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
随着西部大开发战略的深入, 我国西北地区经济快速发展对水资源的需求日益增加[1], 地下水资源作为西北干旱半干旱地区维持人类经济社会发展和生态环境稳定的重要因素[2], 不合理地开发利用地下水资源会引发部分地区地下水资源量短缺、水质污染和生态系统失衡等问题[3, 4].地下水污染风险评价大多是建立在地下水脆弱性评价的基础上, 叠加地下水污染荷载评价和地下水功能价值评价得到的[5].“地下水脆弱性”这一概念由法国水文地质学家Margat于1968年首次提出[6], 指地下水对人类活动和自然条件变化的敏感性, 反映地下水环境的恢复能力.学者们采用各种方法来评估地下水脆弱性, 如EPIK模型[7]、DRASTIC模型[8]、PI模型[9]、决策随机森林法[10]和模糊聚类法[11]等, 其中由美国环保署(USEPA)提出的DRASTIC模型在国际上得到广泛应用[12].对地下水潜在污染源进行识别, 能较好地反映地下水的污染状况[13], 土地利用类型经常被用来代表人类活动造成的地下水污染荷载, 但地下水污染荷载不能仅用土地利用类型来表示[14], Zhang等[15]在土地利用类型的基础上, 对潜在污染源特征进行量化, 主要包括污染物毒性、污染物释放可能性和潜在污染物释放量, 实现对关中盆地的地下水污染荷载评价.在考虑地下水污染事件发生可能性的同时, 也应注重污染风险受体——地下水的灾害损失研究, 因此地下水功能价值的变化也被纳入地下水污染风险评价中, 以提供关于地下水保护紧迫性的信息[16].
巴里坤-伊吾盆地(以下简称巴伊盆地)位于我国新疆东部, 区内矿产资源丰富, 煤化工、光伏风能和石油等能源产业发展迅速, 对水资源的需求日益增大[17].地下水作为该地区工农业生产和生活的主要水源, 污染问题愈加严重, 地下水环境问题成为制约当地经济社会发展和生态系统平衡的重要因素.近年来, 前人虽已对巴伊盆地地下水资源量[18]、地下水质量评价[19]、地下水埋深变化特征[20]和地下水水化学特征及形成原因[21]等方面进行了研究, 但未见对巴伊盆地平原区地下水污染风险评价的研究.本文综合考虑地下水含水层脆弱性、代表人类活动危害的地下水污染荷载和地下水污染后造成不良后果的地下水功能价值这3个要素, 首次开展巴伊盆地平原区地下水污染风险评价研究, 以期对研究区地下水资源保护和当地有关部门划定地下水污染防治重点区域提供科学依据.
1 材料与方法 1.1 研究区概况巴伊盆地地处新疆东部, 地理坐标介于91°19′30″E~96°23′00″E、42°30′00″N~45°20′30″N之间, 行政区划隶属哈密市的巴里坤哈萨克自治县和伊吾县, 平原区面积约25 785 km2.区内属大陆性中温带干旱气候, 气温差异明显, 冬季严寒, 夏季凉爽, 山区多年平均降水量500 mm左右, 平原区多年平均降水量40 mm左右; 山区多年平均蒸发量在1 100 mm左右, 干旱指数3~5, 平原区多年平均蒸发量在2 300 mm左右, 干旱指数>50.总体地势西低东高、北低南高, 平均海拔约为1 700 m[22].从地质角度来看, 地形特征为“三山夹两盆”, 区内盆地与山地之间以深大断裂构成分界线, 形成不同的地貌单元.盆地中心为平坦的洪积平原和湖积平原, 在盆地边缘的山前地带则形成大面积的洪积倾斜平原和冲积扇, 而在山地由于河流携带大量物质补给盆地, 盆地为山区侵蚀物质提供堆积场所, 形成侵蚀剥蚀区.含水层岩性由洪积、冲积形成的砂砾石、细砂和泥质沉积物组成, 透水性强, 区内主要分布松散岩类孔隙水、基岩裂隙水和上覆第四系潜水下伏裂隙空隙层间水(图 1), 本次地下水取样点均分布在松散岩类孔隙水含水层, 埋深为0~72.52 m.地下水的补给主要来自侧向流入、河道入渗和渠系渗透等, 排泄以机井开采、潜水蒸发和坎儿井溢出为主[23].
|
图 1 区域水文地质和地下水取样点分布示意 Fig. 1 Regional hydrogeological and spatial distribution of groundwater sampling sites |
地下水脆弱性由复杂且相互关联的多因素共同影响, 不同含水层的水文地质特征会造成地下水脆弱性存在差异[24].结合巴伊盆地平原区水文地质特征和相关数据获取情况, 本研究在DRASTIC模型基础上进行改进.研究区属于典型的内陆干旱区, 大气降水补给相对较少, 且计算所需数据不易获取, 故可采用地下水净补给量模数代替净补给量.因富水性(单井涌水量)的大小与导水率、含水层压力和含水层厚度等参数有关[25], 故可采用富水性(W)代替传统模型中的含水层介质类型(A)和渗透系数(S).综合考虑污染物进入地下水含水层的水动力条件和介质属性, 选择地下水埋深(D)、地下水净补给量模数(R)、地形坡度(T)和富水性(W)等4个水动力条件指标, 土壤介质(S)和包气带岩性(I)这2个介质属性指标构建地下水脆弱性评价体系[26].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表示指标权重.
