劉 庚,王尚義,??〗?張 朝,趙 鑫,郭觀林*(.太原師范學(xué)院,汾河流域科學(xué)發(fā)展研究中心,山西太原 0300;.中國環(huán)境科學(xué)研究院,環(huán)境基準(zhǔn)與風(fēng)險(xiǎn)評(píng)估國家重點(diǎn)實(shí)驗(yàn)室,北京 000)
不同三維模型對(duì)鉛酸蓄電池污染場地土壤Pb空間分布預(yù)測的影響
劉 庚1,王尚義1,??〗?,張 朝2,趙 鑫2,郭觀林2*(1.太原師范學(xué)院,汾河流域科學(xué)發(fā)展研究中心,山西太原 030012;2.中國環(huán)境科學(xué)研究院,環(huán)境基準(zhǔn)與風(fēng)險(xiǎn)評(píng)估國家重點(diǎn)實(shí)驗(yàn)室,北京 100012)
為準(zhǔn)確界定污染場地土壤中污染物三維分布范圍和受污染土壤土方量并提供相關(guān)技術(shù)方法和思路,以某典型鉛酸蓄電池污染場地為例,對(duì)比研究了不同三維插值模型(三維克里格、反距離加權(quán)、最鄰近點(diǎn))在不同水平垂直向異性系數(shù)設(shè)置,對(duì)土壤鉛污染評(píng)價(jià)和污染邊界分布的影響.研究結(jié)果顯示,不同模型預(yù)測的精度不同,隨著水平垂直比值增大,平均誤差和均方根誤差有增大趨勢;通過對(duì)比修復(fù)目標(biāo)表明,反距離加權(quán)統(tǒng)計(jì)的受污染土方量最大,其次是三維克里格和最鄰近點(diǎn),統(tǒng)計(jì)值相差約為 13%;從污染評(píng)價(jià)結(jié)果和預(yù)測精度來看,三維克里格模型和反距離加權(quán)要優(yōu)于最鄰近點(diǎn),選擇適宜的模型和合理的參數(shù)設(shè)置對(duì)準(zhǔn)確界定污染邊界和降低不確定性具有重要影響.
污染場地;三維插值;污染評(píng)價(jià);不確定性
基于有限的土壤鉆孔樣點(diǎn)數(shù)據(jù),采用不同的空間預(yù)測模型插值計(jì)算是描述污染場地污染物空間分布制圖的主要手段[1-2],是確定修復(fù)邊界以及修復(fù)治理決策制定的重要基礎(chǔ)[3-4],同時(shí)在認(rèn)識(shí)污染物環(huán)境行為過程上也具有重要作用和意義.目前基于機(jī)理模型和空間統(tǒng)計(jì)模型的二維空間插值技術(shù)應(yīng)用相對(duì)已比較成熟[5-6],但其預(yù)測結(jié)果割裂了變量在三維空間上的連續(xù)性分布特征,因此,很多學(xué)者在二維插值模型基礎(chǔ)上,探索適合重建三維空間場的預(yù)測方法.常用的三維空間插值模型有三維克里格模型、反距離加權(quán)模型、鄰近點(diǎn)取樣模型、高次函數(shù)逼近模型以及分形插值模型等[7-9].這些三維插值模型已應(yīng)用到地層建模、土壤鹽分、滲透系數(shù)、土壤質(zhì)地等不同領(lǐng)域[10-13].據(jù)現(xiàn)有研究報(bào)道,三維隨機(jī)模擬方法和三維反距離加權(quán)模型結(jié)合土壤電導(dǎo)率能夠真實(shí)反映土壤鹽分的空間分布以及對(duì)土壤鹽分進(jìn)行精確解譯和評(píng)估[14-15];對(duì)土壤質(zhì)地層次三維空間分布模擬時(shí),多點(diǎn)地統(tǒng)計(jì)學(xué)三維模擬方法在精度上要優(yōu)于傳統(tǒng)順序指示模擬[16];在對(duì)土壤中元素和土壤污染物三維分布模擬時(shí),三維克里格模型預(yù)測精度更高,能夠更好表征局部區(qū)域變量的分布規(guī)律[17-18].不同模型的適用范圍和精度優(yōu)勢并不相同.受模型參數(shù)以及對(duì)預(yù)測數(shù)據(jù)要求等因素影響,其中三維克里格、反距離加權(quán)和鄰近點(diǎn)是這些三維插值模型中使用頻率較高、應(yīng)用較為廣泛的幾種方法.
