地下水污染多手段联合溯源——以珠三角典型污染场地为例

邓思欣; 张元昌; 曹英杰; 何宝南; 夏昊; 许冠英; 张秋华; 陈胜; 徐明宇

doi:10.11714/acta.snus.ZR20250217

您当前的位置：

首页 >

文章列表页 >

地下水污染多手段联合溯源——以珠三角典型污染场地为例

更新时间：2026-04-03

- 地下水污染多手段联合溯源——以珠三角典型污染场地为例
- Multi-method approach for groundwater pollution source apportionment： A case study in the Pearl River Delta
- 中山大学学报(自然科学版)(中英文) 2026年页码：1-11
- 作者机构：
  
  1.广东省佛山生态环境监测站，广东佛山 528000
  2.广东省地质局佛山地质调查中心，广东佛山 528000
  3.中山大学环境科学与工程学院，广东广州 510275
  4.中国地质大学（北京）水资源与环境学院，北京100083
- 作者简介：
  
  邓思欣（1988年生），女；研究方向：环境化学；E-mail：xiahao@sthj.foshan.gov.cn
  徐明宇（1989年生），男；研究方向：水文地质；E-mail：315142886@qq.com
- 基金信息：
  
  国家重点研发计划(2023YFC3709700);中央财政污染防治资金(2022440699S1-40002);中央高校基本科研项目(2652020016);佛山市科技创新项目(2420001003559)
- DOI：10.11714/acta.snus.ZR20250217
  中图分类号： X52
- 收稿：2025-10-10，
  
  修回：2025-12-12，
  
  录用：2026-01-29，
  
  网络首发：2026-04-03，
- 稿件说明：
移动端阅览
邓思欣, 张元昌, 曹英杰, 等. 地下水污染多手段联合溯源——以珠三角典型污染场地为例[J/OL]. 中山大学学报(自然科学版)(中英文), 2026,1-11.

DENG Sixin, ZHANG Yuanchang, CAO Yingjie, et al. Multi-method approach for groundwater pollution source apportionment： A case study in the Pearl River Delta[J/OL]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2026, 1-11.
邓思欣, 张元昌, 曹英杰, 等. 地下水污染多手段联合溯源——以珠三角典型污染场地为例[J/OL]. 中山大学学报(自然科学版)(中英文), 2026,1-11. DOI： 10.11714/acta.snus.ZR20250217.

DENG Sixin, ZHANG Yuanchang, CAO Yingjie, et al. Multi-method approach for groundwater pollution source apportionment： A case study in the Pearl River Delta[J/OL]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2026, 1-11. DOI： 10.11714/acta.snus.ZR20250217.

摘要

为识别地下水污染的主控因子，厘清其来源。选取佛山市产业重镇狮山镇某工业区作为研究区，采集135组地下水样品，运用水化学分类法和正定矩阵因子分解模型（PMF），对地下水主控因子和潜在污染源进行初步识别；基于自组织神经网络（SOM）开展污染区分类与源解析，划分为3个水化学分区：Ⅰ区为研究区中部及长虹岭工业园周边区域，Ⅱ区为北部、西部农田与低强度工业区交错带，Ⅲ区为东部原铅酸电池拆解工业区。结果表明：1）研究区地下水的Mn、Fe、Al和Ni质量浓度均值超过国家地下水质量标准Ⅳ类水标准限值。区域重金属浓度差异显著，受人类活动影响较大，PMF模型初步揭示了与工业活动相关的污染源占比为78.6%。2）Ⅰ区水化学类型为Cl·HCO

-Ca·Na和Cl-Na型，Ⅱ区水化学类型为HCO

-Ca和HCO

·Cl-Ca型，Ⅲ区水化学类型为SO

型。3）基于SOM聚类分析方法和水化学分析法的地下水水化学分区研究结果一致。Ⅰ区和Ⅲ区的地下水水化学类型差异最明显，Ⅰ区和Ⅱ区的差异相对较小。Ⅰ区和Ⅲ区的Ni浓度均超标，但相互间无必然水化学联系；Ⅰ区的地下水Ni浓度超标可能与历史填埋有关，属于点源污染类型。

