学术堂首页 | 文献求助论文范文 | 论文题目 | 参考文献 | 开题报告 | 论文格式 | 摘要提纲 | 论文致谢 | 论文查重 | 论文答辩 | 论文发表 | 期刊杂志 | 论文写作 | 论文PPT
学术堂专业论文学习平台您当前的位置:学术堂 > 水利论文 > 水污染论文

采煤塌陷水体常规水质污染源分析

时间:2014-05-05 来源:未知 作者:小韩 本文字数:3738字
论文摘要

  采煤塌陷水体是矿业城市的一种特殊地表水,在矿区生态中起着极其重要的功能。由于塌陷水体所处的特殊环境,附近矿业生产废水、生活污水、农药化肥等的排入,致使塌陷水体面临各种有机、无机污染。控制和消除塌陷水体的污染源是防止水环境污染的根本措施。因此,运用合理的数学模型和其他相关技术手段对已有的样本数据进行分析进而间接推断出污染的来源显得尤为必要。

  目前国内外关于大气污染物源解析研究较多,而水环境中污染源解析主要集中在沉积物中有机物的研究,常规水质指标的源解析研究的相关报道主要集中在外文文献中。对于采煤塌陷水体污染源解析的研究尚未见相关报道,因此对于该方面的研究在理论和应用方面具有重要的意义。

  目前,在水环境中污染物的源解析的模型中,化学质量平衡模型和因子分析/主成分分析这两个模型应用最为普遍,而且得到美国 EPA 的认可和推荐。近年来,越来越多的研究者将因子分析应用于水污染源解析,且得到了较好的效果,因此,选择因子分析法对塌陷区水体进行污染源解析。

  1 样品采集与研究方法
  
  1. 1 样品采集
  选择淮南市潘一矿东边采煤塌陷水体作为研究对象,共设置 16 个采样断面( 如图 1) ,样品采集时间为 2011 年 4 月。根据 实 际 水 质 特 征 以 及 污 染 情 况 选 择CODcr、TP、TN、总 碱 度、总 硬 度、CO2 -3、SO2 -4、Ca2 +、HCO-3、Cl-、Cd、Cr( Ⅵ) 、Pb 和 Fe 这 14 项常规水质指标作为监测指标,样品采集以及分析方法参照《水和废水监测分析方法》( 第四版) ,监测结果如表 1 所示。【表1.图1】

论文摘要

论文摘要

  1. 2 研究方法
  因子分析法的基本思路是把一些有复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。因子分析方法的目的是根据已有的监测数据,得出数目最少的公因子,计算出因子的载荷。因子的选择主要取决于因子的特征值和累计方差贡献率.通常选取主因子的特征值大于 1 以及方差累计贡献率达 80% ~ 85% 以上。该文应用 SPSS17. 0 软件中因子分析模块进行水污染源解析研究。
  
  2 塌陷区水污染源解析
  
  2. 1 数据正态分布特征检验
  使用多元统计方法的前提是变量需符合正态分布或者接近正态分布.潘一矿塌陷水体水质参数单样本 Kolmogorov-Smirnov 检验结果表明,总硬度、CO2 -3、SO2 -4和 Cd 的精确检验概率值小于 5%,不符合正态分布规律,其他指标均符合正态分布。当 CO2 -3进行对数转换后的数据精确检验概率值大于 5%,因此因子分析中 CO2 -3的数据采用的是对数转换之后的数值。因此,在因子分析之前,剔除总硬度、SO2 -4和 Cd 这 3 个指标。

  2. 2 污染物的因子分析
  为了验证因子分析的适用性,该文采用Kaiser-Meyer-Olkin ( KMO ) 和 Bartlett's Sphericity球度检验两种检验方法进行综合检验。

  结合实际水质特征以及污染情况、数据的正态分布性以及 KMO 和 Bartlett's Sphericity 球度检验结果,最终选择潘一矿塌陷水体的 CODcr、总碱度、Ca2 +、HCO3 -、CO2 -3、Cl-、Fe、Cr( Ⅵ) 、Pb、TP、TN 这些变量进行因子分析。

