针对土壤重金属污染评价的模糊数学模型的改进及应用

土壤重金属污染评价是土壤重金属污染研究的重要课题。本文改进了针对土壤重金属污染评价的模糊数学模型和评价因子权重的计算方法,提出了基于污染物浓度和毒性的双权重因子的模糊综合评价法。该法慎重考虑了各级标准界限的模糊性,较好继承了模糊数学方法用于土壤重金属评价的优点。它从定性和定量两方面,比较客观地反映污染因子对土壤环境质量的影响。采用双权重系数法确定各指标的权重,综合考虑评价因子的浓度和毒性,不但在大多数情形下与对比的其它方法结果相一致,而且可以克服其它几种方法出现的误判,提高了评价结果的分辨性,使评价结果更全面、更能真实地反映土壤重金属污染实际状况。     

应用物元分析法评价安徽省土壤重金属污染现状

土壤重金属评价是土壤重金属污染研究的重要方向.本研究改进了土壤重金属污染评价的物元分析模型,并且对评价因子权重的计算方法进行修正,提出了基于污染物浓度和毒性的双权重因子的物元分析评价方法.通过对安徽省主要土壤中重金属的评价,得到如下结果:3种土壤中,黄褐土污染最为严重,其次为黄红壤,污染最轻的为砂姜黑土.     

综合指数质量评价模型在太原市土壤重金属污染评价中的应用

采用3种综合指数质量评价模型,以太原盆地土壤重金属元素背景值为评价标准,计算了太原市表层土壤重金属的综合污染指数.对比分析3种评价模型以后,认为用加权叠加综合指数评价模型能客观地反映太原市土壤重金属真实的污染状况.在此基础上,对太原市重金属进行了环境质量分区,并统计出不同环境质量区占总调查面积的百分比.     

模糊意见集中决策法在土壤重金属污染评价中的应用

应用模糊意见集中决策法对某地区土壤重金属污染进行了评价。首先,应用模糊意见集中决策法,根据土壤中重金属的含量进行排序,得出各评价因子Borda数,然后针对各评价因子的毒性,应用层次分析法确定各评价因子的权重,最后按加权Borda数大小排序,依次对土壤环境优劣进行评价。采用基于评价因子含量及毒性的模糊意见集中决策法,方法科学,运算简便易行,准确率高,能克服一些传统评价方法中出现误判的情况,分辨率好,评价结果更科学,更能如实反应出土壤重金属实际污染状况。     

污泥与施污土壤重金属生物活性及生态风险评价

将城市污泥以不同质量比施于土壤中构成污泥混合土壤,研究各污泥配比土壤中重金属的生物活性,并采用三种重金属评价方法(地累积指数法、潜在生态风险指数法、综合毒性指数模型)和黑麦草对重金属的吸收富集效果来对施污土壤中重金属具有的生态风险性进行评价。结果表明:污泥的添加使土壤中生物活性态Cd、Cu和Zn含量显著增加,对三种重金属具有活化作用,但对Pb却起到钝化作用。生态风险评价结果表明:污泥的添加使土壤中Pb呈现无污染和低生态风险;Cu和Zn呈现中度污染和低生态风险;Cd达到强度污染和重度生态风险,重金属潜在生态风险(RI)总体处于强度生态风险水平。当污泥添加比例大于6:10(污泥S3处理)时,施污土壤中重金属的综合毒性指数高于土壤对照。黑麦草对Cd、Pb、Cu和Zn的富集浓度与施污土壤中对应重金属的生物活性态含量存在显著正幂指数关系,同时黑麦草对施污土壤中Cd、Cu和Pb的富集能力大小与地累积指数法和潜在生态风险指数法对三种重金属具有的生态风险性的评价结果具有一致性。     