1.2.2 地下水污染荷载评价地下水污染荷载评价可定量表征人类生产活动对地下水环境产生的危害程度[27].除工农业和生活产生的污染物通过地表径流、土壤侵蚀和农田排水等形式造成的面源污染[28], 许多污染事件还以点源形式发生, 如矿产勘探、工业排放、危险废物堆积、垃圾填埋场和石油泄漏等[29], 此外还存在一定的线源污染, 如排污河、沟渠和地表水体中的交通运输等, 但由于其本身是受点源污染或面源污染而形成的, 即控制了点源污染或面源污染, 也就控制了线源污染[30], 故在地下水污染荷载评价中不考虑地下水的线源污染, 仅考虑工农业生产和生活造成的点源和面源污染.通过搜集的污染场地调查资料确定点源污染; 根据土地利用类型划分特殊用地、耕地和城镇用地等面源污染[31].地下水污染荷载指数(PI)由式(2)计算:
|
(2) |
式中, PI表示地下水污染荷载指数, A和P分别表示点源污染和面源污染.
1.2.3 地下水功能价值评价地下水功能价值是对污染后果的衡量, 以往的地下水功能价值评价多选取水质和水量指标进行研究, 弱化了地下水资源的经济价值和生态价值[32].本研究采用地下水质量类别、夜间灯光指数和生境质量来表征地下水功能价值, 依据《地下水质量标准》(GB/T 14848-2017)中Ⅲ类水限值, 选取研究区地下水中存在超标的SO42-、Na+、F-、TDS、I-、TH、Cl-、耗氧量和NH4+等9项水质指标, 运用改进内梅罗指数法进行地下水质量评价[33].夜间稳定的亮光绝大多数来自于城市区域的人造光源, 夜间灯光指数数据可直观地反映人类社会经济活动的差异[34, 35], 国内外学者也已证实夜间灯光指数数据作为国民生产总值(GDP)和人口密度等社会经济发展指标的代替变量的可行性[36, 37], 因此选取夜间灯光指数数据作为地下水经济价值的评价指标[38].归一化植被指数(NDVI)被认为是揭示植被生长状态和植被覆盖动态变化的最佳指示因子[39], 选择生长季(6~10月)NDVI的均值表征植被覆盖[40], 对InVEST生境质量模块中各土地覆盖类型的生境适宜度进行修正, 以此定量评估巴伊盆地平原区的生境质量水平.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, Q、H和E分别表示地下水质量类别、夜间灯光指数和生境质量.
1.2.4 地下水污染风险评价地下水污染风险是地下水含水层受到污染的概率和污染后产生不良后果的叠加, 地下水污染概率由地下水脆弱性评价和地下水污染荷载评价来表征, 地下水污染不良后果由地下水功能价值评价来完成.以“源-径-受体”概念为思路, 构建地下水污染风险评价体系[41].利用基于DRSTIW模型的地下水脆弱性图、地下水污染荷载图和地下水功能价值图, 叠加生成地下水污染风险分布图, 通过ArcGIS中Nature break分类方法划分地下水污染风险等级.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、地下水污染荷载指数和地下水功能价值量.
1.2.5 空间冷热点及变动分析(1) G指数 空间冷热点探测是全局聚集性检验方法之一, 能很好地反映某一区域与邻近区域单元属性值的关联程度[42].为了探查研究区地下水污染风险高低值要素在空间发生聚类的位置, 计算地下水污染风险的G指数, 分析地下水污染风险冷热点区域的空间集聚特征[43], G和Z值分别由式(5)和式(6)计算:
|
(5) |
|
(6) |
式中, Gi(d)表示G指数; n表示空间单元的数量; xj表示空间单元j的属性值, E[Gi(d)]和Var[Gi(d)]分别表示数学期望和方差; Wij表示空间权重矩阵.若Z[Gi(d)]值为正且值相对较高, 则高值空间聚类较紧密, 即热点区; 反之, 若Z[Gi(d)]值为负且值相对较低, 则低值空间聚类较紧密, 即冷点区.
(2) 热点重心及标准差椭圆空间重心和标准差椭圆常被应用于社会经济空间格局、城市规划和土地利用类型变化等研究, 能反映地理事物和现象的空间分布整体特征.本研究以地下水污染风险空间热点分布为研究对象, 运用ArcGIS的度量地理分布功能, 得到地下水污染风险热点区的重心和标准差椭圆, 分析地下水污染风险空间热点的变动特征.重心移动能反映空间热点的转移情况[44], 标准差椭圆长半轴反映空间热点的分布方向, 短半轴反映空间热点的分布范围, 长轴和竖直方向的旋转角度的变动能定量分析热点变化的方向大小[45], 热点重心(标准差椭圆中心)由式(7)计算:
|
(7) |
式中, M(x, y)表示热点重心坐标, n表示区域划分的格网数量, wi表示第i个格网的地下水污染风险指数, si表示第i个格网的面积.
1.3 数据来源2022年7~8月进行野外调查取样与测试, 获得巴伊盆地平原区95组地下水水位测量数据和34组地下水水质检测数据(图 1).地下水水样的采集、保存和送样严格按照《区域地下水污染调查评价规范》(DZ/T 0288-2015)中规定的要求执行.本研究所需数据来源见表 1.
|
表 1 数据来源 Table 1 Data sources |
为方便后续加权叠加和计算面积, 对研究区进行合理的网格剖分, 将研究区剖分为3 km×3 km的网格, 共2 865个网格, 以每个网格为单元, 将各指标评分赋予网格, 通过对指标图层的加权叠加, 将得到的地下水脆弱性指数、地下水污染荷载指数、地下水功能价值量和地下水污染风险指数作为单元格中心值进行分析.
