地下水污染风险评价的综合模糊-随机模拟方法.docx

《地下水污染风险评价的综合模糊-随机模拟方法.docx》由会员分享，可在线阅读，更多相关《地下水污染风险评价的综合模糊-随机模拟方法.docx（16页珍藏版）》请在三一办公上搜索。

1、地下水污染风险评价的综合模糊-随机模拟方法 Jianbing Li，Gordon H. Huang等田 芳 译；冯翠娥、魏国强 校译本文建立的综合模糊-随机风险评价（IFSRA）方法能够系统地量化与场地条件、环境标准和健康影响标准相关的随机不确定性和模糊不确定性。模型输入参数的随机性使得数值模型预测的地下水污染物的浓度具有概率不确定性，而违反了相关的环境质量标准和健康评估标准的污染物浓度引发的后果具有模糊不确定性。本文以二甲苯为研究对象。环境质量标准按照严格程度分为三类：“宽松”、“中等”和“严格”。通过系统地研究因二甲苯摄取而导致的基于环境标准的风险（ER）和健康风险（HR），利用一个模糊规

2、则库，可以获得总风险水平。将ER和HR风险水平分为五个级别：“低”、“低-中等”、“中等”、“中等-高”和“高”。总风险水平包括从“低”到“很高”六类。根据问卷调查，建立相关模糊事件的模糊隶属函数和模糊规则库。因此，IFSRA的总框架包含了模糊逻辑、专家参与和随机模拟。与传统的风险评价方法相比，由于有效反映了这两类不确定性，因此提高了模拟过程的稳健性。应用开发的IFSRA方法来研究加拿大西部一个被石油污染的地下水系统。分析了具有不同环境质量标准的三种情境，获得了合理的结果。本文提出的风险评价方法为系统地量化污染场地管理中的各种不确定性提供了一种独特的手段，同时也为污染相关的修复决策提供了更实际

3、的支持。一、简 介加拿大有数千个工业污染场地，给人类健康和自然环境造成了巨大威胁。在为这些污染场地的有效修复和管理而制定决策的过程中，风险评价是重要的一步，它为场地污染的评价和严重程度的分级奠定了坚实的基础（加拿大环境部长委员会，简称CCME，1996）。然而，自然固有的随机性以及缺乏风险发生及其潜在后果的足量信息，限制了我们对风险的认识。因此，风险评价自然就和不确定性联系在一起（Wagner等，1992；Carrington和Bolger，1998）。忽视了评价过程中的不确定性往往会得出相反的结果。例如，修复系统的超安全标准设计会浪费资金和资源，而低估了风险就会限制场地管理行动的有效性，事实

4、上将严重威胁人类健康和自然环境。就污染场地在各种污染源和含水层条件下的风险评价方法，已经出版了大量文献。例如，Lee等（1994）提出了基于模糊集的方法来估计地下水污染对人类健康造成的风险，并评价了可能的补救措施；Goodrich和McCord（1995）应用蒙特卡罗方法考虑了地下水流和溶质运移过程中参数的不确定性，将模型输出结果应用于暴露评价；Mills等（1996）发展了以保护人类健康为目的的基于风险的方法，评价了土壤中石油残留物的可接受水平；Hamed和Bedient（1997）在风险评价中，利用一阶和二阶可靠性分析说明了不确定性；Batchelor等（1998）利用概率分布函数表达相关

5、参数，开发了场地的随机风险评价模型；Bennett等（1998）利用基于蒙特卡罗方法的污染物运移模拟结果，开发了一种风险评价的综合模拟系统；Maxwell等（1998，1999）也开发了一种将地下水运移模拟和人体暴露评价联系起来的综合系统；Lee等（2002）应用蒙特卡罗模拟评价了实施现场修复后，原地下水污染区内人类的健康风险。最近，提出一种混合方法，它把概率和模糊集方法结合起来，描述风险评价过程中模拟参数的不确定性（Li等，2003；Liu等，2004）。例如，为进行工业场地土壤镉污染的人体暴露评价，Guyonnet等（2003）将概率分布函数的蒙特卡罗随机抽样和模糊计算结合起来，来表现不同

