CN112329972A - 一种基于水环境容量的离子型稀土矿山开采预测方法及系统 - Google Patents
一种基于水环境容量的离子型稀土矿山开采预测方法及系统 Download PDFInfo
- Publication number
- CN112329972A CN112329972A CN202010711956.8A CN202010711956A CN112329972A CN 112329972 A CN112329972 A CN 112329972A CN 202010711956 A CN202010711956 A CN 202010711956A CN 112329972 A CN112329972 A CN 112329972A
- Authority
- CN
- China
- Prior art keywords
- mining
- ammonia nitrogen
- concentration
- rare earth
- data
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 115
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 54
- 229910052761 rare earth metal Inorganic materials 0.000 title claims abstract description 47
- 150000002910 rare earth metals Chemical class 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 38
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims abstract description 96
- 238000012544 monitoring process Methods 0.000 claims abstract description 43
- 239000002352 surface water Substances 0.000 claims abstract description 30
- 238000002386 leaching Methods 0.000 claims description 55
- 239000010865 sewage Substances 0.000 claims description 40
- 238000010586 diagram Methods 0.000 claims description 36
- 238000011161 development Methods 0.000 claims description 17
- 239000007788 liquid Substances 0.000 claims description 17
- 239000000243 solution Substances 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 13
- 238000002347 injection Methods 0.000 claims description 13
- 239000007924 injection Substances 0.000 claims description 13
- 229910001404 rare earth metal oxide Inorganic materials 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 6
- 239000011707 mineral Substances 0.000 claims description 6
- 239000012452 mother liquor Substances 0.000 claims description 6
- 238000010828 elution Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000008595 infiltration Effects 0.000 claims description 4
- 238000001764 infiltration Methods 0.000 claims description 4
- 239000002689 soil Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000011049 filling Methods 0.000 claims description 3
- 238000001802 infusion Methods 0.000 claims description 3
