基于證據權重法地下水中氮濃度影響因素分析

馮 婧,賀懷振,杜新強*

基于證據權重法地下水中氮濃度影響因素分析

馮 婧1,賀懷振2,杜新強1*

(1.吉林大學新能源與環境學院,地下水資源與環境教育部重點實驗室,吉林 長春 130021；2.黑龍江省水利水電勘測設計研究院,黑龍江 哈爾濱 150001)

針對地下水中氮素濃度主控因素難以確定的問題,本文以三江平原松花江-撓力河流域為例,采用證據權重法,選取降水量、土地利用類型、人口密度、土壤有機質含量、粘土層厚度、地下水埋深、含水層厚度和地下水類型為證據因子,分別建立地下水中氨氮和硝態氮的預測模型,并分析其對氮素濃度分布的影響程度,取得了較好的預測結果,其中氨氮和硝態氮的預測精度分別達到77.2%和89.1%.分析表明:三江平原地下水中氨氮和硝態氮濃度與降水量、人口密度呈正響應關系;氨氮濃度與含水層厚度呈正響應關系,而硝態氮與含水層厚度則呈負響應關系,說明氨氮受含水層氧化還原環境條件影響較大,硝態氮受含水層對流彌散作用影響較大;當土地利用類型為居住用地時,地下水中氨氮和硝態氮濃度通常較高.

地下水環境；地下水氮污染；三江平原；證據權重法

氮是促進植物生長和農業生產的主要營養因素,同時也是影響環境質量的重要因子[1].人們大量施用氮肥以保證農作物的生長和產量,但過量的氮負荷通過徑流污染地表水,可造成水體富營養化;同時也會通過下滲作用污染地下水,并形成人類飲用的健康風險[2-3].地下水中氮素來源多樣且遷移轉化機理復雜[4],研究地下水氮素含量的影響因素,對科學認識地下水氮污染機制及有效防控氮污染具有重要意義.

三江平原自建國以來經歷了四次大規模開墾,逐漸成為我國糧食主產區之一[5],但與此同時地下水氮污染問題逐漸顯現.研究表明,2009～2010年,建三江農場地下水亞硝酸鹽氮超標率達55.56%,最高超標倍數為34倍,氨氮也存在一定程度的超標問題[6];2020年三江平原撫遠地區地下水氨氮超標率為56.52%[7].由于地下水更新周期長,幾乎不可能依靠地下水本身的凈化和修復機制徹底清除氮污染,因此最好的策略仍是采取有效措施防止地下水污染[8].

目前根據指標選取及指標權重賦值對地下水氮污染影響因素的分析方法可分為基于認識的評價和基于數據的評價[9].基于認識評價的方法包括DRASTIC、GOD、TOT等[10-11],基于數據的評價方法包括回歸模型、證據權重法、隨機森林等[12-15].與基于數據的評價相比,基于認識的評價會引入相對較高的偏差[16].與回歸模型和隨機森林比,證據權重法使用地統計的方法,以客觀分析方式,從空間上更加直觀表現響應因子和證據因子之間的關系[17].

本文以三江平原松花江-撓力河流域為研究區,基于實測數據,應用證據權重法構建地下水氮素濃度預測模型,通過對模型因子的統計分析,定量評價地下水氮污染的影響因素,為三江平原農業施肥管理和地下水氮污染防控提供科學依據.

1 材料與方法

1.1 研究區概況

研究區位于三江平原腹地,地理位置為129°57￠312～133°56￠442E,46°6￠372～47°45￠432N,面積約為2.6萬km2,由佳木斯以下松花江和撓力河兩大河流及其支流匯流而成(圖1).屬溫帶大陸性氣候,年平均氣溫1～3℃,多年平均降水量440～ 650mm,年內分配不均勻,降水大部分集中在6～9月.研究區內地勢低平,由西南向東北逐漸降低,由河谷平原、低平原與山前臺地、殘丘構成.地下水類型主要包括河谷漫灘孔隙潛水、階地孔隙潛水-弱承壓水和山前臺地微孔隙裂隙水.河谷漫灘孔隙潛水分布在松花江、撓力河及其主要支流河谷漫灘中,含水介質為全新統粉細砂、細砂及砂礫石,結構松散,垂向顆粒變化上細下粗,礫石含量隨深度增加而增多.階地孔隙潛水-弱承壓水含水介質為第四系上、中、下統相疊加的砂、砂礫石,其間無隔水層分布,含水層厚度大、分布穩定.山前臺地微孔隙裂隙水呈條帶狀斷續分布于平原周邊的山前臺地區,含水介質為第四系上更新統中期,具柱狀裂隙和微孔隙發育的亞粘土以及間夾的薄層砂,富水性很差.土地利用類型主要為水田和旱田,以農業為主,居住用地較為分散.

