CN113327056B - 一种水体污染类型的界定方法 - Google Patents

一种水体污染类型的界定方法 Download PDF

Info

Publication number
CN113327056B
CN113327056B CN202110698101.0A CN202110698101A CN113327056B CN 113327056 B CN113327056 B CN 113327056B CN 202110698101 A CN202110698101 A CN 202110698101A CN 113327056 B CN113327056 B CN 113327056B
Authority
CN
China
Prior art keywords
flux
water
pollutant
boundary
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.)
Active
Application number
CN202110698101.0A
Other languages
English (en)
Other versions
CN113327056A (zh
Inventor
姜霞
牛勇
王坤
王昊男
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.)
Chinese Research Academy of Environmental Sciences
Original Assignee
Chinese Research Academy of Environmental Sciences
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 Chinese Research Academy of Environmental Sciences filed Critical Chinese Research Academy of Environmental Sciences
Priority to CN202110698101.0A priority Critical patent/CN113327056B/zh
Publication of CN113327056A publication Critical patent/CN113327056A/zh
Application granted granted Critical
Publication of CN113327056B publication Critical patent/CN113327056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24568—Data stream processing; Continuous queries
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种水体污染类型的界定方法，包括S1收集监测数据，形成数据库；S2根据数据库，确定枯水边界和丰水边界；S3根据枯水边界及区域降雨量，确定参考基流；S4将全年分组，建立分组通量数据库；S5在通量核定时间边界范围内，建立污染物通量核定模型；S6利用污染物通量核定模型，将污染物通量分为枯水时段污染物通量和丰水时段污染物通量；S7根据丰水时段污染物通量和丰水时段污染物通量，计算污染强度指数，根据污染强度指数及占比对水体污染类型进行界定。本发明通过对污染类型的定量划分，提高了污染类型界定的准确性，实现了区域水环境精准化治理，为水体污染控制管理提供有力的决策支持，对水环境保护具有重要意义。

