优化赋权模糊综合评价法对耕地土壤重金属污染的风险评价

邱孟龙，王 琦，刘黎明，刚 毅

(1.陕西师范大学西北国土资源研究中心，陕西 西安 710062；2.陕西师范大学西北城镇化与国土环境空间模拟重点实验室，陕西 西安 710062；3.广东省生态环境与土壤研究所广东省农业环境综合治理重点实验室，广东 广州 510650；4.中国农业大学资源与环境学院，北京 100193)

优化赋权模糊综合评价法对耕地土壤重金属污染的风险评价

邱孟龙1,2，王 琦3，刘黎明4①，刚 毅1,2

(1.陕西师范大学西北国土资源研究中心，陕西 西安 710062；2.陕西师范大学西北城镇化与国土环境空间模拟重点实验室，陕西 西安 710062；3.广东省生态环境与土壤研究所广东省农业环境综合治理重点实验室，广东 广州 510650；4.中国农业大学资源与环境学院，北京 100193)

为了对工业发达区耕地土壤重金属污染风险进行科学评价，在综合考虑风险模糊性及其概念的基础上，构建了优化赋权模糊综合评价法对耕地土壤重金属污染的风险评价模型，并进行风险影响因素分析。以珠江三角洲为例进行实证研究，结果表明，广州市、东莞市、中山市和江门市最大隶属度原则低效，其风险等级值分别为2.8、2.5、2.4和2.4；深圳市、珠海市、佛山市和惠州市最大隶属度原则有效，最大隶属度分别为0.50(3级)、0.47(2级)、0.46(3级)和0.63(2级)。说明受到人为干扰相对较强的广州市、深圳市、佛山市和东莞市的风险较高，达到3级(中险)水平，而干扰相对较轻的珠海市、惠州市、中山市和江门市均处于2级(轻险)水平。影响因素分析表明，不同行政区内的主导风险因素不同。研究结果可为风险管理策略及其优先管理顺序的确定提供科学依据。

土壤污染；重金属；风险评价；模糊综合评价；群决策层次分析法；熵权法；珠江三角洲

耕地土壤重金属污染不仅会影响土壤微生物活动和农作物生长,而且会通过食物链的富集作用对人体健康产生严重危害。在工业化和城镇化发展过程中,工业“三废”、汽车尾气以及生活废弃物等排放所产生的重金属污染物急剧增加,导致耕地土壤面临严重的重金属污染风险[1]。科学评价耕地土壤重金属污染风险是进行风险空间分析及其影响因素分析的基础,可以为制定合理的风险管理策略提供理论依据。

目前,关于土壤重金属的风险评价研究主要包括生态风险评价和人体健康风险评价2类。生态风险主要采用Hakanson潜在生态危害指数法进行评价,如郑玲芳[2]、贾琳等[3]、陈涛等[4]利用Hakanson潜在生态危害指数法分别对河流沉积物、典型农区农田土壤以及污灌区农田土壤的重金属生态风险进行评价;WANG等[5]进一步将Hakanson潜在生态危害指数法与土壤重金属有效性相结合,对北京市土壤重金属潜在生态风险进行评价。人体健康风险主要采用美国环境保护署提出的人体健康剂量-效应模型进行评价,如朱朝云等[6]、刘晓宇等[7]分别采用剂量-效应模型对土壤重金属造成的人体健康致癌风险和非致癌风险进行评价;ZHAO等[8]采用剂量-效应模型,同时整合空间格局、作物吸收以及土地利用等因素,对大宝山矿区人体健康风险及其影响因素进行分析。纵观前人研究可以发现,他们大多是对土壤中重金属所产生的风险进行评价,很少有研究对土壤受到重金属污染的风险进行评价。

风险具有模糊性、灰色性和不确定性等特点[9]。模糊综合评价法可以运用模糊数学理论将定性评价转化为定量评价,能够较好地解决模糊的、不确定性的问题,适用于处理各种难以用精确数学方法描述的复杂系统问题[10]。该方法已经被广泛应用于水环境污染风险[11]、银行信用风险[12]以及耕地非农化风险[13]等各类风险评价过程中。因此,该研究在模糊综合评价法的基础上对耕地土壤重金属污染风险进行评价。传统模糊综合评价模型中指标权重的确定大都采用层次分析法(AHP),仅反映了评价专家的主观判断,未能考虑评价指标的客观情况。为了克服这一不足,利用熵权法对群决策AHP得到的权重值进行修正,使权重值兼顾评价指标的主观性与客观性,构建了优化赋权的耕地土壤重金属污染风险模糊综合评价模型。同时,以珠江三角洲工业发达区为例,对耕地土壤重金属污染风险进行评价,并在此基础上对该区域耕地土壤重金属污染风险空间分布情况以及风险影响因素进行分析。

