陈胤再，陈柏成，梅皓天，夏枫，柳丹*

(1.浙江农林大学 环境与资源学院，浙江 杭州 311300；2.宁波市生态环境科学研究院，浙江 宁波 315012)

随着工业化的快速发展，过量施肥等因素[1]，导致农田土壤Cd污染日益严重。2020年5月7日，生态环境部公布了《2019年全国生态环境质量简况》，根据简况显示，Cd为影响农用地土壤环境质量状况的首要污染物[2]。Cd是自然环境中毒性较大的重金属元素之一[3]，因其迁移性大，易从土壤环境中迁移转化进入植物体内[4]。人体长期过量摄入含镉作物会严重威胁身体健康，引发癌症、肾脏损伤和骨质疏松等一系列疾病[5]。因此，Cd污染农田土壤的治理和安全利用引起了人们的广泛关注。

土壤是一个具有空间连续性、高度异质性的三维变异体，而并不是均质体[6]，在土壤特性变化描述时，常常伴随着多尺度、多层次的变化。目前，空间尺度效应对土壤特性的影响已被广泛应用于土壤水分[7]、养分[8]及盐分[9]的研究中，但在土壤重金属方面的研究鲜为少见[10]。研究发现，土壤特性的空间变异是尺度的函数[11]，尺度通常包括幅度和粒度[12]，两种及以上尺度下，土壤变量间的相关性存在差异性，单一尺度下无法深入分析土壤特性的空间变异结构特征，若在两种及以上尺度下能较好地进行深入分析[13]。对于不同采样粒度(间距)的土壤重金属变异规律的研究较少。因此，研究不同采样间距下农田土壤中Cd的含量状况及空间分布特征，从而选择较适宜的采样间距已成为迫切需要解决的问题，也是研究者们在采样间距选择上面临的重大挑战。本研究选取舟山市定海区某水稻田土壤为对象，以重金属镉(Cd)为例，运用空间自相关分析方法，研究田块尺度不同采样间距下农田土壤Cd的空间自相关特征，确定特征采样间距，为Cd污染农田土壤的治理及安全利用提供参考依据。

1 材料与方法

1.1 研究区概况

研究区位于浙江省舟山市定海区某水稻田，总占地面积约为5.3 hm2，西北侧和东南侧隔路为河流，该水稻田采用稻油轮作种植模式和机耕直播耕作模式；此外，研究区地处欧亚大陆，属于典型的亚热带海洋性季风气候，气候温和湿润，四季分明，光照充足，年均日照时数1 883.3 h，年均降水量1 410.8 mm，年均蒸发量1 208.3 mm。

1.2 样品采集与分析

1.2.1 土壤样点布置与采集

图1 不同采样间距下采样点位图Fig.1 Bitmap of sampling points with different sampling spacing

1.2.2 测试分析

将采集的土壤样品经室内自然风干后，剔除土壤样品中碎石、砂砾、植物根系、残渣及可见土壤侵入体，过2 mm筛后研磨，再过0.15 mm筛备用，并装入样品袋。

土壤pH值采用pH计(土/水=1∶2.5)测量[14]；土壤Cd的含量首先采用HCl-HNO3-HF-HClO4混酸消解法消解样品，再采用石墨炉原子吸收光谱法(GFAAS)测定[15]。

1.3 空间自相关分析方法

Moran′sI指数是空间自相关分析方法最常用的一种，通常包括全局Moran′sI和局部Moran′sI[16]。

1.3.1 全局空间自相关

全局Moran′sI主要用以描述空间变量在整个研究区内的空间分布情况，判断该变量的分布是否存在离散、聚集或随机[16]。

全局Moran′sI变化范围介于-1.0～1.0，当I大于0，呈空间正相关，存在空间聚集；当I小于0，呈空间负相关，存在空间孤立；当I为0，表明观测值随机分布，不存在空间自相关性[17]。

为检验空间自相关的显著性，对全局Moran′sI值进行标准化，等到Z得分，Z得分反映显著程度，当Z<-1.96或>1.96时，存在显著的空间自相关性，反之则不显著(表1)。

表1 不同置信度下临界Z值和临界P值Table 1 Critical Z and critical P values at different confidence levels

