2023, Vol. 44
2. 新疆水文水资源工程技术研究中心, 乌鲁木齐 830052;
3. 新疆水利工程安全与水灾害防治重点实验室, 乌鲁木齐 830052
2. Xinjiang Hydrology and Water Resources Engineering Research Center, Urumqi 830052, China;
3. Xinjiang Key Laboratory of Hydraulic Engineering Security and Water Disasters Prevention, Urumqi 830052, China
地下水是维持生态平衡和日常供水的重要资源, 特别是在干旱和半干旱地区[1], 然而, 许多地区面临严重的地下水污染问题, 地下水污染增加了对生态环境和人类健康的风险, 制约了社会经济的可持续发展, 因此, 进行地下水污染风险评价是预防地下水污染的前提.地下水污染风险的定义为含水层本质脆弱性和由于人类活动对其造成污染达到不可接受水平的可能性[2].一般认为地下水污染风险取决于地下水的脆弱性、污染源危害和地下水功能价值[3].目前国内外地下水脆弱性评价广泛采用1985年美国环境保护署(USEPA)建立的DRASTIC模型[4].DRASTIC模型选取对地下水脆弱性影响较大的地下水埋深(D)、净补给量(R)、含水层介质(A)、土壤介质(S)、地形坡度(T)、包气带影响(I)和水力传导系数(C)这7个水文地质因子, 对每个因子赋予评分, 通过附加权重计算脆弱性指数.在实际应用中, 许多学者在DRASTIC模型的基础上, 根据研究区具体水文地质条件和数据的可得性对因子做出改变, Wu等[5]根据与综合污染指数(NI)的相关性, 选取了适宜中国北方再生水灌区的5个因子改进了DRASTIC模型进行地下水脆弱性评价.随着社会经济的发展, 城市化、工业和农业等人类活动对地下水环境的污染不容小觑, 通过对地下水潜在污染源的识别, 进行污染负荷评价, 可以提高地下水污染风险评价的准确性.地下水污染源的识别取决于污染物类型及其毒性、流动性和降解性[6], 因此可以通过量化特征污染物来评估污染源的危害性[7, 8].主成分分析(PCA)和因子分析(FA)常用来量化识别污染源类型, 进而开展地下水污染负荷评价[9, 10].地下水功能价值的变化可以表征地下水系统发生污染风险的损害, 基于含水层富水性和地下水质量来量化地下水功能价值[11], 另外人口密度、人均GDP和土地利用等的变化都会影响地下水污染程度[12].因此, 利用多指标综合评价, 可以提高地下水污染风险评价的准确性.
新疆叶尔羌河流域以农业为主导产业, 是全国第四大灌区, 灌溉面积约为5×105 hm2.由于岩石溶滤和蒸发浓缩作用等自然因素的影响使得地下水中盐类离子积聚富集, 加之农药化肥大面积地施用和工业、生活污水的排放等人为因素的影响[13], 使该区域地下水面临污染的风险.近年来, 有学者在叶尔羌河流域开展了较多地下水方面的研究工作, 主要包括地下水质量评价[14]、地下水化学特征及形成过程[13, 15]和地下水埋深变化特征[16]等, 而对地下水污染源识别和地下水污染风险评价的研究有待进一步深入.本文以叶尔羌河流域平原区为研究区, 根据水文地质特征、污染源分布特征和地下水功能价值的变化, 利用地理信息系统(GIS)加权叠加进行地下水污染风险评价, 以期为合理开发利用地下水资源、预防地下水污染和建立环境监测站点提供科学依据.
1 材料与方法 1.1 研究区概况叶尔羌河流域位于新疆塔里木盆地的西南边缘, 地理位置介于74°30′~80°50′E, 34°50′~40°30′N, 该区属典型的温带大陆性干旱气候, 年降水量小于140 mm, 年蒸发量大于2 300 mm[17].流域以河流出山口为界分为南部山区和北部平原区两大单元, 山区出露地层主要为古近-新近系, 岩性主要为变质岩、石灰岩、砂岩和泥岩等组成[18]; 平原区主要由第四系松散层堆积物组成, 从位于叶城县南部的冲洪积倾斜平原到流域北部的冲积平原区, 含水层岩性由卵砾石和砂砾石逐渐过渡为中粗砂、细砂和粉砂等, 含水层渗透性变差, 水动力条件变差[19].研究区含水层主要为第四系松散岩类孔隙水, 地下水补给主要来自河流、渠道和水库田间灌溉水的入渗补给, 蒸发和泉排是该区域的主要排泄方式.地下水流向与河流流向一致, 即自西南向东北流动(图 1)[20].
|
图 1 地下水取样点空间分布示意 Fig. 1 Spatial distribution of groundwater sampling sites |
研究区地下水补给主要来源于灌溉和渠系补给, 大气降水补给相对较弱, 故采用地下水净补给模数代替净补给量; 富水性(单井涌水量)的大小与含水层介质、厚度和渗透系数等因子有关[21], 本研究在DRASTIC模型的基础上进行改进, 采用DRSTIW模型对地下水脆弱性进行评价, 地下水脆弱性指数(Ⅵ)由式(1)计算：
|
(1) |
式中, VI表示地下水脆弱性指数; D、R、S、T、I和W分别表示地下水埋深、地下水净补给量模数、土壤介质、地形坡度、包气带岩性和富水性; r表示指标评分; w表示权重.