圖1 研究區地理位置及水樣點分布

1.2 方法

1.2.1 證據權重法 證據權重法(WofE)是一種基于概率不確定性與貝葉斯定理的空間決策支持模型.該方法主要通過證據因子和響應因子之間的空間相關性計算,對證據因子進行加權疊加得到響應因子的預測概率圖;不僅能預測響應因子發生概率,也可以根據證據因子和響應因子的空間相關性計算分析證據因子對響應因子的影響程度.

一般來說,WofE方法的計算包括以下幾個步驟(圖2):

圖2 WofE計算流程

(1)因子選擇及預處理:根據實際問題選取證據因子及響應因子,將證據因子柵格化及重分類,同時每個網格響應因子不能超過一個.

(2)先驗概率計算:根據己知的響應因子分布,計算響應因子在單位面積上發生的概率.假設研究區面積為{},將研究區劃分為{}個相等大小的網格,每個網格面積為,定義為響應因子,統計整個研究區內發生的網格數{},則區域內任意一個網格發生的先驗概率{}可以通過式(1)求得:

(3)證據權重計算:使用初步重分類的證據因子與響應因子計算權重,并將輸出存儲在正負權重(+、-)和對比度()的相關指標累積分類表中.這些變量反映證據因子的變量和類別是否可接受,若不可接受,這些變量將以最具預測性的方式指導證據因子重新分類,形成一個不斷試錯的過程.

用條件概率計算每一個證據因子的正負權重.對任意證據二值(或多值)因子,假設B表示該因子的某種模式存在, B表示該因子某種模式不存在,根據貝葉斯定理,各證據因子的響應因子的后驗概率可以由式(2)、(3)計算:

證據因子B的正負權重定義為

對比度C用來衡量證據因子與響應因子的空間關聯強度.C越大,表示證據因子B對響應因子的預測性越好;C為0,表示該證據因子對響應因子的分布不具備預測性;對置信度的度量采用學生化對比度Stud()指標,若Stud()>2,則表明證據因子和響應因子的置信度超過98%,此時計算的權重可作為響應因子的有價值指標,這些響應因子顯示出與每個證據因子的最大空間關聯,并形成證據因子泛化(重分類)的基礎.

(4)響應因子后驗概率分布:將重分類后的各證據因子進行加權疊加,根據公式(7)～(10)計算得到響應因子的疊加后驗概率.

{}={}/(1-{}) (7)

{|B}={|B}/(1-{/B}) (8)

(5)證據因子條件獨立性檢驗:貝葉斯定理以條件獨立性假設為前提,故進行證據因子獨立性檢驗,檢驗結果可能導致對一些證據因子的再次重分類或棄用.使用綜合檢驗法進行條件獨立性檢驗,比率(=/,是實際響應因子個數;是預測響應因子個數)范圍為0～1.當> 0.85時,各證據因子滿足條件獨立性,后驗概率分布可接受,證據因子有效,預測有效.否則證據因子違反假設,預測無效.

1.2.2 響應因子及證據因子選取 相同證據因子條件下,不同的響應因子預測得到的后驗概率不同[18].以2019～2020年實測水樣結果為基礎,選取水樣點中超過國家《地下水質量標準》(GB/T 14848-2017)Ⅲ類水標準[23]的水樣點作為NH4+-N響應因子(樣點61個),由于研究區NO3--N高于Ⅲ類水標準樣點有限,選取水樣點中超過檢出濃度的水樣點作為NO3--N響應因子(樣點26個).根據前人研究(表1),結合研究區收集到的可用數據,基于自然和人為因素共選取了可能對地下水氮污染造成影響的8個證據因子,即:降水量(2011～2020年均值)、土地利用類型(2018年)、人口密度(2020年)、土壤有機質含量、粘土層厚度、地下水埋深(2011～2020年均值)、含水層厚度和地下水類型,部分變化顯著的證據因子(如降水量、地下水埋深等),需使用多年平均值進行表征,各證據因子的數值分布如圖3所示.

