, 方斌Analysis of spatial heterogeneity of soil heavy metals in tea plantation: Case study of high quality tea garden in Jiangsu and Zhejiang
DONGLikuan, FANGBin收稿日期:2016-08-26
修回日期:2016-12-12
网络出版日期:2017-02-20
版权声明:2017《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (952KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
重金属指的是原子密度超过5 g/cm3的金属元素,大约有40多种,主要包括Cu、Zn、Cd、Cr、Sn、Hg、Pb、Ag等,但从毒性角度一般把As、Se和Al等也包括在内[1]。重金属具有难溶性、持久性等特点[2],可以通过污染土壤影响农作物质量和产量,进而危害人体健康[3]。随着工业的快速发展及农业化学品（如农药、化肥等）的大量使用,中国农田土壤重金属的污染问题也随之加重,并引发了一系列农产品质量问题[4-6]。茶叶作为中国重要的经济作物,重金属超标的报道也时有发生,已引起人们广泛地关注,其中不乏优质名茶[7];此外,相关研究也证实,茶叶重金属的主要来源是土壤[8],因此,研究优质名茶茶园土壤重金属污染,并从区域空间整体效应加以体现对指导中国茶叶的种植与管控具有重要意义。学界对茶园土壤重金属的研究也较广泛。如方斌等以江苏省溧阳市天目湖镇桂林村及浙江省杭州市龙井村为例,运用ArcGIS空间分析功能,对江浙两省典型茶园土壤铜的空间分布特征以及影响因素进行了对比分析[9]。李灵等评价了九曲溪生态保护区及武夷山风景区的岩茶茶园土壤肥力及重金属污染状况,发现土壤Cu、Zn、Ni、Pb、Cr的含量均在中国土壤环境背景值范围内,且平均水平比福建省土壤环境背景值要高,但符合无公害茶园土壤标准要求,土壤整体肥力处于中等水平,基本达到无公害茶园建设的要 求[10]。林跃胜等以皖南茶园为研究对象,对茶园土壤重金属Cu、Zn、Pb、Ni全量及其化学形态进行了分析,结果表明皖南茶园土壤中Cu、Zn、Pb、Ni含量均在国家标准要求范围内,除Zn外,其他元素均高出背景值,存在较明显的富集现象[7]。此外,Nejatolahi等用火焰原子吸收光谱法测定了伊朗北部茶农场叶片和土壤中Cu、Zn、Cd、Pb的含量,结果发现茶叶中重金属含量平均值的顺序为：Zn>Cu>Pb>Cd;Cu和Pb的含量均明显低于伊朗标准和工业研究院（ISIRI）法案允许限值,而Cd的含量明显高于允许限值[11]。Zhang等对茶园土壤性质、重金属含量的长期变化及其对土壤中重金属吸收的影响进行研究,发现茶园土壤可溶性有机物会发生酸化和积累,并引致茶叶重金属积累,尤其是在低浓度重金属污染的土壤中表现更为明显,因为在低浓度重金属污染的土壤中,这些金属元素的可利用率主要取决于土壤的pH值以及可溶解的有机物等[12]。然而,****们对茶园土壤重金属的研究多集中在重金属含量的检测、污染评价及其对茶叶的影响;对茶园土壤重金属的相关关系及其区域空间异质性即点状结果与整体效应的研究较少;尤其以江浙地区优质名茶茶园作为研究区探讨其土壤重金属含量空间效应的相关文献并不多见。
基于此,选取江苏省苏州市东山镇碧螺春茶园和浙江省湖州市溪龙乡安吉白茶茶园作为研究区,结合研究区土壤的实际状况,分析茶园土壤重金属Cu、Zn、Cd、As、Se的含量特征及其相关关系,并对比分析两地茶园土壤重金属的空间相关性及各自空间异质性特征,探寻规律,分析成因,以期为土壤条件改良、茶叶品质提升以及茶园经营管理的完善提供科学的理论指导。
2 研究区概况与研究方法
2.1 研究区概况
江浙两省位于中国东部地区,地处长江下游,是中国四大茶区的江南茶区,也是中国优质名茶高产区,其土壤理化性质（如土壤质地及土壤背景值等）相近[13,14]。各研究区所在行政区地理位置可见图1。
显示原图|下载原图ZIP|生成PPT图1研究区行政区位图
-->Fig. 1Administrative divisions of the study area
-->
江苏省苏州市东山镇（图1种植区I）,位于30°2′N~30°5′N,120°20′E~120°24′E,该镇年均气温为16 ℃,年均日照时数为2177.7 h,无霜期为230天,年均降雨量1139 mm,年均相对湿度为79%,属于北亚热带湿润性季风气候,所种茶叶主要为被誉为“中国十大名茶之一”的碧螺春（绿茶）。东山境内以海拔在100~300 m的丘陵地区和冲积平原为主,其土壤母质为石英砂岩及湖相沉积物,土壤类型主要为酸性的黄棕壤。
浙江省安吉县溪龙乡（图1种植区II）,位于30°23′N~30°53′N,119°14′E~119°53′E,该乡年均气温为15.6 ℃,年均日照时数为2005 h,无霜期为226天,年均降雨量1496 mm,年均相对湿度为81%,属于亚热带海洋性季风气候,所种茶叶主要为被誉为“浙江名茶后起之秀”的安吉白茶（白茶）。溪龙境内以海拔在60~400 m的丘陵为主,其土壤母质主要为石英砂岩、粉砂岩残坡积物,土壤类型主要为酸性的黄棕壤和红壤。
2.2 样品采集与处理分析
2.2.1 样品采集 （1）茶园选取：以遥感影像为基础,实地踏勘与走访当地种植大户选择成片性较好、能够代表当地茶叶特色及种植方式等特点的茶园作为研究区,研究区面积统一为16 km2。（2）采样方法：结合各乡镇级别地形图、土地利用现状图、以及卫星图等,综合考虑研究区土壤自然条件,采用多点混合采样方法进行采样,每个混合土样由5个相邻近的样点组成。由于土壤采样数量不少于0.8个/km2即可保证插值精度[15],结合实际情况,每个种植区选取40个混合土样（图2）,混合样点密度为2.5个/km2,混合样点平均距离为400 m,每个样点的取土深度为0~25 cm,每个混合土样样品取重为1 kg左右,各个样点的取样重量等基本均匀一致。此外,样点布设还避开了不合理的区域,如距公路太近或危险的地区等,且尽量实现区内布局平衡。
显示原图|下载原图ZIP|生成PPT图2研究区混合采样点分布图
-->Fig. 2The distribution of sampling sites in the study area
-->
（3）样本信息：土壤采样时详细地记录了各个样点的地形状况、土壤类型、耕层厚度、样点地理坐标以及周围环境状况等信息。
（4）采集时间：2013年4月18日至5月20日,此段时间春茶采收工作已基本结束,而园地土壤尚未施肥。
2.2.2 样品处理 土壤样品采集后经风干（气温25oC~35oC,空气相对湿度20%~60%）,剔除可见侵入体及粗有机物等杂质,研磨至全部过筛（0.074 mm尼龙筛）等前期处理,制成待测土样。其中,土壤Cu、Zn、Cd采用3510原子吸收分光光度计测定,土壤As采用AFS-930型双道原子荧光光谱仪测定[16],土壤Se采用AFS-230E型原子荧光光谱仪测 定[17]。此外,还用TOC分析仪SSM-5000A固体进样模块测定土壤有机质含量[2],以及用pH计（水土比为2.5:1）[18]测定了土壤的pH值。测试结果显示,土壤Cu、Zn、As、Se的相对标准偏差均在1.0%~3.0%范围内,土壤Cd的相对标准偏差小于5.0%,加标回收率均在96.0%~105.0%范围内,测试精密度及准确度高,方法可靠。
2.2.3 数据处理 运用SPSS 20.0对样本数据做基本描述性统计分析,得出样品重金属含量的最大值、最小值、平均值、标准差以及变异系数等统计特征值,重金属间相关关系的分析,重金属含量数据正态分布性检验等。利用GS+9.0和ArcGIS9.3进行半方差函数模型拟合以及Kriging空间插值分析,从而对茶园土壤重金属的空间相关性、空间分布特征及其影响因素等进行模型处理与分析[19]。茶园土壤环境质量标准及土壤硒等级划分界限值见表1、表2。
Tab. 1
表1
表1茶园土壤环境质量标准
Tab. 1Tea garden soil environmental quality standards
| 项目 | 含量限值 |
|---|---|
| pH值 | 4.0~6.5[20,21] |
| Cu(mg/kg) | ≤50[20,22] |
| Zn(mg/kg) | ≤200[22] |
| Cd(mg/kg) | ≤0.3[21,22] |
| As(mg/kg) | ≤40[20,21] |
新窗口打开
