区域土壤Cr含量空间分布影响因子及尺度效应研究

李秀霞，吴 腾

(1.南京信息职业技术学院，江苏 南京 210023；2.河海大学港口海岸与近海工程学院，江苏 南京 210098)

环境中的铬元素(Cr)与人体健康和动植物生长关系密切，一方面，Cr是生物体所必需的微量元素之一[1]，另一方面，超量Cr元素具有明显“三致”(致突变、致癌、致畸)作用，因此Cr是工业污染的重要指标之一[2]。而土壤是一个包含固、液、气三相的开放的生物地球化学系统，因此土壤中的Cr与环境中的Cr有着密切联系。土壤中Cr含量与自然条件和人类活动有着密切联系。一方面，土壤本身就含有一定量重金属元素，关于土壤重金属元素的自然背景值已有相关调查结果[3]；另一方面，人类活动如工业生产排放会导致土壤重金属含量增加。有研究[4]发现城市区域土壤表层重金属污染的空间格局与人口密度特征、环境要素、交通条件、产业结构与布局以及土地利用等内外部约束因素的空间分异特征密切相关。由于土地利用是控制土壤重金属累积和空间分布的重要因子[5]，关于两者的关系国内外已有较多研究成果[6]。但由于空间变量分布特征的定量化表征存在困难，目前大部分研究对土地利用类型与土壤重金属含量的空间分布相关度为定性分析[7]，为此，笔者在前期研究中结合信息学和数理统计相关理论，建立了定量化研究手段，揭示了土地利用类型与土壤重金属污染之间的空间相关性[7]。

另外，土壤属性具有空间变异特性[8]，研究数据的尺度因子影响着土壤属性评估结果[9]。有研究表明，土壤特性空间变异是尺度的函数[10-11]，在不同尺度下，同一变量的自相关程度相差很大[12]，且随着采样间距加大，半方差函数的随机成分也在不断增加，更小尺度下的结构特征将被掩盖。目前土壤特性的空间尺度效应已广泛应用在土壤养分、水分、盐分和水土流失等方面研究[13-16]，但在土壤重金属污染研究中的应用还比较少[17]。研究土壤重金属影响因子的空间尺度效应，有利于明确各尺度上影响土壤重金属分布的关键因子。

笔者收集了南京江宁经济技术开发区土壤Cr含量、土地利用类型、土壤类型、数字高程模型(DEM)等数据资料，系统研究了整个开发区、牛首山流域和牛首山支流流域3级空间尺度条件下，土壤Cr含量与土地利用类型、土壤类型、高程和坡度之间的空间相关度，进而分析各影响因子的空间尺度效应。研究结果有助于确定各空间尺度上影响土壤Cr含量分布的关键因子，为区域重金属污染防治方案和治理决策提供参考。

1 研究区域概况

南京市江宁区位于长江下游南岸，介于北纬30°38′～32°13′、东经118°31′～119°04′之间，总面积为1 572.96 km2。江宁经济技术开发区位于江宁区中部，为国家级开发区，面积为348.7 km2，区内有秦淮河(长江支流)由南向北贯穿而过。开发区内总城镇建设用地面积占区域总面积的26.13%，城镇建设用地中工业用地面积占34.7%，居住用地和公共设施用地面积占34.4%，其余用地主要为道路广场用地和城市绿地；非建设用地类型主要为农田和山体林地，仅有极少量未利用地，说明该区域广泛受到人类活动影响。随着开发区工业化和农业集约化发展加快，区内土壤污染因素增多，土壤环境质量受到威胁，其中，Cr为该区域典型的土壤重金属污染物之一。据研究[7]，该区域土壤Cr含量平均值为81.4 mg·kg-1，明显超过该区域土壤Cr背景含量(59 mg·kg-1)，其中，土壤Cr含量较高的区域集中在东部和西部的农田用地，其次为北部和南部的工业用地以及北部的城镇居住用地，山体林地等区域土壤Cr含量相对较低，说明区域土壤Cr含量分布受农业用地、工业用地和城镇居住用地的影响较大。

牛首山河是秦淮河的一级支流，流向自西南向东北，总长约8 km，在石家垾村汇入秦淮河，流域面积约36.28 km2。牛首山河支流自佛城西路由西向东，后自河海大学南门处向南，在江南青年城小区东北侧汇入牛首山河，总长约1.4 km，流域面积约5.20 km2。研究区3级空间尺度的空间关系见图1。