1 材料与方法

1.1 研究区概况

以珠江三角洲地区主要工业发达城市为研究区,包括广州市、深圳市、珠海市、佛山市、惠州市、东莞市、中山市和江门市共8个地级市。该区是中国经济最发达、增长速度最快的地区之一。但工业化和城市化的迅速发展也产生了大量工业废物和生活垃圾,导致严重的环境问题。其中,耕地土壤重金属含量超标现象普遍,Cd、Zn和Cu超标率分别达40.1%、19.8%和8.1%[14],严重威胁耕地环境质量安全。

1.2 数据来源与处理

根据耕地分布状况和随机取样原则,在珠江三角洲地区总共采集1 404个耕地土壤样品,每个采样点在10 m×10 m范围内取5个点,混合后通过四分法取样,利用GPS确定采样点位置,其空间分布见图1。

土壤样品风干后剔除杂物,过0.15 mm孔径尼龙筛备用。采用HNO3-HF-HClO4对制备的土壤样品进行消解,测定重金属含量。其中,Hg和As含量采用原子荧光分光光度法测定,Cd、Cr、Pb、Cu、Zn和Ni含量采用火焰原子吸收分光光度法测定。为保证分析精度,采用国家标准物质GSS-1进行质量控制,回收率为92.4%～105.3%,标准物质标准可用值与测定值对比情况见表1。分析过程中采用的试剂均为优级纯。

图1 珠江三角洲地区耕地与土壤采样点分布Fig.1 Distribution of farmland and soil sampling sites in Pearl River Delta

表1国家标准物质GSS-1标准可用值与平均测定值对比
Table1Referencetableofusefulvaluesofthenationalstandardmaterial(GSS-1)andmeanmeasuredvalues

项目w/(mg·kg-1)汞镉铬铅砷铜锌镍标准可用值0 032±0 0044 3±0 462±498±634±421±2680±2520 4±1 8平均测定值0 031±0 0034 5±0 559±4100±831±522±3696±3219 8±2 0

按照《土壤理化分析》[15]中提供的方法分别测定土壤pH值、有机质(OM)含量和土壤质地(ST)。土壤质地按照卡庆斯基制进行分类后,按照由砂性到黏性的顺序依次赋值为1～9,对土壤质地进行数值化处理。土壤重金属累积速率数据主要来源于周永章等[16]。

1.3 耕地土壤重金属污染风险评价模型的建立

1.3.1评价指标体系的构建

根据科学性、全面性、代表性和可操作性原则,建立耕地土壤重金属污染风险评价指标体系(表2)。

表2耕地土壤重金属污染风险评价指标体系与权重
Table2Riskassessmentindexsystemandweightsforriskassessmentofheavymetalpollutionoffarmlandsoil

目标层准则层指标层指标权重指标主观权重客观权重综合权重总权重耕地土壤重金属趋势性0 3275Hg累积速率0 40820 11710 43430 1422污染风险 Cd累积速率0 30610 08900 24760 0811Cr累积速率0 02040 09000 01670 0055Pb累积速率0 05100 20160 09350 0306As累积速率0 10200 08020 07430 0243Cu累积速率0 05100 14310 06640 0217Zn累积速率0 01020 16760 01550 0051Ni累积速率0 05100 11140 05170 0169脆弱性0 2599pH值0 16920 33310 16910 0439有机质0 38740 33370 38780 1008土壤质地0 44340 33320 44320 1152危害性0 4126潜在生态危害指数1 00001 00001 00000 4126

该体系分为目标层、准则层和指标层3级。目标层指所构建指标体系的评价对象,即耕地土壤重金属污染风险。“风险”的定义为危害事件发生的可能性(概率)及其发生后所造成不利后果的严重程度[17-18]。耕地土壤重金属污染发生的概率受到重金属累积趋势性和土壤脆弱性的影响,污染造成不利后果的严重程度用重金属污染危害性进行量度。因此,准则层包括趋势性、脆弱性和危害性,共3个二级指标。

