CN116362572B - 一种在产园区地下水污染分区分级评价方法 - Google Patents
一种在产园区地下水污染分区分级评价方法 Download PDFInfo
- Publication number
- CN116362572B CN116362572B CN202310645024.1A CN202310645024A CN116362572B CN 116362572 B CN116362572 B CN 116362572B CN 202310645024 A CN202310645024 A CN 202310645024A CN 116362572 B CN116362572 B CN 116362572B
- Authority
- CN
- China
- Prior art keywords
- pollution
- soil
- production
- enterprise
- park
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 195
- 238000011156 evaluation Methods 0.000 title claims abstract description 111
- 238000003895 groundwater pollution Methods 0.000 title claims abstract description 89
- 239000002689 soil Substances 0.000 claims abstract description 154
- 238000001179 sorption measurement Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 48
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 43
- 231100000719 pollutant Toxicity 0.000 claims abstract description 43
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 18
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims description 81
- 238000009792 diffusion process Methods 0.000 claims description 35
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 31
- 230000035699 permeability Effects 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 17
- 238000003911 water pollution Methods 0.000 claims description 17
- 238000011835 investigation Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000005012 migration Effects 0.000 claims description 7
- 238000013508 migration Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 231100000206 health hazard Toxicity 0.000 claims description 6
- 238000012097 association analysis method Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 2
- 238000003900 soil pollution Methods 0.000 abstract description 37
- 239000003673 groundwater Substances 0.000 abstract description 16
- 230000008595 infiltration Effects 0.000 abstract description 4
- 238000001764 infiltration Methods 0.000 abstract description 4
- 238000009826 distribution Methods 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 239000000356 contaminant Substances 0.000 description 7
- 239000000047 product Substances 0.000 description 7
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 6
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 6
- 239000002351 wastewater Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 229910001385 heavy metal Inorganic materials 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000004927 clay Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013505 freshwater Substances 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (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)
- Processing Of Solid Wastes (AREA)
Abstract
