吉林市城区土地利用对地下水污染空间分布的影响

利用吉林市城区91眼监测井2013年的地下水水质监测数据,采用改进内梅罗污染指数法求取地下水污染指数,同时考虑第二松花江两岸地下水污染的非连续性,采用Kriging方法进行分区插值,然后叠加融合得出城区地下水污染指数空间分布图.结合吉林市城区土地利用类型,采用CM模型和SLM模型提取监测井不同半径范围内的土地利用类型,利用多元回归分析方法确定监测井最可能受污染的范围,最后利用Kendall 秩次相关检验法和回归分析方法分析城区土地利用类型对地下水污染空间分布的影响.研究结果表明,吉林市城区地下水污染呈现出明显的空间分布特征;城区地下水受到不同程度的污染,其中江北片区和中心片区较为严重;在考虑地下水流动的情况下,监测井最可能受污染的范围为沿地下水流向方向500m;吉林市城区土地利用类型对地下水污染空间分布有较大影响,其中传统工业用地、居民和商业用地、城市交通设施用地为主要因素,其Kendall 秩次相关检验τ值分别为0.248、0.174、0.143;在各研究片区,该3种土地利用类型和地下水污染空间分布也存在较好的相关性.     

不同建议分布MCMC算法在地下水污染源反演识别中的对比研究

为了探究正态分布、均匀分布和随机游走三种不同建议分布的MCMC算法对地下水污染源反演识别结果的影响,并遴选出最优的建议分布.本文根据假想案例建立了污染质运移模拟模型及基于Kriging方法的替代模型,并建立了基于正态分布、均匀分布和随机游走三种建议分布的MCMC算法以反演识别地下水污染源的释放历史.结果表明,针对本文算例,以均匀分布为建议分布的MCMC算法具有反演精度高、稳定性好、收敛速度快等优点,最为适合作为本研究案例的建议分布进行地下水污染源反演识别研究.     

涪江流域农业非点源污染空间分布及污染源识别

采用输出系数模型,借助地理信息系统技术,对涪江流域的农业非点源污染进行了模拟,分析了流域非点源污染的空间分布特征,并对主要污染源进行了辨识,以期为流域非点源污染控制与管理提供决策支持.研究表明,2010年研究区农业非点源总氮污染负荷为9.11×104t,全区平均负荷强度为3.10 t.km-2;农业非点源总氮负荷总量最主要分布在旱地、绵阳市和缓坡区,农业非点源总氮负荷强度的高负荷区为旱地、德阳市和缓坡区;农业用地的化肥流失是污染的首要污染源,贡献率为62.12%,其中旱地的化肥流失是最主要来源,贡献率为50.49%.可见,改进粗放的农业耕作方式、积极推进"退耕还林"、合理处理养殖废水、集中收集农村生活污水等是研究区非点源污染有效的控制措施.     

巴伊盆地平原区地下水水化学特征及污染源识别

为探明新疆巴伊盆地平原区地下水水化学特征及形成机制并解析污染源,综合运用数理统计、图解法和PCA-APCS-MLR模型等方法,对2022年8月采集的4组泉水样、 20组潜水样和11组承压水样的测试结果进行分析.结果表明,研究区地下水化学类型复杂多样,泉水以HCO₃·SO₄-Na·Ca型地下水为主,潜水以HCO₃·SO₄-Na·Ca型和HCO₃·SO₄-Ca型地下水为主,承压水水化学类型主要为HCO₃·SO₄-Na·Ca型和HCO₃·Cl·SO₄-Na·Ca型;未利用地承压水水化学类型单一(Cl·SO₄-Na·Ca型),耕地及城乡居民用地承压水水化学类型复杂,表明地下水受到人类活动影响;地下水演化过程主要受到水岩相互作用与阳离子交换作用的影响,从泉水至潜水至承压水阳离子交换作用逐渐增强,石膏及硬石膏的风化溶解作用逐渐减弱、岩盐的风化溶解作用逐渐加强;...     

地面水质变化的因子分析：污染源的识别

随着社会需求的增长,工业的发展,相应产生的废弃物也源源不断地进入环境,特别是水环境。虽经多年投资治理,效果并不令人满意。寻求环境管理最佳途径,正是环境保护工作者的当务之急,其中找出影响水环境的主要因素则是防治水体污染的首要任务。本文目的是利用水体监测资料,运用因子分折方法,寻找影响地面水体的主要“贡献”者,以利环境管理工作。     

吉林市城区地下水污染时空演化

通过提出投影寻踪地下水污染指数模型,求得吉林市城区1980~2009年地下水监测井的污染指数.同时考虑第二松花江两岸地下水污染的非连续性,用修正的局部多项式插值方法对各年污染指数进行分区插值,得到各年地下水污染指数分布图.结果表明,吉林市城区地下水受到不同程度的污染,地下水污染指数普遍偏高,江北片区污染最为严重.全区在时间演化上具有"轻-重-轻"的阶段特征,地下水污染时空演化规律与人类活动方式紧密联系.吉林市城区地下水主要污染因子为"三氮",其中NO2-对地下水污染的影响最大,对地下水污染指数的贡献度多年保持在0.7上下.     

