關閉搬遷企業地塊風險篩查方法評估——基于EPACMTP模型的研究

李天魁,劉 毅*,謝云峰

?

關閉搬遷企業地塊風險篩查方法評估——基于EPACMTP模型的研究

李天魁1,劉 毅1*,謝云峰2

(1.清華大學環境學院,北京 100084；2.中國環境科學研究院,北京 100012)

通過污染物遷移轉化多介質模型—EPACMTP模型,使用區域靈敏度分析、全局靈敏度分析與實證案例驗證等方法,對風險篩查指標體系的指標完備性、權重與賦分合理性及判斷可靠性進行了研究.結果表明,除滲濾液濃度外,風險篩查指標涵蓋了所有靈敏度顯著的參數(13個);對于大部分靈敏度或重要性較高的參數給予了較大權重,對重點區域面積、離最近敏感目標的距離等兩項指標的賦分整體合理;對低污染場地的判斷結果較為可靠.最后,本文建議風險篩查過程中進一步提高對污染物遷移過程的關注,對指標內部分級與賦分進行調整,并重點關注中高風險場地與砷污染場地.

多介質模型；污染場地；風險篩查

隨著我國經濟的迅速發展與國家退二進三,產業結構升級等政策的落實,城市中大量的工業企業被關閉或遷移,遺留下了數量眾多的污染場地[1].自2001~2008年,我國關停與轉遷的企業數量從6611個增加到22488個,總數已經達到10萬塊以上[2].關閉搬遷企業地塊對周邊的土壤和地下水造成了不同程度的污染,對周圍居民的健康產生了風險.

為了解我國工業企業地塊的土壤污染情況,便于更好地進行管理,《土壤污染防治行動計劃》中提出,要在2020年底,掌握重點行業企業用地中的污染地塊分布和環境風險情況[3].在這一要求下,環境保護部、財政部、國土資源部、農業部、國家衛計委等五部委聯合開展了全國土壤污染狀況詳查工作.其中,《關閉搬遷企業地塊風險篩查與風險分級技術規定(試行)》[4]是判斷關閉搬遷企業原有地塊污染相對風險水平的主要依據,風險篩查與分級體系的可靠性與準確性直接影響詳查工作成果.

風險篩查是根據企業地塊相關信息,采用基于源-途徑-受體風險3要素構建的風險篩查指標體系和評估方法,評估相對風險水平,劃分關注度等級.關閉搬遷企業地塊的風險篩查指標包括3個級別,其中,一級指標包括土壤和地下水2項,滿分各100分;二級指標分別包括污染特性、污染物遷移途徑和受體3項;土壤和地下水的3級指標分別為15項和14項.然而,土壤和地下水是典型的復雜環境系統,現有的風險篩查與分級體系主要借鑒發達國家對應體系,指標、分值設定有一定主觀性.由于時間、資源有限,前期抽調地塊收集到信息較少、不確定性較大.

為了判斷風險篩查技術體系的指標完備性、權重和賦分合理性及篩查結果可靠性,本研究基于美國環保部發布的污染物遷移轉化機理模型-EPACMTP模型,運用不確定性分析、靈敏度分析、案例實證分析等數值模擬方法,對關閉搬遷企業地塊風險篩查方法開展了綜合評估,并提出了改進建議.

1 研究方法

1.1 使用模型介紹

多介質模型被廣泛用于模擬污染物的遷移與轉化過程,并預測其健康危害[5-9].對目前常用的32個土壤和地下水污染物遷移模型,作者從研究目的出發,對各模型的適用性和可靠性進行了分析和評價[10],并從中選取了用于篩查階段的多介質模型.

滲濾液遷移與轉化產物復合模型(EPACMTP模型)[11]由美國環保署于1997年開發,可模擬從廢物處理單元(WMU)泄露的污染物在下方土壤和地下水中的遷移運輸的過程,包括對流,水力擴散,線性/非線性吸附,一階鏈式衰變反應等,并預測下游檢查井對應的污染物暴露濃度.該模型可用于判斷場地污染嚴重程度,輔助確定場地風險管控的優先順序[12].該模型被廣泛應用于評價危險廢物場地、填埋場等的土壤和地下水污染風險評價[13-15].

EPACMTP模型主要由污染物質、污染源、非飽和帶、飽和帶4個模塊組成.模型假設有:污染物在非飽和帶垂直輸送,進入飽和帶后為三維遷移.

