一种基于土壤重金属污染途径分析的风险评估方法技术

本发明专利技术实施例公开了一种基于土壤重金属污染途径分析的风险评估方法，包括如下步骤：步骤100、基于研究区历史数据确定被污染土壤重金属含量的空间分布并进行分区；步骤200、选择源项指标和评估指标，并根据源项指标和评估指标确定取样周期，持续获得源项指标和评估指标的监测数据，并基于监测数据进行处理获得预测数据；步骤300、基于神经网络法建立评估模型，并将预测数据输入评估模型内对研究区土壤的污染进行预测；本发明专利技术综合考量了各输入和输出项对土壤污染风险程度的影响，预测分析每个源项对土壤中重金属含量的贡献率和贡献趋势，基于累积趋势考量了不同重金属输入输出对土壤重金属累积及作物风险的影响。

A risk assessment method based on the path analysis of heavy metal pollution in soil

【技术实现步骤摘要】
一种基于土壤重金属污染途径分析的风险评估方法
本专利技术实施例涉及土壤污染治理
，具体涉及一种基于土壤重金属污染途径分析的风险评估方法。
技术介绍
土壤是构成生态系统的基本要素之一，是国家最重要的自然资源，也是人类赖以生存的物质基础。随着工业化、城镇化和农业集约化的快速发展，工业生产规模不断扩大，生活垃圾不合理处置和金属矿山开采，农业生产中化肥、农药和污水灌溉使用量的加大，使土壤环境系统中重金属含量不断累积，引起土壤重金属污染。我国土壤污染类型主要以无机型污染物为主。无机型污染物主要是指镉、铬、铅、铜、锌、汞、砷、镍8种重金属。土壤中重金属元素主要来源有自然因素和人为输入两种途径。重金属污染具有范围广、持续时间长、难以在物质循环和能量流动中分解的特点。对土壤中重金属空间污染分布进行正确评估，对于预测土壤中重金属的污染发展趋势，制定土壤污染防治措施，具有非常重要的现实意义。目前，国内外进行土壤重金属污染风险评估的方法有很多，如单因子污染指数评价法、内梅罗综合污染指数法、地积累指数法、模糊数学法、灰色类聚法、基于GIS的地统计学评价法、多边形面积法、BP-Matlab神经网络法等十多种方法。各种评价方法都有其适用范围、评价目的、优点及不足。如单因子污染指数法是以土壤元素背景值为评价标准来评价重金属元素的累积污染程度，可以判断出环境中的主要污染因子，但是这种方法仅适用于单一因子污染特定区域的评价，不能全面反应土壤环境要素的综合情况。内梅罗指数法是一种兼顾单元素污染指数平均值和最大值的综合污染指数评价法，虽然可以全面反映各重金属对土壤的危害程度，突出高浓度重金属元素对土壤环境质量的影响，但是该方法由于其过分突出污染指数最大的污染物对环境质量的影响和作用，在评价时可能会人为夸大浓度高的因子或缩小浓度低的因子的影响作用，使其对环境质量评价的灵敏度不高。基于GIS的的插值方法有很多，常用的有反距离插值法和基于地统计学的克里格插值法，但是这种方法存在一定的局限性，若变异函数与相关分析的结果表明区域化变量的空间相关性不存在，则基于GIS的地统计学法就不适用。由上可知，虽然对于重金属污染的评价方法有很多种，但是由于各种方法存在着本质上的缺陷，无法解决输入项和输出相对污染区域的影响，并且不能基于研究的结果来预测未来的发展趋势。
技术实现思路
