CN112505282A - 一种环境水体污染实时精准溯源预警方法及其系统 - Google Patents

一种环境水体污染实时精准溯源预警方法及其系统 Download PDF

Info

Publication number
CN112505282A
CN112505282A CN202011565717.2A CN202011565717A CN112505282A CN 112505282 A CN112505282 A CN 112505282A CN 202011565717 A CN202011565717 A CN 202011565717A CN 112505282 A CN112505282 A CN 112505282A
Authority
CN
China
Prior art keywords
water
early warning
pollution
water body
index
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
Application number
CN202011565717.2A
Other languages
English (en)
Inventor
宋宁慧
刘国才
卜元卿
张爽
王艺璇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Nanjing Institute of Environmental Sciences MEE
Original Assignee
Jiangnan University
Nanjing Institute of Environmental Sciences MEE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangnan University, Nanjing Institute of Environmental Sciences MEE filed Critical Jiangnan University
Priority to CN202011565717.2A priority Critical patent/CN112505282A/zh
Publication of CN112505282A publication Critical patent/CN112505282A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • Y02A20/20—Controlling water pollution; Waste water treatment

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种环境水体污染实时精准溯源预警方法及其系统，包括，对化学需氧量、五日生化需氧量、总氮、氨氮、总磷等水质指标超标的水体区域进行调查，在可能存在的污染点源、水体内各监测点位布局采样并设置对照组；利用色谱质谱联用技术策略分析采集的水样，获得水样水质指纹信息；比较对照组与水体内各监测点位水样，得到水体标志物信息；结合筛选策略分析水体标志物与水样水质指纹的关联性，若关联性越强，则锁定水体标志物，找到污染点源；利用预警指数算法构建综合预警模型对污染点源的水质进行预测预警。本发明能够准确获得水体中有机污染物的组成及成分化学信息，并将其与区域内的污染排放点源精准对应。

