CN115828508B - 基于gis平台的地下水环评自动预测方法 - Google Patents
基于gis平台的地下水环评自动预测方法 Download PDFInfo
- Publication number
- CN115828508B CN115828508B CN202211310168.3A CN202211310168A CN115828508B CN 115828508 B CN115828508 B CN 115828508B CN 202211310168 A CN202211310168 A CN 202211310168A CN 115828508 B CN115828508 B CN 115828508B
- Authority
- CN
- China
- Prior art keywords
- concentration
- pollutant
- pollution
- model
- groundwater
- 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
- 239000003673 groundwater Substances 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 89
- 231100000719 pollutant Toxicity 0.000 claims abstract description 89
- 238000004088 simulation Methods 0.000 claims abstract description 45
- 238000013508 migration Methods 0.000 claims abstract description 32
- 230000005012 migration Effects 0.000 claims abstract description 32
- 238000012805 post-processing Methods 0.000 claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 47
- 238000009792 diffusion process Methods 0.000 claims description 25
- 238000012216 screening Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000006116 polymerization reaction Methods 0.000 claims description 3
- 230000000379 polymerizing effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 30
- 230000008569 process Effects 0.000 abstract description 4
- 239000000356 contaminant Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009993 causticizing Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 210000003746 feather Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- MARCAKLHFUYDJE-UHFFFAOYSA-N 1,2-xylene;hydrate Chemical group O.CC1=CC=CC=C1C MARCAKLHFUYDJE-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003895 groundwater pollution Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000008096 xylene Substances 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于GIS平台的地下水环评自动预测方法，包括以下步骤：S1水文地质参数采集及输入；S2污染物运移模拟；S3数据后处理；S4模拟结果分析，本发明适用于地下水环境影响评价技术领域，可以有效对预测结果进行快速的分析处理，以获得污染事件对地下水环境影响预测范围，具有极大的灵活性和实用性，适用于任意地点、任意污染因子、任意源强、任意模拟期的拟建污染项目的地下水环境影响预测，对于项目申报方以及审批的管理者而言，都提供了极大的便捷。
Description
技术领域
本发明属于地下水环境影响评价技术领域，具体是基于GIS平台的地下水环评自动预测方法。