- 238000011068 loading method Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 2
- 238000011065 in-situ storage Methods 0.000 description 4
- 241000668854 Howardia biclavis Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009938 salting Methods 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical group N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 1
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 1
- 235000011130 ammonium sulphate Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000010438 granite Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N nitrogen Substances N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000012487 rinsing solution Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000004904 shortening 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于矿山开采技术领域，具体是一种基于水环境容量的离子型稀土矿山开采预测方法及系统，所述开采预测方法包括如下步骤：采集矿山基础数据，所述矿山基础数据包括：拟采矿块基本属性数据、流域基本属性数据、水质监测属性数据、气象属性数据和污染源基本属性数据；基于所采集矿山基础数据计算离子型稀土矿山开采地表水的氨氮浓度；基于氨氮浓度对离子型稀土矿山的开采进行决策，氨氮浓度大于1mg/L的开采年份减少开采量。本发明的预测方法能够准确反应稀土矿分散开采导致的面源污染时空动态变化，使复杂问题简单化，操作简便。
Description
技术领域
本发明属于矿山开采技术领域，具体涉及一种基于水环境容量的离子型稀土矿山开采预测方法及系统。
背景技术
中国是世界上稀土资源最丰富的国家，我国离子型稀土分布在江西、广东、广西、湖南、福建、云南、浙江等省份。离子型稀土矿主要赋存于花岗岩、火山岩的风化壳中，位于偏远山区，矿区分散，矿点众多，浸矿剂为硫酸铵，浸矿液浓度2％～3％，折合氨氮浓度5000～8000mg/L，其水文地质条件决定浸矿液渗漏到地下水中并以短径流形式出露于地表，对区域地表水环境带来危害。因此，氨氮是离子型矿区地表水主要污染因子。我国离子型稀土先后经历了池浸、堆浸、原地浸矿三种工艺，具有矿点分散、众多、跨流域、面源污染等特点，众多稀土矿山流域现状地表水环境氨氮浓度高，流域水环境容量面临极大挑战，限制了稀土资源的进一步开发，因此基于水环境容量的离子型稀土矿山绿色开采模式具有重要研究意义。目前，水环境容量研究多基于确定排污口的大流域，用于政府部门水功能区限制纳污红线管理，另一方面，关于稀土开采对水土环境污染的定性研究较多，定量研究多集中在单一矿块。而离子型稀土矿开采具有矿区范围大、跨多个流域、面源污染、污染源时空动态变化等特点，基于水环境容量的离子型稀土矿山绿色开采模式尚属空白。
《2015年中国环境科学学会学术年会论文集》中的一篇文献《某稀土矿原地浸矿活动对地表水环境影响预测》提出稀土原地浸矿对地表水环境的影响预测以流域为基本单元进行的思想，预测公式采用地表水完全混合模型。但未给出具体的预测公式，也未对如何获取流域分区图、如何获取污染源强等预测参数做出说明。
发明内容
基于现有技术的缺陷，本发明目的在于，提供一种离子型稀土矿山开采对地表水影响的预测方法，给出符合离子型稀土矿山开采特点的地表水氨氮预测公式，计算公式能够准确反应稀土矿分散开采导致的面源污染时空动态变化特点，通过概化将复杂问题简单化，操作简便。明确公式所需参数及获取手段，并采用GIS手段进行流域提取及数据集成，在开采前对流域监控断面氨氮浓度进行预测预警，避免盲目开采恶化流域水环境，确保稀土矿山开采活动满足流域水环境容量要求的研究方法。
为了达到上述目的，本发明采用了如下的技术方案：
一种基于水环境容量的离子型稀土矿山开采预测方法，所述开采预测方法包括如下步骤：
采集矿山基础数据，所述矿山基础数据包括：拟采矿块基本属性数据、流域基本属性数据、水质监测属性数据、气象属性数据和污染源基本属性数据；
基于所采集矿山基础数据计算离子型稀土矿山开采地表水的氨氮浓度；
基于氨氮浓度对离子型稀土矿山的开采进行决策，氨氮浓度大于1mg/L的开采年份减少开采量。