本发明涉及一种在产园区地下水污染分区分级评价方法,属于污染预警技术领域,本发明通过根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,根据评价结果生成相应的分级预警信号,并基于相应的分级预警信号生成相应的治理方向。本发明充分考虑了园区企业分布和地下水污染物类型及浓度水平,根据污染物类型和污染水平对在产园区进行分区评价,同时考虑土壤类型以及土壤中有机碳含量数据对于各种污染物类型的吸附特性,从而根据吸附特性来对在产园内的企业附近的土壤污染进行评价,提高了对污染物渗透到地下水的判断准确性,能够提前评估污染物是否通过土壤渗透到地下水层中,从而避免土壤污染而导致的地下水污染的事件发生。
Description
技术领域
本发明涉及污染预警技术领域,尤其涉及一种在产园区地下水污染分区分级评价方法。
背景技术
水资源是地球上最重要的资源,其中淡水资源又是水资源中最宝贵的部分,而且有29%的淡水资源储存在地下,也就是常说的地下水。当前,由于人类各种的生活和生产活动,使地表环境不断被破坏,这也在一定程度上影响了地下水环境的安全,导致地下水污染问题变得越来越严峻。与地表水相比,地下水流动性较差,不易渗透,无法进行有效交换。因此,地下水一旦遭到污染,不仅会影响正常使用,还难以进行高效治理。由工业生产活动带来的地下水污染,主要是由于工业生产中产生的各种废水未经过处理就直接排放所造成的。而各种工矿企业在生产中产生的废渣、废水以及各种工业垃圾通常都含有大量的有害物质,如果其中的有害污染物得不到有效地处理也是直接排放,不仅会污染地表水,也容易从地面渗入到地下,从而对地下水造成较为严重的污染。然而,地下水的污染与土壤的渗透密切相关,现如今,目前的地下水的污染监测大多数都是对于水体进行监测,当发现水体污染时,说明地下水已经发生了被污染的情况,并不能提前发现以及解决该问题。
发明内容
本发明克服了现有技术的不足,提供了一种在产园区地下水污染分区分级评价方法。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种在产园区地下水污染分区分级评价方法,包括以下步骤:
获取当前在产园区内中各企业的企业数据信息,并根据当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业;
基于潜在污染的相关企业构建污染监测网络,并通过污染监测网络获取污染监测数据信息,获取潜在污染的相关企业附近的土壤数据信息;
根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果;
当评价结果大于预设评价时,则根据评价结果生成相应的分级预警信号,并基于相应的分级预警信号生成相应的治理方向。
进一步地,本发明的一个较佳实施例中,根据当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业,具体包括:
通过对当前在产园区内中各企业的企业数据信息进行特征提取,获取当前在产园区内中各企业的生产类型,并通过大数据获取与地下水污染相关的生产类型;
判断当前在产园区内中各企业的生产类型是否为与地下水污染相关的生产类型,若当前在产园区内中企业的生产类型不为与地下水污染相关的生产类型,则将该企业列为无潜在污染的相关企业;
若当前在产园区内中企业的生产类型为与地下水污染相关的生产类型,获取该企业的生产工艺信息,并通过大数据获取生产工艺信息产生的相关产物数据;
通过灰色关联分析法分析相关产物数据与地下水污染之间的关联程度,当关联程度大于预设关联程度时,将该企业作为潜在污染的相关企业进行输出。
进一步地,本发明的一个较佳实施例中,基于潜在污染的相关企业构建污染监测网络,具体包括以下步骤:
获取潜在污染的相关企业的生产设备规划位置区域以及相关的生产工艺规程,并根据相关的生产工艺规程获取地下水污染的潜在排放工艺规程;
基于潜在污染的相关企业的生产设备规划位置区域以及地下水污染的潜在排放工艺规程生成监测设备的待布置区域;
根据监测设备的待布置区域对监测设备进行均匀布置,生成若干个监测节点,并基于监测节点生成污染监测网络。
进一步地,本发明的一个较佳实施例中,根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
通过大数据获取各种污染物类型在各种土壤类型中的迁移特性信息,并构建数据库,并将各种污染物类型在各种土壤类型中的吸附量浓度范围信息输入到数据库中进行存储;
根据潜在污染的相关企业附近的土壤数据信息获取当前潜在污染的相关企业的土壤类型,并将当前潜在污染的相关企业的土壤类型输入到数据库中进行匹配,获取当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息;
当污染监测数据信息大于当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息时,通过大数据获取土壤的有机碳含量数据与吸附量浓度范围信息的相关性;
根据土壤的有机碳含量数据与吸附量浓度范围信息的相关性对当期吸附量浓度范围信息进行修正,生成修正后的吸附量浓度范围信息,并根据修正后的吸附量浓度范围信息以及污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果。
进一步地,本发明的一个较佳实施例中,根据修正后的吸附量浓度范围信息以及污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
获取当前在产园区内的土壤调查数据信息,并根据当前在产园区内的土壤调查数据信息获取地层情况数据,基于地层情况数据通过大数据获取每一地层情况数据的土层渗透系数;
根据每一地层情况数据的土层渗透系数对当前水分在地层情况数据中的渗透速率进行计算,获取水分在土壤中的渗透速率;
结合水分在土壤中的渗透速率、修正后的吸附量浓度范围信息对污染监测数据信息的扩散情况进行预测,获取预设时间之内污染物在土壤中的扩散情况;
根据预设时间之内污染物在土壤中的扩散情况获取地层情况数据中每一深度梯度的扩散情况,并设置若干个评价指标,基于评价指标对地层情况数据中每一深度梯度的扩散情况进行评价,获取评价结果。
进一步地,本发明的一个较佳实施例中,根据评价结果生成相应的分级预警信号,并基于相应的分级预警信号生成相应的治理方向,具体包括以下步骤:
采集在产园区内各地下水的污染评价结果,设置若干地下水评价指标,根据所述地下水评价指标对所述在产园区内各地下水的污染调查数据信息进行地下水污染等级评价,生成地下水污染等级评价结果;
