基于地理信息系統的農業耕地土壤污染源檢測方法研究

梁建平 王力烽 馬云 苑亞楠 靳守業

關鍵詞：農業耕地；地理信息系統；重金屬；土壤

前言

隨著工業和農業的快速發展和產業結構調整，土壤和環境出現了越來越多的問題。主要的問題是土壤重金屬污染日趨嚴重，不但對土壤造成了不可逆轉的污染，也對自然環境造成了破壞，導致土壤的物理化學指標惡化，生物群里失調，無法進行作物種植。因此對土壤重金屬污染的評價及治理已經成為國內外關注的環境問題，常用的重金屬污染評價檢測方法主要有單因子指數法、地累積指數法和內梅羅指數法，這些方法主要是基于基礎的土壤檢測數據進行建模，獲得土壤重金屬污染及污染物特征。

基于地理信息系統的農業耕地土壤污染源檢測是利用衛星地圖及系統，對耕地土壤重金屬污染的地理區塊的空間信息，采用緩沖分析、重疊分析及數字地形分析等方法，輔助可視化技術，對土壤重金屬污染源及污特征進行分析，主要開展重金屬污染的分布特征分析、影響因素分析和預警分析。

文章基于GIS地理信息系統和地理統計學方法，研究農業耕底土壤污染源來源檢測，主要以農業種植地的重金屬污染土壤為研究對象，對土壤中的重金屬As、Pb、Cd、Cr、Ni、Cu、Zn、Hg的污染特征、空間分布、以及污染來源的分析方法進行研究。同時對土壤的安全性進行評價。探討農業耕地土壤污染源檢測方法的可行性。

1實驗部分

1.1樣品采集與分析

根據研究區的耕地土壤分布情況，在整個研究區3畝區域，橫向和豎向平均分為10份，形成100個網格狀區域，每個取網格設置“梅花”布點或進行“S”形采樣，采樣點設置10個，每個點采樣后進行充分混合。按四分法進行縮分后取樣，保留2kg的樣品。采樣過程中，詳細標注采樣的時間、地點和經緯度，并標注樣品編號。帶回實驗室后，自然風干篩分，去除土壤中的根系、石塊等雜質，經過破碎研磨后，過100目的篩子，對土壤的重金屬進行檢測。

1.2重金屬污染評價方法

采用單因子污染指數法進行土壤重金屬的污染程度，用土壤中的重金屬的實際測量濃度，對比土壤中的重金屬評價標準。根據GB15618-2018土壤環境農用地土壤污染風險管控標準，風險篩選值為評價標準。

1.3正定矩陣因子模型（PMF）

正定矩陣因子模型是一種多因子的分析方法，廣泛的應用于環境污染源分析方法，該模型是基于最小二乘法原理，反復進行迭代計算分解原始矩陣，得到最優的矩陣，從而計算出最小目標函數。PMF模型最優化的利用了測量數據點的誤差分析，且在求解過程中沒有負約束，具有實際的預測意義。

2結果與討論

2.1土壤重金屬污染特征

土壤重金屬的分布存在空間變異的效應，重點考察不同網格地塊的微觀差異性。比如距離不同和地塊的深淺不一。由于此種因素的影響，導致同一塊耕地內不同方向和距離內的重金屬分布出現空間性的差異。圖中可見，重金屬As、Pb、Cd的數據污染特征較為分散，As含量從130. 34mg/kg到78.45mg/kg，Pb含量從34.43mg/kg到58.34mg/kg，Cd的差異性也很大，最大值為0.59mg/kg，最小值為0.09mg/kg。As、Pb、Cd數據呈現正態性分布。Zn、Cr、Cu、Ni污染物特征相對比較集中，呈現均勻性分布。出現此種情況的原因是由于距離污染源的距離和類型不一樣，還和當地地塊的風向、溫度和地形因素有關聯。同時，和種植的作物和施用的肥料品種、肥料的形態、酸堿度都有關聯。

2.2重金屬富集因子及分級

如圖1所示農業耕地土壤中重金屬的富集因子（EF）及其分級。根據分級要求，15為顯著富集。如圖2所示，Cd和Zn屬于顯著富集，As、Cr屬于中度富集，Pb、Ni、Cu屬于輕度富集。重金屬平均富集因子大小排序為Zn>Cd>Cr>As>Ni>Pb>Cu。研究結果表明，農業耕地土壤存在人為影響和重金屬污染，尤其是Zn、Cd、Cr、As，表明他們在土壤中的富集程度高。