贵州省修文县猕猴桃生态园区土壤重金属污染现状评价

[目的]探讨不同评价方法对贵州省修文县猕猴桃基地适用性,为猕猴桃栽培基地的选择和土壤健康风险研究提供科学依据。[方法]采用单因子污染指数和内梅罗综合污染指数对基地土壤重金属污染程度进行了分析,同时应用Hakanson潜在生态风险指数法和模糊数学法对基地土壤重金属潜在生态风险进行了评价。[结果]A基地中Cu,Ni,Hg分别超过国家土壤环境质量二级标准的1.03,1.14,2.3倍;B基地中Cu和Hg分别超过国家土壤环境质量二级标准1.03,2.0倍;C基地中Cu,Ni和Hg分别超过国家土壤环境质量二级标准1.18,1.01,1.77倍。用内梅罗综合指数法评价结果表明:A基地的土壤属于轻度污染级别,B基地和C基地属于尚清洁级别。3个基地的土壤重金属综合污染指数大小为:A基地(1.09)C基地(0.93)B基地(0.91);用潜在生态危害指数法评价结果则表明:A,B,C这3个基地的环境风险综合指数均小于150,表明8种重金属对环境的生态污染指数轻微。3个基地的土壤重金属环境风险综合污染指数大小为:A基地(83.61)C基地(78.89)B基地(75.46);用模糊数学法评价结果表明:A,B,C基地土壤均属于清洁范围,3个基地的评价分值大小为:B(97.16)C(95.44)A(94.31)。[结论]修文县猕猴桃3个基地的土壤重金属的污染特征大体相同,主要以Cu,Ni,Hg为主,但基地土壤受污染程度轻微,土壤状况良好。     

南京栖霞山铅锌矿区土壤环境质量评价

应用模糊数学隶属度法对南京栖霞山铅锌矿区的土壤中Ｃｕ，Ｍｎ，Ｐｂ和Ｚｎ４种主要重金属进行了环境质量综合评价。结果表明，该区大部分土壤未受４种金属元素的污染，但露采矿区及选矿厂附近土壤污染严重，面积约占调查区的３．７％。作者还提出了几点治理对策。     

Hakanson指数法在评价土壤重金属生态风险上的应用进展

Hakanson指数法是目前重金属元素潜在生态风险评价的常用方法。该方法开始被应用于研究河流沉积物重金属污染评价中,后逐步被引进到土壤重金属污染的研究,并被广泛使用。分析发现,Hakanson指数法对于评价土壤重金属生态风险是有效的,但也存在不足之处。本文综述了众多专家学者在利用Hakanson指数法进行土壤重金属生态风险评价中的研究成果,介绍了利用土壤重金属元素形态、修改毒性响应系数和生态危害风险指数等对Hakanson指数模型进行改进的方法和步骤,讨论了Hakanson指数法在评价土壤重金属生态风险方面的应用进展。     

土壤重金属污染的非线性可拓综合评价

将非线性可拓综合评价方法应用于土壤重金属污染评价。分析了土壤重金属污染的影响因素,建立了土壤重金属污染评价的物元模型。将多指标土壤重金属污染的目标评价归结为单目标决策,比较简明确切地反映出土壤重金属污染。     

黔西煤矿区周边土壤重金属形态特征、污染评价及富集植物筛选

[目的]研究黔西某煤矿区周边土壤重金属污染情况、重金属形态潜在风险及其周边重金属富集植物,为当地的重金属污染防治提供科学依据。[方法]采用潜在生态风险评价及模糊数学法的两种评价方法(单因素决定模型和加权平均模型)对煤矿区及非煤矿区土壤进行重金属生态风险评价,对影响土壤肥力的土壤理化指标进行检测,利用风险评估编码法对重金属形态进行分析,并采用生物富集系数法对煤矿区周边富集重金属植物进行筛选。[结果]煤矿区Hg,Cd,As,Zn,Cr及Ni平均值含量分别是背景值的2.47,3.65,2.00,1.23,1.74,1.69倍。煤矿区潜在生态危害趋势为:CdHgAsNiCrPbZn。模糊数学法单因素决定模型评价显示,非煤矿区污染大于煤矿区,加权平均模型则反之。煤矿区Cd,Cr,Cu,Mn,Ni,Pb及Zn潜在风险指数分别为69.17%,7.97%,8.24%,40.10%,45.29%,53.70%及29.90%。蜈蚣草对As富集系数大于1.00,火棘、构树、盐肤木、马桑、凤尾蕨及金丝梅等对Cd富集系数大于1.00,马桑及白蒿对Pb富集系数大于1.00。[结论]煤矿区存在重金属污染,以Cd,As,Hg较为严重。煤矿区周边土壤中重金属对环境构成的潜在风险顺序为:CdPbNiMnZnCuCr。对当地而言,蜈蚣草可作为煤矿区周边修复As污染的先行植物,凤尾蕨可作为修复Cd污染的先行植物,马桑可作为修复Pb污染的先行植物。     