趋势性可以通过区域土壤重金属的累积速率来评价。累积速率越大,重金属的累积趋势越明显,污染风险越高;反之,累积趋势越弱,污染风险越低。土壤重金属累积速率主要通过输入-输出因素通量模型[16]估算。区域尺度上,普遍性的耕地土壤重金属输入途径有大气干湿沉降、化肥农药施用、灌溉和种子带入,输出途径有作物收获、径流、淋溶和挥发。该研究主要分析美国环境保护署(USEPA)列出的8种优先考虑的有毒重金属元素,即Hg、Cd、Cr、Pb、As、Cu、Zn和Ni。因此,将这8种元素的累积速率作为趋势性评价的指标层指标。

脆弱性指在不产生危害性后果的前提下土壤对重金属元素的容纳能力,它反映了土壤对重金属污染抵抗能力的大小,与土壤自身性状密切相关。研究表明,土壤pH值、有机质含量和黏粒百分比的增大会增加土壤对重金属的吸附能力[19-21]。这会导致土壤重金属活性降低,从而增大土壤对重金属的容纳能力,降低土壤污染风险。因此,将土壤pH值、OM含量和ST作为脆弱性评价的指标层指标。珠江三角洲各地级市土壤pH值、OM含量和ST取值通过其辖区内土壤样点测定值的算数平均值获得。

土壤重金属污染具有持久性,能够对生态系统产生严重危害。重金属元素会通过各种途径在环境中迁移循环,对土壤生物、农业生产和人体健康产生严重威胁[22]。瑞典科学家Hakanson提出的潜在生态危害指数法是目前应用最广泛的定量评价重金属污染危害程度的方法之一,其具体计算方法见姜菲菲等[23]的研究。该方法反映了土壤重金属的累积状况,同时通过引入毒性系数计算重金属对生态系统的综合危害程度。因此,将潜在生态危害指数(IR)作为危害性评价的指标层指标。该研究以广东省土壤重金属含量背景值[24](Hg、Cd、Cr、Pb、As、Cu、Zn和Ni含量分别为0.085、0.090、56.53、35.87、13.52、17.65、49.71和17.80 mg·kg-1)为评价标准,各地级市的IR根据其辖区内土壤样点IR的算数平均值确定。

1.3.2指标权重的确定与结果计算

采用优化赋权模糊综合评价法对耕地土壤重金属污染风险进行评价。模糊综合评价法是一种以模糊数学为基础的综合评价方法。该方法在综合考虑多种影响因素的前提下,构建评价指标体系和评价等级标准集,然后运用模糊变换原理确定各因素与不同评价等级的隶属度关系,建立模糊综合评判矩阵,最后结合各影响因素权重值进行模糊矩阵复合运算,根据最大隶属度原则确定评价对象的综合评价结果。优化赋权的模糊综合评价法以模糊综合评价理论为基础,在确定指标权重时采用群决策AHP确定各指标的主观权重[25],同时采用熵权法确定各指标的客观权重[26],然后通过归一化公式得到各指标的综合权重,各指标的权重值见表2。此外,优化赋权的模糊综合评价法还对确定评价结果的最大隶属度原则进行了有效性验证[27],当最大隶属度原则低效时改用加权平均隶属度法确定评价结果。

2 结果与讨论

2.1 风险评价结果分析

珠江三角洲地区耕地土壤重金属污染风险和准则层各指标风险的评价结果见图2。

图2 珠江三角洲地区耕地土壤重金属污染风险评价结果Fig.2 Risk assessment of soil heavy metal pollution of farmlands in Pearl River Delta

研究区污染风险值为3,达到“中险”水平,说明耕地土壤存在一定程度的被污染风险,需引起足够重视,采取适当的风险管理措施,防止污染风险进一步增大。趋势性风险值为1,处于“无险”水平,这主要是由于近年来政府采取了更加严格的污染排放控制标准,同时不断引导、促进污染企业的升级和转型,降低了重金属污染物在土壤中的累积速率。脆弱性风险值为2,处于“轻险”水平,说明研究区耕地土壤性状较好,具有较强的重金属污染容纳能力。危害性风险值为3,达到“中险”水平,这主要是由于在工业化和城镇化迅速发展初期,环境问题未引起足够重视,大量工农业废弃物的排放导致土壤重金属含量超标严重。

