全 文 ：某焦化场地土壤多环芳烃污染数据的统计特征*
刘摇 庚1,2 摇 毕如田1 摇 王世杰2 摇 魏文侠3 摇 李发生2 摇 郭观林2**
( 1山西农业大学资源环境学院,山西太谷 030801; 2中国环境科学研究院环境基准与风险评估国家重点实验室,北京 100012;
3轻工业环境保护研究所,北京 100012)
摘摇 要摇 分析污染场地调查数据的统计特征能够帮助判别污染物在场地中的空间变异特征
以及污染来源和成因.本文以我国某焦化场地为对象,对采集的表层土壤 114 个样点 16 种多
环芳烃(PAHs)含量数据进行多元统计和空间特征分析.结果表明:每种污染物的含量范围差
异显著,具有高度的偏倚性;多元统计分析提取的前 2 个主成分可以有效代表原场地污染数
据信息.选择苯并(a)蒽、苯并(b,k)荧蒽、苯并(a)芘和茚并(1,2,3鄄cd)芘 4 种污染物进行趋
势分析和空间局部变异分析,在场地的东西和南北方向的污染物含量均表现出由低到高再到
低的变化趋势,空间变异系数在场地的中部、西北及西南较高,其他区域变异系数较低.
关键词摇 污染场地摇 趋势分析摇 多元统计分析摇 空间变异
文章编号摇 1001-9332(2013)06-1722-07摇 中图分类号摇 X53摇 文献标识码摇 A
Statistical characteristic analysis of soil PAHs in a coking contaminated site of China. LIU
Geng1,2, BI Ru鄄tian1, WANG Shi鄄jie2, WEI Wen鄄xia3, LI Fa鄄sheng2, GUO Guan鄄lin2 ( 1College of
Resources and Environment, Shanxi Agricultural University, Taigu 030801, Shanxi, China; 2 State
Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Envi鄄
ronmental Sciences, Beijing 100012, China; 3Environmental Protection Institute of Light Industry,
Beijing 100012, China) . 鄄Chin. J. Appl. Ecol. ,2013,24(6): 1722-1728.
Abstract: Statistical characteristic analysis of pollutants in contaminated sites can help identify the
origin, generation, and spatial variation of different pollutants, and can reduce the uncertainty of
site survey data. Taking a large and abandoned contaminated coking site of China as the object,
114 surface (0-50 cm) soil samples were collected, with the statistical and spatial characteristics
of 16 priority PAHs ( 撞PAHs) analyzed. The descriptive statistical analysis indicated that the
撞PAH levels varied significantly, and the data were severely skewed. The correlation matrix (CM)
and principal component analysis (PCA) showed that the extracted first two principal components
(PCs) could effectively represent the whole site pollution data. Four pollutants, i. e. , Baa,
Bbf&Bkf, Bap, and Inp, were selected for trend analysis and spatial local variance analysis. In the
east鄄west and north鄄south directions of the site, the pollution showed a low鄄high鄄low trend. The var鄄
iation coefficient of pollution for the site was higher in the central, northwest, and southwest re鄄
gions, while lower in the other regions.
Key words: contaminated site; trend analysis; multi鄄component statistical analysis; spatial varia鄄
tion.
*国家环境保护公益性行业科研专项(201009015)和国家自然科学
基金青年科学基金项目(40901249)资助
**通讯作者. E鄄mail: guogl@ craes. org. cn
2012鄄09鄄24 收稿,2013鄄04鄄11 接受.
摇 摇 近年来,随着城市化进程和产业调整步伐的加
快,经济发达或快速发展地区的工业企业搬迁较为
普遍[1-2] .由于场地土地利用类型的变化,目前已有
大量场地进入到调查、评估和修复过程,所有过程均
以采样样点数据为基础,来揭示污染物空间分布和
累积释放效应. 受人类强烈干扰和点源污染的影
响[3-4],污染场地的污染特征不同于一般面源污染.
样点数据特征影响空间预测和风险评价模型的选
择,使评价结果具有很大的不确定性[5-6] .在实际工
作过程中,经常不考虑数据统计规律和空间特征,缺
乏对数据的有效深入分析,从而降低了调查结果的
精度.因此,科学合理地分析场地样点数据的规律及
特征,能够提高场地污染调查结果的精度和减小不
应 用 生 态 学 报摇 2013 年 6 月摇 第 24 卷摇 第 6 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Jun. 2013,24(6): 1722-1728
确定性.
