奚旭
, 张新长
Xi Xu, Zhang Xinchang
中图分类号: TV211.1+2
文献标识码: A
文章编号: 1000-0690(2017)09-1439-10
收稿日期: 2016-09-1
修回日期: 2017-06-7
网络出版日期: 2017-11-20
版权声明: 2017 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：奚旭（1990-）,江苏溧阳人,博士研究生,主要从事水资源评价与GIS应用研究。E-mail：xixu2013@163.com
展开
摘要
建立地下水脆弱性评价的DRASTICH模型,辨析各个参数的不确定性特征,采用随机模拟方法同时对随机性参数和模糊性参数模拟赋值。分别对模糊性参数和脆弱性指数统计值设立具有概率分布意义的置信水平和百分位,得到多重地下水脆弱性的指数区间,在此基础上,分别绘制地下水脆弱性的保守分布图和冒险分布图,并对研究区地下水脆弱性分布状况进行分析。结果表明：① 以模糊区间形式表示的地下水脆弱性评价结果,能反映多种不确定因素综合影响下的地下水脆弱性客观实际情况,可提供更多可靠性方面的信息;② 以软区划方式制作地下水脆弱性分布图,保留了不确定性客观存在的事实,可给予决策者更多参考信息和调整余地;③ 地下水脆弱性软区划分布图显示：保守分布的脆弱性程度总体要高于冒险分布,置信水平选择越高,冒险分布与保守分布的空间分布差异越接近,且与最大可能性分布情况越接近;④ 研究区地下水脆弱性分布具有明显的空间集聚现象,地下水高脆弱性区域主要集聚在下辽河平原中部和南部地区,低脆弱性区域一般分布在下辽河平原东、西两侧地区。
关键词：
Abstract
Based on the DRASTICH model of groundwater vulnerability assessment, the uncertainty characteristics of each parameter were analyzed, and the stochastic simulation method was used to simulate both random parameters and fuzzy parameters. By setting the confidence level of the fuzzy parameters and the percentile of the vulnerability index, we obtain the confidence interval of the multiple groundwater vulnerability. On this basis, the soft zoning distribution of the groundwater vulnerability was plotted according to the expectation vulnerability index of upper limit fuzzy interval and the lower limit fuzzy interval. The results showed that: 1) The evaluation results of groundwater vulnerability in the form of the confidence interval can reflect the objective reality of the groundwater vulnerability under the influence of various uncertain factors, and provide more reliability than the conventional method; 2) The soft zoning distribution of groundwater vulnerability map, which preserves the fact that uncertainty is objective, can give decision maker more reference information; 3) The soft zoning distribution of groundwater vulnerability showed: the degree of vulnerability of the conservative distribution of the overall higher than the risk distribution, the higher the confidence level selection, adventure distribution and conservative distribution of the spatial distribution of the difference, and with the maximum possible; 4) The distribution of groundwater vulnerability in the study area was spatial agglomeration, high groundwater vulnerability areas were generally concentrated in the middle and the southern region of the lower Liaohe River Plain, low groundwater vulnerability areas were generally distributed in both east and west sides of the lower Liaohe River Plain.
Keywords：
受城市化、工业、农业、矿业等活动的影响,世界各国各地区普遍面临不同程度的地下水环境污染与破坏问题,从而对生态环境以及人们的生产生活造成巨大损失。地下水脆弱性研究作为地下水污染防治的基础工作由此展开,成为近年来水文地质领域的热点研究方向。
自1968年Margat首次提出地下水脆弱性这个概念以来,其概念与研究方法不断得到丰富与发展[1,2],通过对地下水脆弱性的计算分析,可识别出研究区地下水易污染的高风险区,为人们提供地下水污染治理或土地规划利用的决策依据[3]。地下水系统是个非常复杂的综合体,存在诸多不确定性因素,如何在不确定性因素影响下尽可能精确地获取地下水脆弱性评价结果一直是研究重点。在国外,诸多学者利用实测氮元素资料对DRASTIC模型的计算结果进行了校正,确保结果的合理性[4~6];根据各参数深度建立地下水脆弱性的三维分布图[7],多模型运用分析人为因素和自然因素[8]的影响使结果更接近实际情况等。中国学者在国外研究基础上,分析了DRASTIC模型的不足之处,从理论上丰富并改进了评价方法[9~11],如模糊集与信息熵理论的引入,弥补了DRASTIC指标权重确定的理论依据不足[12,13];敏感性分析的运用遴选了主要影响因子[14];空间分异规律的分析则探讨了形成机理[15]。
由以上成果可知,目前大多数研究侧重提高评价精度和方法科学性。然而不确定性因素是客观存在的,地下水系统内部结构的不均一性以及外部影响因素的复杂性决定了地下水脆弱性分布的不稳定性[16],因此,传统方法下取参数均值得到区域地下水脆弱性的唯一值及唯一硬性区划是具有局限性的。鉴于此,本次研究运用软计算[17]思想对下辽河平原进行地下水脆弱性研究。在流域分区基础上,通过建立DRASTICH模型对各分区进行地下水脆弱性评价,评价过程中通过蒙特卡洛法随机模拟各类不确定性参数值,设定具有概率分布意义的模糊参数置信水平和区域污染潜势的脆弱性指数的百分位,得到不同置信水平、不同百分位下的脆弱性指数区间。在此基础上绘制地下水脆弱性的冒险分布图和保守分布图,并对研究区地下水脆弱性的空间分布状况进行分析。研究成果可提供更多不确定性信息与可靠性信息,能为决策者在制定管理方案时提供调节余地,提高决策的科学性与有效性。
