基于不同空間插值的污染場地土壤銻修復范圍預測研究①

賈 琳，夏天翔*，張麗娜，賈曉洋，張 丹

基于不同空間插值的污染場地土壤銻修復范圍預測研究①

賈 琳1,2,3，夏天翔1,2,3*，張麗娜1,2,3，賈曉洋1,2,3，張 丹1,2,3

(1 北京市生態環境保護科學研究院，北京 100037；2 國家城市環境污染控制工程技術研究中心，北京 100037；3 污染場地風險模擬與修復北京市重點實驗室，北京 100037)

以污染場地土壤銻超標地層為研究對象，結合土壤每層銻含量的分布特點，分析和比較了克里格插值模型(OK、UK)、反距離插值(IDW)、泰森多邊形(TIN)和分區預測模型(OK+TIN)對不同深度土壤銻修復范圍及預測精度的差異。結果表明：各方法確定的0 ～ 1 m地層修復面積大小順序為IDW>OK=UK> TIN >OK+TIN，修復面積依次為74 154、57 427、37 338、32 707 m2；各方法確定的1 ～ 3.8 m地層修復面積大小順序為IDW>UK>TIN>OK+TIN>OK，修復面積依次為13 089、11 030、9 660、2 183、1 231 m2，克里格插值帶來的平滑作用導致超標范圍的遺漏和未超標區域納入修復范圍。在受成本和污染物空間分布制約的情況下，TIN方法從幾何原理的角度可以較為準確地反映不同深度土壤銻的修復范圍；克里格插值(包括OK+TIN方法)和反距離插值受數據分布假設的約束，平滑效應明顯，估計精度受限。

污染場地；銻；空間插值；修復范圍

近年來，隨著城市化進程的加速，城市關停、搬遷工業企業后原址場地的污染問題凸顯，對生態環境、食品安全和人體健康構成了嚴重威脅[1-3]?；谶@一現狀，國家和地方越來越重視污染場地的環境管理，相繼出臺場地相關法律法規及政策標準。按照《中華人民共和國土壤污染防治法》第三十五條的規定，土壤污染風險管控和修復包括土壤污染狀況調查和土壤污染風險評估、風險管控、修復、風險管控效果評估、修復效果評估、后期管理等活動。依據場地調查和風險評估的結果，對于超過可接受風險水平的點位需要建立其風險管控范圍或修復范圍(下統稱為“修復范圍”)，為場地后續修復方案的建立及修復工程的實施提供依據。由于場地污染物及污染狀況的差異，從管理層面上國家尚未出臺修復范圍建立的技術規定，因此有必要開展這一方面的研究，以期為污染場地風險管控及修復工作提供參考。

目前常用的土壤屬性制圖方法有地統計學插值模型、確定性插值模型、離散點的定性分析方法等[4-10]。地統計學插值模型是利用樣本點的統計規律，使樣本點之間的空間自相關定量化，從而在待預測點周圍構建樣本點的空間結構模型，比如克里格插值法[11]?？死锔袷菑淖兞肯嚓P性和變異性出發，在有限區域內對區域化變量的取值進行無偏、最優估計的一種方法[12]。按照空間場是否存在漂移可將克里格插值分為普通克里格和泛克里格，其中普通克里格常稱作局部最優線性無偏估計，當數據服從二階平穩假設時，可以采用普通克里格進行插值；泛克里格是在區域化變量非平穩條件下的一種最優化無偏線性估值方法，它是從區域化變量的角度考慮數據的空間結構性，內插值更接近客觀實際[13]。確定性插值方法是基于信息點之間的相似程度或者整個曲面的光滑性來創建一個擬合曲面，如反距離加權平均插值法、趨勢面法、樣條函數法等。泰森多邊形是常用的空間分析方法之一[14-17]，它是由一組連接兩相鄰點線段的垂直平分線組成的連續多邊形組成。由于環境事件發生的空間集聚性，采用地統計方法進行空間分析多數情況下會導致結果有偏，因此泰森多邊形也經常用于反映區域環境因子的集聚效應[8, 16-17]。