相关性分析、主成分分析等经典多元统计分析
方法可以简化数据,用综合指标代替一类相关性较
高的数据,从而反映数据之间的关联[7] . 多元统计
分析方法在农业、生物、环境等领域有着广泛的应
用[8-12],在城市土壤[13-15],尤其农业土壤[16-20]重金
属源解析方面取得了较好的效果. 但多元统计方法
应用于大型工业污染场地样点数据统计分析还鲜有
报道.随着空间信息技术的发展,趋势分析理论被引
入到环境应用领域中来[21-22],利用趋势分析能够从
不同角度分析场地样点数据分布趋势,有助于判别
污染成因和影响因素. 局部空间变异分析理论可以
揭示污染因子的局部变异、空间离散特性以及局部
受点源污染影响的特征,有助于帮助判别局部重污
染区域及影响范围.
本研究以某焦化场地中出现频率高、毒害大和
难降解的 PAHs[23-24]为研究对象,以采样样点数据
为基础,采用多元统计分析、空间趋势分析和空间变
异分析等方法,探讨样点数据的统计规律和空间特
征,旨在为本场地以及其他类似焦化企业场地确定
污染分布和选择修复技术提供指导.
1摇 材料与方法
1郾 1摇 目标场地特征描述
本研究的目标污染场地曾经是我国规模最大的
独立炼焦化学工业企业之一,产品种类多,有 40 多
年的生产历史,总面积 1. 35 km2 . 在建厂初期受生
产工艺技术条件和污染治理水平所限,环境污染相
对较严重,其中不乏对人体有害和致癌物质的排放,
对焦化厂厂区和周围环境造成一定影响. 该厂主要
生产车间包括备煤分厂、炼焦一分厂、二分厂、三分
厂、筛焦分厂、回收一分厂、二分厂、煤气精制分厂、
精苯分厂、焦油分厂等. 以煤炭为原料,生产煤气和
焦炭,并主要从粗焦油中提取各类煤化工产品,包括
焦炭、焦炉煤气,同时还生产焦油、苯、硫铵、沥青、萘
等 40 多种化工产品.
1郾 2摇 样品采集与分析
目标污染场地属于生产企业,场地内有部分建
筑物与硬化地面.第一次现场采样采用判断布点的
原则,其目的是在场地污染识别的基础上,选择潜在
污染区域进行土壤布点采样,对污染区域、污染深
度、污染物种类进行确认,共布设 64 个土壤采样点;
第二次现场采样是在第一次采样点布设的基础上,
采用近似网格布点和判断布点相结合的方法,目的
是全面了解场地污染分布情况,判断布点是结合第
一次采样分析结果,对污染严重区进行加密.两次共
采集有效土壤样点 114 个,PAHs的测定方法以及质
量控制参照 USEPA8270D标准[25] .本研究选择第一
层即 0 ~ 50 cm样品进行分析.
1郾 3摇 数据处理
采用描述性统计分析和多元统计分析方法对样
点数据进行统计分析,描述性统计分析包括最大值、
最小值、平均值、中值、偏度、峰度和变异系数等.多
元统计采用经典的相关性分析、主成分分析方法,判
别场地 PAHs的相关性程度及污染来源. 选择样点
超标率最高的 4 种污染物,对其进行趋势分析和空
间局部变异性分析,揭示其在场地中的分布趋势和
局部变异情况.统计分析采用 SPSS 19. 0 软件,趋势
分析、局部变异分析以及制图采用 Arcgis 10郾 0
软件.
