土壤重金属污染的评价方法研究进展

摘 要：土壤污染会间接地对人们的日常生活造成影响，土壤质量的好坏对植物种植的质量也有着直接关系，土壤污染最主要的原因是重金属污染。对土壤重金属污染的评价方式有许多，不同的评价方式得出的结果也不同。本文对主要的评价方式进行分析，总结其优缺点并作出展望，旨在为该领域的工作人员提供参考。

关键词：重金属；土壤污染；GIS

中图分类号：S151 文献标识码：A DOI：10.11974/nyyjs.20180632230

1 土壤重金属污染评价基准

由于对土壤重金属污染评价方式较多，所以每种方式得出的结果也不同，对其进行评价的基础是评价标准。国外发达国家对此较早地开展了研究。我国土壤重金属污染评价的标准通常是以土壤环境背景值为基础，加上2～3倍的标准差，及土壤环境质量标准。这种评价方式仅仅具有比较意义，并不能够综合反映土壤环境等综合意义，也无法准确体现土壤污染程度，导致研究得出的结论也存在差错。只有通过不断改善评价基准，才能够保证对土壤重金属污作出染准确评价。

2 传统评价方法

2.1 指数评价方法

单项污染指数法，单项污染指数法在环境各要素评价中使用率较高，基于土壤环境质量，选取最大类别因子作为目标进行评价，具有目标明确的特点，却不能充分反映土壤环境污染的全面情况；综合污染指数法，综合污染指数法是使用土壤污染监测结果、土壤环境质量标准联合定义的评价方式。综合污染指数中的内梅根污染综合指数法全面考虑到了污染物的最大值、平均值，能够充分反映各种重金属污染物对土壤的影响，目前在我国的使用较为普遍；地质累积指数法，地质累积指数法不仅充分考虑自然地质过程对背景值的影响，还考虑到人为活动对重金属污染的影响。地质累积指数法能够反映重金属分布的特点，判别人为活动对环境产生的影响。

2.2 综合评价方式

模糊数学综合评价法是通过模糊数学中的隶属理论将定性评价转化为定量评价，利用土壤质量分级差异中间过渡的模糊性，从而解决土壤重金属污染划分级别时边界模糊问题，可以控制误差，但此方式没有考虑污染物自身的毒性；灰色聚类法考虑到了多种因子影响，根据环境质量系统的灰色性质，将聚类对象对其不同的聚类指标所拥有的白化数，按几个灰类进行归纳，然后判断每个聚类对象属于哪个级别。根据不同因子在不同级别中所占的权重确定其聚类系数，进而确定土壤环境质量的级别。虽然此方式合理地处理了权重问题，但忽略了聚类系数之间是有联系的，因此分辨率不高。

3 GIS评价方式

随着地理信息系统的不断发展，传统的对土壤重金属污染评价方式已经不适用于现状，未考虑到重金属所具有的空间变异特点。渐渐地出现了地统计模型评价方式，经过克里格插值使土壤重金属得到了可视化的表达，还充分考虑到了重金属空间变异特点，但克里格插值需要大量样本。当样本数量较少时，需要用到神经网络插值。据以往研究报道，当样本数量较少的情况下，神经网络插值和克里格插值都具有较高的精度，当样本数增多时，克里格插值和神经网络插值精度也随之增加，而且慢慢地精度值会变得稳定。但是对土壤重金属污染不管使用哪种评价方式，在进行评价之前都应当先调查土壤并采样，随着我国社会重工业的不断发展，對环境造成极大威胁，同时其他行业对土壤信息的需求也增加，国家也逐渐重视土壤科学，开始将GIS技术运用到土壤调查中。

3.1 地统计模型

此评价方式充分考虑到重金属空间变异及分布特点，能够将数据分布空间的结构性、依赖性、相关性、变异性等进行很好诠释，还能够模拟空间数据的特性。克里格插值能够将需测地块及其周围的样品之间的数据、关系、位置等的函数模型所表现出的信息，对其定义权系数，然后使用加权平均对每个点的污染物含量、比重进行评估。地统计模型评价方式能够将土壤重金属污染在二维、三维上表现出来，使结果具有可视化，且具有准确性。

3.2 人工神经网络模型

人工神经网络模型是通过计算机信息处理系统模拟生物神经系统。通过模仿真实系统中输入—输出数据，探讨其中的关系与规律，在此基础上，选择新数据计算输出的结果。由于人工神经网络模型具具有自学习、组织、适应、映射能力等特征，所以能够很好地体现重金属与污染地之间的映射关系。据以往文献报道，人工神经网络模型评价方式在样本数较少的情况下能够更好地进行评价，能够弥补克里格法的不足。但是此方式缺乏少理论指导，建立时也较有难度。

4 展望

对土壤重金属污染进行有效评价是处理土壤重金属污染的关键所在。土壤重金属污染评价方式应当采用多种评价方式相结合，有效避免由于单一评价方式无法全面评价的缺陷，加强对重金属元素的总体评价及对生物自身毒性研究，将GIS和土壤重金属污染评价方式进行最大限度的融合。对于不同类型的地块，要进行自适应地调整，优化其参数，进而增加评价结果的准确性。