基于GIS和统计学的土壤监测指标时空变化分析
An analysis of the temporal and spatial changes in soil monitoring indices based on GIS and statistics
通讯作者: 文宇博(1987-),男,博士,现从事环境地球化学研究工作。Email:wenyubo@ntu.edu.cn
责任编辑: 蒋实
收稿日期: 2021-12-17 修回日期: 2022-04-25
基金资助: |
|
Received: 2021-12-17 Revised: 2022-04-25
作者简介 About authors
汪媛媛(1984-),女,高级工程师,现从事地球化学调查和监测工作。Email:
土壤监测对于查清土壤生态质量家底,积极开展土壤污染生态修复与防治,实现可持续土地资源监测与利用有重要指导价值。为了研究江苏省宜兴市土壤监测指标的时空变化,根据宜兴市2004年多目标地球化学调查的426个土壤样本以及2015年1∶5万土地质量地球化学调查的4 458个土壤样本的数据,利用地理信息系统(GIS)和统计学方法研究了该区重要土壤环境参数的变化,通过箱线图和t检验对参数或元素浓度变化进行了检测,利用基于半变异函数的块金值(C0)进行了误差分析,并评估分析了不同的空间变量。结果表明,宜兴市土壤中有机质(OM)、氮、磷、硼等营养元素(指标)在11年间呈增长趋势,土壤pH值呈现明显下降趋势,土壤中镉、铜、铅、锌等重金属元素和硒含量呈上升趋势,砷含量没有明显变化。
关键词:
Soil monitoring is of significance for guiding the determination of the ecological quality of soil, the active ecological restoration and prevention of soil pollution, and the sustainable monitoring and utilization of land resources. To investigate the temporal and spatial changes in the soil monitoring indices in Yixing City, Jiangsu Province, this study collected the geochemical data on 426 soil samples taken during the multi-purpose geochemical survey of Yixing City in 2004 and 4 458 soil samples taken during the 1∶50 000 land quality geochemical survey in 2015. Based on these data, this study analyzed the changes in important soil environmental parameters of the study area using the geographic information system (GIS) and statistics. Moreover, it determined the changes in the parameters or element concentrations using box-whisker plots and t-tests, conducted an error analysis using the nugget value (C0) based on the semivariance function, and evaluated and analyzed different spatial variables. The results are as follows. From 2004 to 2015, the organic matter (OM) and nutrient elements such as nitrogen, phosphorus, and boron showed an upward trend; the pH of soil showed a significant downward trend; the contents of selenium and heavy metals such as cadmium, copper, lead, and zinc showed an upward trend, and the arsenic content did not change significantly.
Keywords:
本文引用格式
汪媛媛, 华明, 金洋, 崔晓丹, 许伟伟, 李文博, 刘玮晶, 汪子意, 文宇博.
WANG Yuan-Yuan, HUA Ming, JIN Yang, CUI Xiao-Dan, XU Wei-Wei, LI Wen-Bo, LIU Wei-Jing, WANG Zi-Yi, WEN Yu-Bo.