2摇 结果与分析
2郾 1摇 场地土壤中多环芳烃污染数据的统计特征
场地中 16 种 PAHs 的基本统计特征如表 1. 从
每种污染物的含量范围来看,最小值和最大值的差
异很大,如萘(Nap),最小值为 0. 01 mg·kg-1,最大
值为 4100 mg·kg-1,约 93%的采样样点含量范围在
0. 01 ~ 16. 6 mg·kg-1,其他几个高值点的含量分别
为 37. 5、94. 3、204、1360、1510、1510、2610 和 4100
mg·kg-1 .将采样样点数据叠加到原厂区平面图上,
发现污染物高值点主要位于焦油分厂和回收一分厂
等车间.焦油分厂存在一定数量焦油、杂酚油等的储
存,设施中的多环芳烃通过储罐渗漏、遗洒等造成土
壤表层局部严重污染;回收一分厂除了大气污染源
外,车间内的各种罐、槽的渗漏、遗洒也造成局部的
严重污染.这些异常高值点导致每种污染物都有很
大的偏度和峰度,苯并(a)芘(Bap)的偏度最小,为
4. 44,苊烯(Acy)的偏度最大,为 9. 48. 从变异系数
来看,每种污染物的变异系数都超过了 300% ,说明
污染物在场地中都有很大的空间变异性,样点污染
物含量在场地中的分布很不均匀,污染累积情况受
场地历史生产背景影响较大,导致数据具有很高的
偏倚性.将 114 个采样点含量数据采用 K鄄S 进行正
态分布检验,结果显示所有污染物均不符合正态分
布特征,正态分布图存在右偏尾现象.
2郾 2摇 场地土壤中多环芳烃污染数据的相关性分析
由上述 PAHs 含量基本统计特征分析可知,每
种污染物均不符合正态分布,因此在进行相关分析
32716 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 刘摇 庚等: 某焦化场地土壤多环芳烃污染数据的统计特征摇 摇 摇 摇 摇
前对污染物含量数据做对数变换,使其符合近似正
态分布,采用 Pearson 相关分析方法进行分析. 从表
2 可以看出,不同 PAHs 之间均呈正相关,表明所有
污染物具有相同的变化趋势.从相关系数值来看,多
数 PAHs之间高度相关(z>0. 8),如二苯并(a,h)蒽
(Daa)鄄屈(Chr)、Daa鄄芘(Pyr)、Chr鄄Pyr、Daa鄄Acy 的
相关系数分别为 0. 945、0. 917、0. 975 和 0. 897(P<
0. 01),其他污染物之间也存在中等程度相关(0. 5<
z<0. 8).这与场地的生产工艺和污染来源情况较为
一致.本场地主要包括炼焦、煤气净化、焦油化产品
回收及煤气发生炉制气等生产工艺. 在这些生产工
艺中,大气排放为主要污染源,PAHs 通过大气扩散
对场地表层土壤造成污染,造成 PAHs 之间具有较
强的相关性.相关性分析可以用于检测数据之间的
近似性,污染物之间较强的相关性表明场地中污染
成因较为相似,污染物之间的联系可以通过进一步
的主成分分析进行判别.
2郾 3摇 场地土壤中多环芳烃污染数据的主成分分析
对正态变换后的 PAHs含量数据进行主成分分
析,各成分解释方差如表3. 前2个主成分的初始特
表 1摇 土壤 PAHs污染数据的基本统计特征
Table 1摇 Descriptive statistics of soil PAHs concentrations
污染物
Contaminant
最小值
Minimum
(mg·kg-1)
最大值
Maximum
(mg·kg-1)
平均值
Mean
(mg·kg-1)
中值
Median
(mg·kg-1)
四分位
Quartile
(mg·kg-1)
偏度
Skewness
峰度
Kurtosis
变异系数
Coefficient
of variation
标准差
SD
(mg·kg-1)
Nap 0. 01 4100. 00 100. 91 0. 04 0. 015 6. 07 40. 48 5. 01 505. 93
Acy 0. 01 501. 00 7. 48 0. 056 0. 020 9. 48 94. 71 6. 53 48. 84
Ace 0. 01 1470. 00 23. 61 0. 044 0. 010 7. 88 64. 47 6. 86 162. 08
Fle 0. 01 366. 00 10. 50 0. 045 0. 012 5. 78 34. 36 4. 92 51. 62
Phe 0. 01 766. 00 16. 96 0. 205 0. 047 7. 26 54. 94 5. 27 89. 34
Ant 0. 01 222. 00 5. 46 0. 070 0. 021 7. 09 51. 89 4. 93 26. 90
Fla 0. 01 470. 00 14. 89 0. 395 0. 067 5. 57 35. 13 3. 99 59. 37
