基于动态聚类分析的水环境健康风险综合评价＊

祝慧娜,袁兴中†,曾光明,梁 婕,江洪炜,樊梦佳,向求来

(1.湖南大学环境科学与工程学院,湖南长沙 410082;2.环境生物与控制教育部重点实验室(湖南大学),湖南长沙 410082)

健康风险评价是以风险度作为评价指标,把环境污染与人体健康联系起来,定量描述污染物对人体产生危害的风险[1].健康风险评价作为环境风险评价的一个重要分支,一般包括危害识别、暴露评价、毒性评价和风险表征[2].不确定性贯穿于环境风险评价的整个过程,不确定性在健康风险评价过程中主要表现在3个方面:事件背景的不确定性、参数选择的不确定性以及模型本身的不确定性[3].其中最重要的是参数的不确定性,近年来有关参数的不确定性已由许多专家进行了研究.张应华等[4]利用可传递参数差异的蒙特卡罗技术方法来解决评价过程中各输入参数的不确定性;李如忠等[5]运用模糊集理论将风险评价模型的参数定义为三角模糊数,构建了水环境健康风险评价模糊模型,在一定程度上解决了参数的不确定性;吴义锋等[6]运用未确知数学理论来处理评价参数的不确定性,建立了基于未确知性水质风险评价模式.本文采用综合评判对浓度参数进行处理从而减少评价过程中由于浓度参数而产生的不确定性.梁婕[7]等同时考虑参数的随机性和模糊性,提出了基于随机-模糊模型的地下水污染风险评价方法.苏小康[8]等考虑不确定性,进行了湘江水质随机模拟与风险的分析.除了参数的不确定性对评价结果有影响之外,在水环境健康风险评价过程中评价标准也直接影响评价结果.目前采用较多的评价标准主要有美国环保局的健康风险可接受水平,国际防辐射委员会推荐的最大可接受限值,以及瑞典环保局、荷兰建设和环境部推荐的危害风险度最大可接受限值.由于各种评价标准差别较大,使用不同的评价标准评价结果将会有较大的差别.而评价结果是水环境管理的重要依据,如何解决这一问题,是环境管理的重要难题.Li Jian-bin[9]曾根据各种调查将风险评价分为不同的等级,笔者[10]也曾建立了模糊综合评价标准.而本文将从另一个角度来对水环境管理进行研究,一方面运用浓度的综合评判在一定程度上解决了浓度参数的不确定性,另一方面采用动态聚类分析将各断面的评价结果进行分类,将水环境健康风险分为不同的级别,得出水环境污染的优先控制级别,为风险管理确定优先控制对象提供理论依据.

1 模糊综合评价模型建立

1.1 浓度参数的综合评判模型

水环境健康风险评价一般采用美国环保局推荐的评价模型[1],模型中存在很多具有不确定性因素的参数.在各种参数中,污染物浓度的不确定性是较为突出也较为明显的.浓度的不确定性表现在多个方面,笔者曾运用区间数对浓度的不确定性进行处理[10],本文用综合评判处理污染物浓度参数的不确定性.

常规评价中以年均或者平均浓度作为评价参数,但由于平均数作为一个概括性的度量指标存在一定的缺陷,它掩盖了被观察个体的差异.因此本文采用河流枯水期、平水期以及丰水期的浓度进行综合评判,最终得到等量的河流污染物浓度,在一定程度上解决了浓度参数的不确定性.

综合评判[11]是综合决策的数学工具,根据综合评判定义,得到浓度参数的综合评判模型.综合浓度的计算公式为:

其中:A为各水期权重因素,A1,A2和A3分别为枯水期、平水期以及丰水期在年内所占有的权重;B为各水期浓度因素,B1,B2和B3分别为河流枯水期、平水期以及丰水期污染物的浓度;◦代表内积.

1.2 基于浓度参数综合评判的水环境健康风险评价模型

目前水环境健康风险评价过程中一般仅考虑化学致癌物和躯体毒物质[1,12].

