地下水污染源强定量评价方法
【技术领域】
[0001] 本发明涉及水环境保护领域，更具体地涉及一种地下水污染源强定量评价方法， 以有效解决资料有限场地的地下水污染源强定量评价任务，为污染场地的调查和修复提供 技术参考。
【背景技术】
[0002] 地表污染物下渗并穿越包气带时，会发生一系列溶解、吸附、解析等物理化学生物 反应，使污染物到达地下含水层时的结构、组分、浓度与下渗之初差别较大。按照国家环境 管理有关规定，地下水污染物浓度值是评判地下水质是否超标、超标程度以及制定防治措 施的关键指标。科学准确地获取场地特征污染物浓度，对于典型场地地下水环境影响评价、 场地修复等工作具有重要指导性意义。
[0003] 目前国内外有关地下水污染模拟预测的报道中，鲜有将土壤、包气带与地下水作 为一个整体开展评价的，大多是针对具有自由水面的地下水开展模拟预测与评价分析，这 在一定程度上忽略了包气带对污染物迀移转化的影响。然而，不同的污染场地具有复杂 的地下水污染源，而污染源是否会影响到地下水质，取决于不同污染物进入包气带后的 迀移转化规律，以及最后进入地下含水层时的污染物浓度值。因此，将土壤、包气带以及 地下水作为一个整体开展源强评价是有必要的。根据国家《环境污染源类别代码》（GB/T 16706-1996)中的定义，环境污染源是指可能造成环境污染的发生源。那么，地下水污染源 就可以表述为可能造成地下水环境污染的发生源，而地下水污染源强就是特征污染物对地 下水质的影响程度。
[0004] 目前国内外针对地下水污染源强评价的研究相对较少，地下水污染评价多是基于 DRASTIC法、迭置指数法等的地下水污染风险评价和脆弱性评价，多没有考虑到污染源和污 染物本身的特性。李玮等利用HYDRUS-1D软件模拟不同污染物在不同的包气带条件下到达 浅层含水层时的浓度值，将HYDRUS-1D的点模拟结果与MapGIS结合应用于大面积、区域性 的污染评价。但HYDRUS-1D模拟参数的设置较为繁琐，对于场地调查资料要求较高、可操 作性一般，对于资料不全面的场地而言则难以实现。
【发明内容】
[0005] 有鉴于此，本发明的目的在于提供一种地下水污染源强定量评价方法。
[0006] 为实现该目的，本发明提供一种地下水污染源强定量评价方法，包括：
[0007] (1)搜集场地资料，利用HYDRUS-1D软件进行折减系数模拟计算；
[0008] (2)利用灰色关联度分析方法进行场地地下水污染源强主控因子筛选，筛选出与 折减系数关联度较高的因子作为自变量，用于多元线性回归方程的建立；
[0009] (3)通过筛选出的地下水污染源强主控因子建立多元线性回归方程，利用折减系 数计算相关数据进行模型检验和误差评估；
[0010] (4)利用建立的多元线性回归方程，有效解决资料有限场地的地下水污染源强定 量评价任务，为污染场地的调查和修复提供技术参考。
[0011] 基于上述技术方案可知，本发明的评价方法能够有效解决资料有限场地的地下水 污染源强定量评价任务，计算出地下水污染物浓度值，评判地下水质是否超标、超标程度， 为污染场地的调查和修复提供技术参考。此外，本发明为了解决场地资料对于模型预测的 约束，提出了一种基于灰色关联度分析的地下水污染源强定量评价方法，基于灰色关联度 分析建立多元线性回归模型，以解决数据资料缺乏场地的地下水污染源强定量评价，该方 法在输入条件上较HYDRUS-1D软件模拟更为简单，在输出上与HYDRUS-1D软件模拟结果近 似。
【附图说明】
[0012] 图1为地下水污染源强定量评价方法示意图。
【具体实施方式】
[0013] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照 附图，对本发明作进一步的详细说明。
[0014] 本发明公开了一种地下水污染源强定量评价方法，包括：首先收集场地资料，通过 HYDRUS-1D模型计算场地折减系数，根据灰色关联度分析结果确定主控因子；然后针对折 减系数建立多元线性回归方程，并进行模型检验和误差估计，利用回归方程新场地折减系 数，最后计算出地下水污染物浓度值，评判地下水质是否超标、超标程度。本发明可以有效 解决资料有限场地的地下水污染源强定量评价任务，为污染场地的调查和修复提供技术参 考。
[0015] 具体地，本发明的地下水污染源强定量评价方法，包括以下步骤：
[0016] (1)场地数据收集和折减系数计算
[0017] 场地数据收集包括HYDRUS-1D软件所需的场地包气带相关参数（土壤类型、土层 厚度、包气带厚度、地形坡度、渗透系数、土壤容重等）和场地污染物相关参数（纵向弥散系 数、自由水中扩散系数、吸附系数等）。HYDRUS-1D模型是由美国农业部、美国盐碱实验室 等机构在SUMATRA、WORM及SffMI等模型的基础上创建发展而来，该软件可以在宏观及微观 尺度上模拟一维水流和溶质等在饱和及非饱和介质中的运移及反应。利用折减系数综合 反映污染源特征和包气带结构对污染物渗滤到地下水的影响，量化包气带防污性能。通过 HYDRUS-1D软件计算出场地地下水污染物浓度值，计算出折减系数：
