环境科学  2016, Vol. 37 Issue (8): 3151-3159   PDF    
引用本文
赵科理, 傅伟军, 叶正钱, 戴巍 . 电子垃圾拆解区土壤重金属空间异质性及分布特征[J]. 环境科学,2016, 37(8): 3151-3159.
ZHAO Ke-li, FU Wei-jun, YE Zheng-qian, DAI Wei . Spatial Variation of Soil Heavy Metals in an E-waste Dismantling Area and Their Distribution Characteristics[J]. Environmental Science,2016, 37(8): 3151-3159.
电子垃圾拆解区土壤重金属空间异质性及分布特征
赵科理 , 傅伟军 , 叶正钱 , 戴巍     
浙江农林大学环境与资源学院, 浙江省土壤污染修复重点实验室, 临安 311300
收稿日期: 2016-01-14; 修订日期: 2016-03-21
基金项目: 国家自然科学基金项目(41201538); 浙江省公益性技术应用研究计划项目(2014C32036)
作者简介: 赵科理(1981~),女,博士,副教授,主要研究方向为产地环境质量与食品安全, E-mail:kelizhao@zafu.edu.cn
通讯联系人, 傅伟军, fuweijun@zafu.edu.cn
摘要: 在温岭电子垃圾拆解较为集中的区域系统采集90个土壤样品，研究土壤重金属的污染特征及空间异质性. 结果表明，土壤重金属Cd、Cu、Zn、Pb和Ni的平均含量分别为0.38、35.13、121.38、35.40和28.13 mg·kg-1，与背景值相比较，这些重金属在研究区均有不同程度的累积，与国家二级标准相比，土壤重金属局部污染严重，尤其土壤Cd污染极为明显. 土壤重金属Cd和Pb属于高度变异，其变异系数分别为121.05%和109.38%，其他重金属属于中度变异. 地统计学空间插值和局部Moran's Ⅰ指数结果表明土壤Cd、Cu、Zn和Pb的高值主要分布在大溪镇和泽国镇，这与电子垃圾拆解和其他的人为活动有关. 土壤Ni的分布特征主要受到土壤母质的影响. 重金属污染对当地生态和居民健康存在潜在的威胁.
关键词: 电子垃圾      重金属      空间特征      地统计学      Moran's Ⅰ      GIS     
Spatial Variation of Soil Heavy Metals in an E-waste Dismantling Area and Their Distribution Characteristics
ZHAO Ke-li , FU Wei-jun , YE Zheng-qian , DAI Wei     
Key Laboratory of Soil Contamination Bioremediation of Zhejiang Province, School of Environmental and Resources Science, Zhejiang A&F University, Lin'an 311300, China
Abstract: A total of 90 soil samples were collected from the study area. The spatial variation of soil heavy metals and their spatial distribution characteristics were studied. The results indicated that the mean soil concentrations of five heavy metals including Cd, Cu, Zn, Pb and Ni were 0.38, 35.13, 121.38, 35.40 and 28.13 mg·kg-1, respectively. Compared with the background values in Zhejiang, the heavy metals were enriched in paddy soils of the study area. Part of study area was seriously contaminated by heavy metals. For the soil Cd, it had obvious contamination characteristics with a high Pi Avevalue (>1). The Cd, and Pb concentrations in paddy soil had strong coefficients of variance (C.V.): 121.05% and 109.38%, respectively. Soil pH and organic matter (SOM) had significant correlations with most of the total heavy metals and their available fractions in soils. The total heavy metals and their available fractions also had strong correlations, such as total Cd and available Cd in soils. Geostatistics and the Local Moran's Ⅰ were used to identify the contaminated hotspots of these five metals. It was found out that the high soil Cd, Cu, Zn, Pb were located in Daxi and Zeguo towns, which could be attributed to E-waste dismantling and other anthropogenic activities. Soil Ni was mainly influenced by the parent material. The heavy metals in soils may pose a potential threat to local ecosystem and human health.
Key words: E-waste      heavy metals      spatial characteristics      geostatistics      Moran's Ⅰ      GIS     

