1. 课程导入与任务总览

工业园区排污口分布与风险制图,本质上是一项“把分散的排放信息变成可决策的空间证据”的工作。它要回答三个层层递进的问题:园区里有哪些排污口、它们在哪里、各自排什么;这些排放对受纳水体与周边敏感受体意味着多大风险;以及如何把这种风险以地图和图表的形式稳定地表达出来,供日常监管、应急响应和规划决策使用。本课程围绕这三个问题展开,最终产出一套可复用的“排污口—排放特征—受纳环境—风险等级”制图成果。

需要先明确一个认识:排污口分布图不等于风险图。分布图只解决“位置与属性”的表达,风险图还必须叠加排放强度、污染物毒性、受纳水体稀释能力、下游敏感受体距离与保护目标等因子,并通过统一的评价规则把多维信息压缩为可比较的等级。因此本课程的学习路径是“先摸清对象,再建立规则,最后完成制图与表达”,而不是一上来就画图。

课程要解决的核心任务

整门课程可以归纳为一条从数据到决策的主线,下图展示了这条主线上的关键环节及其输入输出关系。请注意,图中每个环节都对应后续章节的具体技能,本节只需建立整体框架感。

排污口分布与风险制图总体框架 ① 对象清查 排污口编号 / 坐标 类型 / 受纳水体 ② 排放特征 流量 / 污染物种类 浓度 / 排放规律 ③ 受纳环境 水体功能 / 稀释能力 下游敏感受体 ④ 风险评价 因子权重 等级划分 ⑤ 制图与表达 符号分级 / 风险色带 / 图例与注记 专题图 + 统计图表 + 说明 数据复核反馈 最终产出:园区排污口分布图 + 风险分级图 + 风险清单与制图说明 支撑日常监管、应急溯源、规划选址与年度环境风险评估

学习路径与各环节要点

对象清查是全部工作的地基。实际工作中,园区排污口信息往往散落在环评文件、排污许可证、竣工验收资料和现场排查记录中,编号规则不统一、坐标精度不一致是常态。本课程会要求建立统一的排污口台账,至少包含:唯一编号、经纬度(建议统一为 WGS84 或园区本地坐标并注明)、排放口类型(工业废水、生活污水、雨水排口、清净下水)、受纳水体名称与断面位置。坐标参照系一旦确定,全文与所有图件必须保持一致,这是后续空间分析不出错的前提。

排放特征决定风险的大小。仅有“有排放”不足以评价,需要流量(m³/d)、主要污染物及浓度(mg/L)、排放时段规律(连续/间歇)。教学示例中可假设某园区有 3 个废水排口,流量分别为 800、350、120 m³/d,COD 浓度分别为 90、150、60 mg/L,这些数值仅用于演示计算流程,不代表真实监测结果。由此可算出各排口的 COD 日排放量,作为风险评价的输入量之一。

受纳环境是风险的“放大器”或“缓冲器”。同样排放量,排入大流量河流与排入小型沟渠,风险差异显著。需要收集受纳水体的功能类别、多年平均流量或容量、下游取水口与敏感目标(居民区、养殖区、保护区)的距离。距离与稀释能力共同决定暴露程度。

风险评价把上述信息压缩为等级。常用做法是选取排放量、污染物毒性、受纳水体敏感性、敏感受体距离等因子,分别归一化后加权求和,再按阈值划分为高、中、低三级。权重与阈值必须在制图前确定并写入说明,避免“先看图后调规则”。

制图与表达是成果落地环节。分布图用点符号表达位置与类型,风险图用颜色或符号大小表达等级,并配套图例、比例尺、指北针、数据来源与制图日期。图面信息要能让人一眼看出“哪些排口需要优先关注”。

一份可直接使用的排污口台账字段示例

下面给出本节可直接参考的台账结构,字段按实际制图需要设置,可根据园区规模增删。建议以表格形式维护,并保留“数据来源”与“更新日期”两列,便于追溯。

字段 说明 示例值
排口编号园区内唯一,建议“园区码-P-序号”GY01-P-003
经度 / 纬度统一坐标系,保留 6 位小数113.456789 / 23.123456
排口类型工业废水 / 生活污水 / 雨水 / 清净下水工业废水
受纳水体名称及功能类别东排渠(Ⅳ类)
设计流量m³/d350
主要污染物种类及浓度 mg/LCOD 150、氨氮 12
排放规律连续 / 间歇(注明时段)间歇,8:00–18:00
下游敏感目标类型与最近距离 m居民区,约 1200
数据来源许可证 / 环评 / 现场核查排污许可证
建议在课程开始时就建立这份台账的空白模板,后续每章完成的成果都回填其中。这样到制图阶段,数据已经结构化,不必临时拼凑。

学习成果与判断标准

完成本课程后,你应当能够独立完成一套园区排污口风险制图成果,并满足以下可检验的标准:台账中每个排口都有唯一编号与一致坐标;排放特征数据有明确来源;风险评价规则(因子、权重、阈值)书面化且可复现;图件图例完整、等级与规则一致;风险清单能按等级排序并给出优先管控建议。这些标准也是后续各章练习的验收依据。

最后提醒一点:风险制图的价值在于“可更新”。园区排口会新增、搬迁或关停,受纳水体功能也可能调整。因此从第一节起就应把数据组织成可维护的结构,而不是一次性画死的图片。带着这个意识进入后续学习,你会更容易理解每个环节为什么要这样设计。