由表2可知,准则层指标中危害性权重值最大(0.412 6),其次为趋势性权重值(0.327 5),脆弱性权重值最小(0.259 9)。综合各指标风险评价结果可知,准则层3个指标对污染风险的贡献率依次为危害性gt;脆弱性gt;趋势性。因此,在土壤重金属污染风险管理过程中,要重点控制危害性风险和脆弱性风险,即要同时加强污染土壤的修复和土壤理化性状的改良。

2.2 风险等级空间分布

珠江三角洲不同行政区重金属污染风险各不相同(表3)。由表3可知,珠江三角洲8个地市中广州市、东莞市、中山市和江门市最大隶属度原则有效性指数alt;0.5,最大隶属度原则低效,采用加权平均隶属度法计算其风险等级,其风险等级值分别为2.8、2.5、2.4和2.4,根据四舍五入原则,其修正后的风险等级分别为3级(中险)、3级(中险)、2级(轻险)和2级(轻险);深圳市、珠海市、佛山市和惠州市的最大隶属度原则有效性指数agt;0.5,最大隶属度原则有效,其最大隶属度分别为0.50(3级)、0.47(2级)、0.46(3级)和0.63(2级)。

表3珠江三角洲不同行政辖区土壤重金属污染风险等级评价结果
Table3PollutionriskassessmentandgradingofsoilheavymetalsoftheadministrativeregionsinPearlRiverDelta

行政区污染风险等级隶属度1级(无险)2级(轻险)3级(中险)4级(重险)5级(特险)风险等级aH修正后风险等级广州市0 190 210 340 160 103级0 42 83级深圳市0 220 190 500 000 093级0 9—3级珠海市0 240 470 190 010 092级0 7—2级佛山区0 200 130 460 100 113级0 8—3级惠州市0 080 630 190 000 112级1 4—2级东莞市0 200 330 320 040 112级0 22 53级中山市0 280 240 390 000 093级0 42 42级江门市0 200 380 310 000 112级0 42 42级

a为最大隶属度有效性指数,当alt;0.5时最大隶属度原则低效[27];H为加权平均隶属度风险评价等级[27]。

重金属污染风险程度较高的城市主要是位于中部地区的广州市、深圳市、佛山市和东莞市,其污染风险达到“中险”水平。根据《广东省统计年鉴》,2012年珠江三角洲8个地市GDP大小依次为广州市gt;深圳市gt;佛山市gt;东莞市gt;中山市gt;惠州市gt;江门市gt;珠海市。通过对比可以发现,经济相对发达的地市土壤重金属污染风险更高,主要是由于这些地区工业化和城市化水平更高,耕地土壤受到相对更加强烈的人为干扰,土壤重金属累积严重,污染风险较高。不同行政辖区土壤重金属污染风险空间分布见图3。

从准则层各指标风险的空间分布状况来看,趋势性风险除惠州市达到“中险”水平外,研究区其他城市均处于“无险”水平,说明随着管理部门不断采取更加严格的污染排放控制措施,当前的土壤重金属累积速率已经得到较好控制。脆弱性风险呈现出明显的地带性规律,位于东北部的惠州市、东莞市和深圳市风险水平较高,达到“中险”水平;位于西南部的江门市、珠海市、中山市、佛山市和广州市处于“轻险”水平。这是由于土壤属性主要受到地带性分布的成土因素影响。危害性风险较高的城市主要有广州市、深圳市、佛山市、中山市和江门市,达到“中险”水平;而惠州市、东莞市和珠海市的危害性风险均处于“轻险”水平。

重金属污染风险和准则层指标风险的空间分布情况各不相同,因此对不同行政区应采取不同的风险管理策略。在污染风险处于“中险”的城市中,广州市和佛山市应重点控制危害性风险,加强对现有重金属含量超标耕地的修复;东莞市应该重点加强脆弱性风险管控,通过增施有机肥、石灰等改良土壤性状;深圳市则需要同时加强对危害性风险和脆弱性风险的管控。此外,惠州市虽然污染风险处于“轻险”水平,但是其趋势性风险和脆弱性风险都处于“中险”水平,在风险管理过程中应引起足够的重视,防止其污染风险的增大。

