CN113360835A - 一种面向疑似污染地块的污染潜势评估方法 - Google Patents
一种面向疑似污染地块的污染潜势评估方法 Download PDFInfo
- Publication number
- CN113360835A CN113360835A CN202110635800.0A CN202110635800A CN113360835A CN 113360835 A CN113360835 A CN 113360835A CN 202110635800 A CN202110635800 A CN 202110635800A CN 113360835 A CN113360835 A CN 113360835A
- Authority
- CN
- China
- Prior art keywords
- pollution
- potential
- industry
- suspected
- contamination
- 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
Links
- 238000011156 evaluation Methods 0.000 title abstract description 9
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000003344 environmental pollutant Substances 0.000 claims description 11
- 231100000719 pollutant Toxicity 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 239000003673 groundwater Substances 0.000 claims description 7
- 230000008595 infiltration Effects 0.000 claims description 7
- 238000001764 infiltration Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000003900 soil pollution Methods 0.000 claims description 6
- 239000002609 medium Substances 0.000 claims description 5
- 230000037361 pathway Effects 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 229910001385 heavy metal Inorganic materials 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 239000003440 toxic substance Substances 0.000 claims description 4
- 231100000419 toxicity Toxicity 0.000 claims description 4
- 230000001988 toxicity Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 231100000614 poison Toxicity 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 239000012736 aqueous medium Substances 0.000 claims description 2
- 239000002920 hazardous waste Substances 0.000 claims description 2
- 238000011109 contamination Methods 0.000 claims 16
- 238000005070 sampling Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 239000013589 supplement Substances 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 231100000167 toxic agent Toxicity 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005238 degreasing Methods 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009713 electroplating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000003895 groundwater pollution Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000002480 mineral oil Substances 0.000 description 1
- 235000010446 mineral oil Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向疑似污染地块的污染潜势评估方法,从污染潜势特性、传输途径、受体风险三大维度考虑,构建模型的指标体系;根据行业类别赋予原始分,并针对第一步中选择的污染潜势特性、传输途径、受体风险三大维度指标对原始分进行加减分调整,根据总分T划分不同风险等级,得到不同场地的污染风险潜势。本发明的优点在于:污染潜势模型,完善了我国传统上结合现场取样监测完成的模式,极大节约了疑似污染地块污染风险识别的成本。运用该模型识别出的疑似污染地块结果可以有效填补疑似污染地块时空数据库,为管理决策部门充分掌握本地疑似污染地块名录提供有益补充。
Description
技术领域
