张军 ，高煜，王国兰，金梓函，杨明航

1. 宝鸡文理学院/陕西省灾害监测与机理模拟重点实验室，陕西 宝鸡 721013；2. 长安大学/旱区地下水文与生态效应教育部重点实验室，陕西 西安 710064

城市土壤是城市生态系统重要组成部分之一（徐福银等，2014；谷阳光等，2017；柴立立等，2019），人为活动及工农厂矿聚集会释放出重金属，而重金属可通过土壤、空气、水体等进入导致环境污染，并具有难降解、累积性和长期性等特点（Natalia et al.，2018；白秀玲等，2018；易文利等，2018），对生态环境及人类健康造成严重威胁（顾济沧等，2010；张善红等，2017）。因此，对城市土壤重金属含量空间分布及影响因子研究，对城市生态环境改善、工农业规划和民众健康具有重要意义。国内外学者对土壤重金属污染及风险评价（Jiang et al.，2017；戴彬等，2015；于元赫等，2018）、源解析（Bressi et al.，2014；Jiang et al.，2016；周雪明等，2017）、重金属修复（吴涛等，2008；姚桂华等，2015）、空间分布及变异（吕建树等，2012；赵科理等，2016；吕建树等，2018）进行了广泛研究。周永超等（2019）研究发现，Hg是伊宁市地表土壤生态风险主要影响因子。黄顺生等（2007）研究发现，城市土壤Hg、Cd、Pb、Sb含量空间分布规律非常相似，均表现为外围向市中心有逐渐增加的趋势。李锋等（2019）研究发现，Ni、As、Cr、Zn、Cd主要来源于工业污染，Pb和Hg主要来源于生活污染。李雨等（2017）研究发现，GDP、平均温度和相对湿度对农田土壤重金属变异影响较大，土壤 pH、土壤类型和高程对农田土壤重金属变异影响较小。土壤重金属来源及其影响因素研究已有多种常用方法，包括主成分分析法（罗松英等，2018），地统计方法（张军等，2019），空间分析（Wang et al.，2010）等方法，虽然此前研究多为环境质量评价表述，也对形成原因进行了研究，但较少有从地理环境空间分异角度研究土壤重金属空间分布的影响机制，对重金属含量空间分布与不同地理环境因子的交互关系有待深入探讨。此外，为定量分析其相关关系的空间属性问题，还需用到空间统计学方法（Wang et al.，2012）。王劲峰等基于统计学的空间分异性原理，开发了一种揭示影响因子的新的空间统计学方法-地理探测器模型，能够定量揭示解释因子对探测目标的影响力、度量空间异质性和变量之间的交互关系（Wang et al.，2017；Wang et al.，2018）。

宝鸡市作为典型河谷型工业城市，该地区土壤重金属污染已有研究者关注（王利军等，2011；耿雅妮等，2019），但大多研究仅进行了重金属含量分析及来源识别，对影响城区土壤重金属含量空间分布的自然环境气象因素定量研究较少，缺少对城市土壤重金属空间分布的影响因子驱动机制的深入分析，缺乏在全球气候变化和人类活动大背景下，气象因子及各地理环境因子对城市土壤重金属空间分布的交互作用机制探讨。本文以宝鸡城区为研究区域，通过对地表土壤中8种重金属元素（Cd、As、Cu、Pb、Zn、Cr、Mn和Ni）含量的测定，采用GIS空间分析和地理探测器模型，选取DEM（数字高程）、NDVI（植被覆盖指数）、土地利用类型、土壤类型、土壤质地、降水、温度、距铁路距离等 11个因子为自变量，对城市土壤重金属含量空间分布、影响因素及其交互作用进行研究，以期为城市土壤生态环境污染防治和政府相关部门决策提供科学依据。

1 材料与方法

1.1 研究区概况

宝鸡市区坐落于陕西西部，是关中平原城市群重要节点城市，地处 106°18′—108°03′E，33°35′—35°06′N之间，城区坐落于黄土高原渭河谷地之上，为典型的黄土高原河谷型工业城市。宝鸡地质构造复杂，东、西、南、北、中的地貌差异大，具有南、西、北三面环山，主导风向为西风，年平均降水量在755 mm左右，气候属于暖温带半湿润类型。由于地形原因，市区建设以渭河为中轴向东拓展，呈尖角开口槽形的特点，近年来，城市建设向东转移，部分地区工厂、农田、交通和生活区交错分布。城区面积约110 km2，人口近150万。采样区分布有宝钛集团、东岭集团、宝化科技等工矿、冶金、化工、机械工厂企业。采样区道路密集，陇海铁路、宝成铁路、宝中铁路及连霍高速在此交汇。

