北京市土壤地质环境质量区域监测网络的优化方法探讨

2021-07-23 02:47贾三满李欢黄勇
城市地质 2021年2期
关键词:监测点环境监测监测

贾三满 李欢 黄勇

摘 要:北京市土壤地质环境监测网是首都地质环境监测的重要组成部分,该网自2015年建设,经过6年的运行和完善,基本形成了覆盖市域的区域监测网络,分为区域监测和重点监测2个层次,取得了大量监测成果。基于多年监测成果,系统总结了北京地区的区域地球化学特征,分析了监测点布设的影响因素,在此基础上,重点探讨了区域监测点的布设依据,并提出了布设区域监测点的优化方案,有助于提升监测成果质量和扩大应用价值。结果表明:监测点布设时应根据监测目的和需求合理调整布点密度,考虑监测规范中的定量化指标,以及地层岩性、地形地貌等自然影响因素和不同土地利用类型对土壤环境的要求等定性化指标。建设用地和平原区耕地是区域监测重点,监测点密度应达到15~20个/64 km2;山区密度可适当减少。除特殊要求外,一般深层取样达2 m即可。

关键词:土壤地质环境监测;地球化学特征;布点密度;优化方案

Discussion on optimization method of regional monitoring network of soil geological environment quality in Beijing

JIA Sanman, LI Huan, HUANG  Yong

(Beijing Institute of Geo-exploration Technology, Beijing 102218, China)

Abstract: The soil geological environment monitoring network in Beijing is an important part of the capital's geological environment monitoring effort. The network was constructed in 2015. After five years of operation, it has gradually formed a city-wide monitoring network with two levels: regional monitoring and key monitoring. Based on years of monitoring results, this paper summarizes the regional geochemical characteristics of the Beijing area, and systematically analyzes the factors affecting the layout of monitoring points. The basis for the deployment of regional monitoring points was discussed and an optimization plan for the deployment of regional monitoring points was proposed. This helps to improve the quality of monitoring results and expand the application value. The result shows when setting up monitoring points, the density of the points should be adjusted reasonably according to the monitoring purpose and needs, taking into account the quantitative indicators in the monitoring specifications, as well as the qualitative indicators, such as natural influencing factors including stratum lithology, topography and geomorphology, and the requirements of different land use types on the soil environment. Construction land and cultivated land in plain areas are the focus of regional monitoring and the density of monitoring points should reach 15-20/64 km2. Mountain density can be appropriately reduced. Except for special requirements, deep sampling up to 2 m is sufficient in general.

Keywords: soil geological environment monitoring; geochemical characteristics;  dot density; optimization scheme

我國960万km2土地中,适用于农耕的土地面积约有1.37亿hm2,仅占总土地面积的14.3%,农耕土地面积占比小,且土壤环境质量不容乐观。北京市土壤环境质量总体良好,但局部存在由于基础地质条件较差和人类活动影响形成的土壤生态环境风险(北京市地质勘察技术院,2018)。土壤地质环境监测作为地质环境监测体系的重要组成部分(郭萌等,2015;郑桂森等,2020),可以及时掌握和识别土壤环境质量状况、潜在风险和污染来源等信息,对土壤环境治理和污染综合防治有重要意义(庄腾飞等,2012; 陈丹青等,2016)。

从2015年开始,北京市地质矿产勘查院(原北京市地质矿产勘查开发局)着手开展土壤地质环境监测工作,到2018年底基本构建了包含区域监测和重点监测、表层监测和垂向监测的双层次双维度土壤地质环境监测网络。监测成果的优劣在很大程度上取决于监测点的布设,监测点越多,监测精度越高,监测效果越好,但监测费用也随之增大(陆泗进等,2014)。如何实现经济价值和监测效果的双赢,一直是业内学者研究的关键问题(李忠良,2005; 张琼等,2014; 胡冠九等,2018; 夏新等,2018; 姚宇平等,2018; 周志彬等,2020)。