1.2 指標完備性與權重合理性分析

在關閉搬遷企業地塊的風險篩查指標體系中,18項指標可以大致對應EPACMTP模型的15個參數,為本研究重點關注參數.模型未能涵蓋的指標包括污染物自身特性(對人體健康的危害效應、是否含持久性有機污染物、揮發性)、地塊土地利用方式、地下水及鄰近地表水用途、人群進入和接觸地塊的可能性、地塊及周邊500m內人口數量等11項指標.此外,本研究還分析了滲濾液濃度、溫度、pH值、非飽和帶有機物占比等4個模型參數.

根據污染場地源-途徑-受體過程特征,將本研究涉及的19個參數分為污染源、非飽和帶、飽和帶、受體等4類.其分布與范圍見表1.參數分布主要參考《關閉搬遷企業地塊風險篩查與風險分級技術規定(試行)》與EPACMTP模型的參數設定.

表1 模型參數分布與對應指標

注:*分布參考《關閉搬遷企業地塊風險篩查與風險分級技術規定(試行)》[4];**分布參考模型內置分布或文獻[16].

在本研究中,模型的輸出設定為:在污染源下游方向給定位置的地下水中,70a內污染物能達到的最大濃度.研究以有機污染物苯為例,模型中的情景設置為“廢物堆”情景.

由于局部靈敏度分析方法獨立逐一計算單個參數局部擾動造成的輸出變化,無法體現參數相關性,因此本研究采用了區域靈敏度分析的方法.基于HSY算法的思想[17-18],將模型的輸出分為2組.如果滿足:

0￡￡*(1)

則為可接受組,否則為不可接受組,式中:y是判斷輸出的標準.為了更保守地估計,研究選取了輸出的95%分位數作為y.

根據輸出所在的分組,對應的輸入參數也可以被相應地分為2組[19].對于參數,運用K-S檢驗比較其在2組中分布的差異,若顯著性小于0.05,則認為參數的靈敏度顯著.K-S檢驗的距離值d越大,說明參數在2組中的分布差異越大,參數的靈敏度較高.對研究的19個參數,判斷其中靈敏度顯著的參數是否在風險篩查體系中有對應指標,分析指標的完備性.

對參數,其重要性因子I為[20]:

1.3 指標分級與賦分合理性分析

全局靈敏度是在所有參數變化的情況下,分析某個參數取值對結果的影響.為了分析風險篩查指標內部分級與賦分的合理性,本研究以重點區域面積和離最近敏感目標的距離2個指標為例,對其對應的模型參數(分別為“場地面積”與“距污染源徑向距離”)進行了全局靈敏度分析[21-22],并根據輸出變化率驗證篩查分數指標分級與賦分.在對每個參數進行全局靈敏度分析時,采用2種采樣方式:

(i)組:所有參數在其范圍內按分布隨機取值,待模型輸出穩定(即增加一次計算后,平均值變化小于0.01%)后,求輸出平均值與95分位數.

(ii)組:對于參數,在其取值范圍內按一定間隔由小到大地取定值,記為p1,p2…p.當參數值取p(=1,2…)時,其余參數在其取值范圍內按分布隨機取值,待模型輸出穩定后,記輸出平均值為y,并記錄輸出的95分位數.

隨著的增大,參數的值p不斷增加,輸出y變化的幅度逐漸變小.記曲線y-p的斜率為k,將k的范圍分為4份,對應的參數的范圍(記為U)也分為4份,分別記為U1,U2,U3和U4,這樣就完成了參數內部的分級.

對指標內分級的賦分通過濃度的比值確定.若參數在U范圍內,則此時的賦分占指標總權重的百分比(S)應為:

式中:max(y|p?U)為參數p在U范圍內時,y的最大值; min(y|p?U)為p在U范圍內時,y的最小值; max(y|p?U)為參數p在U范圍內時,y的最大值.

將對參數的分級(U1,U2,U3和U4)與賦分(S)和風險篩查指標體系中指標的分級與賦分進行比較,判斷其合理性.全局靈敏性的分析以有機污染物苯為例,輸出與情景設置同上.

1.4 案例實證分析

本研究以某地28個關閉搬遷企業的場地為實證案例,這些場地以重金屬污染為主,通過比較場地模型計算結果與風險篩查得分,判斷風險篩查指標體系的可靠性.