下辽河平原是辽宁省最重要的工农业生产基地和经济发展中心,同时也是东北地区最缺水、水资源供需矛盾最具有代表性和典型性的地区[18],目前地下水资源在该区的总供水量中一直占65%左右,过度开发与污染排放造成了大量的环境水文地质问题[19],亟需制定切实可行的地下水管理与保护方案。对该区进行地下水脆弱性评价及区划研究可为土地利用规划、地下水污染防治以及地下水源保护区建立等提供决策依据。
下辽河平原位于辽宁省的中南部,辽北平原丘陵之间,倾向辽东湾。其地理位置为120°42′~124°45′E, 40°43′~43°27′N之间,南北长约240 km,东西宽120~140 km,总面积约2.65×104 km2。下辽河平原东部为长期缓慢上升的辽东低山丘陵区,西临间隙性掀斜上升隆起区——辽西低山丘陵区,北接康法低山丘区,南濒渤海湾,总平原地势低平,由北至南缓倾,平均海拔低于50 m,辽河、浑河、太子河、大凌河、小凌河、绕阳河汇集本区注入渤海,是区域地表水和地下水的汇集中心。平原内行政区包括阜新市、铁岭市、沈阳市等9市22县,是东北老工业基地城市的集中区,工农业发达,人类活动强烈。
流域分区是在考虑河流径流情势、水资源分布特点、自然地理条件的相似性和流域的完整性基础上对研究区进行细分,以流域为单元进行综合管理是实现资源开发与环境保护相协调的最佳途径[20],所以以子流域为评价单元的地下水脆弱性研究具有重要实践意义。
基于ArcGIS的水文分析模块,用试误法筛选适当门槛值对DEM数据提取水系。在平原地区内,河流流动的随机性比较大,人工挖掘的河流渠道改变了河流的自然分布状态,因此由DEM所提取的流域自然水系与实际河网存在偏差。通过采用主干河道和平原水系约束法,建立流域河网及拓扑关系,利用ArcMap中水文分析模块进行小流域自动划分,初步划分形成1 024个小流域。由于部分小流域面积过小,在数据较少的情况下无法获取水文地质参数的变化特征,且过多小流域会增加信息的冗余度,因此在基于同一流域的基础上对小流域进行合并调整,最后形成68个子流域作为基本研究单元（图1）。
选取下辽河平原所跨市、县（区）、流域以及水文地质单元的相关指标数据进行计算分析。水文地质参数数据主要来自《辽宁省水资源》[21]、《辽宁省国土资源地图集》[22]、DEM数据以及监测点实测资料等。
土地利用类型数据以2010年9月25日的Landsat TM影像为基础数据,根据国家级土地利用的一级分类标准,将研究区的景观划分为耕地、林地、草地、水域、建设用地和未利用地6种类型。利用ENVI软件,选择TM 4,3,2波段进行假彩色合成,对遥感影像进行几何纠正和图像增强,根据野外考察及相关资料,利用最大似然法进行监督分类,最后根据研究区的土地利用现状图对分类后影像进行修正,得到2010年下辽河平原的土地利用分布图（图2）。
影响地下水脆弱性的因素包括自然因素和人为因素,本次研究在DRASTIC模型基础上加入人为影响因子（H）形成DRASTICH模型。DRASTIC模型[23]是国际上应用最广泛的地下水脆弱性计算模型,该模型由7项水文地质参数组成：地下水位埋深(D)、净补给量(R)、含水层介质类型(A)、土壤介质类型(S)、地形坡度(T)、渗流区介质类型(I)以及含水层水力传导系数(C)。参数的数值大小由3部分组成：权重、范围和评分,每项参数对地下水脆弱性的影响程度不同被赋予固定权重值,分别为5、4、3、2、1、5、3;根据参数对地下水防污性能的作用大小可以分为不同的范围并赋予相对脆弱性评分值(表1,表2)。考虑到研究区为地势平坦的平原地区,水文地质条件较为稳定,人类活动复杂且集中,在资料不全的情况下可用土地利用/覆盖的遥感影像来反映人类活动情况[24],足以突出人类活动的影响程度。由于人类活动对地下水环境影响比较大,且不同的活动方式和活动强度影响力各不相同,参照DRASTIC模型的评分标准以及文献[24],对该指标赋予相对权重值3,并对不同类型的土地利用赋予脆弱性评分值(表2)。各项参数脆弱性评分值加权叠加得到地下水脆弱性综合指数（Vulnerability Index,VI）：
式中: w表示权重,r表示评分。
表1 地下水位埋深、净补给量、地形坡度、含水层水力传导系数分级与评分
Table 1 Ranks and rating for aquifer buried depth, topographic slope, hydraulic conductivity of aquifer
| 地下水位埋深 | 净补给量 | 地形坡度 | 含水层水力传导系数 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 分级（m） | 评分 | 分级（mm） | 评分 | 分级（%） | 评分 | 分级 (m/d) | 评分 | |||
| 0~1.5 | 10 | 0~51 | 1 | <0.5 | 10 | 0~4.1 | 1 | |||
| 1.5~4.6 | 9 | 51~102 | 3 | 0.5~1 | 9 | 4.1~12.2 | 2 | |||
| 4.6~9.1 | 7 | 102~178 | 6 | 1~1.5 | 5 | 12.2~28.5 | 4 | |||
| 9.1~15.2 | 5 | 178~254 | 8 | 1.5~2 | 3 | 28.5~40.7 | 6 | |||
| 15.2~22.9 | 3 | >254 | 9 | >2 | 1 | 40.7~81.5 | 8 | |||
| 22.9~30.5 | 2 | >81.5 | 10 | |||||||
| >30.5 | 1 | |||||||||
表2 含水层介质类型、土壤介质类型、渗流区介质类型、土地利用方式的分级与评分
Table 2 Ranks and rating for aquifer media, soil media, impact of the vadose zone media and land use type
| 含水层介质类型 | 土壤介质类型 | 渗流区介质类型 | 人为影响因子 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 分类 | 评分 | 分类 | 评分 | 分类 | 评分 | 分类 | 评分 | |||
| 块状页岩 | 2 | 非胀缩或非凝聚性粘土 | 1 | 承压层 | 1 | 未利用地 | 1 | |||
| 变质岩/火成岩 | 3 | 垃圾 | 2 | 粉砂/粘土 | 3 | 林地 | 3 | |||
| 风华变质岩/火成岩 | 4 | 粘土质亚粘土 | 3 | 变质岩/火成岩 | 4 | 草地 | 5 | |||
| 冰碛物 | 5 | 粉砂质亚粘土 | 4 | 灰岩 | 6 | 水域 | 6 | |||
| 层状砂岩、灰岩及页岩 | 6 | 亚粘土 | 5 | 砂岩 | 6 | 建筑 | 8 | |||
| 块状砂岩 | 6 | 砂质亚粘土 | 6 | 层状灰岩、页岩、砂岩 | 6 | 耕地 | 10 | |||
| 块状灰岩 | 6 | 胀缩或凝聚性粘土 | 7 | 含较多粉砂和粘土的砂砾 | 6 | |||||
| 砂砾石 | 8 | 泥炭 | 8 | 砂砾 | 8 | |||||
| 玄武岩 | 9 | 砂 | 9 | 玄武岩 | 9 | |||||
| 岩溶灰岩 | 10 | 薄层或裸露土壤、砾 | 10 | 岩溶灰岩 | 10 | |||||