0 引言
随着我国工业化、城镇化和农业集约化的快速推进,资源与环境的支撑和保障作用日益凸显。土壤与环境质量直接关系到粮食安全和人体健康,是保障我国社会经济快速持续发展、全面实现小康社会的基础。江苏省作为长江三角洲经济快速发展区的重要组成部分,随着近年我国经济社会的快速发展,其土壤的污染规模及其程度也在不断加剧,苏南地区的土壤污染问题也日益成为当地环境的重大威胁[1]。
土壤环境监测能有效监督土壤环境的状态,对治理土壤环境问题起到关键作用,可作为评价环境质量好坏的依据。土壤pH、有机质(OM)、氮、磷、重金属、硒等元素(指标)是关系到土壤功能和环境质量的重要参数,这些参数的状态通常通过抽样、化学分析和使用预定义标准或法规参考值的统计程序来评估[2]。重要的土壤参数如何变化越来越受到研究者的关注。重复访问(repeated visiting)被认为是监测变化最有效的方法。这意味着要收集土壤样本并反复分析,以便与前一次访问的数据进行比较[3]。如何在采样和分析误差的干扰下检测时空数据的变化量,是重复访问的重要问题之一。地理信息系统(GIS)与统计学的方法提供了多种手段来解决这个问题。特别是基于GIS的空间分析,考虑了数据的空间相关性,弥补了传统统计方法在处理区域化变量时的不足[4-5]。
2014年4月17日国家环保部和自然资源部发布的《全国土壤污染状况调查公报》指出,全国土壤污染物总超标率达16.1%,江苏省所在的长江三角洲是我国土壤污染问题突出的区域。江苏省已经将“构建全省国土生态地质环境监测网,积极开展土壤污染生态修复与防治”列为全省推进生态文明建设的重点工作[13]。鉴于此,亟需建立江苏省土壤监测参数时空变化的分析方法,掌握不同时间尺度的两期土壤数据的变化趋势,为分区管理规划提供科学的依据。
本研究基于2004年获得的426组多目标地球化学调查土壤数据和2015年进行的土地质量地球化学调查获得的4 458组高空间分辨率土壤数据,利用地统计学和地理信息系统(GIS)来研究10多年来江苏省宜兴市重要的土壤参数的变化情况,并利用概率分布判别和t检验等方法对结果进行验证。
1 材料和方法
1.1 研究区概况
宜兴市地处长江三角洲太湖西岸(31°07'N~31°37'N、119°31'E~120°03'E),辖5个街道、13个镇,总面积1 996.6 km2(其中太湖水面242.29 km2)(图1)。该市全年温暖湿润,地势南高北低,南部为丘陵山区,北部为平原区,东部为太湖渎区,西部为低洼圩区。主要土壤类型以水稻土、黄棕壤、红壤、石灰土为主。宜兴是中国综合实力最强的县级市之一,连续多年被评为福布斯中国大陆最佳县级市。在经济、文化、商贸、会展、服务业和城市建设等领域成就显著,一直处于中国县级市的前列。随着近年来城市化建设与经济建设高速发展,其承担的人口、资源与环境的压力逐渐显现,有研究表明宜兴市土壤重金属污染点位超标率为10.27%,土壤重金属污染总体呈现“轻微”生态风险[14]。
图1
1.2 数据来源
基础土壤数据来自于2004年在该地区开展的1∶25万多目标区域地球化学调查项目,该调查采用双层网格化土壤测量方法获取土壤样品,其中表层(0~20 cm)土壤采样密度为1件/km2,将每4 km2内所采集的样品均匀混合形成1件分析样,研究区共获得426组农用地土壤分析数据(图1),每一组数据共有54个土壤参数,包括土壤pH、有机质含量和52个元素含量。
对比研究数据来自于2015年开展的1∶5万土地质量地球化学调查项目,样本采集按照《土地质量地球化学评价规范》(DZ/T 0295—2016)的要求进行,采用网格叠加土地利用图斑原则共采集4 458个农用地表层土壤样品(见图1)。每个样品由在相应网格内所采集的5个子样品混合而成,采样深度0~20 cm。每个样品分析25个土壤参数,包括土壤pH、有机质含量和23个元素含量。
1.3 数据统计方法
1.3.1 空间数据集和空间连接
宜兴市多目标区域地球化学调查开展于2004年前后,距1∶5万土地质量地球化学调查已有10多年时间。为了考察土壤化学元素在这11年间的变化情况,将这两期数据进行对比。首先将2015年1∶5万土壤调查点连接2004年多目标区域地球化学调查网格,然后将一个网格内多个土壤调查点元素或者指标含量求取平均值,将这平均值与2004年多目标地球化学数据进行对比。
1.3.2 描述性统计
用SPSS软件计算得出两期数据各土壤参数的描述性统计量,包括平均值、中位数和百分位数,利用箱形图来比较不同组参数之间关键统计值的变化特征。
1.3.3 概率分布判别
传统统计学和地统计学中的很多方法都假设数据呈正态分布,因此需要首先进行元素分布形式的判别。一般常量指标和元素服从正态分布,微量元素多服从对数正态分布[15]。在本研究中,通过概率分布图和偏度峰度来判别指标数据是否符合正态分布,通过SPSS中的 Kolmogorov-Smirnov检验(K-S)来进行验证。然而,并不是所有的参数都严格遵循正态或对数正态分布,有时候会发现有些指标呈双峰或多峰分布,这说明数据来源于两个以上的总体,可以将这些数据分组,分别进行分布形式的判别。
