涨知识！近十年土壤污染物源解析

2.6 其他常用方法

其他一些方法，包括绝对因子得分-多元线性回归法(absolute principal component scores with multiple  linear regression，APCS-MLSR)、非负约束因子分析法(factor analysis with non-negative  constraints，FA-NNC)、UNMIX等在土壤污染物源解析研究中均有所应用，但应用案例相对较少。

绝对因子得分-多元线性回归法(APCS-MLR)是计算出“绝对零值因子得分”，通过因子得分和绝对零值因子得分的差值得到真实因子得分，进而利用多元线性回归法得到每个因子的贡献率。该方法部分解决了因子分析的不足之处，但由于不能准确预测污染源的指纹谱图，对模型结果的解释准确性不够。该方法在土壤源解析中的应用还不多。Pandey等利用APCS-MLR法对印度某煤矿区附近土壤中重金属污染物的来源进行解析，结果显示，主要来源于三种污染源，分别为煤矿开采/矿井火灾源、风尘源、自然源，相对贡献比率依次为40%、23%、24%，另有13%的比率未有明确的解释。

非负约束因子分析法(FA-NNC)是使用非负约束的因子旋转方法，限制因子载荷和因子得分均为非负的因子分析方法。这是对普通因子分析方法的改进，不仅能保证污染源组成非负的实际意义，也能得到污染源的指纹谱图，解析结果更加可靠，但目前没有成型的模型，影响模型的推广使用。Wang等运用非负约束因子分析法对大连地区土壤中多环芳烃的来源进行解析，结果表明，其来源以煤燃烧源为主，相对贡献率为50.5%，其次为焦炭生产和生物质燃烧源，相对贡献率依次为27%、19.4%。

UNMIX是基于特征分析，在自主建模曲线的基础上发展起来的一种非负约束因子分析方法。UNMIX模型在一定程度上克服了模型给出负值源贡献的缺点，不需要事先知道污染源的个数、源成分谱，它可以从受体出发快速获取一些因子，通过不同的污染源标识物来识别这些污染源，推断可能的源。UNMIX在土壤重金属和多环芳烃的源解析中均有所应用。艾建超等分析了松花江上游夹皮沟地区土壤样品中16种金属元素的来源，UNMIX方法解析出4个土壤重金属污染来源：源1为选矿、公路交通及垃圾排放等人为源，贡献率为39.31%;源2为岩石风化和生物作用，贡献率为13.87%;源3为土壤母质和施用化肥、居民燃煤导致的综合源，贡献率为23.93%;源4为铁矿开采及运输，贡献率为22.89%。Lang等用UNMIX方法解析了辽河三角洲芦苇湿地土壤中多环芳烃的来源，结果显示，主要污染源为石油源(43%)、柴油和汽油排放源(35%)、生物质燃烧源(22%)。Yang等对黄淮平原土壤中多环芳烃进行了源解析研究，UNMIX方法结果显示，共解析出四种主要污染源，分别为木材/生物质燃烧源、化石燃料燃烧源、交通污染源、其他源，相对贡献率依次为48.8%、21.1%、18.3%、11.8%。

2.7 不同土壤源解析方法的比对

深入了解不同源解析方法的特点及适用性，根据研究区的实际情况选择合适的方法来开展土壤污染物来源解析的研究十分重要。但目前针对不同方法的比对尚缺乏系统性地总结。上述介绍了目前常用的八种方法在土壤污染物来源解析中的应用情况，在此基础上，本文分别从方法类型、基本原理、定性/定量、源已知/未知角度对比分析了这几种土壤源解析方法的特点和局限性(表4)。

从方法类型来看，特征比值法、PCA/FA-MLR、PMF、APCS-MLR、FA-NNC、UNMIX、CMB均属于化学法，其特点是实现条件简单，能充分利用各类日常实测数据，运用数学方法，实现较为精准的源解析。化学法存在一定的局限性，由于计算结果是基于历史观测数据的分析，只能对已发生的污染进行判断，无法对未来源类发展所造成的影响进行预测。在突发性土壤污染事件发生时，不能满足法律证据要求的可靠性。同位素法的特点是可以利用稳定同位素组成特征在地质作用过程中无明显损失的特性来准确区分特定污染物的不同来源。该方法的局限性在于只能实现几种特定污染物的同位素源解析技术(如，铅、锌、锶、铜、镉)，无法有效完成土壤中多种复杂污染物的来源解析，且当前构建的二元/三元模型只能解析有限数目的污染源。

