CN112990739A - 基于多介质污染特征识别的磷矿区水环境风险评估方法 - Google Patents
基于多介质污染特征识别的磷矿区水环境风险评估方法 Download PDFInfo
- Publication number
- CN112990739A CN112990739A CN202110344810.9A CN202110344810A CN112990739A CN 112990739 A CN112990739 A CN 112990739A CN 202110344810 A CN202110344810 A CN 202110344810A CN 112990739 A CN112990739 A CN 112990739A
- Authority
- CN
- China
- Prior art keywords
- phosphorite
- risk
- water environment
- area
- region
- 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
- 239000002367 phosphate rock Substances 0.000 title claims abstract description 122
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 110
- OJMIONKXNSYLSR-UHFFFAOYSA-N phosphorous acid Chemical compound OP(O)O OJMIONKXNSYLSR-UHFFFAOYSA-N 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012502 risk assessment Methods 0.000 title claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 37
- 231100000719 pollutant Toxicity 0.000 claims abstract description 37
- 239000002352 surface water Substances 0.000 claims abstract description 18
- 239000002689 soil Substances 0.000 claims abstract description 12
- 239000000126 substance Substances 0.000 claims abstract description 12
- PASHVRUKOFIRIK-UHFFFAOYSA-L calcium sulfate dihydrate Chemical compound O.O.[Ca+2].[O-]S([O-])(=O)=O PASHVRUKOFIRIK-UHFFFAOYSA-L 0.000 claims abstract description 11
- 239000012298 atmosphere Substances 0.000 claims abstract description 7
- 238000012954 risk control Methods 0.000 claims abstract description 7
- 238000005192 partition Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000005065 mining Methods 0.000 claims description 10
- 229910001385 heavy metal Inorganic materials 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 229910052698 phosphorus Inorganic materials 0.000 abstract description 15
- 239000011574 phosphorus Substances 0.000 abstract description 15
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 abstract description 14
- 238000003911 water pollution Methods 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract 1
- 239000010865 sewage Substances 0.000 description 5
- 229910019142 PO4 Inorganic materials 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 4
- 239000010452 phosphate Substances 0.000 description 4
