近年来, 健康风险评价法越来越多地应用于重金属污染评价中。它的主要特点是将人体健康状况与环境污染联系起来, 以风险度作为评价指标, 定量反映重金属污染程度与人体健康间的联系, 通过估算各污染物对人体健康产生不良影响的可能性, 从而确定应优先治理的污染物, 为环境污染防治提供科学依据^[3]。曲常胜^[4]研究了多暴露途径的重金属暴露剂量, 表明不同重金属的主要暴露途径不尽相同; 车飞^[5]的研究表明经口食物摄入是污灌区居民暴露于重金属的1个主要途径, 贡献率在80%以上。但要指出的是, 用土壤重金属总量评估经口摄入暴露途径的风险要比实际的健康风险高, 因此, 利用重金属的生物可给性进行调整, 在一定程度上可以避免由总量评估带来的高风险评价结果, 结果更具参考意义^{[6, 7, 8]}。

研究表明, 在不同区域(如城镇, 郊区)、不同人群(男性和女性、儿童和成人)、不同季节, 相同重金属的暴露风险评估结果不尽一致, 也就是说健康风险评价结果可能会受到各种内外因素的影响, 且前人研究所采用的暴露剂量模型中多使用国外参数, 未必适用于各地的实际情况, 应尽量进行充分的实地调研, 使用当地的系列参数, 以使评价结果更加贴近实际。

土壤重金属在空间分布上的污染特性保持着不均匀连续性及突变性, 传统评价方法无法利用样点空间坐标的缺陷日趋明显, 因此, 地统计模型被引入到土壤重金属污染评价中来。现在, 越来越多的研究结果证明地统计是分析土壤重金属空间分布特征及其变异规律最为有效的方法之一^{[9, 10, 11]}。谢云峰等^[12]的研究结果表明, 在地统计条件下模拟获得的土壤Cu、Pb分布特性与调查样点的统计特性基本一致; 王晓辉等^[13]结合基于GIS技术的地统计分析方法和多元统计分析理论, 研究了淮南矿区土壤重金属的污染来源及空间分布规律, 表明研究区Cd、Hg、Cr、Cu和Pb空间结构受人类活动等随机因素影响显著, 元素Ni受随机因素的影响相对较大; 刘庆等^[14]运用ArcGIS 8.3软件的地统计分析模块Kriging插值法绘制出浙江省慈溪市的重金属健康风险评价图。

基于GIS技术的地统计模型不但能够反映重金属的空间分布特征及其方向变异规律, 而且能通过克里格插值最大限度地利用已知的样点数据无偏最优估计未采样点数据, 从而绘出二维至三维空间的总体污染分布规律图。相比于传统评价方法的数字表达, 其可视化的表达方式更直观, 而且可以识别污染来源, 避免了系统误差的出现, 降低了传统评价方法中的主观性。但要注意的是, 可视化表达是建立在土壤样点空间分布具有连续性的基础之上的, 若变异函数和相关分析的结果表明区域内变量之间不存在空间相关性, 则克里格插值法并不适用。但从既有的研究看, 样点空间分布不连续的情况较少见。

土壤是一个空间连续性变异的非匀质体, 各样点的重金属含量与其所在样点位置和污染等级之间均存在复杂的随机非线性映射关系^[15]。人工神经网络(ANN)是一种仿生机制数学模型, 特点在于能模仿动物神经连接节点分布式并行处理信息的行为, 常用的神经网络有BP、RBF、SOFM、Hopfield。ANN能较好地映射样点重金属含量与其空间位置和污染程度的非线性关系, 提供一批相互对应的输入-输出数据, 分析其内在联系并预先设计污染评价模式, 输入新数据即可推算输出结果, 这使得ANN通过自适应学习即能够对空间各个插值点处的土壤重金属含量进行预测、评价。张珏等^[16]采用双隐层BP神经网络预测模型模拟新疆克拉玛依人工碳汇林的重金属含量空间分布情况, 拟合精度达90%左右, 模拟评价效果和精度检验均较好, 说明应用BP算法评价土壤重金属污染程度、分析其空间信息是可行的; 段宁等^[17]的研究也说明BP神经网络模拟出的重金属浓度与实测值能较好吻合, 预测精度较好; 马禄义等^[18]应用SOFM网络, 根据样本分布特征进行分类, 并应用BP网络分析样本的污染程度, 结合这2种人工神经网络评价了河北省近海沉积物中Pb、Cr、Zn、Hg和As等5种重金属元素的污染等级; 王牧童等^[19]以不同来源(农业、自然、交通、燃煤)的重金属作为输入条件, 以土壤生物毒性作为输出条件, 构建毒性神经网络模型, 对石油开采区土壤中重金属进行源解析, 并结合相对灵敏度计算得到4种来源的重金属对土壤生物毒性的贡献率。

与多数多元统计分析方法相比, ANN的一大优点是不需要筛选样本描述参数, 直接输入所有参数进行训练, 通过自适应学习样本数据整理出相应的规律, 得到“ 训练” 好的网络, 尤其是在样点数量较少、分布稀疏, 也就是采样点空间分布不符合克里格插值法要求的情况下, ANN更具优势, 是一种可行的代替方法。但在实际应用中, 由于缺乏与研究内容相关的先验知识和严密的理论指导, 在最佳模型的建立及训练时间的多少上, 需耗费大量时间和精力经不断探索确定。在这一点上, 专家系统有其优越性, 同时使用者的经验也决定了ANN的应用效果。人工神经网络发展到今天虽已有几十种模型, 但在分析领域远未能得到充分运用。随着研究的深入和理论体系的完善, ANN必能更好地实现自然环境模拟效果。