[0018] R1= C ,/C0
[0019] 式中：C。为特征污染物的初始浓度，mg/L ;C 特征污染物到达含水层时浓度值， mg/L。初始浓度一定的时候，到达含水层的浓度值越大折减系数的值越大，折减的效果不明 显；折减系数越小，折减的效果越明显。当到达含水层的浓度值为〇时表明包气带对污染物 完全折减，折减系数和入水浓度为0。
[0020] (2)灰色关联度分析
[0021] 灰色关联度分析是是一种客观、定性、定量的系统分析方法，目的就是寻求系统中 各因素间的主要关系、找出影响目标值的重要因素，从而掌握事物的主要特征，促进和引导 系统迅速而有效地发展。
[0022] ①参数赋值
[0023] 对每个场地的水文地质参数进行概化，具体的概化思路为：渗透系数采用层状岩 层的等效渗透系数，具体公式为：
[0025] 式中：&为垂直于层面方向的等效渗透系数，M1S各土层厚度，K 1S各土层垂向渗 透系数。
[0026] 土壤容重采用算术平均值；弥散系数和吸附系数通过取经验值的方法，在一个取 值区间进行赋值，对于弥散系数采用取重叠区间的值的方式进行参数概化。
[0027] ②灰色关联度分析
[0028] 设k(k = 1，2,3,......，η)为场地编号序列；X1GO为影响因子X1关于第k个场 地的观测数据，则得到影响因子X1的横向序列为（X1GO |k = 1，2,3,......，n}，（i = 1，2， 3,......，m)，m为影响因子数量。
[0029] (i)求各个序列的初值像和均值像：
[0030] 初值像 t
[0031] 均值像
[0032] 式中 k = 1，2,3,......，n;i = 1，2,3,......，m。
[0033] (ii)求差序列：
[0034] Δ Jk) = |R'（k)_X '"k) I
[0035] Δ { Δ ; (k) I k = 1，2, 3,......，η}，（i = 1，2, 3,......，m) 〇
[0036] (iii)求两级最大差与最小差：
[0038] (iv)求关联系数：
[0040] k = 1，2,3,......，n;i = 1，2,3,......，m;
[0041] 式中：f为分辨系数，其作用在于提高关联系数间差异显著性，1)，一般 取i = 0
[0042] (V)计算关联度：
[0044] 将关联度计算结果和场地数据获取的难易程度两个方面作为地下水污染源强主 控因子筛选的依据。地下水污染源强主控因子，是指对地下水污染源强影响较大的重要因 素，优先选取关联度高的因素作为主控因子，当关联度相近时考虑场地数据获取难易程度。
[0045] (3)多元线性回归方程的建立
[0046] 多元线性回归方程是研究多个自变量与一个因变量之间是否存在某种线性或非 线性关系的一种统计学分析方法，主要目的在于考察这些自变量与因变量之间的数量关 系、解释自变量对因变量的影响。
[0047] 多元线性回归方程建立过程为：
[0048] ①利用灰色关联度分析筛选出与折减系数相关的p个主控因子，建立因变量（折 减系数）与自变量（主控因子X1, i = 1，2,......，P)之间的多元线性回归模型方程。
[0049] ②折减系数Y与p个主控因子X1之间的多元线性回归方程关系式为：
[0050] Y = b〇+b1X1+b2X2+. . . +bpXp
[0051] 式中，b。，bp b2,......，bp分别是一个常量和p个主控因子的待定系数，都是估计 值。由最小二乘法，可以求得多元线性回归方程的系数估计值b。
[0052] (4)模型检验和误差评估
[0053] ①拟合优度检验
[0055] R2越接近1，多元线性回归方程的拟合度越高；
[0056] 其中，ESS、RSS分别为残差平方和回归平方和，两者相加等于TSS。
[0057] ②回归方程显著性的F检验
[0059] 其中，p为主控因子个数，η为样本数量，Fa (p，n-p_l)为显著性α时F表中数值。
[0060] 若F彡Fa (ρ，η-ρ_1)，回归方程显著成立；若F < Fa (ρ，η-ρ_1)，回归方程不显著；
[0061] ③回归系数显著性的t检验
[0063] 其中，β 样本平均数，S(i3 J为总体平均数，
为显著性a /2时 t表中数值。
[0064] 若
表明XJi Y有显著性作用；若
，表 明XJiY无显著性作用；
[0065] ④误差分析
[0066] 计算出折减系数原始样本数据的方差S2,标准差S。经回代计算出结果以及误差， 计算误差方差s e2,后验差比值C = se2/s2,当小误差概率P = P{|Y-Y，I < 0.6745XS}= 1彡0. 95时，模型的误差值小，达到要求。
[0067] (5)将所得线性回归方程应用于新场地，求得折减系数，最后计算出地下水污染物 浓度值，评判地下水质是否超标、超标程度。
[0068] 实施例
[0069] (1)场地数据收集和折减系数计算
[0070] ①数据收集
[0071] 共搜集了 7个行业10个典型场地的相关数据，分