2.3土壤重金屬相關性分析

相關性分析是一種通用的方法，用來顯示兩種變量之間的是否相關的數據。如果重金屬之間的相關性較為顯著，能夠充分證明重金屬污染源之間存在一定的相似程度或者是在空間、距離上存在一定相同的規律性。該方法有利于土壤重金屬污染源的識別，目前應用較為廣泛。為了保證金屬元素之間因為數量級不同而產生的明顯的差異，保證不同元素在相同的水平上進行檢測分析，需要對原始數據進行標準化轉換，以求達到數據的均衡性和一致性。

圖2是土壤重金屬含量相關性分析的顯著程度的結果，通常來說，若重金屬之間相關性顯著或者及其顯著，反應了相互之間存在同源污染或者復合源污染的可能性和相關性。由圖3可以看出，土壤中的金屬都存在顯著或者極度顯著的關系。Cr和Hg、As和Pb、Pb和Ni、As和Ni、Cu和As、Ni相關性顯著，在0.01水平（雙側）上顯著相關。Zn和Pb、As、Ni存在相關性，在0.05水平（雙側）上顯著相關。Cu和Cr、Pb、As、Ni呈現負相關的關系，說明Cu和其它4重金屬相關性不明顯。上述結果顯示土壤重金屬大部分存在一定的同源污染關系。Cr和Hg、As和Pb、Pb和Ni、As和Ni、Cu和As、Ni之間均存在一定的同源污染相關性。相關性極顯著的是Hg和Cr、As和Pb，說明該4種元素之間存在復合型的污染源。

2.4基于PMF模型重金屬污染源來源及貢獻

如圖3所示在不同的因子的水平下，耕地土壤不同重金屬在不同因子中所占的比例，也就是貢獻率。因子1表示了25.34%的重金屬來源，因子2表示42.12%的重金屬來源，因子3表示了15.21%的重金屬來源，因子4表示17.33%的重金屬來源。相關性分析表明，金屬Cr和其它金屬沒有相關性呈現。證明Cr和其它的重金屬在污染源來源方面沒有相似性。但是發現Cr在河流中有明顯的富集性能，因此，可以推斷養殖業中的畜禽糞便和種植業中的肥料施用，會增加Cr的富集，可以將因子1設定為農業污染源來源。

因子2中，As、Ni、Pb都有很高的貢獻率，占比分別達到了82.1%、68.75%和50.13%。根據文獻資料報道，這些重金屬和巖石的形成有很大的關系，且在土壤的形成過程中，As、Ni的變異程度很低。說明這3種金屬受人類活動的影響很低，且在富集程度調查中，As、Ni的富集因子低，富集程度評價屬于低風險的污染源。以上的分析可得出，此三種金屬可認為來自自然界，在相關性分析中，As和Ni屬于極顯著相關，說明二者具有相同的來源。因此，可以將因子2設定為自然來源土壤。

因子3中，Cr和Pb都具有很高的貢獻率，Cr屬于重度富集，Pb屬于輕度富集，在耕地土壤中有一定量的富集。經過調查，在耕地土壤附近有廢棄的磷礦礦坑，附近的車輛較多且密集，存在礦石開采區的地下徑流污染。因此可以將因子3可能與大氣污染及礦區地下徑流滲漏相關來考慮。

因子4中，Cu和Zn提供的貢獻率最高，占比分別達到了56.71%和26.24%。Cu和Zn一般是礦物質含量較高的元素，也可以認為是礦物加工、金屬冶煉中產生的污染物，通過在耕地附近四周進行調研，發現有很多的石材加工廠、機械制造廠和工業制造。這些工程和企業在生產過程中，難免會產生少量的金屬粉塵污染。因此，可以推斷因子4和工業生產制造有密切的關系，顯著性極高。因子4可以設定為工業活動來源。

3結論

重金屬As、Pb、Cd的數據污染特征較為分散，As含量從130.34mg/kg到78.45mg/kg，Pb含量從34.43mg/kg到58.34mg/kg，Cd的差異性也很大，最大值為0.59mg/kg，最小值為0.09mg/kg。As、Pb、Cd數據呈現正態性分布。Zn、Cr、Cu、Ni污染物特征相對比較集中，呈現均勻性分布。土壤重金屬大部分存在一定的同源污染關系。Cr和Hg、As和Pb、Pb和Ni、As和Ni、Cu和As、Ni之間均存在一定的同源污染相關性。相關性極顯著的是Hg和Cr、As和Pb，說明該4種元素之間存在復合型的污染源。

農業耕地土壤存在人為影響和重金屬污染，尤其是Zn、Cd、Cr、As，表明他們在土壤中的富集程度高。Cr在河流中有明顯的富集性能，因此，可以推斷養殖業中的畜禽糞便和種植業中的肥料施用，會增加Cr的富集。