基于三角模糊数的中国省会城市土壤重金属污染风险评价

陈景辉,郭 毅,屈撑囤,杨 博

(1.西安石油大学 期刊中心,陕西 西安 710065; 2.西安石油大学 陕西省油气田环境污染控制技术与储层保护重点实验室,陕西 西安 710065; 3.International Laboratory of Air Quality and Health(ILAQH),Queensland University of Technology,Brisbane City,Queensland,4000,Australia; 4.西安石油大学 化学化工学院,陕西 西安 710065; 5.石油石化污染物控制与处理国家重点实验室,北京 102206)

引 言

近年来,随着我国经济社会发展水平不断提高,我国城市土壤出现了不同程度的重金属污染,国内外专家学者采用不同的评价方法,开展了大量的城市土壤重金属污染评价的研究工作,评价方法主要包括:单因子污染指数法[1]、内梅罗污染指数法[2]、地累积污染指数法[3]、潜在生态风险指数法[4]、健康风险评价方法[5]等。

传统的地累积污染指数法是由整个研究区域重金属含量平均值计算得出的评价结果,当研究区域采样点重金属含量出现较大差异时,研究结果就具有一定的偶然性。近年来一些专家学者将三角模糊数引入环境污染评价中,开展了一系列研究工作,李飞等[6]将三角模糊理论与城市土壤重金属形态相结合建立评价模型,认为该模型较好地弥补了确定性评价的不足。樊梦佳[7]研究认为,基于三角模糊数的河流沉积物重金属评价在一定程度上解决了评价过程中的不确定性问题。王建国等[8]通过三角模糊数处理技术描述土壤重金属污染状况的模糊性和渐变性,使评价结果更加准确可靠。但是鲜有将三角模糊数引入全国省会城市土壤重金属污染状况的报道。

本文在传统地累积污染指数法的基础上,分别对研究区域6种重金属含量及其地球化学背景值进行了三角模糊化处理,重新确定了重金属的生物毒性权重系数,运用α-截集技术和隶属度计算方法,建立了土壤重金属污染评价模型,并采用该模型对中国省会城市土壤重金属污染情况进行了评价,以期为土壤重金属的污染评价提供新的视角和参考。

1 材料与方法

1.1 数据来源

1.2 地累积污染指数法

地累积污染指数Igeo,其计算公式为:

Igeo=log2[Cn/(K·Bn)]。

(1)

式中:Cn、Bn分别为重金属n的实测含量和所测元素在全球页岩中的平均含量(一般为环境背景值);K为考虑到背景值波动而设定的常数,常取1.5。地累积污染指数分级标准[9]见表1。

表1 地累积污染指数分级标准Tab.1 Grading of geo-accumulative pollution index

1.3 三角模糊理论

1.3.1 模糊理论

1965年,美国加州大学Zadeh教授首次提出表达事物模糊性的重要概念[10],该方法被成功应用于环境质量评价领域[11-12]。通过计算隶属度,能有效解决模糊边界(污染分级)的问题,并且能控制评价结果的误差[13-14]。三角模糊数的定义:设a、b、c分别为某一模糊变量A的下限、可能性最大的值和上限,则A=(a,b,c)构成三角模糊数,其中a≤b≤c(a、b、c∈R),若a=b=c则A∈R。隶属函数定义为:

(2)

1.3.2α-截集技术

在实际计算中,通常利用α-截集来简化三角模糊数[15]。α-截集的定义为:对α∈[0,1],A={x|μA(x)≥α},称为A的α-截集。根据已有研究[7],本文选择α=0.9。设有2个三角模糊数A=(a1,b1,c1)和B=(a2,b2,c2),运用α-截集技术将模糊数转化为置信水平的区间数,具体计算公式为:

Aα=[a1α,c1α]=[(b1-a1)α+a1,c1-(c1-b1)α]。

(3)

Aα+Bα=[a1α+a2α,c1α+c2α]。

(4)

Aα·Bα=[a1α·a2α,c1α·c2α]。

(5)

Aα/Bα=[a1α/c2α,a2α/c1α]。

(6)

通过数理统计方法和数值上下限分析原理[16]来确定三角模糊数中a、b和c,下限值和均值减去2倍标准差的值确定为a,数据的统计平均值确定为b,上限值和均值加上2倍标准差的值确定为c。

1.4 基于三角模糊数的评价模型

为了较好地反映土壤中重金属污染的真实情况,将重金属元素浓度和背景值作为三角模糊数。设研究区域重金属金属元素i的浓度为:Ci=(C1i,C2i,C3i),地球化学背景值为:Bi=(B1i,B2i,B3i),将其转化为α-截集后,再代入式(1),得到包含三角模糊数的地累积污染指数评价模型:

蒋春猪说，平时，你一点看不出秀容月明是元帅，他和士兵吃一样的饭，睡一样的席子，天热了，就把上衣脱了，手朝胳肢窝一掏，就掏出一把黑灰，天冷了，士兵们在洗脚，他见了，就坐下来，把脚也伸进去。

Igeoi=log2[Ci/(KBi)]。

(7)

(8)

由式(7)得到Igeoi对各个等级的隶属度,基于地累积污染指数等级划分得出Igeoi的重金属污染程度的表达式:

Igeoi=∑A(λ)·V(λ)。

(9)

式中:Igeoi是重金属i的地累积指数模糊值;V(λ)为各污染等级赋值。结合污染权重,得到研究区域综合评价值为:Ri=Wi·Igeoi。

(10)

传统的地累积指数法只能判断单一重金属污染程度,不能很好地反映研究区域重金属污染的综合程度,因此,考虑到各重金属的生物毒性存在差异,确定重金属的污染权重W。将污染权重分为4个级别,并表示为三角模糊数,4个级别分别定义为:1=(0,1,2), 2=(1,2,3), 3=(2,3,4),4=(3,4,5)。根据各种重金属的生物毒性大小,结合已有研究[7],将As、Cr、Cu、Pb、Zn、Cd的污染权重分别确定为2、1、1、1、1、4。

2 结果与讨论

2.1 土壤重金属含量参数

中国省会城市土壤重金属含量统计结果见表2。根据1.3.1节的数据处理方法,将重金属的含量数据进行处理,得出下限、可能性最大的值和上限,并将处理结果以三角模糊数的形式表示。以北京市为例,三角模糊处理后的土壤中6种重金属元素的含量分别为:As(1.00,11.97,26.00),Cr(26.60,63.57,489.00),Cu(14.70,35.49,90.90),Pb(7.70,36.43,92.40),Zn(69.20,145.68,288.00),Cd(0.17,0.49,0.87)。

表2 中国省会城市土壤重金属含量统计结果Tab.2 Statistical results of heavy metal content in soils of provincial capital cities in China

可以看出,重金属含量数据的下限和上限差别很大,会给计算带来较大不便。选取α=0.9,通过α-截集技术将重金属含量数据转化为区间数,得出基于三角模糊数的省会城市土壤重金属统计数据。以北京市为例,α-截集处理后的土壤中重金属的含量分别为As[10.87,13.37],Cr[59.87,106.11],Cu[33.41,41.03],Pb[33.56,42.03],Zn[138.03,159.91],Cd[0.46,0.53]。

2.2 地球化学背景值参数

目前,国内外多位学者习惯运用地累积污染指数法评价(中国)城市土壤重金属的污染状况,在对不同重金属元素地球化学背景值Bi选取时,有的学者选用中国土壤元素背景值[3],有的学者选用研究区域所在省份的土壤元素背景值[4]。表3列出了几种常见的地球化学背景值,通过表3可以看出,Zn元素在黏土中的含量值是中国土壤元素背景值的2倍多,若分别采用这两个参考值进行评价,得出的结论很难使人信服。所以即使当研究区域污染物数据一致时,不同研究者采用不同的地球化学背景值,会得出不一样的结论,甚至有时候会出现较大差距。因此通过引入三角模糊数来解决这种不确定性带来的差异,运用α-截集技术(α取0.9)对表3的地球化学背景值进行处理,使之转化成为区间数(表4)。

表3 几种常见的地球化学背景值Tab.3 Background values of several common elements in different rock soils

表4 α-截集后的地球化学背景值Tab.4 Geochemical background values of several common elements after interception

2.3 重金属评价分级结果

根据α-截集处理后的土壤重金属含量和截集后的地球化学背景值(表4)数据,利用公式(7)计算得到中国省会城市土壤中各重金属元素的模糊地累积指数结果(见表5)。由表5可知,海口市重金属污染程度相对其余32个省会城市较低,Cd的地累积指数在0到1之间,属于轻度污染之外,其余的5种重金属的地累积指数均小于0,无污染。除此之外,太原、合肥、银川、拉萨、澳门等城市的地累积污染指数也较小,6种重金属的污染都介于无污染和轻度污染之间。而与之相反的是,昆明的重金属污染比较严重,Cu属于中度污染,Zn、Cd都属于偏中度污染,而长春的As污染、长沙的Cd污染都介于偏中度污染和中度污染之间,西宁的Cr地累积污染指数介于0和2之间,上海市Pb 的地累积指数的跨度较大,在1和4之间,表明污染物污染程度判断的确存在较大的模糊性。从整个表格中可以看出,6种重金属污染物在省会城市土壤的污染等级差别较大。