图1 研究区域3级空间尺度关系

2 材料与方法

2.1 数据来源及处理

2.1.1数据来源

收集了江宁经济技术开发区土地利用现状资料，包括2013—2019年土壤Cr含量监测数据、区域土壤类型数据和DEM数据。其中，土地利用现状资料来自规划部门提供的土地利用现状图(2013年)，涉及开发区范围16种土地利用类型，根据现场勘查及2013年卫星图片，该图基本能反映该区域当时的土地利用空间分异情况。土壤监测数据主要来自《江宁经济技术开发区总体发展规划(2012—2030)环境影响报告书》和部分建设项目环境影响评价报告，共收集52个监测点位(图1)数据，点位较均匀地分布在开发区及其周边[7]。土壤类型数据来自1995年南京市土壤类型分布数据(https:∥www.databox.store/)，该数据采用传统的土壤发生分类系统，共分为12个土纲61个土类227个亚类，栅格为500 m×500 m。DEM数据来自美国地质勘探局网站(http:∥glovis.usgs.gov/)，栅格为30 m×30 m。

2.1.2数据处理

空间插值：采用ArcGIS 10.3软件平台空间分析模块进行反距离加权插值，获取开发区土壤Cr含量分布图层，栅格为30 m×30 m。区域土壤Cr含量分布见图2。

数据裁切：采用ArcGIS 10.3软件平台数据处理功能，对南京市土壤类型图和区域DEM图进行裁切，得到江宁经济开发区土壤类型图和DEM图。

数据提取：采用ArcGIS 10.3软件平台表面分析工具，基于DEM数据获取坡度图层。区域DEM、坡度和土壤类型见图3～5。

图2 土壤Cr含量空间分布Fig.2 Spatial distribution of Cr content in soil

图3 区域DEMFig.3 DEM of the study area

数据转换：采用ArcGIS 10.3软件平台将上述步骤获取的Cr含量、土地利用、土壤类型、DEM和坡度5个栅格图层转换为矢量图层。矢量图层由大量边界相接、大小不一的图斑组成，数据处理过程中图层信息被存储在图斑图及其属性表中，所有因子都相同的一块区域对应着一个斑块，例如在土壤类型图中，同一个图斑所代表的小区域具有相同的土壤类型。

图4 区域坡度

图5 区域土壤类型Fig.5 Soil types of the study area

图层叠加：将以上5个矢量图层作为输入图层，采用ArcGIS 10.3软件进行空间叠加(intersect)，输入图层的图斑边界互相求交和切割，输出图层将根据切割的弧段重建拓扑关系，从而获得一张更为细碎的图斑矢量图。输出图层中某个图斑所代表的小区域具有相同的Cr含量、土地利用类型、土壤类型、DEM和坡度。开发区范围内，输出图层由495 781 个图斑组成，图斑平均面积为73.2 m2。再经牛首山河流域边界及牛首山河支流流域边界裁切，获得2个图斑图，图斑个数分别为63 608个和10 030个。小流域尺度图斑图示例见图6。

2.2 研究方法

2.2.1空间相关性的信息熵分析方法[7]

笔者在前期研究中通过引入信息熵概念，建立任意2个变量空间分布相关度的研究方法，可不受变量是否是定性或定量的限制。空间某一变量X的信息熵计算公式为

(1)

式(1)中，X为随机变量的整体；p(xi)为发生事件xi的概率；n为可能发生的事件(状态)总数；a一般取值为2。当两个信源X和Y为二维随机变量时，它们的联合分布概率为p(xi,yj)(i=1,2,…,n;j=1,2,…,m)，则X和Y的联合信息熵H(X，Y)计算公式[18]为

(2)

H(X，Y)/[H(X)+H(Y)]可反映变量X与Y之间的相关性，为了使用方便，用指标K来描述X和Y之间的相关度，其计算公式[19]为

(3)

K值范围为[0，1]，K越大，说明两者之间的相关程度越高[20]。当K=0时，表示X和Y不相关；当K>0时，表示X和Y具有相关性。采用指标K表征研究区域土地利用类型、土壤类型、高程、坡度等影响因素与土壤Cr含量之间的空间相关性。

