论文部分内容阅读
摘要：为快速、有效识别村镇饮用水水源地污染因子，根据试验数据拟合污染因子在一定初始和边界条件下的衰减函数，应用ArcGIS中的“Modelbuilder”工具构建识别模型，以水源地水质标准为识别临界值，基于村镇饮用水水源地遥感影像数据直接识别污染因子。选择水稻返青期的灌溉排水中的氮污染因子为例，拟合氮浓度随时间衰减的二次多项式识别模型，用不同灌溉模式产生的氮污染因子浓度来检验模型，经验证实测数据与模拟数据没有显著差异，识别模型可以有效反映污染因子的衰减过程，与传统方法的识别结果一致。不同于传统检测化验水样的污染因子识别方法，该方法基于遥感影像数据可直接识别和筛选污染源和污染因子。
关键词：ArcGIS；Modelbuilder；衰减函数；识别模型；快速有效
中图分类号： R123；S127 文献标志码： A 文章编号：1002-1302（2014）03-0312-04
随着我国村镇饮水安全问题日益突出，村镇饮用水源地的保护问题亟待解决，而污染因子识别是水源地保护工作的基础。目前，针对水源污染因子识别方法进行了很多研究，其中陈敏鹏等运用清单法计算了CODCr、总氮（TN）和总磷（TP）的产生量、排放量和排放强度，并分析其空间分布特征[1]；陈仪等运用农村环境污染识别方法，识别各类型农户生产和生活过程的污染源与污染强度[2]；陈海洋等通过贝叶斯推理和二维水质模型建立水体污染识别反演算模型，确定污染源强度、污染源位置以及污染泄漏时间[3]；苏保林等用经过参数率定和模型验证的密云水库流域非点源SWAT模型系统，识别了非点源污染的时空变化和负荷关键区[4]。这些研究依赖于大量的现场检测数据，需要确定的参数较多，试验周期长，且未对污染因子进入水源前的自然衰减过程予以考虑。 为缩短识别周期和减少对监测数据的依赖，本研究以遥感遥测的影像和数据为基础资料[5-6]，运用ArcGIS中的模型构建器“Modelbuilder”[7-11]，模拟在地表环境下污染因子随时间的衰减过程，对污染因子进入饮用水源时的浓度进行识别，为相关保护区的控制和治理工作提供技术支持。
1 识别对象与依据
1.1 识别对象
村镇饮用水源地污染因子识别的对象是经过衰减后在到达水源边界前的污染因子浓度。污染因子经过沟渠、水塘和前置库等滞水区，需经过一段时间的衰减后再进入饮用水源[12-14]，因此，将衰减后的污染因子浓度作为村镇饮用水源地污染因子识别的对象，将更加有效地反映污染因子对水源的污染程度。
1.2 识别依据
村镇饮用水源地污染因子识别依据即相关的评价依据，目前我国主要参照GB 3838—2002《地表水环境质量标准》[15]以及GB 5749—2006《生活饮用水卫生标准》[16]，包括微生物指标、毒理指标、感官性状和一般性化学物质、放射性指标等。
2 识别方法与步骤
2.1 识别方法
利用ArcGIS将污染因子识别地区的遥感影像加载到软件中，数字化村镇饮用水源地及周边污染源所在地的地理空间要素[12]，并将收集到的污染源的微生物指标、毒理指标、感官性状和一般化学物质等属性数据资料导入其中，与对应的空间数据进行关联，建立村镇饮用水源地数据库。
根据村镇饮用水源地数据库中的基础信息判断污染因子在地表流经的不同初始和边界条件，选择与之对应的污染因子浓度的衰减曲线，调用数据库中的原始数据，运用ArcGIS自带的ArcToolBox和Modelbuilder功能，将衰减曲线放入“Modelbuilder”中，经过一系列地理工具处理和计算，最终得到衰减后的污染因子浓度图层[17-18]，并与识别依据中的相关指标进行比较，从而识别哪些污染因子超标。
2.2 识别步骤