背景技术
为了防止拟建项目在各个时期对地下水造成污染，地下水环境影响评价尤为重要，只有构建完善的评级体系，才能正确的对污染环境影响进行预测，才能判断污染项目选址是否合理，能否落户。该导则的出台不仅弥补了地下水环境影响评价导则的空白，完善了环境影响评价导则的体系，并且给地下水环境影响评价提供了统一的标准。
但是在地下水环境影响评价过程中，项目一级级评价均要求采用数值法进行评价，二、三级评价也需要较多的地下水专业知识和数学计算才能完成，法耗费大量的人力物力，执行难度大。而且数值模拟方法使用门槛较高，对于一些非地下水专业的环保人士来说，对地下水数值模拟的原理、水文地质相关知识不够了解，无法对相应研究区条件进行概化和处理，无法正确的建立其地下水水流模型和水质模型，导致其预测结果缺乏说服力。除此以外，在同一地区，不同申报项目都要进行独立的环境影响评价，有大量重复的水文地质调查、数值建模和处理、评审工作，是对时间和资源的浪费。
发明内容
本发明的目的在于克服现有技术的缺陷，提供基于GIS平台的地下水环评自动预测方法。
为实现上述目的，本发明采用了如下技术方案：
基于GIS平台的地下水环评自动预测方法，包括以下步骤：
S1水文地质参数采集及输入；
S2污染物运移模拟；
S3数据后处理；
S4模拟结果分析。
优选的，步骤S1中，水文地质数据包括：地下水水位高程栅格数据、有效孔隙度栅格数据、地下水含水层厚度分布栅格数据、地层导水系数栅格数据以及污染源位置、污染物质量、弥散度、延迟因子、衰变系数、污染源位置、记录步长、追踪时间等参数，水文地质参数输入后，基于区域地下水流数值模型，生成预测期污染物浓度分布栅格文件；
其中，记录步长和追踪时间是可选填参数，记录步长是指污染物每迁移多少距离长度会生成一条记录，若不填写追踪时间，默认为时间趋于无穷大，模型运行完成后将生成文本格式的粒子追踪文件以及一条污染物迁移路径线要素，该条线要素即为时间趋于无穷大时污染物的迁移轨迹；
选填参数还包括污染物扩散时间、纵向弥散性、横纵弥散比、延迟因子、衰变系数，其中扩散时间根据模拟期长度的需要进行设置，弥散性、延迟因子、衰变系数根据污染源实际位置以及具体污染物的种类进行预设，在不填写这些参数的情况下，默认延迟因子为1，衰变系数为0。
优选的，区域地下水流数值模型为：
h(x，y)|Γ1＝g(x，y)(x，y)∈Γ1 (3.2)，
式中：K—含水层渗透系数，m/d；
H—地下水水头，m；
W—源汇项，1/d；
Γ1—已知水位边界(一类边界)；
Γ2—已知流量边界(二类边界)；
Ω—研究区。
优选的，步骤S2中，污染物运移模拟，包括：
使用ArcPy语言，调用Fortran程序，将其制作为ArcGIS工具，通过污染预测模型，得到生成的污染物浓度分布的栅格。
优选的，污染预测模型为：
其中：
C：溶质浓度，作为两个空间维度和时间t的函数；
D′L：纵向有效扩散系数；
D′T：横向有效扩散系数；
λ：衰变系数，假定为一阶指数衰变的常量；
对于级别稍低的二、三级地下水环评，还可以采用二维空间中初始浓度为0 的点源高斯扩散方程求得近似解：
其中：
M：污染源出瞬间释放的溶质质量，采用质量单位；
n：蓄水层孔隙度；
R：延迟因子；
b：蓄水层厚度，采用长度单位；
纵向和横向的高斯分布方差，指定为所提供的纵向弥散性和弥散比以及从追踪文件中获取的溶质质心行进路径长度的函数。
优选的，步骤S3中，数据后处理，包括：
使用按属性提取工具将污染物浓度大于III类水标准的栅格提取出来，获得了一个污染物浓度分布栅格文件；
将评价模型所需水位等值线栅格、污染源位置、污染物环境质量浓度限值、以及各文件输出路径作为参数供用户填写或选择。
优选的，步骤S4中，模拟结果分析，包括：
S41获取污染总面积；
S42获取浓度最值及最大迁移距离；
S43获取污染物浓度超标范围及面积；
S44将步骤S41、S42、S43整合为一个完整的模型，将相同的输入数据整合简化，将模型所需要的输入数据、输出数据、各工具运行所需设置的参数、表达式中涉及的值均设置为模型参数，并将模型参数输入输出路径均设置为空值，最后验证模型，确保模型各流程的有效性，保存为模型工具。
优选的，步骤S41中，获取污染总面积，包括：
通过汇总统计数据工具对聚合后的面要素中Shape_Area字段进行求和，获得污染总面积，输出结果为统计表格。
优选的，步骤S42中，获取浓度最值及最大迁移距离，包括：
使用融合工具对输入要素浓度值所对应字段进行融合，获得字段值唯一的浓度等值线，使用汇总统计数据工具对字段值唯一的浓度等值线进行统计，统计类型为获取最大污染物浓度和最小污染物浓度，从而得到了污染物浓度最值，输出结果为统计表。
优选的，步骤S43中，获取污染物浓度超标范围及面积，包括：
