Construction of dynamic monitoring network for natural resources: An example study of Jiangsu Province
-
摘要:
自然资源是人类生产、生活的基本物质基础和空间载体，动态监测自然资源数量、质量、生态变化，系统获取长期、稳定、准确、连续的自然资源监测数据，对自然资源管理决策具有十分重要的科学和现实意义。在对江苏省自然资源监测现状梳理基础上，以管理需求和问题为导向，基于“融合视频物联”的对地观测网络构建技术、“陆海统筹”的地面监测站网构建技术、动态监测监管平台构建技术，构建形成了“天空地海”自然资源动态监测网络，并应用于江苏省“1+6+X”自然资源常规、专项和专题动态监测服务。研究结果表明，研究整合建立的陆海统筹、天地一体、上下协同、信息共享的全省自然资源动态监测网络，及时监测江苏省土地、矿产、森林、水、湿地、海域海岛等自然资源的种类、空间分布、质量、生态等动态变化情况，形成了以“天−空−地−海”协同作业为特征的自然资源全覆盖、全天候、全要素监测能力，实现了自然资源数量−质量−生态一体化监测服务，为支撑自然资源管理“两统一”职责履行、推进自然资源治理体系和治理能力现代化、保障经济高质量发展和生态文明建设奠定了坚实的基础。
Abstract:Natural resources are the basic material basis and spatial carrier of human production and life. Dynamic monitoring of the quantity, quality and ecological changes of natural resources, and systematic acquisition of long−term, stable, accurate and continuous monitoring data of natural resources have very important scientific and practical significance for decision−making of natural resources management. On the basis of sorting out the current situation of natural resource monitoring in Jiangsu Province, guided by management needs and issues, this article constructs a "space − aerial − ground − sea" natural resource dynamic monitoring network based on the integration of Video Internet of Things (IoT) and ground observation network construction technology, "land and sea coordination" ground monitoring station network construction technology, and dynamic monitoring supervision platform construction technology, and applies it to the "1+6+X" natural resources routine, special and thematic dynamic monitoring services in Jiangsu province. The results show that: This article studies and integrates the establishment of a dynamic monitoring network of natural resources in Jiangsu province, which integrates land and sea, coordinates up and down, and shares information, and timely monitors the dynamic changes in the types, spatial distribution, quality, and ecology of various natural resources such as land, minerals, forests, water, wetlands, and sea islands in Jiangsu Province. It is expected to form a full coverage, all−weather and all factor monitoring capability of natural resources characterized by "space − aerial − ground − Sea" collaborative operation, and realize the integrated monitoring service of quantity, quality and ecology of natural resources, so as to lay a solid foundation for supporting the fulfillment of the "two unification" responsibilities of natural resource management, promoting the modernization of the natural resource governance system and governance capabilities, ensuring high−quality economic development and the construction of ecological civilization.
-
地下水污染可对饮用水安全、人体健康和社会可持续发展产生严重影响。2021年12月1日，国务院颁布实施《地下水管理条例》（中华人民共和国国务院令第748号），表明国家对于地下水污染防治工作高度重视。防控地下水污染，开展源头保护是重中之重。地下水污染具有隐蔽性，因此开展地下水污染溯源和解析显得尤为重要。为了有效识别和解析地下水污染，需要采用科学的方法和技术，结合现场调查和实验分析，确定污染物的来源、性质、分布等信息。传统方法，如水化学离子分析法、同位素法、主成分分析法等已经被广泛应用（闫颖等，2020；Huang et al.,2021；马春龙等，2021），但也存在一定的局限性。近年来，随着科技的进步和新型方法的发展，如模拟优化法、正定矩阵因子分析模型，以及决策树、随机森林、自组织映射技术等人工智能领域的方法，为地下水污染源解析提供了新的思路和手段（林斯杰等，2020；Constantinos et al.,2022；Hamed et al.,2022；许明明等，2022）。
本文重点介绍目前较成熟的同位素法、荧光光谱法、主成分分析法、地质统计学法，以及新发展的正定矩阵因子分析模型和自组织映射技术在地下水污染源解析中的应用，阐述这些方法在地下水污染源解析中的原理、适用性、优缺点等，探讨不同方法间的联合应用和发展前景，为地下水污染源解析工作提供参考。
