滨海开发带土壤重金属分布特征及来源分析

以江苏省大丰市为例,研究了土壤中8种重金属的空间分布特征及其与土地利用的关系,并通过主成分分析方法,对其可能的来源进行了探讨。结果表明:研究区8种土壤重金属Cu、Zn、Pb、Cd、Cr、As、Hg、Ni平均含量分别为17.40、74.38、18.14、0.105、55.58、8.33、0.074、25.73mg/kg,不同采样点之间变异不大。沿垂直海岸线方向,随距海岸线距离增加,Cu、Zn、Pb、Cr、Hg、Ni 6种重金属含量逐渐升高,As含量逐渐降低,Cd含量则先升高、后降低。Cu、Zn、Pb、Cr、Hg、Ni 6种重金属均在水田土壤中含量最高,Cd在旱地土壤中含量最高,As则在滩涂土壤中含量最高。相关分析表明,土壤As含量与其他重金属元素含量的相关性均不显著,土壤Cd含量与Zn、Pb、Hg、Cr含量的相关性显著,与Cu、As、Ni含量的相关性不显著,其他各元素间相关性均达极显著水平。基于主成分分析结果,认为研究区土壤Cu、Zn、Pb、Cr、Hg、Ni 6种重金属元素含量受土壤母质影响较大,Cd含量与农业生产中磷肥施用关系密切,As含量的累积受磷肥施用的影响,但以水稻种植为主的耕作土壤As含量总体上呈下降趋势。本研究可为滨海开发带土地利用规划提供指导。     

冀东平原表层土壤重金属元素的空间变异及模拟研究

以冀东平原为例,运用地统计学方法和ArcGIS技术,分析了土壤中Cu、Pb、Cd、Zn、As、Hg、Cr、Ni等8种重金属的空间变异性和相关性;借助最优空间插值模型模拟它们的空间分布特征,对各重金属元素含量高值区形成的原因进行了初步判断。结果表明,研究区8种重金属元素的空间变异指标(C0/C+C0)的大小顺序为:CdHgAsPbCrCuZnNi,Cd属于空间弱相关,Hg、As、Pb、Cr、Cu、Zn属于中等程度的空间相关性,Ni具有较强的空间相关性。研究区土壤重金属元素Cu、Pb、As、Cr、Ni含量的最佳空间插值模型为完全样条径向基函数插值法,Cd、Hg为1次局部多项式插值法,Zn为2阶趋势效应的普通Kriging插值法。通过对研究区表层土壤中8种重金属的插值模拟,8种重金属元素在研究区的不同分布特征表明土壤母质的结构性因素和人为随机性因素共同作用造成了重金属元素在空间上的相关性差异。     

工业区周边农田重金属污染评价及来源分析

以新疆北疆某工业区周边农田土壤为研究对象,采集0~20 cm土壤样品254个,测定了Cr、Ni、Cu、Zn、As、Hg、Pb、Cd共8种重金属含量。运用相关性分析和主成分分析探讨工业区周边农田土壤重金属的来源,运用GS+进行数据拟合,选取最佳模型,再进行克里格插值分析重金属的空间分布格局。结果表明,Cr、Ni、Cu、Zn、As、Hg、Pb和Cd的含量分别为45.00、28.53、55.66、73.57、13.39、2.17、15.38和0.50 mg kg~(-1)。测量的金属除Cr之外均超过土壤的背景值,只有Hg处于中度污染,其余元素都处于非污染,而研究区综合潜在生态风险程度为严重型。重金属空间分布表明,Ni、Zn、As、Hg和Pb在东部和南部含量较高。来源分析表明,Hg来源受研究区内工业活动的影响;Cr、Ni、Zn和Cd主要来自于化肥、农药和地膜等农业活动和土壤母质的共同作用;As、Hg和Pb主要来源是受研究区内工业活动的影响。     

特色果品种植区土壤重金属空间变异规律研究——以河北省沧州为例

以沧县、献县、泊头和黄骅为研究区,采用地理信息系统(GIS)和地统计学相结合的方法,研究了该特色果品种植区的表层1470个样点土壤全量Cu、Zn、Pb、Ni、Cd、Cr、Hg、As元素的空间分异规律及其影响因子。结果表明:除Hg、Cr、Pb外其他5种元素的最大值均超出土壤环境质量一级标准,说明研究区还存在一定程度的重金属污染。变异系数分析表明,Cr最小,为0.10;Hg最高,为0.40。8种重金属之间均为1%水平显著正相关关系;块金效应分析结果显示Ni和Cr空间相关性较强,而其余6种重金属则呈现中等强度空间相关性。而从变程来看,Cd最大,为108.80 km,说明该元素与土壤母质关系密切,Cr最小,仅为25.99 km,说明该元素空间自相关距离大于取样间隔距离。8种重金属空间分布结果表明,整体呈现西部高于东部的特征;其原因除母质等自然因素外,人为因素如工业发达、交通尾气和农药化肥施用等也是影响其空间分布的重要原因。     