1.3.2 局部空间自相关

现场采用挖掘机与装载机清理浮土，产生的弃土运输到指定位置，不得在现场大量堆放，以免影响正常的注浆施工。

局部Moran′sI主要用以计算空间变量特定空间位置的自相关程度，不但可以识别出局部空间聚类和异常值的具体位置及分布情况，而且还弥补了全局空间自相关性分析的不足[18]。

本研究采用LISA聚类图进行局部空间自相关分析，可以描述局部区域两个变量之间的相互关系，对局部空间格局进行可视化[19]，包括高-高(HH)、低-低(LL)、高-低(HL)和低-高(LH)4种分布类型。HH、LL为空间聚集，高-高表示高值被高值包围，呈高值聚集状态；低-低表示低值被低值包围，呈低值聚集状态；HL、LH为空间孤立，高-低表示高值被低值包围，该点有较高的异常值；低-高表示低值被高值包围，该点有较低的异常值[20]。

1.4 数据综合处理分析

采用数据分析软件(SPSS 22.0)对土壤重金属Cd进行描述性统计分析，采用Shapiro-Wilk(简称“S-W”)检验法和(简称“K-S”)检验法分别对长采样间距和短采样间距的各组数据进行单样本检验，对不符合的数据采用对数转换；采用空间数据分析软件(GeoDa)进行空间聚类和异常值分析。

2 结果与分析

2.1 不同采样间距下Cd含量描述性统计

研究区不同采样间距下Cd含量描述性统计如表2所示。

表2 不同采样间距下Cd含量描述性统计Table 2 Descriptive statistics of Cd content at different sampling intervals 单位：mg·kg-1

根据Nielson等[21]的划分标准，变异系数小于等于10%为弱变异性，10%～100%为中等变异性，大于等于100%为强变异性。从变异系数来看，长采样间距和短采样间距的变异系数分别为74.785%和71.246%，均表现为中等变异性，受结构因素和随机因素共同影响，短采样间距下变异系数较小，随着采样间距缩减，变异系数变小，表明两种采样间距下研究区Cd含量具有明显的尺度效应。

长采样间距下Cd的偏度和峰度分别为1.721和2.491，短采样间距下Cd的偏度和峰度分别为2.031和0.653，表明两种采样间距下研究区Cd含量原始数据均不符合正态分布。空间统计学的前提是原始数据必须符合正态分布，否则将产生比例效应[22]。经对数转换后，两种采样间距下Cd含量均符合正态分布，可以进行后续空间自相关分析的研究。

2.2 不同采样间距下Cd含量全局空间自相关特征

研究区不同采样间距下Cd含量描述性统计如表3所示。

表3 不同采样间距下Cd含量全局Moran′s/指数及其显著性检验Table 3 Global Moran′s/index of Cd content and its significance test at different sampling intervals

长采样间距下Moran′sI指数和Z得分分别为-0.106 0和-0.758 4，均小于0，表明长采样间距下农田土壤中Cd元素含量在全局自相关上呈负相关，存在空间孤立，相关性不显著；短采样间距下Moran′sI指数和Z得分分别为0.163 6和2.897 5，均大于0，说明短采样间距下农田土壤中Cd元素含量在全局自相关上呈正相关，存在空间聚集，相关性显著。

短采样间距下全局莫兰指数绝对值更接近于1，空间相关性更强[23]，表明缩减采样间距空间相关性增强，受结构因素影响程度变小、随机因素影响程度变大；另外，不难发现，随着采样间距的缩减，显著性增强。

2.3 不同采样间距下Cd含量局部空间自相关特征

由图2可知，两种采样间距下Cd含量局部空间自相关呈不显著的采样点分别占88.88%和88.45%。长采样间距下，高值聚集和低值聚集分别占0%和2.78%，高低孤立和低高孤立分别占2.78%和5.56%；短采样间距下，高值聚集和低值聚集分别占4.62%和3.08%，高低孤立和低高孤立分别占0.77%和3.08%。高低孤立和低高孤立分别代表高值异常点和低值异常点，从空间聚类和异常值来看，长采样间距下，研究区Cd呈现高值异常点和低值异常点共存的分布格局，而短采样间距下，Cd不仅存在高值聚集和低值聚集共存的分布格局，还存在高值异常点和低值异常点共存的分布格局。