具体地，一种基于水环境容量的离子型稀土矿山开采预测方法，所述开采预测方法包括如下步骤：
1)划分矿块所在流域：
采用ArcGIS确定矿区矿块所在流域分布矢量图，具体是使用ArcGIS插件ArcSWAT，加载矿区所在地栅格DEM图，绘制研究区掩膜矢量图并导入，采用基于阈值定义河网的方式，即通过填洼、计算流向及水流累积栅格，预处理DEM，根据需求定义河流最小汇水面积，取值越小，河网将会越详细，子流域面积越小，生成河网，在ArcGIS中点绘水质监控及预测断面，据此选择流域出水口，得到矿区矿块所在流域分布矢量图；
2)采集基础数据：
基础数据包括：拟采矿块基本属性数据、流域基本属性数据、水质监测属性数据、气象属性数据、污染源基本属性数据；
拟采矿块基本属性数据：根据矿区开发利用方案及储量报告，绘制带地理坐标、氧化稀土资源量属性、开采年份计划属性的矿区开发矢量图，根据矿区开发矢量图，先通过ArcGIS计算几何工具计算出独立矿块的面积，作为各流域各年开采面积Ai提供数据基础；
流域基本属性数据：导入步骤1)获得的流域分布矢量图，通过ArcGIS计算几何工具计算得出流域面积；
利用ArcGIS空间叠加分析工具将矿区开发矢量图和流域分布矢量图进行属性叠加，统计得到各流域各年份开采矿块资源量及对应矿块面积；
水质监测属性数据：即为监控、预测断面现状氨氮监测浓度，通过环境监测获得；
气象属性数据：即为流域所在地90％保证率降雨量，通过去水文局收集当地水文数据获得；
污染源基本属性数据：通过矿块开采试验获取污染源基本属性数据：
选取试验矿块，试验过程包括注液浸矿、氨氮淋洗两个工序：
①注液浸矿阶段：
按照开发利用方案设定的浸矿液浓度及日注液量进行注液浸矿，利用收液系统进行浸矿液收集；记录注液天数t1、日注浸矿液量V1、每日收集母液量Qdi1、每日收集母液中氨氮浓度Cdi1、注液期得到的产品量M；
开采期渗漏污水中氨氮源强浓度Cs1计算公式：
开采期生产单位产品稀土氧化物对应的日渗漏污水量Qc计算公式：
②氨氮淋洗阶段：
氨氮淋洗目的为快速去除土壤中残留的氨氮，在采场加注清水或其它淋洗液，利用收液系统进行尾水收集，淋洗结束标准为收集尾水中氨氮浓度达到《稀土工业污染物排放标准(GB 26451—2011)》即15mg/L；
记录淋洗天数t2、日注淋洗液量V2、每日收集淋洗液量Qdi2、每日收集淋洗液中氨氮浓度Cdi2；
淋洗期渗漏污水中氨氮源强浓度Cs2计算公式：
淋洗期单位产品稀土氧化物对应的日渗漏污水量Ql计算公式：
3)离子型稀土矿山开采地表水氨氮浓度预测：
采用以下公式对地表水氨氮浓度进行计算：
式中：
m—监控、预测断面氨氮浓度的预测年份；
Cm—监控、预测断面第m年氨氮预测浓度，mg/L；
Qm—预测年份当年开采矿块污水渗漏量m3/d，Qm＝预测年份开采矿块资源量×Qc；
Qm-1—预测年份前一年开采矿块污水渗漏量m3/d，Qm-1＝预测年份前一年开采矿块资源量×Ql；
C0—监控、预测断面氨氮本底浓度，mg/L；
Cs1—开采期渗漏污水中氨氮源强浓度，mg/L；
Cs2—氨氮淋洗期渗漏污水中氨氮源强浓度，mg/L；
Csr—氨氮淋洗至渗漏污水中氨氮浓度15mg/L，因此，淋洗期后，渗漏污水氨氮浓度按15mg/L计；自然降雨淋溶期氨氮浓度；
Qi—第m-2年之前各开采矿块预测年污水渗漏量，m3/d，Qi＝Ai×R×λ；
Q0—流域监控断面处90％水文保证率流量，m3/d，Q0＝A×R×(1-λ)；
R—根据《环境影响评价技术导则地表水环境》，采用90％水文保证率降雨量，m/d，根据当地水文资料获得；
λ—降雨入渗系数，无量纲，根据当地水文地质条件确定；
A—流域面积，m2，在ArcGIS矢量图中量取；
Ai—第m-2年之前各年开采矿块面积，m2，利用ArcGIS存储的基础数据集统计获取。
本发明中，开采矿块资源量、产品量等均采用折合氧化稀土的量进行计算。
本发明中，矿区开发利用方案为矿山开采必备的一个设计文件，记载开采方法、开采规模、开采位置、开采计划等信息，是矿山环境影响预测评价的依据，矿山实际开采需按照该方案进行。
本发明还提供了一种基于水环境容量的离子型稀土矿山开采预测系统，所述系统包括：
采集模块，用于采集基础数据；所述基础数据包括：拟采矿块基本属性数据、流域基本属性数据、水质监测属性数据、气象属性数据和污染源基本属性数据；
氨氮浓度计算模块，用于基于基础数据计算离子型稀土矿山开采地表水的氨氮浓度，包括：
采用以下公式对地表水氨氮浓度进行计算：
式中：
m—监控、预测断面氨氮浓度的预测年份；
Cm—监控、预测断面第m年氨氮预测浓度，mg/L；
Qm—预测年份当年开采矿块污水渗漏量m3/d，Qm＝预测年份开采矿块资源量×Qc；
Qm-1—预测年份前一年开采矿块污水渗漏量m3/d，Qm-1＝预测年份前一年开采矿块资源量×Ql；
C0—监控、预测断面氨氮本底浓度，mg/L；
Cs1—开采期渗漏污水中氨氮源强浓度，mg/L；
Cs2—氨氮淋洗期渗漏污水中氨氮源强浓度，mg/L；
Csr—氨氮淋洗至渗漏污水中氨氮浓度15mg/L，因此，淋洗期后，渗漏污水氨氮浓度按15mg/L计；
