CN111612360A - 一种地下水潜在污染风险源识别方法 - Google Patents
一种地下水潜在污染风险源识别方法 Download PDFInfo
- Publication number
- CN111612360A CN111612360A CN202010455273.0A CN202010455273A CN111612360A CN 111612360 A CN111612360 A CN 111612360A CN 202010455273 A CN202010455273 A CN 202010455273A CN 111612360 A CN111612360 A CN 111612360A
- Authority
- CN
- China
- Prior art keywords
- sources
- source
- pollution risk
- risk
- potential pollution
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 90
- 231100000719 pollutant Toxicity 0.000 claims abstract description 90
- 238000011160 research Methods 0.000 claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000001988 toxicity Effects 0.000 claims abstract description 16
- 231100000419 toxicity Toxicity 0.000 claims abstract description 16
- 230000002265 prevention Effects 0.000 claims abstract description 12
- 239000003337 fertilizer Substances 0.000 claims description 41
- 206010012601 diabetes mellitus Diseases 0.000 claims description 30
- 239000000126 substance Substances 0.000 claims description 29
- 230000008595 infiltration Effects 0.000 claims description 27
- 238000001764 infiltration Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 27
- 239000002699 waste material Substances 0.000 claims description 26
- 239000002352 surface water Substances 0.000 claims description 23
- 239000000575 pesticide Substances 0.000 claims description 21
- 238000003911 water pollution Methods 0.000 claims description 21
- 230000001681 protective effect Effects 0.000 claims description 18
- 239000010865 sewage Substances 0.000 claims description 16
- 238000003973 irrigation Methods 0.000 claims description 15
- 230000002262 irrigation Effects 0.000 claims description 15
- 239000000356 contaminant Substances 0.000 claims description 12
- 239000003673 groundwater Substances 0.000 claims description 10
- 238000003895 groundwater pollution Methods 0.000 claims description 9
- 239000010410 layer Substances 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000011109 contamination Methods 0.000 claims description 4
- 239000010842 industrial wastewater Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000011069 regeneration method Methods 0.000 claims description 4
- 239000013049 sediment Substances 0.000 claims description 4
- 239000002356 single layer Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 claims description 3
- 239000002920 hazardous waste Substances 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 239000003621 irrigation water Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 238000010561 standard procedure Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 239000007789 gas Substances 0.000 description 7
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 101150096839 Fcmr gene Proteins 0.000 description 1
