利用地理統(tǒng)計於土壤重金屬污染分布之研究

1、利用地理統(tǒng)計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朝陽科技大學環(huán)境工程與管理系助理教授2朝陽科技大學環(huán)境工程與管理系研究生3朝陽科技大學環(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，並計算每個採樣點屬於某個等級的可能性，其次將模糊分類的結果利用克利金法作空間上的內插。結果顯示我們可利用少許的重金屬污染採樣資料來預測整個地區(qū)的污染分布。關鍵字：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、多年來嚴重地影響人體健康與環(huán)境品質，其中以重金屬污染為害最深，因為重金屬具有高度的穩(wěn)定性，不易由自然界分解。土壤復育必須先確定污染程度與污染範圍才能加以根治。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制度加以描述各地區(qū)的污染程度，然而這種分級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，在短距離內就可能有極大的變異發(fā)生，在小面積內可能會出現(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擔是環(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測且被證實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)，麥氏座標介於 2,663,698N 2,664,332N 以及 199,334E 200,053E (如 Fig.1)。彰化市以紡織、金屬、機械、化學為主，和美以紡織、金屬、化學為主。彰化縣目前尚無污水處理設備，無法做到灌排分離所致，以致工廠的放流水仍然會流入灌溉渠。橫跨彰化市、和美鎮(zhèn)的東西二灌溉渠水與工業(yè)活動造成該區(qū)重金屬含量偏高，有關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，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之採樣點以隨機方式抽取百分之八十的樣本點輸入模糊分類的模式，分類的結果將產(chǎn)生該重金屬於各個污染等級的隸屬函數(shù)值(membership value)，其次將模糊分類的結果以克利金法做內插預測，即可得到整個地區(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來驗證我們的

6、預測結果。1. 污染地區(qū)採樣濃度的取得2. 以隨機的方式擷取百分之八十的採樣點來做模糊分類，另外百分之二十用來驗證分類的結果3. 上述百分之八十採樣點將依據(jù)不同的重金屬進行模糊分類4. 分類的結果以克利金法進行空間上的內插5. 以步驟二之百分之二十的樣本點來驗證模擬結果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，分類的結果將產(chǎn)生某重金屬於各個污染等級的隸屬函數(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：測量點位置 k：重金屬污染等級 (k的數(shù)值為1到c)c：模糊等級的總數(shù) (由Fuzzy model決定)m：該重金屬屬於k等級的隸屬函數(shù)值d：重金屬測量點的距離X：重金屬污染的濃度C：某污染物等級的中心值：Fuzzy權重 (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值來決定模糊等級的總數(shù)c以及模糊權重，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

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

9、心值濃度，為標準差，由Fig. 3(a)可看這些驗證點皆坐落在隸屬函數(shù)值高的區(qū)域，類似的情況也出現(xiàn)在其他模糊等級Fig 3(b)Fig 3(f)，但Fig.(e)與(f)中由於百分之二十的驗證點並沒有數(shù)於該等級的點，所以並無ê號顯示。一般而言，本研究模擬的Zn分布圖與驗證結果相當穩(wěn)合。Fig. 3(a),模糊等級第一級(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)，但模糊等級為第二級(中心值濃度為 587 mg/kg)的隸屬函數(shù)值。Fig. 3(c), 同3(a)，但模糊等級為第三級(中心值濃度為 1114 mg/k

10、g)的隸屬函數(shù)值。Fig. 3(d), 同3(a)，但模糊等級為第四級(中心值濃度為 1694 mg/kg)的隸屬函數(shù)值。Fig. 3(e), 同3(a)，但模糊等級為第五級(中心值濃度為 2209 mg/kg)的隸屬函數(shù)值。Fig. 3(f), 同3(a)，但模糊等級為第六級(中心值濃度為 3359 mg/kg)的隸屬函數(shù)值。4 結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，並以隨機抽取的驗證點來評估模擬結果。結果顯示本模式在土壤重金屬的推估上證實有良好的表現(xiàn)。5 參考文獻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