6、的确定性；Kentel和Aral（2004）利用产生风险的模糊隶属函数和概率分布，进行了多途径暴露于受污染水体下的健康风险分析，其中，将污染物浓度和潜在致癌因素处理成模糊变量，而其余的模拟参数利用概率密度函数（PDF）进行处理。其它一些相关研究可参见Chen等（2003）以及 Kentel和Aral（2005）的著作。通过上文的文献回顾可知，随机和模糊集技术已经被广泛地用于研究与风险模拟输入和输出相关的不确定性。然而，之前的大部分研究都只涉及到污染物运移模拟中的参数不确定性，而关于环境质量标准和健康风险评价标准的不确定性则很少得到关注（Minsker和Shoemaker，1998；Chen等，

7、2003）。另外，在已出版的风险评价的研究著作中，很少有将不同类型的不确定性有效联系起来的。事实上，这种忽视会导致信息的遗漏，从而产生不切实际的决策支持。因此，势必要建立一种能够有效处理各种不确定性的先进方法。作为前人研究的一种拓展，本研究的目标就是要开发一种综合的模糊-随机风险评价方法（IFSRA），以实现与场地条件、环境质量标准和健康影响标准有关的随机不确定性和模糊不确定性的量化。本文尝试利用模糊逻辑和随机分析两种概念将两类不确定性联系起来，同时应用已建立的IFSRA方法研究加拿大西部一个被石油污染的地下水系统。二、反映环境系统的随机不确定性和模糊不确定性广义的不确定性包括两大类：随机不确

8、定性和模糊不确定性（Destouni，1992；Blair等，2001）。在概率方法中，用概率分布来描述参数的随机变化。利用一些统计抽样算法，通过数学模型，再将这些分布应用到输出变量上。而在模糊集方法中，用隶属函数来刻画人类思维的模糊性。这种方法能够非常好地处理“部分正确”这个概念，量化语言变量的不确定性（Chen和Pham，2001）。上述两种不确定性处理方法的基本原理是不同的（Chen，2000）。例如，图1（a）是土壤孔隙度（地下水模拟中的重要输入参数）的概率密度函数（PDF），图1（b）是“多孔土壤”的土壤孔隙度的隶属函数。孔隙度PDF曲线下面一个间隔的面积等于那个间隔所假设的孔隙度的

9、概率，但是假设等于一个特定值的概率为零（即P（=0.35）=0）（Chen，2000）。PDF曲线下方的总面积为1，表示样品空间中所有概率的总和为1。另一方面，隶属函数曲线下方的面积没有意义，总面积可能小于1，也可能大于1。孔隙度隶属函数的值在0到1之间（即（=0.35）=0.7，意味着土壤孔隙度0.35属于“多孔土壤”的概率为0.7）。图1 随机不确定性（a）和模糊不确定性（b）的比较当有足够的信息能够估计不确定性参数的概率分布时，就可以广泛使用概率方法，而当信息量极少时（即人类语言描述不精确），就非常适合用模糊集方法来处理不确定性。过去几年里，大量的环境研究都用到了概率方法或者模糊集方法（

10、Dahab等，1994；James和Oldenburg，1997；Batchelor等，1998；Maxwell等，1998；Mohamed和Cote，1999；Foussereau等，2000）。但在实际情况中，当各种参数具有不同的信息品质时，只应用一种方法来处理不确定性可能并不可行。例如，可能用概率分布来刻画污染物运移模型中土壤参数的不确定性，而环境标准和健康影响标准的不确定性就存在固有的模糊性。因此，当土壤参数可以用概率分布充分刻画的时候，如果用模糊的隶属函数来表述，那么就可能会丢失或捕捉不到一些重要的信息。另一方面，如果不确定性只能用语言变量（如风险评价标准）来描述但却使用概率分布来表

11、示，这种输入信息处理方式的不当将导致模拟初期就出现严重的输入错误。因此，有效处理模拟过程中各种不确定性的输入信息是一个非常具有挑战性的问题。单独使用模糊或者随机方法很难能刻画这种复杂性（Blair等，2001）。风险评价是环境决策制定中一个非常重要的组成部分，与之相关的是各种不确定性。既然风险定义为一种不良后果的暴露（Piver等，1998），那么它应包含两方面的内容：暴露和不良后果的性质。因此，风险评价中的不确定性模拟就是根据所有考虑到的风险相关信息，清楚地量化可能性和潜在的不良后果（Andricevic和Cvetkovic，1996）。本次研究假设与地下污染物运移模拟模型相关参数的不确定性