2.2.1 拟合衰减函数 为反映污染因子的浓度在到达水源边界前的衰减情况，在村镇饮用水源地毗邻区水田，试验共设计3个地块，除灌溉方式不同外（试验地块1为淹水灌溉，试验地块2为间歇灌溉，试验地块3为间歇+浅蓄雨水灌溉），施肥量等其他影响作物生长的因素保持一致。每个小区规格为3 m×2 m，水稻品种为赣晚籼37号，行株距26.7 cm×233 cm，施肥水平为：纯氮135 kg/hm2，施肥方式为：基肥。采样时期为：返青期，采样频次为施肥后的连续9 d内都进行取样，采样地点为每个试验地块对应的排水水塘。由试验观察发现返青期内每次施肥后氮浓度都在2 d后达到峰值，因此从此时开始记录氮污染因子的浓度，试验数据如表1所示。
对试验地块1和试验地块2灌溉后的氮污染因子浓度变化数据进行拟合，拟合系数取平均值，得到污染因子浓度随时间推移的衰减曲线，并获得衰减曲线的拟合函数（图1）。
3.2 数据分析
将模拟值与实测的数据进行比较，结果如表4所示。
经过配对样本t检验分析可以看出实测数据与模拟数据的P值大于0.05，且t值大于零，说明2组数据间的差异性很小，认为模拟数据能够代表实测数据。
4 结论与讨论
通过试验模拟与实例验证，比较由模拟模型计算得到的污染因子衰减浓度与实测的衰减浓度，结果表明两者对于识别标准的识别结果是一致的。研究表明：（1）本识别方法基于遥感遥测影像和数据，与传统的取水样化验分析相比较，具有效率高、成本低、识别区域广等特点。（2）将影响污染因子浓度衰减的因素通过衰减函数反映，识别区域的物理、化学、生物特征要与衰减模型的构建条件一致。（3）污染因子浓度初始条件要进行调整，使其满足衰减函数常数项的要求。
在今后的应用中，应逐步完善在不同边界条件下（包括不同地形、不同植物生态环境和不同工程治理措施）污染物衰减曲线的拟合及衰减模型的构建，为村镇饮用水水源地的保护提供快捷有效的污染因子识别技术。
参考文献：
[1]陈敏鹏，陈吉宁，赖斯芸. 中国农业和农村污染的清单分析与空间特征识别[J]. 中国环境科学，2006，26（6）：751-755.
[2]陈 仪，夏立江，于晓勇. 农村环境污染识别方法与应用研究[J]. 农业环境科学学报，2010，29（11）：2221-2227.
[3]陈海洋，滕彦国，王金生，等. 基于Bayesian-MCMC方法的水体污染识别反问题[J]. 湖南大学学报：自然科学版，2012，39（6）：74-78.
关键词：ArcGIS；Modelbuilder；衰减函数；识别模型；快速有效
中图分类号： R123；S127 文献标志码： A 文章编号：1002-1302（2014）03-0312-04
随着我国村镇饮水安全问题日益突出，村镇饮用水源地的保护问题亟待解决，而污染因子识别是水源地保护工作的基础。目前，针对水源污染因子识别方法进行了很多研究，其中陈敏鹏等运用清单法计算了CODCr、总氮（TN）和总磷（TP）的产生量、排放量和排放强度，并分析其空间分布特征[1]；陈仪等运用农村环境污染识别方法，识别各类型农户生产和生活过程的污染源与污染强度[2]；陈海洋等通过贝叶斯推理和二维水质模型建立水体污染识别反演算模型，确定污染源强度、污染源位置以及污染泄漏时间[3]；苏保林等用经过参数率定和模型验证的密云水库流域非点源SWAT模型系统，识别了非点源污染的时空变化和负荷关键区[4]。这些研究依赖于大量的现场检测数据，需要确定的参数较多，试验周期长，且未对污染因子进入水源前的自然衰减过程予以考虑。 为缩短识别周期和减少对监测数据的依赖，本研究以遥感遥测的影像和数据为基础资料[5-6]，运用ArcGIS中的模型构建器“Modelbuilder”[7-11]，模拟在地表环境下污染因子随时间的衰减过程，对污染因子进入饮用水源时的浓度进行识别，为相关保护区的控制和治理工作提供技术支持。
1 识别对象与依据
1.1 识别对象