Description

一种环境水体污染实时精准溯源预警方法及其系统
技术领域
本发明涉及环境污染分析的技术领域，尤其涉及一种环境水体污染实时精准溯源预警方法及其系统。
背景技术
目前,对水体污染源的溯源方法为污染源排放清单或通过监测常规水质指标追溯为污染，源清单的方法是通过测试企业的排放量、排放系数及排放污染物的COD的平均浓度以确定主要排放的排放源污染贡献，其方法在于，采集各项水质标准(地表水、地下水、污水排放标准)中要求监测指标,如化学需氧量(COD)、高锰酸盐指数、总有机碳、总磷、总氮、等指标超标后，对相关水体中各个监测点位相应指标测量值分析与比较，从而获得污染源点位信息，这种模式，不具有预警性；当水质检测指标指征污染发生时，无法实现实时指示污染点源；同时也无法对违规违法排放、管道泄露等引发的突然性污染进行有效的监控和源头追溯。
COD是污水处理中常用的污染指标，表征污水中有机污染物浓度的指标我国水体污染中有机物污染是主要的污染源，对应的水质检测指标为COD值，事实上，水体中有机污染物的来源很多，可能来源于生活污水、农业污水、工业废水、水体生物等多种面源，COD值超标仅能指示水体中总的有机物超标，但无法对有机物的种类、对应的面源进行解析。针对这一问题，已有相应研究；一类是对于某一个或某一类企业的生产废水中主要有机污染物的溯源分析，利用色谱、光谱、质谱等仪器分析手段获得废水中有机物的组分，并确定它们来源于那些企业生产工段。这一类溯源分析方法，仅适用于单个或某一类企业的特征污染物调查。还有一类是水体中目标污染物的空间溯源分析，这类分析是基于SPARROW模型灵水体监测站点的总氮浓度数据，来进行污染物的污染面源(工业、农业面源、生活源等)分析，这一类溯源分析方法，仅能识别污染来自于工业/农业/生活面源，但无法追溯污染对应于污染面源中的哪些点源。还有一类是基于三维荧光光谱的水质水纹识别技术，可实现污染点源的追溯，但由于光谱法分辨率和灵敏度有限，仅局限于对有荧光吸收的物质排放相关的污染点源(例如：印染企业)，对生产产品相似的企业辨识度有限，无法精准溯源。目前可知，已报道的各类溯源技术无法将水体中污染物与区域内存在的各个可能的排放点源做精确对应。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明提供了一种环境水体污染实时精准溯源预警方法及其系统，能够解决现有污染物监测策略的滞后性、精准性不足且无法满足应急执法的需求，同时现有溯源技术无法将水体中有机污染物与区域内存在的各个可能的排放点源做精确对应的问题。
为解决上述技术问题，本发明提供如下技术方案：包括，对化学需氧量、五日生化需氧量、总氮、氨氮、总磷水质指标超标的水体区域进行调查，在可能存在的污染点源、水体内各监测点位布局采样并设置对照组；利用色谱质谱串联技术策略分析采集的水样，获得水样水质指纹信息；比较所述对照组与所述水体内各监测点位水样，得到水体标志物信息；结合筛选策略分析所述水体标志物与所述水样水质指纹的关联性，若关联性越强，则锁定所述水体标志物，找到所述污染点源；利用预警指数算法构建综合预警模型对所述污染点源的水质进行预测预警。
作为本发明所述的环境水体污染实时精准溯源预警方法的一种优选方案，其中：获得所述水样水质指纹信息，包括，利用浓缩富集、环境水样中的复杂有机物被气相色谱分离，继而进入质谱，形成包括有分子离子峰、碎片离子峰、保留时间、相应强度的原始数据；根据谱库检索对比、保留指数对比、化学结构分类，获得水体内各监测点位水样中有机物组分、相对含量、结构的所述水样水质指纹信息。
作为本发明所述的环境水体污染实时精准溯源预警方法的一种优选方案，其中：利用所述筛选策略进行关联性分析包括，聚类分析模型、源匹配模型和水样组分标志物筛选分析；所述聚类分析模型包括，对水体内各监测位点中的所述水体标志物与所述污染点源水样水质指纹进行相似性分类，将相似性强的归为一类，利用所述聚类分析模型处理的结果，得到所述水体监测点与所述污染点源的相关性。
作为本发明所述的环境水体污染实时精准溯源预警方法的一种优选方案，其中：所述源匹配模型包括，计算所述各污染点源水样中的组分对每一个所述监测位点水样组分的贡献值，对同一个所述监测位点的水样，其污染点源贡献值越大，则说明相关性越强；当所述聚类分析模型与所述源匹配模型处理结束后，根据获得的所述污染点源于所述监测水体的相关性对其水样主要组分进行标志物筛选分析，得到所述水体标志物。
作为本发明所述的环境水体污染实时精准溯源预警方法的一种优选方案，其中：所述综合预警模型包括，监测点预警指数(P)＝COD指数(P1)+总磷指数(P2)+总氮指数(P3)+重金属指数(P4)+BOD5(P5)+氨氮指数(P6)+高锰酸盐指数(P7)+水质常态特征指纹指数(Pi)；其中，COD指数＝COD实测值/COD限量值-1，总磷指数＝总磷实测值/总磷限量值-1，总氮指数＝总氮指数实测值/总氮指数限量值-1，重金属指数＝重金属实测值/重金属限量值-1，BOD5＝BOD5实测值/BOD5限量值-1；氨氮指数＝氨氮实测值/氨氮限量值-1，水质常态特征指纹指数Pi＝水质特征化学组成相对响应实测值/水质特征化学组成相对响应基础值-1。
作为本发明所述的环境水体污染实时精准溯源预警方法的一种优选方案，其中：还包括，当所述监测点的预警指数(P)≤0时，则表示所述监测点未发生污染；当(P)＞0时，则表示所述监测点污染发生；当Pi＞0.1，则启动预警。
作为本发明所述的环境水体污染实时精准溯源预警方法的一种优选方案，其中：构建所述综合预警模型之前还包括，建立区域内环境因子数据库，即采集存储区域内排放点位基本信息、区域内涉及废水排放单位的产品/原料/助剂信息数据库、区域内各类废水/污水组分数据库并对获得的全部化学品进行注释和分类，其包括毒性、含氮、含磷、用途、关联单位、通过物质化学性质和毒性数据筛选，构建区域内高风险化学品数据库；建立区域内环境因子检测方法库，针对不同环境因子，筛选用于定性和定量分析方法，并进行一一对应。
作为本发明所述的环境水体污染实时精准溯源预警方法的一种优选方案，其中：还包括，构建基于所述水质监测指标与所述环境因子数据库的关联模型，将所有有机物组分为COD预测因子，BOD5预测因子，含磷有机物、含磷无机物为总磷预测因子，含氮有机物、含氮无机物为总氮预测因子，铅砷汞重金属元素为重金属预测因子，铵盐为氨氮溯源因子，各化学组分、生物的来源地或来源单位为源头追溯因子；当有机物为农药、兽药、医药、阻燃剂新型污染物或为我国标准所规定的污染物时，定义为该类污染物的预测因子。
作为本发明所述的环境水体污染实时精准溯源预警方法的一种优选方案，其中：包括，设置对照组，为远离的所述污染源和所述监测点位的环境地下水或地表水样品组；设置污染排放点源样品组，为污染排放敏感点源样品组；设置被污染敏感区样品组，即需要监测和预警的敏感水体样品组；选取全自动液萃取或固相萃取方式对样品进行富集与净化；采用气相色谱或液相色谱质谱联用技术进行测定；提取信噪比大于50的色谱峰；利用峰抽提、解卷积、谱库搜索比对、保留指数比对获得每个样品的可定性组分列表。