1.2.2 地下水污染负荷评价地下水污染负荷评价可以量化污染物在迁移的过程中对地下水的潜在损害[22].地下水污染物一般来自两个来源：点源和面源, 农田灌溉下渗是典型的面源污染, 工业排放、垃圾填埋、矿产勘探等都属于点源污染[23].如果其中任何一种发生在具有高渗透性的含水层中或周围, 则很可能发生严重污染[24].本研究采用因子分析对污染源进行解析, 将因子分析中的各个因子得分进行分级并评分, 依据式(2)计算地下水污染负荷指数(PI)：
|
(2) |
式中, PI表示地下水污染负荷指数; L、A和C分别表示水岩相互作用的点源污染、农药化肥的面源污染和工业、生活的点源污染等污染因子.
1.2.3 地下水功能价值评价地下水功能价值一般由“开采价值”和“原位价值”两个方面来表征[11].开采价值可以用地下水的使用价值及其产生经济效益来衡量, 包括各种人类活动所需要的地下水; 原位价值可以用地下水的生态价值和调节价值来衡量, 包括优化水质、维持生态平衡等[25].夜间灯光遥感是能够探测夜间微光的光学遥感技术, 夜间灯光遥感数据已经被众多研究证明与国民生产总值(GDP)和人口密度等社会经济指标具有较强的相关性[26, 27].生境质量可指示生态环境好坏, 是人类与自然、其他种群和谐、可持续发展的基础, 生境质量越好, 区域生物多样性越高, 生态系统越稳定[28], 基于土地利用数据, 采用InVEST模型中的生境质量模块(habitat quality)定量评估叶尔羌河流域平原区生境质量水平.水质指数法(WQI)被广泛应用于地下水质量评价[29], 依据《地下水质量标准》(GB/T 14848-2017)中的Ⅲ类水限值, 选用研究区地下水中超标率较高的Na+、SO42-、Cl-、TDS、TH、NH4+、Fe和Mn等8项水质指标用于地下水质量评价.采用夜间灯光遥感数据、生境质量和地下水质量类别来表征地下水功能价值, 地下水功能价值量(FI)由式(3)计算：
|
(3) |
式中, FI表示地下水功能价值量, H、E和Q分别表示夜间灯光遥感数据、生境质量和地下水质量类别.
1.2.4 地下水污染风险评价地下水污染风险评价可为有关部门管理地下水资源提供依据.它可以由地下水的脆弱性、不同污染源的污染负荷和地下水的功能价值来表征.因此, 利用基于DRSTIW模型的地下水脆弱性图、地下水污染负荷图和地下水功能价值图, 叠加生成地下水污染风险图, 地下水污染风险指数(R)由式(4)计算：
|
(4) |
式中, R、VI、PI和FI分别表示地下水污染风险指数、地下水脆弱性指数、地下水污染负荷指数和地下水功能价值量.
本研究首先将地下水脆弱性图、地下水污染负荷图以及地下水功能价值图网格化处理后得到各自评分图, 然后通过各因子加权叠加得到地下水污染风险图.具体处理过程如下：①将研究区剖分为3 km×3 km的网格, 共3 134个网格, 以每个网格为单元, 将各因子评分赋予网格; ②分别按式(1)~(4)加权叠加, 可得到地下水脆弱性指数、污染负荷指数、地下水功能价值量和地下水污染风险指数; ③利用ArcGIS中Nature break分类方法将各个图件分为“高” “较高” “中等” “较低”和“低”这5个等级.
1.3 数据来源依据《地下水环境监测技术规范》(HJ/T 164-2004)于2016~2020年共采集191组地下水水样(图 1), 水样均采自潜水含水层, 并检测33项水质指标; 地下水埋深(D)数据由现场测量得到, 地下水埋深为1.1~59.6 m; 地下水净补给量模数(R)基于降水入渗、农业灌溉和渠道渗漏等补给来源计算; 土壤介质(S)数据来源于世界土壤数据库(HWSD); 地形坡度(T)数据来源于地理空间数据云的DEM数据; 包气带岩性(I)和富水性(W)等资料来源于钻孔数据和新疆水文地质图集; 污染场地信息由实地调查和新疆维吾尔自治区生态环境厅官网(http://sthjt.xinjiang.gov.cn)获得; 夜间灯光遥感数据NPP-VIIRS来源于美国国家海洋与大气管理局官网(https://www.ngdc.noaa.gov/eog/); 土地利用数据来源于中国科学院资源环境科学与数据中心网站(https://www.resdc.cn); 其余各项社会经济数据来自新疆统计年鉴和喀什统计年鉴等.
