芒果产区土壤重金属污染快速评价系统开发与应用

贾文静，王哲,2，蒋虎，罗莹，张振龙，冯喜杨，张家千，曾秋平

（1西南科技大学环境与资源学院，四川绵阳 621010；2中国科学技术大学地球与空间科学学院，合肥 230000；3中国科学院、水利部成都山地灾害与环境研究所，成都 610041；4中国科学院大学，北京 100049）

0 引言

随着新型工农业的迅速发展，土壤重金属污染已成为严峻的世界性环境问题，严重影响到人类自身的生存环境，并成为了国内外学者们关注的对象[1-2]。目前，土壤重金属污染防治的研究主要集中在重金属污染源解析[3-4]、评估[5-6]以及修复[7-8]等方面。其中，土壤重金属污染评估是污染防治的关键，只有明确重金属污染程度的空间分布特征才能针对性地对其进行修复[9-10]。目前，常用的土壤重金属污染评估方法包括单因子指数法[11]、内梅罗综合指数法[12]、潜在生态风险指数法[13-14]、污染负荷指数法[14]、地积累指数法[15]等。这些研究虽然能够有效地评估土壤重金属污染，但这些方法由于专业性较高、可操作性弱而难以普及于有评估需求的非专业人士。因此，亟待一套简单、可操作性强并且能够迅速实现土壤重金属污染评价的系统平台。为了使土壤重金属污染评价便捷化、可视化，近年来一些学者对土壤重金属污染评估系统平台开展了相关研究。严加永等[16]基于ArcView建立了土壤重金属污染预警模型，并将其应用于北京市的重金属污染预警；王成军[17]构建了工业园区土壤重金属时空分布信息系统；孙利国等[18]结合空间插值技术和多种评价模型，搭建了基于WebGIS 的矿区土壤重金属污染评价系统。这些研究尽管能够实现重金属污染的有效评价，但缺乏对多源异构、多时相数据储存与管理的深入考虑，难以保证数据在长期运行过程中时间、空间和属性特征的完整性和正确性。对于异构数据的管理，学者们也开展了相关研究。Tang 等[19]构建了一种基于GML、WMS 和WFS 的多源异构空间数据共享与集成的网络管理系统；钟德伟[20]以国土多源异构数据共享为研究对象，统一数据坐标和格式从而对多源异构数据进行标准化整合，开发了广西国土云数据共享平台；吴仪邦[21]建立了分层、分类存储土壤重金属污染数据的农业土壤重金属污染评价平台。总的来说，仍缺乏一套能够高效整合土壤重金属污染评价和多源异构数据管理的综合评估系统。

笔者通过对多源异构时空数据的模型化管理实现数据的高效组织与存储，整合多尺度、多时相、多类型、多分辨率的土壤重金属污染相关数据源，建立时空数据引擎，结合多元化的应用与服务需求，利用并集成各类信息技术，旨在设计和开发一套标准统一、操作简捷、结果可视的用于多源异构数据管理与土壤重金属污染评价的系统平台，对土地使用、土壤重金属污染防治提供科学的数据与技术支持。

1 材料与方法

对研究区进行调查分析、布点采样和样品分析测试，建立土壤多源异构数据库，将来源多样、结构各异的土壤属性数据、空间数据、影像和三维模型等数据标准化处理后统一存储和管理。建立并调用评价模型计算污染指数，通过空间插值和分级渲染实现污染程度可视化。开发便捷、高效的土壤污染评价系统，为土壤重金属污染治理修复提供技术支持。