1. 源解析方法综述
1.1 同位素法
同位素是具有相同原子序数的同一化学元素的2种或多种原子之一，不同环境水体由于成因不同而具有不同特征的同位素组成。通过分析不同环境中水体同位素的“痕迹”，可以判断其形成和转移，进而判断地下水污染程度、污染物来源等（杨琰等，2004；张应华等，2006；李先国等，2009；庞凤梅等，2011；闫颖等，2020；赵然等，2020）。在地下水污染源解析研究中，硝酸盐、硫酸盐、金属等同位素方法多年来已被国内外学者多次应用。
硝酸盐同位素是一类很常用的同位素法。硝酸盐是地下水中常见的污染物，而不同来源的硝酸盐在化学形式上很难区分。氮氧同位素技术是识别具有不同同位素组成的硝酸盐污染的直接手段（杨琰等，2004），它可以根据不同来源的同位素特征值进行地下水污染源解析。Torres et al.(2020)使用同位素示踪剂结合贝叶斯同位素混合模型，对墨西哥蒙特雷河谷的地下水硝酸盐和硫酸盐污染进行跟踪，判断其污染的不同来源和转化过程，研究结果表明，蒙特雷河谷地下水中硝酸盐和硫酸盐的污染来源主要为城市污水渗漏。Huang et al.(2021)利用多元同位素（δ15N-NO3、δ34S-SO4、δ18O-SO4、δ13C-DIC）研究了Piedmont地区的山前冲积扇地下水硝酸盐污染，得出粪便/污水是补给区非承压和承压地下水中硝酸盐的主要来源，证明了使用多种同位素技术阐明硝酸盐来源及其在地下环境中迁移途径的可行性。根据国内外研究总结的硝酸盐氮氧同位素值域见表1（吴娜娜等，2017）。由于氮氧双同位素法无法考虑空间变异、反硝化过程中的同位素分馏和混合物可能存在的多个来源等问题，近年来通常使用贝叶斯同位素混合模型(Stable Isotope Analysis in R，简称SIAR)。将多元同位素与SIAR模型相结合，可以消除硝化、反硝化或挥发过程中可能存在的不确定性，从而定量分析硝酸盐的污染来源及其转化过程（Torres et al.,2021）。
表 1 不同污染源硝酸盐氮氧同位素值域范围（据吴娜娜等，2017）Table 1. The range of nitrogen and oxygen isotope ratios of nitrate from various pollution sources污染源 δ15N 典型值域范围/‰ 均值/‰ 大气NO3−沉降 −7.7 ～ +5.8 −0.4 大气NH4+沉降 −11.1 ～ +2.3 −4.3 粪肥 +5.9 ～ +22.0 +12.7 污水 +4.6 ～ +18.4 +11.4 土壤氮 −3.5 ～ +9.0 +2.2 NO3−化肥 −2.7 ～ +2.3 0 NH4+化肥 −2.0 ～ +4.0 +0.3 污染源 δ18O 典型值域范围/‰ 均值/‰ 大气沉降作用 +25.0 ～ +75.0 +54.2 硝态氮肥 +18.0 ～ +25.7 +21.7 土壤微生物硝化作用 +3.5 ～ +16.8 +10.6 硫酸盐同位素由于指示能力较好，经常与氮氧同位素一起应用，图1为地下水中不同来源的δ34S-SO4 和 δ15N-NO3典型值，两者结合应用可以对受硝酸盐和硫酸盐混杂污染的场地起到更好的指示作用。Li et al.（2006）研究四川盆地地下水、雨水和煤中硫酸盐的δ34S，得到了地下水硫酸盐的主要来源为雨水、人类农业活动等。铬、铅、硼等稳定同位素也在工业生产、矿山污染等重金属相关的地下水污染源解析中存在一定应用（Cheng et al.,2010；郝红等，2013；Nisi et al.,2016；Kanagaraj et al.，2018）。此外，Voltaggio et al.（2015）使用氢、氧、锶、铀、镭等放射性同位素调查污染井中高盐度的来源，并考虑了镭同位素在地下水研究中的2种作用，包括作为示踪剂分析水岩相互作用及用228Ra与226Ra的比率评估地下水在浅水区的停留时间。
![]()
图 1 不同硝酸盐和硫酸盐来源的δ34S-SO4 和δ15N-NO3范围 （据Torres et al., 2020修改）Figure 1. Range of δ34S-SO4 and δ15N-NO3 from different sources of nitrates and sulfates有机单体同位素分析（Compound-specific Isotope Analysis，简称CSIA），是分子有机地球化学和同位素地球化学互相渗透交叉的产物，可诊断有机污染来源（Schmidt et al.，2004；刘国卿等，2004）。CSIA技术可以连续测定气相色谱流出的每一个生物标志化合物碳、氢稳定同位素的组成，可成为污染物来源判识与过程示踪的有力工具。随着科技的发展，该技术可以进行氮、氧、氯、氢等单体稳定同位素的检测，也可被广泛应用于多环芳烃、氯代烃、农药残留物、农用化学品等有机污染物的检测研究中。此外，它已经在一些典型的污染场地中成功识别出有机污染物的来源（Glaser，2005；张琳等，2009；王晓红等，2013；左海英，2015）。
综上所述，同位素法由于涵盖元素广、分析结果精确、可参考经验数值多等原因，在地下水污染源解析中有着十分广泛的应用。在农业化肥污染、生活污水、工业污染等人为源污染造成的地下水污染中，硝酸盐同位素法和硫酸盐同位素法都是比较常用且精确的定量解析方法，但实际应用时存在同位素比值重叠的问题（王会霞等，2021），而且相比于一些多元统计学方法，需要耗费更多的成本和时间，为了解决这一问题，在硝酸盐转化过程中几乎不发生同位素分馏的硼同位素可以与硝酸盐、硫酸盐同位素联合使用（Frank et al.,2012）。铅和铬同位素在实际环境中通常受外界影响变化较小，因此在环境同位素示踪中得到广泛应用，但目前应用在地下水源解析的案例较少。CSIA技术可以对有机物进行地下水污染溯源，但是存在检出限较低的局限，使用 GC-C-IRMS 测量时要求提供的化合物中至少含有1 nmol的碳和8 nmol的氢才能满足气相分离要求的分辨率并得到较好的峰形，因此低浓度的有机污染限制其在地下水污染溯源中的应用；同时由于并未确定有机单体同位素的标准物质，也导致了该技术在地下水有机污染源解析方面不够成熟（张琳等，2009）。为了使CSIA技术在地下水源解析中的应用性更高，需要深入了解不同环境中有机物同位素的分馏效应，尝试CSIA应用于C、H、N、O等元素以外的更多种类元素上的可行性，并且进一步对CSIA所用仪器的灵敏度、浓缩效率等制约条件进行改进。
1.2 荧光光谱法
荧光光谱法是利用光谱学原理分析物质结构特征和化学成分的方法，经常被用于海洋、河流、地下水等水体污染检测（Chen et al.,2003；Zhang et al.,2021）。常用的光谱法有三维荧光光谱法、同步荧光光谱法、时间荧光光谱法等。其中，三维荧光光谱法的原理是物质所含荧光基团被激发波长照射时产生发射波，通过获得激发波长和发射波长同时变化时的荧光强度信息，将不同激发波长和发射波长下的荧光强度以三维投影图的形式展示，可直观准确地描述不同荧光物质的组成。由于不同水体的荧光光谱在荧光峰位置、强度、个数等方面存在差异，因此研究不同水体的荧光指纹特征可以达到污染溯源的目的（陈宇男，2017；智国铮，2021）。