根据所述地下水污染等级评价结果对当前产园区内各地下水污染区域进行预警等级分区预警,获取当前产园区内各地下水污染区域的预警等级;
获取当前产园区内各地下水污染区域的污染类型信息,通过大数据获取当前产园区内各地下水污染区域的污染类型信息的健康危害程度;
根据所述当前产园区内各地下水污染区域的污染类型信息的健康危害程度进行从大到小排序,获取优先级排序结果,并根据所述优先级排序结果生成优先级治理方向,同时,根据所述当前产园区内各地下水污染区域的污染类型信息生成相应的治理方向。
本发明第二方面提供了一种在产园区地下水污染分区分级评价系统,评价系统包括存储器以及处理器,存储器中包含在产园区地下水污染分区分级评价方法程序,在产园区地下水污染分区分级评价方法程序被处理器执行时,实现如下步骤:
获取当前在产园区内中各企业的企业数据信息,并根据当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业;
基于潜在污染的相关企业构建污染监测网络,并通过污染监测网络获取污染监测数据信息,获取潜在污染的相关企业附近的土壤数据信息;
根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果;
当评价结果大于预设评价时,则根据评价结果生成相应的分级预警信号,并基于相应的分级预警信号生成相应的治理方向。
在本系统的实施例中,根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
通过大数据获取各种污染物类型在各种土壤类型中的迁移特性信息,并构建数据库,并将各种污染物类型在各种土壤类型中的吸附量浓度范围信息输入到数据库中进行存储;
根据潜在污染的相关企业附近的土壤数据信息获取当前潜在污染的相关企业的土壤类型,并将当前潜在污染的相关企业的土壤类型输入到数据库中进行匹配,获取当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息;
当污染监测数据信息大于当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息时,通过大数据获取土壤的有机碳含量数据与吸附量浓度范围信息的相关性;
根据土壤的有机碳含量数据与吸附量浓度范围信息的相关性对当期吸附量浓度范围信息进行修正,生成修正后的吸附量浓度范围信息,并根据修正后的吸附量浓度范围信息以及污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果。
在本系统的实施例中,根据修正后的吸附量浓度范围信息以及污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
获取当前在产园区内的土壤调查数据信息,并根据当前在产园区内的土壤调查数据信息获取地层情况数据,基于地层情况数据通过大数据获取每一地层情况数据的土层渗透系数;
根据每一地层情况数据的土层渗透系数对当前水分在地层情况数据中的渗透速率进行计算,获取水分在土壤中的渗透速率;
结合水分在土壤中的渗透速率、修正后的吸附量浓度范围信息对污染监测数据信息的扩散情况进行预测,获取预设时间之内污染物在土壤中的扩散情况;
根据预设时间之内污染物在土壤中的扩散情况获取地层情况数据中每一深度梯度的扩散情况,并设置若干个评价指标,基于评价指标对地层情况数据中每一深度梯度的扩散情况进行评价,获取评价结果。
本发明第三方面提供了一种计算机可读存储介质,计算机可读存储介质中包含在产园区地下水污染分区分级评价方法程序,在产园区地下水污染分区分级评价方法程序被处理器执行时,实现任一项的在产园区地下水污染分区分级评价方法的步骤。
本发明解决了背景技术中存在的缺陷,具备以下有益效果:
本发明通过获取当前在产园区内中各企业的企业数据信息,并根据当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业;基于潜在污染的相关企业构建污染监测网络,并通过污染监测网络获取污染监测数据信息,获取潜在污染的相关企业附近的土壤数据信息;根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果;当评价结果大于预设评价时,则根据评价结果生成相应的分级预警信号,并基于相应的分级预警信号生成相应的治理方向。本发明充分考虑了园区企业分布和地下水污染物类型及浓度水平,根据污染物类型和污染水平对在产园区进行分区评价,同时考虑土壤类型以及土壤中有机碳含量数据对于各种污染物类型的吸附特性,从而根据吸附特性来对在产园内的企业附近的土壤污染进行评价,提高了对污染物渗透到地下水的判断准确性,能够提前评估污染物是否通过土壤渗透到地下水层中,从而避免土壤污染而导致的地下水污染的事件发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了一种在产园区地下水污染分区分级评价方法的整体方法流程图;
图2示出了一种在产园区地下水污染分区分级评价方法的第一方法流程图;
图3示出了一种在产园区地下水污染分区分级评价方法的第二方法流程图;
图4示出了一种在产园区地下水污染分区分级评价系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明第一方面提供了一种在产园区地下水污染分区分级评价方法,包括以下步骤:
S102:获取当前在产园区内中各企业的企业数据信息,并根据当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业;
S104:基于潜在污染的相关企业构建污染监测网络,并通过污染监测网络获取污染监测数据信息,获取潜在污染的相关企业附近的土壤数据信息;
S106:根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果;
S108:当评价结果大于预设评价时,则根据评价结果生成相应的分级预警信号,并基于相应的分级预警信号生成相应的治理方向。
需要说明的是,本发明充分考虑了不同土壤类型以及土壤中有机碳含量数据对于各种污染物类型的吸附特性,从而根据吸附特性来对在产园区内的企业附近的土壤污染进行评价,提高了对污染物渗透到地下水的判断准确性,而且为修复土壤工程提供了相应的治理方向以及治理优先级,能够提前评估污染物是否通过土壤渗透到地下水层中,从而避免土壤污染而导致的地下水污染的事件发生。
