基于支持向量機的城市土壤重金屬污染評價

李曉婷，劉勇，王平

山西大學黃土高原研究所，山西 太原 030006

基于支持向量機的城市土壤重金屬污染評價

李曉婷，劉勇*，王平

山西大學黃土高原研究所，山西 太原 030006

以太原市城區周邊的80個土壤樣品為研究對象，測定了土壤中Ni、Cr、As、Cu、Zn、Pb、Cd和Hg8種重金屬的含量，運用支持向量機模型進行土壤重金屬污染評價，并與 Hakanson指數法和內梅羅綜合污染指數法的評價結果進行對比,探討支持向量機模型在土壤重金屬污染評價中的應用。結果表明，（1）重金屬元素的變異系數由高到低順序分別為：Hg＞Pb＞As＞Cd＞Cu＞Ni＞Zn＞Cr。Hg含量在0.02～0.39 mg·kg-1之間，變異系數為0.648，最大值為最小值的19.5倍；而土壤中Pb的含量在17.4～86 mg·kg-1之間，變異系數為0.409；即使變異系數最小的Cr元素的最大值為109 mg·kg-1，最小值為54.7 mg·kg-1，變化范圍也到達了54.3 mg·kg-1，可見太原市土壤中各元素含量的變異很大。各元素的含量的平均值除Ni以外均大于太原市的元素背景值，但都在國家土壤質量質量標準的二級標準值之下。（2）內梅羅綜合污染指數法、Hakanson指數法和支持向量機的評價結果中，評價等級為2A、2B、2C的樣品數分別為：41、47和45，37、29和33，2、4和2，評價結果相差不大，內梅羅綜合污染指數法與支持向量機方法的評價結果相同率為70%，Hakanson指數法和支持向量機的評價結果相同率為 65%。（3）對評價結果有差異的樣品進一步分析可知，支持向量機方法的評價結果更為準確。相比較內梅羅綜合污染指數法和Hakanson指數法而言，支持向量機降低了人的主觀判斷對評價結果的影響，在進行綜合評價的時候能考慮到各因素的綜合影響，使評價結果更接近真實情況，有較為嚴格的數學基礎，泛化能力好，在土壤重金屬污染評價中有廣泛的應用前景。

土壤重金屬；Hakanson指數法；內梅羅綜合污染指數法；支持向量機

由于城市的迅速擴張，由其產生的人口壓力、交通壓力和經濟壓力也越來越大，在解決這些矛盾的同時，對環境造成的影響也越來越大，嚴重影響了當地人們的生產生活和社會發展（鄭海龍等，2006；閆寶環等，2012；宋姻先，2001）。對水和大氣污染的研究已經相當成熟，但是對土壤污染的研究還有待深入。到目前為止對土壤污染主要從評價方法、影響因子、存在形態等方面進行研究（范拴喜，2010；吳呈顯，2013；李飛，2012）。

土壤重金屬污染評價的研究方法有很多，孟憲林等（孟憲林等，2011）運用改進的層次分析法對土壤重金屬污染進行了評價，并與層次分析法和模糊綜合評價法對比，表明改進的層次分析法與其它方法相比，結果更為合理；易昊旻等（易昊旻等，2013）用基于正態模糊數的區域土壤重金屬污染綜合評價方法對江蘇省T市的土壤重金屬污染進行了評價；石平等（石平等，2010）對潛在生態危害指數、地積累指數法2種方法在土壤重金屬污染評價中的應用進行研究；謝婧等（謝婧等，2010）將深圳市農林地分為4種不同的用地類型，并對其土壤重金屬現狀用內梅羅綜合污染指數法和單因子指數法進行評價。

