gis在环境科学中的应用

gis环境科学；应用研究

创新互联公司2013年至今，是专业互联网技术服务公司，拥有项目成都网站设计、网站制作网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元龙岗做网站,已为上家服务,为龙岗各地企业和个人服务,联系电话:13518219792

环境科学主要是对大气、土壤、生物、水的研究，诠释人们在自然环境中对自然环境的影响与自然万物生存规律。GIS技术和环境科学在研究目标与方法上具有一定相通性。现阶段，将GIS技术应用在环境科学中能够更好的挖掘潜力，为环境的检测、评估、规划、管理等方面创造更广阔发展空间。

GIS技术环境监测

1、大气环境监测

现如今，城市化进程的加快，人口逐渐增加、交通加压较大，工业生产成为社会经济发展的支柱型产业。但工业生产中排放大量化学物质和汽车尾气，造成城市空气环境受到冲击而逐渐降低质量。对此，净化空气、提高空气质量成为现阶段城市发展的当务之急。大气环境有一定的空间性特点，空气流动较快，地面是自然环境中空气不可穿越的固体界限。GIS技术的出现，能够有效进行信息环境监测，通过地理信息系统与数据库管理搜集、整合存在的污染物质、规模、工厂位置信息等，构建完整的地理信息数据库。随后，利用GIS技术空间研究与数据显示系统得出污染物质在大气中的分布形式。最后，获得污染空间与标准状况。现阶段，GIS技术已经在一些项目监测中得到了推广与应用，效果显著。

2、GIS技术水资源环境监测

水资源是我们生活的重要组成部分，是维持生命的主要物质具有重要作用。但是现阶段水资源紧缺并且水污染问题严重，使得大量水源不可作为生活用水。现阶段，GIS技术应用在水资源监测中也较为常见。GIS技术中的空间信息与分析系统能够对水资源环境空间信息进行深入研究分析，达到科学有效的组织与监测，便于管理人员进行空间信息搜集、查找等。另一方面，GIS技术中的图形分析与空间研究功能，能够帮助进行空间与数据检测，生成图表以便有关单位制定有效解决方法。

请问地理学在环境方面的应用

地理学在环境方面的应用

一、地理信息系统在水污染地理信息系统的应用

水污染的控制规划是区域环境规划的重要内容， 而总量控制是水污染 控制的重要举措。准备工作是要计算功能区水域的环境容量，就是在 给定功能区水质目标的基础上，根据相应的水文条件，利用合适的数 学公式模拟出该功能区能承受的最大污染物排放量。

二、地理信息系统在大气污染的应用

首先是污染源转化成地图格式。 实际中的污染源有点线面的形式， 在系统中要转变成 GIS 软件能识别的单个地图对象。其次是计算结果数据地图化。经大气污染扩散模型计算的得到的结果都是一些离散点， 需要将其转换为等值线或者是分级等值图。 利用 GIS 可以清楚的看出大气污染的区域和污染的情况， 同时根据数据库中的数据， 统计计算出扩散方向和污染的程度， 它的分析功能是别的信息系统所不具有的。

三、地理信息系统在城市噪声污染中的应用。

建立该信息管理系统需要研究区的地图地图，经过数字化，变成 GIS 能识别栅格的格式。在这里有图层的概念，也就是不同的地理信息属于不同的图层，并且不同的图层具有不同是属性信息。

地下水污染源解析技术

1.3.1.1 地下水污染源识别技术

污染源解析体系的建立，主要是污染源解析方法的建立，自20世纪中期以来，国内外学者对污染物在含水层中的运移、控制、修复进行了大量的研究，随着正问题研究方法以及理论的成熟，污染源识别的反问题逐渐成为研究的重点。源解析的方法根据研究对象的不同可分为扩散模型（Diffusion Model）和受体模型（Receptor Model）。前者以污染源为研究对象，后者以污染区域为研究对象。由于扩散模型需要预先知道污染源的排放量，进而研究污染物的浓度分布或反应机理，但实际情况中我们往往便于得到污染物现状分布，而源的分布以及排放信息较难获得。受体模型通过分析源和受体的理化性质识别可能的污染源和源对受体各成分或各监测点的贡献。20世纪60年代，国外首先在大气领域开始了受体模型的研究，形成一套定性、定量的方法解析污染源，这些方法逐渐在土壤及水环境污染源解析中得到广泛应用。受体模型是相对于正向的扩散模型（源模型）而言，是一个反演未知参数的过程，污染源解析现阶段没有明确统一的定义，简称源解析、源识别，环境中各种元素和化合物含量的信息蕴藏着各污染源的特征信号，根据目标环境中检测到的信号，利用污染源与环境之间的“输入-响应”关系，结合实际条件判别、解析与评价污染物的来源、位置、排放强度和时间序列等要素即污染源的识别。