1.2.1 基于化学致癌物健康危害风险模型

1.2.2基于躯体毒物质的健康危害风险模型

1.2.3 水环境健康风险评价总体模型

我们假定每种化合物的作用是独立的,即各有毒物质对人体健康危害产生的累积效应呈相加关系,而不是协同关系或是拮抗关系.则水环境总的健康危害的风险可表示为:

1.3 风险值的动态聚类分析

目前国际上采用的各种水环境健康风险评价标准之间差别较大,且其分类过于独断,仅仅以单个数值作为分界点,忽视了很多重要的信息.本文采用动态聚类分析[13-14]将所有断面的风险值进行分类,为风险管理的优先控制顺序提供一定的理论依据.从而避免了由于评价标准不同而产生的尴尬.

动态聚类分析[15]是聚类分析中的一种,它也称为逐步聚类分析法,保证样方组内具有较高的同质性,是依样方组内的离差平方和达最小为判据,通过反复调整迭代来实现的[16].动态聚类分析的重要步骤为:

1)初始分类

根据各个风险值的具体分布情况,相近的聚集点为一类,得到初始几类结果.G1,G2,G3,G4…GK.

2)计算中心

将每一类所有值的算术平均数作为每类的计算中心.

3)计算距离,调整分类

根据dik计算结果,按=dil式进行新的分类.于是得到第1次分类结果:

4)进行调整

判别第1次分类结果是否需进一步调整,其方法是比较Πo(U)和Π1(U)是否相等,若相等则分类结束,否则应继续进行调整.

2 实例研究

利用水环境健康风险模糊综合评判模型对2007年湖南省湘江干流地区绿埠头等18个断面进行水环境健康风险评价.

2.1 参数选择

根据湘江水环境中污染物质种类,以及国际癌症研究机构(IARC)通过对水体中化学有毒污染物的分类,选择为氨氮、挥发酚、砷、铅、汞、镉、六价铬、氰化物、锰9个评价参数.其中砷、镉、六价铬为化学致癌物,其致癌强度系数见表1;氨氮、挥发酚、铅、汞、氰化物、锰为躯体毒物质,其参考剂量见表2.

表1 化学致癌物的致癌强度系数(饮水途径)Tab.1 Strenth coefficients for carcinogens by drinking approach

表2 非致癌物参考剂量(饮水途径)Tab.2 Reference doses for non-carcinogens by drinking approach

2.2 监测数据

在本研究中,根据常年监测资料,湘江枯水期、平水期和丰水期分别为3个月、6个月和3个月.因此各水期的权重为A={A1,A2,A3}={0.25,0.5,0.25};各断面枯水期、平水期、丰水期各评价因子的监测数据见表3(因篇幅限值,仅列出两个监测断面的水质监测数据).综合浓度为=A◦B,计算可得各断面的综合浓度,见表4.

2.3 评价结果与讨论

2.3.1 各地区的综合风险评价

根据式(3)～式(8)求出各断面污染物的风险值,结果见表5.

表3 湘江水质监测数据Tab.3 Water quality data of Xiangjiang River(mg◦L-1)

表4 各断面污染物的综合浓度Tab.4 The integrated concentrations of the contamination in 18 sections(mg◦L-1)

表5 各种有毒污染物所致健康危害(个人年风险)Tab.5 The health risk from every carcinogen and non-carcinogena-1

从表5中可以看出9种污染物在各个断面中砷、六价铬以及镉危害较大,尤其是砷的危害最大,在松柏断面达到了2.95×10-4,已超过美国环保局健康风险的可接受水平10-4;其他污染物的危害较小,风险水平大多在10-10～10-12之间.根据式(9)可得出各断面水环境健康危害的总风险值,见表6.

表6 有毒污染物所致健康危害的总风险Tab.6 Total health risk fromall carcinogens and non-carcinogensa-1a-1

从表6中可以看出18个断面的健康危害总风险值差距较大,松柏下和黄茶岭断面的风险值最高,分别达到了3.79×10-4和2.45×10-4,超过了美国环保局健康风险的可接受水平.其他多数断面健康风险值也较大,均在10-5级别以上,超过了国际防辐射委员会推荐的最大可接受限值10-5,在一定程度上威胁了居民的饮水健康,因此应加强水质污染控制.