筛选出浓度大于环境质量标准浓度限值的等值线，拖入筛选工具，以具有唯一字段值的浓度等值线作为输入数据，筛选表达式中使用行内变量替换使得浓度值等于污染物浓度限值，接下来使用复制要素工具将筛选结果创建为独立的要素，即超标等值线，使用要素转面工具将等值线转化为面要素，即超标范围，并使用聚合面工具将超标范围各个面要素聚合，最后使用汇总统计数据工具对超标范围的Shape_Area字段进行求和，获得污染物浓度超标面积总和；
其中，将唯一字段值浓度等值线、浓度限值、超标范围、超标面积统计结果设置为模型参数，浓度限值为空白双精度数据，由使用者根据所要预测的污染物浓度限制自行设定，输出结果为超标范围面要素以及超标面积统计表格。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明可以有效对预测结果进行快速的分析处理，以获得污染事件对地下水环境影响预测范围，具有极大的灵活性和实用性，适用于任意地点、任意污染因子、任意源强、任意模拟期的拟建污染项目的地下水环境影响预测，对于项目申报方以及审批的管理者而言，都提供了极大的便捷；对于项目申报方而言，不再需要花费大量资金和人力去针对污染项目选址地区进行建模，进行污染环境影响预测，也不再需要苛求寻找专业的地下水环境影响评价人员来进行数值模拟，只需要将污染源强输入该模型，就可以得到其污染影响范围；而对于项目审批者而言，该模型的建立将大大降低污染项目审批周期，可快速、直观的看到污染范围，为判断污染项目选址是否合理，能否落户提供强有力的依据。
附图说明
图1是本发明基于GIS平台的地下水环评自动预测方法的流程图；
图2是本发明基于GIS平台的地下水环评自动预测方法中污染范围预测模型流程图；
图3是本发明基于GIS平台的地下水环评自动预测方法中获取污染总面积流程图；
图4是本发明基于GIS平台的地下水环评自动预测方法中获取浓度最值流程图；
图5是本发明基于GIS平台的地下水环评自动预测方法中获取浓度最值及最大迁移距离流程图；
图6是本发明基于GIS平台的地下水环评自动预测方法中获取污染物浓度超标范围及面积流程图；
图7是本发明基于GIS平台的地下水环评自动预测方法中渗透系数、给水度和补给率等参数分区图；
图8是本发明基于GIS平台的地下水环评自动预测方法中模型网格剖分及边界示意图；
图9是本发明基于GIS平台的地下水环评自动预测方法中地下水流数值模型计算得出的数字流场示意图；
图10是本发明基于GIS平台的地下水环评自动预测方法中模拟期1年污染羽示意图；
图11是本发明基于GIS平台的地下水环评自动预测方法中模拟期5年污染羽示意图；
图12是本发明基于GIS平台的地下水环评自动预测方法中模拟期10年污染羽示意图；
图13是本发明基于GIS平台的地下水环评自动预测方法中模拟期20年污染羽示意图。
具体实施方式
以下结合附图1-13，进一步说明本发明基于GIS平台的地下水环评自动预测方法的具体实施方式。本发明基于GIS平台的地下水环评自动预测方法不限于以下实施例的描述。
实施例1：
本实施例给出基于GIS平台的地下水环评自动预测方法的具体实施方式，如图1-6所示，包括以下步骤：
S1水文地质参数采集及输入；
S2污染物运移模拟；
S3数据后处理；
S4模拟结果分析。
进一步的，步骤S1中，水文地质数据包括：地下水水位高程栅格数据、有效孔隙度栅格数据、地下水含水层厚度分布栅格数据、地层导水系数栅格数据以及污染源位置、污染物质量、弥散度、延迟因子、衰变系数、污染源位置、记录步长、追踪时间等参数，水文地质参数输入后，基于区域地下水流数值模型，生成预测期污染物浓度分布栅格文件；
其中，记录步长和追踪时间是可选填参数，记录步长是指污染物每迁移多少距离长度会生成一条记录，若不填写追踪时间，默认为时间趋于无穷大，模型运行完成后将生成文本格式的粒子追踪文件以及一条污染物迁移路径线要素，该条线要素即为时间趋于无穷大时污染物的迁移轨迹；
选填参数还包括污染物扩散时间、纵向弥散性、横纵弥散比、延迟因子、衰变系数，其中扩散时间根据模拟期长度的需要进行设置，弥散性、延迟因子、衰变系数根据污染源实际位置以及具体污染物的种类进行预设，在不填写这些参数的情况下，默认延迟因子为1，衰变系数为0。
进一步的，水文地质数据储存于地图为载体的区域水文地质数据库中，用户通过用户输入界面进行水文地质数据输入。
进一步的，区域地下水流数值模型为：
h(x，y)|Γ1＝g(x，y)(x，y)∈Γ1 (3.2)，
式中：K—含水层渗透系数，m/d；
H—地下水水头，m；
W—源汇项，1/d；
Γ1—已知水位边界(一类边界)；
Γ2—已知流量边界(二类边界)；
Ω—研究区。
进一步的，步骤S2中，污染物运移模拟，包括：
使用ArcPy语言，调用Fortran程序，将其制作为ArcGIS工具，通过污染预测模型，得到生成的污染物浓度分布的栅格。
进一步的，污染预测模型为：
其中：
C：溶质浓度，作为两个空间维度和时间t的函数；
D′L：纵向有效扩散系数；
D′T：横向有效扩散系数；
λ：衰变系数，假定为一阶指数衰变的常量；
对于级别稍低的二、三级地下水环评，还可以采用二维空间中初始浓度为0 的点源高斯扩散方程求得近似解：
其中：
