大型复杂场地土壤污染刻画与影响机制研究
文献类型：学位论文
| 作者 | 侯艺璇 |
| 答辩日期 | 2025-08 |
| 文献子类 | 博士后出站报告 |
| 授予单位 | 中国科学院地理科学与资源研究所 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 廖晓勇 |
| 关键词 | 大型复杂场地 钢铁行业 重金属 多环芳烃 影响机制 空间刻画 |
| 学位名称 | 博士后 |
| 学位专业 | 生态学 |
| 英文摘要 | 随着社会经济发展与产业升级，我国城市涌现大量工业搬迁遗留污染场地，其中大型场地因面积广、污染复杂、治理难，其环境与健康影响显著。在工业行业中，钢铁行业被列为污染最严重的行业之一，属于高耗能、高污染、高排放的行业，相关污染问题突出。当前，针对大型复杂场地的部分关键科学问题亟待突破：一是大型复杂场地的空间-行业分异规律不明，修复治理缺乏系统性应对模式；二是大型复杂场地土壤三维污染刻画精度不足，传统模型难以适配高度异质场景；三是大型复杂场地污染迁移的异质性、非线性影响机制及关键驱动因素未厘清，均质场地假设导致解释力偏低；四是工业集聚区缺乏污染源全过程智联追溯与动态监管的集成技术平台。在此背景下，本研究围绕上述问题展开系统研究，旨在为精准修复与长效管理提供支撑，主要研究结果如下： 探索了我国大型复杂场地空间和行业分异规律，总结关键科技问题和应对策略。明确我国大型复杂污染场地在京津冀、长江经济带、珠三角等发达地区呈集群分布，主导行业为化学品制造、石油加工、黑色金属冶炼；总结出土壤地下水污染形成机制、污染源精准识别、智能决策优化三大关键科技问题；提出“调查评估- 方案决策- 工程实施” 的修复治理“三步曲” 模式（TSRTCM），为破解治理难题提供系统性框架。 构建了融合水文地质特征、影响因素、污染迁移规律的图神经网络（GNN）模型，用于某大型钢铁场地土壤As、Cd 三维刻画。在模型输入层，点特征构建整合了生产活动和土壤环境等影响因素信息，边数据构建融合土层结构和迁移机理量化基础空间关联，为图结构中的信息传递提供机理支撑，精准刻画污染物分布。实验结果表明，GNN 模型在污染分布刻画中表现显著优于传统方法：其As、Cd 预测R² 分别达0.34、0.43，较IDW 方法RMSE 降低32.27%、49.17%，局部细节与垂向分层呈现能力优于传统模型。此外，采用水力与溶质运移模型，预测As 和Cd 在场地关闭与继续生产情景下的污染演化趋势，为时空模型构建奠定基础。 （3）搭建空间统计与机器学习结合的多维分析框架，揭示PAHs 污染迁移的异质性与非线性影响机制。结果表明：距设施距离是首要生产影响因素，其影响范围为60 米；生产相关因素对2-3 环PAHs 的影响强于4-6 环，且对深层土壤的影响大于表层；土壤含水率和黏粒含量是调控该工业场地PAHs 迁移扩散的主导土壤因素；距设施距离与黏粒含量、土壤含水率均存在强交互作用。通过分层差异分析，将PAHs 影响机制解释力从0.5 提升至0.9，证实传统均质假设低估污染复杂性，分层差异分析可有效捕捉PAHs 分布的关键驱动机制。 （4）围绕工业集聚区污染溯源与动态监管需求，研建污染源全过程智联追溯移动监管平台。平台集成复合污染时空及源贡献解析技术，构建支持云计算与本地服务的系统架构。工业园区溯源监管平台包含8 大关键功能模块，包括区信息总览、地下场景构建、高风险区识别、指纹图谱识别、同位素来源解析、预警通知等，形成“溯源一张图”，为工业集聚区提供全流程、数字化的污染溯源与动态监管解决方案。 本文研究可为大型复杂污染场地精准修复、科学管理提供理论依据，提升修复精准性与风险管控水平，助力生态环境治理效能提升。 |
| 语种 | 中文 |
| 页码 | 127 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/217393]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 侯艺璇. 大型复杂场地土壤污染刻画与影响机制研究[D]. 中国科学院地理科学与资源研究所. 中国科学院地理科学与资源研究所. 2025. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。