Qi—第m-2年之前各开采矿块预测年污水渗漏量，m3/d，Qi＝Ai×R×λ；
Q0—流域预测断面处90％水文保证率流量，m3/d，Q0＝A×R×(1-λ)；
R—根据《环境影响评价技术导则地表水环境》，采用90％水文保证率降雨量，m/d，根据当地水文资料获得；
λ—降雨入渗系数，无量纲，根据当地水文地质条件确定；
A—流域面积，m2，在ArcGIS矢量图中量取；
Ai—第m-2年之前各年开采矿块面积，m2，利用ArcGIS存储的基础数据集统计获取。
决策模块，用于基于氨氮浓度对离子型稀土矿山的开采进行决策。
本发明中，若流域监控断面地表水质各年度预测值均达到相应地表水功能区标准(标准值依据《地表水环境质量标准(GB 3838-2002)》确定)，则认为可接受，否则，不可接受，需要减少开采量和规模。
本发明中，根据采集的基础数据，经计算得出流域监控断面氨氮浓度动态预测值，并对流域水环境容量不可接受的年度开采规模进行预警并减少相应开采量，为稀土矿山开采设计提供指导。
与现有技术相比，本发明的有益效果在于：
本发明的预测方法能够准确反应稀土矿分散开采导致的面源污染时空动态变化，使复杂问题简单化，操作简便。
附图说明
图1为本发明预测方法的流程说明图；
图2为流域、矿体分布矢量图；
图3为实施例1的1#流域预测结果图；
图4为实施例1的2#流域预测结果图。
具体实施方式
本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。除非特别叙述，每个特征只是一系列等效或者类似特征中的一个例子而已。所述仅仅是为了帮助理解本发明，不应该视为对本发明的具体限制。
下面以附图和具体实施方式对本发明作进一步详细的说明。
实施例1
本实施例以江西赣州某流域稀土矿作为研究对象，详细描述一种基于流域水环境容量的离子型稀土矿山开采预测方法，流程如图1所示，具体步骤如下：
步骤1，划分矿块所在流域
使用ArcGIS插件ArcSWAT，加载矿区所在地栅格DEM图，绘制研究区腌膜矢量图并导入，该操作避免处理整张DEM图像，缩短GIS处理时间，采用基于阈值定义河网的方式，即通过填洼、计算流向及水流累积栅格，预处理DEM，生成河网，在ArcGIS中点绘水质监控及预测断面，据此选择流域出水口，得到矿区矿块所在流域分布矢量图，如图2所示，图2为矢量图，是将每一个数据做一个图层，几个图层叠加显示。
步骤2，采集矿山基础数据
数据集包括：拟采矿块基本属性数据、流域基本属性数据、水质监测属性数据、气象属性数据、污染源基本属性。
拟采矿块基本属性数据：根据矿区开发利用方案，绘制带地理坐标、氧化稀土资源量属性、开采计划属性的矿区开发矢量图，导入ArcGIS并进行GIS几何运算得到矿块面积。
流域基本属性数据：导入步骤1获得的流域分布矢量图，进行ArcGIS几何运算得到流域面积。
利用GIS空间叠加分析工具将矿区开发矢量图和流域分布矢量图进行属性叠加，统计得到各流域各年开采资源量(折合稀土氧化物量进行计算)及对应矿块面积，如表1所示。
水质监测属性数据：即为监控、预测断面现状氨氮监测浓度(预测断面氨氮本底浓度)，通过环境监测获得；
气象属性数据：即为流域所在地90％保证率降雨量，通过去水文局收集当地水文数据获得；
由于不同矿体赋存条件、矿区水文地质条件、原地浸矿注收液系统差异，导致浸矿渗漏液污染源不同，通过矿块开采试验获取污染源参数。
①注液浸矿阶段：按照开发利用方案设定的生产参数(浸矿液浓度及日注液量)进行注液浸矿，利用收液系统进行浸矿液收集。记录注液天数t1，日注浸矿液量V1、每日收集母液量Qdi1、每日收集母液中氨氮浓度Cdi1、注液期得到的产品(折合稀土氧化物)量M。
开采期渗漏污水中氨氮源强浓度Cs1计算公式：
开采期生产单位产品稀土氧化物对应的日渗漏污水量Qc计算公式：
②氨氮淋洗阶段：氨氮淋洗目的为快速去除土壤中残留的氨氮，在采场加注清水或其它淋洗液，利用收液系统进行尾水收集，淋洗结束标准为收集尾水中氨氮浓度达到《稀土工业污染物排放标准(GB 26451—2011)》即15mg/L；
记录淋洗天数t2，日注淋洗液量V2，每日收集淋洗液量Qdi2、每日收集淋洗液中氨氮浓度Cdi2。
淋洗期渗漏污水中氨氮源强浓度Cs2计算公式：
淋洗期单位产品稀土氧化物对应的日渗漏污水量Ql计算公式：
拟采矿块基本属性数据、流域基本属性数据、水质监测属性数据、气象属性数据、污染源基本属性数据等如表2所示。
表1各流域各年开采稀土氧化物量及对应矿块面积
表2氨氮浓度预测计算参数
步骤3，离子型稀土矿山开采地表水氨氮浓度预测
计算公式如下：
1#、2#流域监控、预测断面各年度氨氮预测结果如图3和图4所示：
由图3可见，1#流域各年度氨氮预测结果均满足《地表水环境质量标准》(GB 3838-2002)中的Ⅲ类标准限值1mg/L。不需要减少开采量。
由图4可见，2#流域第3年、第4年、第5年、第6年氨氮预测结果超过《地表水环境质量标准》(GB 3838-2002)中的Ⅲ类标准限值1mg/L。发出预警，指示降低第4年、第5年、第6年开采量和规模，直至不发出预警。