作为本发明所述的环境水体污染实时精准溯源预警系统的一种优选方案，其中：包括，基础信息数据库模块、分类模块、对比模块、溯源模块、预测预警模块和窗口管理模块；所述分类模块，用于对采集、存储的水样水体数据进行数据选择、分类及列表处理；所述对比模块设置连接于所述分类模块的下表面，其用于所述分类模块进行所述数据选择和分类时进行对比计算，并结合PLS-DA进行分析，进而获得精准的分类对比结果；所述溯源模块与所述对比模块并行连接，其用于构建区域内环境因子数据库和区域内环境因子检测方法库，并对其进行合理性的管理及相应的算法选择，即提供计算服务；所述预测预警模块嵌入于所述溯源模块内，其用于实时的对在线数据进行计算处理，检查预警指数并对其进行预警判别，获得预警结果；所述窗口管理模块设置连接于所述预测预警模块的下表面，其用于接收各个模块的处理信息结果，为用户提供界面服务、权限管理及样品路径服务。
本发明的有益效果：本发明可以对区域水体中可能存在的污染源进行预测，并在发现水体污染时，精准解析污染源，同时，能够准确获得水体中污染物的组成及成分化学信息，并将其与区域内的污染排放点源精准对应，另一方面，本发明中的策略模型，适用于不同区域内各类地表水和地下水体的监测、溯源与预警，通用性强。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明第一个实施例所述的环境水体污染实时精准溯源预警方法的流程示意图；
图2为本发明第一个实施例所述的环境水体污染实时精准溯源预警方法的地下水样品检出有机物个数示意图；
图3为本发明第一个实施例所述的环境水体污染实时精准溯源预警方法的地下水样品不同组分占比示意图；
图4为本发明第二个实施例所述的环境水体污染实时精准溯源预警系统的整体框架示意图；
图5为本发明第二个实施例所述的环境水体污染实时精准溯源预警系统的模块结构分布示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1～图3，为本发明的第一个实施例，提供了一种环境水体污染实时精准溯源预警方法，包括：
S1：对化学需氧量(COD)、五日生化需氧量(BOD5)、总氮、氨氮、总磷水质指标超标的水体区域进行调查，在可能存在的污染点源、水体内各监测点位布局采样并设置对照组。其中需要说明的是：
设置对照组，为远离的污染源和监测点位的环境地下水或地表水样品组；
设置污染排放点源样品组，为污染排放敏感点源样品组；
设置被污染敏感区样品组，即需要监测和预警的敏感水体样品组；
选取全自动液萃取或固相萃取方式对样品进行富集与净化；
采用气相色谱或液相色谱质谱联用技术测定；
提取信噪比大于50的色谱峰；
利用峰抽提、解卷积、谱库搜索比对、保留指数比对，获得每个样品的可定性组分列表。
具体的，数据需要进行处理，包括：
利用环境污染物溯源软件1.0版本软件生成水样组分统计表；
对全部样品的可定性组分列表，抽提组分名称、样品名称、积分峰面积，合并计算，生成查询任一检出组分在不同样品中的峰面积的列表，该列表为调查区域水样组分统计表；
将调查区域水样组分，按照烷烃、卤代烃、烷基苯、醇、酮、酯、酚、胺、醛、醚、杂环进行分类；
利用相对含量，计算每一类组分的总含量，获得不同结构的组分在园区水样中的分布特征。
S2：利用色谱质谱串联技术策略分析采集的水样，获得水样水质指纹信息。本步骤需要说明的是，获得水样水质指纹信息，包括：
利用浓缩富集、环境水样中的复杂有机物被气相色谱分离，继而进入质谱，形成包括有分子离子峰、碎片离子峰、保留时间、相应强度的原始数据；
根据谱库检索对比、保留指数对比、化学结构分类，获得水体内各监测点位水样中有机物组分、相对含量、结构的水样水质指纹信息。
S3：比较对照组与水体内各监测点位水样，得到水体标志物信息。其中还需要说明的是：
从调查区域水样溯源标志物中筛选企业排放溯源标志物，选择原则为本次采集的样品，包括地下水、调节池和总排口样品，具有代表性，可以代表企业生产和地下水的特征；
将不同的标志物分成确证标志物、地下水I级标志物、地下水II级标志物、地下水潜在标志物；
确证标志物，是指地下水中检出的相关企业生产中特有的原辅料、中间体或产品；
地下水Ⅰ级标志物定义为，企业地下水检出，企业总排口或调节池同时检出，且在园区其他企业总排口或调节池中未检出的化合物；
地下水Ⅱ级标志物定义为，企业地下水检出，企业总排口或调节池同时检出，园区其他企业总排口或调节池样品检出但地下水未检出；
地下水潜在标志物定义为，仅1家企业总排口同时检出，但在企业地下水样品中未检出的化合物；
在1家企业地下水检出，且在其他水样中均未检出的化合物。
S4：结合筛选策略分析水体标志物与水样水质指纹的关联性，若关联性越强，则锁定水体标志物，找到污染点源。本步骤还需要说明的是：
利用筛选策略进行关联性分析包括，聚类分析模型、源匹配模型和水样组分标志物筛选分析；
聚类分析模型包括，对水体内各监测位点中的水体标志物与污染点源水样水质指纹进行相似性分类，将相似性强的归为一类，利用聚类分析模型处理的结果，得到水体监测点与污染点源的相关性；
源匹配模型包括，计算各污染点源水样中的组分对每一个监测位点水样组分的贡献值，对同一个监测位点的水样，其污染点源贡献值越大，则说明相关性越强；
当聚类分析模型与源匹配模型处理结束后，根据获得的污染点源于监测水体的相关性对其水样主要组分进行标志物筛选分析，得到锁定的水体标志物。
进一步的，本步骤还需要说明的是：
利用统计分析SIMC14.0聚类分析方法对不同采样点位水样质谱数据结果之间的相关性进行分类解析，在聚类分析中，关联性强的环境水样聚为一组，该方法结果用于对标志物分析法的补充确证；
相似度算法：用于比较待测样本与源谱之间的相似程度，得分越高，待测样本与源谱之间的相同成分越多，成分直接的比例越接近；
非负最小二乘法：通过将多个源谱按系数加和得到的数据与待测样本，调整系数使误差最小化，以此得到各个源谱对样本的贡献度。
S5：利用预警指数算法构建综合预警模型对污染点源的水质进行预测预警。其中还需要说明的是，构建综合预警模型之前还包括：
建立区域内环境因子数据库，即采集存储区域内排放点位基本信息、区域内涉及废水排放单位的产品/原料/助剂信息数据库、区域内各类废水/污水组分数据库并对获得的全部化学品进行注释和分类，其包括毒性、含氮、含磷、用途、关联单位、构建区域内高风险化学品数据库；
建立区域内环境因子检测方法库，针对不同环境因子，筛选用于定性和定量分析方法，并进行一一对应；
构建基于水质监测指标与环境因子数据库的关联模型，将所有有机物组分为COD预测因子，含磷有机物、含磷无机物为总磷预测因子，含氮有机物、含氮无机物为总氮预测因子，铅砷汞重金属元素为重金属预测因子，铵盐为氨氮溯源因子，藻类、植物等为叶绿素预测因子，各化学组分、生物的来源地或来源单位为源头追溯因子；
当有机物为农药、兽药、医药、阻燃剂新型污染物或为我国标准所规定的污染物时，定义为该类污染物的预测因子。
具体的，综合预警模型包括：
其中，COD指数＝COD实测值/COD限量值-1，总磷指数＝总磷实测值/总磷限量值-1，总氮指数＝总氮指数实测值/总氮指数限量值-1，重金属指数＝重金属实测值/重金属限量值-1，BOD5＝BOD5实测值/BOD5限量值-1；氨氮指数＝氨氮实测值/氨氮限量值-1，水质常态特征指纹指数Pi＝水质特征化学组成相对响应实测值/水质特征化学组成相对响应基础值-1。
当监测点的预警指数(P)≤0时，则表示监测点未发生污染；
当(P)＞0时，则表示监测点污染发生；
当Pi＞0.1，则启动预警。
优选的，本实施例还需要说明的是，当水体标志物仅存在于某个或某类污染点水样中时，认为该化合物表征该类污染点源标志物，当污染点源为生产企业时，要收集企业的产品、生产过程中的中间体信息，若在水体内各监测点位水样中检出，则认为该组分为表征该企业的污染点源标志物，利用污染点源标志物，可以精准的溯源到污染点源，三种模型同时使用，也可以仅使用第三种策略，实现对污染物的精确溯源，同时利用综合预警模型指数可以对水体发生的污染进行准确预测预警。
