污染场地中污染物的空间分布信息和污染分布表征是场地风险评价以及修复治理决策制定的基础。目前常用的空间插值方法在对污染场地污染土壤样点含量数据空间分布预测和表征时,会对污染热点区域产生平滑现象,有一定的不确定性影响。因此,评价不同插值模型对预测结果的不确定性影响,分析不确定性产生的原因和预测不确定区域的分布,对提高污染场地调查结果精度、指导污染场地修复工作具有重要意义。本研究选择某大型焦化企业工业污染场地为研究对象,基于114个污染土壤样点含量数据,运用多元统计分析、趋势分析理论和空间局部变异理论揭示污染土壤样点含量数据的统计特征;采用空间自相关理论分析样点在场地中的聚集特征并识别污染热点区域；结合非参数地统计学中指示克里格模型、反距离加权模型，Johnson正态变换+普通克里格模型以及分块组合预测模型预测污染场地中特征污染物PAHs空间分布范围并进行不确定性评价；基于地质建模系统以及三维表征技术对PAHs在不同地层上的分布进行三维插值和可视化表征。本研究取得的主要结论如下：(1)描述性统计分析显示每种污染物的含量范围差异显著,具有高度的偏倚性；相关性分析、主成分分析等多元统计分析结果表明,提取的前2个主成分可以有效代表原场地污染数据信息,在PC1上,高环PAHs单体有较大的载荷,在PC2上，低环PAHs单体有较大的载荷,PAHs样点最大值较高的均为低环单体,表明场地中PAHs污染的种类和程度与不同车间的生产工艺有密切关系。趋势分析和空间局部变异分析结果显示,在场地的东西和南北方向污染物含量表现出由低到高再到低的趋势效应,空间变异系数在场地的中部、西北及西南较高,其他区域变异系数则低。(2)通过对场地中土壤PAHs样点含量数据进行空间自相关分析,全局空间自相关分析结果可以看出,土壤PAHs在空间上并不是单纯随机现象,而是具有显著的空间自相关特征,PAHs样点数据在空间上同时具有聚集和孤立现象,刻画出典型特征污染物Nap, Chr, Baf&Bkf, Inp, Daa以及Igp的空间自相关尺度分别为750m,850m,1200m,850m,750m and1200m。局部空间自相关计算结果可以看出,土壤中PAHs存在高-高值、低-低值、高-低值以及低-高值4种不同的空间聚集特征,高值-高值聚集区即污染的热点区域主要分布于场地的中下部,低-高值、高-低值的聚集在场地中具有随机分布的现象。从热点区识别的结果可以看出,该场地污染情况较为严重。(3)应用非参数地统计学中指示克里格方法对场地中表层土壤样点数据污染空间分布进行概率分析,并绘制在设定阀值条件下的概率分布图。结果表明,对采样样点数据进行指示转换后,可获取较为稳健的指示半变异函数,但由于样本的空间变异原因,导致样本间空间相关性差;所研究的污染超标率最高的4种PAHs污染概率在空间分布上具有相似性,概率超过45%的区域主要分布于炼焦、煤气净化、焦油化产品回收等生产工艺的车间中,位于厂区的中部及西北和东南,污染较为严重;概率<45%的区域主要分布在备煤和煤气净化等生产工艺车间,位于厂区西南和东北区域。(4)分别采用反距离加权模型、Johnson数据正态变换后的普通克里格模型及数据拆分后的组合预测模型,参照北京市污染场地土壤筛选值的标准,将大于规定标准0.4mg—kg-1的区域界定为污染范围,系统阐述空间插值模型对污染范围界定结果的不确定性影响。3种插值模型界定的污染范围分别占场地总面积的70.15%、44.78%和57.06%，数据拆分后的组合预测模型插值精度最高,插值结果能较真实地反映场地实际污染情况,通过创建预测标准误差图显示预测标准误差大的区域主要集中在样点较为稀疏的右上位置和有高值点部分的中下部区域。(5)为准确界定污染场地土壤中多环芳烃在3维条件下的污染分布范围和受污染土方量,选择污染场地苯并(a)芘分布为研究对象,对比研究Krig-3D、 IDW-Shepard、IDW-(Franke/Nielson)以及Nearest Neighbor4种3维插值方法对界定污染范围的不确定性影响。结果表明,不同3维插值模型计算结果差异较大,交叉验证结果显示Krig-3D插值模型插值精度最高,插值结果能较真实地反映场地实际污染情况。通过修复目标对比确定进一步表明,基于4种插值模型计算所得的污染土壤土方量分别为8.51×105、62×105、7.12×105、1.09×106m3,选择合理的插值模型将对预测污染范围的不确定性产生重要影响。本研究结果对分析污染范围和修复治理过程土方量确定提供重要参考。