在污染場地土壤污染評(píng)價(jià)以及污染物三維空間分布表征時(shí),重點(diǎn)關(guān)注的是污染物空間分布范圍和受污染土方量的統(tǒng)計(jì).污染邊界的準(zhǔn)確界定能夠合理節(jié)約場地修復(fù)治理成本,提高場地環(huán)境管理效率.受污染物累積釋放和遷移轉(zhuǎn)化因素的影響,污染物含量在不同土層中具有各向異性特征,缺乏對(duì)變量的空間各向異性空間特征分析,會(huì)影響三維插值計(jì)算的精度,插值結(jié)果不能真實(shí)反映變量的三維空間分布特征.三維預(yù)測模型雖已應(yīng)用于不同變量的插值計(jì)算,但在污染場地土壤中污染物的三維分布表征方面的應(yīng)用較少,同時(shí)現(xiàn)有三維模型在空間分布預(yù)測過程中,也缺少對(duì)變量空間向異性特征的分析.因此,本文選擇某典型鉛酸蓄電池污染場地土壤Pb污染為研究案例,在分析污染物各向異性空間結(jié)構(gòu)特征基礎(chǔ)上,對(duì)比研究常用的三維克里格、反距離加權(quán)和鄰近點(diǎn)模型在不同各向異性特征參數(shù)設(shè)置下的預(yù)測精度,分析對(duì)受污染土方量計(jì)算和污染評(píng)價(jià)制圖的不確定性,為指導(dǎo)該場地的修復(fù)治理提供依據(jù).
1.1 目標(biāo)污染場地概況
目標(biāo)污染場地曾是我國西南地區(qū)較大的鉛酸蓄電池生產(chǎn)廠家,始建于 1943年,場地面積為13.6hm2,主要生產(chǎn)軍用通信干電池、鉛酸蓄電池和制鉛粉等產(chǎn)品,生產(chǎn)主要原材料包括鉛、鋅、硫酸等.生產(chǎn)過程中涉及到重金屬污染.根據(jù)工程地質(zhì)測繪及鉆探揭露,該場地地層有素填土(Q4ml)、粉質(zhì)粘土(Q4el+dl)、砂巖和泥巖.該場地所在區(qū)域?qū)賮啛釒衽瘹夂?無霜期長,日照時(shí)間短,空氣濕度大,年均氣溫約為 18.5℃,最高氣溫近 40℃,年均降水量為 1187mm.通過對(duì)場地的生產(chǎn)歷史、工藝特點(diǎn)和布局、現(xiàn)階段場地現(xiàn)狀等資料進(jìn)行收集和分析,對(duì)該場地展開了初步污染調(diào)查并設(shè)置了土壤監(jiān)測點(diǎn),明確了該場地存在明顯的鉛污染問題.