1.3.4 采样t检验进行变化检测
从统计学角度,如果不考虑采样点的空间位置,而把研究区看作一个整体进行监测,其本质就是考察2004年和2015年两个总体的均值有无显著性差异。这是典型的配对样本的t检验问题。t检验假设两个样品都来自正态总体。因此,检验前要对使用数据进行K-S检验,确认它们能够通过正态分布检验。否则,使用异常值剔除、对数变换或Cox-Box变换等方法,将数据转化成正态分布,再进行t检验分析。
1.4 差异分析
使用半变异函数法估计误差值(E)。半变异函数γ(h)是数据集中相距h的两点间差值的方差的一半,即[16]:
式中:h为步长,即在一定方向上,距离为h的矢量;Z(xi+h)和Z(xi)分别为xi+h和xi处某变量的测定值;N(h)是以h为间距的所有观测点的成对数目。在通常情况下,半变异函数值都随着样点间距的增加而增大,从而构成实验半变异函数散点,使用球状模型或指数模型对实验半变异函数拟合,得到理论半变异函数曲线。当h=0时,理论半变异函数值即为块金值C0,利用以下公式即可估计E值[12]:
元素(指标)的变化状况ΔM使用2015年和2004年两次采样相同或邻近点位元素差值表示:
式中:
2 结果与讨论
2.1 统计特征变化对比
根据研究区内2004年和2015年两期地球化学调查数据,将各理化指标和元素进行统计分析,得到两期数据各监测指标的统计特征(表1)。
表1 2004~2015年土壤监测指标统计特征对比
Table 1
元素指标 | 多目标区域地球化学调查(2004年) | 1∶5万土壤地球化学调查(2015年) | ||||||||
---|---|---|---|---|---|---|---|---|---|---|
最小值 | 1/4分位 | 中值 | 3/4分位 | 最大值 | 最小值 | 1/4分位 | 中值 | 3/4分位 | 最大值 | |
As | 4.36 | 7.38 | 8.42 | 9.74 | 23.70 | 5.81 | 8.28 | 9.34 | 10.48 | 87.80 |
Cd | 0.07 | 0.14 | 0.17 | 0.21 | 5.37 | 0.08 | 0.16 | 0.20 | 0.25 | 1.05 |
Cr | 36.7 | 68.1 | 74.8 | 80.0 | 118.0 | 27.2 | 68.5 | 74.6 | 80.6 | 176.0 |
Cu | 11.90 | 21.08 | 25.10 | 27.93 | 89.40 | 13.70 | 23.68 | 28.16 | 31.89 | 99.80 |
Hg | 0.033 | 0.088 | 0.120 | 0.150 | 1.190 | 0.040 | 0.094 | 0.123 | 0.154 | 0.645 |
Ni | 11.50 | 22.10 | 26.25 | 31.05 | 46.60 | 7.33 | 22.55 | 26.44 | 29.93 | 58.60 |
Pb | 16.30 | 28.90 | 31.60 | 34.80 | 437.00 | 25.10 | 35.04 | 37.57 | 40.68 | 133.49 |
Zn | 34.0 | 57.7 | 66.3 | 75.3 | 234.0 | 48.0 | 66.3 | 74.4 | 83.7 | 238.0 |
pH | 4.47 | 5.85 | 6.51 | 6.93 | 8.10 | 4.06 | 5.51 | 6.03 | 6.42 | 8.04 |
OM | 5.34 | 21.21 | 26.03 | 29.70 | 91.54 | 7.75 | 26.47 | 33.79 | 41.43 | 87.00 |
N | 0.47 | 1.29 | 1.54 | 1.75 | 2.88 | 0.48 | 1.51 | 1.89 | 2.26 | 4.04 |
P | 0.25 | 0.55 | 0.65 | 0.76 | 2.01 | 0.29 | 0.62 | 0.73 | 0.83 | 1.93 |
K | 10.13 | 12.87 | 13.95 | 14.94 | 22.42 | 9.20 | 12.75 | 13.83 | 14.79 | 28.90 |
B | 30.00 | 61.80 | 69.00 | 75.00 | 92.00 | 39.15 | 72.23 | 77.25 | 81.94 | 110.00 |
Mo | 0.30 | 0.49 | 0.57 | 0.70 | 7.16 | 0.40 | 0.59 | 0.66 | 0.76 | 3.88 |
Se | 0.14 | 0.30 | 0.34 | 0.48 | 6.18 | 0.15 | 0.33 | 0.38 | 0.51 | 5.14 |
注:OM、N、P、K含量单位为10-3,pH无量纲,其他均为10-6。
