关闭搬迁企业地块风险筛查方法评估——基于EPACMTP模型的研究

李天魁,刘 毅*,谢云峰



关闭搬迁企业地块风险筛查方法评估——基于EPACMTP模型的研究

李天魁1,刘 毅1*,谢云峰2

(1.清华大学环境学院,北京 100084；2.中国环境科学研究院,北京 100012)

通过污染物迁移转化多介质模型—EPACMTP模型,使用区域灵敏度分析、全局灵敏度分析与实证案例验证等方法,对风险筛查指标体系的指标完备性、权重与赋分合理性及判断可靠性进行了研究.结果表明,除渗滤液浓度外,风险筛查指标涵盖了所有灵敏度显著的参数(13个);对于大部分灵敏度或重要性较高的参数给予了较大权重,对重点区域面积、离最近敏感目标的距离等两项指标的赋分整体合理;对低污染场地的判断结果较为可靠.最后,本文建议风险筛查过程中进一步提高对污染物迁移过程的关注,对指标内部分级与赋分进行调整,并重点关注中高风险场地与砷污染场地.

多介质模型；污染场地；风险筛查

随着我国经济的迅速发展与国家退二进三,产业结构升级等政策的落实,城市中大量的工业企业被关闭或迁移,遗留下了数量众多的污染场地[1].自2001~2008年,我国关停与转迁的企业数量从6611个增加到22488个,总数已经达到10万块以上[2].关闭搬迁企业地块对周边的土壤和地下水造成了不同程度的污染,对周围居民的健康产生了风险.

为了解我国工业企业地块的土壤污染情况,便于更好地进行管理,《土壤污染防治行动计划》中提出,要在2020年底,掌握重点行业企业用地中的污染地块分布和环境风险情况[3].在这一要求下,环境保护部、财政部、国土资源部、农业部、国家卫计委等五部委联合开展了全国土壤污染状况详查工作.其中,《关闭搬迁企业地块风险筛查与风险分级技术规定(试行)》[4]是判断关闭搬迁企业原有地块污染相对风险水平的主要依据,风险筛查与分级体系的可靠性与准确性直接影响详查工作成果.

风险筛查是根据企业地块相关信息,采用基于源-途径-受体风险3要素构建的风险筛查指标体系和评估方法,评估相对风险水平,划分关注度等级.关闭搬迁企业地块的风险筛查指标包括3个级别,其中,一级指标包括土壤和地下水2项,满分各100分;二级指标分别包括污染特性、污染物迁移途径和受体3项;土壤和地下水的3级指标分别为15项和14项.然而,土壤和地下水是典型的复杂环境系统,现有的风险筛查与分级体系主要借鉴发达国家对应体系,指标、分值设定有一定主观性.由于时间、资源有限,前期抽调地块收集到信息较少、不确定性较大.

为了判断风险筛查技术体系的指标完备性、权重和赋分合理性及筛查结果可靠性,本研究基于美国环保部发布的污染物迁移转化机理模型-EPACMTP模型,运用不确定性分析、灵敏度分析、案例实证分析等数值模拟方法,对关闭搬迁企业地块风险筛查方法开展了综合评估,并提出了改进建议.

1 研究方法

1.1 使用模型介绍

多介质模型被广泛用于模拟污染物的迁移与转化过程,并预测其健康危害[5-9].对目前常用的32个土壤和地下水污染物迁移模型,作者从研究目的出发,对各模型的适用性和可靠性进行了分析和评价[10],并从中选取了用于筛查阶段的多介质模型.

渗滤液迁移与转化产物复合模型(EPACMTP模型)[11]由美国环保署于1997年开发,可模拟从废物处理单元(WMU)泄露的污染物在下方土壤和地下水中的迁移运输的过程,包括对流,水力扩散,线性/非线性吸附,一阶链式衰变反应等,并预测下游检查井对应的污染物暴露浓度.该模型可用于判断场地污染严重程度,辅助确定场地风险管控的优先顺序[12].该模型被广泛应用于评价危险废物场地、填埋场等的土壤和地下水污染风险评价[13-15].

EPACMTP模型主要由污染物质、污染源、非饱和带、饱和带4个模块组成.模型假设有:污染物在非饱和带垂直输送,进入饱和带后为三维迁移.

