3. 场地调查与数据评估在比选中的作用

修复工艺比选从来不是在真空中做选择题。同样是"三氯乙烯污染场地",一个调查只做到"检出超标"的场地,和一个已经刻画清楚污染羽三维边界、明确了低渗透透镜体位置、掌握了浓度随深度变化规律的场地,能支撑的工艺决策完全不同。前者只能给出"抽提+氧化"这类粗放选项,后者才可能判断原位化学氧化是否会被低渗层"短路"、生物修复的电子供体能否有效投加。因此,场地调查与数据评估不是比选前的"准备工作",而是比选结论可靠性的直接来源。本节围绕调查阶段划分、污染物分布刻画、数据质量评估与不确定性分析三条主线,说明它们如何具体影响工艺筛选与排序。

一、调查阶段划分:每一阶段回答不同的比选问题

场地调查通常按"初步调查—详细调查—补充调查(专项调查)"递进,但比选视角下更应关注每个阶段能回答什么决策问题。初步调查解决"有没有污染、大致在哪、涉及哪些介质",其产出是污染物清单和初步概念模型,用于排除明显不适用的工艺类别——例如场地周边 200 m 内有居民区且地下水埋深仅 2 m,则大规模开挖或高浓度挥发性污染物曝气就需要谨慎。详细调查解决"污染范围多大、浓度多高、垂向分布如何、水文地质条件怎样",其产出是污染羽边界、分层浓度、渗透系数与地下水流向,直接决定工艺的适用性与规模。补充调查则针对比选中暴露出的关键不确定性做定向补测,例如为判断原位化学氧化可行性而补测土壤氧化剂需求(SOD)、为评估生物修复而补测电子受体与微生物活性。

实践中常见的问题是"调查深度与比选需求错配":调查按规范完成了,但缺少比选真正需要的参数。建议在详细调查设计阶段就反向列出候选工艺的关键参数需求,形成"工艺—参数"对照,再据此确定采样点、采样深度与测试项目。例如候选工艺包含原位化学氧化和原位热脱附时,必须补充低渗透层的厚度与连续性、土壤有机质含量、碳酸盐缓冲容量;候选工艺包含抽出—处理时,必须补充含水层各向异性与抽水试验数据。这一反向设计思路能显著减少后期补充调查的返工。

二、污染物分布刻画:从"点超标"到"体分布"

比选需要的不是若干超标点,而是污染在空间上的连续分布。刻画的核心是把离散采样点转化为可解释的三维结构:平面上确定污染羽边界与走向,垂向上确定浓度随深度的分层特征,并结合地层结构判断污染物是赋存于高渗砂层还是被低渗黏性土吸附滞留。这一判断对工艺选择影响极大:污染主要赋存于高渗层时,抽出—处理、原位氧化、生物修复都可能有效;污染大量滞留于低渗透镜体时,扩散控制会成为长期拖尾的根源,单纯抽出往往"抽得动水、抽不动污染",需要评估热强化、原位化学还原或长期监测自然衰减的可行性。

刻画方法上,应避免仅用插值等值线"画圈"。更稳妥的做法是结合地层剖面绘制分层浓度剖面图,标注每层的浓度区间与厚度,并对低渗层单独给出质量占比估算。例如某示例场地(以下数据为教学假设)砂层厚度 4 m、TCE 浓度 5~30 mg/L,下伏粉质黏土厚 3 m、TCE 浓度 8~15 mg/kg,经质量估算黏土层虽体积占比不足 40%,却贡献了约 60% 的污染物质量,这一结论会直接改变工艺排序:以抽出为主的处理方案难以在合理周期内达标,而热强化或原位还原的权重应上升。

调查阶段 → 数据产出 → 比选决策支撑 初步调查 污染物清单 · 介质类型 初步概念模型 → 排除明显不适用工艺 详细调查 污染羽边界 · 分层浓度 渗透系数 · 地下水流向 → 判定适用性与规模 补充/专项调查 SOD · 电子受体 · 微生物活性 低渗层连续性 · 缓冲容量 → 定向消除关键不确定性 数据质量评估 采样代表性 · 平行样偏差 · 检出限 实验室质控 · 数据完整性 → 决定数据能否进入比选模型 不确定性分析 浓度区间 · 质量占比范围 · 参数敏感性 情景假设与保守取值 → 影响工艺排序的稳健性 工艺比选结论:适用性筛选 → 排序 → 稳健性检验 数据不足时,结论应标注置信水平与需补测项,而非强行排序

三、数据质量评估:比选模型的"输入校验"

数据质量评估要回答三个问题:数据是否代表场地真实状况、数据是否可比、数据是否完整。代表性方面,需检查采样点布设是否覆盖了污染羽中心、边缘与背景点,垂向采样是否穿透了主要污染层;若采样集中在污染最重区域,浓度均值会被系统性高估,导致处理规模与药剂用量偏大。可比性方面,不同批次、不同实验室的检测结果需核对方法一致性与检出限,尤其低浓度段数据在检出限附近波动大,直接用于计算去除率会失真。完整性方面,应检查关键参数(如渗透系数、有机质含量、含水率)是否存在缺失,缺失参数在比选中往往被"默认值"替代,而默认值可能与场地实际相差数倍。

一个可操作的质控做法是:对每个进入比选的关键参数,标注其来源(实测/文献/经验假设)、精度等级与影响方向。例如渗透系数若来自抽水试验,可信度较高;若来自经验估值,则应在比选中做敏感性分析。平行样相对偏差超过 30%、加标回收率超出 70%~130% 区间的数据,应谨慎使用或复测。这些判断不需要复杂计算,但需要在比选报告中明确写出,避免把低质量数据当作确定值使用。

四、不确定性分析:让比选结论"带误差棒"

不确定性分析的目的是把"不知道"显性化,并检验工艺排序是否稳健。常用做法包括:对关键参数给出区间而非单值(如污染质量取低、中、高三档),对情景做组合分析(如低渗层质量占比 40% 与 60% 两种情景),观察候选工艺的排序是否发生翻转。若某工艺在多数情景下均排名靠前,则结论稳健;若排序随情景大幅变化,说明当前数据不足以支撑决策,应优先补充调查而非急于定案。

以教学假设为例:某场地候选工艺为"抽出—处理""原位化学氧化""监测自然衰减"三种。在低渗层质量占比 40% 的情景下,原位氧化因处理效率高排名第一;当占比升至 60% 且低渗层连续性较强时,氧化剂难以均匀分布,原位氧化周期显著延长,抽出—处理因长期拖尾同样受限,此时"源区氧化+羽流侧自然衰减"的组合方案反而更稳健。这一结论并非来自更精确的模型,而是来自对不确定性的结构化分析——这正是数据评估在比选中不可替代的价值。

比选报告中的数据章节,建议至少包含:关键参数的来源与精度标注、污染质量的分层估算、主要不确定性来源清单及其对工艺排序的影响判断。这样即使后续补充调查更新了数据,也能快速判断结论是否需要调整。

综上,调查阶段划分决定了比选"能问什么问题",污染物分布刻画决定了"工艺适用性判断是否成立",数据质量评估与不确定性分析则决定了"排序结论是否可信"。三者共同构成工艺比选的证据基础,缺一环,比选就容易退化为经验判断或方案罗列。