北京市朝阳区地下水污染风险评价研究

王乃天，朱亚雷，熊恒葳，霍再林

(1.中国农业大学水利与土木工程学院，北京 100083；2.北京市朝阳区水务局，北京 100026)

随着工农业及社会的发展，地下水污染成为备受关注的环境问题，地下水污染风险评价是评估地下水污染空间规律及污染等级的重要方法。地下水污染风险由地下水脆弱性及污染负荷共同决定。地下水脆弱性评价大多以DRASTIC模型为基础进行修正。付素蓉等提出了DRAMIC模型，用含水层厚度代替土壤介质类型指标，用污染物影响代替水力传导系数，并且去掉了地面坡度因素，制定了一套完善的评分体系，该模型已经成为我国城市地下水污染敏感性分析的通用指标[2]。鄂建等指出了DRASTIC模型的一些缺陷并提出了相应的改进办法，并对九江市地下水易污性进行了研究[3]。在国外，Uricchio等选用sintacs参数管理模型，着重考虑人类活动造成的危害程度，得到地下水污染风险评价结果[4]。Jamrah 等对巴卡地区进行了长期地质数据监测，得到其区域易污性风险地图，并对多年间变化趋势进行了分析[5]。对于不同的地质条件，DRASTIC模型也应有相应的调整适用，如Zhang针对北京市大兴农业区地下水污染的特点，提出了农业区地下水污染风险评价DRSIN模型[6]。本文针对北京市朝阳区地下水污染的复杂性，提出了DRABICLE模型。该模型剔除地形因素，将土壤层介质改为土壤层阻隔能力，加入土地利用情况和采补平衡。

1 研究区概况

朝阳区位于北京城区的东部，总面积470.8 km2。整体地势西北高东南低，地面坡度为1/1 000～1/2 500。在西北城区、小红门、十八里店、王四营、高碑店乡为冲洪积平原，总面积占全区的80%，土质为轻壤土至中壤土，地下水埋深较深；该区中北部至昌平接壤地带多为扇缘洼地，地下水埋深较浅，土质较为黏重，扇缘洼地约占总面积的7%；该区东北部沿河狭长区域为河流冲积平原，土壤岩性多样。朝阳区多年平均降雨量562.6 mm，降雨多集中在6-9月，区内多年平均水面蒸发量1 200 mm，每年5月份蒸发量最大，1月份蒸发量最小。2001-2010年朝阳区平均水资源总量为11 836.8 万m3，其中地表水资源量3 354.9 万m3，地下水资源量8 817.4 万m3。2010年朝阳区地下水供水量9 343.6 万m3，地表水供水量3 254.8 万m3[7]。

作为北京经济的核心区域之一，朝阳区工农业发展较早。农业种植区主要集中于北部的洼里、来广营、王四营乡，东部的东坝、金盏、楼梓庄乡，南部的小红门、南磨房、十八里店乡，西部由于为城市区域，农作物较少。早期农药、化肥无节制使用，在土壤中残存量较大。随着经济产业结构的调整，朝阳区第一产业萎缩，现如今仅在金盏乡区域有农药、化肥施用。朝阳区工业建筑在鼎盛时期共有两百多家，在通惠河南岸，从九龙山、大郊亭直到垡头形成了一片化学工业区，由于环保意识较差、监管力度不够，部分工厂外迁后，原址仍有隐蔽污染源未清理，工业“三废”对地下水环境产生了较大影响。朝阳区人口逐年增加，生活条件提高，导致城市生活垃圾产量剧增，垃圾处理过程产生大量污染。

2 模型的提出与构建

2.1 模型提出

地下水污染风险评价与气候、地势地貌、水文条件、地下土壤岩石类型等自然因素密切相关。本研究以国际上采用的地下水脆弱性评价DRASTIC模型为基础(该模型考虑了地下水埋深D、净补给量R、饱和带介质A、土壤介质S、地形T、渗流区介质I、渗透系数C共7个参数)进行朝阳区地下水风险评价模型构建。由于研究区地势平坦，地形影响可忽略不计，因此将地形T因素剔除。除考虑固有脆弱性评价指标外，还应考虑人为因素影响的特殊脆弱性评价指标。为表征不同土地利用条件下地下水污染的差异性，研究中引入土地利用类型L作为特殊脆弱性评价指标。其次，不同土壤介质类型及土壤容重对污染物入渗净释、阻隔能力均不相同，结合朝阳区表层多为黏土、粉砂土两种土质的特点，考虑将土壤层介质替换为土壤层阻隔能力。此外，地下水开采强度直接影响地下水埋深、渗透系数等参数变化，与地下水污染风险密切相关，研究中加入地下水采补平衡[8]。综上所述，本研究基于地下水埋深D、净补给量R、饱和带介质A、土壤层阻隔能力B、渗流区介质I、渗透系数C、土地利用类型L、采补平衡E共8个因子来评价地下水污染风险。