1.2 樣品采集與分析
在現(xiàn)場采樣時(shí),該廠區(qū)部分廠房已經(jīng)拆除,表層土中含有建筑垃圾,場地實(shí)際情況較為復(fù)雜,部分區(qū)域難以采集到有效樣品,根據(jù)前期初步環(huán)境調(diào)查結(jié)果,結(jié)合該廠區(qū)實(shí)際現(xiàn)狀,本次采樣采用隨機(jī)布點(diǎn)和判斷布點(diǎn)相結(jié)合的原則,重點(diǎn)關(guān)注已經(jīng)暴露的土壤污染地點(diǎn)和污染物特征并確保取樣點(diǎn)對(duì)整個(gè)場地有合理的覆蓋,對(duì)前期已經(jīng)察明的重污染區(qū)域加密布點(diǎn),對(duì)已知未污染或污染較輕區(qū)域樣點(diǎn)間距適當(dāng)加大.結(jié)合場地水文地質(zhì)背景資料以及實(shí)際現(xiàn)狀,將該場地從表層到下依次劃分為建筑垃圾層(0~0.5m)、雜填土層(0.5~1m)和原土層(1m以下),土壤樣品按照上述分層進(jìn)行3層采樣,采樣深度為0~9.4m,共布設(shè)有效土壤鉆孔樣點(diǎn)79個(gè),每個(gè)鉆孔基本按照分層的深度取樣,每個(gè)孔位取樣品 3~5個(gè),經(jīng)分析化驗(yàn)后,取本層中污染物含量的最大值來進(jìn)行插值計(jì)算.所采集樣品的數(shù)量和代表性能夠滿足本文所使用三維插值模型的要求.場地的三維地形和鉆孔樣點(diǎn)分布如圖 1所示.因場地搬遷與拆除造成部分建筑垃圾堆砌在地面,鉆孔采樣采用挖掘機(jī)和鉆機(jī)相結(jié)合的方式,在預(yù)先設(shè)定的采樣點(diǎn)位鉆探,獲取該點(diǎn)位的土柱樣品,將采樣管移出地面后,將篩選出的土樣混合均勻后立即裝入250mL直口玻璃瓶中,并正確密封、填寫標(biāo)簽、放入裝有適量低溫藍(lán)冰的保存箱中,樣品采集完畢后送回實(shí)驗(yàn)室并進(jìn)行檢測.
土壤中Pb含量采用USEPA 6010C-2007方法進(jìn)行測定[19],具體分析檢測流程:將采集到的土壤樣品經(jīng)自然風(fēng)干,粗磨除去土壤中的碎石等異物,過 20目尼龍篩,混勻后用四分法縮分至約100g,再用瑪瑙研磨,過100目尼龍篩,混勻后備用,準(zhǔn)確稱取0.100g過100目篩的樣品(100℃烘干4h),放入聚四氟乙烯高壓釜內(nèi),加入 3mL優(yōu)級(jí)純硝酸、1mL次氯酸、1mL氫氟酸,放入不銹鋼套內(nèi),擰緊蓋,烘箱內(nèi)160℃加熱4h,冷卻后取出樣品,定容到10mL在日本日立Z-2000原子吸收光譜儀上測定土壤中Pb含量.
圖1 場地土壤鉆孔樣點(diǎn)分布Fig.1 The distribution of drilling soil samples in sites
1.3 插值方法及參數(shù)設(shè)定
選擇三維插值模型中應(yīng)用較為普遍的三維克里格模型(3D-OK)、反距離加權(quán)模型(IDW)和鄰近點(diǎn)模型(NN)進(jìn)行該場地土壤鉛的三維空間插值預(yù)測,每種模型的算法和原理見參考文獻(xiàn)[20-22].污染物含量在不同土層中具有各向異性空間結(jié)構(gòu)特征,在插值計(jì)算時(shí),鄰域點(diǎn)集內(nèi)水平方向的點(diǎn)與垂直方向的點(diǎn)對(duì)預(yù)測點(diǎn)含量值的影響權(quán)重不同,具體表現(xiàn)在水平垂直各向異性比系數(shù)上,水平垂直各向異性比系數(shù)一般默認(rèn)值為10,即垂向上 1個(gè)長度單位的采樣點(diǎn)影響權(quán)重,與水平方向上10個(gè)長度單位的采樣點(diǎn)權(quán)重相同.為揭示不同水平垂直比值對(duì)不同模型預(yù)測精度和污染評(píng)價(jià)的影響,不同模型設(shè)定的水平垂直比值、搜索半徑等參數(shù)情況如表 1所示.在應(yīng)用三維克里格模型前,需要對(duì)原始數(shù)據(jù)集進(jìn)行對(duì)數(shù)正態(tài)變換處理,根據(jù)不同水平垂直比值設(shè)置后擬合的最優(yōu)三維半變異函數(shù)理論模型進(jìn)行插值計(jì)算,最后將預(yù)測結(jié)果根據(jù)正態(tài)變換公式進(jìn)行逆變換回推到原始單位.
