基于GIS的白银区耕地耕层土壤重金属空间分异及污染评价

干旱区地理 ›› 2014, Vol. 37 ›› Issue (4): 750-758.

基于GIS的白银区耕地耕层土壤重金属空间分异及污染评价

孙成胜^1，2，蔡小冬^1，2，张仁陟^1，2，3，蔡立群^1，2，3

1 甘肃农业大学甘肃省干旱生境作物学重点实验室，甘肃兰州 730070； 2 甘肃农业大学资源与环境学院，甘肃兰州 730070； 3 甘肃省节水农业工程技术研究中心，甘肃兰州 730070

收稿日期:2013-07-06 修回日期:2013-09-17 出版日期:2014-07-25
通讯作者: 蔡立群（1976-），男，博士，副教授，主要从事恢复生态学方面的研究. Email：cailq@gsau.edu.cn
作者简介:孙成胜（1988-），男，硕士，主要从事恢复生态学方面的研究. Email：137911041@qq.com
基金资助:
甘肃农业大学青年导师基金项目(GAU-QNDS-201301)

GIS-based spatial variability and pollution evaluation studies of heavy metal in arable layer of Baiyin District

SUN Cheng-sheng^1，2，CAI Xiao-dong^1，2，ZHANG Ren-zhi^1，2，3，CAI Li-qun^1，2，3

1 College of Resources and Environmental Science, Gansu Agricultural University, Lanzhou 730070, Gansu, China;2 Gansu Engineering Research Center for Agriculture Water-saving, Gansu Agricultural University, Lanzhou 730070, Gansu, China; 3 Gansu Key Laboratory of Aridland Crop Science, Gansu Agricultural University, Lanzhou 730070, Gansu, China

Received:2013-07-06 Revised:2013-09-17 Online:2014-07-25

摘要/Abstract

摘要： 为评估白银区耕地耕层土壤（0～20 cm）的重金属污染，应用X射线荧光光谱仪（XRF-7000）对1 070个土壤样品中Cu、Zn 、Ni、Pb、As、Cr、V、Co 8种重金属含量进行了测定，参照最新土壤环境质量标准（GB15618-2008），使用单因子和内梅罗法并结合GIS手段分析耕层土壤重金属空间分布及污染程度等。结果表明：8种重金属平均污染程度由大到小为As、V、Pb、Zn、Cu、Co、Ni、Cr，平均变异程度顺序为Pb、Cu、Zn、Co、As、Cr、V、Ni，空间相关性大小顺序为Zn、Cu、As、Pb、Ni、Cr、V、Co；Cu、Pb的最佳拟合模型为Pentaspherical模型，Zn、V为Gaussion模型，Ni、As为Exponential模型，Cr、Co为Circular模型；8种重金属中Cu、Zn、Pb、As表现出不同程度的污染，评价结果显示安全级、警戒级、轻污染、中污染和重污染分别占全区耕地面积的69.56%、23.88%、2.95%、2.55%和1.06%，受污染面积达到763.4 hm²。