Tab. 2
表2
表2土壤硒等级划分界限值
Tab. 2The boundary value of soil Se level
| Se含量(mg/kg) | Se效应[23,24] |
|---|---|
| <0.125 | 缺乏 |
| 0.125~0.175 | 边缘 |
| 0.175~0.400 | 中等 |
| 0.400~3.000 | 高含量 |
| >3.000 | 硒中毒 |
新窗口打开
3 结果分析
3.1 土壤重金属统描述性计特征分析
对研究区茶园土壤样本数据进行经典统计学分析。结果显示：研究区茶园土壤Cu、Zn、Cd、As、Se含量最小值均在质量标准限值范围内;但最大值和平均值却有超标的现象。具体表现为：① 东山镇土壤Cu最大值、平均值超标程度（本文超标程度为实际值与标准限值之差比上标准限值）及样本超标率分别为51.20%、0.00%、35.00%,表明东山镇茶园土壤Cu整体水平达标,但存在局部区域超标现象;而溪龙乡土壤Cu最大值、平均值超标程度及样本超标率分别为21.00%、0.00%、10.00%,表明溪龙乡土壤Cu超标情况与东山镇相似,但超标情况较东山镇轻。② 东山镇土壤Zn最大值、平均值超标程度及样本超标率分别为196.75%、13.23%、65.00%,表明东山镇茶园土壤Zn污染较严重;而溪龙乡土壤Zn最大值、平均值超标程度及样本超标率分别为51.1%、0.00%、15.00%,表明溪龙乡土壤Zn仅存在局部超标。③ 东山镇土壤Cd最大值为0.16 mg/kg,小于标准限值0.3 mg/kg,不存在污染问题;溪龙乡土壤Cd最大值、平均值超标程度及样本超标率分别为3.33%、0.00%、10.00%,表明溪龙乡土壤Cd局部区域虽有超标,但超标情况较轻。④ 东山镇土壤As最大值、平均值超标程度及样本超标率分别为9.23%、0.00%、5.00%,表明东山镇土壤As存在局部超标,但超标情况并不严重;溪龙乡土壤As虽然最大值超标程度高达120.95%,但其他超标数据超标程度均较低,样本平均值为25.15 mg/kg,与标准限值40 mg/kg相差较大,且样本超标率仅为7.50%,因此整体水平上超标情况较轻,但较东山镇严重。⑤ 东山镇土壤Se最大值为2.16 mg/kg,小于标准限值3.00 mg/kg,不存在污染问题（未达到硒中毒水平）;而溪龙乡土壤Se虽然超标程度较低,最大值超标程度仅为6.00%,但样本数据超标率较高,达到50.00%,且平均值（2.95 mg/kg）与Se标准限值3.00 mg/kg非常接近,因此溪龙乡土壤整体上存在较轻程度Se过量问题。偏度系数表明,仅溪龙乡Se含量呈左偏态分布,其他均为右偏态分布;峰度系数表明,各重金属含量分布曲线的峰部显示出不同的尖度。综合来看,东山镇Cu、As含量大于样本均值的数据相对分散,且极端值较少,数据集中程度较高;溪龙乡Se含量小于样本均值的数据相对较为分散,且极端值较少,数据集中程度也较高;其余重金属含量为大于样本均值的数据相对较为分散,且极端值较多,数据集中程度较低;其中分布曲线偏斜程度最大,数据分布最发散的是溪龙乡As。
研究表明：元素空间变异性随着变异系数的变化而变化,通常认为变异系数CV小于等于0.1时为弱变异性,在0.1~1范围内时为中等强度变异性,大于等于1时为强变异性[25,26];变异系数表明,两个研究区茶园土壤重金属含量均属于中等强度变异;其中东山镇茶园土壤重金属变异性由强到弱依次是：Cd>As>Se>Zn>Cu;而溪龙乡茶园土壤重金属变异性由强到弱依次是：Cd>As>Zn>Cu>Se。样本统计数据及相关质量标准和限值见表1~表3。
Tab. 3
表3
表3样本数据描述性统计
Tab. 3Descriptive statistics of sample data
| 研究区 | 统计参数 | Cu | Zn | Cd | As | Se |
|---|---|---|---|---|---|---|
| 东山镇 | 最小值(mg/kg) | 22.30 | 61.80 | 0.01 | 7.89 | 0.26 |
| 最大值(mg/kg) | 75.60 | 593.50 | 0.16 | 43.69 | 2.16 | |
| 平均值(mg/kg) | 45.87 | 226.45 | 0.05 | 20.72 | 1.06 | |
| 极差值(mg/kg) | 53.30 | 531.70 | 0.15 | 35.80 | 1.90 | |
| 标准差(Std.) | 13.42 | 87.68 | 0.03 | 10.18 | 0.42 | |
| 偏度(Skewness) | 0.25 | 2.02 | 1.50 | 0.73 | 0.80 | |
| 峰度(Kurtosis) | -0.53 | 7.58 | 3.75 | -0.40 | 0.46 | |
| 变异系数(CV) | 0.29 | 0.39 | 0.60 | 0.49 | 0.40 | |
| 样本超标率(%) | 35.00 | 65.00 | 0.00 | 5.00 | 0.00 | |
| K-S检验(P(k-s)) | 0.99 | 0.08 | 0.46 | 0.47 | 0.36 | |
| - | - | - | - | - | ||
| 溪龙乡 | 最小值(mg/kg) | 10.10 | 57.60 | 0.04 | 10.18 | 1.46 |
| 最大值(mg/kg) | 60.50 | 302.20 | 0.31 | 88.38 | 4.24 | |
| 平均值(mg/kg) | 34.60 | 152.34 | 0.11 | 25.15 | 2.95 | |
| 极差值(mg/kg) | 50.40 | 244.60 | 0.27 | 78.20 | 2.78 | |
| 标准差(Std.) | 10.98 | 53.69 | 0.07 | 13.57 | 0.65 | |
| 偏度(Skewness) | 0.55 | 1.03 | 1.96 | 2.94 | -0.32 | |
| 峰度(Kurtosis) | 0.51 | 1.38 | 3.23 | 11.74 | -0.51 | |
| 变异系数(CV) | 0.32 | 0.35 | 0.69 | 0.54 | 0.22 | |
| 样本超标率(%) | 10.00 | 15.00 | 10.00 | 7.50 | 50.00 | |
| K-S检验(P(k-s)) | 0.89 | 0.43 | 0.04 | 0.13 | 0.84 | |
| - | - | 0.56(对数) | - | - |
新窗口打开
3.2 土壤重金属相关性分析
为进一步得出各重金属间相互依赖关系及其是否具有相同的来源等信息,对茶园土壤重金属间及其与土壤pH值、土壤有机质（SOM）间相关关系进行研究分析。研究表明,若重金属间具有非常显著的正相关关系,则表明重金属间的来源、富集以及迁移等具有相似的地球化学行为;若重金属间正相关性较强,则说明元素具有共同来源的可能性较大;若重金属间存在负相关关系,则表明重金属间存在共同来源的可能性极小,或者存在着一定的拮抗作用[27]。研究区茶园土壤Se最为活跃,与pH值、SOM及其他重金属间均表现出1%水平下显著相关。其中与pH值、Cu、Zn表现为显著负相关,相关系数分别为-0.577、-0.434、 -0.384,表明酸性条件利于Se的储存,同时Se与Cu、Zn之间有极小的共同来源的可能性,甚至可能存在较强的拮抗作用;而与SOM、Cd、As呈现显著正相关,相关系数分别为0.639、0.476、0.347,表明土壤有机质有助于Se的存储,Se与Cd、As在来源、富集、迁移等方面具有相似的地球化学行为,且Se极易与Cd、As在土壤中共存。土壤Cu、Zn因均对硫表现出较强的亲和力而被称为亲硫元素,具有某些相似属性,Cu、Zn表现出1%水平下显著正相关,相关系数高达0.548,表明研究区茶园Cu、Zn极易共存,具有相同的来源,因此在治理污染问题时可考虑协同治理。
此外,茶树为喜酸性植物,其适宜生长pH值为4.0~6.5,最适pH值为4.5~5.5[18]。两个研究区土壤pH平均值分别为4.74、4.22,均适合茶树生长。而pH与SOM、As、Se均表现出1%水平下的显著负相关,相关系数分别为-0.548、-0.348、-0.577,表明酸性条件下茶园土壤对SOM、As、Se具有较强的吸附保持作用。此外,土壤有机质与Cd、Se表现出1%水平下的显著正相关,且与As表现出5%水平下的显著正相关,相关系数分别为0.390、0.639、0.225,表明茶园土壤有机质利于Cd、Se以及As的贮存。相关系数见表4。