为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例选择以实际算例进行测试验证，以科学论证的方法，验证本发明方法所具有的真实效果。
(1)样品采集
按照《地下水环境监测技术规范》(HJ/T164-2004)和污水监测技术规范(HJ91.1-2019)，对园区地下水与企业排放污水进行采样。
(2)分析检测方法
样品前处理，即取200mL完全转移至分液漏斗中，分别用60mL二氯甲烷萃取3次，合并二氯甲烷相并蒸发至近干，N2吹干后，正己烷定容，过0.45μm滤膜，待仪器测定(所用溶剂均为色谱纯)；
采用气相色谱飞行时间质谱联用仪(GC-TOF)(Pegasus BT，美国力可公司)进行测定色谱条件：进样口，进样口温度300℃，分流比10∶1，液体直接进样，进样体1μL。色谱柱，DB-5 30m×0.25mm×0.25μm载气高纯He(纯度99.999％)，恒流模式，流速1mL/min。升温程序：50℃保持1min，10℃/min升到300℃保持10min。质谱条件：传输线温度300℃，EI源电子轰击能量70eV，质量范围(33-600)amu，数据处理自动解卷积，NIST 2017版，wiley09版谱库检索，自动保留指数检索；
样品定性是通过化合物的质谱图与NIST谱库进行比对，取近似度70％以上的化合物且通过与理论保留指数进行对比，选择RSD小于10％的结果，认定为可信的定性结果。
(3)溯源预警方法
标志物溯源分析法：通过气相色谱飞行时间质谱(GC-TOF)得到的确证化合物列表分析，筛选企业污水总排口、调节池水样和园区地下水水样的标志物，通过标志物指示溯源；
聚类分析法：通过统计分析(SIMC14.0)聚类分析方法对不同采样点位水样质谱数据结果之间的相关性进行分类解析；
源匹配计算法：通过相似度计算以及最小二乘法计算排污口贡献率解析样品质谱数据结果之间的关联性及贡献率；
预警方法：预警指数法。
(4)结果分析
园区地下水水样特征分析；
参照图2和图3，不同点位地下水样品中检出的有机物个数为83～264个，对40个地下水样品中检测出的组分进行分析，结果表明不同点位地下水的基本组分类别差异较小，但不同类别组分组成方式和占比差异较大，占比较高的物质类别为烷烃、酮、胺、醇、砜、酯、烷基苯。
园区水样标志物分析；
通过对园区所采集水样质谱数据筛选分析，共确定305种组分可能的标志物，分级的标志物如下：
表1：企业I级和II级标志物数据表。
Figure BDA0002860833010000101
Figure BDA0002860833010000111
表2：企业特征标志物表。
Figure BDA0002860833010000112
表3：地下水污染溯源结果表。
Figure BDA0002860833010000113
Figure BDA0002860833010000121
参照表3，根据各企业标志物对地下水点位污染物进行溯源分析,其中溯源级别含义：溯源级别+++表示用3种方法均可溯源到的点位，或用标志物法和另外两种溯源方法中的一种，指明相关性很强；++表示用2种方法可溯源到的点位或者用标志物法可溯源到的点位，指明相关性强；+表示用聚类分析或源谱匹配计算法的1种方法可溯源到的点位，指明有相关性。
结果表明，共关联到9家企业对地下水的污染有点源排放，其中，与C公司相关的地下水点位最多共计19个，其次为D公司，共计13个，说明该两家企业点源污染扩散较为严重；A公司点源排放与地下水点位DS8、DS35、DS11、DS2、DS9污染物相关；B点源排放与地下水点位DS16、DS15、DS8、DS14、DS13、DS23、DS24、DS20、DS19、DS10污染物相关；C公司点源排放与地下水点位DS8、DS11、DS13、DS14、DS15、DS16、DS19、DS20、DS22、DS24、DS25、DS34、DS35、DS36、DS43污染物相关；D公司点源排放与地下水点位DS3、DS5、DS7、DS-9、DS10、DS15、DS15、DS24、DS16、DS19污染物相关；E公司点源排放与地下水点位DS20、DS10、DS18相关；F公司点源排放与地下水点位DS3、DS40、DS36污染物相关；J公司点源排放与地下水点位DS-37污染物相关。
实施例2
参照图4和图5，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种环境水体污染实时精准溯源预警系统，包括，分类模块100、对比模块200、溯源模块300、预测预警模块400和窗口管理模块500。
分类模块100，用于对采集、存储的水样水体数据进行数据选择、分类及列表处理；对比模块200设置连接于分类模块100的下表面，其用于分类模块100进行数据选择和分类时进行对比计算，并结合PLS-DA进行分析，进而获得精准的分类对比结果；溯源模块300与对比模块200并行连接，其用于构建区域内环境因子数据库和区域内环境因子检测方法库，并对其进行合理性的管理及相应的算法选择，即提供计算服务；预测预警模块400嵌入于溯源模块300内，其用于实时的对在线数据进行计算处理，检查预警指数并对其进行预警判别，获得预警结果；窗口管理模块500设置连接于预测预警模块400的下表面，其用于接收各个模块的处理信息结果，为用户提供界面服务、权限管理及样品路径服务。
本实施例还需要说明的是，在各个模块构建之前还需要搭建基础信息数据库，其包括排放单元基础信息库、排放点位基础信息、污水组分化学信息库和高风险化学品数据库，该信息数据库用于为各个模块提供基础数据信息，当各个模块计算处理需要用到相关数据时，则从基础信息数据库中提取出相关数据以用于模块计算。
优选的，本实施例还需要说明的是，对比模块200通过质谱分析数据提取污染排放源点及敏感区水体的水质指纹与常规监测指标拟合为预警指数，预测预警模块400通过在线监测敏感区域常态化水质特征对接收到的在线监测数据拟合为的预警指数启动异常算法进行水质分析与预测，并对检测到的一场瞬时水质时间进行预警预报，而本发明利用污染排放点位水质指纹追踪溯源到产生污染的排放点位。
较佳的是，本发明采用非靶向筛查，可以最大程度反映物质的组成信息，可得到的有机物的信息包括每个组分的CAS号、名称、保留时间、分子式、分子量、分子结构、峰面积、峰高、峰面积占比全面的信息，现有技术是利用不同监测点的COD、氨氮、总氮、pH来做溯源分析指出在流域中哪个检测点存在污染，但由于相关的检测指标都只能反映污染物的总量但不能具体到有机物的组成，导致无法进一步追查该点的污染来源于哪些企业或者哪个面源，而本发明，主要用于发现污染后，精确的对污染点位进行追溯和定位，将按照组成类别分类，并比较出高占比组分进行筛选重点分析，得到高风险的点位和高风险的有机化合物，并通过对污染水体的全面精准指纹诊断精确追溯到污染点源，对相似生产企业的污染精准追溯。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
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，尽管参照较佳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当理解，可以对本发明的技术方案进行修改或者等同替换，而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 (10)