2 结果与分析 2.1 权重确定权重反映各评价指标对评价体系的影响程度, 指标权重合理赋值直接决定评价结果的精度[46].本研究采用主观权重(AHP法)和客观权重(熵权法)取均值来确定各指标综合权重, 既在一定程度上改善主观赋权的随机性, 又体现数据本身的离散程度[47], 以此确定相对合理的指标权重, 各评价指标的综合权重见表 2.
|
|
表 2 各指标综合权重 1) Table 2 Comprehensive weights of each index |
2.2 地下水脆弱性评价
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)这6项指标的范围划分和赋分在参考《地下水脆弱性评价技术要求》(GWI-D3)的基础上, 根据研究区的水文地质特征和专家经验综合确定.DRSTIW模型各指标的范围和赋分见表 3, 各指标评分等级如图 2.
|
|
表 3 DRSTIW模型各指标的范围和赋分 1) Table 3 Range and assignment for each index of the DRSTIW model |
|
图 2 DRSTIW模型各指标评分等级 Fig. 2 Grade for each index of the DRSTIW model |
利用ArcGIS地图代数功能将DRSTIW模型中的各指标评分加权叠加, 得到地下水脆弱性评价结果(图 3和表 4).高脆弱性区、较高脆弱性区、中等脆弱性区、较低脆弱性区和低脆弱性区占比分别为5.5%、10.7%、18.4%、39.3%和26.1%, 表明研究区地下水脆弱性整体较低.低脆弱性区和较低脆弱性区主要分布在伊吾县的淖毛湖镇西部、下马崖乡东部、盐池镇和巴里坤县的三塘湖镇北部、花园乡北部, 主要是由于地下水净补给量模数小, 随补给水携带的污染物质相对较少, 且土壤表层以黏土为主, 介质渗透能力弱, 能通过有效吸附减缓污染物渗漏, 地下水遭受污染的潜力也就越小, 造成地下水脆弱性低.中等脆弱区主要分布在伊吾县的淖毛湖镇东南部、伊吾镇和巴里坤县的大红柳峡乡北部、三塘湖镇北部、大河镇等区域, 区域内富水性相对较好, 岩石的透水性能较强, 污染物易下渗到含水层, 地下水脆弱性升高.较高脆弱性区和高脆弱性区主要分布在巴里坤县的三塘湖镇西北部、大红柳峡乡东南部和奎苏镇等区域, 这些区域地下水净补给量模数大, 地形坡度平缓, 地下水埋深较浅, 泉点大多分布于此, 污染物进入含水层的迁移距离短, 且土壤表层和包气带介质渗透性能较强, 为污染物进入含水层提供良好介质条件, 造成地下水脆弱性较高.
|
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 4 地下水脆弱性、地下水污染荷载、地下水功能价值和地下水污染风险评价结果 1) Table 4 Groundwater vulnerability, groundwater pollution load, groundwater functional value, and groundwater pollution risk assessment results |
2.3 地下水污染荷载评价
参考《地下水污染防治区划分指南(2019)》将点源污染分为矿区、工业园区、危险废物处理企业、垃圾填埋场、污水处理厂、养殖场和加油站等7类, 点源污染未分布区域划分为未受污染区域, 赋值为0分.参考《土地利用现状分类》(GB/T 21010-2017)将土地利用类型划分为特殊用地、耕地、农村用地、城镇用地、草地、林地和未利用地等面源污染.巴里坤县和伊吾县的耕地和其他农用地面积大于建设用地, 且农业用水量远大于工业和生活用水量(《新疆统计年鉴(2021)》), 故耕地和农村用地较城镇用地被污染的概率相对较高, 耕地和农村用地赋分高于城镇用地; 考虑到巴伊盆地有养殖业分布在草地范围, 存在面源污染风险, 故草地赋值为3分; 未利用地由于人类活动干扰性较小, 对地下水污染造成的风险较低, 故未利用地赋值为1分.地下水污染荷载各指标范围和赋分见表 5, 各指标评分等级如图 4.
|
|
表 5 地下水污染荷载各指标范围和赋分 1) Table 5 Range and assignment for each index of groundwater pollution load |
|
图 4 地下水污染荷载各指标评分等级 Fig. 4 Grade for each index of groundwater pollution load |
将点源污染和面源污染评分加权叠加, 得到地下水污染荷载评价结果(图 5和表 4).高污染荷载区、较高污染荷载区、中等污染荷载区、较低污染荷载区和低污染荷载区占比分别为1.7%、6.5%、10.0%、22.2%和59.6%, 以较低污染荷载区和低污染荷载区为主, 表明研究区地下水整体受污染程度较轻.较低污染荷载区和低污染荷载区主要分布在伊吾县的淖毛湖镇西部、下马崖乡、盐池镇西部、前山乡和巴里坤县的三塘湖镇北部、大红柳峡乡北部和东南部、花园乡, 区域内土地利用类型多为未利用地, 点源污染大多也未分布于此, 受人类活动影响较小, 且其周围多分布草地, 天然草地具有涵养水分和改良土壤的作用, 地下水受污染程度较轻.中等污染荷载区主要分布在伊吾县的淖毛湖镇西南部、苇子峡乡北部和巴里坤县的三塘湖镇东南部、奎苏镇北部、萨尔乔克乡, 主要受土地利用类型多为草地且分布有养殖业, 区内存在农业活动产生的点源和面源污染的影响.高污染荷载区和较高污染荷载区主要分布在伊吾县的淖毛湖镇、吐葫芦乡、盐池镇东南部; 巴里坤县的三塘湖镇、石人子乡、奎苏镇、大河镇和兵团红山农场、良种繁育场, 研究区的矿业、工业园区、垃圾填埋场、加油站和养殖场多集中分布于这些区域, 工农业和生活污染源产生和排放的污染物造成地下水中TDS、TH、F-和SO42-等超标, 在点源和面源污染的双重作用下, 地下水污染荷载较高, 即地下水受污染程度较高.