本发明的工艺参数(如温度、时间等)区间上下限取值以及区间值都能实现本法，在此不一一列举实施例。
本发明未详细说明的内容均可采用本领域的常规技术知识。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应该理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于水环境容量的离子型稀土矿山开采预测方法，所述开采预测方法包括如下步骤：
采集矿山基础数据，所述矿山基础数据包括：拟采矿块基本属性数据、流域基本属性数据、水质监测属性数据、气象属性数据和污染源基本属性数据；
基于所采集矿山基础数据计算离子型稀土矿山开采地表水的氨氮浓度；
基于氨氮浓度对离子型稀土矿山的开采进行决策，氨氮浓度大于1mg/L的开采年份减少开采量。
2.根据权利要求1所述的开采预测方法，其特征在于，所述拟采矿块基本属性数据的采集步骤包括：
根据矿区开发利用方案及储量报告，绘制带地理坐标、氧化稀土资源量属性、开采年份计划属性的矿区开发矢量图，根据矿区开发矢量图，通过ArcGIS计算几何工具计算出独立矿块的面积，为各流域各年开采面积Ai提供数据基础。
3.根据权利要求2所述的开采预测方法，其特征在于，所述流域基本属性数据的采集步骤包括：
划分矿块所在流域：采用ArcGIS确定矿区矿块所在流域分布矢量图；
根据流域分布矢量图，通过ArcGIS计算几何工具计算出流域面积；
利用ArcGIS空间叠加分析工具将矿区开发矢量图和流域分布矢量图进行属性叠加，统计得到各流域各年份开采矿块资源量及对应矿块面积。
4.根据权利要求3所述的开采预测方法，其特征在于，采用ArcGIS确定矿区矿块所在流域分布矢量图的步骤包括：
使用ArcGIS插件ArcSWAT，加载矿区所在地栅格DEM图，绘制研究区掩膜矢量图并导入，采用基于阈值定义河网的方式，即通过填洼、计算流向及水流累积栅格，预处理DEM，根据需求定义河流最小汇水面积，取值越小，河网将会越详细，子流域面积越小，生成河网，在ArcGIS中点绘水质监控及预测断面，据此选择流域出水口，得到矿区矿块所在流域分布矢量图。
5.根据权利要求1所述的开采预测方法，其特征在于，所述水质监测属性数据即为监控、预测断面现状氨氮监测浓度，通过环境监测获得；
所述气象属性数据即为流域所在地90％保证率降雨量，通过收集当地水文数据获得。
6.根据权利要求1所述的开采预测方法，其特征在于，通过矿块开采试验获取污染源基本属性数据的步骤包括：
选取试验矿块，试验过程包括注液浸矿、氨氮淋洗两个工序：
①注液浸矿阶段：
按照开发利用方案设定的浸矿液浓度及日注液量进行注液浸矿，利用收液系统进行浸矿液收集；记录注液天数t1、日注浸矿液量V1、每日收集母液量Qdi1、每日收集母液中氨氮浓度Cdi1、注液期得到的产品量M；
开采期渗漏污水中氨氮源强浓度Cs1计算公式：
开采期生产单位产品稀土氧化物对应的日渗漏污水量Qc计算公式：
②氨氮淋洗阶段：
氨氮淋洗目的为快速去除土壤中残留的氨氮，在采场加注清水或其它淋洗液，利用收液系统进行尾水收集，淋洗结束标准为收集尾水中氨氮浓度小于15mg/L；
记录淋洗天数t2、日注淋洗液量V2、每日收集淋洗液量Qdi2、每日收集淋洗液中氨氮浓度Cdi2；
淋洗期渗漏污水中氨氮源强浓度Cs2计算公式：
淋洗期单位产品稀土氧化物对应的日渗漏污水量Ql计算公式：
7.根据权利要求1所述的开采预测方法，其特征在于，基于所采集矿山基础数据计算离子型稀土矿山开采地表水的氨氮浓度包括如下步骤：
采用以下公式对地表水氨氮浓度进行计算：
式中：
m-监控、预测断面氨氮浓度的预测年份；
Cm-监控、预测断面第m年氨氮预测浓度，mg/L；
Qm-预测年份当年开采矿块污水渗漏量m3/d，Qm＝预测年份开采矿块资源量×Qc；
Qm-1-预测年份前一年开采矿块污水渗漏量m3/d，Qm-1＝预测年份前一年开采矿块资源量×Ql；
C0-监控、预测断面氨氮本底浓度，mg/L；
Cs1-开采期渗漏污水中氨氮源强浓度，mg/L；
Cs2-氨氮淋洗期渗漏污水中氨氮源强浓度，mg/L；
Csr-氨氮淋洗至渗漏污水中氨氮浓度15mg/L，因此，淋洗期后，渗漏污水氨氮浓度按15mg/L计；
Qi-第m-2年之前各开采矿块预测年污水渗漏量，m3/d，Qi＝Ai×R×λ；
Q0-流域预测断面处90％水文保证率流量，m3/d，Q0＝A×R×(1-λ)；
R-根据《环境影响评价技术导则地表水环境》，采用90％水文保证率降雨量，m/d，根据当地水文资料获得；
λ-降雨入渗系数，无量纲，根据当地水文地质条件确定；
A-流域面积，m2，在ArcGIS矢量图中量取；
Ai-第m-2年之前各年开采矿块面积，m2，利用ArcGIS存储的基础数据集统计获取。
8.一种基于水环境容量的离子型稀土矿山开采预测系统，其特征在于，所述系统包括：
采集模块，用于采集基础数据；所述基础数据包括：拟采矿块基本属性数据、流域基本属性数据、水质监测属性数据、气象属性数据和污染源基本属性数据；
氨氮浓度计算模块，用于基于基础数据计算离子型稀土矿山开采地表水的氨氮浓度：
