周伟 ，李丽丽，周旭，石佩琪，黄冬青

1.西南大学地理科学学院，重庆 400715；2.北京大学城市与环境学院，北京 100871；3.中国科学院地理科学与资源研究所/资源与环境信息系统国家重点实验室，北京 100101；4.重庆交通大学建筑与城市规划学院，重庆 400074

土壤作为自然地理环境的重要组成部分，是人类赖以生存的自然环境和农业生产的重要资源（赵其国等，2015），同时也为系统内部能量流动和物质循环提供了基础（孙晶，2011）。伴随中国城市化进程和工业化的迅速发展，导致重金属在土壤中富集，从而造成了土壤重金属污染。土壤重金属在土壤中富集，不仅影响土壤性质和肥力，而且通过食物链累加等间接威胁人类健康。因此，土壤重金属污染问题已然成为环境地球科学研究热点（叶琛等，2011），更成为国家政府高度关注的民生问题。近年来国家发布一系列政策报告中均提到土壤污染防治的严峻形势，尤其2017年发布的《长江经济带生态环境保护规划》中提到关于推进重点区域土壤污染防治，以上海、重庆等为重点区域，完成土壤污染排，建立土壤污染综合防治先行区。2018年重庆市发布的《重庆市环境保护条例》加强土壤污染防治禁止将污染物向土壤环境转移。

土壤重金属污染风险评价和污染来源分析，是土壤重金属污染防治的重要基础，国内外学者也开展了广泛探索。Hossain et al.（2015）利用多源统计分析方法，对重金属空间分布和潜在来源进行了识别。有学者利用地统计学、地理信息系统等多种方法进行土壤重金属污染空间分布绘制、风险评价和污染来源分析（Mamut et al.，2017；Song et al.，2018；Zhang et al.，2018）。也有学者利用主成分分析和污染负荷指数法进行土壤重金属污染来源解析和污染风险评价（易文利等，2018）。近年来，在重金属污染来源解析研究中地理探测器开始得到广泛应用，因其具有客观反应地理环境要素对解释因子的影响力和空间异质性的作用（王劲峰等，2017）。有学者利用地理探测器揭示变量因子与重金属污染分布的空间相关关系和交互作用（李雨等，2017；肖武等，2018）；齐杏杏等（2019）基于地理探测器定量揭示了影响土壤重金属含量的主要因素。

重庆市作为长江上游经济带的重要核心城市，其土壤污染状况和土壤环境质量对于保障粮食安全和助推长江上游生态屏障功能的发挥具有重要意义。学者们对重庆市土壤重金属污染也开展了广泛研究，如城市绿地（杨杉等，2018）、城市道路（郭静等，2016），典型农业区（王金霞等，2018）、茶园（张慧等，2017），矿区（张延玲等，2018），三峡库区消落带（叶琛等，2011）等，研究集中在土壤重金属污染状况和风险评价。然而针对坡耕地及其土壤重金属污染影响因素的探索较少。因此，本文以重庆主城区坡耕地的土壤为研究对象，利用单因子污染指数法进行重金属污染评价，基于地理探测器进行土壤重金属污染影响因素和各因子交互分析，为重庆市土壤质量评价和土壤污染修复提供理论依据。

1 数据与方法

1.1 数据来源

1.1.1 野外采样和土壤重金属含量测试

采样区域为重庆市的江津区、九龙坡区、大渡口区和巴南区，采样时间为2018年10月，设置了21个采样地，每个样地设置3个采样点，样点间间隔1—2 km，最后共获取63个土壤样品。每个样点采用五点混合采样法，采集表层0—20 cm的土样，每份样品采集1 kg左右，每个样品的取土深度及采集量基本保持一致，采集的样品用土壤密实袋密封保存，并做好标记带回。利用相关GPS仪器对所有采样点进行精准定位，详细记录区分采样点的土壤质地、土地利用类型、植被类型等相关信息，利用相机对采样区域进行拍照。研究区和野外采样点如图1。

图1 研究区域和采样点图Fig.1 Study area and the field sampling sites

将土壤样品带回进行室内自然风干，用木棒压磨去除土壤中的砂石或植物残体等杂质，研磨并过100目（0.25 mm）的土壤筛，将过筛的每个土壤样品分为2份，其中1份用于土壤重金属元素的测试，另一份密封保存备查，以防交叉污染。土壤重金属Cu、Zn、Pb、Cr、Ni元素含量采用电感耦合等离子体质谱仪（ICP-MS），Mn采用石墨炉原子吸收分光光度法（GF-AAS），测试实验是在西南大学岩溶环境重庆市重点实验室进行。分析方法的准确度和精密度采用国家一级土壤标准物质（GBW）进行检验。