1.一种环境水体污染实时精准溯源预警方法，其特征在于：包括，
对化学需氧量、五日生化需氧量、总氮、氨氮、总磷水质指标超标的水体区域进行调查，在可能存在的污染点源、水体内各监测点位布局采样并设置对照组；
利用色谱质谱串联技术策略分析采集的水样，获得水样水质指纹信息；
比较所述对照组与所述水体内各监测点位水样，得到水体标志物信息；
结合筛选策略分析所述水体标志物与所述水样水质指纹的关联性，若关联性越强，则锁定所述水体标志物，找到所述污染点源；
利用预警指数算法构建综合预警模型对所述污染点源的水质进行预测预警。
2.根据权利要求1所述的环境水体污染实时精准溯源预警方法，其特征在于：获得所述水样水质指纹信息，包括，
利用浓缩富集、环境水样中的复杂有机物被色谱分离，继而进入质谱，形成包括有分子离子峰、碎片离子峰、保留时间、响应强度、峰面积占比的原始数据；
根据谱库检索对比、保留指数对比、化学结构分类，获得水体内各监测点位水样中化学组分、相对含量、结构的所述水样水质指纹信息。
3.根据权利要求1或2所述的环境水体污染实时精准溯源预警方法，其特征在于：利用所述筛选策略进行关联性分析包括，聚类分析模型、源匹配模型和水样组分标志物筛选分析；
所述聚类分析模型包括，对水体内各监测位点中的所述水体标志物与所述污染点源水样水质指纹进行相似性分类，将相似性强的归为一类，利用所述聚类分析模型处理的结果，得到所述水体监测点与所述污染点源的相关性。
4.根据权利要求3所述的环境水体污染实时精准溯源预警方法，其特征在于：所述源匹配模型包括，计算所述各污染点源水样中的组分对每一个所述监测位点水样组分的贡献值，对同一个所述监测位点的水样，其污染点源贡献值越大，则说明相关性越强；
当所述聚类分析模型与所述源匹配模型处理结束后，根据获得的所述污染点源于所述监测水体的相关性对其水样主要组分进行标志物筛选分析，得到所述水体标志物。
5.根据权利要求4所述的环境水体污染实时精准溯源预警方法，其特征在于：所述综合预警模型包括，
监测点预警指数(P)＝COD指数(P1)+总磷指数(P2)+总氮指数(P3)+重金属指数(P4)+BOD5(P5)+氨氮指数(P6)+高锰酸盐指数(P7)+水质常态特征指纹指数(Pi)；
其中，COD指数＝COD实测值/COD限量值-1，总磷指数＝总磷实测值/总磷限量值-1，总氮指数＝总氮指数实测值/总氮指数限量值-1，重金属指数＝重金属实测值/重金属限量值-1，BOD5＝BOD5实测值/BOD5限量值-1；氨氮指数＝氨氮实测值/氨氮限量值-1，水质常态特征指纹指数Pi＝水质特征化学组成相对响应实测值/水质特征化学组成相对响应基础值-1。
6.根据权利要求5所述的环境水体污染实时精准溯源预警方法，其特征在于：还包括，
当所述监测点的预警指数(P)≤0时，则表示所述监测点未发生污染；
当(P)监测点的预警指数＞0时，则表示所述监测点污染发生；
当Pi＞0.1时，则启动预警。
7.根据权利要求6所述的环境水体污染实时精准溯源预警方法，其特征在于：构建所述综合预警模型之前还包括，建立区域内环境因子数据库，即采集存储区域内排放点位基本信息、区域内涉及废水排放单位的产品/原料/助剂信息/危险废物数据库、区域内各类废水/污水化学组分信息数据库并对获得的全部化学品进行注释和分类，其包括毒性、含氮、含磷、用途、关联单位、通过物质化学性质和毒性数据筛选，构建区域内高风险化学品数据库，整体构建为基础信息数据库；
建立区域内环境因子检测方法库，针对不同环境因子，筛选用于定性和定量分析方法，并进行一一对应。
8.根据权利要求7所述的环境水体污染实时精准溯源预警方法，其特征在于：还包括，
构建基于所述水质监测指标与所述环境因子数据库的关联模型，将所有化学组分为COD预测因子，BOD5预测因子、含磷有机物、含磷无机物为总磷预测因子，含氮有机物、含氮无机物为总氮预测因子，铅砷汞等重金属元素为重金属预测因子，铵盐为氨氮溯源因子，各化学组分、生物的来源地或来源单位为源头追溯因子；
当有机物为农药、兽药、医药、阻燃剂、个人护理品新型污染物或为我国标准所规定的污染物时，定义为该类污染物的预测因子。
9.根据权利要求1或8所述的环境水体污染实时精准溯源预警方法，其特征在于：包括，
设置对照组，为远离的所述污染源和所述监测点位的环境地下水或地表水样品组；
设置污染排放点源样品组，为污染排放敏感点源样品组；
设置被污染敏感区样品组，即需要监测和预警的敏感水体样品组；
选取全自动液萃取或固相萃取方式对样品进行富集与净化；
采用气相色谱或液相色谱质谱联用技术进行测定；
提取信噪比大于50的色谱峰；
利用峰抽提、解卷积、谱库搜索比对、保留指数比对，获得每个样品的可定性组分列表。
10.一种环境水体污染实时精准溯源预警系统，其特征在于：包括，分类模块(100)、对比模块(200)、溯源模块(300)、预测预警模块(400)和窗口管理模块(500)；
所述分类模块(100)，用于对采集、存储的水样水体数据进行数据选择、分类及列表处理；
所述对比模块(200)设置连接于所述分类模块(100)的下表面，其用于所述分类模块(100)进行所述数据选择和分类时进行对比计算，并结合PLS-DA进行分析，进而获得精准的分类对比结果；
所述溯源模块(300)与所述对比模块(200)并行连接，其用于构建区域内环境因子数据库和区域内环境因子检测方法库，并对其进行合理性的管理及相应的算法选择，即提供计算服务；
所述预测预警模块(400)嵌入于所述溯源模块(300)内，其用于实时的对在线数据进行计算处理，检查预警指数并对其进行预警判别，获得预警结果；
所述窗口管理模块(500)设置连接于所述预测预警模块(400)的下表面，其用于接收各个模块的处理信息结果，为用户提供界面服务、权限管理及样品路径服务。
CN202011565717.2A 2020-12-25 2020-12-25 一种环境水体污染实时精准溯源预警方法及其系统 Pending CN112505282A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011565717.2A CN112505282A (zh) 2020-12-25 2020-12-25 一种环境水体污染实时精准溯源预警方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011565717.2A CN112505282A (zh) 2020-12-25 2020-12-25 一种环境水体污染实时精准溯源预警方法及其系统