但是這些方法都有一定的缺點，如受主觀因素的影響較大，計算過程較為復雜，過于偏重某一元素或各元素的危害權重不易確定，對各元素的綜合危害程度不能準確度量等。目前國內外研究的新方向是采用機器學習方法進行土壤評價（沈掌泉，2004）。機器學習方法具有超強的容錯和容差能力，可以有效消除人為和外界干擾，并且在實現的時候操作簡單，速度比較快，具有很強的實用性。支持向量機（Support vector machine，簡稱SVM）具有嚴格的數學基礎，并且在小樣本的條件下，泛化能力較強，與已有的統計方法相比，幾乎不運用任何的概率和大數定律等數學理論。從本質上看，支持向量機不是按照傳統的歸納總結的方法得到結果，而是運用轉導理論，將分類和回歸問題盡量簡化。支持向量機在綜合評價中已經有較多的應用，如王曉光等（王曉光等，2012）將支持向量機運用于對給水管網的水質質量評價中；劉德地等（劉德地等，2008）運用支持向量機對洪水災情進行綜合評價，并與其他方法進行比較發現，該方法適合于綜合評價，相比其他方法有一定的優勢；陳末等（陳末等，2013）用支持向量機對吉林西部的地下水水質進行評價；張成成等（張成成等，2013）用SVM和SCO 2種評價方法對太湖的富營養化進行評價，評價結果表明SVM方法在綜合評價中是適用的，綜上可知，支持向量機在綜合評價中有實現過程簡單、評價結果更加客觀等優點。

文在對太原市城區周邊布點采樣、分析測定重金屬含量的基礎上，對土壤重金屬含量水平進行了統計分析，并采用內梅羅綜合污染指數、Hakanson指數和SVM 3種方法對土壤重金屬污染進行了評價，對評價結果進行比較，以期找出其中更為準確的評價方法，同時，評價結果也為當地治理重金屬污染提供科學依據。

1 研究區概況

太原市是山西省省會，也是我國重要的能源重工業基地之一，市區東、西、北三面為山脈，汾河自北而南貫穿全市，中部地區為平原，太原市從東到西的最長距離約為 144 km，南北的最大距離為107 km，南面較寬，北面較窄，形成扇形盆地。

太原市的主要經濟來源為重化工企業，城市西部、北部和東部分布有許多煤炭企業和化工、鋼鐵企業，南部沿汾河灌區分布有較多農田，受城市化和工業化的影響，工業三廢以各種方式滲入土壤，使土壤中污染物增加。南部大部分農田由污水灌溉，污水中的重金屬元素等污染物滯留在土壤，形成土壤污染。

太原市區分為杏花嶺區、迎澤區、小店區、尖草坪區、萬柏林區和晉源區6個區。本文以太原市尖草坪區、晉源區和小店區為主要研究區域，對城市周邊不同土地利用類型的土地進行采樣。土地利用類型以農田、蔬菜、林地和草地為主，該地區農田大量種植的是玉米，蔬菜地種植有白菜、豆角等。研究區域采樣點分布見圖1。

2 研究方法

2.1 采樣設計

樣點主要設置在太原市尖草坪區汾河灌區、化工企業較多的晉源區以及污灌較多的小店區，3個行政區的總面積約為867 km2。其中尖草坪區采樣點位于汾河灌區，其農田主要是從汾河引水灌溉；晉源區采樣點位于重化工企業分布較多的區域，土地利用類型以林地、草地和耕地為主；小店區采樣點以農田為主，農田多以太榆退水渠的污水進行灌溉。

2.2 樣品采集

按照采樣設計，采樣時結合土地利用現狀、交通狀況和污染源的情況具體，沿著一定的線路，按照“隨機”、“等量”和“多點混合”的原則進行采樣。采用梅花形形布點采樣，避開路邊、田埂、溝邊、肥堆等特殊部位，用GPS定位后，采集10個點0～20 cm的表層土，混合均勻后用四分法得到土壤樣品，即為該采樣點的樣品，共采集樣品 80個，分布如圖1所示。土樣經登記編號后，用聚氯乙稀塑料袋封裝，在實驗室自然風干后，提出雜質，研磨，過200目篩、混勻后待測。

2.3 樣品測定

土壤重金屬元素包括了Cu、Zn、Pb、Cr、Ni、Cd、As和Hg共8種。其中Cu、Zn、Pb、Cr、Ni5種重金屬元素采用日本生產的以流氣式氣體正比計數器(F-PC)作為探測器的ZSX PrimusⅡ型X射線熒光光譜儀測定；Cd元素的含量測定使用的是常用的采用石墨爐原子吸收分光光度法；As、Hg元素含量的測定則使用由北京地質儀生產的靈敏度和重現性都比較好的 XDY-2A型雙道原子熒光光度計，檢測方法為還原氣化-原子熒光光譜法。山西省國土資源檢測中心對80個樣本的8種重金屬元素含量進行了測定，并且通過實驗得到該檢驗方法的檢出限、精密度如表1所示（陳素蘭等，2006；齊文啟等，2004；卓尚軍等，2003）。

