基于自然电场传感器的地下污染监测

吴超,刘嘉文,,崔益安,

(1. 中南大学 地球科学与信息物理学院,湖南 长沙,410083;2. 有色资源与地质灾害探查湖南省重点实验室,湖南 长沙,410083)

基于自然电场传感器的地下污染监测

吴超1,刘嘉文1,2,崔益安1,2

(1. 中南大学 地球科学与信息物理学院,湖南 长沙,410083;2. 有色资源与地质灾害探查湖南省重点实验室,湖南 长沙,410083)

垃圾填埋场以及尾砂库废液渗漏监测是预防其周边地下污染等问题的重要手段,本文提出一种利用观测自然电场来实现长期、自动、实时监测的方法。设计了具有无线通信功能的电场传感器作为传感器节点,将这些传感器节点布置到监测区域组成分布式传感器网络。传感器网络按预定程序自动周期性地采集监测区域自然电场数据,并实时发送到远程数据处理端。实验结果表明该方法能自动实时采集自然电场数据,并能及时观测到自然电场随时间的变化情况,从而高效实现废液渗漏等污染的监测。

自然电场法;传感器网络;污染监测

随着我国经济的持续高速发展,在工业化、城镇化过程中的环境污染问题也日益严重。特别是越来越多的生活和工业垃圾填埋场、工矿废水废渣库等的有毒废液渗漏会给周边环境带来严重的影响,并且这种影响在短时间内难以消除。如亚马逊河流域的许多金矿开采尾砂库中的甲基汞污染严重影响了周边的生态环境[1];江西德兴铜矿尾砂库的渗漏液导致了周边环境的污染,造成了农作物产品中铅等重金属超标[2]。因此,垃圾填埋场以及尾砂库的安全一直是人们比较关注的问题,除了对其本身的安全监测[3–4]外,其废液的渗漏监测也成为紧迫的研究课题。Shin Kyung-Hee等[5]利用生物测试的方法来监测尾砂中含砷和重金属的情况;Ghomshei等[6]采用同位素示踪的方法来监测Nickel Plate金矿尾砂库废液的泄漏情况。这2种法在一定条件下的确能实现尾砂废液泄漏的监测,但实施过程较为复杂,很难进行长期高效地实时监测。地球物理方法在水利堤坝渗漏检测、地下水勘查等方面应用效果良好,相关技术比较成熟,且实施较为简便,因而采用地球物理方法进行尾砂库泄漏监测是可行的。芬兰Haveri铜金矿的尾砂酸性废液在周边环境中渗透情况的监测采用了综合地球物理和地球化学方法[7],其用到了电阻率法来追踪由酸性废液污染形成的低电阻率异常区。

由于污染物泄漏扩散过程中的各种成因对自然电场信号较为敏感,且电场监测经济简便,因此,自然电场法成为土壤与地下水污染监测的较佳选择。本文提出了一种较电阻率法更为简便且可长期实时监测的自然电场监测方法。

1 自然电场法监测

在自然条件下,地面2点间通常能够观测到一定大小的电位差,称为自然电场。这种电场主要包括由电子导体的天然电化学作用产生的电场、水溶液中带电离子扩散渗透时产生的过滤电场及2种不同溶液相接触在接触面产生的扩散电场等。

过滤电场的经验计算公式为ΔU=0.77ρwΔp。式中:ρw为裂隙水的电阻率;Δp为地下水流动的水头压力差。扩散电场电动势的计算公式为Ed=Kdlg(C1/C2)。式中:Kd为扩散电动势系数;C1、C2为2种溶液的浓度。

自然电场法是通过观测电场的强度分布,来处理矿产勘探和水文地质问题的被动源勘探方法。由于过滤电场和扩散电动势的产生都与地下水或溶液密切相关,自然电场法对确定地下水的流向有独特的优势。

污染废液中大多含有各种离子,其在地下渗漏时将产生过滤电场和扩散电动势。采用自然电位法观测目标区域的自然电位即可发现由于废液泄漏引起的自然电位异常,从而达到监测泄漏情况的目的。Martínez-Pagán P等[8]进行了利用自然电场法监测盐渍在沙中的扩散情况的模拟实验,研究表明自然电场能实现有效地监测,并且能根据监测数据反演出跟实际情况非常接近的盐水泄漏源和盐水扩散前沿位置。因此,各种废液在土壤中的泄漏扩散情况可以通过类似的自然电场观测实现实时监测。