蒙特卡罗法又称随机模拟方法,它是以概率和统计理论方法为基础,利用计算机模拟程序快速产生随机数（或更常见的伪随机数）,来解决一些很难用数学运算或其他方法求解的计算问题,具有独特的优越性和适用性[25]。
本次研究将蒙特卡罗法与地下水脆弱性评价相结合,求解不确定条件下的地下水脆弱性指数,主要包括以下几个步骤：① 分析各个参数的不确定性特征并依次确定所服从的概率分布的函数形式;② 通过参数样本数据的统计特征,利用计算机模拟程序进行足够多次的仿真实验,将每次随机模拟产生的伪随机数代入公式1,可得到多组地下水脆弱性指数值;③ 每个研究单元均可得到足够多个的地下水脆弱性指数值,从而得到不确定性问题的某种规律,用于下一步分析。蒙特卡罗法的关键步骤在于伪随机数的产生,常见的一维分布模型有正态分布、对数正态分布、指数分布、均匀分布等。
在地下水脆弱性评价过程中存在诸多不确定性因素,如各参数的空间异质性、资料不足或数据短缺、评价模型与自然状况间的偏差、人们认知的局限等[16,26],在众多不确定因素影响下,评价结果容易与客观实际相脱节。本次研究在收集储备较多数据基础上,主要对两方面的不确定性问题进行处理：① 参数的不确定性。主要体现在空间分布的随机性或模糊性;② 评价结果的不确定性。由参数的不确定性可知评价结果的模糊性,也可理解为人们认知的局限性。针对以上问题,在分析参数的不确定性类型的基础上,结合样本数据,用概率密度函数或三角模糊数表征其分布特征,并用蒙特卡罗法结合DRASTICH模型同时对所有参数进行足够多次随机模拟。通过设定α截集,得到不同置信水平下模糊性参数的分布区间,模拟统计后得到不同置信水平下的地下水脆弱性指数的累积分布曲线,并根据污染潜势不同,设定脆弱性指数百分位,可得到不同置信水平、不同百分位下地下水脆弱性指数区间。
1） 随机性参数。水文地质参数D、T、C数据大多通过有限的勘探获得,这些参数的真实性和代表性受勘探点在空间分布上的限制[26],不同时间、地点的数据很可能不同,具有明显离散随机性,因此将这些参数视为具有某种统计性质的随机变量。研究表明,一个变量如果受到大量微小、独立的随机因素影响,则这个变量一般服从正态分布[27],地下水埋深的大小受水文地质条件、土壤条件、开采强度等诸多因素影响,各勘探点具有明显独立性,因此将D视为正态分布;由于研究区为平原地区,山地面积很少,因此地形坡度的变化较小,将T视为均匀分布;含水层水力传导系数则引用此前多位学者的研究结果,一般呈现为对数正态分布[28,29]。根据样本数据,表3中列出各随机性参数的分布特征（限于篇幅,选取一个代表性子流域单元为例,其他分区类似）。
2） 模糊性参数。在同一流域分区内,介质类指标（A、S、I）具有相似的形成背景,同时具有空间异质性。受水文地质形成过程中的连续作用,它们在空间分布上具有连续性和渐变性,因此认为这3个指标的模糊性特征大于随机性,视为模糊性参数。从图3中可以看出,不同的土地利用方式较为集中,连续分布较随机性更明显,因此同样将土地利用方式视为模糊性指标。通过已获取的介质类型与土地利用方式,可根据表2中的分级评分标准将各个分区内A、S、I、H的分布特征进行定量化（模糊化）处理,每个分区可得到A、S、I、H的脆弱性评分最小值、最可能值和最大值（表3）。
表3 参数的不确定性表征
Table 3 Uncertain characterization of parameters
| 指标 | 不确定类型/分布特征 | 所选分区编号及区内参数不确定性分布特征值 | ||||||
|---|---|---|---|---|---|---|---|---|
| 5 | 11 | 19 | 39 | 47 | 58 | |||
| D（m） | 随机性/ 正态分布 | a | 4.55 | 5 | 7.22 | 6.97 | 3.17 | 3.60 |
| s | 1.62 | 1.15 | 5.55 | 2.58 | 1.70 | 2.99 | ||
| R（mm） | 确定值 | a | 138 | 150 | 355 | 80 | 420 | 285 |
| A | 模糊性/ 三角分布 | a1 | 7 | 7 | 6 | 7 | 5 | 7 |
| a2 | 8 | 8 | 8 | 8 | 6 | 8 | ||
| a3 | 9 | 9 | 9 | 9 | 7 | 9 | ||
| S | 模糊性/ 三角分布 | a1 | 3 | 3 | 3 | 3 | 4 | 3 |
| a2 | 5 | 5 | 5 | 5 | 5 | 5 | ||
| a3 | 10 | 10 | 9 | 10 | 10 | 10 | ||
| T（%） | 随机性/ 均匀分布 | a | 0.47 | 0.53 | 1.42 | 1.48 | 0.50 | 0.98 |
| s | 0.26 | 0.40 | 1.57 | 1.30 | 0.24 | 1.09 | ||
| I | 模糊性/ 三角分布 | a1 | 1 | 1 | 1 | 1 | 1 | 1 |
| a2 | 3 | 1 | 1 | 3 | 5 | 3 | ||
| a3 | 10 | 8 | 10 | 10 | 10 | 10 | ||
| C (m/d) | 随机性/对 数正态分布 | a | 2.19 | 3.41 | 3.89 | 3.74 | 3.12 | 4.79 |
| s | 0.27 | 0.12 | 0.49 | 0.71 | 1.64 | 0.81 | ||
| H | 模糊性/ 三角分布 | a1 | 1 | 1 | 1 | 1 | 1 | 1 |
| a2 | 10 | 3 | 8 | 10 | 10 | 3 | ||
| a3 | 10 | 10 | 10 | 10 | 10 | 10 | ||
3） 确定性参数。净补给量数据一般为区域内年均入渗量,很少考虑补给分布、强度与持续时间,点数据极少,且较其他参数难以获得,因此将净补给量定为确定性参数。本次研究将已获取的水文地质分区内的净补给量数据作为属性值导入各个流域分区内,根据表1中的分级与评分标准,可得到各个子分区净补给量的地下水脆弱性评分值。
根据表3,将各子流域分区的不确定性特征值输入蒙特卡罗模拟程序,设定10 000次随机模拟,每个分区均可得到10 000个地下水脆弱性指数值,公式如下：
式中,i=1,2,···,10 000。三角模糊数在一定区间内分布,根据概率分布的可能性,通过取不同水平的α截集,即置信水平,可得不同可能性情况下地下水脆弱性指数的累积分布曲线。在每个α截集下,三角模糊数具有下限值和上限值,可得到地下水脆弱性指数的在这一α截集下的下限分布值
模糊性参数通过取不同置信水平,得到不同取值区间,在公式2基础上,连同随机性参数以及确定性参数一起随机模拟赋值,生成不同置信水平下地下水脆弱性指数的积累分布曲线（图3,限于篇幅,文中仅以编号为1的子流域单元为例,其他分区类似）。
由图3可以看出,地下水脆弱性指数呈三角模糊分布。类似模糊性参数根据信任度取不同置信水平,决策者可根据研究区土地利用方式或污染潜势不同,在累积分布曲线上取不同百分位,得到不同百分位下地下水脆弱性指数的区间值。因此,本次的不确定性条件下的地下水脆弱性评价具有两次分层,评价结果为不同置信水平、不同百分位下地下水脆弱性指数的三角模糊分布（图4）,决策者可根据实际情况选择置信水平,表4中以50%和95%的百分位为例,统计出代表性分区在不同置信水平与不同百分位下地下水脆弱性的指数区间。
图3 地下水脆弱性指数累积分布曲线
Fig.3 Cumulative distribution curve of groundwater vulnerability index
图4 不同置信水平（a）、不同百分位（b）下地下水脆弱性指数的三角模糊分布