2.4 評價標準

本文利用SVM進行土壤重金屬污染評價的標準是參考國家土壤質量標準GB 15618─2008，以及山西省的土壤元素背景值確定。由于分類結果中，大部分的土壤都屬于國家土壤質量標準的二級水平，不能準確反映當地土壤重金屬污染的實際情況，因此，為了能更好地表征太原市 80個采樣點的土壤污染程度差異，本次評價標準參考了國家土壤質量標準的二級標準，同時結合山西省土壤元素背景值、本次測定的最大最小值，將評價結果分為3個級別，這3個級別基本都落在了國家土壤質量標準的二級范圍內，分別用2A、2B、2C來表示污染從輕到重，具體的指標標準見表2。

圖1 研究區采樣點分布圖Fig. 1 Sampling location in research area

表1 土壤重金屬元素分析檢出限和精密度Table 1 The detection limits and precision of test methods

3 評價方法

3.1 傳統評價方法介紹

單因子指數法作為一種傳統的評價方法，在很多方面的應用都很成熟（宋靜宜等，2013）。但是單因子指數法只適用于對單種元素污染的研究，不能綜合體現土壤重金屬污染程度。因此，本文選用內梅羅綜合污染指數和Hakanson指數2種方法對8種重金屬污染水平進行評價。內梅羅綜合污染指數法的表達式為：

其中，Pi為綜合污染指數，（Ci/Si）max為各重金屬元素污染指數中的最大值，（Ci/Si）av為各重金屬元素污染指數的算數平均值，Ci為各重金屬元素的實測值，Si為各重金屬元素的參照值，本文采用山西省土壤元素背景值作為參照值。將表2中各元素2A、2B、2C的評價標準值代入到公式（1）中，得到基于內梅羅綜合污染指數的評價分級，如表 3所示。

Hakanson指數法計算過程簡單，考慮各污染因子的危害程度給予權重，更能真實地反映實際污染情況（時亞坤等，2012；鄭立保等，2013）。Hakanson指數法具體實現的方法如下：

表2 土壤重金屬污染評價標準Table 2 The criterion of soil heavy metal pollution mg·kg-1

表3 內梅羅綜合污染指數和評價分級Table 3 The classification of Nemerrow comprehensive pollution index results

表4 潛在生態危害指數和評價分級Table 4 The classification of Hakanson index results

3.2 支持向量機

支持向量機（SVM）模型是在1995年由Vapnik等人提出來的一種針對線性不可分問題的機器學習方法，其數學原理與其他機器學習方法相比較為嚴格，主要的數學原理是VC維理論和結構風險最小原理，該方法在有限的樣本的信息下能做到在較高的學習精度同時，學習能力較好，以達到最好的推廣能力。SVM方法經過核函數的運算，將低維空間上不可分的變量轉換到高維空間上，進而求取最優分類超平面，對其進行分類。在二維空間中線性可分的時候，不僅只是將樣本無誤分類，同時做到2類的分類間隔最大的直線，做到以上2點才能使經驗風險和置信風險同時達到最小，從而使分類達到準確，在SVM中被稱作最優分類線，如圖2所示。而在高維空間中，想要達到準確分類，則需要找出最優分類面。而與最優分類線也即最優分類超平面相平行的線或者面上，有一些樣點，這些樣點即為支持向量，如圖3所示。

圖2 最優分類超平面Fig. 2 Optimal separating hyperplane

圖3 最大距離的支持向量Fig. 3 Support vectors with maximum margin

在本文中的具體實現過程如下：

（1）在Matlab中根據評價標準，插值得到訓練和測試樣本。

（2）用訓練樣本在Matlab中進行訓練，在訓練過程中要用用交叉驗證的方法選擇懲罰參數c和核函數g，并拿測試樣本對已經訓練好的SVM模型的精確度進行檢測。支持向量機在實現時做到了訓練樣本與測試樣本的隨機性與不相關性，所以其具有更加嚴格的數學基礎。