表1 三維插值模型及參數(shù)設(shè)置Table 1 Three dimensional interpolation models and parameters
1.4 數(shù)據(jù)處理方法
本研究中Pb在不同土層含量的描述性統(tǒng)計(jì)分析采用軟件SPSS16.0,三維半變異函數(shù)擬合采用軟件S-GeMS2.1,三維空間插值計(jì)算及可視化表征采用軟件 EVS. Pro9.42.不同插值方法預(yù)測結(jié)果精度驗(yàn)證采用交叉驗(yàn)證法中常用的評(píng)價(jià)指標(biāo)平均誤差(ME)和均方根誤差(RMSE)進(jìn)行評(píng)價(jià)[23],ME越接近于0,RMSE越小表明插值精度就越高.
式中:u( χi)為預(yù)測值,u*(χi)原始樣點(diǎn)值.
2.1 場地不同地層土壤中 Pb含量的描述性統(tǒng)計(jì)分析
從圖2可以看出,在不同土層中鉆孔樣點(diǎn)含量數(shù)據(jù)的極差較大,從第1層到第3層的最小值分別為 23.6,21.8,19.2mg/kg,最大值分別為166000,35200,22900mg/kg,最小值與最大值相差數(shù)千倍,表明在場地局部區(qū)域污染嚴(yán)重,樣點(diǎn)含量值極高.從數(shù)據(jù)頻率分布直方圖發(fā)現(xiàn),不同層樣點(diǎn)含量數(shù)據(jù)均存在右偏尾現(xiàn)象,不符合正態(tài)分布特征,且不同層樣點(diǎn)含量數(shù)據(jù)的偏度和峰度值都較大,表明樣點(diǎn)含量數(shù)據(jù)集在空間上具有一定的離散特性.不同層樣點(diǎn)的變異系數(shù)均超過了150%,具有很強(qiáng)的空間變異特征.對(duì)同一鉆孔不同層的含量值進(jìn)行比較分析,從表層到底層的含量值呈減小趨勢,表明場地土壤中污染物的累積釋放受遷移轉(zhuǎn)化和人為干擾因素的影響.不同土層的樣點(diǎn)含量數(shù)據(jù)集中均含有異常真實(shí)高值點(diǎn),遠(yuǎn)超過北京住宅用地標(biāo)準(zhǔn)中規(guī)定的 400mg/kg,目標(biāo)場地已經(jīng)存在較大的環(huán)境風(fēng)險(xiǎn).將鉆孔樣點(diǎn)疊加到廠區(qū)平面布置圖上可以看出,含量超標(biāo)嚴(yán)重的樣點(diǎn)主要分布在廢鉛堆放區(qū),五車間和配件廠、二車間、一車間和四車間等區(qū)域內(nèi),賦存在土壤中的污染物與污染源分布以及不同生產(chǎn)工藝產(chǎn)生污染物的情況較為一致,上述車間在生產(chǎn)過程中對(duì)局部區(qū)域土壤產(chǎn)生較為嚴(yán)重的Pb污染.
