基于普通克里格和投影寻踪模型的城市土壤重金属污染评价

谢贤健，韩光中

基于普通克里格和投影寻踪模型的城市土壤重金属污染评价

谢贤健，韩光中*

内江师范学院地理与资源科学学院，四川 内江 641000

作为城市生态环境的重要组成部分，城市土壤对城市的可持续发展具有重要意义。然而，随着人类活动加剧，重金属元素成为城市土壤中具有重大影响的有毒污染物，尤其是铅（Pb）、镉（Cd）、铜（Cu）及其复合物在城市土壤污染中较为突出。为了探讨城市土壤中重金属的含量及污染空间分布特征，为城市环境治理和环境保护提供客观依据，以内江市城区为例，采集了203个表层土壤样本，利用单因子污染指数法、GIS技术结合投影寻踪模型评估了研究区不同土地利用方式下表层土壤铅（Pb）、镉（Cd）、铜（Cu）、锌（Zn）的污染特征及其空间污染程度。结果表明：（1）与国家二级标准限定值比较，镉元素的富集程度最大，锌元素次之，铜元素富集程度最小，铅元素无富集；（2）4种元素变异系数属于高度变异，其含量均受到人类活动的强烈影响；（3）土壤重金属综合污染指数均值表现为公共用地＞商业用地＞住宅用地＞工矿用地＞农业用地＞交通用地；（4）内江市城市土壤重金属污染程度的克里格插值评价等级为较清洁、轻污染，在空间展布上二者的面积比例为1.2∶1，内江市重金属综合污染水平较轻。投影寻踪模型为涉及多因素的城市土壤重金属污染评价提供了新思路。

普通克里格；投影寻踪；重金属；污染评价

城市土壤是城市生态系统的重要组成部分。随着城市化进程的加快，大量重金属污染物通过工业三废、交通污染和城市生活垃圾排放等方式进入到城市土壤环境中，给区域土壤资源的保护、利用与管理带来了严峻挑战（Tong et al.，2000；Li，2001；Imperato et al.，2003）。研究者将汞、镉、铅、铬、砷、锌、铜、镍合称为重金属环境污染元素（米艳华等，2016；邹素敏等，2017；姚利等，2017），尤其以铅、镉、铜及其复合污染最为突出，是城市和工业发展过程中产生的典型的“污染元素”（王学松等，2006）。土壤中的重金属会导致大气污染、地表水污染，地下水污染等生态环境问题，而且可以通过多种途径进入到人体中，对人体神经系统、免疫功能等产生非致癌影响，同时部分重金属元素还具有强致癌性，因此，城市土壤重金属的健康风险已引起国内外学者的广泛关注。

目前，研究者对城市环境中土壤重金属的污染水平进行初步的研究，并取得了一些有意义的结果。常用的评价方法包括单因子指数评价法（徐福银等，2014）、内梅罗综合污染指数法（张胜帮等，2015）、模糊综合评价法（陈桂忠，2015）、地质累积指数法（史贵涛等，2006）、潜在生态危害指数法（刘勇等，2011）、综合指数评价法（张建东等，2007）、灰色聚类法（付建平等，2012）等。在进行土壤重金属污染水平评价时涉及到的因素很多，且因素之间互相关联，不同因素的信息部分会发生交叉和重叠，从而影响评价结果的准确性；加之不同因素之间对土壤质量影响的权重难以确定，同时，影响土壤重金属污染水平的各因素通常为非线性相关，研究者在评价过程中往往带有一定的主观性，因此上述评价方法在土壤环境评价中的应用受到一定的限制（刘慧卿等，2005）。投影寻踪技术以数据的线性投影为基础，寻找线性投影中的非线性结构，将高维数据通过线性组合的方法转换为低维数据，在低维数据上对数据结构进行分析，可以避免线性回归不能反映实际非线性情况的矛盾，以及在评价过程中如何确定不同因素权重的问题（付强等，2007；金菊良等，2004；侯秀玲等，2012）。本研究拟以四川省内江市作为研究区域，基于遗传算法的投影寻踪模型结合GIS空间分析技术对研究区城市土壤的重金属污染进行综合评价，探讨土壤中重金属的含量及污染空间分布特征，以期为研究区城市环境治理和环境保护提供客观依据。

