CN113720639B - 一种污染场地调查补充采样的方法 - Google Patents
一种污染场地调查补充采样的方法 Download PDFInfo
- Publication number
- CN113720639B CN113720639B CN202111016173.9A CN202111016173A CN113720639B CN 113720639 B CN113720639 B CN 113720639B CN 202111016173 A CN202111016173 A CN 202111016173A CN 113720639 B CN113720639 B CN 113720639B
- Authority
- CN
- China
- Prior art keywords
- pollution
- sampling
- soil
- interpolation
- dimensional
- 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
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000001502 supplementing effect Effects 0.000 title abstract description 3
- 238000011835 investigation Methods 0.000 claims abstract description 27
- 238000009826 distribution Methods 0.000 claims abstract description 23
- 230000008439 repair process Effects 0.000 claims abstract description 4
- 239000002689 soil Substances 0.000 claims description 34
- 238000003900 soil pollution Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000011109 contamination Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 229910001385 heavy metal Inorganic materials 0.000 claims description 5
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 claims description 4
- 238000005527 soil sampling Methods 0.000 claims description 4
- 229910052787 antimony Inorganic materials 0.000 claims description 3
- WATWJIUSRGPENY-UHFFFAOYSA-N antimony atom Chemical compound [Sb] WATWJIUSRGPENY-UHFFFAOYSA-N 0.000 claims description 3
- 239000011133 lead Substances 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims description 3
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 2
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 2
- 229910052785 arsenic Inorganic materials 0.000 claims description 2
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 claims description 2
- 229910052793 cadmium Inorganic materials 0.000 claims description 2
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 229910052804 chromium Inorganic materials 0.000 claims description 2
- 239000011651 chromium Substances 0.000 claims description 2
- 229910052802 copper Inorganic materials 0.000 claims description 2
- 239000010949 copper Substances 0.000 claims description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 claims description 2