M：污染源出瞬间释放的溶质质量，采用质量单位；
n：蓄水层孔隙度；
R：延迟因子；
b：蓄水层厚度，采用长度单位；
纵向和横向的高斯分布方差，指定为所提供的纵向弥散性和弥散比以及从追踪文件中获取的溶质质心行进路径长度的函数。
进一步的，如图2所示，步骤S3中，数据后处理，包括：
使用按属性提取工具将污染物浓度大于III类水标准的栅格提取出来，获得了一个污染物浓度分布栅格文件；
将评价模型所需水位等值线栅格、污染源位置、污染物环境质量浓度限值、以及各文件输出路径作为参数供用户填写或选择。
进一步的，步骤S4中，模拟结果分析，包括：
S41获取污染总面积；
S42获取浓度最值及最大迁移距离；
S43获取污染物浓度超标范围及面积；
S44将步骤S41、S42、S43整合为一个完整的模型，将相同的输入数据整合简化，将模型所需要的输入数据、输出数据、各工具运行所需设置的参数、表达式中涉及的值均设置为模型参数，并将模型参数输入输出路径均设置为空值，最后验证模型，确保模型各流程的有效性，保存为模型工具。
进一步的，如图3所示，步骤S41中，获取污染总面积，包括：
通过汇总统计数据工具对聚合后的面要素中Shape_Area字段进行求和，获得污染总面积，输出结果为统计表格。
进一步的，如图4所示，步骤S42中，获取浓度最值及最大迁移距离，包括：
使用融合工具对输入要素浓度值所对应字段进行融合，获得字段值唯一的浓度等值线，使用汇总统计数据工具对字段值唯一的浓度等值线进行统计，统计类型为获取最大污染物浓度和最小污染物浓度，从而得到了污染物浓度最值，输出结果为统计表。
如图5所示，为获取污染物最大迁移距离，首先得筛选出污染物前端对应的浓度等值线，而污染物前端浓度值即上述过程中的污染物浓度最小值，因此使用模型构建器中的“获取字段值”工具提取浓度最值中的浓度最小值，作为下面筛选操作中的表达式所用值。在模型构建器中拖入“筛选”工具，输入数据为第二条流程线中的字段值唯一的浓度等值线，筛选表达式中使用行内变量替换，使得浓度值等于提取的浓度最小值。由于筛选结果并不是独立的要素，因此使用“复制要素”工具将其创建为新的要素，该要素即为污染物前端等值线所对应的线要素。接下来需要求取污染源距离该条线要素的最远距离，即最大迁移距离。但是ArcGIS工具中没有求取点到线最大距离的工具，因此为了获得最大迁移距离，采用在前端等值线上随机生成足够多的点，然后分别计算污染源到随机点的距离，并进行最大值统计，将统计出的最大距离作为污染物的最大迁移距离。事实上只要生成的随机点足够多，统计出的最大值就无限接近于实际最大迁移距离。流程设计如下：拖入“创建随机点”工具，将该工具中的约束要素类设置为上述创建的污染物前端等值线(浓度最小值等值线)，创建20000个随机点，然后使用“点距离”工具计算随机点与污染源的距离，最后使用“汇总统计数据”工具统计出随机点到污染源距离的最大值，即最大迁移距离。本流程线中将浓度最值等值线以及污染距离统计结果作为模型参数，分别为输入数据和输出数据，输出结果为统计表格。
进一步的，如图6所示，步骤S43中，获取污染物浓度超标范围及面积，包括：
筛选出浓度大于环境质量标准浓度限值的等值线，拖入筛选工具，以具有唯一字段值的浓度等值线作为输入数据，筛选表达式中使用行内变量替换使得浓度值等于污染物浓度限值，接下来使用复制要素工具将筛选结果创建为独立的要素，即超标等值线，使用要素转面工具将等值线转化为面要素，即超标范围，并使用聚合面工具将超标范围各个面要素聚合，最后使用汇总统计数据工具对超标范围的Shape_Area字段进行求和，获得污染物浓度超标面积总和；
其中，将唯一字段值浓度等值线、浓度限值、超标范围、超标面积统计结果设置为模型参数，浓度限值为空白双精度数据，由使用者根据所要预测的污染物浓度限制自行设定，输出结果为超标范围面要素以及超标面积统计表格。
通过采用上述技术方案：
为了克服普通环评人员在地下水环境影响评价面对的复杂专业技术问题，减少地下水环评中所需要的大量的水文地质调查工作量，在GIS平台内，建立一个区域水文地质数据库，并在其上建立统一的数值模拟平台，在进行地下水污染项目的环境影响评价时，在研究区假定任一位置上建设污染项目，只要给定污染因子、源强，程序将自动预测未来一定时段内的染污晕分布状况，从而准确、快速判断拟定污染项目是否会对周围环境产生不良影响，将节省大量的人力物力成本。本发明建立的评价系统实现了自动化、流程化的地下水环境影响评价的工作方式，降低了环境管理工作者工作量，能让决策者更直接、快速的了解拟建污染项目可能造成的环境影响，判断其选址的合理性。本发明不仅简化了环境影响评价过程，而且使得那些非地下水专业环评人士能通过该系统，对污染项目可能产生的环境影响有一个直观简单的计算流程。
