典型河谷城市土壤重金屬含量空間分異及其影響因素

張軍 ，高煜，王國蘭，金梓函，楊明航

1. 寶雞文理學院/陜西省災害監測與機理模擬重點實驗室，陜西 寶雞 721013；2. 長安大學/旱區地下水文與生態效應教育部重點實驗室，陜西 西安 710064

城市土壤是城市生態系統重要組成部分之一（徐福銀等，2014；谷陽光等，2017；柴立立等，2019），人為活動及工農廠礦聚集會釋放出重金屬，而重金屬可通過土壤、空氣、水體等進入導致環境污染，并具有難降解、累積性和長期性等特點（Natalia et al.，2018；白秀玲等，2018；易文利等，2018），對生態環境及人類健康造成嚴重威脅（顧濟滄等，2010；張善紅等，2017）。因此，對城市土壤重金屬含量空間分布及影響因子研究，對城市生態環境改善、工農業規劃和民眾健康具有重要意義。國內外學者對土壤重金屬污染及風險評價（Jiang et al.，2017；戴彬等，2015；于元赫等，2018）、源解析（Bressi et al.，2014；Jiang et al.，2016；周雪明等，2017）、重金屬修復（吳濤等，2008；姚桂華等，2015）、空間分布及變異（呂建樹等，2012；趙科理等，2016；呂建樹等，2018）進行了廣泛研究。周永超等（2019）研究發現，Hg是伊寧市地表土壤生態風險主要影響因子。黃順生等（2007）研究發現，城市土壤Hg、Cd、Pb、Sb含量空間分布規律非常相似，均表現為外圍向市中心有逐漸增加的趨勢。李鋒等（2019）研究發現，Ni、As、Cr、Zn、Cd主要來源于工業污染，Pb和Hg主要來源于生活污染。李雨等（2017）研究發現，GDP、平均溫度和相對濕度對農田土壤重金屬變異影響較大，土壤 pH、土壤類型和高程對農田土壤重金屬變異影響較小。土壤重金屬來源及其影響因素研究已有多種常用方法，包括主成分分析法（羅松英等，2018），地統計方法（張軍等，2019），空間分析（Wang et al.，2010）等方法，雖然此前研究多為環境質量評價表述，也對形成原因進行了研究，但較少有從地理環境空間分異角度研究土壤重金屬空間分布的影響機制，對重金屬含量空間分布與不同地理環境因子的交互關系有待深入探討。此外，為定量分析其相關關系的空間屬性問題，還需用到空間統計學方法（Wang et al.，2012）。王勁峰等基于統計學的空間分異性原理，開發了一種揭示影響因子的新的空間統計學方法-地理探測器模型，能夠定量揭示解釋因子對探測目標的影響力、度量空間異質性和變量之間的交互關系（Wang et al.，2017；Wang et al.，2018）。

寶雞市作為典型河谷型工業城市，該地區土壤重金屬污染已有研究者關注（王利軍等，2011；耿雅妮等，2019），但大多研究僅進行了重金屬含量分析及來源識別，對影響城區土壤重金屬含量空間分布的自然環境氣象因素定量研究較少，缺少對城市土壤重金屬空間分布的影響因子驅動機制的深入分析，缺乏在全球氣候變化和人類活動大背景下，氣象因子及各地理環境因子對城市土壤重金屬空間分布的交互作用機制探討。本文以寶雞城區為研究區域，通過對地表土壤中8種重金屬元素（Cd、As、Cu、Pb、Zn、Cr、Mn和Ni）含量的測定，采用GIS空間分析和地理探測器模型，選取DEM（數字高程）、NDVI（植被覆蓋指數）、土地利用類型、土壤類型、土壤質地、降水、溫度、距鐵路距離等 11個因子為自變量，對城市土壤重金屬含量空間分布、影響因素及其交互作用進行研究，以期為城市土壤生態環境污染防治和政府相關部門決策提供科學依據。

1 材料與方法

1.1 研究區概況

寶雞市區坐落于陜西西部，是關中平原城市群重要節點城市，地處 106°18′—108°03′E，33°35′—35°06′N之間，城區坐落于黃土高原渭河谷地之上，為典型的黃土高原河谷型工業城市。寶雞地質構造復雜，東、西、南、北、中的地貌差異大，具有南、西、北三面環山，主導風向為西風，年平均降水量在755 mm左右，氣候屬于暖溫帶半濕潤類型。由于地形原因，市區建設以渭河為中軸向東拓展，呈尖角開口槽形的特點，近年來，城市建設向東轉移，部分地區工廠、農田、交通和生活區交錯分布。城區面積約110 km2，人口近150萬。采樣區分布有寶鈦集團、東嶺集團、寶化科技等工礦、冶金、化工、機械工廠企業。采樣區道路密集，隴海鐵路、寶成鐵路、寶中鐵路及連霍高速在此交匯。