Description

一种水体污染类型的界定方法
技术领域
本发明属于水体污染防治技术领域，具体来说，涉及一种水体污染类型的界定方法。
背景技术
在水污染防治领域，环境污染可根据其污染排放是否明确可分为“点源污染”与“面源污染”。点源污染是指有固定排放点的污染源，在数学模型中常用一点表示以简化计算，如工业废水及城市生活污水，由排放口集中汇入江河湖泊。面源污染相对于点源来说则没有固定污染排放点，污染物以广域的、分散的、微量的形式进入水体。
目前，对于水体污染类型的界定，通常采用专家评估的经验法，或者是基于理论排放系数概算方法加以区分。然而，该类技术方法存在较大的不确定问题，导致点源污染和面源污染类型界定不清，无法实现区域水环境精准化治理。
因此，开发一种简便、高效的水体污染类型的界定方法，可以针对不同水体污染类型采用不同的水污染治理措施，为水体污染控制管理提供有力的决策支持，提高了污染防治决策的成效性，对水环境保护具有重要意义。
发明内容
为了解决以上技术问题，本发明基于大数据挖掘技术，提供了一种简便、高效的水体污染类型的界定方法。
为了实现上述目的，本发明采用以下技术方案：
一种水体污染类型的界定方法，包括以下步骤：
S1、收集监测数据，形成数据库，所述监测数据包括断面流量Q、污染物浓度C和区域降雨量R；
S2、根据步骤S1得到的断面流量Q和区域降雨量R，确定枯水边界Tk和丰水边界Tf；
S3、根据步骤S2确定的枯水边界Tk及区域降雨量R，确定参考基流Q0和步长n；
S4、根据步骤S3确定的步长n、将全年分组，根据步骤S1中的监测数据断面流量Q和污染物浓度C，建立分组通量数据库；
所述通量数据库中流量浓度分布为：Qn～N(μn,σn 2)；
所述通量数据库中污染物浓度分布为：Cn～N(μn,σn 2)；
S5、在通量核定时间边界T范围内，建立污染物通量核定模型；
所述污染物通量核定模型的公式如下：
Figure GDA0003333991620000021
其中，P表示t时段内通过断面的污染物通量，单位为吨；
Q(t)为t时段中流量分布；C(t)为t时段中污染物浓度分布；
t为通量核定时间边界T内的时间，k为单位转换系数；
S6、利用步骤S5得到的污染物通量核定模型，根据流量Q与参考基流Q0大小关系，将污染物通量分为枯水时段污染物通量Pk和丰水时段污染物通量Pf；
S7、根据步骤S6得到的枯水时段污染物通量Pk和丰水时段污染物通量Pf，计算污染强度指数，根据污染强度指数
Figure GDA0003333991620000022
及概率两个指标对水体污染类型进行界定，所述界定采用的标准为：
Figure GDA0003333991620000024
所述污染强度指数
Figure GDA0003333991620000023
的计算公式为：
Figure GDA0003333991620000031
其中，Pf为丰水时段污染物通量；
Pk为枯水时段污染物通量；
Figure GDA0003333991620000032
在(0,1)区间范围内，越趋近于1，面源污染越重；
a为1年。
优选地，步骤S1中所述监测数据可通过实地监测或自动监测站数据收集获取。
优选地，步骤S1中所述污染物包括但不限于化学需氧量(COD)、氨氮(NH3-N)、总氮(TN)、总磷(TP)。
优选地，步骤S2中所述枯水边界Tk为流量Q和区域降水量R均出现最小值的时段；所述丰水边界Tf为流量Q和区域降水量R均出现最大值的时段。
优选地，步骤S3中所述参考基流Q0为枯水边界Tk中，连续最大时段区域降雨量为零时的流量Q，参考基流Q0分布为：Q0～N(μ0,σ0 2)。
优选地，步长n为在枯水边界Tk中，区域降雨量为零时的连续最大天数。
优选地，步骤S4中全年分组的公式为：
INT＝N/n (3)；
其中，INT为组数；N为365天或366天，n为步长。
优选地，步骤S5中通量核定时间边界T的计算方法为：将步骤S1得到的检测数据断面流量Q和降雨R，按照时间顺序依次排列，选取枯水边界Tk和丰水边界Tf所包含的时段，即为通量核定时间边界T。
优选地，步骤S6中所述枯水时段污染物通量Pk为枯水边界Tk内，Q≤Q0时的污染物通量；所述丰水时段污染物通量Pf为丰水边界Tf内，Q＞Q0时的污染物通量。
本发明还提供了上述水体污染类型的界定方法在水体污染防治中的应用。
所述应用为：根据界定的风险等级污染类型，采取不同的污染控制策略，具体如下：
Figure GDA0003333991620000041
其中，1为点源控制措施：针对断面上游区域，对具体的污染排放口进行污染治理。接入市政污水治理系统，增加末端污水处理设备，或者采取关停等方式；
2为点面混合型控制措施：采用综合治理措施，既要对点源型污染进行治理，也要对面源污染进行防控；此外，混合型污染控制还要对点面源污染控制措施的选择、布局加以优化，发挥工程效益的合力作用；
3为面源控制措施；针对断面上游区域，加强面源污染的防控，采取生态沟渠拦截、湿地生态净化系统和/或水源涵养林修复措施。
本发明的有益效果为：
(1)本发明的河流水体污染类型的界定方法，基于大数据挖掘技术，对水体污染类型进行了定量划分，精确度高，提高了水体污染类型界定的准确性。
(2)本发明根据污染强度指数和概率两个指数，将水体污染类型及风险等级进行了定量划分，可以针对不同水体污染类型采用不同的水污染治理措施，实现了区域水环境精准化治理，为水体污染控制管理提供有力的决策支持，提高了污染防治决策的成效性，对水环境保护具有重要意义。
具体实施方式
以下结合特定的具体实例说明本发明的实施方式，在进一步描述本发明具体实施方式之前，应理解，本发明的保护范围不局限于下述特定的具体实施方案；还应当理解，本发明实施例中使用的术语是为了描述特定的具体实施方案，而不是为了限制本发明的保护范围。
除非另外定义，本文中使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同意义。
一种河流水体污染类型的界定方法，包括以下步骤：
S1、收集监测数据断面流量Q、污染物浓度C和区域降雨量R，形成数据库；所述监测数据可通过实地监测或自动监测站数据收集获取；所述污染物包括但不限于化学需氧量(COD)、氨氮(NH3-N)、总氮(TN)、总磷(TP)。
S2、枯水边界和丰水边界由断面流量和区域降雨量指标共同确定，根据步骤S1得到的断面流量Q和区域降雨量R，确定枯水边界Tk和丰水边界Tf；
