论文部分内容阅读
随着我国工业和经济的快速发展,土壤污染状况日益严重,土壤重金属污染和农产品质量安全是当前全球关注的热点问题。本研究以南方某县为例,首先分析土壤重金属的污染状况,利用主成分分析/绝对主成分分数受体模型对该县土壤重金属的来源进行了解析,并与北方旱地土壤重金属的主要来源进行比较;其次,应用地统计学方法研究了该县土壤重金属的空间分布特征及其影响因素,并与多元线性回归模型（MLR）、地理加权回归模型（GWR）和地理加权回归克里格模型（GWRK）三种方法进行了空间插值效果比较;接着以该县土壤污染最严重的重金属Cd为例,利用空间模拟退火算法对其动态监测点进行了空间优化布局;然后对稻米重金属的污染状况、主要来源和影响因素进行分析,利用GWR方法构建了该县稻米5种重金属含量的预测模型,并与MLR和BP人工神经网络（BP-ANN）预测方法进行比较;最后对研究区进行了稻米禁产区的划分。全文主要结论如下:南方某县土壤Cd的平均含量超过了国家规定的二级标准限值,其超标率为98.52%。土壤Pb、As、Cr和Hg 4种重金属的平均含量均未超过国家二级标准限值,但在局部区域存在一定的超标现象,其超标率分别为0.11%、3.39%、0.32%和6.04%。土壤As的超标样点主要集中在东北部和西南部,土壤Cr和Hg的超标样点分别主要分布在东南部和东北部,而土壤Pb则基本无超标样点。该县土壤重金属的来源主要有工业源、农业源和土壤母质三部分。土壤Pb、As和Hg主要来源于工业污染源,其贡献率分别为86%、110%和123%;土壤Cd主要来源于农业污染源,其贡献率为234%;土壤Cr主要来源于土壤母质,其贡献率为101%。北方泰安市旱地土壤重金属的主要来源有工矿业、农业活动、居民生活以及交通和商业活动,其中土壤Hg主要来源于居民生活污染源,其贡献率为75.3%。Cd主要来源于农业活动污染源,其贡献率为62.1%。Pb主要来源于交通和商业污染源,其贡献率为79.5%。Cu、Zn和Ni均来源于混合污染源,且各源分配差距比较小。Cu主要来源于农业活动、居民生活与工矿业,源贡献率分别为36.6%,29.8%和25.8%;Zn和Ni主要来源于居民生活、农业活动与工矿业,源贡献率分别为36.2%,33.1%,26.7%和 38.2%,27.5%,25.1%。南方水田和北方旱地土壤Cd、Pb和Hg的主要来源相似,但土壤Cr来源不同,南方水田土壤Cr主要来源于土壤母质,而北方旱地土壤Cr则主要来源于工矿业活动。由于不同源解析模型的原理方法不同,导致土壤重金属的源识别和源贡献率存在很大差异。因此,在进行土壤重金属来源解析时,需要根据研究区土壤重金属的分布特点和实际情况,有针对性地选择适合该地区特点的源解析模型。南方某县土壤Cr的高含量区主要分布在该县的东南部,其余4种重金属的高含量区均主要分布在东北部。土壤重金属空间分布特征的影响因素分析表明,地形因素（高程）、土壤因素（土壤类型、土壤质地、土壤有机质和土壤pH）和人类活动（包括煤矿、钢铁厂、化工厂和氧化锌厂等）对土壤重金属的含量和分布均有一定的影响,故这些因子均被选为空间插值的辅助变量。不同空间插值方法（GWRK、GWR、MLR和普通克里格方法（OK））对耕地土壤重金属估值的结果表明,GWRK所得5种重金属的均方根误差（RMSE）均最低,其Cd、Pb、As、Cr和Hg分别为1.09,8.01,7.35,13.94和0.08,同时平均绝对误差（MAEE）也是除OK中的Pb和Hg之外最低的,说明在该研究区利用GWRK对土壤重金属（Cd、Pb、As、Cr和Hg）进行空间估值效果最好。从上述4种插值方法所得到的土壤重金属空间分布图发现,MLR模型预测的5种土壤重金属分布范围均较窄,与事实不符;OK方法预测的范围最大,但分布明显存在平滑效应;GWR和GWRK模型所得到的土壤重金属含量的局部“峰谷”的界限比OK方法明显,故采用GWRK方法可显著提高土壤重金属的空间估值精度。通过空间模拟退火算法得到了南方某县土壤Cd的最优采样数目为57个。交叉验证结果表明,其平均kriging预测标准差为0.801,要优于20次试验简单随机抽样和分层抽样所得到的平均kriging预测标准差（两者分别为1.269和0.991）。南方某县稻米中除了 Hg无超标现象外,其余4种重金属Cd、As、Cr和Pb的超标率分别为61.51%、4.22%、3.24%和0.65%,其中重金属Cd超标最严重,且超标样点分布较广泛。稻米Pb和As超标的样点主要分布在研究区的东北部,而稻米Cr超标的样点主要分布在研究区的中部和东部。稻米重金属源解析结果表明,稻米Cd主要来源于土壤Cd,其余3种重金属除了来源于土壤外,稻米As还来源于农药厂,稻米Pb还来源于煤矿,稻米Cr还来源于氧化锌厂。稻米重金属含量的影响因素分析表明,稻米Cd、Pb和As含量均与其对应的土壤重金属含量呈极显著正相关,说明稻米重金属含量主要受土壤重金属含量的影响,同时还受到地形因素、土壤因素、人类活动和作物品种等因素的影响。基于不同方法（GWR、BP-ANN和MLR）构建的稻米重金属含量预测模型结果表明,GWR方法所得到稻米5种重金属含量的相关系数均最高,Cd、As、Cr、Hg和Pb分别为0.390,0.448,0.357,0.582和0.625,均达到极显著水平,该方法校验得到的MAEE（Cd、As、Cr、Hg 和 Pb 分别为 0.311,0.038.,0.178,0.001 和 0.020）和RMSE（Cd、As、Cr、Hg 和 Pb 分别为 0.465,0.055,0.253,0.002 和 0.028）均最低,说明利用 GWR方法能很好地对研究区稻米中5种重金属含量进行预测。研究区分别有33.61%和30.28%耕地面积的Cd属于安全利用类和严格管控类;分别有0.29%和0.04%耕地面积的As和Pb属于安全利用类,其余2种重金属均属于优先保护类。综合土壤和稻米五种重金属的污染状况对研究区的稻米禁产区进行划分,严格管控区面积占研究区耕地总面积的30.27%。该研究区应严格执行“土十条”,对土壤重金属污染进行有效防治。