- 239000005442 atmospheric precipitation Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 239000002351 wastewater Substances 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
- G06Q50/06—Energy or water supply
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)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种地下水潜在污染风险源识别方法，具体步骤如下：步骤一、划分六类潜在污染风险源；步骤二、确定特征污染物毒性、迁移性、降解性的权重，并确定其危害性；步骤三、建立污染风险源污染物排放量计算模型，并综合确定风险源的危害性；步骤四、建立风险源发生条件评价指数分级；步骤五、建立风险源贡献率模型，计算潜在污染风险源强度；步骤六、对各类潜在污染风险源贡献率进行分级。本发明利于明确研究区中潜在污染风险源的重点识别范围；利于识别出特征污染物的危害性等级，做到有针对性防治；利于全面评价污染源的危害性，对六大类污染风险源进行综合管控；通过不同区域的各污染源风险贡献率，进而提出针对性防治措施和方案。
Description
技术领域
本发明属于地下水污染保护技术领域，特别涉及一种地下水潜在污染风险源识别方法。
背景技术
地下水是水循环的重要组成部分，是我国城市的重要供水水源，也是重要的医用水水源之一。随着资源的日益开发，其污染日益严重，如遭到农业面源和城市雨水径流的污染，城市工业化废水污染，垃圾填埋场泄漏污染，采矿废水渗漏污染等，致使地下水资源面临较大风险隐患，因此，做好地下水潜在风险源识别，对保护地下水有一定预防和保护作用。
通常在考虑评价区域地下水风险时，多采用过程分析法确定影响因素，认为地下水的易污性、污染源为污染风险的主要决定要素。目前，国内外主要采用了DRASTIC评价法研究地下水易污性，并结合污染源风险进行地下水污染风险模糊评价。但该方法因其指标固定，需同时进行污染源强评价和基于地质条件的脆弱性评价，未考虑具体评价区域特殊性(区域特征污染物、污染发生条件)，因此会影响评价结果的准确性和精准度。
发明内容
本发明提供了一种地下水潜在污染风险源识别方法，用以解决地下水潜在污染风险源的分类、特征污染物选取、特征污染物的危害性评价、风险源的危害性评价以及风险源贡献率等技术问题。
为实现上述目的，本发明采用如下技术方案：
一种地下水潜在污染风险源识别方法，具体步骤如下：
步骤一、收集地下水潜在污染风险源种类，基于潜在污染风险源的行业和场所分类将其分为工业源、农业源、生活源、废物处置类、地下设施类和地表水体类六大类，并建立工业源、农业源、生活源、废物处置类、地下设施类和地表水体类的对应的特征污染物清单；
步骤二、采用层次分析法建立层次结构矩阵，确定六大类潜在污染风险源中特征污染物毒性、迁移性、降解性的权重，并确定特征污染物的危害性；
步骤三、基于特征污染物的排放量，建立六大类潜在污染风险源污染物排放量计算模型，并结合特征污染物毒性、迁移性、降解性的权重所得到的的危害性结果，综合确定潜在污染风险源的危害性；
步骤四、结合防范措施和污染物释放可能性两个指标，建立潜在污染风险源发生条件评价指数分级；
步骤五、叠加潜在污染风险源中各类风险源的危害性和潜在污染风险源污染发生条件，采用乘积式综合指数法，建立风险源贡献率模型，计算地下水潜在污染风险源强度；
步骤六、根据研究区各类潜在风险源的地下水污染风险源强度占比得到其地下水污染风险源贡献率，采用等级差分法，对各类潜在污染风险源贡献率进行分级。
进一步的，对于步骤二中的层次结构矩阵，建立目标层、准则层和指标层，构造判断矩阵A＝[aij]，通过对比单层两两比较确定其判断矩阵，其中，aij＞0，aij＝1/aji，aii＝1；判断矩阵A＝[aij]中的aij的确定采用9度标法，即：ai和aj同等重要时取1；ai比aj略重要时取3；ai比aj较重要时取5；ai比aj非常重要时取7；ai比aj；绝对重要时取9，反之，分别取1/3、1/5、1/7、1/9。2、4、6、8为两两判断元素之间的中间状态反应的标度，然后根据以上原则构造判断矩阵。
在判断矩阵赋初值的基础上，计算得到所述判断矩阵的最大特征值λmax及其对应的特征向量W，将特征向量归一化处理，得到相应的层次单元排序的相对重要性权重向量w1，w2，w3，....，wi。
进一步的，通过最大特征值λmax和权重向量计算出一致性指标C.I.及随机性一致性比率C.R.；其中，C.I.和C.R.的计算公式如下所示：
当所述C.R.＞0.1，一致性未通过，说明所述判断矩阵的取值不合适，需要重新调整；当C.R.＜0.1时，权重通过一致性检验，权重的计算值可用；权重值范围为0～1，值越大说明该指标在同一层次中的重要性越大，反之越小。
进一步的，结合毒性、迁移性、降解性的权重计算单个特征污染物的危害性，对特征污染物三种属性的相对强弱进行排序，排序的对应值代表属性的强弱；排序之后，由各属性的权重和序号乘积相加得到特征污染物的综合危害性值，然后对特征污染物进行归一化处理，得到具有相同量纲的归一化值。
进一步的，对于步骤三中六大类潜在污染风险源的计算模型如下所示：
(1)工业源
Q特＝[(Q排×Ec)×S单/S总]×C允许浓度×Ri
式中，Q特为某个工业区某一特征污染物的排放量，t/a；Q排为研究区的工业废水总排放量，t/a；Ec为误差系数，无量纲；S单和S总分别为单个工业区面积和总工业区的面积，km2；C允许浓度为工业允许特征污染物排放的最大浓度，mg/L；Ri为城市管道渗漏系数，无量纲。
(2)农业源
农业源主要考虑的是耕地使用农药、化肥、农田灌溉水造成的污染，耕地灌溉方式主要包括污水灌溉以及清水灌溉。
清水灌溉产生的污染物：
Q特＝Q化肥×(1-U化肥-V化肥)
Q特＝Q农药×(1-U农药)×λ
式中，Q特代表特征污染物的排放量，t/a；Q化肥和Q农药分别代表的是化肥和农药的使用量，t/a；U化肥、U农药和V化肥分别代表的是农药和化肥的利用率及化肥的挥发率，无量纲在资料不足的情况下，分别取35％、40％和36％，λ为多年平均降雨入渗系数，无量纲。
污水灌溉产生的污染物量化公式见下式：
Q特＝Q再生×(Qi/Q化肥)×λ×Ri