如图2所示,在步骤S102中,其中,根据当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业,具体包括:
S202:通过对当前在产园区内中各企业的企业数据信息进行特征提取,获取当前在产园区内中各企业的生产类型,并通过大数据获取与地下水污染相关的生产类型;
示例性的,如生产重金属的企业为与地下水污染相关的生产类型,又如仅仅只有办公区域的激光企业,该激光企业为与地下水污染无关的生产类型。
S204:判断当前在产园区内中各企业的生产类型是否为与地下水污染相关的生产类型,若当前在产园区内中企业的生产类型不为与地下水污染相关的生产类型,则将该企业列为无潜在污染的相关企业;
S206:若当前在产园区内中企业的生产类型为与地下水污染相关的生产类型,获取该企业的生产工艺信息,并通过大数据获取生产工艺信息产生的相关产物数据;
S208:通过灰色关联分析法分析相关产物数据与地下水污染之间的关联程度,当关联程度大于预设关联程度时,将该企业作为潜在污染的相关企业进行输出。
需要说明的是,对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,称为关联度。在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。因此,灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。当相关产物数据与地下水污染之间的关联程度越高,说明该企业的生产工艺与地下水污染的关联程度高。
在步骤S104中,其中,基于潜在污染的相关企业构建污染监测网络,具体包括以下步骤:
获取潜在污染的相关企业的生产设备规划位置区域以及相关的生产工艺规程,并根据相关的生产工艺规程获取地下水污染的潜在排放工艺规程;
基于潜在污染的相关企业的生产设备规划位置区域以及地下水污染的潜在排放工艺规程生成监测设备的待布置区域;
根据监测设备的待布置区域对监测设备进行均匀布置,生成若干个监测节点,并基于监测节点生成污染监测网络。
示例性的,监测设备可以是无线传感器、部分企业自行研究的特定的监测设备。潜在排放工艺规程可以是生产过程中水体排放、生产垃圾堆放、次品的生产垃圾放置区域等。
如图3所示,在步骤S106中,其中,根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
S302:通过大数据获取各种污染物类型在各种土壤类型中的迁移特性信息,并构建数据库,并将各种污染物类型在各种土壤类型中的吸附量浓度范围信息输入到数据库中进行存储;
S304:根据潜在污染的相关企业附近的土壤数据信息获取当前潜在污染的相关企业的土壤类型,并将当前潜在污染的相关企业的土壤类型输入到数据库中进行匹配,获取当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息;
示例性的,在本实施例中,不同土壤类型对于污染物的吸附特性是不一致的,如粘土和粉砂质粘土,当苯或者甲苯污染物在两种土壤中时,即使在浓度500到2000 L/kg 的范围内,由于该土壤的吸附特性苯或者甲苯污染物迁移性很低,大部分被吸附。
S306:当污染监测数据信息大于当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息时,通过大数据获取土壤的有机碳含量数据与吸附量浓度范围信息的相关性;
示例性的,除了土壤的类型之外,土壤的吸附能力与土壤有机碳含量的浓度密切相关,当有机碳含量的数值越大,污染物越容易被吸附到土壤介质中,土壤对污染物的吸附力就会越强,单位体积内的土壤能够吸附污染物的浓度范围越大。例如,单位体积一定有机碳浓度之下的粘土能够吸收600L的质量的污染物。
S308:根据土壤的有机碳含量数据与吸附量浓度范围信息的相关性对当期吸附量浓度范围信息进行修正,生成修正后的吸附量浓度范围信息,并根据修正后的吸附量浓度范围信息以及污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果。
需要说明的是,通过本方法能够计算出当前在产园区内吸附量浓度范围信息进行修正,从而计算出最终的吸附量浓度范围信息,对于污染的迁移的预测更加准确。
其中,进一步地,本发明的一个较佳实施例中,根据修正后的吸附量浓度范围信息以及污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
获取当前在产园区内的土壤调查数据信息,并根据当前在产园区内的土壤调查数据信息获取地层情况数据,基于地层情况数据通过大数据获取每一地层情况数据的土层渗透系数;
根据每一地层情况数据的土层渗透系数对当前水分在地层情况数据中的渗透速率进行计算,获取水分在土壤中的渗透速率;
结合水分在土壤中的渗透速率、修正后的吸附量浓度范围信息对污染监测数据信息的扩散情况进行预测,获取预设时间之内污染物在土壤中的扩散情况;
根据预设时间之内污染物在土壤中的扩散情况获取地层情况数据中每一深度梯度的扩散情况,并设置若干个评价指标,基于评价指标对地层情况数据中每一深度梯度的扩散情况进行评价,获取评价结果。
需要说明的是,不同地层对于水的渗透率是不一致的,即土壤渗透系数是不一致的,由于土壤对于污染物的吸附特性,进入到土层中的污染物被土壤进行吸收,并附着在土壤中,假设每一体积土壤能够吸收若干量的污染物,从而能够结合水分在土壤中的渗透速率、修正后的吸附量浓度范围信息对污染监测数据信息的扩散情况进行预测从而获取预设时间之内污染物在土壤中的扩散情况,通过本方法能够进一步提高污染物在土壤中的扩散情况的准确率。土壤调查数据信息包括地层结构数据、土壤类型数据等。现有技术人员可以通过fluent软件来模拟污染的扩散情况。
进一步地,本发明的一个较佳实施例中,根据评价结果生成相应的分级预警信号,并基于相应的分级预警信号生成相应的治理方向,具体包括以下步骤:
采集在产园区内各地下水的污染评价结果,设置若干地下水评价指标,根据所述地下水评价指标对所述在产园区内各地下水的污染调查数据信息进行地下水污染等级评价,生成地下水污染等级评价结果;
根据所述地下水污染等级评价结果对当前产园区内各地下水污染区域进行预警等级分区预警,获取当前产园区内各地下水污染区域的预警等级;
获取当前产园区内各地下水污染区域的污染类型信息,通过大数据获取当前产园区内各地下水污染区域的污染类型信息的健康危害程度;
