环境科学  2015, Vol. 36 Issue (11): 4225-4231   PDF    
引用本文
杨阳, 代丹, 蔡怡敏, 陈卫平, 侯瑜, 杨锋. 基于MonteCarlo模拟的土壤重金属综合风险评价与案例分析[J]. 环境科学, 2015, 36(11): 4225-4231.
YANG Yang, DAI Dan, CAI Yi-min, CHEN Wei-ping, HOU Yu, YANG Feng. Comprehensive Risk Assessment of Soil Heavy Metals Based on Monte Carlo Simulation and Case Study[J]. Environmental Science, 2015, 36(11): 4225-4231.
基于MonteCarlo模拟的土壤重金属综合风险评价与案例分析
杨阳1,2, 代丹3, 蔡怡敏1,2, 陈卫平1 , 侯瑜4, 杨锋4    
1. 中国科学院生态环境研究中心, 北京 100085;
2. 中国科学院大学, 北京 100049;
3. 中国环境科学研究院, 北京 100012;
4. 陕西师范大学旅游与环境学院, 西安 710062
收稿日期: 2015-05-23; 修订日期: 2015-06-29.
基金项目: 国家自然科学基金项目(41173123); 中国科学院大学教育基金会调查项目(UCASEF10)
作者简介:杨阳(1990~),男,博士研究生,主要研究方向为生态风险评价,E-mail:yangyang_st@rcees.ac.cn
通讯联系人: 陈卫平,E-mail:wpchen@rcees.ac.cn
摘要：基于不确定性理论,将Monte Carlo模拟计算应用到土壤重金属风险评价中,构建了生态风险和健康风险的随机不确定模型, 结合多元统计方法进行实例研究. 结果表明,研究区土壤Cd、 Co和Cr污染水平较高,主要富集在建矿时间较长的工业园区; 综合单因子指数和综合风险因子指数评价显示土壤重金属主要为轻度污染(相应概率分别为53.2%和55.6%); 手-口摄入是研究区土壤重金属暴露的主要途径,Cr为主要致癌因子; 儿童承担的健康风险较高,其非致癌风险指数分别为成人的5.0倍(手-口摄入途径)和8.2倍(皮肤暴露途径),两种暴露途径下其致癌风险指数均高于USEPA推荐的安全水平.
关键词： Monte Carlo分析     生态风险     健康风险     多元统计     重金属    
Comprehensive Risk Assessment of Soil Heavy Metals Based on Monte Carlo Simulation and Case Study
YANG Yang1,2, DAI Dan3, CAI Yi-min1,2, CHEN Wei-ping1 , HOU Yu4, YANG Feng4    
1. Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Chinese Research Academy of Environmental Sciences, Beijing 100012, China;
4. College of Tourism and Environment, Shaanxi Normal University, Xi'an 710062, China
Abstract: Based on the stochastic theory, the Monte Carlo simulation was introduced in ecological risk assessment and health risk assessment. Together with the multi-statistical technique, the proposed models were used for risk analysis in the Bin-Chang Coal Chemical industry park. The results showed that high levels of Cd, Co, and Cr were found in the area with long time mining. The comprehensive single index and comprehensive risk index showed that the ecological risk of soil metals fell into the poor level, with probabilities of 53.2% and 55.6%, respectively. The health risk caused by hand to mouth ingestion was significantly greater than that by dermal exposure, and Cr was of prime concern for pollution control. Children were taking a major health risk. Their non-cancer risks were maintained at a high level, and 5.0-fold higher than adults under hand to mouth ingestion, and 8.2-fold higher than adults under dermal exposure. The cancer risk for children under these two exposure ways were both above the safety standard suggested by USEPA.
Key words: Monte Carlo analysis     ecological risk     health risk     multi-statistical     heavy metals    

