城市更新背景下老旧建设用地土壤污染详查及综合评估范式

引言

在城市化高速发展的今天，城市更新已经成为扩大城市空间和改善城市品质的一项重要措施。陈旧的建设用地在再开发利用的同时，土壤污染也是一个不可忽视的问题，它不但威胁着生态环境，还会给人类的健康带来潜在的危险。对土壤污染状况的精确详查和科学综合评估是土地安全再利用工作的重点。本文对城市更新背景下老旧建设用地土壤污染详查方法及综合评估范式进行了系统研究，旨在为相关问题的解决提供理论和技术上的支持。

1. 城市更新背景下老旧建设用地土壤污染概述

城市更新过程中老旧建设用地土壤污染的原因是多元的，危害也是深刻的。在以往工业生产过程中，重金属，持久性有机污染物未得到有效治理就被排放到土壤中，一些仓储用地有害物质还在不断渗入。这种污染不但使土壤的理化性质发生了变化，造成土壤肥力的降低和农作物产量的减少，而且还通过食物链的传递威胁着人类的健康。

2. 城市更新背景下老旧建设用地土壤污染详查方法

2.1 高光谱遥感影像解析土壤污染空间分布

高光谱遥感技术具有图谱合一等特点，可以获得土壤上百个窄波段范围内的光谱信息并通过光谱特征分析准确地确定土壤污染的种类和范围，并绘制出污染空间分布图。当土壤受到重金属和有机物污染后，光谱反射率在某一波段内发生改变，结果表明含铜污染的土壤光谱反射率在 600-800nm 波段内明显大于正常土壤。南京土壤污染排查工程建设了“天空地”遥感综合监测系统。借助于高分系列卫星回传的亚米级图像，根据地物目标的形状，颜色和位置等图像特征构建了土壤污染遥感解译标志库。通过语义分割自动识别和人机交互解译对疑似污染区域进行初步甄别。此方法不但可以迅速锁定污染的位置而且可以在多时相影像的辅助下对污染扩散趋势进行分析。

2.2 原位快速检测技术实现污染物实时筛查

原位快速检测技术可以实现土壤污染物的原位即时分析，不需要烦琐的样品采集和运输过程，显着提高检测效率。利用 X 射线荧光光谱（XRF）和激光诱导击穿光谱这些先进技术能够迅速地测量土壤中的重金属元素浓度；便携式气相色谱- 质谱联用仪具有对有机污染物进行定性和定量分析的能力。这些装置体积小，操作方便，检测时间短至数分钟，检测限可达到 ppm 乃至 水平。潍坊诸城土壤污染治理工程中管某与王某夫妇偷排废液导致土壤污染。修复效果检测阶段检测人员利用便携式 XRF 分析仪对修复土壤进行原位检测并快速得到土壤重金属元素含量数据。与传统的实验室检测相比较，检测周期由原来的几天减少到几个小时，同时可以实现修复区域的多点位和全覆盖，并及时发现可能存在的污染点，有效指导修复工作的进一步开展，降低了检测成本与时间成本，保障土壤修复达到预期标准。

2.3 智能机器人采样系统提高采样精度效率

智能机器人采样系统集机器视觉，自动控制和导航定位于一体，能够按照预设程序对复杂场地上的采样点进行准确定位，有效地获取土壤样品并大大减少人为误差。合肥科研团队研发的高通量土壤成分智能检测机器人，可实现单日 1500 个指标的检测通量，相当于 12 个实验员的工作量。机器人在机器视觉的辅助下对样本进行识别，并通过多臂协同及优化调度算法准确地完成摇匀，移液的复杂作业。第三次全国土壤普查中，多利用机器人的优势实现了不同种类土壤的取样与测试。它是以多传感融合精准浸提技术为基础，将高精度传感器，机器视觉与智能控制技术有机结合起来，对土样进行多指标精准浸预先处理。

3. 城市更新背景下老旧建设用地土壤污染综合评估范式构建

3.1 多源数据融合的土壤健康指数评估体系

构建多源数据集成土壤健康指数评价体系是为了集成多维度数据综合准确评价土壤健康状况。石河子大学农学院的王海江教授领导的团队，在新疆叶尔羌河至喀什噶尔河的流域内，进行了基于多种光谱数据整合的土壤整体质量的快速评估研究。该团队结合了可见- 近红外和便携式 X 射线荧光的光谱数据，并采用连续小波变换与并行输入 2D 卷积神经网络的技术，对土壤质量指数进行了精确预测。研究结果揭示，融合两种光谱数据可以显著提高 SQI 的预测准确性 ,PI-2D-CNN 模型的验证R2 达到了0.67, 这与传统的光谱数据融合方法相比具有明显的优势。北京市丰台区在编制第三次全国土壤普查结果时，各地主动采集了多年的土壤监测数据和气象，水文，母质，地形等资料、遥感及其他多源数据中，外业调查采样数据，土壤属性分析化验数据并结合地形，土地利用类型及其他环境因素，绘制出土壤类型图和土壤属性图。

3.2 基于机器学习的污染风险预测模型构建

机器学习技术是一种全新的土壤污染风险预测途径，它可以通过学习和分析海量数据来有效地发掘土壤污染的潜在规律并提高预测精度。南京农业大学资环学院的汪鹏教授领导的课题组，为了解决湖南省湘潭地区稻田土壤中的镉污染问题，进行了长达三年的实地考察。在收集了 600 副土壤及稻米样品之后，研究小组发现单靠土壤中的总镉含量并不能精确地评估稻米镉含量是否存在超标的危险。经过机器学习算法的深入分析，研究团队成功确定了土壤中铁锰氧化物结合态镉、土壤的pH 值、土壤中可还原态锰的含量，以及水稻灌浆成熟后阶段的土壤水分含量，在区域尺度上可以将其作为稻米中镉含量预测的关键参数进行研究，所建模型R2 达到0.81。

3.3 数字孪生技术支持的土壤修复方案优化

数字孪生技术可以实时仿真和优化土壤修复过程，从而达到精准治理的目的。湖北省酸化土壤的一张图和数字孪生系统是由中国地质大学（武汉）、国家地理信息系统工程技术研究中心以及武汉市秀谷科技有限公司联合进行研发的。系统以遥感云计算平台和智能化遥感信息提取算法为基础，融合了空天地一体化的多模态遥感数据以获得田块土壤酸碱度的相关信息，并且在数字孪生系统上进行了可视化的显示，为酸化土壤的修复提供数据支持和决策辅助。无锡市梁溪区土壤污染修复治理全流程监管平台建立土壤修复管控项目数字孪生访问规范，克服了大批量外运出土壤全生命周期监测和原位热脱附数据黑箱获取的技术难点。

结束语

本研究深入探讨了在城市更新背景下，老旧建设用地土壤污染的详细调查和综合评估范式，旨在为解决土壤污染问题提供一套全面的方法和体系。但在科技日益进步的今天，高光谱影像解析精度需要不断优化，以增强机器学习模型在复杂污染场景下的适应性。

参考文献

[1] 赵刘伟, 任建燃, 李琰, 谭春, 石永涛, 李波, 姚国栋, 赵建夫.基于排水污染控制的西南老旧小区正本清源技术应用 [J]. 中国建筑金属结构 , 2024, 23 (S2): 24- 28.

[2] 冉宏娟 , 冉宏伟 , 王花兰 . 老旧小区大气污染特征分析 [J]. 中国资源综合利用 , 2024, 42 (06): 180- 186.

[3] 胡腾一. 浅谈老旧实验室环境污染防治措施[J]. 皮革制作与环保科技 , 2023, 4 (14): 60- 62.