2 结果与分析 2.1 地下水脆弱性评价参考中国地质调查局发布的《地下水脆弱性评价技术要求》(GWI-D 3)和《地下水污染防治区划分工作指南(2019)》, 并结合研究区水文地质条件对地下水埋深(D)、地下水净补给量模数(R)、土壤介质(S)、地形坡度(T)、包气带岩性(I)和富水性(W)等因子进行赋分, DRSTIW模型的分类标准见表 1.
|
表 1 DRSTIW模型6个因子的分类标准1) Table 1 Classification criteria for the six factors of the DRSTIW model |
因子权重的适宜性也会影响地下水脆弱性评价的结果, 利用主观权重(层次分析法)和客观权重(熵权法)取平均值的方法确定综合权重, 既避免了人为因素过多的干扰, 又能体现指标间的相关性, 能更好地反映评价结果[30], 各因子的综合权重见表 2.
|
|
表 2 各因子综合权重 Table 2 Comprehensive weight of each factor |
DRSTIW模型中各评价因子的分级如图 2所示, 将DRSTIW模型中的各个因子的得分和权重叠加, 得到地下水脆弱性评价结果(图 3和表 3).高脆弱性区和较高脆弱性区占比分别为26.9%和34.8%, 主要分布在泽普县、莎车县、麦盖提县、图木舒克市和巴楚县的东部等区域, 这主要是由于这些区域土壤表层和包气带岩性以砂质壤土和粉细砂为主, 渗透性相对较好, 污染物越易于下渗到含水层, 除此之外, 该区域地下水埋深相对较小, 地下水埋深的大小决定了污染物在到达含水层之前的迁移距离, 埋深越小, 污染物越易于迁移到含水层中[31].中等脆弱性区占比27.8%, 主要分布在巴楚县西部和叶城县北部.较低脆弱性区和低脆弱性区占比分别为8.6%和1.9%, 主要分布在巴楚县北部和叶城县南部, 叶城县南部由于地下水埋深较大, 水量较贫乏, 污染物不易从地表进入含水层中, 衰减时间越长, 脆弱性越低[32]; 另外该区域坡度相比于下游较大, 污染物易于迁移至下游; 巴楚县北部含水层单井涌水量较小, 水量存储少, 渗透性小; 地下水净补给模数小, 脆弱性较低; 土壤表层以黏土和粉质黏土为主, 这些低渗透性介质通过有效吸附和减缓污染物的渗漏, 达到了降低污染的目的[33].综上所述, 研究区地下水脆弱性整体较高.
|
图 2 DRSTIW模型各因子等级 Fig. 2 Factor levels of DRSTIW model |
|
图 3 基于DRSTIW模型的地下水脆弱性空间分布 Fig. 3 Groundwater vulnerability spatial distribution based on the DRSTIW model |
|
|
表 3 地下水脆弱性、地下水污染负荷、地下水功能价值、地下水污染风险评价结果1) Table 3 Groundwater vulnerability, groundwater pollution loading, groundwater functional value, and groundwater pollution risk assessment results |
2.2 污染负荷评价
主成分分析(PCA)和因子分析(FA)等多元统计方法, 是通过样本间的相关性强弱, 对样本进行分类[34].本研究采用因子分析, 以地下水化学变量作为原始变量, 将地下水中特征污染物的信息进行集中和提取, 有效地降低数据集的维数并识别污染源.选取地下水中Na+、Ca2+、Mg2+、Cl-、SO42-、TDS、TH、NO3-、NO2-、HN4+、Cd、Cu和Zn这13项指标进行因子分析, 各指标特征值见表 4.对各指标进行KMO和Bartlett检验后, KMO值为0.716>0.5, 宜做因子分析.共提取特征值大于1的3个因子并利用最大方差法计算旋转因子载荷(图 4), 因子载荷>0.75、0.50~0.75和0.30~0.50分别被定义为“强” “中”和“弱”相关[35].
|
|
表 4 地下水化学指标统计1) Table 4 Statistics of groundwater hydrochemical indexes |
|
图 4 13个指标经最大方差法旋转后的因子载荷 Fig. 4 Factor loadings for 13 indexes rotated by maximum variance method |
L因子载荷较高的指标为Na+、Ca2+、Mg2+、Cl-、SO42-、TDS和TH, 研究区第四系松散岩类沉积物为地下水水化学组分溶滤、迁移和富集提供了良好的条件, 在水岩相互作用下, 促进了蒸发盐岩和钙镁矿物的溶解, Na+、Ca2+、Mg2+、Cl-、SO42-等离子含量增加, 进而形成高TDS和高TH地下水[36].因此, L因子命名为水岩相互作用的点源污染.
A因子载荷较高的指标为NO3-、NO2-和NH4+, 化肥和农药的大规模使用促进了农作物的生长, 但只有部分氮肥可被植物吸收[37], 化肥以及农作物残渣中残留的含氮物, 在硝化细菌的作用下转化为了硝态氮, 其不易被土壤胶体吸附, 部分滞留于土壤或通过灌溉排水和地表径流下渗到地下水中[38], 另外, 研究区地下水处于还原-亚还原环境(20.8%水样的氧化还原电位Eh＜70 mV)[39], 反硝化作用也会将部分NO3-转化为NO2-[40].因此, A因子命名为农药化肥的面源污染.
C因子载荷较高的指标为Cd、Zn、Cu和NH4+, 一些工厂企业在生产过程中会排放大量废水, 这些工业废水排放到地表经过包气带渗漏到含水层中, 造成地下水体污染, 或是排放于河流, 河流补给其周边的地下水, 致使地下水受到污染[41].生活垃圾填埋场的防渗层破损渗漏, 经过大气降雨淋滤, NH4+等污染物渗入地下水中, 因此, C因子命名为工业和生活的点源污染.