根據這些場地的場地調查報告,得到污染區域面積、污染時間、土壤點位污染物濃度、溫度、pH值、土壤質地等信息.利用這些信息作為EPACMTP模型的輸入,計算場地周邊敏感受體處地下水中鉛、汞、銅、鋅、砷、鎳等6項污染物濃度.

對于場地,污染物的單因子指數為:

式中:C為場地中污染物的濃度;C為污染物在《地下水水質標準》(DZ/T 0290-2015)III類水質標準的濃度限值[23].

綜合鉛、汞、銅、鋅、砷、鎳等6項污染物,場地的內梅羅指數為

將場地的各項污染物濃度及內梅羅指數與風險篩查分數進行比較,分析風險篩查方法判斷的準確性.

2 結果與討論

2.1 指標完備性分析

對研究選定的19個參數,有14個參數靈敏度顯著.包括:(1)污染源參數:滲濾液濃度、滲透率、場地面積、源釋放時間、區域補給率;(2)非飽和帶參數:飽和水力傳導系數,保水性;(3)飽和帶參數:顆粒直徑、水力傳導系數、水力梯度、垂直彌散系數、橫向彌散系數、縱向彌散系數;(4)受體參數:距污染源徑向距離.非飽和帶有機物占比靈敏度不顯著,但重要性因子排序為第5名.

將各參數按其靈敏度從高到低進行排列并編號,計算各參數的重要性因子,并與各參數對應指標的分值進行比較,如圖1所示.

圖1 各參數重要性與對應指標分值

1:滲濾液濃度 2:觀測井徑向距離3:水力傳導系數4:滲透率 5:水力梯度 6:垂直彌散系數 7:橫向彌散系數 8:縱向彌散系數 9:源釋放時間 10:場地面積 11:區域補給率 12:顆粒直徑 13:飽和水力傳導系數 14:保水性15:保水性16:有機物占比 17:pH值18:包氣帶厚度 19:溫度

除滲濾液濃度外,風險篩查體系的指標已涵蓋所有靈敏度顯著的參數.這是由于在對場地進行風險篩查的過程中,不進行現場采樣等工作,因此未對滲濾液濃度進行考量.在風險篩查后的風險分級階段,將會評價滲濾液濃度對場地風險的影響.

此外,風險篩查體系指標忽略了個別靈敏度不高但也較為重要的參數,如非飽和帶有機物占比.飽和帶水力傳導過程(模型中涉及顆粒直徑、水力傳導系數、水力梯度、垂直彌散系數、橫向彌散系數、縱向彌散系數等6個靈敏參數)與非飽和帶水力傳導過程(模型中涉及飽和水力傳導系數,保水性α等2個靈敏參數)值得關注,但指標體系中僅采用非飽和帶與飽和帶土壤滲透性這2項指標來表征這一重要過程.

2.2 權重合理性分析

對各參數的區域靈敏度與重要性的分析表明:污染源相關參數靈敏度較為集中,排序范圍為1~11名,相對較高;重要性較為集中,排序范圍為6~14名,處于中等.其中,源釋放時間參數靈敏度排序第9,重要性排序第13.非飽和帶參數靈敏度較為集中,排序范圍為13~18名,相對較低;重要性差異較大,排序范圍為2~15名.其中,非飽和帶飽和水力傳導系數參數靈敏度排序第13,但重要性排序第2.飽和帶參數靈敏度差異較大,排序范圍為3~19名;重要性差異較大,排序范圍為1~17名.其中,與飽和帶水力傳導過程相關的參數—水力傳導系數、水力梯度靈敏度排序分別為3、5,重要性排序分別為1、3.受體參數—觀測井徑向距離靈敏度排序第2,重要性排序第16.

將參數的靈敏度與重要性因子同對應指標的權重進行比較,可以得出以下結論:(1)風險篩查體系對于大部分靈敏度或重要性較高的參數給予了較大權重.(2)污染源指標中,生產經營活動時間(土壤指標,15分;地下水指標,18分)權重較高.(3)非飽和帶指標中,包氣帶土壤滲透性(土壤指標,3分;地下水指標,2分)權重較低.(4)飽和帶指標中,飽和帶土壤滲透性(地下水指標,3分)權重較低.

2.3 賦分合理性分析

2.3.1 重點區域面積 對參數場地面積進行全局靈敏度分析,如圖2所示.場地面積的全局靈敏度顯著,污染物濃度隨著參數的增加而增加,但是增長速度逐漸放緩.當面積大于20hm2后,單位面積的增加引起濃度的變化小于1%,認為此時的濃度可以代表面積在其取值范圍內時濃度的最大值.