为了更直观地显示两期数据的差异,使用10分位数、4分位数、中值和平均值等统计信息制作了箱线图。图中上下影线分别表示1/10和9/10分位数,箱体上限和下限分别为1/4和3/4分位数,箱体内部短线表示中位数的位置,“✕”表示平均值的位置。图2为Cd等重金属元素含量对比,从图中可知,As、Cd、Cu、Pb、Zn等具有比较明显的升高迹象。Cr、Hg、Ni的变化趋势不太明显。图3为两期数据的典型土壤理化性质与养分元素,从图中可以看出土壤pH具有比较明显的下降趋势,说明宜兴市土壤酸化趋势非常明显。同时,有机质、氮、磷、硼、硒等营养元素上升趋势比较明显,说明宜兴市土壤肥力状况具有明显的提高。钾的变化趋势不明显。
图2
图2
典型重金属元素含量的两期数据箱线图对比
Fig.2
Boxplots of the typical heavy metal concentrations for two dates
图3
图3
pH等土壤理化性质两期数据箱线图对比
Fig.3
Boxplots of soil physico-chemical parameters for two dates
2.2 两期数据的假设检验
2.2.1 土壤理化性质和肥力养分元素
表2 土壤理化性质参数成对样本t检验
Table 2
指标 | 成对差值 | t | df | Sig. (双侧) | 0.005水平 下有无显 著性差异 | ||||
---|---|---|---|---|---|---|---|---|---|
均值 | 标准差 | 均值的 标准误差 | 差值的 95% 置信区间 | ||||||
下限 | 上限 | ||||||||
pH15-pH04 | -0.438 | 0.605 | 0.030 | -0.498 | -0.378 | -14.352 | 393 | 0 | 有 |
OM15-OM04 | 8.392 | 9.131 | 0.454 | 7.500 | 9.284 | 18.496 | 404 | 0 | 有 |
N15-N04 | 0.340 | 0.417 | 0.021 | 0.299 | 0.381 | 16.312 | 398 | 0 | 有 |
P15-P04 | 0.066 | 0.154 | 0.008 | 0.051 | 0.081 | 8.565 | 396 | 0 | 有 |
K15-K04 | -0.094 | 1.047 | 0.053 | -0.198 | 0.009 | -1.796 | 395 | 0.073 | 无 |
B15-B04 | 8.602 | 10.171 | 0.511 | 7.597 | 9.607 | 16.830 | 395 | 0 | 有 |
Mo15-Mo04 | 0.073 | 0.137 | 0.007 | 0.059 | 0.086 | 10.834 | 415 | 0 | 有 |
Se15-Se04 | 0.034 | 0.106 | 0.005 | 0.023 | 0.044 | 6.436 | 408 | 0 | 有 |
注:OM、N、P、K含量单位为10-3,pH无量纲,其他均为10-6。
由于异常值的存在可能会使检验结果失真,表中参与计算的数据为异常值剔除结果,因此,表中显示的自由度(df值)不全是425。
2.2.2 重金属等有害元素
表3 土壤As和重金属元素成对样本t检验
Table 3
元素 | 成对差值 | t | df | Sig. (双侧) | 0.005水平 下有无显 著差异 | ||||
---|---|---|---|---|---|---|---|---|---|
均值 | 标准差 | 均值的 标准误差 | 差值的95% 置信区间 | ||||||
下限 | 上限 | ||||||||
As15-As04 | 0.924 | 1.641 | 0.082 | 0.764 | 1.084 | 11.335 | 404 | 0 | 有 |
Cd15-Cd04 | 0.025 | 0.065 | 0.003 | 0.019 | 0.032 | 7.763 | 407 | 0 | 有 |
Cr15-Cr04 | -0.035 | 7.270 | 0.365 | -0.753 | 0.683 | -0.096 | 395 | 0.924 | 无 |
Cu15-Cu04 | 3.281 | 4.195 | 0.209 | 2.870 | 3.691 | 15.718 | 403 | 0 | 有 |
Hg15-Hg04 | -0.001 | 0.039 | 0.002 | -0.003 | 0.005 | 0.546 | 409 | 0.586 | 无 |
Ni15-Ni04 | -0.019 | 3.923 | 0.197 | -0.406 | 0.370 | -0.099 | 398 | 0.921 | 无 |
Pb15-Pb04 | 5.989 | 5.282 | 0.261 | 5.476 | 6.503 | 22.930 | 408 | 0 | 有 |