图6 牛首山河支流流域图斑图

2.2.2影响因子空间尺度效应研究方法

基于对各级空间尺度上影响因子与土壤Cr含量的空间相关性，可通过比较分析某一环境因子在不同空间尺度与土壤Cr含量的空间相关性，获得其在不同空间尺度上对土壤Cr含量影响的变化规律；通过比较某一空间尺度上不同影响因子与土壤Cr含量的空间相关性，获得该尺度上影响土壤重金属污染的关键因子。假设有m级空间尺度，每级尺度上研究n个影响因子，尺度效应研究方法见图7。

Fi第i个影响因子。

3 结果与分析

3.1 计算结果

采用信息熵方法计算Cr含量与影响因子土地利用类型、土壤类型、高程、坡度的空间相关性系数K，其中，江宁经济技术开发区尺度上Cr含量与土地利用类型之间的空间相关度已在前期研究中确定，为0.13[7]。

根据信息熵算法，为了获得两个变量的联合分布熵，首先需要统计3级空间尺度上土壤Cr含量分布概率P(xi)、各影响因子的分布概率P(yi)以及它们之间的联合分布概率P(xi，yi)，此处仅给出牛首山河流域尺度土壤Cr含量与高程之间的联合分布概率矩阵作为示例(表1)。

按式(1)～(3)计算，得到3级尺度上各影响因子与土壤Cr含量间的空间相关度K，3级尺度上各因子K值见图8，某因子在不同尺度上的K值变化见图9。由计算结果可见，3级尺度上各因子与土壤Cr含量的空间相关度K值均大于0，说明各因子与Cr含量空间分布均存在一定相关性。

3.2 结果分析

由图8可知，研究区域3级空间尺度上影响因子与土壤Cr含量空间相关性排序依次为：在大尺度(江宁开发区)上，土地利用类型>土壤类型>高程>坡度；在中尺度(牛首山河流域)上，高程>坡度>土壤类型>土地利用类型；在小尺度(牛首山河支流流域)上，高程>土壤类型>坡度>土地利用类型。以上排序说明在不同空间尺度上，相同环境因子对土壤Cr含量的影响不是一成不变的，甚至会出现关键影响因子发生变化的情况。如土地利用类型在大尺度上是影响土壤Cr含量的关键因子，而在中、小尺度上则变成非关键因子。

表1 土壤Cr含量与高程之间的联合分布概率矩阵

图8 3级空间尺度上各影响因子的K值Fig.8 K value of the factors on three-level scale

图9 影响因子K值在不同空间尺度上的变化

由图9可知，在研究区域空间尺度由小到大的过程中，土地利用类型与土壤Cr含量的相关性呈现先减小后增大趋势。两者在大尺度上的空间相关性最大，小尺度次之，中尺度则最小。因此，在大尺度上，土地利用类型对土壤Cr含量空间分布的影响更大，可通过优化土地利用类型达到较好的土壤重金属污染防治效果。

在研究区域空间尺度由小到大的过程中，土壤类型与土壤Cr含量的空间相关性几乎呈直线下降趋势。究其原因，土壤类型在小尺度上统计为2种，平均每2.6 km2分布有1种土壤类型；中尺度上统计为3种，平均每12.1 km2分布有1种土壤类型；大尺度上统计为5种，平均每69.74 km2分布有1种土壤类型，即随着空间尺度增大，土壤类型空间分异性呈逐渐降低趋势，因此其与土壤Cr含量空间分异的相关性也随之降低。

在研究区域空间尺度由小到大的过程中，高程与土壤Cr含量的相关性呈先升高后下降趋势。两者在中尺度上相关性最高，小尺度次之，大尺度最低。通常将高程作为描述宏观地形的指标，但由于该指标本身具有很强的空间尺度效应，在不同地图比例尺上得到的高程范围不同，因此高程既能用于描述宏观地形，也能很好地反映微观地形，其在不同空间尺度上都应该加以考虑。已有研究[21]也表明，高程、坡度等地形因子对土壤重金属的空间分布影响不可忽视。

在研究区空间尺度由小到大的过程中，坡度与土壤Cr含量的相关性变化趋势与高程相似，亦呈先升高后下降趋势。坡度与高程一样具有空间尺度效应，因此在不同空间尺度上都应该加以考虑。