由于受歷史生產活動和污染源分布等因素的影響，工業污染場地土壤中的關注污染物往往呈現局部污染嚴重的特點，這些區域的污染物含量極高，具有很強的空間變異性[2, 18]。如何根據場地污染物空間分布選擇適用的空間插值方法是影響土壤修復范圍預測質量的最主要因素之一?？死锔癫逯翟跀祿亩A平穩假設時，預測精度更高；反距離插值在克里格插值無法取得可信賴的半變異函數時更占優勢；泰森多邊形依據污染點位的空間位置進行空間劃分，可以更好地反映區域的集聚效應和空間結構。研究表明，對于某種場地土壤污染物濃度呈偏態情況下，分區預測(克里格+TIN)的預測精度更高[19]。

銻是土壤中廣泛分布的一種有毒重金屬，其對人體及生物具有毒性及致癌性。中國的銻礦儲量和銻生產量為世界之最，也是場地上經常出現的重金屬之一[20]，而環境中銻污染的報道卻較少。銻是子彈制作時常用的硬化劑，子彈大約含銻2% ～ 5%，研究表明，在打靶場廢棄的子彈被腐蝕后，分解釋放的銻會進入土壤或者經淋溶進入土壤[21]。本研究選擇該場地土壤特征污染物銻作為研究對象，分析其含量的空間變異性，分別采用普通克里格插值(OK)、泛克里格插值(UK)、反距離插值(IDW)、泰森多邊形(TIN)、分區預測(OK+TIN)建立場地土壤銻修復范圍，從預測精度和修復范圍的角度評價幾種預測模型的適用性，以期為土壤銻污染狀況及修復范圍劃定方法的選擇提供參考。

1 材料與方法

1.1 研究區域概況

研究場地為我國某大型軍工場地，場地占地面積約27 hm2，按照當地規劃的要求，企業目前已停產搬遷。企業有近70 a的生產歷史，生產初期工藝設備相對落后、經營管理較為粗放、環保設施缺少或不完善，在多年生產經營過程中，導致一些對人體有害物質的排放。根據場地生產工藝及現場調查的需要，本次調查將場地劃分為A(污水排放區)、B(底火、火工區)、C(曳光彈生產區)、D(射釘彈生產區)4個區域(圖1、表1)。該企業主要生產原料包括雷汞、鉛、鋁粉、銅、鉀銻和石油烴等。場地地勢在總體上是東北、東南兩側向河谷逐漸降低，河谷部位則呈由西向東逐漸降低的趨勢。

區內地貌依成因類型可劃分為堆積地形及河漫灘，河漫灘可分為高漫灘和低漫灘。場地土壤分為4層：第一層(①層)：人工堆積土，埋深為0 ～ 3.5 m，主要為低液限黏土夾爐灰、碎磚及建筑垃圾，將土壤巖性概化為低液限黏土進行風險評估；第二層(② ～ ③層)：老土層，埋深為3.5 ～ 5.5 m，主要為低液限黏土，將巖性統一概化為黏土；第三層(④ ～ ⑦層)：含水層，埋深為5.5 ～ 22.0 m，主要為級配不良中砂、粗砂組成，將巖性統一概化為砂土；第四層(⑧層)：含水層底板，埋深在22 m以下，為低液限黏土，將巖性統一概化為黏土。

該地塊土壤銻污染主要集中在埋深3.8 m以上的人工堆積層，隨著深度的增加土壤污染程度減輕，同時考慮到土壤巖性對污染物遷移風險的影響，結合地質分層(圖2)，本場地土壤銻風險評估及修復范圍劃定將地層劃為0～1.0、1.0～3.8、>3.8 m。

(A區：污水排放區；B區：底火、火工區；C區：曳光彈生產區；D區：射釘彈生產區)

表1 場地各分區主要生產設施及功能

圖2 場地土壤分層概化

1.2 樣品采集與分析

根據我國目前污染場地的管理要求，本次調查按照初步調查和詳細調查兩個步驟進行。本次初步調查主要采用判斷布點，在可能造成潛在污染的熱點區域進行采樣點布設。結合初步調查結果，進行詳細調查的布點。整個調查區域通過開展初步和詳細調查共布置土壤采樣點159個，最大鉆探深度為31.5 m。