1 研究区概况

内江市城区位于四川盆地中南部，地处沱江中游，地理坐标：105°6′～105°48′E，29°34′～29°36′N。地形以丘陵为主；气候为典型的中亚热带季风气候；土壤以紫色土为主；地质构造上位于扬子准地台四川台坳川中台拱的自贡台凹北部，威远背斜北东倾末端与自流井背斜北东倾末端间的向斜部位，属于四川沉降带中部；城区岩性以中侏罗纪的紫色泥岩为主（内江市国土资源局，2012）。内江市城区西联资中县和荣县，东接隆昌县，是成都和重庆之间的交通要道。内江市受成都和重庆经济辐射较强，具有良好的经济发展区位条件，近年来，内江市经济快速发展，成为川南城市群的重要组成部分。

2 样品采集和处理

2.1 样品采集

利用GIS软件，将内江市城区比例尺为1∶500的土地边界图（研究区面积11.17 km2）矢量化，同时按照 250 m×250 m的规格将地图划分成规则网格。采样时，在每个网格点内结合具体地形和土地利用方式，按照对角线法在0～15 cm土层进行采样，并利用GPS记录采样点地理位置；每个网格对角线上取3个土样混合成1个样品，去掉杂草、石块、垃圾等，按照4分法取样并装入聚乙烯塑料袋内，共计203个土样（图1）。所有样品采集于2014年7月—2014年8月完成；样品的理化分析于2014年9月—2015年9月完成。

2.2 样品处理

将室外采集的土样进行自然风干，然后用 100目尼龙筛过筛，制好的土样装入聚乙烯塑料袋。称取0.2000 g样品置于聚四氟乙烯塑料坩埚中，加几滴蒸馏水湿润，然后加入10 mL HNO3-HClO4混酸（体积比为1∶1），15 mL HF，低温加热至冒白烟，再加5 mL HNO3，加热至白烟冒尽，冷却后，加入5 mL 2 mol∙L-1HCl溶解，转移至25 mL容量瓶定容、过滤、待测；铅、镉、铜、锌的测定利用石墨炉原子吸收分光光度法（GB/T 17141—1997），仪器为美国瓦里安公司生产的 SpectrAA-220Z型石墨炉原子吸收分光光度计；pH值利用美国奥豪斯公司生产的STARTER 3100台式酸度计测定，读数保留到0.1。

3 评价方法

采用单因子污染指数和投影寻踪综合评价模型评价不同土地利用方式下土壤重金属污染程度。

图1 研究区及采样点分布图Fig. 1 The distribution map of sampling point

3.1 单因子污染指数

单因子评价用来评估主要重金属的污染程度，用污染指数表示，即重金属实测值与评价标准相除消除量纲得到污染指数（徐福银等，2014）：

式中，Pi为i重金属元素的污染指数；Ci为重金属含量实测值；Si为土壤环境质量二级标准值（本研究中203个供试土壤样品经测定：6.5＜pH＜7.5）。土壤重金属污染等级划分标准见表1。

表1 土壤重金属污染等级划分标准Table 1 Standard for classification of soil heavy metal pollution

3.2 投影寻踪模型计算理论

投影寻踪是将高维数据向低维空间投影，通过分析低维空间的投影特性来研究高维数据的特征，从而找到反映数据结构特征的最优投影，是处理多指标问题的统计方法（付强等，2007）。其具体思路是将影响问题的多因素指标通过投影寻踪分析得到反映其综合指标特性的最优投影特征值，然后建立投影特征值与因变量的一一对应关系。通过分析一维的投影值对样本进行更加合理的分级和评价。其原理如下：