区域监测网络运行主要是在监测区内均匀布设监测点来实现,旨在从区域层面上掌握土壤元素地球化学参数基础特征,也可以为重点监测网络的运行提供靶区;另一重要作用是通过长期监测,预测土壤元素变化趋势,提出土地资源可持续利用的最佳管理方式,以及为水土污染防治提供基础研究资料。鉴于区域监测网络的重要作用,有必要进一步开展区域监测点最优精度的研究工作。

本文基于北京市土壤地质环境监测现有成果,分析了土壤元素的分布特征,从自然因素和人为因素2个角度对土壤元素的影响因素进行了分析,在此基础上对补充完善土壤地质环境区域监测网络进行探讨,提出优化方案,以便满足国家对生态环境保护、土地资源管理的新要求。

1 区域监测网络概况

北京市土壤地质环境的区域监测区分大清河和永定河流域、北运河流域、潮白河和蓟运河流域三大区域,监测周期为3年,每年监测运行1个区域。区域监测点的布设精度为3~5个/64 km2,主要分布在稳定地块内,涉及耕地、园地、林地、建设用地等多种用地类型。

监测内容分为浅层(0~20 cm)和深层(200~300 cm)土壤中N、P、K、Ca、Mg、S等必需大量元素和中量元素,B、Mn、Mo、Fe、Cu、Zn、Ni、Cl等必需微量元素,F、I、Se等健康元素,Cd、Cr、Hg、As、Pb等重金属元素,La、Th等稀有稀土元素,Au、Ag等其他金属元素,pH、Corg、阳离子交换量等理化性质指标,共计55项元素与指标;多环芳烃、有机氯农药、多氯联苯等有机污染物以及灌溉水、大气干湿沉降、肥料、农作物中的重金属等环境元素。

2 区域地球化学特征

2.1 土壤地球化学元素的分布特征

受地形地貌、地质构造以及地层岩性等因素的影响,监测区土壤元素富集与贫化差异较大,其中北运河流域土壤显著富集CaO、Hg、Au、Br、Sr、C、Ag、Cl等;潮白河流域显著富集Na2O、V、Sc、Mn、Co、K2O、Sr、Ga等,贫化C、CaO、Br、Sb、Hg、As、I等;大清河流域显著富集Hg、C、CaO、Corg、Li、N、Br、Th、Se、B、Sb、S、Ge、Bi等,贫化Sr、Na2O;蓟运河流域显著富集B、I、Se、W、Li、Zr、Cd、Bi、Cr、Sb、Mn、Hg等,贫化CaO、Sr、C、MgO等;永定河流域显著富集CaO、C,贫化Au、Cu。北运河、大清河、永定河流域内明显富集C、CaO,而在潮白河、蓟运河流域内呈贫化状态。

2.2 土壤元素背景值特征

北京地区土壤元素平均值与中国土壤元素A层背景值(以下简称“全国背景值”)相比,有16个元素的数值表现为偏低或明显偏低(比值小于0.95),其中有机质平均值仅为全国背景值的0.66倍,说明北京地区土壤中相对较缺乏有机质。Hg、Cd、Sr、MgO、CaO、Na2O、Ba、Sn、Zn、F、Cu、Mn、Fe2O3、K2O、pH、Ti、Al2O3等17项指标的数值表现为偏高或明显偏高,其中Hg、Cd平均值分别为全国背景值的1.94和1.86倍,说明北京地区土壤中Hg、Cd的潜在生态风险较大(图1)。

