《International Journal of Greenhouse Gas Control》：Geochemical monitoring for carbon capture and storage projects: Quantifying risk through statistical methods
编辑推荐：
碳捕集与封存（Carbon Capture and Storage，CCS）为减少温室气体排放提供了可行路径，但地下或地质封存二氧化碳（CO2）存在固有的泄漏风险，可能对环境产生不利影响，尤其是对地下饮用水源（Underground Sources of Dr
碳捕集与封存（Carbon Capture and Storage，CCS）为减少温室气体排放提供了可行路径，但地下或地质封存二氧化碳（CO2）存在固有的泄漏风险，可能对环境产生不利影响，尤其是对地下饮用水源（Underground Sources of Drinking Water，USDWs）。注入前对上覆含水层开展监测，可针对对CO2泄漏敏感的指标建立地球化学基线，从而在注入期或注入后识别含水层化学性质的变化。尽管自然基线在该监测体系中至关重要，但现有基线常基于有限的注入前数据建立，例如仅连续一年按季度采样，这种短期方案限制了利用均值、标准差等常规统计指标对未来水样进行评估的能力。长期含水层化学记录可用于两方面：一是评估短期监测建立自然基线的稳健性，二是为缺乏数据的相似岩性区域提供替代记录。研究人员分析了公开可用的长期（超过3年）地球化学数据集，重点关注碱度，以评估识别地球化学异常统计方法的适用性。通过构建简单的岩性特异性统计模型，形成了注入后地球化学数据的解读框架，能够区分自然波动与潜在CO2泄漏影响。该研究最终旨在通过提供偏离基线测量值的地球化学数据定量解读方法，推动建立更有效的CCS项目地球化学监测策略。
《International Journal of Greenhouse Gas Control》刊发的这项研究，聚焦碳捕集与封存（CCS）项目地下水环境监测的核心痛点展开系统性工作。研究背景源于全球应对大气CO2浓度上升的迫切需求，CCS被视为实现净零排放的必要技术手段，但捕获、运输与地下封存各环节均存在技术风险，其中确保封存安全性、避免地下水污染是最关键的监管关切点——美国环保署（EPA）明确要求将地下饮用水源（USDWs）纳入严格保护范畴。当前监管框架要求注入前建立上覆含水层地球化学基线，并在注入全周期持续监测以识别泄漏信号，但现实中存在显著局限：多数项目基线采集周期不足1年，难以覆盖季节性波动与长期变异，且现有阈值判定多采用固定标准（如EPA最大污染物水平MCLs），无法区分自然波动与泄漏驱动的异常，导致误判风险较高。同时，不同岩性含水层对CO2泄漏的响应存在显著差异——碳酸盐岩含水层因方解石等矿物的缓冲作用pH变化不易识别，而碱度升高往往能突破自然变异范围，成为更可靠的泄漏指示指标，但这一特性尚未被充分整合到监测统计模型中。在此背景下，研究旨在通过挖掘公开长期地下水数据，构建岩性特异性的概率化异常识别框架，解决短期基线代表性不足、跨场地数据迁移困难的问题。
研究采用的关键技术方法包括：从美国国家水质数据库（NWQD）筛选爱德华兹-特里尼蒂含水层系统（碳酸盐岩岩性）与丹佛盆地含水层系统（硅质碎屑岩岩性）的长期碱度记录，经质量控制后保留4口代表性监测井；从俄亥俄州环保局（OEPA）数据库提取78口砂岩与石灰岩含水层井的碱度数据集（共1822个测量值），剔除Z值超过±3倍标准差的离群点；对单井碱度时间序列计算累积均值与标准差，拟合正态分布与对数正态分布的概率密度函数（PDF）与累积分布函数（CDF），采用均方根误差（RMSE）与柯尔莫哥洛夫-斯米尔诺夫检验（KS检验）评估分布拟合优度，最终构建以均值为条件的岩性特异性对数正态统计模型。
研究结果部分，首先在“公共数据作为类比的适用性”中发现：同岩性不同井的碱度特征差异显著，丹佛盆地两口硅质碎屑岩井的碱度范围无重叠，均值相差65 mg/L，而爱德华兹-特里尼蒂含水层两口碳酸盐岩井的碱度范围重叠且均值接近，表明直接迁移离散点位数据存在风险，但岩性内部的统计规律仍具参考价值。其次在“时间趋势分析”中揭示：硅质碎屑岩含水层的碱度绝对变异更低（变异系数CV约2.3%-3.6%），但不同井间差异大；碳酸盐岩含水层碱度范围更一致，但内部变异更高（CV约4.1%-4.5%），两类含水层的碱度标准差均随采样时长增加而收敛至稳定值，证实延长基线监测周期的必要性。随后在“分岩性统计模型构建”环节，通过拟合发现碱度标准差服从对数正态分布，且与均值呈弱正相关（硅质碎屑岩r=0.36，碳酸盐岩r=0.37，p均<0.05），据此构建了以均值为条件的系列CDF模型，可针对不同碱度水平的含水层预测自然变异的概率边界——硅质碎屑岩的标准差分布更分散，碳酸盐岩则更集中。最后在“CCS监测应用验证”中，以实际井数据模拟短期基线场景：当硅质碎屑岩井出现24 mg/L的碱度升高时，模型给出56%的自然变异概率；碳酸盐岩井出现25 mg/L升高时，因短期基线均值偏低，模型给出68%的异常概率，若采用全周期均值则降至29%，验证了模型对基线代表性的依赖。研究进一步指出，模型对小幅异常的判别价值最高——当碱度升高达60 mg/L（文献报道的最低泄漏增幅）时，异常概率超过95%，可直接触发预警。
讨论部分强调，该统计框架可作为现有CCS监测流程的补充筛查工具，通过量化异常属于自然变异的概率，减少因基线不确定性导致的误报，优化监测资源分配。研究结论明确：公开长期地下水数据经岩性特异性统计建模后，可有效支撑新项目基线优化与异常解读；碱度作为CO2泄漏指示指标，其变异规律具有显著岩性依赖性，分岩性概率模型能更准确区分自然波动与泄漏信号；该方法无需替换现有监测体系，仅需在常规数据分析阶段增加概率评估环节，即可提升决策的科学性。研究最终为地质碳封存的环境风险评估提供了可量化的统计工具，弥补了传统阈值法无法处理不确定性的缺陷。