我国土壤重金属污染形势严峻，相关污染事件频发[1,2]. 土壤环境质量评价作为污染程度评估和污染控制策略制定的重要参考而受到国内外学者的广泛关注[3, 4, 5]. 而土壤重金属评价系统是一个充满不确定性的复杂系统，重金属含量大小、 空间分布，评价模型选取及评价参数设定等因素均具有不确定性[6,7]. 传统评价方法(单因子指数法、 地积累指数法、 内美罗指数法、 潜在生态危害指数法、 富集因子指数法等)可对区域土壤重金属风险进行初步评估[4, 8, 9, 10]，但难以充分反映区域土壤重金属污染风险状况[7]. 从不确定性角度出发，应用Monte Carlo模拟对某一随机变量进行抽样，将其代入数据模型，确定函数值的模拟技术可有效降低风险评估系统中的随机性和不确定性[7,11]. 本研究以单因子指数[8]、 富集因子指数[9]、 健康风险模型[12]为基础，将Monte Carlo模拟应用到土壤重金属生态风险和健康风险评价中，结合熵权和毒性系数[10, 13, 14]，构建了基于不确定性理论的生态风险和健康风险方法. 将所建模型应用到彬长煤化工业园区土壤重金属污染风险评价中，并结合多元统计方法对研究区土壤重金属富集特征、 生态风险和健康风险水平进行综合分析，以期为当地土壤污染评价，主要污染物控制及居民健康防护提供科学依据，也可为其他区域环境风险评估提供借鉴.

1 材料与方法 1.1 研究区概况

彬长煤化工业园区地处黄土高原沟壑区，位于陕西省西北部彬县和长武县境内. 该园区自2002年开始建设，迄今已建成拥有大佛寺、 亭南、 胡家河，小庄和文家坡5处大型矿井，集煤、 电、 位、 路一体化的大型煤化工业园区[15]. 煤化产业是改善当地经济状况的重要一环，而过度的煤化作业也带来了巨大的环境负荷，目前该地区土壤重金属富集情况仍不明确，其生态风险和健康风险受到政府和民众的广泛关注[15]. 根据当地土地利用格局，人口及煤化工厂分布，划定研究区范围(185.64 km2)，于2014年5~8月进行野外实地考察和采样，共布设70个采样点，用手持GPS精确定位(图 1).

图 1 研究区概况及采样点分布示意 Fig. 1 Research area and distribution of sampling stations
1.2 实验分析

各样点采集混合土壤样品1份(5点混合采样法，采样深度0~10 cm). 样品经风干、 研磨后，过100目尼龙筛，密封保存用于测定pH、 粒度、 有机质等基本性质. 称取0.250 0 g样品用四酸法进行消煮(10 mL HCL,5 mL HNO3,5 mL HF和3 mL HClO4)[16]，定容后用ICP-OES测定Cr、 Mn、 Ni、 Fe、 Zn和V含量，用ICP-MS测定Cd、 Co、 Cu和Pb含量. 测定过程中采用国家标准物质GSS-1进行质量控制.

1.3 不确定模型构建

Monte Carlo模拟方法通过大量随机抽样模拟产生满足一定概率分布形式的随机变量，用概率P处风险值(riskp)的置信区间来表征风险评估系统中的不确定性[6,17]. 其模拟步骤为[11,17]: ①确定评价模型中随机量，生成相应概率密度函数； ②根据已知分布进行大量抽样生成相应随机数，代入模型计算风险值； ③对结果进行统计分析，得到区域生态风险的概率分布及累积概率分布.

1.3.1 生态风险评价

权重设定对生态风险评价结果影响较大，传统评价方法对重金属富集特征的忽略易造成指标信息量缺失，同时评价过程中没有考虑一些生态毒性较高含量较低的重金属元素[4]. 因此，本文提出一种新的赋权方法，将熵权和毒性系数引入到评价模型中[10, 13, 14]，计算公式如下:

式中，eij 表示第j个点位第i个评价因子的标准化值，k=1 ln p，p 为样点数目，Wi为所求权重，Ti为毒性系数[10,13]，Vi 为熵权[14].

