流域重金属生态风险评估WebGIS系统设计

王圣伟,张 畅,张 月,娄天泷,薛飞扬

(西北师范大学 计算机科学与工程学院,兰州 730070)

0 概述

近年来,随着现代工业、农业的迅速发展以及城市化进程的日益加快,受人类活动的影响,重金属运移到土壤中,导致流域生态环境的恶化,主要包括农业生产污染、工业生产污染、污水灌溉污染等[1]。土壤环境重金属污染状况日益受到人们研究和关注。研究结果表明,重金属通过在植物(作物和蔬菜)和动物之间传播以及积累[2]进而也有可能对城市树木的生存能力产生负面影响。人类活动的影响,加快重金属活性的释放,造成土壤中的重金属对公众健康构成威胁,儿童和成人通过环境迁移摄入的重金属累积量会直接危害其健康[3]。所以,生态风险检测及评估的加强具有重要意义。目前常用的生态风险评估模型主要有土壤-有机污染物变化及迁移暴露模型(Em soft模型)、农药根区模型(PRZM3模型)和土壤模型(Soil mode模型)[4]。因此,结合研究区域具体情况提出适合的生态风险评估模型同样具有重要意义。

地理信息系统(GIS)是非常重要的一种地理研究的手段。研究人员运用地理信息系统和专家系统(ES)相结合的结构体系,完成了生态景观评价系统。文献[5]利用GIS无线服务的小麦氮肥施肥推荐系统,缩短了农业生产“最后一公里”问题。可见利用GIS技术手段来研发系统是有效的。文献[6]采用土壤重金属插值方法进行空间连续性定量属性的估算和模拟,并且基于Flex和REST基于WebGIS平台开发了农田环境重金属安全等级划分系统,达到了评估重金属污染等级状况的目的。文献[7]提出一种土壤-作物协同风险评估模型,并且基于WebGIS建立了农田土壤重金属污染风险评估决策支持系统,实现了对农田重金属污染进行风险评估和监督。

本文基于WebGIS应用平台,并利用R软件数据分析及模型建立平台、Microsoft Visual Studio 2013开发集成平台等共同完成B/S架构系统开发。该系统通过对整个流域或流域内单个区域的重金属含量分析,划分生态风险等级,同时应用GIS开发技术实现远程监测和分析流域生态环境重金属状况,管理和决策流域生态环境的重金属管控和排放。

1 研究区域概况及数据准备

1.1 研究区域概况

本文以流经中国甘肃省西南部的大夏河为研究区域。研究区位于东经102°02′～103°23′、北纬34°51′～35°48′之间。大夏河有两处河源,分别为夏河和咯河[8]。通过对临夏州地区水利部门的相关调查研究可知,该地区45.5%的河水资源遭到不同程度的人为排放影响,其中有11.6%的河段较为明显,导致这一部分水体使用价值低于饮用标准,超过90%的城镇水资源受到用水安全的威胁。针对水资源污染的地域分布而言,干流水质要优于支流水质,而干流的上游水质优于下游,其中以工矿区的水资源污染最为明显[9]。

1.2 数据来源

研究中所使用的遥感数据主要应用来自于地理空间数据云(http://www.gscloud.cn/)以及USGS(https://earthexplorer.usgs.gov/)所提供的LANDSAT系列数据中的Landsat 8 OLI_TIRS遥感卫星数据资料。采用ENVI软件辐射定标、图像镶嵌、图像剪裁和大气校正等步骤计算相应的NDVI数值,并去除异常值和中心标准化。

为了探究研究区域流域土壤重金属的状况,本文运用了2015年—2017年的流域土壤重金属采样数据,进行ERA模型构建。为更加合理地确定采样数,本文利用文献[10]方法针对研究区域纯随机采样而构造的最佳采样数量计算。利用2018年1月—6月数据进行ERA模型验证,其中间隔1月一次采样,采样点共计114个,其中,固定采样点24个,随机采样点90个。采集样品时使用手持式GPS定位器,用塑料勺取底泥上层0 cm～20 cm土壤,土壤样品经过烘干后研磨,待细磨后过200目尼龙筛。然后采用微波消解法对样品进行处理,运用电感耦合等离子体发射光谱仪ICP-OES测定重金属的含量。

