魏文侠，宋博宇，李培中，王海见，郭观林，张文，权腾

1.轻工业环境保护研究所，北京　1000892.工业场地污染与修复北京市重点实验室，北京　1000893.中国环境科学研究院，北京　1000124.中科鼎实环境工程有限公司，北京　100028



三维可视化建模方法在污染场地中的应用

魏文侠1,2，宋博宇1,2，李培中1,2，王海见1,2，郭观林3，张文4，权腾1,2

1.轻工业环境保护研究所，北京1000892.工业场地污染与修复北京市重点实验室，北京1000893.中国环境科学研究院，北京1000124.中科鼎实环境工程有限公司，北京100028

摘要以某搬迁的电池厂原址场地为研究对象，利用场地地层勘探数据和土壤样品检测结果建立场地三维污染预测模型，对模型参数进行优化选择，在三维污染模型构建过程中采用交叉验证分析法选择最优插值方法及参数，并对场地土壤中重金属铅的污染分布进行三维可视化预测分析。结果表明：三维地层模型构建过程中，样点最小间距设置为40 m×40 m，邻近点插值法最适合描述场地的地形地貌特征；克里格插值法更适合进行场地污染特征插值分析。建立了三维可视化建模方法分析场地污染特征与场地地层及生产布局之间的相关性。

关键词污染场地；三维插值；可视化；重金属；铅

随着我国经济结构的转型和城市建设发展，大量停产搬迁的工业场地面临土地再次开发利用，场地污染会对人体健康产生潜在影响。污染场地环境修复是保障人体健康安全的必要措施，场地污染已成为我国最受关注的环境问题之一[1-3]。2005年4月—2013年12月，环境保护部会同国土资源部开展了首次全国土壤污染状况调查，结果表明：全国土壤污染总的点位超标率为16.1%。从污染类型看，以无机型为主，无机污染物超标点位数占全部超标点位的82.8%；镉、汞、砷、铜、铅、铬、锌、镍8种无机污染物点位超标率分别为7.0%、1.6%、2.7%、2.1%、1.5%、1.1%、0.9%、4.8%。因此，重金属是我国主要场地污染物类型。采矿、冶金、电镀和石油加工等行业是重金属污染的主要来源，这些行业排放的重金属污染物通过大气沉降、废水排放和废物长期淋滤等途径造成场地土壤和地下水污染[4]。

掌握场地污染分布特征，明确场地污染边界，是进行污染场地有效修复的前提和关键[5-6]。国外学者在污染场地空间分布特征分析方面进行了大量研究。如Zirschky[6]研究了地统计学方法在土壤环境污染调查和监测中的应用；Stein[7]应用地统计学对土壤污染程度进行了空间变异分析；Cotway等[8]认为土壤属性在空间各方向上的一致是相对的，而各方向上存在的差异却是绝对的；White等[9]研究表明，采用各向同性范围内的空间变异模型参数，作为克里格插值的参数选择，可以降低各向异性对插值精度的影响；Carlon等[10]应用克里格法分析多环芳香烃污染的空间分布特征，研究采用较少的样本数据获取污染分布特征基本信息；Ying等[11]采用克里格插值方法揭示滴滴涕(DDT)在沉积物中的空间分布依赖性及其分布特征。

国内也有许多学者对污染场地空间分布特征分析进行了研究：如胡克林等[12]应用半方差函数分析北京市大兴区农田土壤中重金属元素的空间相关性，采用克里格插值方法预测土壤重金属空间分布特征；谢正苗等[13]利用地统计学与GIS技术相结合的方法揭示了浙江省某区域土壤重金属的空间分布特征，评价重金属环境质量状况，并对其成因进行了探索研究；张长波等[14-15]采用各向同性范围内半变异函数模型，对某区域土壤重金属进行空间分布预测，对污染源识别有较好的指示作用。

近年来，污染场地空间变异特征的研究已经从二维空间变异理论扩展到三维空间上。如Nash等[16]使用三维克里格法对土壤砂粒与CaCO3浓度在土壤剖面中的分布进行预测；Liu等[17]采用水平和垂直变差函数来分析三维空间中土壤导水率在水平及垂向上的空间相关性得出，在水平方向上存在各向异性，主轴方向与外界河流补给具有空间相关性；Meirveime等[18]应用三维克里格与二维克里格分层方式进行硝态氮在土体中的三维分布研究，结果显示三维克里格插值方法具有较好的预测精度。

