在场地污染风险评估中，经验模型与机理模型的选择，往往决定了评估结果能否真正指导后续修复决策。不少企业在这两者间摇摆不定——经验模型计算快、成本低，但忽略了污染物在复杂地质条件下的真实迁移过程；机理模型虽然精细，却对参数要求极高，动辄需要数月的数据采集。这种困境在珠三角地区尤为常见，因为这里的地下水文地质条件高度异质，单一模型很难兼顾效率与精度。

当前行业现状是：大部分第三方机构仍依赖经验模型（如RBCA、CLEA）进行快速筛查，尤其是在环境监测和土壤场地调查的初级阶段。以广东新创华科环保股份有限公司近年参与的多个工业园区项目为例，采用经验模型对挥发性有机物进行风险评估时，因忽略了地下水位波动带来的二次迁移，导致评估结果偏乐观，后期不得不返工补充水生态监测数据。这暴露出经验模型在复杂场景下的局限性。

核心差异：参数需求与适用场景

经验模型的底层逻辑是“类比推演”，它基于大量历史数据建立统计关系，例如利用土壤有机碳含量和亨利常数估算污染物暴露浓度。而机理模型（如HYDRUS、MODFLOW耦合模型）则从流体力学和传质方程出发，逐层解析扩散、吸附、降解的微观过程。举个例子：对于环境检测中常关注的苯系物，经验模型假设污染源均匀分布，但机理模型可以捕捉到因黏土透镜体阻隔形成的“污染羽”非对称扩散——这种差异在竣工验收阶段尤其关键，因为一旦低估了侧向迁移范围，后续修复成本可能翻倍。

选型指南：如何匹配项目需求？

选择模型并非“非此即彼”，而是分阶段、分层级决策。根据我们团队在国家排污许可证监测项目中的实战经验，建议遵循以下原则：

• 初筛阶段（预算有限/场地面积<1公顷）：优先采用经验模型，如RBCA进行快速分级，重点获取快速下单所需的初步风险评估报告。
• 详调阶段（污染源明确/敏感受体存在）：必须引入机理模型，至少对关键剖面（如包气带）进行两维模拟，结合土壤场地调查中实测的渗透系数和孔隙度。
• 修复方案论证：将两种模型输出结果进行交叉验证，当经验模型与机理模型预测的污染物最大浓度偏差超过30%时，应以前者为准调整修复范围。

值得注意的是，水生态监测数据对机理模型的校准至关重要。在2023年我们参与的某电镀厂地块评估中，正是通过连续3个月的环境检测数据，校正了模型中的衰减系数，才将六价铬的迁移预测误差从±40%缩小至±12%。

展望未来，混合建模方法将成为主流。例如，利用经验模型快速生成初始条件，再通过机理模型进行高精度迭代，既能控制计算成本，又能提升评估可靠性。对于广东新创华科环保股份有限公司这样的第三方服务机构，我们正在开发基于云平台的模型选型工具，用户只需输入环境监测基础数据（如土壤类型、污染物种类），系统即可自动推荐最优模型组合，并支持快速下单生成标准化报告。这种工具将大幅降低中小企业在竣工验收和国家排污许可证监测中的技术门槛，推动行业从“经验驱动”向“数据驱动”转型。