降水量及温度主要来源于中国气象数据网(http://data.cma.cn/site/index.html)中的地面气象资料。主要采用2015年—2017年每年1月—12月研究区域的数据来进行数据分析以及建模。对温度数据进行平均处理,温度为月平均气温,取降水量为月平均降水量。

2 系统总体模型

2.1 重金属平均含量模型

NDVI的季节差异可以用背景水分和温度条件来解释,植被覆盖的变化也受到水温条件(如温度、降水、湿度)的综合或协同作用的影响[11]。通过对近三年(2015年—2017年)的月均NDVI值、月平均降水量以及月均温度做相关性分析,分析结果如图1所示。从图1可以看出,月均NDVI值与月均降水量(图1(a))以及月均气温(图1(b))的相关度分别为0.807、0.808。温度与NDVI值显著性P.=0.01<0.05,降水与NDVI值得显著性P.=0.02<0.05,显著性较强,可知NDVI值与温度以及降水量都是正相关的,因此可以推断温度和降水量有助于植被的生长。流域重金属的含量与重金属本身的运移有关,运移的速度受到当地降水量和温度的影响[12]。通过实测研究区域2015年—2017年的重金属,研究区域的主要元素为类重金属As和重金属Cd、Cr、Cu、Pb。由于土壤重金属含量与采样点的年平均降水量和温度有相关性[13],因此以月均降水量和月均温度以及平均重金属含量做相关性分析,结果分别如图1(c)、图1(d)所示,月均重金属含量与降水量及温度的相关性分别为-0.79、-0.784,分别在P.=0.03,P.=0.02水平上显著。相关性分析结果表明,土壤平均重金属含量与月均降水量和月均温度负相关。由于降水的冲刷和径流作用会降低重金属含量,温度的升高会造成PH值偏酸性,使得重金属离子活性增大,意味着重金属含量升高,但是,同时重金属活性离子升高,意味着重金属离子水溶性升高,温度升高的季节往往降水多,冲刷作用大,反而会使土壤重金属含量降低。

图1 月均NDVI、月均重金属含量与温度、降水量的关系Fig.1 Relationship of monthly average NDVI and monthly heavy metal content with temperature and precipitation

对月均重金属含量、月均NDVI值、月均降水量、月均温度进行线性回归R2=0.866,计算公式为:

W=-0.002X1-0.042X2-54.287 6X3+34.443

(1)

其中,W表示月平均重金属含量,X1表示降水量,X2表示温度,X3表示NDVI。

通过2015年—2017年实测土壤重金属进行平均处理,与运用式(1)预测的土壤平均重金属含量的对比如图2所示,由图2可知,该式准确性较好,可以用来预测重金属含量。

图2 实测值与计算值对比示意图Fig.2 Comparison diagram of measured and calculated values

2.2 生态风险评估模型

Hakanson生态风险指数是一种常用的重金属潜在生态风险评价指数[14]。重金属在土壤中的危害存在着缓慢释放的过程和潜在效应。针对这种潜在危害,瑞典国家环保学家HAKANSON L于1980年提出了潜在生态风险指数(HRI):

(2)

研究区域土壤重金属的地球化学背景值如表1所示[15],重金属潜在生态危害指数的分级标准如表2所示[16]。

表1 研究区域土壤重金属的地球化学背景值Table 1 Geochemical background values of soil heavy metals in the study area

表2 重金属潜在生态危害指数的分级标准Table 2 Grading standards for potential ecological hazard indexes of heavy metals

HRI值的大小与重金属含量的多少有关,故以式(1)中计算的平均重金属含量W为自变量,式(2)计算出的HRI为因变量进行线性拟合,拟合结果如表3所示。

表3 HRI与平均重金属含量的拟合结果Table 3 Fitting results of HRI and average heavy metal content

通过对比选择拟合度比较高的三次方公式,即流域生态风险评估模型(ERA):

ERA=0.02W3-0.718W2+228.034

(3)

