丁倩++成功

【摘 要】土壤重金属污染已成为全球性污染问题，本文基于地统计学和GIS技术，研究了湖南省郴州市苏仙区As、Cd、Pb三种土壤重金属的空间分布规律。结论：（1）重金属含量Pb>As>Cd，Pb和As呈对数正态分布，Cd呈正态分布，As和Pb显著正相关。（2）重金属含量南北低、中间高，东西向上，自西向东平稳上升。（3）具有中等空间变异性和相似的各向异性。（4）空间格局类似，以主要矿区为浓度高值中心，向四周辐射递减。（5）空间自相关格局相似。高-高区域集中在中部，低-高分布在柿竹园周边。本文可为矿区周边土壤重金属空间规律的研究提供参考。

【关键词】矿区；土壤重金属；GIS；kriging；空间分布

Study on Spatial Distribution of Soil Heavy Metals Surrounding the Mining Area Based on Kriging

DING Qian1，2 CHENG Gong1，2

（1. Key Laboratory of Metallogenic Prediction of Nonferrous Metals and Geological Environment Monitoring（Central South University）， Ministry of Education， Changsha Hunan 410083， China； 2. School of Geosciences and Info-Physics， Central South University， Changsha Hunan 410083， China）

【Abstract】The soil heavy metal pollution has become the global pollution problem. Based on geostatistics and GIS technology， we studied the spatial distribution of three kinds of soil heavy metals in Suxian district， Chenzhou city， Hunan province. The results show that：（1）The heavy metal contents in descending order are： Pb>As>Cd， Pb and As showed a log-normal distribution， Cd showed a normal distribution， As and Pb are positively correlated.（2）The contents of heavy metal are low in the north and the south， high in the middle， and increased from the west to the east. （3）Heavy metals have moderate spatial variability and similar anisotropy.（4）Taking central polymetallic mine， northern lead-zinc mine and coal mine as the core， heavy metals concentration radially decreased to the periphery.（5）Spatial autocorrelation patterns are similar. The high-high areas are concentrated in the central region and the low-high areas are in the periphery of Shizhuyuan. This study can provide a reference for the research of heavy metals spatial distribution in mining area.

【Key words】Mining area； Soil heavy metal； GIS； Kriging； Spatial distribution

0 引言

重金属是典型的土壤污染物，具有难降解，强隐蔽性，易富集和移动性差等特点[1]，如今，土壤重金属污染已成为备受关注的全球性污染问题。矿山开采是矿区周边土壤重金属污染的重要来源，由此引发的环境问题日益严重。

随着GIS技术的不断发展和地统计学理论的广泛应用，土壤重金属污染空间分布的研究与应用在近几十年逐渐流行，它较好的弥补了以较少样点的定位试验研究土壤重金属分布及变化的传统方法的不足，能够更全面、直观地分析重金属的空间分布规律。但多数学者只是把地统计学作为污染评价的辅助工具，对污染现象的空间趋势、变异性研究不够深入[2-4]。如何全面准确地探讨矿区周边土壤重金属的空间分布特征规律，是评价及防治重金属污染的首要条件。

本文以湖南省郴州市苏仙区As、Cd、Pb三种土壤重金属为研究对象，基于地统计学和GIS技术，深入分析了矿区周边土壤重金属的统计特征、空间趋势及空间变异性，全面分析了重金属的空间分布规律，以期为矿区周边不同土壤重金属元素空间规律的研究提供参考。

1 材料和方法

1.1 研究区概况

苏仙区（图1）位于我国湖南省郴州市中部（北纬25°30′38″-25°00′19″，东经112°16′41″-112°53′23″），北瞻衡岳，南倚五岭，东界罗霄，周边与郴州市北湖区、桂阳县、资兴市、永兴县、宜章县接壤；地形以山地为主，丘陵、平原相当，岗地、水面较少，整个地势自东南向西北倾斜；属中亚热带季风湿润气候，具有春温多变日照少、夏热前涝后多旱、初秋湿热晚秋凉、冬有霜雪严寒短的特点；是郴州市的政治、经济和文化中心，共设6个街道、9个镇、1个乡，总人口36.42万人，土地总面积为1342.27平方km2，耕地约占土地总面积的13%；矿产资源丰富，是著名的“有色金属之乡”，有世界罕见的矿产资源多达143种的柿竹园多金属矿，国有硚口铅锌矿、玛瑙山锰矿、东波铅锌矿以及年产煤数万吨的许家洞、街洞和栖凤渡煤矿等。悠久的矿业历史给当地带来了严重的重金属污染。