大部分重金属污染评价方法都建立在元素总量高低的基础之上。实际上, 重金属元素在土壤中的地球化学行为和生物有效性不仅只与总量有关, 与元素赋存形态的联系更加密切。赋存形态不同, 与之对应的毒性、生物可利用性和生态风险均不同。在总量评价的基础上, 可加入重金属有效态含量及形态分析, 以补充评价重金属的迁移性和对环境的潜在危害。以碳酸盐结合态和离子可交换态存在的重金属, 具有快速生物可利用性的特点, 被视为有效部分, RAC(风险评价编码)法通过计算这2部分在重金属总量中的占比来评价重金属的有效性(即可利用性), 其有效性越高, 对环境构成的风险越大^[20]。庞文品等^[21]结合单因子指数法、潜在生态风险指数法和RAC法对贵州兴仁煤矿区农田土壤中重金属进行了潜在生态风险评估和环境风险评价。

RAC法侧重于单个重金属元素的有效态引起的环境风险, 对由多因素共同污染引起的综合风险尚无法评价, 因此在与其他评价方法相结合时, 可能会出现评价结果不完全一致的现象。当出现重金属总量很低而生物有效性很高或者总量高而生物有效性很低的情况, 仅考虑总量评价的结果是不准确的, 因为在一定程度上重金属存在形态决定着环境风险, 同时考虑总量和形态2方面的评价结果, 将使研究结论更加合理。

重金属的富集过程受生物体影响, 同一形态的同种重金属元素在不同生物体内的累积能力不同, 不同形态的同一重金属元素在同种生物体内的累积情况也不同, 重金属只有被生物吸收才有可能对生物体产生毒性, 因此, 也可利用生物有效性来对重金属污染进行评价。生物评价法指通过分析重金属对生物标志物的影响与重金属含量的相关性来评价土壤重金属污染情况。蚯蚓是土壤中常见的一种反映土壤质量的指示性生物, 处于食物链的底部, 是重金属和其他污染物的最直接受害者, 其生化指标的变化有助于确定生物体所处环境的污染程度及潜在危害, 可对重金属污染暴露起到早期预警的作用, 目前已被广泛应用到土壤质量评价中^{[22, 23]}。郑丽萍等^[24]进行为期28 d的蚯蚓生物毒性暴露实验, 从细胞水平和DNA水平多方面评价蚯蚓体内过氧化氢酶(CAT)、超氧化物歧化酶、8-羟基脱氧鸟苷(8-ODHG)和金属硫蛋白(MT)这4种生物指标与贵州省妈姑镇铅锌矿区土壤重金属含量的相关性, 证实MT是土壤重金属生态风险评估的主要生物标志物之一, 并最终选择8-OHDG和MT作为土壤重金属复合污染的综合生物评价指标体系; Homa等^[25]研究发现, 蚯蚓在复合重金属污染环境下, 个体繁殖数量与体内MT-2基因表达水平呈较好的线性关系, 明确指出以蚯蚓体内MT-2转录表达水平作为生物标志物, 能够很好地监测重金属(特别是Cd)的污染程度。此外, 还有学者研究了昆虫体内MT与重金属浓度的剂量-反应关系^{[26, 27]}。

有学者认为, 生物评价法指标体系应根据特定生物指标对特定污染物的污染胁迫响应行为构建, 但真实的土壤污染状况是由多种污染物组合形成的复合态, 包含许多未知信息和灰色信息。查阅文献发现, 除了几类生物指标(如MT、乙酰胆碱酯酶等)可以特异性地指示污染物外, 大多数生物标记物并不具有这一功能, 任何污染都能引起其指标的变化, 如抗氧化酶能为有机污染物和重金属污染胁迫所诱导^{[28, 29, 30]}。从这一角度出发, 着力在特异性生物标志物方面开展研究, 可能并不具备现实意义。另外, 生物评价法无法指示出土壤中污染物的类型和含量, 但能够真实地反映出受污染土壤的生物有效性和毒性, 有利于科学评估其现实风险状况, 可作为实验室化学分析法的有益补充。鉴于目前生物评价法尚没有建立起一套规范完善的标准研究方法, 如生物标志物的类型、暴露时间、暴露介质、测定数据的环境响应范围等, 目前所做的利用蚯蚓生物标志物评价土壤生态风险的研究结果之间尚无法比较, 未来可在此环节重点突破。

现有的土壤重金属污染评价方法多是在重金属含量实测值与土壤元素背景值的基础上进行的, 大部分的评价方法仅关注土壤环境, 未充分考虑与之息息相关的生物效应。陈怀满^[31]认为, 农产品产量和可食部分化学物质含量与其生长的土壤和环境密切相关, 由于土壤具有时空变异性, 因此, 只有同时采集同一地点的土壤和农产品样品进行分析, 土壤环境质量评价结果才能更符合实际。王玉军等^[32]将农产品中重金属的含量和农田土壤有机地联系在一起, 同时考虑土壤环境质量标准、土壤元素背景值、农产品污染物限量标准和元素价态效应等进行污染评价, 提出一种由土壤重金属影响综合指数和农产品重金属影响综合指数构成的新评价方法。这种方法计算量大且步骤烦琐, 但体现了土壤重金属和农产品重金属分别对农田土壤环境质量以及彼此之间的影响, 评价结果更加客观, 但相关的研究应用并不多见。