随着科学计算可视化与三维GIS的发展，三维可视化模型得到了广泛应用。主要是在获取各种地质信息的条件下，结合地质解译、地统计分析、空间预测及图形可视化等技术，建立三维环境地质模型[19]。三维地质模型可以解决二维平面不能直观展现地形高程变化等问题，多方式多角度展示复杂地质信息，反映场地地层结构形态。场地地层普遍具有异质性，场地污染分布与地层结构密切相关。传统的数据分析方法将场地概化为二维平面进行污染特征分析，忽略了污染垂直分布上的异质性特征，造成场地污染范围及修复土方量的计算误差相对较大。三维可视化建模技术可以充分利用场地地层信息和场地不同深度样品检测数据，更加准确分析场地污染分布状况，减少预测误差。目前三维可视化模型在场地污染特征空间分布表征方面的应用研究相对较少。因此，笔者选择某铅酸蓄电池污染场地，建立场地三维污染预测模型，对模型参数进行优化，对场地土壤中重金属铅的污染分布进行三维可视化分析，研究场地地层特征与土壤污染特征之间的相关性，旨在为该场地后续土壤污染修复提供技术依据和决策支持。

1材料与方法

1.1场地概况

杂填土层：杂色，主要包含物为砂、泥岩碎块石、砖块、卵石及粉质黏土等，碎块石直径5～200 mm，含量约20%，呈棱角状、次棱角状，地面下4.90～9.40 m深含约25%的卵石，粒径5～40 mm，呈椭圆形，母岩成分为花岗岩等，结构松散—稍密，稍湿，为建筑回填。

原土层：分布于局部地段的人工填土之下或斜坡表面，黄褐色，可塑状，干强度、韧性中等，无摇振反应，切面稍有光泽，为残坡积成因。

侏罗系中统沙溪庙组(J2s)砂岩：灰白色，灰色，中细粒结构，中厚层状构造，矿物成分为石英、长石及云母等，局部含泥质。

1.2样品采集与检测分析

场地面积约100万m2，长期从事锂离子电池和铅酸蓄电池生产，生产过程中跑、冒、滴、漏现象及固体废物的随意堆放导致严重的土壤重金属污染，土壤特征污染物以铅为主。依据该场地原生产工艺分析和厂区生产布局情况，采用三角网格布点和经验布点相结合的方式进行该场地土壤采样分析。结合场地实际地层分布特征确定采样深度，采样位置主要位于建筑垃圾层、杂填土层和基岩砂层，采样深度0～9.4 m不等，依据地层实际分布情况进行采样，即部分点位采集2层土壤样品。共布设采样点位77个，采集土壤样品209个。

土壤样品采用直口玻璃瓶存放，聚四氟乙烯瓶盖进行密封。使用蓝冰保证样品在约4 ℃低温保存。土壤和建筑垃圾中铅浓度用US EPA 6010C方法测定[20]；土壤和建筑垃圾中铅采用HJT 299方法进行溶出[21]，采用US EPA 6020A方法测定浸出浓度[22]。

1.3三维可视化模型构建方法

污染场地三维可视化模型由场地地层模型及污染分布模型构成。具体建模方法：1)建立场地地层模型。依据场地地质资料整理钻孔数据，依据地层分布情况由上至下设置土壤属性信息；然后依据钻孔地理位置坐标及钻孔纵向地层信息完成钻孔三维可视化，再采用三维插值方法实现地质体网格构建，最后依据调查边界条件进行裁剪，完成场地三维地层模型构建。2)建立场地污染分布模型。在场地地层模型构建基础上，将土壤钻孔样品检测分析结果与钻孔地层数据相结合，选择三维插值方法对钻孔节点检测结果进行插值计算，完成场地污染分布模型构建。

由于地层结构的空间异质性和插值方法选择不同，造成污染场地三维可视化模型具有一定的误差。三维模型构建过程中还需通过误差分析方法进行模型参数优化。具体流程见图1。

图1　三维可视化模型构建流程Fig.1　3D visualization model building

2结果与讨论

2.1场地地层模型构建

影响地质模型建模精度的主要因素包括网格数量与插值方法的选择。按网格尺寸为20 m×20 m、40 m×40 m、60 m×60 m、80 m×80 m、100 m×100 m设置网格，选用克里格插值法(Kriging)、反距离加权插值法(IDWS)、距离反比加权插值法(IDWM)和邻近点插值法(NN)4种插值方法，分别计算场地调查地层深度内(0～9.4 m)所有地层的土方量，分析地层建模误差。具体计算结果见表1。