12、是随机性，而与风险评价相关的评价标准的不确定性是模糊性。因此，将建立一种综合的模糊-随机方法来解决这些复杂的问题，并针对场地污染造成的相关风险提供更实际的评价。三、地下水污染的风险评价1、污染物运移的随机模拟地下污染物运移模拟需要各种物理、化学和生物的输入参数。然而，一些基础参数，如土壤渗透性和孔隙度，一般很难得到准确和确定性的值（Labieniec等，1997）。在各种量化这些参数不确定性的随机技术中，应用最广泛的是蒙特卡罗模拟，它可以在数值模型中反复执行（James和Oldenburg，1997）。每次执行都会输出一个样品，然后对输出样品进行随机检验，以确定相关的概率分布。本研究已经建立了

13、蒙特卡罗模拟算法，并融合到名为UTCHEM的多相多组分的数值模拟器中，可以用来预测多种污染物浓度的时空分布（UTA，2000；Li等，2003）。因此，按照以下步骤建立一个随机模拟系统：（a）产生每个随机输入参数的随机数；（b）根据每个参数特定的统计分布特征，将随机数转换成相应的随机变量；（c）以数组的形式，储存每个参数产生的随机变量；（d）从每个参数的数组中获取一个值，将其作为多相多组分数值模型的确定性输入参数；（e）通过数值模型运行蒙特卡罗模拟，计算污染物浓度；（f）储存每次蒙特卡罗模拟运行后得到的污染物浓度的输出结果，以进行进一步的统计分析；（g）重复（a）（f）的步骤，运行一定次数的蒙

14、特卡罗模拟；（h）当所有运行完成后，停止计算；（i）分析污染物的浓度，并计算统计描述量（即对每个时间和空间单元，污染物浓度的平均值和标准差）。2、风险评价的一般方法与污染场地相关的风险特征通常利用基于环境标准的风险评价（ERA）和健康风险评价（HRA）来刻画（Carrington和Bolger，1998）。在本研究中，将基于环境标准的风险（ER）定义为因违背环境标准或者规定而造成的风险，将健康风险（HR）定义为因污染物慢性摄取而对健康造成的风险。为了进行地下水污染的风险评价，ERA方法将污染物浓度与相应的地下水质量标准进行比较。通过蒙特卡罗模拟，超过质量标准的污染物的概率（PF）可以用下式表示

15、：PF= P(CCs)=1F(Cs) （1）式中，C是污染物浓度，Cs是地下水质量标准，F(Cs)是从蒙特卡罗模拟结果中得到的污染物浓度的累积分布函数（CDF）。当浓度超过标准，但暴露极少的时候，不会优先考虑采取清洁措施。这种情况，不能单独用ERA进行刻画。为了更好地管理这种情况，需要更进一步的HRA。为了量化人类的健康风险，将污染物分类为致癌物质和非致癌物质。HRA包括评价致癌风险的生命过量致癌风险（excess lifetime cancer risk ，ELCR）模型和评价非致癌风险的危害指数（HI）模型。暴露于一种化学物质的程度可用下面的函数来表示（美国环保局，1989，1992）：C

16、DI=CWIREFED/（ATBW） （2）式中，CDI为长期每日摄取量（mg/kgd），CW是地下水中的污染物浓度（mg/L），IR是人类摄取速度（L/d），EF是暴露频率（天数/年），ED是平均暴露持续时间（年），BW是平均体重（kg），AT是平均时间（AT=365ED，单位是天）。然后，可以根据下面的方程来计算ELCR和HI：ELCR=CDISF （3）HI=CDI/RfD （4）式中SF是癌症斜率系数（kgd/mg），RfD是参考剂量（mg/kgd）。计算出的致癌风险值（即ELCR）表示暴露于特定污染物下罹患癌症的概率，它表示暴露于这些化学物质下的每一百万人中罹患癌症的人数。USEPA

17、定义了可接受的致癌风险水平介于10-410-6。另一方面，将由HI表示的非致癌风险可接受的水平定义为低于1.0。四、综合的模糊-随机风险评价图2是本文提出的综合的风险评价方法总框架。详细解释见下文。图2 综合的模糊-随机风险评价模拟框架1、将模糊不确定性和随机不确定性联系起来的必要性利用蒙特卡罗模拟方法直接进行环境风险分析有两个潜在的缺陷。首先，利用蒙特卡罗输出结果进行风险分析要求明确指定输入参数的概率分布；其次，研究人员通常都假设输入参数之间没有相关性，即使参数之间明显存在相关性。尽管有模拟参数之间相关关系的方法，但是对进一步的风险量化而言，它们都不够详细，尤其是在对这些相关性缺乏认识的时候

