不同评估模型对土壤污染刻画的适用性影响

李桂全

（山东瑞地环评科技有限公司 山东青岛 266000）

引言

土壤污染作为一种严重的环境问题，对人类健康、生态环境和可持续发展造成了严重威胁。土壤污染的状况及其演变趋势的准确刻画对于污染防治和土壤资源合理利用具有重要意义。土壤污染评估作为土壤污染状况刻画的关键环节，可以通过建立评估模型来对地块土壤污染进行定性或定量评估，从而为土壤污染防治和修复提供科学依据。然而，不同的土壤污染评估模型可能对地块土壤污染的准确刻画产生不同影响，因此选择合适的评估模型对于土壤污染评估的准确性和可靠性至关重要。

本文将探讨不同土壤污染评估模型对地块土壤污染准确刻画的适用性影响。首先，从评估模型的适用性、数据的可获得性、模型的复杂度以及评估结果的解释和应用等多个方面进行讨论。其次，通过对比分析不同模型的优缺点，进一步探讨如何选择合适的评估模型以及如何在实际应用中提高土壤污染评估的准确性和可靠性。最后，总结现有研究中存在的问题，并提出未来研究的方向和建议。

1 评估模型的适用性

不同的土壤污染评估模型在不同的场景下具有不同的适用性。评估模型的适用性主要包括模型的适用对象、适用区域、适用尺度和适用目的等方面。

1.1 评估模型适用对象需与研究地块土壤污染类型和性质匹配

由于有些评估模型适用于有机污染物的评估，因而对于重金属污染或放射性污染等不同类型的土壤污染，需要选择相应的评估模型。不同类型的土壤污染物具有不同的行为特征，如迁移、转化、积累等过程，因此需要选择合适的评估模型准确刻画其在地块土壤中的分布和迁移规律。

1.2 评估模型适用区域需与研究地理范围匹配

不同地理区域的土壤性质、气候条件、土地利用方式等因素可能对土壤污染的形成和传输过程产生影响，因此需要选择适合当地情况的评估模型。如，在不同地理区域中，土壤pH、有机质含量、粘粒含量等土壤性质的差异可能影响重金属污染物的迁移和转化，因此需要考虑这些因素在评估模型的应用中。

1.3 评估模型适用尺度需与研究地块土壤污染尺度匹配

土壤污染可以存在于不同尺度的地理单元中，包括点源污染、面源污染和区域性污染等。评估模型的适用尺度需要与研究的地块尺度相匹配，以保证评估结果的准确性和可靠性。

对于点源污染，常常采用Geo-accumulation Index（I-geo 等点源模型进行评估）[1]。如，广东省珠三角地区的土壤污染研究中，采用了I-geo指标，对该地区的土壤污染程度进行了评估，并明确了不同元素的污染状况和污染来源[2]；陕西省宝鸡市某铅锌冶炼区土壤污染评估研究中，采用了I-geo 指标，对土壤中的重金属污染进行了评估，并提出了相应的防治建议[3]。而对于面源污染，常常采用Soil Conservation Service model（SCS）[4]和Vegetative Filter Strip Modeling System（VFSMOD）[5]等面源模型进行评估。如，杭嘉湖地区农田氮磷径流流失研究中，采用了SCS 模型，对同一农田旱涝季的土壤的侵蚀风险进行了评估，并提出了防治措施；植被缓冲带对千岛湖地区农田面源污染磷负荷削减效果模拟研究中，采用了VFSMOD 模型，对土壤侵蚀程度进行了评估，为植被缓冲带净化农田面源污染时宽度设计提供指导。

对于区域性污染，通常基于多种数据源和模型方法，并结合地理信息系统（GIS）[6]、遥感技术、统计学等方法。如，江苏省南京市江宁区某乡镇的农田重金属污染研究中，采用了GIS 模型，分析重金属空间分布特征，预测了其他风险区域及警戒线，为周边区域的重金属污染防范起到了关键作用；海南省海南岛的农用地土壤重金属污染评估研究中，采用了GIS 模型，对海南岛农用地中的5 种重金属（Hg、Cd、Cr、Pb和As）进行了系统性的分析与评价，这对海南岛农业发展规划和城市土地利用具有重要意义[7]。因此，在选择评估模型时需要根据研究地块的实际尺度进行合理选择。