根據斜率k隨面積的變化,將面積的取值范圍分為4個部分:<1hm2,1~2hm2,2~10hm2,>10hm2.根據公式(3),各部分對應的賦分占指標總權重的比例分別為:20%、46%、68%與100%.

對比風險篩查指標,參數對應指標為重點區域面積,指標分檔及檔位分數比例為:<2hm2(20%),2~ 10hm2(60%),>10hm2(100%).因此,對面積為1~2hm2的場地,風險篩查評估結果偏低.

2.3.2 離最近敏感目標的距離 如圖3所示,對參數距污染源徑向距離進行全局靈敏度分析.該參數全局靈敏度顯著,隨著參數的增大,污染物濃度下降,但下降速度放緩.當距離大于3200m后,單位距離的增加引起濃度的變化小于0.05%,認為此時的濃度可以代表面積在其取值范圍內時濃度的最小值.

根據斜率k隨距離的變化,將距離的取值范圍分為4個部分:<350m,350~1000m,1000~2000m, >2000m.根據公式(3),各部分對應的賦分占指標總權重的比例分別為:100%、51%、26%與13%.

對比風險篩查指標,參數對應指標為離最近敏感目標的距離,指標分檔及檔位分數比例為: <100m(100%)、100~300m(70%)、300~1000m (40%)、>1000m(10%).對于距離敏感受體300m~2000m的場地,風險篩查評估結果偏低.

2.4 實證案例分析

實證研究涉及的污染場地以重金屬污染為主.對28個潛在重金屬污染風險場地,風險篩查得分大于70分、40~70分、小于40分的場地分別有1、23、4塊,分別對應風險篩查中規定的高、中、低3類關注地塊.按照場地風險篩查得分由高至低的順序進行編號.根據各場地的相關信息,使用模型計算受體處地下水中的鉛、汞、銅、鋅、砷、鎳污染物濃度,得到各污染物單因子指數及內梅羅指數,并與各場地的風險篩查得分進行比較.各地塊鉛、砷、汞、銅、鋅、鎳污染單因子指數及內梅羅指數如圖4所示.其中,模型計算得到的各污染物單因子指數和內梅羅指數采用平均值-95分位數的范圍進行表示.

案例地區的28個潛在重金屬污染場地中,地下水中均存在鉛污染.其中,12塊地塊鉛污染單因子指數95分位數超過1,即在保守條件下,應當判斷這些地塊鉛污染超標.地塊10鉛污染最嚴重,其單因子污染指數95分位數為461.6,平均數為94.2.對照風險篩查結果,篩查分數排序22名之后的地塊,鉛污染單因子指數95%分位數均小于1,即有較大把握判定這些地塊鉛污染不會超標.因此,風險篩查方法對于鉛污染較低的地塊判斷準確.

汞、銅、鋅、鎳污染與鉛污染類似,4類污染超標的場地數量分別為1個、5個、1個、11個.風險篩查方法對于汞、銅、鋅、鎳污染較輕的場地判斷準確,分數排序在17名之后的,上述4類污染單因子指數95分位數均小于1.

28塊場地中有9塊地塊地下水存在砷污染,6塊地塊砷污染單因子指數95分位數超過1,地塊4污染最嚴重,其單因子污染指數95分位數為100.4,平均數為21.2.與風險篩查結果比對后發現,風險篩查方法對于砷污染地塊判斷準確度較低,排序23、27名的地塊砷污染單因子指數95%分位數超標.

綜合各類污染物,28塊場地中有18塊場地內梅羅指數95%分位數超過1,潛在風險較大.地塊6最嚴重,其內梅羅指數95%分位數為1255.5,平均值為403.0.分析表明,風險篩查方法對于污染較輕的場地判斷較為準確,排序17名之后的場地內梅羅指數95%分位數均小于2,平均值均小于1.

對于以有機污染物、持久性有機污染物等為主的場地,可以采取相同的方法計算內梅羅指數,并與場地風險篩查分數進行比較.此外,盡管在模型說明文件[24]中,沒有對輸入模型的重金屬污染物濃度作出有效域限制,對于源頭強度不超過5′10-6的重金屬污染物,模型模擬結果與用其它數值和分析方法得到的結果重合度很高.因此,對于重金屬污染源濃度高于5′10-6的場地,建議可以采用結合其他模型進行輔助判斷.