为此，本专利技术实施例提供一种基于土壤重金属污染途径分析的风险评估方法，以解决现有技术中无法基于输入源相对污染区域未来发展趋势进行预测和预警的问题。为了实现上述目的，本专利技术的实施方式提供如下技术方案：一种基于土壤重金属污染途径分析的风险评估方法，包括如下步骤：步骤100、基于研究区历史数据确定被污染土壤重金属含量的空间分布并进行分区；步骤200、选择源项指标和评估指标，并根据源项指标和评估指标确定取样周期，持续获得源项指标和评估指标的监测数据，并基于监测数据进行处理获得预测数据；步骤300、基于BP-Matlab神经网络法建立评估模型，对研究区土壤的污染进行预测。作为本专利技术的一种优选方案，在步骤100中，在确定被污染土壤重金属含量的空间分布规律后通过GIS生成研究区土地利用现状图。作为本专利技术的一种优选方案，在步骤100中进行分区的具体步骤为：步骤101、根据研究区土地利用现状图划分确定轻区、确定重区和不确定区，在不同的分区内按照不同的均分程度将其划分为不同指定大小的网格；步骤102、将每个网格中心点确定为采样点；步骤103、研究区土地利用现状图分区的基础上按照相同比例尺生成土壤采样点分布图，并将土壤采样点分布图与研究区实际图重叠，根据研究图实际图上设定的标志物进行标定，划分每个采样点的经纬度坐标。作为本专利技术的一种优选方案，在步骤200中，获得预测数据的具体步骤为：确定研究区内所有可能的输入项和输出项，并且按照列举的方式逐一展开作为源项指标，根据源项指标确定风险评估的分析源项；基于源项指标进行不定期或按照周期进行定期的土壤监测采样，按照时间轴分布获得监测采样数据库；对监测采样数据库进行归一化处理，并将经过处理的监测采样数据作为待预测数据。作为本专利技术的一种优选方案，所述BP-Matlab神经网络法具体为基于BP误差反向传播算法的多层前馈神经网络，设定每个神经元只前馈到其下一层的所有神经元，没有层内联结、各层联结和反馈联结，各个神经元之间采用Sigmoid型传递函数。作为本专利技术的一种优选方案，所述BP-Matlab神经网络法由两部分组成：信息的正向传递，在正向传播过程中，输入信息从输入经隐含层逐层计算传向输出层，每一层神经元的状态只影响下一层神经元的状态；误差的反向传播，如果在输出层没有得到期望输出，则计算输出层的误差变化值，然后转向反向传播，通过网络将误差信号沿原来的连接通路反传回来修改各神经元的权值直至达到期望目标。作为本专利技术的一种优选方案，所述BP-Matlab神经网络法的具体算法步骤为：步骤301、输入P个样本，m种预测方法的预测值作为输入向量Xki，其中，k为样本数，k＝1，2，3，…，P；i为预测方法序号，i＝1，2，3，…m，各个历史数据真实值为神经网络的输出Tki，对每个输入样本进行如下迭代；步骤302、计算网络的实际输出为Oks，表示为第k个样本数中第s种预测方法的实际输出：Oks＝f(∑wjiOki+θj)，其中f为计算关系，j为预测方法序号；步骤303、计算输出层和输入层的训练误差分别为：输出层训练误差δkj＝(T-Okj)Okj(1-Okj)，其中T为真实值的输出；输入层训练误差δkj＝Okj(1-Okj)∑δkmwmj；步骤304、计算修正权值和阈值：修正权值wji(t+1)＝wji(t)+ηδkiOkj+α[wji(t)-wji(t-1)]，阈值θj(t+1)＝θjηδj+α[θj(t)-θj(t-1)]，t为赋值次数，η、α均为人为确定的计算因子；步骤305、当每经历1至P后，判断整个样本集的均方误差是否满足预先设定精度：ε为预先设定精度；为第k个样本误差。作为本专利技术的一种优选方案，还包括将经过归一化处理后的待预测数据输入评估模型中进行误差分析，待预测数据经过归一化处理后剔除误差不满足需求的数据，获得预测数据。作为本专利技术的一种优选方案，根据源项指标分别绘出土壤重金属含量累积变化趋势图，依据土壤重金属含量累积变化趋势图分析土壤中各重金属含量在输入源项和输出源项影响下的累积变化规律并筛选出影响源项和影响因子。作为本专利技术的一种优选方案，在输入源相和输出源项的综合作用下预测出未来某一时间的土壤重金属含量进行内梅罗综合污染指数法评估，分析预测未来某一时间的土壤环境质量状况。本专利技术的实施方式具有如下优点：(1)本专利技术基于源项建立一套具有创新性的土壤重金属污染风险评估体系，综合考量了各输入和本文档来自技高网...