為了判斷不同深度土壤污染情況，按照地層分布進行了不同深度的采樣，取樣深度范圍為0.2 ～ 31 m。本研究實際的鉆孔數目為159個，現場鉆探的同時采用RTK對各采樣點地面高程和地理位置進行測量，對采樣點的坐標和高程進行記錄。場地土壤鉆探采用傳統的鋼索沖擊鉆法，獲取的土壤剖面樣品全部放置于木制巖心箱，表層土壤采樣時，先清除地表石塊、植被等，再進行樣品采集。本次土壤調查共采集樣品數量為1 264個(含100個平行樣)，采集的樣品裝于200 ml的廣口玻璃瓶內進行保存。所有樣品采集完成后，置于硬質塑料樣品轉運箱內，加入藍冰以確保運輸過程中維持低溫。樣品采集完畢后送至實驗室進行檢測。

土壤銻的檢測方法采用USEPA 6020B-2014電感耦合等離子體質譜法進行測定。樣品分析取0.1 ～ 0.2 g風干土，過100目篩后，加入5 ml硝酸、2 ml高氯酸、2 ml氫氟酸，加蓋并放入160 ℃ 石墨爐消解，開蓋于約160 ℃ 加熱至透明液滴，加入0.5 ml硼酸溶液冷卻定容至50 ml待測。在樣品分析時進行加標回收率和平行樣的測定，標樣(編號GSB04-1767-2004，批號174001)由國家有色金屬及電子材料分析測試中心提供，加標樣品回收率為95% ～ 97%，現場平行樣的相對偏差為0.0% ～ 20.69%。

1.3 風險控制值

根據健康風險評估結果，確定銻為該場地土壤的目標污染物，需基于健康風險評估結果采用劑量–效應模型反算其土壤風險控制值。基于設定為1的可接受非致癌風險水平，通過風險評估模型反推獲得其風險控制值為20 mg/kg。我國現行《土壤環境質量建設用地土壤污染風險管控標準(試行)》(GB 36600—2018)[22]規定的第一類用地銻篩選值也為20 mg/kg，因此確定場地土壤銻的風險控制值為20 mg/kg。

1.4 研究方法

1.4.1 土壤銻修復范圍預測方法 以土壤銻超標地層為研究對象，結合土壤每層銻含量的分布特點，本研究選用以下5種方法分析土壤超標銻修復范圍及精度：①普通克里格插值(OK)：基于普通克里格插值的“二階平穩假設”，將原始數據進行對數轉換后進行插值；②泛克里格插值(UK)：通過數據分析，去除數據來自于背景值的主導趨勢，采用泛克里格插值對剔除趨勢后數據進行插值；③反距離插值：采用原始數據進行反距離插值；④泰森多邊形方法：作為污染場地常用修復范圍的確定方法，基于采樣點建立泰森多邊形，以超過修復目標值的泰森多邊形作為修復范圍；⑤分區預測方法：基于正態分布的“3σ”原則，以銻含量超過平均值加4倍標準差的數值作為異常值，并以原始數據中值代替其高值部分，進行拆除高值后數據的普通克里格插值(OK)，最后將兩部分插值數據疊加，將超過修復目標值的區域劃定為修復范圍。

1.4.2 插值精度驗證 土壤污染物空間插值精度的驗證受驗證方法和驗證指標的影響。本研究通過調整半方差模型的參數進行交叉驗證，確定特定插值方法下的適用參數。交叉驗證經常用來比較不同方法或同一方法不同參數選擇的插值結果，如可以通過半方差模型中選擇最佳搜索半徑和步長距離或鄰域點個數使克里格方差最小。