设等级评价表中各指标值的样本集为｛xij︱i=1, …, n; j=1,…, m｝，其中，xij是第i个样本的第j个指标值，建立投影寻踪评价模型的步骤如下。

（1）数据预处理：即对数据进行归一化处理，消除各指标值的量纲和统一各指标值的变化范围。

对于数值越大，评价越优的指标：

对于数值越小，评价越优的指标：

式中，xij是标准化前的数据样本值，xi∗j是标准化后的数据样本值，xjmax为第j指标的最大值。

（2）构造投影指标函数：把m维数据综合成某一方向的一维投影值，并要求投影值散布特征为局部投影点尽可能密集，整体上各个点团之间尽可能散开。

用m维的单位向量a（a1, a2, …, am）表示某一投影方向，样本i在该方向上的投影值可表示为：

设 S(a)为投影值的标准差，D(a)为投影值的局部密度（投影值投影在局部时的聚集程度），则投影指标函数可以表示为：

（3）估计最佳投影方向Q(a)值与投影方向a有关，当Q(a)取最大值时的a方向是最能反映数据结构特征的方向。所以，可以通过求解投影指标函数优化问题来估计最佳投影方向，即求解：

可以利用遗传算法来解决该优化问题。

（4）等级评价：得到近似最佳投影方向后，计算各经验等级样本点的投影值，根据各经验等级及其对应的投影值建立基于投影值的等级评价方法，并将待评价样本进行归一化处理后计算其投影值，利用投影值等级评价方法得到评价样本所属等级。

3.3 污染水平空间变异特征

土壤样点重金属含量的常规统计、单因子指数及综合指数法评价仅能反映采样区域局部受污的情况，而不能整体体现区域土壤受污染的程度，因此，本文在上述评价的基础上，采用 Kriging插值绘制研究区土壤镉污染分布的连续表面，并对其进行分级评价。Kriging插值是一种最佳空间局部估计方法，其作为地统计学的主要分析方法，综合考虑变量的随机性和结构性，可以根据采样点的监测数据、采样点的相互位置关系及变差函数模型，估测研究区域内污染物的污染水平空间展布特征。在ArcGIS 9.3平台上，土壤重金属的投影寻踪特征值的半方差分别用球状、指数和高斯等理论模型进行拟合，根据拟合误差大小选出最适模型，然后用普通克立格法（Ordinary Kriging）内插获得污染水平空间变异分布图。

4 结果与分析

4.1 土壤重金属含量的统计特征

由表2可知，4种重金属铅、镉、铜、锌的平均含量分别为 58.88、0.82、74.69、179.75 mg∙kg-1，除镉外，其余3种元素均值均未超过国家土壤环境质量二级标准限定值；从最大值来看，除铅外，其余3种元素均超过国家土壤环境质量二级标准限定值，分别是国家土壤环境质量二级标准限定值的7.8、5.5、3.8倍，说明镉、铜、锌在研究区局部土壤中存在明显的富集；从超出国家土壤环境质量二级标准限定值百分率来看，镉元素的富集程度最大，锌元素次之，铜元素富集程度最小。变异系数（coefficient of variation，CV）作为表征数据离散程度的指标，可以比较不同量纲的数据；对变异程度进行分级：高度变异（CV＞0.36）、中度变异（0.16＜CV＜0.36）、低度变异（CV＜0.16）。4 种元素变异系数值均大于0.36，属于高度变异，说明研究区土壤重金属含量受到人类活动的强烈影响。

表2 土壤重金属常规统计Table 2 Basic statistical characteristics of soil heavy metal

4.2 不同土地利用类型土壤重金属单因子污染指数

利用单因子指数法计算城区不同土地利用类型土壤重金属单因子污染指数，根据单因子污染指数可知4种元素所在的污染等级，进一步统计得到

4种元素污染等级的累计百分比，结果见图2。

图2 4种元素污染等级的累计百分比Fig. 2 Cumulative percentage of pollution levels of the 4 elements

由图2可知，所有样点铅元素的单因子污染指数均小于1，污染程度为清洁。镉元素有34.98%的样点单因子污染指数小于 1，污染程度为清洁；40.89%的样点单因子污染指数介于1～2，属于轻度污染；16.75%的样点单因子污染指数介于2～3，属于中度污染；7.39%的样点单因子污染指数大于3，属于重度污染。铜元素有91.63%的样点单因子污染指数小于1，污染程度为清洁；7.39%的样点受到轻度污染；不到 1%的样点为中度或重度污染。锌元素有80.30%的样点污染程度为清洁，18.23%的样点为轻度污染，1.5%的样点为中度或重度污染。总体来看，研究区土壤镉元素污染程度最重，锌元素次之，铜元素第三，铅元素最轻。

