基于APCS-MLR模型的煤矿开采对地下水的影响定量识别

中国煤炭与水资源储量呈逆向分布,煤炭基地水资源相对短缺,生态环境脆弱。随着煤炭资源的大规模和高强度开发,区域地下水环境问题越发凸显。为定量识别煤矿开采对地下水的影响程度,以蒙东能源基地某矿区为例,通过采集矿区周边地下水化学样品进行测试,系统分析了研究区地下水水化学特征,采用相关性分析、PCA等多元统计方法确定了地下水的影响因子,据此建立了基于绝对因子得分-多元线性回归法(APCS-MLR)的定量识别模型,对研究区地下水受煤矿开采的影响贡献进行了计算分析。结果显示:研究区浅层地下水pH值为6.52~7.86,平均7.27,TDS为126.14~2240.34mg/L,平均为638.18 mg/L。主要阳离子平均含量Na^(+)>Ca^(2+)>Mg^(2+)>K^(+),主要阴离子平均含量HCO_(3)^(-)>Cl^(-)>SO_(4)^(2-)>NO_(3)^(-)。其中Cl^(-)和SO_(4)^(2-)的含量分别为4.25~779.77 mg/L和0~483.20 mg/L,其变异系数均大于100%。SO_(4)^(2-)与Na^(+)、Ca^(+)、Mg^(2+)、Cl^(-)存在显著正相关关系(r>0.72,P<0.01),TDS与SO_(4)^(2-)、Na^(+)、Ca^(+)、Mg^(2+)、Cl^(-)存在显著正相关关系。多项指标显示研究区地下水水质已经受到了煤矿开采的影响。主成分分析(PCA)解析了4个地下水影响因子,分别为煤炭开采影响因子、自然因素的硅酸盐溶解因子、自然因素的反硝化作用和农业活动的化肥使用,其占总荷载的37.061%、16.067%、14.807%和8.775%。以SO_(4)^(2-)作为煤矿开采对地下水影响的表征因子,构建了SO_(4)^(2-)来源计算分析的APCS-MLR定量识别模型。通过最小二乘法计算得到模型的各项参数,确定SO_(4)^(2-)的实际浓度和预测浓度拟合曲线为y=0.9716x+2.9702(R^(2)=0.9759),说明构建的回归方程符合实际,效果良好。据此计算了4个地下水影响因子的贡献比分别为79.3%、6.06%、2.00%和9.96%,其他未识别的因子占比2.67%。分析了煤矿开采影响地下水水质的主要方式为形成降落漏斗影响周边水化学场以及外排含有特殊组分的矿井水进而影响地下水水质。因此需要采取合理措施控制煤矿开采产生的降落漏斗范围继续扩大,必要时对已经产生的漏斗进行恢复治理,同时加强对高盐、高SO_(4)^(2-)矿井水的处理和排放管理,研究成果可为煤炭绿色开发和环境高质量发展提供技术支持。

新疆民丰县西部绿洲区地下水水质影响因素分析

为掌握新疆民丰县西部绿洲区地下水水化学特征及水质主要影响因素,基于现场井口直接采集的地下水水样,使用现场检测法及实验室测试法相结合得到的24组地下水水样检测数据,运用杜罗夫图研究水化学特征,通过主成分分析法提取水质特征指标,并结合绝对主成分得分-多元线性回归法(APCS-MLR)量化分析地下水水质影响因素。结果表明,研究区地下水整体呈弱碱性微咸水。水中主要阳离子按均值排序依次均为Na^(+)>Ca^(2+)>Mg^(2+)>K^(+),主要阴离子排序分别为SO_(4)^(2-)>Cl^(-)>HCO_(3)^(-)(潜水)与Cl^(-)>SO_(4)^(2-)>HCO_(3)^(-)(承压水),水化学类型以SO_(4)·Cl^(-)Na·Mg型为主;研究区水质特征指标为Na^(+)、Cl^(-)、SO_(4)^(2-)、NO_(3)^(-)、Ca^(2+)、F^(-)、As、溶解性总固体(TDS)和总硬度(TH);地下水水质不仅受到水-岩相互作用与蒸发浓缩作用(自然环境作用),还受农牧业-生活污水(对潜水与承压水的贡献率分别为19.68%与22.14%)的影响。

无锡市浅层地下水的化学影响因子及贡献率解析

地下水化学影响因子的准确判断是地下水污染评价等级划分、治理方案选择和治理目标确立的重要依据。文章以无锡市67组浅层地下水样品为研究对象,利用数理统计、因子分析和绝对因子得分-多元线性回归分析模型对地下水化学影响因子进行解析,结果显示:①无锡市浅层地下水质量等级评价中Ⅲ类水占比53.7%,超Ⅲ类水占比46.3%,超标离子依次为COD、NH_(4)^(+)、NO_(3)^(-)、SO_(4)^(2-),表明地下水受到了外界环境的影响;②地下水类型共9种,以HCO_(3)^(-)Ca·Na型、HCO_(3)^(-)Ca型和HCO_(3)·SO_(4)-Ca·Na型为主,占样品总数的76.1%,表明地下水化学优势离子明显,即影响因子较为集中;③通过因子分析法筛选出该区影响地下水化学的3大公因子,即自然演化影响因子F1、工业生产影响因子F2和农业生产影响因子F3,累计方差贡献率为76.05%,它们对地下水化学指标的综合贡献率分别为57.44%、27.62%和14.94%,说明自然演化是地下水主要化学组分的主控因素,工业、农业活动对可能造成地下水污染的化学组分影响较大,且工业活动的影响大于农业活动。地下水化学指标实测浓度与绝对因子得分-多元线性回归分析模型的预测浓度具有较好的一致性,表明该方法适用于地下水化学影响因子解析。