插值精度驗證指標中平均誤差(ME)、均方根誤差(RMSE)為常用的衡量已知數據和預測數據差別的指標，根據每個驗證點位置的觀測值和預測值計算，公式如下：

1.5 數據分析與處理

本研究土壤銻含量的描述性統計分析采用軟件SPSS 19.0，空間插值方法及精度驗證采用ESRI ArcGIS10.5進行處理。

2 結果與分析

2.1 場地土壤銻含量的統計與分析

從表2中可以看出，場地0 ～ 1 m土壤銻含量范圍為0.40 ～ 507.39 mg/kg，平均值為23.64 mg/kg，中位數為5.50 mg/kg，銻平均含量超過我國《土壤環境質量建設用地土壤污染風險管控標準(試行)》(GB 36600—2018)第一類用地篩選值標準(20 mg/kg)，204個土壤樣品中有37個土壤銻超標，超標率為18.14%；1.0 ～ 3.8 m土壤銻含量范圍為0.10 ～ 260.83 mg/kg，平均值為3.78 mg/kg，418個樣品中有10個土壤銻超標，超標率為2.39%。與0 ～ 1.0 m土層相比，1.0 ～ 3.8 m層土壤銻含量最大值和平均值均呈現下降趨勢。

0 ～ 1.0 m和1.0 ～ 3.8 m土壤銻含量均呈偏態分布(表2，圖3)，其偏度分別為5.15、14.46，峰度分別為30.04、246.38，極差分別為506.99、260.73 mg/kg，說明土壤銻含量具有明顯的集聚性?；贠K+TIN方法識別的0 ～ 1.0 m土壤銻含量的異常值有4個，1.0 ～ 3.8 m土壤銻含量的異常值有2個，分別用其中位數替代。0 ～ 1.0 m、1.0 ～ 3.8 m替換前后的土壤銻含量對數正態累積頻率如圖4所示。從圖中可以看出，中值替換對每層的數據分布基本沒有影響，0 ～1.0 m土壤銻含量基本均位于95% 置信區間內，數據呈對數正態分布；而1.0 ～ 3.8 m土壤銻含量均不服從對數正態分布，原因在于1.0 ～ 3.8 m土壤銻濃度整體較低，其超標率為2.4%，而最大超標倍數為12，說明1.0 ～ 3.8 m土壤銻含量的極端效應十分明顯。

表2 場地土壤銻含量統計特征

注：①《土壤環境質量建設用地土壤污染風險管控標準(試行)》(GB36600—2018)第一類用地篩選值。

圖3 場地土壤銻含量直方圖

圖4 場地土壤銻含量對數正態累積頻率圖

2.2 場地土壤銻含量空間分布

將土壤各采樣點銻濃度與原廠區平面布置圖進行空間疊加后可以發現(圖5)，0 ～ 1.0、1.0 ～ 3.8 m土壤銻含量具有明顯的空間差異性，以0 ～ 1.0 m土壤尤為明顯。0 ～ 1.0 m土壤銻含量超過篩選值特別是超標嚴重的采樣點主要分布在以銻為原料的生產與加工區域，即場區西南部的曳光彈生產區、射釘彈生產區和東中部的底火火工區。從圖5中可以看出，土壤銻超標嚴重的采樣點分布在B、C兩個分區，銻最高濃度507.39 mg/kg出現在曳光彈生產區域0 ～ 1.0 m地層，1.0 ～ 3.8 m土壤銻含量最大值出現在C區底火加工區。原因在于這些區域都屬于場地的子彈生產區，其生產過程中采用的起爆藥含有硫化銻成分，生產過程中炸藥的遺撒和污水排放都會導致銻在表層土壤累積。

圖5 場地土壤銻含量空間分布

3 土壤銻修復范圍預測

3.1 模型擬合

同一插值方法中，不同參數的設定對插值精度有顯著影響。影響IDW插值的因素有指數值的選擇、估計的鄰域樣點數目及搜索半徑；影響克里格插值的因素包括數據的變異性和空間結構、半方差函數模型和搜索半徑，這些方法大部分參數的確定沒有太多可遵循的規律，需通過交叉驗證等方法來確定。