采用SPSS软件计算地下水水样各个污染因子的得分, 其得分高低反映了因子对各水样的影响程度, 其值越大, 表明该因子对该水样污染的贡献越大[10].使用ArcGIS中克里金插值方法绘制各污染因子的空间分布(图 5), 各污染因子的权重和赋分分别见表 2和表 5, 将各因子的得分和权重按式(2)计算得出地下水污染负荷指数, 不同污染源的组合导致研究区不同区域的污染程度不同.由图 6和表 3可知, 高污染负荷区和较高污染负荷区占比分别为7.9%和19.7%, 主要分布在巴楚县和图木舒克市, 随着矿物的溶解, 大量离子沿地下水流向富集于该区域, 另外, 农药化肥的使用也是该地区污染严重的重要原因, 根据《新疆维吾尔自治区统计年鉴(2020)》, 巴楚县化肥折算为6.2×104 t, 铵态氮肥大面积的使用会导致地下水中“三氮”含量升高.中等污染负荷区占比22.8%, 主要分布在巴楚县北部和麦盖提县南部, 该区域农业化肥和工业废水污染较轻.叶城县、莎车县和泽普县为较低污染负荷区和低污染负荷区, 该区域占比分别为31.0%和18.6%, 虽然该区域工厂、垃圾填埋场等污染场地相对较多, 但大多都是点源污染, 污染范围不大, 且工业污染因子贡献率较少, 致使工业污染较弱, 且该区域水岩相互作用较弱, 地下水埋深相对较大, 盐类离子经土壤表层、包气带进入含水层中, 部分离子滞留在土壤和包气带, 减少含水层中的离子入渗量, 故该区域污染负荷较低.
|
图 5 各污染因子空间分布 Fig. 5 Spatial distribution of each pollution factor |
|
|
表 5 污染负荷各因子的范围和赋分 Table 5 Range and score of each factor of pollution loading |
|
图 6 污染负荷空间分布 Fig. 6 Spatial distribution of pollution loading |
本研究采用2020年度夜间灯光遥感数据作为开采价值的评价指标, 用生境质量和地下水质量类别作为原位价值的评价指标, 将夜间灯光遥感数据(H)、生境质量(E)和地下水质量类别(Q)按表 6分级, 各因子的权重见表 2.
|
|
表 6 地下水功能价值各因子的范围和赋分 Table 6 Range and score of each factor of groundwater function value |
地下水功能价值各个因子的分级见图 7, 将每个因子的得分和权重利用GIS叠加得出地下水功能价值评价结果(图 8和表 3), 地下水功能价值整体从西南向东北有降低趋势, 其中高价值和较高价值区域占比分别为1.6%和7.2%, 分布较为零散, 主要分布在叶城县北部、莎车县和泽普县等区域, 主要是人类经济活动聚集、水质优良和生境质量较好造成的.夜光数据可以很好地表征人口密度的大小和人均GDP的多少, 人口密集和人均GDP上升可以反映出经济活动较剧烈, 生活和生产等活动对地下水的需求量越大, 地下水开发价值越大[12]; 高价值和较高价值区域水质较好, 主要以Ⅰ和Ⅱ类水为主, 水质越好, 原位价值越高[42]; 较高生境质量导致该区域地下水功能价值相对较高, 高生境质量区域的土地利用类型以草地和林地为主, 自然生态环境稳定且受人类活动干扰较小, 保证了水源涵养性和生物多样性, 生境退化程度低, 生境质量较好[43].中等价值区域占比为24.5%, 主要分布在叶城县南部和莎车县西部等区域, 该区域水质相对较好, 生境质量较差, 经济活动较少.较低价值和低价值区域占比分别为23.8%和42.9%, 主要分布在巴楚县和麦盖提县等区域, 低生境质量区域的地类以城镇建设用地和未利用地为主, 城镇化建设使生态环境遭到不同程度的破环, 另外, 未利用地多为沙地、裸地, 其植被覆盖率较低, 造成生境破碎, 生境质量相对较差[44]; 低价值和较低价值区域水质较差, 主要以Ⅳ和Ⅴ类水为主, 较差的径流条件和日益频繁的人类活动导致水质劣化, 从而降低地下水功能价值.
|
图 7 地下水功能价值各因子等级 Fig. 7 Factor levels of groundwater function value |
|
图 8 地下水功能价值空间分布 Fig. 8 Spatial distribution of groundwater function value |
将地下水脆弱性图(图 3)、地下水污染负荷图(图 6)和地下水功能价值图(图 8)进行叠加, 得到研究区域地下水污染风险评价结果(图 9和表 3), “高” “较高” “中等” “较低”和“低”地下水污染风险区分别占研究区的4.4%、16.3%、18.1%、27.1%和34.1%.地下水高污染风险区和较高污染风险区主要分布在莎车县、泽普县、麦盖提县、图木舒克市和巴楚县西部, 其中莎车县、泽普县和麦盖提县从土壤表层到含水层之间渗透性较好, 且地下水补给模数较高, 补给来源广泛, 地下水易遭受污染, 加之较高的原位价值(水质较好)和开采价值(经济效益高)增加了该区域的污染风险; 图木舒克市和巴楚县西部, 水动力条件较差, 污染物易于富集.耕地面积的增加和城镇化扩张, 致使农药化肥残留物和城市污水污染地下水, 加重了污染负荷[45].地下水中等污染风险区分布较为零散.地下水低污染风险区和较低污染风险区主要分布在叶城县南部和巴楚县北部, 叶城县南部地下水埋深较大, 不易污染; 坡度较大, 污染物易迁移, 不易造成污染, 致使脆弱性较低; 巴楚县北部植被覆盖率低, 多为沙地、裸地, 生境质量低, 地下水功能价值较低; 远离城镇, 受到农业和工业影响较小, 地下水污染负荷较低.