2.3 风险影响因素分析

在风险评价指标体系中,权重值表示各指标对评价结果影响的重要程度,风险等级隶属度得分表示各指标的风险程度。以指标层各指标的重要程度作为纵坐标,风险程度作为横坐标,将指标层指标定位在坐标轴中(图4)。

图3 珠江三角洲地区耕地土壤重金属污染风险空间分布Fig.3 Spatial distribution of soil heavy metal pollution risks of farmlands in Pearl River Delta

图中元素表示该元素的累积速率,pH表示pH值,OM表示有机质含量,ST表示土壤质地,IR表示潜在生态危害指数。

根据重要程度和风险程度的大小,可将指标层指标分为4类:Ⅰ类是高重要-高风险类,该类指标对重金属污染风险影响显著,具有较大的改良潜力,其风险管理的重点是采取有效措施降低指标的风险程度;Ⅱ类是高重要-低风险类,该类指标虽然对重金属污染风险影响较大,但其风险程度较低,改良潜力较小,这类指标风险管理的重点是防止指标风险程度的升高;Ⅲ类是低重要-低风险类,该类指标对重金属污染风险的影响相对较小,自身风险程度也较低;Ⅳ类是低重要-高风险类,该类指标虽然对重金属污染风险的影响较小,但指标的风险程度较高,具有较大的改良潜力,其风险管理的重点与第Ⅰ类指标相同。不同类型指标的风险管理优先顺序为Ⅰgt;Ⅳgt;Ⅱgt;Ⅲ。

由图4可知,各指标在不同行政区内的重要性相同。相对重要的指标包括IR、Hg累积速率、ST、OM和Cd累积速率,其中，Cd累积速率在不同行政区内均属于Ⅰ类指标,Hg累积速率在不同行政区内均属于Ⅱ类指标,其他指标随行政区的不同在Ⅰ类和Ⅱ类指标之间变化;重要程度相对较低的指标包括pH值,Pb、As、Cu、Ni、Cr和Zn累积速率,其中，Pb、As和Cr累积速率在不同行政区内均属于Ⅲ类指标,Zn累积速率在不同行政区内均属于Ⅳ类指标,其他指标随行政区的不同在Ⅲ类和Ⅳ类指标之间变化。对于各行政区内不同类型指标应采取不同的风险管理策略。

3 结论

在模糊综合评价法的基础上,利用熵权法对群决策AHP得到的主观权重值进行修正,同时结合最大隶属度原则有效性检验,构建了耕地土壤重金属污染风险模糊综合评价模型。模型从“风险”的基本概念出发,包括趋势性、脆弱性和危害性3个准则层指标。

珠江三角洲耕地土壤重金属污染风险评价结果表明,受到人为干扰相对严重的广州市、深圳市、佛山市和东莞市耕地土壤具有更高的重金属污染风险,达到“中险”水平;而人为干扰相对较轻的珠海市、惠州市、中山市和江门市均处于“轻险”水平。这与各市的经济发展程度呈正相关关系。

根据各指标重要程度和风险程度可将珠江三角洲地区耕地土壤重金属污染风险影响因素分为4类:高重要-高风险因子(Ⅰ),包括Cd累积速率和IR;高重要-低风险因子(Ⅱ),包括Hg累积速率、ST和OM;低重要-低风险因子(Ⅲ),包括Pb、As、Ni和Cr累积速率;低重要-高风险因子(Ⅳ),包括pH值、Cu和Zn累积速率。不同类型指标的风险管理优先顺序为Ⅰgt;Ⅳgt;Ⅱgt;Ⅲ。

[1] 王国庆,林玉锁.土壤环境标准值及制订研究:服务于管理需求的土壤环境标准值框架体系[J].生态与农村环境学报,2014,30(5):552-562.[WANG Guo-qing,LIN Yu-suo.Soil Environmental Standard Values (SESV) and Their Development:A Proposed SESV Framework Serving the Needs of Soil Environmental Management[J].Journal of Ecology and Rural Environment,2014,30(5):552-562.]