从定性/定量角度来看，仅特征比值法为定性识别法，其余几种方法均为定量解析法。定性识别法是根据污染物的特征识别出主要的污染源类型，其特点是简便易行，但该方法只能初步判断污染源的类型，常与其他源解析方法联合使用，由于某些物质的不稳定性，会给污染源的判断带来一定误差。定量解析法则是不仅可以判断出主要的污染源类型，还可以定量计算出各类排放源对受体的贡献大小。

从基本原理来看，特征比值法是基于受体中特征物质比值特性来判断污染源类型的，在受体数据量不多的情况下也可以大致判断。PCA/FA-MLR、PMF、APCS-MLR、FA-NNC、UNMIX都属于多元统计法，这类方法的特点是利用观测信息中物质间的相互关系来产生源成分谱或产生暗示重要排放类型的因子，进而定量计算源贡献大小。这类方法由于基于统计学原理，对受体数据要求较高，需要有足够的样本量才可计算分析。另外，由于是对数据偏差而不是具体数值进行处理，若某重要污染源排放比较恒定，而其他非重要污染源的排放强度变异较大，那么排放强度较大的污染源可能会被忽略。CMB和同位素法都是基于质量守恒原理，对受体数据量的要求不高。源未知类方法指不需要详细的源类信息，就可以识别出不同污染源类型，并估算出各类源对受体的贡献值。特征比值法、PCA/FA-MLR、PMF、APCS-MLR、FA-NNC、UNMIX等方法均属于源未知类方法。这类源解析方法的优势在于不需要源成分谱的详细信息，可以由受体直接解析出源类信息，如受体数据理想，解析的源类信息比较客观。但源未知类方法也存在局限性，由于不需要源类信息，在解析过程中，容易造成模型提取的因子无法与现实中的污染源对应起来，导致出现因子物理意义不明确的现象。源已知类方法则需要知道详细的源类及其组成特征的信息，CMB和同位素法均为此类方法。这类方法适合在受体数据量不多的情况下，最突出的优势是源类信息有真实的物理意义，解析结果可以直接为管理服务。但该方法也是有局限性的，由于源类信息的获取带有主观性，若源信息与受体信息不匹配，解析结果会出现较大误差。

3 结论与展望

(1)随着环境污染问题变得越加复杂，单一源解析方法将不能满足准确定量解析污染源的要求，在对某特定地区开展土壤源解析研究时，可考虑结合当地实际情况选择适宜的源解析方法，或结合多种方法联用提高源解析结果的准确性和可利用性。由于不同土壤源解析方法的原理或假设不同，表现出各自在应用上的优势和局限性，得到的源解析结果可能存在一定的差异，找出差异的原因有助于全面客观地解读源解析结果。

(2)由于土壤环境的多变性和复杂性、样品采集与分析过程存在的误差以及模型往往基于某种假设，使得源解析结果不可避免地存在不确定性。通过对源解析过程进行不确定性分析，可以识别出影响源解析结果的因素，提高模型的准确性和可靠性。当前对源解析过程的不确定分析研究还非常少见，未来应探究如何量化环境特征、采样与分析、模型结构等过程存在的不确定性因素，为模型改进提供理论依据。

(3)污染源谱对于准确分析源解析结果至关重要，选择不同的源谱得到的解析结果也不相同，选择合适的源谱可以减少源解析误差。然而，一方面，我国污染物排放清单的编制始于20世纪80年代末，主要针对区域大气重金属中具有挥发性的汞、砷、硒等重金属进行研究，土壤环境介质中的重金属排放清单研究基本没有涉及。另一方面，我国各地区社会经济发展具有较大差异，环境和污染排放特征也不尽相同，历史数据的源谱已经不能用于污染源解析研究。因此，针对不同区域污染物源的差异性，需要不断的更新研究，建立各区域不同污染物污染动态源谱数据库。

(4)与大气环境、水环境以及底泥环境不同，土壤在形成过程中受到气候、母岩、地形、植被和动物等多方面的影响，也由于土壤本身的形态决定了土壤中的污染物的迁移转化规律不同于其他环境介质，具有高度的空间异质性和复杂性。美国环保署也明确提出其推荐的源解析模型PMF和UNMIX主要适用于大气、水、底泥等介质中，这可能也是由于土壤环境独特的场地特征导致的。在具体土壤源解析研究实践中，土壤采样是造成土壤研究误差的主要来源,尽管已出台大量采样规程,但在土壤科学向更精细的方向发展的大趋势下，土壤采样的精度提高是土壤科学向前发展的最大障碍。研究不同土壤采样方法、不同采样密度、尺度、空间异质性等已成为土壤源解析向前发展必须攻克的难关。在现有源解析技术的基础上，从土壤地理学、地球化学、统计概率学以及人工智能的交叉视角出发，将会是未来土壤源解析发展的方向。