遵义农业耕作区土壤质量的模糊评价

罗 艳 许锡娟 何锦林

摘  要：以遵义东南部地区农业耕作区的土壤质量为研究对象，对该地区农业土壤中重金属Cd、Pb、Cr、Hg、As含量進行监测分析和模糊评价。结果表明，仅泮水镇土壤质量为Ⅰ级，属于清洁，仅马蹄镇土壤质量为Ⅲ级，属于污染，其余13个乡镇土壤质量均为级尚清洁。主要重金属污染物是Cd。

关键词：模糊评价;重金属;农业耕作区

中图分类号：S19                         文献标识码：A                                                  DOI：10.11974/nyyjs.20181131002

引言

根据重金属（镉、铅、铬、汞、砷）的毒理学特征和生物吸收、富集能力，我国《无公害食品产地环境评价准则》（NY/T 5295-2015）将以上5种重金属作为无公害产地土壤的严格控制指标 [1]。目前土壤重金属污染评价运用较多的方法有综合污染指数法、聚类分析法、层次分析法、物元分析法和模糊数学法等[2-4]，由于土壤重金属的实际污染状况是渐变、不确定的，模糊数学可以通过隶属度指标更加确切的描述土壤重金属污染状况的渐变性 [5]。

模糊数学是由美国计算机控制专家L A Zadeh于1965年创始，已在农业生态领域取得了应用成果。董文涛等[6]以GIS技术为基础，运用模糊数学方法对安庆市土壤样点的肥力状况进行了综合评价。黄功标[7]利用专家经验法、模糊数学与层次分析法开展福安市茶园土壤适宜性评价，为准确评价不同作物土壤适宜性及动态监测提供理想的途径。张超等[8]考虑重金属毒性和浓度这2个双权重因子改进模糊综合评价法对郑汴公路土壤重金属污染状况进行评价，说明其污染程度受通车时间、主导风向、路旁防护措施等多方面因素的影响。王春光等[9]采用内梅罗综合污染指数法和模糊数学评价法分别对哈尔滨市东郊菜地土壤重金属环境质量进行评价，结果表明2种评价方法所得结果基本一致，该菜地土壤环境质量安全。王凤春等[10]采用模糊数学（AHP-Fuzzy）与GIS相结合对北京房山区绿色食品产地发展潜力进行评价。

研究区域遵义东南部地区位于贵州省北部，是贵州省大米、油菜籽、烤烟生产的重要基地，近年来工业发展迅速导致工业三废污染严重[11]，同时该区域是由碳酸盐岩和铅锌矿等岩、矿石风化后所形成的土壤，地质环境造成土壤重金属的沉淀、吸附和富集[12]，致使该地区土壤重金属含量偏高。因此本文在对该地区的部分耕作区的土壤重金属指标检测的基础上，开展土壤重金属污染状况模糊评价研究，为该地区农业土地资源合理利用提供参考依据。

1      材料与方法

1.1      试验时间、地点

土壤样品于2016年5—8月采集完成。分析检测于2017年完成。

1.2      样品采集

样品采集时随机在5.33 hm2的地块内设置采样点，采样点分布于43个村15个乡镇（见图1），采用手持GPS定位采集样本889个。样品取自0～15cm耕层，为了保证土壤样品的代表性，按梅花采样法采集土样后充分混合，按四分法最终保留约l kg。样品摊放在室内经自然风干研磨，过0.150 mm孔径尼龙网筛待测。

1.3      测量方法

根据《农田土壤环境质量监测技术规范》（NY/T 395-2012）规定的农田土壤中重金属检测方法原子荧光法测定As、Hg元素;石墨炉原子吸收光谱法测定Cd、Pb元素;火焰原子吸收分光光度法测定Cr元素。

1.4      土壤质量模糊评价方法

1.4.1      确定模糊评价因子和评价分级标准

将农业耕作区土壤的严格控制指标（Cd、Pb、Cr、Hg、As ）5种重金属作为模糊评价因子。以《中国土壤环境质量标准》（GB15618—2015）中规定的农业土壤分类和重金属污染物最高允许浓度为评价分级标准[13]，由于该地区土壤pH值均在6.5～7.5之间，因此Ⅱ级标准的重金属指标取pH值为6.5～7.5的数值。各评价因子的分级标准见表1。

1.4.2      隶属度函数

隶属度指的是评价因子的观测值符合该模糊性概念的程度。隶属函数则表示评价因素的观测值与隶属度之间的解析函数，根据评价因子的隶属函数，对于某评价因子的每一观测值均可计算出其对应的隶属度。本文采用降半梯形模糊分布建立隶属函数[14]，表达式如下：

