重金屬污染評估方式研究范文

本站小編為你精心準備了重金屬污染評估方式研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1引言

土壤是農業生產的基礎，是人類賴以生存的基石，也是人類食物與生態環境安全的保障。在眾多的污染物中，重金屬超標被普遍認為是造成我國土壤污染的主要原因之一，特別是經濟發達地區的重金屬污染土壤的問題尤其嚴重，日益成為當地環境的重大威脅。據專家估計，我國目前受鎘、砷、鉻和鉛等重金屬污染的耕地面積近3億畝，約占耕地總面積的20%，污水灌溉的農田面積已達4950萬畝［1］。土壤重金屬污染的環境風險評價是管理、控制和治理污染土壤的前提。由于影響重金屬的化學性質、環境行為、生物可利用性以及藥代動力學等各種因素極其復雜，給土壤重金屬環境風險評價帶來很多挑戰［2，3］。目前，有關土壤重金屬污染風險評價的研究仍多集中在對污染物濃度的測定或簡單的風險指數計算，對環境風險狀況的表達還有局限性。本文僅針對近期土壤重金屬污染環境風險評價方法的研究熱點與發展趨勢進行綜述。

2土壤重金屬污染環境風險評價研究現狀

環境風險評價技術是20世紀80年展起來的，主要包括生態風險評價及健康風險評價。生態風險評價是通過組織和分析數據，評價與人類活動相關的一個或多個風險源在暴露過程中對生態系統可能造成的生態效應;健康風險評價則主要側重于人體的健康風險，通過選擇與人類類似的動物進行試驗，以達到保護人類自身的目的［4－7］。對于土壤重金屬的污染評價，國內外學者作了大量的研究，總結出了多種評價方法和模型，主要分為兩類:傳統評價模型和綜合評價模型［8－10］。傳統的評價模型主要為指數法，以數理統計為基礎，將土壤污染程度用比較明確的界限加以區分，已在土壤重金屬評價中得到了廣泛的應用，較常用的有內梅羅指數法、潛在風險指數法、污染指數法等。綜合評價模型綜合考慮了土壤環境質量的模糊性及各污染因素的權重，使評價更具有科學性，概括起來有模糊綜合評價法、層次分析法、灰色聚類法、主成分分析法、神經網絡法和物元分析法等等［11］。近年來，隨著計算機技術和信息技術的發展，地統計學和地理信息系統逐漸被引入到土壤重金屬污染的綜合評價中［12］。環境風險評價的基本特征之一就是不確定性。在各種環境質量評價中，來源于各種外推過程的不確定性，包括物種間外推、實驗室向野外外推、高劑量向低劑量外推等，都需要準確的定量表達。加權綜合能夠較好地揭示不同評價因子間的內在聯系，使評價結果更接近實際情況。但權重的確定大多由專家依據重金屬污染物的毒性、人體對重金屬污染物的吸收以及人體可承受污染物最大閾值的經驗來確定，有一定的主觀色彩，使評價結果存在失真的可能。另外，環境風險評價中的風險標準，即風險可接受水平問題，由于涉及不同人群的利益，不同區域的自然條件和社會經濟水平存在差異，也存在很大不確定性。不確定性的定量化處理是風險評價必須解決的關鍵技術。目前傳統的土壤重金屬污染評價方法都只是通過簡單的數字和表格體現某個區域的污染狀況，不能反映土壤在空間上的污染變化，不能分析區域土壤污染狀況和空間變化趨勢，在污染的邊界上存在著一定的局限和不足之處。根據實際的情況采用多種方法，并借助其他工具結合的綜合評價分析是解決實際問題的有效途徑。

