地下水流場和特征選擇算法下土壤潛在污染影響因子研究

徐振坤　方小滿　洪碧圓　江濤　諸曉鋒

摘要：目的：探究富陽區(qū)域土壤潛在污染的主要影響因子。方法：以區(qū)域內(nèi)主要工業(yè)區(qū)為研究對象，采集土壤和地下水樣品，并進行土壤污染和地下水流場檢測。基于地下水流場，采用特征選擇算法模擬區(qū)域土壤的潛在污染情況，選取土壤潛在污染影響因子并計算貢獻率。結果：在選取的潛在污染影響因子中，地下水pH值、土壤含水率和土壤黏粒含量對土壤潛在污染的貢獻率最高，分別達到0.155、0.083、0.076。結論：在該區(qū)域中，地下水pH值、土壤含水率和土壤黏粒含量為主要的土壤潛在污染影響因子，因此在進行土壤環(huán)境改善和土地再利用時應考慮這些因素的影響。

關鍵詞：地下水流場；特征選擇算法；區(qū)域土壤潛在污染；影響因子模擬；地下水pH數(shù)值

中圖分類號：X833 文獻標志碼：B

前言

綜合考慮土壤污染狀況對于土地再利用和防止二次污染具有重要意義。在工廠運營過程中，會產(chǎn)生大量的污染物，這些污染物具有潛在的導致土壤污染的可能性。另外，隨著水的滲透，地表徑流中的污染物也可能對地下水環(huán)境造成一定程度的污染。為有效治理土壤污染，對場地環(huán)境調(diào)查是必要的，并需要了解地下水污染情況，以便為受污染場地的土地用途規(guī)劃提供科學依據(jù)。長期以來，場地調(diào)查評估和治理修復一直是土壤污染治理的重要工作。通過分析土壤中的潛在影響因子，可以全面了解土壤環(huán)境質(zhì)量，并準確判斷土壤環(huán)境質(zhì)量的變化趨勢，從而有針對性地采取相應的治理措施。

特征選擇算法是從已有的特征中選取出最優(yōu)的一組特征，讓指標更加優(yōu)化。在機器學習模型中，特征選擇算法會對機器的預測精度產(chǎn)生一定的影響。傳統(tǒng)的特征選擇方法主要有四類，這四類方法被廣泛運用于各個領域中。隨著對特征選擇算法研究的不斷深入，逐漸有了新的算法。文章基于地下水流域與特征選擇算法，提出區(qū)域土壤潛在污染影響因子模擬分析。針對地塊特征和潛在污染物特征，選取富陽市主要工廠用地情況為基礎數(shù)據(jù)，在規(guī)范性原則下，結合地下水流情況，對該區(qū)域的污染影響因子進行模擬，具體情況如下所示。

1 研究對象與方法

1.1 研究對象概況

文章模擬分析的地點為杭州市富陽。研究地的氣候?qū)儆诒眮啛釒У募撅L氣候。該地的氣候氣象以及水文特征信息如下：氣候氣象信息為：多年平均氣溫為16.1℃；多年平均氣壓為1015.7Pa；多年平均降水量為1153.7mm；多年平均相對濕度為80%；最大積雪厚度為290mm；多年平均風速為1.83m/s；常年地面主導風向為西北風（NW）；基本風壓為6.4KN/m2。水文特征信息為：多年平均水位為4.28m；實測最高水平為9.23m；多年平均最高水位為7.96m；頻率0.1%高水位為10.99m；頻率1%高水位為10.17m；頻率2%高水位為9.58m；多年平均最低水位為2.7m；實測最低水位為1.76m。

該地區(qū)的主要工廠是杭州某公司所在的地塊，占地面積為19800m2，大門定位經(jīng)度為120.022543°，緯度為30.023094°，地塊中心定位經(jīng)度為120.023399°，緯度為30.023577°。地塊范圍邊界拐點坐標為：1號邊界拐點坐標為經(jīng)度120.022256°，緯度30.023649°；2號邊界拐點坐標為經(jīng)度120.023811°，緯度30.244857°；3號邊界拐點坐標為經(jīng)度120.024348°，緯度30.023584°；4號邊界拐點坐標為經(jīng)度120.022792°，緯度30.022801°。

區(qū)域內(nèi)共計18個工廠地塊，對每個地塊進行數(shù)據(jù)收集。

1.2 數(shù)據(jù)來源

通過資料收集、現(xiàn)場踏勘等方法，收集并整理與地塊污染相關的該區(qū)域土壤污染和地下水流場的資料，包括地塊的歷史變遷、污染特征、未來用地規(guī)劃等內(nèi)容。根據(jù)這些信息，判斷區(qū)域內(nèi)可能存在污染的地塊，之后制定相應的現(xiàn)場采樣布點方案。