  KMO 和 Bartlett's Sphericity 球度检验结果表明,KMO 检验的 MSA 值为 0. 561,表示比较合适。Bartlett 的检验结果 sig. 为 0. 000( sig. < 显着性水平 0. 05) ,因此拒绝 Bartlett 球度检验的零假设,则认为该系列数据适合做因子分析。

  如表 2 所示,按特征值大于 1 提取的前 4 个主因子解释了总方差的 88. 017%,因此提取前 4个因子作为主因子是合理的。【表2】

论文摘要

  结合前面的研究,对各个主因子所代表的含义解释如下( 因子载荷 > 0。 5 作为主要关联因子考虑) :

  Fl( 第一主因子) : 第一个主因子贡献率为43. 871% ,旋转之后贡献率为 42. 991% ,影响力最大。与第一主因子相关联的主要指标为 TP、TN、总碱度、Ca2 +、HCO-3和 Cl-,旋转后的主因子载荷分别为 0. 921、0. 864、0. 885、0. 950、0. 533 和0. 956,即这些个变量与第一主因子的相关程度较高,反映了水体受氮磷营养盐和离子的影响的程度。这是典型的混合污染。由于塌陷区所处的特殊位置,农田中大量使用氮磷化肥在下雨期间农田氮磷物质随着随地表径流进入塌陷水体,造成水体氮磷营养盐的增加。由浓度分布可以看出Cl-等离子类的增加受矿井水等矿业废水的排入影响较大,另外浅层地下水中 Cl-等离子类含有高浓度的背景值,因此推断这些离子主要来源于矿业废水以及浅层地下水。基于上述分析得出该因子明显代表了混合污染源,推测 F1 主要代表了氮磷肥引起的农业面源污染、矿井水和浅层地下水的混合污染。

  F2( 第二个主因子) : 第二个主因子占总方差的 21. 202%,旋转之后占总方差的 20. 180%.与第二个主因子相关联的主要指标为 HCO-3、CO2 -3和 Fe,旋转后的主因子载荷分别为 - 0. 780、0. 975、0. 706,这三个变量与第二个主因子有较强的相关性。水体中 Fe 的增加主要是因为矿业活动排放含高浓度 Fe 的废水所引起的,HCO-3和CO2 -3主要与碳酸盐岩地质背景相关,这些离子的增加主要也是由于碳酸盐类岩层与地下水接触而溶解于水中并随着矿井水的排出而引起的,因此推断 F2 代表了矿井水污染。

  F3( 第三个主因子) : 第三个主因子占总方差的 13。 628%,旋转之后占总方差的 13。 299%。第三个主因子主要与 CODcr较强的相关关系,旋转后的主因子载荷为 0。 946。第三因子反映了水体中有机污染状况,由浓度分布可知临近村庄以及矿业排污口出现有机污染高浓度区,由此推断有机污染物主要来源于包含生活污水和禽畜养殖等农村污水和洗煤水等矿业废水,因此 F3 主要代表了农村污水和矿业废水混合污染。

  F4( 第四个主因子) : 第四个主因子占总方差的 9. 317%,旋转之后占总方差的 11. 546%,与第四个主因子相关联的主要指标为 Cr( Ⅵ) 和 Pb,旋转后的主因子载荷分别为 0. 716 和 0. 833,表明第四主因子与 Cr( Ⅵ) 和 Pb 有密切的关系,反映了水体受重金属污染的情况,结合实际情况,塌陷水体重金属污染被认为主要来自于煤矸石淋溶水,因此推断 F4 主要代表了煤矸石淋溶水污染。

  因子分析结果表明,潘一矿塌陷水体具有显着的多源性,是矿业废水、农业面源污染、农村污水等各个污染源共同作用的结果,影响水质的主导因素是农业面源污染和矿业废水的综合污染,其次为矿业废水污染。