本发明涉及一种评估方法,尤其涉及一种面向疑似污染地块的污染潜势评估方法。
背景技术
伴随着社会经济的发展,我国建设用地数量不断增多,并呈现出分布广泛、潜在污染风险增加的趋势,并越来越显示出其危害性,危害生态环境安全与人民生活质量。并且,传统的疑似污染地块识别方法依赖于现场调查采样,不仅耗时耗力,而且严重影响决策效率。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种面向疑似污染地块的污染潜势评估方法。
为了解决以上技术问题,本发明采用的技术方案是:一种面向疑似污染地块的污染潜势评估方法,包括以下步骤:
第一步,从污染潜势特性、传输途径、受体风险三大维度考虑,构建模型的指标体系;第二步,根据行业类别赋予原始分,并针对第一步中选择的污染潜势特性、传输途径、受体风险三大维度指标对原始分进行加减分调整,并计算总分T;第三步,根据总分T划分不同风险等级,得到不同场地的污染风险潜势。
进一步地,污染潜势特征维度包括企业规模、行业类别、生产年限、注册资本、污染物种类、是否为国控污染源、是否为全口径涉重金属行业企业、是否具有危险废物经营许可证、是否进去地方检索用地土壤污染风险管控和修复名录、是否具有排污许可证书、是否有异常经营记录、是否有媒体报道污染事件、行政处罚、环保处罚几项指标;
传输途径维度包括含水层介质、地下水水深、水力传导系数、净入渗量几项指标;
受体风险维度包括人口密度、地下水接触、边界1km以内是否有城镇、是否有水源保护地、是否位于生态红线区、是否有基本农田保护区、是否有敏感受体几项指标;其中敏感受体包括医院、学校、养老机构、公园以及居民点。
进一步地,对第一步中三个维度中的指标进行相关性分析,确保指标之间的独立性,相关系数的计算公式为:
r=cov(X,Y)/σXσY,
式中:X和Y分别代表一个指标,r为两个指标之间的相关系数;cov(X,Y)为协方差,表征X和Y两个指标间的协同性强弱程度;σX、σY为标准差,表征指标数据波动性大小。
进一步地,第二步中,根据行业类别来客观量化数据系利用美国环保署针对各行业类别毒性物质排放清单数据,再依据本土化高污染潜势行业类别特征污染物向环境的平均释放量,估算各行业类别代表的原始分,并将特征指标分类为S1、S2、S3、S4、S5以及S6;
S1为行业潜势基础分,S2为规模营运年限以及主体变更系数的结合,S3为所属业别污染发现和污染事件发生系数,S4为营运环境绩效管理系数,S5为各行业类别污染物人体毒性潜势系数,S6为天灾系数。
进一步地,根据行业列别调整原始分,行业列别包括:根据重点企业信息判断企业工艺流程,以及根据遥感影像信息判断潜在污染设施和厂区现状;这一步骤中的调整总分G范围:-2≤G≤+8,且不得大于所属行业代表原始分。
进一步地,计算传输途径维度P=P1+P2+P3+P4;其中,P1为净入渗透量,净入渗透量越多则评分越高;P2为水力传导系数,水力传导系数越大则评分越高;P3为地下水水深,地下水水深越深则评分越低;P4为含水层介质。
进一步地,受体风险维度R的计算方法为:R=R1+R2,其中,R1为人口密度因子,人口越密集则评分越高;R2为地下水接触,需要根据边界1km以内是否有城镇、是否有水源保护地、是否位于生态红线区、是否有基本农田保护区、是否有敏感受体对受体风险进行调整,使用面积比率越大则评分越高;在下游1km以内存在敏感受体则评分增加。
进一步地,总分T的计算方法为:T=S′+P′+R′,S′=S1×S2×S3×S4×S5×S6,P′=P×0.6,R′=R×0.45,其中,P为传输途径维度,R为受体维度。
进一步地,S2的计算方法为:S2=S2-1×S2-2,其中,S2-1为不同规模与不同营运年限等级的结合,S2-2为主体变更风险影响调整系数。
本发明的优点在于:第一、污染潜势模型,完善了我国传统上结合现场取样监测完成的模式,极大节约了疑似污染地块污染风险识别的成本。
第二、运用该模型识别出的疑似污染地块结果可以有效填补疑似污染地块时空数据库,为管理决策部门充分掌握本地疑似污染地块名录提供有益补充。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明。
一种面向疑似污染地块的污染潜势评估方法,包括以下步骤:
第一步,从污染潜势特性、传输途径、受体风险三大维度考虑,构建模型的指标体系。
1、模型构建
疑似污染地块污染潜势模型构建初期参考了以下资料:
(1)国内相关技术规范:环境污染强制责任保险管理办法(征求意见稿)、建设用地土壤污染风险评估技术导则、建设用地土壤污染状况调查技术导则;
(2)国内相关做法:生态环境部与经济政策研究中心“环境污染责任保险风险评估指南”;
(3)国际相关经验参考:美国联邦有毒物质释放清册(Toxics ReleaseInventory,简称TRI)数据库各行业类别企业每年地下水及土壤释放量&人体毒性潜势(HTP)分析;国际工厂土壤及地下水污染潜势评估及调查计划之污染潜势分级/筛选计量模式;欧盟环境责任指令强化保险可持续发展解决方案、职业活动所致污染的概念模型等;国际再保险人与环境损害责任保险风险评估实务;
(4)我国台湾地区环境保险实践经验。
2、指标体系
(1)指标体系建立原则
对于模型的建立,指标选取是关键。一个疑似污染地块污染潜势模型与之相关的指标不计其数,但众多指标中,与污染潜势相关性各不相同。
指标选择遵循系统性、科学性、独立性、代表性、简明性和可操作性的基本原则。在该原则下,基于污染扩散基本路径——污染源-传输途径-受体承载——为依据,选择污染潜势特性、传输途径、受体风险等主要影响因子,构建污染潜势模型指标体系。
(2)指标体系的建立和相关性分析
参考国内外指标筛选机制,依据现有场地信息,初步构建污染潜势模型指标体系。
其中,污染潜势特征维度包括企业规模、行业类别、生产年限、注册资本、污染物种类、是否为国控污染源、是否为全口径涉重金属行业企业、是否具有危险废物经营许可证、是否进去地方检索用地土壤污染风险管控和修复名录、是否具有排污许可证书、是否有异常经营记录、是否有媒体报道污染事件、行政处罚、环保处罚几项指标;
传输途径维度包括地形坡度、土壤质地、土壤PH值、土壤介质、地下水埋深、水力传导系数、净入渗量几项指标;