Tab. 4
表4
表4各重金属彼此间及其与pH值和有机质间的相关系数
Tab. 4Correlation coefficient between soil heavy metals, pH and SOM
| pH | SOM | Cu | Zn | Cd | As | Se | |
|---|---|---|---|---|---|---|---|
| pH | 1 | ||||||
| SOM | -0.548** | 1 | |||||
| Cu | 0.218 | -0.191 | 1 | ||||
| Zn | 0.165 | 0.029 | 0.548** | 1 | |||
| Cd | -0.173 | 0.390** | -0.191 | -0.156 | 1 | ||
| As | -0.348** | 0.225* | -0.214 | 0.132 | 0.145 | 1 | |
| Se | -0.577** | 0.639** | -0.434** | -0.384** | 0.476** | 0.347** | 1 |
新窗口打开
3.3 土壤重金属空间变异分析
自20世纪80年代以来,地统计学在利用半方差函数（semi-variogram）和克里格（Kriging）空间插值研究土壤属性空间特征方面得到了广泛应用[19]。地统计学要求所分析数据符合正态分布,因此,在空间分析前要进行K-S检验（kolmogorov-smirnov正态分布检验）,若数据服从正态分布（即Pk-s>0.05[28]）则可进行地统计学相关分析,否则需进行数据转换以使其符合正态分布。本文数据经处理后已全部符合正态分布要求（表1）,因此可进行地统计学相关分析。3.3.1 半方差函数分析 半方差函数是地统计学中关于土壤属性空间变异性研究至关重要的函数[25],其拟合产生的参数（如块金值、基台值、块金系数、变程等）可以用来表示区域化变量在一定尺度上的空间变异和相关程度[29-31]。研究区茶园土壤重金属的块金值均大于0,表明变量本身存在由于各种随机因素而引起正基底效应。从块金值和基台值来看,除溪龙乡土壤Cd外,均表现出较为明显的空间异质性。
块金系数表示在系统总变异中由随机性引起的部分所占的比例,用块金值与基台值的比值计算。若块金系数小于0.25,则表明土壤属性的空间相关性较强烈,若块金系数在0.25~0.75范围内,则表明土壤属性具有中等强度的空间相关性,若块金系数大于0.75,则表明土壤属性空间相关性很弱[32]。两个研究区土壤重金属中只有溪龙乡土壤Cd的块金系数最大,且大于0.75,表明溪龙乡土壤Cd含量空间相关性较弱,受人为活动影响较大;东山镇土壤As、溪龙乡土壤Se的块金系数分别为0.476、0.574,表明其属于中等的空间相关性,受到一定程度的人为活动影响;而其他各重金属含量均表现出强烈的空间相关性,受人为活动影响较小,其中溪龙乡土壤As的块金系数最小,表明其受人为活动影响最小,空间自相关性最强。
变程是指自相关范围,即属性因子随空间变化而变化的最大距离[33]。两个研究区茶园土壤重金属的变程均大于混合样点的采样距离,表明均适合进行空间变异分析。其中,溪龙乡土壤Cu、Zn、As的变程小于1 km,表现出相对较小尺度下的空间异质性,而其他重金属的变程则均大于1 km,表现出相对较大尺度下的空间异质性。
两个研究区茶园土壤重金属半方差函数拟合决定系数R2均大于0.5,拟合效果较好,可进行Kriging空间插值分析。拟合参数值见表5。
Tab. 5
表5
表5茶园重金属半方差函数拟合结果
Tab. 5Fitting results of semi-variance function of heavy metals in tea garden
| 研究区Area | 元素Element | 块金值 C0 | 基台值C0+C | 块金系数 C0/(C0+C) | 变程（km） Range | 决定系数 R2 | 残差 RSS | 理论模型 Model |
|---|---|---|---|---|---|---|---|---|
| 东山镇 | Cu | 0.020 | 0.100 | 0.196 | 1.980 | 0.620 | 1.933E-03 | Spherical |
| Zn | 0.026 | 0.128 | 0.202 | 2.782 | 0.840 | 1.493E-03 | Spherical | |
| Cd | 0.019 | 0.329 | 0.058 | 1.160 | 0.673 | 2.200E-02 | Gaussian | |
| As | 0.156 | 0.328 | 0.476 | 5.400 | 0.800 | 2.340E-02 | Linear | |
| Se | 0.037 | 0.193 | 0.192 | 1.850 | 0.552 | 5.577E-03 | Spherical | |
| 溪龙乡 | Cu | 0.107 | 0.969 | 0.110 | 0.492 | 0.592 | 1.690E-01 | Spherical |
| Zn | 0.025 | 0.126 | 0.198 | 0.949 | 0.815 | 2.203E-03 | Spherical | |
| Cd | 0.300 | 0.337 | 0.890 | 3.200 | 0.596 | 2.150E-02 | Linear | |
| As | 0.009 | 0.183 | 0.049 | 0.729 | 0.694 | 5.289E-03 | Gaussian | |
| Se | 0.261 | 0.455 | 0.574 | 3.100 | 0.633 | 1.570E-02 | Linear |
新窗口打开
3.3.2 茶园土壤重金属含量空间分布特征 在土壤重金属空间变异特征分析的基础上,利用普通Kriging插值法对研究区土壤重金属区域化变量的取值进行估计[33-37],并在ArcGIS 9.3中提取GDEM30 m分辨率的DEM数据等高线,进一步分析研究区茶园土壤重金属含量空间分布特征[38,39]。
东山镇和溪龙乡土壤Cu均表现出不规则的团块状分布。其中东山镇土壤Cu含量超过茶园土壤环境质量标准限值的面积共占42.81%,主要分布在西南—东北走向东山山脉的左侧（即山阴面）海拔较低的区域,其原因主要是由于低海拔更有利于土壤Cu的积累和储存[9,40];此外东山镇西侧距离高速公路较近,且土壤Cu高值区附近正是当地农家乐、酒店、工厂等密集区,因此汽车尾气以及生产生活排放的污染物等也是东山镇茶园山阴面低海拔处土壤Cu含量较高的又一重要原因。而溪龙乡土壤Cu含量超过标准限值50 mg/kg的面积比例只有0.13%,主要分布在中部海拔在地势平缓海拔在70 m以下的山底和北部海拔低于35 m的局部区域内,其主要原因除与海拔较低有重要关系外,还与中部交通道路汽车尾气排放及西北部上马坎工业园区等生产制造污染物的排放有关。土壤铜Kriging插值图见图3。
显示原图|下载原图ZIP|生成PPT图3基于DEM数据的土壤铜Kriging插值图
-->Fig. 3The soil copper Kriging interpolation based on DEM data
-->
东山镇和溪龙乡土壤Zn除局部区域人为显著影响,整体上与海拔表现出一定程度的正相关趋势,研究表明海拔对土壤Zn含量有重要的影响[41]。其中东山镇土壤Zn含量超过标准限值200 mg/kg的面积高达65.67%,广泛分布在中部及东北部区域,且整体上山阴面含量高于山阳面并由东北向西南呈明显阶梯状递减走势分布,其中最高值范围出现在东北部较低海拔区域,主要因为该区域是与外界相接地区,是旅游景点、交通要道、人口数量等高度密集区,生产生活废弃物及旅游业产生的污染等使得该区域土壤Zn严重超标,最大值甚至达593.50 mg/kg。溪龙乡土壤Zn整体则呈明显块状和带状镶嵌分布,其超过标准限值200 mg/kg的仅占总面积的2.61%,主要分布在西南方向海拔在大于105 m且位于山阴面的局部地区,该地是张家坞所在地,是农户生产生活及游客观光游览场所,农户生产生活垃圾及来往车辆尾气排放对该地土壤Zn超标具有重要影响。土壤锌Kriging插值图见图4。
显示原图|下载原图ZIP|生成PPT图4基于DEM数据的土壤锌Kriging插值图