Pyr 0. 01 297. 00 10. 95 0. 345 0. 062 4. 94 26. 24 3. 85 42. 12
Baa 0. 01 131. 00 5. 71 0. 235 0. 037 4. 49 20. 89 3. 65 20. 83
Chr 0. 01 175. 00 6. 69 0. 245 0. 044 4. 96 26. 31 3. 83 25. 63
Bbf &Bkf 0. 01 393. 00 12. 51 0. 440 0. 068 5. 51 35. 17 3. 92 49. 04
Bap 0. 01 172. 00 7. 30 0. 300 0. 045 4. 44 20. 84 3. 57 26. 08
Inp 0. 01 144. 00 4. 65 0. 255 0. 050 5. 59 36. 22 3. 83 17. 82
Daa 0. 01 45. 70 1. 57 0. 085 0. 019 5. 25 31. 30 3. 78 5. 93
Bgp 0. 01 160. 00 4. 80 0. 200 0. 036 5. 88 39. 72 4. 05 19. 42
Nap:萘 Naphthalene; Acy:苊烯 Acenaphthylene; Ace:苊 Acenaphthene; Fle:芴 Fluorine; Phe:菲 Phenanthrene; Ant:蒽 Anthracene; Fla:荧蒽 Flu鄄
oranthene; Pyr:芘 Pyrene; Baa:苯并(a)蒽 Benzo(a)anthracene; Chr:屈 Chrysene; Bbf&Bkf:苯并(b,k)荧蒽 Benzo(b,k) fluoranthene; Bap:苯并
(a)芘 Benzo(a)pyrene; Inp:茚并(1,2,3鄄cd)芘 Indeno(1,2,3鄄c,d) pyrene; Daa:二苯并(a,h)蒽 Dibenzo(a,h) anthracene; Bgp:苯并(g,h,I)苝
Benzo(g,h,i) perylene.下同 The same below.
表 2摇 土壤 PAHs含量 Pearson相关分析
Table 2摇 Pearson爷s correlation analysis for soil PAHs concentrations
Nap Acy Ace Fle Phe Ant Fla Pyr Baa Chr Bbf&Bkf Bap Inp Daa Bgp
Nap 1
Acy 0. 848** 1
Ace 0. 776** 0. 745** 1
Fle 0. 835** 0. 831** 0. 893** 1
Phe 0. 838** 0. 898** 0. 712** 0. 821** 1
Ant 0. 825** 0. 943** 0. 739** 0. 828** 0. 938** 1
Fla 0. 709** 0. 859** 0. 612** 0. 702** 0. 913** 0. 888** 1
Pyr 0. 727** 0. 890** 0. 641** 0. 717** 0. 931** 0. 935** 0. 935** 1
Baa 0. 683** 0. 850** 0. 591** 0. 672** 0. 885** 0. 887** 0. 974** 0. 940** 1
Chr 0. 715** 0. 896** 0. 633** 0. 709** 0. 914** 0. 927** 0. 926** 0. 975** 0. 935** 1
Bbf&Bkf 0. 657** 0. 854** 0. 558** 0. 642** 0. 882** 0. 881** 0. 909** 0. 960** 0. 917** 0. 964** 1
Bap 0. 667** 0. 830** 0. 594** 0. 661** 0. 850** 0. 855** 0. 928** 0. 892** 0. 943** 0. 890** 0. 901** 1
Inp 0. 676** 0. 852** 0. 596** 0. 672** 0. 848** 0. 857** 0. 930** 0. 895** 0. 948** 0. 901** 0. 892** 0. 977** 1
Daa 0. 669** 0. 897** 0. 612** 0. 709** 0. 850** 0. 908** 0. 862** 0. 917** 0. 887** 0. 945** 0. 923** 0. 876** 0. 896** 1
Bgp 0. 638** 0. 850** 0. 556** 0. 653** 0. 862** 0. 858** 0. 886** 0. 936** 0. 910** 0. 938** 0. 955** 0. 899** 0. 913** 0. 925** 1
