戴倩倩，徐夢潔*，莊舜堯，陳冬峰

基于地理探測器的封丘縣農田土壤重金屬分布影響因素研究①

戴倩倩1，徐夢潔1*，莊舜堯2，陳冬峰2

(1 南京農業(yè)大學公共管理學院，南京 210095；2 土壤與農業(yè)可持續(xù)發(fā)展國家重點實驗室(中國科學院南京土壤研究所)，南京 210008)

以河南省封丘縣為研究區(qū)，利用反距離加權插值法研究了農田土壤重金屬Cd、Cu、Cr、Pb、Zn和As的空間分布特征；同時，應用基于地理探測器模型定量研究了8個因子對土壤重金屬空間分布的影響。結果表明：研究區(qū)土壤Cd、Cr、Pb和Zn含量超過了黃河下游潮土背景值，而Cu和As含量低于黃河下游潮土背景值；其中有極少量樣點Cd含量超過農用地土壤污染風險篩選值，而其他均未超標。在空間分布上，Cd、Cr、Pb含量的高值區(qū)分別主要分布在研究區(qū)中部、西南部和北部，As含量的高值區(qū)分布在研究區(qū)北部和西南部，Cu和Zn含量的高值區(qū)在研究區(qū)南北方向呈帶狀分布。Cd、Pb和As含量的低值區(qū)主要分布在研究區(qū)南部，Cr、Cu、Zn和As含量的低值區(qū)主要分布在研究區(qū)中部。地理探測器分析表明，土壤重金屬空間分布受到自然因子和人為因子的共同作用，有機質含量是影響較大的自然因子，人口密度是影響較大的人為因子。兩因子之間的交互作用均大于單因子的作用，其中有機質含量與各因子的交互作用對重金屬空間分布的影響較顯著。

土壤重金屬；空間分布；地理探測器；封丘縣

土壤質量與糧食安全、農產品質量和農業(yè)的可持續(xù)發(fā)展息息相關[1-2]。隨著工業(yè)化、城市化和農業(yè)集約化的快速發(fā)展，我國農田土壤環(huán)境受到了巨大沖擊，土壤污染日趨嚴重[3-4]，其中重金屬污染是土壤污染主要形式之一，被稱為潛在的“化學定時炸彈”[5-6]。當農田土壤中重金屬累積到一定程度時，不僅導致農業(yè)綜合生產能力下降，還可能對人類健康構成威脅[7-8]。農產品質量會受到產地環(huán)境質量的直接影響，因此，對農田土壤重金屬的污染狀況開展調研與防治顯得尤為重要[9]。

了解土壤重金屬的分布特征及其影響因素是土壤重金屬調研的重要內容，也是土壤重金屬污染防治的基礎。許多學者通過研究土壤重金屬污染特征與影響因素，發(fā)現(xiàn)土壤重金屬的空間分布表現(xiàn)出明顯的異質性[10]。自然因素和人為因素都會影響土壤重金屬含量及分布，且不同因子對重金屬元素的影響會因地而異，貢獻度也存在差異。李福燕等[11]發(fā)現(xiàn)，有機質含量與Hg、Cd、Cr和Pb含量呈正相關；pH與Cd、Pb含量呈正相關，與Hg和Cr含量呈負相關。余小芬等[12]對云南農用地耕作層土壤重金屬研究發(fā)現(xiàn)，重金屬含量與土壤類型、海拔高度、土壤pH等因素相關。劉瓊峰等[13]研究指出，土壤pH、有機質、氮磷含量是影響土壤Pb、Cd含量的重要因素。類似地，還有許多研究也表明，距道路、居民點以及工礦企業(yè)的距離對土壤重金屬的空間分布都有較大影響[14-15]。但是這些研究在自然和人為因子如何共同影響土壤重金屬空間分布的機制方面，還有待深入。地理探測器可以利用空間分異性來探測因子對因變量的影響[16]。該方法已在醫(yī)學[17]、地理學[18]領域得到廣泛運用，在土壤學[19]研究中也有所實踐，但在土壤重金屬研究中還較為少見。