表1 證據權重法考慮因素

圖3 證據因子

2 結果與討論

2.1 證據權重計算及因子優選

氨氮響應因子為61個,定義每個網格面積為10km2,計算得到先驗概率為P{}=2.3314%,各證據因子分類及權重計算結果如表2所示.硝態氮響應因子為26個,定義每個網格面積為25km2,計算得到先驗概率為P{}=2.4843%,各證據因子分類及權重計算結果如表3所示.

由于粘土層厚度和地下水類型的學生化對比度Stud()未超過2,故僅使用降水量、土地利用類型、人口密度、土壤有機質含量、地下水埋深、含水層厚度6個證據因子進行地下水氨氮污染概率預測,地下水中氨氮預測模型比率CI為0.93,符合檢驗要求.進行地下水中硝態氮污染預測時,因證據因子條件獨立性不足,根據對響應因子的貢獻度從大到小依次取舍,當證據因子為含水層厚度、土地利用類型、人口密度、地下水埋深、降水,證據因子條件獨立性成立,CI比率為0.87,符合檢驗要求.

表2 氨氮證據因子分類及權重計算結果

表3 硝態氮證據因子分類及權重計算結果

續表3

2.2 模型驗證

優選后的氨氮和硝態氮證據因子圖層通過加權疊加得到響應因子的后驗概率分布,將所得的后驗概率分為4個等級:低概率(2P{})(圖4).

圖4 研究區氨氮和硝態氮后驗概率及實測濃度

分類效率曲線可以評價模型的執行性能和預測精度,利用累積面積比例(從高到低后驗概率)和響應因子繪制而成(圖5),氨氮后驗概率大于先驗概率區域的響應因子為73.77%,曲線下面積為0.772,即分類效率為77.2%;硝態氮后驗概率大于先驗概率區域的響應因子為80.77%,曲線線下面積為0.891,即分類效率為89.1%;兩者均大于50%,說明分類和預測的效率有效.

圖5 分類效率曲線

由圖4可以看到后驗概率為較高或高的地區,氨氮濃度一般都大于5mg/L(Ⅲ類水),硝態氮濃度一般都大于20mg/L(Ⅲ類水),在研究區東北部,氨氮和硝態氮污染均較為嚴重,而在研究區西北部(佳木斯市區附近)硝態氮污染則較為明顯.相較于硝態氮污染,研究區內的氨氮污染更為嚴重.地下水中氨氮和硝態氮污染預測發生概率高的地方與實測氨氮和硝態氮濃度高的地方一致,氨氮和硝態氮的后驗概率分布圖可以較好的反應研究區地下水氨氮和硝態氮的脆弱性程度.

2.3 影響因素分析

從具有統計意義的對比度()可以分析得出各證據因子對地下水中氨氮和硝態氮污染影響的具體情況(圖6～7).

2.3.1 降水 降水入滲補給可使包氣帶氮素向含水層的淋溶量增加,同時也控制著氮的彌散和稀釋作用,補給量越大,地下水中氮污染風險越大,但補給量大到一定程度并導致含水層中氮素濃度稀釋時,硝態氮濃度會變小.降水量的增加與地下水中高氨氮濃度和高硝態氮濃度的發生呈明顯的正響應關系,降水量越大越有利于地下水中氨氮(大于599mm)和硝態氮(大于663mm)濃度的增加,也說明降水對地下水中氨氮濃度的影響并未超過稀釋閾值(圖6(a)、圖7(a)).

2.3.2 土地利用類型 旱田對地下水中氨氮的指示性微弱;水田與氨氮的對比度為0.0261,表明水田對地下水中氨氮污染有一定作用;居住用地與氨氮的對比度為2.4505,對地下水中氨氮污染作用明顯,表明居住區生活污水、垃圾、糞便的下滲濾液會導致地下水中的氨氮污染;濕地和林地與氨氮的對比度為負值,不利于地下水中氨氮污染的發生(圖6(b)).硝態氮與旱田的對比度為0.8571,表明旱田對地下水中硝態氮污染有一定作用;居住用地與硝態氮的對比度為3.0599,對地下水中硝態氮污染作用明顯,表明居住區生活污水、垃圾、糞便的下滲濾液會導致地下水中的硝態氮污染;水田與硝態氮的對比度為負值,水田因長期淹沒,包氣帶和含水層易形成還原環境,有利于反硝化作用的進行,因而不利于硝態氮污染(圖7(b)).

2.3.3 人口密度 人口密度與氨氮和硝態氮的對比度呈明顯的正響應關系,人口密度作為生活污染的表征指標[12,22],進一步證明地下水中氨氮和硝態氮污染受生活污水、垃圾、糞便的下滲濾液的影響(圖6(c)、圖7(c)).