1.1.2 气象数据

利用中国气象科学数据共享服务网（http://cdc.cma.gov.cn）查询获得2018年10月重庆市标准气象站点的平均温度和相对湿度。利用ArcGIS 10.2空间插值获得气象栅格数据。

1.1.3 其他影响因子数据

土壤质地与类型数据、土地利用数据、地形数据、河流与道路数据通过查询中国科学院资源环境科学数据中心（http://www.resdc.cn）获取相应数据。

1.2 研究方法

1.2.1 地理探测器

地理探测器是一种基于变量间的空间分异性来探测其内在联系的空间分析模型（王劲峰等，2017），本文中主要利用地理探测器分析5种重金属Cu、Zn、Cr、Ni和Pb与11种影响因子的相关性以及多种影响因子的交互作用。本研究采用地理探测器中的因子探测器、交互作用探测器、风险探测器和生态探测器全面客观地分析土壤重金属污染因素。

因子探测器是探究某个因子X解释了目标Y的空间分异的能力强弱，用因子的解释力PD,H进行判断。交互作用探测器是识别不同影响因子之间的交互作用，即影响因子D1和D2共同作用时是否会增加或减弱对因变量Y的解释力，或这些因子对Y的影响是相互独立的。

风险探测器主要用于探测影响因子对土壤重金属分布是否有显著的差别，具有风险性，用t统计量来检验。生态探测器是用F统计量来衡量，即用于比较两个影响因子D1和D2对属性Y的空间分布的影响是否有显著的差异（王劲峰等，2017）。

1.2.2 单因子指数法

单因子指数法可以用来确定重金属污染物的主次要性及其污染程度。一般以污染指数Pi来表示，以重金属含量实测值和评价标准相比除去量纲来计算污染指数：

式中，Pi为样品中重金属元素i的单因子污染指数；Ci为样品中重金属含量实测值；Si为重金属元素i的评价标准。

土壤重金属污染等级划分标准参照的是由夏家淇（1996）提出的单因子指数法分级标准。土壤重金属污染等级分为4级：污染指数Pi＜1，污染等级为清洁（1级）；污染指数1≤Pi＜2，为轻度污染（2级）；污染指数2≤Pi＜3，为中度污染（3级）；污染指数Pi≥3，为重度污染（4级）。

2 结果与分析

2.1 土壤重金属统计特征分析

从表1可以看出，研究区内土壤重金属中Cu、Zn、Cr和Pb的含量均值均高于重庆市土壤背景值（赵丽娟，2008），是背景值的1.3—1.4倍，这说明研究区土壤已经受到了Cu、Zn、Cr和Pb的污染。Ni的含量均值低于重庆市土壤背景值，暂未出现污染现象。

表1 研究区实测土壤重金属含量的统计特征值Table 1 Statistical characteristic of soil heavy metals in the study area

从土壤中5种重金属的变异系数来看，值大小为 Cu＞Pb＞Zn＞Ni＞Cr，其中 Cu 和 Pb 的变异系数分别为0.57和0.40，属于高度变异，来源复杂；Zn、Ni和Cr的变异系数介于0.2—0.4之间，属于中等变异。说明这5种重金属受人为因素影响较明显，众多研究也表明，变异系数与人类活动干扰程度呈正比（宋金茜等，2017；张永江等，2015；杨杉等，2018）。

偏度为零表示重金属元素数值呈正态分布，Mcgrath et al.（2004）研究认为，自然界表层土壤中微量元素的存在都遵从正态分布，在母质类型相同的土壤中金属元素分布形态相同或相近，但人类活动会改变其分布状态。其中Cu、Zn、Cr和Pb这4种重金属元素的偏度出现正值产生重金属分布形态的正偏现象，其分布峰为右偏，可能是由于人为活动等造成重金属元素不断富集的现象，这也与重金属的变异系数的特征分析结果相一致。

峰度是测度数据在均值附近的集中程度，表 1中5种重金属的峰度系数均大于0，说明其分布的集中程度高于正态分布，且5种重金属的集中程度表现为 Cu＞Pb＞Zn＞Cr＞Ni，Cu 的数据分布较为集中，Ni的数据分布最为分散。