黃淮海平原作為我國重要的糧食主產區(qū)，其土壤重金屬污染狀況已受到較多關注[20-21]。但是，土壤重金屬污染影響因子方面的研究還不多。封丘縣位于黃淮海平原中部，是我國重要的糧食生產基地，近年來農藥化肥使用量大幅增長，養(yǎng)殖業(yè)規(guī)模不斷擴大，可能會加速土壤重金屬在耕地中的累積[22]。因此，本文以封丘縣耕地土壤Cd、Cr、Cu、Pb、Zn和As等重金屬為研究對象，通過土壤系統(tǒng)采樣分析，采用反距離加權插值法獲得土壤重金屬含量的空間分布特征，同時利用地理探測器法研究土壤重金屬空間分布的自然與人為影響因子，從而揭示各因子及交互作用對土壤重金屬空間分布的影響。研究結果可為農田土壤重金屬的管理及防范提供參考，為當?shù)胤N植業(yè)和養(yǎng)殖業(yè)規(guī)劃提供依據(jù)，促進區(qū)域農業(yè)發(fā)展與環(huán)境保護和諧統(tǒng)一。

1 材料與方法

1.1 研究區(qū)概況

封丘縣位于河南省東北部(34°53′ ～ 35°14′ N，114°14′ ～ 114°46′ E)，是黃淮海平原的一部分，屬暖溫帶大陸性季風氣候，年降水量615.1 mm，無霜期214 d，年平均氣溫13.5 ～ 14.5 ℃，海拔高度65 ～ 72.5 m。全縣總面積1 220.5 km2，其中耕地面積6.17×104hm2，是我國重要的糧食生產基地。

1.2 數(shù)據(jù)來源

1.2.1 土壤重金屬數(shù)據(jù) 于2018年4月，基于研究區(qū)遙感影像和土地利用類型，采用網(wǎng)格化布點方法，按照梅花形采樣法利用土鉆進行田間采樣，采樣深度為0 ～ 15 cm，共獲取土壤樣品117份。采樣同時，利用GPS記錄采樣點的坐標。研究區(qū)的區(qū)位及采樣點分布情況如圖1所示。采集的土樣帶回實驗室，置于室內陰涼通風處自然風干，挑出雜物，經(jīng)研磨和過尼龍篩等預處理，對樣品中Cd、Cu、Cr、Pb、Zn和As及有機質含量進行測定。

1.2.2 其他數(shù)據(jù) 其他數(shù)據(jù)包括DEM數(shù)據(jù)、遙感數(shù)據(jù)、土壤類型數(shù)據(jù)、地理空間數(shù)據(jù)和人口數(shù)據(jù)。DEM(ASTER GDEM)和遙感數(shù)據(jù)(Landsat8 OLI)均來源于地理空間數(shù)據(jù)云平臺(www.gscloud.cn)；土壤類型數(shù)據(jù)來源于世界土壤數(shù)據(jù)庫(HWSD)[23]；地理空間數(shù)據(jù)來源于OpenStreetMap(https://www.openstreetmap. org/)。另外，人口密度數(shù)據(jù)來自于中國科學院地理科學與資源研究所(http://www.resdc.cn)的中國人口空間分布公里網(wǎng)格數(shù)據(jù)集[24]。本研究以高程(1)、坡度(2)、有機質(3)、土壤類型(4)、歸一化植被指數(shù)NDVI(5)、到村莊的距離(6)、到公路的距離(7)和人口密度(8)等作為土壤重金屬影響因子，各因子分布狀況如圖2所示。

