能昌信，張弦，劉景財，徐亞

1.山東工商學(xué)院信息與電子工程學(xué)院

2.中國環(huán)境科學(xué)研究院固體廢物污染控制技術(shù)研究所

目前我國城市固體廢物的處理方式仍以填埋為主，填埋場的堆體高度隨著城市垃圾清運量的增長而不斷增加，堆體穩(wěn)定性問題也隨之暴露。填埋場一旦出現(xiàn)失穩(wěn)破壞，會引起滲濾液外流、廢氣排放等環(huán)境污染問題，甚至還會造成人員傷亡[1-2]。滲濾液水位過高會對堆體穩(wěn)定性造成很大影響。我國多數(shù)填埋場運行數(shù)年后，滲濾液導(dǎo)排系統(tǒng)會出現(xiàn)淤堵失效等問題，在一些南方地區(qū)由于天氣濕潤多雨，加上填埋場雨污分流系統(tǒng)不完善，導(dǎo)致這些地區(qū)填埋場滲濾液水位普遍較高，容易發(fā)生堆體失穩(wěn)事故[3]。而且我國填埋場設(shè)計標(biāo)準(zhǔn)規(guī)定填埋場底部滲濾液水位應(yīng)低于30 cm。因此，對填埋場滲濾液水位進(jìn)行探測和管控至關(guān)重要。

高密度電法作為中淺層工程勘察的一種勘探方法，具有無損、快速、時空高分辨率等優(yōu)點，目前在工程地質(zhì)、工業(yè)場地污染和固廢堆場滲漏監(jiān)測等方面得到廣泛研究和應(yīng)用[4-6]。付士根等[7]利用高密度電法對填埋場滲濾液進(jìn)行探測，根據(jù)低阻區(qū)域分布特征，識別了滲濾液空間分布和液位高度等信息；張健智[8]采用高密度電法并結(jié)合鉆孔驗證，證實了電阻率剖面圖上的低電阻率區(qū)域與滲濾液的堆積有關(guān)。傳統(tǒng)的高密度電法裝置，如溫納裝置[9]的視電阻率剖面圖呈倒梯形，隨著測量深度的加深，剖面圖所能反映的信息越少，分辨率也隨之降低。因此當(dāng)滲濾液堆積在填埋場底部時，傳統(tǒng)的高密度電法裝置獲取到的數(shù)據(jù)中包含滲濾液的信息較少，分辨率也低?；诖?，筆者在傳統(tǒng)的高密度電法裝置上加以改進(jìn)，提出了川形探測裝置，使得采集的數(shù)據(jù)中包含更多的滲濾液信息。

另一方面，填埋場底部往往鋪有HDPE（High Density Polyethylene, 高密度聚乙烯）膜，當(dāng)滲濾液堆積在填埋場底部時，若采用傳統(tǒng)的最小二乘（LS）法進(jìn)行反演，反演結(jié)果會受到HDPE膜高阻特性的影響，無法準(zhǔn)確識別出HDPE膜上的滲濾液區(qū)域。目前人工神經(jīng)網(wǎng)絡(luò)[10]因其在輸入與輸出間具有優(yōu)良的非線性映射能力，許多學(xué)者將其用在電阻率反演問題上，并取得了大量的研究成果[11-15]。BP神經(jīng)網(wǎng)絡(luò)作為人工神經(jīng)網(wǎng)絡(luò)中最具代表性的網(wǎng)絡(luò)之一，在電阻率反演領(lǐng)域也得到了廣泛的應(yīng)用。本研究表明，使用BP神經(jīng)網(wǎng)絡(luò)的方法代替LS法進(jìn)行反演，可以有效地消除HDPE膜邊界效應(yīng)的影響，提高滲濾液水位探測的分辨率。