- 239000007789 gas Substances 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 238000002386 leaching Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 1
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 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 1
- 229910000147 aluminium phosphate Inorganic materials 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 150000002221 fluorine Chemical class 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 150000002222 fluorine compounds Chemical class 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000011133 lead Substances 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 150000003018 phosphorus compounds Chemical class 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于多介质污染特征识别的磷矿区水环境风险评估方法，属于水污染防治技术领域。该方法包括：识别磷矿区水环境风险源，建立磷矿区水环境风险源监测系统，构建磷矿区水环境风险源数据库，计算磷矿区水环境风险源贡献率，划分磷矿区水环境风险分区以及制定磷矿区水环境风险管控方案。该方法将识别磷矿、磷化工、磷石膏在地表水、地下水、大气和土壤环境介质中的污染特征，解析磷矿区污染物从产生到进入水体全过程的差异化影响，弥补了传统风险评估方法难以适用于磷矿区水环境精细化管理的不足，为在区域整体层面上优化水环境污染风险管控方案、提高区域水环境质量提供理论依据。
Description
技术领域
本发明属于水污染防治技术领域，具体涉及一种基于多介质污染特征识别的磷矿区水环境风险评估方法。
背景技术
以磷矿、磷化工和磷石膏库为代表的“三磷”行业的粗放发展带来了水土流失、雨污分流不完善、物料贮存场所防渗措施不到位等问题，磷矿区环境风险突出，对长江上游等磷矿资源丰富区域的水环境质量造成显著的影响。
现有水环境风险评估方法大多针对地表水过程，而磷矿区高强度开采、加工、处理处置活动改变了污染物在水、气、土多介质环境中的分布，残留的含磷化合物、氟化物、重金属通过重构土体淋溶、尾气排放、地下管道渗漏等多种方式威胁区域地下水、大气或土壤环境，又借助地下水排泄、大气湿沉降或土壤淋溶过程，构成地表水体潜在的风险源。基于多介质污染特征识别的磷矿区水环境风险评估对于制定磷矿区水环境污染风险管控方案、提高水环境精细化管理水平具有重要意义。如何在多介质环境条件下系统评估磷矿区水环境风险成为水污染防治技术领域亟待解决的问题。
发明内容
本发明要解决的技术问题是如何构建系统全面的评估方法，识别磷矿、磷化工、磷石膏在地表水、地下水、大气、土壤等环境介质中的污染特征，从而评估磷矿区水环境风险，优化磷矿区水环境风险管控方案。基于此，本发明提供一种基于多介质污染特征识别的磷矿区水环境风险评估方法。
为实现上述目的，本发明采用的技术方案如下：
基于多介质污染特征识别的磷矿区水环境风险评估方法，包括如下步骤：
S1、依据涉磷企业生产路径和磷矿区水系统拓扑关系，从磷矿开采、磷化工生产和磷石膏处理处置三个方面解析风险传播过程，以功能地块为单元，识别磷矿区水环境风险源；
S2、根据步骤S1得到的风险源信息和磷矿区污染源普查数据，布设监测点位，明确监测指标，建立磷矿区水环境风险源在线监测系统，获取多介质环境质量监测点位的连续观测数据；针对无在线监测设备安装条件的点位，开展雨季、旱季多期次现场监测，收集各点位在场次暴雨和典型旱天下的水量、水质过程线观测数据；
S3、根据步骤S2得到的风险源观测数据，统计多介质环境质量监测点位在雨季和旱季的日均污染物浓度，计算各风险源在雨季和旱季的排放量，分析风险源排放行为影响因素，构建磷矿区水环境风险源数据库；
S4、根据步骤S3构建的风险源数据库，建立基于负荷守恒的区域水环境风险源解析模型，计算不同风险来源对于磷矿区地表水体控制断面水环境质量的贡献率；
所述的基于负荷守恒的区域水环境风险源解析模型如下：
其中，Pij为磷矿区第i个风险源中第j种污染物的贡献率；i＝1,2,3,…,N；j＝1,2,3,…,J；N为风险源总数量，J为污染物总种类数；cij,dry和Vij,dry分别为磷矿区第i个风险源第j种污染物的旱季平均浓度和平均排放量；cij,wet和Vij,wet分别为磷矿区第i个风险源第j种污染物的雨季平均浓度和平均排放量；ci和Vi分别为控制断面第i个污染物的平均浓度和平均排放量；