Fig.4 Triangular fuzzy distribution of groundwater vulnerability index under different possibility level (a) and different percentage (b)
表4 各研究分区不同置信水平、不同百分位下地下水脆弱性指数区间
Table 4 Groundwater vulnerability index interval of every research area under different possibility level and different percentage
| 置信水平 | 百分位（%） | 5 | 11 | 19 | 39 | 47 | 58 |
|---|---|---|---|---|---|---|---|
| α=0.5 | 50 | （139,185） | （132,173） | （139,185） | （133,179） | （162,179） | （153,199） |
| 95 | （149,195） | （140,181） | （156,202） | （147,193） | （178,223） | （163,209） | |
| α=0.7 | 50 | （148,176） | （135,160） | （145,173） | （145,173） | （171,199） | （158,185） |
| 95 | （158,186） | （142,167） | （162,190） | （162,190） | （188,215） | （168,196） | |
| α=1 | 50 | 162 | 139 | 154 | 155 | 188 | 165 |
| 95 | 171 | 146 | 172 | 169 | 204 | 175 |
结合图4和表4可以得出：对模糊性参数信任度越小,即α取值越小,则模糊性参数区间范围越大,不确定性程度越高,脆弱性指数的隶属区间越宽,α取值越大,脆弱性指数的变化范围逐渐变小;研究区的污染潜势越大,则百分位取值应该越大,脆弱性指数大小随之增大。这种分层方法可在研究区的不确定性与实际污染潜势基础上,根据主观判断得到计算结果,能反应不确定性、信任度与脆弱性程度等多方面的信息,因此取得的结果更合理,更符合客观实际,具有实际应用意义。
软区划是以带有层结构的形式表述地下水脆弱性分布的区划方式,相对分布唯一性的硬区划方式,软区划提供了更多分布的可能性。由上述步骤可知,各子流域分区的地下水脆弱性指数均为区间数,通过α截集技术与百分位计算使评价结果具有层次性[30,31]。为直观表示不同可能性情况下的地下水脆弱性的分布,根据不同置信水平计算得到的脆弱性指数下限区间和上限区间,绘制地下水脆弱性分布软区划图（图5）。
从图5中保守分布图由上限区间的模糊期望值可看出,冒险分布根据下限区间的模糊期望值得到,在α=1时,可得到地下水脆弱性的最大可能性分布。地下水脆弱性保守分布图的脆弱性程度总体上要高于冒险分布图,保守分布图的区域差异较冒险分布图要明显;0.5水平上的保守分布图的脆弱性程度总体上要高于0.7水平上的保守分布图,而0.5水平上的冒险分布图的脆弱性程度总体上要低于0.7水平上的冒险分布图。
图中区划结果显示,下辽河平原地下水脆弱性的总体分布特点是：在0.5水平上,保守分布图显示下辽河平原中部以及南部滨海地区的脆弱性程度较高,脆弱性指数在195以上;东、西部山前倾斜平原地区的脆弱性程度较低,脆弱性指数一般为[120,145）,部分区域达到[170,195）。冒险分布图显示下辽河平原的东、西部两侧以及北部地区的脆弱性程度要低于其他区域,脆弱性指数一般在[120,145）之内;在0.7水平上,保守分布图与冒险分布图的区域差异比较接近,保守分布图中,下辽河平原的中部部分地区以及西南部部分地区地下水脆弱性程度达到195以上,相较0.5水平的保守分布图,地下水脆弱性指数大于195以及在[170,195）内的区域减少,脆弱性指数在[145,170）内的相对脆弱性程度较低的区域增多;冒险分布图显示下辽河平原的东、西部两侧以及北部地区以较低脆弱性为主,脆弱性指数区间一般为[120,145）,中部以及南部以较高脆弱性为主,脆弱性指数区间一般为[145,170）。
图5 下辽河平原地下水脆弱性软区划分布
Fig.5 Soft zoning of groundwater vulnerability distribution in the lower reach of the Liaohe River Plain
利用地下水脆弱性大小与地下水中氮元素浓度成正比关系这一原理,对本次地下水脆弱性的评价结果进行检验分析。最大可能性分布的空间分异相较其他情况下的分布要明显,因此以最大可能性分布图为底图,标出研究区中31个监测井的地理位置（图6）,根据监测井2010年的实测氮元素（氨氮、硝酸盐氮与亚硝酸盐氮浓度之和）浓度资料,与对应点的地下水脆弱性指数进行线性分析（图7）。
图6 监测点氮元素浓度与地下水脆弱性分布
Fig.6 Nitrogen concentration and groundwater vulnerability distribution in monitoring sites
图7 氮元素浓度对应脆弱性评分散点图
Fig.7 The scatter plot of nitrogen concentration and groundwater vulnerability
可以看出,氮元素浓度较高的点一般分布在地下水脆弱性指数较高的地区,浓度较低的点一般分布在地下水脆弱性指数较低的地区（图6）,可见本次地下水脆弱性评价结果与监测井的实测氮元素浓度数据具有线性关系。将两组数据通过SPSS线性相关性与显著性检验,得到图7中拟合趋势线的R2为0.75,在0.01水平上显著性相关,两者之间具有较强线性关系。综上可得,本次研究提出的计算方法具有较高的科学性。
1） DRASTICH模型相较传统DRASTIC模型考虑的因素更全面,综合自然与人为影响因子的评价结果更具参考价值,通过氮元素浓度进行合理性检验,得到较好的线性拟合性,表明研究方法和评价结果具有一定科学性。
2） 不确定性评价过程中,α的取值取决于使用者的信任程度。不确定性越大,则信任度越低,α取值越小,模糊性参数取值区间越大,则地下水脆弱性指数区间范围越大;不确定性越小,则信任度越高,取较大α值,模糊性参数取值区间越小,得到的地下水脆弱性指数区间范围也越小;α取1时,保守分布与冒险分布合二为一,形成传统的地下水脆弱性区划图。百分位的取值取决于研究区的污染潜势,人类活动越强烈,百分位可取值越大,则脆弱性指数越大。
3） 结合保守分布图和冒险分布图,置信水平取值越高,保守和冒险的地下水脆弱性分布情况越接近,差异越小;置信水平取值越低,则保守和冒险的地下水脆弱性分布之间的差异越大。实际应用时,可根据不确定性程度和实际污染潜势有选择性的使用。
4） 研究区地下水脆弱性分布具有明显的空间集聚现象,地下水高脆弱性区域一般集聚在下辽河平原中部以及南部地区,需着重治理这些区域的地下水环境问题,低脆弱性区域一般分布在下辽河平原东、西两侧地区。
The authors have declared that no competing interests exist.
| [1] |
地下水脆弱性的概念、评价方法与研究前景 [J].
地下水脆弱性概念的发展过程是一个由简单到复杂,由单纯考虑内因到综合考虑内外因,由分歧到趋同的不断丰富、完善与发展的过程.评价方法则相应的由应用图件定性描述发展到应用数学模型定量表达.指出了目前地下水脆弱性评价中存在的若干问题,并指出应用灰色系统理论,模糊数学理论,AHP方法与GIS技术进行地下水脆弱性评价将是地下水脆弱性研究的一个主要的发展方向.
Concept and assessment of groundwater vulnerability and its future prospect.