1.2 数据来源

1.2.1 土壤样品采集及处理

采集市区表层0—20 cm土壤样品62份（图1）。采样点主要以铁路沿线及工业区较密，且兼顾全城区的方法，借助遥感影像和GIS技术布设。实际采样时，在采样点所在地设一正方形（边长5 m），使用手动钢制土钻取各顶点及对角线交点的5个分样做1个混合样，如遇街道等狭长的路面硬化地点时，沿绿化带取5个间隔5 m的分样做1个混合样，每个混合样1.0 kg，装入聚乙烯自封袋。样品运回实验室后，采用HNO3-HCl-H2O2法进行消解，用电感耦合等离子体质谱仪（ICP-MS，NexION350X，PE）测定 Cd、As、Cu、Pb、Zn、Cr、Mn、Ni的含量。实验过程中采用空白样、国家标准样进行质量控制，元素回收率控制在95%—105%之间，相对标准偏差（RSD）小于10%。实验所用药剂均为优级纯。

图1 研究区采样点Fig. 1 Sampling points in study area

1.2.2 指标选取及数据获取

参考李锋等（2019）、张军等（2019）的因子选取方法，同时结合研究区实际情况，选取DEM、植被覆盖指数（NDVI）、土地利用类型、土壤类型、土壤质地、降水、大气温度、距铁路距离、距河流距离、距公路距离及距工厂距离 11个因子。DEM（GDEMDEM 30 m）及影像数据（Landsat 8 OLI_TIRS）来自于地理空间数据云（http://www.gscloud.cn/），矢量数据来自全国地理信息资源目录服务系统（http://www.webmap.cn/）地理环境数据均来自资源环境数据云平台（http://www.resdc.cn/），在ArcGIS 10.5与ENVI 5.3中对数据进行相应预处理。

1.3 研究方法

1.3.1 空间分析

本文选用地统计下非参数地统计方法——普通克里格（Ordinary Kriging），该方法重点考虑空间自相关的因素，并用拟合的半变异参数进行插值，由于该方法对每个估算点都进行变异量算，估算值可靠性较高，因此常用于重金属含量空间分布研究。

1.3.2 地理探测器

地理探测器是基于空间分异理论，采用空间统计方法，探测并定量分析各影响因子间交互作用的工具。其模型由因子探测器、生态探测器、风险探测器和交互探测器4个子模型组成，其中因子探测器是核心部分。模型如下：

式中：

PD,H为因子D对H（重金属含量空间分布）的解释力；

n为总的研究区单元数；

nD,i为因子D中第i分区的单元数；

σ为重金属含量的总标准差；

σD,i为因子D中第i分区的标准差。

PD,H的大小表示空间分异程度的强弱，PD,H∈[0, 1]，当PD,H值越靠近1时，则空间分异性越强，反之亦然。

交互作用探测器衡量双因子对重金属含量的解释力，若值越靠近1，则表示交互作用越明显（表1）（Wang et al.，2018），本文试图根据因子探测器和交互作用探测器的结果，揭示影响因子对研究区土壤重金属含量空间分布的影响。

表1 交互作用结果划分Table 1 Interaction result partitioning

2 结果分析

2.1 土壤重金属含量

土壤重金属元素含量统计见表2，Cd质量分数均值为 0.77 mg·kg−1，超过陕西省土壤背景值，是陕西省背景值的8.19倍，Zn质量分数均值为261.17 mg·kg−1，是陕西省背景值的 3.76倍，远高于其余元素。各元素含量最大值超过了陕西省土壤背景值，表明研究区土壤重金属富集严重。根据Wilding（吕建树等，2012）变异程度分类，研究区内各重金属元素均为高度变异（变异系数>0.36），变异系数均较高，表明城市重金属污染受到人类活动影响较大。