|
图 5 地下水污染荷载空间分布 Fig. 5 Spatial distribution of groundwater pollution load |
本研究选取地下水质量类别(Q)、夜间灯光指数数据(H)和生境质量(E)分别作为地下水原生价值、经济价值和生态价值的评价指标.运用改进的内梅罗指数法对研究区地下水进行质量评价, 地下水质量越好, 表明地下水的原生价值越高; 利用ArcGIS对夜间灯光指数影像进行处理, 数据值越大, 表明地下水的经济价值越高; InVEST模型输出的生境质量分布, 得分越高, 生境质量越高, 表明地下水的生态价值越高.地下水功能价值各指标的范围和赋分见表 6, 各指标的评分等级如图 6.
|
|
表 6 地下水功能价值各指标的范围和赋分 Table 6 Range and assignment for each index of groundwater function value |
|
图 6 地下水功能价值各指标评分等级 Fig. 6 Grade for each index of groundwater function value |
将地下水质量类别、夜间灯光指数数据和生境质量评分图加权叠加, 得到地下水功能价值评价结果(图 7和表 4).高价值区、较高价值区、中等价值区、较低价值区和低价值区占比分别为2.8%、3.8%、10.6%、39.6%和43.2%, 以较低价值区和低价值区为主, 表明研究区地下水功能价值整体较低.低价值区和较低价值区主要分布在巴伊盆地西北部和东南部, 区域内土地利用类型多为戈壁和裸岩石质地, 植被覆盖率低, 生境质量水平低, 且人类经济活动不聚集于此, 地下水生态价值和经济价值低, 造成地下水功能价值较低.中等价值区主要分布在伊吾县的前山乡、淖毛湖镇西部和巴里坤县的奎苏镇、花园乡北部、萨尔乔克乡, 这些区域生境质量较好, 但由于养殖场、垃圾填埋场分布和人类经济活动干扰, 导致地下水质量较差, 地下水功能价值降低.高价值区和较高价值区主要分布在伊吾县的淖毛湖镇、吐葫芦乡、盐池镇和巴里坤县的大河镇、石人子乡和巴里坤镇, 主要是受土地利用开发程度和人类经济活动影响, 造成地下水经济价值较高, 且区域内的生境质量也较好, 地下水生态价值较高, 从而地下水功能价值升高.
|
图 7 地下水功能价值空间分布 Fig. 7 Spatial distribution of groundwater function value |
将地下水脆弱性图(图 3)、地下水污染荷载图(图 5)和地下水功能价值图(图 7)进行叠加, 得到研究区地下水污染风险评价结果(图 8和表 4).高污染风险区、较高污染风险区、中等污染风险区、较低污染风险区和低污染风险区占比分别为1.8%、5.0%、7.5%、26.0%和59.7%, 以较低污染风险区和低污染风险区为主, 表明研究区地下水污染风险较低.高污染风险区和较高污染风险区主要位于伊吾县的淖毛湖镇、盐池镇, 巴里坤县的奎苏镇、石人子乡、花园乡和兵团红山农场, 区域内地下水埋深较浅, 土壤表层和包气带介质透水性能较强, 吸附能力较差, 加之污染源分布较集中, 使得污染物易于迁移富集, 在地下水高脆弱性和高污染荷载的双重影响下导致局部区域地下水污染风险升高.中等污染风险区分布在伊吾县的淖毛湖镇南部、苇子峡乡、伊吾镇和巴里坤县的大河镇、萨尔乔克乡、奎苏镇北部, 这些区域由于存在工农业和生活产生的点源和面源污染, 使得地下水污染荷载加重, 但地下水经济价值较高和生境质量较好, 从而降低了地下水污染风险.低污染风险区和较低污染风险区主要位于巴伊盆地的西北部和东南部, 主要是地下水净补给量模数小, 含水层渗透能力较弱, 补给水携带进入含水层的污染物质相对较少, 且土地利用开发程度不高, 污染源分布较少, 地下水受污染程度较低, 加之远离城镇, 受农业和工业影响较小, 地下水质量较好, 地下水的原生价值较高, 导致地下水污染风险较低.
|
图 8 地下水污染风险空间分布 Fig. 8 Spatial distribution of groundwater pollution risk |
地下水污染风险可能受到几种污染物的共同影响, 仅使用一项水质指标对评价结果进行验证被认为是不可靠的[48].选取研究区地下水中超标率较高的SO42-、Na+、F-、TDS、I-和TH等6项水质指标, 采用ROC(receiver operating characteristic)曲线计算曲线下方面积(area under curve, AUC)对地下水污染风险评价结果进行验证.ROC曲线已被有效用于验证地下水脆弱性模型的可靠性[49, 50], 该曲线是以不同界值点时的敏感度为纵坐标、1-特异性为横坐标绘制的真阳性率和假阳性率曲线, 曲线上每个点代表一个分类器, X轴1-特异性(假阳性率)表示分类器错误分类地下水污染风险等级的概率, Y轴敏感度(真阳性率)表示分类器正确分类地下水污染风险等级的概率.AUC通过描述预定义事件的正确发生或不发生的能力来表征验证系统的质量, 分类标准为: 差(AUC为0.5~0.6)、一般(AUC为0.6~0.7)、好(AUC为0.7~0.8)、很好(AUC为0.8~0.9)和优(AUC为0.9~1.0)[51], 即X轴越接近0, Y轴越接近1.0, 使得AUC越接近1.0, ROC曲线验证准确率越高.验证结果显示, ROC曲线均在对角线以上, 且各指标AUC均大于0.7, 表明地下水污染风险指数与相关水质指标之间具有较好的相关性, 地下水污染风险评价结果具有一定的可靠性(图 9).
|
图 9 ROC曲线验证结果 Fig. 9 ROC curve verification results |
地下水污染风险的形成过程是人类活动对地下水系统施加压力的集中体现, 受自然条件的限制人类活动在空间上存在一定的集聚现象, 从而导致地下水污染风险在空间上存在聚类现象.运用ArcGIS的空间统计分析功能得到巴伊盆地平原区地下水污染风险的G指数, 分析其冷热点在空间上的分布状况, 应用标准差椭圆工具衡量地下水污染风险热点的主导方向、空间形态和总体分布范围.