1.2 指标完备性与权重合理性分析

在关闭搬迁企业地块的风险筛查指标体系中,18项指标可以大致对应EPACMTP模型的15个参数,为本研究重点关注参数.模型未能涵盖的指标包括污染物自身特性(对人体健康的危害效应、是否含持久性有机污染物、挥发性)、地块土地利用方式、地下水及邻近地表水用途、人群进入和接触地块的可能性、地块及周边500m内人口数量等11项指标.此外,本研究还分析了渗滤液浓度、温度、pH值、非饱和带有机物占比等4个模型参数.

根据污染场地源-途径-受体过程特征,将本研究涉及的19个参数分为污染源、非饱和带、饱和带、受体等4类.其分布与范围见表1.参数分布主要参考《关闭搬迁企业地块风险筛查与风险分级技术规定(试行)》与EPACMTP模型的参数设定.

表1 模型参数分布与对应指标

注:*分布参考《关闭搬迁企业地块风险筛查与风险分级技术规定(试行)》[4];**分布参考模型内置分布或文献[16].

在本研究中,模型的输出设定为:在污染源下游方向给定位置的地下水中,70a内污染物能达到的最大浓度.研究以有机污染物苯为例,模型中的情景设置为“废物堆”情景.

由于局部灵敏度分析方法独立逐一计算单个参数局部扰动造成的输出变化,无法体现参数相关性,因此本研究采用了区域灵敏度分析的方法.基于HSY算法的思想[17-18],将模型的输出分为2组.如果满足:

0££*(1)

则为可接受组,否则为不可接受组,式中:y是判断输出的标准.为了更保守地估计,研究选取了输出的95%分位数作为y.

根据输出所在的分组,对应的输入参数也可以被相应地分为2组[19].对于参数,运用K-S检验比较其在2组中分布的差异,若显著性小于0.05,则认为参数的灵敏度显著.K-S检验的距离值d越大,说明参数在2组中的分布差异越大,参数的灵敏度较高.对研究的19个参数,判断其中灵敏度显著的参数是否在风险筛查体系中有对应指标,分析指标的完备性.

对参数,其重要性因子I为[20]:

1.3 指标分级与赋分合理性分析

全局灵敏度是在所有参数变化的情况下,分析某个参数取值对结果的影响.为了分析风险筛查指标内部分级与赋分的合理性,本研究以重点区域面积和离最近敏感目标的距离2个指标为例,对其对应的模型参数(分别为“场地面积”与“距污染源径向距离”)进行了全局灵敏度分析[21-22],并根据输出变化率验证筛查分数指标分级与赋分.在对每个参数进行全局灵敏度分析时,采用2种采样方式:

(i)组:所有参数在其范围内按分布随机取值,待模型输出稳定(即增加一次计算后,平均值变化小于0.01%)后,求输出平均值与95分位数.

(ii)组:对于参数,在其取值范围内按一定间隔由小到大地取定值,记为p1,p2…p.当参数值取p(=1,2…)时,其余参数在其取值范围内按分布随机取值,待模型输出稳定后,记输出平均值为y,并记录输出的95分位数.

随着的增大,参数的值p不断增加,输出y变化的幅度逐渐变小.记曲线y-p的斜率为k,将k的范围分为4份,对应的参数的范围(记为U)也分为4份,分别记为U1,U2,U3和U4,这样就完成了参数内部的分级.

对指标内分级的赋分通过浓度的比值确定.若参数在U范围内,则此时的赋分占指标总权重的百分比(S)应为:

式中:max(y|pÎU)为参数p在U范围内时,y的最大值; min(y|pÎU)为p在U范围内时,y的最小值; max(y|pÎU)为参数p在U范围内时,y的最大值.

将对参数的分级(U1,U2,U3和U4)与赋分(S)和风险筛查指标体系中指标的分级与赋分进行比较,判断其合理性.全局灵敏性的分析以有机污染物苯为例,输出与情景设置同上.

1.4 案例实证分析

本研究以某地28个关闭搬迁企业的场地为实证案例,这些场地以重金属污染为主,通过比较场地模型计算结果与风险筛查得分,判断风险筛查指标体系的可靠性.

根据这些场地的场地调查报告,得到污染区域面积、污染时间、土壤点位污染物浓度、温度、pH值、土壤质地等信息.利用这些信息作为EPACMTP模型的输入,计算场地周边敏感受体处地下水中铅、汞、铜、锌、砷、镍等6项污染物浓度.