单因子指数法(Pi)以土壤背景值(Si)为标准来评价重金属元素(Ci)的累积强度，是其他评价指数计算及土壤环境质量分级的基础[4]. 富集因子(EF)通过参考元素(如Fe)对评价因子(E)进行标准化，根据测定值(Es,Fes)与背景值(Eb,Feb)[18]的比值变化可有效确定污染程度，并能达到源解析的目的[9]. 这两种方法侧重单一因子富集水平，难以反映整体状况[4]. 结合公式(1)~(4)和Monte Carlo模拟构建随机综合单因子指数和随机综合风险因子指数，计算公式如下:

式中，～表示随机数，m为随机模拟的实验次数.

1.3.2 健康风险评价

应用美国环境保护署(USEPA)提出的人体暴露风险评价模型对研究区土壤重金属污染进行健康风险评价[12,19]. 根据世界卫生组织(WHO)和国际癌症研究机构(IARC)规定，将所研究的重金属元素按照其毒理学性质分为有阈(非致癌物，Cu、 Mn、 Pb、 V和Zn)和无阈(致癌物，Cd、 Co、 Cr和Ni)两类[20,21]. 根据土壤重金属迁移特征，确定其从环境介质进入人体的暴露途径主要为手-口摄入和皮肤接触两种[21]. 经手-口摄入途径暴露剂量(ADDing)、 经皮肤接触日平均暴露量(ADDder)和致癌暴露量(LADD)计算方法参看文献[19, 22, 23].

暴露参数取值对健康风险评价结果影响较大[12]，参数实测能显著降低风险评价的不确定性[23]. 本研究中全身暴露面积(SA)和体重(BW)两个主要参数通过对当地448名受试者(男性303人，女性145人，成人320人，儿童128人)进行实际测量获取，全身暴露面积(SA)通过对受试者体重(BW)和身高的测量值根据暴露面积估算公式[24]得到. 摄入量(IR)、 暴露频率(EF)、 暴露年限(ED)、 暴露时间(AT)、 BW和SA等主要参数取值参看表 1.

表 1 健康风险评价模型暴露参数取值 Table 1 Exposure parameters for the health risk assessment models

将Monte Carlo模拟引入到健康风险评价模型中，计算公式如下:

式中，HI为非致癌风险指数，HQ为非致癌风险商，RT为致癌风险指数，R为致癌风险商，RfDij为不同重金属在不同暴露途径下的参考剂量[19,23]，SF为致癌因子，RfD和SF取值参见文献[2, 19, 23]，～表示随机数，m为随机模拟的实验次数.

1.4 数据分析

土地利用数据采用2014年TM影像数据，利用ENVI 4.8 和ArcGIS 10.0参照中国遥感解译分类标准[25]进行影像解译，并通过实地调查进行验证(图 1). 应用SPSS 17.0对问卷记录及重金属含量数据进行统计与相关分析. 应用Matlab 7.0进行聚类分析和权重计算，Monte Carlo模拟采用Crystal ball.

2 结果与讨论 2.1 土壤重金属污染特征

研究区土壤pH为8.38±0.30，有机质含量为1.52%±0.24%，以粗粉沙(65.07%)和细粉沙(28.27%)为主，符合黄土高原沟壑区典型土壤的基本特征[27]. 单因子指数评价结果显示(表 2)，除Zn外，其他元素含量均高于背景值[18]，以Cd(1.96)、 Co(1.89)和Cr(1.51)最为显著. 区域地球化学评价[9]显示，Cd和Co污染程度较高(EF>1.5)(表 2). 空间分析显示(图 2)，相对于其他区域，胡家河(HJH)和大佛寺(DFS)两个建矿时间较长的园区Cd、 Co和Cr富集现象比较明显. 相关分析显示Cd与Cr(r=0.438*)、 Ni(r=0.520**)、 Pb(r=0.642**)，Co与Cr(r=0.492*)、 Ni(r=0.512**)、 Pb(r=0.556**)，Cr与Cu(r=0.567**)、 Cu与Pb(r=0.499*)均有较强相关性. 聚类分析显示Cd、 Co、 Cr、 Cu、 Ni、 Pb这6种重金属关系相近(图 3). Li等[2]指出矿业活动与Cr、 Co、 Cd、 Pb在土壤中的富集关系密切. 因此推断研究区土壤中Cd、 Co、 Cr、 Cu、 Ni和Pb存在相似的来源(煤化工业开发所致). Mn、 V、 Zn这3种重金属污染程度较小，聚类分析显示这3种元素可分为一类(图 3)，相关分析显示土壤有机质与Mn(r=0.528**)、 V(r=0.557**)相关性较强，与其他元素相关性则较低. 一般来说，有机质含量大小与自然母质有关，而Mn被用于测定人类活动对重金属富集影响的参照元素[28]. 因此推测Mn、 V和Zn存在一定的同源关系，且富集过程与自然风化有关.

