吉林市城區淺層地下水污染源識別及空間分布

劉 博，肖長來*，梁秀娟，張 靜，盛紅勛

（1.吉林大學環境與資源學院，吉林 長春 130021；2.吉林市水資源管理中心，吉林 長春 132400）

吉林市城區淺層地下水污染源識別及空間分布

劉 博1，肖長來1*，梁秀娟1，張 靜2，盛紅勛2

（1.吉林大學環境與資源學院，吉林 長春 130021；2.吉林市水資源管理中心，吉林 長春 132400）

為實現對吉林市城區淺層地下水污染源識別與管理，共收集吉林市城區2009年50個監測井的17項水質指標監測資料，通過因子分析法（FA）進行多元統計分析，提取5個公因子（F1～F5）作為影響淺層地下水水質的主要污染因子，然后找尋其對應污染源，同時利用因子得分繪制各污染源在吉林市城區地下水造成的污染程度及空間分布.結果表明：所選5個公因子分別代表：遷移-富集作用、含磷污染質排放、“三氮”污染因子、有機污染因子、原生地質環境因子，其中F1和F5又可稱為環境影響因子，F2～F4為人類活動影響因子；城區內地下水污染源為生活污水、工業廢水排放、工業廢渣堆放及農業生產中化肥農藥使用；各污染因子主要分布在江北區和中心區，且污染較為嚴重，而江南區污染分布最少，且污染最輕；計算城區內50個監測井地下水綜合污染得分并作圖，將吉林市城區淺層地下水的綜合污染狀況及分布可視化，其中江北區和中心區淺層地下水污染最嚴重，江南區地下水水質最好；依據F得分分布將區內地下水劃分為3個區：禁止開采區、非飲用水區和飲用水區，為今后相關部門開發利用淺層地下水提供參考和依據.

吉林市城區；因子分析；地下水水質；污染源識別；空間分布

近年來，隨著工業化、城市化進程的加快，城市人口不斷增多，再加上城區附近農業生產活動影響的共同作用，出現了當今城市淺層地下水復雜的水質環境［1-3］.從成因上看，可簡單概括為原生水質問題和人類活動導致的水質問題.人為水質惡化反過來會在人類用水過程中給人類健康造成威脅［4］.做好地下水水質監測與管理，識別地下水的污染源及其分布，將地下水分區，做到分水質、分地區供水，對應急地下水水源地建設，乃至社會經濟發展、人類生活質量的提高以及生態環境的可持續發展有著重要意義.

以往的水質評價方法，如常規的單因子評價法、綜合評價法、灰色聚類法、神經網絡等傳統方法等［5-7］很難找出影響地下水水質的主要因子，它們中大部分只能對當前的水質進行評價和分級，忽略了地下水污染的空間特性，而因子分析方法（FA），不但可以提取數據的數學特征，從宏觀上描述水質因子，找到與其對應的污染源，還可以利用其因子得分將研究區各污染因子及綜合污染情況的優劣及分布在圖中清晰直觀地表達出來，便于研究.因此很多國內外學者采用FA方法對水環境污染進行空間分析及污染源解析［8-9］.曹陽等［10］利用因子分析法和系統聚類法對水質影響因素進行評價，2種方法評價結果基本一致，表明因子分析法的計算結果是切實可靠的.

本次研究區選在吉林市城區，共選取50個監測井的17項指標，第一次采用因子分析法挖掘吉林市城區淺層地下水水質污染因子，查明區內地下水污染源分布，為城區內居民生產、生活用水提供保障，也為管理者合理開發利用地下水提供依據.

1 研究方法

1.1 研究區概況

吉林市城區地理坐標為東經126°25′～126°40′；北緯43°46′～44°00′，城區面積128km2.區內多年平均降水量為688.97mm，多年平均蒸發量為1432mm.流經區內河流有第二松花江及其支流溫德河、牤牛河，具體位置如圖1所示［11］.

研究區位于第二松花江河谷平原，含水層主要巖性為全新統、上更新統及下更新統強透水的砂礫、圓礫及礫卵石層.研究區周邊低山丘陵主要由燕山期花崗巖）、上三疊系大醬缸組（T3d）的安山巖、上二疊系楊家溝組（P2y）等基巖裂隙含水層為主，因其補給、儲存條件差，富水性貧乏不作為主要供水水源.本次研究的目的含水層為位于河谷平原的松散巖類孔隙潛水，監測井井深為5.0～25.0m，單井涌水量為100～3000m3/d.區內潛水主要由大氣降水入滲補給、周邊基巖裂隙水側向補給和灌溉入滲補給為主，排泄主要由向河谷側向徑流、人工開采和潛水蒸發等組成.