对于场地,污染物的单因子指数为:

式中:C为场地中污染物的浓度;C为污染物在《地下水水质标准》(DZ/T 0290-2015)III类水质标准的浓度限值[23].

综合铅、汞、铜、锌、砷、镍等6项污染物,场地的内梅罗指数为

将场地的各项污染物浓度及内梅罗指数与风险筛查分数进行比较,分析风险筛查方法判断的准确性.

2 结果与讨论

2.1 指标完备性分析

对研究选定的19个参数,有14个参数灵敏度显著.包括:(1)污染源参数:渗滤液浓度、渗透率、场地面积、源释放时间、区域补给率;(2)非饱和带参数:饱和水力传导系数,保水性;(3)饱和带参数:颗粒直径、水力传导系数、水力梯度、垂直弥散系数、横向弥散系数、纵向弥散系数;(4)受体参数:距污染源径向距离.非饱和带有机物占比灵敏度不显著,但重要性因子排序为第5名.

将各参数按其灵敏度从高到低进行排列并编号,计算各参数的重要性因子,并与各参数对应指标的分值进行比较,如图1所示.

图1 各参数重要性与对应指标分值

1:渗滤液浓度 2:观测井径向距离3:水力传导系数4:渗透率 5:水力梯度 6:垂直弥散系数 7:横向弥散系数 8:纵向弥散系数 9:源释放时间 10:场地面积 11:区域补给率 12:颗粒直径 13:饱和水力传导系数 14:保水性15:保水性16:有机物占比 17:pH值18:包气带厚度 19:温度

除渗滤液浓度外,风险筛查体系的指标已涵盖所有灵敏度显著的参数.这是由于在对场地进行风险筛查的过程中,不进行现场采样等工作,因此未对渗滤液浓度进行考量.在风险筛查后的风险分级阶段,将会评价渗滤液浓度对场地风险的影响.

此外,风险筛查体系指标忽略了个别灵敏度不高但也较为重要的参数,如非饱和带有机物占比.饱和带水力传导过程(模型中涉及颗粒直径、水力传导系数、水力梯度、垂直弥散系数、横向弥散系数、纵向弥散系数等6个灵敏参数)与非饱和带水力传导过程(模型中涉及饱和水力传导系数,保水性α等2个灵敏参数)值得关注,但指标体系中仅采用非饱和带与饱和带土壤渗透性这2项指标来表征这一重要过程.

2.2 权重合理性分析

对各参数的区域灵敏度与重要性的分析表明:污染源相关参数灵敏度较为集中,排序范围为1~11名,相对较高;重要性较为集中,排序范围为6~14名,处于中等.其中,源释放时间参数灵敏度排序第9,重要性排序第13.非饱和带参数灵敏度较为集中,排序范围为13~18名,相对较低;重要性差异较大,排序范围为2~15名.其中,非饱和带饱和水力传导系数参数灵敏度排序第13,但重要性排序第2.饱和带参数灵敏度差异较大,排序范围为3~19名;重要性差异较大,排序范围为1~17名.其中,与饱和带水力传导过程相关的参数—水力传导系数、水力梯度灵敏度排序分别为3、5,重要性排序分别为1、3.受体参数—观测井径向距离灵敏度排序第2,重要性排序第16.

将参数的灵敏度与重要性因子同对应指标的权重进行比较,可以得出以下结论:(1)风险筛查体系对于大部分灵敏度或重要性较高的参数给予了较大权重.(2)污染源指标中,生产经营活动时间(土壤指标,15分;地下水指标,18分)权重较高.(3)非饱和带指标中,包气带土壤渗透性(土壤指标,3分;地下水指标,2分)权重较低.(4)饱和带指标中,饱和带土壤渗透性(地下水指标,3分)权重较低.

2.3 赋分合理性分析

2.3.1 重点区域面积 对参数场地面积进行全局灵敏度分析,如图2所示.场地面积的全局灵敏度显著,污染物浓度随着参数的增加而增加,但是增长速度逐渐放缓.当面积大于20hm2后,单位面积的增加引起浓度的变化小于1%,认为此时的浓度可以代表面积在其取值范围内时浓度的最大值.