1.3.1.2 污染源解析数值模拟技术

地下水溶质运移反问题的研究起源于研究数理方程反问题，地下水污染源解析反问题求解也从其中借鉴而来，其反演算法主要有优化-仿真、概率统计等。

从20世纪80年代开始，Wagner（1992）首先在数值模拟基础上，结合线性规划与最小二乘法，将数值模拟的污染物浓度以响应矩阵形式嵌入优化模型中，进行地下水污染源的识别；Aral和Guan（2001）运用响应矩阵识别地下水污染源，并证明该方法比运用线性规划方法更有效；Mahar和 Datta（1997）利用优化地下水监测系统来提高污染源识别的效率，利用监测井获得的数据运用于非线性优化模型中获得更精确的污染源预测；Atmadja和Bagtzoglou（2001）总结了污染源识别中的数学方法，将方法归纳为优化法、解析解法及概率统计方法和地学统计法。

Datta和Chakrabarty（2009）采用了模拟模型外部链接优化模型的方法识别污染源；Singh（2004）等利用人工神经网络法识别未知的污染源，同时研究了遗传算法解二维源解析优化模型；Khalil等（2005）综合利用4种模拟方法（人工神经网络（ANNS）、支持向量机（SVMS）、投影局部加权回归（LWPR）、相关向量机（RVMS））建立了相对复杂和耗时的数学模型，模拟地下水中硝酸盐浓度分布。Wang和Zabaras（2006）利用贝叶斯级数法解对流弥散方程，推导过去某一时间污染物浓度分布，研究了地下水连续渗流的污染来源；Bashi-Azghadi等（2010）利用多目标优化模型——非劣排序遗传算法Ⅱ，链接到MODFLOW和MT3D模型中进行污染源识别，利用并行支持向量机和人工神经网络识别主要污染物。同时还有众多学者对地下水污染源位置及排放时间序列进行解析。

国内针对污染源解析的研究不多，多集中在地表水及水力参数识别领域。地下水方面，国内学者运用水动力-水质耦合模型，建立了基于贝叶斯推理的污染物点源识别模型，通过马尔科夫链蒙特卡罗后验抽样获得了污染源位置和强度的后验概率分布和估计量，较好地处理了模型的不确定性和非线性，在反演结果的可靠性和估计的精度方面采用贝叶斯推理和抽样方法获得的反问题的解具有信息量大，能给出环境水力学参数的后验分布且估计精度高的优点，该方法适用于水文地质条件以及水流运移过程相对复杂的多点源解析。

Sidauruk等（1998）提出一种基于解析解的反演方法，该方法只需要合理的污染浓度序列，可以预测弥散系数、水流流速、污染源浓度、初始位置和污染开始时间，利用参数与浓度对数之间的相关系数，取得参数值，但是由于运算基于解析解，该方法只适用于地层条件简单的均质含水层。Skaggs和Kabala（1994）在一维饱和均质非稳定流模型中运用TR方法，利用复杂的污染物浓度序列，在其他条件未知的情况下，开展源解析工作，指出该方法对数据四舍五入的误差并不敏感，但精度受污染羽测量误差影响明显。

1.3.1.3 污染源解析多元统计法

多元统计方法从统计数据中分析各水质点潜在相关关系，结合实际条件揭露水文地质条件，在污染源解析应用中，无须事先知道污染物源成分谱，适用于水文地质条件简单，观测数据量较大，污染源和污染种类相对较少的地区，其优点是运用简便，可广泛应用统计分析软件进行计算，在实际应用中，多元统计方法只能识别5～8个污染源。

（1）因子分析法

因子分析（Factor Analysis，FA）是研究相关阵或协方差阵的内部依赖关系，它将多个变量综合为少数几个因子，以再现原始变量与因子之间的相关关系。FA法使用简单，不需要研究地区优先源的监测数据，在缺乏污染源成分谱的情况下仍可解析，并可广泛使用统计软件处理数据。其不足之处在于需要输入大量数据，而且只能得到各类元素对主因子的相对贡献百分比。

（2）主成分分析法

主成分分析方法（Principal Component Analysis，PCA）是常用的数据降维方法，应用于多变量大样本的统计分析中。该方法是对所收集的资料作全面的分析，减少分析指标的同时，尽量减少原指标包含信息的损失，把多个变量（指标）化为少数几个可以反映原来多个变量的大部分信息的综合指标。