根据所述当前产园区内各地下水污染区域的污染类型信息的健康危害程度进行从大到小排序,获取优先级排序结果,并根据所述优先级排序结果生成优先级治理方向,同时,根据所述当前产园区内各地下水污染区域的污染类型信息生成相应的治理方向。
示例性的,预警等级包括低预警等级、低中预警等级、中预警等级、中高预警等级、高预警等级。如即将扩散导地下水层为高预警等级,刚在土壤表面的污染物为低预警等级;而且根据污染物对人体的危害程度进行优先级排序,如对人体危害程度高的优先级治理等级越高。
其中,根据所述当前产园区内各地下水污染区域的污染类型信息生成相应的治理方向,具体包括以下步骤:
获取在产园区的土壤污染区域的污染类型,并通过遥感技术获取在产园区的土壤污染区域附近的遥感图像数据,通过对所述在产园区的土壤污染区域附近的遥感图像数据进行识别,以识别出土壤污染区域附近的植物种类;
通过大数据获取土壤污染区域附近的植物种类的相关治理作用,并通过多头注意力机制计算土壤污染区域附近的植物种类的相关治理作用与在产园区的土壤污染区域的污染类型之间是否存在相关性;
若土壤污染区域附近的植物种类的相关治理作用与在产园区的土壤污染区域的污染类型之间存在相关性,则将降低当前土壤污染区域的治理优先级;
若土壤污染区域附近的植物种类的相关治理作用与在产园区的土壤污染区域的污染类型之间不存在相关性,则提高当前土壤污染区域的治理优先级,并根据土壤污染区域的治理优先级进行资源分配修复处理。
需要说明的是,有些植物种类能够对于某一类的土壤污染具有治理作用,某些植物的根部可以和土壤中的微生物相互作用,从而共同解决土壤的污染问题,在这个过程中,内生菌可以对重金属元素进行吸收,然后帮助植物吸收重金属元素,这样重金属对植物的影响就会得到有效减轻。另外在微生物的影响下,植物根系还能够很好地发育,促进营养和水分的有效吸收,这样植物修复土壤污染的能力就会得到进一步提升。当土壤污染区域附近的植物种类的相关治理作用与在产园区的土壤污染区域的污染类型之间存在相关性时,降低当前土壤污染区域的治理优先级,有利于污染资源的治理。
此外,还可以包括以下步骤:通过大数据获取各温度环境之下土壤污染区域中污染类型的挥发特性数据信息,并获取当前土壤污染区域的土壤吸附情况数据信息;获取当前土壤污染区域各深度在预设时间之内的温度变化数据,根据所述各温度环境之下土壤污染区域中污染类型的挥发特性数据信息以及当前土壤污染区域各深度在预设时间之内的温度变化数据获取当前土壤污染区域各深度在预设时间之内的挥发特性数据;根据所述当前土壤污染区域各深度在预设时间之内的挥发特性数据以及当前土壤污染区域的土壤吸附情况数据信息相结合,计算出当前土壤污染区域的挥发量数据;根据当前土壤污染区域的挥发量数据对评价结果进行修正,生成最终的评价结果。
需要说明的是,由于部分污染类型容易受到温度的影响而产生挥发,通过本方法能够根据当前土壤污染区域的挥发量数据对评价结果进行修正,生成最终的评价结果,提高对地下水污染的扩散预测准确度。
如图4所示,本发明第二方面提供了一种在产园区地下水污染分区分级评价系统4,评价系统4包括存储器41以及处理器62,存储器41中包含在产园区地下水污染分区分级评价方法程序,在产园区地下水污染分区分级评价方法程序被处理器62执行时,实现如下步骤:
获取当前在产园区内中各企业的企业数据信息,并根据当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业;
基于潜在污染的相关企业构建污染监测网络,并通过污染监测网络获取污染监测数据信息,获取潜在污染的相关企业附近的土壤数据信息;
根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果;
当评价结果大于预设评价时,则根据评价结果生成相应的分级预警信号,并基于相应的分级预警信号生成相应的治理方向。
在本系统的实施例中,根据污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
通过大数据获取各种污染物类型在各种土壤类型中的迁移特性信息,并构建数据库,并将各种污染物类型在各种土壤类型中的吸附量浓度范围信息输入到数据库中进行存储;
根据潜在污染的相关企业附近的土壤数据信息获取当前潜在污染的相关企业的土壤类型,并将当前潜在污染的相关企业的土壤类型输入到数据库中进行匹配,获取当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息;
当污染监测数据信息大于当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息时,通过大数据获取土壤的有机碳含量数据与吸附量浓度范围信息的相关性;
根据土壤的有机碳含量数据与吸附量浓度范围信息的相关性对当期吸附量浓度范围信息进行修正,生成修正后的吸附量浓度范围信息,并根据修正后的吸附量浓度范围信息以及污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果。
在本系统的实施例中,根据修正后的吸附量浓度范围信息以及污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
获取当前在产园区内的土壤调查数据信息,并根据当前在产园区内的土壤调查数据信息获取地层情况数据,基于地层情况数据通过大数据获取每一地层情况数据的土层渗透系数;
根据每一地层情况数据的土层渗透系数对当前水分在地层情况数据中的渗透速率进行计算,获取水分在土壤中的渗透速率;
结合水分在土壤中的渗透速率、修正后的吸附量浓度范围信息对污染监测数据信息的扩散情况进行预测,获取预设时间之内污染物在土壤中的扩散情况;
根据预设时间之内污染物在土壤中的扩散情况获取地层情况数据中每一深度梯度的扩散情况,并设置若干个评价指标,基于评价指标对地层情况数据中每一深度梯度的扩散情况进行评价,获取评价结果。
本发明第三方面提供了一种计算机可读存储介质,计算机可读存储介质中包含在产园区地下水污染分区分级评价方法程序,在产园区地下水污染分区分级评价方法程序被处理器执行时,实现任一项的在产园区地下水污染分区分级评价方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种在产园区地下水污染分区分级评价方法,其特征在于,包括以下步骤:
获取当前在产园区内中各企业的企业数据信息,并根据所述当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业;
基于所述潜在污染的相关企业构建污染监测网络,并通过所述污染监测网络获取污染监测数据信息,获取潜在污染的相关企业附近的土壤数据信息;
根据所述污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果;
当所述评价结果大于预设评价时,则根据所述评价结果生成相应的分级预警信号,并基于所述相应的分级预警信号生成相应的治理方向;
其中,根据所述当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业,具体包括:
通过对所述当前在产园区内中各企业的企业数据信息进行特征提取,获取当前在产园区内中各企业的生产类型,并通过大数据获取与地下水污染相关的生产类型;
判断所述当前在产园区内中各企业的生产类型是否为与地下水污染相关的生产类型,若所述当前在产园区内中企业的生产类型不为与地下水污染相关的生产类型,则将该企业列为无潜在污染的相关企业;
若所述当前在产园区内中企业的生产类型为与地下水污染相关的生产类型,获取该企业的生产工艺信息,并通过大数据获取所述生产工艺信息产生的相关产物数据;
通过灰色关联分析法分析相关产物数据与地下水污染之间的关联程度,当所述关联程度大于预设关联程度时,将该企业作为潜在污染的相关企业进行输出;
其中,根据所述污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
通过大数据获取各种污染物类型在各种土壤类型中的迁移特性信息,并构建数据库,并将所述各种污染物类型在各种土壤类型中的吸附量浓度范围信息输入到所述数据库中进行存储;
根据所述潜在污染的相关企业附近的土壤数据信息获取当前潜在污染的相关企业的土壤类型,并将所述当前潜在污染的相关企业的土壤类型输入到数据库中进行匹配,获取当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息;
当所述污染监测数据信息大于所述当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息时,通过大数据获取土壤的有机碳含量数据与吸附量浓度范围信息的相关性;
根据所述土壤的有机碳含量数据与吸附量浓度范围信息的相关性对当期吸附量浓度范围信息进行修正,生成修正后的吸附量浓度范围信息,并根据所述修正后的吸附量浓度范围信息以及所述污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果;
其中,根据所述修正后的吸附量浓度范围信息以及所述污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
获取当前在产园区内的土壤调查数据信息,并根据所述当前在产园区内的土壤调查数据信息获取地层情况数据,基于所述地层情况数据通过大数据获取每一地层情况数据的土层渗透系数;
根据所述每一地层情况数据的土层渗透系数对当前水分在地层情况数据中的渗透速率进行计算,获取水分在土壤中的渗透速率;
结合水分在土壤中的渗透速率、修正后的吸附量浓度范围信息对污染监测数据信息的扩散情况进行预测,获取预设时间之内污染物在土壤中的扩散情况;
根据所述预设时间之内污染物在土壤中的扩散情况获取地层情况数据中每一深度梯度的扩散情况,并设置若干个评价指标,基于所述评价指标对所述地层情况数据中每一深度梯度的扩散情况进行评价,获取评价结果。
2.根据权利要求1所述的一种在产园区地下水污染分区分级评价方法,其特征在于,基于所述潜在污染的相关企业构建污染监测网络,具体包括以下步骤:
获取所述潜在污染的相关企业的生产设备规划位置区域以及相关的生产工艺规程,并根据所述相关的生产工艺规程获取地下水污染的潜在排放工艺规程;
基于所述潜在污染的相关企业的生产设备规划位置区域以及地下水污染的潜在排放工艺规程生成监测设备的待布置区域;
根据所述监测设备的待布置区域对监测设备进行均匀布置,生成若干个监测节点,并基于所述监测节点生成污染监测网络。
3.根据权利要求1所述一种在产园区地下水污染分区分级评价方法,其特征在于,根据所述评价结果生成相应的分级预警信号,并基于所述相应的分级预警信号生成相应的治理方向,具体包括以下步骤:
采集在产园区内各地下水的污染评价结果,设置若干地下水评价指标,根据所述地下水评价指标对所述在产园区内各地下水的污染调查数据信息进行地下水污染等级评价,生成地下水污染等级评价结果;
根据所述地下水污染等级评价结果对当前产园区内各地下水污染区域进行预警等级分区预警,获取当前产园区内各地下水污染区域的预警等级;
获取当前产园区内各地下水污染区域的污染类型信息,通过大数据获取当前产园区内各地下水污染区域的污染类型信息的健康危害程度;
根据所述当前产园区内各地下水污染区域的污染类型信息的健康危害程度进行从大到小排序,获取优先级排序结果,并根据所述优先级排序结果生成优先级治理方向,同时,根据所述当前产园区内各地下水污染区域的污染类型信息生成相应的治理方向。
4.一种在产园区地下水污染分区分级评价系统,其特征在于,所述评价系统包括存储器以及处理器,所述存储器中包含在产园区地下水污染分区分级评价方法程序,所述在产园区地下水污染分区分级评价方法程序被所述处理器执行时,实现如下步骤:
获取当前在产园区内中各企业的企业数据信息,并根据所述当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业;
基于所述潜在污染的相关企业构建污染监测网络,并通过所述污染监测网络获取污染监测数据信息,获取潜在污染的相关企业附近的土壤数据信息;
根据所述污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果;
当所述评价结果大于预设评价时,则根据所述评价结果生成相应的分级预警信号,并基于所述相应的分级预警信号生成相应的治理方向;
其中,根据所述当前在产园区内中各企业的企业数据信息进行筛选,获取潜在污染的相关企业,具体包括:
通过对所述当前在产园区内中各企业的企业数据信息进行特征提取,获取当前在产园区内中各企业的生产类型,并通过大数据获取与地下水污染相关的生产类型;
判断所述当前在产园区内中各企业的生产类型是否为与地下水污染相关的生产类型,若所述当前在产园区内中企业的生产类型不为与地下水污染相关的生产类型,则将该企业列为无潜在污染的相关企业;