根据斜率k随面积的变化,将面积的取值范围分为4个部分:<1hm2,1~2hm2,2~10hm2,>10hm2.根据公式(3),各部分对应的赋分占指标总权重的比例分别为:20%、46%、68%与100%.

对比风险筛查指标,参数对应指标为重点区域面积,指标分档及档位分数比例为:<2hm2(20%),2~ 10hm2(60%),>10hm2(100%).因此,对面积为1~2hm2的场地,风险筛查评估结果偏低.

2.3.2 离最近敏感目标的距离 如图3所示,对参数距污染源径向距离进行全局灵敏度分析.该参数全局灵敏度显著,随着参数的增大,污染物浓度下降,但下降速度放缓.当距离大于3200m后,单位距离的增加引起浓度的变化小于0.05%,认为此时的浓度可以代表面积在其取值范围内时浓度的最小值.

根据斜率k随距离的变化,将距离的取值范围分为4个部分:<350m,350~1000m,1000~2000m, >2000m.根据公式(3),各部分对应的赋分占指标总权重的比例分别为:100%、51%、26%与13%.

对比风险筛查指标,参数对应指标为离最近敏感目标的距离,指标分档及档位分数比例为: <100m(100%)、100~300m(70%)、300~1000m (40%)、>1000m(10%).对于距离敏感受体300m~2000m的场地,风险筛查评估结果偏低.

2.4 实证案例分析

实证研究涉及的污染场地以重金属污染为主.对28个潜在重金属污染风险场地,风险筛查得分大于70分、40~70分、小于40分的场地分别有1、23、4块,分别对应风险筛查中规定的高、中、低3类关注地块.按照场地风险筛查得分由高至低的顺序进行编号.根据各场地的相关信息,使用模型计算受体处地下水中的铅、汞、铜、锌、砷、镍污染物浓度,得到各污染物单因子指数及内梅罗指数,并与各场地的风险筛查得分进行比较.各地块铅、砷、汞、铜、锌、镍污染单因子指数及内梅罗指数如图4所示.其中,模型计算得到的各污染物单因子指数和内梅罗指数采用平均值-95分位数的范围进行表示.

案例地区的28个潜在重金属污染场地中,地下水中均存在铅污染.其中,12块地块铅污染单因子指数95分位数超过1,即在保守条件下,应当判断这些地块铅污染超标.地块10铅污染最严重,其单因子污染指数95分位数为461.6,平均数为94.2.对照风险筛查结果,筛查分数排序22名之后的地块,铅污染单因子指数95%分位数均小于1,即有较大把握判定这些地块铅污染不会超标.因此,风险筛查方法对于铅污染较低的地块判断准确.

汞、铜、锌、镍污染与铅污染类似,4类污染超标的场地数量分别为1个、5个、1个、11个.风险筛查方法对于汞、铜、锌、镍污染较轻的场地判断准确,分数排序在17名之后的,上述4类污染单因子指数95分位数均小于1.

28块场地中有9块地块地下水存在砷污染,6块地块砷污染单因子指数95分位数超过1,地块4污染最严重,其单因子污染指数95分位数为100.4,平均数为21.2.与风险筛查结果比对后发现,风险筛查方法对于砷污染地块判断准确度较低,排序23、27名的地块砷污染单因子指数95%分位数超标.

综合各类污染物,28块场地中有18块场地内梅罗指数95%分位数超过1,潜在风险较大.地块6最严重,其内梅罗指数95%分位数为1255.5,平均值为403.0.分析表明,风险筛查方法对于污染较轻的场地判断较为准确,排序17名之后的场地内梅罗指数95%分位数均小于2,平均值均小于1.

对于以有机污染物、持久性有机污染物等为主的场地,可以采取相同的方法计算内梅罗指数,并与场地风险筛查分数进行比较.此外,尽管在模型说明文件[24]中,没有对输入模型的重金属污染物浓度作出有效域限制,对于源头强度不超过5´10-6的重金属污染物,模型模拟结果与用其它数值和分析方法得到的结果重合度很高.因此,对于重金属污染源浓度高于5´10-6的场地,建议可以采用结合其他模型进行辅助判断.