3土壤重金屬污染環境風險評價的研究前沿及主要發展方向

3.1數學模型在土壤重金屬環境風險評價中的選擇與優化

風險產生原因的不確定性使環境風險評價趨于復雜。因為風險評價需要研究人為活動引起環境不利影響的可能性，根據有限的已知資料預測未知后果，這就需要應用大量的數學模型才能完成。數學模型的優劣直接關系到整個風險評價結果的準確。隨著環境風險評價越來越復雜，準確性要求越來越高，發展和完善各種數學模型成為環境風險評價研究的重要方向。目前國內外學者主要采用隨機模擬和模糊的方法進行不確定性的識別、預測。處理不確定性的數學方法主要有概率理論、馬爾可夫模型、模糊集、事件樹、影響圖、啟發式模型等。在突發性風險評價方面，大部分的研究都是以隨機模擬理論為基礎或者是將隨機模擬理論與其它不確定性理論相結合的方法評估突發污染事故定性分析。在累積性風險評價研究上，主要是應用隨機模擬理論、灰色系統理論和模糊理論。我國的環境風險評價剛剛起步，對于風險評價模型的研究甚少。在風險評價過程中，直接引進國外成熟的模型將不失為一種捷徑。由于各種模型在基本原理、適用條件、算法、考慮的介質和過程等方面都可能有較大差異，因此，只有正確甄別模型間的異同和各自的優缺點，才能做到根據實際情況，選擇合適的模型，達到研究目的。

3.1.1模糊數學法

土壤重金屬的污染程度的界限是漸變、模糊的，解決土壤重金屬污染級別模糊邊界的有效方法是引入模糊數學概念。模糊數學法的基本原理是:基于重金屬元素實測值和污染分級指標之間的模糊性，運用模糊線性變換原理，通過隸屬度的計算首先確定單種重金屬元素在污染分級中所屬等級，進而經權重計算確定每種元素在總體污染中所占的比重，最后運用模糊矩陣復合運算，得出污染等級［13－16］。如何合理確定各指標的權重成為應用模糊數學法進行污染評價是否成功的關鍵。模糊數學自1965年由L.A.Zadeh［17］提出以來，已得到較充分的發展，同時被廣泛用于生產實踐中。模糊數學是描述沒有明確界限的模糊事物的數學分析方法，利用模糊變換對各相關因素進行綜合評價。它充分考慮了各級土壤標準界限的模糊性，使評價結果接近于實際;在確定各指標權重時采用最優權系數法，避免了確定評價指標權重的任意性，用于土壤重金屬污染評價有較好的效果［8］。該模型的物理意義是加權平均，將數學運算變成一般矩陣乘法，代表了“加權平均型”的綜合評價［18］。竇磊等［14］改進了針對土壤重金屬污染評價的模糊數學模型和評價因子權重的計算方法，提出了基于污染物濃度和毒性的雙權重因子的模糊綜合評價法，既反映污染物的濃度超標狀況，又反映污染物的毒性作用，使評價更為全面合理。楊西飛等［19］在“模糊”評價指標基礎上，結合Matlab軟件FIS工具，擬建了銅陵礦區農田土壤模糊評價模型，并應用該模型對銅陵礦區農田土壤中重金屬污染進行了相應評價。有效地解決了模糊綜合評價過程中大量的數據處理和復雜計算，提高了數據批處理的準確性和時效性;并可通過其FIS功能將所有模糊評價過程和數據結果以圖形的形式展示出來，使各因子污染程度和綜合評價結果得以充分體現。

3.1.2灰色聚類法

灰色聚類法是在模糊數學方法基礎上發展起來的，相對于模糊數學方法，優點在于不丟失信息，在權重處理上更趨于客觀合理，用于環境質量評價所得結論比較符合實際，具有一定可比性?；疑垲惙ㄍㄟ^計算土壤重金屬污染因子的權重來確定聚類系數，再根據“最大原則法”或“大于其上一級別之和”法確定土壤環境污染程度［8］。其主要步驟是:構造白化函數，引入修正系數，確定污染物權重，再計算聚類系數實現土壤樣本的環境質量等級評判與排序［20－22］。由于一般灰色聚類法最后是按聚類系數的最大值進行分類，忽略了較小的上一級別的聚類系數且完全不考慮他們相互之間的關聯性，從而導致分辨率降低，有可能使評價失真。鑒于此，人們對灰色聚類法進行了改進，開發出灰色關聯分析、寬域灰色聚類分析等多種模型，較好地克服了這一缺點。兩者的區別在于確定聚類對象所屬級別的差異，一般灰色聚類法以“最大原則法”判定，而改進灰色聚類法根據“大于其上一級別之和”法進行判定。XiaoyanShao等［23］采用灰色關聯分析模型對土壤重金屬污染進行生態風險評價，研究證實評估結果與實際情況相符，計算方法簡單并有良好的操作性。黃彩霞等［24］采用寬域灰色聚類法對土壤質量進行評價，并與綜合指數法、模糊綜合評判法相比較，發現寬域灰色聚類法的評價結果較另外兩種方法更為合理。分析認為，寬域灰色聚類法充分考慮了污染級別之間的灰色性，通過修正使相鄰級別的邊界問題解決得較好，提高了分辨率、信息利用率和綜合評價精度。雖然需要建立多個白化函數，計算過程繁瑣，但可以通過計算軟件解決。