將按照規(guī)范采集的土壤以及地下水樣品，從地塊運輸至中煤浙江檢測技術有限公司實驗室進行檢測，并提供符合規(guī)范的土壤、地下水污染檢測報告和質(zhì)控報告。以主要區(qū)域杭州某公司地塊土壤污染狀況調(diào)查為例，設置采樣點。采樣點設置情況如下。

在該區(qū)域共設有15個土壤采樣點。其中，11個土壤采樣點位于地塊內(nèi)，4個土壤監(jiān)測點位于地塊外。在整個采樣過程中，共采集了139個土壤樣品，共監(jiān)測了64個土壤樣品。得到的土壤對照點檢測結果見表1。

該區(qū)域的地下水流場的情況見圖1。

以該數(shù)據(jù)為基礎數(shù)據(jù)進行模擬分析。

1.3 分析方法

Hydrus-1D軟件建立的土壤水文和溶質(zhì)運移數(shù)值模型綜合考慮了土壤孔隙結構、土壤水力性質(zhì)和邊界條件等因素，為幫助模擬土壤中的水分運動和潛在污染物遷移，并對水分流動、排水和傳質(zhì)等過程實施監(jiān)測、分析提供了一個強大的工具。而特征算法是一種基于土壤屬性和環(huán)境因素的數(shù)據(jù)處理和預測方法。通過對土壤屬性（如土壤類型、有機質(zhì)含量等）和環(huán)境因素（如降雨量、施肥情況等）進行定性和定量分析，可以較準確地預測土壤潛在污染影響因子的分布和變化趨勢。

綜合使用Hydrus-1D軟件進行模擬分析，基于特征算法建立土壤潛在污染影響因子模擬分析模型，能夠充分考慮土壤水分運動和溶質(zhì)遷移的過程，并結合土壤屬性和環(huán)境條件的影響，更好地模擬和分析土壤潛在污染的影響因子，更好的幫助決策者和研究人員了解土壤潛在污染問題并采取有效治理措施來減少或防止土壤污染的發(fā)生概率。

其中，X為上邊界條件，C為下邊界條件，V為污染物濃度，B為飽和滲透系數(shù)，N為零通量邊界。在此基礎上，對污染物遷移狀況進行計算，公式表示為式（2）：

其中，L為慣性權重參數(shù)，K為加速因子，J為偽隨機數(shù)，H為個體最佳粒子。在此基礎上，對因變量影響的空間異質(zhì)性進行計算，公式表示為式（3）：

其中，F(xiàn)為解釋變量參數(shù)，D為自變量的同歸系數(shù)，5為因變量參數(shù)，A為使用加權最小二乘值，Q為空間數(shù)據(jù)范圍。從而得到空間異質(zhì)性，根據(jù)該參數(shù)對類別變量進行計算，公式表示為式（4）：

其中，E為觀測值均值參數(shù)，R為回歸方程殘差的空間自相關參數(shù)，T為點位基于距離的空間權重，Y為土壤中污染物的污染指數(shù)，U為污染物的評價標準，G1為污染物實測質(zhì)量比。然后對污染物的污染程度進行評價，并對數(shù)據(jù)集進行處理。數(shù)據(jù)集處理流程如下：首先，輸入訓練數(shù)據(jù)集和可觀察變量集。然后，構造一個由可觀察變量集中的所有元素組成的非定向邊的完全圖。接著，根據(jù)一定規(guī)則或算法，連接這些邊并更新完全圖。通過連接和更新得到的鄰接子集會被儲存在分離集中，以便后續(xù)處理和分析。最后，將連接后形成的邊的三元組添加到數(shù)據(jù)集中，以豐富數(shù)據(jù)的信息。整個流程旨在構建完整的圖，并從中提取有用的信息，幫助我們更好地理解和分析訓練數(shù)據(jù)集中的關聯(lián)關系。

在此基礎上，根據(jù)數(shù)據(jù)集建立評價公式表示為式（5）：

其中，P為化學背景值，z為地累積指數(shù)，x為污染因子實測值，c為修正常數(shù)，v為基學習器。在此基礎上，對經(jīng)驗概率值進行計算，公式表示為式（6）：

其中，n為指數(shù)差值，m為分裂后的右節(jié)點參數(shù)，l為指數(shù)變化量，k為變化量總和參數(shù)，p為決策樹節(jié)點。在此基礎上，按照算法的開放三元組對系數(shù)進行分離，算法系數(shù)分離流程如下：首先，獲取待分離的系數(shù)三元組，包括地累積指數(shù)、污染因子實測值和修正常數(shù)。然后，將地累積指數(shù)、污染因子實測值和修正常數(shù)從系數(shù)三元組中分離出來，得到三個獨立的部分。最后，返回分離后的地累積指數(shù)、污染因子實測值和修正常數(shù)作為評價公式（式5）的參數(shù)，用于數(shù)據(jù)集的評估和經(jīng)驗概率值計算（式6）。