18、。因此，蒙特卡罗模拟的输出结果仍然存在不确定性。由于输入参数的随机性，因此认为污染物浓度超过相应标准的事件为一个随机事件。借助于概率的概念，利用蒙特卡罗模拟可以预测这类事件的发生。但是，它的后果（即风险）很难用概率来描述，因为蒙特卡罗模拟的输出结果和环境标准存在不确定性，而且不同的人可能对风险有不同的看法。这种结果属于一种模糊性，可以用隶属函数来量化。实际上，风险与两个方面有关：事件发生（即暴露）的概率和由此导致的后果（Finley和Paustenbach，1997）。系统地考虑这两个方面的联系对于实际的风险评价是非常重要的。本研究将基于环境标准的风险处理成一种模糊事件，分为“低”、“低-中”

19、、“中”、“中-高”、“高”五类。每一类与违反标准的概率大小相关，这个概率是从蒙特卡洛模拟的输出中获得的。此外，按照严格程度，标准也分为三个不同的集合，同时为量化风险水平，也将其考虑到模拟系统中。为这些模糊事件建立隶属函数依赖于对工业、政府、教育和研究机构的专家所进行的问卷调查。本研究共设计了48个问题，包括3个调查地下水质量标准严格程度的问题，15个关于三种不同严格程度的地下水质量标准下环境风险水平的问题，5个关于健康风险水平的问题，25个关于总风险水平的问题。如“对于一个中等的地下水质量标准，你将选择下列哪种二甲苯浓度（单选）：(a)约0.02mg/L；(b)约0.2mg/L； (c)约1

20、.0mg/L；(d)约2mg/L；(e)约4mg/L；(f)约8mg/L；(g)约10mg/L”。因此，本研究的总框架中包含了模糊逻辑、专家参与和随机模拟，利用模糊逻辑概念将概率和模糊不确定性联系了起来。2、模糊的环境质量标准基于环境标准的风险评价包括对污染物浓度和其相应的环境标准的比较。本研究选择二甲苯作为污染物研究对象。不同的国家、州和省有明显不同的地下水质量标准。如在瑞典、新泽西州、加拿大、日本、北卡罗来那州、加利福尼亚州和伊利诺斯州，二甲苯的标准分别是0.02mg/L，0.04mg/L，0.3mg/L，0.4mg/L，0.53mg/L，1.8mg/L和10mg/L。对环境风险分析而言，

21、许多标准被认为是过于保守和不切实际的（Chen等，2003）。因此，在不同的地区，风险指标（如违反标准的程度）也是不一致的，因而导致标准应用的不确定性。这种不确定性很难用概率分布来量化，但是可以利用语言变量来描述，而语言变量又可用模糊逻辑方法来量化。为了便于进行基于标准的环境风险分析，本研究将标准分为三个模糊集，即“严格”、“中等”和“宽松”。进行问卷调查收集建立隶属函数所需的数据，然后再利用模糊逻辑方法来处理主观看法。利用选择频率最高的选项来确定相关的模糊集。利用Chen等（1992）和Cheng（2000）提出的转化方法，系统地将语言变量转换为它们相应的模糊集。语言变量转化程序包括选择一个

22、包含决策制定者给出的所有语言项的图形，然后再对该图形使用隶属函数来表现语言项的意义。研究发现：有52%的被调查者认为“二甲苯的浓度应当在大约1.0mg/L或更少”是一个“严格”的标准；50%的被调查者选择“二甲苯的浓度应当在大约4.0mg/L”作为“中等”标准；47.4%的被调查者选择“二甲苯的浓度应当在大约8.0mg/L或更大”作为“宽松”标准。据此可以建立这三个模糊集的隶属函数（图3）。例如，如果地下水质量标准是1.8mg/L，那么可以分为部分“中等”（隶属度是0.27），部分“严格”（隶属度是0.60）。图3 地下水质量标准的隶属函数3、基于模糊的环境标准的风险评价在严格标准下，根据基于