地下水脆弱性概念的发展过程是一个由简单到复杂,由单纯考虑内因到综合考虑内外因,由分歧到趋同的不断丰富、完善与发展的过程.评价方法则相应的由应用图件定性描述发展到应用数学模型定量表达.指出了目前地下水脆弱性评价中存在的若干问题,并指出应用灰色系统理论,模糊数学理论,AHP方法与GIS技术进行地下水脆弱性评价将是地下水脆弱性研究的一个主要的发展方向.
|
| [2] |
Guidebook on mapping groundwater vulnerability [M] |
| [3] |
|
| [4] |
Calibration of the DRASTIC ground water vulnerability mapping method [J].https://doi.org/10.1111/j.1745-6584.2001.tb02350.x URL PMID: 11447862 [本文引用: 1] 摘要
Ground water vulnerability maps developed using the DRASTIC method have been produced in many parts of the world. Comparisons of those maps with actual ground water quality data have shown that the DRASTIC method is typically a poor predictor of ground water contamination. This study significantly improved the effectiveness of a modified DRASTIC ground water vulnerability map by calibrating the point rating schemes to actual ground water quality data by using nonparametric statistical techniques and a geographic information system. Calibration was performed by comparing data on nitrite plus nitrate as nitrogen (NO 2 + NO 3 -N) concentrations in ground water to land-use, soils, and depth to first-encountered ground water data. These comparisons showed clear statistical differences between NO 2 + NO 3 -N concentrations and the various categories. Ground water probability point ratings for NO 2 + NO 3 -N contamination were developed from the results of these comparisons, and a probability map was produced. This ground water probability map was then correlated with an independent set of NO 2 + NO 3 -N data to demonstrate its effectiveness in predicting elevated NO 2 + NO 3 -N concentrations in ground water. This correlation demonstrated that the probability map was effective, but a vulnerability map produced with the uncalibrated DRASTIC method in the same area and using the same data layers was not effective. Considerable time and expense have been outlaid to develop ground water vulnerability maps with the DRASTIC method. This study demonstrates a cost-effective method to improve and verify the effectiveness of ground water vulnerability maps.
|
| [5] |
Modification of DRASTIC model to map groundwater vulnerability to pollution using nitrate measurements in agricultural areas [J].https://doi.org/10.3098/ah.2011.85.1.72 URL 摘要
DRASTIC model has been used to map groundwater vulnerability to pollution in many areas. Since this method is used in different places without any changes, it cannot consider the effects of pollution type and characteristics. Therefore, the method needs to be calibrated and corrected for a specific aquifer and pollution. In the present research, the rates of DRASTIC parameters have been corrected so that the vulnerability potential to pollution can be assessed more accurately. The new rates were computed using the relationships between each parameter and the nitrate concentration in the groundwater. The proposed methodology was applied to Astaneh aquifer located in north of Iran. Samples from groundwater wells were analyzed for nitrate content in thirteen locations. The measured nitrate concentration values were used to correlate the pollution potential in the aquifer to DRASTIC index. Pearson correlation was used to find the relationship between the index and the measured pollution in each point and, therefore, to modify the rates. The results showed that the modified DRASTIC is better than the original method for nonpoint source pollutions in agricultural areas. For the modified model, the correlation coefficient between vulnerability index and nitrate concentration was 68 percent that was substantially higher than 23 percent obtained for the original model.
|
| [6] |
Modeling vulnerability of groundwater to pollution under future scenarios of climate change and biofuels-related land use change: a case study in North Dakota, USA [J].https://doi.org/10.1016/j.scitotenv.2013.01.011 URL PMID: 23376514 [本文引用: 1] 摘要
78 Groundwater vulnerability can be affected by both climate and land use change. 78 A framework to model potential change in groundwater vulnerability was developed. 78 The model was evaluated through a case study of North Dakota, USA. 78 Expansion of biofuel crops was shown to increase risks of groundwater pollution.
|
| [7] |
Vulnerability mapping of groundwater contamination based on 3D lithostratigraphical models of porous aquifers [J].https://doi.org/10.1016/j.scitotenv.2012.12.090 URL PMID: 23391897 [本文引用: 1] 摘要
78 We developed a 3D model to reconstruct a lithostratigraphy of an alluvial aquifer. 78 We used the 3D model in the assessment of aquifer contamination vulnerability. 78 The DRASTIC, SINTACS and AVI methods have been applied to the alluvial aquifer. 78 SINTACS is more severe than DRASTIC and AVI is much more severe of both. 78 The 3D models avoid the “bullseye” effect linked to the data point values.
|
| [8] |
Assessment of groundwater vulnerability to nonpoint source pollution in a Mediterranean coastal zone (Mersin, Turkey) under conflicting land use practices [J].https://doi.org/10.1016/j.ocecoaman.2012.10.010 URL [本文引用: 1] 摘要
Groundwater resources of the Tarsus coastal plain (Mersin, Turkey) are being exploited heavily for a variety of purposes and they are under a serious threat from nonpoint source pollution from the conflicting land use practices and saltwater intrusion due to overpumping. In this study, vulnerability of groundwater to nonpoint source pollution was assessed using GIS techniques and employing both Generic and Pesticide DRASTIC models. Calculated vulnerability indices ranged between 68–206 and 69–236 for Generic and Pesticide DRASTIC, respectively. Areas lying between “moderately high” to “high” vulnerability categories extend along the coastline in areas covered by the recent Eolian sand dunes where saltwater intrusion is prevalent. The “low” vulnerability category is restricted to a small portion of the area in the NW, and it is represented by poorly drained soils with topographic gradients above 18%. A02sizeable portion of the area was classified into “moderately low” to “moderate” vulnerability category, which is typified by low topographic gradients (<2%) and fairly uniform distributions of hydraulic conductivity, net recharge and depth to water table. The validation of the DRASTIC models was accomplished through pairwise comparison of DRASTIC vulnerability maps (using Pearson's r correlation coefficient) with a total of 18 raster layers representing original DRASTIC input data, land use/land cover (LULC) features, and groundwater Cl61 and NO361 data. Results from the correlation analysis indicate a significant association between high groundwater NO361 concentrations and distances from certain LULC types, including open-field farms, citrus orchards, industrial complexes, and residential buildings.