-->Fig. 4The soil zinc Kriging interpolation based on DEM data
-->
东山镇和溪龙乡土壤Cd含量整体上均在标准限值0.3 mg/kg范围内,因此两个研究均不存在Cd污染问题。其中东山镇土壤Cd分布呈现出明显的阶梯状,相对较高值仍然出现在东北部及东部局部海拔较低的区域内,主要原因还是与当地工业以及农户产生生活的废弃物有关;而西南地区由于临近太湖,地理位置较偏远,因而茶园土壤受旅游、工业生产等人为活动影响较小,因此土壤Cd含量整体较低。溪龙乡土壤Cd空间分布呈现出不规则的团块结构,相对高值区主要分布在东侧和南侧,主要受当地各大茶厂的生产加工及当地旅游业等人为活动的影响,其中在中部偏南交通要道的交叉口地区,受俊熙茶厂、安吉叶兢茶厂及黄社村等农户生产生活影响,Cd含量在0.15~0.30 mg/kg范围,相对较高。此外,两地茶园土壤Cd虽然都未超标,但溪龙乡土壤Cd整体含量高于东山镇,主要是因为溪龙乡种植区有较多的大型茶场、承包户及合作社的规模种植,其施肥量、农药施用量等相比东山镇更大,且溪龙乡多以有机肥和强化其品质的饼肥为主。调研显示,溪龙乡茶园每年施有机肥（油饼、菜籽、鸡粪、羊粪）2200 kg/hm2左右,复合肥1500 kg/hm2左右;而东山镇每年施有机肥1500 kg/hm2左右,复合肥1100 kg/hm2左右;农药溪龙乡每年用4次,每次600 ml/hm2左右,而东山镇每年2次,每次150 ml/hm2左右。较高的施肥量和农药施用量一方面直接增加了土壤Cd的含量,另一方面通过影响土壤SOM等成分而间接提高土壤Cd含量[42,43];另外,土壤Cd与土壤Se也存在极显著的正相关关系,相关系数为0.476,而由表3和图7可以看出溪龙乡土壤Se含量整体明显高于东山镇,可见溪龙乡高水平的Se含量对溪龙乡土壤Cd含量较高也有助推作用。土壤镉Kriging插值图见图5。
显示原图|下载原图ZIP|生成PPT图5基于DEM数据的土壤镉Kriging插值图
-->Fig. 5The soil cadmium Kriging interpolation based on DEM data
-->
显示原图|下载原图ZIP|生成PPT图7基于DEM数据的土壤硒Kriging插值图
-->Fig. 7The soil selenium Kriging interpolation based on DEM data
-->
东山镇土壤As整体含量低于标准限值40 mg/kg,不存在As污染问题,但在中部和东北部出现土壤As含量相对高值区,两部分面积占比共为4.72%,并由两地向周围呈降低的趋势,主要与东山镇土壤SOM及土壤Se有关,统计结果显示,土壤As与土壤SOM表现出5%水平下显著正相关,与土壤Se表现出1%水平下极显著正相关,相关系数分别为0.225、0.347,而土壤As相对高值区也是土壤SOM和土壤Se相对高值区。溪龙乡土壤As含量仅在东部局部出现高于限值40 mg/kg的区域,面积占比仅为0.47%,溪龙乡绝大部分区域土壤As含量均在20~30 mg/kg范围内,且整体水平高于东山镇并呈东高西低的趋势,原因一方面与溪龙乡土壤SOM及土壤Se含量均高于东山镇且呈东高西低趋势有关,另一方面土壤As与土壤pH值表现为1%水平下极显著负相关（表4）,而东山镇和溪龙乡茶园土壤pH值平均值分别为4.74、4.22,因此,溪龙乡土壤更利于土壤As储存。土壤砷Kriging插值图见图6。
显示原图|下载原图ZIP|生成PPT图6基于DEM数据的土壤砷Kriging插值图
-->Fig. 6The soil arsenic Kriging interpolation based on DEM data
-->
东山镇土壤Se含量均在标准限值3.00 mg/kg范围内,不存在硒污染问题,且整体含量处于高含量硒水平,面积比例高达99.54%,主要与成土母质有关[44,45],东山镇土壤母质为石英砂岩及湖相沉积物,富含有机质等营养物质。溪龙乡土壤Se含量明显高于东山镇,且在东部和南部出现硒过量情况,其中含量在3.00~3.50 mg/kg的面积比例为30.66%,含量大于3.50 mg/kg的面积比例为7.82%,两者面积比例共占38.48%,并呈明显的由东到西阶梯状降低的趋势,其原因除成土母质条件外,还与溪龙乡地处黄壤向红壤过渡地带,土壤粘性较高[46]、与土壤SOM相对丰富及土壤pH值酸性环境有着极显著相关性（相关系数分别高达0.639、-0.577）、还与规模种植有机肥施用量高等有重要关系。土壤硒Kriging插值图见图7。
4 结论与讨论
（1）SPSS统计分析结果表明,东山镇土壤Cu、Zn及溪龙乡土壤Se含量样本数据超标率分别为35.00%、67.50%、50.00%,存在较为严重的重金属污染问题,应采取相应的措施予以改善,而其他各重金属整体水平基本符合茶园土壤环境质量标准的要求;各重金属变异系数均在0.1~1之间,属中等强度变异,其中土壤Cd的变异系数最大,两个研究区茶园土壤Cd的变异系数分别为0.60、0.69,均大于0.5;此外,东山镇土壤Cu、As及溪龙乡土壤Se含量数据分布整体集中性较高,而其他重金属含量数据分布均较发散。在茶叶种植过程中,应有针对性地对东山镇土壤Cu、Zn及溪龙乡土壤Se进行定期的检测和控制,从而预防茶叶因重金属污染而降低茶叶品质。（2）相关关系表明,茶园土壤各重金属彼此相互影响。土壤Se与土壤pH值、SOM以及各重金属间均存在显著的相关关系,其中与土壤pH值显著负相关,与SOM显著正相关,表明酸性条件及充足的SOM利于Se在土壤中的储存;而土壤Se与土壤Cu、Zn表现为显著负相关,与土壤Cd、As表现为显著正相关,表明Se与Cd、As在土壤中极易共存,而不易与Cu、Zn共存。这有助于以Se为入角点,对重金属含量作适当管控。此外,土壤Se与土壤Cd、As具有相似的来源,土壤Cu与土壤Zn也具有相似的来源。在茶叶种植过程中,应注意避免重金属复合污染,尽量减少使用含重金属过多的肥料（无机化肥及有机粪肥）等。
（3）半方差函数拟合结果表明,研究区茶园土壤各重金属的空间分布均受到不同程度结构性因子和随机性因子共同作用的影响。其中溪龙乡土壤Cd的块金系数为0.890,其空间相关性很弱,说明其受到人类活动的影响较大;东山镇土壤As、溪龙乡土壤Se的块金系数均在0.25~0.75范围内,表现为中等的空间相关性,其受到一定程度的人类活动的影响;而其他各重金属的块金系数均小于0.25,表现出强烈的空间相关性,说明受到人类活动的影响较小。除溪龙乡土壤Cu、Zn及As表现出相对较小尺度下的空间异质性外,其他重金属含量均表现出相对较大尺度下的空间异质性。
（4）Kriging插值结果表明,研究区茶园土壤重金属空间分布均具有相连成片特征,但不同茶园重金属呈现出不同的规律性,需要提出针对性治理措施,尤其是对人为影响较大的区域,需要针对人的行为构建相应的治理方案。例如,土壤Cu表现出不规则团块状分布,并受海拔及人为活动的双重影响在低海拔出表现出集聚现象,因此在减少对人为影响的同时,还要对低海拔土壤Cu进行重点监控;东山镇土壤Zn存在较为严重的Zn超标问题,一方面要注意针对不同海拔进行分区处理,另一方面也要注意控制东北局部地区较强的人为活动影响;而溪龙乡土壤Cd、As、Se受长期规模种植等的影响导致整体水平高于东山镇,因此应着重注意规模种植对土壤性质及重金属含量的影响。
本文对比分析了江、浙两地优质名茶茶园土壤重金属的空间异质性,分别进行了描述性统计分析、相关性分析、半方差分析以及Kriging空间插值分析,并分析了相关的影响因素。但由于研究时间有限等原因,论文还存在一些不足有待进一步完善。
（1）样本数量不够丰富,尽管能够满足研究的需要,但可能会影响半方差以及 Kriging插值分析的精度,后续研究会适当增大样本数量。