从4种元素在不同土地利用类型中分布的最大值、最小值及平均值统计来看，土壤重金属单因子污染指数中，只有镉元素的平均值大于 1，表现为轻度污染；铅、铜、锌的单因子污染指数均值都小于 1，在不同土地类型的土壤中均未出现污染。从极大值来看，除铅外，镉、铜、锌在不同的土地利用方式中极大值均大于 1，尤其是镉元素在不同土地利用方式中某些区域均达到了中度或重度污染；而住宅用地尤为严重，镉、铜、锌在局部区域均出现了重度污染。住宅用地个别地点土壤发生重金属污染，很有可能是由于小区居民将含镉铜锌的装饰材料和管材、镉铜锌电池等日常生活用品和废弃包装物堆放在居住区所致。

4.3 重金属污染投影寻踪等级评价模型

4.3.1 重金属污染等级表

根据《中华人民共和国国家标准——土壤环境质量标准GB15618—1995》，分别对应4种元素污染等级的临界值，依据临界值对评价指标的污染级别进行划分，构建重金属污染的指标体系和分级标准表（表3）。

表3 重金属污染分级标准Table 3 Classification standard of heavy metal pollution

4.3.2 模型计算

利用式（2）对各评价指标进行归一化处理，然后利用数据处理系统DPS 9.5软件，计算最优投影方向，根据该投影方向利用式（4）计算各经验等级样本点的投影特征值（表4）。

表4 各重金属分级标准归一化处理及投影特征值Table 4 Normalized treatment and projection value of each heavy metal

4.3.3 等级评价

根据各经验等级及其对应的投影值建立基于投影值的等级评价方法，并将待评价样本进行归一化处理后计算其投影值，利用投影值等级评价方法得到评价样本所属等级（表5）。

4.3.4 土壤重金属污染程度评价

根据式（2），将实验获取的铅、镉、铜、锌样点的重金属含量数据分别进行归一化处理，然后进行投影寻踪计算得到203个待评样本的投影值，即重金属综合污染指数，统计得到基于投影寻踪模型的不同土地利用方式下土壤重金属污染综合指数分级（表6）。

表5 基于投影特征值的重金属污染等级分级Table 5 Classification of heavy metal pollution levels based on the projection characteristic value

由表6可知，内江市城市土壤重金属综合污染指数的平均值介于 0.595～0.720，污染等级为较清洁、轻污染，整体污染水平较轻。土壤重金属综合污染程度表现为公共用地＞商业用地＞住宅用地＞工矿用地＞农业用地＞交通用地。具体来看，所有样点均未到达重污染，只有住宅用地1个样点为中污染水平。公共用地、商业用地、住宅用地轻污染及以上级别样点数达到了50%以上，采样点主要位于城区商业密集、交通流量大、人口密度高的区域，土壤受到人为影响较大，在人为垃圾、汽车尾气排放等因素的综合影响下，这些土地利用方式下的土壤重金属污染较为严重。工矿用地轻污染样点比例较少，采样点主要位于天德制药厂、华风车业公司、水盛化工机械厂附近，这些区域工业活动产生的医药废弃物和机械废弃物被直接堆放在固定区域，重金属进入土壤导致局部区域受到较为严重的污染。交通用地轻污染样点数比例达到41.77%，其采样点主要来自于交通用地附近的绿化带，受到人为管护的影响，虽然不存在生活垃圾等人为引入影响，但在汽车尾气的影响下，该土地利用方式下的土壤也受到了一定程度的污染。农业用地轻污染样点数比例达到48.84%，轻污染比例达到较高水平，可能的原因为农田长期使用有机化肥和农药，导致土壤中重金属含量增高，污染加重。