北京市春夏挥发性有机物的污染特征及源解析

2017年4月—7月期间对北京北五环附近大气中的挥发性有机物(VOCs)进行观测研究,并利用主成分分析/绝对主因子得分受体模型对VOCs进行源解析,同时结合气象数据推判污染源分布.结果表明,观测期间VOCs主要有烷烃、烯烃、芳香烃、卤代烃和含氧烃等.源解析的结果表明,VOCs来源于燃料挥发、汽车尾气排放、溶剂挥发、单一的溶剂使用、工业排放和干洗六种污染源.其中汽车尾气排放、燃料挥发和溶剂挥发共占所有污染源的73%,是主要的污染源.观测期间污染物的高值区主要分布于观测点南部,而无具体污染源的污染物则可能受气象等因素的影响而更广泛地分布在观测点周围.

基于APCS-MLR和PMF的污灌与工业复合区农田土壤重金属来源解析

基于开封市污灌与工业复合区农田表土样品,测定8种重金属(Cr、Ni、Cu、Zn、Cd、Pb、As和Hg)含量,利用绝对因子得分-多元线性回归(APCS-MLR)模型和正定矩阵因子分解(PMF)模型,结合相关性分析和系统聚类分析对土壤重金属来源和贡献率进行解析.结果表明:①研究区ω(Cr)、ω(Ni)、ω(Cu)、ω(Zn)、ω(Cd)、ω(Pb)、ω(As)和ω(Hg)平均值分别为52.19、25.00、42.03、323.53、1.79、53.45、9.43和0.20 mg·kg^(-1),其中Cr、Ni和As低于潮土背景值,Cu、Zn、Cd、Pb和Hg高于潮土背景值.②8种重金属有4种来源:自然源、农业污水灌溉源、工业大气沉降源和交通运输源,Cr和Ni主要为自然源,Cu、Zn、Cd和Pb主要为农业污水灌溉和交通运输,As主要为自然源和农业污水灌溉,Hg主要为工业大气沉降.③APCS-MLR和PMF源解析结果表明工农业活动是研究区土壤重金属的主要来源.研究区9个采样小区APCS-MLR平均贡献率为76.01%(自然源和农业污水灌溉源)、22.71%(工业大气沉降源和交通运输源)和1.28%(未知源),PMF平均贡献率为59.66%(自然源和农业污水灌溉源)和40.34%(工业大气沉降源和交通运输源),其中LZ、XZ、NLT、PT、YLZ和BC的两种模型源解析结果基本一致,WL在APCS-MLR模型更优,SG和QT在PMF模型更优.研究结果可为土壤重金属污染防治和环境修复提供科学依据.

银川市黄河滩区土壤重金属污染特征、生态风险评价与来源解析

为了解银川市黄河滩区土壤重金属污染现状及来源,采用电感耦合等离子体质谱法(ICP-MS)测定了银川市黄河滩区共92个采样点土壤样品中Zn、Cu、Cr、Pb、Ni、Cd、As和Mn这8种重金属的含量,采用富集因子、地累积指数法与潜在生态风险指数法对重金属污染特征进行分析和评价,并结合相关性分析、绝对主成分-多元线性回归受体模型(APCS-MLR)、正定矩阵因子分解(PMF)模型和地统计学对土壤重金属进行来源解析.结果表明,Cu和Pb含量平均值低于银川市土壤背景值,Zn、Cr、Ni、Cd、As和Mn含量平均值分别是背景值的1.28、1.06、1.08、1.79、1.11和1.19倍,所测8种重金属元素含量平均值均低于农用地土壤污染风险筛选值;不同用地类型之间重金属含量平均值表现为:荒地>退耕地>林地>耕地;研究区Zn和Cd呈轻微富集,其余6种元素无富集;Cd属于中度潜在生态风险水平,其余重金属处于轻度水平;联合受体模型表明交通和农业等人为活动来源对Zn和Cd的贡献较大,其余重金属受土壤母质等自然源影响较大.研究结果可为银川市黄河生态保护与可持续发展提供科学依据.