图1 研究区概况

1.2 数据搜集及处理

1.2.1 基础地理数据

包括研究区行政区划与数字高程模型，数据来源于中国科学院资源环境科学数据中心。

1.2.2 土壤重金属数据

研究区As，Cd，Pb三种重金属含量数据，来源于土壤样品的野外采集和实验室化学分析。

1）野外采集

根据苏仙区的矿山分布情况布设采样点，借助GPS导航至预设采样点处，判断该点是否满足采样条件。对满足条件的采样点，在其附近2m×2m=4m2的范围内随机均匀选取3个点，采集3点处0-5cm深的表层土壤，去除杂物混合均匀，用四分法收集大约500g样品，装袋编号记录。共采集土壤样品41组。

2）实验室化学分析

将样品自然风干、研磨、过筛，随后，称取0.1-0.2g的样品，用HCl-HNO3-HClO4-HF法进行消煮，完成后，加蒸馏水至50ml待测。Pb， As和Cd的含量分别使用电感耦合等离子体发射光谱仪（ICP-OES， Optima 2000， Perkin Elmer Co.， 美国），原子荧光光谱仪（AFS-2202， 海光， 中国）和电感耦合等离子体质谱（ICP-MS）进行测定。

1.2.3 数据处理

1）数理统计分析

包括土壤重金属的描述性统计分析、正态分布检验和转换。该分析借助SPSS19.0（SPSS公司）软件完成。

2）空间分析

包括土壤重金属的趋势分析、空间变异分析、克里金插值（Kriging）和空间自相关分析。前三个过程在ArcGIS10.1（ERSI公司）的Geostatistical analyst模块完成[5]，空间自相关借助OpenGeoda软件进行。

1.3 研究方法

1.3.1 Kriging插值

Kriging插值包括普通克立格（Ordinary Kriging， OK）、泛克立格、指示克立格、析取克立格和协同克立格等多种方法。它以变异函数理论为基础，在区域化变量之间存在空间相关性的前提下，根据采样点和预测点的距离以及预测点周围采样点空间关系的拟合模型确定权重，从而实现对未采样点取值的线性无偏最优估计[6]。

克立格插值首先需要计算经验半变异函数（式1）。它是一个关于数据点的半变异值与数据点间距离的函数，揭示了样本点的空间自相关性及整个空间尺度上的变异格局。

2 结果与分析

2.1 样本统计特征

土壤样品重金属含量的统计学特征如表 1所示。三种重金属平均含量由高到低的顺序是：Pb>As>Cd，其中，Pb和As的值域范围很广（极大值是极小值的50倍和40倍），标准差较大，变异系数分别高达1.367和1.439，可见具有高离散度和强变异性（CV>1），说明Pb与As受到的外界干扰比较显著，这在很大程度上可归结为采矿、冶炼、交通等强烈的人为活动的影响；Cd的变幅（极大值是极小值8倍）与标准差均较小，变异系数不超过0.5，表现出较低的离散程度及中等变异性 （0.1

表1 土壤重金属含量统计学基本特征

①单样本 Kolmogorov-Smirnov 检验，P>0.05表示符合正态分布；P<0.05则不符合.

将研究区41个采样点分成北部（20个）、中部（10个）、南部（11个）3组，对所有样点及三组采样点分别进行偏相关分析（表 2）。结果显示，As和Pb均呈显著正相关，说明二者可能具有同源性并表现出复合污染，As-Cd， Pb-Cd不显著相关，说明二者不具有同源性。

表2 重金属偏相关系数矩阵

**. 在 0.01 水平（双侧）上显著相关.

2.2 空间趋势特征

以As为例（图 2），X轴指向正东，Y轴指向正北，Z轴表示各样点重金属含量的大小，左后和右后投影面上的深色线分别表示东西和南北方向重金属浓度的全局性趋势效应变化。可以看出， As南北方向上呈现南北低、中间高的倒“U”型趋势，东西方向上从西向东平稳升高。Pb，Cd的空间趋势与As基本一致，可以选择二阶多项式模拟三者的趋势特征。

图2 As趋势分析示意图

2.3 空间变异特征

对Spherical， Exponential， Gaussian， Circular 4种理论模型进行拟合计算和对比分析，经过反复交叉验证，得出三种重金属半变异函数的最佳拟合模型参数（表 3）。

表3 重金属最佳拟合模型参数表

可以看出，对三种重金属的空间变异拟合最好的均为高斯模型。三者的块金值均为较小的正值，说明由采样误差、短距离变异引起的块金效应不显著；块金系数反映了由随机部分引起的空间变异占总体变异的比例，其值越大，空间相关性越小，三种重金属的块金系数处于0.428- 0.576之间，具有中等空间自相关性（0.25-0.75），说明重金属在主要受内在因子（矿山分布、地形、土壤类型等）控制的同时，也受到了诸如采矿、冶炼、施肥等人类活动影响。

重金属的各向异性相似。短轴变程在7-10千米之间，该范围与研究区相邻主要矿区之间的距离以及柿竹园矿的边长大致相等，而且短轴所在角度与常年的东北风向大致垂直；四种重金属的长轴处于北偏东40°-70°之间，该角度与西山山脉、大奎上盆地的走向以及常年风向十分吻合，同时，22-25千米的长轴变程显示了该方向重金属较长的变异尺度及较强的连续性，由于当地政府对苏仙区东南部的西山山脉及大奎上盆地施行了封山育林的政策，再加上其特殊的地势及较高的植被覆盖，受矿区重金属的影响不大，该长度与沿长轴方向苏仙区的宽度大致相同。