S5、利用水文分析工具和磷矿区地理信息数据划分子流域，并依据磷矿区排水系统拓扑关系细分风险源所在的汇水区，基于磷矿区水环境管理目标以及步骤S2得到的观测数据，识别汇水区超标排放点位并作为风险节点；以步骤S4得到的风险源贡献为基础，计算超标点位所在的汇水区风险源贡献率总和，划分磷矿区水环境风险分区；
S6、根据步骤S4建立的风险源解析模型以及步骤S5划分的风险分区，计算基于磷矿区地表水体控制断面水质达标的风险源最高允许排放限值，确定对应风险区雨季和旱季的最大排放负荷，从不同等级风险区的排放浓度和排放负荷方面优化磷矿区水环境风险管控方案。
进一步，优选的是，步骤S2、步骤S3中，所述的环境介质包括地表水、地下水、大气和土壤。
进一步，优选的是，步骤S2中，监测指标包括无机物类、有机物类和重金属类指标。
进一步，优选的是，步骤S5中，将不同汇水区按照贡献率大小排序并做模糊分级，贡献率排名从前到后，按照(0,20％]，(20％,40％]，(40％,60％]，(60％,80％]，(80％,100％]的汇水区分别赋予5、4、3、2、1的等级，构成从高风险到低风险的风险区。
本发明中功能地块为大类指代，在应用实例中特指厂区边界，因为当地厂区面积较小，功能单一，不包含多类场地。但功能地块不等于“厂区边界”。因为存在占地面积较大的厂区同时包含磷矿开采、磷化工生产、磷石膏处理处置多类场地的情况，这时需要细分特定类型场地。
本发明中利用水文分析工具和磷矿区地理信息数据划分子流域，并依据磷矿区排水系统拓扑关系细分风险源所在的汇水区的具体方法是：用地理信息系统GIS划分子流域，之后根据排水系统拓扑关系，添加特定的子流域出口，从而再次划分子流域，形成多个汇水区。细分风险源所在的汇水区的原因是因为风险区划分不仅需要考虑高程信息和河网分布，还需考虑存在溢流的污水厂等市政雨污水处理设施。
本发明与现有技术相比，其有益效果为：
本发明提出一种基于多介质污染特征识别的磷矿区水环境风险评估方法，该方法通过识别多介质污染特征，解析风险源及其贡献，全面考虑磷矿区污染物从产生到进入水体全过程的差异化影响，量化了多介质污染的影响，计算基于控制断面水质达标的风险源最高允许排放浓度以及对应风险区雨季和旱季的最大排放负荷，从而在浓度控制和总量控制两个方面为磷矿区水环境风险管控方案的优化提供理论依据。
附图说明
图1是本发明基于多介质污染特征识别的磷矿区水环境风险评估方法的流程示意图；
图2是应用实例中磷矿区涉磷企业生产路径的流程示意图；
图3是应用实例中磷矿区水环境风险源及监测点位空间分布的示意图；
图4是应用实例中磷矿区水环境风险节点及风险分区空间分布的示意图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。
实施例1
如图1所示，基于多介质污染特征识别的磷矿区水环境风险评估方法，包括如下步骤：
S1、依据涉磷企业生产路径和磷矿区水系统拓扑关系，从磷矿开采、磷化工生产和磷石膏处理处置三个方面解析风险传播过程，以功能地块为单元，识别磷矿区水环境风险源；
S2、根据步骤S1得到的风险源信息和磷矿区污染源普查数据，布设监测点位，明确监测指标，建立磷矿区水环境风险源在线监测系统，获取多介质环境质量监测点位的连续观测数据；针对无在线监测设备安装条件的点位，开展雨季、旱季多期次现场监测，收集各点位在场次暴雨和典型旱天下的水量、水质过程线观测数据；
S3、根据步骤S2得到的风险源观测数据，统计多介质环境质量监测点位在雨季和旱季的日均污染物浓度，计算各风险源在雨季和旱季的排放量，构建磷矿区水环境风险源数据库；
S4、根据步骤S3构建的风险源数据库，建立基于负荷守恒的区域水环境风险源解析模型，计算不同风险来源对于磷矿区地表水体控制断面水环境质量的贡献率；
所述的基于负荷守恒的区域水环境风险源解析模型如下：
其中，Pij为区域第i个风险源中第j种污染物的贡献率；i＝1,2,3,…,N；j＝1,2,3,…,J；N为风险源总数量，J为污染物总种类数；cij,dry和Vij,dry分别为区域第i个风险源第j种污染物的旱季平均浓度和平均排放量；cij,wet和Vij,wet分别为区域第i个风险源第j种污染物的雨季平均浓度和平均排放量；ci和Vi分别为控制断面第i个污染物的平均浓度和平均排放量；
S5、利用水文分析工具和磷矿区地理信息数据划分子流域，并依据磷矿区排水系统拓扑关系细分风险源所在的汇水区，基于磷矿区水环境管理目标以及步骤S2得到的观测数据，识别汇水区超标排放点位并作为风险节点；以步骤S4得到的风险源贡献为基础，计算超标点位所在的汇水区风险源贡献率总和，划分磷矿区水环境风险分区；
S6、根据步骤S4建立的风险源解析模型以及步骤S5划分的风险分区，计算基于磷矿区地表水体控制断面水质达标的风险源最高允许排放限值，确定对应风险区雨季和旱季的最大排放负荷，从不同等级风险区的排放浓度和排放负荷方面优化磷矿区水环境风险管控方案。
实施例2
如图1所示，基于多介质污染特征识别的磷矿区水环境风险评估方法，包括如下步骤：
S1、依据涉磷企业生产路径和磷矿区水系统拓扑关系，从磷矿开采、磷化工生产和磷石膏处理处置三个方面解析风险传播过程，以功能地块为单元，识别磷矿区水环境风险源；