2.3.4 土壤有機質含量 隨著土壤有機質含量的增加,氨氮和硝態氮與土壤有機質含量的對比度由正值變為負值,呈現負響應關系(圖6(d)、圖7(d)).土壤中有機質含量越高,吸附性能越強,對污染物向下遷移的阻礙作用越強[18],從而可供淋濾的氨氮和硝態氮就越少,地下水中氨氮和硝態氮濃度越低.

2.3.5 包氣帶粘土層厚度 由于氨氮易于被介質吸附,而粘土層恰是吸附能力較強的介質.因此,隨著包氣帶粘土層厚度的增加,地下水中氨氮的對比度由正值變為負值,說明地下水中的氨氮可能主要來源于地表,在垂直入滲過程中,受到粘土層吸附的影響較大(圖6(e)).雖然硝態氮不易被介質吸附,但包氣帶粘土層厚度越大,其接受地表垂直入滲補給的潛力越低,因此,當粘土層厚度較小時,垂直入滲作用對地下水中的硝態氮具有一定影響,但隨著粘土層增厚,垂向入滲強度降低,地下水的側向徑流補給帶來的硝態氮可能占據了主導,因此,包氣帶粘土層厚度與硝態氮的對比度呈現由負變正的變化,難以從粘土層厚度這一單一因素進行解釋(圖7(e)).

2.3.6 地下水埋深 地下水埋深與氨氮和硝態氮的對比度呈正響應關系(圖6(f)、圖7(f)).地下水埋深基本與包氣帶厚度相對應,決定著污染物與氧氣接觸時間,一般來說地下水的埋深越大,污染物到達含水層所需時間越長,則污染物稀釋的機會就越多[18],地下水中污染物濃度越低.但當地下水埋深大到一定程度,與硝態氮垂直入滲補給相比,地下水側向徑流補給作用更大;同時,地下水埋深越大,含水層越傾向于還原環境,硝酸鹽易發生反硝化作用,因此地下水中硝態氮濃度無法僅用地下水埋深單一因素進行解釋.

2.3.7 含水層厚度 含水層厚度與氨氮的對比度呈正響應關系(圖6(g)),與硝態氮的對比度呈負響應關系(圖7(g)).含水層儲水量決定著硝態氮的稀釋作用,含水層厚度越小,硝態氮的對流彌散作用越強,地下水硝態氮污染風險越大[20].含水層厚度越大,溶解氧含量越低[16],硝酸鹽易發生反硝化作用,且氨氮不易硝化,地下水中氨氮濃度會增加.

圖6 氨氮對比度

2.3.8 地下水類型 研究區地下水類型分為第三系孔隙裂隙承壓水、第四系孔隙潛水、第四系孔隙弱承壓水和第四系微孔隙裂隙水4類.其中,第四系孔隙弱承壓水與氨氮的對比度為正值,表明其易受氨氮污染(圖6(h)).第三系孔隙裂隙承壓水和第四系微孔隙裂隙水與硝態氮的對比度為正值,且大于1,對地下水中硝態氮的污染具有指示作用(圖7(h)).

圖7 硝態氮對比度

圖8 正權重最大值

證據因子正權重(+)的最大值可以反映對響應因子的貢獻度,地下水氨氮證據因子的貢獻度從大到小依次為:土地利用類型>地下水埋深>人口密度>地下水類型>含水層厚度>土壤有機質含量>降水>粘土層厚度(圖8(a)).地下水硝態氮證據因子的貢獻度從大到小依次為:含水層厚度>土地利用類型>人口密度>地下水埋深>降水>地下水類型>粘土層厚度>土壤有機質含量(圖8(b)).對于地下水中氨氮污染,土地利用類型影響最大,表明研究區地下水中的氨氮濃度主要受控于人類活動的特征和強度;對于地下水中硝態氮污染,含水層厚度是影響最大的因素,表明含水層儲水和導水能力對地下水中硝態氮的濃度分布具有決定性作用.

3 結論

3.1 分類效率曲線顯示模型氨氮和硝態氮的預測精度分別為76.4%、89.1%,且氨氮和硝態氮后驗概率高的地方與其實測濃度高的地方較為一致,表明證據權重法可以有效預測地下水中氨氮和硝態氮的易污染區.