模糊数学模型在土壤重金属污染评价中的应用

通过对乌鲁木齐市水西沟乡、板房沟乡、四十户乡、青格达湖乡、安宁渠镇、永丰乡、六十户乡7个蔬菜基地土壤中重金属离子(镉、汞、砷、铜、铅、铬)含量进行检测,采用单因素决定和加权平均两种模糊数学模型对土壤重金属综合污染进行评价,其分析结果表明,评价区域土壤环境中的6种重金属离子均在标准之内,土壤环境质量为一级,属于安全、清洁级水平,符合无公害蔬菜产地环境的要求。     

基于集对分析与三角模糊数耦合的土壤重金属污染评价模型

土壤重金属污染程度综合评价问题是一个前沿的、复杂的不确定性问题。本文尝试利用集对分析方法描述土壤重金属污染评价过程中的确定性和不确定性特征,并应用角模糊数刻画集对差异度系数以改进集对分析方法,进而提出了基于集对分析与三角模糊数耦合的土壤重金属污染综合评价新模型。实例应用结果及与其他方法对比分析表明:该模型评价过程直观、计算简便、结果客观合理,在土壤重金属污染评价中具有参考价值。     

辽宁省污灌区土壤重金属污染特征与生态风险评价

针对当前污灌区土壤污染研究中存在的问题,提出了一种模糊识别模型评价土壤综合环境质量,并对潜在生态风险指数法进行改进,用以计量重金属潜在生态风险。采用建立的方法对辽宁省污灌区土壤环境质量和重金属潜在生态风险进行了评价,结果显示:Cd是辽宁省污灌区首要重金属污染物,而Hg、Pb、Ni污染较为普遍;重金属的来源主要是灌溉污水和农田施肥;以工业废水为灌溉用水的灌区污染情况比以河水为灌溉用水的灌区污染严重;污灌区重金属元素污染程度大小依次为:Cd>Pb>Ni>Hg>Cu>Cr>As,而重金属潜在生态风险从大到小则依次为:Cd>Hg>Pb>Cu>Ni>As>Cr。总体来看,辽宁省污灌区存在一定程度的重金属污染,且具有较为明显的复合型污染特点,其潜在生态风险超出警戒水平,各灌区应根据各自污染特点和风险等级制定相应的污染防治对策。     

基于可拓物元法的土壤重金属污染程度评价——以郑州黄河滩地为例

土壤重金属污染程度具有不确定性,本文尝试将可拓学中的物元法引入土壤重金属污染评价中,构建了土壤环境质量评价的物元模型.以郑州黄河滩地为研究对象,进行了土壤采样和测试,并选用Cd、Hg、As、Cu、Pb和Cr共6项作为土壤重金属污染评价指标.结果表明:黄河滩区土壤污染等级处于清洁和污染之间,污染度较低.该评价方法可以科学、有效地处理监测数据,评价结果较为可信;能较科学地判定土壤重金属污染等级,并对污染程度加以区分和量化,可以消除评价过程中人为因素的影响,提高评价精度,是进行土壤重金属污染评价的理想方法.     

基于模糊集理论的土壤重金属污染空间预测

基于54个土壤表层样品重金属全量浓度实验室测定数据,应用模糊c-均值算法对南京城市边缘带化工园附近20km^2样区内土壤重金属浓度进行了连续分类,对样点土壤的隶属度进行空间普通克里格插值,实现样区土壤重金属浓度和污染状况的空间预测.结果表明,样区土壤中重金属Cu、Zn、Cr、As和Cd的浓度均低于国家土壤环境质量标准,未发生污染;受工业、交通排放的影响,样区左侧和南部Cu、Zn、Cr、As较高,个别区域有Zn、Cr富集现象.Hg为样区主要的土壤重金属污染元素,土壤Hg污染主要发生在蔬菜基地及滁河流经区,较为严重的Hg污染土壤集中分布在样区中部的蔬菜基地.与利用样点测定数据直接插值的空间预测方法相比,基于模糊集理论的土壤污染空间预测方法可获得较好的预测效果.     

