利用地理統(tǒng)計(jì)於土壤重金屬污染分布之研究

1、利用地理統(tǒng)計(jì)於土壤重金屬污染分布之研究張迪惠1 劉冠林2 劉長益3 何信霖3 彭啟彰3 1朝陽科技大學(xué)環(huán)境工程與管理系助理教授2朝陽科技大學(xué)環(huán)境工程與管理系研究生3朝陽科技大學(xué)環(huán)境工程與管理系專題生摘要本研究利用模糊理論配合地理資訊系統(tǒng)探討土壤重金屬污染在空間上的分布情形，研究地點(diǎn)選擇彰化與和美的交界處。利用已知的採樣資料，以模糊分類法將各重金屬污染濃度加以分級(jí)，並計(jì)算每個(gè)採樣點(diǎn)屬於某個(gè)等級(jí)的可能性，其次將模糊分類的結(jié)果利用克利金法作空間上的內(nèi)插。結(jié)果顯示我們可利用少許的重金屬污染採樣資料來預(yù)測整個(gè)地區(qū)的污染分布。關(guān)鍵字：模糊分類，F(xiàn)uzzy K mean，土壤重金屬1 研究緣起與目的土壤污染

2、多年來嚴(yán)重地影響人體健康與環(huán)境品質(zhì)，其中以重金屬污染為害最深，因?yàn)橹亟饘倬哂懈叨鹊姆€(wěn)定性，不易由自然界分解。土壤復(fù)育必須先確定污染程度與污染範(fàn)圍才能加以根治。為了得到重金屬的污染分布情形，過去的研究多半採用地理統(tǒng)計(jì)的方法，亦即先在污染區(qū)做分散式的採樣，然後根據(jù)環(huán)保單位所頒訂之分級(jí)制度加以描述各地區(qū)的污染程度，然而這種分級(jí)的方式卻無法考慮到土壤污染在空間分布上的多樣性。土壤重金屬含量分布往往是極不均勻，在短距離內(nèi)就可能有極大的變異發(fā)生，在小面積內(nèi)可能會(huì)出現(xiàn)多處的極端值，所以必須以更密集的採樣來掌握其污染分佈的資訊。如何利用有效的人力資源與現(xiàn)有的科技方法來減少密集採樣所需要之成本負(fù)擔(dān)是環(huán)境監(jiān)測上的

3、重要議題。模糊分類法 (Fuzzy Classification 縮寫為FC ) 對近年來已被利用於各種空間上分佈的預(yù)測且被證實(shí)能有效的考慮到空間上的變異問題 (McBratney and De Gruijter, 1992; Odeh et al., 1992; De Gruijter et al., 1997; Franssen et al., 1997; Dobermannand Oberthur, 1997)。本研究目的利用模糊分類法配合地理資訊系統(tǒng)能幫助我們有效的判斷整個(gè)污染區(qū)域的污染程度與分布情形，讓環(huán)境監(jiān)測數(shù)據(jù)發(fā)揮最大之功效。 2 材料與方法2-1研究材料本研究中所使用的樣本區(qū)域

4、主要集中在彰化市與和美鎮(zhèn)的交接地區(qū)，麥?zhǔn)献鶚?biāo)介於 2,663,698N 2,664,332N 以及 199,334E 200,053E (如 Fig.1)。彰化市以紡織、金屬、機(jī)械、化學(xué)為主，和美以紡織、金屬、化學(xué)為主。彰化縣目前尚無污水處理設(shè)備，無法做到灌排分離所致，以致工廠的放流水仍然會(huì)流入灌溉渠。橫跨彰化市、和美鎮(zhèn)的東西二灌溉渠水與工業(yè)活動(dòng)造成該區(qū)重金屬含量偏高，有關(guān)彰化縣土壤重金屬資料的描述請參照徐明麟(1997)。 所採集的土壤樣品經(jīng)過風(fēng)乾之後再磨粉，透過2毫米的篩子和使用王水消化法萃取土壤中的重金屬，最後再用原子吸收分光光度計(jì)來分析重金屬的污染濃度，所分析的重金屬包括砷(As)、鎘

5、(Cr)、鉻(Cd)、銅(Cu)、汞(Hg)、鎳(Ni)、鉛(Pb)、鋅(Zn)等八種。由於選定的污染區(qū)以電鍍業(yè)為主的工業(yè)活動(dòng)，所以選取Zn為本文主要的探討對象，然而本研究方法並不侷限於某單一重金屬污染物。Fig. 1, 研究區(qū)域與採樣點(diǎn)位置圖 2-2 研究流程本研究之流程如Fig. 2所示，首先將Fig. 1之採樣點(diǎn)以隨機(jī)方式抽取百分之八十的樣本點(diǎn)輸入模糊分類的模式，分類的結(jié)果將產(chǎn)生該重金屬於各個(gè)污染等級(jí)的隸屬函數(shù)值(membership value)，其次將模糊分類的結(jié)果以克利金法做內(nèi)插預(yù)測，即可得到整個(gè)地區(qū)污染程度的空間分布圖。最後我們將上述的分布圖利用剩餘百分之二十的樣本點(diǎn)來驗(yàn)證我們的