Zn15-Zn04 | 8.044 | 12.123 | 0.606 | 6.852 | 9.236 | 13.271 | 399 | 0 | 有 |
注:OM、N、P、K含量单位为10-3,pH无量纲,其他均为10-6。
2.3 元素变化的空间分布分析
2.3.1 pH、有机质和氮、磷等
由前节可知,研究区pH、OM、N和P等元素(指标)具有显著变化。使用SPSS中的概率分布对2004年获取的多目标区域地球化学调查数据进行分析得知,pH、OM、N和P、B属于正态分布,Mo属于对数正态分布,因此,对Mo数据进行了自然对数转换。用2004年获取的多目标区域地球化学调查数据计算了pH、OM、N和P、B指标的半变异函数,Mo使用对数转换后的数据计算其实验和理论半变异函数。由于多目标调查数据点密度为2 km×2 km,通过GS+7.0计算获取了它们的块金值(C0)和误差值(E),见表4。
表4 pH等指标误差值及对应半变异函数参数特征
Table 4
指标 | 量纲 | 分布类型 | 变换 | 理论半变异函数 | C0 | E |
---|---|---|---|---|---|---|
pH | 无 | 正态 | 无 | 0.084349×Nugget+0.56600×Spherical(9480) | 0.11500 | 0.48 |
OM | 10-3 | 正态 | 无 | 16.80000×Nugget+33.6100×Exponential(22950) | 16.8000 | 5.80 |
N | 10-3 | 正态 | 无 | 0.052000×Nugget+0.105000×Exponential(29940) | 0.05200 | 0.32 |
P | 10-3 | 正态 | 无 | 0.002270×Nugget+0.020340×Exponential(6480) | 0.00227 | 0.067 |
B | 10-6 | 正态 | 无 | 7.500000×Nugget+73.07000×Exponential(3450) | 7.50000 | 3.87 |
Mo | 10-6 | 对数正态 | 对数 | 0.035300×Nugget+0.089300×Gaussian(32614) | 0.03530 | 0.27 |
图4
图4
宜兴市2004~2015年土壤pH等指标含量变化
注:ΔOM、ΔN、ΔP含量单位为10-3,ΔB、ΔMo含量单位为10-6;pH无量纲
Fig.4
Spatial distribution of pH and other soil parameters change during 2004~2015 in Yixing city
土壤P变化幅度在±0.067×10-3之间可以认为观测值的变化来源于误差,即可以认为这些样点值没有发生明显变化,在图4d中用黄色表示;小于-0.067×10-3的负值表示土壤P的减少,用红色表示;大于0.067×10-3的正值表示土壤P的增加,用绿色表示。由图所示可知,宜兴市大部分区域的土壤P为增加趋势,其中P减少的区域多在宜兴张渚镇一带,而N和OM在这些区域也呈现减少趋势,这或者与该地区土地利用变化有关系,这些区域近10多年来城市化发展迅速,通常农用地至建设用地转化会带来有机质、氮和磷等养分的减少。
土壤B变化幅度在±3.87×10-6之间可以认为观测值的变化来源于误差,即可以认为这些样点值没有发生明显变化。土壤B含量变化的空间分布如图4e,±3.87×10-6之间的值用黄色表示;小于-3.87×10-6的负值表示土壤B的减少,用红色表示;大于3.87×10-6的正值表示土壤B的增加,用绿色表示。由图所示可知,宜兴市绝大部分区域的土壤B为增加趋势。
土壤Mo含量对数差变化幅度在±0.27之间可以认为观测值的变化来源于误差,即可以认为这些样点值没有发生明显变化。土壤Mo含量变化的空间分布如图4f,±0.27之间的值用黄色表示;小于-0.27的负值表示土壤Mo含量对数差的减少,用红色表示;大于0.27的正值表示土壤Mo的增加,用绿色表示。由图所示可知,宜兴市大部分区域的土壤Mo为变化不大,在东北部以及新街街道的土壤Mo为增加趋势。
图5将pH和N等元素变化量形成直方图,以表达不同变化状况的样本量。图中阴影柱代表变化值位于误差范围内的样本量。阴影柱右侧正值表达了对应指标增加的样本量,左侧负值表示指标减少的样本量。对增加和减少的样本量进行对比可知,研究区土壤具有明显的酸化趋势,同时有机质、氮和Mo呈现明显增加的特点。
图5
图5
pH和N等指标变化量直方图
Fig.5
Histograms showing the frequency of the changing for pH, N and other parameters
2.3.2 土壤重金属和Se
由前节可知,在重金属等有害元素和健康元素中,研究区土壤As、Cd、Cu、Pb、Zn和Se在11年中具有显著变化。使用直方图对2004年获取的多目标区域地球化学调查数据分析得知,除As外,其他元素均服从对数正态分布,因此,对数据进行了自然对数转换。使用对数转换后的数据计算其实验和理论半变异函数,通过GS+7.0计算获取了它们的块金值(C0)和误差值(E),见表5。