**P<0. 01.
4271 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
表 3摇 土壤 PAHs各主成分解释方差
Table 3摇 Total variance explained of principal components
for soil PAHs
项目
Item
成分
Component
特征值
Eigenvalue
方差
Variance
(% )
累积方差
Cumulative
variance
(% )
初始特征值 1 12. 67 84. 5 84. 5
Initial 2 1. 16 7. 7 92. 2
eigenvalue 3 0. 28 1. 9 94. 1
4 0. 26 1. 7 95. 8
5 0. 17 1. 1 96. 9
6 0. 11 0. 8 97. 7
7 0. 10 0. 7 98. 4
8 0. 06 0. 4 98. 8
9 0. 05 0. 3 99. 1
10 0. 04 0. 3 99. 4
11 0. 04 0. 2 99. 6
12 0. 02 0. 1 99. 7
13 0. 02 0. 1 99. 8
14 0. 02 0. 1 99. 9
15 0. 01 0. 1 100. 0
提取后特征值 1 12. 67 84. 5 84. 5
Extraction sum of
squared loadings
2 1. 16 7. 7 92. 2
旋转后特征值 1 8. 96 59. 7 59. 7
Rotation sum of
squared loadings
2 4. 87 32. 5 92. 2
征值均大于 1,分别为 12. 67 和 1. 16,通过旋转后第
1 主成分的方差贡献率为 59. 7% ,第 2 主成分的方
差贡献率为 32. 5% ,前 2 个主成分的累计贡献率达
92郾 2% ,故前 2 个主成分可以代替原有 15 个指标,
很好地表达原有信息. 通过旋转主成分矩阵可以看
出(表 4),在第 1 主成分上,荧蒽( Fla)、Pyr、Baa、
Chr、苯并(b,k)荧蒽(Bbf&Bkf)、Bap、茚并(1,2,3鄄
cd)芘(Inp)、Daa、苯并(g,h,I)苝(Bgp)有较大的载
荷,得分分别为 0. 87、0. 87、0. 90、0. 88、0. 91、0. 88、
0. 88、0. 85、0. 91;在第 2 主成分上,Nap、苊(Ace)、
芴( Fle)有较大的载荷,得分分别为 0. 83、0. 90、
0郾 86.从前 2 个主成分分析的结果可以看出,场地受
污染的 PAHs种类较多,不同车间及其生产工艺都
会造成 PAHs不同种类和程度的污染. 从污染物含
量范围可以看出,Nap 含量的最大值最大,其次为
Ace、菲(Phe)及苊烯(Acy),均为 2 环和 3 环的单
体.第 1 主成分中高环的(4 环、5 环、6 环)PAHs 单
体贡献度较大,第 2 主成分中以低环的(2 环、3 环)
PAHs单体为主,表明场地中 PAHs污染的种类和程
度与不同车间的生产工艺有密切关系.
2郾 4摇 场地土壤中 4 种典型 PAHs 污染数据的空间
分布趋势分析
场地中PAHs趋势分析是从三维透视角度来分
表 4摇 场地土壤中 PAHs主成分分析矩阵
Table 4摇 Principal component analysis matrix of soil PAHs
污染物
Contaminant
主成分矩阵
Principal component
matrix
PC1 PC2
旋转主成分矩阵
Rotated Principal
component matrix
PC1 PC2
Nap 0. 81 0. 45 0. 41 0. 83
Acy 0. 95 0. 15 0. 70 0. 66
Ace 0. 73 0. 59 0. 27 0. 90
Fle 0. 82 0. 51 0. 38 0. 86
Phe 0. 96 0. 09 0. 73 0. 62
Ant 0. 96 0. 10 0. 74 0. 63
Fla 0. 95 -0. 15 0. 87 0. 42
Pyr 0. 97 -0. 12 0. 87 0. 45
Baa 0. 95 -0. 20 0. 90 0. 37
Chr 0. 97 -0. 14 0. 88 0. 44
Bbf&Bkf 0. 94 -0. 24 0. 91 0. 34
Bap 0. 93 -0. 20 0. 88 0. 36
Inp 0. 94 -0. 20 0. 88 0. 37
Daa 0. 94 -0. 14 0. 85 0. 42