綜上所述，針對填埋場環(huán)境下傳統(tǒng)高密度電法探測裝置及其反演方法存在的不足，本文構(gòu)建了川形探測裝置，并采用BP神經(jīng)網(wǎng)絡(luò)模型算法對采集信息進(jìn)行反演，實現(xiàn)填埋場堆體內(nèi)滲濾液不同水位高度的電勢數(shù)據(jù)到真實電阻率數(shù)據(jù)間的非線性反演。將川形裝置采集的電勢作為BP神經(jīng)網(wǎng)絡(luò)的輸入，將真實電阻率數(shù)據(jù)作為輸出進(jìn)行訓(xùn)練，由此得到采集數(shù)據(jù)和電阻率數(shù)據(jù)間的非線性映射關(guān)系。通過仿真數(shù)據(jù)和實例數(shù)據(jù),對BP神經(jīng)網(wǎng)絡(luò)和LS法的反演結(jié)果進(jìn)行對比[16]，驗證了基于川形裝置的BP神經(jīng)網(wǎng)絡(luò)可以較準(zhǔn)確地找出滲濾液的位置與水位高度，而LS法由于受到HDPE膜邊界效應(yīng)的影響，無法得出滲濾液的位置與水位高度等信息。

1 模型和方法

1.1 基本框架和流程

人工神經(jīng)網(wǎng)絡(luò)的非線性反演是通過對樣本數(shù)據(jù)的訓(xùn)練，得到一個能正確解釋采集數(shù)據(jù)的網(wǎng)絡(luò)模型。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)電阻率反演方法，是利用神經(jīng)網(wǎng)絡(luò)在視電阻率與真實電阻率之間形成非線性映射，但由于川形裝置的特殊結(jié)構(gòu)，無法獲取到測線下方視電阻率與其位置的一一對應(yīng)關(guān)系。因此筆者采用的基于川形裝置的電阻率反演方法，是將電勢數(shù)據(jù)經(jīng)過數(shù)據(jù)預(yù)處理后作為神經(jīng)網(wǎng)絡(luò)的輸入，測線下方真實的電阻率數(shù)據(jù)作為輸出，即是在采集的電勢數(shù)據(jù)和真實電阻率數(shù)據(jù)間形成非線性的映射關(guān)系。

使用神經(jīng)網(wǎng)絡(luò)對電勢數(shù)據(jù)進(jìn)行反演時，首先需要獲得堆體內(nèi)滲濾液在不同高度的電勢數(shù)據(jù)，其次利用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)電勢數(shù)據(jù)與滲濾液信息（滲濾液所處位置與水位高度等）間的關(guān)系。利用COMSOL Multiphysics仿真軟件(版本5.5)模擬獲得川形裝置采集的電勢數(shù)據(jù)樣本，以模擬數(shù)據(jù)為基礎(chǔ)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。為驗證BP神經(jīng)網(wǎng)絡(luò)方法應(yīng)用于垃圾填埋場滲濾液水位反演問題的可行性和有效性，分別利用COMSOL模型獲得的仿真測試集和現(xiàn)場采集的數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)的滲濾液水位識別結(jié)果進(jìn)行驗證。川形裝置數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)的框架和流程如圖1所示。

圖1 川形裝置數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)反演框架和流程Fig.1 Framework and process of neural network inversion of data of C-ERT

1.2 填埋場數(shù)據(jù)采集裝置與方法

高密度電法裝置是通過對創(chuàng)建的地下穩(wěn)定電流場進(jìn)行觀察和研究，達(dá)到勘探目的。若要采用高密度電法獲得堆體底部的滲濾液的水位信息，測線上供電電極建立起的電流場必須流經(jīng)大部分滲濾液堆積的區(qū)域。傳統(tǒng)的高密度電法裝置是在一條測線上布有等間距排列的電極，電極間距的設(shè)置對探測深度有很大影響。當(dāng)極間距過小時，絕大部分電流將無法流經(jīng)滲濾液區(qū)域，不能獲得包含滲濾液水位信息的數(shù)據(jù)；當(dāng)增大極間距時，雖然探測深度會增加，但在深處的分辨率會降低，而且經(jīng)常受到場地規(guī)模限制，電極間距無法設(shè)置得太大。因此傳統(tǒng)的高密度電法裝置獲得的滲濾液信息有限，并且反映的只是一根測線上的情況，無法獲得整個場地的滲濾液信息。針對傳統(tǒng)高密度電法裝置在探測堆體底部滲濾液問題上存在的不足，筆者提出了基于高密度電法的川形測量裝置（圖2）。