- 229910052753 mercury Inorganic materials 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 229910052759 nickel Inorganic materials 0.000 claims description 2
- 229910052725 zinc Inorganic materials 0.000 claims description 2
- 239000011701 zinc Substances 0.000 claims description 2
- 239000000356 contaminant Substances 0.000 claims 1
- 238000012954 risk control Methods 0.000 claims 1
- 239000003802 soil pollutant Substances 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 239000005416 organic matter Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 description 2
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- VZGDMQKNWNREIO-UHFFFAOYSA-N tetrachloromethane Chemical compound ClC(Cl)(Cl)Cl VZGDMQKNWNREIO-UHFFFAOYSA-N 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- BZHJMEDXRYGGRV-UHFFFAOYSA-N Vinyl chloride Chemical group ClC=C BZHJMEDXRYGGRV-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007605 air drying Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000011850 initial investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000004408 titanium dioxide Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/04—Devices for withdrawing samples in the solid state, e.g. by cutting
- G01N1/08—Devices for withdrawing samples in the solid state, e.g. by cutting involving an extracting tool, e.g. core bit
-
- 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
- G01N33/24—Earth materials
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Sampling And Sample Adjustment (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开一种污染场地调查补充采样的方法。所述方法为:1、网格采样布点;2、将点位数据分别进行三维普通克里金插值和三维指示克里金插值,基于三维普通克里金插值得到的污染土方量确定相应三维指示克里金插值的污染概率阈值;3、提取点位数据三维指示克里金插值得到的垂直方向上的最大污染概率及相应标准差的节点数据,从而确定污染概率不确定性区域及局部高变异性区域;4、叠加污染概率不确定性区域及局部高变异性区域的交集部分作为补充采样区域;5、补充采样,形成新的点位数据,重复步骤1至4。本发明利用科学合理的补充采样方法,获得较高的场地土壤污染物空间分布预测精度,对污染场地的调查和修复治理工作有重要意义。
Description
技术领域
本发明涉及污染场地土壤污染的调查采样,具体涉及一种污染场地调查补充采样的方法。
背景技术
土壤采样调查是获取土壤污染物空间分布信息最重要的手段,采样调查结果的精度直接影响污染风险评价结果的准确性和风险管理决策的合理性。通过土壤采样调查确定污染物的空间分布时,采样点数量越多越能反映场地污染的真实情况,但采样点数量受采样成本和实验室检测成本的制约,因此合理的调查方法对于了解场地真实污染情况具有重要意义,合理的采样调查方法可以在保证调查精度的前提下更好的控制采样成本。