|
图 9 地下水污染风险空间分布 Fig. 9 Spatial distribution of groundwater pollution risk |
研究区处于干旱区, 大气降水补给地下水相对较弱, 故采用地下水净补给模数代替净补给量; 富水性的大小与含水层介质、厚度和渗透系数等因子有关, 故采用富水性代替含水层介质和水力传导系数, 因此, 采用改进的DRASTIC模型——DRSTIW模型, 能更加适宜研究区的地下水脆弱性评价.水岩相互作用的点源污染、农药化肥面源污染和工业、生活的点源污染是研究区的主要污染源, 这与张杰[14]认为溶滤-迁移等自然因素和废水排放等人为因素是导致叶尔羌河流域地下水水质劣化的主要原因一致.地下水污染风险空间分布结合地下水脆弱性、地下水污染负荷和地下水功能价值评价结果, 可反映污染物通过含水层进入地下水的难易程度[46].地下水污染风险图在“高”和“较高”区域的划分上与地下水脆弱性图、地下水污染负荷图表现出明显的相似性, 但和地下水功能价值图的划分略有差异, 说明不同的评价指标会导致不同的地下水污染风险评价结果[47].地下水功能价值的内容比较复杂, 本文仅从水质和生态环境考虑其原位价值, 从经济效益考虑其开采价值, 王红娜等[48]从水源地保护划分和水量等方面来体现地下水功能价值, 因此在以后的研究中应多角度对地下水功能价值进行评价.另外, 各评价指标的评分和权重不同对结果也有较大影响, 分级效果的好与差不仅依赖于数据的分布特征, 还依赖于分级方法, 偏度过大或过小的数据, 用不同的分级方法, 所表现的效果是截然不同的[49], 权重的大小决定了评价指标在评价结果中的贡献程度, 随着权重由低到高, 其对评价结果的影响也由小到大, 评价体系的权重值对评价结果起到了关键作用.在人类活动密集区, 随着人类活动的变化, 地下水污染负荷可能会随着时间的推移而发生变化.因此, 有必要在一定时间间隔后更新地下水污染风险图[50], 以帮助决策者和管理者确定风险最高的区域, 及时有效地解决研究区地下水污染问题.
4 结论(1) 研究区地下水脆弱性整体较高, 高脆弱性区和较高脆弱性区主要分布在泽普县、莎车县、麦盖提县、图木舒克市和巴楚县的东部等区域, 地下水补给模数大、土壤表层和包气带渗透能力强和地下水埋深较浅等原因使地下水脆弱性相对较高.
(2) 研究区地下水污染负荷整体相对较低, 水岩相互作用的点源污染、农药化肥的面源污染、工业和生活的点源污染是研究区主要的污染源.高污染负荷区和较高污染负荷区主要分布在巴楚县和图木舒克市.
(3) 研究区地下水功能价值整体较低, 地下水功能价值从西南向东北有降低趋势.高功能价值区主要分布在叶城县北部、莎车县和泽普县等区域, 其主要原因是人类经济活动聚集、水质优良和生境质量较好.
(4) 研究区地下水污染风险整体较低, 以低污染风险区和较低污染风险区为主, 在莎车县、泽普县、麦盖提县、图木舒克市以及巴楚县西部一带地下水污染风险较高, 这与含水层渗透性、水动力条件、污染源的排放和生态环境等密切相关.污染风险与人类活动密切相关, 及时更新地下水污染风险图有助于防治地下水污染, 同时, 研究结果为研究区地下水资源保护与规划奠定了重要的理论基础.