圖1 研究區(qū)區(qū)位與采樣點分布

圖2 各影響因子分布圖

1.3 樣品分析與數(shù)據(jù)處理

1.3.1 樣品分析 土壤中Cd、Pb含量采用等離子體質譜法(ICP)測定，Cu、Cr、Zn含量采用等離子體發(fā)射光譜法測定，As含量采用原子熒光法測定[25]。有機質含量采用重鉻酸鉀外加熱法測定[26]。

1.3.2 數(shù)據(jù)處理與分析 在ArcMap軟件中基于DEM數(shù)據(jù)，經(jīng)Spatial-Analyst處理得到研究區(qū)高程、坡度因子；在ENVI軟件中，遙感影像經(jīng)過幾何校正、大氣校正等預處理，利用波段運算得到NDVI；在ArcMap中利用距離分析工具得到距離因子。

本文運用SPSS 22.0軟件對土壤重金屬含量進行描述性統(tǒng)計，利用ArcMap 10.2中的反距離加權插值(inverse distance weighted, IDW)生成研究區(qū)土壤重金屬含量的空間分布圖[27]，利用地理探測器法研究土壤重金屬空間分布的自然與人為影響因子。地理探測器是探測空間分異性以及揭示其影響力的一種統(tǒng)計學方法，在GeoDetector軟件中操作，核心思想假設為：如果某個自變量對某個因變量有重要影響，那么自變量和因變量的空間分布應該具有相似性[16]。本研究主要用到其中的因子探測器和交互作用探測器。因子探測器可以衡量因子在多大程度上解釋了土壤重金屬的空間變異，因子的影響力以值表示，即自變量可以解釋100×%的因變量的空間分布。交互作用探測器可以識別兩個因子之間的交互作用是否會增強或減弱對土壤重金屬的解釋力，交互作用類型如表1所示。值計算公式為:

表 1 兩個自變量對因變量交互作用的類型

2 結果與分析

2.1 土壤重金屬含量的描述性統(tǒng)計

由表2可知，研究區(qū)Cd、Cr、Cu、Pb、Zn和As的含量范圍分別為0.13 ～ 1.08、39.78 ～ 73.03、8.77 ～ 31.71、15.50 ～ 37.33、36.14 ～ 101.60和2.89 ～ 17.02 mg/kg，平均值分別為0.23、55.59、20.23、24.78、68.59和8.62 mg/kg。除Cu和As外，其余重金屬元素的平均值均超過了黃河下游潮土背景值[28]，尤其是Cd元素，其平均值是背景值的2.5倍。由此表明，這些重金屬元素(尤其是Cd)在表層土壤中存在一定的富集趨勢。除Cd有極少量超標樣點外，其他重金屬元素均未超過農用地土壤污染風險篩選值[25]，說明目前土壤重金屬含量對當?shù)剞r產品質量安全的風險較低。變異系數(shù)可以反映數(shù)據(jù)的離群程度，研究區(qū)土壤重金屬的變異系數(shù)在10% ～ 100%，屬于中等變異，變異程度排序為Cd > As > Cu > Zn > Pb > Cr。相關性分析結果(表3)顯示，Cd含量與Cr、 As含量相關性不顯著，與Cu、Zn含量顯著正相關(<0.05)，與Pb含量極顯著正相關(<0.01)；Cr、Cu、Pb、Zn含量與As含量兩兩極顯著正相關(<0.01)。相關系數(shù)越大，說明元素來源或分布越相似[29]。

2.2 土壤重金屬含量的空間分布特征

利用反距離加權插值法(IDW)得到研究區(qū)重金屬含量的空間分布，如圖3所示。由圖3可知，各重金屬元素在空間上的分布情況不盡相同。Cd的高值區(qū)主要分布于研究區(qū)中部，低值區(qū)主要分布在南部，呈現(xiàn)從中部向南遞減的趨勢。Cr的高值區(qū)主要分布在研究區(qū)西南部，低值區(qū)主要分布在中部。從整體上看，Cu和Zn在空間分布上具有相似性，高值區(qū)在南北方向呈帶狀分布，低值區(qū)主要聚集在中部。Pb的高值區(qū)主要在研究區(qū)北部，低值區(qū)在研究區(qū)南部。As的高值區(qū)分布于研究區(qū)北部和西南部，低值區(qū)在研究區(qū)中部。

