土壤环境监测点位最优网格研究——以南阳盆地农耕区土壤镉元素为例

马振波，解庆锋，3，张 平，3，周小果，张得恩，司法祯，李胜昌，3

(1.河南省地质调查院，河南 郑州 450001； 2.河南省地球化学生态修复工程技术研究中心，河南 郑州 450001；3.河南省地质科学研究所，河南 郑州 450001)

为推进“十四五”土壤环境质量改善，满足国家土壤环境管理新需求，结合全国农用地土壤污染状况详查结果，对国家土壤监测网点位进行优化调整，科学评价全国土壤环境质量及其变化趋势，全面支撑土壤污染防治工作。河南省土壤生态环境监测点位优化工作于2020年开始启动，但大区域内的最优土壤监测密度的研究甚少。土壤的空间变异性存在于不同尺度上的主要影响因子有显著差异，这种差异限制了从一个空间尺度到另一个空间尺度的信息转换，是空间尺度效应产生的根本原因[1-2]。在土壤环境监测中，监测点位以反映土壤环境质量总体状况及变化趋势为导向，以农用地为主要监测对象，采用网格布设法，覆盖主要土壤类型和县城，确保布局完整、全面跟踪土壤环境质量状况，并说清其变化趋势。为此，利用南阳盆地农耕区土壤监测数据，结合数据统计原理及空间分析方法，研究最优布设网格，保证点位布设的科学性、均匀性、代表性十分必要，为河南省生态土壤环境监测点位优化提供技术支撑。

1 数据来源

2016年，由中国地质调查局部署开展，中国地质科学院水文地质环境地质研究所和河南省地质调查院共同完成了南阳盆地河南工作区1∶25 万土地质量地球化学调查面积1.24万 km2(图1)，覆盖了河南省南阳盆地农耕区范围。样品采集以农用地土壤为主，按照1 km×1 km网格采集1件表层土壤样品(0～20 cm)，并按2 km×2 km网格内样品用等重量法进行组合送检。样品分析均由河南省地矿局岩矿测试中心完成，分析项目包括镉、砷、铅、汞、铬等54项元素指标，其中镉元素采用电感耦合等离子体质谱法测试，共取得数据3 101条。

图1 南阳盆地河南工作区1∶25万土地质量地球化学调查工作程度图Fig.1 Work degree map of 1∶250 000 land quality geochemistry in Nanyang Basin of Henan Work Area

2 空间自相关分析

空间自相关性反映了一个区域单元上某一地理现象或某一属性值与邻近区域单元上同一现象或属性值的相关程度[3]。利用地学统计软件GS+的Moran′s I功能，检测研究区域内土壤元素空间自相关的指标。通过计算，镉元素的Moran′s I为0.1978，且P=0.000，表明研究区域内土壤镉属于空间正相关，且相关性显著(图2)。

图2 镉元素自相关分析示意Fig.2 Schematic Map of autocorrelation analysis of Cd element

3 提取不同网格内点位数据样本

不同点位密度元素含量在空间上存在一定的变异。为了研究空间变异程度，利用南阳盆地农耕区样点进行提取，建立不同尺度的子样本。此次按4 km×4 km、8 km×8 km、16 km×16 km和32 km×32 km等4种尺度的网格，以网格中心距离最近点位的原则抽取样点，得到各尺度网格样点数4 km×4 km为810个，8km×8km为225个，16km×16km为66个，32 km×32 km为23个(图3)。独立验证集利用剩余的监测的样点随机抽取，共抽取81个样点(图4)。