圖2 場地土壤中Pb污染數(shù)據(jù)的基本統(tǒng)計(jì)特征Fig.2 Statistical characteristics of Pb concentration in soils (from sites)
2.2 不同模型對(duì)場地土壤中 Pb含量的三維空間分布預(yù)測精度比較
不同的插值模型可以應(yīng)用于該場地土壤 Pb的三維污染分布表征,但不同模型的精度優(yōu)勢和插值效果不同.本文選用交叉驗(yàn)證法中常用的均方根誤差(RMSE)和平均誤差(ME)2個(gè)評(píng)價(jià)指標(biāo)來分析不同模型的預(yù)測精度,RMSE值越小、ME值越接近 0,表明該模型插值結(jié)果精度越高.交叉驗(yàn)證結(jié)果如表 2所示,不同模型隨著水平垂直向異性比值增大,其 RMSE和 ME都呈增大趨勢. 3D-OK5的 ME和 RMSE最小,分別為 42.7, 221.5mg/kg,NN20的ME和RMSE最大,分別為89.7,892.7mg/kg.總體上來看,3D-OK模型在不同參數(shù)設(shè)置下的預(yù)測精度優(yōu)勢較為明顯,其次是IDW模型,NN模型預(yù)測精度最低.3D-OK在預(yù)測過程中考慮了污染物含量的空間結(jié)構(gòu)信息,雖具有一定的平滑效應(yīng),但基本上還能較好地反映出污染物三維空間分布信息,IDW模型和NN模型在插值過程中只依據(jù)數(shù)據(jù)的幾何結(jié)構(gòu)特征進(jìn)行計(jì)算,不能反映出變量在空間上的變異特征,因此預(yù)測精度相對(duì)較低.
表2 不同插值模型的預(yù)測誤差Table 2 ME and RMSE for different interpolation models
2.3 不同模型估算場地不同地層受污染土方量分析
參照北京市住宅標(biāo)準(zhǔn)所規(guī)定的 Pb含量值400mg/kg,將高于 400mg/kg的區(qū)域界定為污染范圍,對(duì)不同模型的三維分布預(yù)測結(jié)果受污染土方量進(jìn)行統(tǒng)計(jì),不同模型對(duì)不同土層以及總的受污染土方量如表3所示.從統(tǒng)計(jì)結(jié)果可以看出,不同模型和同一模型不同參數(shù)計(jì)算出的受污染土方量都不一致.受表層真實(shí)高值樣點(diǎn)的影響,3種模型隨著水平垂直比值的增大,第 1層計(jì)算出受污染土方量基本呈減小趨勢,第2層和第3層受污染土方量呈增大趨勢.3D-OK模型和NN模型統(tǒng)計(jì)的總污染土方量隨水平垂直比值增大而增大,IDW模型計(jì)算出總的受污染土方量隨水平垂直比值的增大而減小.所有模型中IDW5方法統(tǒng)計(jì)出的受污染土方量最大,為 263402m3,NN5方法統(tǒng)計(jì)的受污染土方量最小,為 215379m3.總體來看,3D-OK模型和IDW模型在不同參數(shù)下計(jì)算出的受污染土方量明顯大于 NN模型.從分層統(tǒng)計(jì)結(jié)果來看,表層受污染土方量最大,其次是第2層,第3層受污染土方量最小,表明該場地表層土壤污染最為嚴(yán)重.3D-OK模型和IDW模型在不同參數(shù)下計(jì)算出的表層受污染土方量較為接近,NN模型在不同參數(shù)下對(duì)表層的計(jì)算結(jié)果低于另外 2種模型.從分層和總的受污染土方量統(tǒng)計(jì)結(jié)果來看,第1層中受污染土方量總體呈現(xiàn)為NN<IDW<3D-OK,第2層為NN<3D-OK<IDW,第3層為3D-OK<NN<IDW,不同模型對(duì)受污染總土方量統(tǒng)計(jì)結(jié)果為 NN<3D-OK<IDW,同一模型在不同參數(shù)設(shè)置下的統(tǒng)計(jì)結(jié)果也略有差異.從上述分析結(jié)果可以看出,不同模型受其適用原理以及樣點(diǎn)含量數(shù)據(jù)集特征的影響,預(yù)測結(jié)果中統(tǒng)計(jì)的受污染土方量并不一致.在進(jìn)行鉆孔采樣時(shí),該場地已進(jìn)行了部分拆除,建筑垃圾和表層雜填土已經(jīng)混為一體,因此,本文基于所有鉆孔樣點(diǎn)含量數(shù)據(jù)采用不同模型進(jìn)行受污染土方量統(tǒng)計(jì)計(jì)算時(shí),包含表層雜填土中的建筑垃圾部分,在對(duì)建筑垃圾中鉛浸出含量分析時(shí)發(fā)現(xiàn)未超標(biāo),在估算修復(fù)成本時(shí),應(yīng)根據(jù)建筑垃圾所占比例將其方量剔除.