式中，Q特代表特征污染物的排放量，t/a；Qi代表化肥施用量，Q化肥代表化肥施用总量，t/a；λ代表多年平均降雨入渗系数，无量纲；Ri污染物的允许排放浓度，mg/L。
(3)生活源
Q特＝P×λ0×λ2
Q特＝P×λ1×λ2×λ3
式中，Q特表示特征污染物的排放量，t/a；λ0表示人均污水产生量，g/人·天；λ1表示生活源污水排放量，g/人·天；P表示的是人口数，万人；λ2代表入渗系数，无量纲，以降雨入渗系数作为参考；λ3代表的是污染物的限定浓度，mg/L，以县人口为计算标准。
(4)地表水体类
主要考虑污染的河流、湖库水体下渗对地下水造成污染。
Q特＝L×W×V底泥×R水质
式中，Q特代表特征污染物的排放量；L和W分别是污水河流的断面长度和河流宽度，m；R水质代表河流的水质，mg/L；V底泥代表底泥的入渗速率，mm/s。
(5)地下设施类
Q特＝400×N×24.5％×Y×λ×R水质
式中，Q特特代表特征污染物的排放量，t/a；400为储油罐的占地面积，m2；N代表加油站的密度，无量纲；Y代表年平均降雨量，mm；λ代表的是降雨渗透系数，无量纲；R水质代表的是污染物的浓度，mg/L。
(6)废物处置类
废物处置类主要考虑垃圾填埋场和危废处置场，垃圾填埋场分正规垃圾填埋场和非正规垃圾填埋场。
正规垃圾填埋场：
Q特＝S正×V×R4
非正规垃圾填埋场：
Q特＝S非×Y×λ×R4
式中，Q特为某垃圾场某一特征污染物的排放量，t/a；S正为正规垃圾场面积，m2；S非为某非正规垃圾场面积，m2；V为渗漏速率，m/a；Y为降雨量，m/a；λ为降雨入渗系数，无量纲；R4为渗漏液水质，mg/L。
进一步的，对于步骤三中潜在污染风险源的危害性通过将各类潜在污染风险源中的每个特征污染物的危害结果叠加而成。
进一步的，对于步骤三中，通过计算得到各类风险源危害性评价结果，并将计算结果以最小行政单元显示在ArcGIS软件属性表中，通过ArcGIS栅格计算器功能叠加得到综合评价结果；其中各类风险源和叠加后综合评价结果通过ArcGIS软件进行可视化展示，其中颜色深的代表危害性高，颜色淡的代表危害性小。
进一步的，对于步骤四中潜在污染风险源发生条件评价指数分级，其中，工业源中释放可能性通过时间段划分，防护措施通过有防护措施、无防护措施、有防渗和无防渗划分；农业源分为农业种植和规模化养殖场，其释放可能性通过旱地和水田划分，防护措施通过有防护措施和无防护措施；生活源分为城市和村镇；废物处置类通过填埋(堆存)量和服务(填埋)年限划分；地下设施类通过储罐使用年限、储罐总罐容、罐体位置和罐体结构划分；地表水体类释放条件由地表水体划分；
进一步的，对于步骤五中建立风险源贡献率模型如下：
Yk＝Sk·Hk
式中，Yk为地下水污染风险源综合强度评价结果，Sk为地下水污染风险源危害性评价结果，Hk为地下水污染发生条件评价结果，Conk为各污染风险源风险贡献率。
进一步的，对于步骤六中，潜在污染风险源分级采用等间距法分为五级：0～10％，低风险；10％～20％，较低风险；20％～30％，中等风险；30％～40％，较高风险；＞40％，高风险，并根据不同类型的污染风险源的等级制作得到污染风险源分级表。
本发明的有益效果体现在：
1)本发明通过将地下水潜在污染风险源分为六大类，并确定六大类潜在污染风险源的特征污染物，由此利于明确研究区中潜在污染风险源的重点识别范围；且对特征污染物进行毒性、迁移性、降解性的权重赋值和危害性评价，利于识别出特征污染物的危害性等级，做到有针对性防治；
2)本发明通过将特征污染物的危害性和排放量的综合计算，利于全面评价污染源的危害性，对六大类污染风险源进行综合管控；
3)本发明通过风险源危害性评价结果和地下水污染发生条件评价结果的叠加计算，得出研究区内不同区域的各污染源风险贡献率，以对不同区域中各类潜在风险源风险进行识别划分，进而提出针对性防治措施和方案；
此外，本发明可应用GIS软件直观化显示，利于实际应用，对区域化、特殊化的地下水潜在污染风险源进行针对性、准确性和科学性的评价；本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解；本发明的主要目的和其它优点可通过在说明书中所特别指出的方案来实现和获得。
附图说明
图1地下水潜在污染风险源识别方法技术路线图；
图2工业源风险危害性示意图；
图3农业源风险危害性示意图；
图4生活源风险危害性示意图；
图5废物处置类地下填埋危害性示意图；
图6地下设施类危害性示意图；
图7地表水体类危害性示意图；
图8污染风险源危害性叠加图示意图。
具体实施方式
以我国华北某地区为例，研究区内海拔30～100米，地处一级阶地，二级阶地和第四系地貌松散沉积物之间。辖区内大地构造，属山西地台和渤海凹陷之间的接壤地带，地势东低西高差距大，地貌复杂。地貌由西向东依次排列为中山、低山、丘陵、盆地、平原。大气降水为主要补给来源，地下径流，人工开采和蒸发为主要排泄方式。结合图1至图8所示，进一步说明一种地下水潜在污染风险源识别方法，其中图1为潜在污染风险源识别方法技术路线，具体步骤如下：
步骤一、收集地下水潜在污染风险源种类，基于潜在污染风险源的行业和场所分类将其分为工业源、农业源、生活源、废物处置类、地下设施类和地表水体类六大类，并建立工业源、农业源、生活源、废物处置类、地下设施类和地表水体类的对应的特征污染物清单；
本实施例中，统计发现研究区内重点工业源有282家、加油站127个、废物处置类10个以及结合我国人口分布情况、土地利用现状以及污染的地表河流等数据。建立工业源、农业源、生活源、废物处置类、地下设施类和地表水体类的对应的特征污染物清单如表1所示，其中，COD为化学需氧量，SS为悬浮物。
表1六类源特征污染物
步骤二、采用层次分析法建立层次结构矩阵，确定六大类潜在污染风险源中特征污染物毒性、迁移性、降解性的权重，并确定特征污染物的危害性；
建立目标层、准则层和指标层，构造判断矩阵A＝[aij]，通过对比单层两两比较确定其判断矩阵，其中，aij＞0，aij＝1/aji，aii＝1；判断矩阵A＝[aij]中的aij的确定采用9度标法，即：ai和aj同等重要时取1；ai比aj略重要时取3；ai比aj较重要时取5；ai比aj非常重要时取7；ai比aj；绝对重要时取9，反之，分别取1/3、1/5、1/7、1/9。2、4、6、8为两两判断元素之间的中间状态反应的标度，然后根据以上原则构造判断矩阵如表2所示。
表2毒性、迁移性、降解性构造判断矩阵矩阵
在判断矩阵赋初值的基础上，计算得到所述判断矩阵的最大特征值λmax及其对应的特征向量W，将特征向量归一化处理，得到相应的层次单元排序的相对重要性权重向量w1，w2，w3，....，wi。