采样调查方法一般分为初步调查、详细调查等多个阶段,详细调查是在初步调查的基础上,对于场地潜在污染区域的补充采样。土壤污染物受污染源、环境条件、污染性质等多方面因素的影响,土壤调查采样过程中,如何根据初步调查结果识别出合适的污染不确定性区域,是补充采样的关键内容。传统调查中依据各深度数据进行二维插值确定场地污染范围,从而忽略了垂直方向上的分布特征,且在实际情况中,场地数据存在着分布严重偏斜且包含异常真实高值的情况,常规二维插值中有较高插值精度的普通克里金插值法具有的平滑效应会导致各深度预测污染范围的不连贯性,使得在初步调查采样后无法识别出合适的污染范围不确定性区域,影响补充采样过程中补充采样点位位置的确定,从而不能较为准确地预测出土壤污染的实际范围及污染土方量,使预测污染土方量过低造成场地健康风险增加或预测场地污染土方量过高造成污染土壤清除成本的增加。
发明内容
针对现有布点效率不高、传统二维插值方法预测污染空间分布应用存在其局限性等问题,本发明提供一种污染场地调查补充采样的方法。
本发明所采用的技术方案为:
一种污染场地调查补充采样的方法,包括以下步骤:
(1)在调查区域进行网格采样布点,采样点位尽量布设在网格中心位置,网格间距以不大于40m×40m为宜,然后采集土样;
(2)检测步骤(1)所得采集土样的各项污染指标;
(3)将步骤(2)所得数据导入EVS-Pro工具进行三维普通克里金插值,基于污染标准确定污染超标区域,将三维普通克里金插值结果进行污染土方量计算;
(4)将步骤(2)所得数据进行三维指示克里金插值,得到场地土壤的污染概率分布,基于三维普通克里金得到的污染土方量确定相应三维指示克里金插值的污染概率阈值;
(5)提取点位数据三维指示克里金插值得到的垂直方向上的最大污染概率及相应标准差的节点数据并投影到同一平面;
(6)将步骤(5)提取筛选出的节点数据导入到Arcgis软件中进行反距离权重插值,得到场地范围内的污染概率及相应标准差的高低划分,从而确定污染概率不确定性区域及局部高变异性区域;
(7)叠加场地污染概率不确定性区域和局部高变异性区域,取两者交集部分得到场地污染的综合不确定性的区域范围;
(8)在步骤(7)所得综合不确定性的区域范围内进行补充采样,对补充采样后的所有点位重复步骤(4)-(7),以指导再次补充采样的合适区域。
进一步地,步骤(1)中,调查区域面积在0.05km2-0.45km2范围内;采用网格布点法布设采样点时,土壤采样深度在0-6m范围内。
进一步地,步骤(2)中,污染指标为重金属污染指标或有机物污染指标;所述重金属污染指标为土壤中砷、镉、铬、铜、铅、汞、锑、镍或锌中的一种或两种以上的含量;所述有机物污染指标为《土壤环境质量建设用地土壤污染风险管控标准(试行)》中所提及的有机污染物指标,更优选四氯化碳、氯仿、氯乙烯、苯、C10-C40的石油烃中的一种或两种以上。
进一步地,步骤(3)中所述的超标,其判断依据是某种污染物含量是否超过《土壤环境质量建设用地土壤污染风险管控标准(试行)》(GB36600-2018)中所规定的评价标准,超过标准值即判断为超标。
进一步地,步骤(5)中所述的节点数据为场地模型网格节点值,代表每个污染点的位置,包含标准差及插值预测值数据。进一步地,步骤(8)中,补充采样深度依据为《建设用地土壤污染状况调查技术导则》即HJ 25.1-2019、《建设用地土壤污染风险管控和修复监测技术导则》即HJ25.2-2019中污染场地相关技术导则和指南所规定。
本发明的有益效果在于:
本发明通过使用三维指示克里金插值方法进行插值,提取垂直方向上的最大污染概率及相应标准差的节点数据并投影到同一平面来对场地污染进行综合不确定性区域划分,从而指导补充采样的合适区域,能够以同样的采样点位数量获得更准确的场地污染物空间分布范围及相应的污染土方量,这对今后的场地调查工作具有重要意义。
附图说明
图1为40m×40m网格采样点位Sb数据三维普通克里金插值得到的三维污染超标分布图。
图2为40m×40m网格采样点位Sb数据三维指示克里金插值得到的污染概率超标分布图。
图3为40m×40m网格指示克里金插值结果基于污染概率的不确定区域。
图4为40m×40m网格指示克里金插值结果局部高变异性区域。
图5为40m×40m网格基于指示克里金插值污染概率及局部高变异性确定的综合不确定性区域。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明依据三维指示克里金插值结果得到的污染综合不确定性设计补充采样方法,对区域调查对象没有特殊要求。
实施例1
本实施例以一个已停产的专业从事钛白粉生产的民营工业企业拆迁后遗留工业场地为例,以锑(Sb)为研究对象对本发明进行验证。
在调查区域0.15km2范围的土壤内采集土壤样品,分别装入密封袋,标记好各采样点的经纬度和海拔高度带回实验室。剔除土壤样品中的杂质后,采用四分法取适量土壤样品,风干、磨细,过1mm筛后装入自封袋备用。本实施例选用164个采样点位共724个Sb污染样品数据进行研究,通过模拟抽样验证该发明内容。
土壤重金属含量化学测定
土壤样品的理化性质参数的测定遵循实验的标准程序。所有样品的检测方法采用《土壤环境质量建设用地土壤污染风险管控标准(试行)》(GB 36600-2018)中推荐的方法。
网格采样和数据的描述性分析
本实施例采用空间抽样的思路,模拟开展土壤污染调查布点过程,首先还原为什么以40m×40m作为最低网格采样间距的过程。