在基于GIS的水文地质数据库内，高度集成区域水文地质条件、各类污染项目信息，建立起涵盖整个区域的水流以及水质模型。对于新申报的项目而言，只需提供项目选址位置、污染源种类、污染源强等相关参数，输入已构建的模型中，即可简洁、快速的获得其可能的污染范围，大大省去了同一地区不同项目的重复建模工作。由于所构建的模型涵盖整个区域，污染项目选址的位置可以是任意位置，只要在研究区范围内，不管新建项目设置在何处，均可通过该系统计算得到其影响范围。
实施例2：
本实施例给出基于GIS平台的地下水环评自动预测方法的具体实施方式，如图1-13所示，为测试所构建模型工具是否可按照预想进行模拟及分析评价，将以吉林市为研究区，进行污染情形的假想并进行预测分析，建立水文地质数据库。
如图7所示，对渗透系数、给水度和补给率等参数分区，表1为与图7一一对应的水文地质参数。
表1
在以地图为蓝本的数据库基础上，建立地下水流数值模型。计算区面积 3636km2，使用MODFLOW进行剖分，共剖分10000个单元(100行×100列)，单元长度约为856米，宽约为1050米，平均单元面积约0.9km2，水文地质概念模型及边界条件如图8所示。
渗透系数分区和给水度根据步骤1的水文地质数据库中的相应图层赋值。由模拟结果和实测流场显示，地下水流场与实际情况基本一致，说明建立的地下水流模型符合实际情况，也达到了模型精度要求，可以用来进行地下水水质运移的模拟，如图9所示。
地下水流数值模型生成了地下水位栅格、地下水流向栅格和流速栅格。假设在吉林市平原区某一位置建设生产项目。污染源位置坐标为X：21770210米， Y：4888748米。项目发生泄露，目标污染物为二甲苯，为一次性瞬时释放，污染物质量为2.5吨，即2.5×109mg。记录步长为1m，即污染物每扩散1米则生成一条记录。此区域的纵向弥散度达到30m，横向弥散度与纵向弥散度的比值为 0.28倍。预测时间1年、5年、10年及20年，考虑到污染物模拟的保守性，假定污染物在扩散过程中不发生化学反应，不发生自我衰变，不与含水岩层发生吸附作用，取衰变系数为0，延迟因子为1。将上述模拟参数分别输入污染物模型界面中，并将输出结果输入评价分析模型中，设置污染源位置坐标，根据地下水质量标准，Ⅲ类水二甲苯浓度限值为500mg/m3，运行污染物环境影响评价分析模型。
(1)模拟期为1年
模拟结果为：污染物污染总面积达81734m2，其中浓度超过标准限值面积为38000m2，污染物经过1年的迁移，污染浓度最大值为14040mg/m3,污染物最大迁移距离为236m,模拟结果如图10所示。
(2)模拟期为5年
模拟结果为：污染物污染总面积达227390m2，其中浓度超过标准限值面积为80119m2，污染物经过5年的迁移，污染浓度最大值为4220mg/m3,污染物最大迁移距离为495m，模拟结果如图11所示。
(3)模拟期为10年
模拟结果为：污染物污染总面积达375961m2，其中浓度超过标准限值面积为104663m2，污染物经过10年的迁移，污染浓度最大值为2280mg/m3,污染物最大迁移距离为735m，模拟结果如图12所示。
(4)模拟期为20年
模拟结果为：污染物污染总面积597653m2，其中浓度超过标准限值面积为113669m2，污染物经过20年的迁移，污染浓度最大值为1260mg/m3,污染物最大迁移距离为1101m，模拟结果如图13所示。
由此可见，在保守预测条件下，随着模拟期的增长，污染羽峰值区不断向东北方向迁移扩散，污染面积逐渐扩大，由1年的81734m2扩大到20年的 597653m2，迁移距离在20年时达到1101m。同时随着污染范围的扩大，尽管二甲苯浓度值在不断下降，但是浓度超过Ⅲ类水限值的范围仍在不断扩大，20年模拟期时，地下水质低于Ⅲ类面积达到113669m2，但是总体来说浓度超标范围不大，对地下水污染影响有限，采取适当处理措施，可以大幅消除其环境影响。
以上实例表明，本发明的优势在于，在选定的区域内，在区域内任一位置设置一个污染源，本发明可以有效对预测结果进行快速的分析处理，以获得污染事件对地下水环境影响预测范围。该地下水环境影响评价系统具有极大的灵活性和实用性，它适用于任意地点、任意污染因子、任意源强、任意模拟期的拟建污染项目的地下水环境影响预测。这对于项目申报方以及审批的管理者而言，都提供了极大的便捷。对于项目申报方而言，不再需要花费大量资金和人力去针对污染项目选址地区进行建模，进行污染环境影响预测，也不再需要苛求寻找专业的地下水环境影响评价人员来进行数值模拟，只需要将污染源强输入该模型，就可以得到其污染影响范围。而对于项目审批者而言，该模型的建立将大大降低污染项目审批周期，可快速、直观的看到污染范围，为判断污染项目选址是否合理，能否落户提供强有力的依据。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (8)
1.基于GIS平台的地下水环评自动预测方法，其特征在于，包括以下步骤：
S1水文地质参数采集及输入；
S2污染物运移模拟；
S3数据后处理；
S4模拟结果分析；
所述步骤S2中，污染物运移模拟，包括：
使用ArcPy语言，调用Fortran程序，将其制作为ArcGIS工具，通过污染预测模型，得到生成的污染物浓度分布的栅格；