已有研究表明，不同污染来源的水体中含有的荧光类溶解性有机物存在差异，包括印染、造纸、炼油、生活污水等污染源（智国铮，2021）。图2展示了水体中各种DOM荧光区域划分（Chen et al.,2003），不同类型的荧光物质可以作为地下水污染的来源依据。周圆等（2020）发现，印染类型水体中主要存在酪氨酸类和色氨酸类的蛋白质荧光峰；Zhang et al.（2021）利用DOM荧光的特性，使用荧光光谱法结合多元统计学，发现畜牧业污染可以提高地下水的DOC含量、微生物来源的DOM、芳香度、荧光强度和类色氨酸成分的比例，但会降低类腐殖酸成分的比例和DOM的分子量。因此，类色氨酸荧光可以作为畜牧业污染地下水的示踪剂。赵丽等（2020）采用三维荧光光谱及紫外可见光谱技术，对豫北某城市生活垃圾填埋场内监测井的水样进行了“三氮”、溶解性有机质等含量特征的测定及源解析。何小松等（2014）的研究表明，结合光谱技术与多元统计分析可以识别受垃圾渗滤液污染的地下水点位。彭莉等（2018）结合现代光谱技术及多元统计分析方法，研究了常规水质检测手段难以识别的微污染填埋场地下水有机物组成、分布等特征。
三维荧光光谱法有灵敏度高、选择性好、测试迅速、消耗化学药剂少、仪器操作简单等优点，但仅能够识别人为来源有机质类污染组分的影响，在应用情景上存在局限性（智国铮，2021）。同时，由于三维荧光光谱特征受到pH值、温度、金属离子等因素的影响，使用单一少量的荧光图谱对污染特征进行解析也存在不确定性，因此需要完善污染源水质荧光指纹数据库。
1.3 地质统计学法
地质统计学是空间统计学的一个分支，可用来描述空间模式并提供未采样位置的属性值估计。通过地质统计学提供的综合框架可以组合不同类型的数据集以构建空间不确定性的局部模型（Constantinos et al.,2022），图3为应用地质统计学解决地下水盐渍化问题时的3个主题领域。克里格方法是一种常用的地质统计学技术，它基于无偏最优估计理论（侯景儒，1997），通过估计待求污染源排放历史的函数，得到反问题的解，进而追溯污染源。该方法也可以通过数值实验来分析观测点布设位置、污染物浓度观测误差、水动力弥散参数、地下水流速等影响溯源效果的因素。图3为地质统计学主要涉及的领域。
![]()
图 3 应用地质统计学的3个主题领域解决涉及单变量和多变量数据集的地下水盐渍化问题（据Constantinos et al.,2022修改）Figure 3. Addressing groundwater salinization issues involving univariate and multivariate datasets through the application of three thematic areas in geostatistics地质统计学法经常被用于地下水盐碱化的研究，在地下水污染源解析方面应用有限。通过地质统计空间插值方法可以构建水文地质或其他参数（TDS、硝酸盐等）的空间分布图，从而进行污染源解析的研究。张凯等（2020）以广西某乡镇潜层地下水为研究对象，将地质统计学法和多元统计分析法相结合，分析了污染因子的空间分布和来源，识别出该研究区地下水中硫酸盐和氟化物的污染来源为岩石中硫酸盐与含氟矿物的溶解及工业园区的排水下渗。龙玉桥等（2017）将地质统计学法应用于追溯一维均质含水层中污染源的排放过程，利用数值实验分析了污染物浓度观测误差、水动力弥散参数等条件对地质统计学的溯源效果影响。Nazzal et al.(2015)将地质统计学方法中的变差函数分析与主成分分析法结合，将污染源分为2个因子——水岩相互作用和人为影响，并判断影响地下水质量的因素在不同位置如何变化。
地质统计学法常与各类多元统计法相结合，以降低大型数据集的维度从而识别变量。地质统计学分析可以在稀疏测量点位的基础上，绘制不同指标的空间分布图及判断成分来源。为了提高该方法的准确性，避免插值可能出现的不确定性，国内外研究者们将重心更多地转向了模拟、优化扩展及引入更多机器学习方法等。
1.4 主成分分析法
主成分分析法（Principal Component Analysis，PCA）作为一种常用的基于降维思想的多元统计方法，通过充分利用全部数据所包含的信息，以主成分贡献率作为指标权重值，将多变量化简为少数变量，从而使数据的复杂度降低（周广峰等，2011）。由于PCA法只是一种定性聚类的方法，在地下水污染源解析研究中，通常会与其他方法联用，提高方法的准确性或定量解析。Chen et al.(2019)将PCA与修正灰色关联分析(MGRA)结合，对拉林河流域进行污染评估，分析出研究区在雨季和旱季分别存在5个和4个潜在污染源。同时，通过将PCA法与点位实际空间位置结合分析，更进一步得出流域北部地下水质量差的原因是研究区的高度城市化。Rashid et al.(2020)通过使用主成分分析-多元线性回归法（PCA-MLR），判断巴基斯坦北部某地区混合工矿区地下水包含自然源、人为污染、混合源等重要来源。近年来，主成分分析-绝对主成分得分-多元线性回归（PCA-APCS-MLR）作为PCA-MLR方法的改进，在地下水污染源解析研究中被广泛应用。 Li et al.(2018)使用PCA-APCS-MLR对典型河边地下水资源区的浅层地下水进行研究，分析了10 a的地下水质量变化，发现水-岩相互作用、农业肥料及生活和工业废水是地下水污染演变的原因。此外，PCA法还与模糊综合评价法（FCA）、地理信息系统（GIS）等多种方法结合使用。
PCA法通过各因子中所含组份解释不同污染源的贡献率，只需要污染水质数据便可操作，方法简单，由于其较高的适用性而在地下水污染源解析中广泛应用，经过改进后的PCA-APCS-MLR法也能起到较好的定量解析结果，它可以计算Eh、pH值等非浓度水质指标，但由于不同主成分之间的正交性约束，导致其在划分污染来源时结果可能更分散及杂乱。作为一种传统定性方法，该方法多与其他方法联用，在地下水源解析方面相对于同位素法往往不够精确，但也可以做到一定程度的替代，因此该方法在进一步的发展中，可以寻找更多能与其联用的传统方法或新型方法，同时也可以在原来的基础上做出改进。
1.5 正定矩阵因子分析模型
正定矩阵因子分析模型（Positive Matrix Factorization, PMF）是由Paatero等于1993年开发（Paatero et al.,1994），经美国环保署(USEPA)认可并改进的多变量因子源解析受体模型（Taghvaee et al.,2018）。PMF法基于环境受体样本的化学组分数据，不依赖于污染源的化学成分谱，利用最小二乘法进行迭代运算，求解出组分浓度和污染源间的化学质量平衡。PMF作为一种受体模型，可以对因子分解矩阵进行非负约束，并且考虑到数据存在的不确定性误差，从而使解析结果更具有实际意义。
PMF法经常被用于水体、沉积物、空气颗粒物等的污染源识别和贡献率计算，在地下水污染定量源解析方面有着一定的应用。孟瑞芳等（2021）利用PMF模型对滹沱河冲洪积扇地下水污染进行定量源解析，通过PMF计算结果并结合当地实际情况，得出污染源主要是生活污水和化肥、工业污染源和地下水超采诱发的水岩交互作用。郭涛等（2017）通过PMF识别结果表明农业源和自然源是影响拉林河流域地下水水质的主要来源，其中受总硬度、TDS、硫酸盐和氯化物4个指标影响的自然源贡献占比约61.5％，被自然因素影响的铁锰及农药化肥过量使用产生的氨氮、硝酸盐所影响的农业混合源占比约38.5%。Hamed et al.(2022)利用PMF方法分析得出中东乌尔米亚湖盆地东部的地下水污染主要有5个来源：第一个来源为钠氯贡献最高的高盐度湖水渗入；第二个来源中钙、镁、重碳酸根等指标贡献最高，为可溶性盐类的浸出，这种浸出源于母岩风化和乌尔米亚湖流域的基肥；第三个来源中氟、铅、铬贡献最高，这是工业与城市污水的结合；第四个来源中铜、镍贡献最高，为研究区固体废物的渗滤液释放；第五个来源中锌、钾贡献率最高，被判断为居民区的车辆燃料等情况造成的污染。PMF判断源的结果为湖水/溶解矿物质/化肥（46%）>固体废弃物渗滤液（29%）>工业-市政废水（18%）>机动车排放量（7%），显示出比PCA-MLR更高的相关性，能够更好地区分湖水入渗、矿物溶解等自然源中的成分。
