基于耦合模型的典型棕（褐）地环境风险减缓机制研究

With the rapid urbanization and industrial structural adjustment, the increasing contaminated lands (called Brownfields) have been abandoned, resulting in adverse effects to the environmental sustainability. The environment risk is characterized by its complexity and uncertainty. Therefore, the quantitative examination of environmental risk assessment and curtailment mode have not achieved a breakthrough due to its complexity and uncertainty.The objectives of this study are to to reduce or eliminate the inaccuracy of environment risk characterization due to the complexity and uncertainty of Brownfields and investigate the curtailment mechanism of environment risk. In this project, we are planning to examine typical Brownfields in Wuxi City, to determine the risk sources, risk types and the levels of overall risks, and to develope the environment risk assessment index system on the basis of truth test and validity test, through debugging the BP neural network model with the data of selected indicators and risk results of the study area. We will obtain the corresponding index data for different intensities of the curtailment mode by using the integration of Monte Carlo model and BP neural network to calculate the environment risk, improve the accuracy, decrease the complexity and uncertainty, and to reveal the curtailment mechanism of environment risk.

随着城市化进程加快以及产业结构调整，经济发达地区被废弃的污染工矿场地，即棕（褐）地数量剧增，环境风险日趋严重且具有复杂性和不确定性的特点，而已有的风险评价及风险减缓研究尚未能针对环境风险的这一基本特点提出有效的解决办法。本研究的科学问题就是针对棕（褐）地环境风险的复杂性与不确定性，如何明确其产生的原因和影响因素，并设法削减直至削除其对环境风险准确表征的干扰。本项目拟通过对江苏省无锡市乡镇企业集中区的典型棕（褐）地环境风险的调查、识别，确定环境风险来源、类型及总量；在效度检验和信度检验基础上，筛选环境风险评价指标，使用环境风险调查与监测数据对BP神经网络模型进行调试，将已训练好的BP神经网络与蒙特卡罗模型进行耦合，分析环境风险测算精度的提高效果及改进方式，以降低环境风险的复杂性和不确定性因素的影响；针对不同强度的减缓模式获取相应的指标数据，输入耦合模型测算环境风险值，揭示环境风险减缓机制。

当前针对环境风险减缓模式的研究以定性分析为主，且侧重于生态风险与人类健康风险，对环境风险变化过程中的复杂性和不确定性分析不足，导致棕（褐）地环境风险表征存在差异。因此，探讨合理的定量风险评价方法，对解决现有的环境风险问题以及后续的环境风险控制管理工作具有重要意义。. 针对上述问题，本研究首先进行典型棕（褐）地环境风险调查与识别，分析风险来源、类型及总量，编制了我国棕（褐）地类型及影响因素分布图；针对棕（褐）地环境风险变化特征，筛选出能够反映当前环境风险的评价指标，并进行指标的效度和信度检验，构建了环境风险评价指标体系；将训练好的BP神经网络嵌入到蒙特卡罗模型，获取模拟后的环境风险预测值的概率分布，有效降低了环境风险不确定性的客观性因素的干扰，提高了测算精度；基于BP神经网络与蒙特卡罗的耦合模型探索各风险减缓模式及不同强度下的环境风险值及时空差异特征，从而揭示了典型棕（褐）地环境风险减缓机制。主要实证研究及结果如下：（1）将生命周期理论应用到环境风险变化分析中，并以无锡市锡山区典型棕（褐）地为例进行了环境风险评价与调控研究，其中，重金属元素Pb和Cr产生的非致癌风险较为突出，重金属元素Cd产生的生态风险较为严重；（2）基于耦合模型以江西省贵溪市铜冶炼区为例进行环境风险减缓模式分析，研究得出单一植物修复的平均效益较低，混合种植的修复方式风险减缓效果明显且成本较低；（3）在确定环境风险减缓模式的基础上，分析江西省贵溪市铜冶炼区周边地区修复后生态风险存在空间差异,并根据生态脆弱性及风险减缓效果确定了未来风险管控措施。研究结果初步验证了已构建的环境风险评价指标体系及耦合模型的实用性和可操作性，基本实现了降低环境风险中的不确定性及提高环境风险值测算精度的目标，并在不同风险减缓模式下典型棕（褐）地环境风险变化研究方面做了一些探索性研究，为后续棕（褐）地环境风险管控方式的确定及相关研究的深入开展提供了一定的依据及参考。.