2.4 不同模型界定的 Pb含量三維污染范圍評(píng)價(jià)比較
在對(duì)不同土層鉆孔樣點(diǎn)含量數(shù)據(jù)規(guī)范化以及預(yù)處理后,采用表1中的不同模型和設(shè)定的模型參數(shù)對(duì)數(shù)據(jù)集三維插值計(jì)算并進(jìn)行污染制圖和可視化表征.使用 3D-OK模型前需要三維半變異函數(shù)的擬合,根據(jù)擬合后的最優(yōu)理論模型進(jìn)行三維空間分布預(yù)測.參照北京市住宅標(biāo)準(zhǔn)所規(guī)定的Pb含量值400mg/kg,將不同模型的三維分布預(yù)測結(jié)果轉(zhuǎn)化為柵格數(shù)據(jù)處理,將高于400mg/kg的區(qū)域界定為污染范圍,最終形成的污染超標(biāo)范圍如圖3所示.
表3 不同模型統(tǒng)計(jì)的受污染土方量(m3)Table 3 The contaminated earth volume analyze by different interpolation models (m3)
從圖 3可以看出,不同三維模型以及同一模型不同參數(shù)預(yù)測的污染范圍總體趨勢相似,但局部區(qū)域有些差異.從表層預(yù)測的污染范圍來看,3D-OK模型預(yù)測局部高污染區(qū)域范圍最大,其次是NN模型,IDW模型預(yù)測的局部高污染區(qū)域范圍較小.對(duì)預(yù)測結(jié)果進(jìn)行不同方向上的切片處理可以看出,不同模型預(yù)測的表層土壤污染最為嚴(yán)重,其次是第2和第3土層,這與鉆孔樣點(diǎn)含量值的分布特征較為一致.IDW 模型隨著水平垂直向異性比值增大,局部污染超標(biāo)嚴(yán)重區(qū)域有增大趨勢,表明污染空間分布預(yù)測結(jié)果受不同模型和模型參數(shù)的影響較大.污染超標(biāo)嚴(yán)重區(qū)域是本場地風(fēng)險(xiǎn)評(píng)估和修復(fù)治理需要重點(diǎn)關(guān)注的位置,不同模型預(yù)測的污染超標(biāo)范圍分布較為相似,但污染超標(biāo)嚴(yán)重區(qū)域主要分布在場地的中下部位置,結(jié)合該場地原廠區(qū)平面車間分布圖以及生產(chǎn)工藝和歷史生產(chǎn)活動(dòng)可知,在廠區(qū)的中下部主要有鉛堆放區(qū),五車間和配件廠、二車間、一車間和四車間等生產(chǎn)或存儲(chǔ)車間,在生產(chǎn)過程中涉及到 Pb的存儲(chǔ)和使用,是產(chǎn)生土壤Pb污染的最主要原因,個(gè)別車間在生產(chǎn)、存儲(chǔ)過程中的泄露、遺灑等原因使得局部地區(qū)污染超標(biāo)嚴(yán)重.場地土壤Pb污染程度從表層到底層基本為減小趨勢,表明存留在土壤中的污染物分布規(guī)律受污染物在不同土層的遷移轉(zhuǎn)化特征和污染源分布等因素影響.