23、环境标准的风险的问卷调查结果，发现55.3%的被调查者认为“违反标准的概率大约是50%或者更低”是“低风险”；57.9%的被调查者选择“违反标准的概率大约是60%”是“低-中等风险”；57.9%的被调查者选择“违反标准的概率大约是70%”是“中等风险”；57.9%的被调查者选择“违反标准的概率大约是80%”是“中等-高风险”；76.3%的被调查者选择“违反标准的概率大约是90%或者更高”是“高风险”。再依据Chen等（1992）和Cheng（2000），根据调查结果建立这些模糊集的隶属函数（图4）。在这个图中，“L”，“L-M”，“M”，“M-H”和“H”分别代表“低”，“低-中等”，“中等”

24、，“中等-高”和“高”。例如，如果蒙特卡罗模拟结果违反严格标准的概率是75%，那么相关的基于环境标准的风险就可以分为部分“中等”（隶属度是0.50），部分“中等-高”（隶属度是0.50）。类似地，可以依据问卷调查结果，分别建在中等和宽松标准下，建立基于模糊环境标准的风险隶属函数。图4 与违反地下水质量标准（a）严格标准，（b）中等标准，（c）宽松标准）的概率相关的模糊的环境风险的隶属函数4、模糊的健康风险评价HRA经常采用USEPA出版的参考剂量（RfD）和癌症斜率系数（SF），它们通常都来自于实验室的动物研究结果。随着越来越多毒性试验的完成，许多关于RfD和SF的更新数据将补充到USEPA的

25、数据库中。例如，USEPA最近就将二甲苯的RfD的值降低了10倍（从2.0变为0.2 mg/kgd）（USEPA，2003）。这就使相关的风险分析出现了明显不同的结果。例如，在USEPA的标准下，应用原来的RfD得到的HI是0.137，而应用新的RfD得到的HI是1.37。结果，不同的风险值将导致不同的健康风险感知，最终产生不同的决策行动。因此，应当将由不完全的毒性信息造成的这些不确定性融合到风险分析的过程中。但是，可用信息的质量不够好，不足以用概率分布来描述这些标准的适用性，给量化相关的健康风险造成了一定的困难。由于这些不确定性通常显示出主观的特征，因此本文建议使用模糊逻辑方法来解决相关的复

26、杂性。本文将调查研究二甲苯引入的非致癌健康风险。通过与不同大小的HI结合起来，将健康风险水平分为“低”，“低-中等”，“中等”，“中等-高”和“高”。进行问卷调查来获得相关的隶属函数。所调查的HI从0.04（对应于加拿大的二甲苯地下水质量标准）到1.6（接近于USEPA的二甲苯标准）。与确定基于环境标准的风险水平相似，可以建立相关的模糊健康风险水平的隶属函数。对所调查的HI（0.041.6）取对数，如Log(10HI)，来建立隶属函数（图5）。例如，如果计算的HI是0.40，那么相关的健康风险一部分是“中等”（隶属度是0.5），一部分是“中等-高”（隶属度是0.5）。图5 与危害指数（HI）相

27、关的健康风险的隶属函数5、总风险水平和风险管理的规则库综合考虑基于环境标准的风险和健康风险就得到总风险水平。由于没有数学模型能将这两类风险联系起来，因此总风险水平的量化只能基于主观判断，而不是通过概率分析得到。然后引入模糊推理过程，通过模糊隶属函数和模糊规则来量化这种风险。这个规则通常包含一个条件部分（例如前提）和一个结论部分（例如结果）。一个前提可能只是一条简单的规定或通过模糊逻辑运算符AND，OR和NOT连接起来的几条规定的综合。例如，“如果基于环境标准的风险是中等，健康风险是高，那么总风险就是中等-高”，这里，“中等”是“基于环境标准的风险”的一个模糊集，“高”是“健康风险”的一个模糊集

28、，“中等-高”是“总风险”的一个模糊集。这是模糊规则的一种形式，其中“基于环境标准的风险”和“健康风险”是输入变量，“总风险”是输出变量。这样的一组规则称之为规则库（Mohamed和Cote，1999）。本研究将根据对专家和利益相关者的问卷调查所获得的一系列模糊规则确定总风险。将总风险水平划分为六个模糊集：“低”，“低-中等”，“中等”，“中等-高”，“高”和“非常高”。利用模糊逻辑运算符“AND”来连接这些规则前提中的因素。由于这两种风险包含五类模糊事件，因此共有150个规则（556）。如果一个规则在调查中出现的频率最高，那么它就会保留在确定总风险水平的规则库中。结果共得到25个模糊规则。既