2.3.2 各地区风险等级的分类

采用1.3节中风险值的动态聚类分析方法,对各个地区的总风险值进行分类,具体步骤为:

1)初始分类

将各断面的总风险值绘制初始分类图(见图1),并根据初始分类图将各监测点浓度分类,根据风险值的密集程度,分为如下4类(用序号代表地名):

图1 初始分类图Fig.1 The figure of initial classification

从图中看出松柏下风险值最高,可单独列为一类,为高风险级别;黄茶岭风险值也较高,为次高风险级别;其余的断面分为两类风险级别,分别为中风险级别和低风险级别.

2)计算中心

根据各类别所有值算术平均值作为计算中心,可得各类的计算中心,见表7.

表7 各类别的计算中心Tab.7 The calculating center of every category

3)计算距离,调整分类

根据最短距离法计算各风险值至各中心值的距离,进行重新分类,得出2次分类结果,结果见表8.

表8 第2次分类结果Tab.8 The result of the second classification

4)再次进行距离计算,得到最优分类,

根据动态聚类分析结果,得出2007年湘江18个断面的风险等级的最终分类结果,见表9.

表9 动态聚类分析结果Tab.9 The result of dynamic cluster analysis

由动态聚类分析,可得出湘江18个断面的优先控制级别,共分为4个控制级别,其中松柏下断面水环境健康风险较高,达到3.79×10-4,为一级优先控制断面,需加强水质改善;黄茶岭为2级优先控制断面,应加强水质风险管理;归阳镇、熬洲、朱亭镇、枫溪、白石、霞湾、马家河、五星、易家湾、樟树港断面水环境风险中等,应注意对水质的保护改善;绿埠头、港子口、猴子石、乔口、昭山、三汊矶水环境健康风险较小,应注意水质的保护工作.由动态聚类分析得出优先控制次序,为污染控制工作的优化提供了理论基础.

3 结 论

1)采用浓度参数的综合评判模型,在一定程度上减小了河流水环境健康风险评价过程中浓度参数的不确定性.

2)利用动态聚类分析法将健康危害分为4类控制级别,分别为高风险、高-中风险、中风险及低风险,为水环境污染优先控制对象的选择提供了理论依据.

3)根据评价结果,松柏下断面的健康危害最大,达到3.79×10-4,为1级优先控制断面,需加强水环境污染治理.

4)从河流水环境健康风险评价结果中,可以看出2007年湘江18个断面中砷、六价铬以及镉危害较大,其中砷的健康危害最大.

5)在评价的18个断面中,所有断面水环境健康风险较高,均超过了10-5级别,在一定程度上威胁了居民的饮水健康,水环境质量亟待改善,需加强水质管理工作力度.

[1] 曾光明,卓利,钟政林,等.水环境健康风险评价模式[J].水科学进展,1998,9(3):212-217.ZENG Guang-ming,ZHUO Li,ZHONG Zheng-lin,et al.Assessment models for water environmental health risk analysis[J].Advances in Water Science,1998,9(3):212-217.(In Chinese)

[2] 何星海,马世豪,李安定,等.再生水利用健康风险暴露评价[J],环境科学,2006,27(9):1912-1915.HE Xing-hai,M A Shi-hao,LI An-ding,et al.Exposure assessment of various reclaimed water uses[J].Environmental science,2006,27(9):912-1915.(In Chinese)

[3] 胡雨前.杭州市饮用水中三卤甲烷的健康风险评价研究[D].杭州:浙江大学环境与资源学院,2005:1-60.HU Yu-qian.Health risk assessment of the water resources in hangzhou[D].Hangzhou:Zhejiang University,College of Enrironmental and Resoure Sciences,2005:1-60.(In Chinese)

[4] 张应华,刘志全,李广贺,等.基于不确定分析的健康环境风险评价[J].环境科学,2007,28(7):1409-1415.ZHANG Ying-hua,LIU Zhi-quan,LI Guang-he,et al.Uncertainty analy sis of health risk assessment caused by benzene contamination in a contaminated site[J].Environmental Science,2007,28(7):1409-1415.(In Chinese)