其中，枯水边界Tk为QMin∩RMin，流量和区域降雨量均出现最小值的时段；
丰水边界Tf为QMax∩RMax，流量和区域降雨量均出现最大值的时段。
S3、基本径流是河道中能常年存在的那部分径流，主要是由地下水补给，基流大小与流域面积和自然地理条件有关，它是水资源评价中一个很重要的特征值；
根据步骤S2确定的枯水边界Tk及区域降雨量R，确定参考基流Q0和步长n；
在枯水边界Tk中，连续最大时段区域降雨量为零时的流量Q，确定为参考基流Q0,参考基流Q0分布记为：Q0～N(μ0,σ0 2)；其中，在枯水边界Tk中，区域降雨量为零时的连续最大天数，记为步长n，单位为天。
S4、根据步骤S3确定的步长n、将全年分组，根据步骤S1中的监测数据断面流量Q和污染物浓度C，建立分组通量数据库；
全年分组的公式为：
INT＝N/n (3)；
其中，INT为组数；N为365天或366天，n为步长，单位为天；
所述通量数据库中流量浓度分布为：Qn～N(μn,σn 2)；
所述通量数据库中污染物浓度分布为：Cn～N(μn,σn 2)；
S5、将步骤S1得到的检测数据断面流量Q和降雨R，按照时间顺序依次排列，选取枯水边界Tk和丰水边界Tf所包含的时段，记为通量核定时间边界T；
在通量核定时间边界T范围内，建立污染物通量核定模型；
所述污染物通量核定模型的公式如下：
Figure GDA0003333991620000061
其中，P表示t时段内通过断面的污染物通量，单位为吨；
Q(t)为t时段中流量分布；C(t)为t时段中污染物浓度分布；
t为通量核定时间边界T内的时间，k为单位转换系数；
S6、利用步骤S5得到的污染物通量核定模型，根据流量Q与参考基流Q0大小关系，将污染物通量分为枯水时段污染物通量Pk和丰水时段污染物通量Pf；
枯水边界Tk内，Q≤Q0时的污染物通量，记为枯水时段污染物通量Pk；
丰水边界Tf内，Q＞Q0时的污染物通量，记为丰水时段污染物通量Pf。
S7、根据步骤S6得到的枯水时段污染物通量Pk和丰水时段污染物通量Pf，计算污染强度指数，根据污染强度指数
Figure GDA0003333991620000064
及概率对水体污染类型进行界定，所述界定采用的标准为：
Figure GDA0003333991620000062
所述污染强度指数
Figure GDA0003333991620000065
的计算公式为：
Figure GDA0003333991620000063
其中，Pf为丰水时段污染物通量；
Pk为枯水时段污染物通量；
Figure GDA0003333991620000072
在(0,1)区间范围内，越趋近于1，面源污染越重；
a为1年。
本发明还提供了上述水体污染类型的界定方法在水体污染防治中的应用。
所述应用为：根据界定的风险等级和污染类型，采取不同的污染控制策略，具体如下：
Figure GDA0003333991620000071
其中，1代表点源控制措施：针对断面上游区域，对具体的污染排放口进行污染治理。接入市政污水治理系统，增加末端污水处理设备，或者采取关停等方式；
2代表点面混合型控制措施：采用综合治理措施，既要对点源型污染进行治理，也要对面源污染进行防控；此外，混合型污染控制还要对点面源污染控制措施的选择、布局加以优化，发挥工程效益的合力作用；
3代表面源控制措施；针对断面上游区域，加强面源污染的防控，采取生态沟渠拦截、湿地生态净化系统和/或水源涵养林修复措施。
本发明根据污染强度指数和概率两个指数，将水体污染类型及风险等级进行了定量划分，可以针对不同水体污染类型采用不同的水污染治理措施，实现了区域水环境精准化治理，为水体污染控制管理提供有力的决策支持，提高了污染防治决策的成效性，对水环境保护具有重要意义。
实施例1一种河流水体污染类型的界定方法
一种河流水体污染类型的界定方法，包括以下步骤：
S1、监测断面流量(Q)、污染物浓度(C)以及区域降雨量(R)等数据形成数据库，其中，所述污染物包括但不限于化学需氧量(COD)、氨氮(NH3-N)、总氮(TN)、总磷(TP)，如表1所示。
表1断面流量、污染物浓度及区域降雨量数据库
年 月 日 20-20时降水量mm 流量数据m3/s 水质浓度
2020 1 1 0 1.00 2.00
2020 1 2 0 1.20 1.80
2020 1 3 0 0.80 1.70
2020 1 4 0 0.90 2.20
2020 1 5 0 0.70 2.10
2020 1 6 0 0.90 2.00
2020 1 7 5 0.83 1.60
2020 1 8 0 1.02 1.96
2020 1 9 0 0.91 1.97
2020 1 10 3 1.14 2.00
2020 1 11 2 0.82 2.23
2020 1 12 0 1.07 2.07
… … … … … …
… … … … … …
2020 12 26 0 0.87 1.77
2020 12 27 0 1.03 1.86
2020 12 28 0 1.30 1.81
2020 12 29 2 1.06 1.67
2020 12 30 0 0.96 1.86
2020 12 31 0 0.93 1.82
S2、确定枯水边界和基本径流：
2020年1月1日至2020年1月6日，持续降雨量RMin＝0时最大时段，参考基流记作Q0～N(0.92,0.16)，n＝6。
S3、建立通量数据库：
根据时间步长n＝6，将2020年1月1日至12月31日，共计分为61组。
分组1：Q1～N(0.92,0.16)，C1～N(1.97,0.17)；
分组2：Q2～N(0.97,0.12)，C2～N(1.97,0.19)；
……
分组61：Q61～N(1.02,0.14)，C61～N(1.80 0.08)。
S4、计算污染强度指数：
根据分组通量数据库(分组流量与浓度分布特征)，分别抽样数据10万次，形成10万组计量数据组，形成污染物通量核定模型，根据流量Q与参考基流Q0大小关系，将污染物通量分为枯水时段污染物通量Pk和丰水时段污染物通量Pf，并计算污染强度指数。根据计算，其污染强度指数
Figure GDA0003333991620000091
为0.6，概率为75％，污染控制型为点面混合型，中高风险，应采取点面混合型控制措施。
以上是结合具体实施例对本发明进一步的描述，但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。