|
| [9] |
地下水易污性评价方法:DRASTIC指标体系 [J].Assessment method of groundwater vulnerability: Drastic index system. |
| [10] |
DRASTIC模型的缺陷与改进方法探讨 [J].https://doi.org/10.3969/j.issn.1000-3665.2010.01.021 URL 摘要
从模型原理、模型计算方法、评价结果三个方面系统地总结了DRASTIC模型的缺陷，并指出国内在地下水防污性能评价上的误区，提出模型的改进方法，在此基础上提出了基于DRASTIC模型的模糊综合评价模型，并应用于九江市的地下水防污性能评价工作，取得了较好的效果。
Sun Airong, Zhong Xinyong. Inadequacies of DRASTIC model and discussion of improvement. https://doi.org/10.3969/j.issn.1000-3665.2010.01.021 URL 摘要
从模型原理、模型计算方法、评价结果三个方面系统地总结了DRASTIC模型的缺陷，并指出国内在地下水防污性能评价上的误区，提出模型的改进方法，在此基础上提出了基于DRASTIC模型的模糊综合评价模型，并应用于九江市的地下水防污性能评价工作，取得了较好的效果。
|
| [11] |
地下水脆弱性评价方法的探讨及实例 [J].https://doi.org/10.3321/j.issn:0559-9350.2007.05.014 URL [本文引用: 1] 摘要
本文对当前地下水脆弱性评价的方法进行了评述。指出了目前应用最为广泛的DRASTIC法的局限之处,在充分考察中国平原盆地水文地质条件的前提下,提出了基于层次分析的DRUA评价方法。该方法是选取影响地下水脆弱性的地下水埋深等4个评价参数作为评价因子,应用层次分析法确定各因子的权重,结合GIS空间分析功能对地下水本质脆弱性进行评价。
New method for evaluating the vulnerability of groundwater. https://doi.org/10.3321/j.issn:0559-9350.2007.05.014 URL [本文引用: 1] 摘要
本文对当前地下水脆弱性评价的方法进行了评述。指出了目前应用最为广泛的DRASTIC法的局限之处,在充分考察中国平原盆地水文地质条件的前提下,提出了基于层次分析的DRUA评价方法。该方法是选取影响地下水脆弱性的地下水埋深等4个评价参数作为评价因子,应用层次分析法确定各因子的权重,结合GIS空间分析功能对地下水本质脆弱性进行评价。
|
| [12] |
含水层脆弱性模糊分析评价模型与方法 [J].Fuzzy analysis model and methodology for aquifer vulnerability evaluation. |
| [13] |
地下水环境风险的模糊多指标分析方法 [J].
从影响地下水脆弱性的地质与水文地质条件、地貌特征、污染物性质、土地利用状况以及地下水社会价值功能等因素出发,筛选出22项评价指标,初步构建具有多层次结构特点的地下水环境风险评价指标体系。在将地下水环境风险定义为风险等级与风险重要性乘积的基础上,对风险等级与风险重要性等级的分级标准进行探讨,建立风险评价的模糊多属性决策分析模型。作为案例,将上述指标体系和评价模型应用于皖北3个城市浅层地下水环境风险的分析,取得较好效果,为地下水环境风险评价研究提供了新思路、新方法。
Multi-variable fuzzy analysis method for groundwater environmental risk.
从影响地下水脆弱性的地质与水文地质条件、地貌特征、污染物性质、土地利用状况以及地下水社会价值功能等因素出发,筛选出22项评价指标,初步构建具有多层次结构特点的地下水环境风险评价指标体系。在将地下水环境风险定义为风险等级与风险重要性乘积的基础上,对风险等级与风险重要性等级的分级标准进行探讨,建立风险评价的模糊多属性决策分析模型。作为案例,将上述指标体系和评价模型应用于皖北3个城市浅层地下水环境风险的分析,取得较好效果,为地下水环境风险评价研究提供了新思路、新方法。
|
| [14] |
基于综合方法的区域浅层地下水脆弱性评价——以常州市为例 [J].https://doi.org/10.7524/j.issn.0254-6108.2013.11.012 URL [本文引用: 1] 摘要
综合考虑区域浅层地下水脆弱性的影响因素,初步认为地下水脆弱性的影响因子包括:固有脆弱性评价因子和特殊脆弱性评价因子.固有脆弱性评价因子主要包含5个评价单元:土壤性质、包气带特征、含水层特征、补给量、地形.特殊脆弱性评价因子为区域特性评价单元.根据政府政策研究评价部门专家、科研单位环境评价研究专家意见,确定各个评价单元的指标,采用模糊综合判断法,分层进行地下水脆弱性评价,在此基础上,基于GIS技术进行脆弱性评价结果可视化表征,形成了一套通用性好、操作简便、信息清晰的区域浅层地下水脆弱性评价方法.以常州市为例,利用该方法对其浅层地下水进行脆弱性评价,研究表明常州市地下水脆弱性由北向南逐渐增大,脆弱性相对最高区域分布在常州市最南部,相对最低区域分布在常州市北部大部分地区及东北部小部分地区.常州市浅层地下水脆弱性评价模型局部灵敏度与全局灵敏度分析结果显示除土壤评价单元中的土壤成分指标灵敏度较低外,其余评价单元的评价指标均具有较高的灵敏度,充分体现了该评价方法的可靠性,准确性.
Regional shallow groundwater vulnerability assessment based on comprehensive approach: take Changzhou as an example. https://doi.org/10.7524/j.issn.0254-6108.2013.11.012 URL [本文引用: 1] 摘要
综合考虑区域浅层地下水脆弱性的影响因素,初步认为地下水脆弱性的影响因子包括:固有脆弱性评价因子和特殊脆弱性评价因子.固有脆弱性评价因子主要包含5个评价单元:土壤性质、包气带特征、含水层特征、补给量、地形.特殊脆弱性评价因子为区域特性评价单元.根据政府政策研究评价部门专家、科研单位环境评价研究专家意见,确定各个评价单元的指标,采用模糊综合判断法,分层进行地下水脆弱性评价,在此基础上,基于GIS技术进行脆弱性评价结果可视化表征,形成了一套通用性好、操作简便、信息清晰的区域浅层地下水脆弱性评价方法.以常州市为例,利用该方法对其浅层地下水进行脆弱性评价,研究表明常州市地下水脆弱性由北向南逐渐增大,脆弱性相对最高区域分布在常州市最南部,相对最低区域分布在常州市北部大部分地区及东北部小部分地区.常州市浅层地下水脆弱性评价模型局部灵敏度与全局灵敏度分析结果显示除土壤评价单元中的土壤成分指标灵敏度较低外,其余评价单元的评价指标均具有较高的灵敏度,充分体现了该评价方法的可靠性,准确性.
|
| [15] |
下辽河平原地下水脆弱性研究 [J].https://doi.org/10.3969/j.issn.1671-5888.2007.05.016 URL [本文引用: 1] 摘要
在参照DRASTIC方法的基础上,根据下辽河平原的具体状况, 选择地下水埋深等11个参数作为该地区地下水脆弱性评价因子.评价因子的评分体系依据典型地区及相应标准确立,权重体系由层次分析法和决策分析法得到.在 此基础上,利用模糊模式识别技术对下辽河平原地区的地下水脆弱性进行评价,评价结果与该地区地下水污染情况的拟合度较好.