[5] 李如忠.基于不确定信息的城市水源水环境健康风险评价[J].水利学报,2007,38(8):895-900.LI Ru-zhong.Assessment for environmental health of urban water supply source based on uncertain information[J].Journal of Hydraulic Engineering,2007,38(8):895-900.(In Chinese)

[6] 吴义锋,薛联青,吕锡武.基于未确知数学理论的水质风险评价模式[J].环境科学学报,2006,26(6):1047-1052.WU Yi-feng,XUE Lian-qing,LV Xi-wu.Assessment model of water quality risk based on unascertained mathematics theory[J].Acta Science Circumstantiae,2006,26(6):1047-1052.(In Chinese)

[7] 梁婕,谢更新,曾光明,等.基于随机-模糊模型的地下水污染风险评价[J].湖南大学学报:自然科学版,2009,36(6):54-58.LIANG Jie,XIE Geng-xin,ZENG Guang-ming,et al.An integrated stochastic-fuzzy modeling approach for the risk assessment of groundwater pollution[J].Journal of Hunan University:Natural Sciences,2009,36(6):54-58.(In Chinese)

[8] 苏小康,曾光明,秦肖生,等.湘江水质随机模拟与风险分析[J].湖南大学学报:自然科学版,2006,33(2):106-109.SU Xiao-kang,ZENG Guang-ming,QIN Xiao-sheng,et al.Stochastic simulation and risk analysis of the Xiangjiang river water quality[J].Journal of Hunan University:Natural Sciences,2006,33(2):106-109.(In Chinese)

[9] LI Jian-bing,HUANG Guo-he,ZENG Guang-ming,et al.An integrated fuzzy stochastic modeling approach fo r risk assessment of groundwater contamination[J].Journal of Environmental Management,2007.82:173-188.

[10]祝慧娜,袁兴中,曾光明,等.基于区间数的河流水环境健康风险模糊综合评价模型[J].环境科学学报,2009,29(7):1527-1533.ZHU Hui-na,YUAN Xing-zhong,ZENG Guang-ming,et al.An integrated fuzzy model based on interval numbers for assessment of environmental health risks of water sources[J].Acta Science Circumstantiae:2009,29(7):1527-1533.(In Chinese)

[11]刘普寅,吴孟达,模糊理论及其应用[M].长沙:国防科技大学出版社,1998:194-200.LIU Pu-yin,WU Meng-da.Fuzzy theory and its application[M].Changsha:National University of Defense Technology Press,1998:194-200.(In Chinese)

[12]钱家忠,李如忠,汪家权,等.城市供水水源地水质健康风险评价[J].水利学报,2004,8:90-93.QIAN Jia-zhong,LI Ru-zhong,WANG Jia-quan,et al.Environmental health risk assessment for urban water supply source[J].Journal of Hydraulic Engineering,2004,8:90-93.(In chinese)

[13]SUN W,HUANG G H,ZENG G M,et al.A stepwise-cluster microbial biomass inference model in food waste composting[J].Waste Management,2009,29(12):2956-2968.

[14]LIU W T,HUANG Y F,GONG T L,Stepwise cluster analy sis methodology study for urban nonpoint source pollution in Los Angeles[J].Environmental Informatics Archives,2007,5:422-430.

[15]张国志,鲍曼.动态聚类在大气颗粒污染评估中的应用[J].哈尔滨电工学院学报,1996,19(3):353-357.ZHANG Guo-zhi,BAO M an.Application of classification for estimationof airborne particles pollution[J].HIET Journal,1996,19(3):353-357.(In chinese)

[16]张峰,上官铁梁.逐步聚类法及其应用[J].植物生态学报,1996,20(6):561-567.ZHANG Feng,SHANGGUAN Tie-liangj.Stepwise cluster and its application to wegetation classification[J].Chinese journal of plant ecology,1996,20(6):561-567.(In chinese)