2.3 土壤元素垂向变化特征

土壤环境质量除受区域地球化学特征影响外,也与以往的人类活动有关(纪芸等,2009)。土壤污染危害日趋严重,对人体健康和生态环境等构成了巨大威胁,使土壤质量除了具有显著空间相关性外,还有空间异质性(谢志宜等,2017)。通过开展表层土壤(0~20 cm)元素和深层土壤(150~200 cm)元素的相关性分析,结果表明,相关系数都在0.5以上;以大量元素相关性为最佳,K2O、Al2O3、Na2O、CaO相关系数分别达到了0.81、0.75、0.74和0.74,说明了土壤物质来源具有一定的继承性。Au、B、Br、Pb、Ag、Sn、Corg、Se、I等元素的相关系数偏低,为在土壤中离散程度大、分异作用强的元素,受人类活动影响大。

3 监测点布设影响因素分析

北京平原区土壤主要是由冲积物、洪积物发育形成的,并且经受了人类活动的扰动,使得土壤表层元素的分布特征受自然因素和人为因素的双重影响。受人为活动因素的影响,不同地区、不同用地性质表层土壤地球化学特征有一定的差异。

3.1自然因素对土壤地球化学元素的影响

(1)地层岩性

土壤中元素含量及其分布规律受成土母质、气候、地形地貌、成土时间、生物活动和人类作用等多种因素控制,其中成土母质对土壤的形成、发育具有特别重要的意义(周墨等,2013)。北京山区岩石类型较多,大致可分为太古宙变质岩等七大类型,每类岩石元素丰度和分布特征均有所不同,对土壤化学元素分布有较大影响。例如,古生界石炭系—二叠系分布于西部山区,岩性含煤碎屑岩夹泥灰岩,富集元素有As、Cd、Hg、Pb、Ti、Zn等重金属元素,而古生界寒武系—奥陶系碳酸盐岩As、Cd、Ti、Zn等元素是贫化元素。水系沉积物内元素对As、B、Be、Bi、Cd、Hg、La、Li、Mn、Pb、Sn、Ti、W、Y、Zn等15种元素有次生富集作用,其他元素基本与成土母岩一致。

(2)地形地貌

不同地貌对土壤元素分布的影响也较大(图2),平原区明显富集Hg、Au、CaO、Sn、Cl、Ag等元素,而該类元素在山区呈显著贫化状态。山区明显富集CEC、Zn、Cr、Li、S、Cd、Ni、Sc、Ti、V、F、Fe2O3、Mn、Mo、Co、N、C、Corg等元素与指标,而该类元素与指标在平原区呈显著贫化状态。

3.2 人为因素对土壤地球化学元素的影响

(1)人工回填区土壤元素分布特征

五环路以内是人口密集地带,尤其是二环路以内的相当一部分地区现已为人工回填土覆盖,表层土壤受到很大程度的改造。Hg、Pb、Cu、Zn、Ag、Au、C、Corg、Cl、P、S、Sb、Sn、Se、CaO、Sr、U等在城区的表层土壤中明显富集,呈现为高背景状态,而且Hg、Pb、Cu、Zn等元素呈现为点状高值特征,属于人为污染源所产生的高背景。其他多项元素与指标在城区土壤中的分布基本呈背景状态。大量元素中,Al2O3、Fe2O3呈现为低背景,而Na2O、K2O、MgO的含量表现为背景状态,CaO则为高背景状态,表明城区土壤石灰质成分相对较高,而碱质、铁铝质成分较低。Co、Ti、V、Mn、Sc等铁族元素与La、Y、Ce元素呈低背景分布,As、Cd等元素在城区主要呈背景状态分布。

(2)其他区域土壤元素分布特征

郊区(城区以外的地区)土壤受人类活动干扰相对较少,但人类活动在不同土地利用类型中的影响程度不同,影响方式也不同,因此,元素分布特征也有差别。建设用地内土壤受到人类活动干扰最强,对各元素和指标的空间分布改变较大,因此与北京地区土壤元素平均值的差异性最大;特别是工矿区影响最大,Hg、Se等环境元素和有机物呈现明显富集特征,反映了历史上工矿活动对土壤环境的影响。园地内施用农药化肥的频率和农业活动影响的程度要明显高于耕地和林地,因此与北京地区土壤元素平均值的差异性大于耕地和林地。而耕地和林地内与北京地区土壤元素平均值的差异性最小,且林地内土壤元素分布最为均匀。