随着世界人口的快速增长、工业生产规模的日趋扩大和城市化进程的不断加快，人类对土壤的开发强度越来越大，向土壤中排放的污染物越来越多，土壤污染问题日益突出. 在众多污染物质中，重金属具有非生物降解性和持久性，因而具有较高的毒害性[1~3]，土壤重金属污染已引起全世界的普遍关注，成为国内外环境污染研究的热点问题之一[4~6]. 据报道，我国受Cd、Cr和Pb等重金属污染的耕地面积近2 000万hm2，被重金属污染不能食用的粮食达到1 200万t[7]. 由于工业的发展和农业化学物质的不合理使用，导致素有“鱼米之乡”的长江三角洲地区农业土壤重金属富集，已不同程度地受到了Cd、Cr、Cu、Pb和Zn等重金属的污染[8~11].

农业产地土壤重金属污染来源广泛，主要包括:工业三废、污水灌溉、农业化学品的过量使用、采矿和冶炼、大气污染颗粒的沉降等. 在众多重金属污染源中，电子垃圾(E-waste)是一个日渐突出的重要来源. 电子垃圾是电脑、打印机、电视、手机等电子产品的淘汰品，这些产品的组成成分复杂，如何处理电子垃圾已经成为全球性的环境问题[12]. 在中国，每年约有514多万台家电和448万台个人电脑成为电子垃圾，同时，由于廉价劳动力和较宽松的环境监管，约有100万t的电子垃圾从发达国家运至中国[13]，使我国成为发达国家电子垃圾的主要输入地. 人们在电子垃圾拆解过程中利用一些简单的技术，如焚烧、熔融、泡酸等等，从中提取金以及其他一些贵重金属[14]；另外，电子垃圾拆解之后就在周围环境中随意堆放，这些人为活动极易造成周围环境中重金属累积. 目前，中国的电子垃圾拆解区主要集中分布在中国的东南沿海地区. 例如，广东的汕头，浙江的台州等地，由电子垃圾拆解所产生的各类重金属污染，势必影响该拆解区的土壤环境质量，威胁农产品的安全生产.

本文以浙江省电子垃圾拆解区土壤为研究对象，采集足够的水稻田土壤样品，融合多种空间分析方法，系统分析拆解区土壤重金属的空间分布特征与变化规律，以期为指导实际产区农业安全生产提供依据.

1 材料与方法 1.1 研究区与采样地概况

温岭市地处浙江省东南沿海，长江地区的南翼，三面濒海，亚热带季风气候，地理坐标为东经121°10′~121°44′，北纬28°13′~28°32′. 主要土壤类型包括红壤、水稻土、盐土、潮土和黄壤等5个土类. 粮食生产以水稻为主. 温岭市既是农业生产基地也是重要工业生产加工基地. 基于前期调研，本采样区设置在温岭市电子垃圾拆解相对集中的西北乡镇区，包括：大溪镇、泽国镇、新河镇、温峤镇、城西街道和城北街道.

2013年10月，在研究区系统布设90个水稻田土壤采样点(图 1)，利用GPS导航和定位，采集耕层土壤样品(0~15 cm). 在每个采样点周围的10 m半径圆形范围内设置多个子采样点(>5个)，各子采样点用竹铲子采取耕层土壤1 kg左右，混匀子采样点样品.

图 1 采样点分布示意 Fig. 1 Spatial distribution map of soil sampling sites

1.2 土壤样品测定分析

土壤样品在室温情况下自然风干，研磨过2 mm尼龙筛子用于土壤理化性状分析. 再从2 mm的土壤样品中取出一部分，用玛瑙研钵研磨过100目的筛子，用塑封带装好，保存备用.

土壤理化性状的测定均采用常规分析方法[15]. 土壤pH值按土水比为1∶2.5体积比测定；土壤有机质的测定采用重铬酸钾容量法-外加热法；速效钾的测定采用NH4OAc浸提-火焰光度法；有效磷的测定采用NH4F-HCl浸提-钼锑抗比色法；全氮的测定采用半微量开氏法; 碱解氮的测定采用碱解扩散法.

土壤重金属全量的测定采用HNO3-HF-HClO4三酸消解法，土壤重金属有效态的测定采用0.1 mol·L-1稀盐酸提取法. 重金属Cd、Cu、Ni、Pb 和 Zn 的含量采用电感耦合等离子发射光谱仪ICP-OES(Optima 7000 DV，美国PE 公司)进行测定.