北京耕作土壤4种重金属空间分布的网络特征分析

以北京市耕作土壤Cr、Ni、Zn、Hg4种重金属为研究对象,借助ArcGIS、GeoDa、Matlab等软件,将1018个土壤样点看作网络节点、重金属含量的空间自相关关系作为连线依据,构建Cr、Ni、Zn、Hg网络图,从网络科学角度分析土壤重金属空间格局,并以重金属Hg为例提取高度值节点所在网络簇,计算度、介数、平均最短路径等网络特征。得出以下结论:1)北京土壤重金属Cr、Ni、Zn、Hg网络中高度值节点仅占30%左右,这些节点影响周围较多区域土壤重金属含量并已形成稳定网络结构,重金属污染防治困难加大;2)Hg网络簇具有网络的小世界性特征,而不具有无标度性,承担网络主要流量的高介数节点分布集中,并沿潮白河流向分布,表明河流在网络形成中起到重要作用;3)Hg网络簇的形成一定程度受到土地利用的影响,人类活动带来的大量耕地及工矿用地的分布,是造成北京主城区北、东、南三面土壤Hg含量累积的主要原因。该研究可以为进一步分析土壤重金属污染空间格局特征和扩散演化机制提供参考,实现对土壤重金属污染预防与控制。     

北京耕作土壤重金属多尺度空间结构

为了有效揭示土壤重金属的空间分布特征，为土壤环境质量评价提供科学依据，该研究以北京市耕作土壤中重金属为例，通过地统计学方法分析了重金属空间结构的尺度效应。研究结果表明：土壤重金属Cr、Ni、Zn和Hg的空间结构性对空间尺度有明显的依赖，理论半方差函数的最优性检验进一步表明多尺度套合模型能充分地挖掘和利用土壤重金属Cr、Ni、Zn和Hg的空间变异结构，并且采用多尺度套合模型法对重金属Cr、Ni、Zn和Hg进行克里格插值，其插值效果明显优于单一尺度下的普通克里格插值。因此，多尺度套合模型法能有效地揭示耕作土壤中重金属的空间分布特征。     

重庆市蔬菜地土壤重金属特征研究

研究结果表明重庆市蔬菜地0~20cm和20~40cm土层土壤重金属Cr、Ni、Cu、Zn、As、Pb含量无显著差异,Cd、Hg含量差异显著。不同土壤类型平均重金属含量和变异系数差异均较小。城郊区、工矿区和一般农区重金属Ni、Cu、Zn、As、Pb含量及阳离子代换量无显著差异。不同土壤类型和不同区域重金属间均具较强相关性,重金属Cu、Ni、Cr间具有较强伴生关系。重庆市蔬菜地土壤重金属Cd污染较重。     

长江三角洲地区土壤重金属污染的空间变异特征——以江苏省太仓市为例

城市化、工业化和农业集约化的发展影响着土壤环境和健康质量。本研究以位于长江三角洲地区的江苏省太仓市为典型区，采用地统计学方法对其耕层土壤中Cd、Cr、Cu、M、Hg、Pb、Zn和As等8种重金属结构特征和空间分布格局进行了分析，并用模糊数学法综合评价了土壤重金属的污染程度，结果表明：太仓市表层土壤Zn、Cu属强变异强度，呈对数正态分布；Cd、Ni、Hg、As、Cr和Pb属中等变异强度，呈正态分布。除Cd、Cr和Pb略低于背景值外，其他重金属均高于其背景值，其中以As污染指数和超标率最高。土壤重金属复合污染严重，模糊综合评价污染结果为一级。通过半方差函数模型拟合发现Hg、Cd符合球状模型，其他重金属均符合指数模型，8种重金属元素在一定范围内均存在空间相关性。采用Kriging最优内插法得到了耕层土壤重金属含量的空间分布图，发现土壤重金属含量与母质、土壤质地、有机质含量以及工业化、城市化和农业集约化程度密切相关。     

基于多元统计和地统计的肇源县表层土壤重金属来源辨析

土壤圈是地圈系统中对人类健康影响最显著的圈层之一。土壤重金属的自然和人为来源辨析对土壤修复和保障人体健康有重要意义。本研究以黑龙江省肇源县为研究区域,通过空间插值分析、主成分分析和聚类分析等方法,对区域土壤表层和深层土壤重金属As、Hg、Cd、Cr、Cu、Ni、Zn的含量和空间分异特征进行分析,进而对区域表层土壤重金属来源进行辨析。结果表明:成土母质作为表层土壤的重要物质来源对表层土壤重金属含量及空间分布有显著影响;肇源县表层土壤中Hg元素表现出全局范围较明显的富集现象,局部区域Cd元素表现出一定的富集现象,富集原因是人为污染造成的;嫩江上游汇水区土壤重金属元素的迁入,是表层土壤重金属As、Cd、Cr、Cu、Ni、Zn等元素在研究区范围内轻度富集的主要原因。     