PMF法通过使用标准偏差进行数据优化，与PCA-APCA-MLR方法相比，PMF通常具备更高的决定系数R2，计算得出的污染源贡献率更准确。PMF作为近年来才逐步应用于地下水污染源解析的方法，在优缺点和适用性上的研究还不够深入。其中，在PMF计算时可以在其自带的BS-DISP误差估计上进一步研究，BS-DISP误差将BS（Bootstrap）随机误差估计和DISP（Displacement）的因子分解不确定性估计的优势结合，它能在DISP和BS诊断效果较好时发生因子交换，从而辨别因子的更多不确定性来源。
1.6 自组织映射技术
自组织映射技术（Self-organizing Map，SOM）是通过神经元间的竞争学习将相似的数据映射到相邻位置并保持拓扑结构不变的一种方法（林斯杰等，2020）。1973年von der Malsburg在树皮细胞研究中最初提出并使用了SOM技术（Malsburg，1973），Kohonen于1981 年将该技术完善，将SOM模型发展成更简洁、应用更广泛的机器学习方法（Kohonen，1982，1996）。SOM有很强的聚类能力，在模拟大脑神经系统的生物学基础上，可以对输入的多维样本数据进行自动排序和自动分类，从而将输入的样本以数据特性为特征进行无监督竞争式训练，最后将多维数据降维并聚类。SOM操作建立在MATLAB或Python等软件的编程上，所受的局限性较少。该技术允许数据缺失，无需删除或插值并构建输入和输出之间的关联模式，擅长处理复杂、离散的数据（马春龙等，2021）。
在地下水污染源解析应用上，SOM技术可以将污染物的种类和浓度与污染场地监测点位有效聚类，在K均值、模糊C均值等方法的补充下，将聚类结果合理分区，由此进一步判断监测点位间的同源性及污染物间的相关性。如图4所示，SOM法能够将不同污染指标聚类，快速挖掘复杂多维的污染场地监测数据，有效完成关键信息的提取，有助于污染源的追溯。Torres et al.(2020)将SOM法和多元同位素与贝叶斯同位素混合模型相结合，确定了墨西哥南下加利福尼亚地下水含水层硝酸盐、硫酸盐的来源。林斯杰等(2020)将SOM法与PCA法结合对北京市平谷区进行地下水溯源，通过SOM法识别了污染物的空间分布，进一步补充解释了PCA方法中非公因子的污染指标关联性和来源。Lee(2019)将SOM技术和模糊C均值结合对韩国首尔某地区地下水污染情况进行聚类分析，得出破损的下水管道污水、地铁隧道、城市中心等地是该地区地下水污染主要来源。Mao et al.(2021)等利用SOM法对中国东部鄱阳湖流域附近地下水进行调查，将68组地下水样品划分为6个聚类结果，根据SOM结果，进一步判断得出地下水污染的主要因素包括人为污染、水岩相互作用和氧化还原环境。
![]()
图 4 SOM-K均值聚类结果和空间特征（SOM污染物分为3类，被聚为一类的污染物在空间分布上与实际地形情况相吻合）Figure 4. SOM-K means clustering results and spatial featuresSOM能对各类水化学指标浓度数据、污染物浓度数据、监测点位经纬度坐标等数据进行计算分析，可以同时适用于区域尺度和场地尺度，通过聚类特征判断污染指标及污染源间的关联性，因此在地下水污染源解析领域展现出很高的适用性。该方法在定性分析中展现了较高的优势，但不具备定量解析的能力，因此SOM法的发展方向是寻找更多能弥补其定量弱势的其他方法与之结合；同时，也可以从SOM本身的代码角度精进，从而提升聚类准确性、计算速度等。此外，将不同时间尺度、空间尺度上的水文地质情况、污染源情况、地表水系情况等要素数据化，通过SOM实现更精准的溯源是未来发展的方向之一。
2. 源解析方法对比和分析
地下水污染源解析方法种类众多，笔者对上述6种方法应用在地下水污染源解析中的原理、数据量、定性/定量、优缺点等方面进行了对比分析，以根据不同的场地情况选择适合的方法。具体对比分析情况见表2。
表 2 不同地下水污染源解析方法对比Table 2. Comparison of analysis methods for different groundwater pollution sources技术方法 原理 数据量 定性/定量 优点 缺点 同位素法 同位素质量守恒 少 定量 涵盖元素广、物理意义明确、氮硫氧等同位素应用广泛、结果直观 需事先判断污染物类型、部分金属同位素和单体同位素技术还不够成熟、需要同位素值域范围、耗费成本和时间较高 荧光光谱法 光谱学原理 少 定量 灵敏度高、选择性好、操作简单 局限性较大、对无机离子变化无响应、存在不确定性、定量分析能力相对较弱 地质统计学法 数理方程反演 多 定量 客观性强，解析广度大 需要的受体数据量大，难以识别复杂污染 主成分分析法 多元统计理论 多 定性 方法简单、结果易解释、适用性高、可分析非浓度水质指标 难以处理非线性数据，常与其他方法联用 正定矩阵因子
分析模型多元统计理论 多 定量 可解释不确定性、无需源成分详细信息、数据处理范围广、结果精度高 无法分析非浓度水质指标、处理有协同作用的源时会不够精确 自组织映射技术 机器学习与
多元统计理论多 定性 直观、适合处理大量数据、适用性高 无法定量分析，需要与其他方法联用 对于几类发展较成熟的方法，同位素法原理不复杂，应用参数较少，源信息的物理含义清晰，受体数据的需求量不大。但需事先判断污染物类型的主观限制，其对较长时期内污染源对受体长期贡献的解析效果较差，在同位素值域范围不全面的情况下也无法准确识别污染源。三维荧光光谱法有可以检测极低浓度的有机污染物、区分不同种类污染物、操作过程简单易行等优点，但存在对无机离子的浓度变化无响应，以及与PCA-APCS-MLR和PMF等方法相比定量分析能力弱等局限性。地质统计学法在地下水领域相对应用较少，该方法客观性强，解析广度大。但在地下水污染源解析方面存在需要受体数据量大，难以识别复杂污染等问题。PCA方法简单，结果易解释，通过降维思想可以将多变量化简为少量因子，从而降低数据的复杂性。该方法存在处理环境数据时导致解释变量间的非线性关系错误的问题，在表示变量间相关性的关系时也不够直观，但其广泛的适用性能与多种不同方法联用，弥补了自身存在的劣势，在地下水定性定量解析中应用较多，且结果良好。
PMF和SOM是近年在地下水污染源解析领域发展较好的方法，PMF法具有分解矩阵中元素非负、合理处理遗漏和不精确数据、不需要测量源成分谱等优点。相比传统因子分析方法，提高了解析结果的精度，使结果更有实际意义。PMF计算的污染源贡献率相比其他方法通常更准确，但处理有协同作用的源时精确度不高，并且当污染颗粒物的某一种元素是几种源的标志性元素或某些元素不可获得时，解释污染源类型的主观性较强（周建华等，2020）。该方法存在前期数据处理繁琐、无法计算Eh和pH等非浓度水质指标的问题，其对使用者的水文地质基础要求也较高，需要严密结合水文地质条件和解析结果才能得到有理有据的分析。SOM法是建立在机器学习基础上的统计方法，适合处理多维海量数据，降维能力强，结果直观，但该方法计算复杂度较高，结果的准确性一定程度上依赖经验，由于其在定量解析方面存在劣势，通常需要根据污染区域实际情况，将SOM方法与PMF、同位素等定量方法结合，并紧密联系研究区水文地质情况、水化学特征等要素，从而实现地下水污染定性定量源解析。