受体风险维度包括人口密度、边界1km以内是否有城镇、是否有水源保护地、是否位于生态红线区、是否有基本农田保护区、是否有敏感受体(医院、学校、养老机构、公园、居民点等)几项指标。
对上述指标体系进行指标间的相关性分析,以确保指标之间的独立性.相关性计算公式:
r=cov(X,Y)/σXσY
式中:X和Y分别代表一个指标,r为两个指标之间的相关系数;cov(X,Y)为协方差,表征X和Y两个指标间的协同性强弱程度;σX、σY为标准差,表征指标数据波动性大小。当r>0时,表示两个变量呈正相关;r<0时,表示两个变量呈负相关。r在1与-1之间,其绝对值越接近1,表示两个变量线性相关性越强;绝对值接近于0时,表明两个变量几乎不存在线性相关关系,通常|r|大于0.75时,就认为两个变量有很强的线性相关关系。
第二步,根据行业类别赋予初始得分,并根据其他指标对原始得分进行调整,从而得到不同场地的污染风险潜势。
1)污染潜势特征维度
首先,根据行业类别来客观量化数据系利用美国环保署针对各行业类别毒性物质排放清单(Toxics Release Inventory,简称TRI)数据,再依据本土化高污染潜势行业类别特征污染物向环境的平均释放量,结合专家专业判断,估算了各行业类别代表的原始分。如表1所示:S1为行业潜势基础分,S3为所属业别污染发现和污染事件发生系数,S5为各行业类别污染物人体毒性潜势系数。
表1各行业类别的原始分
第二,根据行业列别调整:结合企业工艺流程、潜在污染设施以及厂区现状等调整因子,对各行业类别基础分作进一步调整,以真正反映目标建设用地的实际污染风险潜势。如表2所示。
表2行业列别调整原则
*高污染潜势制程主要指电镀、冶炼、热解、铸造、活性树脂生产、水或油溶性洗涤剂之金属脱脂等。
*高污染潜势设施储存含重金属固体储槽、柴油、加热燃料储槽、矿物油储槽、有害固体废弃物储存设施、强酸液体储槽与加油设施等。
*调整总分范围:-2≤G≤+8,且不得大于所属行业代表原始分。
第三,根据规模、营运年限、主体变更系数判别:企业规模结合数据可获取情况分为大、中、小、小微型、微型等5种;不同规模结合不同营运年限等级产生S2-1(初步规模&营运年限系数),再乘以S2-2(主体变更风险影响调整系数)取得S2。如表3和表4所示。
表3不同规模、营运年限以及主体变更系数判别原则
表4各行业年限等级分类表
S4营运环境绩效管理系数(≤1.4),根据违法记录次数线性插值获得;
S6天灾系数(1.04~1.20),指地震、暴雨、台风、洪水、泥石流、雷电、冰雹与雪灾等对污染的影响程度,根据该地区内上述天灾影响天数线性插值获得。
2)传输途径维度P
环境传输途径(Pathway)评析是以污染物经环境介质中或传输途径的快慢或停留时间长短来决定其风险大小,并参考美国环保署委托美国水井协会(National Water WellAssociation)研拟之地下水污染潜势评估(DRASTIC)系统,评估地下水环境受污染潜势的脆弱度。P=P1+P2+P3+P4,如表5所示。
表5传输涂经纬度赋分原则
3)受体风险维度R
受体风险是建立区为半径范围内地下水受体承载风险,考量因子包括人口密度因子(R1)、地下水接触(R2),同时根据边界1km以内是否有城镇、是否有水源保护地、是否位于生态红线区、是否有基本农田保护区、是否有敏感受体(医院、学校、养老机构、公园、居民点等)对受体风险进行调整,R=R1+R2。
表6人口密度因子(R1)的评分原则
表7地下水接触(R2)的评分原则
表8敏感受体的评分原则
4)汇总赋分
根据上述指标体系中的权重逐一进行赋值,经过加权计算后得到疑似污染地块的污染潜势得分。并且,只需要对高风险等级(等级为5或6)的疑似污染地块开展现场调查,以确认是否为污染地块。
表9分数汇总的计算原则
第三步,根据总分T划分不同风险等级,得到不同场地的污染风险潜势。
表10各分数对应风险等级
对场地的污染风险潜势结果进行精度验证。
将计算得到疑似污染地块污染潜势值,与国家生态环境部门发布的污染地块名录进行结果比对,高潜势得分的疑似污染地块中,有85%以上与国家名录中的污染地块名单相吻合,说明该方法的验证效果较好,可使用性较高。
表11本发明模型评估结果与其他模型评估结果对照
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (9)
1.一种面向疑似污染地块的污染潜势评估方法,其特征在于:包括以下步骤:第一步,从污染潜势特性、传输途径、受体风险三大维度考虑,构建模型的指标体系;第二步,根据行业类别赋予原始分,并针对第一步中选择的污染潜势特性、传输途径、受体风险三大维度指标对原始分进行加减分调整,并计算总分T;第三步,根据总分T划分不同风险等级,得到不同场地的污染风险潜势。
2.根据权利要求1所述的面向疑似污染地块的污染潜势评估方法,其特征在于:污染潜势特征维度包括企业规模、行业类别、生产年限、注册资本、污染物种类、是否为国控污染源、是否为全口径涉重金属行业企业、是否具有危险废物经营许可证、是否进去地方检索用地土壤污染风险管控和修复名录、是否具有排污许可证书、是否有异常经营记录、是否有媒体报道污染事件、行政处罚、环保处罚几项指标;
传输途径维度包括含水层介质、地下水水深、水力传导系数、净入渗量几项指标;
受体风险维度包括人口密度、地下水接触、边界1km以内是否有城镇、是否有水源保护地、是否位于生态红线区、是否有基本农田保护区、是否有敏感受体几项指标;其中敏感受体包括医院、学校、养老机构、公园以及居民点。
3.根据权利要求1所述的面向疑似污染地块的污染潜势评估方法,其特征在于:对第一步中三个维度中的指标进行相关性分析,确保指标之间的独立性,相关系数的计算公式为:
r=cov(X,Y)/σXσY,
式中:X和Y分别代表一个指标,r为两个指标之间的相关系数;cov(X,Y)为协方差,表征X和Y两个指标间的协同性强弱程度;σX、σY为标准差,表征指标数据波动性大小。
4.根据权利要求1所述的面向疑似污染地块的污染潜势评估方法,其特征在于:第二步中,根据行业类别来客观量化数据系利用美国环保署针对各行业类别毒性物质排放清单数据,再依据本土化高污染潜势行业类别特征污染物向环境的平均释放量,估算各行业类别代表的原始分,并将特征指标分类为S1、S2、S3、S4、S5以及S6;