S2、根据步骤S1得到的风险源信息和磷矿区污染源普查数据，布设监测点位，明确监测指标，建立磷矿区水环境风险源在线监测系统，获取多介质环境质量监测点位的连续观测数据；针对无在线监测设备安装条件的点位，开展雨季、旱季多期次现场监测，收集各点位在场次暴雨和典型旱天下的水量、水质过程线观测数据；
S3、根据步骤S2得到的风险源观测数据，统计多介质环境质量监测点位在雨季和旱季的日均污染物浓度，计算各风险源在雨季和旱季的排放量，分析风险源排放行为影响因素，构建磷矿区水环境风险源数据库；分析风险源排放行为影响因素的目的是掌握污染物变化规律，作为污染物浓度数据的相关因子放到数据库里；
S4、根据步骤S3构建的风险源数据库，建立基于负荷守恒的区域水环境风险源解析模型，计算不同风险来源对于磷矿区地表水体控制断面水环境质量的贡献率；
所述的基于负荷守恒的区域水环境风险源解析模型如下：
其中，Pij为磷矿区第i个风险源中第j种污染物的贡献率；i＝1,2,3,…,N；j＝1,2,3,…,J；N为风险源总数量，J为污染物总种类数；cij,dry和Vij,dry分别为磷矿区第i个风险源第j种污染物的旱季平均浓度和平均排放量；cij,wet和Vij,wet分别为磷矿区第i个风险源第j种污染物的雨季平均浓度和平均排放量；ci和Vi分别为控制断面第i个污染物的平均浓度和平均排放量；
S5、利用水文分析工具和磷矿区地理信息数据划分子流域，并依据磷矿区排水系统拓扑关系细分风险源所在的汇水区，基于磷矿区水环境管理目标以及步骤S2得到的观测数据，识别汇水区超标排放点位并作为风险节点；以步骤S4得到的风险源贡献为基础，计算超标点位所在的汇水区风险源贡献率总和，划分磷矿区水环境风险分区；
S6、根据步骤S4建立的风险源解析模型以及步骤S5划分的风险分区，计算基于磷矿区地表水体控制断面水质达标的风险源最高允许排放限值，确定对应风险区雨季和旱季的最大排放负荷，从不同等级风险区的排放浓度和排放负荷方面优化磷矿区水环境风险管控方案。
步骤S2、步骤S3中，所述的环境介质包括地表水、地下水、大气和土壤。
步骤S2中，监测指标包括无机物类、有机物类和重金属类指标。
步骤S5中，将不同汇水区按照贡献率大小排序并做模糊分级，贡献率排名从前到后，按照(0,20％]，(20％,40％]，(40％,60％]，(60％,80％]，(80％,100％]的汇水区分别赋予5、4、3、2、1的等级，构成从高风险到低风险的风险区。
应用实例
本实例以长江流域某磷矿区为研究区域。首先，依据本磷矿区相关工程项目环评报告，总结磷矿区涉磷企业生产路径，如图2所示。当地涉磷企业利用本地矿山和外购的磷矿石，主要生产精矿、硫酸、磷酸、磷酸盐等产品，产生尾矿、磷石膏、含氟废气等副产物，将分别送至尾矿库、磷石膏库、氟盐厂处理处置，构成磷矿区水环境风险源。在上述三类风险源识别需求的基础上，依据本区域水环境拓扑关系解析风险源污染物从产生到进入水体的全过程，补充识别传播路径中的风险源。本区域以厂区边界为单元，共识别磷矿开采类2个、磷化工类48个、磷石膏处理处置类5个共55个风险源，如图3所示。
接下来，利用风险源信息和区域污染源普查数据确定风险源的监测点位和监测指标。在磷矿开采区排洪沟、磷化工企业雨水/污水总排口、磷化工企业尾气排口和河道控制断面点位安装在线监测系统，连续监测风险源排放量；在磷石膏库地下水监测井、河道沿程断面、磷矿开采区土壤监测点、磷矿区雨水/污水排水管道以及河道沉积物监测点没有在线监测设备安装条件的点位，开展雨季、旱季多期次现场监测，收集监测点位在场次暴雨和典型旱天下的水量、水质过程线；监测氨氮、硝酸盐氮、总氮、溶解态总磷、总磷、化学需氧量、悬浮物、pH、氟化物、汞、铁、砷、镉、铬、铅和锌16个指标的浓度变化，进而在139.8平方公里的范围里构建起106个点位在内的磷矿区水环境风险源监测系统，如图3所示，其中包括地表水环境52个点位、地下水环境12个点位、大气环境28个点位和土壤环境14个点位，涵盖主要风险源和主要污染物。
第三步，收集风险源观测数据，数据时段涵盖雨季和旱季。统计多介质环境质量监测点位在雨季和旱季的日均污染物浓度，计算各风险源在雨季和旱季的排放量，分析水文气象条件、生产生活活动、净化设施处理模式对风险源排放行为的影响，形成磷矿区水环境风险源数据库。
第四步，基于风险源数据库建立磷矿区水环境风险源解析模型，如式1所示，计算不同风险源对于地表水体控制断面水环境质量的贡献率。
其中，Pij为磷矿区第i个风险源中第j种污染物的贡献率；i＝1,2,3,…,N；j＝1,2,3,…,J；N为风险源总数量，J为污染物总种类数；cij,dry和Vij,dry分别为磷矿区第i个风险源第j种污染物的旱季平均浓度和平均排放量；cij,wet和Vij,wet分别为磷矿区第i个风险源第j种污染物的雨季平均浓度和平均排放量；ci和Vi分别为控制断面第i个污染物的平均浓度和平均排放量；
第五步，利用地理信息系统的水文分析工具和磷矿区地理信息数据划分子流域，并依据当地排水系统的拓扑关系细分风险源所在的汇水区；以汇水区为基础，按照风险源观测数据以及《地表水环境质量标准》(GB3838-2002)规定的III类水质限值，识别汇水区超标排放点位35个，以此表征汇水区的环境质量；计算超标点位所在的汇水区风险源贡献率总和，将不同汇水区按照贡献率大小排序并做模糊分级，贡献率排名排名前20％(含20％)、20％-40％(含40％)、40％-60％(含60％)、60％-80％(含80％)、后20％(含100％)的汇水区分别赋予5、4、3、2、1的等级，构成从高风险到低风险的风险区。据此本区域共划分35个风险节点和11个风险区，其中包括风险等级最高的6个节点及2个汇水区，如图4所示。
