垃圾填埋场衍生地下水污染的分层级源区反演与百年尺度迁移解释

《Journal of Hydrology》:Hierarchical source-zone inversion and century-scale transport interpretation of landfill-derived groundwater contamination

【字体: 大 中 小 】 时间:2026年09月30日 来源:Journal of Hydrology 7.3

编辑推荐:

   •分层反演将 24 种污染物筛查与地下水建模联系起来。•模型条件搜索区域从 0.360 缩小至 0.108 km2。•重复反演揭示了污染源位置和幅度的非唯一性。•条件百年尺度预测显示氨氮 - 铅持续共迁移。•模拟屏障可降低浓度,但无法消除局部渗漏。引言随着城市化和工业化的发展

  
  • •
    分层反演将 24 种污染物筛查与地下水建模联系起来。
  • •
    模型条件搜索区域从 0.360 缩小至 0.108 km2。
  • •
    重复反演揭示了污染源位置和幅度的非唯一性。
  • •
    条件百年尺度预测显示氨氮 - 铅持续共迁移。
  • •
    模拟屏障可降低浓度,但无法消除局部渗漏。

引言

随着城市化和工业化的发展,2016 年全球固体废物产生量达到 20.1 亿吨,预计到 2030 年增至 25.9 亿吨,2050 年达 34 亿吨(Zheng 等,2024, Guo 等,2022)。日益增加的废物负担显著提高了城乡对生活垃圾填埋场(MSWLs)的需求(Ma 等,2024, Gong 等,2023)。在许多发展中国家,缺乏污染和渗漏控制的非受控填埋场仍然普遍存在(Xie 等,2024)。即使是符合监管要求的填埋场也面临潜在系统故障的风险(Kabir 等,2023, Feng 等,2020, Shu 等,2019)。这些填埋场的渗滤液可能渗入周围土壤和地下水,构成严重的环境威胁(Sha 等,2023, Ma 等,2022)。准确识别高风险区域、预测污染物迁移并制定有效的污染控制策略仍然是需要综合分析的重大挑战。
现有高风险区划方法分为两类。多元统计分析(例如显著性检验、聚类分析和主成分分析)在筛选多指标监测数据集和揭示共现模式方面效率较高(Feng 等,2023)。例如,McDonough 等(2022)利用显著性检验分析化学比值,Jin 等(2019)应用聚类分析识别重金属来源。PCA 已被用于探索各地区的 环境关系(Wang 等,2022)。然而,统计方法很难明确表征流动和传输过程(Wang 等,2022, Yu 等,2022)。基于过程的地下水模型可以预测污染物羽流演化并在大空间尺度上评估工程控制措施(Xiu 等,2020)。Chen 等(2025)和 Xue 等(2023)开发了溶质传输数值模型以了解大型污染区的污染风险。然而,地下水污染的校准和源区划往往受到不确定源几何形状和计算成本的阻碍(Xie 等,2023)。
反演建模越来越多地应用于地下水污染物源识别(Wang 等,2024a, Wang 等,2024b, Haggerty 等,2023, Pham 等,2022)。然而,对于多污染物填埋场环境,反演问题通常是欠定的,因为当监测稀疏时,不同的源位置和传输参数组合可以产生统计上相似的观测值(Chang 等,2024)。近期研究总结了元启发式算法及其变体在源反演方面的快速发展,并表明优化的监测网络设计可以减少反演不确定性并提高源可识别性(He 等,2025, Ma 等,2024, Ma 等,2023)。此类问题的现有优化和机器学习技术大致可分为三类:(i)通常与模拟模型结合用于源反演的元启发式和基于梯度的优化(例如粒子群优化、遗传算法和模拟退火);(ii)经典统计和地统计代理方法,如 PCA、克里金插值(Kriging)和序贯高斯模拟;以及(iii)现代数据驱动机器学习(ML)方法,包括随机森林、梯度提升(例如 XGBoost)和物理信息神经网络(PINNs)(Ma 等,2024, Xu 等,2024, Cuomo 等,2023)。遗传算法、PSO 和 XGBoost 表现出竞争性性能,但其相对准确性强烈依赖于数据密度和参数维度(Chang 等,2024, Xu 等,2024)。同时,当训练数据稀疏或空间协方差结构刻画良好时,地统计方法仍可与神经网络和树基方法保持竞争力,这促使开发结合统计压缩与基于物理或学习预测器的混合框架(Schiavo 等,2022, Zehe 等,2021)。然而,大多数现有方法仍面临难以同时保留多污染物统计信息、减少可行源搜索域以及在稀疏监测下保持物理可解释的传输预测的困难。这一差距促使我们开发一个分层框架,该框架首先通过统计方法压缩多污染物信号,然后通过计算高效的解析核约束源区反演,最后使用基于过程的数值建模细化传输解释。
为弥补这些空白,本研究开发了一个分层 PCA-PSO 框架,结合解析和数值模型以识别填埋场址的多污染物源区。不依赖单一的纯 ML 预测器,这种混合理念集成了统计压缩器(PCA)、闭式解析核、元启发式优化器(PSO)和基于过程的模拟器(MODFLOW/MT3DMS)。特别采用 PSO 是因为其低参数敏感性、易于集成以及在稀疏数据环境中的成功应用。具体而言,该框架按以下步骤进行:(1)多元统计分析(ST、CA 和 PCA)用于筛选监测数据并划定初始高风险区域;(2)引入 PCA 导出的聚合污染浓度以压缩多污染物信息,并通过 MATLAB 代码实现基于物理形状模型的解析 APC–PSO 反演,以快速缩小可行平面搜索区域;(3)缩小后的窗口作为基于 MODFLOW/MT3DMS 数值模拟的物理引导先验,其中 PTNS–PSO 细化候选源区并支持污染物迁移和渗漏控制性能的条件长期(一个世纪)预测。这种综合方法提供了一个全面的框架,用于分析污染物相关性、识别高风险区域以及为研究场地的污染和渗漏控制调查提供信息。