1.2 數據來源

1.2.1 土壤樣品采集及處理

采集市區表層0—20 cm土壤樣品62份（圖1）。采樣點主要以鐵路沿線及工業區較密，且兼顧全城區的方法，借助遙感影像和GIS技術布設。實際采樣時，在采樣點所在地設一正方形（邊長5 m），使用手動鋼制土鉆取各頂點及對角線交點的5個分樣做1個混合樣，如遇街道等狹長的路面硬化地點時，沿綠化帶取5個間隔5 m的分樣做1個混合樣，每個混合樣1.0 kg，裝入聚乙烯自封袋。樣品運回實驗室后，采用HNO3-HCl-H2O2法進行消解，用電感耦合等離子體質譜儀（ICP-MS，NexION350X，PE）測定 Cd、As、Cu、Pb、Zn、Cr、Mn、Ni的含量。實驗過程中采用空白樣、國家標準樣進行質量控制，元素回收率控制在95%—105%之間，相對標準偏差（RSD）小于10%。實驗所用藥劑均為優級純。

圖1 研究區采樣點Fig. 1 Sampling points in study area

1.2.2 指標選取及數據獲取

參考李鋒等（2019）、張軍等（2019）的因子選取方法，同時結合研究區實際情況，選取DEM、植被覆蓋指數（NDVI）、土地利用類型、土壤類型、土壤質地、降水、大氣溫度、距鐵路距離、距河流距離、距公路距離及距工廠距離 11個因子。DEM（GDEMDEM 30 m）及影像數據（Landsat 8 OLI_TIRS）來自于地理空間數據云（http://www.gscloud.cn/），矢量數據來自全國地理信息資源目錄服務系統（http://www.webmap.cn/）地理環境數據均來自資源環境數據云平臺（http://www.resdc.cn/），在ArcGIS 10.5與ENVI 5.3中對數據進行相應預處理。

1.3 研究方法

1.3.1 空間分析

本文選用地統計下非參數地統計方法——普通克里格（Ordinary Kriging），該方法重點考慮空間自相關的因素，并用擬合的半變異參數進行插值，由于該方法對每個估算點都進行變異量算，估算值可靠性較高，因此常用于重金屬含量空間分布研究。

1.3.2 地理探測器

地理探測器是基于空間分異理論，采用空間統計方法，探測并定量分析各影響因子間交互作用的工具。其模型由因子探測器、生態探測器、風險探測器和交互探測器4個子模型組成，其中因子探測器是核心部分。模型如下：

式中：

PD,H為因子D對H（重金屬含量空間分布）的解釋力；

n為總的研究區單元數；

nD,i為因子D中第i分區的單元數；

σ為重金屬含量的總標準差；

σD,i為因子D中第i分區的標準差。

PD,H的大小表示空間分異程度的強弱，PD,H∈[0, 1]，當PD,H值越靠近1時，則空間分異性越強，反之亦然。

交互作用探測器衡量雙因子對重金屬含量的解釋力，若值越靠近1，則表示交互作用越明顯（表1）（Wang et al.，2018），本文試圖根據因子探測器和交互作用探測器的結果，揭示影響因子對研究區土壤重金屬含量空間分布的影響。

表1 交互作用結果劃分Table 1 Interaction result partitioning

2 結果分析

2.1 土壤重金屬含量

土壤重金屬元素含量統計見表2，Cd質量分數均值為 0.77 mg·kg?1，超過陜西省土壤背景值，是陜西省背景值的8.19倍，Zn質量分數均值為261.17 mg·kg?1，是陜西省背景值的 3.76倍，遠高于其余元素。各元素含量最大值超過了陜西省土壤背景值，表明研究區土壤重金屬富集嚴重。根據Wilding（呂建樹等，2012）變異程度分類，研究區內各重金屬元素均為高度變異（變異系數>0.36），變異系數均較高，表明城市重金屬污染受到人類活動影響較大。