Publications (1)

Publication Number Publication Date
CN112505282A true CN112505282A (zh) 2021-03-16

Family

ID=74923531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011565717.2A Pending CN112505282A (zh) 2020-12-25 2020-12-25 一种环境水体污染实时精准溯源预警方法及其系统

Country Status (1)

Country Link
CN (1) CN112505282A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034013A (zh) * 2021-03-31 2021-06-25 深圳市宇驰检测技术股份有限公司 污染溯源方法、装置、电子设备及存储介质
CN113269564A (zh) * 2021-04-16 2021-08-17 佛山市奥博环保技术有限公司 一种园区排污管网污染源反向追踪溯源方法及系统
CN113408938A (zh) * 2021-07-08 2021-09-17 湖北君邦环境技术有限责任公司 企业污染源在线监测方法、系统、电子设备以及存储介质
CN113449419A (zh) * 2021-06-24 2021-09-28 北京市生态环境监测中心 基于大数据技术判断水污染源的方法和装置
CN113588617A (zh) * 2021-08-02 2021-11-02 清华大学 水质多特征预警溯源系统及方法
CN113702317A (zh) * 2021-08-30 2021-11-26 中国农业科学院农业信息研究所 一种流域面源污染组分传感器、监测系统及方法
CN114184750A (zh) * 2021-11-09 2022-03-15 深圳市宇驰检测技术股份有限公司 地下水污染物的监控方法、装置、设备及存储介质
CN114354830A (zh) * 2021-12-27 2022-04-15 中国环境科学研究院 有机氯污染物溯源方法及装置、计算机设备和存储介质
CN114577532A (zh) * 2022-01-18 2022-06-03 江苏众川生态环境有限公司 一种多相抽提监测取样多功能修复井系统
CN114814035A (zh) * 2022-05-07 2022-07-29 中国科学院城市环境研究所 一种基于全二维气相色谱质谱的污水溯源方法
CN114859002A (zh) * 2022-07-07 2022-08-05 山东爱福地生物股份有限公司 基于废水监测数据的质量监控方法及系统
CN116008495A (zh) * 2022-12-28 2023-04-25 廊坊卓筑建筑工程有限公司 一种用于地表水的水体数据采集与分析系统及方法
CN116168771A (zh) * 2023-04-26 2023-05-26 北京建工环境修复股份有限公司 一种基于物联网的河流中全氟化合物污染监测方法及系统
CN116401557A (zh) * 2023-03-28 2023-07-07 中国科学院地理科学与资源研究所 一种农业面源污染遥感监测与预警方法及系统
CN117495634A (zh) * 2023-11-03 2024-02-02 惠州市正方环保科技有限公司 一种水质溯源快速检测智能管理方法、系统及其装置

