湘潭市郊响水乡稻田土壤重金属污染评价及空间分析

刘 杰，罗尊长，肖小平，余崇祥，洪 曦，孙 耿

（湖南省土壤肥料研究所，湖南 长沙 410125）

土壤重金属污染是当今最主要的环境问题之一，城市周边的交通运输、工业排放、城镇化建设和大气沉降等均导致土壤重金属污染越来越严重[1-4]。由于重金属具有生物富集性，并能通过生物链转移，直接或间接地威胁和危害人体健康，对各类土壤重金属污染分析与评价已引起广泛关注[5-7]。为保护人类健康和促进农业经济的可持续发展，不仅要在城郊稻田开展土壤重金属污染调查和监测，而且还需要建立一套合理的土壤重金属污染评价体系。

目前，土壤重金属污染评价方法很多，包括单因子指数法、T值分级法[8]、模糊数学综合评价法[9]、灰色聚类法[10]、改进层次分析法[11]、非线性可拓扑评价法[12]、物元分析法[13]、投影寻踪分类模型[14]、地统计模型[15-16]、人工神经网络模型[17]和土壤景观模型[18]等。其中运用最为广泛的是单因子指数法和综合污染指数法，其优点是以土壤环境质量标准作为基础，目标明确。研究采用单项污染指数和综合污染指数法对研究区重金属污染进行评价，并利用地统计模型分析土壤重金属空间分布特征，拟为当地农业产业结构规划以及环境治理等提供科学依据。

1 材料与方法

1.1 研究区概况

响水乡位于湖南省湘潭市北郊，距湘潭市中心仅20 km，是典型的城乡结合部。北与长沙市望城区接壤，西与湘潭市雨湖区鹤岭镇及响塘乡毗邻，东隔湘江与湘潭岳塘区相望。总面积13 811 hm2，耕地3 485 hm2，水田3 215 hm2，农业生产以种植水稻为主。响水乡工矿企业较多，现有以湘潭锰矿、湘潭电解锰厂、九华汽车制造厂为主体的各类企业1 718家，为典型的城郊兼有工矿企业的经济较发达乡镇。响水乡的水稻土主要由板页岩风化物、河流冲积物发育而成，以黄泥田为主，占水稻土面积的70%以上，其次为黄底河沙泥，另零星分布有少量的青隔黄泥田、浅黄泥田等土种。土壤基本理化性状为：pH 值5.9、有机质31.9 g/kg、全氮1.7 g/kg、全磷0.7 g/kg、全钾14.1 g/kg。

1.2 样品采集

根据地形条件、面积、污染源等情况选择有代表性的稻田块采集耕作层土壤混合样，用GPS仪进行定位记录。每个采样点代表面积约100 hm2，每个点位均按棋盘法分15点采取0～15 cm耕作层土壤，混合样品约1 kg左右，共取耕作层土壤混合样30个，在通风处晾干，制样待测。

1.3 分析测定方法

土壤样品用酸处理后，Cd、Pb采用石墨炉原子吸收光谱法，As、Hg采用原子荧光光谱法，Cr采用X荧光光谱法测定，其他项目均采用常规法测定[19]。

1.4 土壤重金属评价标准与方法

评价标准参照GB15612-1995土壤环境质量国家二级标准，此二级标准值是个警示值：低于此值，一般说来不会有污染问题；而高于此值，则视土壤对植物、水环境等是否有危害来确定。评价方法采用土壤重金属单因子污染指数和综合污染指数法。

单因子污染指数计算公式为：Pi=Xi/Ai，式中：Pi为土壤中污染物i的单因子污染指数，Xi为土壤中污染物i的实测数据，Ai为污染物i的评价标准。

综合污染指数即内梅罗指数，其计算公式为：P综=[（Piave2+ Pimax2）/2]1/2，式中：Piave和Pimax分别为平均单项污染指数和最大单项污染指数，P综为采样点综合污染指数。重金属的单项和综合污染指数划分等级见表1。

表1 土壤重金属污染分级标准Table 1 The grading standard of heavy metalal pollution in soil

1.5 地统计学方法

土壤重金属评价结果的空间分析采用地统计学中的半方差函数及其模型[20]。半方差函数的块金系数、基台值和变程等重要参数可以用来表征区域化变量在一定尺度上的空间变异和相关程度。这是研究土壤特性空间变异的关键，同时也是进行Kriging 插值的基础[21]；运用Map Info7.0 软件将采样区进行矢量化，将各采样点的位置及其数据导入ArcGIS 中，以获得样点分布的空间数据库，通过关键字段与分析数据之间实现连接，作为Kriging 插值的源属性数据。运用Cross-Validation 交叉验证选择合适的K riging 插值模型，并进行验证和对各参数进行修正，以得到最合理的土壤重金属污染分布图。