表2 土壤重金属描述统计Table 2 Descriptive statistics of soil heavy metal

2.2 土壤重金属含量空间分布特征

本研究选择地统计学中的普通克里格，并在ArcGIS 10.5绘制土壤重金属含量空间分布如图2。各元素空间分布特征存在一定差异；Cd高值主要分布在陈仓区东北部的潘家湾地区，以及陈仓区与渭滨区交界处的滨河路，污染范围大；Zn的高值区主要分布在金台区西北部的国川乡，自西向东递减，且污染程度较大；As高值区主要以块状形式分布在金台区西部的硖石镇和盘龙镇；Cu高值区主要集中在金台区和渭滨区中西部的马家坡，呈自西向东递减分布；Pb和Cr的高值区主要在渭滨区中东部的石鼓镇；Ni、Pb、Cr、Mn污染程度较轻，Ni高值区主要分布在金台区西部的国川乡，Mn高值区仅在渭滨区西南部的周家湾地区。

图2 宝鸡城区土壤重金属含量空间分布Fig. 2 Spatial distribution of soil heavy metal content in Baoji urban area

2.3 影响因子分类

各地理、环境、气象因子在ArcGIS 10.5中处理成200 m×200 m的格网数据，提取相应的格网中心值，采用自然间断法分类，DEM、NDVI、土壤类型、土壤质地共六类分类，其余因子均为五类分类，距铁路、河流、公路、工厂距离均为多环缓冲区分类（如图3）。

图3 地理环境因子分类Fig. 3 Classification of geographical environment factor

2.3.1 因子探测

通过地理探测器模型计算，可反映影响因子对重金属空间分布的解释力（表3）。DEM、降水、大气温度对各元素含量空间分布上均具有较强解释力。其中降水是Cd空间分布的第一主影响因子，DEM 是其他7种重金属空间分布的第一主要影响因子。由于Cd、Zn是研究区的主要超标污染物，识别Cd、Zn空间分布影响因子尤为重要。影响Cd分布的因子降序排序为降水 (0.188)>大气温度(0.187)>土壤类型 (0.159)>DEM (0.141)>NDVI(0.058)>距工厂距离 (0.039)>土壤质地 (0.021)>距铁路距离 (0.016)>距公路距离 (0.006)>土地利用(0.005)>距河流距离 (0.001)；影响 Zn的因子降序排序为 DEM (0.203)>土地利用 (0.077)>土壤类型(0.029)>距工厂距离 (0.017)>大气温度 (0.011)>降水 (0.009)>NDVI (0.007)>距河流距离 (0.006)>距公路距离 (0.005)>土壤质地 (0.003)>距铁路距离(0.002)，其中降水、DEM、大气温度、土地利用、土壤类型对研究区Cd和Zn空间分布具有较强解释力。DEM与降水因子对其余As、Cu、Ni、Pb、Cr、Mn具有较强的解释力。

表3 影响因子探测值（PD, H）Table 3 Detection (PD, H) of geographical environment factor

2.3.2 交互作用探测

土壤结构成分复杂，重金属污染分布往往是由多因素共同作用的结果，不存在由某种单一因素的影响（李雨等，2017），因此，利用交互作用探测器探测多种因子对重金属空间分布的交互影响程度，有利于准确判断影响重金属空间分布的深层驱动机制。

选取各元素PD,H第一影响因子为交互基准，与因子解释力值前三因子进行交互分析（表 4）。结果表明，除Cd第一影响因子为降水外，其余重金属第一影响因子均为 DEM，Cd在降水∩土壤类型后，解释力增强到 0.307，降水∩土壤质地增强到0.251，降水∩土地利用为 0.221，表明降水与土壤类型、土壤质地、土地利用的交互作用会增强 Cd在空间上的分布；As、Cr、Cu、Mn第一影响因子为 DEM，交互探测后，其 DEM∩降水交互解释力均为最强，其余交互解释力较强的为大气温度和土壤类型，说明DEM与降水、大气温度、土壤类型的交互作用对以上重金属含量空间分布具有增强效应；元素 Ni、Pb交互解释力最强的分别为土地利用与土壤类型，但解释力第二和第三均为大气温度和降水，大气气温因素的交互对以上重金属含量空间分布具有增强效应；Zn交互解释力最强的为DEM∩大气温度，但与 DEM∩降水交互值十分接近，与DEM∩NDVI交互值有明显差异，气象因子在Zn空间分布上具有较强增强效应。