3.1.3層次分析理論

環境質量綜合評價，只有通過加權綜合，才能揭示不同評價因子間的內在聯系，使綜合評價結果更接近和符合環境質量的實際情況。加權因子的確定，有多種方法，層次分析法及其改進法就是其中之一。層次分析法(AnalyticalHierarchyProcess)簡稱AHP法，是美國運籌學家薩得T．L．Saaty在20世紀70年代初提出的。這是一種定性和定量相結合的、系統化、層次化的分析方法，特別適用于分析難以完全定量的復雜決策問題，因而很快在世界范圍得到重視并在多種領域廣泛應用［25］。其基本出發點是:在一般決策問題中，針對某一目標，較難同時對若干元素做出精確的判斷。這時可以將這些因素相對于目標的重要性以數量來表示，并按大小排序，以此為決策者提供依據。任意兩元素之間的相對關系，則可以精確表示。假設有n個因素，對任意量因素i和j進行比較，rij表示相對重要性之比，則由rij(ij=1，2…n)構成一個判斷矩陣R=(rij)n×n(此矩陣實際上是對定性思維過程的定量化)。R=r11r12…r1nr21r22…r2n…………rn1rn2…r???????????nn?式中rij=1/rji(i≠j)，rij=1(i=j)。在構造判斷矩陣時，當因素個數較多時，rij的值采用T．L．Saaty提出的1－9標度法。由于判斷過程中存在復雜性和模糊性，較難一次得到滿意(通過一致性檢驗)的判斷矩陣。為此研究人員對層次分析法進行改進，設計了一種三標度法，較易被專家和決策者接受。結構層中的相對權重，采用方根法求解R的歸一化特征向量和特征值，直到滿足一致性檢驗，所求特征向量即為各因子的權重排序。王祖偉、李雪梅等［26，27］在對天津市土壤重金屬污染環境質量評價中，將基于改進AHP法確定的權重應用于綜合指數法、模糊綜合評價法和灰色聚類法中，發現基于改進AHP法確定權重的綜合指數法比內梅羅指數法更具科學性和準確性，基于改進AHP法確定權重的模糊綜合評價法也比常規的模糊綜合評價法更準確一些，但是基于改進AHP法確定的權重并不適用于灰色聚類法中。

3.2地統計學空間技術在土壤重金屬環境風險評價中的發展與應用

土壤重金屬污染物具有高度的空間連續性及空間變異性。重金屬濃度的空間分布狀況可以反映重金屬污染物對人類健康和環境的潛在影響，對于污染源的風險分析和后續評價也非常重要。傳統的評價方法不能反映土壤在空間上的污染變化，不能分析區域土壤污染狀況和空間變化趨勢，尤其在分析大尺度區域的土壤污染時，傳統評價方法和手段就顯示出其本身固有的缺陷和不足［12］?；诖?，地統計學空間技術在土壤重金屬污染風險評價中得到了越來越廣泛的應用［12，28，29］。地統計學又稱克力格法(Kriging)，是利用原始數據和半方差函數的結構性，對未采樣點的區域化變量進行無偏最優估值的一種插值方法。作為空間變異性比較穩健的工具，該方法可以最大限度地保留空間信息，揭示區域土壤各重金屬元素含量的空間分布特征和規律［12］。目前主要有普通克力格法(OrdinalyKriging)、簡單克力格法(SimpleKrig-ing)、塊段克力格法(BlockKriging)、協同克力格法(Co－Kriging)、泛克力格法(UniversalKrig-ing)、指示克力格法(IndictorKriging)、以及對數正態克力格法(LogisticNonormalKriging)等［30］。由于地質統計方法模型眾多，應用條件各異，如何降低預測誤差，提高預測結果的準確度及精度，依然是困擾地統計學研究及應用者的難題。