[2] 郑玲芳.黄浦江水源地沉积物重金属潜在生态风险评价[J].生态与农村环境学报,2013,29(6):762-767.[ZHENG Ling-fang.Potential Ecological Risk Assessment of Heavy Metals in River Sediments of Drinking Water Sources of Huangpu River[J].Journal of Ecology and Rural Environment,2013,29(6):762-767.]

[3] 贾琳,杨林生,欧阳竹,等.典型农业区农田土壤重金属潜在生态风险评价[J].农业环境科学学报,2009,28(11):2270-2276.[JIA Lin,YANG Lin-sheng,OUYANG Zhu,etal.Assessment of the Potential Ecological Risk of Heavy Metals in the Farmland Soils in Yucheng City,Shandong Province[J].Journal of Agro-Environment Science,2009,28(11):2270-2276.]

[4] 陈涛,常庆瑞,刘京,等.长期污灌农田土壤重金属污染及潜在环境风险评价[J].农业环境科学学报,2012,31(11):2152-2159.[CHEN Tao,CHANG Qing-rui,LIU Jing,etal.Pollution and Potential Environment Risk Assessment of Soil Heavy Metals in Sewage Irrigation Area[J].Journal of Agro-Environment Science,2012,31(11):2152-2159.]

[5] WANG M E,BAI Y Y,CHEN W P,etal.A GIS Technology Based Potential Eco-Risk Assessment of Metals in Urban Soils in Beijing,China[J].Environmental Pollution,2012,161:235-242.

[6] 朱朝云,王铁宇,徐笠,等.农药企业场地土壤重金属污染状况及风险评价[J].中国人口·资源与环境,2013,23(4):67-72.[ZHU Zhao-yun,WANG Tie-yu,XU Li,etal.Contamination and Risk Assessment of Heavy Metals in Soils From Pesticide Factory[J].China Population,Resources and Environment,2013,23(4):67-72.]

[7] 刘晓宇,梁琼,高如泰,等.长期污灌条件下农田土壤重金属污染环境风险评价[J].生态与农村环境学报,2015,31(4):572-578.[LIU Xiao-yu,LIANG Qiong,GAO Ru-tai,etal.Environmental Risk Assessment of Soil Heavy Metal Pollution of Farmlands With Long Period of Sewage Irrigation[J].Journal of Ecology and Rural Environment,2015,31(4):572-578.]

[8] ZHAO H R,XIA B C,FAN C,etal.Human Health Risk From Soil Heavy Metal Contamination Under Different Land Uses Near Dabaoshan Mine,Southern China[J].Science of the Total Environment,2012,417/418:45-54.

[9] 周婷,蒙吉军.区域生态风险评价方法研究进展[J].生态学杂志,2009,28(4):762-767.[ZHOU Ting,MENG Ji-jun.Research Progress in Regional Ecological Risk Assessment Methods[J].Chinese Journal of Ecology,2009,28(4):762-767.]

[10] 赵京,杨钢桥,徐玉婷.湖北省农地整理对农户福利的影响研究[J].资源科学,2014,36(3):446-453.[ZHAO Jing,YANG Gang-qiao,XU Yu-ting.Effect of Farmland Consolidation on Farm Household Welfare in Hubei Province[J].Resources Science,2014,36(3):446-453.]

[11] 祝慧娜,袁兴中,梁婕,等.河流水环境污染风险模糊综合评价模型[J].中国环境科学,2011,31(3):516-521.[ZHU Hui-na,YUAN Xing-zhong,LIANG Jie,etal.An Integrated Model for Assessing the Risk of Water Environmental Pollution Based on Fuzziness[J].China Environmental Science,2011,31(3):516-521.]

[12] 周春喜,任佳慧.商业银行信用风险综合评价研究[J].科研管理,2004,25(2):53-58.[ZHOU Chun-xi,REN Jia-hui.Study on the Synthetic Evaluation for the Credit Risk of Commercial Banks[J].Science Research Management,2004,25(2):53-58.]

[13] 宋戈,霍圣夫,邹朝晖.耕地非农化风险及增值收益分配机制研究:以哈尔滨市为例[J].中国土地科学,2015,29(3):53-61.[SONG Ge,HUO Sheng-fu,ZOU Zhao-hui.Risks and Incremental Income Distribution of Farmland Conversion:Taking Harbin as an Example[J].China Land Sciences,2015,29(3):53-61.]