Research on groundwater vulnerability assessment of the lower liaohe river plain. https://doi.org/10.3969/j.issn.1671-5888.2007.05.016 URL [本文引用: 1] 摘要
在参照DRASTIC方法的基础上,根据下辽河平原的具体状况, 选择地下水埋深等11个参数作为该地区地下水脆弱性评价因子.评价因子的评分体系依据典型地区及相应标准确立,权重体系由层次分析法和决策分析法得到.在 此基础上,利用模糊模式识别技术对下辽河平原地区的地下水脆弱性进行评价,评价结果与该地区地下水污染情况的拟合度较好.
|
| [16] |
地下水系统风险分析研究进展 [J].https://doi.org/10.031 URL Magsci [本文引用: 2] 摘要
在总结地下水风险研究的基础上,提出了地下水系统风险定义,归纳了地下水系统的特点,分析了地下水系统风险的影响因素,并将其影响因素概括为3类:自然现象不确定性、社会不确定性、人类认知局限性,评述了地下水系统风险分析方法,针对目前地下水系统的风险分析理论和方法研究中存在的不足,建议从拓展地下水风险分析的基本理论和研究方法、选用合适的风险分析方法、风险概率和风险损失相结合以及研究"风险分析的风险"4个方面进一步开展地下水系统风险研究。
Advances in risk analysis of groundwater system. https://doi.org/10.031 URL Magsci [本文引用: 2] 摘要
在总结地下水风险研究的基础上,提出了地下水系统风险定义,归纳了地下水系统的特点,分析了地下水系统风险的影响因素,并将其影响因素概括为3类:自然现象不确定性、社会不确定性、人类认知局限性,评述了地下水系统风险分析方法,针对目前地下水系统的风险分析理论和方法研究中存在的不足,建议从拓展地下水风险分析的基本理论和研究方法、选用合适的风险分析方法、风险概率和风险损失相结合以及研究"风险分析的风险"4个方面进一步开展地下水系统风险研究。
|
| [17] |
Soft computing and fuzzy logic [J].https://doi.org/10.1109/52.329401 URL [本文引用: 1] 摘要
Soft computing is a collection of methodologies that aim to exploit the tolerance for imprecision and uncertainty to achieve tractability, robustness, and low solution cost. Its principal constituents are fuzzy logic, neuro-computing, and probabilistic reasoning. Soft computing is likely to play an increasingly important role in many application areas, including software engineering. The role model for soft computing is the human mind.
|
| [18] |
东北地区水资源利用与生态和环境问题分析 [J].https://doi.org/10.3321/j.issn:1000-3037.2006.05.003 URL Magsci [本文引用: 1] 摘要
东北地区是我国著名的老工业基地,50年来,在工农业持续发展的同时,地区水土资源开发利用规模不断扩大,由此引发了一系列与水相关的生态和环境问题,解决该地区水资源利用与生态和环境问题势在必行。文章在分析东北地区水资源利用现状与问题的基础上,具体论述了水污染严重、河道断流、地下水超采、湿地大面积缩小以及西部地区土地荒漠化加剧等与水相关的生态和环境问题,提出了解决问题的具体对策与建议。合理利用地区水资源,量水而行、适水发展,节约与高效并举,建设资源节约、环境友好型社会是实现东北地区可持续发展的必然选择。
The analysis about water resource utilization, ecological and environmental problems in Northeast China. https://doi.org/10.3321/j.issn:1000-3037.2006.05.003 URL Magsci [本文引用: 1] 摘要
东北地区是我国著名的老工业基地,50年来,在工农业持续发展的同时,地区水土资源开发利用规模不断扩大,由此引发了一系列与水相关的生态和环境问题,解决该地区水资源利用与生态和环境问题势在必行。文章在分析东北地区水资源利用现状与问题的基础上,具体论述了水污染严重、河道断流、地下水超采、湿地大面积缩小以及西部地区土地荒漠化加剧等与水相关的生态和环境问题,提出了解决问题的具体对策与建议。合理利用地区水资源,量水而行、适水发展,节约与高效并举,建设资源节约、环境友好型社会是实现东北地区可持续发展的必然选择。
|
| [19] |
下辽河平原地下水生态水位与可持续开发调控研究 [J].https://doi.org/10.3969/j.issn.1671-5888.2007.02.009 URL [本文引用: 1] 摘要
下辽河平原是辽宁省老工业基地的核心地区,水资源问题已经成为制 约该区经济发展和生态环境改善的重要因素.地下水资源在整个供水系统中一直占有65%左右的比例,但由于地下水开采所导致的环境水文地质问题也很严重,因 此开展研究区内的地下水生态水位及其调控的研究具有重要的意义.首先在研究区内降水入渗与蒸发规律的基础上,结合野外试验资料,采用情景分析的方法,设置 了两种情景下地下水生态水位标准,并在第二种情景里又分为考虑地下水调蓄功能与不考虑地下水调蓄功能两种方案;然后通过对地下水实际埋深与生态水位埋深的 比较,结合相应的水文地质参数,计算出各种方案下满足地下水生态水位要求的地下水调控量;最后论述了研究区内地下水资源可持续开发利用的对策措施.研究成 果对于区内地下水资源的科学开采与有效保护具有一定的参考意义.
Research on the ecological and sustainable groundwater table regulation in the Lower Liaohe River Plain. https://doi.org/10.3969/j.issn.1671-5888.2007.02.009 URL [本文引用: 1] 摘要
下辽河平原是辽宁省老工业基地的核心地区,水资源问题已经成为制 约该区经济发展和生态环境改善的重要因素.地下水资源在整个供水系统中一直占有65%左右的比例,但由于地下水开采所导致的环境水文地质问题也很严重,因 此开展研究区内的地下水生态水位及其调控的研究具有重要的意义.首先在研究区内降水入渗与蒸发规律的基础上,结合野外试验资料,采用情景分析的方法,设置 了两种情景下地下水生态水位标准,并在第二种情景里又分为考虑地下水调蓄功能与不考虑地下水调蓄功能两种方案;然后通过对地下水实际埋深与生态水位埋深的 比较,结合相应的水文地质参数,计算出各种方案下满足地下水生态水位要求的地下水调控量;最后论述了研究区内地下水资源可持续开发利用的对策措施.研究成 果对于区内地下水资源的科学开采与有效保护具有一定的参考意义.