3.2.1地統計學模型基本理論

地統計學是一種區域化變量的分析方法，原理是由不連續的點狀數據推測連續的面狀區域內的數據分布，其主要目的是結合采樣點提供的信息對未知點進行估計和模擬，以描述整個研究區域的土壤重金屬的空間變異特征。半方差函數是地統計學中的主要工具，一方面是利用半方差函數對參數的空間分布進行結構分析和變異性分析，另一方面是應用結構分析的結果和克力格法進行估值［11］。通常情況下，為了使理論模型能最充分地描述所研究的某一區域化變量的變化規律，在建模過程中要根據半方差函數分布圖初步選擇幾種合適模型進行最優擬合，通過比較平均誤差、均方根預測誤差、平均標準差、標準化誤差和平均標準化誤差等參數和預測誤差圖來選擇最優的模型。在擬合中會得到3個基本的參數C0，C和a。其中，C0:塊金方差，反映了隨機因素或不確定因素對變量空間相關性的影響;C:結構方差，反映了結構因素或確定因素對區域化變量空間自相關性的影響;a:變程，反映了區域化變量在空間上具有相關性的范圍。函數半變異圖形如圖1所示。圖1半變異圖常用的理論模型有:球狀模型(sphericalmodel):r(h)=0h=0C0+C(3h2a－h32a3)0≤h＜aC0+Ch＞{a(1)指數模型(exponentialmodel):r(h)=0h=0C0+C(1－eha)h{＜0(2)高斯模型(gaussianmodel):r(h)=0h=0C0+C(1－eh2a2)h{＜0(3)

3.2.2地統計學與GIS技術的結合地統計模型的強大分析功能主要在于它與地理信息系統(GIS)的結合［11］，也是GIS發展的新動向。地理信息系統(GeographicInformationSystem，簡稱GIS)是以計算機為基礎，對空間數據進行采集編輯、存儲管理、查詢分析、顯示制圖、綜合應用等處理的綜合性技術。GIS在建立數據的統計模型及可視化輸出方面均具有強大的功能，其大致數據處理流程如圖2所示?；诘亟y計模型的空間分析(SA)和GIS在應用上有交叉，但并不完全等同。GIS可利用SA中的分析模型和算法，豐富和發展自身的空間分析功能;同時，SA軟件也可以借助GIS控件改善對環境污染數據的抽象、虛擬與表達。圖2空間統計分析數據處理流程圖［31］在土壤重金屬空間結構及分布特征研究上，研究人員較多地基于GIS技術與空間(地)統計學克力格系列插值方法對城市重金屬污染狀況進行分析:利用GIS技術進行研究區域及其采樣數據、空間分布插值結果的可視化表達;利用空間統計學的變異函數對采樣數據的空間異質性予以分析，并通過理論變異函數的不同因子、系數來尋求異質性產生的原因(影響因子)，最后給出克力格算法插值得到的某重金屬空間分布結果［32］。當前應用較為廣泛的地質統計學軟件主要有Es-ri公司推出的基于ArcGIS10.0及以上版本的Geosta-tistical擴展插件，GammaDesignSoftware公司推出的GS+軟件，Ctech公詞出品的EVS－MVS等，這些軟件的推出有力地促進了地統計技術的應用及推廣。地統計學與GIS技術的結合的發展方向是由GIS軟件外掛模塊逐漸向嵌入式過渡，實現兩者的無縫鏈接。PilarBurgos等［33］采用傳統評價模型及地統計學模型評估修復區土壤重金屬污染水平的變異。使用塊金值修正的球形模型及線性模型測定土壤參數的空間相關性，并用克力格插值法繪制污染等高線圖，研究證實克力格插值圖在研究修復區土壤污染及監測土壤參數時是非常有用的工具。試驗區重金屬的總量及生物可利用態空間分布圖(等高線圖)見圖3所示。孫英君等［34］使用克力格技術對礦區土壤重金屬污染狀況進行研究，通過獲取多幅模擬結果之間的差異來揭示研究區域土壤重金屬污染的整體空間分布形態。最后，以研究區域土壤環境背景上限值為標準，給出研究區域不同土壤重金屬空間分布相應級別的不確定性分析結果。