通过最大特征值λmax和权重向量计算出一致性指标C.I.及随机性一致性比率C.R.；其中，C.I.和C.R.的计算公式如下所示：
其中，R.I.的取值如表3所示。
表3R.I.取值表
当所述C.R.＞0.1，一致性未通过，说明所述判断矩阵的取值不合适，需要重新调整；当C.R.＜0.1时，权重通过一致性检验，权重的计算值可用；权重值范围为0～1，值越大说明该指标在同一层次中的重要性越大，反之越小。计算得到特征污染物毒性、迁移性和降解性的权重如表4所示。
表4污染物属性权重
特征污染物的毒性、迁移性、降解性量纲不统一，而且数值差异较大，因此，选择对所有特征污染物进行归一化处理。由于特征污染物中的无机的迁移性和降解性并无明确考量指标，因此对特征污染物三种属性的相对强弱进行排序，排序的对应值代表属性的强弱。如果量化指标相同，则序列号相同，后续顺延。
毒性指标量化参考《生活饮用水卫生标注》中的指标值，若该标准中没有某一特征污染物，则参考WHO或其他国家标准，也可以通过和某种已经确定的特征污染物进行两两对比确定另外一个的序列。迁移性主要考虑特征污染物的溶解度和有机碳分配系数，有机碳分配系数越大，越难迁移，对应的序列值越小。有机污染物的降解性主要参考降解速率，值越小，表明越难降解，危害性越大，对应的序号越大。
排序之后，由各属性的权重和序号乘积相加得到特征污染物的综合危害性值，然后对27种特征污染物进行归一化，得到具有相同量纲的归一化值。比如氨氮的毒性、迁移性、降解性序号分别为7、15和2，已知迁移性、降解性的权重分别为0.6、0.2、0.2，则氨氮的综合危害性为7×0.6+15×0.2+2×0.2＝7.6，然后对27个特征污染物的综合危害性归一化得到特征污染物的危害性值。得到六类源特征污染物危害性得分如表5所示。
表5六类源特征污染物危害性得分
步骤三、基于特征污染物的排放量，建立六大类潜在污染风险源污染物排放量计算模型，并综合特征污染物毒性、迁移性、降解性的权重所得到的的危害性结果，综合确定潜在污染风险源的危害性。
其中，六大类潜在污染风险源的计算模型如下所示：
(1)工业源
Q特＝[(Q排×Ec)×S单/S总]×C允许浓度×Ri (3)
式中，Q特为某个工业区某一特征污染物的排放量，t/a；Q排为研究区的工业废水总排放量，t/a；Ec为误差系数，无量纲；S单和S总分别为单个工业区面积和总工业区的面积，km2；C允许浓度为工业允许特征污染物排放的最大浓度，mg/L；Ri为城市管道渗漏系数，无量纲。
(2)农业源
农业源主要考虑的是耕地使用农药、化肥、农田灌溉水造成的污染，耕地灌溉方式主要包括污水灌溉以及清水灌溉。
清水灌溉产生的污染物：
Q特＝Q化肥×(1-U化肥-V化肥) (4)
Q特＝Q农药×(1-U农药)×λ (5)
式中，Q特代表特征污染物的排放量，t/a；Q化肥和Q农药分别代表的是化肥和农药的使用量，t/a；U化肥、U农药和V化肥分别代表的是农药和化肥的利用率及化肥的挥发率，无量纲在资料不足的情况下，分别取35％、40％和36％，λ为多年平均降雨入渗系数，无量纲。
污水灌溉产生的污染物量化公式见下式：
Q特＝Q再生×(Qi/Q化肥)×λ×Ri (6)
式中，Q特代表特征污染物的排放量，t/a；Qi代表化肥施用量，Q化肥代表化肥施用总量，t/a；λ代表多年平均降雨入渗系数，无量纲；Ri污染物的允许排放浓度，mg/L。
(3)生活源
Q特＝P×λ0×λ2 (7)
Q特＝P×λ1×λ2×λ3 (8)
式中，Q特表示特征污染物的排放量，t/a；λ0表示人均污水产生量，g/人·天；λ1表示生活源污水排放量，g/人·天；P表示的是人口数，万人；λ2代表入渗系数，无量纲，以降雨入渗系数作为参考；λ3代表的是污染物的限定浓度，mg/L，以县人口为计算标准。
(4)地表水体类
主要考虑污染的河流、湖库水体下渗对地下水造成污染。
Q特＝L×W×V底泥×R水质 (9)
式中，Q特代表特征污染物的排放量；L和W分别是污水河流的断面长度和河流宽度，m；R水质代表河流的水质，mg/L；V底泥代表底泥的入渗速率，mm/s。
(5)地下设施类
Q特＝400×N×24.5％×Y×λ×R水质 (10)
式中，Q特特代表特征污染物的排放量，t/a；400为储油罐的占地面积，m2；N代表加油站的密度，无量纲；Y代表年平均降雨量，mm；λ代表的是降雨渗透系数，无量纲；R水质代表的是污染物的浓度，mg/L。
(6)废物处置类
废物处置类主要考虑垃圾填埋场和危废处置场，垃圾填埋场分正规垃圾填埋场和非正规垃圾填埋场。
正规垃圾填埋场：
Q特＝S正×V×R4 (11)
非正规垃圾填埋场：
Q特＝S非×Y×λ×R4 (12)
式中，Q特为某垃圾场某一特征污染物的排放量，t/a；S正为正规垃圾场面积，m2；S非为某非正规垃圾场面积，m2；V为渗漏速率，m/a；Y为降雨量，m/a；λ为降雨入渗系数，无量纲；R4为渗漏液水质，mg/L。
本实施例中，潜在污染风险源中特征污染物的危害性通过单个特征污染物的将排放量与其毒性、迁移性、降解性的权重相乘，得到该特征污染物的危害结果；对于研究区六大类潜在污染风险源的危害性评价时，将各类潜在污染风险源中的每个特征污染物的危害结果叠加而成。
对于工业源，以某工业园区为例，Q排为435.20万m3，COD的允许浓度为100mg/L，入渗率取0.5644，污染物危害属性评分为0.020，计算得到工业源的COD危害性为435.20×104m3×100mg/L×0.5644×0.020×10-6＝4.99，同样地计算该工业园区其它工业源因子的危害性，进而计算研究区整体工业源危害性。
对于农业源，收集了研究区的再生水使用量，用农业面积代替化肥使用量，按照前面所述的农业源计算公式计算每个乡镇的农业源危害性。以某镇为例，Q再生＝44.5737万m3，Qi/Q化肥＝0.033，λ取0.2，允许排放浓度以COD为例取90mg/L，COD的危害性为计算得到0.020，农业源COD的危害性为44.5737×104m3×0.033×0.2×90mg/L×0.02×10-4＝0.0053，同样地完成农业源其它因子的危害性计算，进而完成整体农业源危害性计算。
对于生活源，收集了研究区各乡镇人口数据，以某镇COD的危害性为例，人口为15396人，人均污水排放量取155g/人·天，COD浓度限值为82mg/L，入渗系数取0.3，按照生活源计算公式计算生活源COD危害性为15396×155g/人·天×82mg/L×0.3×10-9＝21.4273，同样地完成生活源其它因子危害性计算，进而完成研究区整体生活源危害性。