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10111226A (ja) * 1996-10-07 1998-04-28 Nippon Steel Corp 超微量不純物成分分析のための溶液試料の溶媒除去・濃縮方法および不純物定量方法
CN102520086A (zh) * 2011-12-15 2012-06-27 江南大学 一种水体中微囊藻毒素总量的气相色谱-质谱联用的检测方法
CN102622670A (zh) * 2012-02-20 2012-08-01 中国环境科学研究院 一种突发水环境污染事故涉嫌风险源的溯源方法
CN102661939A (zh) * 2012-05-15 2012-09-12 北京化工大学 一种快速实现水污染溯源的方法
CN202649200U (zh) * 2012-06-19 2013-01-02 力合科技（湖南）股份有限公司 水质有机物监测预警系统
CN104978475A (zh) * 2014-04-10 2015-10-14 鞍钢股份有限公司 一种钢铁联合企业废水排放源解析方法
CN105303007A (zh) * 2015-12-04 2016-02-03 松辽流域水资源保护局松辽流域水环境监测中心 一种采用融合技术建立尼尔基水库水生态风险预警模型的方法
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
CN106124666A (zh) * 2016-08-18 2016-11-16 浙江华才检测技术有限公司 一种地表水中55种挥发性有机污染物的测定方法
CN107944601A (zh) * 2017-11-07 2018-04-20 中国石油天然气集团公司 以特征污染物溯源分析为指导的污水处理评估方法及装置
CN108008048A (zh) * 2017-12-08 2018-05-08 环境保护部华南环境科学研究所 一种地下水系统中新型污染物的污染源识别方法与应用
CN108760912A (zh) * 2018-05-21 2018-11-06 天津市环境保护科学研究院 一种基于恶臭指纹图谱的恶臭污染溯源方法及应用
CN109063730A (zh) * 2018-06-22 2018-12-21 杭州电子科技大学 一种凸规划聚类水污染溯源方法
CN109711674A (zh) * 2018-12-03 2019-05-03 北京师范大学 一种用于湖库水体污染溯源的指纹图谱库构建方法及装置
CN109856305A (zh) * 2019-02-26 2019-06-07 厦门大学 港口表层沉积物中生物标志物的全二维气相色谱分析方法
CN110085281A (zh) * 2019-04-26 2019-08-02 成都之维安科技股份有限公司 一种基于特征污染因子源解析的环境污染溯源系统及方法
CN110412006A (zh) * 2018-04-26 2019-11-05 北京化工大学 一种实现水污染在线溯源的方法
CN111257315A (zh) * 2020-02-10 2020-06-09 中国水产科学研究院黄海水产研究所 一种海洋环境中微塑料来源的判定方法
CN111562327A (zh) * 2020-05-25 2020-08-21 南京大学 一种基于分子网络的废水中致毒有机污染物非目标筛查分析的方法

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10111226A (ja) * 1996-10-07 1998-04-28 Nippon Steel Corp 超微量不純物成分分析のための溶液試料の溶媒除去・濃縮方法および不純物定量方法
CN102520086A (zh) * 2011-12-15 2012-06-27 江南大学 一种水体中微囊藻毒素总量的气相色谱-质谱联用的检测方法
CN102622670A (zh) * 2012-02-20 2012-08-01 中国环境科学研究院 一种突发水环境污染事故涉嫌风险源的溯源方法
CN102661939A (zh) * 2012-05-15 2012-09-12 北京化工大学 一种快速实现水污染溯源的方法
CN202649200U (zh) * 2012-06-19 2013-01-02 力合科技（湖南）股份有限公司 水质有机物监测预警系统
CN104978475A (zh) * 2014-04-10 2015-10-14 鞍钢股份有限公司 一种钢铁联合企业废水排放源解析方法
CN105303007A (zh) * 2015-12-04 2016-02-03 松辽流域水资源保护局松辽流域水环境监测中心 一种采用融合技术建立尼尔基水库水生态风险预警模型的方法
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
CN106124666A (zh) * 2016-08-18 2016-11-16 浙江华才检测技术有限公司 一种地表水中55种挥发性有机污染物的测定方法
CN107944601A (zh) * 2017-11-07 2018-04-20 中国石油天然气集团公司 以特征污染物溯源分析为指导的污水处理评估方法及装置
CN108008048A (zh) * 2017-12-08 2018-05-08 环境保护部华南环境科学研究所 一种地下水系统中新型污染物的污染源识别方法与应用
CN110412006A (zh) * 2018-04-26 2019-11-05 北京化工大学 一种实现水污染在线溯源的方法
CN108760912A (zh) * 2018-05-21 2018-11-06 天津市环境保护科学研究院 一种基于恶臭指纹图谱的恶臭污染溯源方法及应用
CN109063730A (zh) * 2018-06-22 2018-12-21 杭州电子科技大学 一种凸规划聚类水污染溯源方法
CN109711674A (zh) * 2018-12-03 2019-05-03 北京师范大学 一种用于湖库水体污染溯源的指纹图谱库构建方法及装置
CN109856305A (zh) * 2019-02-26 2019-06-07 厦门大学 港口表层沉积物中生物标志物的全二维气相色谱分析方法
CN110085281A (zh) * 2019-04-26 2019-08-02 成都之维安科技股份有限公司 一种基于特征污染因子源解析的环境污染溯源系统及方法
CN111257315A (zh) * 2020-02-10 2020-06-09 中国水产科学研究院黄海水产研究所 一种海洋环境中微塑料来源的判定方法
CN111562327A (zh) * 2020-05-25 2020-08-21 南京大学 一种基于分子网络的废水中致毒有机污染物非目标筛查分析的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
PEIYAN SUN等: "Fingerprinting and source identification of an oil spill in China Bohai Sea by gas chromatography-flame ionization detection and gas chromatography–mass spectrometry coupled with multi-statistical analyses", 《JOURNAL OF CHROMATOGRAPHY A》 *
杨美华等: "《中药质量控制与分析》", 31 August 2019 *
田大年等: "银川市湿地表层水中多环芳烃的分布、来源及生态风险评价", 《环境科学》 *
白利平: "《地下水污染预警方法与示范》", 31 March 2015 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034013A (zh) * 2021-03-31 2021-06-25 深圳市宇驰检测技术股份有限公司 污染溯源方法、装置、电子设备及存储介质
CN113269564A (zh) * 2021-04-16 2021-08-17 佛山市奥博环保技术有限公司 一种园区排污管网污染源反向追踪溯源方法及系统
CN113449419A (zh) * 2021-06-24 2021-09-28 北京市生态环境监测中心 基于大数据技术判断水污染源的方法和装置
CN113449419B (zh) * 2021-06-24 2024-05-03 北京市生态环境监测中心 基于大数据技术判断水污染源的方法和装置
CN113408938A (zh) * 2021-07-08 2021-09-17 湖北君邦环境技术有限责任公司 企业污染源在线监测方法、系统、电子设备以及存储介质
CN113408938B (zh) * 2021-07-08 2022-07-19 湖北君邦环境技术有限责任公司 企业污染源在线监测方法、系统、电子设备以及存储介质
CN113588617A (zh) * 2021-08-02 2021-11-02 清华大学 水质多特征预警溯源系统及方法
CN113702317A (zh) * 2021-08-30 2021-11-26 中国农业科学院农业信息研究所 一种流域面源污染组分传感器、监测系统及方法
CN113702317B (zh) * 2021-08-30 2023-10-27 中国农业科学院农业信息研究所 一种流域面源污染组分传感器、监测系统及方法
CN114184750A (zh) * 2021-11-09 2022-03-15 深圳市宇驰检测技术股份有限公司 地下水污染物的监控方法、装置、设备及存储介质
CN114354830B (zh) * 2021-12-27 2023-10-10 中国环境科学研究院 有机氯污染物溯源方法及装置、计算机设备和存储介质
CN114354830A (zh) * 2021-12-27 2022-04-15 中国环境科学研究院 有机氯污染物溯源方法及装置、计算机设备和存储介质
CN114577532A (zh) * 2022-01-18 2022-06-03 江苏众川生态环境有限公司 一种多相抽提监测取样多功能修复井系统
CN114577532B (zh) * 2022-01-18 2024-03-26 江苏众川生态环境有限公司 一种多相抽提监测取样多功能修复井系统
CN114814035A (zh) * 2022-05-07 2022-07-29 中国科学院城市环境研究所 一种基于全二维气相色谱质谱的污水溯源方法
CN114859002A (zh) * 2022-07-07 2022-08-05 山东爱福地生物股份有限公司 基于废水监测数据的质量监控方法及系统
CN116008495A (zh) * 2022-12-28 2023-04-25 廊坊卓筑建筑工程有限公司 一种用于地表水的水体数据采集与分析系统及方法
CN116401557A (zh) * 2023-03-28 2023-07-07 中国科学院地理科学与资源研究所 一种农业面源污染遥感监测与预警方法及系统
CN116401557B (zh) * 2023-03-28 2023-11-14 中国科学院地理科学与资源研究所 一种农业面源污染遥感监测与预警方法及系统
CN116168771A (zh) * 2023-04-26 2023-05-26 北京建工环境修复股份有限公司 一种基于物联网的河流中全氟化合物污染监测方法及系统
CN117495634A (zh) * 2023-11-03 2024-02-02 惠州市正方环保科技有限公司 一种水质溯源快速检测智能管理方法、系统及其装置