2.5 建议

一、建议进一步提高对污染物迁移过程的关注:在现有指标基础上,建议引入更多与饱和带水力传导过程相关的指标(如水力梯度,孔隙度等),以及非饱和带有机物占比、饱和水力传导系数等指标,并对上述指标设置较高分值,从而更全面刻画污染物迁移过程.

二、建议参考全局灵敏度分析结果,对评分项目内部分级及赋分进行调整.对指标分档及档位分数比例建议可调整如下:(1)重点区域面积: <1hm2(20%),1~2hm2(46%),2~10hm2(68%),>10hm2(100%); (2)离最近敏感目标的距离:<350m(100%)、350~1000m(51%)、1000~2000m(26%)、>2000m (13%).

三、建议重点关注中高风险场地与砷污染场地.可对上述两类场地予以重点关注,适时开展更详尽的场地调查,积累更多案例场地数据,并结合模型对风险筛查指标体系做进一步完善.

四、在实际应用中,可以利用模型辅助判断风险筛查结果的准确性与可靠性.对于实际场地,根据场地调查结果,按模型要求输入相关信息(污染区域面积、污染时间、土壤点位污染物浓度、温度、pH、土壤质地等),输出得到各污染物浓度后,按照式(4),式(5)进行计算得到污染物单因子指数与内梅罗指数,与场地筛查分数进行比较.对污染物单因子指数和内梅罗指数大于1的场地,建议进行进一步调查.

五、后续研究可以针对于其余类型的污染场地,使用更多种类的多介质模型进行验证.

建议在后续的研究中,关注以有机污染物和持久性有机污染物为主的场地,对此类场地进行类似的研究,同时,采用更多种类多介质模型进行验证.

3 结论

3.1 本研究运用EPACMTP模型,通过基于HSY思想的区域灵敏度分析、全局灵敏度分析与案例实证研究对关闭搬迁企业地块风险筛查指标体系的完备性、合理性和可靠性进行评估.除渗滤液浓度外,风险筛查体系指标已涵盖所有灵敏度显著的参数(13个),完备性较好.

3.2 对于大部分灵敏度或重要性较高参数给予了较大权重,对重点区域面积、离最近敏感目标的距离等两项指标的赋分整体合理.

3.3 对于重金属低污染场地,风险筛查结果相对更为可靠,筛查分数排序17名之后的地块,其铅、汞、铜、锌、镍污染单因子指数95%分位数均小于1,内梅罗指数95%分位数均小于2,平均值均小于1.

3.4 风险筛查方法对于中高风险场地与砷污染场地的区分能力相对不强.

[1] 姜 林,钟茂生,张丽娜,等.基于风险的中国污染场地管理体系研究[J]. 环境污染与防治, 2014,36(8):1-10.

[2] 廖晓勇,崇忠义,阎秀兰,等.城市工业污染场地:中国环境修复领域的新课题 [J]. 环境科学, 2011,32(3):784-794.

[3] 中华人民共和国国务院.关于印发土壤污染防治行动计划的通知 [EB/OL]. http://zfs.mep.gov.cn/fg/gwyw/201605/t20160531_352665. shtml, 2018-02-27.

[4] 中华人民共和国环境保护部办公厅. 关于印发重点行业企业用地调查系列技术文件的通知[EB/OL]. http://www.zhb.gov.cn/gkml/ hbb/bgt/201708/t20170818_420021.htm, 2018-02-27.

[5] Liu S, Lu Y, Wang T, et al. Using gridded multimedia model to simulate spatial fate of Benzo [α] pyrene on regional scale [J]. Environment International, 2014,63:53-63.

[6] Tobiszewski M, Namieśnik J, Pena-Pereira F. Environmental risk-based ranking of solvents using the combination of a multimedia model and multi-criteria decision analysis [J]. Green Chemistry, 2017, 19(4):1034-1042.

[7] Asif Z, Chen Z. Examining screening-level multimedia models through a comparison framework for landfill management [J]. Environmental Management, 2016,57(1):229-236.

[8] 张 钊,黄瑾辉,曾光明,等.3MRA风险模型在铬渣整治项目制定过程中的应用 [J]. 中国环境科学, 2010,30(1):139-144.

[9] 徐 亚,朱雪梅,刘玉强,等.基于随机-模糊耦合的污染场地健康风险评价及案例 [J]. 中国环境科学, 2014,34(10):2692-2700.

