基于地理信息系统的农业耕地土壤污染源检测方法研究

梁建平 王力烽 马云 苑亚楠 靳守业

关键词：农业耕地；地理信息系统；重金属；土壤

前言

随着工业和农业的快速发展和产业结构调整，土壤和环境出现了越来越多的问题。主要的问题是土壤重金属污染日趋严重，不但对土壤造成了不可逆转的污染，也对自然环境造成了破坏，导致土壤的物理化学指标恶化，生物群里失调，无法进行作物种植。因此对土壤重金属污染的评价及治理已经成为国内外关注的环境问题，常用的重金属污染评价检测方法主要有单因子指数法、地累积指数法和内梅罗指数法，这些方法主要是基于基础的土壤检测数据进行建模，获得土壤重金属污染及污染物特征。

基于地理信息系统的农业耕地土壤污染源检测是利用卫星地图及系统，对耕地土壤重金属污染的地理区块的空间信息，采用缓冲分析、重叠分析及数字地形分析等方法，辅助可视化技术，对土壤重金属污染源及污特征进行分析，主要开展重金属污染的分布特征分析、影响因素分析和预警分析。

文章基于GIS地理信息系统和地理统计学方法，研究农业耕底土壤污染源来源检测，主要以农业种植地的重金属污染土壤为研究对象，对土壤中的重金属As、Pb、Cd、Cr、Ni、Cu、Zn、Hg的污染特征、空间分布、以及污染来源的分析方法进行研究。同时对土壤的安全性进行评价。探讨农业耕地土壤污染源检测方法的可行性。

1实验部分

1.1样品采集与分析

根据研究区的耕地土壤分布情况，在整个研究区3亩区域，横向和竖向平均分为10份，形成100个网格状区域，每个取网格设置“梅花”布点或进行“S”形采样，采样点设置10个，每个点采样后进行充分混合。按四分法进行缩分后取样，保留2kg的样品。采样过程中，详细标注采样的时间、地点和经纬度，并标注样品编号。带回实验室后，自然风干筛分，去除土壤中的根系、石块等杂质，经过破碎研磨后，过100目的筛子，对土壤的重金属进行检测。

1.2重金属污染评价方法

采用单因子污染指数法进行土壤重金属的污染程度，用土壤中的重金属的实际测量浓度，对比土壤中的重金属评价标准。根据GB15618-2018土壤环境农用地土壤污染风险管控标准，风险筛选值为评价标准。

1.3正定矩阵因子模型（PMF）

正定矩阵因子模型是一种多因子的分析方法，广泛的应用于环境污染源分析方法，该模型是基于最小二乘法原理，反复进行迭代计算分解原始矩阵，得到最优的矩阵，从而计算出最小目标函数。PMF模型最优化的利用了测量数据点的误差分析，且在求解过程中没有负约束，具有实际的预测意义。

2结果与讨论

2.1土壤重金属污染特征

土壤重金属的分布存在空间变异的效应，重点考察不同网格地块的微观差异性。比如距离不同和地块的深浅不一。由于此种因素的影响，导致同一块耕地内不同方向和距离内的重金属分布出现空间性的差异。图中可见，重金属As、Pb、Cd的數据污染特征较为分散，As含量从130. 34mg/kg到78.45mg/kg，Pb含量从34.43mg/kg到58.34mg/kg，Cd的差异性也很大，最大值为0.59mg/kg，最小值为0.09mg/kg。As、Pb、Cd数据呈现正态性分布。Zn、Cr、Cu、Ni污染物特征相对比较集中，呈现均匀性分布。出现此种情况的原因是由于距离污染源的距离和类型不一样，还和当地地块的风向、温度和地形因素有关联。同时，和种植的作物和施用的肥料品种、肥料的形态、酸碱度都有关联。

2.2重金属富集因子及分级

如图1所示农业耕地土壤中重金属的富集因子（EF）及其分级。根据分级要求，15为显著富集。如图2所示，Cd和Zn属于显著富集，As、Cr属于中度富集，Pb、Ni、Cu属于轻度富集。重金属平均富集因子大小排序为Zn>Cd>Cr>As>Ni>Pb>Cu。研究结果表明，农业耕地土壤存在人为影响和重金属污染，尤其是Zn、Cd、Cr、As，表明他们在土壤中的富集程度高。