2.2 相关性分析

从表2中可以看出，研究区Cu、Zn、Cr、Ni和Pb这5种重金属之间的相关关系较强（采用了63个土壤样品数据）。除了Ni和Pb在P＜0.05水平上相关性显著，Cu、Zn、Cr、Ni、Pb在P＜0.01水平上两两之间相关性极为显著，容易有复合污染或同源性。其中Cr与Ni的相关性系数最大，为0.86（P＜0.01）；Pb与 Ni的相关性系数最小，为 0.30（P＜0.05）；不同重金属之间的相关性差异明显。

表2 不同重金属元素之间的相关系数矩阵Table 2 Correlation coefficient matrix between different heavy metal elements

2.3 重金属污染评价

通过单因子污染指数计算发现，研究区内土壤Cu、Zn、Cr和Pb的污染指数均值大于1，表明土壤中4种重金属均出现轻度污染；只有Ni平均污染指数小于1，未出现污染。

从表3中我们可以发现：Cu和Pb含量的单因子污染指数在各个等级中均有分布，虽然大部分分布在清洁与轻度污染之间，仍有近10%的样点在中度污染与重度污染之间；Zn和Cr含量的单因子污染指数处于清洁至中度污染之间，其中大部分位于轻度污染阶段；Ni在5种重金属中相较而言最为清洁，Ni含量的样点处于清洁至轻度污染之间。

表3 土壤重金属污染单因子指数评价结果Table 3 Evaluation results of single factor index of soil heavy metal pollution

由此可见，Cu和Pb对研究区土壤环境质量造成的危害最为严重，其原因可能是日常生活用品废弃物、工业废弃物等的堆放掩埋，工业废水的乱排放，汽车尾气等废气的不清洁处理等（徐福银等，2014）。Zn和Cr对研究区土壤环境质量造成的危害也较为严重，出现Cr污染的部分样点，分布在巴南区西北方向和大渡口区东南方向一带，原因可能与其周围有多家化工企业和矿石资源有关（肖武等，2018）。Ni对研究区土壤环境质量造成的影响较小。总的来看，土壤重金属可来源于土壤成土母质、工业废水灌溉农田、工业污染物的堆积与排放、含重金属劣质化肥农药的使用和大气降尘等（吴堑虹等，2007）。

2.4 土壤重金属污染影响因素的地理探测器分析

2.4.1 因子探测器

利用因子探测器探测11个环境影响因子对5种重金属元素的解释力PD,H值（表4）。就Pb而言，相对湿度、坡度、土壤类型、土地利用类型、粘粒、距河流距离、距道路距离对土壤中重金属Pb解释力较大（PD,H＞0.5）；其中，坡度和距河流距离两种影响因子对 Pb的解释力高达 0.93以上，而且研究区内坡度范围主要在0°—15°之间，说明坡度对重金属的影响是极为显著的，重金属污染的形成与迁移与地势有着较大的关系。这也进一步验证了影响因子对重金属的解释力PD,H既有一致性，又有差异性（李雨等，2017）。说明坡度和距离河流距离是影响重金属污染和富集的重要驱动因素，同时表明河流中重金属元素富集较多。

表4 不同影响因子对5种土壤重金属的解释力PD, H值统计结果Table 4 The explanatory power value PD, H of different influence factors on five heavy metals

其余4种重金属Cu、Zn、Cr、Ni，土壤类型、坡度对其含量的解释力PD,H值均高于0.652；高程对Zn、Cr、Ni解释力高达0.75，说明土壤类型、坡度和高程对其空间分布差异具有重要影响，这与前人研究结果相一致（陈运帷等，2019，齐杏杏等2019），其研究发现海拔、土壤类型、土壤PH是影响土壤重金属分布的主要因子。

2.4.2 交互作用探测

环境中土壤重金属的空间分布是由多种影响因子共同作用的结果（李忠义等，2009）。研究中我们利用交互作用探测器探测 11种环境影响因子对5种重金属元素空间分布变化的作用。本部分选取污染较严重的Pb为例绘制图表进行3种子探测器分析。

表5显示了两种影响因子叠加之后的PD,H值，值越大说明交互作用越强，且非线性增强表示两种不同影响因子的交互作用大于两种影响因子独立作用的和。模型结果表明高程与坡度、土地利用类型、土壤类型、距河流距离的交互作用值最大，其中高程与平均气温、相对湿度、砂粒、粘粒、粉砂为非线性增强；这说明土壤重金属 Pb污染源的生成与迁移受地势和气候影响较大。这与齐杏杏等（2019）研究结果类似，其研究发现对Pb累积量分布差异影响的主要因素是地势和气候条件。