Bgp 0. 93 -0. 24 0. 91 0. 33
析采样点数据在整个场地中的分布情况、比较不同
污染物的空间分布趋势,可以判别其在土壤中累积
的影响因素,同时结合场地历史生产和车间布局情
况进行叠加分析,以揭示场地中污染物的整体趋势
和污染成因. 将采样点的位置绘制在 X、Y 平面上,
其污染值由 Z 维的高度给定,这些点在两个方向上
(默认为北和西)被投影到垂直于地图平面的平面
上,采用多项式曲线与每个投影进行拟合.如果经过
投影点的曲线是平的,则在空间上不存在污染分布
的趋势效应. 本研究选择样点超标率最高的 Baa、
Bbf&Bkf、Bap、茚并(1,2,3鄄cd)芘( Inp)4 种典型污
染物的原始样点含量数据进行趋势分析.图中 X 轴
表示东西方向,Y 轴表示南北方向,Z 为 PAHs 含量
值.从图 1 可以看出,在东西方向上,4 种 PAHs的趋
势较为一致,分别自东向西先升高后降低,Baa 和
Bap在中部的升高幅度略高于其他 2 种污染物;在
南北方向上,自南向北先升高后降低,同样,Baa 和
Bap在中部的升高幅度略高. 这种空间分布趋势主
要受场地车间布局及其污染源的影响,厂区中下部
的车间为炼焦分厂和焦油分厂.这 2 个车间为 PAHs
污染的主要来源,焦油车间污染主要来自沥青生产
过程中的废气排放. 炼焦车间污染主要来自焦炉废
气的排放,由于表层土壤的 PAHs 主要来自这 2 个
车间排放废气的沉积,且该区夏季风向以东南风为
主,冬季以西北风为主,因此在上述污染车间周边以
及西北和东南方向沉降累积的污染物相对较多,即
在南北和东西上表现为先升高后降低,在车间位置
52716 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 刘摇 庚等: 某焦化场地土壤多环芳烃污染数据的统计特征摇 摇 摇 摇 摇
图 1摇 土壤中苯并(a)蒽(A)、苯并(b,k)荧蒽(B)、苯并(a)芘(C)、茚并(1,2,3鄄cd)芘(D)的空间分布
Fig. 1摇 Spatial distribution for Baa (A), Bbf&Bkf (B), Bap (C) and Inp (D) in soil.
图 2摇 土壤中苯并(a)蒽(A)、苯并(b,k) 荧蒽(B)、苯并(a) 芘(C)、茚并(1,2,3鄄cd)芘(D)的局部空间变异
Fig. 2摇 Spatial variation of Baa (A), Bbf&Bkf (B), Bap (C) and Inp (D) in soil of part regions.
(中部)累积程度较高.
2郾 5摇 场地土壤中 4 种典型多环芳烃污染数据的局
部空间变异分析
该焦化厂属于大型工业污染场地,场地中 PAHs
等有机污染物受历史生产布局、存放、管理等因素的
影响,在局部地区存在浓度高值现象,从而造成污染
物样点数据在场地中具有较强的空间变异性和分布
的不连续性.本研究采用 Voronoi方法[26-27],分析样
点间的相似性,来判别土壤 PAHs 含量局部变化特
征.根据采样样点数据构建整个场地的 Voronoi 多
边形,相邻点被定义为场地 Voronoi 多边形与选择
样点的 Voronoi 多边形公共边的点,采用均值和标
准差法对每个多边形进行赋值,然后根据其比值计
算多边形的变异系数. 本文采用场地样点超标率最
高的 4 种 PAHs原始含量数据进行空间变异特征分
析.从图 4 可以看出,Baa、Bbf&Bkf、Bap、Inp 变异系
数的最小值分别为 0. 50、0. 35、0. 49 和 0郾 26,最大
值分别为 2. 86、2. 84、2. 87 和 2. 76,均值分别为
6271 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
1郾 39、1. 42、1. 43 和 1. 34,标准差分别为 0. 52、0. 52、
0. 60 和 0. 54. 4 种 PAH污染物在场地中的变异程度
都较强,Baa、Bbf&Bkf、Bap 的空间变异系数分布较
为相似,空间变异系数在场地的中部、西北及西南局
部区域较高,其他区域较低. Inp 变异系数分布与其
他 3 种污染物整体趋势相似,但局部变异系数强的
区域没有其他 3 种污染物明显. 4 种污染物的局部
变异系数分布与厂区的车间布局和污染来源情况较
为一致.在厂区中下部的车间为炼焦分厂和焦油分
厂,废气是造成 PAHs污染的主要原因,个别车间在
生产、存储过程中的泄露、遗洒等原因使局部污染严
重,造成了污染物在空间上存在强烈的局部变异性.