重金属含量大小为标准化后数值图 2 研究区土壤Cd、 Cr、 Co空间分布 Fig. 2 Spatial distribution of Cd, Cr, and Co in soils in the study area

图 3 研究区土壤重金属聚类分析 Fig. 3 Cluster analysis for the soil heavy metals in the study area

表 2 彬长煤化工业园区土壤重金属污染水平 Table 2 Pollution level of heavy metals in soil in the Bin-Chang coal chemical industry park
2.2 生态风险不确定性评价

以Cd、 Co、 Cr、 Cu、 Ni、Pb这6种与矿区活动相关的元素作为评价因子，应用所构建的不确定评价模型对研究区土壤重金属进行生态风险评价. 结果表明，研究区综合单因子指数(正态分布)主要(75%)集中在1.18～2.52之间，平均水平为1.83，90.1%处于污染水平(IP>1)，其中53.2%处于轻度污染(2>IP>1)，33.2%处于中度污染(3>IP>2)，3.7%处于重度污染(IP>3)(图 4)； 综合风险因子指数(对数正态分布)主要(75%)集中在0.82～2.24之间，平均水平为1.48，70.7%处于污染水平,其中55.6%处于轻度污染(2>IEF>1)，10.5%处于中度污染(3>IEF>2)，4.6%处于重度污染(IEF>3)(图 4). 当前研究区土壤重金属污染水平在可控范围内，但从风险分布形势来看大多数点位仍为轻度污染(图 4)，并有向中度污染过渡趋势，应引起决策者足够重视.

图 4 基于Monte Carlo模拟的土壤重金属生态风险 Fig. 4 Distribution of ecological risks of soil heavy metals based on Monte Carlo simulation
2.3 土壤重金属人群暴露特征

健康风险评价结果(表 3)显示手-口摄入是研究区土壤重金属暴露的主要途径，该途经下：不同重金属对当地民众造成的非致癌风险商和致癌风险商均较高； 非致癌风险中，以Mn、 V和Pb最为明显；致癌风险中，成人和儿童的致癌风险水平顺序大小一致，均为Cr>Co>Cd>Ni，均低于USEPA推荐的最大可接受水平(10-4)[22]，但Cr和Co均高于USEPA推荐的健康风险安全水平(10-6)[21]. 皮肤暴露途径下，除Cr致癌风险高于健康风险安全水平(10-6)外，其他重金属非致癌风险和致癌风险均较低. 可见Cr是研究区土壤重金属暴露的主要致癌因子，同时该地土壤Cr含量水平普遍较高(图 2)，而煤化作业过程中会释放大量的Cr[2]，因此在污染防治时Cr应作为重点防范对象.

表 3 不同人群健康风险 Table 3 Health risks of people with different gender and ages

两种暴露途径下儿童非致癌风险指数和致癌风险指数均较高(表 3). 手-口摄入途径下，儿童非致癌风险指数达到成人的5.2倍(男性)和5.1倍(女性)，致癌风险略高于成人； 皮肤暴露途径下，儿童非致癌风险指数约为成人的10.3倍(男性)和2.1倍(女性)，致癌风险指数约为成人的2.0倍(男性)和5.9倍(女性). 这可能与当地环境及儿童的生理特征和生活习惯有关，一方面研究区植被覆盖率低，黄土大面积裸露分布，而煤化工作业加剧了这一格局(图 1)； 另一方面儿童体重较小，户外玩耍时间长，接触土壤机会较多，导致其健康风险高于成人.