2.5 建議

一、建議進一步提高對污染物遷移過程的關注:在現有指標基礎上,建議引入更多與飽和帶水力傳導過程相關的指標(如水力梯度,孔隙度等),以及非飽和帶有機物占比、飽和水力傳導系數等指標,并對上述指標設置較高分值,從而更全面刻畫污染物遷移過程.

二、建議參考全局靈敏度分析結果,對評分項目內部分級及賦分進行調整.對指標分檔及檔位分數比例建議可調整如下:(1)重點區域面積: <1hm2(20%),1~2hm2(46%),2~10hm2(68%),>10hm2(100%); (2)離最近敏感目標的距離:<350m(100%)、350~1000m(51%)、1000~2000m(26%)、>2000m (13%).

三、建議重點關注中高風險場地與砷污染場地.可對上述兩類場地予以重點關注,適時開展更詳盡的場地調查,積累更多案例場地數據,并結合模型對風險篩查指標體系做進一步完善.

四、在實際應用中,可以利用模型輔助判斷風險篩查結果的準確性與可靠性.對于實際場地,根據場地調查結果,按模型要求輸入相關信息(污染區域面積、污染時間、土壤點位污染物濃度、溫度、pH、土壤質地等),輸出得到各污染物濃度后,按照式(4),式(5)進行計算得到污染物單因子指數與內梅羅指數,與場地篩查分數進行比較.對污染物單因子指數和內梅羅指數大于1的場地,建議進行進一步調查.

五、后續研究可以針對于其余類型的污染場地,使用更多種類的多介質模型進行驗證.

建議在后續的研究中,關注以有機污染物和持久性有機污染物為主的場地,對此類場地進行類似的研究,同時,采用更多種類多介質模型進行驗證.

3 結論

3.1 本研究運用EPACMTP模型,通過基于HSY思想的區域靈敏度分析、全局靈敏度分析與案例實證研究對關閉搬遷企業地塊風險篩查指標體系的完備性、合理性和可靠性進行評估.除滲濾液濃度外,風險篩查體系指標已涵蓋所有靈敏度顯著的參數(13個),完備性較好.

3.2 對于大部分靈敏度或重要性較高參數給予了較大權重,對重點區域面積、離最近敏感目標的距離等兩項指標的賦分整體合理.

3.3 對于重金屬低污染場地,風險篩查結果相對更為可靠,篩查分數排序17名之后的地塊,其鉛、汞、銅、鋅、鎳污染單因子指數95%分位數均小于1,內梅羅指數95%分位數均小于2,平均值均小于1.

3.4 風險篩查方法對于中高風險場地與砷污染場地的區分能力相對不強.

[1] 姜 林,鐘茂生,張麗娜,等.基于風險的中國污染場地管理體系研究[J]. 環境污染與防治, 2014,36(8):1-10.

[2] 廖曉勇,崇忠義,閻秀蘭,等.城市工業污染場地:中國環境修復領域的新課題 [J]. 環境科學, 2011,32(3):784-794.

[3] 中華人民共和國國務院.關于印發土壤污染防治行動計劃的通知 [EB/OL]. http://zfs.mep.gov.cn/fg/gwyw/201605/t20160531_352665. shtml, 2018-02-27.

[4] 中華人民共和國環境保護部辦公廳. 關于印發重點行業企業用地調查系列技術文件的通知[EB/OL]. http://www.zhb.gov.cn/gkml/ hbb/bgt/201708/t20170818_420021.htm, 2018-02-27.

[5] Liu S, Lu Y, Wang T, et al. Using gridded multimedia model to simulate spatial fate of Benzo [α] pyrene on regional scale [J]. Environment International, 2014,63:53-63.

[6] Tobiszewski M, Namie?nik J, Pena-Pereira F. Environmental risk-based ranking of solvents using the combination of a multimedia model and multi-criteria decision analysis [J]. Green Chemistry, 2017, 19(4):1034-1042.

[7] Asif Z, Chen Z. Examining screening-level multimedia models through a comparison framework for landfill management [J]. Environmental Management, 2016,57(1):229-236.

[8] 張 釗,黃瑾輝,曾光明,等.3MRA風險模型在鉻渣整治項目制定過程中的應用 [J]. 中國環境科學, 2010,30(1):139-144.

[9] 徐 亞,朱雪梅,劉玉強,等.基于隨機-模糊耦合的污染場地健康風險評價及案例 [J]. 中國環境科學, 2014,34(10):2692-2700.