Claims (10)

1.一种水体污染类型的界定方法，其特征在于，包括以下步骤：
S1、收集监测数据，形成数据库，所述监测数据包括断面流量Q、污染物浓度C和区域降雨量R；
S2、根据步骤S1得到的断面流量Q和区域降雨量R，确定枯水边界Tk和丰水边界Tf；
S3、根据步骤S2确定的枯水边界Tk及区域降雨量R，确定参考基流Q0和步长n；
S4、根据步骤S3确定的步长n、将全年分组，根据步骤S1中的监测数据断面流量Q和污染物浓度C，建立分组通量数据库；
所述通量数据库中流量浓度分布为：Qn～N(μn,σn 2)；
所述通量数据库中污染物浓度分布为：Cn～N(μn,σn 2)；
S5、在通量核定时间边界T范围内，建立污染物通量核定模型；
所述污染物通量核定模型的公式如下：
Figure FDA0003333991610000011
其中，P表示t时段内通过断面的污染物通量，单位为吨；
Q(t)为t时段中流量分布；C(t)为t时段中污染物浓度分布；
t为通量核定时间边界T内的时间，k为单位转换系数；
S6、利用步骤S5得到的污染物通量核定模型，根据流量Q与参考基流Q0大小关系，将污染物通量分为枯水时段污染物通量Pk和丰水时段污染物通量Pf；
S7、根据步骤S6得到的枯水时段污染物通量Pk和丰水时段污染物通量Pf，计算污染强度指数，根据污染强度指数
Figure FDA0003333991610000012
及概率对水体污染类型进行界定，
所述界定采用的标准为：
Figure FDA0003333991610000013
Figure FDA0003333991610000021
所述污染强度指数
Figure FDA0003333991610000022
的计算公式为：
Figure FDA0003333991610000023
其中，Pf为丰水时段污染物通量；
Pk为枯水时段污染物通量；
Figure FDA0003333991610000024
在(0,1)区间范围内，越趋近于1，面源污染越重；
当Pf-Pk≤0时，
Figure FDA0003333991610000025
a为1年。
2.根据权利要求1所述的界定方法，其特征在于，步骤S1中所述监测数据可通过实地监测或自动监测站数据收集获取。
3.根据权利要求1所述的界定方法，其特征在于，步骤S1中所述污染物包括但不限于化学需氧量COD、氨氮NH3-N、总氮TN、总磷TP。
4.根据权利要求1所述的界定方法，其特征在于，步骤S2中所述枯水边界Tk为流量Q和区域降水量R均出现最小值的时段；所述丰水边界Tf为流量Q和区域降水量R均出现最大值的时段。
5.根据权利要求1所述的界定方法，其特征在于，步骤S3中所述参考基流Q0为枯水边界Tk中，连续最大时段区域降雨量为零时的流量Q，参考基流分布记为：Q0～N(μ0,σ0 2)。
6.根据权利要求1所述的界定方法，其特征在于，步骤S3中所述步长n为在枯水边界Tk中，区域降雨量为零时的连续最大天数。
7.根据权利要求1所述的界定方法，其特征在于，步骤S4中全年分组的公式为：
INT＝N/n (3)；
其中，INT为组数；N为365天或366天，n为步长。
8.根据权利要求1所述的界定方法，其特征在于，步骤S5中通量核定时间边界T的计算方法为：将步骤S1得到的检测数据断面流量Q和降雨R，按照时间顺序依次排列，选取枯水边界Tk和丰水边界Tf所包含的时段，即为所述通量核定时间边界T。
9.根据权利要求1所述的界定方法，其特征在于，步骤S6中所述枯水时段污染物通量Pk为枯水边界Tk内，Q≤Q0时的污染物通量；所述丰水时段污染物通量Pf为丰水边界Tf内，Q＞Q0时的污染物通量。
10.根据权利要求1-9任一项所述的界定方法在水体污染治理中的应用。
CN202110698101.0A 2021-06-23 2021-06-23 一种水体污染类型的界定方法 Active CN113327056B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110698101.0A CN113327056B (zh) 2021-06-23 2021-06-23 一种水体污染类型的界定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110698101.0A CN113327056B (zh) 2021-06-23 2021-06-23 一种水体污染类型的界定方法