以网格数量为x轴，总土方量为y轴绘制不同插值方法的趋势线图(图2)，其中，直线斜率说明土方量随网格数量改变的快慢，直线截距代表预测土方量的基数或者最小值，直线斜率与截距的比值说明网格数量增加对总土方量的影响，拟合度越大说明网格数量与土方量的相关关系越好，反映网格数量对土方量的误差大小。

由图2可知：1)根据直线斜率计算，4种插值方法总土方量均呈增加趋势，增加速率依次为IDWS>NN>Kriging>IDWM；2)Kriging，IDWS和IDWM拟合度均大于0.99，线性关系较好；NN法的拟合度较小，为0.54，线性关系较差；3)直线斜率与截距的比值关系说明，4种插值方法计算土方量的误差依次为IDWS(0.013%)>NN(0.011%)>Kriging(0.010%)>IDWM(0.009%)，IDWM算法插值误差较小。

表1　不同插值方法在不同参数条件下场地总土方量情况

注：Kriging—克里格插值法；IDWS—反距离加权插值法；IDWM—距离反比加权插值法；NN—邻近点插值法。

Kriging—克里格插值法；IDWS—反距离加权插值法；IDWM—距离反比加权插值法；NN—邻近点插值法。图2　不同插值方法下计算场地土方量及趋势线分析Fig.2　Site earthwork quantity and trend linesunder different conditions

注：Kriging—克里格插值法；IDWS—反距离加权插值法；IDWM—距离反比加权插值法；NN—邻近点插值法。图3　不同插值方法结果对比Fig.3　The interpolation results of different methods and parameters

图4　场地地层及土壤污染三维可视化结果Fig.4　Three dimensional visualization of site stratum and soil pollution

选择误差相对较小的网格数40 m×40 m为最佳网格，进行不同插值方法比较(图3)，选择IDWM作为最佳插值方法，进行场地地层模型构建，构建结果见图4。模型中三维网格由各地层表面叠加而成，由钻孔高程值插值计算得到各地层表面网格高程值。场地地层由上至下依次为建筑垃圾层、杂填土层、原土层(粉质黏土)和基岩层。场地地层模型的建立为后续场地污染分析提供了污染点的位置(即每个网格的节点)及空间边界范围。

2.2场地污染模型构建

首先依据采样点位置空间坐标信息，将土壤样品检测分析结果叠放至场地地质模型的空间位置上。然后在三维地质模型的基础上，使用样品所有污染物数据进行场地污染分布插值计算，进而对土壤铅浓度的空间分布可视化表征及分析。从不同插值方法结果对比(图3)。可以看出，Kriging、IDWS和IDWM 3种插值方法均可以获得较为平滑的插值结果。而邻近点法(NN)插值结果呈锯齿状。研究采用十折交叉验证法，对污染物浓度插值方法精度进行结果验证。以全部参与计算的模型网格节点值作为真实值，训练样本计算的模型节点值为预测值。插值结果的精度选择常用的平均预测误差(ME)、平均绝对误差(MAE)和均方根误差(RMSE)作为误差统计指标，平均预测误差、平均绝对误差越接近于0，均方根误差值越小，插值精度就越高。各种插值方法对比验证结果见表2。

在前期场地地层建模基础上，进行污染物三维分布建模。不同插值方法获取的污染区范围误差分析结果表明，NN的均方根误差最高，IDWS随着指数的增加误差增加，IDWS在同等指数水平下要度高于IDWM，Kriging在均方根误差、平均绝对误差上均小于其他插值方法，采用Kriging进行场地污染分布预测精度较高。因此研究选择Kriging进行后续场地污染浓度空间分布预测分析。

表2　不同插值模型误差分析

Table 2　ME and RMSE analysis for different

interpolation models　 mgkg

表2　不同插值模型误差分析

插值方法均方根误差平均绝对误差平均预测误差Kriging213.24120.434.66IDWS321.73146.75-19.21IDWM526.19188.749.26NN2144.80267.0531.00

注：Kriging—克里格插值法；IDWS—反距离加权插值法；IDWM—距离反比加权插值法；NN—邻近点插值法。

2.3场地污染三维可视化表征及讨论

从场地地层及土壤污染三维可视化结果(图4)可见，场地重金属铅污染较重区域主要集中在场区中部偏北位置，该区域为原厂区废铅堆放处、极片生产车间及废极片处理车间，另外场区的污水处理站也有较高的土壤重金属污染。土壤污染主要集中在蓄电池加工生产的区域。其他区域如南部成品车间和废物堆放区，土壤污染程度相对较轻。