(3)工业区土壤元素垂向分布特性分析

不同用地性质内元素垂向迁移规律也有所不同。通过在焦化厂地区(PM01)和首钢地区(PM02)布设土壤垂向剖面,结果显示(图3),工业区土壤受到后期人类工业生产活动的影响,As、Cd、Cr、Cu、Hg、Ni、Pb、Zn等重金属元素垂向分布具有明显的表层富集特征,0~150 cm深度内元素呈高含量分布状态,150 cm深度以下呈现相对明显的低含量分布状态。

(4)农业种植区土壤元素垂向特性分析

通过在昌平、平谷、通州、房山农业种植区布设土壤垂向剖面,结果显示(图4),农业种植区土壤元素垂向分布特征规律性最显著的是养分指标,如N、P、S、Corg等,随深度增加元素含量逐渐降低。显而易见,这种规律性的变化是受到了农业生产活动的影响,但影响深度不同。总体特征是平原区影响深度大于山前地区,房山石楼地区(PM06)影响深度大约150 cm,通州牛堡屯地区(PM05)大约100 cm,昌平流村—南口地区(PM03)为80~100 cm,平谷峪口—刘家店地区(PM04)为50~80 cm。可以看出,重金属元素、养分指标均具有浅层富集的特点,且随深度增加,土壤中元素含量呈下降趋势,总体上是以150~200 cm为界。

4 区域监测点优化方案

土壤监测点布设是决定监测质量的关键因素,目前北京市土壤地质环境监测工作以64 km2为监测单元来布设监测点,其中耕地、园地、林地、建设用地和其他用地监测点密度分别为10个/64 km2、12个/64 km2、2个/64 km2、4个/64 km2、3个/64 km2,根据近几年的监测结果优化区域监测点布置方案。

4.1 监测点密度计算

根据HJ/T 166-2004《土壤环境监测技术规范》中提供的监测点密度计算方法,由变异系数和相对偏差确定监测单元内的基础样品数量。计算公式如下:

N = t 2 Cv2/m2

式中:N为样品数;t为95%置信水平下一定自由度的t值;Cv为变异系数,根据1∶50 000地球化学调查数据计算获得;m为可接受的相对偏差,根据规范要求选择为25%。

北京平原及丘陵区(含延庆盆地)已完成1∶50 000土壤地球化学调查工作,平均采样密度4个/km2。在延庆、怀柔、房山、通州以及中心城区选择6个监测单元为试验区计算变异系数。试验区3、试验区4基本位于五环路以里,试验区5位于房山区城关街道—阎村镇一带,土地利用方式以建设用地为主;试验区1、试验区2、试验区6位于延庆盆地和北京平原区的郊区,土地利用方式以农用地为主,试验区位置分布见图5。

根据不同试验区元素与指标的变异系数可知(图6),建设用地与农用地中,As、Cr、Ni的变异系数基本在20%~30%之间,属于弱空间变异型元素,空间分布相对较均匀;养分指标的变异系数基本相同,仅农用地中N和Corg的变异系数略大于建设用地。因此在计算样品数的过程中,选择变异系数时重点考虑Cd、Cu、Hg、Pb、Zn等5项重金属元素。

Cd元素是北京地区农业土壤中具有显著污染特征的元素(付华等,2006),一方面是农业生产过程中长期使用的塑料地膜(生产过程中加入了含Cd的热稳定剂)有关,另一方面与长期的污水灌溉、大气沉降、磷肥使用有关(白玲玉等,2010;王彬武等,2014)。在对北京地区农业土壤进行单因子污染指数评价时,Cd、Hg是污染风险等级较高的元素(姜菲菲等,2011; 吴琼等,2016)。Hg的空间变异性非常大,但以稳定存在的残渣态为主;而Cd以活性较大的水溶态和离子交换态为主。因此,选择Cd为典型元素,以Cd的变异系数40%~50%来计算农用地样品数。