Publications (2)

Publication Number Publication Date
CN113327056A CN113327056A (zh) 2021-08-31
CN113327056B true CN113327056B (zh) 2022-02-08

Family

ID=77424325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110698101.0A Active CN113327056B (zh) 2021-06-23 2021-06-23 一种水体污染类型的界定方法

Country Status (1)

Country Link
CN (1) CN113327056B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114455715B (zh) * 2022-03-03 2023-04-25 四川省建筑设计研究院有限公司 一种基于“药方式”的水体生态治理方法及系统
CN115221592B (zh) * 2022-08-04 2023-03-10 上海市农业科学院 农田面源污染生态拦截工程的生态沟渠空间布局优化方法
CN116757897B (zh) * 2023-08-21 2023-11-14 中国环境监测总站 一种基于数据分解的汛期污染强度分析方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663267A (zh) * 2012-05-15 2012-09-12 南京大学 一种半湿润区流域面源污染负荷的确定方法
KR20130114765A (ko) * 2012-04-10 2013-10-21 이학섭 네트워크를 이용한 실시간 수질측정 및 수질정화 시스템
CN106557029A (zh) * 2016-11-11 2017-04-05 中国科学院生态环境研究中心 一种黑臭河流水污染控制与治理的方法
CN109241590A (zh) * 2018-08-21 2019-01-18 中国环境科学研究院 一种环保疏浚工程中判别重金属污染底泥污染类型的方法
CN111784052A (zh) * 2020-07-03 2020-10-16 水利部交通运输部国家能源局南京水利科学研究院 一种城市面源污染入河负荷量预测方法
CN111922068A (zh) * 2020-08-12 2020-11-13 生态环境部华南环境科学研究所 一种工业污染场地土壤和地下水中石油烃风险评价方法
CN112766669A (zh) * 2021-01-06 2021-05-07 中国科学院东北地理与农业生态研究所 基于水质模型的流域污染限值排放核定方法
CN112906936A (zh) * 2021-01-07 2021-06-04 中地大海洋(广州)科学技术研究院有限公司 基于集成神经网络的河流污染物通量智能计算与预测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728035B (zh) * 2019-09-24 2021-09-17 河海大学 一种基于控制断面水质达标的污染物总量控制方法
CN110781225B (zh) * 2019-10-25 2020-06-19 中国环境科学研究院 一种环境介质污染物浓度水平的诊断方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130114765A (ko) * 2012-04-10 2013-10-21 이학섭 네트워크를 이용한 실시간 수질측정 및 수질정화 시스템
CN102663267A (zh) * 2012-05-15 2012-09-12 南京大学 一种半湿润区流域面源污染负荷的确定方法
CN106557029A (zh) * 2016-11-11 2017-04-05 中国科学院生态环境研究中心 一种黑臭河流水污染控制与治理的方法
CN109241590A (zh) * 2018-08-21 2019-01-18 中国环境科学研究院 一种环保疏浚工程中判别重金属污染底泥污染类型的方法
CN111784052A (zh) * 2020-07-03 2020-10-16 水利部交通运输部国家能源局南京水利科学研究院 一种城市面源污染入河负荷量预测方法
CN111922068A (zh) * 2020-08-12 2020-11-13 生态环境部华南环境科学研究所 一种工业污染场地土壤和地下水中石油烃风险评价方法
CN112766669A (zh) * 2021-01-06 2021-05-07 中国科学院东北地理与农业生态研究所 基于水质模型的流域污染限值排放核定方法
CN112906936A (zh) * 2021-01-07 2021-06-04 中地大海洋(广州)科学技术研究院有限公司 基于集成神经网络的河流污染物通量智能计算与预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
潮河流域非点源污染控制关键因子识别及分区;耿润哲等;《中国环境科学》;20161231;第1258-1267页 *