1.3 污染评价方法

单因子污染指数法是常用的环境污染评价方法，其计算公式为：

(1)

式中，Pi为污染物i的污染指数; Ci为污染物i的浓度; Si为污染物i的评价标准; 若Pi≤1，表示土壤未受到人为污染; 若Pi≥1，表示土壤已经受到污染，指数越大污染越严重.

土壤重金属污染的综合评价通常采用内梅罗综合污染指数法，其计算公式为：

(2)

式中，I为综合污染指数; PiMax为污染物最大污染指数; PiAve为污染物污染指数平均值. 若I≤0.7，则属于未污染; 若0.7≤I≤1，则属于污染预警值水平; 若1<I≤2，则属于轻度污染; 若2<I≤3，则属于中度污染; 若I>3，则属于重度污染.

1.4 空间自相关分析

空间自相关分析是一种研究同一变量在某一区域内的空间分布特征的方法，它可以有效检测某一变量在区域内不同空间位置上的相关性[16]. 空间自相关系数包括全局自相关和局部自相关，Moran's Ⅰ是表示变量空间自相关性大小最常用的指标.

(3)
(4)

式中，z为变量z的平均值; zi、zj分别是变量在空间i、j处的数值(i≠j)；σ2是变量z的方差；Wij是zi与zj之间的空间权重函数，在选定尺度内时赋予权重值1，超过尺度时权重值为0. Moran's Ⅰ值大于0表示样点具有空间集聚性，通常表现为高-高值集聚和低-低值聚. Moran's Ⅰ小于0表示样点是空间离散点，主要表现为高-低值离散和低-高值离散[17].

1.5 地统计学

地统计学是以区域化变量理论为基础，以变异函数为主要工具，研究那些在空间分布上既有随机性又有结构性的自然现象的科学[18]. 其空间结构特征可用半方差函数来表征[19, 20]. 普通克里格法是地统计学中最常用的一种无偏最优估计的插值法，利用变量原始数据和半方差函数的结构性，来估算其他位置上的区域化变量的数据[21]. 克里格法克服了内插中误差难以分析的问题，具有不产生边界效应，能有效估测变量的空间变异分布等优点. 该方法要求数据符合正态分布，根据峰度、偏度结合Kolmogorov-Smirnovc(K-S)联合法检验，土壤重金属Zn和Ni符合正态分布，土壤Cd、Cu和Pb则不符合正态分布，因此对其进行对数转换，转换后较好地符合正态分布，可用于克里格空间插值.

析取克里格可以估计在未取样位置变量超过指定阈值的可能性[22]. 其公式为：

(5)

式中，随机变量z(x)，x表示两个维度的空间坐标. 定义一个阈值浓度zc，将其分割为两类，定义为判断预测值的标准，将0和1分配给这两类，作为二进制变量或指标，用Ω[z(x0)≥zc]表示. 对任意点x0近似条件概率的估测值z(x0)等于或超过zc[23]. 利用析取克里格描绘潜在污染区域.

1.6 数据的软件处理

采用Microsoft Office Excel 2007和SPSS 18.0对实验数据进行整理、计算和描述性统计分析; 利用Geoda0.9.5-i识别高低值空间异常值和计算自相关系数; 利用ArcGIS 9.2对数据进行空间插值和图件制作.

2 结果与讨论 2.1 土壤重金属含量及其富集效应

表 1是研究区土壤重金属含量的描述性统计分析结果. 土壤中Cd的含量为0.13~3.46 mg·kg-1，平均值为0.38 mg·kg-1; 其余重金属Cu、Zn、Pb、Ni的平均值分别为35.13、121.38、35.40、28.13 mg·kg-1. 其中，Cd，Pb，Cu和Zn的平均含量显著高于浙江省其他典型水稻产区(南浔和嵊州)[24]，与浙江省土壤背景值[25]相比较发现，除Ni外，其余重金属Cd、Cu、Zn、Pb均值都已超过土壤背景值，尤其是Cd，超过背景值3倍多.