图3 不同尺度网格样本分布Fig.3 Sample Distribution Map of grid at different scales

图4 独立验证集样本分布Fig.4 Sample distribution Map of independent verification set

4 半方差分析

由于土壤养分描述性统计只能说明元素含量的基本状况，无法明确土壤元素在空间结构上的随机性、相关性和独立性[4]。因此，需要采取地统计学分析方法来对土壤元素含量的空间异质性进行进一步的研究[5]。不同采样尺度下土壤镉含量半方差函数利用地学统计软件GS+对不同采样尺度下土壤元素含量进行半方差分析，一般情况下，块基比小于25%时，表明土壤养分各指标具有较强的空间自相关；块基比在25%～75%时，具备中等程度的空间自相关；大于75%则表示其自相关程度相对较弱[6]。4 km×4 km、8 km×8 km尺度下子样本变程为24.2、23.0 km，拟合度为0.817、0.813，其空间相关距离及拟合度差异不大；而16 km×16 km尺度下子样本变程为121.6 km，拟合度降低为0.659，32 km×32 km尺度下子样本基本不能拟合。说明4 km×4 km、8 km×8 km的采样网格的空间表达能力最强，16 km×16 km的采样网格的空间表达能力一般，但能准确表达出数据的空间相关性，32 km×32 km的采样网格的空间表达能力较差，分析结果见表1。

表1 不同采样尺度下土壤镉含量半方差统计参数Tab.1 Statistical parameters of semi-variance of soil Cd element content at different sampling scales

5 交叉验证的空间预测精度比较

利用交叉验证方法检验插值的结果精度，采用均方根误差作为精度评价指标，确定不同的插值方法对研究区土壤有机质预测精度最优的插值模型[7]。其中，均方根误差(RMSE)如式(1)所示，RMSE越小，表明预测精度越接近实测值，预测的精度越高。

(1)

对土壤中的镉元素含量，按照4种网格尺度的抽样点进行Kriging插值，比较交叉验证结果，然后分析RMSE(均方根误差)。镉元素在4 km×4 km、8 km×8 km和16 km×16 km采样尺度的RMSE较小并且接近，表明4 km×4 km、8 km×8 km和16 km×16 km采样尺度预测结果比较理想。32 km×32 km采样尺度下RMSE升高，说明该采样尺度下，精度不可靠(图5)。

图5 不同采样尺度下土壤镉元素均方差误差变化曲线Fig.5 Variation curves of mean square error of Cd element in soil under different sampling scales

6 采样尺度对土壤元素含量的影响

以普通克里格插值方法[8-10]，进一步探讨采样点数量对土壤元素含量空间分布表征的影响，理论上，随着采样网格尺度的增大，土壤元素含量的空间预测结果越来越平滑，对细节的反映能力越来越弱。

本次分别按已提取的4种尺度的网格分别进行插值绘制趋势面，结果显示，密度为4 km×4 km、8 km×8 km和16 km×16 km的采样点所反映的土壤镉含量空间格局分布非常类似。随着采样点间距的增大，土壤镉空间布局有一定的平滑效应，但是整体格局类似，说明采用4 km×4 km、8 km×8 km和16 km×16 km的采样点进行土壤镉含量的空间预测，依然能较好地反映当地的实际土壤镉含量空间分布情况。但是32 km×32 km的样点无法反映上述分布格局，特别是一些细节特征无法被准确表达(图6)。

图6 不同网格尺度的镉含量值空间分布Fig.6 Spatial distribution of Cd element content in different grid scales

7 结论

通过对南阳盆地农耕区土壤镉元素含量进行自相关分析，镉元素空间正相关，且相关性显著；随机抽取81个样点作为独立验证集，并根据中心点最近点法提取了4种不同网格内样本，进行了半方差分析，进一步求证了不同采样网格的空间相关性；交叉验证结果显示，镉元素在4 km×4 km、8 km×8 km和16 km×16 km采样尺度的RMSE较小且接近，表明所选的采样尺度预测结果比较理想；4种网格尺度下分别进行插值绘制趋势面，16 km×16 km网格内的采样点依然能较好地反映当地的实际土壤镉含量空间分布情况。通过分析验证，16 km×16 km网格为监测点位最优网格，但在实际布设过程中，还应考虑土壤类型分布、土地利用现状、周边环境等因素采用合适的网格。