留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

考虑人为因素影响的重金属含量分析用土壤样品采集方法研究

顾振飞 曹见飞 王翠秀 徐明雪 李佳 吴泉源

顾振飞, 曹见飞, 王翠秀, 徐明雪, 李 佳, 吴泉源. 考虑人为因素影响的重金属含量分析用土壤样品采集方法研究[J]. 土壤通报, 2021, 52(3): 670 − 678 doi: 10.19336/j.cnki.trtb.2020082101
引用本文: 顾振飞, 曹见飞, 王翠秀, 徐明雪, 李 佳, 吴泉源. 考虑人为因素影响的重金属含量分析用土壤样品采集方法研究[J]. 土壤通报, 2021, 52(3): 670 − 678 doi: 10.19336/j.cnki.trtb.2020082101
GU Zhen-fei, CAO Jian-fei, WANG Cui-xiu, XU Ming-xue, LI Jia, WU Quan-yuan. Study on the Method of Soil Sample Collection for Heavy Metal Content Analysis Considering the Influence of Human Factors —Taking Longkou as an Example[J]. Chinese Journal of Soil Science, 2021, 52(3): 670 − 678 doi: 10.19336/j.cnki.trtb.2020082101
Citation: GU Zhen-fei, CAO Jian-fei, WANG Cui-xiu, XU Ming-xue, LI Jia, WU Quan-yuan. Study on the Method of Soil Sample Collection for Heavy Metal Content Analysis Considering the Influence of Human Factors —Taking Longkou as an Example[J]. Chinese Journal of Soil Science, 2021, 52(3): 670 − 678 doi: 10.19336/j.cnki.trtb.2020082101

考虑人为因素影响的重金属含量分析用土壤样品采集方法研究以龙口为例

doi: 10.19336/j.cnki.trtb.2020082101
基金项目: 国家自然科学基金项目(41371395)和山东省重点研发计划项目(2019GSF109034)资助
详细信息
    作者简介:

    顾振飞(1995−),男,山东省德州市人,硕士研究生,研究方向:土壤重金属污染评价与来源分析,E-mail: gzfsdnu@163.com

    通讯作者:

    E-mail: wqy6420582@163.com

  • 中图分类号: P208

Study on the Method of Soil Sample Collection for Heavy Metal Content Analysis Considering the Influence of Human Factors —Taking Longkou as an Example

  • 摘要: 合理布置土壤采样点是全面掌握重金属空间变异特征及变化趋势的重要环节。目前在土壤重金属相关研究中还是以网格化均匀采样为主的传统采样。然而,这些方法未能充分考虑采样的成本和代表性,无法满足高精度空间分析方法要求。本文基于人为影响因素进行重金属采样布局,通过筛选区域范围内影响土壤重金属的人为影响因素,利用核密度方法对影响因素进行指标量化,以半变异方差为目标函数,通过变程分析采样点的采样方案。本文以龙口北部平原区为典型研究区,选择了工矿企业密度(DI)和道路密度(DR)两种重要的人为因素指标,寻求土壤Hg元素的最佳采样点采集方案,最后通过基于不同间距的采样点分析来验证本文提出的采样方案的有效性。结果表明(1)DI与Hg在研究区南部和东北部区域具有相似的空间分布趋势,DR与Hg在研究区南部和东南部区域的空间分布趋势相似程度较大;(2)DI和DR的有效变程分别为5819 m、6079 m,与土壤数据Hg的变程(6000 m)也较为相近;(3)为了验证人为因素指标所求变程可以作为土壤Hg采样距离参考值,设置了不同采样间距的Hg实际采样方案(3000 m、4000 m、5000 m、6000 m和7000 m),利用克里金插值精度(MSE、RMSDE)获取不同采样方案的重金属估测误差。对比不同采样间距发现,当采样间距 ≤ 6000 m时,不同采样间距之间的误差相差无几,而以7000 m作为采样间距时,误差却大幅增加。所以6000 m作为采样间距时,既能充分考虑采样的成本和代表性,也能满足高精度空间分析方法要求,而且这个数值与DI、DR所求变程(6000 m)相同,进一步证明了人为因素指标DI、DR所求变程具有Hg样本采集方案布局的参考价值。
  • 图  1  研究区与采样点分布图