表2 土壤重金屬含量的描述性統(tǒng)計(mg/kg)

表3 土壤重金屬相關性

注： *表示在<0.05水平顯著相關，**表示在<0.01水平極顯著相關。

2.3 土壤重金屬空間分布的影響因素

自然因素和人為因素是影響土壤重金屬含量空間分布的兩個方面，參考前人的相關研究，結合數(shù)據(jù)的可獲取性，本文選擇了高程、坡度、有機質含量、土壤類型和NDVI等自然影響因子，選擇到村莊的距離、到公路的距離和人口密度等作為人為影響因子，探究影響土壤重金屬空間分布的因素，因子分布情況如圖2所示。根據(jù)地理探測器軟件對數(shù)據(jù)格式的要求，將連續(xù)型的數(shù)據(jù)進行離散化處理。

2.3.1 影響因子影響力分析 在地理探測器中，分別將6種重金屬作為因變量，利用因子探測器探測8個因子對土壤重金屬的影響力。由圖4和表4可知，各影響因子對土壤重金屬的空間分布有著不同程度的影響。Cd空間分布的主要影響因子為土壤類型，其次為NDVI和人口密度。Cr空間分布的主要影響因子為有機質含量，其次為土壤類型和到村莊的距離。Cu空間分布的主要影響因子為有機質含量，其次為人口密度和到村莊的距離。Pb空間分布的主要影響因子為人口密度，其次為有機質含量和NDVI。Zn空間分布的主要影響因子為有機質含量，其次為人口密度和到村莊的距離。As空間分布的主要影響因子為有機質含量，其次為人口密度和到村莊的距離。可以看出，自然因子中有機質含量的影響較大，人為因子中人口密度影響較大。

圖3 土壤重金屬空間分布圖

圖4 各影響因子對土壤重金屬分布的貢獻度

表4 基于地理探測器的土壤重金屬影響因子分析

注：*、**、***分別表示在<0.1、<0.05、<0.01水平影響顯著。

2.3.2 交互因子影響力分析 本研究利用交互作用探測器識別了不同影響因子對研究區(qū)土壤重金屬空間分布的交互作用。結果表明，兩因子之間交互作用影響力的值均大于單因子的值，主要表現(xiàn)為雙線性增強和非線性增強，說明影響因子間的交互作用影響力高于單一因子影響力。對不同重金屬元素，兩因子之間的交互作用強弱有所差異。本文主要選取了影響前5位的因子對進行分析，如表5所示。

3∩5、5∩6、3∩4、4∩5和5∩7的交互作用對Cd的空間分布影響力均達到了0.7以上，其中3∩5交互作用的影響力達到了0.776。3∩7、3∩6、3∩4的交互作用對Cr的空間分布影響力達到0.4以上，其中3∩7交互作用的影響力達到了0.459。3∩7、3∩8、2∩3、1∩3和3∩5的交互作用對Cu的空間分布影響力達到0.4以上,其中3∩7交互作用的影響力達到了0.481。5∩8、1∩3、3∩8與3∩7的交互作用對Pb的空間分布影響力達到0.4以上，其中5∩8交互作用的影響力達到了0.433。3∩7、3∩8、1∩3、2∩3和3∩6對Zn的空間分布影響力達到了0.4以上，其中3∩7交互作用的影響力達到了0.51。3∩7交互作用對As的空間分布影響力達到了0.449。3∩7、3∩8出現(xiàn)頻數(shù)均達到5次，在所有因子對中出現(xiàn)頻數(shù)最高，可見3∩7(有機質∩到村莊的距離)、3∩8(有機質∩人口密度)對研究區(qū)土壤重金屬空間分布的影響較大。從研究區(qū)主要影響因子交互作用對于重金屬含量的解釋力來看，排在前5位的因子對出現(xiàn)頻數(shù)按從大到小排列順序如下：3∩7(5)=3∩8(5)>2∩3(4)>1∩3(3)=3∩6(3)>3∩4(2)=3∩5(2)=5∩7(2)=5∩8(2)>4∩5(1)=5∩6(1)。