圖1 研究區位置部分監測井分布Fig.1 the location of the study area and part of monitoring wells

1.2 數據來源

表1 水化學成分統計Table 1 The statistics of hydrochemical components

吉林市建成區地下水動態監測網始建于1980年，地下水水質的監測層位在第四系孔隙潛水，每年在枯水期取樣1次（4月下旬～5月上旬）.取樣后由吉林省水環境監測中心吉林分中心完成，水質外檢分析及部分揮發性有機物由吉林大學科學實驗測試中心檢測，檢驗結果切實可靠.本文選取其中2009年吉林市城區內50個地下水監測井的17個指標（Na+、Ca2+、Mg2+、總鐵（Fe）、總錳總磷（TP）、總硬度（TH）、CODMn、pH值及電導率，表1）進行多元統計分析，表征研究區的整體水質狀況.

1.3 污染源識別

因子分析（FA）通過對變量之間關系的研究，找出能綜合原始變量的少數幾個因子，排除干擾信息，從而找出影響地下水質的主要因子及其對應的污染源.

1.3.1 數學模型 設原始變量的p個變量為x1，x2， …， xp，要尋找的k個因子（k＜p）為f1， f2， …， fk，因子fi和原始變量xi的關系可表示為：

式中：系數aij為第i個變量xi與第j個因子fj之間的線性相關系數，反映xi與fj之間的相關程度，也稱為載荷.由于因子fi出現在每個原始變量與因子的線性組合中，因此也稱為公因子.εi稱為特殊因子，代表公因子以外的因素影響，它相當于多元線性回歸模型中的誤差項，實際分析時可忽略不計.

1.3.2 具體步驟 1） 數據標準化.采用公式（2）將所選取的各項指標的水質數據標準化.

式中：設x為水質檢測值，xi是第i個監測井x的標準化結果，i是監測井編號，xm是xi的平均值，σ是其標準差.

2） 數據檢驗.其目的在于檢驗變量之間是否足夠相關.Kaiser-Meyer-Olkin （KMO） 檢驗和Bartlett球形檢驗作為本次研究數據檢驗的方法.其中KMO檢驗計算公式如下：

式中：rij是變量xi與其他變量xj之間的簡單相關系數；pij是變量xi與其他變量xj之間在控制了剩余變量條件下的偏相關系數.

本文數據計算結果如表2所示，其中KMO測度為0.632，接近0.7，適合作因子分析，同時Bartlett球度檢驗統計量為1547.7，檢驗的P值接近于0.表明17個變量之間有較強的相關關系.

3） 因子提取.是根據原始變量提取出少數幾個因子，使得少數幾個因子能夠反映原始變量的絕大部分信息，從而達到變量降維的目的.

表2 KMO和Bartlett檢驗結果Table 2 Results of KMO and Bartlett's tests

4） 因子命名與解釋.它是通過考察因子載荷矩陣并結合實際問題完成的，這也是因子分析重要的一步.

5） 計算因子得分.因子得分就是每個因子在每個樣本上的具體取值.每個因子得分由下列因子得分函數給出：

由式（4）可以看出，因子得分是各變量的線性組合.

6） 計算綜合得分.利用式（5）求出綜合因子F得分：

式中：F為綜合因子得分，Fi為第i個公因子的因子得分，m為提取公因子的個數；Wi為權重，其中，Wi可由式（2）得出［12］，

式中：λi為第i個公因子所對應的特征根.

2 結果與討論

2.1 識別結果

表3 總方差解釋Table 3 Total variance explaination

表4 旋轉因子載荷矩陣Table 4 Rotated factor loading matrix

依據特征值大于1的原則，本次研究共提取了5個公因子，具體如表3所示.累積方差貢獻率為75.01%，表明5個因子集中反映了影響總因素75.01%的信息量，為使各公因子的典型代表變量更加突出，利于解釋，將因子荷載矩陣進行正交旋轉，旋轉后載荷向1或0兩極化轉換，旋轉因子載荷矩陣見表4.與各公因子相關性最強的主要離子在表4中體現，各主要相關離子載荷已經被加粗表示.