    Figure  1.  The study area and distribution of sampling points

    图  2  工矿企业分布图

    Figure  2.  Distribution map of industrial and mining enterprises

    图  3  道路分布图

    Figure  3.  Road density map

    图  4  半变异曲线图

    Figure  4.  Curve of Semi-variation

    图  5  DI核密度分析图

    Figure  5.  DI nuclear density analysis diagram

    图  6  DR核密度分析图

    Figure  6.  DR nuclear density analysis diagram

    图  7  DI半变异函数模型

    Figure  7.  DI semi-variogram model

    图  8  DR半变异函数模型

    Figure  8.  semi-variogram model

    图  9  Hg半变异函数模型

    Figure  9.  Hg semi-variogram model

    图  10  原始样点克里金插值图

    Figure  10.  Kriging interpolation diagram of the original sample

    图  11  抽稀样点克里金插值图

    Figure  11.  Kriging interpolation diagram of the dilute sample

    表  1  Hg的描述性统计特征

    Table  1.   Descriptive statistical characteristics of Hg

    样本个数
    Number of sample
    最大值(mg kg−1
    Maximum
    最小值(mg kg−1
    Minimum
    平均值(mg kg−1
    Mean
    标准差
    Standard deviation
    偏度
    Skewness
    峰度
    Kurtosis
    变异系数(%)
    Coefficient of variation
    1250.08420.01150.02740.01212.2910.3144.16
    下载: 导出CSV

    表  2  不同尺度下DI和DR的半变异函数拟合参数值

    Table  2.   Parameter values of the theoretical variogram model of DI and DR in different scales

    尺度(km)
    Dimension
    人为因素
    Humanfactor
    模型类型
    Model type
    块金方差
    Nugget variance
    基台值
    Partial sill
    变程(m)
    aRange
    残差
    Residual
    决定系数
    Determinationcoefficient
    比值
    Ratio
    0.2 × 0.2 DI Gaussian 0.0333 0.1302 6252 0.0013 0.934 0.256
    DR Gaussian 0.166 0.595 6131 0.0313 0.920 0.279
    0.5 × 0.5 DI Gaussian 0.0326 0.1298 6114 0.0012 0.940 0.251
    DR Gaussian 0.156 0.590 5958 0.0256 0.936 0.264
    1.0 × 1.0 DI Gaussian 0.0337 0.1262 5819 0.0010 0.944 0.267
    DR Gaussian 0.154 0.605 6079 0.0317 0.928 0.254
    1.5 × 1.5 DI Gaussian 0.0311 0.1288 5924 0.0012 0.876 0.241
    DR Gaussian 0.169 0.608 6166 0.0325 0.854 0.278
    2.0 × 2.0 DI Gaussian 0.0317 0.135 6547 0.0032 0.954 0.235
    DR Gaussian 0.155 0.526 5040 0.0532 0.912 0.295
    下载: 导出CSV

    表  3  DI、DR、Hg半变异函数拟合模型的参数值

    Table  3.   Parameters of DI,DR and Hg semi-variance function models

    模型类型
    Model type
    块金方差
    Nugget variance
    基台值
    Partial sill
    变程(m)
    aRange
    残差
    Residual
    决定系数
    Determinationcoefficient
    比值
    Ratio
    DI Gaussian 0.034 0.126 5819 0.0010 0.944 0.267
    DR Gaussian 0.154 0.605 6079 0.0317 0.928 0.254
    Hg Gaussian 0.016 0.032 6062 0.0002 0.619 0.498
    下载: 导出CSV

    表  4  不同采样间距的克里金插值精度结果的指标比较

    Table  4.   Comparison of Kriging Interpolation Accuracy Results with Different Sample Spacing