圖2 川形裝置結(jié)構(gòu)示意Fig.2 Schematic diagram of C-ERT structure

川形裝置主要由3條布有電極的平行測線、工控機(jī)、信號源、采集單元等構(gòu)成，因為3條測線等間距布設(shè)，近似為“川”字，因此稱為川形裝置。川形裝置利用外側(cè)的2條測線(測線1和測線3)上的電極做供電電極，中間測線(測線2)上的電極做測量電極，供電電極的極間距是測量電極極間距的2倍，其中測線1與測線3的線間距布置為堆體高度的4～6倍為宜。供電電極A在測線1上，供電電極B在測線3上，由于供電電極在不同的測線上，且相距較遠(yuǎn)，電流從供電電極A到達(dá)供電電極B，大多數(shù)電流會流經(jīng)堆體底部的滲濾液區(qū)域，電流流線如圖3所示。因此川形裝置建立的電流場中，電流中可以攜帶大量的滲濾液水位信息，提高垃圾填埋場滲濾液水位的分辨率。

圖3 電流流線示意Fig.3 Schematic diagram of current flow lines

川形裝置由128個電極組成，其中32個電極作為供電電極A在測線1上，32個電極作為供電電極B在測線3上，64個電極作為測量電極M在測線2上。采集方式為：供電電極A1供正電，供電電極B1～B32依次供負(fù)電，測量電極為2個供電電極連線與測線2交點的左右側(cè)的2個電極；然后A2供正電，B1～B32依次供負(fù)電，直至正負(fù)電極排列組合完全結(jié)束。具體電極采集方式如表1所示，共可采集2 048 個電勢。

表1 川形裝置電極采集方式Table 1 Electrode collection mode of C-ERT

1.3 填埋場樣本數(shù)據(jù)獲取

神經(jīng)網(wǎng)絡(luò)模型的建立需要大量數(shù)據(jù)樣本參與訓(xùn)練，選取合適的訓(xùn)練樣本會大大提高模型反演結(jié)果的可靠性。一般來說，可以將現(xiàn)場采集的數(shù)據(jù)當(dāng)作訓(xùn)練樣本，但要求獲取的數(shù)據(jù)中要包含觀測目標(biāo)的各種特征信息，因此獲取大量可以支撐模型訓(xùn)練的現(xiàn)場數(shù)據(jù)十分困難。而仿真模擬軟件的快速發(fā)展，為解決樣本數(shù)據(jù)難以獲取的問題提供了新的思路，已有學(xué)者通過試驗對仿真模型數(shù)據(jù)的真實性和可靠性進(jìn)行了驗證[17]。筆者采用仿真模擬模型獲得滲濾液水位在不同高度條件下的電勢數(shù)據(jù)，為后續(xù)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)奠定數(shù)據(jù)基礎(chǔ)。

1.3.1 滲濾液模型構(gòu)建

填埋場內(nèi)部通常含有生活垃圾、重金屬、滲濾液等介質(zhì)，其中滲濾液與其他介質(zhì)的電阻率差異性較大[18-19]。本研究的數(shù)據(jù)采集位置是在填埋場庫底，此處的滲濾液極易堆積在堆體下方，由于堆體與滲濾液堆積的電阻率差異較大，因此二者會出現(xiàn)明顯的分層結(jié)構(gòu)。通過COMSOL仿真軟件建立了滲濾液模型，模擬滲濾液在堆體中的堆積情況，以研究滲濾液與堆體的介質(zhì)、滲濾液堆積高度等差異在電法探測中的數(shù)據(jù)體現(xiàn)，并在模型中鋪設(shè)測線，采集滲濾液與堆體在不同介質(zhì)差異下的電勢，作為反演算法的訓(xùn)練集和測試集。仿真模型的尺寸和設(shè)定的邊界條件均參考了實際場地的先驗信息，建立模型的過程如下：1）建立一個長方體用來模擬堆體；2）在模擬堆體底部放置1個與堆體底面積相同的長方體來模擬滲濾液，滲濾液和堆體存在電阻率差異，并設(shè)定堆體的下表面為HDPE膜，將其電阻率值設(shè)定為1個高阻值；3）在堆體上表面鋪設(shè)3條測線，模擬川形裝置進(jìn)行電勢數(shù)據(jù)采集，另外將川形裝置的測線2再使用溫納方式進(jìn)行采集，用于作為與LS法結(jié)果的對比分析。滲濾液模型如圖4所示。