关键词: GIS, 白银区, 耕层土壤, 重金属, 空间分异, 污染评价

Abstract: Baiyin District of Baiyin City，Gansu Province，China relies on agriculture and stockbreeding enterprises to develop featured agriculture. The action can promote agricultural development which makes farmers’ incomes growing. However，in fact，Baiyin District is located in a resource-based city. Industrial and mineral industries include mining，metal smelting and electroplating are relatively developed. Cultivated land has been polluted to a certain extent which affects the health of citizens. So，it is necessary to understand the status quo of the cultivated land pollution. At present，the heavy metal pollution research is mainly focused on the mechanism，prevention and cure，repair，pollution status quo and risk assessment，etc. Most studies use less data to do risk assessment that can not comprehensively analyze the situation of heavy metal pollutions. Therefore，the paper gathered 1 070 sampling points on arable layer soil and detect 8 kinds of heavy metals of it to enrich the data. Then，via GIS，the paper evaluated the pollution present situation of Baiyin District，providing a basis for heavy metal pollution control and agriculture distribution. Heavy metal contents of Cu，Zn，Ni，Pb，As，Cr，V，Co were measured with handheld X-ray fluorescence spectrometry （X-MET7000）. And the spatial distribution data of heavy metals were obtained with Geostatistical analyst of ArcGIS9.3 and SPSS18.0. Meanwhile，combining with the newest soil environment quality standard （GB15618- 2008） and using single factor and Nemerow index method, comprehensive pollution index method，the analysis was carried out on soil heavy metal spatial distribution and pollution levels of cultivated land arable layer. Conclusions include the following three aspects：descriptive statistics，spatial variation characters and spatial distribution. Descriptive statistics shows that the average pollution degrees of the 8 heavy metals are ranked from big to small order as follows：As，V，Pb，Zn，Cu，Co，Ni，Cr，while the variation degrees of this 8 heavy metals as follows：Pb，Cu，Zn，Co，As，Cr，V，Ni. Spatial variation characteristics of soil shows that the optimal fitting model for Cu，Pb is Pentaspherical Model；for Zn，V is Gaussion Model；for Ni，As is Exponential Model；for Cr，Co is Circular Model. And the spatial correlation from big to small order is Zn，Cu，As，Pb，Ni，Cr，V，Co. Spatial distribution maps of soil heavy metal content show that Cu，Zn，Pb and As have obvious zonality distributions and distribute like islands，while Ni，Cr，V and Co have interlaced distributions. Finally，through the analysis of the pollution status and pollution evaluation，the paper found that Baiyin District was contaminated by Cu，Zn，Pb and As. Contaminated farmland accounts for 6.56% of the total area，covers an area of 763.4 hm²，the alert level farmland may be polluted by daily human activities and contaminated farmland may be caused by heavy metal mining and sewage irrigation．

Key words: GIS, Baiyin District, arable layer soil, heavy metals, spatial variability, pollution evaluation

中图分类号:

X131.3

孙成胜，蔡小冬，张仁陟，蔡立群. 基于GIS的白银区耕地耕层土壤重金属空间分异及污染评价[J]. 干旱区地理, 2014, 37(4): 750-758.

SUN Cheng-sheng，CAI Xiao-dong，ZHANG Ren-zhi，CAI Li-qun. GIS-based spatial variability and pollution evaluation studies of heavy metal in arable layer of Baiyin District[J]. , 2014, 37(4): 750-758.

参考文献

［1］王国利，刘长仲，卢子扬，等. 白银市污水灌溉对农田土壤质量的影响［J］. 甘肃农业大学学报，2006，41（1）：79-82.

［2］赵保卫，王刚. 白银市郊区农田土壤重金属污染初步调查与评价［J］. 环境科学与技术，2010，33（11）：79-81.

［3］张杰，谢英荷，李廷，等. 重金属元素铅对茄果类蔬菜生长状况及品质的影响［J］. 山西农业科学2010，38（4）：18-20，27.

［4］杨新华，孙九胜，王新勇，等. 生活垃圾堆肥对土壤重金属含量及玉米产量、品质的影响［J］. 新疆农业科学，2012，49（11）：2096-2101.

［5］齐鹏，张仁陟，张伯尧，等. 兰州市土壤-蔬菜系统典型重金属空间评价及健康风险分析［J］. 干旱区地理，2012，35（1）：162- 169.

［6］戴礼洪，刘潇威，王迪，等. 偏振能量色散X射线荧光光谱法在土壤环境监测中的应用［J］. 光谱实验室，2011，28（2）：836- 841.

［7］王平，王焕顺，李玉璞. 偏振能量色散X射线荧光光谱法测定土壤中金属元素［J］. 环境监测管理与技术，2012，20（3）：41-43.

［8］范拴喜，甘卓亭，李美娟，等. 土壤重金属污染评价方法进展［J］. 中国农学通报，2010，26（17）：310-315.

［9］翁添富，汪珊，张侃，等. 孝感市孝南区土壤重金属污染的初步研究［J］. 农业环境科学学报，2007，26（增刊）：39-42.

［10］柳云龙，章立佳，韩晓非，等. 上海城市样带土壤重金属空间变异特征及污染评价［J］. 环境科学，2012，33（2）：599-605.

［11］ CAMBARDELLA C A，MOORMAN T B，NOVAK J M. Field-sc- ale variability of soil properties in central Iowa soils［J］. Soil Science Society of America Journal，1994，58：1501-1511.