（1）

=1- （2）

式中R1（Ci）为a1的隶属度，R2（Ci）为a2的隶属度，a1 和a2为任意2个等级的标准限值，Ci是第i个因子实测浓度值。

1.4.3      生成隶属度矩阵

将每个采样点土壤重金属的实测浓度值代入相应的隶属函数，计算5个评价因子隶属于3个不同级别的隶属度，得到相应的5×3阶隶属度矩阵R。

（3）

1.4.4      评价因子权重计算

为了表征每个重金属元素污染超标的轻重程度对评价因子的权重影响，采用加权法按照公式（4）計算权重，组成权重矩阵W，W={W1，W2，…，Wm}。

（4）

式中Wi为第i个评价因子的权重;Ci为第i个指标的实测值;Si=（Sl+S2+S3）/3;Sl、S2、S3为该指标对应的表4中分级指标的标准值;m为评价因子的个数。

1.4.5      模糊评价运输和结果生成

模糊评价结果计算公式为B=AR，算法与矩阵乘法类似，两元素相乘取两数较小者，2元素相加取2数较大者。

B=AR=（W1，W2，…，Wm）×

=（B1，B2，…，Bn）        （5）

式中Bn为模糊评价复合运算结果，对应于土壤质量各级的隶属度，一般取隶属度最大的对应级别为评价结果。当同时存在有2个或2个以上最大值时，取次大值贴近的对应级别作为最后评价结果 [15]。

2      结果与分析

2.1      土壤重金属含量分析

经检测所有土壤样品的重金属检测结果见表2。

2.2      各采样点隶属度矩阵

按照式（1）到（3）计算15个采样点重金属的隶属度矩阵，见表3。

2.3      权重矩阵

按照式（4）计算土壤重金属Cd、Pb、Cr、Hg、As的权重矩阵，见表4。

2.4      模糊评价结果

利用式（5）复合计算得出研究区域土壤质量的模糊评价结果，见表5。评价结果表明在遵义东南部地区的土壤主要重金属污染物均为Cd。13个乡镇土壤质量均为Ⅱ级尚清洁，该地区土壤质量状况基本上对植物和环境不造成危害和污染，可适于农田、蔬菜地、茶园、果园等用途。泮水镇土壤质量为Ⅰ级，属于清洁，马蹄镇土壤质量为Ⅲ级，属于污染。该镇土壤受到Cd元素一定的污染和扰动。

3      结论与讨论

为了对遵义东南部地区农业土壤重金属进行监测分析，对该地区农业土壤重金属污染状况进行了模糊评价，评估了耕作区土壤环境质量状况。结果表明，14个乡镇土壤环境质量级别为Ⅱ级以上，未受到污染，仅马蹄镇土壤质量级别为Ⅲ级，处于污染状况，主要重金属污染物为Cd。鉴于土壤重金属严重污染的区域可能会对种植的农作物产生影响，建议农户或农业部门在污染严重区域采取化学措施、植物修复、科学施肥的方法来进行修复土壤。

参考文献

[1] NY/T 5295—2015，无公害食品产地环境评价准则[S].

[2] 林建伟，王里奥，赵建夫，等.三峡库区生活垃圾的重金属污染程度评价[J].长江流域资源与环境，2005，14（1）：104-108.

[3]石晓翠，钱翌，熊建新，等.模糊数学模型在土壤重金属污染评价中的应用[J].土壤通报，2006，37（2）：334-336.

[4]李德豪，钟华文.层次分析模糊决策法评价土壤重金属污染[J].石油化工高等学校学报，1997，10（3）：5l-54.

[5]王建国，杨林章，单艳红，等.模糊数学在土壤质量评价中的应用研究[J].土壤学报，2001，38（2）：176-183.

[6]董文涛，路明浩，韦大山，等.基于模糊数学方法的土壤肥力综合评价及应用[J].资源开发与市场，2011，27（6）：511-514.

[7] 黄功标.GIS支持下茶园土壤适宜性评价的技术[J].福建茶叶，2005（6）：20-21.

[8] 张超，马建华，李剑.改进型模糊数学法在土壤重金属污染分析中的应用[J].安徽农业科学，2009，37（4）：1763-1766.

[9]王春光，张思冲，辛蕊，等.哈尔滨市东郊菜地土壤重金属环境质量评价[J].中国农学通报，2010，26（2）：262-266.

[10]王凤春，李晓秀，岳子明.基于AHP-Fuzzy与GIS的绿色食品产地发展潜力评价研究[J].首都师范大学学报（自然科学版），2008，29（6）：98-105.

[11]王起超.某些市售化肥的重金属含量水平及环境风险[J].农村生态环境，2004，20（2）：62-64.

[12]何邵麟，龙超林.贵州地表土壤及沉积物中镉的地球化学与环境问题[J].贵州地质，2004（21）：245-250.

[13] GB 15618—2015.中国土壤环境质量标准[S].

[14] 杨纶标，高英仪.模糊数学原理及应用[M].广州：华南理工大学出版社，2002：124-156.

[15]李春萍，李国学，罗一鸣，等.北京市6座垃圾填埋场地下水环境质量的模糊评价[J].环境科学，2008，29（10）：2729-2735.