2.4 空间分布规律

使用普通克里格（高斯模型）对重金属进行空间插值，结果如图 3所示。三者呈现相似的空间分布格局，中部东波与柿竹园区域的浓度最高，稍北部许家洞镇的浓度稍有降低，最北部栖凤渡浓度更低，三者成为苏仙区重金属浓度的高值中心，并由此向四周呈辐射状递减。

这与苏仙区矿山的分布与矿业活动有关。中部的东波与柿竹园分布着目前正在开采的特大型有色金属矿山，所以中部地区重金属的含量最高；北部矿区主要集中在许家洞附近，但大多数矿山按照政府的相关政策已经关闭多年，如今该地已成为苏仙区主要的金属加工厂，重金属的含量相对中部明显降低；南部地区环境优美，存在部分石灰石矿，极少受到金属矿业活动的影响，重金属的含量最低，这也与政府封山育林保护环境的政策密切相关，环境污染主要来源于建筑业与养殖业。

图3 重金属的空间分布图

2.5 空间自相关特征

为更深入地剖析重金属的空间分布，并实现其在空间上的直观展示，对重金属进行了空间全局自相关与局部自相关分析（图 4）。

可以看出，三种重金属的Moran's I指数由大到小的顺序为： As>Pb>Cd，与上述变异函数块金系数分析的结果一致。三者局部空间自相关格局具有相似性。高-高区域均集中在苏仙区的中部，低-高区域均分布在柿竹园矿的周边，说明重金属在金属矿区以外地区的含量比矿区内部低，间接地说明了矿业活动是导致当地土壤重金属污染的重要因素；西南部是重金属Pb低-低格局的主要聚集区，经考察，当地环境优美，居民的工作与生活极少受到来自矿业活动的影响。北部地区的矿区分布较分散，小型矿居多，而且大部分矿山早些年已经关闭，周边土壤经过多年整治，由采矿造成的重金属污染状况逐渐得到改良，集聚性也大大降低，再加上随机采样及不同的人为活动干扰等原因，该地的绝大多数区域四种重金属的空间自相关性不显著，极少区域表现出低-高和高-低格局。

3 结论

（1）重金属含量的统计分析表明，重金属平均含量的排列顺序是：Pb>As>Cd；Pb和As具有强变异性和高离散度，且符合对数正态分布，Cd表现为中等变异，离散程度较低，且符合正态分布；As和Pb具有同源性或具有复合污染的特征。

（2）重金属含量在南北方向上呈现南北低、中间高的倒“U”型，东西方向上自西向东平稳上升，可选择二阶多项式模拟重金属的空间趋势。

（3）半变异函数拟合模型显示三种重金属具有中等空间变异性，且具有相似的各向异性。

（4）重金属的空间分布格局相似，分别以东波与柿竹园、许家洞、栖凤渡区域为重金属浓度高值中心，向四周呈辐射状递减。

（5）重金属的空间自相关格局相似。Moran's I指数从大到小的排列顺序为： As>Pb>Cd。高-高区域均集中在苏仙区的中部，低-高区域在柿竹园矿的周边；西南部是Pb 低-低格局的主要聚集区；北部的绝大部分区域三种重金属均呈现出了不显著的空间自相关性。

【参考文献】

[1]Mielke HW， Gonzales CR， Smith MK， Mielke PW. The urban environment and children's health： soils as an integrator of lead， zinc， and cadmium in New Orleans， louisiana， U.S.A[J]. Environ Resarch， 1999，81（2）：117-129.

[2]王济，张浩，曾希柏，等.贵阳市城区路侧土壤重金属分布特征及污染评价[J].环境科学研究，2009（8）：950-955.

[3]甘国娟，刘伟，邱亚群，等.湘中某冶炼区农田土壤重金属污染及生态风险评价[J].环境化学，2013，32（1）：132-138.

[4]李小曼，刘勤，徐梦洁，孟令仪.苏南村镇土壤重金属空间变异性研究[J].土壤通报，2016，7（1）：179-185.

[5]李俊晓，李朝奎，殷智慧.基于ArcGIS的克里金插值方法及其应用[J].测绘通报，2013（9）：87-90.

[6]徐建华.计量地理学[M].北京：高等教育出版社，2006：131-145.

[7]Hakan Arslan · Nazh Ayyildiz Turan. Estimation of spatial distribution of heavy metals in groundwater using interpolation methods and multivariate statistical techniques； its suitability for drinking and irrigation purposes in the Middle Black Sea Region of Turkey[Z]. Environ Monit Assess 2015，187： 516.

[责任编辑：汤静]