决策模块，用于基于氨氮浓度对离子型稀土矿山的开采进行决策。
9.根据权利要求8所述的开采预测系统，其特征在于，用于基于基础数据计算离子型稀土矿山开采地表水的氨氮浓度包括：
采用以下公式对地表水氨氮浓度进行计算：
式中：
m-监控、预测断面氨氮浓度的预测年份；
Cm-监控、预测断面第m年氨氮预测浓度，mg/L；
Qm-预测年份当年开采矿块污水渗漏量m3/d，Qm＝预测年份开采矿块资源量×Qc；
Qm-1-预测年份前一年开采矿块污水渗漏量m3/d，Qm-1＝预测年份前一年开采矿块资源量×Ql；
C0-监控、预测断面氨氮本底浓度，mg/L；
Cs1-开采期渗漏污水中氨氮源强浓度，mg/L；
Cs2-氨氮淋洗期渗漏污水中氨氮源强浓度，mg/L；
Csr-氨氮淋洗至渗漏污水中氨氮浓度15mg/L，因此，淋洗期后，渗漏污水氨氮浓度按15mg/L计；
Qi-第m-2年之前各开采矿块预测年污水渗漏量，m3/d，Qi＝Ai×R×λ；
Q0-流域预测断面处90％水文保证率流量，m3/d，Q0＝A×R×(1-λ)；
R-根据《环境影响评价技术导则地表水环境》，采用90％水文保证率降雨量，m/d，根据当地水文资料获得；
λ-降雨入渗系数，无量纲，根据当地水文地质条件确定；
A-流域面积，m2，在ArcGIS矢量图中量取；
Ai-第m-2年之前各年开采矿块面积，m2，利用ArcGIS存储的基础数据集统计获取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010711956.8A CN112329972B (zh) | 2020-07-22 | 2020-07-22 | 一种基于水环境容量的离子型稀土矿山开采预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010711956.8A CN112329972B (zh) | 2020-07-22 | 2020-07-22 | 一种基于水环境容量的离子型稀土矿山开采预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112329972A true CN112329972A (zh) | 2021-02-05 |
| CN112329972B CN112329972B (zh) | 2023-11-10 |
Family
ID=74303638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010711956.8A Active CN112329972B (zh) | 2020-07-22 | 2020-07-22 | 一种基于水环境容量的离子型稀土矿山开采预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112329972B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592328A (zh) * | 2021-08-06 | 2021-11-02 | 呼和浩特市生态环境科技推广中心 | 基于综合污染指数法的城市水环境质量评价方法 |
| CN114757508A (zh) * | 2022-03-29 | 2022-07-15 | 江西省地质局第七地质大队(江西省地质局稀土应用研究所) | 一种离子吸附型稀土矿原地浸矿适用性评价方法及模型 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110035154A1 (en) * | 2009-08-07 | 2011-02-10 | Treavor Kendall | Utilizing salts for carbon capture and storage |
| CN103218747A (zh) * | 2013-02-08 | 2013-07-24 | 中国地质科学院矿产资源研究所 | 离子吸附型稀土矿非法开采监测与预警系统和方法 |
| CN104867294A (zh) * | 2015-05-27 | 2015-08-26 | 江西理工大学 | 一种离子型稀土原地浸矿滑坡在线监测预警方法 |
| CN105388826A (zh) * | 2015-12-11 | 2016-03-09 | 中国环境科学研究院 | 一种混合型稀土矿区水环境质量监控预警系统的建立方法 |
| CN110055414A (zh) * | 2019-04-25 | 2019-07-26 | 中国地质科学院矿产综合利用研究所 | 一种离子型稀土的渗流控制原位开采方法 |
| US20200199708A1 (en) * | 2018-11-22 | 2020-06-25 | Jiangxi University Of Science And Technology | Method for determining source sink term in ionic type rare earth ore leaching process |