3. 结论与展望
（1）本文介绍了6种常用的地下水污染源解析方法，不同方法存在各自的适用性和优缺点。同位素法原理简单、物理意义明确、应用广泛，但部分同位素技术不成熟应用局限性较大；荧光光谱法灵敏度高、选择性好，可以实现快速识别和准确溯源，但存在不确定性，难以识别无机污染物；地质统计学法基于数理方程反演，计算精度高，但计算效率较低；主成分分析法方法简单、适用性高，但难以处理非线性数据，多与其他方法联用；正定矩阵因子分析模型定量分析结果较好、可解释不确定性，但处理有协同作用的源时可能不够精确；自组织映射技术方法直观、可处理大量数据且适用性强，但缺乏定量分析的能力。
（2）地下水污染来源种类繁多、途径复杂，地下水污染源解析方法众多，单一技术通常难以全面、准确解析地下水污染来源，方法联合应用可提高源解析的准确性，减少不确定性，也可为新方法论提供佐证和依据。方法自身的进一步完善也是未来发展的方向。在同位素的应用方面可以改进测试仪器和现有的分析方法以达到同位素比率测量准确性的提高，也可以扩充更多的元素（V、Sn等）。对于给定元素的同位素分馏范围、分馏后的建模与评估、地下水运动过程中元素的变化也都是可以全面评估并改进的角度。自组织映射技术可以从方法本身的代码构建进行改进，从而更好地把水文地质情况和污染源情况等因素纳入源解析研究。同时，由于地下水环境的多变性和复杂性，以及样品采集分析过程存在的误差，源解析结果往往会存在不确定性，因此如何根据实际情况将多种方法耦合及优化改进将是地下水污染源解析的研究方向和挑战。
（3）大数据技术是当今时代的发展方向，在地下水污染源解析等环境领域的研究中，为了解决数学方法可能存在的“黑盒”问题，需要将其与机器学习技术等其他学科问题相结合，也需要水文地质学家、环境学家、计算机学者等更多互相密切合作，从多学科综合结合的角度提供不同的发展方向。未来地下水研究信息化、模型的大量应用与深入研究，将使地下水污染源解析更加准确，更好地解决地下水污染识别问题。
-
![]()
图 1 自然资源“天空地海”协同感知网络构建总体技术路线图
Figure 1. The overall technical roadmap for the construction of the natural resources "space − aerial − ground − sea" collaborative sensing network
![]()
图 2 动态监测监管平台架构图
Figure 2. Architecture diagram of dynamic monitoring and warning platform
表 1 江苏省各部门现有调查监测站点基本情况
Table 1 Basic information of existing investigation and monitoring stations in Jiangsu Province
自然资源分类 已有站点情况 数据获取途径 耕地资源 江苏省国土（耕地）生态地质环境监测已有监测点位1978个
省生态环境部门在全省共布设国家网土壤监测点位1690个，其中基础点位807个，背景点位82个，风险点位801个自然资源部门
生态环境部门
农业部门地表水资源 省水利部门现有水文站150个、水位站137个、雨量站237个、泥沙站21个、蒸发站35个、墒情站27个
省生态环境部门现有国控断面194个、省控断面674个、饮用水水源地测点180个、入海河口监测断面31个、省级管理的自动站130个、近岸海域国控海水水质测点78个、海洋生物测点40个自然资源部门
水利部门
生态环境部门地下水资源 省自然资源部门有国家级、省级地下水监测站点637个，其中，国家地下水监测工程站点有336个、未纳入国家地下水监测工程的站点有55个、省级地下水监测站点246眼。自动化监测站点366个，人工监测站点271个
省水利部门有地下水监测井1153眼（浅层井299眼、深层井854眼），其中国家地下水监测工程站点523个
省生态环境部门现有区域地下水质量考核点68处自然资源部门
水利部门
生态环境部门森林资源 全省森林样地1337个，生态样地270个
已建成2个森林生态站（包括江苏长江三角洲森林生态站和华东沿海防护林生态站），竹林生态监测站1个（江苏宜兴竹林生态站），城市生态站1个（江苏扬州城市生态站）林业部门 湿地资源 全省湿地样地429个
已建成盐城滨海湿地、太湖湿地、洪泽湖湿地3个国家湿地生态定位站；全省101个计划监测湿地主体中，已有39个保护主体开展了生态实时监测，共建设204个湿地监测站点林业部门 矿产资源 在采矿山196个，矿产地498个 自然资源部门 海洋资源 北起平岛，南至连兴港，最外侧外磕脚领海基点位置，岸基在线监测站4个，水文观测平台12个，海上监测站点35个，监测断面8条 海洋部门 
下载: 导出CSV
表 2 对地观测技术方法
Table 2 Summary of Earth observation techniques and methods
监测平台 监测技术方法 监测要素 监测内容 陆地卫星
海洋卫星
航空飞机
无人机
无人船
高清摄像头
国土调查云优于2 m的光学卫星影像、航空影像、无人机影像
高清摄像头、国土调查云
多源海量数据处理及智能信息提取方法地表覆
盖层各类自然资源的分布、范围、面积等动态变化 优于2 m的光学卫星影像、航空影像、无人机影像高清摄像头、国土调查云
高光谱卫星影像、无人机搭载高光谱传感器
智能信息提取及高光谱反演方法耕地资源 耕地非农化非粮化、土壤质量 高光谱卫星影像、无人机搭载高光谱传感器、无人船搭载多参数水质传感器、测流仪、采样器等
高光谱反演方法地表水
资源地表水叶绿素a、悬浮物含量、透明度、溶解性有机物、重金属元素等进行提取，对地形及库容测绘 高光谱卫星影像、无人机搭载光学传感器倾斜摄影，无人机机载或车载激光雷达
三维建模方法、高光谱反演方法森林资源 树种、郁闭度、蓄积量、森林健康状况 利用优于2 m的光学卫星影像、航空影像及无人机影像
多源海量数据处理及智能信息提取方法湿地资源 湿地植被覆盖情况（植被类型、植被面积）、人类活动状况（活动类型、活动面积） 利用多源、多尺度卫星影像（陆地卫星、海洋卫星）、无人机机载激光雷达、光学传感器
多源海量数据处理及智能信息提取方法、温度反演海洋资源 海岸带侵蚀和淤积、海域海岛保护和利用情况，海洋环境（海面风场、浪高、海面高度、有效波高、大洋环流、海面温度），海洋生态灾害（绿潮、赤潮） 优于2 m的光学卫星影像、航空影像、无人机影像
无人机搭载光学，高光谱传感器，无人机机载或车载激光雷达
智能信息提取及高光谱反演方法矿产资源 露采矿山开发利用水平及恢复治理情况、岩性识别、矿物填图
下载: 导出CSV
表 3 地面监测站网构建
Table 3 Construction list of ground monitoring station network
