基于montecarlo模拟土壤环境重金属污染评价法和实例探究

《基于montecarlo模拟土壤环境重金属污染评价法和实例探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于MonteCarlo模拟土壤环境重金属污染评价法和实例探究摘要：综合分析了现行确定性土壤环境质量评价中的不足，将MonteCarlo模拟引入地累积指数模型中，并进一步通过数据的挖掘和对土壤中各重金属的生态风险差异的考量，构建了基于不确定性理论的土壤环境质量评价法.将所建方法应用于实例区域，分别构建重金属的实测含量参数和其对应背景值参数的概率分布模型，设定模拟中最大实验量为1000,置信区间为95%,抽样方法为拉丁超立方(Latinhypercubesampling),得到基于不确定性理论的土壤环境质量评价结果：评价区域土壤中各重金属的污染排序为Cd〉N

2、i〉Zn〉Cu〉Cr,其中，Cd隶属于严重污染等级的概率高达98.1%；Ni和Zn有着明显的空间分布差异，并且属于严重污染的概率也分别达84.5%和87%；Cr和Cu的污染等级相对较低•而后，将所得结果与现行的确定性模型评价结果进行了对比分析，结果表明：所建基于不确定性的评价模型具有更好的评级分辨力，并可更全面、真实地表征该区域土壤重金属的污染特征和概率风险水平.关键词：不确定性分析；MonteCarlo模拟；土壤；重金属中图分类号：X820.2文献标识码：A土壤是历史自然体，是位于地球陆地表面和浅水域底部具有生命力、生产力的疏松而不均匀的聚积层，基于土壤

3、形成的生态环境体系介于大气圈、水圈、岩石圈和生物圈的交界面上，是各环境介质的连接纽带［1］.重金属是一类持久性有毒物，易通过食物链的生物放大作用在生物体内积累，从而对人群健康和生态系统的稳定产生危害或风险［2］.土壤重金属污染可改变土壤的理化性质，直接或间接破坏土壤生态系统结构，并可通过土壤农作物等多个途径的迁移积累对农产品安全和人体健康造成风险，所以土壤环境质量评价作为评估污染程度和制定污染控制策略的重要参考而被广泛关注.国内外现常用的土壤环境质量评价方法主要包括：单因子指数评价法、内梅罗综合污染指数法、模糊贴近度法、地累积指数评价法［3］、潜在生态危害

4、指数法［4］等.其中地累积指数评价法是由Muller提出的一种可良好表征土壤中重金属富集污染程度的定量指标，现广泛应用于研究评价土壤或沉积物中重金属的污染程度［5-6］.但其在国内外评价过程中仍存在一些缺陷，需要进一步完善，主要表现在：1)常用确定性评价方法中重金属含量输入值的单一确定性与评价区域土壤环境中重金属含量的空间差异性之间的矛盾造成了区域污染评价结果存在较大模糊性；2)不同学者或决策者选取地球化学背景值参数的差异及不同土地利用类型的土壤重金属背景值的差异造成评价结果缺乏可比性；3)确定性地累积评价模型主要表征土壤中各重金属的富集污染程度，而忽略了

5、不同重金属之间的生态毒性差异，这会导致低含量高毒性的重金属的污染程度被低估或高含量低毒性的重金属污染程度被高估.以上3点不足均可能会误导最终决策.本研究以地累积模型为基础，将MonteCarlo模拟引入环境质量评价领域中来处理参数不确定性，并在模型内嵌入表征不同重金属的生物毒性差异的权重系数，提出了基于不确定性理论的土壤环境重金属污染评价法.将所建土壤环境重金属污染评价法在实例中加以利用和验证，以期为土壤重金属的污染评价、优先污染物的控制及区域污染防控决策的制定提供新思路.1基于MonteCarlo模拟的评价法1.1地累积指数评价模型1.2MonteCar

6、lo模拟的应用MonteCarlo模拟是由NicholasMetropolis在二次世界大战期间提出的，而后VonNeumann与StanislawUlam合作建立了概率密度函数、反累积分布函数的数学基础，以及伪随机数产生器，现此方法在金融工程学、宏观经济学、生物医学、计算物理学等领域已得到应用广泛，效果良好[7-8].土壤环境评价系统是一个集随机性、灰性、模糊性等多种不确定性于一体的系统.因此，常规的确定性评价方法不能准确反映土壤中重金属污染程度的真实情况•为了降低模型参数由于土壤重金属数据空间变异性、不同学者或决策者采用的地球化学背景值参数的差异性和不

7、同土地利用类型的土壤重金属背景值的差异性等因素带来的参数不确定性，本研究将MonteCarlo模拟引入地累积指数法.其主要模拟步骤为[8]：1）确定评价模型随机变量，在本研究中为土壤中重金属实测含量参数和其所对应区域土壤背景值参数；2）构建随机因素的概率分布模型，在本研究中采用历史经验和实地采样检测相结合的方法；3）将所得到的随机数转化为输入参数的抽样值，主要方法为MonteCarlo抽样和拉丁超立方抽样（LHS）.其中MonteCarlo抽样一般从样本分布较少的低概率区进行抽样，即为偏尾端抽样；LHS抽样则是由样本整体分布考虑，这说明相对于MonteCa

8、rlo抽样方法，LHS方法更适合构建小样本的概率分布，故本文采用L