城镇化和工业化进程中,导致土壤中Cu、Pb、Zn、Cd、Hg元素呈现出明显的表生富集现象(成杭新等,2014)。通过分析北京城区土壤地球化学调查结果发现,这5类元素在城区土壤中的含量也较高,是主要的重金属污染风险元素(安永龙等,2016; 孙春媛等,2016)。而这类重金属元素在土壤中的變异系数的变化范围较大,如Cu为27%~139%,Zn为29%~188%,Hg为140%~307%。通过分析,以变异系数为60%~70%确定监测单元内的样品数量,基本可以代表元素空间分布特征。

通过计算,平原区以农用地为主的监测单元内,监测点数量基本应控制在9~13个/64 km2,平均为11个/64 km2;以建设用地为主的监测单元内,监测点数量基本应控制在17~23个/64 km2,平均为20个/64 km2。

4.2 监测点布设优化方案

区域监测点布设密度主要依据上述计算结果,同时考虑土壤元素地球化学特征和人类活动影响程度,以便能够满足监测目的和需求。山区主要是林地和草地,人类活动相对较少;浅山区的园地和平原区的耕地、园地内人类活动相对较多,建设用地人类活动影响最重。不同的土地利用类型,对土地质量要求也不相同,例如GB 36600-2018《土壤环境质量 建设地土壤污染风险管控标准(试行)》中,建设用地(第一类用地)中Ni、Hg、Pb、Cu、Cd元素的風险筛选值高于GB 15618-2018《土壤环境质量 农用地土壤污染风险管控标准(试行)》(pH值介于6.5~7.5之间)的1.5、3.0、3.0、20、67倍,农用地的风险管控更加严格。因此,监测点密度在计算结果的基础上,考虑土地利用类型和地貌类型2种因素进行调整。

区域监测点分为表层监测点和深层监测点,经过上述分析,建议表层监测点密度在山区耕地、园地为10~12个/64 km2,林地为5个/64 km2,其他土地小于5个/64 km2;浅山区耕地、园地为12~15个/64 km2,林地为5个/64 km2,其他土地小于

5个/64 km2;平原区耕地为18~20个/64 km2,园地为15~18个/64 km2,

林地为5~8个/64 km2;建设用地为15~20个/64 km2。深层取样点占表层取样点1/3左右,根据土壤元素污染深度分析,深层取样深度可确定为2 m。

5 结论

(1)土壤地质环境区域监测为土地管理、环境保护、农业生产等提供基础地质资料,充分反映了该项工作的区域性、基础性特点,土壤地质环境区域监测点应根据土壤地球化学特征和人类活动影响程度综合布设。

(2)监测点布设应在定量化和定性化综合分析结果的基础上进行研究。监测规范为监测精度的科学化选取提供了定量化依据;同时根据监测需求,又应考虑地层岩性、地形地貌、土壤质地等自然影响因素和不同土地利用方式对土壤环境的要求合理调整监测点密度,以实现经济效益最大化。建设用地和平原区耕地是区域监测重点,监测点密度应达到15~20个/64 km2;山区密度减少,特别是草地、林地,监测密度达到5个/64 km2即可。

(3)根据已有监测数据分析,北京地区重金属迁移影响深度小于2 m,除特殊要求外,一般深层取样达2 m即可。

参考文献:

安永龙,黄勇,刘清俊,等,2016. 北京城区表层土壤多元素分布特征及重金属元素污染评价[J]. 地质通报,35(12): 2111-2120.

白玲玉,曾希柏,李莲芳,等,2010. 不同农业利用方式对土壤重金属累积的影响及原因分析[J]. 中国农业科学,43(1): 96-104.

北京市地质勘察技术院,等,2018. 北京市土壤地质环境监测网建设成果报告[R].

