使用PFOA PlumeSeekerTM对其概念模型中的数据差距的描绘和评估

科学领域:

• 环境科学 环境科学
• 水文地质学 水文地质学
• 地质统计学 在地质统计学

背景情况:

• 准确的概念现场模型 (CSM) 和羽毛线划分对于有效的现场整治和监管批准至关重要.
• 评估数据差距和优化抽样策略的现有方法可能是资源密集的.

研究的目的:

• 推出PlumeSeekerTM,这是一个用于评估CSM数据缺口和优化污染物线划分采样地点的新工具.
• 为了证明PlumeSeekerTM在减少羽毛边界识别中的不确定性方面的成本效益和效率.

主要方法:

• PlumeSeekerTM将地统计和随机建模与MODFLOW-SURFACTTM地下水建模集成在一起.
• 它采用减少差异的方法来选择最佳的采样位置,最大限度地减少羽毛的不确定性.
• 该工具适用于有或没有现有监测井的地点.

主要成果:

• 在Lakehurst的应用证明了在划分一个完全酸 (PFOA) 羽毛时的成本降低,只需要9个新的采样地点,以减少70%的羽毛不确定性.
• 确定了源区和Manapaqua分支与地下水之间的相互作用区域的关键数据缺口.
• 突出了特定地点区域中高度污染物的潜在综合原因.

结论:

• PlumeSeekerTM显著提高了对羽毛线边界位置的信心,并优化了对现场调查的资源配置.
• 该工具有效地识别数据缺口,从而导致更明智的CSM和补救策略.
• 具有成本效益的羽毛线划分是可以实现的,即使对于具有挑战性水文地质条件的复杂地点.