表2 土壤重金屬描述統計Table 2 Descriptive statistics of soil heavy metal

2.2 土壤重金屬含量空間分布特征

本研究選擇地統計學中的普通克里格，并在ArcGIS 10.5繪制土壤重金屬含量空間分布如圖2。各元素空間分布特征存在一定差異；Cd高值主要分布在陳倉區東北部的潘家灣地區，以及陳倉區與渭濱區交界處的濱河路，污染范圍大；Zn的高值區主要分布在金臺區西北部的國川鄉，自西向東遞減，且污染程度較大；As高值區主要以塊狀形式分布在金臺區西部的硤石鎮和盤龍鎮；Cu高值區主要集中在金臺區和渭濱區中西部的馬家坡，呈自西向東遞減分布；Pb和Cr的高值區主要在渭濱區中東部的石鼓鎮；Ni、Pb、Cr、Mn污染程度較輕，Ni高值區主要分布在金臺區西部的國川鄉，Mn高值區僅在渭濱區西南部的周家灣地區。

圖2 寶雞城區土壤重金屬含量空間分布Fig. 2 Spatial distribution of soil heavy metal content in Baoji urban area

2.3 影響因子分類

各地理、環境、氣象因子在ArcGIS 10.5中處理成200 m×200 m的格網數據，提取相應的格網中心值，采用自然間斷法分類，DEM、NDVI、土壤類型、土壤質地共六類分類，其余因子均為五類分類，距鐵路、河流、公路、工廠距離均為多環緩沖區分類（如圖3）。

圖3 地理環境因子分類Fig. 3 Classification of geographical environment factor

2.3.1 因子探測

通過地理探測器模型計算，可反映影響因子對重金屬空間分布的解釋力（表3）。DEM、降水、大氣溫度對各元素含量空間分布上均具有較強解釋力。其中降水是Cd空間分布的第一主影響因子，DEM 是其他7種重金屬空間分布的第一主要影響因子。由于Cd、Zn是研究區的主要超標污染物，識別Cd、Zn空間分布影響因子尤為重要。影響Cd分布的因子降序排序為降水 (0.188)>大氣溫度(0.187)>土壤類型 (0.159)>DEM (0.141)>NDVI(0.058)>距工廠距離 (0.039)>土壤質地 (0.021)>距鐵路距離 (0.016)>距公路距離 (0.006)>土地利用(0.005)>距河流距離 (0.001)；影響 Zn的因子降序排序為 DEM (0.203)>土地利用 (0.077)>土壤類型(0.029)>距工廠距離 (0.017)>大氣溫度 (0.011)>降水 (0.009)>NDVI (0.007)>距河流距離 (0.006)>距公路距離 (0.005)>土壤質地 (0.003)>距鐵路距離(0.002)，其中降水、DEM、大氣溫度、土地利用、土壤類型對研究區Cd和Zn空間分布具有較強解釋力。DEM與降水因子對其余As、Cu、Ni、Pb、Cr、Mn具有較強的解釋力。

表3 影響因子探測值（PD, H）Table 3 Detection (PD, H) of geographical environment factor

2.3.2 交互作用探測

土壤結構成分復雜，重金屬污染分布往往是由多因素共同作用的結果，不存在由某種單一因素的影響（李雨等，2017），因此，利用交互作用探測器探測多種因子對重金屬空間分布的交互影響程度，有利于準確判斷影響重金屬空間分布的深層驅動機制。

選取各元素PD,H第一影響因子為交互基準，與因子解釋力值前三因子進行交互分析（表 4）。結果表明，除Cd第一影響因子為降水外，其余重金屬第一影響因子均為 DEM，Cd在降水∩土壤類型后，解釋力增強到 0.307，降水∩土壤質地增強到0.251，降水∩土地利用為 0.221，表明降水與土壤類型、土壤質地、土地利用的交互作用會增強 Cd在空間上的分布；As、Cr、Cu、Mn第一影響因子為 DEM，交互探測后，其 DEM∩降水交互解釋力均為最強，其余交互解釋力較強的為大氣溫度和土壤類型，說明DEM與降水、大氣溫度、土壤類型的交互作用對以上重金屬含量空間分布具有增強效應；元素 Ni、Pb交互解釋力最強的分別為土地利用與土壤類型，但解釋力第二和第三均為大氣溫度和降水，大氣氣溫因素的交互對以上重金屬含量空間分布具有增強效應；Zn交互解釋力最強的為DEM∩大氣溫度，但與 DEM∩降水交互值十分接近，與DEM∩NDVI交互值有明顯差異，氣象因子在Zn空間分布上具有較強增強效應。