Similar Documents

Publication Publication Date Title
CN112505282A (zh) 一种环境水体污染实时精准溯源预警方法及其系统
Hollender et al. High resolution mass spectrometry-based non-target screening can support regulatory environmental monitoring and chemicals management
Mitra et al. Environmental chemical analysis
Patriarca et al. Online HPLC-ESI-HRMS method for the analysis and comparison of different dissolved organic matter samples
Lin et al. Molecular characterization of brown carbon in biomass burning aerosol particles
Müller et al. Direct sampling and analysis of atmospheric particulate organic matter by proton-transfer-reaction mass spectrometry
Dijkstra et al. Evaluation and optimization of laboratory methods and analytical procedures
Black et al. Exploring chemical space in non-targeted analysis: a proposed ChemSpace tool
Place et al. An introduction to the benchmarking and publications for non-targeted analysis working group
Jiang et al. Molecular dynamics and light absorption properties of atmospheric dissolved organic matter
Guigue et al. Ultrahigh-resolution FT-ICR mass spectrometry for molecular characterisation of pressurised hot water-extractable organic matter in soils
CN114295749A (zh) 一种水体有机污染智能化溯源方法及系统
CN113155939A (zh) 一种挥发性有机物在线来源解析方法、系统、设备及介质
Minkus et al. Spotlight on mass spectrometric non‐target screening analysis: Advanced data processing methods recently communicated for extracting, prioritizing and quantifying features
Vautz et al. Smell the change: On the potential of gas‐chromatographic ion mobility spectrometry in ecosystem monitoring
Hu et al. Atmospheric processing of particulate imidazole compounds driven by photochemistry
Phillips et al. A framework for utilizing high‐resolution mass spectrometry and nontargeted analysis in rapid response and emergency situations
Lu et al. Recent progress in the chemical attribution of chemical warfare agents and highly toxic organophosphorus pesticides
Keerthi et al. Source apportionment studies for particulates (PM10) in Kozhikode, South Western India using a combined receptor model
Zweigle et al. PFΔ Screen—an open-source tool for automated PFAS feature prioritization in non-target HRMS data
Furlong et al. Determination of human-health pharmaceuticals in filtered water by chemically modified styrene-divinylbenzene resin-based solid-phase extraction and high-performance liquid chromatography/mass spectrometry
Mazur et al. Application of clusterization algorithms for analysis of semivolatile pollutants in Arkhangelsk snow
Szabo et al. Online and Offline Prioritization of Chemicals of Interest in Suspect Screening and Non-targeted Screening with High-Resolution Mass Spectrometry
Mardal et al. Scalable analysis of untargeted LC-HRMS data by means of SQL database archiving
Peters et al. Computational workflow to study the seasonal variation of secondary metabolites in nine different bryophytes

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

Application publication date: 20210316

RJ01 Rejection of invention patent application after publication