4.4 土壤重金属污染水平的空间特征

4.4.1 土壤重金属污染投影特征值半方差函数拟合比较

基于ArcGIS 9.3软件平台，计算不同间距的变异函数，利用目前较为成熟的指数、球状和高斯 3种模型进行污染综合指数插值，根据插值结果预测误差（标准平均值、均方根预测误差、平均标准误差和标准均方根预测误差），挑选出较为合理的方法（李婷等，2011）。在ArcGIS 9.3中对研究区采样点土壤重金属污染的投影特征值进行分析，得到3个模型的预测误差（表7）。

根据插值结果预测误差标准，平均值最接近于0，均方根预测误差最小，平均标准误差最接近于均方根预测误差，标准均方根预测误差最接近于 1来选取模型，由表7可知，研究区土壤重金属的污染水平空间预测以高斯模型的模拟结果最佳。

根据表7，长轴和短轴的变程比值为2.24，长轴方位角为 83°，说明污染综合指数在空间上有明显的各向异性，空间变异特征主要反映在北—南方位。高斯模型中块金值为正值，说明存在着采样误差、测定和短距离的变异引起的各种正基底效应。按照变量空间相关性程度的分级标准（谢贤健，2014；钟晓兰等，2007），高斯模型中的块基比为0.721，说明重金属污染具有中等程度的空间相关性，重金属污染受到结构性（非人为因数）和随机性因素（人为因数）共同作用的影响，如土地利用、土壤母质等因子。

4.4.2 重金属污染程度空间特征分布

在GIS技术支持下，建立研究区铅、镉、铜、锌的待评数据库，并将待评数据库数据进行归一化处理，进行投影寻踪计算得到数据库中每一待评样本的投影值。采用统计软件SPSS 11.5单一样本K-S检验方法对投影值进行常规统计，结果表明，投影值呈对数正态分布。因此，投影值可以作为插值数据进行克里金插值。根据半方差函数拟合结果，利用高斯模型模拟得到研究区污染指数空间分布图（图 3），基于污染指数值（即投影特征值）的重金属污染等级分级（表 5）得到土壤重金属污染程度的空间分布图（图4）。

表6 综合污染指数分级Table 6 Classification of comprehensive pollution index

表7 克里格插值预测误差Table 7 Prediction error of Kriging

图3 污染指数空间分布图Fig. 3 Spatial distribution of pollution index

图4 土壤重金属污染程度空间分布图Fig. 4 Spatial distribution of soil heavy metal pollution

根据插值的评价结果可知，内江市城市土壤重金属污染的程度等级为较清洁、轻污染，和基于投影寻踪模型计算得到的203个土壤样点的综合污染指数的分级在不同土地利用方式下分布的比例相一致，同时，也与平均指数所处分级相一致。进一步统计分析发现，较清洁、轻污染的面积比例为1.2∶1；说明内江市城市土壤重金属污染程度主要为轻污染级别以下，污染水平较轻。从轻污染区域来看，沱江以北的区域，主要分布在汉安小区以南至西雅图、广汇住宅区一带，这些以住宅用地为主要土地利用类型的区域交错分布了较大面积的商业用地，从而导致污染等级较高；沱江以南的区域，主要分布在铁路机械学校、内江火车站、宏生石油机械公司一带，市中区财政局、翔龙中学一带，及内江市林业局附近，这些区域人口集中、工业聚集度较大，且区域交织分布住宅用地从而造成一定的污染。为了进一步验证评价结果的准确性，以较清洁和轻污染投影特征值的污染等级分级标准值0.604作为划分标准，将 203个待评样本的投影特征值与土壤重金属污染程度空间分布图层进行叠加分析、统计，结果显示，41.58%投影特征值小于0.604的待评样本，10.39%投影特征值大于 0.604的待评样本分布在较清洁区域；5.84%投影特征值小于 0.604的待评样本，41.18%投影特征值大于0.604的待评样本分布在轻污染区域。分析结果表明，利用投影寻踪模型计算出的重金属综合污染指数，结合GIS模拟得到的研究区土壤重金属污染程度的空间分布图基本能够反映出研究区重金属污染的空间水平分布。