[14] 陈玉娟,温琰茂,柴世伟.珠江三角洲农业土壤重金属含量特征研究[J].环境科学研究,2005,18(3):75-77.[CHEN Yu-juan,WEN Yan-mao,CHAI Shi-wei.The Heavy Metal Content Character of Agricultural Soil in the Pearl River Delta[J].Research of Environmental Sciences,2005,18(3):75-77.]

[15] 中国科学院南京土壤研究所.土壤理化分析[M].上海:上海科学技术出版社,1978:132-469.[Institute of Soil Science,Chinese Academy of Sciences.Physio-chemical Analysis of Soil[M].Shanghai:Shanghai Scientific amp; Technical Publishers,1978:132-469.]

[16] 周永章,沈文杰,李勇,等.基于通量模型的珠江三角洲经济区土壤重金属地球化学累积预测预警研究[J].地球科学进展,2012,27(10):1115-1125.[ZHOU Yong-zhang,SHEN Wen-jie,LI Yong,etal.A Study of Prediction and Early-Warning Forecast on Geochemical Accumulation of Soil Heavy Metals Based on Flux Model in Pearl River Delta Economic Zone (China)[J].Advances in Earth Science,2012,27(10):1115-1125.]

[17] HARRY S,ROELF B.A Probabilistic Risk Assessment for Accidental Releases From Nuclear Power Plants in Europe[J].Journal of Hazardous Materials,1998,61(1/2/3):209-215.

[18] CHEN S Q,CHEN B,FATH B D.Ecological Risk Assessment on the System Scale:A Review of State-of-the-Art Models and Future Perspectives[J].Ecological Modelling,2013,250:25-33.

[19] MAAS S,SCHEIFLER R,BENSLAMA M,etal.Spatial Distribution of Heavy Metal Concentrations in Urban,Suburban and Agricultural Soils in a Mediterranean City of Algeria[J].Environmental Pollution,2010,158(6):2294-2301.

[20] CHAI Y,GUO J,CHAI S L,etal.Source Identification of Eight Heavy Metals in Grassland Soils by Multivariate Analysis From the Baicheng-Songyuan Area,Jilin Province,Northeast China[J].Chemosphere,2015,134:67-75.

[21] 岳建华.长株潭城市群土壤pH与重金属污染的研究[J].中国农学通报,2012,28(2):267-272.[YUE Jian-hua.The Correlation of Heavy Metal With pH in Soils From Changsha-Zhuzhou-Xiangtan Urban Agglomeration[J].Chinese Agricultural Science Bulletin,2012,28(2):267-272.]

[22] HU Y A,LIU X P,BAI J M,etal.Assessing Heavy Metal Pollution in the Surface Soils of a Region that had Undergone Three Decades of Intense Industrialization and Urbanization[J].Environmental Science and Pollution Research,2013,20(9):6150-6159.

[23] 姜菲菲,孙丹峰,李红,等.北京市农业土壤重金属污染环境风险等级评价[J].农业工程学报,2011,27(8):330-337.[JIANG Fei-fei,SUN Dan-feng,LI Hong,etal.Risk Grade Assessment for Farmland Pollution of Heavy Metals in Beijing[J].Transactions of the CSAE,2011,27(8):330-337.]

[24] 蔡立梅,马瑾,周永章,等.东莞市农田土壤和蔬菜重金属的含量特征分析[J].地理学报,2008,63(9):994-1003.[CAI Li-mei,MA Jin,ZHOU Yong-zhang,etal.Heavy Metal Concentration of Agricultural Soils and Vegetables From Dongguan,Guangdong Province,China[J].Acta Geographica Sinica,2008,63(9):994-1003.]

[25] 赵保卿,李娜.基于层次分析法的内部审计外包内容决策研究[J].审计与经济研究,2013,(1):37-45,69.[ZHAO Bao-qing,LI Na.Internal Audit Outsourcing Content Decision-Making Based on AHP[J].Journal of Audit amp; Economics,2013,(1):37-45,69.]