2.4 健康风险不确定性评价

应用Monte Carlo模拟方法对手-口摄入重金属暴露风险进行不确定性分析(图 5). 结果表明，研究区成人非致癌风险指数(正态分布)主要(75%)集中在5.2×10-2～6.6×10-2之间，平均水平为6.0×10-2； 致癌风险指数(正态分布)主要集中在2.3×10-5～3.5×10-5之间，平均水平为2.9×10-3(图 5)； 儿童非致癌风险指数(对数正态分布)主要(75%)集中在2.5×10-1～3.7×10-1之间，平均水平为3.1×10-1； 致癌风险指数(对数正态分布)主要集中在2.2×10-5～3.9×10-5之间，平均水平为3.0×10-3(图 5). 从健康风险分布形势来看，手-口摄入途径下非致癌风险指数和致癌风险指数均在可接受范围内(HI<1，RT < 10-4)[22]，对成年人不会造成太大伤害； 儿童承担的健康风险显著高于成人，其非致癌风险为成人的5.0倍，非致癌风险指数大于0.25、 0.35和0.5的概率分别为71.3%、 25.9%和3.4%； 儿童承担的致癌风险均高于健康风险安全水平(10-6)[21]，其致癌风险指数大于0.25、 0.35和0.5的概率分别为67.9%、 23.0%和2.7%(图 5). 由于儿童抵抗力差，与土壤接触时间长，因此造成的危害也较大，在风险管理时对儿童这一敏感受体应给予更多关注.

为方便对比，成人非致癌风险指数扩大5倍图 5 基于Monte Carlo模拟的手口摄入途径下成人和儿童的健康风险指数分布 Fig. 5 Distribution of health risk index in adults and children based on Monte Carlo simulation
3 结论

(1) 应用Monte Carlo模拟，结合单因子指数、 富集因子指数和健康风险评价方法构建了不确定风险评价模型，并进行实例研究，结合熵权和毒性系数进行土壤重金属生态风险评价，结合参数实测进行不同暴露途径下土壤重金属健康风险评价. 结果表明所构建的模型可同步提供区域土壤重金属生态风险和健康风险的风险水平和其相应概率，有一定的实用性，同时该方法与多元分析的联合使用更有助于风险决策的科学性和合理性.

(2) 案例分析说明研究区Cd、 Co、 Cr、 Cu，Ni和Pb与矿业活动关系密切，大多数点位为轻度污染水平，有向中度污染过渡趋势； 手-口摄入途径下健康风险显著高于皮肤暴露途径下健康风险； 儿童承担的健康风险显著高于成人，在风险管理时应给予更多关注.