局部变异系数较大的地方,也是将来需要加密采样
和其他相关工作重点关注的区域.
3摇 结摇 摇 论
利用多元统计分析能够对场地 PAHs 样点含量
数据进行有效降维,抽取的前 2 个主成分可以较好
地表达原有信息.在第 1 主成分上,高环 PAHs 单体
有较大的载荷;第 2 在主成分上,低环 PAHs 单体有
较大的载荷,PAHs 样点最大值较高的均为低环单
体,表明场地中 PAHs 污染的种类和程度与不同车
间的生产工艺有密切关系.
样点超标率最高的 4 种污染物含量在场地东西
及南北方向都有一定趋势性,受异常高值点的影响,
污染物在局部具有较强的变异性. 其空间分布及局
部空间变异特征均受污染物来源的强烈影响.
参考文献
[1] 摇 Luo Y鄄M (骆永明). Contaminated site remediation in
China: Progresses, problems and prospects. The Admin鄄
istration and Technique of Environmental Monitoring (环
境监测管理与技术), 2011, 23(3): 1 -6 ( in Chi鄄
nese)
[2]摇 Luo Y鄄M (骆永明). Current research and development
in soil remediation technologies. Progress in Chemistry
(化学进展), 2009, 21(2): 558-565 (in Chinese)
[3]摇 Lark RM. Modelling complex soil properties as contami鄄
nated regionalized variables. Geoderma, 2002, 106:
173-190
[4]摇 Rawlins BG, Lark RM, O爷Donnell KE, et al. The as鄄
sessment of point and diffuse metal pollution of soils
from an urban geochemical survey of Sheffield, Eng鄄
land. Soil Use and Management, 2005, 21: 353-362
[5]摇 Wu CF , Wu JP, Luo YM, et al. Spatial interpolation
of severely skewed data with several peak values by the
approach integrating kriging and triangular irregular net鄄
work interpolation. Environmental Earth Science, 2011,
63: 1093-1103
[6]摇 Sinha P, Lambert MB, Schew WA. Evaluation of a risk鄄
based environmental hot spot delineation algorithm.
Journal of Hazardous Materials, 2007, 149: 338-345
[7]摇 L俟 J鄄S (吕建树), Zhang Z鄄L (张祖陆), Liu Y (刘摇
洋), et al. Sources identification and hazardous risk
delineation of heavy metals contamination in Rizhao
City. Acta Geographica Sinica (地理学报), 2012, 67
(7): 971-984 (in Chinese)
[8]摇 Arrouays D, Saby NPA, Thioulouse J, et al. Large
trends in French topsoil characteristics are revealed by
spatially constrained multivariate analysis. Geoderma,
2011, 161: 107-114
[9]摇 Selvarasu S, Kim DY, Karimi IA, et al. Combined data
preprocessing and multivariate statistical analysis char鄄
acterizes fed鄄batch culture of mouse hybridoma cells for
rational medium design. Journal of Biotechnology,
2010, 150: 94-100
[10]摇 Saby NPA, Thioulouse J, Jolivet CC, et al. Multivariate
analysis of the spatial patterns of 8 trace elements using
the French soil monitoring network data. Science of the
Total Environment, 2009, 21: 5644-5652
[11]摇 Dominick D, Juahir H, Latif MT, et al. Spatial assess鄄
ment of air quality patterns in Malaysia using multivari鄄
ate analysis. Atmospheric Environment, 2012, 60: 172-
181
[12] 摇 Chen X鄄K (陈修康), Zhang H鄄J (张华俊), Gu J鄄G
(顾继光), et al. Characteristics of sediment heavy
metal pollution in three water supply reservoirs in
Huizhou, Guangdong Province of South China. Chinese
Journal of Applied Ecology (应用生态学报), 2012, 23
(5): 1254-1262 (in Chinese)
[13]摇 Zhang CS. Using multivariate analyses and GIS to iden鄄
tify pollutants and their spatial patterns in urban soils in
Galway, Ireland. Environmental Pollution, 2006, 142:
501-511
[14]摇 Lee CS, Li X, Shi W, et al. Metal contamination in ur鄄
ban, suburban, and country park soils of Hong Kong: A
study based on GIS and multivariate statistics. Science of
the Total Environment, 2006, 356: 45-61
[15]摇 Chen J鄄H (陈景辉), Lu X鄄W (卢新卫), Zhai M (翟
萌). Sources and potential risk of heavy metals in road鄄
side soils of Xi爷 an City. Chinese Journal of Applied
Ecology (应用生态学报), 2011, 22(7):1810-1816
(in Chinese)
[16]摇 Mic仵 C, Recatal佗 L, Peris M, et al. Assessing heavy
metal sources in agricultural soils of an European Medi鄄
terranean area by multivariate analysis. Chemosphere,
2006, 65: 863-872
[17]摇 Mart侏n JAR, Arias ML, Corb侏 JMG. Heavy metals con鄄
tents in agricultural topsoils in the Ebro basin (Spain).