（3）當模型的精確度達到最高時，對實測數據用訓練好的模型進行分類。

4 結果分析

4.1 統計結果分析

80個樣點的土壤重金屬元素的含量經統計分析后，結果如表5所示。從表5可以看到，重金屬元素的變異系數由高到低順序分別為：Hg＞Pb＞As＞Cd＞Cu＞Ni＞Zn＞Cr。Hg含量在0.02～0.39 mg·kg-1之間，變異系數為0.648，最大值為最小值的19.5倍；而土壤中Pb的含量在17.4～86 mg·kg-1之間，變異系數為0.409；即使變異系數最小的Cr元素的最大值為 109 mg·kg-1，最小值為 54.7 mg·kg-1，變化范圍也到達了54.3 mg·kg-1，可見太原市土壤中各元素含量的變異很大。將其平均值和山西省土壤元素背景值相比，除 Ni元素的含量稍低于背景值以外，其他元素含量平均值均大于背景值，但是均小于國家 2008年土壤質量標準的二級標準，可見太原市的土壤重金屬污染水平為輕度-中度污染。

4.2 Hakanson指數法和內梅羅綜合污染指數法的評價結果比較

采用 Hakanson指數法和內梅羅綜合污染指數法對 80個土壤樣點的重金屬污染進行評價，結果如圖4所示。可知，Hakanson指數法的評價結果為：土壤污染等級為2A有47個，2B有29個，2C有4個。內梅羅綜合污染指數法的評價結果為：土壤污染等級為2A有52個，2B有23個，2C有5個。對比2種評價方法，有16個樣品的評價結果有差異，進一步對有差異的樣品進行分析表明，由于Hakanson指數法將各污染元素的不同的危險指數考慮進去，而內梅羅綜合污染指數法只是將各元素簡單的加權平均，所以 Hakanson指數法的評價結果更接近實際的污染狀況。

圖4 內梅羅綜合污染指數法和Hankson指數評價結果Fig. 4 The classification results the index of Nemerrow method and Hakanson

表5 土壤元素測定值的統計分析Table 5 Descriptive Statistics of soil elements

圖5 參數的優化Fig. 5 The optimization of parameter

4.3 支持向量機的創建及其評價結果

4.3.1 SVM模型的實現過程

（1）根據本文制定的SVM評價標準（表2）在Matlab中進行非線性插值，得到2A，2B，2C 3個等級的土壤樣本各200個共計600個。

（2）將插值得到的 600個樣本中，每個等級（2A，2B，2C）隨機選取80%的樣本作為訓練樣本，其余20%作為測試樣本，這樣共得到480個訓練樣本和120個測試樣本。對數據進行歸一化以后，進行訓練和預測。同時篩選支持向量機的懲罰參數 c和核函數參數 g 2個參數，最終得到的參數c=0.000977，g=0.00296，如圖5所示。由圖6可知120個測試樣本的經過SVM分類，結果和實際情況完全相同。

（3）在對600個樣本訓練和預測的基礎上，得到訓練好的支持向量機模型，由測試樣本的的結果來看，該模型的分類結果的精度達到了 100%。基于已經建立好的模型，對太原市實測的 80個土壤樣品進行評價。評價結果如圖7所示。結果表明，等級為2A的土壤樣品有45個，等級為2B有33個，等級為2C有2個。

4.3.2 支持向量機與傳統方法的評價比較

圖7 80個土壤樣本的評價結果Fig. 7 Evaluation results of 80 Soil samples

圖8 三種評價方法評價結果的比較Fig. 8 Results comparison of three evaluation methods

將支持向量機評價結果與2種傳統的綜合評價法進行比較，結果如圖8所示。內梅羅綜合污染指數法與SVM的評價結果比較發現，80個土壤樣品中，有 24個樣品的評價結果不同，結果的相同率達到70%。對于有差異的樣品進行分析，其中有8個樣品的內梅羅綜合污染指數法評價結果更為準確，其余16個樣品均是SVM的評價結果較為準確。Hankson指數和SVM的評價結果相比較，其中有28個樣品的結果有差異，分析各重金屬元素的實際測量值，5個土壤樣品的評價結果是Hankson指數的結果比較準確，其余23個樣品SVM的評價結果更為準確。

5 結論

（1）太原市的各重金屬變異系數從高到底分別為：Hg＞Pb＞As＞Cd＞Cu＞Ni＞Zn＞Cr，Hg和Pb的變異系數較大，分別達到了0.648和0.409，最大值分別是最小值的19.5和4.94倍，即使是變異系數最小的Cr元素的最大值為109 mg·kg-1，最小值為54.7 mg·kg-1，變化范圍也到達了54.3 mg·kg-1，可見在太原市土壤中重金屬元素的含量空間差異較大。將各重金屬元素的平均值與山西省元素背景值進行對比，發現除 Ni以外各重金屬元素含量的平均值均介于背景值和國家土壤質量標準的二級標準值之間，太原市的土壤重金屬污染程度為輕度-中度。