研究区地下水污染风险冷热点分布状况、重心和标准差椭圆分布(图 10), 标准差椭圆以重心为中心(93.59°E, 43.96°N), 整体沿西北向东南方向展布, 转角为北偏西118.32°, 这表明巴伊盆地平原区地下水污染风险有由西北向东南演变的趋势.巴伊盆地平原区地下水污染风险热点和次热点区主要分布在伊吾县的淖毛湖镇、盐池镇、伊吾镇、苇子峡乡, 巴里坤县的奎苏镇、石人子乡、大河镇、花园乡、萨尔乔克乡和兵团红山农场, 以上区域人口密度相对较大, 社会经济活动活跃, 土地利用开发程度高, 人类活动对地下水干扰较强, 不合理的生产生活产生的大量污染物质, 对地下水环境构成威胁, 使得地下水污染风险高值突出.冷点和次冷点区主要分布在伊吾县的下马崖乡和巴里坤县的大红柳峡乡北部、三塘湖镇北部、八墙子乡东部, 冷点和次冷点区分布范围广, 区域内多为戈壁、裸岩石质地和草地, 少有人类活动集聚, 地下水受污染的可能性相对较小.温点区分布较为零散, 说明此类区域地下水污染风险不存在明显的空间聚类现象.
|
图 10 地下水污染风险空间热点分布 Fig. 10 Spatial hotspot distribution of groundwater pollution risk |
本研究结合巴伊盆地平原区的水文地质特征和指标数据的可得性, 构建适用于研究区的地下水脆弱性评价模型(DRSTIW模型), 并采用主客观相结合的赋权方法确定各指标的综合权重, 进一步优化了地下水脆弱性评价结果.巴里坤县的三塘湖西北部和大红柳峡乡东南部地下水脆弱性较高, 但该区域地下水污染源分布较少, 地下水的污染风险程度较低, 说明较高的地下水脆弱性并不表明该区域具有相应的地下水污染风险程度, 这取决于地下水脆弱性和地下水污染荷载的共同作用.地下水外界污染源种类和危险度的识别主要从定性和定量这2个角度入手, 本研究将土地利用类型划分为7类, 再叠加潜在污染源中特征污染物的类型和污染源缓冲半径进行定性和定量相结合的地下水污染荷载评价.在今后的研究中, 可通过广泛的室外调查和监测来获取丰富的污染源信息, 建立污染物迁移和污染源强度矩阵来划分外界污染等级.地下水遭受污染后产生的不良后果由地下水功能价值评价来完成, 进行地下水功能价值评价方法较多, 本研究从地下水原生价值、经济价值和生态价值等3个不同角度选取衡量地下水功能价值的指标进行评价.地下水功能价值评价既考虑地下水污染问题, 又反映保护地下水资源的迫切性, 具有更全面的特点.在相同污染风险条件下, 地下水功能价值越高, 越迫切需要有效的保护措施, 因此伊吾县的淖毛湖镇、吐葫芦乡、盐池镇和巴里坤县的大河镇、石人子乡、巴里坤镇等区域应重点关注, 实施严格的地下水保护条例, 以减缓地下水环境的进一步恶化.
地下水污染风险评价完成后对其评价结果的可靠性进行验证有一定的必要性, 目前水质状况通常用于验证地下水污染风险评价的可靠性, 在以往的研究中, 大多数仅选取一项水质指标来验证地下水污染风险评价结果, 在本研究中, 考虑到污染物是由不同污染源产生的, 如矿产勘探、农业灌溉和生活污废水等, 因此不能仅用一项水质指标进行验证.伊吾县的淖毛湖镇、盐池镇, 巴里坤县的奎苏镇、石人子乡和兵团红山农场的地下水污染风险程度较高, 这些区域的地下水水样均为IV类水, 主要伴有SO42-、Na+、F-、TDS、I-和TH等超标.空间冷热点分析结果显示, 人类活动集聚区与地下水污染风险热点区表现出明显的相似性, 表明人类活动增加了地下水被污染的可能性.根据《新疆统计年鉴(2021)》可知巴里坤县和伊吾县第二产业生产值分别占地区生产总值的55.6%和76.4%, 巴里坤县和伊吾县人民政府官网2022年公开的政府工作报告中提出要极力推进经济产业集聚区和工农业园区建设, 这预测着地下水污染事件发生的可能性较高.污染事件的危害性与治理的复杂性对当地地下水的利用和保护提出了新的要求, 当地政府需要进一步加强对地下水资源的有效管理和科学配置, 减少或避免在高污染风险地区建立产业园区, 对巴伊盆地平原区高地下水脆弱性、高地下水污染荷载和高地下水功能价值区域, 应重点进行污染防控, 避免“三高”区域出现.
4 结论(1) 研究区地下水脆弱性整体较低, 巴里坤县的三塘湖镇西北部、大红柳峡乡东南部和奎苏镇等区域地下水脆弱性较高, 这些区域地形坡度平缓, 地下水埋深较浅, 含水层介质渗透能力强, 污染物易于进入含水层且迁移距离短, 造成地下水脆弱性较高.