（3）聚类分析法

聚类分析又称群分析（Cluster Analysis，CA），它是研究（对样品或指标）分类问题的一种多元统计方法，即把一些相似程度较大的样品（或指标）聚合为一类，把另一些彼此之间相似程度较大的样品（或指标）聚合为另一类。根据分类对象不同，可分为对样品分类的Q型聚类分析和对指标分类的R型聚类分析两种类型。聚类分析可用SPSS软件直接实现，在水质时空变异、水化学类型分区中得到广泛的应用。

（4）矩阵数据分解法

利用矩阵分解来解决实际问题的分析方法很多，如主成分分析（PCA）、独立分量分析（ICA）、奇异值分解（SVD）、矢量量化（VQ）、因子分析（FA）等。在所有这些方法中，原始的大矩阵被近似分解为低秩的V＝WH形式。正定矩阵分解法（Positive Matrix Factorization，PMF）、非负矩阵分解法（Non-negative Matrix Factorization，NMF）和非负约束因子分析（Factor Analysis with Non-negative Constraints，FA-NNC）是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法，三者在求解过程中对因子载荷和因子得分均做非负约束，使得因子载荷和因子得分具有可解释性和明确的物理意义。

（5）混合多元统计法

目前应用的混合多元统计法主要有因子分析与多元线性回归相结合，因子分析法与化学质量平衡法相结合，因子分析、化学质量平衡法与多元线性回归3种方法相结合，以上几种方法也可以和聚类分析或GIS相结合以提高分析结果的准确性。其中因子分析与多元线性回归结合在水和沉积物污染源的辨析中有着非常广泛的应用。

1.3.1.4 污染源解析化学质量平衡法

化学质量平衡法（CMB）于1972年由Miller等（1972）第一次提出。CMB法在大气领域的应用已趋于成熟，美国EPA开发了一系列CMB模型，并得到广泛的应用。CMB法是基于质量守恒的方法，利用源和受体化学组成的监测数据建立质量平衡模型以定量计算各污染源对地下水中污染物浓度的贡献率。CMB方法的应用必须满足几点假设条件：①特征污染物成分从源到汇不发生化学反应；②化学物质之间不发生反应；③对受体有明显贡献的源均被纳入模型；④与不同源的成分谱线性无关；⑤测量误差是随机误差且符合正态分布。主要利用污染源组分浓度与采样点数据中各污染组分的浓度求线性和，构成一组线性方程，计算各污染源对取样点的贡献率。

设通过采样分析检测点处成分i的浓度为Xi（mg/L），总共有j个污染源排放点，各排放点处i污染物浓度为Cij，各排放点处成分i对最终监测点处的贡献百分比为Pij，则

地下水型饮用水水源地保护与管理：以吴忠市金积水源地为例

式中：i——检测点处各不同组分数；

j——污染源的个数；

Xi——检测点测得的成分i的浓度值；

Cij——污染源j点处i组分的浓度；

Pij——各j污染源对检测点处i成分的贡献率。

根据选择测定的组分可建立i个方程，当i≥j，联立方程组原则上可求出Pij，确定各污染源的贡献率识别主要污染源。

地下水中污染物的迁移转化是一个复杂而长期的过程，CMB法是否适合运用于地下水污染源解析还需要进一步的研究和探讨。

1.3.1.5 解析法与GIS相结合法

各种解析方法能够与GIS相结合，从时空上反映刻画污染过程，并为解析提供数据和图像；GIS最初主要应用于空间分析、显示和制图。利用GIS软件的空间分析功能，分析地下水水质组分空间分布状况，绘制等值线图，直观地反映污染源与地下水水质的相关关系。国内外学者运用GIS技术和多元统计方法对表面水污染进行空间分析及源解析。Ouyang等（2006）分析了表面水水质的季节变化，并根据不同季节找到影响水质的重要因子。Zhou F等（2007）结合多元分析方法及地理信息系统（GIS），对香港东部海湾海水污染的时空分布特征进行研究，并进行了污染源识别工作，对数据进行预处理，利用聚类分析以及主成分分析减小了数据测量误差，确定了特征污染物以及各污染物主要来源。

1.3.1.6 定性及半定量方法

定性及半定量方法主要应用于 PAHs（多环芳烃）解析，迄今已发现的200 余种PAHs中有相当部分具有致癌性和致突变性（Christensen et al.，2007），PAHs主要通过大气沉降、城市污水和工业废水的排放、石油的溢漏等途径进入地表水和地下水，从而导致饮用水水源污染。PAHs 是目前水环境中致癌化学物质中最大的一类（Mnzie et al.，1992）。因此，对环芳烃来源进行解析，进行地下水污染防控也是研究的重点。

标题名称：GIS技术对水污染的运用 gis在水文分析
分享路径：http://scgulin.cn/article/dogichi.html