Abstract

To identify the dominant factors governing groundwater pollution and to apportion their sources， a representative industrial area in Shishan Town， one of the major manufacturing hubs in Foshan City， was selected as the study area. A total of 135 groundwater samples were collected. Hydrochemical classification combined with a Positive Matrix Factorization （PMF） model was employed to preliminarily identify the dominant controlling factors and potential pollution sources in groundwater. Pollution zone classification and source apportionment were then performed based on a Self-Organizing Map （SOM） neural network. The results showed that the study area can be divided into three hydrochemical zones： Zone Ⅰ encompasses the area around the historical landfill and Changhongling Industrial Park in the central part of the study area； Zone Ⅱ is the interlaced zone of farmland and low-intensity industrial areas in the northern and western parts； and Zone Ⅲ is the former lead-acid battery dismantling industrial area in the eastern part. The results indicate that： 1） Average concentrations of Mn， Fe， Al， and Ni in groundwater of the study area exceed the Class Ⅳ limit values of the Chinese National Groundwater Quality Standard. Heavy metal distributions exhibit pronounced spatial heterogeneity strongly influenced by anthropogenic activities. The PMF model suggests that pollution sources contribute 78.6% of the observed pollution. 2） Hydrochemical patterns in Zone Ⅰ are Cl·HCO₃-Ca·Na and Cl-Na； those in Zone Ⅱ are HCO₃-Ca and HCO₃·Cl-Ca； and the hydrochemical type in Zone Ⅲ is SO₄-type. 3） Hydrochemical zoning results derived from SOM cluster analysis and hydrochemical analysis are consistent. The hydrochemical patterns of groundwater in Zone Ⅰ and Zone Ⅲ exhibit the most significant differences， while the differences between Zone Ⅰ and Zone Ⅱ are relatively minor.No direct hydrochemical correlation was found between the excessive Ni concentrations in Zone Ⅲ and Zone Ⅰ. The excessive Ni concentration in the groundwater of Zone Ⅰ may be associated with historical landfilling， reflecting a point source pollution.

关键词

Keywords

references

陈梦舫， 2014 . 我国工业污染场地土壤与地下水重金属修复技术综述［J］. 中国科学院院刊， 29 （ 3 ）： 327 - 335 .

陈晴，陈沈良，刘付程，等， 2017对数比转换与系统聚类方法应用于北黎湾沉积环境分区［J］. 海洋通报， 36 （ 2 ）： 143 - 150 .

陈雯，余绍文，廖金，等， 2025 . 南昌东北部地下水重金属污染源解析及健康风险评价［J］. 环境科学， 46 （ 2 ）： 854 - 863 .

狄效斌，孙继朝，荆继红，等， 2008 . 珠江三角洲地区水环境污染特点及其相关因素探讨［J］. 南水北调与水利科技，（ 4 ）： 60 - 62 .

国务院新闻办公室 . 六个方面对地下水管理作出重要制度安［EB/OL］.［ 2021-11-22 ］. https：//www.gov.cn/xinwen/2021-11/22/content_5652743.htm/2021-11-22 https://www.gov.cn/xinwen/2021-11/22/content_5652743.htm/2021-11-22 .

侯文隽，龚星，詹泽波，等， 2019 . 粤港澳大湾区丘陵地带某电镀场地重金属污染特征与迁移规律分析［J］. 环境科学， 40 （ 12 ）： 5604 - 5614 .

黄冠星，孙继朝，荆继红，等， 2010 . 珠江三角洲典型区水土中砷的分布［J］. 中山大学学报（自然科学版）， 49 （ 1 ）： 131 - 137 .

黄燕鹏，汪远昊，王超，等， 2022 . 基于自组织神经网络和K-means的场地地下水污染特征分析与分区管控研究［J］. 环境工程， 40 （ 6 ）： 31 - 41+47 .

冉泽宇， 2023 . 基于水化学和多元统计学方法的地下水污染源解析［D］. 北京：中国地质大学（北京） .

孙亚乔，钱会，张黎，等， 2007 . 基于矩形图的天然水化学分类和水化学规律研究［J］. 地球科学与环境学报， 29 （ 1 ）： 75 - 79 .

陶刚，闫永刚，刘俊，等， 2015 . 基于改进的SOM聚类连续属性离散化算法［J］. 计算机应用，（ S1 ）： 89 - 92 .