所述污染预测模型为：
其中：
C：溶质浓度，作为两个空间维度和时间t的函数；
D′L：纵向有效扩散系数；
D′T：横向有效扩散系数；
λ：衰变系数，假定为一阶指数衰变的常量；
对于级别稍低的二、三级地下水环评，采用二维空间中初始浓度为0的点源高斯扩散方程求得近似解：
其中：
M：污染源出瞬间释放的溶质质量，采用质量单位；
n：蓄水层孔隙度；
R：延迟因子；
b：蓄水层厚度，采用长度单位；
纵向和横向的高斯分布方差，指定为所提供的纵向弥散性和弥散比以及从追踪文件中获取的溶质质心行进路径长度的函数。
2.如权利要求1所述的基于GIS平台的地下水环评自动预测方法，其特征在于，所述步骤S1中，水文地质数据包括：地下水水位高程栅格数据、有效孔隙度栅格数据、地下水含水层厚度分布栅格数据、地层导水系数栅格数据以及污染源位置、污染物质量、弥散度、延迟因子、衰变系数、污染源位置、记录步长、追踪时间，水文地质参数输入后，基于区域地下水流数值模型，生成预测期污染物浓度分布栅格文件；
其中，记录步长和追踪时间是可选填参数，记录步长是指污染物每迁移多少距离长度会生成一条记录，若不填写追踪时间，默认为时间趋于无穷大，模型运行完成后将生成文本格式的粒子追踪文件以及一条污染物迁移路径线要素，该条线要素即为时间趋于无穷大时污染物的迁移轨迹；
选填参数还包括污染物扩散时间、纵向弥散性、横纵弥散比、延迟因子、衰变系数，其中扩散时间根据模拟期长度的需要进行设置，弥散性、延迟因子、衰变系数根据污染源实际位置以及具体污染物的种类进行预设，在不填写这些参数的情况下，默认延迟因子为1，衰变系数为0。
3.如权利要求2所述的基于GIS平台的地下水环评自动预测方法，其特征在于，所述区域地下水流数值模型为：
h(x，y)|Γ1＝g(x，y) (x，y)∈Γ1 (3.2)，
式中：K—含水层渗透系数，m/d；
h—地下水水头，m；
W—源汇项，1/d；
Γ1—已知水位边界(一类边界)；
Γ2—已知流量边界(二类边界)；
Ω—研究区。
4.如权利要求1所述的基于GIS平台的地下水环评自动预测方法，其特征在于：所述步骤S3中，数据后处理，包括：
使用按属性提取工具将污染物浓度大于III类水标准的栅格提取出来，获得了一个污染物浓度分布栅格文件；
将评价模型所需水位等值线栅格、污染源位置、污染物环境质量浓度限值、以及各文件输出路径作为参数供用户填写或选择。
5.如权利要求1所述的基于GIS平台的地下水环评自动预测方法，其特征在于：所述步骤S4中，模拟结果分析，包括：
S41获取污染总面积；
S42获取浓度最值及最大迁移距离；
S43获取污染物浓度超标范围及面积；
S44将步骤S41、S42、S43整合为一个完整的模型，将相同的输入数据整合简化，将模型所需要的输入数据、输出数据、各工具运行所需设置的参数、表达式中涉及的值均设置为模型参数，并将模型参数输入输出路径均设置为空值，最后验证模型，确保模型各流程的有效性，保存为模型工具。
6.如权利要求5所述的基于GIS平台的地下水环评自动预测方法，其特征在于：所述步骤S41中，获取污染总面积，包括：
通过汇总统计数据工具对聚合后的面要素中Shape_Area字段进行求和，获得污染总面积，输出结果为统计表格。
7.如权利要求6所述的基于GIS平台的地下水环评自动预测方法，其特征在于：所述步骤S42中，获取浓度最值及最大迁移距离，包括：
使用融合工具对输入要素浓度值所对应字段进行融合，获得字段值唯一的浓度等值线，使用汇总统计数据工具对字段值唯一的浓度等值线进行统计，统计类型为获取最大污染物浓度和最小污染物浓度，从而得到了污染物浓度最值，输出结果为统计表。
8.如权利要求7所述的基于GIS平台的地下水环评自动预测方法，其特征在于：所述步骤S43中，获取污染物浓度超标范围及面积，包括：
筛选出浓度大于环境质量标准浓度限值的等值线，拖入筛选工具，以具有唯一字段值的浓度等值线作为输入数据，筛选表达式中使用行内变量替换使得浓度值等于污染物浓度限值，接下来使用复制要素工具将筛选结果创建为独立的要素，即超标等值线，使用要素转面工具将等值线转化为面要素，即超标范围，并使用聚合面工具将超标范围各个面要素聚合，最后使用汇总统计数据工具对超标范围的Shape_Area字段进行求和，获得污染物浓度超标面积总和；
其中，将唯一字段值浓度等值线、浓度限值、超标范围、超标面积统计结果设置为模型参数，浓度限值为空白双精度数据，由使用者根据所要预测的污染物浓度限制自行设定，输出结果为超标范围面要素以及超标面积统计表格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211310168.3A CN115828508B (zh) | 2022-10-25 | 2022-10-25 | 基于gis平台的地下水环评自动预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211310168.3A CN115828508B (zh) | 2022-10-25 | 2022-10-25 | 基于gis平台的地下水环评自动预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115828508A CN115828508A (zh) | 2023-03-21 |