村镇饮用水源地污染因子识别的对象是经过衰减后在到达水源边界前的污染因子浓度。污染因子经过沟渠、水塘和前置库等滞水区，需经过一段时间的衰减后再进入饮用水源[12-14]，因此，将衰减后的污染因子浓度作为村镇饮用水源地污染因子识别的对象，将更加有效地反映污染因子对水源的污染程度。
1.2 识别依据
村镇饮用水源地污染因子识别依据即相关的评价依据，目前我国主要参照GB 3838—2002《地表水环境质量标准》[15]以及GB 5749—2006《生活饮用水卫生标准》[16]，包括微生物指标、毒理指标、感官性状和一般性化学物质、放射性指标等。
2 识别方法与步骤
2.1 识别方法
利用ArcGIS将污染因子识别地区的遥感影像加载到软件中，数字化村镇饮用水源地及周边污染源所在地的地理空间要素[12]，并将收集到的污染源的微生物指标、毒理指标、感官性状和一般化学物质等属性数据资料导入其中，与对应的空间数据进行关联，建立村镇饮用水源地数据库。
根据村镇饮用水源地数据库中的基础信息判断污染因子在地表流经的不同初始和边界条件，选择与之对应的污染因子浓度的衰减曲线，调用数据库中的原始数据，运用ArcGIS自带的ArcToolBox和Modelbuilder功能，将衰减曲线放入“Modelbuilder”中，经过一系列地理工具处理和计算，最终得到衰减后的污染因子浓度图层[17-18]，并与识别依据中的相关指标进行比较，从而识别哪些污染因子超标。
2.2 识别步骤
2.2.1 拟合衰减函数 为反映污染因子的浓度在到达水源边界前的衰减情况，在村镇饮用水源地毗邻区水田，试验共设计3个地块，除灌溉方式不同外（试验地块1为淹水灌溉，试验地块2为间歇灌溉，试验地块3为间歇+浅蓄雨水灌溉），施肥量等其他影响作物生长的因素保持一致。每个小区规格为3 m×2 m，水稻品种为赣晚籼37号，行株距26.7 cm×233 cm，施肥水平为：纯氮135 kg/hm2，施肥方式为：基肥。采样时期为：返青期，采样频次为施肥后的连续9 d内都进行取样，采样地点为每个试验地块对应的排水水塘。由试验观察发现返青期内每次施肥后氮浓度都在2 d后达到峰值，因此从此时开始记录氮污染因子的浓度，试验数据如表1所示。
对试验地块1和试验地块2灌溉后的氮污染因子浓度变化数据进行拟合，拟合系数取平均值，得到污染因子浓度随时间推移的衰减曲线，并获得衰减曲线的拟合函数（图1）。
3.2 数据分析
将模拟值与实测的数据进行比较，结果如表4所示。
经过配对样本t检验分析可以看出实测数据与模拟数据的P值大于0.05，且t值大于零，说明2组数据间的差异性很小，认为模拟数据能够代表实测数据。
4 结论与讨论
通过试验模拟与实例验证，比较由模拟模型计算得到的污染因子衰减浓度与实测的衰减浓度，结果表明两者对于识别标准的识别结果是一致的。研究表明：（1）本识别方法基于遥感遥测影像和数据，与传统的取水样化验分析相比较，具有效率高、成本低、识别区域广等特点。（2）将影响污染因子浓度衰减的因素通过衰减函数反映，识别区域的物理、化学、生物特征要与衰减模型的构建条件一致。（3）污染因子浓度初始条件要进行调整，使其满足衰减函数常数项的要求。
在今后的应用中，应逐步完善在不同边界条件下（包括不同地形、不同植物生态环境和不同工程治理措施）污染物衰减曲线的拟合及衰减模型的构建，为村镇饮用水水源地的保护提供快捷有效的污染因子识别技术。
参考文献：
[1]陈敏鹏，陈吉宁，赖斯芸. 中国农业和农村污染的清单分析与空间特征识别[J]. 中国环境科学，2006，26（6）：751-755.
[2]陈 仪，夏立江，于晓勇. 农村环境污染识别方法与应用研究[J]. 农业环境科学学报，2010，29（11）：2221-2227.
[3]陈海洋，滕彦国，王金生，等. 基于Bayesian-MCMC方法的水体污染识别反问题[J]. 湖南大学学报：自然科学版，2012，39（6）：74-78.