（2）论文主要是从土壤性质、地形等结构性因素方面进行量化分析,对耕作、管理等随机性因素的研究主要是通过阅读文献并结合实地观察进行分析,考虑到调研数据的有效性,本文对调研数据没有展开分析,后续研究中会注意加强随机性因素影响的量化分析。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | . 重金属污染生态学的研究迄今已有近 5 0 a的历史 ,在土壤重金属元素背景值和环境标准的制定、重金属在环境中的迁移转化、重金属污染治理、元素分析测定方法和规范、对生物体的毒性及生物体的响应等方面取得了很多研究成果 ,出版了很多专著。在对重金属污染生态学研究进行简要回顾的基础上 ,以重金属在生物体内的行为特征 (吸收、迁移、富集、毒害、解毒和抗性等 )为主线 ,从微观和宏观水平 ,系统综述了目前该领域的研究现状 ,分析了尚存在的一些问题 ,最后从生物对重金属污染适应的分子机理、治理方法和技术的创新性、复合污染下环境标准制定的科学化以及重金属污染条件下全球生物进化的趋势预测等方面作了研究展望。 重金属污染生态学的研究迄今已有近 5 0 a的历史 ,在土壤重金属元素背景值和环境标准的制定、重金属在环境中的迁移转化、重金属污染治理、元素分析测定方法和规范、对生物体的毒性及生物体的响应等方面取得了很多研究成果 ,出版了很多专著。在对重金属污染生态学研究进行简要回顾的基础上 ,以重金属在生物体内的行为特征 (吸收、迁移、富集、毒害、解毒和抗性等 )为主线 ,从微观和宏观水平 ,系统综述了目前该领域的研究现状 ,分析了尚存在的一些问题 ,最后从生物对重金属污染适应的分子机理、治理方法和技术的创新性、复合污染下环境标准制定的科学化以及重金属污染条件下全球生物进化的趋势预测等方面作了研究展望。 |
| [2] | . |
| [3] | . 植物修复农田土壤重金属污染需要经历一个长期的过程,而大部分用来修复的植物都不具备利用价值,不能给当地农民带来经济收入。因此,一些农作物由于其较大的生物量和一定的经济价值,在植物修复土壤重金属污染的应用中受到广泛关注。是在重金属(Cu、Zn、Pb、Cd、As、Hg)复合污染的郴州矿区废弃农田种植油菜、玉米和油葵,研究油菜-玉米和油-油葵两种种植模式对土壤重金属污染的修复潜力。实验结果表明:三种作物在复合污染土壤中对重金属都表现出一定的耐性及吸收积累能力。向日葵的根和叶中重金属Cd、Cu的含量都很高,其中Cd在向日葵的各个部位的富集系数(BCF)及Cu在向日葵的根和叶的富集系数(BCF)都大于1。两种轮作模式对作物的产量没有明显的影响,收获得到的干物质量都很高,每年每公顷分别为油菜16.6t、玉米25.29t、油葵22.5t。两种种植模式都可以对土壤中的重金属进行有效的提取,油菜-油葵种植模式下提取重金属Cu、Pb、Cd、As的量较高,分别为:Cu 2408g hm<sup>-2</sup> a<sup>-1</sup>,Pb 2027g hm<sup>-2</sup> a<sup>-1</sup>,Cd 658.5g hm<sup>-2</sup> a<sup>-1</sup>,As 250g hm<sup>-2</sup> a<sup>-1</sup>,油菜-玉米模式下Zn和Hg的提取量较高,分别为Zn 4987g hm<sup>-2</sup> a<sup>-1</sup>和Hg 7.92g hm<sup>-2</sup> a<sup>-1</sup>;对于多种重金属复合污染的土壤来说,油菜-油葵的种植模式要优于油菜-玉米的种植模式。总的来说,利用3种作物两两轮作的种植模式,在不影响作物产量的前提下大大的提高了作物对重金属的提取总量。3种作物在收获以后又可以用做工业原料,这就使得当地农民充分利用矿区废弃农田修复污染的同时又能从中获得一定经济效益。 植物修复农田土壤重金属污染需要经历一个长期的过程,而大部分用来修复的植物都不具备利用价值,不能给当地农民带来经济收入。因此,一些农作物由于其较大的生物量和一定的经济价值,在植物修复土壤重金属污染的应用中受到广泛关注。是在重金属(Cu、Zn、Pb、Cd、As、Hg)复合污染的郴州矿区废弃农田种植油菜、玉米和油葵,研究油菜-玉米和油-油葵两种种植模式对土壤重金属污染的修复潜力。实验结果表明:三种作物在复合污染土壤中对重金属都表现出一定的耐性及吸收积累能力。向日葵的根和叶中重金属Cd、Cu的含量都很高,其中Cd在向日葵的各个部位的富集系数(BCF)及Cu在向日葵的根和叶的富集系数(BCF)都大于1。两种轮作模式对作物的产量没有明显的影响,收获得到的干物质量都很高,每年每公顷分别为油菜16.6t、玉米25.29t、油葵22.5t。两种种植模式都可以对土壤中的重金属进行有效的提取,油菜-油葵种植模式下提取重金属Cu、Pb、Cd、As的量较高,分别为:Cu 2408g hm<sup>-2</sup> a<sup>-1</sup>,Pb 2027g hm<sup>-2</sup> a<sup>-1</sup>,Cd 658.5g hm<sup>-2</sup> a<sup>-1</sup>,As 250g hm<sup>-2</sup> a<sup>-1</sup>,油菜-玉米模式下Zn和Hg的提取量较高,分别为Zn 4987g hm<sup>-2</sup> a<sup>-1</sup>和Hg 7.92g hm<sup>-2</sup> a<sup>-1</sup>;对于多种重金属复合污染的土壤来说,油菜-油葵的种植模式要优于油菜-玉米的种植模式。总的来说,利用3种作物两两轮作的种植模式,在不影响作物产量的前提下大大的提高了作物对重金属的提取总量。3种作物在收获以后又可以用做工业原料,这就使得当地农民充分利用矿区废弃农田修复污染的同时又能从中获得一定经济效益。 |
| [4] | . |
| [5] | . 为了解成都平原水稻土重金属含量状况和潜在的生态风险,选取成都平原北部水稻土典型区域为研究对象,采集了158个表层土壤样品,分析了土壤中pH值和Cd、Cu、As、Hg、Pb、Cr、Ni 7种重金属元素含量,以20世纪80年代测定的成都平原土壤重金属元素背景值为评价标准,采用Hakanson潜在生态危害指数法对研究区域的重金属潜在生态风险进行了评价。结果表明:研究区域水稻土Cd、Hg、Ni、Cu、Pb、Cr和As平均含量分别为0.709、0.187、32.08、34.12、31.52、82.13 mg/kg和7.25 mg/kg;Cd、Ni、Cu和Hg 4种重金属超过《土壤环境质量标准》(GB15618-1995) Ⅱ级标准值样本比例分别为87.34%、8.23%、3.80%和3.80%,Cd含量超标严重。7种重金属元素变异系数幅度为18.35%-49.03%,由大到小依次为Cd、Hg、Cu、As、Ni、Cr、Pb。75.32%的样本达到中度或较强重金属潜在生态风险,区域整体表现为中度潜在生态风险(<em>RI</em>平均值为198.65),Cd和Hg为高生态风险元素,对潜在生态风险贡献率分别为62.27%和20.78%,As、Pb、Cu、Ni、Cr为低生态风险元素;风险概率图显示城区周边和绵远河沿线的潜在生态风险等级较高。因此,成都平原水稻土农业生产中应采取一定的措施防控农产品Cd和Hg污染。 为了解成都平原水稻土重金属含量状况和潜在的生态风险,选取成都平原北部水稻土典型区域为研究对象,采集了158个表层土壤样品,分析了土壤中pH值和Cd、Cu、As、Hg、Pb、Cr、Ni 7种重金属元素含量,以20世纪80年代测定的成都平原土壤重金属元素背景值为评价标准,采用Hakanson潜在生态危害指数法对研究区域的重金属潜在生态风险进行了评价。结果表明:研究区域水稻土Cd、Hg、Ni、Cu、Pb、Cr和As平均含量分别为0.709、0.187、32.08、34.12、31.52、82.13 mg/kg和7.25 mg/kg;Cd、Ni、Cu和Hg 4种重金属超过《土壤环境质量标准》(GB15618-1995) Ⅱ级标准值样本比例分别为87.34%、8.23%、3.80%和3.80%,Cd含量超标严重。7种重金属元素变异系数幅度为18.35%-49.03%,由大到小依次为Cd、Hg、Cu、As、Ni、Cr、Pb。75.32%的样本达到中度或较强重金属潜在生态风险,区域整体表现为中度潜在生态风险(<em>RI</em>平均值为198.65),Cd和Hg为高生态风险元素,对潜在生态风险贡献率分别为62.27%和20.78%,As、Pb、Cu、Ni、Cr为低生态风险元素;风险概率图显示城区周边和绵远河沿线的潜在生态风险等级较高。因此,成都平原水稻土农业生产中应采取一定的措施防控农产品Cd和Hg污染。 |
| [6] | . |
| [7] | . |
| [8] | . |
