二恶英是多氯二苯并对二恶英（PCDDs）与多氯二苯并呋喃（PCDFs）的统称，作为典型持久性有机污染物（POPs），具有半挥发性、脂溶性与长期残留性，可通过大气长距离传输、干湿沉降进入土壤、水体等环境介质，对人体健康构成致癌、致畸风险。环境监测中，二恶英检测点位的代表性直接决定数据能否反映区域污染特征与人群暴露水平，因此建立科学的评估方法是优化监测方案的核心环节。本文结合二恶英环境行为与监测需求，系统阐述点位代表性的评估框架与具体方法。
二恶英环境行为对点位选择的约束性分析
二恶英的环。迹轨移迁境行为由其物理化学特性决定：半挥发性使其在大气中以颗粒相（附着于PM2.5）与气相共存，颗粒相易随沉降进入土壤或水体，气相则随大气远距离扩散；脂溶性导致其优先富集于土壤有机质、生物体脂肪组织；持久性使其在环境中降解周期长达数年至数十年，积累效应显著。这些特性直接约束点位选择逻辑：大气点位需覆盖主导风向下风向、垂直于风向的横断面，同时兼顾颗粒相（PM2.5）与气相的监测；土壤点位需布设在污染源周边农田、林地等有机质丰富区域，反映沉降积累水平；水体点位需关注饮用水源地、渔业水域，监测溶解态与悬浮态二恶英的分布。例如，某地区主导风向为西北风，大气点位应沿东南方向（下风向）设置，覆盖高浓度区（源周边500米）、过渡区（1-3公里）与背景区（5公里外），确保捕捉二恶英的迁移轨迹。
污染源导向的点位代表性评估
针对工业源（垃圾焚烧、钢铁冶炼、化工生产。征特染污的厂铁钢），点位代表性需围绕“源的影响范围”展开。首先通过源强核算（如垃圾焚烧厂的二恶英排放速率，单位：ng TEQ/h）与扩散模型（高斯模型、AERMOD）模拟浓度分布，绘制等值线图。基于等值线，选择三类点位：高值区（浓度超标准限值的核心区）、边界区（浓度降至背景值的过渡带）、背景区（无污染源影响的对照点）。评估时需验证三点：一是浓度相关性——监测值与模型预测值的相关系数（R²）需≥0.7，说明点位能反映源的扩散规律；二是覆盖范围——点位需覆盖模型预测的80%以上影响区域，避免遗漏关键区域；三是源谱匹配——监测点位的二恶英同系物组成（如PCDDs/PCDFs比值、氯取代模式）需与污染源排放一致，确保点位捕获的是目标源的贡献。以某钢铁厂为例，其排放的二恶英以五氯取代为主，周边点位的五氯PCDDs占比达45%，与源谱完全匹配，且R²=0.82，说明点位能有效代表钢铁厂的污染特征。
受体导向的点位代表性评估
敏感受体（居民区、学校、农田）的点位需聚焦“人群暴露风险”。大气点位应布设在居民活动频繁区域（如小区中心、学校操场），优先监测颗粒相二恶英（占大气二恶英的70%-90%，是呼吸暴露的主要途径）；土壤点位需选择农田表层（0-20cm），因作物根系会吸收土壤中的二恶英，进入食物链；水体点位需覆盖饮用水源地的取水口与周边水域，监测悬浮态二恶英（易被水生生物富集）。评估方法包括：暴露相关性——点位浓度与受体实际暴露水平（如居民血液中二恶英含量）的相关系数需≥0.7，说明点位能反映人群真实暴露；空间覆盖度——点位需覆盖80%以上的受体活动区域，如居民区点位需均匀分布在不同小区，避免集中于某一区域；介质关联性——大气点位的颗粒相浓度需与土壤点位浓度显著相关（R²≥0.6），因大气沉降是土壤二恶英的主要来源，相关性能验证点位对介质间迁移过程的代表性。例如，某居民区的大气点位设置在小区中心，其颗粒相浓度与居民血液中二恶英含量的相关系数达0.75，说明该点位能有效代表居民的呼吸暴露风险。
空间异质性的量化评估方法
空间异质性指二恶英浓度的空间变异程度，需通过GIS与空间统计量化。常用方法包括：一是空间自相关分析（Moran's I指数）——指数范围-1至1，I>0且P<0.05时，说明浓度呈空间正相关（高值区相邻），点位覆盖了浓度关联区域；二是变异系数（CV）——计算点位浓度的标准差与平均值的比值，CV<20%说明空间变异小，点位代表性好；CV>30%则需增加点位密度；三是缓冲区分析——以污染源为中心，设置1km、3km、5km等缓冲区，统计每个缓冲区内的点位数量，确保覆盖不同距离的浓度梯度。例如，某区域土壤点位的Moran's I=0.72（P<0.05），说明浓度呈显著空间聚集；CV=18%，变异小；缓冲区分析显示1km内有2个点位、3km内有3个，覆盖了主要影响范围，因此点位的空间代表性良好。
时间稳定性的验证方法
二恶英浓度随季节、气象、源排放波动，时间稳定性需通过长期监测验证。监测周期至少1年，每月1次，计算时间变异系数（CVt）——CVt<20%说明点位浓度稳定，能代表长期平均水平；CVt>30%则需调整点位（如增加监测频次或更换位置）。同时需做趋势分析：用线性回归模型检验浓度随时间的变化趋势，若P>0.05（趋势不显著），说明点位未受短期波动影响。例如，某城市大气点位监测1年，夏季（降水多）浓度为4pg TEQ/m³，冬季（取暖期）为8pg TEQ/m³，CVt=12%，线性回归趋势P=0.3，说明浓度虽有季节波动，但整体稳定，点位能代表全年平均水平。
多元数据融合的综合评估
单一数据难以全面评估点位代表性，需融合气象（风向、风速、降水）、地形（海拔、坡度）、土地利用（耕地、林地）等数据。常用方法包括：机器学习模型（随机森林、梯度提升树）——计算各因素对浓度的重要性，如某区域的随机森林模型显示，风向（重要性35%）、风速（25%）是主要影响因素，因此点位需沿主导风向加密；地理加权回归（GWR）——分析不同区域的影响因素差异，如山谷地区的浓度受地形影响更大，需在山谷内增加点位。例如，某山区通过GWR模型发现，海拔200米以下的山谷区域浓度比周边高3倍，因此在山谷中增设2个点位，有效覆盖了地形导致的高浓度区。
案例验证：某垃圾焚烧厂周边点位评估
某垃圾焚烧厂的二恶英排放速率为150ng TEQ/h，主导风向为东北风。通过AERMOD模型模拟，下风向1km内为高浓度区（>10pg TEQ/m³），1-3km为过渡区（5-10pg TEQ/m³），3km外为背景区（<5pg TEQ/m³）。据此设置4个点位：高值区（下风向500米）、过渡区（2km）、背景区（5km）、居民区（1.5km处的小区）。监测结果显示：高值区浓度12pg TEQ/m³，过渡区7pg，背景区3pg，居民区6pg。评估结论：浓度与模型预测值R²=0.88（相关性好）；居民区点位的PCDDs/PCDFs比值（1.2:1）与焚烧厂一致（源谱匹配）；居民区点位CVt=12%（时间稳定）；Moran's I=0.72（空间相关显著）。最终判定，这些点位能全面代表焚烧厂对周边环境的影响，代表性极强。