表5 交互作用對土壤重金屬影響力的前5位成對因子及其影響力

注：1、2、3、4、5、6、7和8分別代表高程、坡度、有機質含量、土壤類型、NDVI、到村莊的距離、到公路的距離和人口密度，表格括號內為對應的影響力值。

3 討論

本研究結果顯示，研究區(qū)重金屬Cd、Cr、Pb和Zn含量的平均值均超過了黃河下游潮土背景值，這可能與農業(yè)生產管理過程中施用化肥和有機肥有關。含磷肥料中Cd、Cr含量較高，加上當?shù)仞B(yǎng)殖業(yè)發(fā)展迅速，Cu、Zn和Cr作為我國《飼料添加劑品種目錄》中允許使用的微量元素，是飼料中常用的添加劑，故而使用畜禽糞便作為肥料也會向農田土壤中帶入大量重金屬元素[30-31]。Pb含量受人口密度的影響最大，說明Pb的污染源與人類活動密切相關。Cr、Cu、Zn和As含量在空間上具有相似的分布特征，這與相關性分析的結果相吻合。

地理探測器模型對研究區(qū)耕地土壤重金屬空間分布的單因子分析結果表明，不同因子對土壤重金屬的空間分布有著不同程度的影響，這與以往對耕地土壤重金屬影響因子分析得到的結論一致[32]。有機質含量和人口密度對土壤重金屬的影響較大。土壤中的有機質能與重金屬元素形成絡合物，影響重金屬的遷移轉化，進而影響土壤重金屬的積累[33-34]。人口密度一定程度上反映了人類生產和生活活動的強度，人口愈密集的地方，人類活動范圍越大，活動越頻繁，產生的生活垃圾會帶來重金屬[35]。在周偉等[36]對重慶市土壤重金屬的相關研究中，地勢是土壤重金屬含量分布差異的最主要影響因素，而本研究中高程、坡度對重金屬的影響較小，主要是因為研究區(qū)地勢較為平坦，整體差異不大。一般認為，交通運輸過程中排放的尾氣和輪胎摩擦會產生Pb、Zn重金屬顆粒從而對周圍環(huán)境造成污染，但本研究中到公路的距離對土壤重金屬的影響較小，可能是因為本研究中農田采樣點離公路的距離較遠，有研究表明，重金屬含量在一定范圍內與到公路的距離成負相關，超過臨界點的區(qū)域受公路的影響不大[37]。

交互作用探測器分析結果顯示，Cd元素的最高解釋力因子對均來源于自然因子，除此之外的重金屬元素最高解釋力的因子對分別來源于自然因子與人為因子。對6種重金屬元素，交互作用解釋力較單因子解釋力均大幅提高，這與以往學者們的研究結論一致[32,38]。并且從交互作用結果來看，人為因子與自然因子的交互作用強于自然因子之間以及人為因子之間交互作用。自然因子與人為因子協(xié)同作用于空間分異，造成了重金屬空間分布上的不均勻性。雖然NDVI和到公路的距離等因子單獨作用時影響并不明顯，但是與其他因子共同作用時，也會加強對土壤重金屬空間分異的解釋力。