对于地表水体类，收集了研究区主要污染河流长宽、水质数据以及底泥入渗速率等数据，以某河SO4 2-为例，河长为7080.301m，宽为49m，水质类别为Ⅳ类水质，SO4 2-取250mg/L，底泥入渗速率取1.5×10-9，计算SO4 2-危害性为7080.301m×49m×250mg/L×1.5×10-9×0.0368＝0.0151，同样地计算其它因子危害性，进而计算研究区地水体危害性。
对于地下设施类，收集了研究区150个加油站数据，以某镇苯的危害性为例，加油站个数是3，降雨量为0.625m，降雨入渗系数取0.2，污染物浓度取1800mg/L，入渗概率取0.245，按照地下设施危害性计算公式常安镇加油站苯危害性为400m2×3×0.245×625mm×0.2×1800mg/L×10-6＝6.62，同样地计算其它因子的危害性，进而计算研究区地下设施危害性。
对于废物处置类，收集了研究区5个垃圾填埋场数据，以某一个填埋场的SO4 2-为例，该填埋场占地面积111601m2，降雨量0.625m/a，降雨入渗系数取0.2，渗漏液浓度取350mg/L，按照废物处置类计算该垃圾填埋场SO4 2-危害性为111601m2×0.625m/a×0.2×350mg/L×10-6＝4.883。同样地计算该垃圾填埋场其它因子危害性，进而计算研究区垃圾填埋场危害性。
本实施例中，如图2至图8所示，分别为工业源、农业源、生活源、废物处置类、地下设施类和地表水体类和研究区整体危害性示意图。通过计算得到各类风险源危害性评价结果，并将计算结果以最小行政单元显示在ArcGIS软件属性表中，通过ArcGIS栅格计算器功能叠加得到综合评价结果；其中各类风险源和叠加后综合评价结果通过ArcGIS软件进行可视化展示，其中颜色深的代表危害性高，颜色淡的代表危害性小。
步骤四、结合防范措施和污染物释放可能性两个指标，建立潜在污染风险源发生条件评价指数分级。
本实施例中，潜在污染风险源发生条件评价指数分级，其中，工业源中释放可能性通过时间段划分，防护措施通过有防护措施、无防护措施、有防渗和无防渗划分；农业源分为农业种植和规模化养殖场，其释放可能性通过时间段划分，防护措施通过有防护措施和无防护措施；生活源分为城市和村镇；废物处置类通过填埋(堆存)量和服务(填埋)年限划分；地下设施类储罐使用年限、储罐总罐容、罐体位置和罐体结构划分；地表水体类释放条件由地表水体划分，具体划分如表6至表11所示。
表6工业源污染发生条件分级
表7农业源污染发生条件分级
表8生活源发生条件分级
表9废物处置类发生条件分级
表10地下设施类发生条件分级
表11地表水体释放条件分级
步骤五、叠加潜在污染风险源中各类风险源的危害性和潜在污染风险源污染发生条件，采用乘积式综合指数法，建立风险源贡献率模型，计算地下水潜在污染风险源强度；
进一步的，对于步骤五中建立风险源贡献率模型如下：
Yk＝Sk·Hk (13)
式中，Yk为地下水污染风险源综合强度评价结果，Sk为地下水污染风险源危害性评价结果，Hk为地下水污染发生条件评价结果，Conk为各污染风险源风险贡献率。
根据研究区各类潜在风险源的地下水污染风险源强度占比得到其地下水污染风险源贡献率，采用等级差分法，对各类潜在污染风险源贡献率进行分级，如表12所示。潜在污染风险源分级采用等间距法分为五级：0～10％，低风险；10％～20％，较低风险；20％～30％，中等风险；30％～40％，较高风险；40％～50％，高风险。
表12地下水污染风险源贡献率分级表
对于工业源，以步骤3中工业园区的某企业为例，该企业建厂时间为2013年，对厂内做好了防渗工程，根据表6的工业源污染发生条件分级，得到地下水污染风险源发生条件分级指数为0.3，依据步骤3中企业的综合地下水污染风险危害性和公式(13)，计算该工厂的工业源地下水污染风险源综合强度。
对于农业源，以步骤3中研究区的某村镇为例，该镇农田均为旱地，根据表6中农业源污染发生条件分级，得到地下水污染风险源发生条件分级指数为0.7，依据步骤3中村镇的农业源危害性和公式(13)，计算该镇的农业源地下水污染风险源综合强度。
对于生活源，以步骤3中研究区的某乡镇为例，该乡镇类型为村镇，根据表6中生活源污染发生条件分级，得到地下水污染风险源发生条件分级指数为0.6，依据步骤3中村镇的生活源危害性和公式(13)，计算该镇的生活源地下水污染风险源综合强度。
对于地表水体，以步骤3中研究区的某河流为例，根据表6中地表水体类型污染发生条件分级，得到地下水污染风险源发生条件分级指数为1，依据步骤3中研究区地水体危害性和公式(13)，计算研究区地表水体类型地下水污染风险源综合强度。
对于地下设施类，以步骤3中研究区某乡镇的某加油站为例，该加油站储罐使用年限为15年，储罐总罐容为100m3，罐体位置为半地下，罐体结构为单层。根据表6中地下设施类污染发生条件分级，得到地下水污染风险源发生条件分级指数为0.6，依据步骤3中研究区加油站危害性和公式(13)，计算研究区地下设施类型地下水污染风险源综合强度。
对于废物处置类，以步骤3中研究区的某垃圾填埋场数据为例，该垃圾填埋场的填埋(堆存)量278万m3，服务(填埋)年限大于30年，根据表6中废物处置类污染发生条件分级，得到地下水污染风险源发生条件分级指数为1，依据步骤3中研究区废物处置类危害性和公式(13)，计算研究区废物处置类地下水污染风险源综合强度。
基于以上分析，得到研究区六类潜在风险源的地下水污染风险源综合强度，根据公式(14)和表12，计算研究区六类潜在风险源的贡献率，并进行分级，见表13。
表13地下水污染风险源贡献率分级表
根据不同种类的风险源对地下水的贡献率的不同，对处于高风险等级的风险源进行重点防治并采取对应的措施，对其他不同风险等级的风险源有针对性的进行应对预案和措施设计。以上所述仅为本发明较佳的具体实施方式，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所想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种地下水潜在污染风险源识别方法，其特征在于，具体步骤如下：
步骤一、收集地下水潜在污染风险源种类，基于潜在污染风险源的行业和场所分类将其分为工业源、农业源、生活源、废物处置类、地下设施类和地表水体类六大类，并建立工业源、农业源、生活源、废物处置类、地下设施类和地表水体类的对应的特征污染物清单；
步骤二、采用层次分析法建立层次结构矩阵，确定六大类潜在污染风险源中特征污染物毒性、迁移性、降解性的权重，并确定特征污染物的危害性；