Application of the multivariate geoestatistical methods to
72716 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 刘摇 庚等: 某焦化场地土壤多环芳烃污染数据的统计特征摇 摇 摇 摇 摇
study spatial variations. Environmental Pollution, 2006,
144: 1001-1012
[18]摇 Cai L, Xu Z, Ren M, et al. Source identification of
eight hazardous heavy metals in agricultural soils of
Huizhou, Guangdong Province, China. Ecotoxicology
and Environmental Safety, 2012, 78: 2-8
[19]摇 Franco UA, L仵pez MC, Roca E, et al. Source identifi鄄
cation of heavy metals in pastureland by multivariate
analysis in NW Spain. Journal of Hazardous Materials,
2009, 165: 1008-1015
[20]摇 Shi N鄄N (石宁宁), Ding Y鄄F (丁艳锋), Zhao X鄄F
(赵秀峰), et al. Heavy metals content and pollution
risk assessment of cropland soils around a pesticide in鄄
dustrial park. Chinese Journal of Applied Ecology (应用
生态学报), 2010, 21(7): 1835-1843 (in Chinese)
[21]摇 Ma M鄄T (马民涛), Sun L (孙摇 磊), Han S (韩 摇
松), et al. The integrated technology of spatial statisti鄄
cal analysis and its application in the regional environ鄄
ment. Journal of Beijing University of Technology (北京
工业大学学报), 2010, 36 (4): 511 - 516 ( in Chi鄄
nese)
[22]摇 Qi X鄄S (齐鑫山), Wang X鄄M (王晓明), Zhang Y鄄F
(张玉芳). Research method and its application of dis鄄
tributing rule of environmental data in space: Trend鄄
curve analysis method. Environmental Protection (环境
保护), 2000, 39(10): 20-22 (in Chinese)
[23]摇 Colombo JC, Cappelletti N, Lasci J, et al. Sources,
vertical fluxes, and equivalent toxicity of aromatic hy鄄
drocarbons in coastal sediments of the Rio de la Plata
Estuary, Argentina. Environmental Science & Technolo鄄
gy, 2006, 40: 734-740
[24]摇 Szabov觃 E, Zeljenkov觃 D, Nesc觃kov觃 E, et al. Polycy鄄
clic aromatic hydrocarbons and occupational risk factor.
Reproductive Toxicology, 2008, 26: 74
[25]摇 U. S. EPA. Method 8270D: Semivolatile Organic Com鄄
pounds by Gas Chromatography / Mass Spectrometry
(GC / MS). Washington, DC: US Environmental Pro鄄
tection Agency, 1996
[26]摇 Lee I, Bruin CT, Lee K. Map segmentation for geospa鄄
tial data mining through generalized higher鄄order
Voronoi diagrams with sequential scan algorithms. Ex鄄
pert Systems with Applications, 2012, 39: 11135-11148
[27]摇 Lee I, Bruin CT. Geographic knowledge discovery from
Web Map segmentation through generalized Voronoi dia鄄
grams. Expert Systems with Applications, 2012, 39:
9376-9388
作者简介摇 刘摇 庚,男,1981 年生,博士研究生.主要从事污
染场地污染物空间分布及空间分异性研究. E鄄mail:
liugeng9696@ 126. com
责任编辑摇 肖摇 红
8271 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