该地块规划作为商业设施和住宅类混合用地使用,Sb的评价标准参考《土壤环境质量建设用地土壤污染风险管控标准(试行)》(GB36600-2018)中第一类用地标20mg/kg。
为了使各单元点位均匀分布,通过网格抽样法进行抽取,生成包含不同采样数量的样点集。因此设置15m×15m、20m×20m、25m×25m、30m×30m、35m×35m、40m×40m、45m×45m、50m×50m、60m×60m、70m×70m、80m×80m共11组网格,对各单元建模点进行抽样,抽取过程中选取靠近网格中心位置的点位,获取各单元11组包含不同采样数量的样点集。各组数据统计结果如表1所示。
表1各采样数据集的描述性统计
由表1可以看出,从80m×80m至15m×15m共设置11组网格密度,80m×80m、70m×70m、50m×50m、45m×45m网格密度下,变异系数呈现上下波动的趋势,且波动幅度较大,与全部点位的变异系数差距较大,而当网格密度从40m×40m加密到15m×15m时,其变异系数波动幅度较小,基本呈稳定状态,且随着网格的加密,基本越来越接近整体抽样集水平。可以发现,当网格布设过于稀疏,将无法稳定采集到能代表场地污染水平的数据,这对于后续利用采样点位进行污染空间预测会带来非常明显的影响,可能严重低估或高估场地污染水平,造成修复不当。
合理采样网格间距即空间预测精度不再发生显著变化时的饱和采样点间距,因此将设置的11组网格密度数据进行插值分析,以整体样本数据三维普通Kriging插值得到的模型网格节点值作为准确值,训练样本计算的模型节点值为预测值来进行插值精度验证。插值结果的精度选择常用的平均预测误差(ME)、平均绝对误差(MAE)和均方根误差(RMSE)作为误差统计指标,平均预测误差、平均绝对误差越接近于0,均方根误差值越小,插值精度就越高。与此同时,为了评价污染区范围空间位置的预测精度,将11组网格密度数据三维普通Kriging插值得到的污染范围与整体样本数据预测的污染范围进行空间差值运算,将具有相同污染范围的污染土方体积与整体采样样本数据预测得到的污染土方体积占比作为评价指标,探讨各网格密度下污染体积占比变化规律,具体情况如表2所示。
表2各采样数据集的验证精度和污染体积占比对比
由表2可以看出,从80m×80m至15m×15m共设置11组网格密度,各采样数据集的验证精度结果和污染体积占比结果如表2所示。分析表2可知,当网格密度从80×80m至15×15m,随着网格密度增加,预测结果的平均预测误差ME、平均绝对预测误差MAE、均方根误差RMSE呈现总体降低的趋势,而当网格密度从40m×40m加密到25m×25m时,平均预测误差ME基本呈稳定状态;且随着网格的加密,污染体积占比呈现总体增加的趋势,对比分析可知,当网格密度大于40m×40m时,污染体积占比均大于50%,且相较35m×35m网格采样,40m×40m网格采样污染体积占比更大且采样数量更少。结合11组网格密度数据的变异系数、插值精度及污染范围精度,对污染场地进行网格布点采样时,若要求采样数据能基本代表区域污染情况,40m×40m的网格间距是应该要达到的一个基础底线。
本实施例以40m×40m网格采样为例进行布点采样分析。
综合不确定性范围确定
(1)三维指示克里金污染概率不确定性范围确定
该地块规划作为商业设施和住宅类混合用地使用,选取《土壤环境质量建设用地土壤污染风险管控标准(试行)》(GB36600-2018)中第一类用地标准20mg/kg作为Sb的浓度标准。
应用EVS-Pro工具进行三维普通克里金插值,基于污染浓度标准确定污染超标区域,并计算相应的污染土方量,插值结果见图1。
应用EVS-Pro工具进行三维指示克里金插值,将三维普通克里金插值得到的污染土方量应用于三维指示克里金插值,得到相对应的污染概率阈值,计算得到三维普通克里金浓度大于20mg/kg得到的土方量与三维指示克里金污染概率大于0.6得到的污染土方量相近,三维指示克里金插值结果见图2,由图1、图2可知,两种三维插值方法得到的污染范围较为接近。
将上述得到的0.6的概率阈值分别加减整体的25%即0.6*(1±25%),得到的0.45~0.75污染概率区间作为污染概率不确定性范围。
(2)局部高变异性范围确定
节点数据包含预测污染概率值及相应的标准差,提取点位数据三维指示克里金插值得到的垂直方向上的最大污染概率及相应标准差的节点数据并投影到同一平面。
将三维指示克里金插值结果通过提取筛选得到的节点数据导入到Arcgis软件中,应用反距离权重插值法插值得到各节点在场地范围内的污染概率及相应标准差的高低划分(分别如图3、图4所示),将标准差阈值设置为污染范围内局部标准差最大值的60%,将大于标准差阈值的区域作为局部高变异性区域。
叠加两次划分结果,将污染概率不确定性区域与局部高变异性区域的相交部分作为补充采样的优先位置(如图5所示)进行补充采样。
出于保守考量,本次补充期间,土壤点位的最大钻孔深度为3.5m,每个采样点位采集土壤样品5个。如现场初筛发现3.5m仍有污染,则继续向下钻探直到无可识别污染迹象的深度为止。
补充采样精度验证
(1)基于三维指示克里金插值的补充采样精度验证