吉林市城区地下水污染时空演化

通过提出投影寻踪地下水污染指数模型,求得吉林市城区1980~2009年地下水监测井的污染指数.同时考虑第二松花江两岸地下水污染的非连续性,用修正的局部多项式插值方法对各年污染指数进行分区插值,得到各年地下水污染指数分布图.结果表明,吉林市城区地下水受到不同程度的污染,地下水污染指数普遍偏高,江北片区污染最为严重.全区在时间演化上具有“轻-重-轻”的阶段特征,地下水污染时空演化规律与人类活动方式紧密联系.吉林市城区地下水主要污染因子为“三氮”,其中NO2-对地下水污染的影响最大,对地下水污染指数的贡献度多年保持在0.7上下.     

柳江盆地浅层地下水硝酸盐分布特征及影响因素分析

以秦皇岛柳江盆地浅层地下水硝酸盐为研究对象,在地下水污染源调查的基础上,于2014年7月丰水期、2015年4月枯水期共采取浅层地下水样215组.基于变异函数模型和Arc GIS地统计模块,分析了浅层地下水中硝酸盐含量时空分布特征,并利用因子分析方法探讨了硝酸盐污染成因.结果表明,无论丰水期还是枯水期,研究区东南部均为硝酸盐主要污染区域,含量达30~120 mg·L~(-1),但枯水期硝酸盐污染面积约为丰水期的1.4倍;硝酸盐空间分布受人类活动和地质条件影响显著,其次为Eh、DO、p H和地形地貌条件.北部浅层地下水硝酸盐含量小于20 mg·L~(-1);中部主要来源于人类活动及农业种植中氮肥的流失,局部污染较严重;南部受隔水边界阻隔作用,表现为硝酸盐累积效应,污染严重.     

绥化市水源地地下水污染特征分析及水质评价

根据2018年绥化市第一水源地13口监测井水质检测结果分析地下水污染特征,并对地下水质进行综合评价.结果表明:绥化市第一水源地取水井主要超标因子为铁、锰、氨氮,第一水源地补给区内其他取水井监测指标中铁、锰、氨氮、溶解性总固体和总硬度超标.硫酸盐、氯化物、溶解性总固体、总硬度、氟化物和磷酸盐浓度高值区均出现在垃圾填埋场,高锰酸盐指数和氨氮的高值区出现在太平岗村屯地下水井,硝酸盐高值区出现在兴发村屯地下水井.地下水污染评价结果显示污染指标主要为溶解性总固体和氨氮,分别为中污染和极重污染,主要集中有B5、B7、B8、B9、E和X1.溶解性总固体、硫酸盐、氯化物和总硬度空间分布呈相似趋势,高值区均出现在E、 X1、 B7、 B8和B9.氨氮高值区出现在X1,这可能与该处为垃圾填埋场有关.高锰酸盐指数高值区出现在E,硝酸盐氮高值区出现在B8,砷浓度的空间分布没有变化.     

长沙市区地价的空间分布特征及其影响因素

利用长沙市2003～2009年上半年的土地交易资料,采用GIS空间分析和计量经济学相结合的方法,得出长沙市区商业、住宅和工业出让地价分布的空间结构图,分析三类用地地价的空间分布特征及其影响因素。结果表明：（1）土地用途不同,其地价的空间分布也不同,商业地价对商服繁华度要求较高,高值区集聚在市中心（以五一广场为中心）;住宅地价对环境质量要求较高,高值区相对商业地价集聚度有所下降;工业地价由于有较高的对外交通条件要求,其空间分布相对比较分散、均匀。（2）作为典型的单一中心城市,长沙各类地价空间变化的影响因素,因土地用途而异,但商服中心影响度对三类地价都存在显著影响。     

利用水生生物指标识别滇池流域入湖河流水质污染因子及其空间分布特征

入湖河流作为连接湖泊流域"源"(陆地)-"汇"(湖体)的廊道,其水生态系统健康状态是对流域上游陆地生态系统土地利用/覆被变化的响应,而其下游水质污染因子则因流域分水线的封闭性,可以表征上游土地利用/覆被变化对入湖河流水生态系统健康的影响.因此,利用水生生物指标识别入湖河流水质污染因子及其空间分布特征,对于整个湖泊流域的...     