表5 As等指标误差值及对应半变异函数参数特征
Table 5
指标 | 量纲 | 分布类型 | 变换 | 理论半变异函数 | C0 | E |
---|---|---|---|---|---|---|
As | 10-6 | 正态 | 无 | 1.367000×Nugget+3.450000×Spherical(16320) | 1.36700 | 7.47 |
Cd | 10-6 | 对数正态 | 对数 | 0.015500×Nugget+0.118000×Exponential(9390) | 0.01550 | 0.176 |
Cu | 10-6 | 对数正态 | 对数 | 0.022300×Nugget+0.058800×Spherical(57740) | 0.02230 | 0.21 |
Pb | 10-6 | 对数正态 | 对数 | 0.000020×Nugget+0.029840×Spherical(1730) | 0.00002 | 0.006 |
Zn | 10-6 | 对数正态 | 对数 | 0.018380×Nugget+0.036860×Exponential(11010) | 0.01838 | 0.19 |
Se | 10-6 | 对数正态 | 对数 | 0.041400×Nugget+0.175800×Exponential(34848) | 0.04140 | 0.29 |
土壤As变化幅度在±7.47×10-6之间可以认为观测值的变化来源于误差,即可以认为这些样点值没有发生明显变化。土壤As含量变化的空间分布如图6a,±7.47×10-6之间的值用黄色表示;小于-7.47×10-6的负值表示土壤As的减少,用绿色表示;大于7.47×10-6的正值表示土壤As的增加,用红色表示。由图所示可知,宜兴市绝大部分区域的土壤As没有明显变化。
图6
图6
宜兴市2015~2004年土壤As和重金属元素含量变化
注:ΔAs、ΔCd、ΔCu、ΔPb、ΔZn、ΔSe含量单位为10-6
Fig.6
Spatial distribution of As and heavy metal element change during 2004~2015 in Yixing city
图6b使用2015年和2004年土壤Cd含量数据的对数差表达研究区土壤Cd含量的变化状况。两期含量数据的对数差在±0.176之间,说明含量没有明显变化,用黄色表示;类似地,负值用绿色表示,代表了Cd含量的减少,红色(正值)代表了Cd含量的增加。图中可以看出,宜兴市近10年来,多数点位土壤Cd含量呈现不同程度地的增加,增长大于1的区域主要为丁蜀镇。
图6c使用2015年和2004年土壤Cu含量数据的对数差表达了研究区土壤Cu含量的变化状况。两期含量数据的对数差在±0.21之间,说明含量没有明显变化,用黄色表示;类似地,负值用绿色表示,代表了Cu含量的减少,红色(正值)代表了Cu含量的增加。图中可以看出,宜兴市近10年来,全区土壤Cu含量均为增长趋势。
图6d使用2015年和2004年土壤Pb含量数据的对数差表达了研究区土壤Pb含量的变化状况。两期含量数据的对数差在±0.006之间,说明含量没有明显变化,用黄色表示;类似地,负值用绿色表示,代表了Pb含量的减少,红色(正值)代表了Pb含量的增加。图中可以看出,宜兴市近10年来,绝大部分区域土壤Pb含量均为增长趋势。
图7将重金属元素与Se变化量形成直方图,以表达不同变化状况的样本量。图中阴影柱代表变化值位于误差范围内的样本量。阴影柱右侧正值表达了对应指标增加的样本量,左侧负值表示指标减少的样本量。对增加和减少的样本量进行对比,同样可以反映出Cd、Zn、Se的增加趋势。
图7
图7
Cd, Zn和Se元素变化量直方图
Fig.7
Histograms showing the frequency of the changing for Cd, Zn and Se
3 结论
将宜兴地区多目标地球化学调查和土地质量地球化学调查数据通过元素箱线图、样本t检验、变量空间变化分析、半变异函数的块金值和误差等GIS和统计学方法综合分析后,得出2004~2015年间土壤Cd、Cu、Pb、Zn等重金属元素含量有比较明显的增长趋势,土壤As含量没有明显变化;土壤pH具有比较明显的下降趋势,区域土壤酸化问题较严重;11年间有机质、N、P、B、Mo等营养元素含量上升趋势明显,土壤肥力状况明显改善,土壤Se呈现增长趋势,农、林、果业发展的优势土壤资源增多。
参考文献
基于生态供需视角的生态安全格局构建与优化——以长三角地区为例
[J]. ,
Ecological security pattern construction method based on the perspective of ecological supply and demand:A case study of Yangtze River Delta