山东省沂源县土壤重金属来源分布及风险评价

为建设高标准农田及保证食品安全,对土壤重金属污染状况进行精确评估极为关键。选取山东省山地丘陵区典型区域—沂源县为研究区,系统采集427个表层土壤样品(0~20 cm),测定了As、Cd、Co、Cr、Cu、Mn、Ni、Pb、Hg和Zn共10种重金属含量;采用多元统计分析和地统计分析方法,揭示了土壤重金属的主要来源;进一步分析得出研究区重金属的空间分布以及与成土母质、工业排放和农业生产污染之间的关系。研究表明:1)沂源县表层土壤中10种重金属元素的平均含量值均高于土壤背景值但未超过国家二级土壤元素限定值,存在一定程度的重金属富集。2)经主成分分析和单因素方差分析后将研究区重金属的来源主要分为3类:As、Co、Cu和Mn主要来源于成土母质,属自然源因子;Hg、Cd、Zn和Pb受到母质和工农业污染双重控制,属于混合来源;Cr和Ni主要是成土母质影响下的自然来源。3)自然来源重金属含量的高值区主要与石灰岩成土母质类型分布相一致,Hg、Cd、Zn和Pb元素含量的高值区与工业区分布基本一致。4)通过潜在生态风险评价,沂源县表层土壤目前处于中度潜在生态风险等级,其中Hg和Cd潜在生态风险最强,达到中度生态危害,其他元素具有轻微的潜在生态危害。研究中通过多元统计-地统计模拟分析法有效的揭示了土壤重金属污染源汇特征,可作为评估该区土壤污染现状和对土壤重金属污染进行风险评价的重要依据。     

龙游硫铁矿区农田土壤重金属污染的空间 变异及在水稻中的积累

为了解浙江龙游硫铁矿区农田重金属污染状况,采集矿区265件农田土壤样品,分析8种重金属Cu、As、Hg、Zn、Cd、Ni、Pb、Cr元素全量,利用地统计学软件GS+9.0对研究区土壤各元素指标进行半变异函数拟合,并利用普通克里格法进行插值并绘制空间分布图。采集30件水稻籽粒样品,分析重金属在研究区中水稻籽粒的累积特征,并进行了健康风险评价。结果表明:矿区土壤中8种重金属元素的变异系数从0.72到1.76,离散程度较高。8种重金属的土壤空间半变异函数Cu、As、Hg元素符合指数模型,Zn、Cd、Ni、Pb符合球状模型,Cr符合高斯模型。元素Cu、Pb、Zn、Cr、Ni的块金值与基台值的比值C0/C0+C都小于0.25,说明空间变化主要受地质背景等因素影响;元素Cd、Hg和As的块金值与基台值的比值C0/C0+C在0.25~0.75之间,说明除了地质背景因素,人为活动等随机因素也有影响。矿区水稻籽粒中重金属Ni和Cd的变异系数最高,分别为0.95和0.87,说明Ni和Cd元素可能存在异常积累。矿区水稻籽粒对重金属的富集能力由大到小依次为Cd、Zn、Cu、Ni、As、Hg、Cr、Pb。健康风险评价结果表明矿区农田水稻籽粒中元素As、Cd的风险商大于1,存在潜在健康风险;而其他6种重金属Cu、Hg、Zn、Ni、Pb和Cr基本属于安全范围。     

长江三角洲地区土壤重金属含量及其分异特征

以地学统计、浓度-面积分形方法和富集系数等方法分析了该地区土壤重金属元素含量的变化特征。结果显示:表层和深层土壤的重金属均具有多重分形特征,表层土壤中重金属元素分异性强,在该地区表层重金属含量平均值远远大于全国土壤背景值(除了As);土壤Hg、Cd、Pb含量分布显示了受人为影响强烈,而Cu、Zn主要受原始背景和人为活动综合影响;Cr、Ni、As主要受自然背景影响。研究结果为长江三角洲地区土壤质量评价提供可靠的依据。     