圖4 填埋場滲濾液仿真模型示意Fig.4 Schematic diagram of landfill leachate simulation model

1.3.2 電場控制方程

上述填埋場滲濾液仿真模型在進(jìn)行探測時的電場分布需要服從以下控制方程[20]：

式中：J為電流密度， A /m2；Q為電場中電荷總量，C；E為電場強(qiáng)度， V /m；Je為位移電流密度， A /m2；σ為電導(dǎo)率， S /m；v為電勢， V 。

1.3.3 邊界和場源設(shè)定

由于填埋場四周與底部鋪有HDPE膜，因此將仿真模型的所有外邊界(除上表面)均設(shè)置為絕緣體，使電流無法流出HDPE膜，以模擬邊界效應(yīng)帶來的影響。一般高密度電法在探測時需要足夠的電流強(qiáng)度，才能使采集的數(shù)據(jù)經(jīng)過反演后較準(zhǔn)確地反映出地下情況，故將電流源強(qiáng)度設(shè)為1 A，又因模型模擬的是直流電法的勘探過程，所以將模型的相對介電常數(shù)設(shè)置為1。按照上述條件設(shè)置模型參數(shù)，模擬川形裝置采集測線上的電勢數(shù)據(jù)[16]。

1.3.4 訓(xùn)練數(shù)據(jù)獲取

滲濾液模型中堆體高度分別為6、7和8 m，滲濾液高度為0.1～3 m，每次增加0.1 m。其中堆體電阻率設(shè)為20～50 Ω·m，滲濾液電阻率設(shè)為2～10 Ω·m。使用川形裝置采集電勢數(shù)據(jù)，通過改變模型中堆體和滲濾液的高度與電阻率，獲得180組電勢數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集。

滲濾液仿真模型是在理想的條件下獲得數(shù)據(jù)，而在現(xiàn)場采集數(shù)據(jù)時，由于現(xiàn)場環(huán)境、人為操作等因素，采集的數(shù)據(jù)中經(jīng)常會存在噪聲干擾，影響數(shù)據(jù)的準(zhǔn)確性。因此通過現(xiàn)場試驗，確定了噪聲值范圍，然后在仿真數(shù)據(jù)中加入均值為0，方差為0.05的高斯噪聲，使得仿真數(shù)據(jù)更加貼近真實值。

1.4 電阻率非線性反演模型

1.4.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種根據(jù)誤差反向傳播算法進(jìn)行訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、隱藏層和輸出層3部分組成，以3層BP神經(jīng)網(wǎng)絡(luò)為例，網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。相鄰的各層神經(jīng)元之間由權(quán)重系數(shù)連接，信號從輸入層輸入，經(jīng)過激活函數(shù)的作用后將信號向下層傳遞，最后由輸出層輸出結(jié)果[21-22]。

圖5 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意Fig.5 Schematic diagram of BP neural network structure

BP神經(jīng)網(wǎng)絡(luò)的基本思想采用梯度下降法，使得網(wǎng)絡(luò)的實際輸出值和目標(biāo)值的誤差均方差（Ek）達(dá)到最小，公式為：

式中：tj為第j個神經(jīng)元的期望輸出；yj為第j個神經(jīng)元的實際輸出；n為輸出層神經(jīng)元個數(shù)。

1.4.2 訓(xùn)練樣本與測試樣本

1.5 方法驗證

采用以下2種方式進(jìn)行網(wǎng)絡(luò)模型驗證：用1.4節(jié)中仿真模型獲取的測試數(shù)據(jù)集Dtest和現(xiàn)場實測數(shù)據(jù)分別進(jìn)行模型驗證。