3.1.1 IDW擬合參數 本研究通過選取不同的指數值進行IDW插值，鄰域樣點數據和搜索半徑根據場地生產工藝分布確定合理的數值，對插值結果進行交叉驗證并計算均方根誤差(RMSE)。由圖6可以看出，RMSE隨著指數值增大呈現先減小后增大的趨勢，0 ～ 1.0 m土壤銻含量RMSE值在=1.88處達到最小值，1.0 ～ 3.8 m土壤銻含量則在=9.59處達到最小值，此時其IDW插值效果最優，因此本研究分別選取=1.88及=9.59進行IDW插值。

3.1.2 土壤銻含量半變異函數 普通克里格和泛克里格插值擬合的關鍵是變量的變異函數分析，因此對0 ～ 1.0 m和1.0 ～ 3.8 m土壤銻含量整體數據經對數轉換后的數據、去掉主導趨勢的對數轉換數據和拆分后待插值數據分別進行半變異函數分析。塊金值和基臺值是半變異函數的兩個重要的參數，塊金值反映的是最小抽樣尺度以下變量的變異性及測量誤差，塊金值與基臺值的比值表示隨機部分引起的空間異質性占系統總變異的比例。如果該比值高，說明樣本間的變異更多的是由隨機因素引起的，經交叉驗證確定的最優模型及參數如表3。從表中可以看出，穩態模型可較好地模擬3種情形下不同深度土壤銻含量的空間變異。0 ～ 1.0 m土壤銻數據去掉主導趨勢后半變異模型參數與整體數據保持一致，說明0 ～ 1.0 m土壤銻含量主要受場地活動的影響，土壤背景含量影響有限；拆分后數據模型基臺值降低，塊金效應增加，說明場地土壤銻含量空間變異減少，空間相關性增加。1.0 ～ 3.8 m土壤銻數據去掉主導趨勢后塊金效應增加明顯，說明1.0 ～ 3.8 m土壤銻主要受場地土壤隨機因素的影響，來自于場地生產活動的影響減少。

圖6 指數p值對IDW插值RMSE的影響

表3 半變異函數模型參數

3.2 不同方法對土壤銻修復范圍的預測精度分析

表4列出了各個插值方法預測統計結果與預測誤差。從表中可以看出，0 ～ 1.0 m土壤深度OK、UK、IDW、OK+TIN預測銻含量最大值為160.70、160.69、238.48、41.72 mg/kg，最小值為2.47、2.47、1.15、2.84 mg/kg，平均值為23.36、27.84、28.30、18.23 mg/kg?？死锔癫逯祵τ诟咧岛偷椭档钠交饔锰貏e明顯，由于去除了極端高值的影響，數據明顯呈現左側拖尾效應，從而導致OK+TIN的平滑作用更為明顯，估計的平均值也明顯低于其他模型。從預測的平均誤差和均方根誤差來看，OK+TIN的分區預測方法要優于其他3種插值方法，說明OK+TIN對于污染物空間分布趨勢有更好的精度，但由于正態分布轉換過程中引起的平滑效應，導致其高值的估計誤差太大，因此修復范圍確定的誤差較大。IDW方法對樣點分布位置和樣點數量要求較高，樣點越多且分布越均勻其預測精度要高，而場地由于受建筑物、污染識別環節及成本的影響，很難做到高密度和均勻網格布點采樣，因此插值方法對于污染范圍的預測精度較低。

從表4中可以看出1.0 ～ 3.8 m土壤深度 OK、UK、IDW、OK+TIN預測銻含量最大值為26.72、29.16、57.42、18.89 mg/kg，預測的最小值1.68、1.69、0.26、1.50 mg/kg，平均值為6.38、7.70、6.97、5.04 mg/kg。4種插值方法對于高值的平滑作用均超過10倍，這可能與土壤銻含量不服從對數正態分布有關。OK、UK、IDW 3種插值方法的均方根誤差差別不大。盡管OK+TIN具有相對低的均方根誤差，但是由于本地層土壤大部分采樣點銻含量較低，加上OK+TIN對于高值的平滑作用，導致插值后土壤銻含量均低于風險控制值20 mg/kg，這進一步表明OK+TIN插值方法跟OK方法一樣受限于數據分布的要求。

