内容发布更新时间 : 2024/11/20 0:33:42星期一 下面是文章的全部内容请认真阅读。

龙源期刊网 http://www.qikan.com.cn

土壤中污染物源解析技术受体模型研究进展

作者：范巍,李兴春

来源：《绿色科技》2010年第10期

摘要:受体模型是研究污染物来源的重要方法,介绍了受体模型的定义及近年来的研究进展,并对我国污染源解析技术研究的发展趋势提出了展望和建议。 关键词:源解析;受体模型;研究进展 中图分类号:X53 文献标识码:A 文章编号 1 引言

随着工农业的不断发展,我国土壤污染问题日益突出,进入土壤的持久性有机污染物、重金属等与日俱增,土壤环境面临着前所未有的压力。了解土壤污染物来源是切实有效地控制土壤污染,保障环境安全和农业可持续发展的重要前提,近年来,土壤污染物的来源逐渐受到研究者的关注,研究内容也在不断扩展。研究者对污染物来源的认识存在2个层次:一种只定性判断出主要的污染物来源类型,称之为源识别(source identification);另一种不仅判断出主要的污染源类型,还要定量计算各类排放源的贡献大小,称之为源解析(source apportionment)[1]。很多研究人员把两者统称为源解析,目前源解析的研究方法主要有化学质量平衡法(CMB)、因子分析法(FA)等,形成了称为受体模型的研究体系,为源解析奠定了基础。 2 受体模型的定义

源解析所用数学模型可以分为2种。一种是以污染源为研究对象的扩散模型(diffusion model);另一种是以污染区域为研究对象的受体模型(receptor mode1)。对前者的研究及其应用较多,而对后者的研究及应用主要集中在大气污染物。

(1)扩散模型根据各个污染源的排放量、研究区域与排放源的水平与垂直距离、污染物的理化性质,以及风速风向、湍流等环境因素来计算各个源对研究区域的影响程度。模型必需的输入数据是源排放清单,如果输入数据不准确性,会造成预测误差,而由于排放源清单存在很大的不准确性,模型的预测效果不能使人信服。

(2)受体模型就是通过测量排放源和受体样品的物理、化学性质,定性识别对受体有贡献的污染源并定量计算各污染源的分担率,着眼于研究排放源对受到排放源影响的局部环境介质的贡献。受体模型不依赖于排放源的排放条件、气象、地形等数据,不追踪污染物的迁移过程,避开了扩散模型遇到的困难,因此得到了更广泛的应用。 3 受体模型技术的研究进展

龙源期刊网 http://www.qikan.com.cn

受体模型的基础是质量守恒原理。如果各源排放物之间没有相互反应,传输过程中没有引起某种物质的消除和形成,则受体中元素(或化合物)含量是各源贡献的线性加和。 3.1 化学质量平衡法(CMB)

CMB是是美国环保总署(USEPA)推荐使用的受体模型,并开发出了相应的应用软件包[2]。 3.1.1 CMB的原理

设采样分析测得受体区域中污染物质

的源有

种,若已知某排放源

则源

源 测定解出一组

种污染物就可建立的贡献率

为:

个方程,只要测定项目数量大于或等于排放源数目,就可

的浓度为排放污染物中物质

该区域排放物质

的含量为应满足:

对受体的贡献值

即各排放源的贡献值。

3.1.2 CMB的模拟效果检验

检验模型的目的是验证排放源贡献值的有效性以及方程拟合的好坏程度。方法主要包括源贡献值拟合优度检验、不定性/相似性组检验、元素浓度计算值拟合优度检验等。通常用所得的

和排放源各组分浓度计算出预测浓度,从而得到预测浓度与观测浓度的比值,评价模

型的模拟效果。结果越接近1,说明计算值与测量值拟合得越好[3~4]。如果某非挥发性物质的模拟效果较差,可能是由于含有这种物质的重要排放源未被考虑。 3.1.3 CMB的特点

CMB从一个受体样品的分析项目出发就可以得到结果,可以避免大量的样品采集所带来的资金等方面的压力,且能够检测出是否遗漏了某重要源,可以检验其他方法的适用性。但同一类排放源排放的成分是有差别的,同一排放源在不同的时间排放物质也不同,而CMB模型对此没有加以区别;CMB模型假设从排放源到受体之间,排放的物质组成没有发生变化,而实际上某些物质并不满足该条件;排放源的选择上存在主观性和经验性。 3.1.4 CMB的应用

CMB模型已应用于水体[5~7]、沉积物[8~9]等介质的研究。污染物种类主要集中在多环芳烃(PAHs)等有机污染物。Li等[9]通过文献搜集了28种源成分谱并对其进行了修正,运用USEPA

龙源期刊网 http://www.qikan.com.cn

开发的软件包CMB8.2对9种模型进行了422次运行,对Lake Calumet沉积物中PAHs的来源进行了解析。这一研究为CMB模型在土壤污染物源解析上的应用提供了宝贵的经验。 3.2 多元统计模型(multivariate statistics)

多元方法的基本思路是利用观测信息中物质间的相互关系来产生源成分谱或产生暗示重要排放源类型的因子,主要包括因子分析法、多元线性回归法等。

3.2.1 因子分析法(factor analysis,FA)及主成分分析(principal component analysis,PCA) 因子分析能把具有复杂关系的变量归结为数量较少的几个综合因子。在污染物来源研究中,通常采集大量(设为样就构成了一个包含

个)样品,从每一样品中分析出若干种(设为

化学成分的浓度,这个因子

[10]

个数据的集合。由于同一环境样品的组成成分并不相互独

。

立,来自于同一类源的那些成分间存在较强的相关性,因此可以用 3.2.2 多元线性回归法(multivariate linearregression,MLR)

不同行业污染源排放出的污染物质含量差别很大。这些主要由某一类排放源决定的元素(物质)就称为示踪元素(物质)。测量受体的某物质浓度,并对各示踪元素的浓度进行多元回归,回归系数可以用于计算各示踪元素对应排放源对受体中该物质的贡献。该方法需要知道各类排放源的最佳示踪元素。示踪元素之间必须相互独立,否则会存在共线性问题,导致多元线性回归技术不稳定,但可以通过因子分析(varimax旋转)来实现。 3.2.3 多元统计方法的特点

与CMB相比,多元统计方法不用事先假设排放源的数目和类型,排放源的判定相对比较客观;能够解决次生或易变化物质的来源,能利用除浓度以外的一些参数;研究者只需对排放源组成有大致的了解,并不需要准确的源成分谱数据。但是这种方法也具有一定的局限性:方法不是对具体数值进行分析而是对偏差进行处理,如果某重要排放源比较恒定,而其他非重要源具有较大的排放强度变异,可能会忽略排放强度较大的排放源;气象学因素的变化影响较大,为了得到准确的结果,需要采集足够多数量的样品;在实际中一般只能鉴别出5~8个因子,如果重要排放源类型大于10,这种方法不能提供较好的结果[11]。

3.2.4 多元统计方法的应用

王学松等[12]对徐州城市表层土壤中重金属含量进行了因子分析,鉴别出自然、交通及燃煤等3个因子,从而把该地区重金属元素分为“自然因子”类别元素、“交通因子”类别元素、“燃煤因子”类别元素及混合源类别元素等4种。多元线性回归的研究报道并不多见[13~14],还未见到大气环境以外的研究实例。