【技术保护点】
1.一种基于土壤重金属污染途径分析的风险评估方法，其特征在于，包括如下步骤：/n步骤100、基于研究区历史数据确定被污染土壤重金属含量的空间分布并进行分区；/n步骤200、选择源项指标和评估指标，并根据源项指标和评估指标确定取样周期，持续获得源项指标和评估指标的监测数据，并基于监测数据进行处理获得预测数据；/n步骤300、基于BP-Matlab神经网络法建立评估模型，并将预测数据输入评估模型内对研究区土壤的污染进行预测。/n

【技术特征摘要】
1.一种基于土壤重金属污染途径分析的风险评估方法，其特征在于，包括如下步骤：
步骤100、基于研究区历史数据确定被污染土壤重金属含量的空间分布并进行分区；
步骤200、选择源项指标和评估指标，并根据源项指标和评估指标确定取样周期，持续获得源项指标和评估指标的监测数据，并基于监测数据进行处理获得预测数据；
步骤300、基于BP-Matlab神经网络法建立评估模型，并将预测数据输入评估模型内对研究区土壤的污染进行预测。


2.根据权利要求1所述的一种基于土壤重金属污染途径分析的风险评估方法，其特征在于，在步骤100中，在确定被污染土壤重金属含量的空间分布规律后通过GIS生成研究区土地利用现状图。


3.根据权利要求2所述的一种基于土壤重金属污染途径分析的风险评估方法，其特征在于，在步骤100中进行分区的具体步骤为：
步骤101、根据研究区土地利用现状图划分确定轻区、确定重区和不确定区，在不同的分区内按照不同的均分程度将其划分为不同指定大小的网格；
步骤102、将每个网格中心点确定为采样点；
步骤103、研究区土地利用现状图分区的基础上按照相同比例尺生成土壤采样点分布图，并将土壤采样点分布图与研究区实际图重叠，根据研究图实际图上设定的标志物进行标定，划分每个采样点的经纬度坐标。


4.根据权利要求1所述的一种基于土壤重金属污染途径分析的风险评估方法，其特征在于，在步骤200中，获得预测数据的具体步骤为：
确定研究区内所有可能的输入项和输出项，并且按照列举的方式逐一展开作为源项指标，根据源项指标确定风险评估的分析源项；
基于源项指标进行不定期或按照周期进行定期的土壤监测采样，按照时间轴分布获得监测采样数据库；
对监测采样数据库进行归一化处理，并将经过处理的监测采样数据作为待预测数据。


5.根据权利要求1所述的一种基于土壤重金属污染途径分析的风险评估方法，其特征在于，所述BP-Matlab神经网络法具体为基于BP误差反向传播算法的多层前馈神经网络，设定每个神经元只前馈到其下一层的所有神经元，没有层内联结、各层联结和反馈联结，各个神经元之间采用Sigmoid型传递函数。


6.根据权利要求5所述的一种基于土壤重金属污染途径分析的风险评估方法，其特征在于，所述BP-Matlab神经网络法由两部分组成：
信息的正向传递，在正向传播过程中，输入信息从输入经隐含层逐层计算传向输出层...

【专利技术属性】
技术研发人员：杜丽阳，曹磊，宋贵民，仲崇军，孙琴，阿荣其其格，
申请(专利权)人：北京淖尔科技有限公司，
类型：发明
国别省市：北京;11