3.2 對比度可有效衡量不同因素對地下水氮素濃度的影響.其中,地下水中氨氮濃度與大氣降水量、人口密度、居住用地、地下水埋深、含水層厚度等指標對比度為正,呈正響應關系;與土壤有機質含量對比度為負,呈負響應關系.而地下水中硝態氮濃度則與大氣降水量、人口密度、居住用地、旱田呈正響應關系,與含水層呈負響應關系.

3.3 地下水氨氮和硝態氮證據因子的最大正權重分別為土地利用類型2.25和含水層厚度3.42,表明地下水中氨氮濃度分布的主控因素是人類活動,而地下水中硝態氮濃度分布則與地下水流運動有密切關系.

[1] Zhao H W, Sheng X L. Chapter Three: Nitrate N loss by leaching and surface runoff in agricultural land: A global issue (a review) [J]. Advances in Agronomy, 2019,156:159-217.

[2] Carpenter S R, Caraco N F, Correll D L, et al. Nonpoint pollution of surface waters with phosphorus and nitrogen [J]. Ecological Applications, 1998,8(3):559-568.

[3] De La Hoz R E, Schlueter D P, Rom W N. Chronic lung disease secondary to ammonia inhalation injury: A report on three cases [J]. American Journal of Industrial Medicine, 1996,29(2):209-214.

[4] 杜新強,方 敏,冶雪艷.地下水“三氮”污染來源及其識別方法研究進展 [J]. 環境科學, 2018,39(11):5266-5275.

Du X Q, Fang M, Ye X Y. Research progress on the sources of inorganic nitrogen pollution in groundwater and identification methods [J]. Environmental Science, 2018,39(11):5266-5275.

[5] 方 敏.三江平原松花江-撓力河流域淺層地下水“三氮”污染形成過程研究 [D]. 吉林:吉林大學, 2019.

Fang M. Formation process of inorganic nitrogen pollution in shallow groundwater of Songhua and Naoli River basin, Sangjiang Plain [D]. Jilin:Jilin University, 2019.

[6] 馬宏偉,李 霄,崔 健,等.三江平原建三江農場地下水有機污染與無機污染現狀初探 [J]. 地質與資源, 2014,23(1):38-41.

Ma H W, Li X, Cui J, et al. A preliminary study on the organic and inorganic pollution of groundwater of Jiansanjang farm in Sangjiang Plain [J]. Geology and Resources, 2014,23(1):38-41.

[7] 李 霄,王曉光,柴 璐,等.沉積盆地地下水無機氮來源示蹤及其演化模式 [J]. 中國環境科學, 2021,41(4):1856-1867.

Li X, Wang X G, Chai L, et al. Sources tracing and evolution model of inorganic nitrogen of groundwater in sedimentary basin [J]. China Environmental Science, 2021,41(4):1856-1867.

[8] Cui M, Zeng L, Qin W, et al. Measures for reducing nitrate leaching in orchards:A review [J]. Environmental Pollution, 2020,263(PT B): 114553.

[9] Rodriguez-Galiano V, Mendes M P, Garcia-Soldado M J, et al. Predictive modeling of groundwater nitrate pollution using Random Forest and multisource variables related to intrinsic and specific vulnerability: A case study in an agricultural setting (Southern Spain) [J]. Science of the Total Environment, 2014,476-477:189-206.

[10] Huan H, Wang J, Teng Y. Assessment and validation of groundwater vulnerability to nitrate based on a modified DRASTIC model: A case study in Jilin City of northeast China [J]. Science of the Total Environment, 2012,440:14-23.

[11] Debernardi L, De Luca D A, Lasagna M. Correlation between nitrate concentration in groundwater and parameters affecting aquifer intrinsic vulnerability [J]. Environmental Geology, 2008,55(3):539- 558.

[12] Masetti M, Poli S, Sterlacchini S, et al. Spatial and statistical assessment of factors influencing nitrate contamination in groundwater [J]. Journal of Environmental Management, 2008,86(1):272-281.

[13] Sorichetta A, Masetti M, Ballabio C, et al. Aquifer nitrate vulnerability assessment using positive and negative weights of evidence methods, Milan, Italy [J]. Computers & Geosciences, 2012,48:199-210.

[14] Jang C-S, Chen S-K. Integrating indicator-based geostatistical estimation and aquifer vulnerability of nitrate-N for establishing groundwater protection zones [J]. Journal of Hydrology, 2015,523: 441-451.