|
| [20] |
|
| [21] |
|
| [22] |
|
| [23] |
DRASTIC:A standardized system for evaluating groundwater potential using hydrogeological settings [R]. |
| [24] |
黄水河流域地下水脆弱性评价与水源保护区划分研究 [D].Groundwater vulnerability assessment and wellhead protection area delineation in Huangshuihe River Basin. |
| [25] |
不确定条件下的下辽河平原地下水本质脆弱性评价 [J].https://doi.org/10.3880/j.issn.10067647.2014.05.001 URL [本文引用: 1] 摘要
针对地下水系统中水文地质参数的随机性和模糊性会对地下水脆弱性评价结果产生较大误差问题． 在辨析参数不确定性特点基础上，利用蒙特卡罗法同时对随机性参数和模糊性参数赋值，并结合DRASTIC模型对下辽河平原的地下水本质脆弱性进行评价。通 过模拟计算出模糊性参数在不同仪截集水平下地下水脆弱性指数不同可能性下的累积分布曲线，得到不同保证率、不同可能性情况下地下水脆弱性指数的隶属函数， 并从脆弱性和不确定性两个角度对各分区地下水脆弱性进行对比分析。分析结果表明：I1区脆弱性程度相对最高，不确定性程度一般；I2、I3、Ⅱ1和Ⅱ3区 的脆弱性程度较高，且I2I3区的不确定性程度相对最高，Ⅱ1和Ⅱ3区的不确定性程度最低；I4、Ⅱ2、Ⅲ和Ⅳ区的脆弱性程度相对较低，其中Ⅱ2和Ⅳ区的 不确定性程度较低，I4区的不确定性程度一般．Ⅲ区的不确定程度较高。较传统评价过程，本次地下水脆弱性评价综合参数的不确定性分析得出了不确定条件下地 下水脆弱性的隶属函数，结果切合客观实际。
Assessment of groundwater intrinsic vulnerability in the Lower Reaches of Liaohe River Plain under uncertain conditions. https://doi.org/10.3880/j.issn.10067647.2014.05.001 URL [本文引用: 1] 摘要
针对地下水系统中水文地质参数的随机性和模糊性会对地下水脆弱性评价结果产生较大误差问题． 在辨析参数不确定性特点基础上，利用蒙特卡罗法同时对随机性参数和模糊性参数赋值，并结合DRASTIC模型对下辽河平原的地下水本质脆弱性进行评价。通 过模拟计算出模糊性参数在不同仪截集水平下地下水脆弱性指数不同可能性下的累积分布曲线，得到不同保证率、不同可能性情况下地下水脆弱性指数的隶属函数， 并从脆弱性和不确定性两个角度对各分区地下水脆弱性进行对比分析。分析结果表明：I1区脆弱性程度相对最高，不确定性程度一般；I2、I3、Ⅱ1和Ⅱ3区 的脆弱性程度较高，且I2I3区的不确定性程度相对最高，Ⅱ1和Ⅱ3区的不确定性程度最低；I4、Ⅱ2、Ⅲ和Ⅳ区的脆弱性程度相对较低，其中Ⅱ2和Ⅳ区的 不确定性程度较低，I4区的不确定性程度一般．Ⅲ区的不确定程度较高。较传统评价过程，本次地下水脆弱性评价综合参数的不确定性分析得出了不确定条件下地 下水脆弱性的隶属函数，结果切合客观实际。
|
| [26] |
基于不确定性的地下水污染风险评价研究进展 [J].
地下水污染风险研究在工程决策中具有重要意义.但地下水系统本身具有各种不确定性,基于这些不确定性的地下水污染风险评价也因此具有不确定性,而且贯穿整个地下水污染风险评价过程.所以,进行不确定性分析是对地下水污染风险进行评价时的必要步骤.一般来讲,基于不确定性分析的地下水污染风险评价结果更可靠,因此也更具有实用价值.本文在对不确定性进行分类(随机不确定性和模糊不确定性)的基础上,通过大量文献调研和分析,对目前国内外用于地下水污染风险评价分析的不确定性分析方法(包括随机理论方法、模糊理论方法、随机-模糊耦合方法等)进行了归纳总结,并基于各种方法目前的研究现状,分析了不确定性理论在地下水污染风险评价研究中的发展前景.
Risk assessment of groundwater pollution based on uncertainty.
地下水污染风险研究在工程决策中具有重要意义.但地下水系统本身具有各种不确定性,基于这些不确定性的地下水污染风险评价也因此具有不确定性,而且贯穿整个地下水污染风险评价过程.所以,进行不确定性分析是对地下水污染风险进行评价时的必要步骤.一般来讲,基于不确定性分析的地下水污染风险评价结果更可靠,因此也更具有实用价值.本文在对不确定性进行分类(随机不确定性和模糊不确定性)的基础上,通过大量文献调研和分析,对目前国内外用于地下水污染风险评价分析的不确定性分析方法(包括随机理论方法、模糊理论方法、随机-模糊耦合方法等)进行了归纳总结,并基于各种方法目前的研究现状,分析了不确定性理论在地下水污染风险评价研究中的发展前景.
|
| [27] |
|
| [28] |
A stochastic-conceptual analysis of one-dimensional groundwater flow in non-uniform homogeneous media [J].https://doi.org/10.1029/WR012i003p00568 URL [本文引用: 1] 摘要
No abstract is available for this article.
|
| [29] |
含水层渗透系数空间变异性对地下水数值模拟的影响 [J].https://doi.org/10.3321/j.issn:1001-6791.2005.04.002 URL Magsci [本文引用: 1] 摘要
地下水数值模拟是目前定量研究地下水水量和水质的重要手段。使用基于随机理论的MonteCarlo方法来进行地下水数值模拟。这种方法能较好地考虑水文地质参数的空间变异性。主要将MonteCarlo方法和确定性模型模拟方法的模拟结果在渗透系数场、水头场、速度场和浓度场等方面进行了比较。结果表明:在模拟三维非均质含水层中的溶质运移问题时,充分考虑了含水层渗透系数空间变异性的MonteCarlo法比确定性方法更为有效,模拟精度提高了很多,且对模拟误差及误差来源有合理的数学解释。
Effect of the spatial variability of hydraulic conductivity in aquifer on the numerical simulation of groundwater. https://doi.org/10.3321/j.issn:1001-6791.2005.04.002 URL Magsci [本文引用: 1] 摘要
地下水数值模拟是目前定量研究地下水水量和水质的重要手段。使用基于随机理论的MonteCarlo方法来进行地下水数值模拟。这种方法能较好地考虑水文地质参数的空间变异性。主要将MonteCarlo方法和确定性模型模拟方法的模拟结果在渗透系数场、水头场、速度场和浓度场等方面进行了比较。结果表明:在模拟三维非均质含水层中的溶质运移问题时,充分考虑了含水层渗透系数空间变异性的MonteCarlo法比确定性方法更为有效,模拟精度提高了很多,且对模拟误差及误差来源有合理的数学解释。
|
| [30] |
|
| [31] |
Probabilistic-fuzzy health risk modeling [J].https://doi.org/10.1007/s00477-004-0187-3 URL [本文引用: 1] 摘要
Health risk analysis of multi-pathway exposure to contaminated water involves the use of mechanistic models that include many uncertain and highly variable parameters. Currently, the uncertainties in these models are treated using statistical approaches. However, not all uncertainties in data or model parameters are due to randomness. Other sources of imprecision that may lead to uncertainty include scarce or incomplete data, measurement error, data obtained from expert judgment, or subjective interpretation of available information. These kinds of uncertainties and also the non-random uncertainty cannot be treated solely by statistical methods. In this paper we propose the use of fuzzy set theory together with probability theory to incorporate uncertainties into the health risk analysis. We identify this approach as probabilistic-fuzzy risk assessment (PFRA). Based on the form of available information, fuzzy set theory, probability theory, or a combination of both can be used to incorporate parameter uncertainty and variability into mechanistic risk assessment models. In this study, tap water concentration is used as the source of contamination in the human exposure model. Ingestion, inhalation and dermal contact are considered as multiple exposure pathways. The tap water concentration of the contaminant and cancer potency factors for ingestion, inhalation and dermal contact are treated as fuzzy variables while the remaining model parameters are treated using probability density functions. Combined utilization of fuzzy and random variables produces membership functions of risk to individuals at different fractiles of risk as well as probability distributions of risk for various alpha-cut levels of the membership function. The proposed method provides a robust approach in evaluating human health risk to exposure when there is both uncertainty and variability in model parameters. PFRA allows utilization of certain types of information which have not been used directly in existing risk assessment methods.
|
/
| 〈 |
|
〉 |