-
2020
- 2020-07-22 CN CN202010711956.8A patent/CN112329972B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110035154A1 (en) * | 2009-08-07 | 2011-02-10 | Treavor Kendall | Utilizing salts for carbon capture and storage |
| CN103218747A (zh) * | 2013-02-08 | 2013-07-24 | 中国地质科学院矿产资源研究所 | 离子吸附型稀土矿非法开采监测与预警系统和方法 |
| CN104867294A (zh) * | 2015-05-27 | 2015-08-26 | 江西理工大学 | 一种离子型稀土原地浸矿滑坡在线监测预警方法 |
| CN105388826A (zh) * | 2015-12-11 | 2016-03-09 | 中国环境科学研究院 | 一种混合型稀土矿区水环境质量监控预警系统的建立方法 |
| US20200199708A1 (en) * | 2018-11-22 | 2020-06-25 | Jiangxi University Of Science And Technology | Method for determining source sink term in ionic type rare earth ore leaching process |
| CN110055414A (zh) * | 2019-04-25 | 2019-07-26 | 中国地质科学院矿产综合利用研究所 | 一种离子型稀土的渗流控制原位开采方法 |
Non-Patent Citations (4)
| Title |
|---|
| 夏既胜;李阳;蒋顺德;杨克诚;陈佩颜;: "基于AHP与ArcGIS的峡谷区尾矿库选址方法探讨", 金属矿山, no. 02, pages 32 - 35 * |
| 徐帅;张凯;赵仕沛;: "基于MIKE 21 FM模型的地表水影响预测", 环境科学与技术, no. 1 * |
| 徐水太;项宇;刘中亚;: "离子型稀土原地浸矿地下水氨氮污染模拟与预测", 有色金属科学与工程, no. 02 * |
| 陈斌等: ""某稀土矿原地浸矿活动对地表水环境影响预测"", 《中国环境科学学会学术年会论文集（2015）》, pages 4538 - 4541 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592328A (zh) * | 2021-08-06 | 2021-11-02 | 呼和浩特市生态环境科技推广中心 | 基于综合污染指数法的城市水环境质量评价方法 |
| CN114757508A (zh) * | 2022-03-29 | 2022-07-15 | 江西省地质局第七地质大队(江西省地质局稀土应用研究所) | 一种离子吸附型稀土矿原地浸矿适用性评价方法及模型 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112329972B (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114443982B (zh) | 一种大区域土壤重金属检测与时空分布特征分析方法及系统 | |
| Li et al. | Spatiotemporal distribution and national measurement of the global carbonate carbon sink | |
| Li et al. | Improved enrichment factor model for correcting and predicting the evaluation of heavy metals in sediments | |
| CN103345566B (zh) | 基于地质内涵的化探异常识别与评价方法 | |
| Mayes et al. | Riverine flux of metals from historically mined orefields in England and Wales | |
| CN112329972A (zh) | 一种基于水环境容量的离子型稀土矿山开采预测方法及系统 | |
| Mengistu et al. | Conceptual hydrogeological and numerical groundwater flow modelling around the Moab Khutsong deep gold mine, South Africa. | |
| Scheiber et al. | Hydrochemical apportioning of irrigation groundwater sources in an alluvial aquifer | |