［12］李东升，施昆，毕廷涛，等. 基于GIS的云南省会泽县者海镇土壤中重金属插值方法［J］. 科学技术与工程，2011，11（10）：2282-2285.

［13］马静，张仁陟，陈利. 耕地地力评价中土壤养分的空间插值方法比较研究-以会宁县土壤速效钾为例［J］. 安徽农学通报，2011，17（17）：91-93.

［14］冯锦霞. 基于GIS与地统计学的土壤重金属元素空间变异分析［D］. 长沙：中南大学，2007.

［15］刘玉燕，刘敏，刘浩峰. 乌鲁木齐城市土壤中重金属含量与影响机制探讨［J］. 干旱区地理，2007，30（4）：552-556.

[1]	张文斌, 张志斌. 基于扩展生态位理论的居住空间分异研究——以兰州市为例[J]. 干旱区地理, 2023, 46(8): 1376-1386.
[2]	孔德明, 郝丽莎, 夏四友, 李红波. 粮食单产视角下中国北方农牧交错带粮食安全研究[J]. 干旱区地理, 2023, 46(5): 782-792.
[3]	潘雪, 关宇淇, 潘占东, 刘杰, 蔡立群, 董博, 杜健. 干旱区耕地质量等级时空变化及其评价——以西宁市为例[J]. 干旱区地理, 2023, 46(5): 793-803.
[4]	董建红, 张志斌, 刘奔腾, 张新红. “三生”空间视角下西北地区生态环境质量分异机制的地理探测[J]. 干旱区地理, 2023, 46(4): 515-526.
[5]	田小波,胡静,贾垚焱,朱磊. 高质量发展阶段旅游业发展水平空间分异成因探测——基于因素分解的黄河流域实证[J]. 干旱区地理, 2023, 46(3): 460-470.
[6]	徐晓亮, 黄丹, 刘旭义, 关靖云. 中国省域旅游效率时空演变特征及影响因素研究[J]. 干旱区地理, 2023, 46(12): 2052-2060.
[7]	蒋磊, 刘小龙, 郭帅, 何亮, 邢建磊, 郭俊杰. 基于Logistic回归分析的土壤盐渍化易发性评价——以新疆南疆塔里木灌区为例[J]. 干旱区地理, 2023, 46(11): 1858-1867.
[8]	梁樑, 郭晓淞, 陈汉杰, 徐皓帆, 周衍波, 谢邵文, 杨芬, 韦朝阳. 乌鲁木齐市核心城区绿地土壤重金属累积特征及生态风险[J]. 干旱区地理, 2023, 46(11): 1868-1878.
[9]	谢聪慧,吴世新,林娟,庄庆威,张子慧,侯冠宇,罗格平. 基于PSO-PNN模型的喀什噶尔绿洲耕地盐渍化分析[J]. 干旱区地理, 2022, 45(5): 1547-1558.
[10]	赵学伟,张志斌,冯斌,公维民,马晓敏,郭燕. 西北内陆中心城市物流企业空间分异及区位选择——以兰州市为例[J]. 干旱区地理, 2022, 45(5): 1671-1683.
[11]	奥勇,蒋嶺峰,白召弟,杨潇,张乐艺. 基于格网GIS的黄河流域土地生态质量综合评价[J]. 干旱区地理, 2022, 45(1): 164-175.
[12]	雷田旺,张翀,王娜,周旗,雷杨娜. 陕西省五级流域降水致洪特征分析[J]. 干旱区地理, 2021, 44(6): 1559-1569.
[13]	卢卓瑜,崔建新,张晓虹,李鹏. 清至民国毛乌素沙地佟哈拉克泊复原及演变研究[J]. 干旱区地理, 2021, 44(4): 1083-1092.
[14]	高玉祥,董晓峰,梁颖. 基于GIS的宁夏路网空间特征研究[J]. 干旱区地理, 2021, 44(1): 268-276.
[15]	李路,孙桂丽,陆海燕,卢航,史浩伯. 喀什地区生态脆弱性时空变化及驱动力分析[J]. 干旱区地理, 2021, 44(1): 277-288.