最后，利用风险源解析模型和风险分区信息，计算基于控制断面水质达标的风险源最高允许排放浓度以及对应风险区雨季和旱季的最大排放负荷。本实例中，区域最大磷矿山的排洪沟以及最大磷化工企业的雨水排放口均位于最高风险区，依据当地水环境质量要求，在保障地表水体生态流量的基础上，制定了不同等级风险源的最高允许排放浓度，并确定了对应风险区雨季和旱季的最大排放负荷，从而优化磷矿区水环境风险管控方案，为当地水环境精细化管理提供理论依据。
本发明提出了一种磷矿区水环境风险评估方法，并已应用在长江流域某磷矿区，为当地水环境管理提出了质量控制和总量控制的精细化要求，印证了该方法的适用性。由于应用实例计算结果与磷矿区自然条件和社会经济发展水平有关，与方法学适用性无关，故在此不做重点描述。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.基于多介质污染特征识别的磷矿区水环境风险评估方法，其特征在于，包括如下步骤：
S1、依据涉磷企业生产路径和磷矿区水系统拓扑关系，从磷矿开采、磷化工生产和磷石膏处理处置三个方面解析风险传播过程，以功能地块为单元，识别磷矿区水环境风险源；
S2、根据步骤S1得到的风险源信息和磷矿区污染源普查数据，布设监测点位，明确监测指标，建立磷矿区水环境风险源在线监测系统，获取多介质环境质量监测点位的连续观测数据；针对无在线监测设备安装条件的点位，开展雨季、旱季多期次现场监测，收集各点位在场次暴雨和典型旱天下的水量、水质过程线观测数据；
S3、根据步骤S2得到的风险源观测数据，统计多介质环境质量监测点位在雨季和旱季的日均污染物浓度，计算各风险源在雨季和旱季的排放量，构建磷矿区水环境风险源数据库；
S4、根据步骤S3构建的风险源数据库，建立基于负荷守恒的区域水环境风险源解析模型，计算不同风险来源对于磷矿区地表水体控制断面水环境质量的贡献率；
所述的基于负荷守恒的区域水环境风险源解析模型如下：
其中，Pij为磷矿区第i个风险源中第j种污染物的贡献率；i＝1,2,3,…,N；j＝1,2,3,…,J；N为风险源总数量，J为污染物总种类数；cij,dry和Vij,dry分别为磷矿区第i个风险源第j种污染物的旱季平均浓度和平均排放量；cij,wet和Vij,wet分别为磷矿区第i个风险源第j种污染物的雨季平均浓度和平均排放量；ci和Vi分别为控制断面第i个污染物的平均浓度和平均排放量；
S5、利用水文分析工具和磷矿区地理信息数据划分子流域，并依据磷矿区排水系统拓扑关系细分风险源所在的汇水区，基于磷矿区水环境管理目标以及步骤S2得到的观测数据，识别汇水区超标排放点位并作为风险节点；以步骤S4得到的风险源贡献为基础，计算超标点位所在的汇水区风险源贡献率总和，划分磷矿区水环境风险分区；
S6、根据步骤S4建立的风险源解析模型以及步骤S5划分的风险分区，计算基于磷矿区地表水体控制断面水质达标的风险源最高允许排放限值，确定对应风险区雨季和旱季的最大排放负荷，从不同等级风险区的排放浓度和排放负荷方面优化磷矿区水环境风险管控方案。
2.根据权利要求1所述的基于多介质污染特征识别的磷矿区水环境风险评估方法，其特征在于，步骤S2、步骤S3中，所述的环境介质包括地表水、地下水、大气和土壤。
3.根据权利要求1所述的基于多介质污染特征识别的磷矿区水环境风险评估方法，其特征在于，步骤S2中，监测指标包括无机物类、有机物类和重金属类指标。
4.根据权利要求1所述的基于多介质污染特征识别的磷矿区水环境风险评估方法，其特征在于，步骤S5中，将不同汇水区按照贡献率大小排序并做模糊分级，贡献率排名从前到后，按照(0,20％]，(20％,40％]，(40％,60％]，(60％,80％]，(80％,100％]的汇水区分别赋予5、4、3、2、1的等级，构成从高风险到低风险的风险区。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110344810.9A CN112990739B (zh) | 2021-03-31 | 2021-03-31 | 基于多介质污染特征识别的磷矿区水环境风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110344810.9A CN112990739B (zh) | 2021-03-31 | 2021-03-31 | 基于多介质污染特征识别的磷矿区水环境风险评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112990739A true CN112990739A (zh) | 2021-06-18 |
| CN112990739B CN112990739B (zh) | 2022-05-17 |
Family