2 结果与分析

2.1 土壤重金属含量及pH值的描述性统计

由表2可知，研究区域内土壤Cd含量的偏度和峰度较高，而其他重金属含量偏度检验值均接近于0，这说明Cd含量的分布可能较为集中，而其他重金属含量的分布范围较广。土壤pH值在4.7～7.4之间，平均为5.9，土壤总体上呈酸性。这可能是由于研究区域的气候及土壤母质共同导致的。pH值变异系数最小，为10.2%，土壤Cd含量变异系数最大，为216%，其余重金属含量均为中等变异性；pH值、As、Cd、Hg、Pb含量接近正态分布，Cr含量服从正态分布。

表2 土壤重金属含量及pH值的描述性统计Table 1 Soil heavy metal content and pH value

2.2 土壤重金属含量及pH值空间变异相关参数

由表3可知，土壤pH值和Hg含量符合指数模型，As、Cd和Pb含量符合高斯模型，Cr含量符合球状模型；基底效应为块金值与基台值之比，土壤Hg、Pb和Cr含量的基底效应分别为1.2%、9.7%和22.4%，表现出强烈的空间相关性，说明结构性因素对于土壤Hg和Pb的空间变异起着主导作用；土壤pH值和As含量的基底效应分别为86.6%和87.4%，说明耕作制度、施肥管理等随机因素对其空间变异起主导作用；土壤Cd含量的基底效应为32.4%，说明其空间分布具有中等的空间相关性，土壤Cd含量空间分布既受到土壤母质和土壤类型等结构性因素影响又受到耕作制度、施肥管理等随机因素的影响。

2.3 土壤重金属含量及pH值空间分布特征

由图1可知，研究区土壤pH值呈现出中心低、四周高的趋势；土壤As含量呈现出在研究区内自西向东逐渐递增的趋势；土壤Cd含量中心区较低，四周较高，尤以西南区局部出现最高；土壤Hg含量呈现自北向南逐渐递增的趋势；土壤Pb含量主要以研究区东部较高；土壤Cr含量呈现出由研究区中心向四围均匀递减的趋势。土壤重金属含量的空间分布与成土母质、地形、土地利用类型有关，研究区Cd、As、Pb、Cr含量均表现出东部偏高的现象，可能与研究区以东毗邻湘江有关，而Cd含量在研究区西南部出现聚集现象可能与研究区西南毗邻湘潭锰矿有关。

表3 土壤重金属半方差函数理论模型及相关参数Table 3 Soil heavy metal semivariance function theory model andrelated parameters

图1 研究区土壤重金属空间分布Fig.1 Soil heavy metal spatial variability in tested areas

2.4 土壤重金属污染评价及综合污染指数空间分布特征

2.4.1 土壤重金属单因子污染指数和综合污染评价指数 由表4可知，单项污染指数评价结果中5种重金属的污染程度依次为Cd>As>Hg>Cr>Pb。在21、24、29号采样点As存在轻度污染，其余均无污染；土壤Cd含量在1和8号采样点存在重度污染，在10、13、21和29号采样点存在中度污染，11个采样点（3、4、5、6、7、11、19、22、23、24和27号）存在轻度污染，其余均无污染；土壤Hg含量在26和28号采样点存在轻度污染，其余均无污染；土壤Pb和Cr含量均无污染。而内梅罗综合污染指数显示，7个采样点（2、9、14、15、16、18、25号）属于安全级，16个采样点（3、4、5、6、7、12、17、19、20、22、23、24、26、27、28、30号）属于警戒级，3个采样点（11、13、29号）属于轻污染，2个采样点（10、21号）属于中污染，2个采样点（1、8号）属于重污染，30个采样点的综合污染指数平均值为1.73，属于轻污染。

表4 研究区土壤重金属单因子污染指数和内梅罗综合污染评价指数比较Table 4 The single factor indexes and Nemerow indexes of soil heavy metal pollute in tested areas

2.4.2 土壤重金属综合污染评价指数的空间变异特征分析 通过分析可知，研究区土壤重金属综合污染评价指数的理论模型为高斯模型，其基底效应为23.7%，变程为3599.6 m，最大步长303.7 m；尽管土壤As含量具有较低的空间相关性，土壤Cd含量具有中等的空间相关性，但土壤Hg、Pb和Cr含量具有强烈的空间相关性，且整个研究区土壤重金属综合污染评价指数也表现出强烈的空间相关性，土壤母质、类型、地形等结构性因素起着主导作用，其空间插值见图2。土壤重金属综合污染评价指数的空间分布呈现出研究区西南部较高，西北和东部次高，中心部、北部和西部较低的现象，这可能与研究区西南毗邻湘潭锰矿、东部毗邻湘江有关，即西南部点源污染区土壤离污染源越近，污染越严重，反之则轻；灌溉水面源污染区土壤离湘江距离越近，污染越严重，反之则轻。