1.4 评估模型适用目的需与研究目标匹配

评估模型的适用性对土壤污染评估的准确性和可靠性至关重要。选择合适的评估模型能够在一定程度上提高土壤污染评估的精度和可靠性，从而更好地指导土壤污染的管理和修复。对于土壤污染的风险评估，需要使用概率模型或风险模 型，如Monte Carlo 模 拟[8]、Probabilistic Risk Assessment（PRA）[9]等；而对于土壤污染的来源解析，需要使用示踪模型或同位素模型，如Stable Isotope Mixing Model（SIMM）[10]等。因此，在选择评估模型时，需要明确研究目的，并选择适合的模型来实现研究目标。

2 数据的可获得性

土壤污染评估模型需要大量的输入数据，包括土壤性质、污染物浓度、环境因素等数据，但不同类型的评估模型对输入数据的要求也不同。首先，不同评估模型对土壤性质数据的要求不同，如有些评估模型需要详细的土壤质地、有机质含量、pH 等数据，而有些评估模型只需要全氮、全磷等简化的土壤性质数据，这取决于评估模型对土壤性质的敏感性和精细度要求。但有时候获得足够的土壤性质数据可能会面临困难，如在一些偏远地区或者没有详细土壤性质数据的地方，可能会影响评估模型的适用性和准确性。其次，不同评估模型对污染物浓度数据的要求也不同，如有些评估模型需要包括不同深度、不同土层污染物浓度的详细的污染物浓度数据，而有些评估模型只需要总体的污染物浓度数据。但获取足够的污染物浓度数据可能面临样品采集、分析和处理等技术和成本上的挑战。最后，评估模型还可能需要其他环境因素的数据，如气象数据、地形数据、土地利用数据等。这些数据的可获得性和精度也可能会对评估模型的适用性和准确性产生影响。因此，在选择土壤污染评估模型时，需要考虑数据的可获得性，并根据实际情况合理选择适用的评估模型，如果数据不足或者不准确，可能需要进行合理的数据处理、插值或者代用，以保证评估结果的可靠性和合理性。

3 模型的复杂度

涉及环境评估和污染评估时，有许多不同的模型可供选择，但每个模型都有其优点和局限性。

3.1 I-geo 模型

I-geo 模型的复杂度低，计算方法相对简单，只需考虑污染物的累积程度，计算过程也较为简单明了。通常通过对土壤或沉积物中污染物浓度的测定和参考值的比较，计算出Geoaccumulation Index 来评估污染程度。该模型简单易用，不需要复杂的计算和数据要求，直观地表示了污染程度，便于解释和沟通。但由于其只考虑了单一元素的累积，不能全面评估多元素的综合污染情况，且未考虑土壤特性、生物有效性等因素，可能会导致评估结果偏差。

3.2 SCS 模型

SCS 模型的复杂度中等，是一种用于评估土壤侵蚀和流失的模型，需要考虑多个因素如坡度、土地利用、覆盖度等，并需要大量的输入数据和参数进行计算，以及需要较为详细的地理信息和土壤参数数据、较复杂的数据处理和计算过程。适用于评估面源污染对土壤侵蚀和水土保持的影响，具有广泛应用和验证，同时考虑了降雨、土壤、植被等多个因素，能够较为全面地评估土壤侵蚀风险。但计算较为复杂，需要大量输入数据和参数，对数据要求较高，并且由于不考虑非降雨条件下的土壤侵蚀，可能导致数据在某些情况下存在不准确性。

3.3 VFSMOD 模型

VFSMOD 模型的复杂度较高，它考虑了土壤表面和亚表面的流动和运移过程，需要较多的输入数据和参数，包括了较为复杂的植被信息和水流模拟，需要较高的技术水平和模型应用经验，因而对于数据不足或不准确的情况可能需要专业的技术支持和实地验证。但该模型考虑了植被带对污染物的滞留和去除效果，适用于评估植被带对面源污染的缓解作用；提供了多种模型和算法，可以根据具体情况选择合适的模型进行应用。不过该模型需要较为详细的输入数据和参数，对数据要求较高，由于不考虑其他土壤和环境因素对污染物迁移的影响，因此可能导致数据在某些情况下存在不准确性。

