The Milano Metropolitan Area [named FUA (functional urban area)] has a history of heavy industrialization causing a large portion of area being affected by significant diffuse contaminations of soil and groundwater. Among the various contaminants, chlorinated solvents (e.g., tetrachloroethylene and trichloroethylene) are the most used in industrial processes and represent the major cause of groundwater pollution within the FUA. The background diffuse contamination generated by these pollutants is so persistent and widely spread that makes it extremely challenging to identify the sources responsible for their release. Such background contamination originates from the overlapping of both known sources (point sources), associated to specific high release of contamination, and unknown small sources (multiple point sources), clustered within a large area, whose release is low but persistent. The aim of this article is to present the methodology, developed within the framework of the AMIIGA Project (Interreg Central Europe Grant N° CE32), which combines multivariate statistical analysis and groundwater numerical modeling in order to separate the point sources contribution from the background diffuse contamination, and supporting public authorities in the management of groundwater remediation. A methodological workflow is proposed guiding local and regional institutions to use the methodology (i.e., exploratory analysis of big dataset, simulation of groundwater flow and transport, multivariate and geostatistical analysis) to assess diffuse pollution background levels in large urbanized areas.

中文翻译：

---

功能性城市地区弥漫性污染背景水平 (DPBL) 评估的多方法综合方法：米兰西北地区的 PCE 案例

米兰都市区[命名为 FUA（功能城区）] 有着重工业化的历史，导致大部分地区受到土壤和地下水严重扩散污染的影响。在各种污染物中，氯化溶剂（例如，四氯乙烯和三氯乙烯）在工业过程中使用最多，并且是 FUA 内地下水污染的主要原因。这些污染物产生的背景扩散污染是如此持久和广泛传播，这使得确定造成其释放的来源极具挑战性。这种背景污染源于与特定高污染释放相关的已知源（点源）和未知小源（多点源）的重叠，聚集在大范围内，释放量低但持久。本文的目的是介绍在 AMIIGA 项目（Interreg Central Europe Grant N° CE32）框架内开发的方法，该项目结合了多变量统计分析和地下水数值建模，以便将点源贡献与背景漫反射分开污染，并支持公共当局管理地下水修复。提出了一种方法论工作流程，指导地方和区域机构使用该方法论（即大数据集的探索性分析、地下水流动和运输模拟、多变量和地质统计分析）来评估大城市化地区的扩散污染背景水平。本文的目的是介绍在 AMIIGA 项目（Interreg Central Europe Grant N° CE32）框架内开发的方法，该方法结合了多变量统计分析和地下水数值建模，以便将点源贡献与背景漫射分开污染，并支持公共当局管理地下水修复。提出了一种方法论工作流程，指导地方和区域机构使用该方法论（即大数据集的探索性分析、地下水流动和运输模拟、多变量和地质统计分析）来评估大城市化地区的扩散污染背景水平。本文的目的是介绍在 AMIIGA 项目（Interreg Central Europe Grant N° CE32）框架内开发的方法，该方法结合了多变量统计分析和地下水数值建模，以便将点源贡献与背景漫射分开污染，并支持公共当局管理地下水修复。提出了一种方法论工作流程，指导地方和区域机构使用该方法论（即大数据集的探索性分析、地下水流动和运输模拟、多变量和地质统计分析）来评估大城市化地区的扩散污染背景水平。它结合了多元统计分析和地下水数值模型，以将点源贡献与背景扩散污染分开，并支持公共当局管理地下水修复。提出了一种方法论工作流程，指导地方和区域机构使用该方法论（即大数据集的探索性分析、地下水流动和运输模拟、多变量和地质统计分析）来评估大城市化地区的扩散污染背景水平。它结合了多元统计分析和地下水数值模型，以将点源贡献与背景扩散污染分开，并支持公共当局管理地下水修复。提出了一种方法论工作流程，指导地方和区域机构使用该方法论（即大数据集的探索性分析、地下水流动和运输模拟、多变量和地质统计分析）来评估大城市化地区的扩散污染背景水平。