厦门市环境空气污染时空特征及其与气象因素相关分析

利用2014年3月—2015年2月厦门市18个监测站点实测数据,运用GIS技术、相关分析以及统计分析等方法,进行空气质量指数(AQI)及其污染因子的时空分析,结合厦门市土地利用分类专题图和主要重工业企业分布图进行厦门市环境空气质量状况污染源的分析.结果表明:厦门市首要污染物为PM10,其天数占全年的48%,PM2.5紧随其后占到36%;厦门市空气质量较好时间段主要集中在夏季,其中7月份是厦门市空气质量最好的月份,而厦门市秋冬两季的空气质量较差;AQI与温度相关系数达-0.813,具有极显著负相关性(p0.01),与气压相关系数达0.835,具有极显著正相关性(p0.01),而与风速和相对湿度气象因素相关性都不显著(p0.05);PM2.5、PM10、SO2、NO2、O3污染因子存在明显的空间分布差异,海沧区和集美区南部的空气污染比厦门其他地方明显更为严重;从土地利用图和主要重工业企业的分布图可以看出,污染最为严重的地区土地利用类型主要是建筑用地,而且这些地区还分布着许多钢铁厂和发电站.     

基于危害性分级的地下水污染源分类识别方法

地下水污染源分类识别是有序开展地下水污染防控工作的前提。以典型地下水污染源为研究对象,建立综合考虑优控污染物、污染源特征的地下水重点污染源识别指标体系,以污染源危害性评价结果作为重点污染源的判别依据。将哈斯(Hasee)图解法与综合评分法相结合,用于地下水优控污染物识别,同时引入修正的内梅罗综合污染指数法,对多组分的地下水优控污染物开展综合评价,并选择3个典型地下水污染源进行分类识别方法实地验证。结果表明:污染源S1、S2和S3的危害性等级分别为Ⅲ、Ⅲ、Ⅱ。在区域地下水污染分类防控与分级管理中,应对危害性等级较高的污染源S1和S2加以重点关注。     

基于GIS的上海市河道及其水污染空间特征分析

在GIS支持下,对上海市的河道及其水质污染的空间格局进行分析,并进一步分析了水质污染面积与景观格局指数之间的关系.结果表明,上海市河道的水面率、河道密度、边界密度、分形数的空间分布特征表现为中心城区低,郊区高的趋势;河道水质污染在空间上呈现中心城区严重污染,近郊区到远郊区水质污染逐步减轻的趋势;而河道水质污染面积与河道景观空间指数之间呈现显著正相关,定量分析表明,河道污染水面积的对数与河道的边界密度之间满足非线性关系.     

杭州市浅层地下水有机污染及其风险初步评价

针对杭州典型城市功能区的代表性浅层地下水样品进行了7种卤代烃、7种苯系物、16种多环芳烃和14种有机氯农药共44种有机污染物的定量分析,研究了浅层地下水中有机污染物的分布特征,并参照检出限和饮用水标准值,采用污染指数法和环境影响度评价方法,对浅层地下水的有机污染及其风险进行了初步评价,同时探讨了其来源。结果表明:杭州市浅层地下水中除四氯化碳外,其他卤代烃包括:1,1二氯乙烯、三氯甲烷、三氯乙烷、三氯乙烯、四氯乙烯和三溴甲烷都有检出;普遍检出多环芳烃是亚二苊氢、蒽、萘、二苊氢、菲、苯并(a)蒽、苯并(b)荧蒽和芘;有机氯农药是p,p'-DDT,其次为α-六六六、γ-六六六、δ-六六六、七氯环氧、p,p'-DDE和p,p'-DDD。杭州市浅层地下水普遍受到了卤代烃、多环芳烃和有机氯农药的轻度污染,七氯环氧和P,P'-DDT甚至达到中度污染水平。农业区、工业区和垃圾场的浅层地下水有机污染,特别是七氯环氧和三氯乙烷,已显示出明显的潜在危害作用,具有一定的健康风险。根据地球化学参数和浅层地下水环境背景推测有机污染物主要来源于化肥农药的施用、各种类型的工矿企业"三废"的排放和垃圾填埋场渗滤液。     

Spatial distribution and pollution assessment of heavy metals in urban soils from southwest China

To identify the concentrations and sources of heavy metals, and to assess soil environmental quality, 63 soil samples were collected in Yibin City, Sichuan Province, China. Mean concentrations of As, Pb, Zn, and Cu were 10.55, 61.23, 138.88 and 56.35 mg/kg, respectively. As concentrations were comparable to background values, while Pb, Zn, and Cu concentrations were higher than their corresponding background values. Industrial areas exhibited the highest concentrations of As, Pb, Zn, and Cu, while the lowest concentrations occurred in parks. Statistical analysis was performed and two cluster groups of metals were identified with Pb, Zn, and Cu in one group and As in the other. Spatial distribution maps indicated that Pb, Zn, and Cu were mainly controlled by anthropogenic activities, whereas As could be mainly accounted for by soil parent materials. Pollution index values of As, Pb, Zn, and Cu varied in the range of 0.24-1.93, 0.66-7.24, 0.42-4.19, and 0.62-5.25, with mean values of 0.86, 1.98, 1.61, and 1.78, respectively. The integrated pollution index (IPI) values of these metals varied from 0.82 to 3.54, with a mean of 1.6 and more than 90% of soil samples were moderately or highly contaminated with heavy metals. The spatial distribution of IPI showed that newer urban areas displayed relatively lower heavy metal contamination in comparison with older urban areas.