3.4 GIS 模型

GIS 模型的复杂度中等，是一种基于地理信息系统（GIS）的模型，需要使用GIS 软件进行数据处理和空间分析，包括地理数据获取、数据叠加、空间插值等。而基于地理信息系统 (GIS)平台，可以集成和分析大量空间数据，具有较强的空间分析和决策支持能力；可以通过空间插值、空间统计等方法对污染分布进行推断和模拟。但结果易受到空间数据质量、模型参数和算法选择等因素的影响，可能存在一定的不确定性,对于不熟悉GIS 技术和空间数据处理的用户而言该模型较为复杂。

3.5 Monte Carlo 模拟

Monte Carlo 模拟的复杂度较高，它是一种基于概率统计的模型，需要生成随机数和进行大量的模拟计算。它可以考虑不确定性因素，通过多次模拟和随机抽样得到概率分布和风险结果；可以对多个参数和变量进行灵活的组合和分析，能够全面评估风险的多样性。但Monte Carlo 模拟的计算较为复杂，需要大量的计算资源和时间，对于不熟悉统计学和概率论的用户而言较为复杂，需要一定的技术和专业知识。

3.6 PRA

PRA 的复杂度较高，涉及到复杂的概率统计和风险分析，需要对不同的风险来源、暴露途径、人群暴露情况等进行综合考虑，包括概率分布的建立、不确定性分析、灾害事件的概率计算等复杂的计算和分析过程。但PRA 可以通过概率和统计方法对风险进行定量评估，考虑了不确定性和可变性；可以综合考虑多个因素对风险的影响，包括事故概率、事故后果、人员暴露等；可以提供一种较为全面和科学的评估方法，适用于复杂和多风险因素的评估。不过PRA 需要大量的数据和参数，对数据质量和准确性要求较高，且计算较为复杂需要专业的技术和经验支持。PRA 的结果依赖于模型的准确性和假设的合理性。

3.7 SIMM 模型

SIMM 模型的复杂度中等，是一种用于追踪不同源头的混合物的模型，需要对稳定同位素比值进行测定，并进行模型计算和混合比例的估算。该模型可通过稳定同位素的比例来追踪和识别不同来源的污染物，可提供定量的来源贡献信息，对源解析和污染溯源具有较高的准确性，适用于评估复杂的环境体系中不同来源的贡献，如水体、大气、土壤等。但该模型需要稳定同位素分析的技术和设备支持成本较高，对于不同稳定同位素的选择和解释需要专业的知识和经验，依赖于同位素比例的数据质量和准确性，对数据要求较高。

3.8 小结

综上所述，不同的评估模型在复杂度方面存在差异。一些模型较为简单易用，适合初步评估和快速筛选，如I-Geo 指标；一些模型复杂度较高，需要较多的数据和参数，适合深入和细致的评估，如Monte Carlo 模拟和PRA；还有一些模型在特定应用场景下具有较高的准确性和精确性，如SIMM 模型。因此，选择适合的模型需要考虑研究目的、数据可用性、模型可靠性和用户专业知识等多方面因素。

4 评估结果的解释与应用

完成土壤污染评估后，需要对评估结果进行解释和应用。评估结果应以科学客观的方式进行解释，包括对评估模型的适用性、准确性和不确定性的说明，以及对评估结果的合理解释。模型的可解释性通常与模型的复杂性和精确性之间存在一定的权衡。一些复杂的模型由于计算过程可能较为复杂，涉及多个参数和复杂的算法，可能在解释性上存在一定的挑战。然而，这并不意味着复杂的模型就缺乏可解释性。在实际应用中，可以采用文档化、可视化、简化模型、教育和培训、敏感性分析、模型验证的方法来提高模型的可解释性。如，可详细记录模型的输入数据、参数、计算过程、输出结果等信息，并编写用户文档或技术文档，以便用户能够理解和解释模型的运行结果；使用图表、图形、地图等可视化方式，将模型的结果以直观的形式展示出来，便于用户理解和解释；在设计模型时，可以考虑将模型简化为更为直观和易解释的形式，像使用简单的公式、规则或者图形化模型等，以便用户更好地理解模型的运行原理和结果；对使用模型的用户进行培训和教育，提高他们对模型的理解和解释能力，使其能够正确解释模型的结果和应用模型的限制；通过对模型进行敏感性分析，了解模型结果对于输入参数的响应，可以帮助用户理解模型的稳定性和对不确定性的响应；对模型进行验证以确保模型的准确性和可靠性，并向用户提供可信的结果。

