通过整合PMF和在亚热带河流中观察到的源形状来提高碳,和的来源分配
Yajing Sheng1, Wei Gao1, Min Cao1
1Guangdong Basic Research Center of Excellence for Ecological Security and Green Development, School of Ecology, Environment and Resources, Guangdong University of Technology, Guangzhou, China.
Heliyon
|October 9, 2024
概括
确定河流污染源是很困难的. 一种新的综合偏差指数 (CDI) 方法,结合正矩阵分解 (PMF),准确地确定农田,农村和废水处理厂是造成水污染的关键因素.
科学领域:
- 环境科学 环境科学
- 水质管理水质管理
- 污染源的分配方式
背景情况:
- 河流污染源分析因复合污染事件而复杂化.
- 河流污染的传统正矩阵因子化 (PMF) 模型缺乏客观的污染物识别,依赖于研究人员的经验.
- 这种主观性导致难以将污染物与类似的污染源区分开来.
研究的目的:
- 开发和验证用于识别河流污染源类型的定量方法.
- 提高污染源分配模型的准确性和减少不确定性.
- 评估不同污染源对西江河流域关键水质参数的贡献.
主要方法:
- 开发一个综合偏差指数 (CDI) 来定量识别污染源类型.
- 集成CDI与正矩阵因子化 (PMF) 模型使用观察到的源资料.
- 将组合模型应用于来自江河流域的水质和污染源数据,以测量溶解有机碳 (DOC),总 (TN) 和总 (TP).
主要成果:
- 该PMF模型成功地确定了三个具有高确定系数 (0.600.98) 的初级污染源.
- 根据CDI方法,农田,农村地区和废水处理厂 (WTP) 是主要的污染源.
- 农田是DOC,TC和TDP的主要来源;农村地区为NH3-N,PO43-,TDP和TN;和NO2,NO3和TN的WTP,具体贡献百分比详细说明.
结论:
- 拟议的CDI,当与PMF和源指纹集成时,为污染源识别提供了准确和可解释的方法.
- 这种方法有效地减轻了传统的多源未知受体模型中固有的不确定性.
- 这些发现为加强河流生态系统管理和有针对性的污染控制战略提供了实际框架.