ID=76338562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110344810.9A Active CN112990739B (zh) | 2021-03-31 | 2021-03-31 | 基于多介质污染特征识别的磷矿区水环境风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990739B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657748A (zh) * | 2021-08-13 | 2021-11-16 | 中国环境科学研究院 | 一种基于风险的场地重点行业高风险有机污染物筛选方法 |
| CN114240127A (zh) * | 2021-12-14 | 2022-03-25 | 云南省设计院集团有限公司 | 基于水质水量诊断分析的城镇污水提质增效评估方法 |
| CN114897440A (zh) * | 2022-06-17 | 2022-08-12 | 生态环境部卫星环境应用中心 | 基于多维视域的尾矿库区域环境风险评估分析方法及系统 |
| CN115541303A (zh) * | 2022-08-04 | 2022-12-30 | 安徽省生态环境科学研究院 | 一种污染地块水土监控系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190354873A1 (en) * | 2018-02-16 | 2019-11-21 | Lucas Pescarmona | Analysis system and hydrology management for basin rivers |
| CN111274775A (zh) * | 2020-01-20 | 2020-06-12 | 清华大学 | 流域水环境模型验证系统 |
| CN111624679A (zh) * | 2020-06-01 | 2020-09-04 | 清华大学 | 基于多示踪剂的地下水氮污染源定量解析方法及装置 |
| CN111982210A (zh) * | 2020-07-02 | 2020-11-24 | 清华大学 | 降雨入流入渗问题诊断的排水管网分批次监测布点方法 |
| CN112417788A (zh) * | 2020-11-30 | 2021-02-26 | 重庆市生态环境大数据应用中心 | 基于大数据的水环境污染分析系统及方法 |
-
2021
- 2021-03-31 CN CN202110344810.9A patent/CN112990739B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190354873A1 (en) * | 2018-02-16 | 2019-11-21 | Lucas Pescarmona | Analysis system and hydrology management for basin rivers |
| CN111274775A (zh) * | 2020-01-20 | 2020-06-12 | 清华大学 | 流域水环境模型验证系统 |
| CN111624679A (zh) * | 2020-06-01 | 2020-09-04 | 清华大学 | 基于多示踪剂的地下水氮污染源定量解析方法及装置 |
| CN111982210A (zh) * | 2020-07-02 | 2020-11-24 | 清华大学 | 降雨入流入渗问题诊断的排水管网分批次监测布点方法 |
| CN112417788A (zh) * | 2020-11-30 | 2021-02-26 | 重庆市生态环境大数据应用中心 | 基于大数据的水环境污染分析系统及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657748A (zh) * | 2021-08-13 | 2021-11-16 | 中国环境科学研究院 | 一种基于风险的场地重点行业高风险有机污染物筛选方法 |
| CN114240127A (zh) * | 2021-12-14 | 2022-03-25 | 云南省设计院集团有限公司 | 基于水质水量诊断分析的城镇污水提质增效评估方法 |
| CN114240127B (zh) * | 2021-12-14 | 2022-06-21 | 云南省设计院集团有限公司 | 基于水质水量诊断分析的城镇污水提质增效评估方法 |
| CN114897440A (zh) * | 2022-06-17 | 2022-08-12 | 生态环境部卫星环境应用中心 | 基于多维视域的尾矿库区域环境风险评估分析方法及系统 |
| CN115541303A (zh) * | 2022-08-04 | 2022-12-30 | 安徽省生态环境科学研究院 | 一种污染地块水土监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112990739B (zh) | 2022-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112990739B (zh) | 基于多介质污染特征识别的磷矿区水环境风险评估方法 | |