步骤三、基于特征污染物的排放量，建立六大类潜在污染风险源污染物排放量计算模型，并结合特征污染物毒性、迁移性、降解性的权重所得到的危害结果，综合确定潜在污染风险源的危害性；
步骤四、结合防范措施和污染物释放可能性两个指标，建立潜在污染风险源发生条件评价指数分级；
步骤五、叠加潜在污染风险源中各类风险源的危害性和潜在污染风险源污染发生条件，采用乘积式综合指数法，建立风险源贡献率模型，计算地下水潜在污染风险源强度；
步骤六、根据研究区各类污染源的地下水污染风险源强度占比得到其地下水污染风险源贡献率，采用等级差分法，对各类潜在污染风险源贡献率进行分级。
2.如权利要求1所述的一种地下水潜在污染风险源识别方法，其特征在于，对于步骤二中的层次结构矩阵，建立目标层、准则层和指标层，构造判断矩阵A＝[aij]，通过对比单层两两比较确定其判断矩阵，其中，aij＞0，aij＝1/aji，aii＝1；判断矩阵A＝[aij]中的aij的确定采用9度标法，即：ai和aj同等重要时取1；ai比aj略重要时取3；ai比aj较重要时取5；ai比aj非常重要时取7；ai比aj绝对重要时取9，反之，分别取1/3、1/5、1/7、1/9；2、4、6、8为两两判断元素之间的中间状态反应的标度，然后根据此原则构造判断矩阵；
在判断矩阵赋初值的基础上，计算得到所述判断矩阵的最大特征值λmax及其对应的特征向量W，将特征向量归一化处理，得到相应的层次单元排序的相对重要性权重向量w1，w2，w3，....，wi。
3.如权利要求2所述的一种地下水潜在污染风险源识别方法，其特征在于，通过最大特征值λmax和权重向量计算出一致性指标C.I.及随机性一致性比率C.R.；其中，C.I.和C.R.的计算公式如下所示：
当所述C.R.＞0.1，一致性未通过，说明所述判断矩阵的取值不合适，需要重新调整；当C.R.＜0.1时，权重通过一致性检验，权重的计算值可用；权重值范围为0～1，值越大说明该指标在同一层次中的重要性越大，反之越小。
4.如权利要求1所述的一种地下水潜在污染风险源识别方法，其特征在于，对于步骤二中，结合毒性、迁移性、降解性的权重计算单个特征污染物的危害性，对特征污染物三种属性的相对强弱进行排序，排序的对应值代表属性的强弱；排序之后，由各属性的权重和序号乘积相加得到特征污染物的综合危害性值，然后对特征污染物进行归一化处理，得到具有相同量纲的归一化值。
5.如权利要求1所述的一种地下水潜在污染风险源识别方法，其特征在于，对于步骤三中六大类潜在污染风险源的计算模型如下所示：
(1)工业源
Q特＝[(Q排×Ec)×S单/S总]×C允许浓度×Ri
式中，Q特为某个工业区某一特征污染物的排放量，t/a；Q排为研究区的工业废水总排放量，t/a；Ec为误差系数，无量纲；S单和S总分别为单个工业区面积和总工业区的面积，km2；C允许浓度为工业允许特征污染物排放的最大浓度，mg/L；Ri为城市管道渗漏系数，无量纲；
(2)农业源
农业源主要考虑的是耕地使用农药、化肥、农田灌溉水造成的污染，耕地灌溉方式主要包括污水灌溉以及清水灌溉；
清水灌溉产生的污染物：
Q特＝Q化肥×(1-U化肥-V化肥)
Q特＝Q农药×(1-U农药)×λ
式中，Q特代表特征污染物的排放量，t/a；Q化肥和Q农药分别代表的是化肥和农药的使用量，t/a；U化肥、U农药和V化肥分别代表的是农药和化肥的利用率及化肥的挥发率，无量纲，在资料不足的情况下，分别取35％、40％和36％；λ为多年平均降雨入渗系数，无量纲；
污水灌溉产生的污染物量化公式见下式：
Q特＝Q再生×(Qi/Q化肥)×λ×Ri
式中，Q特代表特征污染物的排放量，t/a；Qi代表化肥施用量，Q化肥代表化肥施用总量，t/a；λ代表多年平均降雨入渗系数，无量纲；Ri污染物的允许排放浓度，mg/L；
(3)生活源
Q特＝P×λ0×λ2
Q特＝P×λ1×λ2×λ3
式中，Q特表示特征污染物的排放量，t/a；λ0表示人均污水产生量，g/人·天；λ1表示生活源污水排放量，g/人·天；P表示的是人口数，万人；λ2代表入渗系数，无量纲，以降雨入渗系数作为参考；λ3代表的是污染物的限定浓度，mg/L，以县人口为计算标准；
(4)地表水体类
主要考虑污染的河流、湖库水体下渗对地下水造成污染，公式如下：
Q特＝L×W×V底泥×R水质
式中，Q特代表特征污染物的排放量；L和W分别是污水河流的断面长度和河流宽度，m；R水质代表河流的水质，mg/L；V底泥代表底泥的入渗速率，mm/s；
(5)地下设施类
Q特＝400×N×24.5％×Y×λ×R水质
式中，Q特特代表特征污染物的排放量，t/a；400为储油罐的占地面积，m2；N代表加油站的密度，无量纲；Y代表年平均降雨量，mm；λ代表的是降雨渗透系数，无量纲；R水质代表的是污染物的浓度，mg/L；
(6)废物处置类
废物处置类主要考虑垃圾填埋场和危废处置场，垃圾填埋场分正规垃圾填埋场和非正规垃圾填埋场；
正规垃圾填埋场：
Q特＝S正×V×R4
非正规垃圾填埋场：
Q特＝S非×Y×λ×R4
式中，Q特为某垃圾场某一特征污染物的排放量，t/a；S正为正规垃圾场面积，m2；S非为某非正规垃圾场面积，m2；V为渗漏速率，m/a；Y为降雨量，m/a；λ为降雨入渗系数，无量纲；R4为渗漏液水质，mg/L。
6.如权利要求1所述的一种地下水潜在污染风险源识别方法，其特征在于，对于步骤三中潜在污染风险源的危害性通过将各类潜在污染风险源中的每个特征污染物的危害结果叠加而成。
7.如权利要求1所述的一种地下水潜在污染风险源识别方法，其特征在于，对于步骤三中，通过计算得到各类风险源危害性评价结果，并将计算结果以最小行政单元显示在ArcGIS软件属性表中，通过ArcGIS栅格计算器功能叠加得到综合评价结果；其中各类风险源和叠加后综合评价结果通过ArcGIS软件进行可视化展示，其中颜色深的代表危害性高，颜色淡的代表危害性小。
8.如权利要求1所述的一种地下水潜在污染风险源识别方法，其特征在于，对于步骤四中潜在污染风险源发生条件评价指数分级，其中，工业源中释放可能性通过时间段划分，防护措施通过有防护措施、无防护措施、有防渗和无防渗划分；农业源分为农业种植和规模化养殖场，其释放可能性通过旱地和水田划分，防护措施通过有防护措施和无防护措施；生活源分为城市和村镇；废物处置类通过填埋(堆存)量和服务(填埋)年限划分；地下设施类通过储罐使用年限、储罐总罐容、罐体位置和罐体结构划分；地表水体类释放条件由地表水体划分。
9.如权利要求1所述的一种地下水潜在污染风险源识别方法，其特征在于，对于步骤五中建立风险源贡献率模型如下：
Yk＝Sk·Hk