| [9] | . 土壤铜含量是影响茶叶质量的关键性因素之一,对其空间分布规律及其影响因素加以揭示,可为茶叶生产与品质提升提供理论指导与调控建议.以江浙典型茶园为例,运用ArcGIS空间分析功能,对比分析江浙典型地区茶园表层土壤铜的空间分异特征.结果表明:江浙茶园土壤铜的平均水平均符合茶园土壤环境质量的相关标准,且都具有强烈的空间相关性.江苏茶园土壤铜含量呈现西密东疏的团块状分布,空间分异不明显,少数区域出现高值,受区域因素的影响较大;而浙江茶园铜含量呈现高密度多同心圆状分布,空间分异显著,总体集中偏低,除与地势有较大关联性外,还受到一定程度的人为活动的干扰以及小地形气候的影响. 土壤铜含量是影响茶叶质量的关键性因素之一,对其空间分布规律及其影响因素加以揭示,可为茶叶生产与品质提升提供理论指导与调控建议.以江浙典型茶园为例,运用ArcGIS空间分析功能,对比分析江浙典型地区茶园表层土壤铜的空间分异特征.结果表明:江浙茶园土壤铜的平均水平均符合茶园土壤环境质量的相关标准,且都具有强烈的空间相关性.江苏茶园土壤铜含量呈现西密东疏的团块状分布,空间分异不明显,少数区域出现高值,受区域因素的影响较大;而浙江茶园铜含量呈现高密度多同心圆状分布,空间分异显著,总体集中偏低,除与地势有较大关联性外,还受到一定程度的人为活动的干扰以及小地形气候的影响. |
| [10] | . |
| [11] | |
| [12] | |
| [13] | |
| [14] | |
| [15] | . |
| [16] | . 采用调查分析方法,研究长沙城市森林土壤Zn、Cu、Ni、Pb、As、Cd、Hg7种重金属含量,并以长沙市土壤背景值和湖南省土壤背景值为参比值,采用Hakanson潜在生态危害指数法评价不同城市化梯度森林土壤重金属潜在生态风险。结果表明:7种重金属的平均含量均随着城市化程度提高而增加,Pb增幅最大,As增幅最小。同一城市化梯度森林土壤均以Zn平均含量最高,Cd最低,但均未超过土壤环境质量标准(GB15618-1995)Ⅱ级标准值。在城市中心区,桂花树林、樟树+桂花树混交林土壤Zn、Cu、Pb、As、Hg平均含量普遍较高,而樟树+马尾松混交林、桂花树+杜英混交林土壤Cu、Ni、As、Cd、Hg平均含量普遍较低,Pb、Zn空间分布差异明显,Cd、Ni、As空间分布比较均匀,Cu、Ni、Pb、As、Cd、Hg之间(除Cd与As、Ni之间外)均存在显著(<em>P</em>＜0.05)或极显著(<em>P</em>＜0.01)的相关性,与土壤有机质之间也呈显著(<em>P</em>＜0.05)或极显著(<em>P</em>＜0.01)的相关性,Zn、Cu、Ni、Pb、As、Cd、Hg主要是人为输入;中心区森林土壤重金属的潜在生态危害已达到中等生态危害程度,边缘区接近中等生态危害程度,郊区为轻微生态危害程度,Zn、Cu、Ni、Pb、As均为轻微生态危害程度,Cd、Hg已达到中等生态危害程度以上。 采用调查分析方法,研究长沙城市森林土壤Zn、Cu、Ni、Pb、As、Cd、Hg7种重金属含量,并以长沙市土壤背景值和湖南省土壤背景值为参比值,采用Hakanson潜在生态危害指数法评价不同城市化梯度森林土壤重金属潜在生态风险。结果表明:7种重金属的平均含量均随着城市化程度提高而增加,Pb增幅最大,As增幅最小。同一城市化梯度森林土壤均以Zn平均含量最高,Cd最低,但均未超过土壤环境质量标准(GB15618-1995)Ⅱ级标准值。在城市中心区,桂花树林、樟树+桂花树混交林土壤Zn、Cu、Pb、As、Hg平均含量普遍较高,而樟树+马尾松混交林、桂花树+杜英混交林土壤Cu、Ni、As、Cd、Hg平均含量普遍较低,Pb、Zn空间分布差异明显,Cd、Ni、As空间分布比较均匀,Cu、Ni、Pb、As、Cd、Hg之间(除Cd与As、Ni之间外)均存在显著(<em>P</em>＜0.05)或极显著(<em>P</em>＜0.01)的相关性,与土壤有机质之间也呈显著(<em>P</em>＜0.05)或极显著(<em>P</em>＜0.01)的相关性,Zn、Cu、Ni、Pb、As、Cd、Hg主要是人为输入;中心区森林土壤重金属的潜在生态危害已达到中等生态危害程度,边缘区接近中等生态危害程度,郊区为轻微生态危害程度,Zn、Cu、Ni、Pb、As均为轻微生态危害程度,Cd、Hg已达到中等生态危害程度以上。 |
| [17] | . 以杂交晚稻“皖稻205”为试验材料，采用盆栽试验方法，研究了不同硒含量（0.5、1.0、1.5 mg·kg<sup>-1</sup>）土壤对水稻产量、硒的吸收、转运和分配的影响.结果表明： 土壤硒含量≤1.5 mg·kg<sup>-1</sup>对水稻产量无明显影响；水稻根系、茎叶和籽粒中的硒含量均随着土壤硒含量增加而增加，并呈现根系＞茎叶＞籽粒的特点，籽粒各组成部分的硒含量呈现米糠＞精米＞稻壳的特点；水稻根系能从富硒土壤中富集硒，根系硒的吸收系数达1.86，而硒向籽粒的转运和积累则相对恒定，转运系数为0.53～0.59；土壤硒含量为0.5～1.0 mg·kg<sup>-1</sup>所产的富硒大米（0.15～0.20 mg Se·kg<sup>-1</sup>），可满足人体60～80 μg·d<sup>-1</sup>硒的需要量，而土壤硒含量≥1.5 mg·kg<sup>-1</sup>所产大米硒含量达到0.319 mg·kg<sup>-1</sup>，超出粮食硒含量安全标准.综合产量和籽粒硒含量的表现，在富硒土壤（0.5～1.0 mg·kg<sup>-1</sup>）上直接生产富硒大米，而不需要添加外源硒，既降低了生产成本，又避免了可能造成的水土污染.</p><div > </div> 以杂交晚稻“皖稻205”为试验材料，采用盆栽试验方法，研究了不同硒含量（0.5、1.0、1.5 mg·kg<sup>-1</sup>）土壤对水稻产量、硒的吸收、转运和分配的影响.结果表明： 土壤硒含量≤1.5 mg·kg<sup>-1</sup>对水稻产量无明显影响；水稻根系、茎叶和籽粒中的硒含量均随着土壤硒含量增加而增加，并呈现根系＞茎叶＞籽粒的特点，籽粒各组成部分的硒含量呈现米糠＞精米＞稻壳的特点；水稻根系能从富硒土壤中富集硒，根系硒的吸收系数达1.86，而硒向籽粒的转运和积累则相对恒定，转运系数为0.53～0.59；土壤硒含量为0.5～1.0 mg·kg<sup>-1</sup>所产的富硒大米（0.15～0.20 mg Se·kg<sup>-1</sup>），可满足人体60～80 μg·d<sup>-1</sup>硒的需要量，而土壤硒含量≥1.5 mg·kg<sup>-1</sup>所产大米硒含量达到0.319 mg·kg<sup>-1</sup>，超出粮食硒含量安全标准.综合产量和籽粒硒含量的表现，在富硒土壤（0.5～1.0 mg·kg<sup>-1</sup>）上直接生产富硒大米，而不需要添加外源硒，既降低了生产成本，又避免了可能造成的水土污染.</p><div > </div> |
| [18] | . |
| [19] | . 地统计学目前在土壤科学中得到广泛的应用和发展,成为认识土壤特征的一个重要工具.地统计学的空间变异函数和克里格插值等方法是土壤性状分析的主要手段,空间变异函数主要用于描述土壤理化性状空间变异特性,不同的插值方法可优化田间试验设计和田间采样方案,克里格插值方法则特别适用于未测量点土壤属性值的估测等.近年插值方法又被广泛应用于确定区域土壤环境容量和土壤质量标准,随机模拟则用于对土壤特性进行不确定性估计等.因而,地统计学方法对我国大量土壤学资料的整合与分析具有极大的应用前景. 地统计学目前在土壤科学中得到广泛的应用和发展,成为认识土壤特征的一个重要工具.地统计学的空间变异函数和克里格插值等方法是土壤性状分析的主要手段,空间变异函数主要用于描述土壤理化性状空间变异特性,不同的插值方法可优化田间试验设计和田间采样方案,克里格插值方法则特别适用于未测量点土壤属性值的估测等.近年插值方法又被广泛应用于确定区域土壤环境容量和土壤质量标准,随机模拟则用于对土壤特性进行不确定性估计等.因而,地统计学方法对我国大量土壤学资料的整合与分析具有极大的应用前景. |
| [20] | |
| [21] | |
| [22] | |
| [23] | |
| [24] | |