S1为行业潜势基础分,S2为规模营运年限以及主体变更系数的结合,S3为所属业别污染发现和污染事件发生系数,S4为营运环境绩效管理系数,S5为各行业类别污染物人体毒性潜势系数,S6为天灾系数。
5.根据权利要求4所述的面向疑似污染地块的污染潜势评估方法,其特征在于:根据行业列别调整原始分,行业列别包括:根据重点企业信息判断企业工艺流程,以及根据遥感影像信息判断潜在污染设施和厂区现状;这一步骤中的调整总分G范围:-2≤G≤+8,且不得大于所属行业代表原始分。
6.根据权利要求5所述的面向疑似污染地块的污染潜势评估方法,其特征在于:计算传输途径维度P=P1+P2+P3+P4;其中,P1为净入渗透量,净入渗透量越多则评分越高;P2为水力传导系数,水力传导系数越大则评分越高;P3为地下水水深,地下水水深越深则评分越低;P4为含水层介质。
7.根据权利要求6所述的面向疑似污染地块的污染潜势评估方法,其特征在于:受体风险维度R的计算方法为:R=R1+R2,其中,R1为人口密度因子,人口越密集则评分越高;R2为地下水接触,需要根据边界1km以内是否有城镇、是否有水源保护地、是否位于生态红线区、是否有基本农田保护区、是否有敏感受体对受体风险进行调整,使用面积比率越大则评分越高;在下游1km以内存在敏感受体则评分增加。
8.根据权利要求7所述的面向疑似污染地块的污染潜势评估方法,其特征在于:总分T的计算方法为:T=S′+P′+R′,S′=S1×S2×S3×S4×S5×S6,P′=P×0.6,R′=R×0.45,其中,P为传输途径维度,R为受体维度。
9.根据权利要求4所述的面向疑似污染地块的污染潜势评估方法,其特征在于:S2的计算方法为:S2=S2-1×S2-2,其中,S2-1为不同规模与不同营运年限等级的结合,S2-2为主体变更风险影响调整系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635800.0A CN113360835A (zh) | 2021-06-08 | 2021-06-08 | 一种面向疑似污染地块的污染潜势评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635800.0A CN113360835A (zh) | 2021-06-08 | 2021-06-08 | 一种面向疑似污染地块的污染潜势评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113360835A true CN113360835A (zh) | 2021-09-07 |
Family
ID=77533058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110635800.0A Pending CN113360835A (zh) | 2021-06-08 | 2021-06-08 | 一种面向疑似污染地块的污染潜势评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113360835A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114819773A (zh) * | 2022-06-29 | 2022-07-29 | 天津大学 | 一种基于大数据的企业绿色生产管控方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507603A (zh) * | 2020-04-13 | 2020-08-07 | 苏州杜班环境安全技术有限公司 | 一种在产企业环境风险现状评估方法和系统 |
CN111915197A (zh) * | 2020-08-07 | 2020-11-10 | 厦门青霭信息科技有限公司 | 一种基于多源地理大数据的企业环境损害潜势评估方法 |
-
2021
- 2021-06-08 CN CN202110635800.0A patent/CN113360835A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507603A (zh) * | 2020-04-13 | 2020-08-07 | 苏州杜班环境安全技术有限公司 | 一种在产企业环境风险现状评估方法和系统 |
CN111915197A (zh) * | 2020-08-07 | 2020-11-10 | 厦门青霭信息科技有限公司 | 一种基于多源地理大数据的企业环境损害潜势评估方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114819773A (zh) * | 2022-06-29 | 2022-07-29 | 天津大学 | 一种基于大数据的企业绿色生产管控方法及系统 |
CN114819773B (zh) * | 2022-06-29 | 2022-09-09 | 天津大学 | 一种基于大数据的企业绿色生产管控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Assessment of groundwater contamination risk using hazard quantification, a modified DRASTIC model and groundwater value, Beijing Plain, China | |
Rajput et al. | Modification and optimization of DRASTIC model for groundwater vulnerability and contamination risk assessment for Bhiwadi region of Rajasthan, India | |
Roe et al. | Controls on the contemporary distribution of lake thecamoebians (testate amoebae) within the Greater Toronto Area and their potential as water quality indicators | |