表4 因子交互作用Table 4 Factor interaction

3 讨论

3.1 重金属含量空间分布特征分析

宝鸡市作为陕西省第二大工业城市，市区历史遗留存在大量厂矿企业，加之近年来城市东移西扩发展，导致工厂、住宅、交通等交错分布，再加上特殊的河谷型地理环境，建设密集、人口密度与车流量增大，聚集了众多城市生态环境问题。研究区各重金属元素在空间分布上都存在一定差异，从空间分布上来看，Cd高值区主要在陈仓区以东及渭滨区和金台区的中部交界处，该地区主要存在各类厂矿企业，交通道路密集，高速路和铁路在此交汇，王洪涛等（2016）研究发现，工业活动（如冶炼加工、垃圾焚烧等）产生的废渣、废气等，是 Cd、Cu的主要来源，Zn的高值区主要在金台区西北部，考虑到该地区西北部存在铅锌矿及其冶炼厂，是Zn的主要来源；As高值区主要分布在金台区西部、陈仓区西部及金台区与渭滨区交界处，该地区多以耕地为主，农业生产过程中大量使用中农药化肥，是造成 As的污染（艾建超等，2014）主要原因。Pb和Cr的高值区主要在金台区与渭滨区中东交接处，该地区是城市主要交通要道之一，车流量大，受汽车尾气的排放（Li et al.，2019）影响较大；Ni、Mn高值区主要集中在金台区和渭滨区中西部，该地区人口密度大，人为活动频繁，导致该地区Ni、Mn含量较高。

3.2 影响因子选择探讨

地理探测器在城市土壤重金属方面研究并不多，因子的选择性存在很大主观因素，本文通过文献并结合宝鸡市特殊地理情况，选取包括土地利用、DEM、NDVI、降水等11种影响因子，分析发现，宝鸡市土壤重金属含量空间分布主要影响因子为 DEM，这与宝鸡市特殊的河谷型城市地理构造密切相关，宝鸡市三面环山，工厂产生的废气、废液和废渣等污染物，随地形汇聚于城市市区土壤，受DEM和降水交互影响，易溶性重金属向城市中心土壤汇集。艾东升（2011）、赵文杰等（2013）在研究发现，人为和自然源产生的重金属通过大气降水过程降落到地面，并富集在土壤中，与本研究结果一致。除降水外，DEM 和大气温度的交互解释力也很强，林静等（2016）研究发现重金属在冬春季含量高于夏秋季，本文数据采集在冬春交换季，结合交互探测结果分析，气温对重金属含量空间分布也有较强的相关性。这些均说明地理因子和气象因子都较强地影响城市土壤重金属的空间分布，选择地理因子和气象因子可以更好地揭示城市土壤重金属变异的驱动机制。

3.3 Cd、Zn风险探测分析

研究区Cd、Zn含量远超过陕西省土壤背景值，其中Cd含量均值是陕西省土壤背景值的8.19倍，Zn含量均值是陕西省土壤背景值的3.76倍。因此，对研究区Cd、Zn空间分布的影响机制分析非常必要。

3.3.1 Cd风险探测

对Cd含量风险探测（图4），分析各影响因子的子因子对其含量的影响。对其进行相关性分析表明，Cd含量与DEM和NDVI呈现高度负相关，随DEM和NDVI的增长，Cd含量递减，当海拔在513—589 m时 Cd含量最高，质量分数达到 1.47 mg·kg−1；Cd含量与土壤质地中沙土含量、降水、大气温度因子呈现高度正相关。Xu et al.（2019）在研究中发现，重金属通过大气降水过程降落到地面，并富集在土壤中，是Cd含量与降水变化的主要驱动机制；王洪涛等（2016）研究发现，工业活动（如冶炼加工、垃圾焚烧等）产生的废渣、废气等，是Cd、Cu的主要来源，这与本研究工厂区Cd含量最高结果一致；徐蕾等（2019）在研究中发现，Cd含量受到成土母质影响较大，本研究中土壤类型中对Cd影响最大的为潮土，其次为、褐土、褐土性土、红粘土、钙质土及棕壤性土，这与徐蕾等研究结果一致；Cd含量随距铁路、公路距离增大而增大，当距离铁路、公路800 m时达到最大值，宝鸡市城区铁路线500 m内公路密集，邵莉等（2012）研究发现，金属被腐蚀后会释放出Cd，且汽车轮胎中含有镉盐，推测距铁路800 m时，Cd含量增高与此有关，根据变异性分析，Cd在1 km外，含量会随距离增大而减少；在距河流距离中没有明显变化特征；在距工厂距离中，Cd含量先随距离增大而减少，在距离800 m时突增，之后随距离递减。通过风险探测，发现影响Cd含量最主要的驱动因素为降水、同时受土壤质地、大气温度、DEM、NDVI自然条件控制，这与因子探测结果一致。宝鸡市独特的三面环山地形及暖温带半湿润类型气候类型，土壤重金属Cd来源于土壤母质和工业活动，同时又受到植被、降水和研究区高程条件影响，在多重因素的驱动下，研究区重金属Cd含量空间分布集中于工业区和交通主干道附近，表现出明显的空间聚集性。