| Bui et al. | Integration of SWAT and QUAL2K for water quality modeling in a data scarce basin of Cau River basin in Vietnam | |
| Mahjouri et al. | Revising river water quality monitoring networks using discrete entropy theory: the Jajrood River experience | |
| Voza et al. | Application of multivariate statistical techniques in the water quality assessment of Danube river, Serbia | |
| CN112986538A (zh) | 大区域土壤重金属检测与时空分布特征分析方法及系统 | |
| Xie et al. | Methods for defining the scopes and priorities for joint prevention and control of air pollution regions based on data-mining technologies | |
| Bai et al. | Contribution rates analysis for sources apportionment to special river sections in Yangtze River Basin | |
| CN112083700A (zh) | 规模水电站施工期废污水零排放管控系统 | |
| Borzooei et al. | Assessment of weather-based influent scenarios for a WWTP: application of a pattern recognition technique | |
| Mu et al. | Identification of the spatiotemporal variability and pollution sources for potential pollutants of the Malian River water in northwest China using the PCA-APCS-MLR receptor model | |
| Hu et al. | An assessment of spatial distribution and source identification of five toxic heavy metals in Nanjing, China | |
| CN113284005A (zh) | 一种污水处理系统分类方法及系统 | |
| Jung et al. | Effect of abrupt topographical characteristic change on water quality in a river | |
| CN116202575A (zh) | 一种水土保持土壤流失率监测系统及方法 | |
| CN115660456A (zh) | 一种用于矿产资源开发的生态损害评估核算系统方法 | |
| CN113158591B (zh) | 一种确定流域土地开发利用承载力的方法 | |
| CN114897233A (zh) | 基于空间聚类改进算法的农村生活污水治理模式优化方法 | |
| Rezagama et al. | Prediction of spatial pollution load using the PLOAD model | |
| CN116644987B (zh) | 一种基于水功能区的地表水资源分质评价方法及装置 | |
| CN113887965B (zh) | 一种流域生态流量核算方法 | |
| Hasan | Neural Network Based Life Cycle Cost Analysis of Metal Culverts Due to Corrosion Risks in Arkansas | |
| Jia et al. | Constructing Urban Building Water Environment Governance through Digital Art-Enhanced Big Data Visualization | |
| CN116341365A (zh) | 一种基于神经网络的洪水预报方法及系统 | |
| Ma et al. | Application of Improvement Fuzzy Logic Technique in Groundwater Quality Assessment in Naiman Banner | |
| Manickavelu | EVALUATION OF CONSTRUCTION STORMWATER RUNOFF TURBIDITY: STATE-LEVEL TRENDS AND FORECAST OF FUTURE IMPACTS |
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 |