Also Published As

Publication number Publication date
CN113327056A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN113327056B (zh) 一种水体污染类型的界定方法
Cooper A review of the design and performance of vertical-flow and hybrid reed bed treatment systems
Charkhabi et al. Assessment of spatial variation of water quality parameters in the most polluted branch of the Anzali Wetland, Northern Iran.
Liu et al. Investigation of nitrogen and phosphorus contents in water in the tributaries of Danjiangkou Reservoir
Figueroa‐Nieves et al. Effects of sewage effluents on water quality in tropical streams
Hunter et al. Nutrient removal and loading rate analysis of Louisiana forested wetlands assimilating treated municipal effluent
Qin et al. Using nitrogen and oxygen isotopes to access sources and transformations of nitrogen in the Qinhe Basin, North China
Castelar et al. Wastewater treatment plant effluent inputs influence the temporal variability of nutrient uptake in an intermittent stream
Giao et al. Combination of water quality, pollution indices, and multivariate statistical techniques for evaluating the surface water quality variation in Can Tho City, Vietnam
Roselene A Study on Remediation of Polluted Water Using Canna indica
Mehrasbi et al. Water quality modeling and evaluation of nutrient control strategies using qual2k in the small Rivers
Zhang et al. The urbanization impacts on potentially toxic metals: The distribution, sources and contamination risks in river situated in typical megacity, China
Ferrara et al. A case study analysis for seasonal nitrification: economic efficiency and water quality preservation
Durlević The analysis of the quality of surface water of Danube in the Republic of Serbia for 2018
Mostafa et al. Improve water quality at the El-Rahawy drain and the Rosetta Branch, Egypt
Bussi et al. Green infrastructure and climate change impacts on the flows and water quality of urban catchments: Salmons Brook and Pymmes Brook in north-east London
He et al. Responses of ammonia-oxidizing archaea and bacteria in malodorous river sediments to different remediation techniques
Ni et al. Seasonal and Tidal Influence on Surface Water Quality–A Case Study in the Hau River Segment, Vietnamese Mekong Delta Province
Chipofya et al. Comparison of pollutant levels in effluent from wastewater treatment plants in Blantyre, Malawi
Lung et al. Modeling fate and transport of nutrients on the James Estuary
Mueller et al. Contaminants in the New York Bight
Boroon et al. Water quality assessment of the Los Angeles river watershed, California, USA in wet and dry weather periods
Minh et al. The Analysis of frequencies and parameters for monitoring surface water quality using multivariate statistical approaches in Can Tho city, Vietnam
Chavan Assessment of Decentralized Wastewater Treatment System-Potential Impact on Water Quality
Ayaz et al. Point and diffuse sources of pollution and surface water quality in Marmara Basin of Turkey

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