基于APCS-MLR和PMF模型解析黄河下游文化公园土壤重金属污染特征及来源分析

选取黄河下游典型人类扰动区———黄河文化公园为研究区域,系统采集表层土壤样品,测定土壤中7种(Cr、Ni、Cu、Zn、Cd、Pb和As)重金属含量,利用地累积指数研究公园土壤重金属污染特征,应用克里格空间插值法、绝对因子分析-多元线性回归模型(APCS-MLR)和正定矩阵因子分解(PMF)模型解析黄河文化公园土壤重金属的来源.结果表明,研究区表层土壤重金属(Cd、Zn、Cu、Pb和As)含量平均值高于黄河下游潮土区土壤元素背景值,分别是背景值的4.62、1.78、1.41、1.08和1.03倍.除Zn外,其他元素含量均低于黄河流域沿线不同区域土壤相应元素值.7种元素地累积指数递减趋势为:Cd>Zn>Cu>Ni>Pb>As=Cr,元素Cd属于偏中污染,在表层土壤中积累明显.空间分布特征及源解析结果显示,Cr、Ni和Cu为自然源因子,主要受成土母质影响;Cd和Pb为交通源,Zn和As属于受少量人类活动和自然叠加影响的混合源.APCS-MLR的分析结果显示:自然源贡献率为46.67%,交通源贡献率为24.11%,混合源贡献率为16.12%,其他源贡献率为13.10%;PMF模型解析结果表明:自然源贡献率为35.50%,交通源贡献率为35.48%,混合源贡献率为29.02%.该研究对黄河沿线生态旅游开发及环境风险管控提供支撑.

基于APCS-MLR和PMF模型的煤矸山周边耕地土壤重金属污染特征及源解析

以重庆市南川区某煤矸山周边耕地土壤为研究对象,运用内梅罗指数法和地累积指数法分析土壤重金属污染水平和分布特征,并采用绝对因子得分-多元线性回归(APCS-MLR)和正定矩阵因子分解(PMF)模型,探析研究区土壤重金属来源及其贡献率.结果表明,下游区土壤中8项重金属均值含量均高于上游区,其中Cu、 Ni和Zn含量显著高于上游区(P<0.05).内梅罗综合污染指数表现为:下游区(1.22)>上游区(0.95),重金属污染程度由大到小表现为:Cd>Cu>Hg、 As、 Pb、 Cr、 Ni和Zn.地累积指数由大到小表现为:Cd>As>Cu=Hg>Ni>Zn=Cr>Pb.源解析表明,研究区土壤中Cu、 Ni和Zn主要受煤矸山堆存影响,APCS-MLR模型的贡献率分别为49.8%、 94.5%和73.2%,PMF模型的贡献率分别为62.8%、 62.2%和63.1%;Cd、 Hg和As主要受农业和交通混合源影响,APCS-MLR模型的贡献率分别为49.8%、 94.5%和73.2%,PMF模型的贡献率分别为62.8%、 62.2%和63.1%;Pb和Cr主要受土壤母质等自然因素影响,APCS-MLR模型的贡献率分别为66.4%和94.7%,PMF模型的贡献率分别为42.7%和47.7%.APCS-MLR和PMF模型源解析结果基本一致.

南京北郊大气VOCs变化特征及来源解析

利用2011-03-01~2012-02-29南京北郊大气VOCs观测资料,对大气VOCs浓度变化特征和特征物比值差异展开研究,并应用PCA/APCS受体模型对不同季节VOCs来源进行了解析.结果表明,南京大气总VOCs体积混合比为43.52×10-9,其中烷烃占45.1%、烯烃占25.3%、炔烃占7.3%和芳香烃占22.3%.总VOCs体积混合比呈现夏季高,冬季低的季节变化.VOCs组分中烷烃在冬季最高,烯烃夏季最高,芳香烃春季最高,炔烃冬季最高.特征物比值(VOCs/乙炔)和T/B比值反映出观测点受周边工业区影响较大.VOCs源解析表明,主要来源来自工厂生产、机动车排放、燃料燃烧、生产活动挥发、溶剂使用和自然源.虽然有季节变化,但与工业生产活动相关的来源占大气VOCs 45%~63%,其次为机动车来源占34%~50%.

南京北郊冬季PM_(2.5)中芳香酸的测定及来源解析

于2014年12月采集了南京北郊大气中PM_(2.5)样品,优化了LC-MS分析大气PM_(2.5)中芳香酸的定量方法,测定了其中的芳香酸、主要水溶性离子、有机碳和元素碳的浓度.定量结果表明,所测定5种芳香酸的总平均浓度为(50.01±16.05)ng·m^(-3),其中对苯二甲酸、邻苯二甲酸、偏苯三甲酸、4-甲基邻苯二甲酸与间苯二甲酸的平均浓度依次为(34.54±12.79)、(8.14±3.34)、(2.27±1.39)、(1.68±0.77)和(1.08±0.43)ng·m^(-3).应用主因子分析/绝对主因子得分(PCA/APCS)受体模型对颗粒物进行了来源解析.源解析结果表明,南京北郊冬季PM_(2.5)中的邻苯二甲酸、偏苯三甲酸、4-甲基邻苯二甲酸主要来自大气中二次转化;其中偏苯三甲酸有少部分来源于机动车尾气的一次排放;间苯二甲酸除来自于二次气溶胶源和生物质燃烧外,还有少部分来自机动车尾气的一次排放,而对苯二甲酸则主要来源于生物质燃烧和机动车尾气的一次排放.