成杭新,李括,李敏,等,2014. 中国城市土壤化学元素的背景值与基准值[J]. 地学前缘,21(3): 265-306.

陈丹青,谢志宜,张雅静,等,2016. 基于PCA/APCS和地统计学的广州市土壤重金属来源解析[J]. 生态环境学报,25(6): 1014-1022.

付华,吴雁华,魏立华,2006. 北京南部地区农业土壤重金属分布特征与评价[J]. 农业环境科学学报,25(1): 182-185.

郭萌,张金玲,孙小华,2015. 北京市地质环境监测体系研究[J]. 城市地质,10(Z1): 24-28+149.

胡冠九,陈素兰,王光,2018. 中国土壤环境监测方法现状、问题及建议[J]. 中国环境监测,34(2): 10-19.

纪芸,孙武, 李国,等,2009. 1907—1968年广州建成区土地利用/覆被变化时空特征分析[J]. 华南师范大学学报(自然科学版)(1): 121-126.

姜菲菲,孙丹峰,李红,等,2011. 北京市农业土壤重金属污染环境风险等级评价[J]. 农业工程学报,27(8): 330-337.

李忠良,2005. 中外土壤环境监测现状及对策建议[J]. 中国国土资源经济(3): 19-22+46+47.

陆泗进,王业耀,何立环,2014. 中国土壤环境调查、评价与监测[J]. 中国环境监测,30(6): 19-26.

孙春媛,赵文吉,郑晓霞,等,2016. 北京城区土壤重金属空间分布及与降尘的关联性分析[J]. 中国科技论文,11(9): 1035-1040.

王彬武,李红,蒋红群,等,2014. 北京市耕地土壤重金属时空变化特征初步研究[J]. 农业环境科学学报,33(7): 1335-1344.

吴琼,赵同科,邹国元,等,2016. 北京东南郊农田土壤重金属含量与环境质量评价[J]. 中国土壤与肥料(1): 7-12.

谢志宜,肖娟,郭庆荣,等,2017. 基于三明治抽样的市域耕地土壤重金属监测点位优化布设方法[J]. 生态环境学报,26(8): 1426-1434.

夏新,姜晓旭,2018. 中国土壤环境监测方法体系现状分析与对策[J]. 世界环境(3): 33-35.

姚宇平,叶晓新,潘伟,2018. 天地一体化系统在土壤环境监测中的应用[J]. 环境科学导刊,37(3): 91-94.

庄腾飞,柳云龙,章立佳,等,2012. 上海城郊土壤重金属含量的空间变异与分布特征:以上海市闵行区为例[J]. 长江流域资源与环境,21(Z1): 99-104.

张琼,石琳,2014. 基于3S技术的土壤环境监测信息系统的设计[J]. 测绘与空间地理信息,37(1): 100-102+105.

郑桂森,卫万顺,刘宗明,等,2020. 城市地质资源环境承载力要素监测体系建设实践:以北京市为例 [J].城市地质,15(2): 117-124.

周墨,李娟,唐庆,等,2013. 成土母质对土壤元素地球化学特征的控制作用[C] //中国矿物岩石地球化学学会第14届学术年会:486.

周志彬,王志杰,熊向陨,2020. 土壤环境监测基础点位布设方法分析[J].环境与发展,32(4): 154-155.

猜你喜欢
监测点环境监测监测
气囊测压表在腹内压监测中的应用
土壤环境监测方法探讨
滑县2020年耕地质量监测主要做法与成效
基于 WSN 的隧道健康监测研究
分析3S技术在生态环境监测中的应用
高层建筑沉降监测数据处理中多元回归分析方法的应用研究
高层建筑沉降监测数据处理中多元回归分析方法的应用研究
长三角典型农业区耕地土壤重金属污染与潜在生态风险评价
严惩环境监测数据造假 谁签字谁负责
济南市细颗粒物(PM2.5)的时空分布特征分析研究