参考文献
[1] Zhao F J, Ma Y B, Zhu Y G, et al. Soil contamination in China: current status and mitigation strategies[J]. Environmental Science & Technology, 2014, 49 (2): 750-759.
[2] Li Z Y, Ma Z W, van der Kuijp T J, et al. A review of soil heavy metal pollution from mines in China: pollution and health risk assessment[J]. Science of the Total Environment, 2014, 468-469 : 843-853.
[3] Luo X S, Yu S, Zhu Y G, et al. Trace metal contamination in urban soils of China[J]. Science of the Total Environment, 2012, 421-422 : 17-30.
[4] 范拴喜, 甘卓亭, 李美娟, 等. 土壤重金属污染评价方法进展[J]. 中国农学通报, 2010, 26 (17): 310-315.
[5] Man Y B, Sun X L, Zhao Y G, et al. Health risk assessment of abandoned agricultural soils based on heavy metal contents in Hong Kong, the world's most populated city[J]. Environment International, 2010, 36 (6): 570-576
[6] 廖志恒, 孙家仁, 吴兑, 等. 基于不确定性分析的垃圾焚烧烟气中重金属的土壤沉积及生态风险评估[J]. 环境科学, 2014, 35 (6): 2264-2271.
[7] 李如忠, 潘成荣, 徐晶晶, 等. 基于Monte Carlo模拟的潜在生态危害指数模型及其应用[J]. 环境科学研究, 2012, 25 (12): 1336-1343.
[8] Cheng J L, Shi Z, Zhu Y W. Assessment and mapping of environmental quality in agricultural soils of Zhejiang Province, China[J]. Journal of Environmental Sciences, 2007, 19 (1): 50-54.
[9] Reimann C, de Caritat P. Intrinsic flaws of element enrichment factors (EFs) in environmental geochemistry[J]. Environmental Science & Technology, 2000, 34 (24): 5084-5091.
[10] Hakanson L. An ecological risk index for aquatic pollution control. A sedimentological approach[J]. Water Research, 1980, 14 (8): 975-1001.
[11] Chen W P, Chang A C, Wu L S. Assessing long-term environmental risks of trace elements in phosphate fertilizers[J]. Ecotoxicology and Environmental Safety, 2007, 67 (1): 48-58.
[12] Luo X S, Ding J, Xu B, et al. Incorporating bioaccessibility into human health risk assessments of heavy metals in urban park soils[J]. Science of the Total Environment, 2012, 424 : 88-96.
[13] 徐争启, 倪师军, 庹先国, 等. 潜在生态危害指数法评价中重金属毒性系数计算[J]. 环境科学与技术, 2008, 31 (2): 112-115.
[14] Lu X W, Li L Y, Lei K, et al. Water quality assessment of Wei River, China using fuzzy synthetic evaluation[J]. Environmental Earth Sciences, 2010, 60 (8): 1693-1699.
[15] 史兴民, 刘春霞. 煤矿区居民对环境问题的感知——以陕西省彬长矿区为例[J]. 干旱区地理, 2012, 35 (4): 631-638.
[16] Wang M E, Bai Y Y, Chen W P, et al. A GIS technology based potential eco-risk assessment of metals in urban soils in Beijing, China[J]. Environmental Pollution, 2012, 161 : 235-242.
[17] Atanassov E, Dimov I T. What Monte Carlo models can do and cannot do efficiently?[J]. Applied Mathematical Modelling, 2008, 32 (8): 1477-1500.
[18] 国家环境保护局. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990. 87-98, 342-381.
[19] US Environmental Protection Agency. EPA/600/R-09/052A. Exposure factors handbook[S]. Washington DC: USEPA, 2009.
[20] International Agency for Research on Cancer (IARC), Monographs Programme on the Evaluation of Carcinogenic Risks to Humans [R]. Lyon, France, 2001.
[21] 徐猛, 颜增光, 贺萌萌, 等. 不同国家基于健康风险的土壤环境基准比较研究与启示[J]. 环境科学, 2013, 34 (5): 1667-1678.
[22] US Environmental Protection Agency. Risk assessment guidance for superfund volume I: human health evaluation manual (Part A) [R]. Washington: Office of Solid Waste and Emergency Response, 1989.
[23] 段小丽, 王宗爽, 李琴, 等. 基于参数实测的水中重金属暴露的健康风险研究[J]. 环境科学, 2011, 32 (5): 1329-1339.
[24] 环境保护部. 中国人群暴露参数手册(成人卷) [M]. 北京: 中国环境出版社, 2013. 262-263, 765.
[25] GB/T 21010-2007, 土地利用现状分类[S].
[26] WHO. World Health Report[M]. World Health Organization, 2006.
[27] 庞奖励, 张卫青, 黄春长, 等. 渭北高原土地利用变化对土壤剖面发育的影响——以洛川-长武塬区耕地转为苹果园为例[J]. 地理学报, 2010, 65 (7): 789-800.
[28] Sutherland R A, Tolosa C A. Multi-element analysis of road-deposited sediment in an urban drainage basin, Honolulu, Hawaii[J]. Environmental Pollution, 2000, 110 (3): 483-495.