4 讨论

4.1 土壤Cr污染的影响因素

笔者选取研究区域土地利用类型、土壤类型、高程和坡度4个因子进行土壤Cr含量相关性分析，其中，土地利用类型可用于表征人类活动的影响，土壤类型、高程和坡度可用于表征天然因素的影响。笔者计算结果也表明土壤Cr含量与以上因子均存在相关性，且某个尺度上因子相关性的大小可为该区域土壤重金属污染评估工作提供支撑，比如可重点筛选影响较大的因子参与评估。

笔者选取的4个因子均为与当地人类活动和天然条件密切相关的下垫面影响因子，未考虑大气降尘等来自大气环境的污染影响。同一区域大气降尘和表层土壤中重金属的污染特征能够反映重金属污染物在大气-土壤系统中的迁移、传输和扩散规律[22]，但考虑到大气降尘具有一定随机性，而降尘中的重金属在土壤中的累积过程相对漫长，只有长时间序列的监测数据才具有代表性，但相关数据获取也较困难。在数据具备的条件下，下一步研究将进一步考虑大气降尘、降水等来自大气环境的影响，并将其与下垫面因素做比较分析。

4.2 土壤重金属污染影响因素的尺度效应

在研究区域空间尺度由小到大的过程中，各因子与土壤Cr含量的空间相关性也发生变化，说明对尺度效应的研究是有必要的，也是有实际意义的。就研究区而言，在较大尺度上，土地利用类型是关键因子，土壤重金属累积与土地利用类型关系密切，这与现有研究结果[23]呈现的规律相符；在中尺度上，地形因子坡度和高程的影响凸显，该现象也在其他区域出现，刘波[24]研究认为地形因子影响多数土壤重金属的空间分布，张敏等[25]研究表明黄土丘陵沟壑区地形因子对各重金属分布的影响大于种植方式；在小尺度上，高程和土壤类型影响较大。需要指出的是，笔者分析结果是在一定的样本空间范围上得到的，地理特征的空间异质性具有一定随机性，在某一尺度上得出的结论不能无差别地适用于另一尺度的研究中[26]，因此对其他区域或空间尺度的适用性还有待考证。但在区域土壤重金属评估研究中，针对某一区域而言，只有首先筛选出适于该尺度的关键影响因子，并了解各因子在该尺度上的影响权重，其评估结果才是可靠的。

4.3 空间尺度划分的合理性

尺度是人类主观建立的用于观察、测量、分析、模拟和调控各种自然过程的空间或时间单位[27]。因此，尺度的划分具有一定主观性，理论上可以对其进行无限分割，但实际操作时人们往往仅选取几个有明显差异的尺度进行研究。笔者人为地将江宁经济技术开发区划分为3级空间尺度，分别代表>100～1 000 km2尺度(区域尺度)、>10～100 km2尺度(小流域尺度)和0～10 km2尺度(地块尺度)。一方面，空间尺度划分在面积上有明显量级跳跃，体现了空间尺度的变化；另一方面，不同尺度上各因子对土壤重金属含量分布的影响呈现不同规律，说明笔者对空间尺度的划分具有实际意义。

5 结论

(1)通过信息熵方法研究各级空间尺度上各因子与区域土壤Cr含量的空间相关性，结果表明：在大尺度(江宁开发区)上，土地利用类型>土壤类型>高程>坡度；在中尺度(牛首山河流域)上，高程>坡度>土壤类型>土地利用类型；在小尺度(牛首山河支流流域)上，高程>土壤类型>坡度>土地利用类型。以上规律可为开展区域土壤重金属评估提供有力支撑。

(2)在研究区域空间尺度由小到大的过程中，在大尺度上，土地利用类型对土壤Cr含量空间分布的影响更大；影响因子的空间分异性降低会导致其与土壤Cr含量的空间相关性降低；高程、坡度指标自身具有尺度效应，在不同空间尺度上都应该加以考虑。

(3)该研究对影响因子与土壤Cr含量的空间相关性分析结果是在一定的样本空间范围上得到的，对其他区域的适用性还有待考证。但该研究方法可为其他区域开展类似研究提供有价值的参考。