若所述当前在产园区内中企业的生产类型为与地下水污染相关的生产类型,获取该企业的生产工艺信息,并通过大数据获取所述生产工艺信息产生的相关产物数据;
通过灰色关联分析法分析相关产物数据与地下水污染之间的关联程度,当所述关联程度大于预设关联程度时,将该企业作为潜在污染的相关企业进行输出;
其中,根据所述污染监测数据信息以及潜在污染的相关企业附近的土壤数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
通过大数据获取各种污染物类型在各种土壤类型中的迁移特性信息,并构建数据库,并将所述各种污染物类型在各种土壤类型中的吸附量浓度范围信息输入到所述数据库中进行存储;
根据所述潜在污染的相关企业附近的土壤数据信息获取当前潜在污染的相关企业的土壤类型,并将所述当前潜在污染的相关企业的土壤类型输入到数据库中进行匹配,获取当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息;
当所述污染监测数据信息大于所述当前潜在污染的相关企业的土壤类型的吸附量浓度范围信息时,通过大数据获取土壤的有机碳含量数据与吸附量浓度范围信息的相关性;
根据所述土壤的有机碳含量数据与吸附量浓度范围信息的相关性对当期吸附量浓度范围信息进行修正,生成修正后的吸附量浓度范围信息,并根据所述修正后的吸附量浓度范围信息以及所述污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果;
其中,根据所述修正后的吸附量浓度范围信息以及所述污染监测数据信息对当前在产园区内的地下水污染进行评价,获取评价结果,具体包括:
获取当前在产园区内的土壤调查数据信息,并根据所述当前在产园区内的土壤调查数据信息获取地层情况数据,基于所述地层情况数据通过大数据获取每一地层情况数据的土层渗透系数;
根据所述每一地层情况数据的土层渗透系数对当前水分在地层情况数据中的渗透速率进行计算,获取水分在土壤中的渗透速率;
结合水分在土壤中的渗透速率、修正后的吸附量浓度范围信息对污染监测数据信息的扩散情况进行预测,获取预设时间之内污染物在土壤中的扩散情况;
根据所述预设时间之内污染物在土壤中的扩散情况获取地层情况数据中每一深度梯度的扩散情况,并设置若干个评价指标,基于所述评价指标对所述地层情况数据中每一深度梯度的扩散情况进行评价,获取评价结果。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包含在产园区地下水污染分区分级评价方法程序,所述在产园区地下水污染分区分级评价方法程序被处理器执行时,实现如权利要求1-3任一项所述的在产园区地下水污染分区分级评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310645024.1A CN116362572B (zh) | 2023-06-02 | 2023-06-02 | 一种在产园区地下水污染分区分级评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310645024.1A CN116362572B (zh) | 2023-06-02 | 2023-06-02 | 一种在产园区地下水污染分区分级评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116362572A CN116362572A (zh) | 2023-06-30 |
CN116362572B true CN116362572B (zh) | 2023-08-01 |
Family
ID=86928585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310645024.1A Active CN116362572B (zh) | 2023-06-02 | 2023-06-02 | 一种在产园区地下水污染分区分级评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362572B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011717B (zh) * | 2023-10-07 | 2023-12-19 | 北京建工环境修复股份有限公司 | 一种基于物联网的全氟化合物污染评价方法及系统 |
CN117314169B (zh) * | 2023-10-20 | 2024-05-03 | 北京建工环境修复股份有限公司 | 在产企业地下水新污染物源输入风险预警方法 |
CN117172988B (zh) * | 2023-11-02 | 2024-01-12 | 北京建工环境修复股份有限公司 | 基于大数据分析的微生物修复方案生成方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102006826B1 (ko) * | 2019-02-11 | 2019-08-02 | 부경대학교 산학협력단 | 토지이용을 고려한 지하수 오염 취약성 평가 장치 및 방법 |
CN114354892A (zh) * | 2022-01-04 | 2022-04-15 | 北京市科学技术研究院资源环境研究所 | 一种基于工业园区的土壤污染分析方法和系统 |
CN115660419A (zh) * | 2022-10-24 | 2023-01-31 | 北京市生态环境保护科学研究院 | 一套工业园区土壤与地下水污染监测、评估及预警方法 |
CN115660438A (zh) * | 2022-10-24 | 2023-01-31 | 北京市生态环境保护科学研究院 | 工业园区土壤和地下水污染预警等级评价方法 |
-
2023
- 2023-06-02 CN CN202310645024.1A patent/CN116362572B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116362572A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116362572B (zh) | 一种在产园区地下水污染分区分级评价方法 | |
