城乡结合带农田土壤多环芳烃空间分布特征及来源解析

为了解城乡结合带农田土壤PAHs的污染特征及分布规律,本文以南京市江宁区周岗镇为例,就该地区表层农田土壤中15种优控PAHs组分的含量、空间分布特征及来源进行了研究。结果表明:有14种PAHs普遍被检出（苊未检出）,以高环（4 ~ 6环）PAHs为主;PAHs总量范围在24.49 ~ 750.04 μg kg?1之间,平均为230.89 μg kg?1,有48.28%的土样受到了污染;与国内其他地区农田土壤相比,研究区PAHs含量处于中低水平;空间趋势面分析表明,14种PAHs在东西和南北方向上呈现出明显的规律增减性;从空间分布格局来看,研究区土壤中14种PAHs含量差异较大,整体呈现由东北向西南递减的趋势,且个别点位存在PAHs的富集现象,存在局部点源污染;采用主成分及多元线性回归分析污染来源,结果显示,研究区PAHs来源主要为煤、生物质燃烧,其次为汽油、柴油燃烧,贡献率分别为71%和29%,这与当地的工业发展水平关系密切。     

城乡结合带农田土壤多环芳烃空间分布特征及来源解析——以南京市周岗镇为例

为了解城乡结合带农田土壤PAHs的污染特征及分布规律,本文以南京市江宁区周岗镇为例,就该地区表层农田土壤中15种优控PAHs组分的含量、空间分布特征及来源进行了研究.结果 表明:有14种PAHs普遍被检出(苊未检出),以高环(4～6环)PAHs为主;PAHs总量范围在24.49 ～ 750.04 μg kg-1之间,平...     

基于地形与遥感辅助信息的小流域尺度高分辨率有机碳空间分布预测研究

土壤有机碳(soil organic carbon,SOC)既是衡量土壤质量的重要指标，也是影响全球碳氮循环的关键因素之一。作为数字土壤制图(digital soil mapping,DSM)研究中起主要作用的环境变量，地形元素在SOC预测制图中也是无可替代的。应用机器学习模型，通过引入不同超参数设置下获得的高分辨率(5 m)Geomorphons(GM)地形分类图作为丘陵地形特征信息的补充，结合数字高程模型(digital elevation model,DEM)衍生变量和光学、合成孔径雷达(synthetic aperture radar,SAR)遥感数据对句容市黄梅镇北部小流域尺度(1︰25 000)丘陵地貌区地表层SOC含量进行预测制图，并评估不同GM变量在SOC含量预测中的表现。基于74个土壤样本和不同环境变量组合，分别采用袋装决策回归树(bagged classification and regression tree,bagged CART)、随机森林(random forest,RF)和立体派(cubist)三种方法构建SOC含量预测模型，并通过四个精度验证指标，采用十...