2.2 污染源解析

由表4可見，F1作為影響區內地下水的首要因素，主要以TH、EC、Na+、Ca2+為主要代表變量，最高值為總硬度，其方差貢獻率達到36.14%.這些離子主要來源于原生地質環境.區內地下水作為一種載體，攜帶著溶解鹽類、化學元素從低山丘陵區向河谷平原區遷移.低山丘陵區山高坡陡、地形切割強烈，易溶組分K+、Na+、Ca2+、及微量組分F-、I-、 As5+、Cd2+、Cr6+等多被滲入水淋溶帶走，元素含量普遍較低.水化學特征為重碳酸鈣型，礦化度＜300mg/L，總硬度＜150mg/L.地下水徑流至“二松”及其支流河谷平原時，隨著地下水埋藏條件的變化，水力坡度的變緩、水交替作用的減弱，水文地球化學作用逐步由淋溶-遷移向遷移-富集轉化.表現為水中常量離子含量增多，礦化度增至500mg/L或500mg/L以上，總硬度＞300mg/L，水化學類型變為HCO3-Na，HCO3-Na、Ca，HCO3SO4-Na、Ca型.

因此，F1可以命名為地下水遷移-富集作用，近年來，在人類活動的不斷干擾下，在一些地區F1所代表元素含量均值已經高于地下水化學背景值的上限［13］，表明調查區主要污染源附近地下水在天然離子富集的基礎上，又疊加了由生活、農業及工業污染產生的離子組分和各種污染物，改變了地下水的天然化學組成.

F2貢獻率為12.88%，TP與其正相關性最高.地下水中磷元素的富集主要是由人類活動造成的.據吉林市環境保護局資料［14］，城區生活污水排污線共有51條，每年因管線泄露或事故造成生活廢水直接排放到地下水含水層中的約有上百噸，在這些生活污水中夾雜著大量溶解性總磷，正磷酸鹽和溶解性正磷酸鹽等含磷物質；同樣在一些工廠企業在生產過程中也會排放大量含磷廢水，尤其是橡塑企業，在橡膠制品生產過程中會產生大量含磷廢水［15］，這些工業廢水或是因直接排放地下或泄漏于地下，造成地下水體污染，亦或是排放于河流，間接造成地下水污染；農業生產中含磷化肥的使用，會隨雨水滲入淺層地下水中，造成區域地下水中大面積磷元素增加.因此F2可以代表的污染源為生活及工業中含磷廢水排放的點源污染和農業生產中磷肥及農藥的使用的面源污染，具體污染源類型要由當地的土地使用類型決定.

F3貢獻率為11.30%，以、和離子為主要荷載變量.其中硝酸鹽與亞硝酸鹽污染較重的地段分布在生活垃圾場下游及老菜田耕作區.氨氮檢出含量范圍為0.00～21.02mg/L，含量高的區域分布在市區工業與生活污水排污線附近、垃圾堆埋區、粉煤灰堆放場下游等地.由此分析可知，本區地下水“三氮”污染主要來源于農藥、化肥的長期施用、生活和工業廢水排污線的滲漏和垃圾、廢渣等堆放場的淋濾滲透作用.特別是在市郊的水田及菜地、農場區農藥和含氮肥料的長期使用和流失是促成吉林城區地下水中氮污染的主要原因［16-17］，在有氧條件下，肥料中主要成分，通過硝化作用易被氧化成，具體過程如下式：從反應過程中可以看出轉化為的過程中，會伴有H+出現，即富集會伴有H+增加，表4中，F3與“三氮”成正相關的同時卻與pH值成負相關同樣驗證了這一現象.

F4貢獻率相比前3個相對較低，僅為7.92%，與CODMn有著最高的正相關性.CODMn反映了水中近似有機物的總量.城區內淺層地下水含量區間為0.90～3.20mg/L，均值1.76mg/L.區內地下水中有機污染源主要為生活污水和工業廢水隨意排放和地下排污管線的滲漏，以及工業垃圾堆放場的滲濾液.尤其在現代工業中，氯代溶劑已經廣泛應用于脫脂、干洗等工藝，它工作后的產物已經普遍出現在當今一些城市的地下水中，對地下水水質的威脅很大.同樣在江北，作為吉林市重要的化學工業區，分布眾多化工企業，尤其在涉及石油等加工過程中，會產生大量的有機廢水造成地下水污染，并且難以治理.