5 结论

（1）除镉外，本研究区铅、铜、锌均值均未超过国家土壤环境质量二级标准限定值；从极大值来看，局部区域镉、铜、锌的含量为国家土壤环境质量二级标准限定值的7.8、5.5、3.8倍，镉、铜、锌在研究区局部土壤中存在明显的富集；从变异系数来看，研究区土壤重金属含量受到人类活动的强烈影响。就土壤重金属单因子污染指数来看，仅镉元素的平均值大于1，污染等级为轻度污染；铅、铜、锌的单因子污染指数均值均小于 1，未出现污染；从样点单因子污染指数所占污染等级的百分比来看，研究区土壤镉元素污染程度最重，锌元素次之，铜元素第三，铅元素最轻。

（2）利用投影寻踪模型，计算得到203个样点土壤重金属污染综合指数，平均值介于0.595～0.720，污染等级为较清洁、轻污染，整体污染水平较轻；土壤重金属综合污染程度表现为公共用地＞商业用地＞住宅用地＞工矿用地＞农业用地＞交通用地。

（3）普通克里格插值分析表明，内江市城市土壤重金属污染具有中等程度的空间相关性变异，变异特征主要反映在北—南方位，污染的程度等级为较清洁、轻污染，二者的面积比例为1.2∶1；说明内江市城市土壤重金属污染主要为轻污染级别以下，污染水平较轻。在较清洁区，41.58%待评样本综合污染指数小于 0.604；在轻污染区，41.18%待评样本综合污染指数大于 0.604；表明基于投影寻踪模型并结合GIS模拟得到的研究区土壤重金属污染程度的空间分布图基本能够反映出研究区重金属污染的空间水平分布。

IMPERATO M, ADAMO P. 2003. Spatial distribution of heavy metals in urban soils of Naples city(Italy) [J]. Environmental Pollution, 124(2):247-256.

LI X D. 2001. Heavy metal contamination of urban soils and street dusts in Hong Kong [J]. Applied Geochemistry, 16(11-12): 1361-1368.

TONG S T Y, KIN C L. 2000. Homes weet home:A case study of household dust contamination in Hong Kong [J]. Science of the Total Environment, 256(2-3): 115-123.

陈桂忠. 2015. 模糊综合分析在场地土壤重金属评价中的应用[J]. 水文地质工程地质,42(4): 140-143.

付建平, 许振成, 任明忠, 等. 2012. 基于灰色聚类模型对北江沉积物中重金属的环境质量评价[J]. 环境科学与管理, 37(2): 183-186.

付强, 赵小勇. 2007. 投影寻踪模型原理及其应用[M]. 北京: 科学出版社.

侯秀玲, 周益民, 王绍俊. 2012. 基于投影寻踪模型的农田土壤重金属污染分析[J]. 三峡环境与生态, 34(1): 60-62.

金菊良, 江明武, 魏一鸣. 2004. 用投影寻踪分类模型进行环境监测优化布点[J]. 安全与环境学报, 4(4): 10-12.

李婷, 张世熔, 刘浔, 等. 2011. 沱江流域中游土壤有机质的空间变异特点及其影响因素[J]. 土壤学报, 48(4): 863-868.

刘慧卿, 张先起, 杨会娟. 2005. 基于 RAGA的投影寻踪模型在土壤重金属污染评价中的应用[J]. 河南农业科学, (10): 60-63.

刘勇, 岳玲玲, 李晋昌. 2011. 太原市土壤重金属污染及其潜在生态风险评价[J]. 环境科学学报, 31(6): 1285-1293.

米艳华, 雷梅, 黎其万, 等. 2016. 滇南矿区重金属污染耕地的植物修复及其健康风险[J]. 生态环境学报, 25(5): 864-871.

内江市国土资源局. 2012. 内江市地质环境概况[DB/OL]. http://www.scnjlr.gov.cn/shtml/dzzl/2012-11/20/2012_11_20_08_51_54_929.html, 2012-3-20.

史贵涛, 陈振楼, 许世远, 等. 2006. 上海市区公园表层土壤铅含量及其污染评价[J]. 土壤, 38(3): 287-291.

王学松, 秦勇. 2006. 徐州城市表层土壤中重金属元素的富积特征与来源识别[J]. 中国矿业大学学报, 35(1): 84-88.