章节摘要

提出的多污染物识别分层反演框架

为应对多污染物源识别中的非唯一性和计算挑战,本研究开发了一个基于 PSO 的分层反演框架。该工作流程通过系统性的三部分将多元数据筛选与多保真度反演建模集成在一起(图 1):
  • (1)
    数据降维和指标聚合:采用多元统计分析(ST、CA 和 PCA)筛选原始监测数据并生成聚合污染物

多元统计分析结果

SA 结果表明,WNK3、WNK12 和 KZD3 的P值均小于 0.05,表明 WNK3、WNK12 和 KZD3 处污染物浓度的综合变化是显著的(补充文本 S8)。填埋场内监测井 WNK3 和 WNK12 周围区域被确定为污染物波动显著的区域,应给予特别关注(图 2d 中的区域 II)。CA 结果显示 WNK3 之间污染水平具有高度相似性,

讨论

先前研究表明,BTEX 和金属可通过吸附竞争、盐度效应以及毒性驱动的微生物活性变化而共现和相互作用(Li 等,2024; Byrne 等,2020)。为了解释多指标现场观测值,反演结果辅以基于相关性的共迁移分析(跨越 SS1-SS3):(1)定义 BTEX 指数为苯、甲苯、乙苯、m/p-二甲苯和 o-二甲苯的平均 C(dl);(2)定义金属指数为

结论

本研究结合分层反演与现场尺度数值建模,将多元筛查与基于过程的传输解释联系起来,应用于由生活垃圾填埋场重建的生态公园。三阶段监测数据支持候选区优先排序、内部校准和条件百年尺度情景分析。
  • (1)
    多元统计分析表明,在两个位置观察到了污染物浓度的显著变化

CRediT 作者贡献声明

陈扬:撰写 – 初稿,方法论,调查。陈云:撰写 – 审阅与编辑,验证,监督,资金获取。谢海建:撰写 – 审阅与编辑,验证,监督,资源,资金获取。史振兴:验证,软件,方法论。陈云敏:撰写 – 审阅与编辑,资源。吴佳伟:撰写 – 审阅与编辑。罗敏敏:撰写 – 审阅与编辑。徐勇:可视化。赵爽:可视化。朱丽丽:

未引用参考文献

中国 GB/T 14848-2017, 2017, EPA, 1989, EPA, 2000, Haj-Amor 等,2022, Philippe 等,2020, Sing 等,2023, Wei 等,2025。

利益冲突声明

作者声明他们不存在可能影响本文所述工作的已知竞争性财务利益或个人关系。

致谢

感谢中国国家重点研发计划(项目编号:2024YFC3714600 和 2023YFC3709602)、浙江省建设研究项目(项目编号:2025 K047)、中国国家自然科学基金(项目编号:41931289、52278375 和 41977223)、中央高校基本科研业务费及浙江大学实验技术研究基金(项目编号:SYBJS202408)的资金支持。
陈扬 | 陈云 | 谢海建 | 史振兴 | 陈云敏 | 吴佳伟 | 罗敏敏 | 徐勇 | 赵爽 | 朱丽丽
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号