对上述确定的场地污染不确定性区域进行补充采样布点,一共布设14个补充采样点位进行污染指标含量检测。利用EVS-Pro将补充采样后的数据再次进行三维指示克里金插值,为了评价污染区范围空间位置的预测精度,将不同采样阶段预测的污染区范围与总体样本三维指示克里金预测的结果进行空间差值运算,并根据差值结果将污染区空间位置预测精度分为“相同”、“低估”和“高估”3种情况,并与各网格采样数据集插值结果进行比较分析,具体数据见表3。
表3基于指示克里金插值各采样数据集的验证精度对比
补充采样后点位的三维指示克里金插值结果相比初步调查,“相同”情况污染土方量有较大的提高,且“高估”、“低估”污染土方量也有明显的降低,“相同”情况污染土方量增加了20.45%,“高估”和“低估”污染土方量分别降低了54.96%、38.13%,这说明补充采样点位的布设提高了污染预测的精度,是有效的布点。不仅如此,将补充采样后的插值结果与具有相同点位数量的35m×35m网格采样数据的插值结果进行对比,发现补充采样后插值结果的“相同”情况下的污染土方量指标相比35m×35m抽样集在数值上增加了56.81%;“高估”情况下的污染土方量降低了34.05%;“低估”情况下的污染土方量降低了56.74%。将补充采样后的插值结果与30m×30m网格采样数据的插值结果进行对比,得到补充采样后插值结果的“相同”情况下的污染土方量指标相较30m×30m抽样集在数值上增加了13.45%,“低估”的污染土方量降低了30.09%,“高估”的污染土方量增加了72.22%,在布点数量上补充采样后样本数量相较30m×30m降低了18个点位数量,具有更好的预测效果。
(2)基于三维普通克里金插值的补充采样精度验证
对上述确定的场地污染不确定性区域进行补充采样布点,一共布设14个补充采样点位进行污染指标含量检测。利用EVS-Pro将补充采样后的数据再次进行三维普通克里金插值,为了评价污染区范围空间位置的预测精度,将不同采样阶段预测的污染区范围与总体样本三维普通克里金预测的结果进行空间差值运算,并根据差值结果将污染区空间位置预测精度分为“相同”、“低估”和“高估”3种情况,并与各网格采样数据集插值结果进行比较分析,具体数据见表4。
表4基于普通克里金插值各采样数据集的验证精度对比
补充采样后点位的三维普通克里金插值结果相比初步调查,“相同”情况污染土方量亦有较大的提高,且“高估”、“低估”污染土方量也有明显的降低,“相同”情况污染土方量增加了12.71%,“高估”和“低估”污染土方量分别降低了46.73%、27.94%,将补充采样后的插值结果与30m×30m、35m×35m网格采样数据的插值结果精度进行对比,发现补充采样后插值结果的“相同”情况下的污染土方量指标相比30m×30m、35m×35m抽样集在数值上分别增加了3.89%、80.58%;“高估”情况下的污染土方量分别增加了50.45%及降低了35.36%;“低估”情况下的污染土方量分别降低了11.42%、60.53%。
由上述可知该补充采样方法可以在相同点位数量条件下,获得更准确的污染范围,不仅可以预测出更多的准确的污染土方和减少低估的污染土方量,降低污染风险,也可以减少高估的污染土方量,降低清除成本。补充采样后点位数据变异系数相较初步调查降低了9.91%,说明该方法能够较为准确地识别出污染不确定性范围。
以上结果充分说明,在合理的网格布设间距加上科学的补充采样方法,能获得更佳的污染预测效果,从而不仅降低污染风险,而且降低清除成本。
若对污染预测精度或污染空间分布有更加精密的要求,可以在补充采样的基础上,重复上述步骤继续进行补充采样,直至满足预测要求。
综上,本发明不仅可以预测出更多的准确的污染土方和减少低估的污染土方量,降低污染风险,也可以减少高估的污染土方量,降低清除成本;能够更加准确地预测出场地真实土壤污染范围,从而能够取得较好的预测精度。
Claims (4)
1.一种污染场地调查补充采样的方法,其特征在于,包括以下步骤:
(1)在调查区域进行网格采样布点,采样点位布设在网格中心位置,网格间距不大于40m×40m,然后采集土样;调查区域面积在0 .05km2-0 .45km2范围内;采用网格布点法布设采样点时,土壤采样深度在0-6m范围内;
(2)检测步骤(1)所得采集土样的各项污染指标;
(3)将步骤(2)所得数据导入EVS-Pro工具进行三维普通克里金插值,确定污染超标区域,将三维普通克里金插值结果进行污染土方量计算;
(4)将步骤(2)所得数据进行三维指示克里金插值,得到场地土壤的污染概率空间分布,基于三维普通克里金插值得到的污染土方量确定相应三维指示克里金插值的污染概率阈值;
(5) 提取点位数据三维指示克里金插值得到的垂直方向上的最大污染概率及相应标准差的节点数据并投影到同一平面;所述的节点数据为场地模型网格节点值,代表每个污染点的位置,包含标准差及插值预测值数据;
(6)将步骤(5)提取出的节点数据导入到Arcgis软件中进行反距离权重插值,得到所提取节点在场地范围内的污染概率及相应标准差的高低划分,从而确定污染概率不确定性区域及局部高变异性区域;
(7)叠加场地污染概率不确定性区域和局部高变异性区域,得到场地污染的综合不确定性的区域范围;
(8)在步骤(7)所得综合不确定性的区域范围进行补充采样,对补充采样后的所有点位重复步骤(4)-(7)以指导再次补充采样的合适区域。
2.根据权利要求1所述的污染场地调查补充采样的方法,其特征在于,步骤(2)中,污染指标为重金属污染指标或有机物污染指标;所述的重金属污染指标为土壤中砷、镉、铬、铜、铅、汞、锑、镍或锌中的一种或两种以上的含量。