  3 结论
  
  潘一矿塌陷水体污染源解析结果表明,潘一矿塌陷水体具有显着的多源性,是矿井水、农业面源污染、浅层地下水、农村污水、煤矸石淋溶水等各个污染源共同作用的结果,其中最主要的污染源为农业面源污染、矿井水和浅层地下水的混合污染,是影响塌陷水体最重要的因素,环境保护部门应当充分重视矿业活动给环境所带来得危害,提出相关的治理措施,减少由于矿业开采所引起的污染。另外,农业面源污染也应引起足够重视,提出对应的治理措施。

  参考文献:
  [1]邵冬海。 大连城市空气特征污染物 TSP 源解析及污染控制系统研究[D]. 大连: 大连理工大学,2004.
  [2]李祚泳,丁晶,张欣莉。 成都市大气颗粒物源解析的PPR 法[J]. 环境科学研究,2000,13( 5) : 38-40.
  [3]金蕾,华蕾。 大气颗粒物源解析受体模型应用研究及发展现状[J]. 中国环境监测,2007,23( 1) : 38-41.
  [4]冯银厂,自志鹏,朱坦,等。 大气颗粒物二重源解析技术原理与应用[J]. 环境科学,2002,23( 增刊 1) :128-130.
  [5]陈明华,陈静森,李德。 上海市大气颗粒物高浓度区污染物的源解析[J]. 上海环境科学,1997,16( 10) :15-17.
  [6]戴树桂,朱坦,白志鹏。 受体模型在大气颗粒物源解析中的应用 和 进 展[J]. 中 国 环 境 科 学,1995,15( 4) : 252-257.
  [7]欧东妮。 长江口滨岸多环芳烃( PAHs) 多相分布特征与源解析研究[D]. 上海: 华东师范大学,2007.
  [8]罗孝俊,陈社军,麦碧娴,等。 珠江三角洲地区水体表层沉积物中多环芳烃的来源、迁移及生态风险评价[J]. 生态毒理学报,2006,1( 1) : 17-24.
  [9]刘宗峰。 黄河口及莱州湾表层沉积物中多环芳烃来源解析研究[D]. 青岛: 中国海洋大学,2008.
  [10]SINGHA K P,MALIKA A,MOHANA D,et al.Multivariate statistical techniques for the evaluation ofspatial and temporal variations in water quality of GomtiRiver( India) : a case study [J]. Water Res,2004,38: 3 980-3 992.
  [11]Yuan Zhang,Fen Guo,Wei Meng,et al. Water qualityassessment and source identification of Daliao riverbasin using multivariate statistical methods [J].Environ Monit Assess,2009,152: 105-121.
  [12]Gordon G E. Receptormodels [J]. EnvironmentalScience & Technology,1988,22( 10) : 1 132-1 142.
  [13]陈干。 南淝河流域地下水水化学特征及硝酸盐污染源解析[D]. 安徽: 合肥工业大学,2009.
  [14]Feryal Akbal, Levent Gürel, Tolga Bahadr.Multivariate Statistical Techniques for the Assessmentof Surface Water Quality at the Mid-Black Sea Coast ofTurkey [J]. Water Air Soil Pollut,2011,216: 21-37.
  [15]闫旌。 南沙河污染现状监测分析及污染源解析技术研究[D]. 北京: 北京交通大学,2010.
  [16]郭芬,张远。 水环境中 PAHs 源解析研究方法比较[J]. 环境监测管理与技术,2008,20( 5) : 11-16.
  [17]Papatheodorou G,Demopoulou G. Lambrakis N,Along-term study of temporal hydrochemical data in ashallow lake using multivariate statistical techniques[J]. Ecological Modeling,2006,193: 759-776.

      相关内容推荐
    相近分类:
    • 成都网络警察报警平台
    • 公共信息安全网络监察
    • 经营性网站备案信息
    • 不良信息举报中心
    • 中国文明网传播文明
    • 学术堂_诚信网站
    山东11选5 豪门会彩票计划群 乐发彩票计划群 159彩票 山东11选5 山东11选5开奖 新世佳彩票计划群 河北快3代理 53彩票计划群 极速赛车彩票是哪国的