| [1] | Li P Y, Tian R, Xue C Y, et al. Progress, opportunities, and key fields for groundwater quality research under the impacts of human activities in China with a special focus on western China[J]. Environmental Science and Pollution Research, 2017, 24(15): 13224-13234. DOI:10.1007/s11356-017-8753-7 |
| [2] |
李小牛, 周长松, 周孝德, 等. 污灌区浅层地下水污染风险评价研究[J]. 水利学报, 2014, 45(3): 326-334, 342. Li X N, Zhou C S, Zhou X D, et al. Study on risk assessment of groundwater pollution in sewage irrigation area[J]. Journal of Hydraulic Engineering, 2014, 45(3): 326-334, 342. |
| [3] |
陆燕, 何江涛, 王俊杰, 等. 北京市平原区地下水污染防控区划不确定性分析[J]. 环境科学, 2012, 33(9): 3117-3123. Lu Y, He J T, Wang J J, et al. Uncertainty analysis of groundwater protection and control zoning in Beijing Plain[J]. Environmental Science, 2012, 33(9): 3117-3123. |
| [4] | Aller L, Bennett T, Lehr J, et al. DRASTIC: a standardized system for evaluating ground water pollution potential using hydrogeologic settings[R]. Washington: U.S. EPA, 1987. |
| [5] | Wu W Y, Liao R K, Hu Y Q, et al. Quantitative assessment of groundwater pollution risk in reclaimed water irrigation areas of northern China[J]. Environmental Pollution, 2020, 261. DOI:10.1016/j.envpol.2020.114173 |
| [6] |
张佳文, 张伟红, 陈震, 等. 北京密怀顺地区地下水污染风险评价方法探究[J]. 环境科学学报, 2018, 38(7): 2876-2883. Zhang J W, Zhang W H, Chen Z, et al. Study on risk assessment method of groundwater pollution in Beijing Mi-Huai-Shun area[J]. Acta Scientiae Circumstantiae, 2018, 38(7): 2876-2883. |
| [7] |
王俊杰, 何江涛, 陆燕, 等. 地下水污染风险评价中特征污染物量化方法探讨[J]. 环境科学, 2012, 33(3): 771-776. Wang J J, He J T, Lu Y, et al. Quantitative method of representative contaminants in groundwater pollution risk assessment[J]. Environmental Science, 2012, 33(3): 771-776. |
| [8] |
赵鹏, 何江涛, 王曼丽, 等. 地下水污染风险评价中污染源荷载量化方法的对比分析[J]. 环境科学, 2017, 38(7): 2754-2762. Zhao P, He J T, Wang M L, et al. Comparison and analysis of the quantitative methods for pollutant sources load in groundwater contamination risk assessment[J]. Environmental Science, 2017, 38(7): 2754-2762. |
| [9] | Zuo R, Meng L, Wang B, et al. Pollution risk assessment based on source apportionment in a groundwater resource area, NE China[J]. Human and Ecological Risk Assessment: An International Journal, 2018, 24(5): 1197-1215. DOI:10.1080/10807039.2017.1410428 |
| [10] | Qin R G, Wu Y Q, Xu Z G, et al. Assessing the impact of natural and anthropogenic activities on groundwater quality in coastal alluvial aquifers of the lower Liaohe River Plain, NE China[J]. Applied Geochemistry, 2013, 31: 142-158. DOI:10.1016/j.apgeochem.2013.01.001 |
| [11] |
孙才志, 陈相涛, 陈雪姣, 等. 地下水污染风险评价研究进展[J]. 水利水电科技进展, 2015, 35(5): 152-161. Sun C Z, Chen X T, Chen X J, et al. Recent advances in groundwater contamination risk assessment[J]. Advances in Science and Technology of Water Resources, 2015, 35(5): 152-161. |
| [12] | Li X Y, Wu H, Qian H. Groundwater contamination risk assessment using intrinsic vulnerability, pollution loading and groundwater value: a case study in Yinchuan Plain, China[J]. Environmental Science and Pollution Research, 2020, 27(36): 45591-45604. DOI:10.1007/s11356-020-10221-4 |
| [13] |
张杰, 周金龙, 乃尉华, 等. 新疆叶尔羌河流域平原区浅层地下水咸化空间分布及成因[J]. 农业工程学报, 2019, 35(23): 126-134. Zhang J, Zhou J L, Nai W H, et al. Spatial distribution and cause of salinization of shallow groundwater in plain terrain of the Yarkant River Basin, Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(23): 126-134. DOI:10.11975/j.issn.1002-6819.2019.23.016 |
| [14] |
张杰. 叶尔羌河流域平原区地下水水质演化及其形成机理研究[D]. 乌鲁木齐: 新疆农业大学, 2021. Zhang J. Evolution of groundwater quality and its formation mechanism in plain area of Yarkant River Basin[D]. Urumqi: Xinjiang Agricultural University, 2021. |
| [15] |
林丽, 曾妍妍, 周金龙, 等. 新疆叶尔羌河流域浅层地下水化学特征及形成机制[J]. 干旱区资源与环境, 2020, 34(6): 146-152. Lin L, Zeng Y Y, Zhou J L, et al. Hydrochemical characteristics and formation mechanism of shallow groundwater in the Yarkant River Basin, Xinjiang[J]. Journal of Arid Land Resources and Environment, 2020, 34(6): 146-152. |
| [16] |
白宜斐, 王弋, 陈亚宁, 等. 叶尔羌河流域灌区地下水埋深变化及影响因素分析[J]. 水资源与水工程学报, 2019, 30(6): 242-249. Bai Y F, Wang Y, Chen Y N, et al. Variation of groundwater depth and its influencing factors in the irrigated area of the Yarkant River Basin[J]. Journal of Water Resources and Water Engineering, 2019, 30(6): 242-249. |