3.根据权利要求1所述的污染场地调查补充采样的方法,其特征在于,步骤(3)中所述的超标,其判断依据是所测污染物含量是否超过《土壤环境质量建设用地土壤污染风险管控标准(试行)》即GB36600-2018中所规定的评价标准。
4.根据权利要求1所述的污染场地调查补充采样的方法,其特征在于,步骤(8)中,补充采样深度依据为《建设用地土壤污染状况调查技术导则》即HJ 25.1-2019、《建设用地土壤污染风险管控和修复监测技术导则》即HJ25.2-2019中污染场地相关技术导则和指南所规定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111016173.9A CN113720639B (zh) | 2021-08-31 | 2021-08-31 | 一种污染场地调查补充采样的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111016173.9A CN113720639B (zh) | 2021-08-31 | 2021-08-31 | 一种污染场地调查补充采样的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113720639A CN113720639A (zh) | 2021-11-30 |
CN113720639B true CN113720639B (zh) | 2024-04-02 |
Family
ID=78680086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111016173.9A Active CN113720639B (zh) | 2021-08-31 | 2021-08-31 | 一种污染场地调查补充采样的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113720639B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114544913B (zh) * | 2022-02-23 | 2024-04-09 | 沈阳建筑大学 | 一种土壤调查加密采样布点优化方法 |
CN115329657B (zh) * | 2022-07-06 | 2023-06-09 | 中国石油化工股份有限公司 | 钻井参数优化方法及装置 |
CN116819037A (zh) * | 2023-05-29 | 2023-09-29 | 四川君和环保股份有限公司 | 一种确定污染场地土壤单一重金属污染范围的方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101633360B1 (ko) * | 2015-01-12 | 2016-06-27 | 한국과학기술원 | 구조물 상태 평가를 위한 크리깅 모델 기반 순차적 샘플링 방법 |
CN107545103A (zh) * | 2017-08-19 | 2018-01-05 | 安徽省环境科学研究院 | 煤矿区土壤重金属含量空间模型建立方法 |
CN108062454A (zh) * | 2018-01-19 | 2018-05-22 | 宁波市镇海规划勘测设计研究院 | 污染物时空分布不确定性特征分析方法、系统及存储介质 |
CN113159454A (zh) * | 2021-05-18 | 2021-07-23 | 辽宁大学 | 一种鉴定评估土壤环境损害实物量的加密优化布点方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008073475A2 (en) * | 2006-12-11 | 2008-06-19 | Tufts University | Method for multi-stage spatial sampling with multiple criteria |
-
2021
- 2021-08-31 CN CN202111016173.9A patent/CN113720639B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101633360B1 (ko) * | 2015-01-12 | 2016-06-27 | 한국과학기술원 | 구조물 상태 평가를 위한 크리깅 모델 기반 순차적 샘플링 방법 |
CN107545103A (zh) * | 2017-08-19 | 2018-01-05 | 安徽省环境科学研究院 | 煤矿区土壤重金属含量空间模型建立方法 |
CN108062454A (zh) * | 2018-01-19 | 2018-05-22 | 宁波市镇海规划勘测设计研究院 | 污染物时空分布不确定性特征分析方法、系统及存储介质 |
CN113159454A (zh) * | 2021-05-18 | 2021-07-23 | 辽宁大学 | 一种鉴定评估土壤环境损害实物量的加密优化布点方法 |