| CN115828508B true CN115828508B (zh) | 2024-06-04 |
Family
ID=85525357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211310168.3A Active CN115828508B (zh) | 2022-10-25 | 2022-10-25 | 基于gis平台的地下水环评自动预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115828508B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116680257A (zh) * | 2023-03-23 | 2023-09-01 | 北京冽泉环保科技有限公司 | 一种地下水环境调查系统 |
| CN116340980B (zh) * | 2023-04-04 | 2023-09-05 | 临沂市生态环境局费县分局 | 一种基于大数据的水环境污染分析管理系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010064002A (ja) * | 2008-09-10 | 2010-03-25 | Kokusai Environmental Solutions Co Ltd | 地下水汚染発生リスクの推定方法 |
| CN101908100A (zh) * | 2010-07-26 | 2010-12-08 | 中国科学院生态环境研究中心 | 一种地下水环境的建模及数值模拟方法 |
| CN106600035A (zh) * | 2016-11-08 | 2017-04-26 | 北京师范大学 | 基于污染物迁移模拟的水源地水质安全预警方法 |
| CN110794111A (zh) * | 2019-12-18 | 2020-02-14 | 济南大学 | 一种分析地下水中氯代烃污染迁移转化规律的方法 |
| CN112149871A (zh) * | 2020-08-25 | 2020-12-29 | 河海大学 | 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 |
| CN113807727A (zh) * | 2021-09-25 | 2021-12-17 | 浙江九寰环保科技有限公司 | 一种地下水污染物迁移模型及风险评价方法 |
-
2022
- 2022-10-25 CN CN202211310168.3A patent/CN115828508B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010064002A (ja) * | 2008-09-10 | 2010-03-25 | Kokusai Environmental Solutions Co Ltd | 地下水汚染発生リスクの推定方法 |
| CN101908100A (zh) * | 2010-07-26 | 2010-12-08 | 中国科学院生态环境研究中心 | 一种地下水环境的建模及数值模拟方法 |
| CN106600035A (zh) * | 2016-11-08 | 2017-04-26 | 北京师范大学 | 基于污染物迁移模拟的水源地水质安全预警方法 |
| CN110794111A (zh) * | 2019-12-18 | 2020-02-14 | 济南大学 | 一种分析地下水中氯代烃污染迁移转化规律的方法 |
| CN112149871A (zh) * | 2020-08-25 | 2020-12-29 | 河海大学 | 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 |
| CN113807727A (zh) * | 2021-09-25 | 2021-12-17 | 浙江九寰环保科技有限公司 | 一种地下水污染物迁移模型及风险评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| Application of HYDRUS-1D in the Process-based Evaluation of Groundwater Pollution;Zhang Bo et al.;Science & Technology Review;20140506;全文 * |