地理探測器雖然在量化因子間交互作用方面具有優(yōu)勢，但也存在一定的不足，例如對于離散化數(shù)值型變量，不同的分類方法以及分類的數(shù)量會導致探測結果產生差異。本研究中，由于研究尺度以及數(shù)據(jù)的可獲取性，有些自然因子如降水量、人為因子如施肥情況未納入因子選擇范圍，后續(xù)研究可進一步進行探討。研究結果中影響力較大的因子可作為土壤重金屬空間分布預測的輔助變量，提高預測精度。同時結合自然因子和人為因子的分布情況，可識別土壤重金屬污染風險地區(qū)，有針對性地關注和治理，如可以通過技術手段調節(jié)土壤性質、優(yōu)化農田規(guī)劃，從而有效地遏制重金屬增加態(tài)勢，改善土壤質量和生態(tài)環(huán)境。

4 結論

研究區(qū)重金屬Cd、Cr、Pb和Zn含量的平均值超過了黃河下游潮土背景值，Cu和As含量的平均值未超過該背景值，在農作物管理過程中，要注意有機肥的施用量。變異系數(shù)表明，6種重金屬元素均呈現(xiàn)中等變異。在空間分布上，Cd、Cr、Pb的高值區(qū)分別分布在研究區(qū)中部、西南部、北部，As的高值區(qū)分布在研究區(qū)北部和西南部，Cu和Zn的高值區(qū)在南北方向呈帶狀分布。Cd、Pb和As的低值區(qū)主要分布在研究區(qū)南部，而Cr、Cu、Zn和As的低值區(qū)主要分布在研究區(qū)中部。從影響因素上看，自然因子中的土壤有機質含量和人為因子中的人口密度是影響土壤重金屬空間分布的主要因子。兩因子之間的交互作用影響力均大于單個因子的影響力，主要呈現(xiàn)雙線性增強或非線性增強。在進行土壤重金屬防治時，應將Cd作為重點監(jiān)測目標。

[1] 陳杰, 陳晶中, 檀滿枝. 城市化對周邊土壤資源與環(huán)境的影響[J]. 中國人口·資源與環(huán)境, 2002, 12(2): 70–74.

[2] 趙其國. 珍惜和保護土壤資源: 我們義不容辭的責任[J]. 科技導報, 2016, 34(20): 66–73.

[3] 曾希柏, 徐建明, 黃巧云, 等. 中國農田重金屬問題的若干思考[J]. 土壤學報, 2013, 50(1): 186–194.

[4] Yang Q Q, Li Z Y, Lu X N, et al. A review of soil heavy metal pollution from industrial and agricultural regions in China: Pollution and risk assessment[J]. Science of the Total Environment, 2018, 642: 690–700.

[5] 范拴喜, 甘卓亭, 李美娟, 等. 土壤重金屬污染評價方法進展[J]. 中國農學通報, 2010, 26(17): 310–315.

[6] Stigliani W M, Doelman P, Salomons W, et al. Chemical time bombs: Predicting the unpredictable[J]. Environment: Science and Policy for Sustainable Development, 1991, 33(4): 4–30.

[7] 張引娥. 重金屬元素在廈門-漳州土壤剖面中的分布特征及其環(huán)境意義[J]. 地球與環(huán)境, 2013, 41(1): 13–19.

[8] Vatanpour N, Feizy J, Hedayati Talouki H, et al. The high levels of heavy metal accumulation in cultivated rice from the Tajan River Basin: Health and ecological risk assessment[J]. Chemosphere, 2020, 245: 125639.

[9] 張?zhí)伊? 科學認識和防治耕地土壤重金屬污染[J]. 土壤, 2015, 47(3): 435–439.

[10] 陳文軒, 李茜, 王珍, 等. 中國農田土壤重金屬空間分布特征及污染評價[J]. 環(huán)境科學, 2020, 41(6): 2822–2833.

[11] 李福燕, 李許明, 吳鵬飛, 等. 海南省農用地土壤重金屬含量與土壤有機質及pH的相關性[J]. 土壤, 2009, 41(1): 49–53.