之后，對數(shù)據(jù)進行迭代更新，函數(shù)公式表示為式（7）：

其中，j為類向量參數(shù)，h為初始迭代次數(shù)，g為個體目標值，f為概率向量參數(shù)，d為平均化參數(shù)值。由此得到迭代更新數(shù)據(jù)，按照該方法對影響因子進行計算。

2 結果與討論

2.1 實驗結果與分析

按照上述方法進行模擬，得到選取的土壤潛在污染影響因子土壤侵蝕度、年均氣溫、相對濕度、利用類型、距道路距離、地下水pH值、土壤含水率與土壤黏粒含量的貢獻率見圖2。

從圖2中可以看出，地下水pH值、土壤含水率與土壤黏粒含量三類影響因子的貢獻率最大。

統(tǒng)計地下水pH對三個主要地塊污染因子的貢獻率，可以得到結果見表2。

從表2中可以看出，地下水pH值對土壤污染因子的平均貢獻率較高，達到0.180。

統(tǒng)計土壤含水率對三個主要地塊污染因子的貢獻率，可以得到結果見表3。

從表3中可以看出，土壤含水率對土壤污染因子的平均貢獻率達到0.084。

統(tǒng)計土壤黏粒含量對三個主要地塊污染因子的貢獻率，可以得到結果見表4。

從表4中可以看出，土壤黏粒含量對土壤污染因子的貢獻率達到0.077。三類主要的影響因子，對土壤潛在污染的貢獻率分別達到0.180、0.084、0.077，在土地污染治理等過程中，可適當考慮三類影響因子帶來的影響，從而加強土壤污染的治理。

2.2 討論

從模擬分析可以看出，在眾多影響因子中，對土壤污染貢獻率較高的三類影響因子分別是地下水pH值、土壤含水率與土壤黏粒含量。影響機制分析如下：工業(yè)區(qū)域或工業(yè)活動排放的廢水導致地下水酸堿性發(fā)生變化而改變土壤pH值，不適宜的pH值可能對土壤中微生物的生存和活動產(chǎn)生不利影響進而影響土壤質(zhì)量；土壤含水率是指土壤中含水量占總體積的比例。工業(yè)區(qū)域或工業(yè)活動排放的廢水導致土壤水分含量發(fā)生變化，高含水量導致土壤中有機物、重金屬等污染物釋放和遷移，進而影響土壤質(zhì)量；土壤黏粒含量是指土壤中黏粒所占比例。工業(yè)活動和廢物排放可能導致土壤顆粒組成發(fā)生變化，從而影響土壤黏粒含量，低黏粒含量導致土壤結構疏松、保水能力下降和養(yǎng)分流失而影響土壤質(zhì)量。

基于此，在地塊后續(xù)開發(fā)建設過程中，應多考慮這三類影響因子的影響。為強化環(huán)境保護和確保土地利用的可持續(xù)性，建議采取以下措施：（1）建立土石方轉(zhuǎn)移聯(lián)單制度和外運臺賬，明確記錄外運土石方來源位置以有效管理土方開挖并跟蹤查詢，確保土方安全轉(zhuǎn)移和合理利用；（2）對發(fā)現(xiàn)的土壤異味和地下水污染進行監(jiān)測，委托資質(zhì)單位對土壤和泥漿廢水進行處理和定點存放，如設置臨時沉淀池，并明確污染物種類、程度和合理處置方案；（3）實施環(huán)境監(jiān)理以追蹤和指導施工期間環(huán)境保護工作，及時發(fā)現(xiàn)、解決和預防環(huán)境問題，確保施工人員安全和環(huán)保措施到位，減少對外部環(huán)境的影響；（4）鑒于污染物缺乏連續(xù)性，應密切監(jiān)測場地土壤和地下水情況，發(fā)現(xiàn)異常及時報告，同時在后續(xù)開發(fā)中加強地下水環(huán)境保護，不采用地下水作為飲用水源，避免處理后的地下水排放對周邊地表水產(chǎn)生污染。

3 結束語

由于工業(yè)發(fā)展和人類活動等因素影響，土地資源面臨潛在污染風險，了解和探究土壤潛在污染的主要影響因子對于制定有效的土地管理與土壤保護策略至關重要。文章基于特征選擇算法與地下水流場模擬并分析了富陽區(qū)域內(nèi)土壤潛在污染的主要影響因子，得出地下水pH值、土壤含水率與土壤黏粒含量為該區(qū)域土壤潛在污染主要影響因子。在進行土壤環(huán)境改善與土地再利用時應充分考慮該三類因素影響，通過強化土地污染防治措施、合理利用土地資源以持續(xù)改善土壤環(huán)境質(zhì)量。希望文章對土地潛在污染研究發(fā)揮借鑒意義。