2.2 模型计算

表1 相对重要性比例标度Tab.1 Scale of relative importance

为保证一致性满足要求，需要进行一致性检验，一致性检验满意可以使用该权向量，检验结果不满意则需重新调整判断矩阵A。首先计算矩阵A的最大特征值：

(1)

根据最大特征值λmax计算一致性指标：

(2)

最后确定一致性比率CR=CI/RI<0.1，其中RI为一致性指标，根据表2获得。当一致性比率满足小于0.1时，一致性为满意[10]。计算权重结果为表3所示。

表2 平均随机一致性指标RITab.2 Mean random consistency index RI

表3 权重指标Tab.3 Index weight

本研究采用模糊综合评价法确定模型因素集和评判集。单因素评价后可得隶属度向量，该向量包含47个监测点单因子评分值，综合各因子得隶属度矩阵R，该矩阵为8×47矩阵，选取加权平均型合成因子将权重向量ω与R矩阵合成，得到模型的评分结果向量，将该向量各点数值带入到GIS中反距离差值，最终可得朝阳区地下水污染风险评分图。

2.3 取样点分布

根据朝阳区农业区域、工业区域分布情况，再考虑尽可能反映朝阳区整体情况，本研究选取47口研究井进行数据采样分析，从每个研究井中可以获得地下水埋深、净补给量、饱和带介质、渗流区介质、渗透系数、土壤层介质、土壤容重。根据周边环境可以得到土地利用类型(见图1)。

图1 研究区取样点分布图Fig.1 Sampling point distribution in study area

2.4 各因素评分

朝阳区整体地下水埋藏较深，孙河、金盏、高碑店、常营等东部偏北区域由于过量开采，地下水埋深均大于70 m。中部及南部区域埋深为30～70 m范围内。来广营乡、黄港乡等北部区域为清河流经扇缘洼地，此处地下水埋藏相对较浅。

根据朝阳区多年降雨量数据[7]可知降雨量集中于靠近城区的西部，东部和南部降雨量相对较少。且朝阳区地势西北高东南低，地下水流动方向自西向东。检测点数据反映趋势与降雨量减少方向及地下水流动方向一致，净补给量自西北向至东南向逐渐降低。

朝阳区饱和带介质多为粉细砂、细砂土，来广营乡、豆各庄乡、黑庄户乡土质较为黏重，金盏乡多为砂性土。中北部及南部包气带介质多为黏土，西北部、东部地区土质多为粉砂土。不同粒径、容重土壤对污染物入渗的阻隔能力差异性较大[8]，根据朝阳区土质特点进行入渗实验评价土壤层阻隔能力。对47口井周边土壤进行环刀实验及颗粒分析，SJF-1、CGZ-1、XHM-1、XHM-2、GZ-2、DGZ-1、HZH-3、HZH-4、WJ-1、DB-1、DB-3采样点土壤粒径较小且容重较低，评分值较低。

朝阳区整体渗透系数较小，评分值较高。在来广营乡评分为7，低于平均水平，这与朝阳区地下水漏斗降落中心重叠。

朝阳区农业区集中于金盏乡区域，工业区集中在通惠河沿岸及垡头地区，垃圾填埋场位于高安屯村。对47口井采样分析后，确定JZ-1、JZ-3、DB-1为农业用井，WSY-1、SBLD-1为工业用井，JZ-2为垃圾填埋场附近井。根据采样结果计算地下水质量综合评价F值，将采样结果的硬度、色度、pH、各金属离子含量、菌落数等指标根据地下水质量标准[11]进行评价，每个指标对应类别后根据表4进行单项评分，最后计算综合评分：

(3)

式中：Fi为第i项指标评分值；Fmax为Fi中的最大值；n为评价指标个数。

表4 单项组分评价分值FiTab.4 Rank of single index

根据表5可知，计算得到农业用井F值平均值为4.506，属于较差区间；工业用井F值平均值为2.501，属于较好偏良好范畴；垃圾填埋场附近井F值为7.119，属于较差偏极差。对其余土地进行评价后发现，农村区域F值普遍大于城市地区，这可能是由于土地硬化情况和农业用地、垃圾随意倾泻等原因造成。

表5 地下水质量综合评价Tab.5 Comprehensive evaluation of groundwater quality

西北部地区农业、生活用水多取自地下水，且降雨多集中于西部，对东北部补给较少。在孙河乡、金盏乡、崔各庄乡、东坝乡部分地区年均水位下降达1 m以上。采补平衡趋势与朝阳区地面沉降速率趋势一致。