6、預(yù)測結(jié)果。1. 污染地區(qū)採樣濃度的取得2. 以隨機(jī)的方式擷取百分之八十的採樣點(diǎn)來做模糊分類，另外百分之二十用來驗(yàn)證分類的結(jié)果3. 上述百分之八十採樣點(diǎn)將依據(jù)不同的重金屬進(jìn)行模糊分類4. 分類的結(jié)果以克利金法進(jìn)行空間上的內(nèi)插5. 以步驟二之百分之二十的樣本點(diǎn)來驗(yàn)證模擬結(jié)果Fig. 2, 研究流程圖2-3模糊分類法模糊分類的原理是利用最佳化法來減少各類別的中心值與各點(diǎn)的樣本值之間的距離，在本研究中所謂的樣本值指各種重金屬污染物的濃度，類別是指污染等級(jí)，分類的結(jié)果將產(chǎn)生某重金屬於各個(gè)污染等級(jí)的隸屬函數(shù)值，所謂的隸屬函數(shù)值可解釋為可能性，0代表不可能；1代表絕對可能。本研究的模糊分類法稱為Fuzzy

7、K mean，由McBratney and De Gruijter (1992)所提出，公式(1)即為最佳化的目的式(1)i：測量點(diǎn)位置 k：重金屬污染等級(jí) (k的數(shù)值為1到c)c：模糊等級(jí)的總數(shù) (由Fuzzy model決定)m：該重金屬屬於k等級(jí)的隸屬函數(shù)值d：重金屬測量點(diǎn)的距離X：重金屬污染的濃度C：某污染物等級(jí)的中心值：Fuzzy權(quán)重 (由Fuzzy model決定)公式(1)中所需要的隸屬函數(shù)值mik 與各等級(jí)的中央值Ck 由公式(2)與(3)所取得 (2) (3)由最小的JE值來決定模糊等級(jí)的總數(shù)c以及模糊權(quán)重，最後將k以及代入(2)、(3)式，最終的目的即是求得mik，即是某個(gè)

8、位置i某重金屬污染物屬於等級(jí)k的可能性。3 結(jié)果與討論模糊分類的結(jié)果如Fig 3(a)Fig 3(f)所示，如同上述模糊分類是由最小的JE值來決定模糊等級(jí)的總數(shù)c以及模糊權(quán)重，本研究的模擬結(jié)果得到最佳的模糊等級(jí)的總數(shù)c = 6以及模糊權(quán)重=1.3，各模糊等級(jí)的Zn濃度的中心值如Table 1所示。Table 1. 各模糊等級(jí)的Zn濃度的中心值等級(jí)123456中心值 (mg/kg)1825871114169422093359Fig. 3(a) 表示模糊等級(jí)第一級(jí)(中心值濃度為 182 mg/kg)的隸屬函數(shù)分佈情形，其中的ê號(hào)代表百分之二十的驗(yàn)證點(diǎn)中濃度界於的樣本點(diǎn)位置，其中為第一級(jí)中

9、心值濃度，為標(biāo)準(zhǔn)差，由Fig. 3(a)可看這些驗(yàn)證點(diǎn)皆坐落在隸屬函數(shù)值高的區(qū)域，類似的情況也出現(xiàn)在其他模糊等級(jí)Fig 3(b)Fig 3(f)，但Fig.(e)與(f)中由於百分之二十的驗(yàn)證點(diǎn)並沒有數(shù)於該等級(jí)的點(diǎn)，所以並無ê號(hào)顯示。一般而言，本研究模擬的Zn分布圖與驗(yàn)證結(jié)果相當(dāng)穩(wěn)合。Fig. 3(a),模糊等級(jí)第一級(jí)(中心值濃度為 182 mg/kg)的隸屬函數(shù)值。(0代表不可能，1代表絕對可能)Fig. 3(b), 同3(a)，但模糊等級(jí)為第二級(jí)(中心值濃度為 587 mg/kg)的隸屬函數(shù)值。Fig. 3(c), 同3(a)，但模糊等級(jí)為第三級(jí)(中心值濃度為 1114 mg/k

10、g)的隸屬函數(shù)值。Fig. 3(d), 同3(a)，但模糊等級(jí)為第四級(jí)(中心值濃度為 1694 mg/kg)的隸屬函數(shù)值。Fig. 3(e), 同3(a)，但模糊等級(jí)為第五級(jí)(中心值濃度為 2209 mg/kg)的隸屬函數(shù)值。Fig. 3(f), 同3(a)，但模糊等級(jí)為第六級(jí)(中心值濃度為 3359 mg/kg)的隸屬函數(shù)值。4 結(jié)論本研究探討土壤重金屬Zn在空間上的分布情形，以模糊理論配合地理資訊系統(tǒng)來模擬空間分布，並以隨機(jī)抽取的驗(yàn)證點(diǎn)來評估模擬結(jié)果。結(jié)果顯示本模式在土壤重金屬的推估上證實(shí)有良好的表現(xiàn)。5 參考文獻(xiàn)McBratney, A.B., Chittleborough, D.J., (1992). “Soil pattern recognition with fuzzy c-means: application to classification and soil-landform interrelationships”. Soil Sci. Soc. Am. J. 56, 505 516.Dobermann, A., Oberthur, T., (1997). “Fuzzy mapping of soil fertilitya case studies on irrigated ri