| [17] |
张广朋, 徐海量, 杜清, 等. 近20a叶尔羌河流域生态服务价值对土地利用/覆被变化的响应[J]. 干旱区研究, 2016, 33(6): 1303-1310. Zhang G P, Xu H L, Du Q, et al. Response of ecosystem service value to land use/cover change in the Yarkant River Basin in recent 20 years[J]. Arid Zone Research, 2016, 33(6): 1303-1310. |
| [18] |
冯加远. 叶尔羌河流域水土环境演变影响因素分析及其防控对策研究[D]. 西安: 西北大学, 2016. Feng J Y. The Yarkant River Basin soil and water environment evolution factors and prevention strategies[D]. Xi'an: Northwest University, 2016. |
| [19] | Zhang J, Zhou J L, Zhou Y Z, et al. Hydrogeochemical characteristics and groundwater quality assessment in the plain area of Yarkant River Basin in Xinjiang, P.R. China[J]. Environmental Science and Pollution Research, 2021, 28(24): 31704-31716. DOI:10.1007/s11356-021-12851-8 |
| [20] | 刘斌, 门国发, 王占和, 等. 塔里木盆地地下水勘查[M]. 北京: 地质出版社, 2009. |
| [21] | Yu S, Ding H H, Zeng Y F. Evaluating water-yield property of karst aquifer based on the AHP and CV[J]. Scientific Reports, 2022, 12(1): 3308. DOI:10.1038/s41598-022-07244-x |
| [22] | Li X Y, Gao Y Y, Qian H, et al. Groundwater vulnerability and contamination risk assessment of the Weining Plain, using a modified DRASTIC model and quantized pollution loading method[J]. Arabian Journal of Geosciences, 2017, 10(21). DOI:10.1007/s12517-017-3255-y |
| [23] | Amiri V, Kamrani S, Ahmad A, et al. Groundwater quality evaluation using Shannon information theory and human health risk assessment in Yazd province, central plateau of Iran[J]. Environmental Science and Pollution Research, 2021, 28(1): 1108-1130. |
| [24] | Teng Y G, Zuo R, Xiong Y N, et al. Risk assessment framework for nitrate contamination in groundwater for regional management[J]. Science of the Total Environment, 2019, 697. DOI:10.1016/j.scitotenv.2019.134102 |
| [25] |
滕彦国, 苏洁, 翟远征, 等. 地下水污染风险评价的迭置指数法研究综述[J]. 地球科学进展, 2012, 27(10): 1140-1147. Teng Y G, Su J, Zhai Y Z, et al. A review on the overlay and index method for groundwater pollution risk assessment[J]. Advances in Earth Science, 2012, 27(10): 1140-1147. |
| [26] |
陈世莉, 陈浩辉, 李郇. 夜间灯光数据在不同尺度对社会经济活动的预测[J]. 地理科学, 2020, 40(9): 1476-1483. Chen S L, Chen H H, Li X. The ability of nighttime imagery in monitoring economic activity in different scales[J]. Scientia Geographica Sinica, 2020, 40(9): 1476-1483. |
| [27] |
余柏蒗, 王丛笑, 宫文康, 等. 夜间灯光遥感与城市问题研究: 数据、方法、应用和展望[J]. 遥感学报, 2021, 25(1): 342-364. Yu B L, Wang C X, Gong W K, et al. Nighttime light remote sensing and urban studies: data, methods, applications, and prospects[J]. National Remote Sensing Bulletin, 2021, 25(1): 342-364. |
| [28] |
杨文仙, 李石华, 彭双云, 等. 顾及地形起伏的InVEST模型的生物多样性重要区识别——以云南省为例[J]. 应用生态学报, 2021, 32(12): 4339-4348. Yang W X, Li S H, Peng S Y, et al. Identification of important biodiversity areas by InVEST model considering opographic relief: a case study of Yunnan Province, China[J]. Chinese Journal of Applied Ecology, 2021, 32(12): 4339-4348. |
| [29] | Xiao J, Wang L Q, Deng L, et al. Characteristics, sources, water quality and health risk assessment of trace elements in river water and well water in the Chinese Loess Plateau[J]. Science of the Total Environment, 2019, 650: 2004-2012. |
| [30] | Zhang Q X, Li P Y, Lyu Q F, et al. Groundwater contamination risk assessment using a modified DRATICL model and pollution loading: a case study in the Guanzhong Basin of China[J]. Chemosphere, 2022, 291. DOI:10.1016/j.chemosphere.2021.132695 |
| [31] | Bera A, Mukhopadhyay B P, Chowdhury P, et al. Groundwater vulnerability assessment using GIS-based DRASTIC model in Nangasai River Basin, India with special emphasis on agricultural contamination[J]. Ecotoxicology and Environmental Safety, 2021, 214. DOI:10.1016/j.ecoenv.2021.112085 |
| [32] | Neshat A, Pradhan B, Dadras M. Groundwater vulnerability assessment using an improved DRASTIC method in GIS[J]. Resources, Conservation and Recycling, 2014, 86: 74-86. |
| [33] | Shrestha S, Semkuyu D J, Pandey V P. Assessment of groundwater vulnerability and risk to pollution in Kathmandu Valley, Nepal[J]. Science of the Total Environment, 2016, 556: 23-35. |
| [34] |