[26] 邵磊,陈郁,张树深.基于AHP和熵权的跨界突发性大气环境风险源模糊综合评价[J].中国人口·资源与环境,2010,20(3):135-138.[SHAO Lei,CHEN Yu,ZHANG Shu-shen.Fuzzy Synthetic Evaluation of Cross-Border Atmospheric Environment Risk Source Based on Entropy and AHP[J].China Population,Resources and Environment,2010,20(3):135-138.]

[27] 邱东.最大隶属原则的有效度与加权平均原则的应用:模糊统计评判中判评原则的比较分析[J].统计研究,1989,6(2):50-54.[QIU Dong.The Application of the Validity of Maximum Membership Principle and the Weighted Average Principle:A Comparative Analysis of the Principles of Judgment in Fuzzy Statistical Evaluation[J].Statistical Research,1989,6(2):50-54.]

邱孟龙(1988—),男,山东胶州人,助理研究员，博士,研究方向为耕地环境质量评价及其风险评价管理。E-mail：qml7886@163.com

(责任编辑：陈 昕)

RiskAssessmentofFarmlandSoilHeavyMetalPollutionUsingModifiedEmpoweredFuzzyComprehensiveEvaluation.

QIU Meng-long1,2,WANG Qi3,LIU Li-ming4,GANG Yi1,2

(1. Center for Land Resource Research in Northwest China,Shaanxi Normal University,Xi′an 710062,China; 2. Key Laboratory for Urbanization and National Land Environment Spatial-Simulation in Northwest China,Shaanxi Normal University,Xi′an 710062,China; 3. Guangdong Key Laboratory of Agricultural Environment Pollution Integrated Control,Guangdong Institute of Eco-Environment and Soil Science,Guangzhou 510650,China; 4. College of Resources and Environment,China Agricultural University,Beijing 100193,China)

In order to implement scientific assessment of heavy metal pollution of farmland soils in regions well developed in industry,a modified empowered fuzzy comprehensive evaluation model was established based on the concept and fuzzy nature of risk,and moreover,analysis was done of factors affecting the risk. The model consists of a target layer,a criterion layer and an index layer. The target layer is the target object for evaluation,that is,risk of a soil getting polluted by heavy metals. The target layer is composed of 3 criterion layer indexes (tendency,vulnerability and hazardness). The index layer of tendency covers accumulation rates of heavy metals (Hg,Cd,Cr,Pb,As,Cu,Zn and Ni); the index layer of vulnerability consists of pH,organic matter,soil texture; and the index layer of hazardness refers to potential ecological risk index. Weights of the criterion layer are obtained with the analytic hierarchy process,while comprehensive weights of the indices in the index layer are determined with the group decision making analytic hierarchy process (the subjective weight) and the entropy weight method (the objective weight). Risk level is determined with the fuzzy comprehensive evaluation results vector. Validity of the maximum membership degree law is tested in the process of determining risk level. The weighted average method is used to determine risk level when the validity is low. Priority order of the risk management of various indices can be determined according to the importance degree and risk degree of each index. A case study was carried out of the Pearl River Delta Region. Results show that the principle of maximum membership degree is inefficient in Guangzhou,Dongguan,Zhongshan and Jiangmen,with risk grade value being 2.8,2.5,2.4 and 2.4,respectively; and the principle of maximum membership degree is valid in Shenzhen,Zhuhai,Foshan and Huizhou,with maximum membership degree being 0.50 (third-level),0.47 (second-level),0.46 (third-level) and 0.63 (second-level),respectively,both suggesting that Guangzhou,Shenzhen,Foshan and Dongguan,as a result of high human disturbance,are high in risk,reaching up to Grade Ⅲ or “moderate risk”,while Zhuhai,Huizhou,Zhongshan and Jiangmen,relatively low in human disturbance are in Grade Ⅱ or “slight risk”. Analysis of affecting factor indicates that major risk affecting factors vary with the administrative region. All the findings are expected to serve as scientific basis for designing risk management strategies and defining a priority order of management.

soil pollution; heavy metal; risk assessment; fuzzy comprehensive evaluation; group decision making analytic hierarchy process; entropy weight method; Pearl River Delta

2017-02-17

中央高校基本科研业务费(GK201703083); 国家自然科学基金重点项目(41130526)

① 通信作者E-mail：liulm@cau.edu.cn

X53

A

1673-4831(2017)11-1049-08

10.11934/j.issn.1673-4831.2017.11.013