式中，Yk为地下水污染风险源综合强度评价结果，Sk为地下水污染风险源危害性评价结果，Hk为地下水污染发生条件评价结果，Conk为各污染风险源风险贡献率。
10.如权利要求1所述的一种地下水潜在污染风险源识别方法，其特征在于，对于步骤六中，潜在污染风险源分级采用等间距法分为五级：0～10％，低风险；10％～20％，较低风险；20％～30％，中等风险；30％～40％，较高风险；＞40％，高风险，并根据不同类型的污染风险源的等级制作得到污染风险源分级表。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010455273.0A CN111612360B (zh) | 2020-05-26 | 2020-05-26 | 一种地下水潜在污染风险源识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010455273.0A CN111612360B (zh) | 2020-05-26 | 2020-05-26 | 一种地下水潜在污染风险源识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111612360A true CN111612360A (zh) | 2020-09-01 |
| CN111612360B CN111612360B (zh) | 2024-04-16 |
Family
ID=72201421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010455273.0A Active CN111612360B (zh) | 2020-05-26 | 2020-05-26 | 一种地下水潜在污染风险源识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111612360B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112557612A (zh) * | 2020-11-20 | 2021-03-26 | 中南大学 | 利用水系沉积物解析金属矿区地下水重金属污染源及污染边界的方法 |
| CN112990717A (zh) * | 2021-03-23 | 2021-06-18 | 生态环境部华南环境科学研究所 | 一种电镀场地污染源强评估方法 |
| CN117272070A (zh) * | 2023-11-21 | 2023-12-22 | 北京大学 | 一种同时利用有机和无机污染物的定量源解析方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413057A (zh) * | 2013-08-23 | 2013-11-27 | 中国环境科学研究院 | 基于致癌风险的流域水体特征污染物筛选方法及其应用 |
| CN105184095A (zh) * | 2015-09-24 | 2015-12-23 | 中国环境科学研究院 | 一种地下水污染源强评价方法 |
| CN105427013A (zh) * | 2015-10-27 | 2016-03-23 | 中国环境科学研究院 | 一种地下水污染源强评价方法 |
| CN106021898A (zh) * | 2016-05-13 | 2016-10-12 | 中国环境科学研究院 | 一种地下水污染源强分级评价方法 |
| 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 |
-
2020
- 2020-05-26 CN CN202010455273.0A patent/CN111612360B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413057A (zh) * | 2013-08-23 | 2013-11-27 | 中国环境科学研究院 | 基于致癌风险的流域水体特征污染物筛选方法及其应用 |
| CN105184095A (zh) * | 2015-09-24 | 2015-12-23 | 中国环境科学研究院 | 一种地下水污染源强评价方法 |
| CN105427013A (zh) * | 2015-10-27 | 2016-03-23 | 中国环境科学研究院 | 一种地下水污染源强评价方法 |
| CN106021898A (zh) * | 2016-05-13 | 2016-10-12 | 中国环境科学研究院 | 一种地下水污染源强分级评价方法 |
| US20170328878A1 (en) * | 2016-05-13 | 2017-11-16 | Chinese Research Academy Of Environmental Sciences | Rating evaluation method for groundwater pollution source intensity |
| 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 (2)
| Title |
|---|
| 刘姝媛;王红旗;: "某地下水水源地污染风险评价指标体系研究", 中国环境科学 * |
| 金爱芳 等: "地下水污染风险源识别与分级方法", 地球科学(中国地质大学学报) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112557612A (zh) * | 2020-11-20 | 2021-03-26 | 中南大学 | 利用水系沉积物解析金属矿区地下水重金属污染源及污染边界的方法 |
| CN112557612B (zh) * | 2020-11-20 | 2022-06-03 | 中南大学 | 利用水系沉积物解析金属矿区地下水重金属污染源及污染边界的方法 |
| CN112990717A (zh) * | 2021-03-23 | 2021-06-18 | 生态环境部华南环境科学研究所 | 一种电镀场地污染源强评估方法 |
| CN117272070A (zh) * | 2023-11-21 | 2023-12-22 | 北京大学 | 一种同时利用有机和无机污染物的定量源解析方法 |