2 无线监测模式

2.1 传感器布置

常规的自然电场法大多采用单台电压记录仪器逐点观测的模式,不能很好地适应长期、实时监测的要求。观测自然电位的仪器比较简单,甚至可以很方便地设计成一个简单的电压传感器。在电压传感器上配置无线通信模块,即可成为具有监测功能的无线传感器。由多个这种无线传感器按一定排列方式组成无线传感器网络即可实现对自然电场的长期、实时的自然电场监测。

传感器环绕分布在垃圾填埋场或尾砂库等污染源周围,形成数个封闭圈监测线(图1),可以实现全区全覆盖的监测。若只将传感器按实际监测需要在某些重点区域布置几条平行的监测线(图2),则可进行局部监测。传感器之间的距离与监测线之间的距离遵循自然电场法进行水文地质调查时的测点测线设置。为便于监测,测量电极与测线垂直布置,采用电位梯度观测方式(图3)。

图1 全区监测

图2 局域监测模式

图3 测点与电极布置

2.2 监测网络

监测网络的设计主要是要满足能在远程端控制下自动周期性间隔采集自然电场数据并实时发往远程端的要求。监测网络采用分布式单元结构,最基本的监测单元由若干个传感器节点与一个单元路由节点构成星型网络(图4),监测单元的个数由监测区域大小决定。传感器节点按一定的时序将定时观测到的电场数据与观测时间发送到单元路由节点,再通过由各个单元的路由节点构成的分布式无线网络传送到远端进行数据汇总、处理与分析(图5)。

监测网络运行监测任务流程如下:

Step1 网络初始化设置;

Step2 单元路由节点建立单元内传感器节点列表;

Step3 单元路由节点搜索相邻路由节点建立自组网络;

Step4 远程端发送监测控制参数;

Step5 路由节点将收到的监测控制参数输入传感器节点;

Step6 传感器节点按照监测控制参数定时采集电场数据;

Step7 路由节点在采集间隔内以查询方式获取列表内传感器节点的采集数据;

Step8 路由节点将获取的同步采集数据打包通过自组网络发送到远程端;

Step9 传感器节点进入睡眠节能状态,等待定时唤醒后转Step6。

图4 监测单元

图5 无线监测网络

3 传感器设计

自然电场传感器节点设计框图如图6所示。结构主要包括阻抗变换、放大滤波、模数转换、定时控制以及无线通信等功能模块。为满足自然电场观测要求,模块及元件均选用功耗低、集成度高、性价比高的器件。

由于自然电场信号比较微弱,需要设计专门的阻抗变换电路来将传感器的输入阻抗提升至10 MΩ以上,以适应微弱信号检测的要求。放大电路采用2级放大,前置放大采用集成放大器INA128来抑制共模干扰,后置放大采用程控增益放大器来实现信号自动增益以满足模数转换的要求。2级放大电路之间采用程控滤波器MAX260进行连接,实现带通滤波。

定时控制及模数转换功能由MSP430单片机实现。MSP430系列单片机具有超低功耗,在1.8～3.6 V电压、1 MHz时钟条件下,最大功耗不超过1.4 mW,并且在恶劣条件下工作性能稳定。其片内资源丰富,集成有2个定时器、1个看门狗、2个SPI接口,特别是还包括多路快速ADC。因此,其可以很方便地为传感器节点提供模拟信号数字化、数据临时存储、与通信模块数据交换、数据采集与发送的定时和控制等功能。

无线模块采用RF芯片CC2420,工作频带范围为2.4000～2.4835 GHz,采用直接序列扩频方式,支持16个通信信道,采用O—QPSK调制方式。其具有超低功耗、高接收灵敏度(-94 dBm)和高抗邻频干扰能力(39 dB)等特点,具有符合IEEE 802.15.4规范要求的MAC层,可支持自动帧格式生成、同步插入与检测、CRC校验、电源检测、自动MAC层安全保护等。并且其4线SPI接口可很方便地与MSP430单片机联接。