F5貢獻率與F4接近，為6.76%，主要荷載變量為Mn.區內錳含量高的地下水分布廣泛.錳含量的區間為0.00～10.10mg/L，均值0.59mg/L.據了解，含水介質及其上覆巖土性質是控制地下水中錳元素遷移富集的基本因素，也是其主要的內在因素.吉林地區的平原區，含水層一般具有二元結構.由于含水層中含有錳和有機質，尤其是上覆土層的錳含量相對較高.因此在還原環境下有機質分解，產生大量的CO2和H2S等還原物質，使Eh值降低，從而使介質中較穩定的高價錳氧化物還原為低價的易溶鹽并分離出大量的錳離子，使區內地下水中錳含量增加［18］.因此F5可作為原生地質環境因子.

2.3 污染源分布特征及原因分析

通過SPSS在因子分析過程中計算出50個監測井公因子的因子得分，結合監測井所在位置，得出各污染源在城區內的分布特征及對下水造成的污染程度，因子得分越高，監測井所在位置污染越嚴重.

圖2a可見，F1污染區域主要發生在江北大部地區，中心城區部分地區和哈達灣區大部分區域，而九站片區僅在G536監測井周圍存在一定污染.結合吉林市污染源調查狀況可知，F1值偏高的區域土地使用類型主要為纖維廠，化工廠等企業用地，農田耕地，人口密集的商業中心等區段.并且污染物隨地下水流逐漸向第二松花江擴散.F1所代表的遷移-富集作用在自然條件下的分布本應是相對平緩，并且在會在地下水徑流末端及第二松花江及其支流附近值較高，但由于人類活動的影響，人為改變了地下水的天然組成，同時也在一定程度上改變了其徑流方式，日積月累的情況下，最終形成了F1值分布規律.

F2在本區出現高值及污染的區域較多.其中江北區和中心區污染較為嚴重（F2＞1.2），面積較大；哈達灣區僅有一處，面積較小；而船營區污染范圍雖然大，但污染程度并不高（0＜F2＜1）；江南片區和九站片區磷污染程度相對較低，圖中基本以淺藍色為主（F＜0）.哈達灣片區大部分土地被農田所占據，在附近偶見一些從事有色金屬鑄造的工廠；江北片區污染最嚴重，這是因為江北區為吉林市化工區，該區不僅有大量的化工企業還有其相應的煤灰、廢料堆放場.由于灰場下部揭穿了潛水含水層，即使做了相應防滲工作，灰渣中含磷等污染物也會隨雨水滲入含水層中，造成水體污染.中心片區重污染區主要集中在熱鬧的商業中心，其中賓館、酒店、浴池等店鋪作為該區的主要污染源在區內林立；船營區在作為居民生活區的同時，其附近還有大量的陶瓷加工廠，在洗磚的過程中會產生含磷廢水，廢水處理不當可能會滲入地下，造成該區F2偏高.

圖2 各公因子與綜合污染因子空間差值分布Fig.2 The spatial distribution of scores for five factors and a comprehensive factor

F3得分高低代表該區地下水中“三氮”含量的多少.吉林城區F3正值中心主要有2個，分別坐落于江北和中心片區.江北片區作為重要的化工區，區內化工廠等企業林立，地下水中“三氮”污染屬于正?，F象.而中心片區污染主要在天津街的鬧市區內，該區域屬于吉林市的老城區，由于過去滲井、深坑及下水管道老舊以及當初生活垃圾的堆放，使得該區內地下水以較差水為主，主要污染物有硝酸鹽、亞硝酸鹽及總硬度，但隨著近年來城市建設的發展，人民居住條件的改善，該區內地下水遭受生活污染的程度正逐漸降低.