圖3 場地土壤Pb含量空間分布Fig.3 The spatial distribution of Pb in soil
3.1 受不同插值模型適用原理和原始數(shù)據(jù)集數(shù)據(jù)特征影響,該場地土壤Pb含量的三維插值誤差相對(duì)較大,不同模型預(yù)測的ME均大于40mg/kg,插值的RMSE均大于200mg/kg.不同模型的插值誤差隨水平垂直比值的增大呈增大趨勢.水平垂直向異性比值越小,預(yù)測精度越高,但不能真實(shí)反映污染物含量的空間向異性特征,從預(yù)測結(jié)果的切片和揭層顯示來看,比值設(shè)為 15時(shí),預(yù)測結(jié)果比較符合場地的實(shí)際污染狀況.
3.2 從不同模型三維空間分布預(yù)測精度和污染評(píng)價(jià)結(jié)果看,3D-OK模型和IDW模型要優(yōu)于NN模型,后者界定的污染范圍與實(shí)際污染情況差異較大,不適合該場地土壤Pb的三維污染評(píng)價(jià).
3.3 局部污染嚴(yán)重區(qū)域的樣點(diǎn)含量具有很強(qiáng)的空間離散特征,對(duì)樣點(diǎn)高值區(qū)域和高值向低值過度區(qū)域加密采樣,則能夠更好地反映污染物空間向異性特征,以提高污染物空間分布預(yù)測精度和更準(zhǔn)確界定污染分布范圍.
[1] Bishop T F A, McBratney A B. A comparison of prediction methods for the creation of field extent soil property maps [J]. Geoderma, 2001,103(1/2):149-160.
[2] Zhao F J, McGrath S P, Merrington G. Estimates of ambient background concentrations of trace metals in soils for risk assessment [J]. Environmental Pollution, 2007,148(1):221-229.
[3] 郭觀林,王 翔,關(guān) 亮,等.基于特定場地的揮發(fā)/半揮發(fā)有機(jī)化合物(VOC/SVOC)空間分布與修復(fù)邊界確定[J]. 環(huán)境科學(xué)學(xué)報(bào), 2009,29(12):2597-2605.
[4] 劉 庚,畢如田,張 朝,等.某焦化場地苯并(a)芘污染空間分布范圍預(yù)測的不確定性分析 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2013,33(2):587-590.
[5] Kamaruddin S A, Sulaiman W N A, Rahman N A, et al. A review of laboratory and numerical simulations of hydrocarbons migration in subsurface environments [J]. Journal of Environmental Science and Technology, 2011,4(3):191-214.
[6] Robinson T P, Metternicht G. Testing the performance of spatial interpolation techniques for mapping soil properties [J]. Computers and Electronics in Agriculture, 2006,50(2):97-108.
[7] Franke R, Nielson G. Smooth interpolation of large sets of scattered data [J]. International Journal for Numerical Methods in Engineering, 1980,15(11):1691-1704.
[8] Honda H, Haseyam M, Kitajlma H. Fractal interpolation for natural images [J]. Image Processing, 1999,3:657-661.
[9] Li L, Revesz P. Interpolation methods for spatio-temporal geographic data [J]. Computers, Environment and Urban Systems, 2004,28(3):201-227.
[10] 郭艷軍,潘 懋,王 喆,等.基于鉆孔數(shù)據(jù)和交叉折剖面約束的三維地層建模方法研究 [J]. 地理與地理信息科學(xué), 2009,25(2): 23-26.
[11] 劉廣明,吳亞坤,楊勁松,等.基于光譜指數(shù)的區(qū)域土壤鹽分三維空間變異研究 [J]. 光譜學(xué)與光譜分析, 2013,33(10):2758-2761.
[12] Liu C W, Jang C S, Chen S C. Three-dimensional spatial variability of hydraulic conductivity in the Choushui River alluvial fan, Taiwan [J]. Environmental Geology, 2002,43(8):48-56.
[13] 陳 沖,胡克林,賀 勇.農(nóng)田土壤質(zhì)地空間分布的三維隨機(jī)模擬及其不確定性評(píng)價(jià) [J]. 土壤, 2013,45(2):319-325.