[10] 黃瑾輝,李 飛,曾光明,等.污染場地健康風險評價中多介質模型的優選研究[J]. 中國環境科學, 2012,32(3):556-563.

[11] United States Environmental Protection Agency. EPA's composite model for leachate migration with transformation products (EPACMTP) [EB/OL]. https://www.epa.gov/smm/epas-composite- model-leachate-migration-transformation-products-epacmtp, 2018- 02-27.

[12] Yang Y, Jiang Y H, Xi B D, et al. Risk-based prioritization method for the classification of groundwater pollution from hazardous waste landfills [J]. Environmental Management, 2016,58(6):1046-1058.

[13] 季文佳,楊子良,王 琪,等.危險廢物填埋處置的地下水環境健康風險評價[J]. 中國環境科學, 2010,30(4):548-552.

[14] 呂任生,黃啟飛,趙晨曦,等.廢棄日用品塑料中多溴聯苯醚浸出特征及地下水健康風險 [J]. 環境化學, 2015,34(1):37-43.

[15] 徐 亞,劉玉強,劉景財,等.填埋場滲漏風險評估的三級PRA模型及案例研究[J]. 環境科學研究, 2014,27(4):447-454.

[16] United States Environmental Protection Agency. Parameters/data background document for EPACMTP [EB/OL]. https://www.epa.gov/ sites/production/files/2016-03/documents/v2_pd.pdf, 2018-02-27.

[17] Spear R C, Hornberger G M. Eutrophication in peel inlet—II. Identification of critical uncertainties via generalized sensitivity analysis [J]. Water Research, 1980,14(1):43-49.

[18] Young P C, Hornberger G M, Spear R C. Modelling badly defined systems-some further thoughts [C]//Proceedings SIMSIG simulation conference, Canberra: Australian National University, 1978:24-32.

[19] Petropoulos G, Srivastava P K. Sensitivity analysis in earth observation modelling [M]. United Kingdom: Elsevier, 2016:125- 144.

[20] Hoffman F O, Miller C W. Uncertainties in environmental radiological assessment models and their implications [R]. TN (USA): Oak Ridge National Lab, 1983:57.

[21] Chen J, Beck M B, Barnwell T O. Quality assurance of multi-media model for predictive screening tasks [M]. USA: USEPA, 1999:98-106.

[22] Song X, Zhang J, Zhan C, et al. Global sensitivity analysis in hydrological modeling: Review of concepts, methods, theoretical framework, and applications [J]. Journal of Hydrology, 2015,523: 739-757.

[23] DZ/T 0290-2015 地下水水質標準 [S].

[24] United States Environmental Protection Agency. EPA's composite model for leachate migration with transformation products (EPACMTP): background document for EPACMTP: metals transport in the subsurface [EB/OL]. https://www.lic.wisc.edu/glifwc/PolyMet/ FEIS/reference/USEPA 1996.pdf.

Assessment of the risk classification method for closed industrial contaminated sites—A study based on EPACMTP model.

LI Tian-kui1, LIU Yi1*, XIE Yun-feng2

(1.School of Environment, Tsinghua University, Beijing 100084, China；2.Chinese Research Academy of Environmental Sciences, Beijing 100012, China)., 2018,38(10)：3985~3992

This paper used the contaminant fate and transport multimedia model (EPACMTP model) to assess the risk classification method for a national soil quality survey program. Regional sensitivity analysis, global sensitivity analysis and empirical verification were conducted. The work focused on the completeness of indicators, credibility of classification and robustness of weighting and scoring. The result showed that almost all (13in total) sensitive parameters were covered by the risk classification method, except for leachate concentration. Parameters with high sensitivity and importance were usually given relatively high weights. The scores for site area and distance to receptor were shown to be reasonable. The classification for low-risk sites were generally accurate. This study recommended that more attention should be paid to contaminant transport process. Suggestions were given on indicator weighting and scoring. We also suggested focusing on medium- and high-risk sites, as well as arsenic contaminated sites.

multimedia model；contaminated sites；risk classification

X820.3

A

1000-6923(2018)10-3985-08

李天魁(1993-),男,河南鄭州人,清華大學博士研究生,主要從事污染場地風險評價工作.發表論文1篇.

2018-03-07

重點行業企業用地風險篩查模型驗證與優化(20182000801)

* 責任作者, 教授, yi.liu@tsinghua.edu.cn