(2) 研究区地下水污染荷载整体较低, 伊吾县的淖毛湖镇、吐葫芦乡、盐池镇东南部, 巴里坤县的三塘湖镇、石人子乡、奎苏镇、大河镇和兵团红山农场、良种繁育场等区域地下水污染荷载较高, 主要是受到了点源和面源污染的双重影响.
(3) 研究区地下水功能价值整体较低, 伊吾县的淖毛湖镇、吐葫芦乡、盐池镇和巴里坤县的大河镇、石人子乡、巴里坤镇等区域地下水功能价值较高, 主要是受人类经济活动和生境质量水平的影响, 造成地下水经济价值和生态价值较高.
(4) 研究区地下水污染风险整体较低, 高和较高污染风险区仅占研究区总面积的6.8%, 主要位于伊吾县的淖毛湖镇、盐池镇, 巴里坤县的奎苏镇、石人子乡、花园乡和兵团红山农场, 在地下水高脆弱性和高污染荷载的双重影响下导致地下水污染风险升高.受人类活动影响, 地下水污染风险在空间上存在一定的集聚现象, 整体表现为由西北向东南演变的趋势.
| [1] | Wei M J, Wu J H, Li W Q, et al. Groundwater geochemistry and its impacts on groundwater arsenic enrichment, variation, and health risks in Yongning County, Yinchuan Plain of northwest China[J]. Exposure and Health, 2022, 14(2): 219-238. DOI:10.1007/s12403-021-00391-y |
| [2] |
袁媛, 郑艳. 国内外水资源脆弱性研究进展与展望[J]. 干旱区资源与环境, 2022, 36(7): 116-125. Yuan Y, Zheng Y. Progress and future prospects of water resources vulnerability at home and abroad[J]. Journal of Arid Land Resources and Environment, 2022, 36(7): 116-125. |
| [3] | Amiri V, Li P Y, Bhattacharya P, et al. Mercury pollution in the coastal Urmia aquifer in northwestern Iran: potential sources, mobility, and toxicity[J]. Environmental Science and Pollution Research, 2021, 28(14): 17546-17562. DOI:10.1007/s11356-020-11865-y |
| [4] |
刘春燕, 于开宁, 张英, 等. 西宁市浅层地下水化学特征及形成机制[J]. 环境科学, 2023, 44(6): 3228-3236. Liu C Y, Yu K N, Zhang Y, et al. Characteristics and driving mechanisms of shallow groundwater chemistry in Xining City[J]. Environmental Science, 2023, 44(6): 3228-3236. DOI:10.13227/j.hjkx.202203297 |
| [5] |
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. DOI:10.13227/j.hjkx.201612048 |
| [6] |
李星. 山西运城盆地地下水污染风险研究[D]. 北京: 中国地质大学(北京), 2018. Li X. Study on the risk of groundwater pollution in Yuncheng Basin, Shanxi Province[D]. Beijing: China University of Geosciences(Beijing), 2018. |
| [7] | Momejian N, Abou Najm M, Alameddine I, et al. Can groundwater vulnerability models assess seawater intrusion?[J]. Environmental Impact Assessment Review, 2019, 75: 13-26. DOI:10.1016/j.eiar.2018.10.003 |
| [8] | Liu M J, Xiao C L, Liang X J. Assessment of groundwater vulnerability based on the modified DRASTIC model: a case study in Baicheng City, China[J]. Environmental Earth Sciences, 2022, 81(8). DOI:10.1007/s12665-022-10350-8 |
| [9] | Goyal D, Haritash A K, Singh S K. A comprehensive review of groundwater vulnerability assessment using index-based, modelling, and coupling methods[J]. Journal of Environmental Management, 2021, 296. DOI:10.1016/j.jenvman.2021.113161 |
| [10] | Lahjouj A, El Hmaidi A, Bouhafa K, et al. Mapping specific groundwater vulnerability to nitrate using random forest: case of Sais basin, Morocco[J]. Modeling Earth Systems and Environment, 2020, 6(3): 1451-1466. DOI:10.1007/s40808-020-00761-6 |
| [11] | Javadi S, Shahdany S M H, Neshat A, et al. Multi-parameter risk mapping of Qazvin aquifer by classic and fuzzy clustering techniques[J]. Geocarto International, 2022, 37(4): 1160-1182. DOI:10.1080/10106049.2020.1778099 |
| [12] | Hu X J, Ma C M, Qi H H, et al. Groundwater vulnerability assessment using the GALDIT model and the improved DRASTIC model: a case in Weibei Plain, China[J]. Environmental Science and Pollution Research, 2018, 25(32): 32524-32539. DOI:10.1007/s11356-018-3196-3 |
| [13] | Güler C, Kurt M A, Korkut R N. Assessment of groundwater vulnerability to nonpoint source pollution in a Mediterranean coastal zone(Mersin, Turkey) under conflicting land use practices[J]. Ocean & Coastal Management, 2013, 71: 141-152. |
| [14] | Li P Y, Wu J H. Drinking water quality and public health[J]. Exposure and Health, 2019, 11(2): 73-79. DOI:10.1007/s12403-019-00299-8 |
| [15] | Zhang Q X, Li P Y, Lyu Q, 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 |
| [16] | 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 |
| [17] |
栾风娇, 周金龙, 贾瑞亮, 等. 新疆巴里坤-伊吾盆地平原区地下水质量评价及分析[J]. 新疆农业大学学报, 2016, 39(3): 253-258. Luan F J, Zhou J L, Jia R L, et al. Analysis and evaluation of groundwater quality in the plain areas of Barkol-Yiwu Basin, Xinjiang[J]. Journal of Xinjiang Agricultural University, 2016, 39(3): 253-258. DOI:10.3969/j.issn.1007-8614.2016.03.014 |