實測數(shù)據(jù)來源于江西的2座生活垃圾填埋場的川形裝置探測數(shù)據(jù)。填埋場1的底面積為450 m×122 m。填埋場采用重力流直通管進(jìn)行滲濾液導(dǎo)流，由于該地區(qū)降水量大，導(dǎo)致填埋場庫底位置堆存了大量的滲濾液，容易出現(xiàn)填埋場滑坡，造成安全事故，因此需對此位置進(jìn)行檢測。庫底位置位于填埋場靠近滲濾液調(diào)節(jié)池的部分，在庫底位置地面布置3條平行的測線，分別為測線1、測線2、測線3，測線間距為20 m，測線1距填埋區(qū)域最西側(cè)4 m左右，填埋場1的現(xiàn)場測線布置示意如圖6所示。填埋場2的底面積為430 m×110 m，測線同樣布置在滲濾液調(diào)節(jié)池旁，相鄰的測線間距為25 m，測線1距填埋區(qū)域最西側(cè)10 m左右。

圖6 填埋場1現(xiàn)場測線布置示意Fig.6 Schematic diagram of on-site survey line layout in landfill 1

川形裝置按1.2節(jié)描述的方式進(jìn)行供電采集，并對測線2使用溫納裝置進(jìn)行1次采集，使用美國AGI公司研發(fā)的反演軟件（軟件的反演方法為LS法）進(jìn)行反演。將川形裝置采集到的數(shù)據(jù)用BP神經(jīng)網(wǎng)絡(luò)反演，并與LS法結(jié)果進(jìn)行比較，以檢驗本方法的有效性和精度。

2 結(jié)果與討論

2.1 理論模型結(jié)果分析

為了評估BP神經(jīng)網(wǎng)絡(luò)模型的性能，對川形裝置在滲濾液不同水位高度下采集到的電勢數(shù)據(jù)用BP神經(jīng)網(wǎng)絡(luò)反演，然后與傳統(tǒng)的LS法反演結(jié)果進(jìn)行比較。采用均方誤差(MSE)對2種反演算法的性能進(jìn)行評價，定義如下:

式中：z?i為第i個訓(xùn)練樣本的預(yù)測值；zi為第i個訓(xùn)練樣本的真實值。 M SE描述的是算法的預(yù)測值與真實值的誤差，其值越小，說明算法的反演誤差越小。

挑選出2個仿真模型用于比較BP神經(jīng)網(wǎng)絡(luò)和LS法的結(jié)果，定義模型的識別準(zhǔn)確率（acc）為：

式中：So為預(yù)測的滲濾液區(qū)域與實際滲濾液區(qū)域重疊部分的面積；Sp為預(yù)測的滲濾液面積；St為實際滲濾液的面積。

根據(jù)BP神經(jīng)網(wǎng)絡(luò)與LS法的識別準(zhǔn)確率及滲濾液水位信息，對2種算法進(jìn)行分析比較，2個理想模型的示意及對應(yīng)的2種算法的反演結(jié)果如圖7所示。需要說明的是，為了突顯出反演結(jié)果中的滲濾液區(qū)域，特將顯示色階值最大值設(shè)置為背景值(堆體平均電阻率值)的3倍，反演圖中底部的紅色區(qū)域為受HDPE膜的影響的高阻區(qū)域。

從圖7可以看出，對于仿真模型1，BP神經(jīng)網(wǎng)絡(luò)的堆體高度預(yù)測值(紅色區(qū)域以上部分)為6.7 m，比真實值減少了0.3 m，滲濾液高度預(yù)測值為0.8 m，比真實值減少了0.2 m，識別準(zhǔn)確率為78.3%；LS法反演得到堆體高度約為6.3 m，比真實值減少了0.7 m，但由于受到HDPE膜邊界效應(yīng)的影響，并不能看出滲濾液區(qū)域。對于仿真模型2，BP神經(jīng)網(wǎng)絡(luò)的堆體高度預(yù)測值為7.8 m，比真實值減少了0.2 m，滲濾液高度預(yù)測值為1.7 m，比真實值減少了0.3 m，識別準(zhǔn)確率為92.2%；LS法反演得到堆體高度約為7.4 m，比真實值減少了0.6 m，但依舊看不出滲濾液區(qū)域。并且對于仿真模型測試的反演結(jié)果，BP神經(jīng)網(wǎng)絡(luò)的MSE值均小于LS法，表明BP神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差更小，預(yù)測結(jié)果優(yōu)于LS法。

