场地环境大数据采集和机器学习方法在污染智能识别中的应用研究进展

由于大数据技术的快速发展,用于分析挖掘场地污染特征和成因机制的数据量和类型也大幅增加,传统的场地环境数据获取、清洗和挖掘方法难以满足大数据的存储和处理要求。近年来,采用机器学习算法对场地多源异构数据进行挖掘,实现地块尺度、区域尺度的污染识别已成为研究热点。系统综述了场地污染智能识别大数据的获取、处理和挖掘方面的现状和不足,提出了利用5G和互联网、终端信息采集、网络爬虫、自然语言处理方法获取场地环境数据的应用对策。针对场地多源数据集成和融合的关键技术措施以及未来我国场地污染智能识别模式进行展望。

典型铅蓄电池场地土壤污染识别与调查研究

以成都平原某废弃铅蓄电池污染场地为例,调查识别典型工业场地主要污染物空间分布特征和剖面迁移特征。结果表明:场地主要潜在Pb污染源有建筑垃圾、土壤及残留废水,潜在污染途径为大气降尘、含Pb废水排放;建筑垃圾中Pb、Cd、As等污染严重;场地内酸液暂存池和清洗池地表水中Pb、Cd超标严重,均为劣Ⅴ类;场地内及周边环境地下水中Cd、Cr污染较重;区内表层土壤中Pb、Cd污染严重,且呈面源性,距循环水池及酸液暂存池1.2 m处土壤中Pb含量远高于周边区域。