其中,W表示式(1)中计算所得的平均重金属含量,ERA表示生态风险评估值,其等级划分参考表2。

采用2018年1月—6月(编号13～19)的数据进行验证,如图3所示,其中编号1～12为研究区域2015年—2017年每年1月—12月的值,验证结果与实际结果差异性较小,式(3)表达的物理意义能够表征流域重金属生态风险指数ERA与气象遥感信息间的关系。

图3 研究区域数据验证对比示意图Fig.3 Comparison diagram of data validation in study area

3 系统架构设计

3.1 系统应用架构

将流域生态风险评估系统整体分为“数据-应用逻辑-表示”[17],即表示层、应用逻辑层和数据层三层架构,其中基于ArcGIS API for Javascript的WebGIS系统应用框架如图4所示。

图4 WebGIS系统应用架构Fig.4 WebGIS system application architecture

WebGIS系统应用架构如下:

1)表示层即客户机操作端的用户处理器,主要围绕GIS组件进行设计,处理操作用户对系统发出的各种操作请求或提交给应用层。用户可以通过表示层对地图进行放大缩小漫游等操作,处理区域的显示变化,主要有地图的刷新和显示、进行地图加载等。

2)应用逻辑层主要起中间层的作用,完成用户的信息请求,负责完成系统大部分的应用逻辑处理,搭建与数据库衔接的数据交换通道,并显示服务器反馈的相关信息。在逻辑上,首先作为服务框架,对数据层的空间数据库、属性数据库以及本地文件等各项服务进行逻辑整合;应用上通过ASPX.NET技术处理用户端各种信息请求,实现动作响应。在生态风险评估阶段,应用逻辑层为生态风险评估需求数据(如研究区域的降水量、温度、NDVI值)调用生态风险评估处理服务生成生态风险评估数据。主要处理过程为:用户端发出超文本传输请求,通过调用ASPX页面代码实现数据信息访问,信息处理完成后将反馈信息通过HTML页面发送到用户端[18]。

3)数据层由多个数据库服务器组成,用来存储重金属采样点信息、重金属检测数据信息和用户信息等。数据库是流域生态风险评估系统的基础,其逻辑结构及物理结构设计的合理性直接关系到应用系统性能,因此,多数据库分类管理方式提升优化了系统性能。

3.2 数据库系统设计

本文系统采用SQLServer数据库进行数据存储,数据库关系如图5所示。该数据库主要包括操作用户表、样点管理表、采样信息表、指标检测数据表以及评价表。其中样点管理表描述了采样标号、采样类型(随机采样点或者固定采样点)、采样点的经纬度和采样时间等,可以根据不同区域的不同采样数据进行分析达到更好的评价效果。评价表中描述了自编号(不同区域赋予不同编号)、重金属含量(预测值和实测值)、评价等级等内容,以便清楚地了解评价区域的情况。

图5 数据库关系示意图Fig.5 Schematic diagram of data relationship

3.3 系统功能模块设计

结合研究区域流域数据管理需要,流域重金属生态风险评估系统包括系统管理模块、采样数据管理模块、样点管理模块、流域重金属生态风险评估模块、WebGIS基础地图管理模块,系统功能结构如图6所示。

图6 系统功能结构Fig.6 System function structure

系统功能结构如下:

1)系统管理

本文系统管理主要实现功能为登录系统、退出系统、用户信息查询、新用户注册、修改用户信息、用户角色分配等功能。其中角色分配按系统需求设定超级管理员和普通游客。普通游客权限是浏览系统中所有对外开放的功能,如WebGIS基础地图操作、专题地图查看、数据查询、样点及重金属相关指标数据录入、流域生态风险评估等。超级管理员除普通游客的权限外,还具有对普通游客权限的设置、添加样点等权限。

2)采样数据管理

本文主要研究位于甘肃境内的大夏河采样点的重金属分布及含量情况。记录2015年—2017年在大夏河流域采样点数据,每个采样点包含经纬度、海拔、温度、时间、PH值、NDVI值以流域重金属As、Cd、Cr、Cu、Pb指标含量。该数据通过相关SQL Server数据库中数据表进行保存,同时用户可根据地区、时间、污染级别3种方式进行查询,查询结果以图表形式呈现。