    间距(m)标准化平均误差
    MSE
    标准化均方根误差
    RMSDE
    3000 0.1044 0.9750
    4000 0.1185 0.9327
    5000 0.1136 0.9036
    6000 0.1154 0.9156
    7000 0.3142 0.7337
    下载: 导出CSV
  • [1] 吴健生, 宋 静, 郑茂坤. 土壤重金属全量监测方法研究进展[J]. 东北农业大学学报, 2011, (5): 139 − 145.
    [2] 韩振坤. 基于地统计学的县域耕地质量监测样点布局研究[D]. 华中师范大学, 2014(9): 70.
    [3] 任振辉, 吴宝忠. 精细农业中最佳土壤采样间距确定方法的研究[J]. 农机化研究, 2006, (6): 82 − 85. doi: 10.3969/j.issn.1003-188X.2006.06.030
    [4] 杨 琳, 朱阿兴, 张淑杰, 等. 土壤制图中多等级代表性采样与分层随机采样的对比研究[J]. 土壤学报, 2015, 52(1): 28 − 37.
    [5] Minasny B, Mcbratney A B. A conditioned Latin hypercube method for sampling in the presence of ancillary information[J]. Computer and Geoscience, 2006, 32: 1378 − 1388. doi: 10.1016/j.cageo.2005.12.009
    [6] 李民赞. 基于可见光光谱分析的土壤参数分析[J]. 农业工程学报, 2003, 19(5): 109 − 113. doi: 10.3321/j.issn:1002-6819.2003.05.022
    [7] 陈天恩, 董 静, 陈立平, 等. 县域农田土壤采样布局多目标优化分析模型[J]. 农业工程学报, 2012, 28(23): 67 − 73.
    [8] Welsh J P, Wood G A, Godwin R J, et al. Developing Strategies for Spatially Variable Nitrogen Application in Cereals, Part II: Wheat[J]. Biosystems Engineering, 2003, 84(4): 495 − 511. doi: 10.1016/S1537-5110(03)00003-5
    [9] 阮 晨. 采样密度对土壤养分空间变异性研究[D]. 安徽农业大学, 2017(2): 51.
    [10] 王 军, 傅伯杰, 邱 扬, 等. 黄土丘陵小流域土壤水分的时空变异特征−半变异函数[J]. 地理学报, 2000, (4): 428 − 438. doi: 10.3321/j.issn:0375-5444.2000.04.005
    [11] 姜 城, 杨俐苹, 金继运. 土壤养分变异与合理取样数量[J]. 植物营养与肥料学报, 2001, 7(3): 262 − 270. doi: 10.3321/j.issn:1008-505X.2001.03.004
    [12] 吕建树, 张祖陆, 刘 洋. 日照市土壤重金属来源解析及环境风险评价[J]. 地理学报, 2012, 67(7): 109 − 122.
    [13] Zheng J Y, Ou J M, Mo Z W, et al. Mercury emission inventory and its spatial characteristics in the Pearl River Delta region, China[J]. Science of The Total Environment, 2011, 412: 214 − 222.
    [14] 湛天丽, 黄 阳, 滕 应. 贵州万山汞矿区某农田土壤重金属污染特征及来源解析[J]. 土壤通报, 2017, 048(2): 474 − 480.
    [15] 杨子鹏, 肖荣波, 陈玉萍, 等. 华南地区典型燃煤电厂周边土壤重金属分布、风险评估及来源分析[J]. 生态学报, 2020, (14): 1 − 13.
    [16] 车丽娜, 刘 硕, 韩金凤, 等. 哈尔滨市融雪径流中重金属污染空间分布及源解析[J]. 环境科学学报, 2019, 39(5): 1572 − 1580.
    [17] 王恩康, 丰爱平, 张志卫, 等. 兴化湾海域水体和表层沉积物中重金属分布及其源解析[J]. 海洋科学进展, 2019, 37(4): 696 − 708.
    [18] 刘 硕, 吴泉源, 曹学江, 等. 龙口煤矿区土壤重金属污染评价与空间分布特征[J]. 环境科学, 2016, 37(1): 270 − 279.
    [19] 李春芳, 王 菲, 吴泉源, 等. 龙口市污水灌溉区农田重金属来源、空间分布及污染评价[J]. 环境科学, 2017, 38(3): 1018 − 1027.