2.3土壤重金属相关性分析

相关性分析是一种通用的方法，用来显示两种变量之间的是否相关的数据。如果重金属之间的相关性较为显著，能够充分证明重金属污染源之间存在一定的相似程度或者是在空间、距离上存在一定相同的规律性。该方法有利于土壤重金属污染源的识别，目前应用较为广泛。为了保证金属元素之间因为数量级不同而产生的明显的差异，保证不同元素在相同的水平上进行检测分析，需要对原始数据进行标准化转换，以求达到数据的均衡性和一致性。

图2是土壤重金属含量相关性分析的显著程度的结果，通常来说，若重金属之间相关性显著或者及其显著，反应了相互之间存在同源污染或者复合源污染的可能性和相关性。由图3可以看出，土壤中的金属都存在显著或者极度显著的关系。Cr和Hg、As和Pb、Pb和Ni、As和Ni、Cu和As、Ni相关性显著，在0.01水平（双侧）上显著相关。Zn和Pb、As、Ni存在相关性，在0.05水平（双侧）上显著相关。Cu和Cr、Pb、As、Ni呈现负相关的关系，说明Cu和其它4重金属相关性不明显。上述结果显示土壤重金属大部分存在一定的同源污染关系。Cr和Hg、As和Pb、Pb和Ni、As和Ni、Cu和As、Ni之间均存在一定的同源污染相关性。相关性极显著的是Hg和Cr、As和Pb，说明该4种元素之间存在复合型的污染源。

2.4基于PMF模型重金属污染源来源及贡献

如图3所示在不同的因子的水平下，耕地土壤不同重金属在不同因子中所占的比例，也就是贡献率。因子1表示了25.34%的重金属来源，因子2表示42.12%的重金属来源，因子3表示了15.21%的重金属来源，因子4表示17.33%的重金属来源。相关性分析表明，金属Cr和其它金属没有相关性呈现。证明Cr和其它的重金属在污染源来源方面没有相似性。但是发现Cr在河流中有明显的富集性能，因此，可以推断养殖业中的畜禽粪便和种植业中的肥料施用，会增加Cr的富集，可以将因子1设定为农业污染源来源。

因子2中，As、Ni、Pb都有很高的贡献率，占比分别达到了82.1%、68.75%和50.13%。根据文献资料报道，这些重金属和岩石的形成有很大的关系，且在土壤的形成过程中，As、Ni的变异程度很低。说明这3种金属受人类活动的影响很低，且在富集程度调查中，As、Ni的富集因子低，富集程度评价属于低风险的污染源。以上的分析可得出，此三种金属可认为来自自然界，在相关性分析中，As和Ni属于极显著相关，说明二者具有相同的来源。因此，可以将因子2设定为自然来源土壤。

因子3中，Cr和Pb都具有很高的贡献率，Cr属于重度富集，Pb属于轻度富集，在耕地土壤中有一定量的富集。经过调查，在耕地土壤附近有废弃的磷矿矿坑，附近的车辆较多且密集，存在矿石开采区的地下径流污染。因此可以将因子3可能与大气污染及矿区地下径流渗漏相关来考虑。

因子4中，Cu和Zn提供的贡献率最高，占比分别达到了56.71%和26.24%。Cu和Zn一般是矿物质含量较高的元素，也可以认为是矿物加工、金属冶炼中产生的污染物，通过在耕地附近四周进行调研，发现有很多的石材加工厂、机械制造厂和工业制造。这些工程和企业在生产过程中，难免会产生少量的金属粉尘污染。因此，可以推断因子4和工业生产制造有密切的关系，显著性极高。因子4可以设定为工业活动来源。

3结论

重金属As、Pb、Cd的数据污染特征较为分散，As含量从130.34mg/kg到78.45mg/kg，Pb含量从34.43mg/kg到58.34mg/kg，Cd的差异性也很大，最大值为0.59mg/kg，最小值为0.09mg/kg。As、Pb、Cd数据呈现正态性分布。Zn、Cr、Cu、Ni污染物特征相对比较集中，呈现均匀性分布。土壤重金属大部分存在一定的同源污染关系。Cr和Hg、As和Pb、Pb和Ni、As和Ni、Cu和As、Ni之间均存在一定的同源污染相关性。相关性极显著的是Hg和Cr、As和Pb，说明该4种元素之间存在复合型的污染源。

农业耕地土壤存在人为影响和重金属污染，尤其是Zn、Cd、Cr、As，表明他们在土壤中的富集程度高。Cr在河流中有明显的富集性能，因此，可以推断养殖业中的畜禽粪便和种植业中的肥料施用，会增加Cr的富集。