[J]. ,
Soil and soil environmental quality monitoring in Chinaa review
[J]. ,DOI:10.1016/j.envint.2014.04.014 URL [本文引用: 1]
Will European soil-monitoring networks be able to detect changes in topsoil organic carbon content
[J]. ,DOI:10.1111/j.1365-2486.2008.01658.x URL [本文引用: 1]
Rawlines BGS patio-temporal variability of some metal concentrations in the soil of eastern Englandand implications for soil monitoring
[J]. ,DOI:10.1016/j.geoderma.2005.08.009 URL [本文引用: 1]
河南省土壤环境监测背景点位布设参考区域划分研究
[J]. ,
Reference area division for background point arrangement in soil environmental monitoring in Henan Province
[J]. ,
全国农业地质工作的蓝图:“农业地质调查规划要点”评述
[J]. ,
Blueprint of national agricultural geological workComment on "key points of agricultural geological survey planning"
[J]. ,
National multi-purposeregional geochemical survey in China
[J]. ,DOI:10.1016/j.gexplo.2013.06.002 URL [本文引用: 1]
近30年来苏南耕地土壤pH时空变化特征及影响因素分析
[J]. ,
Spatial-temporal variation and associated driving factors of pH values in soils in the past 30 years in the Southern Jiangsu Province
[J]. ,
Temporal-spatial variation and sourceapportionment of soil heavy metals in the representative river-alluviation depositionalsystem
[J]. ,DOI:10.1016/j.envpol.2016.05.037 URL [本文引用: 1]
江苏富硒土壤元素地球化学特征及主要来源
[J]. ,
Element geochemistry of selenium-enriched soil and its main sources in Jiangsu Province
[J]. ,
Spatialvariability of soil organic carbon and related factors in Jiangsu Province,China
[J]. ,DOI:10.1016/S1002-0160(12)60026-5 URL [本文引用: 1]
Detecting changes of soil environmental parameters by statistics and GISA case from the lower Changjiang plain,China
[J]. ,DOI:10.1016/j.gexplo.2017.07.002 URL [本文引用: 2]
全国土壤污染状况调查公报
[EB/OL].(
Report on the national general survey of soil contamination
[EB/OL].(
长江三角洲典型县域耕地土壤重金属污染生态风险评价
[J]. ,
Ecological risk assessment of heavy metal pollution in cultivated soil at typical county level in Yangtze River Delta
[J]. ,
Geostatistical and GIS analyses on soil organic carbonconcentrations in grassland of southeastern Ireland from two different periods
[J]. ,DOI:10.1016/j.geoderma.2003.08.004 URL [本文引用: 1]
/
〈 | 〉 |