王珺瑜, 王家乐, 靳孟贵. 济南泉域岩溶水水化学特征及其成因[J]. 地球科学, 2017, 42(5): 821-831. Wang J Y, Wang J L, Jin M G. Hydrochemical characteristics and formation causes of karst water in Jinan Spring Catchment[J]. Earth Science, 2017, 42(5): 821-831. |
| [35] | Liu C W, Wu M Z. Geochemical, mineralogical and statistical characteristics of arsenic in groundwater of the Lanyang Plain, Taiwan[J]. Journal of Hydrology, 2019, 577. DOI:10.1016/j.jhydrol.2019.123975 |
| [36] |
崔佳琪, 李仙岳, 史海滨, 等. 河套灌区地下水化学演变特征及形成机制[J]. 环境科学, 2020, 41(9): 4011-4020. Cui J Q, LI X Y, Shi H B, et al. Chemical evolution and formation mechanism of groundwater in Hetao Irrigation Area[J]. Environmental Science, 2020, 41(9): 4011-4020. |
| [37] |
袁宏颖, 杨树青, 张万锋, 等. 河套灌区浅层地下水NO3-N时空变化及驱动因素[J]. 环境科学, 2022, 43(4): 1898-1907. Yuan H Y, Yang S Q, Zhang W F, et al. Temporal and spatial variation characteristics and driving factors of nitrogen of shallow groundwater in Hetao irrigation district[J]. Environmental Science, 2022, 43(4): 1898-1907. |
| [38] |
赵卫东, 赵芦, 龚建师, 等. 宿州矿区浅层地下水污染评价及源解析[J]. 地学前缘, 2021, 28(5): 1-14. Zhao W D, Zhao L, Gong J S, et al. Pollution assessment and source apportionment of shallow groundwater in Suzhou mining area, China[J]. Earth Science Frontiers, 2021, 28(5): 1-14. |
| [39] | Li J X, Wang Y X, Guo W, et al. Iodine mobilization in groundwater system at Datong basin, China: evidence from hydrochemistry and fluorescence characteristics[J]. Science of the Total Environment, 2014, 468-469: 738-745. |
| [40] |
郭卉, 虞敏达, 何小松, 等. 南方典型农田区浅层地下水污染特征[J]. 环境科学, 2016, 37(12): 4680-4689. Guo H, Yu M D, He X S, et al. Pollution characteristics analysis in shallow groundwater of typical farmland area, Southern China[J]. Environmental Science, 2016, 37(12): 4680-4689. |
| [41] |
刘博, 肖长来, 梁秀娟, 等. 吉林市城区浅层地下水污染源识别及空间分布[J]. 中国环境科学, 2015, 35(2): 457-464. Liu B, Xiao C L, Liang X J, et al. Identification of shallow groundwater pollution factors and spatial distribution in the urban areas of Jilin City[J]. China Environmental Science, 2015, 35(2): 457-464. |
| [42] | Huan H, Zhang B T, Kong H M, et al. Comprehensive assessment of groundwater pollution risk based on HVF model: a case study in Jilin City of northeast China[J]. Science of the total Environment, 2018, 628-629: 1518-1530. |
| [43] |
康满萍, 赵成章, 白雪. 苏干湖湿地土壤全盐含量空间异质性及影响因素[J]. 生态学报, 2021, 41(6): 2282-2291. Kang M P, Zhao C Z, Bai X. Spatial heterogeneity and influencing factors of total soil salinity in Sugan Lake wetland[J]. Acta Ecologica Sinica, 2021, 41(6): 2282-2291. |
| [44] |
许宝荣, 刘一川, 董莹, 等. 基于InVEST模型的兰州地区生境质量评价[J]. 中国沙漠, 2021, 41(5): 120-129. Xu B R, Liu Y C, Dong Y, et al. Evaluation of habitat quality in Lanzhou Region based on InVEST model[J]. Journal of Desert Research, 2021, 41(5): 120-129. |
| [45] |
李绍飞, 陈伏龙, 余萍, 等. 平原区浅层地下水污染风险评价[J]. 武汉大学学报(工学版), 2018, 51(12): 1035-1040, 1049. Li S F, Chen F L, Yu P, et al. Shallow groundwater pollution risk evaluation in plain areas[J]. Engineering Journal of Wuhan University, 2018, 51(12): 1035-1040, 1049. |
| [46] | Fadlelmawla A A, Fayad M, El-Gamily H, et al. A land surface zoning approach based on three-component risk criteria for groundwater quality protection[J]. Water Resources Management, 2011, 25(6): 1677-1697. |
| [47] | Wang J J, He J T, Chen H H. Assessment of groundwater contamination risk using hazard quantification, a modified DRASTIC model and groundwater value, Beijing Plain, China[J]. Science of the Total Environment, 2012, 432: 216-226. |
| [48] |
王红娜, 何江涛, 马文洁, 等. 两种不同的地下水污染风险评价体系对比分析: 以北京市平原区为例[J]. 环境科学, 2015, 36(1): 186-193. Wang H N, He J T, Ma W J, et al. Comparative analysis of two different methods for risk assessment of groundwater pollution: a case study in Beijing Plain[J]. Environmental Science, 2015, 36(1): 186-193. |
| [49] | Li H J, Yu X P, Zhang W J, et al. Risk assessment of groundwater organic pollution using hazard, intrinsic vulnerability, and groundwater value, Suzhou City in China[J]. Exposure and Health, 2018, 10(2): 99-115. |
| [50] |
杨彦, 于云江, 王宗庆, 等. 区域地下水污染风险评价方法研究[J]. 环境科学, 2013, 34(2): 653-661. Yang Y, Yu Y J, Wang Z Q, et al. Study on the risk assessment method of regional groundwater pollution[J]. Environmental Science, 2013, 34(2): 653-661. |