长江三角洲地区土壤盐酸可提取态重金属含量的空间变异特征

以江苏昆山市为典型区，对长三角地区土壤盐酸可提取态重金属含量的结构特征进行分析，得出该区盐酸可提取态重金属的空间分布格局并揭示了引起这种分布格局的成因和污染来源，结果表明：昆山市盐酸可提取态Cd、Cr、Cu、Pb、Zn、Hg属强变异，Ni和Co为中等变异。半方差函数模型拟合表明所有盐酸可提取态重金属元素均符合球状模型，8种重金属元素在一定范围内均存在空间相关性。采用Kriging最优内插法得到了盐酸可提取态重金属含量的空间分布格局，表明土壤盐酸可提取态重金属含量与工业活动、污水灌溉和大气降尘密切相关。通过主成分分析与地统计学相结合的方法，得出该区盐酸可提取态重金属由4个主成分构成，第一主成分为Cd、Cu、Pb、Cr和Zn，决定这一成分的主要因素为工业污水灌溉、大气降尘和元素地球化学特征；第二主成分为Ni，决定这一成分的主要因素为土壤内部因子；第三主成分为Hg，该成分主要受工业点源污染的影响；第四主成分为Co，该成分可能主要受地形影响。     

污灌区土壤重金属空间结构与分布特征

该文探讨了地统计学插值模型应用于土壤重金属污染评价的适用条件,分析了北野场污灌区土壤重金属的正态分布特征和主导分布趋势,提出了不同重金属因子适宜的地统计插值模型。结果表明:土壤重金属空间变异系数处于12%～37%之间,整体变异性不大;Pb、Cd等因子的块金效应分别为0.90、0.87,空间相关性较弱,受人为随机因素的影响较大,As、Cr、Zn、Cu值等因子的块金效应分别为0.52、0.51、0.51和0.46,空间相关性中等,受人为随机因素和空间结构因素的共同作用,Hg和Ni的块金效应分别为0.253和0.06,空间相关性较强,受空间结构性因素的影响较大,可能受原生地质的影响较大。污灌区重金属含量存在增加趋势,灌区土壤重金属含量自北向南总体呈现较少趋势,这与灌区上下游灌溉保证率不同有关,表明长期污水灌溉可导致土壤重金属富集,但与全国其他污灌区相比,北野场污灌区土壤重金属污染相对较轻,应加强污水处理利用避免土壤重金属污染。     

Multivariate geostatistical analysis of heavy metals in topsoils from Beijing,China

Background  Regional soil environmental quality is a hotspot and difficulty in the environmental sciences for the spatial variability of pollutants and the relationship between them. Beijing, the capital of China, has been undergoing a rapid economical development during the past three decades, and thus might encounter the same issues as the developed countries. However, there is little information about the soil environmental quality of Beijing, especially at the regional scale. The real soil environmental situation of heavy metals remains unknown, even less the sources of possible pollutants. Objectives  The main objectives were to identify the spatial variability and main sources of heavy metals in Beijing soils by conducting multivariate statistical analyses, including geostatistical analysis assisted with GIS tools. These results will contribute to the establishment of the soil quality baseline and the management of regional environment. Materials and Methods  Seven hundred and seventy-three samples of topsoils (0–20 cm) were collected from all over Beijing, China. The samples were digested with HNO₃ and H₂O₂. The concentrations of Cr, Cu, Ni, Pb and Zn were analyzed with a FL-AAS and those of Cd with a GF-AAS. The concentrations of As were determined with AFS-2202. Principal component analysis (PCA) and partial correlation analysis (CA) were used and geostatistics was conducted for the data processing. Results  Concentrations of topsoil As, Cd, Cr, Cu, Ni, Pb and Zn in the Beijing area were measured and contour maps were constructed to describe the metals’ spatial distribution. Except for the background effect of the soils, anthropogenic factors made the soil heavy metal concentrations increase, especially in the center of the city. Combined with the PCA results, it was found that vehicle exhaust and smelters were the main sources of soil heavy metals. Pedogenic factors were also controlling the spatial features of metals. Discussion  Combined with the results of PCA, 7 heavy metals could be divided into 4 factors. F1 was the metals, i.e., Cu, Pb, Zn, mainly controlled by the human activities. Cr and Ni was in F2, Cd in F3 and As in F4. These 3 factors might be controlled by the soil parent materials. Concentrations of 7 heavy metals were comparable with the first level of environmental quality standard for soils of China and much lower than the second level of national standard for soils. Conclusion  The heavy metal concentrations in the topsoil of Beijing are mostly comparable with the background values, especially for As, Cr and Ni. In the city center of Beijing, Cu, Pb and Zn had a high concentration of distribution. The spatial features of As, Cr and Ni are mainly controlled by pedogenic factors, whereas Cd, Cu, Pb and Zn are controlled by anthropogenic and parent factors. Traffic and smelting contribute greatly to the increase of Pb, Zn and Cu in the soil, especially in the center of the city. Landfill may have also affected the soil quality around it. Recommendation  Different factors were controlled by parent materials, which might be related to the different soil minerals. Further research should be conducted in Beijing to elucidate the relationship between heavy metals and soil minerals. ESS-Submission Editor: Chengron Chen, PhD (c.chen@griffith.edu.au)