各单因子评价结果如图2～图10所示。

图2 地下水埋深评分图Fig.2 Rank of groundwater depth

2.5 评价结果与现状年监测结合对比

将DRASTIC模型与DRABICLE模型均应用模糊综合评价法进行评价，将评分值按照1～6分评为较差级别，6～7分评为较好级别，7～8分评为良好级别，8-10分评为优良级别，评价结果见表6、图11和图12。研究中引入朝阳区地下水水质评分图以客观说明地下水污染风险评价结果的可靠性[7]。结果表明，DRASTIC模型模拟结果评分普遍高于DRABICLE模型和朝阳区地下水水质评分结果。DRASTIC模型仅考虑固有脆弱性因子，DRABICLE模型中加入人为影响因子土地利用类型和采补平衡，可以认为由于未考虑人为因素影响，DRASTIC模型模拟结果与实际情况拟合程度较低。对比DRABICLE模型地下水污染风险图与朝阳区地下水水质评分图，在朝阳区西南方向及西部城区拟合程度低，从图1可知该区域无监测点，因此拟合结果偏差较大。其余位置拟合程度均较高，因此可以认为DRABICLE模型用于模拟朝阳区地下水污染风险具有较高的可靠性。

表6 评分区间结果Tab.6 Scoring interval

图3 净补给量评分图Fig.3 Rank of net recharge

图4 饱和带介质评分图Fig.4 Rank of aquifer media

图5 土壤层阻隔能力评分图Fig.5 Rank of ability of soil layer block

图6 渗流区介质评分图Fig.6 Rank of Impact of the vadose

图7 渗透系数评分图Fig.7 Rank of permeability coefficient

图8 土地利用情况评分图Fig.8 Rank of land use type

图9 采补平衡评分图Fig.9 Rank of the balance of exploitation and recharge

图10 朝阳区地下水水质评分图Fig.10 Rank of groundwater quality in Chaoyang District

图11 DRASTIC模型模拟结果Fig.11 Simulation result of DRASTIC

图12 DRABICLE模型模拟结果Fig.12 Simulation result of DRABICLE

3 结 语

(1)地下水污染风险评价需着重考虑人为因素影响，应用DRABICLE模型模拟受工业、农业、生活三废污染的城市地区具有较高的契合度，若该地区地形坡度差异明显，可考虑加入地形因素。

(2)北京市朝阳区整体地下水污染风险较低，金盏乡、孙河乡受农业污染影响较重，通惠河沿岸工业区对地下水污染不具有明显影响。

(3)随着南水北调工程应用，地下水开采量逐年降低，地下水位回升，地下水污染风险将加大，需提早做好防治工作。

□

参考文献：

[1] J Iqbal,AK Gorai,YB Katpatal,et al. Development of GIS-based fuzzy pattern recognition model (modified DRASTIC model) for groundwater vulnerability to pollution assessment[J]. International Journal of Environmental Science and Technology, 2015,12(10):3 161-3 174.

[2] 付素蓉,王焰新,蔡鹤生,等.城市地下水污染敏感性分析[J].地球科学-中国地质大学学报，2000，25(3)：482-486.

[3] 鄂 建,孙爱荣,钟新永.DRASTIC模型的缺陷与改进方法探讨[J].水文地质工程地质，2010，37(1)：102-107.

[4] Vito F Uricchio, Raffaele Giordano, Nicola Lopez. A fuzzy knowledge-based decision support system for groundwater pollution risk evalution[J]. Journal of Environmental Management, 2004,73(3):189-197.

[5] Jamrah A, Al-Futaisi A,Rajmohan N. Assessment of groundwater vulnerability in the coastal region of Oman using DRASTIC index method in GIS Environment[J]. Environmental Monitoring & Assessment, 2008,147(1-3):125-138.

[6] 张晓琳.北京市大兴区浅层地下水污染风险评价研究[D].北京：中国农业大学，2012：1-43.

[7] 北京市水科学技术研究院,北京市朝阳区水务局.北京市朝阳区水资源调查与评价[R].2015-01.

[8] 中国地质调查局.地下水脆弱性评价技术要求[Z].2006-02.

[9] AM Aldarby, Y Z Elshafei. Bulk-density in relation to infiltration capacity of loam soils[J]. Arab Gulf Journal Ofentific Research,1991,9(2):55-69.

[10] 曹茂林.层次分析法确定评价指标权重及Excel计算[J].江苏科技信息, 2012,(2):39-40.

[11] GB/T 14848-93,地下水质量标准[S].