表5 地累积指数区间统计结果Tab.5 Regional statistical results of geo-accumulative index

仅仅从数字表面不能很明确地判断出它们所属的污染级别,引入三角模糊数之后,使评价中的数据包含了更多信息。通过隶属度的计算,可以较全面地了解城市土壤重金属污染的真实情况,通过公式(8),可以得到省会城市土壤重金属不同污染水平对各个评价标准等级的隶属度值。将研究区域6种重金属在模糊评价下的等级结果整理,见表6。

表6 不同评价模型下的分级结果和综合评价值Tab.6 Geo-accumulative pollution grading results and comprehensive evaluation values of common elements using different evaluation models

从表6中的模糊评价分级结果可以看出,33个省会城市土壤6种重金属污染程度各有不同,Cd污染最为严重,长沙和昆明2个城市达到了3级,属于中度污染,9个城市达到了2级,属于偏中度污染,10个城市为1级轻度污染;而Cr仅在上海、长春、西宁、武汉、长沙、乌鲁木齐、呼和浩特7个城市为1级轻度污染,其余26个省会城市均属于0级,无污染程度,说明省会城市土壤受Cr污染较轻。As除在长春、合肥、拉萨3个城市为2级偏中度污染之外,其余28个城市介于无污染和轻度污染之间。Cu在昆明为3级中度污染,在上海、兰州、武汉、贵阳为1级轻度污染,其余28个省会城市均为0级无污染。Pb除在上海和贵阳分别为3级(中度污染)和2级(偏中度污染)之外,其余21城市均为无污染和轻度污染之间。Zn除在上海、武汉、贵阳、昆明4个城市均为2级偏中度污染之外,其余29个城市介于无污染和轻度污染之间。研究区域6种重金属元素按照地累积污染指数等级所反映的富集程度,由大到小排列顺序依次为:Cd>Pb>Cu>Zn>Cr>As。

本文采用各省会城市土壤重金属含量平均值和中国土壤元素背景值对6种重金属进行了确定性评价分级(表6)。通过对比表6中的两列数据可以看出,确定性评价的结果仅是模糊评价结果区间中的一个数,确定性评价忽略了评价因子不确定性,从而导致表6中模糊评价分级结果和确定性评价分级污染等级评判结果的差异。

从表中还可以看出,确定性评价下的污染程度和模糊评价下基本一致,但是也存在着个别差异,主要表现在:研究区域内As污染在模糊评价下的等级略高于确定性评价,例如长春、合肥、拉萨污染级别在模糊评价下为2级,而在确定性评价下为1级。Cd污染在模糊评价下的等级略低于确定性评价,例如在模糊评价下长沙污染级别为3级,南京、贵阳、南宁、香港都为2级,而在确定性评价下长沙为4级,南京、贵阳、南宁、香港都为3级。造成这种差异的原因是基于三角模糊数的污染评价中重金属浓度和地球化学背景值的选取范围更大,比传统采用平均浓度和单一的地球化学背景值包含了更多的信息,在一定程度上减少了污染物浓度和地球化学背景值的不确定性。这也说明基于三角模糊数的评价模型为解决城市环境污染评价中的不确定性问题提供了一种新思路。

2.4 综合评价结果

根据表6中模糊评价分级结果得到的地累积污染指数,结合各重金属元素的污染权重,通过式(10)可以得出省会城市土壤重金属的综合评价值(表6最后一列)。

从表6最后一列可以看出,省会城市土壤中As、Cr、Cu、Pb、Zn和Cd重金属污染程度较高的城市主要有:昆明、贵阳、长沙、南宁等。我国西南地区是伴生镉矿产分布的密集区,区内分布有很多铅锌矿,区内的株洲、黄石、郴州、铜陵、昆明等城市均是我国金属矿产的采矿、选矿及冶炼工业高度发达的城市,株洲市有色金属的采矿、选矿及冶炼历史已达70年之久,因此,以工业生产领域为主的矿业活动是造成城市土壤重金属污染的主要原因。这些结论与田恒川等[55]、Wang等[56]和米艳华等[57]的研究结论一致。

3 结 论

(1)与确定性模型评价相比,基于三角模糊数的评价模型较好地弥补了确定性评价的不足,评价结论更加准确、全面、合理,能较好地反映研究区域的重金属污染状况,提高了评价结果的可分辨性和可拓展性,为土壤重金属的污染评价提供了新视角。

(2)采用三角模糊数的评价模型评价中国省会城市土壤重金属污染状况,结果表明,土壤中6种重金属的综合污染程度存在差异,由大到小的顺序依次为:Cd>Pb>Cu>Zn>Cr>As,此结果与确定性评价的结果相同。

(3)中国省会城市土壤中,Cd、Pb、Cu为主要污染因子,以工业生产领域为主的矿业活动是造成重金属污染的主要原因。