谢贤健. 2014. 泥石流频发区土壤有机质空间变异特征[J]. 中国水土保持科学, 12(3): 53-58.

徐福银, 胡艳燕. 2014. 重庆市不同功能区城市绿地土壤重金属分布特征与评价[J]. 土壤通报, 45(1): 227-231.

姚利, 刘进, 潘月鹏, 等. 2017. 北京大气颗粒物和重金属铅干沉降通量及季节变化[J]. 环境科学, 38(2): 423-428.

张建东, 范舟, 赖健清, 等. 2007. 综合指数质量评价模型在太原市土壤重金属污染评价中的应用[J]. 水土保持研究, 14(4): 240-243.

张胜帮, 胡柏禧. 2015. ICP-AES-内梅罗指数法研究皮革工业区蔬菜中的重金属污染[J]. 食品科学, 36(4): 221-225.

钟晓兰, 周生路, 李江涛, 等. 2007. 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[J]. 土壤学报, 44(1): 33-40.

邹素敏, 杜瑞英, 文典, 等. 2017. 不同品种蔬菜重金属污染评价和富集特征研究[J]. 生态环境学报, 26(4): 714-720.

Abstract: As an important component of the urban ecological environment, it is great of significance for urban soil to the sustainable development of a city. However, with the increasing human activities, heavy metals have become significant impact toxic pollutants to the soil in a city. Especially, cadmium (Cd), lead(Pb), copper (Cu) and its complex are more prominent in urban soil pollution.Therefore, in order to explore the content and spatial distribution characteristics of heavy metal pollution in the urban soil, and provide an objective basis for environmental management and environmental protection, in this study, taking Neijiang City as an example, lead (Pb), cadmium (Cd), copper (Cu) and zinc (Zn) of 203 surface soil samples of different land use types are evaluated pollution characteristics and their spatial pollution levels based on ordinary Kriging and Projection Pursuit Model as well as method of single factor pollution index. The results are as follows: (1) The order of enrichment degree was Cd＞Zn＞Cu, and the Pb was not enriched comparing with the grade-two standard values of national environmental quality standards for soils. (2) The variation coefficient of 4 kind of soil heavy metal elements was highly variable, the content of soil heavy metal was strongly affected by human activities. (3) The order of comprehensive pollution degree of ordinary Kriging was public land＞commercial land＞residential land ＞ industrial and mining land＞agricultural land＞traffic land. (4) The pollution grade levels of soil heavy metal in Neijiang City were relatively cleaning，light pollution. The area ratio of spatial distribution between relatively cleaning and slight pollution area was 1.2∶1. In general, the comprehensive pollution level of in Neijiang was lighter. Therefore, the Projection Pursuit Model can provide a new idea for involving multiple factors of heavy metal pollution evaluation on soil.

Key words: ordinary Kriging; Projection Pursuit Model; soil heavy metal; pollution evaluation

Evaluation of Soil Heavy Metal Pollution in Neijiang City Based on Ordinary Kriging and Projection Pursuit Model

XIE Xianjian, HAN Guangzhong

School of Geography and Resources Science of Neijiang Normal University, Neijiang 641000, China

10.16258/j.cnki.1674-5906.2017.09.018

X53

A

1674-5906（2017）09-1584-07

谢贤健, 韩光中. 2017. 基于普通克里格和投影寻踪模型的城市土壤重金属污染评价[J]. 生态环境学报, 26(9):1584-1590.

XIE Xianjian, HAN Guangzhong. 2017. Evaluation of soil heavy metal pollution in Neijiang city based on ordinary Kriging and Projection Pursuit Model [J]. Ecology and Environmental Sciences, 26(9): 1584-1590.

国家自然科学基金项目（41401235）；四川省教育厅重点项目（16ZA0312）；国家级大学生创新创业训练计划项目（X201505）

谢贤健（1978年生），男，教授，博士，主要研究方向为水土保持理论及技术研究。E-mail: xxj007-14@tom.com*通信作者：韩光中（1981年生），男，副教授，博士，主要从事土壤发生与土壤退化研究。E-mail: hanguangzhong@163.com

2016-10-07