将场地地层分布情况与土壤污染情况进行对比分析得出：场地表层建筑垃圾层污染分布范围最广，污染程度较重；建筑垃圾层和杂填土层在场区内交叉分布，由于人为扰动，造成污染迁移扩散至杂填土层；同时，该场地杂填土层分布不连续，部分区域原土层与建筑垃圾层直接接触，导致原土层土壤污染。可见，场地土壤污染迁移特征与场地地层分布特征具有一定的相关性，同时与场地土地开发利用等人为活动有一定的关联性。

3结论

污染场地三维可视化模型构建过程中，模型参数优化选择对三维插值精度影响较大。地质建模过程中网格参数和插值方法精度评价结果表明：网格密度越小，地层插值估算场地地层土方量越大；样点最小间距网格设置为40 m×40 m时，插值精度较高；不同三维插值方法中克里格插值法(Kriging)在均方根误差(RMSE)、平均绝对误差(MAE)上均小于其他插值法，插值误差相对较小，插值预测结果更符合场地实际污染特征。

在污染场地三维可视化建模基础上，对实际场地土壤重金属铅污染分布状况进行分析，场地土壤污染特征与地层结构密切相关。三维建模及可视化分析能够较好地反映场地污染垂向分布的异质性特征，可以为场地后续土壤修复提供参考依据。

仅采用场地钻探获取的地层数据和土壤样品实验室检测结果，进行场地污染数据分析及三维可视化表征。后续工作中可以通过探地雷达、薄膜界面探测系统、水力剖面探杆工具系统等其他调查方法获取更多场地特征信息，更加准确地构建污染场地三维可视化模型，为污染场地调查及修复提供技术支持。

参考文献

[1]张胜田,林玉锁,华小梅,等.中国污染场地管理面临的问题及对策[J].环境科学与管理,2007(6):5-7.

ZHANG S T,LIN Y S,HUA X M,et al.The facing problems and countermeasures of Chinese contaminated cite management[J].Environmental Science and Management,2007(6):5-7.

[2]骆永明.中国污染场地修复的研究进展、问题与展望[J].环境监测管理与技术,2011(3):1-6.

LUO Y M.Contaminated site remediation in China progresses,problems and prospects[J].The Administration and Technique of Environmental Monitoring,2011(3):1-6.

[3]谷庆宝,郭观林,周友亚,等.污染场地修复技术的分类、应用与筛选方法探讨[J].环境科学研究,2008,21(2):197-202.

GU Q B,GUO G L,ZHOU Y Y,et al.Classification,application and selection of contaminated site remediation technology:an overview[J].Research of Environmental Sciences,2008,21(2):197-202.

[4]李顺,史忠诚,赵玉龙.场地土壤重金属污染及其修复技术研究现状[J].环境研究与监测,2009(1):43-47.

[5]郭观林,王翔,关亮,等.基于特定场地的挥发半挥发有机化合物(VOCSVOC)空间分布与修复边界确定[J].环境科学学报,2009,29(12):2597-2605.

GUO G L,WANG X,GUAN L,et al.Site-specific spatial distribution of VOCSVOC and determination of the remediation boundary[J].Acta Scientiae Circumstantiae,2009,29(12):2597-2605.

[6]ZIRSCHKY J.Geostatistics for environmental monitoring and survey design[J].Environment International,1985,11(6):515-524.

[7]STEIN A.Modeling spatial variability of soil pollution variables with geostatistics for environmentalpurposes[C]EIJSACKERSH J P,HAMERS T.Integrated soil and sediment research basis for proper protection.Netherlands:Kluwer Academic Publishers,1993:431-434.

[8]COTWAY C A,HERGERT G W.Incorporating spatial trends and anisotropy in geostatistical mapping of soil properties[J].Soil Science Society of America Journal,1997,61:298-309.

[9]WHITE J G,WELCH R M,NORVELL W A.Soil zinc map of USA using geostatistics and geographic information systems[J].Soil Science Society of America Journal,1997,61:185-194.

[10]CARLON C,CRITTO A,MARCOMINI A,et al.Risk based characterization of contaminated industrial site using multivariate and geo statistical tools[J].Environmental Pollution,2001,111(3):417-427.

[11]YING O Y,NKEDI-KIZZA P,MANSELL R S,et al.Spatial distribution of DDT in sediments from estuarine rivers of central Florida[J].Journal of Environmental Quality,2003,32(5):1710-1716.

[12]胡克林,张凤荣,吕贻忠,等.北京市大兴区土壤重金属含量的空间分布特征[J].环境科学学报,2004,24(3):463-468.

HU K L,ZHANG F R,LÜ Y Z,et al.Spatial distribution of concentrations of soil heavy metals in Daxing county,Beijing[J].Acta Scientiae Circumstantiae,2004,24(3):463-468.