[10] 黄瑾辉,李 飞,曾光明,等.污染场地健康风险评价中多介质模型的优选研究[J]. 中国环境科学, 2012,32(3):556-563.

[11] United States Environmental Protection Agency. EPA's composite model for leachate migration with transformation products (EPACMTP) [EB/OL]. https://www.epa.gov/smm/epas-composite- model-leachate-migration-transformation-products-epacmtp, 2018- 02-27.

[12] Yang Y, Jiang Y H, Xi B D, et al. Risk-based prioritization method for the classification of groundwater pollution from hazardous waste landfills [J]. Environmental Management, 2016,58(6):1046-1058.

[13] 季文佳,杨子良,王 琪,等.危险废物填埋处置的地下水环境健康风险评价[J]. 中国环境科学, 2010,30(4):548-552.

[14] 吕任生,黄启飞,赵晨曦,等.废弃日用品塑料中多溴联苯醚浸出特征及地下水健康风险 [J]. 环境化学, 2015,34(1):37-43.

[15] 徐 亚,刘玉强,刘景财,等.填埋场渗漏风险评估的三级PRA模型及案例研究[J]. 环境科学研究, 2014,27(4):447-454.

[16] United States Environmental Protection Agency. Parameters/data background document for EPACMTP [EB/OL]. https://www.epa.gov/ sites/production/files/2016-03/documents/v2_pd.pdf, 2018-02-27.

[17] Spear R C, Hornberger G M. Eutrophication in peel inlet—II. Identification of critical uncertainties via generalized sensitivity analysis [J]. Water Research, 1980,14(1):43-49.

[18] Young P C, Hornberger G M, Spear R C. Modelling badly defined systems-some further thoughts [C]//Proceedings SIMSIG simulation conference, Canberra: Australian National University, 1978:24-32.

[19] Petropoulos G, Srivastava P K. Sensitivity analysis in earth observation modelling [M]. United Kingdom: Elsevier, 2016:125- 144.

[20] Hoffman F O, Miller C W. Uncertainties in environmental radiological assessment models and their implications [R]. TN (USA): Oak Ridge National Lab, 1983:57.

[21] Chen J, Beck M B, Barnwell T O. Quality assurance of multi-media model for predictive screening tasks [M]. USA: USEPA, 1999:98-106.

[22] Song X, Zhang J, Zhan C, et al. Global sensitivity analysis in hydrological modeling: Review of concepts, methods, theoretical framework, and applications [J]. Journal of Hydrology, 2015,523: 739-757.

[23] DZ/T 0290-2015 地下水水质标准 [S].

[24] United States Environmental Protection Agency. EPA's composite model for leachate migration with transformation products (EPACMTP): background document for EPACMTP: metals transport in the subsurface [EB/OL]. https://www.lic.wisc.edu/glifwc/PolyMet/ FEIS/reference/USEPA 1996.pdf.

Assessment of the risk classification method for closed industrial contaminated sites—A study based on EPACMTP model.

LI Tian-kui1, LIU Yi1*, XIE Yun-feng2

(1.School of Environment, Tsinghua University, Beijing 100084, China；2.Chinese Research Academy of Environmental Sciences, Beijing 100012, China)., 2018,38(10)：3985~3992

This paper used the contaminant fate and transport multimedia model (EPACMTP model) to assess the risk classification method for a national soil quality survey program. Regional sensitivity analysis, global sensitivity analysis and empirical verification were conducted. The work focused on the completeness of indicators, credibility of classification and robustness of weighting and scoring. The result showed that almost all (13in total) sensitive parameters were covered by the risk classification method, except for leachate concentration. Parameters with high sensitivity and importance were usually given relatively high weights. The scores for site area and distance to receptor were shown to be reasonable. The classification for low-risk sites were generally accurate. This study recommended that more attention should be paid to contaminant transport process. Suggestions were given on indicator weighting and scoring. We also suggested focusing on medium- and high-risk sites, as well as arsenic contaminated sites.

multimedia model；contaminated sites；risk classification

X820.3

A

1000-6923(2018)10-3985-08

李天魁(1993-),男,河南郑州人,清华大学博士研究生,主要从事污染场地风险评价工作.发表论文1篇.

2018-03-07

重点行业企业用地风险筛查模型验证与优化(20182000801)

* 责任作者, 教授, yi.liu@tsinghua.edu.cn