[12] 余小芬, 陳軍, 彭榮珍, 等. 滇中農用地土壤重金屬影響因素研究[J]. 西南農業(yè)學報, 2012, 25(5): 1765–1769.

[13] 劉瓊峰, 李明德, 段建南, 等. 農田土壤鉛、鎘含量影響因素地理加權回歸模型分析[J]. 農業(yè)工程學報, 2013, 29(3): 225–234, 300.

[14] 霍霄妮, 李紅, 孫丹峰, 等. 北京耕地土壤重金屬空間自回歸模型及影響因素[J]. 農業(yè)工程學報, 2010, 26(5): 78–82.

[15] Kim H, Lee M N, Lee J H, et al. Distribution and extent of heavy metal(loid) contamination in agricultural soils as affected by industrial activity[J]. Applied Biological Chemistry, 2020, 63: 31.

[16] 王勁峰, 徐成東. 地理探測器: 原理與展望[J]. 地理學報, 2017, 72(1): 116–134.

[17] Wang J F, Wang Y, Zhang J, et al. Spatiotemporal transmission and determinants of typhoid and paratyphoid fever in Hongta District, Yunnan Province, China[J]. PLoS Neglected Tropical Diseases, 2013, 7(3): e2112.

[18] 劉彥隨, 李進濤. 中國縣域農村貧困化分異機制的地理探測與優(yōu)化決策[J]. 地理學報, 2017, 72(1): 161–173.

[19] 王歡, 高江波, 侯文娟. 基于地理探測器的喀斯特不同地貌形態(tài)類型區(qū)土壤侵蝕定量歸因[J]. 地理學報, 2018, 73(9): 1674–1686.

[20] 周玲莉, 薛南冬, 楊兵, 等. 黃淮平原農田土壤中重金屬的分布和來源[J]. 環(huán)境化學, 2013, 32(9): 1706–1713.

[21] 夏敏, 趙炳梓, 張佳寶. 基于GIS的黃淮海平原典型潮土區(qū)土壤重金屬積累研究[J]. 土壤學報, 2013, 50(4): 684–692.

[22] Shi T R, Ma J, Wu X, et al. Inventories of heavy metal inputs and outputs to and from agricultural soils: A review[J]. Ecotoxicology and Environmental Safety, 2018, 164: 118–124.

[23] Food and Agriculture Organization of the United Nations(FAO), International Institute for Applied Systems Analysis. China soil map based harmonized world soil database (HWSD) (v1.1) (2009). National Tibetan Plateau Data Center, 2019.

[24] 徐新良. 中國人口空間分布公里網(wǎng)格數(shù)據(jù)集. 中國科學院資源環(huán)境科學數(shù)據(jù)中心數(shù)據(jù)注冊與出版系統(tǒng)(http: //www.resdc.cn/DOI), 2017. DOI:10.12078/2017121101.

[25] 生態(tài)環(huán)境部國家市場監(jiān)督管理總局. 土壤環(huán)境質量農用地土壤污染風險管控標準(試行)(GB 15618－2018)[M]．北京: 中國環(huán)境科學出版社, 2018.

[26] 鮑士旦. 土壤農化分析[M]. 3版. 北京: 中國農業(yè)出版社, 2000.

[27] 湯國安, 楊昕. ArcGIS地理信息系統(tǒng)空間分析實驗教程[M]. 2版. 北京: 科學出版社, 2012.

[28] 邵豐收, 周皓韻. 河南省主要元素的土壤環(huán)境背景值[J]. 河南農業(yè), 1998(10): 29.

[29] 寧翠萍, 李國琛, 王顏紅, 等. 細河流域農田土壤重金屬污染評價及來源解析[J]. 農業(yè)環(huán)境科學學報, 2017, 36(3): 487–495.

[30] 穆虹宇, 莊重, 李彥明, 等. 我國畜禽糞便重金屬含量特征及土壤累積風險分析[J]. 環(huán)境科學, 2020, 41(2): 986–996.