[13]谢正苗,李静,徐建明,等.杭嘉湖平原土壤中氟元素的空间分布特征[J].中国环境科学,2005,25(6):719-723.

XIE Z M,LI J,XU J M,et al.Spatial distribution character of fluorine element in soils on Hang-Jia-Hu Plain[J].China Environmental Science,2005,25(6):719-723.

[14]张长波,李志博,姚春霞,等.污染场地土壤重金属含量的空间变异特征及其污染源识别指示意义[J].土壤,2006,38(5):525-533.

ZHANG C B,LI Z B,YAO C X,et al.Characteristics of spatial variability of soil heavy metal contents in contaminated sites and their implications for source identification[J].Soils,2006,38(5):525-533.

[15]张长波,吴龙华,骆永明,等.稳健变异函数在土壤污染物来源识别中的应用:以某重金属污染场地为例[J].环境科学,2008,29(3):804-808.

ZHANG C B,WU L H,LUO Y M,et al.Application of robust estimator in source identification of soil pollutants:a case study at a heavy metal contaminated site[J].Environmental Science,2008,29(3):804-808.

[16]NASH M H,DAUGHERTY L A,WIERENGA P J,et al.Horizonial and vertieal Kriging of soil properties along a transect in southerm New Mexieo[J].Soil Science Society of America Journal,1988,52:1086-1090.

[17]LIU C W,JANG C S,CHEN C.Three-dimensional spatial variability of hydraulicconductivity in the Choushui River alluvial fan,Taiwan[J].Environmental Geology,2002,43(1):48-56.

[18]MEIRVERME M V,MAES K,HOFMAN G.Three-dimensional variability of soil nitrate-nitrogenin an agricultural field[J].Biology and Fertility Soils,2003,37:147-153.

[19]HOULDING S W.3D geoscience modeling:computer techniques for geological characterization[M].Berlin:Springer-Verlag,1994.

[20]Inductively coupled plasma-atomic emission spectrometry:Method 6010C[S].Washington DC:US EPA,2007.

[21]固体废物浸出毒性浸出方法硫酸硝酸法:HJT 299—2007[S].北京:中国环境出版社,2007.

[22]Inductively coupled plasma-atomic emission spectrometry: Method 6020A[S].Washington DC:US EPA,1998. ○

Application in Heavy Metal Contaminated Sites of Three-dimensional Visual Modeling

WEI Wenxia1,2, SONG Boyu1,2, LI Peizhong1,2, WANG Haijian1,2, GUO Guanlin3, ZHANG Wen4, QUAN Teng1,2

1.Environmental Protection Research Institute of Light Industry, Beijing 100089, China2.Beijing Key Laboratory of Pollution and Remediation of Industrial Sites, Beijing 100089, China3.China Research Academy of Environmental Sciences, Beijing 100012, China4.Zhongke Dingshi Environmental Engineering Co.Ltd, Beijing 100028, China

AbstractUsing a battery factory relocation site as the research object, stratigraphic exploration data and lead concentrations in soil were used to establish a contaminant prediction three-dimensional model of the site. In constructing three-dimensional contaminant prediction model, the cross validation analysis method was used to select the optimal interpolation method and parameters. The three-dimensional visual projection and analysis was performed for the lead pollution distribution in the contaminated soil. The results showed that the minimum spacing of sample points (40 m×40 m) as well as nearest point interpolation method were most suitable for describing the terrain of the site. The Kriging interpolation method showed high precision and was suitable for analysis of soil pollution characteristics of interpolation. The relationship between the site characteristics and the stratum and distribution of production was analyzed by the established three-dimensional visual modeling method.

Key wordscontaminated sites; 3D interpolation; visualization; heavy metals; lead

收稿日期：2016-01-06

基金项目:国家高技术研究发展计划(863计划)项目(SS2012AA062025)；北京市财政项目(PXM2015_178203_000004)；北京市创新团队项目(IG201301C2)

作者简介：魏文侠(1973—)，女，副研究员，博士，主要从事污染场地修复与环境风险管理研究，liepi_wwx@163.com

中图分类号:X705

文章编号:1674-991X(2016)04-0384-07

doi:10.3969�j.issn.1674-991X.2016.04.057

魏文侠，宋博宇，李培中,等.三维可视化建模方法在污染场地中的应用[J].环境工程技术学报,2016,6(4):384-390.

WEI W X, SONG B Y, LI P Z, et al.Application in heavy metal contaminated sites of three-dimensional visual modeling[J].Journal of Environmental Engineering Technology,2016,6(4):384-390.