图2 不同采样间距下Cd含量空间聚类和异常值分析Fig.2 Spatial clustering and outlier analysis of Cd content at different sampling intervals

两种采样间距下研究区Cd元素呈现不同的局部分布特征，长采样间距下研究区Cd仅在东北部出现1个低值聚集点，而短采样间距下研究区Cd在西北部和东北部出现6个高值聚集点、中部和东北部出现4个低值聚集点，短采样间距下空间聚集点数量较多，表明缩减采样间距Cd元素含量集中程度变高、离散程度变小。另外，长采样间距下研究区西北部不显著点区域在短采样间距下出现高值聚集点；长采样间距下研究区东北部不显著点区域在短采样间距下出现高值聚集点和高值空间异常点；长采样间距下研究区中部不显著点区域在短采样间距下出现低值聚集点；长采样间距下研究区南部不显著点区域在短采样间距下出现低值空间异常点；以上现象均表明短采样间距下能够观察到大尺度下无法观察到的Cd元素间空间关联性的细微变化。

3 结果与讨论

土壤重金属是表征土壤质量的重要环境因子，刻画其空间变异性并掌握空间结构特征，对区域农田土壤环境质量的评价与全方位治理修复有重要的现实意义[24]。改变农田土壤重金属空间异质性的影响因子作用于不同的空间范围[25]，表明土壤重金属的空间变异也具有尺度效应。对于尺度效应的研究包括仅改变采样幅度、仅改变采样粒度、同时改变采样幅度和粒度等3种类型，三者各具特点、揭示的内容有所差异。在以往的研究中，多数学者采用改变采样幅度或同时改变采样幅度和粒度，本文以舟山市定海区某水稻田土壤为研究对象，采用仅改变采样粒度的方式，即通过改变采样间距的方式，反映两种采样间距下Cd元素的空间自相关性，避免单一采样间距下研究结论的不全面性，为Cd污染农田土壤的治理及安全利用提供参考依据。

描述性统计分析研究表明，研究区农田土壤Cd含量在两种采样间距下最值、均值等方面相差不大，这与Li等[26]研究结论相悖，这可能与研究区所在区域周边环境、当地农用地环境质量状况等有关，据了解，研究区周边无涉镉等工业企业，而且舟山市农用地土壤镉(Cd)为轻微污染，出现局部点位异常聚集的可能性较低；两种采样间距下均为中等变异性，随采样间距缩减，变异系数变小，这与杨奇勇等[27]结果类似，同时二者具有明显的尺度效应，这与王幼奇等[28]发现一致。

全局空间自相关性分析研究表明，随着采样间距缩减，空间相关性增大，显著性增强，这与王鹏等[29]研究结果一致，同时全局莫兰指数区分了空间自相关的正负性[30]。

局部空间自相关性分析研究表明，局部LISA聚类图可以直观地辨识局部聚集和异常值的具体位置，这与阙泽胜等[31]、沈惠雅等[32]研究结论一致，利用局部LISA聚类图识别采样点局部聚集与异常值的位置，对于今后农田的管理具有重要借鉴意义，可采取相关措施有效遏制目标重金属因子的富集并降低其浓度；此外，两种采样间距下Cd元素呈现不同的局部分布特征，短采样间距下能够观察到长采样间距下无法观察到的Cd元素间空间关联性的细微变化。

在农用地土壤污染状况调查时，采样密度越小，越容易揭示调查地块的污染状况，即采样间距越短，越容易识别出污染因子的位置。但由于短采样间距通常消耗大量的人力、物力和财力，故本研究通过两种采样间距下进行对比分析，同时采用全局空间自相关和局部空间自相关相结合的方法进一步完善了Cd污染农田土壤的空间聚类和异常值分析，研究表明，短采样间距(20 m)更易于揭示Cd元素空间分布状况；对于Cd污染农田土壤的安全利用及治理，虽然40 m采样间距能减少前期调查成本，但无法准确识别Cd含量较高值所在的具体位置，增加后期安全利用及治理的不确定性，而20 m采样间距则能够准确地进行异常值识别，有助于对Cd含量较高值所在的位置采取针对性的污染防控措施以及摸排切断污染源头，为Cd污染农田土壤的安全利用及治理提供参考依据。