29、然总风险水平可以分为六类：“低”，“低-中等”，“中等”，“中等-高”，“高”和“非常高”，那么就可以依据Chen等（1992）与Mohamed和Cote（1999）来建立这些模糊事件相应的隶属函数（图6）。为了使总风险水平有单一的场地得分，主观地将总风险水平的范围（即GRL=0，100）赋到模糊集上（Mohamed和Cote，1999）。这些数值与输入的风险因素（例如，基于环境标准的风险和健康风险）的值没有直接关系。但是，建立总风险水平的模糊集之后，就可以根据环境标准，违反标准的概率和相应的HI，通过“AND”或者“OR”运算，得到场地风险得分。这个过程将通过下面的实例研究来阐述。根据计算得

30、到的描述总风险水平的场地得分，来做出场地管理决策。表1列出了场地得分和建议的管理行动之间的关系（(Mohamed和Cote，1999）。图6 模糊的总风险水平的隶属函数表1 建议的管理行动计算出的场地得分风险管理行动90100应该立即对场地进行清洁7090采取全部可能的措施来处理场地5070遏制场地情况的进一步恶化并限制地下水的使用3050采取临时控制措施并限制进入场地1030应该对场地进行监测010不需采取任何行动五、实例研究1、场地概况本文选择加拿大西部的一个石油污染场地进行实例研究，来阐述上文所提出方法的应用。场地内有一个天然气处理厂，作用是在天然气运输到区域运输管线之前，去除气流中的石

31、脑油冷凝物。在这个场地的历史上，从天然气中去除的石脑油冷凝物、废液都是在以前的地下储油罐（UST）中处理的。由于这个UST过去几年的渗漏，场地已被污染。在过去的几年间，为查明区内的水文地质条件和相关的污染问题，进行了很多的野外调查。经过多次场地调查确定了地下水的流动方向。以前位于场地地下水上游的UST，在迁移之前，石油产品的渗漏率大约是55m3。在地下水下游发现了各种形式的污染物，如蒸发烃，地下水中的溶解烃以及土壤捕获的烃等。本次研究的对象是二甲苯，它是一种有毒的化学物质，可以损害呼吸功能、记忆力、肝肾功能、肌肉的协调能力，导致头昏眼花，并可能对生殖能力产生影响。极端情况下，可能会导致死亡（U

32、SEPA，2003）。以前在位于UST西部的监测井，观测到二甲苯的最大浓度是1.12mg/L。这个浓度比当地的环境标准高。因此，这个场地的土壤和地下水污染可能会造成环境风险和健康影响。2、随机模拟的结果建立随机模拟系统来模拟地下水中的污染物运移。研究区的平面面积是180150m2，垂向厚度是20m。模型分为四层，基于有限差分原理。每一层的网格剖分数量是3025，每个网格在x，y，z的方向上的大小分别是6m，6m和5m。参与计算的网格数量共计3000个（30254）。其中，第3层和第4层位于饱和带，第1层和第2层位于非饱和带。研究区的土壤类型包括砂土、冰碛粘土和粉质粘土。模型输入参数的确定经过了

33、多次的认真分析和确认，包括以前的场地调查、实验室分析和模拟研究。认为土壤渗透系数（Kxx）和孔隙度（）的值分别服从对数正态分布和正态分布。基于假设的概率分布，利用三种土壤类型（砂、冰碛粘土和粉质粘土）的Kxx和的平均值和标准差来产生Kxx和的蒙特卡罗实现。这样，运行这个随机模拟系统，就得到了污染物浓度的分布类型。尽管该模拟系统预测了多种污染物（苯、甲苯、乙苯和二甲苯等）浓度的时空分布，但本文只介绍了二甲苯浓度的模拟结果。为进一步的模糊随机风险评价，利用每次蒙特卡罗模拟得到10年之后场地内污染物的峰值浓度。峰值范围在0.931到1.951mg/L，平均值是1.35mg/L，标准差是0.316mg