    [20] 宋帅娣. 原子荧光光谱法同时测定农产品产地土壤中砷、汞[J]. 化学与黏合, 2018, 40(5): 377 − 379.
    [21] Luo L L, Mei K, Qu L Y, et al. Assessment of the Geographical Detector Method for investigating heavy metal source apportionment in an urban watershed of Eastern China[J]. Science of the Total Environment, 2019, 653: 714 − 722. doi: 10.1016/j.scitotenv.2018.10.424
    [22] 佚 名. 工业企业规模划分新标准[J]. 劳动保障通讯, 1999, (6): 40.
    [23] 卢 玫. 道路的分类及其交通特性[J]. 道路交通管理, 2003, (4): 35.
    [24] 蔡雪娇, 吴志峰, 程 炯, 等. 基于核密度估算的路网格局与景观破碎化分析[J]. 生态学杂志, 2012, 31(1): 158 − 164.
    [25] 胡木子. 合肥市黏性土土性参数的空间变异性研究[D]. 合肥工业大学, 2018, (1): 78.
    [26] 谢小进, 康建成, 李卫江, 等. 上海宝山区农用土壤重金属分布与来源分析[J]. 环境科学, 2010, 31(3): 768 − 774.
    [27] Cambardella C A, Moorman T B, Novak J M, et al. Field-Scale Variability of Soil Properties in Central Iowa Soils[J]. Soil Science Society of America Journal, 1994, 58(5): 1501 − 1511. doi: 10.2136/sssaj1994.03615995005800050033x
    [28] Monika Zovko, Davor Romić, Claudio Colombo, et al. A geostatistical Vis-NIR spectroscopy index to assess the incipient soil salinization in the Neretva River valley, Croatia[J]. Geoderma, 2018, 332: 60 − 72. doi: 10.1016/j.geoderma.2018.07.005
    [29] Yang M, Wang S, Zhang L, et al. Mercury emission and speciation from industrial gold production using roasting process[J]. Journal of Geochemical Exploration, 2016, 170: 72 − 77. doi: 10.1016/j.gexplo.2016.08.014
    [30] 阿迪莱·伊斯马伊力, 麦麦提吐尔逊·艾则孜, 靳万贵, 等. 典型石油城市道路积尘重金属污染及健康风险评价[J]. 环境污染与防治, 2020, 42(4): 487 − 492+522.
    [31] 林芬芳. 不同尺度土壤质量空间变异机理、评价及其应用研究[D]. 浙江大学, 2009, (3): 161.
    [32] 吴珊珊, 孙慧兰, 周永超, 等. 伊宁市道路土壤重金属污染现状及其环境质量评价[J]. 干旱区研究, 2019, 36(3): 752 − 760.
    [33] 严连香, 黄 标, 邵学新, 等. 不同工业企业周围土壤-作物系统重金属Pb、Cd的空间变异及其迁移规律[J]. 土壤学报, 2009, 46(1): 52 − 62. doi: 10.3321/j.issn:0564-3929.2009.01.008
    [34] Lv J, Liu Y, Zhang Z, et al. Identifying the origins and spatial distributions of heavy metals in soils of Ju country (Eastern China) using multivariate and geostatistical approach[J]. Journal of Soils and Sediments, 2015, 15(1): 163 − 178. doi: 10.1007/s11368-014-0937-x
  • 加载中
图(11) / 表(4)
计量
  • 文章访问数:  89
  • HTML全文浏览量:  1
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-08-21
  • 修回日期:  2021-03-11
  • 刊出日期:  2021-06-04

目录

    /

    返回文章
    返回