| 基于随机理论的地下水环境风险评价;张博 等;水科学进展;20160122;全文 * |
| 简易垃圾填埋场地下水污染风险评价;孙法圣 等;人民黄河;20140514;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115828508A (zh) | 2023-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115828508B (zh) | 基于gis平台的地下水环评自动预测方法 | |
| Pollock | User guide for MODPATH Version 7—A particle-tracking model for MODFLOW | |
| CN110826236B (zh) | 一种土壤修复污染范围的判定方法 | |
| CN103345566B (zh) | 基于地质内涵的化探异常识别与评价方法 | |
| 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 | |
| CN113720639B (zh) | 一种污染场地调查补充采样的方法 | |
| CN112697849B (zh) | 动态污染源定位方法 | |
| Wang et al. | Accurately early warning to water quality pollutant risk by mobile model system with optimization technology | |
| Fandel et al. | A model ensemble generator to explore structural uncertainty in karst systems with unmapped conduits | |
| CN117763904B (zh) | 一种岩溶地下水智能模拟方法及系统 | |
| CN116756908A (zh) | 地下水模拟智能系统及可视化方法 | |
| Baú et al. | Optimal design of pump-and-treat systems under uncertain hydraulic conductivity and plume distribution | |
| CN117172995B (zh) | 基于微生物的污染评估分析方法、系统及存储介质 | |
| Popescu et al. | Groundwater vulnerability assessment using physically based modelling: from challenges to pragmatic solutions | |
| JP3427724B2 (ja) | 流域管理マッピングシステム | |
| CN113298419A (zh) | 典型条件地下水污染羽空间分布插值技术的优选方法 | |
| CN104035985A (zh) | 一种面向基础地理信息异常数据的挖掘方法 | |
| JP2006010393A (ja) | 土中水分解析装置、土中水分解析方法、土中水分解析プログラム及びタンクモデル生成方法 | |
| CN113688548A (zh) | 一种河道水位仿真推演方法、装置、电子设备和存储介质 | |
| Rubarenzya et al. | Identification of uncertainty sources in distributed hydrological modelling: Case study of the Grote Nete catchment in Belgium | |
| Bartsch et al. | Soil information system as part of a municipal environmental information system | |
| Prairie | Long-term salinity prediction with uncertainty analysis: Application for Colorado River above Glenwood Springs, CO | |
| CN118586321B (zh) | 一种基于One-hot编码器的地下水污染源空间分布预测方法 | |
| JP2006072546A (ja) | 化学物質水系暴露解析システム | |
| Van der Heijde et al. | Quality assurance and quality control in the development and application of ground-water models |
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 |