34、/L。图7显示了二甲苯峰值浓度的累积相对频率分布。图7 二甲苯峰值浓度的累积相对频率分布3、风险评价的结果根据萨斯喀彻温省、加利福尼亚州和USEPA的饮用水质标准，分三种情境进行讨论。分析了标准的严格程度，求得违反标准的概率来分析相关的基于环境标准的风险。利用蒙特卡罗模拟输出的二甲苯峰值浓度的平均值来分析人类摄取的HI。然后量化相关的健康风险。这样，通过模糊的“AND”和“OR”的运算，就可以获得基于环境标准的风险和健康风险的总风险水平。第一种情境是应用萨斯喀彻温省的二甲苯为0.3mg/L的地下水水质标准。从图3可以看出，这个标准是“严格”的（隶属度是1.0）。同时从图7中可以看出，P（C0.

35、3）=F（0.3）=0.0，因此根据方程（1），得出违反标准的概率PF=1F（0.3）=1.0。这样，当概率是1.0同时标准是“严格”的时候，从图4（a）可以看出基于环境标准的风险（ER）是“高”，隶属度是1.0，如图8（a）和（d）所示。由于二甲苯峰值浓度的平均值是1.35mg/L，根据方程（2）计算得到相应的慢性日摄取量（CDI）为0.037mg/kg天。当参考剂量（RfD）是0.2mg/kg天时，根据方程（4）计算得到相应的HI是0.185。当HI等于0.185时，从图5中可知相应的健康风险（HR）一部分是“低-中等”（隶属度是0.33），一部分是“中等”（隶属度是0.67），如图8（b

36、）和（e）所示。因此，前提的两种结合（即必须分析的两种规则）包括：（a）如果ER是“高”，HR是“低-中等”；（b）如果ER是“高”，HR是“中等”。图8 第一种情境的模糊推理过程（a）和（d）是环境风险，（b）和（e）是健康风险，（c）、（f）和（g）是总风险水平相关的模糊推理过程如图8所示。对规则的前提进行“AND”模糊运算，来确定结果（例如GR=Min（ER,HR）。换句话说，将两个输入因子（ER和HR）中最小的隶属度赋到输出因子（GRL）上。在“如果ER是高，HR是低-中等”的前提下，总风险水平是“高”。根据图6，“高”的总风险水平用场地分数从60到100的三角形隶属函数来表示，如图8

37、（c）所示，这个风险水平相应的隶属度是GR=Min（1.0，0.33）=0.33。类似的，在第二种前提“如果ER是高，HR是中等”下，总风险水平是“高”，隶属度是GR=Min（1.0，0.67）=0.67，如图8（f）所示。这样，推理过程的输出结果是两个按比例缩小的模糊的总风险水平（GRLs）（Mohamed and Cote，1999）。再对这两个GRLs进行模糊的“OR”运算。如图8（g）所示，第一种情境最终的GRL是“高”，场地分数从60到100，隶属度是GR=Max（0.33，0.67）=0.67。再计算模糊的GRL值的质心，最终得到GRL的脆弱值是80。这样，根据表1，建议的风险管理

38、行动是“采取全部可能的措施来处理场地”。第二种情境是应用加利福尼亚州二甲苯为1.8mg/L的地下水水质标准。这个标准要比相应的萨斯喀彻温省的环境标准宽松。图3显示这个标准一部分是“严格”（隶属度是0.60），一部分是“中等”（隶属度是0.27）。从图7中也可以看出违反标准的概率是PF=1F（1.8）=0.14。这样，当概率是0.14，标准是“严格”的时候，用模糊的“AND”运算，根据图4（a），得到基于环境标准的风险（ER）是“低”，隶属度是0.60（=Min（1.0，0.60）；当概率是0.14，标准是“中等”的时候，用模糊的“AND”运算，根据图4（b），得到基于环境标准的风险（ER）也是

39、“低”，隶属度是0.27（=Min（0.80，0.27）；当概率是0.14，标准是“中等”时，ER也可能是“低-中等”，隶属度是0.2（=Min（0.20，0.27）。由于ER可能是“低”，隶属度是0.60或者是0.27，所以应用模糊的“OR”运算，得到ER的风险水平。最终，该情境下的ER一部分是“低”（隶属度是0.60），一部分是“低-中等”（隶属度是0.20）。由于健康风险的计算基于健康影响标准而不是环境质量标准，因此第二种情境下的健康风险（HR）与第一种情境的相同。健康风险仍然一部分是“低-中等”，一部分是“中等”。因此，在第二种情境下，存在四种前提：（a）如果ER是“低”，且HR是“低