图2 内梅罗综合评价指数空间分布Fig.2 Nemerow indexes spatial variability

3 讨论与结论

湘潭市郊响水乡稻田土壤重金属含量的变异大小依次为Cd 、Hg、As、Pb、Cr，变异系数依次为216.0%，40.4%、29.5%、26.3%、10.5%。利用地统计学中的半方差函数模型分析，土壤Hg的理论模型为指数模型，土壤As、Cd、Pb的理论模型为高斯模型，土壤Cr的理论模型为球状模型；土壤Hg、Pb和Cr含量的基底效应分别为1.2%、9.7%和22.4%，表现出强烈的空间相关性，土壤Cd含量的基底效应为32.4%，具有中等的空间相关性，土壤As含量的基底效应分别为87.4%，表现出较弱的空间相关性。土壤重金属含量的空间分布与成土母质、地形、土地利用类型有关，研究区Cd、As、Pb、Cr含量均表现出东部偏高的现象，可能与研究区以东毗邻湘江有关，而Cd、Pb含量在研究区西南部出现聚集现象可能与研究区西南毗邻湘潭锰矿有关。

采用单项污染指数评价法发现响水乡水稻土重金属的污染程度依次为Cd>As>Hg，Cr和Pb无污染。采用内梅罗综合污染评价法发现研究区西南部污染较高，这与研究区西南毗邻湘潭锰矿点源污染有关；东部次高，与研究区东部毗邻湘江灌溉水面源污染有关；中心部和 北部由于远离污染源其综合污染评价指标较低。针对响水乡水稻土重金属综合污染分布特点，下一步应重点对西南区域开展综合治理，加强对工矿“三废”的处理，严控排污标准，严防点源污染的继续扩大，同时开展土壤修复技术研究。

[1]Luo X S，Yu S，Zhu Y G，et al.Trace metal contamination in urban soils of China[J].Science of the Total Environment，2012，421（1）：17-30.

[2]Rimmer D L，Vizard C G，Tanja P T，et a1.Metal contamination of urban soils in the vicinity of a municipal waste incinerator：one source among many[J].Science of the Total Environment，2006，356（1）：207-216.

[3]Duong T T，Lee B K.Determining contamination level of heavy metals in road dust from busy traffic areas with different characteristics[J].Journal of Environmental Management，2011，92（3）：554-562.

[4]Yaylal A G.Heavy metal contamination of surface soil around Gebze industrial area，Turkey[J].Microchem ical Journal，2011，99（1）：82-92.

[5]刘 申，刘凤枝，李晓华，等.天津公园土壤重金属污染评价及其空间分布[J].生态环境学报，2010，19（5）：1097-1102.

[6]段雪梅，采焕兴，巢文军.南京市表层土壤重金属污染特征及污染来源[J].环境科学与管理，2010，35（10）：31-34.

[7]王俊坚，赵宏伟，钟秀萍，等.垃圾焚烧厂周边土壤重金属浓度水平及空间分布[J].环境科学，2011，32（1）：298-304.

[8]王伟杰，柯涌潮.土壤综合评价方法的探讨[J].农业环境保护，1986，5（2）：16-18.

[9]舒冬妮.用模糊数学综合评判土壤中重金属污染程度的探讨[J].农业环境保护，1989，8（5）：30-32.

[10]王金生.灰色聚类法在土壤污染综合评价中的应用[J].农业环境保护，1991，10（4）：169-172.

[11]孟宪林，郭 威.改进层次分析法在土壤重金属污染评价中的应用[J].环境保护科学，2001，27（1）：34-36.

[12]王作雷，蔡国梁，李玉秀，等.土壤重金属污染的非线性可拓综合评价[J].土壤，2004，36（2）：151-156.

[13]刘慧卿，张先起，杨会娟.基于RAGA的投影寻踪模型在土壤重金属污染评价中的应用[J].河南农业科学，2005，（10）：60-63.

[14]王明国，师荣光，李晓华.重金属污染的土壤安全评价与蔬菜健康研究进展[J].安徽农业科学，2009，37（24）：11705-11708.

[15]McGrath D，Zhang C S，Cartonowen T.Geostatistical analyses and hazard assessment on soil lead in Silvermines area，Ireland[J].Environmental Pollution，2004，127：239-248.

[16]Korre A.Statistical and spatial assessment of soil heavy metal contamination in areas of poorly recorded，complex sources of pollution Part 1：factor analysis for contamination assessment[J].Stochastic Environmental Research and Risk Assessment，1999，13：260-287.

[17]沈掌泉，周 斌，孔繁胜，等.应用广义回归神经网络进行土壤空间变异研究[J].土壤学报，2004，41（3）：471-475.

[18]Luis R，Tom islav H，Hannesi R.Heavy metal in European soils：a geostatistical analysis of the FOREGS geochem ical database[J].Geoderma，2008，148：189-199.

[19]鲍士旦.土壤农化分析（第三版）[M].北京：中国农业出版社，2000.

[20]史 舟，李 艳.地统计学在土壤学中的应用[M].北京：中国农业出版社，2006.

[21]王政权.地统计学及在生态学中的应用[M].北京：科学出版社，1999.