圖7 滲濾液模型及BP神經(jīng)網(wǎng)絡(luò)和LS法的反演結(jié)果Fig.7 Leachate model 1-2 and inversion results of BP and LS

綜上，基于川形裝置的BP神經(jīng)網(wǎng)絡(luò)能有效消除由HDPE膜引起的邊界效應(yīng)的影響，可以較準(zhǔn)確地識別出滲濾液所處位置及水位高度，而傳統(tǒng)的LS法由于受到HDPE膜的影響并不能反映出滲濾液區(qū)域。

2.2 現(xiàn)場實測數(shù)據(jù)反演結(jié)果

對江西的2座生活垃圾填埋場進(jìn)行勘探的區(qū)域均位于填埋場庫底位置，此處由于靠近滲濾液調(diào)節(jié)池，容易造成滲濾液堆積。2座填埋場均采用重力流直通管進(jìn)行滲濾液導(dǎo)流，由于年久失修加上多雨天氣，以致堆體下方堆積了大量滲濾液。實測數(shù)據(jù)的BP神經(jīng)網(wǎng)絡(luò)與LS法的反演結(jié)果如圖8所示。

從圖8可以看出，對于填埋場1，BP神經(jīng)網(wǎng)絡(luò)反演結(jié)果識別出的堆體高度為6.1 m，滲濾液高度為1.8 m；LS 法反演結(jié)果識別出的堆體高度為 5 m，但并不能反映出滲濾液區(qū)域信息。后經(jīng)現(xiàn)場驗證，勘探區(qū)域的堆體高度為6.5 m，堆體下方堆積的滲濾液達(dá)到2 m，BP神經(jīng)網(wǎng)絡(luò)對于現(xiàn)場實測數(shù)據(jù)的識別準(zhǔn)確率為84.3%。對于填埋場2，BP神經(jīng)網(wǎng)絡(luò)反演結(jié)果識別出的堆體高度為8.4 m，滲濾液高度為2.3 m；LS法反演結(jié)果識別出的堆體高度為7.9 m，但同樣不能反映出滲濾液區(qū)域信息。后經(jīng)現(xiàn)場驗證，勘探區(qū)域的堆體高度為8.9 m，堆體下方堆積的滲濾液為2.6 m，BP神經(jīng)網(wǎng)絡(luò)對于現(xiàn)場實測數(shù)據(jù)的識別準(zhǔn)確率為85.9%。綜上，基于川形裝置的BP神經(jīng)網(wǎng)絡(luò)能有效反演出堆體內(nèi)的滲濾液信息，并得到較好的探測結(jié)果，而LS法并不能反映出滲濾液區(qū)域。

圖8 填埋場現(xiàn)場及BP神經(jīng)網(wǎng)絡(luò)和LS法的反演結(jié)果Fig.8 Landfill site map and inversion results of BP and LS

3 結(jié)論

(1) 川形裝置相比于傳統(tǒng)的高密度電法裝置，其建立的人工電流場電流流經(jīng)的區(qū)域更廣，采集的數(shù)據(jù)中包含更多的場地信息。

(2) BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性映射能力，可以實現(xiàn)電勢數(shù)據(jù)到電阻率數(shù)據(jù)的非線性反演。

(3) 基于川形裝置的BP神經(jīng)網(wǎng)絡(luò)能有效消除由HDPE膜所引起的邊界效應(yīng)的影響，準(zhǔn)確反映出填埋場中堆體高度、滲濾液位置和水位高度等信息，識別準(zhǔn)確率約為83.2%，而傳統(tǒng)的LS法并不能反映出堆體內(nèi)的滲濾液信息。

(4) 利用川形裝置進(jìn)行填埋場滲濾液探測，能準(zhǔn)確識別出滲濾液嚴(yán)重堆積的區(qū)域，為后期開展垃圾填埋場的滲濾液治理工作提供物探依據(jù)。