图6 传感器节点框图

4 模拟实验

图7 模拟实验观测电位分布

模拟实验在沙地中进行,如图7所示布置3、6、9、12及15号共5条平行测线,线距3 m。每条测线上设30个测点,测点间距1 m,不极化电极极距1 m。实验开始前在场地内观测到的背景自然电位分布如图7(a)所示。实验开始后,在3号测线15号测点处放置滴漏箱滴漏NaCl和CuSO2混合溶液,模拟尾砂库废液泄漏在周边的扩散。12 h后监测自然电位分布如图7(b)所示,48 h后监测自然电位分布如图7(c)所示。模拟实验结果表明:在混合溶液扩散区域可以观测到明显的自然电位异常,特别是在扩散面上有高自然电位异常;观测到的自然电位异常变化情况反映出混合溶液的扩散情况。

5 结论

垃圾填埋场以及尾砂库废液由于富含各种离子,能引起明显自然电位异常,因此,可以通过观测自然电位来实时监测废液在周围环境中的泄漏漏情况。自然电位传感器网络的设计使长期、自动、实时监测成为可能。本文设计了一种自然电位监测传感器网络,模拟试验结果表明,该监测网络对自然电位反映敏感,可对自然电位进行实时、自动监测,所监测电位变化情况能有效反映泄漏液的扩散情况。

[1] Guedron Stephane,Cossa Daniel,Grimaldi Michel,et al. Methylmercury in tailings ponds of Amazonian gold mines(French Guiana):field observations and an experimental flocculation method for in situ remediation [J]. Applied Geochemistry,2011,26:222–229.

[2] 初娜,赵元艺,张光弟,等. 江西省德兴铜矿矿区重金属元素的环境效应[J]. 地质学报,2008,82(4):562–576.

[3] Sun Enji,Zhong Xingkai,Li Zhongxue. The internet of things and cloud computing based tailings dam monitoring and pre-alarm system in mines [J]. Safety Science,2012,50:811–815.

[4] Li Xi-bing,Jiang Wei-dong. Monitoring technique for seepage line of tailings dam [J]. Journal CSUT,2003,10(2):130–133.

[5] Shin Kyung-Hee,Kim Ju-Yong,Kim Kyoung-Woong. Earthworm Toxicity Test for the Monitoring Arsenic and Heavy Metal-Containing Mine Tailings [J]. Environmental Engineering Science,2007,24(9):1 257–1 265.

[6] Ghomshei M M,Allen D M. Hydro-chemical and stable isotope assessment of tailings pond leakage,Nickel Plate Mine,British Columbia [J]. Environmental Geology,2000,39(8):937–944.

[7] Edmundo Placencia-Go´mez,Annika Parviainen,Tero Hokkanen,et al. Integrated geophysical and geochemical study on AMD generation at the Haveri Au–Cu mine tailings,SW Finland [J]. Environmental Earth Science,2010,61:1 435–1447.

[8] Martínez-Pagán P,Jardani A,Revil A,et al. Self-potential monitoring of a salt plume [J]. Geophysics,2010,75(4):17–25.

Contamination monitoring based on self-potential sensors

Wu Chao1,Liu Jiawen1,2,Cui Yian1,2
(1. School of Geosciences and Info-Physics,Central South University,Changsha 410083,China;2. Key Laboratory of Non-Ferrous Resources and Geological Detection of Hunan Province,Changsha 410083,China)

A long-term,automatic and real-time monitoring method is proposed based on self-potential observation to monitor tailings pond leakage as an important means of prevention of environmental pollution. Potential sensor integrated with RF module is designed as sensor node. These nodes are deployed to a target region to form a distributed sensor network. Then,the self-potential data of the target area would be sampled automatically and periodically on schedule,and promptly send to the remote data processing sever. The experiment results show that this system is workable for automatic and real-time self-potential data sampling and even observation of time variation. Also the tailings pond leakage monitoring could be achieved efficiently.

self-potential method;sensor networks;leakage monitoring

P 631

A1

1672–6146(2017)04–0023–04

10.3969/j.issn.1672–6146.2017.04.006

刘嘉文,694697684@qq.com;吴超,993401776@qq.com.

2017–08–08

国家科技基础性工作专项(2013FY110800).

(责任编校:江河)