[14] 姚榮江,楊勁松,趙秀芳,等.沿海灘涂土壤鹽分空間分布的三維隨機(jī)模擬與不確定性評(píng)價(jià) [J]. 農(nóng)業(yè)工程學(xué)報(bào), 2010,26(11): 91-97.
[15] 吳亞坤,劉廣明,楊勁松,等.基于反距離權(quán)重插值的土壤鹽分三維分布解析方法 [J]. 農(nóng)業(yè)工程學(xué)報(bào), 2013,29(3):100-106.
[16] 賀 勇,胡克林,李保國,等.區(qū)域土壤質(zhì)地層次三維空間分布的地統(tǒng)計(jì)模擬方法比較 [J]. 土壤, 2010,42(3):429-437.
[17] Meirvenne M V, Maes K, Hofman G. Three-dimensional variability of soil nitrate-nitrogen in an agricultural field [J]. Biology and Fertility of Soils, 2003,37(3):147-153.
[18] Liu C W, Jang C S, Liao C M. Evaluation of arsenic contamination potential using indicator kriging in the Yun-Lin aquifer (Taiwan) [J]. Science of The Total Environment, 2004,321(1-3):173-188.
[19] USEPA (United States Environmental Protection Agency). Method 3050B: Acid Digestion of Sediments Sludges and Soils [Z]. 1996.
[20] Li L, Revesz P. Interpolation methods for spatio-temporal geographic data [J]. Computers, Environment and Urban Systems, 2004,28(3):201-227.
[21] Lu G Y, Wong D W. An adaptive inverse-distance weighting spatial interpolation technique [J]. Computers and Geosciences, 2008,34(7):1044-1055.
[22] Pan G C, Moss K, Heiner T, et al. A Fortran program for three dimensional Cokriging with case demonstration [J]. Computer and Geosciences, 1992,18(5):557-578.
[23] Robinson T P, Metternicht G. Testing the performance of spatial interpolation techniques for mapping soil properties [J]. Computers and Electronics in Agriculture, 2006,50(2):97-108.
The influence of different three dimensional models on Pb distributing prediction in lead-acid battery
contaminated sites.
LIU Geng1, WANG Shang-yi1, NIU Jun-jie1, ZHANG Chao2, ZHAO Xin2, GUO Guan-lin2*
(1.Research Center for Scientific Development in Fenhe River Valley, Taiyuan Normal University, Taiyuan 030012, China;2.State Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences,Beijing 100012, China). China Environmental Science, 2014,34(12):3157~3163
In order to define the three dimensional distribution of pollutant and contaminated earth volume in contaminated sites, and provide the relative technical methods and ideas, a typical lead-acid battery contaminated site was studied as an example. The influence of different three dimensional interpolation models (Krig-3D, Inverse Distance Weighted (IDW), Nearest Neighbor (NN)) in different horizontal and vertical anisotropy coefficient setting conditions on Pb pollution assessment and boundary distribution was examined. Different models had different predictive accuracy, the mean error and root mean square error raised, with the increasing of vertical and horizontal ratio. Furthermore, comparison between the results and the remediation target indicated that the contaminated earth volume was largest by IDW statistical model, followed by Krig-3D and NN models, the statistical values differed by 13%. In terms of the contaminated evaluation results and prediction accuracy, the Krig-3D and IDW were better than NN models. Thus, the selections of the appropriate models and rational parameters had very important effects on the accuracy definition of pollution boundary and reducing uncertainty. This result provided important basis for guiding the remediation and management of the contaminated sites.
contaminated site;3-D interpolation;pollution evaluation;uncertainty
X53
A
1000-6923(2014)12-3157-07
劉 庚(1981-),男,山東微山人,講師,博士,主要從事區(qū)域土壤行為過程及其環(huán)境效應(yīng)、土壤有機(jī)污染物分布表征和不確定性研究.發(fā)表論文近20篇.
2014-06-18
國家自然科學(xué)基金青年基金項(xiàng)目(41401236,40901249);國家“863”計(jì)劃(2013AA06A206)
* 責(zé)任作者, 研究員, guogl@craes.org.cn