王嘉瑜，蒲生彦，胡玥，等， 2020 . 地下水污染风险预警等级及阈值确定方法研究综述［J］. 水文地质工程地质， 47 （ 2 ）： 43 - 50 .

王景瑞，胡立堂， 2017 . 地下水污染源识别的数学方法研究进展［J］. 水科学进展， 28 （ 6 ）： 943 - 952 .

汪思颖，韩绮，张立秋，等， 2024 . 中国地下水污染防治技术研究进展与展望［J］. 环境污染与防治， 46 （ 12 ）： 1834 - 1840 .

袁建飞，邓国仕，徐芬，等， 2016 . 毕节市北部岩溶地下水水化学特征及影响因素的多元统计分析［J］. 中国地质， 43 （ 4 ）： 1446 - 1456 .

张涵，杜昕宇，高菲，等， 2022 . 联合PMF模型与稳定同位素的地下水污染溯源［J］. 环境科学， 43 （ 8 ）： 4054 - 4063 .

朱素芳，张秋华，许冠英，等， 2025 . 工业园区地下水重金属污染特征及来源解析［J］. 环境科学研究， 38 （ 3 ）： 610 - 621 .

ATMADJA J ， BAGTZOGLOU A C ， 2001 . State of the art report on mathematical methods for groundwater pollution source identification ［J］. Environ Forensics ， 2 （ 3 ）： 205 - 214 .

CAO X ， YANG S ， WU P ， et al ， 2021 . Coupling stable isotopes to evaluate sources and transformations of nitrate in groundwater and inflowing rivers around the Caohai karst wetland， Southwest China ［J］. Environ Sci Pollut Res Int ， 28 （ 33 ）： 45826 - 45839 .

JONES D L ， 1998 . Organic acids in the rhizosphere-a critical review ［J］. Plant Soil ， 205 （ 1 ）： 25 - 44 .

KOHONEN T ， 1982 . Self-organized formation of topologically correct feature maps ［J］. Biol Cybern ， 43 （ 1 ）： 59 - 69 .

LI N ， LI H ， SU G ， et al ， 2022 . Heavy metal distribution profiles in soil and groundwater near pig farms in China ［J］. Chemosphere ， 294 ： 133721 .

MULLANEY J R ， LORENZ D L ， ARNTSON A D ， 2009 . Chloride in groundwater and surface water in areas underlain by the glacial aquifer system， northern United States ［M］. US Geological Survey Reston ， VA：24- 26 .

PAATERO P ， TAPPER U ， 1994 . Positive matrix factorization： A non-negative factor model with optimal utilization of error estimates of data values ［J］. Environmetrics ， 5 （ 2 ）： 111 - 126 .

PIPER A M ， 1944 . A graphical procedure in the geochemical interpretation of water-analysis . ［J］. Eos ， 25 ： 914 - 928 .

TORRES-MARTÍNEZ J A ， MORA A ， MAHLKNECHT J ， et al ， 2021 . Estimation of nitrate pollution sources and transformations in groundwater of an intensive livestock-agricultural area （Comarca Lagunera）， combining major ions， stable isotopes and MixSIAR model ［J］. Environ Pollut ， 269 ： 115445 .

WANG Y ， YUAN S ， SHI J ， et al ， 2023 . Groundwater quality and health： Making the invisible visible ［J］. Environ Sci Technol ， 57 （ 13 ）： 5125 - 5136 .

YAN C ， QU Z ， WANG J ， et al ， 2022 . Microalgal bioremediation of heavy metal pollution in water： Recent advances， challenges， and prospects ［J］. Chemosphere ， 286 ： 131870 .

ZANOTTI C ， ROTIROTI M ， FUMAGALLI L ， et al ， 2019 . Groundwater and surface water quality characterization through positive matrix factorization combined with GIS approach ［J］. Water Res ， 159 ： 122 - 134 .

ZHANG Q ， WANG H ， XU Z ， et al ， 2023 . Quantitative identification of groundwater contamination sources by combining isotope tracer technique with PMF model in an arid area of northwestern China ［J］. J Environ Manage ， 325 （ Pt B ）： 116588 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

珠三角地区稻田周边杂草的群落分析