| CN117272070B (zh) * | 2023-11-21 | 2024-02-02 | 北京大学 | 一种同时利用有机和无机污染物的定量源解析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111612360B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Teng et al. | Risk assessment framework for nitrate contamination in groundwater for regional management | |
| 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 | |
| Rahman | A GIS based DRASTIC model for assessing groundwater vulnerability in shallow aquifer in Aligarh, India | |
| Nobre et al. | Groundwater vulnerability and risk mapping using GIS, modeling and a fuzzy logic tool | |
| CN111612360B (zh) | 一种地下水潜在污染风险源识别方法 | |
| Yang et al. | Health risk assessment of phreatic water based on triangular fuzzy theory in Yinchuan plain | |
| Huan et al. | Comprehensive assessment of groundwater pollution risk based on HVF model: A case study in Jilin City of northeast China | |
| CN105184095A (zh) | 一种地下水污染源强评价方法 | |
| CN107145672A (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 | |
| CN107066782A (zh) | 基于grrm模型水文地质单元地下水环境风险评价方法 | |
| CN106570646A (zh) | 基于grrm模型行政区地下水环境风险评价方法 | |
| Chen et al. | A coupled optimization of groundwater remediation alternatives screening under health risk assessment: An application to a petroleum-contaminated site in a typical cold industrial region in Northeastern China | |
| Zhang et al. | Distribution characteristics, risk assessment, and quantitative source apportionment of typical contaminants (HMs, N, P, and TOC) in river sediment under rapid urbanization: A study case of Shenzhen river, Pearl River Delta, China | |
| Guo et al. | Application of the Risk‐Based Early Warning Method in a Fracture‐Karst Water Source, North China | |
| Mba et al. | Assessment of the sensitivity of water resources in the intertropical zone: a bibliographical study with perspectives | |
| Hrubinko et al. | Assessment of the hydro-ecological situation of the Verkhno-Ivachivsk Reservoir in Ternopil using the fuzzy logic apparatus | |
| Nagar et al. | Hydrogeological environmental assessment of sanitary landfill project at Jammu City, India | |
| Liu et al. | VFS-based OFSP model for groundwater pollution study of domestic waste landfill | |
| Ahmed et al. | Groundwater contamination in Bangladesh | |
| CN114862272A (zh) | 一种生态清洁小流域的建设与评价方法 | |
| Almasri et al. | Analysis of nitrate contamination of Gaza coastal aquifer, Palestine | |
| Parsons et al. | Groundwater resource directed measures manual | |
| Sun et al. | Assessment of aquifer specific vulnerability to total nitrate contamination using ensemble learning and geochemical evidence | |
| Huan et al. | Groundwater Pollution Risk Control from an Industrial Economics Perspective | |
| Ma et al. | Application of Improvement Fuzzy Logic Technique in Groundwater Quality Assessment in Naiman Banner |
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 |