3.3 不同方法對于土壤銻修復范圍預測結果比較

對原始數據進行了反距離插值，同時對經對數轉換的數據進行普通克里格和泛克里格插值，將不同方法插值后超過修復目標值20 mg/kg的區域劃定為修復范圍，如圖7所示。從圖中可以看出，針對0 ～ 1.0 m土壤銻修復范圍，普通克里格和泛克里格方法確定的修復范圍一致，進一步驗證了土壤銻主要來自于場地的生產活動。OK、UK、IDW對于低值的平滑效應也特別明顯，未超標點位被納入修復范圍，從而帶來修復規模的增加。與其他方法相比，OK+TIN方法可以更好地刻畫污染嚴重區域的修復范圍，但對于周圍大部分清潔點存在的情況下，超標點極易被平滑為未超標點而導致修復范圍的縮小。以土壤鉆孔建立泰森多邊形，并將超過20 mg/kg的點位所在的泰森多邊形劃為修復范圍，表5統計了各種方法確定的修復面積。從表中可以看出，各方法確定的修復面積大小順序為IDW>OK=UK>TIN>OK+TIN，修復面積依次為74 154、57 427、37 338、32 707 m2，表明由于受采樣方案的限制，IDW方法平滑效益最明顯，將會帶來修復成本的增加；OK+TIN與TIN 確定的修復范圍接近，但OK+TIN仍存在一定的平滑效應。從1.0 ～ 3.8 m各插值方法確定的場地土壤銻的修復范圍如圖8，從圖中可以看出，OK、UK、IDW方法對于高值的平滑作用較為明顯，以OK、OK+TIN尤為突出，OK+TIN僅保留了TIN的部分，OK插值導致了8個超標點均平滑掉，從而導致修復范圍的減少，OK確定的修復面積也最小(表5)；IDW方法相比較其他兩種方法較為合理，但其對于未超標點的平滑作用帶來修復面積的增加。

表4 不同插值方法預測統計結果與預測誤差(mg/kg)

注：平均誤差為數據的絕對值。

從不同深度土壤銻的模型預測精度和修復范圍可以看出，克里格插值由于其對于高值和低值具有較強的平滑效應，預測結果精度較低；反距離插值由于受場地數據布點方法的影響，插值結果存在一定的局限性；OK+TIN在一定程度上彌補了克里格插值的平滑效應，但其對于高值的平滑作用仍存在，仍可能存在遺漏高風險區域范圍的情況。從插值效果來看，考慮空間相關性的克里格插值對于數據質量要求較高，在數據不符合假設條件的情況下，容易帶來修復面積的增加或者遺漏，這表明了地統計學插值方法對于樣本數量和質量的依賴性很難滿足污染物空間分布預測對于精度的要求[23-24]。泰森多邊形為反距離插值的一種極端情況，通過以土壤鉆孔代表特定修復地塊的方法，從幾何原理上給出了較為合理的修復范圍，其優勢在于確定樣點較少的深層土壤修復范圍時，可以以鉆孔代表的地塊為修復范圍，從而保持了不同深度超標點位修復范圍的一致性。

4 結論與建議

受場地生產活動的影響，場地土壤銻含量呈明顯的空間變異性，在污染源區域銻含量呈現明顯的集聚性。0 ～ 1.0 m深度土壤銻含量主要受場地活動影響，基本接近對數正態分布；1.0 ～ 3.8 m土壤銻含量僅個別點位受場地活動影響，呈偏態分布。

采用普通克里格插值(OK)、泛克里格插值(UK)、分區預測(OK+TIN)、反距離插值(IDW)、泰森多邊形(TIN)5種模型確定場地土壤需修復的范圍。OK、UK方法可以結合數據的空間分布確定預測精度和預測誤差，但其對高值和低值的平滑作用特別明顯，容易導致超標點位被平滑掉或未超標點納入修復范圍，從而導致修復范圍的減少或增加。OK+TIN本質上是克里格插值和TIN的結合，其通過調整數據分布進行克里格插值，因此估計精度較高，但其在大部分點位都是清潔點(1.0 ～ 3.8 m)的情況下很難克服OK的局限，容易導致修復范圍的減少甚至遺漏。IDW的估計精度受限于樣點分布位置和樣本數量，在數據不均勻的情況下容易將未超標點納入修復范圍。在受成本和污染物空間分布制約的情況下，建議采用TIN方法確定污染物超標范圍，其從幾何原理的角度可以較為準確地劃定不同深度土壤的修復范圍，其突出優勢在于可以實現不同深度超標點位修復范圍的一致性且可操作性強。盡管TIN方法無法提供估計精度，但從業者可以結合地塊的污染識別情況和增加采樣點的方法進一步優化修復邊界，進而較為準確地確定污染物的修復范圍。