资源类型 服务管理新需求 监测指标 网络构建 耕地资源 永久基本农田保护、耕地保护红线、耕地质量分类、耕地占补平衡、耕地质量分等定级、国土空间规划，自然资源资产清查、生态保护修复等 土层厚度、土壤有机质含量、土壤质地、土壤pH值、生物多样性、土壤污染（监测镉、汞、砷、铅、铬、铜、镍、锌8种无机物污染） 充分利用农业农村部门耕地质量等级调查评价、地质调查部门土地质量地球化学调查、生态环境部门农用地土壤污染状况详查等已有监测站点，构建耕地资源动态监测网络。就土壤条件缺失和异常数据，开展土壤性状监测的补充站点。针对江苏省典型土地综合整治项目形成的新增耕地及主要大型新建工业园区的耕地，进行现有样点的加密 森林资源 林长制督查、林权确权登记、森林资源监督管理、碳达峰碳中和、自然资源资产清查、生态保护修复、国土空间规划等 种类（森林类型、植被类型、优势树种）、数量（森林覆盖率及各类森林面积、各类森林储量及其变化（包括蓄积量、生物量、碳储量）、各类森林面积增长量和减少量、毛竹和其他竹株数及其变化）、质量（平均胸径、平均树高、郁闭度/覆盖度、密度、单位面积储量、单位面积生长量、灌木平均高及覆盖度、腐殖质厚度、枯枝落叶厚度、森林健康、森林灾害、自然度）、结构（土地权属、林木权属、起源、龄组、径组、树种（组）结构、林层结构、群落结构）、生态（固碳释氧、水源涵养、土壤保持、防风固沙、生物多样性） 充分利用林业部门森林资源连续清查和森林生态样地等已有监测站点；在连续清查样点和森林生态样地的基础上补充监测样点，建立并逐步完善长期定位的森林动态监测网络 湿地资源 湿地保护修复，碳达峰碳中和战略、履行国际公约、国土空间用途管制、国土空间规划等
种类（湿地类型、植被类型）、数量（湿地面积、各类型湿地面积、植被覆盖面积）、质量（积水状况、溶解氧、土壤含水率、生物量、植物种类、植被群系、植被群系面积、受威胁状况）、结构（权属、植被起源）充分利用林业部门湿地监测框架下（气象、水利、生态环境）湿地样地和湿地生态样地等已有监测站点；在国际重要湿地、重要河湖湿地补充湿地生态监测站；建立并逐步完善长期定位的湿地动态监测网络 水
资
源水资源确权登记、水生态环境修复、自然资源负债表编制、国土空间用途管制等 大气水（降水量、蒸发量、地面温度）、地表水资源数量（河湖水位，河流流速、流量）、地表水资源质量（物理、生物、化学等109项，其中地表水环境质量监测指标24项，集中式生活饮用水地表水源地监测指标5项，集中式生活饮用水地表水源地特定项目80项）、地下水资源数量（水位）、地下水资源质量（常规指标31项、非常规指标54项、特殊用途水质指标18项） 充分利用自然资源、水利、生态环境、气象等相关部门已有的监测样点数据，构建水资源动态监测网络；大气水监测指标依托省气象部门基准站、基本站、一般站开展监测。地表水监测指标中水资源数量的相关河湖水位、河流流速、河流流量，依托省水利部门水文站、水位站开展监测；体现水资源质量的pH值、电导率、溶解氧、浊度、温度、高锰酸盐指数、氨氮、总磷、总氮等基本水质指标，依托省生态环境部门国考、省考断面开展监测；地下水监测指标，依托自然资源及水利部门的国家地下水监测工程开展监测。围绕长江、淮河、大运河、太湖、洪泽湖等重点区域，对监测站点进行加密布设 矿产资源 矿产资源合理利用与保护、国土空间用途管制、生态保护修复等 数量（矿区数量、矿产地数量、资源量、储量）、质量（种类、矿体形态、矿石类型、矿物和化学成分、品位、选冶性能、规模）、结构（未利用、占用、残留、压覆） 利用自然资源部门现有成果，发挥管理相关数据库及矿区、矿山节点功能，建立矿产资源地面监测站网，全面获取当前江苏省各类矿产资源数量、质量、结构和空间分布现状 海洋资源 海洋资源利用与保护、海洋生态保护修复、海洋国土空间用途管制、海洋自然资源资产所有者职责等 近岸趋势性监测：水文气象（水温、水深、透明度、水色、风向、风速、天气现象、海况）、水体环境（盐度、pH值、溶解氧、叶绿素a、活性磷酸盐、活性硅酸盐、亚硝酸盐、硝酸盐、氨氮、总氮、总磷、化学需氧量、悬浮物）、底泥环境（粒度、有机碳、硫化物、Eh）、生物群落（浮游植物、浮游动物、底栖生物种类和数量）；典型生态系统预警监测：植被、潮间带底栖生物、鸟类栖息地、滨海湿地类及种类，沉积物环境（粒度、含水率、全盐含量、pH值、有机碳、总氮、硫化物、总磷）；海洋灾害与生态风险监测：水文气象（风速、风向、气温、水温、盐度、浊度、透明度）、水体环境（pH值、悬浮物、溶解氧（及电子剖面数据）、氨氮、活性磷酸盐、硝酸盐-氮、亚硝酸盐-氮、活性硅酸盐、海水CO2分压、大气CO2分压、总氮、总磷等）、生物（叶绿素a、浮游植物、浮游动物、大型底栖生物、赤潮生物、浒苔绿潮） 充分利用自然资源主管部门长期开展海洋资源调查预警监测工作建成的岸基站、桩基平台、浮标、雷达、视频监控、海上船舶监测为一体的海洋生态预警地面监测站点，形成点面结合、互为补充、综合协同的全方位多层次海洋资源动态监测网络
下载: 导出CSV
表 4 自然资源监测服务体系构建
Table 4 List of construction of natural resources monitoring service system
分类 自然资源分类 监测要素 感知手段 管理数据 服务“两统一”职责 常规
监测地表覆盖层 各类自然资源的分布、范围、面积 对地观测 现状数据：基础地理、遥感影像、土地利用现状、耕地后备资源、矿产资源等
规划数据：永久基本农田保护红线、生态保护红线、城镇开发边界、国土规划、交通规划等专项规划
基础管理数据：不动产登记、土地审批、土地供应、矿业权审批等确权登记
耕地保护
执法督查
开发利用
国土空间规划
国土空间用途管制
生态保护修复
资产和权益管理
海洋灾害预警
海洋生态预警
海洋资源利用与保护专项
监测耕地资源 耕地质量、生态状况 地面站点监测为主，对地观测为辅 水资源 水质、地表水资源量、地下水资源量、水资源总量，河流年平均径流量，湖泊水库的蓄水动态，地下水位动态等变化情况 地面站点监测为主，对地观测为辅 森林资源 森林资源的种类、数量、质量、结构、功能、生态状况及变化情况 地面站点监测为主，对地观测为辅 湿地资源 湿地水环境、水质、富营养化、生物多样性、受威胁状况等变化情况 地面站点监测为主，对地观测为辅 海洋资源 海岸带，海域、海岛保护和利用情况；海洋生态灾害（绿潮、赤潮）；海洋水文要素、气象要素、动力环境要素 地面站点监测为主，对地观测为辅 矿产资源 各类矿产资源数量、质量、结构和空间分布现状 地面站点监测为主，对地观测为辅 专题
监测自然资源执法督察 新增建设用地图斑、新增围填海造地图斑、新增矿产资源勘查开采图斑、疑似占用林地图斑 对地观测 现状数据：基础地理、遥感影像、土地利用现状、耕地后备资源、矿产资源等
规划数据：永久基本农田保护红线、生态保护红线、城镇开发边界、国土规划、交通规划等专项规划
基础管理数据：不动产登记、土地审批、土地供应、矿业权审批等确权登记
耕地保护
执法督查
开发利用
国土空间规划
国土空间用途管制
生态保护修复
资产和权益管理
海洋灾害预警
海洋生态预警
海洋资源利用与保护土地节约集约利用监测 建设用地的总面积、批而未供、供而未用的建设用地面积 对地观测 耕地保护 耕地非农、非粮化面积 对地观测 重要生态系统保护和重大工程监测 对生态功能重要地区及自然保护地的重要生态要素按需监测；对土地综合整治、矿山生态修复、海岸带生态修复等进展情况，地面沉降变化等对自然资源及其自然生态空间的影响情况按需监测 对地观测为主，地面站点监测为辅
下载: 导出CSV
-
Chen J, Wu H, Zhang J X, et al. 2022. Building natural resources surveying and monitoring technological system: Direction and research agenda[J]. Acta Geographica Sinica, 77(5): 1041−1055 (in Chinese with English abstract).