[31] 趙睿, 吳智書, 羅陽, 等. 豬糞與農田土壤中重金屬累積污染的相關分析[J]. 土壤, 2017, 49(4): 753–759.

[32] 宋恒飛, 吳克寧, 李婷, 等. 寒地黑土典型縣域土壤重金屬空間分布及影響因素分析——以海倫市為例[J]. 土壤通報, 2018, 49(6): 1480–1486.

[33] Zeng F R, Ali S, Zhang H T, et al. The influence of pH and organic matter content in paddy soil on heavy metal availability and their uptake by rice plants[J]. Environmental Pollution, 2011, 159(1): 84–91.

[34] 孫花, 譚長銀, 黃道友, 等. 土壤有機質對土壤重金屬積累、有效性及形態(tài)的影響[J]. 湖南師范大學自然科學學報, 2011, 34(4): 82–87.

[35] 劉霈珈, 吳克寧, 羅明. 太湖流域典型農用地表層土壤重金屬空間分異潛在風險因子識別[J]. 長江流域資源與環(huán)境, 2020, 29(3): 609–622.

[36] 周偉, 李麗麗, 周旭, 等. 基于地理探測器的土壤重金屬影響因子分析及其污染風險評價[J]. 生態(tài)環(huán)境學報, 2021, 30(1): 173–180.

[37] 郭廣慧, 雷梅, 陳同斌, 等. 交通活動對公路兩側土壤和灰塵中重金屬含量的影響[J]. 環(huán)境科學學報, 2008, 28(10): 1937–1945.

[38] 張敏, 陳海, 史琴琴, 等. 黃土丘陵溝壑區(qū)耕層土壤重金屬空間分異及影響因素[J]. 農業(yè)環(huán)境科學學報, 2019, 38(11): 2465–2475.

Study on Factors Influencing Heavy Metal of Farmland Soils Based on Geographical Detector in Fengqiu County

DAI Qianqian1, XU Mengjie1*, ZHUANG Shunyao2, CHEN Dongfeng2

(1 College of Public Administration, Nanjing Agricultural University, Nanjing 210095, China; 2 State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China)

The spatial distribution of Cd, Cu, Cr, Pb, Zn and As in cropland in Fengqiu County of Henan Province were explored based on inverse distance weighted interpolation method. Simultaneously, the geographical detector model was adopted to illustrate the effects of 8 influencing factors on heavy metal spatial distribution. The results show that the average contents of Cd, Cr, Pb and Zn are higher while Cu and As are lower than the background values of the fluvo-aquic soil in the lower Yellow River. All heavy metal contents in soil are lower than the allowable values for agricultural land except for Cd from few samples. The high-values of Cd, Cr, and Pb are distributed in the middle, southwest and north, respectively, while As is distributed in the north and southwest. The high-values of Cu and Zn are shown in zonal distribution. The low-values of Cd, Pb and As are mainly distributed in the south, and the low-values of Cr, Cu, Zn and As mainly distributed in the middle. According to the geo-detector model, the spatial distribution of heavy metals is influenced by both the natural and artificial factors, among of which, soil organic matter content is a dominant natural factor, while the population density is the primary artificial one. The interaction effect of each two factors is greater than that of single factor, especially the interaction between soil organic matter and other factors.

Soil heavy metals; Spatial distribution; Geographical detector; Fengqiu County

X53

A

10.13758/j.cnki.tr.2022.03.017

戴倩倩, 徐夢潔, 莊舜堯, 等. 基于地理探測器的封丘縣農田土壤重金屬分布影響因素研究. 土壤, 2022, 54(3): 564–571.

國家重點研發(fā)計劃項目(2016YFE0112700)資助。

(xmj@njau.edu.cn)

戴倩倩(1997—)，女，安徽潛山人，碩士研究生，主要從事土地資源管理方面研究。E-mail:daiqianq@163.com