[15] Nolan B T, Gronberg J M, Faunt C C, et al. Modeling Nitrate at Domestic and Public-Supply Well Depths in the Central Valley, California [J]. Environmental Science & Technology, 2014,48(10): 5643-5651.

[16] Arthur J D, Wood H A R, Baker A E, et al. Development and Implementation of a Bayesian-based Aquifer Vulnerability Assessment in Florida [J]. Natural Resources Research, 2007,16(2): 93-107.

[17] Ye J, Wu M, Deng Z, et al. Modeling the spatial patterns of human wildfire ignition in Yunnan province, China [J]. Applied Geography, 2017,89:150-162.

[18] 雷 靜.地下水環境脆弱性的研究 [D]. 北京:清華大學, 2002.

Lei J. Study on groundwater vulnerability [D]. Beijing: Tsinghua University, 2002.

[19] Uhan J, Vizintin G, Pezdic J. Groundwater nitrate vulnerability assessment in alluvial aquifer using process-based models and weights-of-evidence method: Lower Savinja Valley case study (Slovenia) [J]. Environmental Earth Sciences, 2011,64(1):97-105.

[20] 王言鑫.基于GIS-WOE法的下遼河平原地下水脆弱性研究 [D]. 大連:遼寧師范大學, 2009.

Wang Y X. Research on the groundwater vulnerability assessment of the Lower Liao He River Plain based on GIS-WOE [D]. Dalian: Liaoning Normal University, 2009.

[21] 楊 靜,肖天昀,李海波,等.江漢平原地下水中硝酸鹽的分布及影響因素 [J]. 中國環境科學, 2018,38(2):710-718.

Yang J, Xiao T J, Li H B, et al. Spatial distribution and influencing factors of the NO3-N concentration in groundwater in Jianghan Plain [J]. China Environmental Science, 2018,38(2):710-718.

[22] Gu B J, Dong X L, Peng C H, et al. The long-term impact of urbanization on nitrogen patterns and dynamics in Shanghai, China [J]. Environmental Pollution, 2012,171:30-37.

[23] GB/T 14848-2017 地下水質量標準 [S].

GB/T 14848-2017 Groundwater quality standard [S].

致謝：感謝西北農林科技大學楊靜老師在對Arc-SDM工具箱代碼修改方面的幫助,感謝吉林大學新能源與環境學院馮右驂老師在對英文摘要修改方面提供的幫助.

Influencing factors of nitrogen concentration in groundwater based on weights of evidence method.

FENG Jing1, HE Huai-zhen2, DU Xin-qiang1*

(1.Key Laboratory of Groundwater Resources and Environment, Ministry of Education, College of New Energy and Environment, Jilin University, Changchun 130021, China；2.Heilongjiang Provincial Water Conservancy and Hydroelectric Power Investigation, Design and Research Institute, Haerbin 150001, China)., 2023,43(1)：153～163

For the difficulty of identifying the primary factors controlling the nitrogen concentration in groundwater, this work firstly selected precipitation, land-use pattern, population density, soil organic matter content, thickness of clay layer, groundwater depth, aquifer thickness, and groundwater type as evidence factors and analyzed their influence on the distribution of the nitrogen concentration in groundwater, through a case study of the Songhua River-Naoli River Watershed in the Sanjiang Plain. Based on the Weights of Evidence (WofE) method, the separate prediction models for ammonia nitrogen and nitrate nitrogen were then established, which successfully predicted the concentrations of ammonia nitrogen and nitrate nitrogen in groundwater with the accuracy of 77.2% and 89.1%, respectively. The findings demonstrated the positive correlations among the nitrate nitrogen and ammonia nitrogen concentrations in groundwater and the precipitation as well as population density in the Sanjiang Plain. While the concentration of ammonia nitrogen responded positively to aquifer thickness, the concentration of nitrate nitrogen responded negatively, indicating that the redox environment of the aquifer had a significant impact on ammonia nitrogen while the nitrate nitrogen was more affected by the convection and dispersion in the aquifer. In addition, the concentrations of ammonia nitrogen and nitrate nitrogen in groundwater were found usually high in the studied residential area.

groundwater environment；groundwater nitrogen pollution；Sanjing Plain；weights of evidence

X523

A

1000-6923(2023)01-0153-11

馮 婧(1998-),女,山西呂梁人,碩士研究生,主要研究方向為地下水資源管理與評價.發表論文1篇.

2022-06-17

國家自然科學基金資助項目(41972247)

* 責任作者, 教授, duxq@jlu.edu.cn