Massmann et al. | Hydrogeological decision analysis: 2. Applications to ground‐water contamination | |
Huang et al. | Quantitative analysis of ecological risk and human health risk of potentially toxic elements in farmland soil using the PMF model | |
Acton et al. | Role of soil health in maintaining environmental sustainability of surface coal mining | |
Critto et al. | Decision support–oriented selection of remediation technologies to rehabilitate contaminated sites | |
Awawdeh et al. | Groundwater vulnerability assessment in the vicinity of Ramtha wastewater treatment plant, North Jordan | |
Yang et al. | An integrated simulation-assessment approach for evaluating health risks of groundwater contamination under multiple uncertainties | |
Shi et al. | A comprehensive framework for identifying contributing factors of soil trace metal pollution using Geodetector and spatial bivariate analysis | |
Hamutoko et al. | Estimation of groundwater vulnerability to pollution based on DRASTIC in the Niipele sub-basin of the Cuvelai Etosha Basin, Namibia | |
Reddy et al. | Quantitative sustainability assessment of various remediation alternatives for contaminated lake sediments: case study | |
CN116403092A (zh) | 一种基于图像学习的地下水napl污染程度判定方法及系统 | |
Yang et al. | Risk‐based prioritization method for the classification of groundwater pesticide pollution from agricultural regions | |
Zhang et al. | Ecological risk characteristics of sediment-bound heavy metals in large shallow lakes for aquatic organisms: The case of Taihu Lake, China | |
CN113590663B (zh) | 一种环境检测方法及系统 | |
Walton et al. | The need for environmental monitoring in Antarctica: baselines, environmental impact assessments, accidents and footprints | |
Li et al. | Screening of groundwater remedial alternatives for brownfield sites: a comprehensive method integrated MCDA with numerical simulation | |
CN115147011A (zh) | 一种地表水与林地损害鉴定评估方法及装置、设备和介质 | |
Liang et al. | Probabilistic simulation of remediation at a site contaminated by trichloroethylene | |
Carey et al. | Analysis of colloidal activated carbon alternatives for in situ remediation of a large PFAS plume and source area | |
Pedretti et al. | Stochastic analysis of the efficiency of coupled hydraulic-physical barriers to contain solute plumes in highly heterogeneous aquifers | |
Chapuis | A mass-flux method to estimate pollutants in groundwater | |
Emerson et al. | Measuring toxic emissions from landfills using sequential screening | |
Henriksen et al. | Evaluating the cost‐effectiveness of new environmental technologies | |
CN117744912A (zh) | 土壤污染物监测项目的确定方法、装置及电子设备 | |
Bruns et al. | Research plan for integrated ecosystem and pollutant monitoring at remote wilderness study sites |
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 |