013-01-30 | 常州大学 | 一种基于匀质含水层渗透系数实测的区域地下水特殊脆弱性评价方法 |
| CN105718648B (zh) * | 2016-01-20 | 2017-06-30 | 中国地质大学（武汉） | 流域尺度地下水向地表水氮输运阻断优先控制区划分方法 |
-
2017
- 2017-03-24 CN CN201710181797.3A patent/CN107025498B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103412104A (zh) * | 2013-07-24 | 2013-11-27 | 环境保护部环境规划院 | 一种地下水脆弱性评价方法 |
| WO2017025781A1 (en) * | 2015-08-13 | 2017-02-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Global data center energy management |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107025498A (zh) | 2017-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107025498B (zh) | 一种优化地下水特殊脆弱性评价模型的方法 | |
| Nadiri et al. | Mapping vulnerability of multiple aquifers using multiple models and fuzzy logic to objectively derive model structures | |
| 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 | |
| King et al. | Assessment of the instream flow incremental methodology, and initial development of alternative instream flow methodologies for South Africa | |
| CN103412104B (zh) | 一种地下水脆弱性评价方法 | |
| Jia et al. | Assessment and validation of groundwater vulnerability to nitrate in porous aquifers based on a DRASTIC method modified by projection pursuit dynamic clustering model | |
| Bouguerne et al. | Assessment of surface water quality of Ain Zada dam (Algeria) using multivariate statistical techniques | |
| Onsoy et al. | Spatial variability and transport of nitrate in a deep alluvial vadose zone | |
| CN111241476B (zh) | 一种获得区域性河口营养物基准值的方法 | |
| Jhariya | Assessment of groundwater pollution vulnerability using GIS-based DRASTIC model and its validation using nitrate concentration in Tandula Watershed, Chhattisgarh | |
| CN106919754B (zh) | 一种区域浅层地下水特殊脆弱性的评价方法 | |
| Boufekane et al. | Modified DRASTIC index model for groundwater vulnerability mapping using geostatistic methods and GIS in the Mitidja plain area (Algeria) | |
| Drake et al. | Ground water nitrate‐nitrogen trends in relation to urban development, Helena, Montana, 1971–2003 | |
| CN111612360B (zh) | 一种地下水潜在污染风险源识别方法 | |
| Gurdak et al. | Vulnerability of recently recharged ground water in the High Plains aquifer to nitrate contamination | |
| Li et al. | Groundwater quality evaluation and analysis technology based on AHP-EWM-GRA and its application | |
| Luo et al. | Groundwater vulnerability assessment using AHP-DRASTIC-GALDIT comprehensive model: a case study of Binhai New Area, Tianjin, China | |
| CN111476451A (zh) | 一种水生态指数数据处理方法 | |
| White et al. | Groundwater-surface water interaction in the Waimakariri River, New Zealand, and groundwater outflow from the river bed | |
| Geza et al. | Watershed-scale impacts of nitrogen from on-site wastewater systems: parameter sensitivity and model calibration | |
| Fedorko et al. | Spatial distribution of land type in regression models of pollutant loading | |
| CN116629489A (zh) | 一种地下水抗污性的评价方法及系统 | |
| Ramaraju et al. | Groundwater vulnerability Assessment by DRASTIC method using GIS | |
| CN114881468A (zh) | 一种流域生态系统健康状况评估方法 | |
| Almasri et al. | Analysis of nitrate contamination of Gaza coastal aquifer, Palestine |
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 |