3.2.3地統計學與不確定性模擬技術的結合

地統計學與神經網絡、灰色聚類法等不確定性模擬技術結合，可以在只具有少量數據的情況下對數據進行比較精確的空間分析，能夠在滿足一定精度分析的原則下適當的降低采樣分析成本，得到比傳統指數評價準確度更高的空間分布圖。雖然模型建立過程中需要進行大量訓練樣本的學習，以及測試樣本的檢測，但在先進計算軟件(如MatLab、ArgGIS等)的支持下，仍可方便地進行網絡設計和運算。大大地降低了建模難度和建模時間，減少了人為的干擾因素，可以為整個地區的土壤重金屬的信息化監測和分析提供科學依據。胡大偉等［35］在中尺度范圍下，運用神經網絡模型和3S技術(RS、GPS、GIS)對農田土壤重金屬含量的空間分布進行了分析，并在此基礎上確定了各重金屬的污染狀況。王芬等［36］采用雙層組合神經網絡和GIS空間分析技術綜合評價川芎主產區土壤重金屬污染。將BP網絡加密的點數據導入ArcGIS軟件中，利用其空間分析和克里金插值功能來分析污染濃度的分布和污染等級，從連續空間平面上了解和評價該區域的重金屬污染分布情況。李磊等［37］運用MATLAB軟件的K均值聚類算法結合神經網絡工具箱，通過建立RBF神經網絡對道路兩旁土壤重金屬污染程度進行評價并與內梅羅指數法進行對比，證明使用RBF神經網絡方法進行土壤重金屬污染評價是可行的，尤其適用于土壤污染整體變化趨勢分析。S.M.Kazemi等［38］采用普通克力格法(OK)、基于人工神經網絡的遺傳算法(GA－ANN)、自適應神經網絡模糊推理系統(ANFIS)及條件模擬法(CS)進行空間建模，對海洋沉積物中的6種重金屬進行污染評價，并對4種空間插值技術進行比較。結果證實GA－ANN模型是對所有重金屬污染物的統計特征值保持最好的模型，但ANFIS是的模擬誤差最小的模型。YunfengXie等［39］基于污染評價和風險控制目的對土壤中重金屬污染物的空間分布進行了確定與不確定性分析。采用內部校驗標準偏差對加權反比插值法(IDW)、局部多項式插值法(LP)、普通克力格插值法(OK)和徑向基函數法(RBF)4種空間插值技術進行了評估和比較。結果顯示，幾種插值法對土壤重金屬污染平均濃度均有較高的預測準確性，但低于傳統方法的測定值。其中污染區的空間不確定性主要集中在3種區域:被低濃度區包圍的最大濃度區域、被高濃度區包圍的最小濃度區域以及污染區域的邊界。

4結語

環境風險評價已日益成為環境管理的重要決策支撐。土壤重金屬污染具有非常大的復雜和不確定性。土壤重金屬環境風險評價能夠靈活地組織和運用各種數據、信息、假設和不確定性，建立模型，擬合土壤重金屬污染污染的真實狀況，并進行定性和定量分析，為土壤環境風險管理和決策提供依據。目前，有關土壤重金屬污染風險評價的研究還停留在理論框架和技術路線的探討階段，眾多應用研究案例仍多集中在對污染物濃度的測定或簡單的風險指數的計算，與土壤重金屬污染的真實情況往往仍有較大的偏差。在運用各種評價分析手段進行研究時，還存在主觀性強、分辨率和信息利用率不高、綜合評價精度較低等問題，仍有待作進一步的探索和改進。未來土壤重金屬的環境風險評價方法應在處理不確定問題上繼續深入，進一步加大對評價模型和計算機模擬的研究。