圖2d可知，區內F4即有機污染分布范圍雖然不大，但因子得分F4＞1，說明受污染區域有機污染程度較高.區內有機污染主要發生在九站片區、船營片區、江北片區和江南區一小部分區域.九站區污染主要集中在區域南部.該區有機污染嚴重主要原因為九站污水明渠原為天然河道，河床巖性為砂礫石，無任何防滲措施.污水渠已運行多年，1992年以前主要排放糖廠和化纖廠工業廢水，1992年后，污水渠主要排放酒精廠工業廢水、制糖廠生活污水、化纖廠工業廢水和生活污水，這些污水都通過渠滲漏流入地下水，造成該區內地下水有機污染十分嚴重.哈達灣區污染源主要為金屬鑄造廠、水泥廠等工廠企業；江北區上部沿江地段大部分屬于橙紅色區域，表明該區作為吉林市化工區地下水已經受到了嚴重的有機污染，并且污染范圍基本與F1～F3的相同，該區域的污染源同樣源于位于江北化工區的石化企業及工廠；江南區橙紅色范圍很小，僅在一些鋼廠、鋼窗廠及印刷廠周邊，該處F4值偏高很可能與這些工廠有關.

F5分布即代表區內地下水中錳元素的分布，Mn的分布除與地下水含水介質性質有關外，還與當地的地下水徑流條件有著密切關系.因此圖2e的F5得分分布（顏色分布）即為上訴2種原因共同導致的結果.

2.4 地下水綜合污染特征

吉林城區地下水綜合污染得分通過式（5）計算，其中Wi=｛0.482， 0.172， 0.151， 0.106， 0.090｝，F=0.482F1+0.172F2+0.151F3+0.106F4+0.09F5，將50個監測井各因子得分帶入上式，得出綜合污染得分F，具體分布如圖2f所示，由圖2f可知，江北區和中心區地下水污染最為嚴重，江南區地下水水質最好，從地下水水質狀況的分布進一步證明地下水環境好壞與人類活動（土地使用，地下水排污管線、化肥農藥使用等）有直接關系.

為更好地實現吉林市城區地下水開發利用，將吉林市城區地下水按污染程度劃分為3個區段（圖2f）：第一區為禁止開采區，即F值大于0.5的范圍（橙色-紅色），該區域地下水不允許使用；第二區為非飲用水區，即F值在0.0～0.5之間的范圍（黃色-橙色），該區域地下水雖不可作為飲用水，但可經處理作為景觀用水、清掃用水等；第三區為F值小于0.0的區域（藍色），這些區域可以作為飲用水區（實線圈定的區域為禁止開采區，虛線圈定的區域為非飲用水區）.

3 結論

3.1 影響吉林市城區地下水水質的首要因素為遷移-富集作用，它決定了吉林市城區淺層地下水的化學類型，F1主要以TH、EC、Na+、Ca2+為主要代表變量，其方差貢獻率達到36.14%.其次污染因子為“磷”因子、“三氮”因子，二者貢獻率接近，分別為12.88%和11.30%，并且因子得分高的區域與實際污染源調查時工廠、生活污水排放區及農田分布相對一致，表明人類活動對地下水水質有著巨大而直接的影響.

3.2 吉林市城區的淺層地下水污染源主要為生活污水中含氮、含磷及含有機質污水的直接排放或是在排放過程中的管線滲漏；石油化工企業中工業廢水不當排放，工業廢渣、生活垃圾的長期儲存、堆放產生的滲濾液；以及城市周邊農業生產中化肥、農藥的不當或過量使用.

3.3 F1～F5各污染因子得分在城區淺層地下水中分布各不相同，主要原因為各污染因子對應的污染源不同，不同的污染源又有不同的空間分布.

3.4 吉林市城區地下水污染最嚴重的區域為江北區和中心區，受到污染最輕微的是江南區；將吉林城區地下水按污染程度可分為禁止開采區、非飲用水區、飲用水區3部分，該區域的劃分可以為今后吉林市城區開發利用地下水提供參考.

［1］Joarder M A， Raihan F， Alam J B， et al. Regression analysis of groundwater quality data of Sunamjang District， BangLADESH International Jour ［J］. Environ. Research， 2008， 2（3）：291-296.

［2］章光新，鄧 偉，何 巖，等.中國東北松嫩平原地下水水化學特征與演變規律 ［J］. 水科學進展， 2006，17（1）：20-28.

［3］Simpson T B， Holman I P， Rushton K R. Understanding and modeling spatial drain-aquifer interactions in a low-lying coastal aquifer-the Thurne catchment， Norfolk， UK ［J］. Hydrological Processes， 2011，25（4）：580-592.

［4］Van Leeuwen F X R. Safe drinking water： the toxicologist's approach ［J］. Food and Chemical Toxicology， 2000，38：51-58.