Rahman | A GIS based DRASTIC model for assessing groundwater vulnerability in shallow aquifer in Aligarh, India | |
Kennen | RELATION OF MACROINVERTEBRATE COMMUNITY IMPAIRMENT TO CATCHMENT CHARACTERISTICS IN NEW JERSEY STREAMS 1 | |
Darko et al. | Distribution and ecological risks of toxic metals in the topsoils in the Kumasi metropolis, Ghana | |
Asadi et al. | Vulnerability assessment of urban groundwater resources to nitrate: the case study of Mashhad, Iran | |
Mfonka et al. | A GIS-based DRASTIC and GOD models for assessing alterites aquifer of three experimental watersheds in Foumban (Western-Cameroon) | |
Maupin et al. | Nutrient Loadings to Streams of the Continental United States from Municipal and Industrial Effluent 1 | |
Carroll et al. | Integrated risk framework for onsite wastewater treatment systems | |
Kourgialas et al. | Groundwater contamination risk assessment in Crete, Greece, using numerical tools within a GIS framework | |
Grzeda et al. | Temporary disaster debris management site identification using binomial cluster analysis and GIS | |
Zhao et al. | Groundwater contamination risk assessment based on intrinsic vulnerability, pollution source assessment, and groundwater function zoning | |
Vaezihir et al. | Total vulnerability estimation for the Tabriz aquifer (Iran) by combining a new model with DRASTIC | |
Atoui et al. | Assessment of groundwater vulnerability and pollution risk using AVI, SPI, and RGPI indexes: applied to southern Gabes aquifer system, Tunisia | |
Liu et al. | An object–pressure–endurance–resilience system for assessing the vulnerability of coastal zone ecosystems | |
Akakuru et al. | Integrating machine learning and multi-linear regression modeling approaches in groundwater quality assessment around Obosi, SE Nigeria | |
CN113919569A (zh) | 一种土壤重金属生态健康风险评价方法 | |
CN113360835A (zh) | 一种面向疑似污染地块的污染潜势评估方法 | |
Pusatli et al. | Susceptibility indexing method for irrigation water management planning: applications to K. Menderes river basin, Turkey | |
Ammons et al. | Mahomet Aquifer Protection Task Force: Findings and Recommendations | |
Ramaraju et al. | Groundwater vulnerability Assessment by DRASTIC method using GIS | |
Tsihrintzis | Integrated water resources management, efficient and sustainable water systems, protection and restoration of the environment | |
McConkey | Fox River watershed investigation: Stratton Dam to the Illinois River: water quality issues and data report to the Fox River Study Group, Inc. | |
Baez et al. | Comparison of contaminant-specific risk maps for an urban aquifer: Patiño aquifer case |
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 |