| CN108647826B (zh) | 一种土壤重金属环境风险预测模型的构建方法和装置 | |
| Tufano et al. | Anthropogenic sinkholes of the city of Naples, Italy: An update | |
| Namitha et al. | Ground water flow modelling using visual modflow | |
| Taghavi et al. | Comparison of DRASTIC and DRASTICL groundwater vulnerability assessments of the Burdekin Basin, Queensland, Australia | |
| Zhang et al. | karst springs in Shanxi, China | |
| Chi et al. | Research on prediction model of mining subsidence in thick unconsolidated layer mining area | |
| Xiong et al. | Identifying the characteristics and potential risk of seawater intrusion for southern China by the SBM-DEA model | |
| Petschko et al. | Landslide susceptibility modeling with generalized additive models–facing the heterogeneity of large regions | |
| He et al. | Coupling of multi-hydrochemical and statistical methods for identifying apparent background levels of major components and anthropogenic anomalous activities in shallow groundwater of the Liujiang Basin, China | |
| CN112233381B (zh) | 一种基于机理和机器学习耦合的泥石流预警方法与系统 | |
| Liu et al. | Regional early warning model for rainfall induced landslide based on slope unit in Chongqing, China | |
| Xue et al. | Geostatistical analysis and hydrofacies simulation for estimating the spatial variability of hydraulic conductivity in the Jianghan Plain, central China | |
| Dong | Study on the optimal allocation of water resources systems and the comprehensive utilization of water resources in arid-semiarid multiple mining areas | |
| Li et al. | Risk Assessment of Debris Flow in Huyugou River Basin Based on Machine Learning and Mass Flow | |
| Wang et al. | Scale effects of eroded sediment transport in Wujiang River Basin, Guizhou Province, China | |
| Cusano et al. | The survey of Italian springs by the National Hydrographic Service, a forgotten database. Structuring and analysis of a dataset of Campania springs (southern Italy) | |
| Di Matteo et al. | The VISTA Project: a test site to investigate the impact of traditional and precision irrigation on groundwater (San Gemini basin, Central Italy) |
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 |