Cihai Editorial Committee. 1980. Cihai (in miniature) [M]. Shanghai: Shanghai Lexicography Publishing House (in Chinese).
Cong Y, Zou Y C, Lv X G, et al. 2021. Comparison of weltland resoures inventory and weltland Monitoring[J]. Wetland Science, 19(3): 277−284 (in Chinese with English abstract).
Cui W. 2019. Discrimination and recogition of investigation and monitoring of natural reosources[J]. Modern surveying and mapping, 42(4): 17−22 (in Chinese with English abstract).
Ge L S, Xia R. 2022. Research on comprehensive investigation work system of natural resources[J]. Journal of Natural Resources, 35(9): 2254−2269 (in Chinese with English abstract).
Huang X J. 2019. Unified management of natural resources: A new era, new characteristics, and new trend[J]. Resources Science, 41(1): 1−8 (in Chinese with English abstract).
Huang L, Wang A H, Chen J, et al. 2020. Application of domestic satellite remote sensing technology in natural resources survey and monitoring[J]. Geospatial Information, 18(5): 73−75 (in Chinese with English abstract).
Li D R. 2012. On space−air−ground integrated earth observation network[J]. Ournal of geo−information science, 14(4): 419−425 (in Chinese with English abstract).
Li H. 2018. Advance and prospects on cultivated land quality evaluation and monitoring in China[J]. Anhui agricultural sciences, 46(35): 14−16,18 (in Chinese with English abstract).
Liu D H, Dong T, Li Y P, et al. 2022. Reflections on the construction of marine natural resources survey and monitoring system[J]. Science of Surveying and Mapping, 47(8): 36−44, 78 (in Chinese with English abstract).
Liu X H, Liu X J, Cheng S B, et al. 2020. Construction of a national natural resources comprehensive observation system and key technologies[J]. Resources Science, 42(10): 1849−1859 (in Chinese with English abstract).
Ministry of Natural Resources of the People's Republic of China. 2018. Notice on Printing and Distributing the Outline of the Scientific and Techonological Innovation and Development Plan for Natural Resources[Z/OL].https://gi.mnr.gov.cn/201811/t20181113_2358751.html(in Chinese).
Ministry of Natural Resources of the People's Republic of China. 2020.Notice of the Ministry of Natural Resources on Printing and Issuing the Overall Plan for the Construction of the Natural Resources Investigation and Monitoring System[Z/OL].https://www.gov.cn/zhengce/zhengceku/2020-01/18/content_5470398.htm(in Chinese).
Peng L, Yin Z Q, Jin A F, et al. 2023. Status and enlightenment of natural resources monitoring and observation network construction in China and aboard[J]. Geological Bulletin of China, 42(12): 2156−2164 (in Chinese with English abstract).
Qian J L, Yang B, Zhang H, et al. 2020. Development of an indicator system of wetland resources based on multidimensional comprehensive observation[J]. Resources Science, 42(10): 1921−1931 (in Chinese with English abstract).
Qian J L, Ni S B, Xu D X, et al. 2021. An Analysis of the Importance of Constructing a Comprehensive Observation Network of Natural Resources Elements[J]. China's land resources economy, (8): 28−36 (in Chinese with English abstract).