3)样点管理模块

样点主要模块主要对样点编号以及增加删除进行设定。

4)WebGIS地图管理

本文系统通过WebGIS技术实现基础地图和专题地图。其中,基础地图实现图放大、缩小、平移、全景、鹰眼、模糊查询等功能;专题地图除实现对地图放大、缩小、漫游、全景、鹰眼、精准定位外,也对相关研究区域进行操作,如实现前端对地图图层的管理。

5)流域生态风险评估

研究流域重金属相关指标、降水、温度以及NDVI值的数据集是进行研究流域生态风险评估的前提,也是衡量研究流域重金属状况的重要依据。流域生态风险评估系统主要以遥感数据为参考,通过ERA模型进行评估,将结果通过数据表输出,评估结果的准确性通过地图投影进行可视化显示。

4 系统的开发与实现

流域生态风险评估模块设计主要包含R语言与C#连接方法设计、流域生态风险评估模块实现两部分构成。

4.1 R语言与C#.NET连接方式

Gstat-R和C#.NET在各自领域都存在着优劣势。如:Gstat-R用户界面对数据库应用不灵便;而.NET连接数据统计及图形处理上无法达到Gstat-R。但将Gstat-R和C#.NET连接,实现扬长避短优点互补,从而使系统具有良好的用户数据操作界面及数据统计处理分析,使网络中数据统计及分析得到良好解决[19]。Gstat-R和C#.NET连接的具体方式如图7所示。

图7 R语言与C#.NET混合编程体系结构Fig.7 R language and C #.NET mixed programmingarchitecture

首先利用.NET技术实现操作网页设计,并通过ADO.NET技术连接SQLServer库,方便用户操作者对数据进行访问及保存。然后从SQLServer库中访问所需数据,通过Gstat-R对数据统计及处理。最后将数据处理所得信息反馈给操作用户,并保存信息数据到SQLServer库[20]。

4.2 生态风险评估模块实现

生态风险用户登录生态风险评估系统后,输入所需要的数据,即研究区域的降水量、温度以及NDVI值等,进入生态风险评估系统,选择生态风险评估区域(如临夏市、临夏县、同仁县等或者流域区域)以及模型。生态风险评价流程如图8所示。

图8 生态风险评价流程Fig.8 Ecological risk assessment procedure

点击“提交”按钮,会出现所选区域评价表,如图9所示。评价表可以从数值角度来评判所选择区域的生态风险状况。点击“地图投影”按钮,可以直观地显示出生态风险评估结果。

图9 生态风险评价数据示意图Fig.9 Schematic diagram of ecological risk assessment data

在选择单个区域时,界面会出现单个区域的生态风险评估结果,并且鼠标放在所选择的区域会显示该地生态风险评估的详细信息(以临夏县为例),如图10所示。

图10 临夏县生态风险评估效果示意图Fig.10 Schematic diagram of ecological risk assessment effect ofLinxia county

在选择整个流域区域时,会显示整个流域的生态风险评估结果。具体过程为:点击提交按钮后系统会从SQLServer历史数据库中将所选区域参数发送到Gstat-R软件。Gstat-R软件调用数据包对监测地点进行评估。单击地图投影按钮,系统将评估的准确性结果投影到地图上进行Web可视化展示,可以直观地看出流域生态风险评估的准确情况。其中评估准确性结果可视化页面如图11所示,其中浅色色系表示中低污染风险等级,深色色系表示严重极严重污染风险等级。从图中可以看出流域下游的临夏县、东乡回族自治县和政县是中级污染程度。流域上游地区呈现低污染风险程度。

图11 流域区域生态风险评价效果示意图Fig.11 Schematic diagram of ecological risk assessment effect of watershed region

5 结束语

本文构建ERA生态风险评估模型,采用C#和ArcGis开发平台实现了流域生态风险评估功能系统,通过温度、降水、NDVI值等动态地监测研究区域的生态风险状况,并采用测量土壤重金属污染技术提高工作效率。为获得准确定位及可视化结果,下一步将基于数据传感器监测数据,建立智能数据检测分析模型、构建三维电子地图和扩展预警功能。