1.1 研究区概况

攀枝花位于中国西南部，四川与云南交界、金沙江与雅砻江交汇处，攀西裂谷中南段，地貌为中山丘陵、山原峡谷类型。该区域属于南亚热带立体性气候，旱雨季分明，年平均降雨量760～1200 mm，降雨集中在5—9 月[22]。境内溪流众多，主要由金沙江和雅砻江水系组成。攀枝花是国内大型矿区之一，以产钒钛磁铁矿而闻名，矿业活动产生的环境问题也日益突出，如水与土壤污染、水土流失、生态环境恶化等[23]。而攀枝花作为四川省重要的热带农作物区之一，其农业土壤环境质量直接影响到芒果的安全和品质。为更好地保护和利用攀枝花市有限的土壤资源，亟需开展土壤重金属污染评价系统建设等相关研究工作。

1.2 土壤重金属含量测定与特征分析

研究区位于四川省攀枝花市盐边县某芒果种植区。按照《土壤环境监测技术规范》(HJ/T 166—2004)[24]要求进行布点采样，在研究区共采集29个土壤样品，其空间分布如图1所示。

图1 研究区地理位置及采样点分布

土样经除湿、筛分以及消解处理后被移送至西南科技大学分析检测中心，以电感耦合等离子体发射光谱法测量样品中重金属含量，并整理汇总用于数据统计与分析。依据表1，研究区表层土壤样品中Cd、Cr和Cu 平均含量高于《土壤环境质量农用地土壤污染风险管控标准（试行）》(GB 15618—2018)[25]中土壤污染风险筛选值，点位超标率分别为100%、51.72%和20.69%，Cd污染较为严重；Cd、Cr、Cu、Ni和Zn的平均含量高于四川省土壤背景值[26]。上述统计分析结果表明，研究区表层土壤主要受到Cd、Cr和Cu的污染。同时，该研究区表层土壤总体呈弱碱性。此外，对于该研究区内芒果果肉进行处理分析后发现，果肉内Cd、Pb、As和Cr的含量远低于《食品安全国家标准食品中污染物限量》(GB 2762—2017)关于新鲜水果中Cd(0.05 mg/kg)、Pb(≤0.1 mg/kg)、总As(≤0.5 mg/kg)及Cr(≤0.5 mg/kg)的限值要求，这说明了重金属元素未在芒果果肉中富集，该区域的芒果未受到污染，芒果农产品是安全的。

表1 研究区表层土壤样品pH及重金属含量统计分析

1.3 系统构架设计

1.3.1 系统架构以土壤重金属污染的快速评价为目标，针对评价流程和数据管理需求，构建土壤重金属污染评价系统，总体架构分为逻辑处理层、表现层和数据服务层，如图2所示。逻辑层是系统的核心，通过类库之间的相互调用，实现相应的评价分析与数据库管理功能；表现层即系统的基本功能，是数据显示、操作和污染评价等功能的窗口，实现系统与用户之间的动态交互；数据层主要是存储和管理属性数据、空间数据、三维场景模型、多媒体数据和土壤重金属污染评估的相关参数及标准。

图2 系统架构

1.3.2 功能设计根据污染评价需求，系统功能主要包括数据管理与分析、土壤重金属污染评估以及可视化操作3个部分。数据管理与分析功能实现土壤重金属多源数据的统一管理、数据检索和信息挖掘；土壤重金属污染评估作为系统核心功能，嵌入了3 种常用的土壤重金属污染评估方法，包括单因子指数法[27]、内梅罗综合指数法[28]和潜在生态风险指数法[29-30]，能够实现土壤重金属的超标判定和风险级别划分；可视化功能通过重金属浓度和评价指数的空间插值和分级渲染，实现专题图绘制与输出。借助组件式ArcGIS 二次开发技术，整合并存储多类型采样点信息，将土壤重金属污染信息的关联性、空间性等特征可视化展示，有效反映土壤重金属污染程度。