| [18] |
陈孜, 张明江, 段扬, 等. 哈密盆地绿洲带地下水数值模拟及资源评价[J]. 干旱区资源与环境, 2016, 30(7): 186-191. Chen Z, Zhang M J, Duan Y, et al. The numerical simulation of groundwater and the evaluation of groundwater resources for the Oasis in Hami Basin[J]. Journal of Arid Land Resources and Environment, 2016, 30(7): 186-191. DOI:10.13448/j.cnki.jalre.2016.237 |
| [19] | 倪剑. 新疆哈密盆地区域地下水质量评价[J]. 地下水, 2017, 39(6): 52-54. DOI:10.3969/j.issn.1004-1184.2017.06.017 |
| [20] |
郑昊安, 吴彬, 李绅. 近20a来哈密盆地地下水埋深变化趋势[J]. 人民黄河, 2013, 35(12): 73-76. Zheng H A, Wu B, Li S. Groundwater change tendency in Hami Basin in the past 20 years[J]. Yellow River, 2013, 35(12): 73-76. |
| [21] |
丁启振, 周金龙, 曾妍妍, 等. 基于多元统计方法的新疆巴里坤盆地地下水水化学特征及其影响因素分析[J]. 水资源与水工程学报, 2021, 32(5): 78-83, 91. Ding Q Z, Zhou J L, Zeng Y Y, et al. Analysis of hydrochemical characteristics and influencing factors of groundwater in the Balikun Basin of Xinjiang based on multivariate statistical method[J]. Journal of Water Resources and Water Engineering, 2021, 32(5): 78-83, 91. DOI:10.11705/j.issn.1672-643X.2021.05.11 |
| [22] |
张彦军. 巴伊盆地地表水资源评价[D]. 乌鲁木齐: 新疆农业大学, 2013. Zhang Y J. The surface water resources assessment in Barkul and Yiwu Basin[D]. Urumqi: Xinjiang Agricultural University, 2013. |
| [23] |
栾风娇, 周金龙, 贾瑞亮, 等. 新疆巴里坤-伊吾盆地地下水水化学特征及成因[J]. 环境化学, 2017, 36(2): 380-389. Luan F J, Zhou J L, Jia R L, et al. Hydrochemical characteristics and formation mechanism of groundwater in plain areas of Barkol-Yiwu Basin, Xinjiang[J]. Environmental Chemistry, 2017, 36(2): 380-389. |
| [24] |
奚旭, 孙才志, 吴彤, 等. 下辽河平原地下水脆弱性的时空演变[J]. 生态学报, 2016, 36(10): 3074-3083. Xi X, Sun C Z, Wu T, et al. Spatial-temporal evolution of groundwater vulnerability in the lower reaches of the Liaohe River Plain[J]. Acta Ecologica Sinica, 2016, 36(10): 3074-3083. |
| [25] | 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). DOI:10.1038/s41598-022-07244-x |
| [26] |
陈钰頔, 李妍颖, 叶忠, 等. 基于改进DRASTIC模型的冲洪积扇地下水脆弱性评价[J]. 环境科学与技术, 2021, 44(12): 194-202. Chen Y D, Li Y Y, Ye Z, et al. Groundwater vulnerability assessment in Alluvial-Prouvial Fan Area Based on the improved DRASTIC model[J]. Environmental Science & Technology, 2021, 44(12): 194-202. |
| [27] | Zhao X N, Wang D Q, Xu H L, et al. Groundwater pollution risk assessment based on groundwater vulnerability and pollution load on an isolated island[J]. Chemosphere, 2022, 289. DOI:10.1016/j.chemosphere.2021.133134 |
| [28] |
肖宇婷, 姚婧, 谌书, 等. 沱江流域总氮面源污染负荷时空演变[J]. 环境科学, 2021, 42(8): 3773-3784. Xiao Y T, Yao J, Chen S, et al. Temporal and spatial evolution of non-point source pollution load of total nitrogen in Tuojiang River Basin[J]. Environmental Science, 2021, 42(8): 3773-3784. |
| [29] |
白凡, 周金龙, 周殷竹, 等. 吐鲁番南盆地平原区地下水污染风险评价[J]. 环境科学, 2023, 44(8): 4325-4333. Bai F, Zhou J L, Zhou Y Z, et al. Assessment of groundwater contamination risk in the plain area of southern Turpan Basin[J]. Environmental Science, 2023, 44(8): 4325-4333. |
| [30] |
刘长礼, 王秀艳, 吕敦玉, 等. 中国南方岩溶地下水面源污染风险评价及防控对策[J]. 地球学报, 2017, 38(6): 910-918. Liu C L, Wang X Y, Lü D Y, et al. Risk assessment and control countermeasures of southern China's karst groundwater areal source pollution[J]. Acta Geoscientica Sinica, 2017, 38(6): 910-918. |
| [31] | Wu H, Chen J, Qian H. A modified DRASTIC model for assessing contamination risk of groundwater in the northern suburb of Yinchuan, China[J]. Environmental Earth Sciences, 2016, 75(6). DOI:10.1007/s12665-015-5094-z |
| [32] |
陈相涛. 下辽河平原浅层地下水污染风险评价及空间热点分析[D]. 大连: 辽宁师范大学, 2016. Chen X T. Evaluation and hotspots analysis of shallow groundwater contamination risk in the lower reach of the Liaohe River Plain[D]. Dalian: Liaoning Normal University, 2016. |
| [33] |
耿艺成. 西咸新区沣东新城地下水污染风险研究[D]. 西安: 长安大学, 2021. Geng Y C. Study on the risk of groundwater pollution in Fengdong New City, Xixian New Area[D]. Xi'an: Chang'an University, 2021. |
| [34] |
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. |
| [35] | Levin N, Zhang Q L. A global analysis of factors controlling VⅡRS nighttime light levels from densely populated areas[J]. Remote Sensing of Environment, 2017, 190: 366-382. |