Non-Patent Citations (4)
Title |
---|
土壤污染调查加密布点优化方法构建及验证;谢云峰等;《环境科学学报》;第982页右栏第2段至第985页右栏最后一段,图1-3 * |
某工业场地砷污染的加密布点优化与精度对比分析;刘泽宇;赵胜豪;廖朋辉;钱瑜;;环境科学学报(第09期) * |
某污染场地土壤苯并(a)芘...量的三维估值及不确定性分析;陶欢等;《地理研究》;第1857页第2段至第1863页最后一段,图1-7 * |
污染场地调查动态追补钻井点位的方法研究;陶欢等;《环境科学学报》;第1462页右栏第2段 * |
Also Published As
Publication number | Publication date |
---|---|
CN113720639A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113720639B (zh) | 一种污染场地调查补充采样的方法 | |
Bourennane et al. | Mapping of anthropogenic trace elements inputs in agricultural topsoil from Northern France using enrichment factors | |
CN107610021B (zh) | 环境变量时空分布的综合分析方法 | |
CN103345566B (zh) | 基于地质内涵的化探异常识别与评价方法 | |
CN112308290B (zh) | 一种污染场地调查布点的方法 | |
CN109636171A (zh) | 一种区域植被恢复的综合诊断与风险评价方法 | |
CN102494667B (zh) | 一种表征地面沉降的方法 | |
CN112149871B (zh) | 一种基于gis空间统计与随机模拟相结合的污染物点源解析方法 | |
CN111707490B (zh) | 一种农用地土壤污染调查分阶段分区采样的方法 | |
CN114544913B (zh) | 一种土壤调查加密采样布点优化方法 | |
CN108647826B (zh) | 一种土壤重金属环境风险预测模型的构建方法和装置 | |
CN103258128A (zh) | 一种地磁场空间延拓算法的评估方法 | |
Wald et al. | A new strategy for developing Vs30 maps | |
Ma et al. | Analysis of driving factors of spatial distribution of heavy metals in soil of non-ferrous metal smelting sites: Screening the geodetector calculation results combined with correlation analysis | |
CN115828508B (zh) | 基于gis平台的地下水环评自动预测方法 | |
Kumar | Groundwater data requirement and analysis | |
CN108764527B (zh) | 一种土壤有机碳库时空动态预测最优环境变量筛选方法 | |
Tao et al. | Three-dimensional delineation of soil pollutants at contaminated sites: Progress and prospects | |
Mathes et al. | Combining multivariate statistical analysis with geographic information systems mapping: a tool for delineating groundwater contamination | |
CN114169140A (zh) | 一种不同层位复合污染土壤污染区域的叠加方法 | |
Heštera et al. | The Unified Soil Classification System Mapping of the Pannonian Basin in Croatia using Multinominal Logistic Regression and Inverse Distance Weighting Interpolation | |
CN114511239B (zh) | 土壤重金属污染风险区划分方法、装置、电子设备及介质 | |
CN115359185A (zh) | 涉重污染场地土壤重金属累积迁移影响关键因子识别方法 | |
CN112686497A (zh) | 基于克里金插值的场地土壤环境损害鉴定实物量化方法 | |
Downs | System design for catchment-scale approaches to studying river channel adjustments using a GIS |
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 |