1.4 土壤重金属污染评价算法

1.4.1 单因子指数法单因子指数能够反映土壤中单项重金属的污染程度，单因子指数计算如式(1)[30]。

式中，Pi为重金属i的单因子指数，Ci为重金属i的测定浓度，Si为重金属i的农用地土壤污染风险筛选值（表2）。评价标准如表3所示。

表2 农用地土壤污染风险筛选值mg/kg

表3 土壤重金属单因子指数、内梅罗指数和综合潜在生态风险指数分级标准

1.4.2 内梅罗综合指数法内梅罗综合指数法能够反映多种重金属元素在土壤中的总体污染情况，突出高浓度重金属对土壤环境质量的影响，其计算如式(2)[31]。

式中，PN为内梅罗综合指数，Piave为所有土壤重金属单因子指数的平均值，Pimax为所有土壤重金属单因子指数中的最大值。内梅罗综合指数评价标准如表3所示。1.4.3 潜在生态风险指数法潜在生态风险指数综合考虑重金属含量、环境效应、生态效应和毒理学性质，广泛应用于土壤和沉积物质量评价。其计算如式(3)[32]。

式中，Eir为重金属i的单项潜在生态风险系数；Tri为重金属i的毒性响应系数[33]，其中Zn=1、Cr=2、Ni=Cu=Pb=5、As=10、Cd=30；Pi为重金属i的单因子指数；Ci为重金属i的测定浓度；Si为重金属i的农用地土壤污染风险筛选值；RI为综合潜在生态风险指数，其等级划分标准如表3所示。

1.5 多源异构数据库

当前的数据管理过程中，由于各类数据的存储格式、集成标准都不统一，多源异构数据难以管理。因此，将不同类型的数据标准化整合，构建集存储、管理和操作为一体的多源异构数据库，提高土壤数据质量和使用效率。随着各行业的渗透发展，多源异构数据逐渐向更多交叉领域扩展，相应的数据库搭建也成为一项挑战，对多源异构数据进行标准化处理同样适用于其他领域。

1.5.1 数据标准化土壤重金属污染数据类型多样，来源广泛，在数据结构形式上呈现多源异构性，需对其进行标准化整合，转换为高质量数据集，为空间插值、污染评价提供支撑。

根据前人研究经验以及各类数据标准化的一般原则[34-35]，对多源异构数据进行名词术语标准化、数据单位统一化、数据精度格式化、指标体系代码化的标准化处理，保障数据的一致性和完整性。

1.5.2 系统数据库设计为实现空间数据和属性数据的存储和管理，提高土壤重金属数据管理、分析能力和工作效率，结合数据库建库特点，设计并构建土壤重金属数据库，在通过数据库引擎存储标准化数据的同时，保障数据库资源类型的完备性、数据库栏目层级的清晰化、面向用户的易用性，在此基础上进行多样化功能设计。

土壤重金属污染评价涉及大量的原始资料和多时相土壤数据，包括栅格、矢量、文本、表格等多类型数据，传统数据库对多时相数据的保存缺乏研究，本研究对每个时期数据独立建库，在存储和使用时加入相应的时态标识，对不同时相的数据统一管理。

数据库分为地理空间数据库、属性数据库和模型数据库3 类。空间数据库以ArcCatalog 为搭建平台，基于WGS 1984坐标系，采用高斯克吕格投影，通过空间数据引擎Arc SDE存储采样点的点名、经纬度位置、遥感数据、图形以及面积等空间数据；属性数据库以Access 为搭建平台，以SQL 语言搭配相应的.NET 数据库访问组件实现数据库的访问及操作，存储包括采样点的点名、各重金属元素名称与实测浓度、pH 以及污染指数在内的属性表；模型数据库存储评价方法及标准，通过SQL语言访问不同评价模型。

多源异构数据库将采样点的空间数据与属性数据关联，通过数据操作模块对数据进行规范与标准化处理，实现土壤采样点的重金属浓度、pH、位置信息以及相关指数评价数据的录入、删除、更新和检索，有效实现土壤数据管理。

2 结果与分析

对研究区土壤As、Cd、Cr、Cu、Ni、Pb和Zn元素进行克里格插值，绘制各元素空间分布特征图（图3）。研究区内As元素在西部和西北部浓度较高，Cd、Cr和Cu浓度较高区域主要集中在东北部和东南部，Pb元素在西北部区域浓度较高，而Zn元素在西北和东南两端略高。

