半定量直接推送数据可以改善污染物划分和地下水中的大规模排放

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:

• 准确地绘制污染物和污染物质量排放 (CMD) 估计对于污染现场风险评估和整治至关重要.
• 传统的插值方法在低密度采样方面存在困难,导致羽毛线划分不准确.
• 来自直接推探的半定量数据提供了高分辨率的地下洞察力,但在传统方法中未得到充分利用.

研究的目的:

• 开发和验证一种概率性审查方法,以提高污染物度的地理统计插值.
• 将半定量,高分辨率的地下数据与传统的地下水采样数据整合起来.
• 为了提高污染物羽毛划分和污染物质量排放 (CMD) 估计的准确性.

主要方法:

• 开发了一种使用指示器 kriging 的概率性审查方法,从直接的推探头信号中插入二进制存在缺席指标.
• 产生了污染物分布的概率场,以从传统的地下水采样中审查空间度场.
• 将该方法应用于化溶剂污染的地点,采样密度各不相同.

主要成果:

• 概率性审查方法导致了更清晰地定义的羽毛边缘.
• 污染物度较低 (<10μg L-1) 的估计面积增加了41-85%.
• 污染物质量排放 (CMD) 估计下降了13-18%,相对不确定性基本不变.

结论:

• 概率审查方法有效地将半定量场测量集成到度插值和CMD估计中.
• 这一框架增强了羽毛线的划分,并提供了更可靠的CMD估计在受污染的地点.
• 该方法具有多功能性,可以应用于其他直接推送数据类型,以改进地下表征.