经济发达地区耕地景观格局对土壤重金属污染风险的影响分析

探讨耕地景观格局对土壤重金属污染风险的影响有利于丰富耕地可持续利用和保护路径,对维护国家粮食安全和景观生态安全具有重要意义。该研究以经济发达地区嵊州为研究对象,基于土地利用数据、耕地分等成果和93个样点采样数据,测算耕地重金属镉（Cd）、铅（Pb）和汞（Hg）污染水平和耕地景观格局指数,采用逐步回归模型和空间回归模型分析耕地景观格局与重金属污染的关系。结果表明：1）研究区各土壤重金属因子污染指数及内梅罗综合评价指数的均值范围为0.22～0.42,Cd、Pb和Hg污染风险依次降低,整体污染风险较低,单个重金属污染指数变异系数均大于0.5,污染风险较高地区呈现团状聚集空间分布特征。2）耕地重金属污染与景观格局在城乡和道路梯度上存在明显的空间关联关系。3）耕地不同类型重金属污染与耕地景观格局各类指数呈现显著相关关系,耕地景观斑块规模、破碎度以及斑块形状复杂度与耕地重金属污染呈显著负相关关系,耕地景观聚集度与耕地重金属污染污染呈显著正相关关系。该研究进一步深化耕地景观格局与土壤重金属污染的定量关系,可为从景观格局优化路径控制土壤重金属污染提供参考。     

基于污染损失率法的土壤重金属污染评价及经济损失估算

半定量或定量估算土壤污染造成的经济损失,对开展土壤环境质量评价工作具有重要意义。以长三角典型区张家港市蔬菜地为例,在分析蔬菜地土壤中Cd、As、Cr和Cu4种重金属含量及其变化趋势的基础上,以该地区土壤重金属的基线值为基准,运用污染损失率法,初步估算了重金属污染损失率（重金属污染对土壤的损害程度,%）和土壤进行蔬菜种植利用时的重金属污染经济损失量（万元·a^-1）,并预测了未来10a和20a重金属污染经济损失量。结果表明,张家港市蔬菜地各单项重金属污染损失率在1.00%-1.67%之间,综合重金属污染损失率为5.02%,土壤重金属污染总体较轻,污染等级整体为Ⅱ级,属于尚清洁水平。但如果按照目前重金属积累的趋势发展下去,随着蔬菜种植年限的增加和种植面积的扩大,综合重金属污染损失率将呈不断增加的趋势,导致重金属污染经济损失量不断增加,2009年重金属污染经济损失量约为1998万元·a^-1,2029年将增加到5532万元·a^-1。因此,需要对蔬菜生产系统中重金属的来源进行有效控制,以降低土壤重金属的积累,减少由此带来的经济损失。     

平凉市典型作物种植区土壤重金属污染状况及其分布特征

土壤重金属污染已严重危害粮食安全与人类健康。为了解平凉市土壤重金属污染现状,摸清典型作物生长、生产环境,明确土壤重金属空间分布特征及污染源。选取506个典型作物种植区耕层土样,测量其重金属含量,并利用内梅罗指数法和潜在生态危害指数法进行土壤重金属污染评价。结果表明,平凉市土壤重金属污染等级为清洁的样品占99.41 %、尚清洁占0.59 %;潜在生态危害等级轻微的土壤样品占95.85 %、中等生态危害占4.15%。506 个点位样品中,铅和砷2种土壤重金属元素有部分超标,超标率Pd为0.45%、As为0.90%。从地理区域来看,土壤重金属潜在生态危害程度在平凉市的分布为中部 > 西部 > 东部;从土壤类型来看,土壤重金属污染占比较大的土类主要为山地草甸土、灰褐土、新积土和红粘土。