（2）就3種方法的評價結果對比可見，內梅羅綜合污染指數法、Hakanson指數法和SVM的評價結果中 2A、2B、2C的樣品數分別為：41、47和45，37、29和33，2、4和2，評價結果相差不是很大，但是具體比較每個樣點的評價結果，發現內梅羅綜合污染指數法、Hakanson指數法和SVM的評價結果相比分別有22和28個樣品的評價結果不同，評價結果的相同率分別達到了 70%和 65%，Hankson指數法因考慮到不同重金屬元素對土壤質量的危害程度并賦以相應權重，比內梅羅綜合污染指數法更能反映實際污染情況。但與SVM方法相比，這兩種方法的準確性和合理性還有所欠缺。SVM 方法泛化能力較好，需要設定的參數相對較少，分類面簡單、擬合精度高，且根據需要可以對不一致結果進行分析。

（3）對3種評價方法進行分析發現，支持向量機相比較傳統的方法而言，降低了人的主觀判斷對于結果的影響，評價結果更加符合實際情況。支持向量機有較為嚴格的數學基礎，泛化能力較好，具體實現過程簡單，在土壤重金屬污染評價中有廣泛的應用前景。

Chih-Chung Chang and Chih-Jen Lin. 2011.LIBSVM: a Library for Support Vector Machines. Department of ComputerScience National Taiwan University, Taipei, Taiwan.

Chih-Wei Hsu, Chih-Chung Chang, and Chih-Jen Lin. 2010. A Practical Guide to Support Vector Classification. Department of ComputerScience National Taiwan University, Taipei, Taiwan.

T G Sitharam. Pijush Samui P. 2008. Anbazhagan Spatial Variability of Rock Depth in Bangalore Using Geostatistical, Neural Network and Support Vector Machine Models. Geotechnical and Geological Engineering. Volume 26, Issue 5, pp 503-517.

陳末, 盧文喜, 侯澤宇, 等. 2013. 基于支持向量機的吉林西部地下水水質評價[J]. 節水灌溉, 05: 29-33.

陳素蘭, 胡冠九, 周春宏, 等. 2006. X射線熒光光譜法測定土壤及底泥中多種元素[J]. 環境監測管理與技術, 18(4): 15-18.

范拴喜, 甘卓亭, 李美娟, 等. 2010. 土壤重金屬污染評價方法進展[J].中國農學通報, 26(17): 310-315.

李飛, 黃瑾輝, 曾光明, 等. 2012. 基于三角模糊數和重金屬化學形態的土壤重金屬污染綜合評價模型[J]. 環境科學學報, 32(2): 432-439.

劉德地, 陳曉宏. 2008. 基于支持向量機的洪水災情綜合評價模型[J].長江流域資源與環境, 03: 490-494.

孟憲林, 郭威. 2011. 改進層次分析法在土壤重金屬污染評價中的應用[J]. 環境保護科學, 27(103): 34-36.

齊文啟, 汪志國. 2004. X射線熒光分析法及其在環境監測中的應用[J].環境監測管理與技術, 16(4): 9-12.

沈掌泉, 周斌, 孔繁勝, 等. 2004. 應用廣義回歸神經網絡進行土壤空間變異研究[J]. 土壤學報, 41(3): 471-475.

石平, 王恩德, 魏忠義, 等. 2010. 青城子鉛鋅礦區土壤重金屬污染評價[J]. 金屬礦山, 4: 172-175.

時亞坤, 李凱榮, 閆寶環. 2012. 銅川三里洞煤礦煤矸石風化土壤重金屬分布及污染狀況分析[J]. 水土保持研究, 01: 187-191.

宋靜宜, 傅開道, 蘇斌, 等. 2013. 瀾滄江水系底沙重金屬含量空間分布及其污染評價[J]. 地理學報, 03: 389-397.

宋垠先. 2011. 長江三角洲沉積物和土壤重金屬生態地球化學研究[D].南京, 南京大學.

王曉光, 周慧, 張有君. 2012. 支持向量機的給水管網水質綜合評價研究[J]. 沈陽理工大學學報, 03: 63-67.

吳呈顯. 2013. 農業土壤重金屬污染來源解析技術研究[D]. 浙江, 浙江大學.