表5 不同影响因子对土壤重金属元素Pb影响的交互作用Table 5 Interaction of different influencing factors on Pb

就Cu而言，高程与其余10个因子交互作用值均达到0.81以上。就Zn而言，高程与5个因子（坡度、砂粒、粘粒、粉砂、距道路距离）的交互作用最强。就Ni而言，高程与6个因子（坡度、土壤类型、砂粒、粘粒、粉砂、距道路距离），平均气温、相对湿度分别与高程、土壤类型、距河流距离、距道路距离交互作用较大。就Cr而言，土壤类型与砂粒、粘粒、粉砂、距河流距离的交互作用，以及平均气温、相对湿度分别与高程、土壤类型、距河流距离、距道路距离的交互作用占主导地位。以上结果表明，高程与其他因子交互作用对于重金属空间分异具有重要影响，同时气候条件和土壤类型也是重金属累积分布的重要影响因子。

2.4.3 风险探测

风险探测器解释了各影响因子内部不同子区域不同类别间是否存在显著性差异（图 2）。风险探测器是采用显著性水平为0.05的t检验，“Y”表示存在显著性差异，“N”表示不存在显著性差异（表6）。结果发现，土壤重金属Pb元素与平均气温、相对湿度、高程、土地利用类型存在显著性差异，这说明不同气候条件、海拔高度和土地利用类型下，Pb元素含量分布差异大。李雨等（2017）研究也发现平均气温、相对湿度对重金属分布影响高于其他因素。而与坡度、土壤类型、土壤质地（砂粒、粘粒、粉砂）、距河流距离、距道路距离无显著性差异，表明以上因素对Pb的分布差异影响小。

图2 影响因子空间分布Fig.2 Distribution of influence factors

土壤重金属Cu与平均气温、相对湿度、高程、距河流距离、距道路距离均存在显著差异性，而与其他 6个因子间无显著性差异。Cr、Ni与平均气温、相对湿度、高程、距河流距离存在显著性差异。Zn与高程、土地利用类型存在显著性差异。表明不同重金属元素的空间分布对 11个影响因子的响应不同。

2.4.4 生态探测

生态探测侧重于比较一种影响因子和另一种影响因子对土壤重金属的空间分布的影响是否有显著的差异。采用显著性水平为0.05的t检验，若显著，则记为“Y”；若不显著，则记为“N”。

生态探测结果（表6）表明，高程对Pb的影响与平均气温、相对湿度、坡度、土地利用类型、土壤类型、土壤质地（砂粒、粘粒、粉砂）、距离河流和道路的距离等影响因子间存在显著差异，而其他影响因子之间的差异不显著。说明相比其他8个因素，地势、气候条件和母质等对 Pb空间分布异质性具有重要影响。

表6 重金属Pb的生态探测结果Table 6 Ecological detection results of heavy metal Pb

对Cu、Cr和Ni，高程、坡度、土地利用类型、土壤类型、土壤质地（砂粒、粘粒、粉砂）、距河流距离和距道路距离对其空间分布的影响与其他影响因子间存在显著差异，而其他影响因子之间的解释力差异不显著。对Zn，高程、土壤质地（砂粒、粘粒、粉砂）、距河流距离和距道路距离对Zn空间分布的影响与其他影响因子间存在显著差异。表明地势、母质和人为干扰对以上4种重金属空间分布有显著影响，与齐杏杏等（2019）研究结论类似。

3 结论

（1）研究区内土壤受到Cu、Zn、Cr和Pb重金属元素的污染，其平均含量均高于重庆市土壤背景值，是背景值的1.3—1.4倍；从变异系数和相关性分析可以看出，5种元素均呈现中等和高度变异且相关性较强。

（2）单因子污染指数均值由大到小依次为：Pb、Cu、Zn、Cr、Ni；Cu、Pb为重度污染水平，其余为中度或轻度污染水平。因此Cu、Pb是导致整个研究区域土壤处于轻度污染生态风险的主要因素。

（3）5种重金属与11种环境因子的因子探测发现，高程、坡度和土壤类型对5种土壤重金属含量的解释力最显著。交互作用探测发现，高程与其他因子交互作用是重金属空间分布差异的主导因素，气候条件和土壤类型也是重要影响因子。土壤重金属空间分布是多种因素共同作用的结果，主导因子高程、坡度和土壤类型可作为后续土壤重金属含量空间预测模型的辅助变量。