圖7 不同插值方法對0 ～ 1.0 m土壤銻修復范圍的預測

圖8 不同插值方法對1.0 ～ 3.8 m土壤銻修復范圍的預測

表5 不同方法確定的土壤銻修復范圍(m2)

污染場地調查中，準確地反映場地污染修復范圍十分重要。由于場地的復雜性和成本的約束，調查數據往往很難滿足克里格插值或其變身(OK+TIN)及IDW的假設條件，因此其確定的修復范圍往往與實際情況不相符。采用幾何(TIN)和布點優化相結合的方法不僅可以準確地劃定場地修復范圍，而且對污染地塊的修復有著重要的意義。

[1] 駱永明. 中國污染場地修復的研究進展、問題與展望[J]. 環境監測管理與技術, 2011, 23(3): 1–6.

[2] 駱永明, 滕應. 我國土壤污染的區域差異與分區治理修復策略[J]. 中國科學院院刊, 2018, 33(2): 145–152.

[3] 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.

[4] 史文嬌, 岳天祥, 石曉麗, 等. 土壤連續屬性空間插值方法及其精度的研究進展[J]. 自然資源學報, 2012, 27(1): 163–175.

[5] 馬宏宏, 余濤, 楊忠芳, 等. 典型區土壤重金屬空間插值方法與污染評價[J]. 環境科學, 2018, 39(10): 4684–4693.

[6] 謝龍濤, 潘劍君, 白浩然, 等. 基于GIS的農田土壤重金屬空間分布及污染評價——以南京市江寧區某鄉鎮為例[J]. 土壤學報, 2020, 57(2): 316–325.

[7] 謝云峰, 杜平, 曹云者, 等. 基于地統計條件模擬的土壤重金屬污染范圍預測方法研究[J]. 環境污染與防治, 2015, 37(1): 1–6.

[8] 謝紹鋒, 肖化順, 儲蓉, 等. 基于泰森多邊形的廣州市林火空間分布規律研究[J]. 西北林學院學報, 2018, 33(3): 178–185.

[9] 謝云峰, 陳同斌, 雷梅, 等. 空間插值模型對土壤Cd污染評價結果的影響[J]. 環境科學學報, 2010, 30(4): 847–854.

[10] 劉庚, 郭觀林, 南鋒, 等. 某大型焦化企業污染場地中多環芳烴空間分布的分異性特征[J]. 環境科學, 2012, 33(12): 4256–4262.

[11] Bilonick R A. An introduction to applied geostatistics[J]. Technometrics, 2012, 33(4): 483–485.

[12] Breikreuz H. Handbook of applied advanced geostatistical ore reserve estimation[J]. Earth-Science Reviews, 1992, 32(3): 222–223.

[13] Bilonick R A. An introduction to applied geostatistics[J]. Technometrics, 2012, 33(4): 483–485.

[14] She B, Zhu X Y, Ye X Y, et al. Weighted network Voronoi Diagrams for local spatial analysis[J]. Computers, Environment and Urban Systems, 2015, 52: 70–80.

[15] Xiong C K, Chen D F, Lu D, et al. Path planning of multiple autonomous marine vehicles for adaptive sampling using Voronoi-based ant colony optimization[J]. Robotics and Autonomous Systems, 2018, 115: 90–103.

[16] Gahegan M, Lee I. Data structures and algorithms to support interactive spatial analysis using dynamic Voronoi diagrams[J]. Computers, Environment and Urban Systems, 2000, 24(6): 509–537.