| [25] | . 在丹江鹦鹉沟小流域, 利用网格状取样和典型样地取样相结合的方法, 进行土样采集, 共计采样点268 个, 测定土壤0~40 cm的总氮含量。应用传统统计学和地统计学的方法, 对不同深度下土壤总氮含量进行分析。结果表明:土壤总氮含量随土壤深度的增加而降低, 不同土层间土壤总氮含量存在显著差异(P < 0.01), 0~10 cm (A1)、10~20 cm (A2) 和20~40cm (A3) 土壤总氮含量平均值分别为0.85、0.47 和0.30 g/kg。3 个土层下, 总氮的最优模型均为线性模型, 具有中等空间相关性。经Kriging 插值分析, 不同土层下土壤总氮的空间分布呈带状格局。ANOVA 分析表明A1 和A2 层不同土地利用下土壤总氮含量存在显著差异(P <0.05), 不同土层下土壤总氮在不同坡度均存在显著差异(P < 0.05)。农地不同土层下土壤总氮含量与海拔、坡度和坡向均呈显著相关性(P < 0.01)。研究区0~40 cm土壤总氮储量为562.37t, 不同土地利用下0~40 cm 每平方米土壤总氮含量表现为林地>农地>草地, 分别为0.343、0.299 和0.289 kg/m<sup>2</sup>。 在丹江鹦鹉沟小流域, 利用网格状取样和典型样地取样相结合的方法, 进行土样采集, 共计采样点268 个, 测定土壤0~40 cm的总氮含量。应用传统统计学和地统计学的方法, 对不同深度下土壤总氮含量进行分析。结果表明:土壤总氮含量随土壤深度的增加而降低, 不同土层间土壤总氮含量存在显著差异(P < 0.01), 0~10 cm (A1)、10~20 cm (A2) 和20~40cm (A3) 土壤总氮含量平均值分别为0.85、0.47 和0.30 g/kg。3 个土层下, 总氮的最优模型均为线性模型, 具有中等空间相关性。经Kriging 插值分析, 不同土层下土壤总氮的空间分布呈带状格局。ANOVA 分析表明A1 和A2 层不同土地利用下土壤总氮含量存在显著差异(P <0.05), 不同土层下土壤总氮在不同坡度均存在显著差异(P < 0.05)。农地不同土层下土壤总氮含量与海拔、坡度和坡向均呈显著相关性(P < 0.01)。研究区0~40 cm土壤总氮储量为562.37t, 不同土地利用下0~40 cm 每平方米土壤总氮含量表现为林地>农地>草地, 分别为0.343、0.299 和0.289 kg/m<sup>2</sup>。 |
| [26] | . 提高能源效率是江苏省突破能源困局的重要途径。文章采用数据包络分析法(Data Envelopment Analysis, DEA),在全要素生产力分析框架下,测度2007 年江苏省各地级市能源利用的综合效率、技术效率和规模效率,分析3 类能源效率的空间分异特征,并根据3 类能源效率的关联关系划分能源效率的地域类型;进而采用变异系数(CV)、单位GDP能耗和大中型 企业集中指数(CI) 等指标,结合各地级市的产业结构特征,分析江苏省能源效率地域分异成因;最后,根据DEA模型的投入产出优化目标值(Targets),探讨提高各地级市能源效率的对策措施。研究结果表明：① 江苏省能源效率总体上呈南高北低、东西分化的分布特征,并存 在轻工业型和重工业型两大“DEA有效”极核;② 能源规模效率是制约江苏省能源综合效率的主要方面;③ 单位GDP能耗可以集中反映区域能源技术效率水平,大中型企业集中指数可以集中反映区域能源规模效率水平;④ 高耗能产业比重高的区域其能源技术效率相对较低, 居于经济区过渡地带或边缘区位的区域其能源规模效率相对较低;⑤ 全省普遍存在生产要素投入冗余现象,可通过优化投资环境、产业结构高级化、突出特色产业、提升产业技术、提高劳动力素质及提高产业集中程度等途径来提高区域的能源利用效率。 提高能源效率是江苏省突破能源困局的重要途径。文章采用数据包络分析法(Data Envelopment Analysis, DEA),在全要素生产力分析框架下,测度2007 年江苏省各地级市能源利用的综合效率、技术效率和规模效率,分析3 类能源效率的空间分异特征,并根据3 类能源效率的关联关系划分能源效率的地域类型;进而采用变异系数(CV)、单位GDP能耗和大中型 企业集中指数(CI) 等指标,结合各地级市的产业结构特征,分析江苏省能源效率地域分异成因;最后,根据DEA模型的投入产出优化目标值(Targets),探讨提高各地级市能源效率的对策措施。研究结果表明：① 江苏省能源效率总体上呈南高北低、东西分化的分布特征,并存 在轻工业型和重工业型两大“DEA有效”极核;② 能源规模效率是制约江苏省能源综合效率的主要方面;③ 单位GDP能耗可以集中反映区域能源技术效率水平,大中型企业集中指数可以集中反映区域能源规模效率水平;④ 高耗能产业比重高的区域其能源技术效率相对较低, 居于经济区过渡地带或边缘区位的区域其能源规模效率相对较低;⑤ 全省普遍存在生产要素投入冗余现象,可通过优化投资环境、产业结构高级化、突出特色产业、提升产业技术、提高劳动力素质及提高产业集中程度等途径来提高区域的能源利用效率。 |
| [27] | . |
| [28] | . 综合运用地统计学和GIS相结合的方法,分析了缓坡地形下土壤养分的空间变异规律,并绘制养分空间分布图,为山地缓坡烟田养分分区及精准施肥决策提供理论依据。结果表明:研究区内4种养分含量均具中等程度变异。土壤有机质、碱解氮、速效磷和速效钾的变程分别为61.8、76.3、70.5 m和57 m。土壤速效钾的分形维数最高,有机质和碱解氮其次,速效磷最低。有机质和速效钾的最适模型为指数模型,块金系数分别为30.9%和31.1%;碱解氮和速效磷可用球状模型进行较好拟合,其块金系数分别为37.7%和26.4%,4种养分均有中等程度的空间相关性。各向异性和趋势性分析均显示,有机质和速效磷具有较强的各向异性,碱解氮和速效钾的各向同性范围最广。研究区4种养分的空间分布格局在海拔和坡度的影响下呈现出一定的规律性,低值均在坡度较大的中北部出现,东北部和南部较平缓区域出现高值。 综合运用地统计学和GIS相结合的方法,分析了缓坡地形下土壤养分的空间变异规律,并绘制养分空间分布图,为山地缓坡烟田养分分区及精准施肥决策提供理论依据。结果表明:研究区内4种养分含量均具中等程度变异。土壤有机质、碱解氮、速效磷和速效钾的变程分别为61.8、76.3、70.5 m和57 m。土壤速效钾的分形维数最高,有机质和碱解氮其次,速效磷最低。有机质和速效钾的最适模型为指数模型,块金系数分别为30.9%和31.1%;碱解氮和速效磷可用球状模型进行较好拟合,其块金系数分别为37.7%和26.4%,4种养分均有中等程度的空间相关性。各向异性和趋势性分析均显示,有机质和速效磷具有较强的各向异性,碱解氮和速效钾的各向同性范围最广。研究区4种养分的空间分布格局在海拔和坡度的影响下呈现出一定的规律性,低值均在坡度较大的中北部出现,东北部和南部较平缓区域出现高值。 |
| [29] | . 对黄河下游滩区开封段及滩外土壤采样48个,按照土壤化学分析方法,对铅(Pb)、铬(Cr)、汞(Hg)、砷(As)和镉(Cd)5种重金属进行分析,采用单因子污染指数、普通克里格法和相关分析对研究区土壤重金属含量特征、污染状况和分布特征进行了计算。结果表明:①研究区土壤5种重金属Pb、Cr、Hg、As和Cd含量就平均值而言,Cr的平均含量最大,Pb、Hg的平均含量最小。Pb、Cr、Hg、As和Cd4种重金属元素的变异系数在0.13～0.28之间,属于中等变异强度,Hg变异系数较大,Hg的空间差异相对较大;②重金属元素Pb、Cr、Hg、As、Cd之间具有较强的线性关系,可能具有共同来源——水沙输入;③主要污染元素为Hg、As、Pb,其中Pb的污染为中度污染且范围较广,而As和汞Hg构成三级轻度污染。Cr和Cd在各村间变化不大,Cr,Cd没有构成污染,且Cd是全部清洁表现出污染没有积累;④土壤各重金属元素的空间分布特征在研究区内上下段之间分异明显,上段呈清洁状态,中段有少量污染,下段表现出明显富集的分布状态。 对黄河下游滩区开封段及滩外土壤采样48个,按照土壤化学分析方法,对铅(Pb)、铬(Cr)、汞(Hg)、砷(As)和镉(Cd)5种重金属进行分析,采用单因子污染指数、普通克里格法和相关分析对研究区土壤重金属含量特征、污染状况和分布特征进行了计算。结果表明:①研究区土壤5种重金属Pb、Cr、Hg、As和Cd含量就平均值而言,Cr的平均含量最大,Pb、Hg的平均含量最小。Pb、Cr、Hg、As和Cd4种重金属元素的变异系数在0.13～0.28之间,属于中等变异强度,Hg变异系数较大,Hg的空间差异相对较大;②重金属元素Pb、Cr、Hg、As、Cd之间具有较强的线性关系,可能具有共同来源——水沙输入;③主要污染元素为Hg、As、Pb,其中Pb的污染为中度污染且范围较广,而As和汞Hg构成三级轻度污染。Cr和Cd在各村间变化不大,Cr,Cd没有构成污染,且Cd是全部清洁表现出污染没有积累;④土壤各重金属元素的空间分布特征在研究区内上下段之间分异明显,上段呈清洁状态,中段有少量污染,下段表现出明显富集的分布状态。 |