评估结果的应用涉及环境管理、土地利用规划、风险管理等方面，因此解释评估结果时需要考虑受众的背景和需求，以确保评估结果能够被合理理解和应用。在环境管理方面，评估结果可作为制定土壤污染防治政策和措施的依据，帮助决策者了解土壤污染程度和分布情况，制定合理的污染防治措施。在土地利用规划方面，评估结果可以用于评估土地的适宜性和可持续性，指导土地用途的选择和规划。在风险管理方面，评估结果可以帮助评估土壤污染对人体健康和生态环境的风险，并制定相应的风险管理措施。

此外，评估结果的应用还需要考虑社会、经济和政策因素。如，评估结果可能对土地价值和房地产市场产生影响，可能对企业的生产经营和投资决策产生影响，可能对政府的土地管理和环境政策产生影响。因此，在评估结果的应用过程中，需要充分考虑这些因素，并采取综合、科学、合理的方法进行决策和管理。

5 评估模型的不足与未来展望

5.1 评估模型的不足之处

虽然土壤污染评估模型在评估土壤污染中具有重要的作用，但也存在一些不足之处。首先，评估模型的精度和可靠性依赖于数据的质量和数量，如果数据量有限或者数据样本存在偏差，模型的泛化能力和评估结果可能受到限制，进而影响评估结果的可靠性和准确性。其次，评估模型的适用性受到多种因素的限制，包括土壤性质、污染物类型和浓度、环境条件等，不同的评估模型对不同情境下的适用性和准确性需要进一步研究和验证。最后，评估模型通常基于已有的科学理论和假设，对于新兴的污染物或者不同地区的土壤特性可能存在局限性，需要不断进行改进和更新。

5.2 评估模型的未来发展

未来，土壤污染评估模型仍有许多研究和发展的空间。首先，需要不断改进和完善土壤污染评估模型的算法和方法，提高其精度和可靠性，如可以引入遥感数据、地理信息系统（GIS）数据等新的数据源，以提高评估结果的准确性和空间分辨率。其次，可以探索多尺度、多层次的评估方法，包括从微观到宏观、从点源到面源的评估，以更全面地了解土壤污染的分布和影响。最后，可以考虑将不确定性因素更加融入评估模型中，如蒙特卡洛模拟、灵敏度分析、误差传播等，对模型的不确定性进行全面和精细的分析，并将不确定性结果合理地传递给决策者和利益相关者，提高环境管理、土地规划和风险管理等实际应用场景中的决策准确性，从而实现土壤污染的有效防治和可持续管理。

结语

土壤污染评估是土壤环境科学领域中的重要研究方向，具有广泛的应用价值。评估模型作为评估土壤污染的工具，可以通过建立数学模型和计算方法，从多个维度和角度对土壤污染进行评估。但在评估模型的应用中，需要充分考虑土壤性质、污染物类型和浓度、环境条件等因素，并进行数据质量和数量的验证和修正，以提高评估结果的可靠性和可解释性。评估结果的解释和应用需科学和客观地进行，并考虑不同受众的需求和背景。

总的来说，土壤污染评估模型在现代环境科学和环境管理中发挥着重要作用。通过评估模型，可以更加全面、准确地了解土壤污染的分布和影响，并为环境管理和风险治理提供科学依据。然而，评估模型仍然面临许多挑战和限制，需要不断地改进和完善。未来的研究方向应包括改进算法和方法、引入新的数据源、探索多尺度、多层次的评估方法、融入不确定性因素，以及加强评估模型与实际决策之间的联系。