［5］劉 博，肖長來，田浩然，等.灰色關聯和層次分析法在地下水質評價中的應用—以吉林市為例 ［J］. 節水灌溉， 2013，1：26-29.

［6］孫 濤，潘世兵，李永軍.人工神經網絡模型在地下水水質評價分類中的應用 ［J］. 水文地質工程地質， 2004，25（3）：58-61.

［7］金菊良，魏一鳴，丁 晶.水質綜合評價的投影尋蹤模型 ［J］. 環境科學學報， 2011，21（1）：261-262，265.

［8］Alaa A Masoud. Spatio-temporal evaluation of the groundwater quality in Kafr Al-Zayat District， Egypt ［J］. Hydrological Processes， 2013，27：2987-3002.

［9］Ahmad Aryafar · Faramarz Doulati Ardejani. R-mod factor analysis， a popular multivariate statistical technique to evaluate water quality in Khaf-Sangan basin， Mashhad， Northeast of Iran［J］. Arab. J. Geosci.， 2013，6：893-900.

［10］曹 陽，滕彥國，劉昀竺.寧夏吳忠市金積水源地地下水水質影響因素的多元統計分析 ［J］. 吉林大學學報（地球科學版），2013，43（1）：235-243.

［11］危潤初，肖長來，梁秀娟.吉林市城區地下水污染時空演化 ［J］.中國環境科學， 2014，34（2）：417-423.

［12］賈俊平.統計學 ［M］. 北京：中國人民大學出版社， 2012：261-270.

［13］吉林省地下水化學背景值調研課題組.吉林省地下水化學背景值調查研究 ［R］. 1988.

［14］牛世臣，李 洪，王麗芹，等.吉林市城區地下水污染調查報告［R］. 吉林：吉林市水資源管理辦公室， 2004.

［15］蔡文靜，常春平，宋 帥，等.德州地區地下水中磷的空間分布特征及來源分析 ［J］. 中國生態農業學報， 2013，21（4）：456-464.

［16］梁秀娟，肖長來，等.吉林市地下水中“三氮”遷移轉化規律 ［J］.吉林大學學報（地球科學版）， 2007，37（2）：336-342.

［17］張亞麗，張依章，張遠，等.渾河流域地表水和地下水氮污染特征研究 ［J］. 中國環境科學， 2014，34（1）：170-177.

［18］曾昭華，蔡偉娣，張志良.地下水中錳元素的遷移富集及其控制因素 ［J］. 資源環境與工程， 2004，18（4）：39-42.

Identification of shallow groundwater pollution factors and spatial distribution in the urban areas of Jilin City.

LIU Bo1， XIAO Chang-lai1*， LIANG Xiu-juan1， ZHANG Jing2， SHENG Hong-xun2
（1.College of Environment and Resources，Jilin University， Changchun 130021， China；2.Water Management Institute of Jilin City， Jilin 132000， China）.

China Environmental Science， 2015，35（2）：457～464

For groundwater contamination management and contamination source identification， we collected 50groundwater samples in 2009 at Jilin City and 17parameters were tested for each sample. The Factor Analysis （FA）method was then employed to assess the degree of groundwater contamination in the shallow aquifer and identify the contamination source. Five factors （F1～F5） were extracted to represent transmission and enrichment， phosphorus emission，ammonia-nitrite-nitrates pollution， organic pollution and natural geologic environment， respectively. In addition， F1and F5represented environmental influence factors， F2～F4represented human influence factors. As a result， the groundwater pollution was mainly induced by domestic and industrial wastewater discharge， industrial waste residue， fertilizers and pesticides used in agriculture. Moreover， according to the spatial distribution of five factors， we found that the groundwater pollution was more serious in the central and northern part of the city and becomes better in the south. Based on the resulting pollution distribution， three areas of the ban exploiting， no drinking water， drinking water were divided to support the exploration of groundwater resources in the shallow aquifers.

Jilin City；factor analysis；groundwater quality；pollution factor identification；spatial distribution

X523

A

1000-6923（2015）02-0457-08

劉 博（1987-），男，吉林長春人，吉林大學博士研究生，

2014-05-28

吉林省科技廳重點攻關項目（20100452），吉林省自然科學基金項目 （20140101164JC）

* 責任作者， 教授， xcl2822@126.com

主要從事水資源與環境評價模擬研究.發表論文4篇.