表4 因子交互作用Table 4 Factor interaction

3 討論

3.1 重金屬含量空間分布特征分析

寶雞市作為陜西省第二大工業城市，市區歷史遺留存在大量廠礦企業，加之近年來城市東移西擴發展，導致工廠、住宅、交通等交錯分布，再加上特殊的河谷型地理環境，建設密集、人口密度與車流量增大，聚集了眾多城市生態環境問題。研究區各重金屬元素在空間分布上都存在一定差異，從空間分布上來看，Cd高值區主要在陳倉區以東及渭濱區和金臺區的中部交界處，該地區主要存在各類廠礦企業，交通道路密集，高速路和鐵路在此交匯，王洪濤等（2016）研究發現，工業活動（如冶煉加工、垃圾焚燒等）產生的廢渣、廢氣等，是 Cd、Cu的主要來源，Zn的高值區主要在金臺區西北部，考慮到該地區西北部存在鉛鋅礦及其冶煉廠，是Zn的主要來源；As高值區主要分布在金臺區西部、陳倉區西部及金臺區與渭濱區交界處，該地區多以耕地為主，農業生產過程中大量使用中農藥化肥，是造成 As的污染（艾建超等，2014）主要原因。Pb和Cr的高值區主要在金臺區與渭濱區中東交接處，該地區是城市主要交通要道之一，車流量大，受汽車尾氣的排放（Li et al.，2019）影響較大；Ni、Mn高值區主要集中在金臺區和渭濱區中西部，該地區人口密度大，人為活動頻繁，導致該地區Ni、Mn含量較高。

3.2 影響因子選擇探討

地理探測器在城市土壤重金屬方面研究并不多，因子的選擇性存在很大主觀因素，本文通過文獻并結合寶雞市特殊地理情況，選取包括土地利用、DEM、NDVI、降水等11種影響因子，分析發現，寶雞市土壤重金屬含量空間分布主要影響因子為 DEM，這與寶雞市特殊的河谷型城市地理構造密切相關，寶雞市三面環山，工廠產生的廢氣、廢液和廢渣等污染物，隨地形匯聚于城市市區土壤，受DEM和降水交互影響，易溶性重金屬向城市中心土壤匯集。艾東升（2011）、趙文杰等（2013）在研究發現，人為和自然源產生的重金屬通過大氣降水過程降落到地面，并富集在土壤中，與本研究結果一致。除降水外，DEM 和大氣溫度的交互解釋力也很強，林靜等（2016）研究發現重金屬在冬春季含量高于夏秋季，本文數據采集在冬春交換季，結合交互探測結果分析，氣溫對重金屬含量空間分布也有較強的相關性。這些均說明地理因子和氣象因子都較強地影響城市土壤重金屬的空間分布，選擇地理因子和氣象因子可以更好地揭示城市土壤重金屬變異的驅動機制。

3.3 Cd、Zn風險探測分析

研究區Cd、Zn含量遠超過陜西省土壤背景值，其中Cd含量均值是陜西省土壤背景值的8.19倍，Zn含量均值是陜西省土壤背景值的3.76倍。因此，對研究區Cd、Zn空間分布的影響機制分析非常必要。

3.3.1 Cd風險探測

對Cd含量風險探測（圖4），分析各影響因子的子因子對其含量的影響。對其進行相關性分析表明，Cd含量與DEM和NDVI呈現高度負相關，隨DEM和NDVI的增長，Cd含量遞減，當海拔在513—589 m時 Cd含量最高，質量分數達到 1.47 mg·kg?1；Cd含量與土壤質地中沙土含量、降水、大氣溫度因子呈現高度正相關。Xu et al.（2019）在研究中發現，重金屬通過大氣降水過程降落到地面，并富集在土壤中，是Cd含量與降水變化的主要驅動機制；王洪濤等（2016）研究發現，工業活動（如冶煉加工、垃圾焚燒等）產生的廢渣、廢氣等，是Cd、Cu的主要來源，這與本研究工廠區Cd含量最高結果一致；徐蕾等（2019）在研究中發現，Cd含量受到成土母質影響較大，本研究中土壤類型中對Cd影響最大的為潮土，其次為、褐土、褐土性土、紅粘土、鈣質土及棕壤性土，這與徐蕾等研究結果一致；Cd含量隨距鐵路、公路距離增大而增大，當距離鐵路、公路800 m時達到最大值，寶雞市城區鐵路線500 m內公路密集，邵莉等（2012）研究發現，金屬被腐蝕后會釋放出Cd，且汽車輪胎中含有鎘鹽，推測距鐵路800 m時，Cd含量增高與此有關，根據變異性分析，Cd在1 km外，含量會隨距離增大而減少；在距河流距離中沒有明顯變化特征；在距工廠距離中，Cd含量先隨距離增大而減少，在距離800 m時突增，之后隨距離遞減。通過風險探測，發現影響Cd含量最主要的驅動因素為降水、同時受土壤質地、大氣溫度、DEM、NDVI自然條件控制，這與因子探測結果一致。寶雞市獨特的三面環山地形及暖溫帶半濕潤類型氣候類型，土壤重金屬Cd來源于土壤母質和工業活動，同時又受到植被、降水和研究區高程條件影響，在多重因素的驅動下，研究區重金屬Cd含量空間分布集中于工業區和交通主干道附近，表現出明顯的空間聚集性。