图3 研究区各元素空间分布特征

通过平台污染评估功能，从参数数据库中调用单因子指数法、内梅罗综合指数法和潜在生态风险指数法的模型参数，据此评估研究区的土壤重金属污染状况，结果如图4所示。

图4 研究区土壤各评价指数污染程度空间分布

图4a～g 表明，研究区采样点土壤重金属元素As、Cr、Pb和Zn的单因子污染指数Pi均小于1.0，说明该片区未受到这4种重金属的污染；Cu和Ni在研究区东北部存在轻污染区域；Cd 的单因子污染指数Pi范围为3.64～16.39，属于中度—重度污染。

图4h 表明，该区土壤重金属内梅罗指数范围为1.1～10.6，呈地带性分布规律，整体属于轻度—重度污染，中度—重度污染区主要分布研究区的北部与东部区域。

图4i表明，该区土壤重金属综合潜在生态风险指数范围为55～435，在研究区西北侧和东南侧存在局部强风险，整体处于轻微危害程度，虽然生态风险尚不严重，但应及时治理和预防。

系统利用组件式GIS 开发平台，无论在数据管理能力还是处理速度方面均不比传统GIS 软件逊色，相较于使用ArcGIS 进行污染评估需要获取评价参数和指数运算，系统嵌入了评价参数和公式，简化了操作过程。使用2种平台的评价过程耗时如图5所示，使用土壤重金属评价系统的单因子指数、内梅罗综合指数和潜在生态风险指数评价效率分别提升了233%、1900%和1150%。

图5 土壤重金属评价系统和基于GIS的传统软件土壤污染评价对比

3 结论

（1）研究表明，研究所在种植区土壤中As、Pb 和Zn未污染，Cr和Cu污染程度较低，Cd累积最为严重，且对内梅罗指数和潜在生态风险指数贡献最大，种植园土壤中Cd过量累积会直接影响农产品的安全，应重点关注。

（2）笔者以攀枝花某芒果种植区土壤重金属数据为基础，开发并使用土壤重金属污染评价系统，对土壤中As、Cd、Cr、Cu、Ni、Pb 和Zn 7 种重金属元素污染进行分析与评价，取得了良好效果。结果表明土壤重金属污染快速评价系统能够实现多源异构数据管理、污染评价和结果可视化等功能，并且操作简捷、评价高效，能够揭示研究区土壤重金属的时空分布特征、污染程度和范围，可为辅助决策者结合研究区域的土地利用现状、土地适应性等因素制定相关的土地修复方案提供可靠的科学依据。

4 讨论

土壤中重金属通过农作物的迁移转化直接影响人体健康，快速掌握土壤污染情况对农业生产、土壤修复至关重要。从评价结果来看，种植园区Cd 污染较高，长此以往农产品安全会受到影响，应监控土壤污染状况和农作物重金属含量超标情况，及时采取防治措施。

土壤重金属数据的来源广泛、格式多样且数据量大，通过对其标准化处理，实现了多源异构数据的有效管理。以土壤重金属污染评价方法为基础，结合地理信息技术，开发了能够高效整合土壤重金属污染评价模型和管理多源异构数据的综合评估系统，实现土壤污染的快速自动化评价。与基于GIS的传统评价平台相比，避免了专业性较强的复杂计算问题，操作简便，提升了工作效率，利于环保部门的推广与应用，为地区土壤污染提供可视化的评价信息。

土壤重金属污染会随时空变化，多时相土壤污染数据的采集、管理与快速评价是土壤污染研究的发展趋势。基于现有土壤重金属污染评价平台，可进一步完善系统功能，加入更多评价方法、标准和模型，为不同研究区域提供更丰富的评价手段，满足用户的不同需求，为进一步建立完善的土壤污染监测技术手段提供支撑。