[17] Barclay M J, Galton A. Comparison of region approximation techniques based on Delaunay triangulations and Voronoi diagrams[J]. Computers, Environment and Urban Systems, 2008, 32(4): 261–267.

[18] 譚萬能, 李志安, 鄒碧, 等. 地統計學方法在土壤學中的應用[J]. 熱帶地理, 2005, 25(4): 307–311.

[19] 劉庚, 牛俊杰, 張朝, 等. 某鉛酸蓄電池污染場地表層土壤重金屬Pb空間分布預測研究[J]. 環境科學, 2014, 35(12): 4712–4719.

[20] 駱永明, 滕應. 中國土壤污染與修復科技研究進展和展望[J]. 土壤學報, 2020, 57(5): 1137–1142.

[21] Annette J C, Hermann M, Paul W, et al. Solubility of antimony and other elements in samples taken from shooting ranges[J]. Journal of Environmental Quality, 2005, 34(1): 248–54.

[22] 中華人民共和國生態環境部. 土壤環境質量建設用地土壤污染風險管控標準(試行)(GB36600—2018)[S]. 北京: 標準出版社, 2018.

[23] 王幼奇, 張興, 趙云鵬, 等. 基于GIS和地理加權回歸的砂田土壤陽離子交換量空間預測[J]. 土壤, 2020, 52(2): 421–426.

[24] 陳思明, 王寧, 秦艷芳, 等. 基于特征變量與支持向量機回歸克里格(SVRK)法的濕地土壤有機質空間變異特征分析[J]. 土壤, 2020, 52(6): 1298–1305.

Remediation Area Prediction of Heavy Metal Sb in Soil Based On Spatial Interpolation

JIA Lin1,2,3, XIA Tianxiang1,2,3*, ZHANG Lina1,2,3, JIA Xiaoyang1,2,3, ZHANG Dan1,2,3

(1 Beijing Municipal Research Institute of Ecological Environmental Protection, Beijing 100037, China; 2 National Engineering Research Centre of Urban Environmental Pollution Control, Beijing 100037, China; 3 Beijing Key Laboratory for Risk Modeling and Remediation of Contaminated Sites, Beijing 100037, China)

Based on the distribution characteristics of Sb content in each layer of soil, the prediction accuracy and remediation of Sb contamination in each soil layer were analyzed and compared by Kriging interpolation model (OK, UK), inverse distance interpolation (IDW), Voronoi diagram (TIN) and zone prediction model (OK + TIN). The results showed that the order of remediation area determined by each method in 0-1 m soil layer was IDW>OK =UK>TIN>OK+TIN and the remediation area was 74 154, 57 427, 37 338 and 32 707 m2respectively; the order of remediation area determined by each method in 1-3.8 m soil layer was IDW>UK>TIN>OK+TIN>OK, the remediation area was 13 089, 11 030, 9 660, 2 183 and 1 231 m2respectively. The smoothing effect brought by Kriging interpolation resulted in the omission of area exceeding 20 mg/kg and inclusion of area ≤20 mg/kg in the prediction of remediation area. Under the constraints of cost and spatial distribution of pollutants, TIN method could accurately reflect the remediation range of soil Sb within different depths from the perspective of geometric principles; Kriging interpolation including OK+TIN method and IDW interpolation were constrained by the data distribution assumption, with obvious smoothing effect and limited estimation accuracy. The above results have certain guiding significance for the determination of remediation scope of contaminated sites.

Contaminated site; Antimony (Sb); Spatial interpolation; Remediation scope

X131.3；X53

A

10.13758/j.cnki.tr.2022.04.021

賈琳, 夏天翔, 張麗娜, 等. 基于不同空間插值的污染場地土壤銻修復范圍預測研究. 土壤, 2022, 54(4): 817–826.

國家重點研發計劃項目(2018YFC1801405，2018YFC1801401, 2020YFC180750)）資助。

(xiatianxiang@cee.cn)

賈琳(1980—)，女，山東萊陽人，博士，副教授，主要從事污染場地調查與修復研究。E-mail: jl_0706@163.com