| [30] | . 在对四川省宜宾市63个土壤样品Zn含量分析的基础上,运用GIS地统计模块对Zn的空间分布特征和污染状况进行了系统分析。结果表明:不同功能区土壤Zn含量从高到低依次为:工业区>交通区>商业区>居民区>风景区;工业区、交通区和商业区土壤Zn含量显著高于四川省土壤背景值(82.1 mg/kg)(<em>p</em>=0.000),居民区和风景区土壤Zn含量与背景值无显著性差异(<em>p</em>>0.05);与四川省土壤基线值(156.4 mg/kg)相比,工业区、交通区和商业区土壤Zn超标率分别为71.42%、41.67%和33.33%,其他功能区未超标。地统计分析表明,土壤Zn具有中等程度的空间相关性,Zn的空间分布受随机性因素和结构性因素的共同影响。克里格插值分析表明上江北、下江北区域土壤Zn污染严重,翠屏区和南岸区也表现出一定污染,尤以工业区、交通区和商业区Zn污染最突出。 在对四川省宜宾市63个土壤样品Zn含量分析的基础上,运用GIS地统计模块对Zn的空间分布特征和污染状况进行了系统分析。结果表明:不同功能区土壤Zn含量从高到低依次为:工业区>交通区>商业区>居民区>风景区;工业区、交通区和商业区土壤Zn含量显著高于四川省土壤背景值(82.1 mg/kg)(<em>p</em>=0.000),居民区和风景区土壤Zn含量与背景值无显著性差异(<em>p</em>>0.05);与四川省土壤基线值(156.4 mg/kg)相比,工业区、交通区和商业区土壤Zn超标率分别为71.42%、41.67%和33.33%,其他功能区未超标。地统计分析表明,土壤Zn具有中等程度的空间相关性,Zn的空间分布受随机性因素和结构性因素的共同影响。克里格插值分析表明上江北、下江北区域土壤Zn污染严重,翠屏区和南岸区也表现出一定污染,尤以工业区、交通区和商业区Zn污染最突出。 |
| [31] | |
| [32] | . |
| [33] | |
| [34] | . 土壤呼吸不仅存在时间上的变化，而且也具有明显的空间变化特征。土壤呼吸的时、空变化增加了土壤呼吸测定的不确定性。研究土壤呼吸的空间异质性是准确估算区域土壤呼吸的基础。通过2008年7、9、11月对太原盆地39个样地的土壤呼吸以及土壤温度和土壤水分等环境因子进行测定的基础上，用传统和地统计学的方法对太原盆地土壤呼吸以及环境因子的空间异质性进行了分析。传统统计（描述统计）分析结果表明：3次土壤呼吸的平均值分别为（7.8±3.3）、（8.9±4.0）和（21±1.3）μmol CO2 m-2 s-1，变异系数分别为42%，44%和59%，属于中等变异；采用地统计学的半方差函数进行分析结果表明：球状模型能很好地反映土壤呼吸和土壤水分的空间结构特征，3次土壤呼吸和土壤水分的C0/(C0+C)值分别为0.004、0038和0.005以及0.011、0.003和0.003，表明土壤呼吸和土壤水分表现出高度的空间自相关性，其空间变异主要是由结构性因素引起；3次土壤呼吸和土壤水分半方差函数的变程分别为190、370 m和510 m以及90、140 m和220 m，说明影响土壤呼吸和土壤水分的生态过程随时间变化在不同尺度上起作用；3次土壤呼吸的分维值分别为0.634、0.965和0.763，表明7月份土壤呼吸的空间依赖性最强，11月份次之，9月份最弱，与半方差函数的分析结果相吻合。用Kriging插值法绘制的土壤呼吸等值线图进一步表明土壤呼吸具有高度的空间异质性，这异质性主要是由于土壤水分不同所造成。 土壤呼吸不仅存在时间上的变化，而且也具有明显的空间变化特征。土壤呼吸的时、空变化增加了土壤呼吸测定的不确定性。研究土壤呼吸的空间异质性是准确估算区域土壤呼吸的基础。通过2008年7、9、11月对太原盆地39个样地的土壤呼吸以及土壤温度和土壤水分等环境因子进行测定的基础上，用传统和地统计学的方法对太原盆地土壤呼吸以及环境因子的空间异质性进行了分析。传统统计（描述统计）分析结果表明：3次土壤呼吸的平均值分别为（7.8±3.3）、（8.9±4.0）和（21±1.3）μmol CO2 m-2 s-1，变异系数分别为42%，44%和59%，属于中等变异；采用地统计学的半方差函数进行分析结果表明：球状模型能很好地反映土壤呼吸和土壤水分的空间结构特征，3次土壤呼吸和土壤水分的C0/(C0+C)值分别为0.004、0038和0.005以及0.011、0.003和0.003，表明土壤呼吸和土壤水分表现出高度的空间自相关性，其空间变异主要是由结构性因素引起；3次土壤呼吸和土壤水分半方差函数的变程分别为190、370 m和510 m以及90、140 m和220 m，说明影响土壤呼吸和土壤水分的生态过程随时间变化在不同尺度上起作用；3次土壤呼吸的分维值分别为0.634、0.965和0.763，表明7月份土壤呼吸的空间依赖性最强，11月份次之，9月份最弱，与半方差函数的分析结果相吻合。用Kriging插值法绘制的土壤呼吸等值线图进一步表明土壤呼吸具有高度的空间异质性，这异质性主要是由于土壤水分不同所造成。 |
| [35] | High accuracy surface modeling (HASM) is a method which can be applied to soil property interpolation. In this paper, we present a method of HASM combined geographic information for soil property interpolation (HASM-SP) to improve the accuracy. Based on soil types, land use types and parent rocks, HASM-SP was applied to interpolate soil available P, Li, pH, alkali-hydrolyzable N, total K and Cr in a typical red soil hilly region. To evaluate the performance of HASM-SP, we compared its performance with that of ordinary kriging (OK), ordinary kriging combined geographic information (OK-Geo) and stratified kriging (SK). The results showed that the methods combined with geographic information including HASM-SP and OK-Geo obtained a lower estimation bias. HASM-SP also showed less MAEs and RMSEs when it was compared with the other three methods (OK-Geo, OK and SK). Much more details were presented in the HASM-SP maps for soil properties due to the combination of different types of geographic information which gave abrupt boundary for the spatial variation of soil properties. Therefore, HASM-SP can not only reduce prediction errors but also can be accordant with the distribution of geographic information, which make the spatial simulation of soil property more reasonable. HASM-SP has not only enriched the theory of high accuracy surface modeling of soil property, but also provided a scientific method for the application in resource management and environment planning. |
| [36] | |
| [37] | |
| [38] | . |
| [39] | . |
| [40] | . |
| [41] | . |
| [42] | . |
| [43] | . |
| [44] | . |
| [45] | . |
| [46] | . |