謝婧, 吳健生, 鄭茂坤, 等. 2010. 基于不同土地利用方式的深圳市農用地土壤重金屬污染評價[J]. 生態毒理學報, 5(2): 202-207.

徐爭啟, 倪師軍, 庹先國, 等. 2008. 潛在生態危害指數法評價中重金屬毒性系數計算[J]. 環境科學與技術, 02: 112-115.

閆寶環, 李凱榮, 時亞坤. 2012. 銅川市三里洞煤矸石堆積地風化土壤重金屬污染及植物富集特征. 土壤通報. 32(3): 47-51.

易昊旻, 周生路, 吳紹華, 等. 2013. 基于正態模糊數的區域土壤重金屬污染綜合評價[J]. 環境科學學報, 33(4): 1127-1134.

張成成, 沈愛春, 張曉晴, 等. 2013. 應用支持向量機評價太湖富營養化狀態[J]. 生態學報, 33(23): 7563-7569.

鄭海龍, 陳杰, 鄧文靖, 等. 2006. 市邊緣帶土壤重金屬空間變異及其污染評價. 土壤學報, 43(1): 39-45.

鄭立保, 陳衛平, 焦文濤, 等. 2013. 某鉛蓄電池廠土壤中鉛的含量分布特征及生態風險[J]. 環境科學, 09: 3669-3674.

卓尚軍, 吉昂. 2003. X 射線熒光光譜分析[J]. 分析實驗室, 22(3): 102-108.

Assessment of Urban Soil Heavy Metal Pollution Based on Support Vector Machine

LI Xiaoting, LIU Yong*, WANG Ping

Institute of Loess Plateau, Shanxi University, Taiyuan 030006, China

In order to evaluate urban soil heavy metal pollution statement of Taiyuan City, we measured soil nickel(Ni), chromium(Cr), arsenic（As）, copper(Cu), zinc(Zn), lead(Pb), chromium(Cd), and mercury(Hg) contents of 80 soil samples around the research area. Moreover, soil heavy metal pollution was assessed using support vector machines (SVM). By comparing to Hakanson index and Nemerow pollution index, we discussed the applicability of support vector machines in soil heavy metal pollution evaluation. Results showed that: (1) The variation coefficient of Hg and Pb were 0.648 and 0.409 respectively. Maximum variation coefficients of Hg and Pb were 19.5 and 4.94 times of the minimum. Contents of Hg and Pb were highly heterogeneous in spatial distribution in Taiyuan. Except Ni element, average contents of each element were higher than their corresponding background values in Taiyuan, but are under the secondary standard value. (2) The evaluation results of Nemerow comprehensive pollution index, Hakanson potential ecological risk index, and SVM methods have no great difference. The evaluation results of Nemerow comprehensive pollution index and SVM was 70% identical. The evaluation results of Hakanson potential ecological risk index and SVM was 65% identical. (3) Further analysis of samples with different evaluation results showed that the evaluation results of SVM were more accurate. Comparing to Nemerow comprehensive pollution index and Hakanson potential ecological risk index, SVM could reduce the impact of man's subjective judgment to the evaluation result. Meanwhile, SVM could produce a more comprehensive evaluation result involving various factors. Evaluation results were closer to the truth. Besides, SVM had more strict mathematical foundation and good generalization ability. It could be widely applied in the evaluation of soil heavy metal pollution.

Soil heavy metal; Hakanson potential ecological risk index; Nemerrow comprehensive pollution index; Support vector machine

X53

：A

：1674-5906（2014）08-1359-07

李曉婷，劉勇，王平. 基于支持向量機的城市土壤重金屬污染評價[J]. 生態環境學報, 2014, 23(8): 1359-1365.

LI Xiaoting, LIU Yong, WANG Ping. Assessment of Urban Soil Heavy Metal Pollution Based on Support Vector Machine [J].Ecology and Environmental Sciences, 2014, 23(8): 1359-1365.

國家基金“基于支持向量機的土地生態風險評價研究”（41271513）

李曉婷（1990年生），女，碩士研究生，主要從事區域生態學、土壤污染方面的研究。E-mail: luckablk@163.com

*通訊作者：劉勇（1970年生），男，副教授，主要從事土地生態學、3S技術在資源環境中的應用等研究。E-mail: liuyong@sxu.edu.cn

2014-05-09