应用气象学院黄利东副教授及其团队，近期在学科top期刊Environmental Science & Technology （2018 IF=7.149）发表了关于生物刺激法修复土壤污染物评价方法的最新研究进展。该研究中评价方法的成功应用，完善了土壤污染修复的评价方法，可以为国内外土壤修复的评估提供借鉴。
土壤污染物尤其是有机污染物，其浓度分布在土壤中表现出极大的异质性。以石油污染土壤为例，有时候钻井取土测得某一深度的苯浓度（典型石油污染物）可以达到几千ppm，而在其他深度苯的浓度却低于仪器的检测限。这种高度异质性不仅表现在同一样点不同深度上，也变现在不同样点间。这样在每次多点采样中都会有很大比例的低于检测限数据，一般把这部分数据称为删失数据（Censored data）。含有高比例删失的数据具有两个特点：高度偏斜；部分浓度未知。生物刺激法是深层土壤石油污染修复最经济的方法，但在不同时间采样对修复效果进行评价时，发现大比例的删失数据，这使得在统计上评估修复效果变得非常困难。如果把低于检测限数据当作0，或删除的做法在统计上是不妥的，这样会带来有偏的估计和结论。
针对这个问题，我校黄利东副教授联合加拿大University of Saskatchewan的 Steven Siciliano教授，提出利用生态学的Hurdle模型分离污染物的空间（主要是距源距离）、时间和处理效应。Hurdle模型由两部分模型组成：二项分布和Gamma分布。通过Hurdle模型的模拟成功地检验了引起石油污染物变异的空间、时间和处理效应。主要结论为：（1）低于检测限数据主要是由空间因素引起，修复对其没有显著性影响；（2）高于检测限的数据的检验结果表明修复是污染物浓度降低的主要因素，但空间和时间也起作用，不同场地情况不同。
该研究结果不仅在土壤污染物修复研究中有应用价值，也可以为其他学科提供类似的研究思路，比如生态学中稀缺物种的分布因素鉴别，天气学中低于雨量计的降雨情况分析，等等。
论文信息：Lidong Huang, Kris Bradshaw, Jay Grosskleg and Steven D. Siciliano. Assessing Space, Time, and Remediation Contribution to Soil Pollutant Variation near the Detection Limit Using Hurdle Models to Account for a Large Proportion of Nondetectable Results. Environ. Sci. Technol. 2019, 53, 6824-6833.