40、-中等”；（b）如果ER是“低”，且HR是“中等”；（c）如果ER是“低-中等”，且HR是“低-中等”；（d）如果ER是“低-中等”，且HR是“中等”。与第一种情境的分析相似，推理过程的输出结果是四个按比例缩小的GRLs。最终得到的GRL一部分是“低-中等”，隶属度是0.33，另一部分是“中等”，隶属度是0.60，场地分数从0到60。然后通过计算模糊的GRL的质心，得到GRL的脆弱值是36，比第一种情境的低。因此，根据表1，建议的风险管理行动是“采取临时控制措施并限制进入场地”。与第一种情境相比，应用较宽松的环境质量标准将导致风险管理措施的成本降低。第三种情境是应用USEPA的二甲苯为10mg

41、/L的地下水水质标准，这个标准比前两个情境的要宽松得多。与第一种情境和第二种情境的分析相似，最终的GRL一部分是“低-中等”，一部分是“中等”，GRL的脆弱值是36。这个值与第二种情境的相同，但是要比第一种情境的低。这样与前两种情境相比，尽管应用了一个宽松得多的环境质量标准，但根据表1，建议的风险管理行动仍然是“采取临时控制措施并限制进入场地”。这是由于当基于环境标准的风险水平是“低”的时候，根据模糊规则库，所计算的健康风险水平（即三种情境具有相同的水平）将显著影响总风险水平（GRL）。六、讨 论综合的模糊-随机方法，简称IFSRA，解决了风险评价过程中的随意性和不严密性导致的不确定性。由于模

42、拟输入参数的随机性，利用数值模型预测的地下水污染物浓度就存在概率不确定性，而违背相关环境质量标准和健康评价标准的污染物浓度的后果具有模糊不确定性。与传统的风险评价方法相比，本文提出的IFSRA考虑了环境质量标准和健康影响标准存在的模糊不确定性。通过建立模糊不确定性和随机不确定性的联系，同时也解决了因蒙特卡罗模拟输出的不确定性导致的风险评价的不确定性。因此，本文提出的方法为决策制定者提供了一个更实际的风险认知。根据问卷调查，建立了产生总风险水平的模糊事件的隶属函数和模糊规则库，它们代表了被调查的利益相关者的认知。隶属函数的范围和形状也是主观的，依赖于所调查的特定问题。本文提出的方法没有考虑模糊隶

43、属函数和规则库本身的不确定性，还需要进一步的调查研究。此外，本研究考虑了土壤性质、环境标准和健康影响的不确定性。尽管多相多组分的模拟可以预测多种污染物的浓度，但本文只研究了一种污染物（即二甲苯）的非致癌风险。然而，对于场地管理决策而言，需要全面考虑多种污染物的致癌风险和非致癌风险，因此还需对本文提出的方法进行进一步的拓展，以达到完善。而且，污染物运移模型和风险评价模型中许多其它参数的不确定性，如土壤弥散度，日摄取率，体重和暴露时间，也会影响预测的污染物浓度和最终得到的风险水平，未来需要加强这方面的研究。七、结 论本文建立了一种综合的模糊-随机风险评价方法来系统地量化与场地条件、环境标准和健康影

44、响标准相关的随机和模糊的不确定性。同时也有效地建立起两类不确定性之间的关系。建立的依据是：（a）利用三维多相、多组分数值模型，对地下污染物的归宿进行蒙特卡罗模拟，解决随机不确定性，（b）对以累积分布函数表达的模拟结果进行检查，（c）利用问卷调查建立的模糊隶属函数量化环境标准和健康影响，（d）基于模糊和随机输入量化环境和健康影响，（e）基于模糊逻辑方法评价总风险水平。这样，IFSRA的总框架中就包含了模糊逻辑，专家参与和随机模拟。与传统的风险评价方法相比，由于有效地反映了两类不确定性，因此提高了模拟过程的稳健性。将建立的IFSRA应用于加拿大西部一个石油污染的地下水系统。分析了不同环境质量标准下的三种情境，获得了合理的结果。本文建立的风险评价方法为系统地量化与石油污染场地相关的各类不确定性提供了一种独特的手段。译自Journal of Environmental Management（2007）