图4 重金属Cd含量风险探测Fig. 4 Risk detection of Cd content

3.3.2 Zn风险探测

对Zn含量风险探测（图5），对其进行相关性分析，Zn含量与DEM呈现高度正相关，随高程增加含量增大；随降水量和大气温度的增加，Zn的含量呈减少趋势，与Cd情况相反；土地利用中，耕地中 Zn含量最高、其次为工厂区、林地、河流，建筑区最少；土壤类型中，褐土中 Zn含量最多，其次为褐土性土、红粘土、潮土、钙质土，棕壤性土中含量最少；NDVI、土壤质地、距铁路、河流、道路、工厂距离因子对Zn含量影响不明显。Zn的高值区主要在金台区西北部，该地区地势较高，上游存在锌矿及其冶炼工厂，可能受到宝鸡市河谷地形因素影响，Zn在高程变化的作用下汇集。耿雅妮等（2019）研究发现宝鸡市土壤 Zn重度污染，主要为铅锌矿的开采，伴随DEM的变化，土壤中Zn含量发生变化，因此Zn含量与DEM呈现高度正相关性，这表明，土壤中 Zn聚集主要与研究区高程较高的铅锌矿开采和冶炼厂矿有关。Zn在土壤中比较稳定，其分布基本上不受其他因素影响，少量工业 Zn尘，在城市热岛大气环流作用下，可以由城市边缘向城市中心移动扩散，同时随降雨下落到城区，因此由于城市热岛效应和大气降水对土壤 Zn重金属污染的可能输送应该引起河谷型工业城市政府的注意，合理优化工矿企业布局，积极治理大气污染。

图5 重金属Zn含量风险探测Fig. 5 Risk detection of Zn content

4 结论

（1）宝鸡市区土壤重金属Cd、Zn、As、Cu和Ni的均值超过了陕西省土壤背景值，Cd质量分数均值达 0.77 mg·kg−1，为陕西省土壤背景值的 8.19倍；Zn质量分数均值为261.17 mg·kg−1，为陕西省土壤背景值的3.76倍。研究区土壤Cd、Zn污染较严重。

（2）宝鸡市区土壤重金属空间分布存在显著差异性，其中Cd、Zn、As、Cu污染较严重，主要集中在潘家湾立交桥、滨河路及马家坡，在空间上呈现一定的空间聚集性；Ni、Pb、Cr、Mn的高值区分布范围较小，呈零散分布，污染程度较轻。

（3）降水、DEM、大气温度在各元素含量空间分布上均具有较强解释力。Cd含量空间分布主要受降水影响，其余元素主要受高程DEM影响。降水、DEM、大气温度、土地利用、土壤类型对Cd和Zn含量空间分布具有较强解释力。

（4）交互作用解释力均显示增强效应，交互作用的PD,H值均高于单个因素影响值。Cd因子交互解释力排序：降水∩土地类型 (0.307)>降水∩土壤质地 (0.251)>降水∩土壤利用 (0.221)，对于As、Cr、Cu、Mn，DEM∩降水交互作用均为最强解释力，DEM∩大气温度对Zn交互解释力最强。

（5）Cd空间分布主要驱动因素为降水，并受土壤质地、温度、DEM、NDVI自然条件控制，表现出明显的空间聚集性。Zn主要与研究区铅锌矿开采和冶炼厂矿有关，在DEM高程的变化影响下汇集。