圖4 重金屬Cd含量風險探測Fig. 4 Risk detection of Cd content

3.3.2 Zn風險探測

對Zn含量風險探測（圖5），對其進行相關性分析，Zn含量與DEM呈現高度正相關，隨高程增加含量增大；隨降水量和大氣溫度的增加，Zn的含量呈減少趨勢，與Cd情況相反；土地利用中，耕地中 Zn含量最高、其次為工廠區、林地、河流，建筑區最少；土壤類型中，褐土中 Zn含量最多，其次為褐土性土、紅粘土、潮土、鈣質土，棕壤性土中含量最少；NDVI、土壤質地、距鐵路、河流、道路、工廠距離因子對Zn含量影響不明顯。Zn的高值區主要在金臺區西北部，該地區地勢較高，上游存在鋅礦及其冶煉工廠，可能受到寶雞市河谷地形因素影響，Zn在高程變化的作用下匯集。耿雅妮等（2019）研究發現寶雞市土壤 Zn重度污染，主要為鉛鋅礦的開采，伴隨DEM的變化，土壤中Zn含量發生變化，因此Zn含量與DEM呈現高度正相關性，這表明，土壤中 Zn聚集主要與研究區高程較高的鉛鋅礦開采和冶煉廠礦有關。Zn在土壤中比較穩定，其分布基本上不受其他因素影響，少量工業 Zn塵，在城市熱島大氣環流作用下，可以由城市邊緣向城市中心移動擴散，同時隨降雨下落到城區，因此由于城市熱島效應和大氣降水對土壤 Zn重金屬污染的可能輸送應該引起河谷型工業城市政府的注意，合理優化工礦企業布局，積極治理大氣污染。

圖5 重金屬Zn含量風險探測Fig. 5 Risk detection of Zn content

4 結論

（1）寶雞市區土壤重金屬Cd、Zn、As、Cu和Ni的均值超過了陜西省土壤背景值，Cd質量分數均值達 0.77 mg·kg?1，為陜西省土壤背景值的 8.19倍；Zn質量分數均值為261.17 mg·kg?1，為陜西省土壤背景值的3.76倍。研究區土壤Cd、Zn污染較嚴重。

（2）寶雞市區土壤重金屬空間分布存在顯著差異性，其中Cd、Zn、As、Cu污染較嚴重，主要集中在潘家灣立交橋、濱河路及馬家坡，在空間上呈現一定的空間聚集性；Ni、Pb、Cr、Mn的高值區分布范圍較小，呈零散分布，污染程度較輕。

（3）降水、DEM、大氣溫度在各元素含量空間分布上均具有較強解釋力。Cd含量空間分布主要受降水影響，其余元素主要受高程DEM影響。降水、DEM、大氣溫度、土地利用、土壤類型對Cd和Zn含量空間分布具有較強解釋力。

（4）交互作用解釋力均顯示增強效應，交互作用的PD,H值均高于單個因素影響值。Cd因子交互解釋力排序：降水∩土地類型 (0.307)>降水∩土壤質地 (0.251)>降水∩土壤利用 (0.221)，對于As、Cr、Cu、Mn，DEM∩降水交互作用均為最強解釋力，DEM∩大氣溫度對Zn交互解釋力最強。

（5）Cd空間分布主要驅動因素為降水，并受土壤質地、溫度、DEM、NDVI自然條件控制，表現出明顯的空間聚集性。Zn主要與研究區鉛鋅礦開采和冶煉廠礦有關，在DEM高程的變化影響下匯集。