| [36] | Elvidge C D, Cinzano P, Pettit D R, et al. The Nightsat mission concept[J]. International Journal of Remote Sensing, 2007, 28(12): 2645-2670. |
| [37] |
崔百胜, 李家琪. 长三角地区经济差异动态变化以及空间溢出效应——基于夜间灯光数据[J]. 经济地理, 2022, 42(10): 10-18. Cui B S, Li J Q. Dynamic evolution and spatial spillover effects of regional economic disparity in the Yangtze river delta: based on the night light data[J]. Economic Geography, 2022, 42(10): 10-18. |
| [38] |
闫志雲, 曾妍妍, 周金龙, 等. 叶尔羌河流域平原区地下水污染风险评价[J]. 环境科学, 2023, 44(6): 3237-3246. Yan Z Y, Zeng Y Y, Zhou J L, et al. Groundwater pollution risk assessment in plain area of the Yarkant River Basin[J]. Environmental Science, 2023, 44(6): 3237-3246. |
| [39] |
潘耀, 尹云鹤, 侯文娟, 等. 基于土地利用及植被覆盖变化的黄河源区生境质量时空变化特征[J]. 生态学报, 2022, 42(19): 7978-7988. Pan Y, Yin Y H, Hou W J, et al. Spatiotemporal variation of habitat quality in the source region of the Yellow river based on land use and vegetation cover changes[J]. Acta Ecologica Sinica, 2022, 42(19): 7978-7988. |
| [40] |
税燕萍, 卢慧婷, 王慧芳, 等. 基于土地覆盖和NDVI变化的拉萨河流域生境质量评估[J]. 生态学报, 2018, 38(24): 8946-8954. Shui Y P, Lu H T, Wang H F, et al. Assessment of habitat quality on the basis of land cover and NDVI changes in Lhasa River Basin[J]. Acta Ecologica Sinica, 2018, 38(24): 8946-8954. |
| [41] |
李妍颖. 北京东北部平原区地下水污染风险评估研究[D]. 成都: 成都理工大学, 2021. Li Y Y. Study on risk assessment of groundwater pollution in plain area of northeast Beijing[D]. Chengdu: Chengdu University of Technology, 2021. |
| [42] |
赵筱青, 石小倩, 李驭豪, 等. 滇东南喀斯特山区生态系统服务时空格局及功能分区[J]. 地理学报, 2022, 77(3): 736-756. Zhao X Q, Shi X Q, Li Y H, et al. Spatio-temporal pattern and functional zoning of ecosystem services in the karst mountainous areas of southeastern Yunnan[J]. Acta Geographica Sinica, 2022, 77(3): 736-756. |
| [43] |
孙晓晨, 焦菊英, 王红雷, 等. 河湟谷地1980-2020年土地利用变化及其冷热点分布[J]. 水土保持通报, 2022, 42(1): 327-334. Sun X C, Jiao J Y, Wang H L, et al. Land use changes and cold-hot spot distribution in Hehuang Valley from 1980 to 2020[J]. Bulletin of Soil and Water Conservation, 2022, 42(1): 327-334. |
| [44] |
葛岂序, 刘岩, 杨洪, 等. 2015~2019年河南省PM2.5时空特征与驱动因素分析[J]. 环境科学, 2022, 43(4): 1697-1705. Ge Q X, Liu Y, Yang H, et al. Analysis on spatial-temporal characteristics and driving factors of PM2.5 in Henan Province from 2015 to 2019[J]. Environmental Science, 2022, 43(4): 1697-1705. |
| [45] |
白冰, 赵作权, 张佩. 中国南北区域经济空间融合发展的趋势与布局[J]. 经济地理, 2021, 41(2): 1-10. Bai B, Zhao Z Q, Zhang P. Trends and layout of economic integration between North and South China[J]. Economic Geography, 2021, 41(2): 1-10. |
| [46] |
沈时, 王栋, 王远坤, 等. 水资源承载力综合评价的组合权重-MNCM法[J]. 南京大学学报(自然科学), 2021, 57(5): 887-895. Shen S, Wang D, Wang Y K, et al. Combined weight-MNCM evaluation method for water resources carrying capacity[J]. Journal of Nanjing University(Natural Science), 2021, 57(5): 887-895. |
| [47] | Yesilnacar E, Topal T. Landslide susceptibility mapping: a comparison of logistic regression and neural networks methods in a medium scale study, Hendek region(Turkey)[J]. Engineering Geology, 2005, 79(3-4): 251-266. |
| [48] | Hamza S M, Ahsan A, Imteaz M A, et al. Accomplishment and subjectivity of GIS-based DRASTIC groundwater vulnerability assessment method: a review[J]. Environmental Earth Sciences, 2015, 73(7): 3063-3076. |
| [49] | Mogaji K A, Lim H S. Development of a GIS-based catastrophe theory model(modified DRASTIC model) for groundwater vulnerability assessment[J]. Earth Science Informatics, 2017, 10(3): 339-356. |
| [50] | Torkashvand M, Neshat A, Javadi S, et al. DRASTIC framework improvement using Stepwise Weight Assessment Ratio Analysis(SWARA) and combination of Genetic Algorithm and Entropy[J]. Environmental Science and Pollution Research, 2021, 28(34): 46704-46724. |
| [51] | Yu H, Wu Q, Zeng Y F, et al. Integrated variable weight model and improved DRASTIC model for groundwater vulnerability assessment in a shallow porous aquifer[J]. Journal of Hydrology, 2022, 608. DOI:10.1016/J.JHYDROL.2022.127538 |