Qin Y Z, Tuo S F, Liang X, et al. 2020. Evolution trend of cultivated land quality change in guangxi in the last 35 years based on Long−term location monitoring[J]. Chinese Journal of Soil Science, 51(6): 1290−1296 (in Chinese with English abstract).
Shen Y H, Zhang X R, Liu X H, et al. 2022. An integrated space−aerial−ground monitoring system and applications for natural resources elements[J]. Resources Science, 44(8): 1696−1706 (in Chinese with English abstract).
Wang Y C, Peng Y, Liu X H, et al. 2021. Establishment needs and development trends of comprehensive observation system for national natural resource elements[J]. Geological Survey of China, 8(2): 47−54 (in Chinese with English abstract).
Xu T Y. 2019. Application of remote sensing in natural resources work[J]. Surveying and Mapping Bulletin, (S1): 90−92 (in Chinese with English abstract).
Yang Z Y, Li Y J, Wu Y T, et al. 2021. National groundwater monitoring project (natural resources section) achievements in West Liaohe plain[J]. Geological survey of China, 8(1): 108−113 (in Chinese with English abstract).
You S C, He Y. 2020. The status and development of remote sensing monitoring system of natural resources[J]. Radio Engineering, 50(5): 343−348 (in Chinese with English abstract).
You S C, Zhang R, Dong L N, et al. 2020. Framework and key technologies for natural resources satellites remote sensing monitoring[J]. Geomatics world, 27(5): 115−120,128 (in Chinese with English abstract).
Zhang H, Wang S Q, Wang L, et al. 2020. Discussion on the indicator system of comprehensive observation of natural resource elements[J]. Resources Science, 42(10): 1883−1899 (in Chinese with English abstract).
陈军, 武昊, 张继贤, 等. 2022. 自然资源调查监测技术体系构建的方向与任务[J]. 地理学报, 77(5): 1041−1055. doi: 10.11821/dlxb202205001 辞海编辑委员会. 1980. 辞海(缩印本)[M]. 上海: 上海辞书出版社. 崔巍. 2019. 对自然资源调查与监测的辨析和认识[J]. 现代测绘, 42(4): 17−22. 丛毓, 邹元春, 吕宪国, 等. 2021. 湿地资源调查与湿地监测的比较研究[J]. 湿地科学, 19(3): 277−284. 葛良胜, 夏锐. 2022. 自然资源综合调查业务体系框架[J]. 自然资源学报, 35(9): 2254−2269. 黄贤金. 2019. 自然资源统一管理: 新时代、新特征、新趋向[J]. 资源科学, 41(1): 1−8. 黄露, 王爱华, 陈君, 等. 2020. 国产卫星遥感技术在自然资源调查监测中的应用[J]. 地理空间信息, 18(5): 73−75. doi: 10.3969/j.issn.1672-4623.2020.05.017 李德仁. 2012. 论空天地一体化对地观测网络[J]. 地球信息科学学报, 14(4): 419−425. 李河. 2018. 中国耕地质量评价和监测研究进展与展望[J]. 安徽农业科学, 46(35): 14−16,18. doi: 10.3969/j.issn.0517-6611.2018.35.005 刘大海, 董通, 李彦平, 等. 2022. 关于海洋自然资源调查监测体系构建的思考[J]. 测绘科学, 47(8): 36−44,78. 刘晓煌, 刘晓洁, 程书波, 等. 2020. 中国自然资源要素综合观测网络构建与关键技术[J]. 资源科学, 42(10): 1849−1859. 彭令, 殷志强, 金爱芳, 等. 2023. 国内外自然资源监测与观测网络建设现状及经验启示[J]. 地质通报, 42(12): 2156−2164. doi: 10.12097/j.issn.1671-2552.2023.12.011 钱建利, 杨斌, 张贺, 等. 2020. 基于立体综合观测的湿地资源观测指标体系构建[J]. 资源科学, 42(10): 1921−1931. 钱建利, 倪舒博, 徐多勋, 等. 2021. 浅析构建自然资源要素综合观测网络重要意义[J]. 中国国土资源经济, (8): 28−36. 覃迎姿, 陀少芳, 梁雄, 等. 2020. 基于长期定位监测下的近35年广西耕地质量演变趋势研究[J]. 土壤通报, 51(6): 1290−1296. 沈运华, 张秀荣, 刘晓煌, 等. 2022. 天空地一体化自然资源要素监测体系及其应用[J]. 资源科学, 44(8): 1696−1706. doi: 10.18402/resci.2022.08.12 王远超, 彭毅, 刘晓煌, 等. 2021. 全国自然资源要素综合观测体系建设需求及发展动态[J]. 中国地质调查, 8(2): 47−54. 许桃元. 2019. 遥感在自然资源工作中的应用浅析[J]. 测绘通报, (S1): 90−92. 杨志岩, 李元杰, 武永涛, 等. 2021. 国家地下水监测工程(自然资源部分)西辽河平原监测区建设成果概述[J]. 中国地质调查, 8(1): 108−113. 尤淑撑, 何芸. 2020a. 自然资源遥感监测体系建设现状与发展展望[J]. 无线电工程, 50(5): 343−348. doi: 10.3969/j.issn.1003-3106.2020.05.001 尤淑撑, 张锐, 董丽娜, 等. 2020b. 自然资源卫星遥感常态化监测框架设计及关键技术[J]. 地理信息世界, 27(5): 115−120,128. doi: 10.3969/j.issn.1672-1586.2020.05.019 张贺, 王绍强, 王梁, 等. 2020. 自然资源要素综合观测指标体系探讨[J]. 资源科学, 42(10): 1883−1899. 自然资源部. 2018. 关于印发自然资源科技创新发展规划纲要的通知[Z/OL].https://gi.mnr.gov.cn/201811/t20181113_2358751.html. 自然资源部. 2020.自然资源部关于印发《自然资源调查监测体系构建总体方案》的通知[Z/OL]. https://www.gov.cn/zhengce/zhengceku/2020-01/18/content_5470398.htm -
期刊类型引用(2)
1. 任乐，丁启振，周殷竹，周金龙. 吐鲁番市高昌区南部绿洲区低水位期地下水化学变化规律及来源解析. 环境科学. 2025(01): 227-238 . 
百度学术
2. 张书缘，张威，董一慧，朱玉晨，刘雅慈，王妍妍，王平，李佳乐，孔祥科. 滹沱河石家庄段浅层地下水回补过程中磺胺类抗生素污染特征及风险评价. 地质通报. 2024(04): 620-629 . 本站查看
其他类型引用(2)
计量
- 文章访问数: 5715
- HTML全文浏览量: 4228
- PDF下载量: 1032
- 被引次数: 4