表 1 土壤重金属描述统计分析/mg·kg-1 Table 1 Descriptive statistics for heavy metals in soil/mg·kg-1

土壤重金属Cd、Cu、Zn、Pb和Ni的变异系数分别为121.05%、62.88%、23.61%、109.38%、和43.8%. 根据Fu等[26]对变异程度的分类，变异系数<10%表示弱变异，10%~90%表示中等变异，>90%表示高度变异. Cd和Pb元素属于高度变异，Cu、Zn和Ni元素均属于中等变异，其中Cd的最大值是背景值的20倍多，Pb的最大值是背景值的10倍多，表明研究区某些地方的土壤已经呈现高度的Cd、Pb富集累积特征. 土壤Cu和Zn也表现了不同程度的富集特征，最大值超过背景值数倍.

2.2 土壤重金属污染评价

本研究中，土壤pH平均值为5.67，属于酸性土壤，据此，以浙江省土壤重金属背景值和《土壤环境质量标准》(GB 15618-1995)中二级pH<6.5的含量限值分别作为重金属累积和污染判断阈值.

以浙江省土壤重金属背景值为评价标准，土壤Cd的污染指数平均值PiAve最大，为2.92，其次为Pb、Cu、Zn和Ni，污染指数分别为1.16、1.15、1.13和0.77(表 2)，在所研究的重金属中，Cd超过背景值的样品数最多，超标率为98.41%，其次是Zn，超标率为65.56%，其他重金属也有不同程度的超标，表明该研究产区土壤重金属累积明显. 与国家二级标准值相比，土壤Cd的污染指数平均值PiAve仍然大于1，表明该区域土壤受Cd污染比较严重，其余4种重金属元素的污染指数平均值PiAve均未超过1. 部分土壤样品的Cd和Cu含量超过二级标准限值，超标率分别为35.48%和3.33%，由此可见，研究区的局部地区土壤已经受到了Cd和Cu重金属污染. 张金莲等[27]的研究发现，广东清远地区电子垃圾拆解区周围农田重金属污染较为严重，其中尤以重金属Cd和Cu污染比例高. 与本研究的结果较为一致.

表 2 研究区土壤重金属单因子污染指数评价结果 Table 2 Evaluation results of single factor pollution index for soil heavy metals in the study area

表 3为内梅罗综合污染指数评价结果. 以国家二级标准值评价，清洁、尚清洁(警戒线)、轻度污染、中度污染和重度污染比例分别为42%、38%、14%、4%和2%，研究区土壤重金属污染程度主要属于清洁和警戒线等级，占总样品数的80%，其次为轻污染等级，还有少量样品污染程度达到中度污染和重度污染. 从单因子评价和内梅罗综合污染指数评价结果来看，温岭电子垃圾拆解区的土壤几乎全都已存在重金属Cd、Zn、Pb、Cu和Ni的累积，局部污染严重，清洁安全田地比例偏低，农田安全生产已经受到威胁.

表 3 研究区重金属污染评价结果/% Table 3 Evaluation results of soil heavy metal pollution in the study area/%

2.3 相关性分析

利用Spearsman相关系数矩阵，分析土壤重金属与理化性状之间的相关性(表 4). pH与Pb及Zn有效态存在显著负相关关系，pH与Ni存在极显著正相关. 土壤有机质与Zn、Pb及其有效态存在显著正相关关系，与Cd存在显著负相关关系. 可以看出土壤pH与土壤有机质对重金属的含量和活性存在强相关关系，与前人总结[28, 29]的土壤pH和有机质是影响土壤重金属活性和植物吸收的重要因素较为一致. 除了pH和有机质外，土壤其他因子如N、P、K也对重金属活性存在一定影响，表明土壤重金属在土壤里的活性和被吸收难易受土壤pH、有机质、氮、磷、钾等各种理化性质影响.

表 4 研究区重金属与土壤理化性状的非参数相关关系1) Table 4 Non-parametric correlations between soil heavy metals and soil properties in the study area

重金属全量和其有效态存在极显著正相关，其中Cd全量和Cd有效态的相关系数最高，说明土壤Cd的活性最强，易于被水稻植株吸收[28]. 从重金属Cd、Pb、Cu、Zn和Ni的相关关系可以看出，重金属之间的关系存在一定的相关性，重金属元素间的形态和含量也会互相影响其他元素的形态和含量，土壤是一个复杂的生态系统，土壤重金属的存在形态和迁移也都受各种因素影响，Cu和Zn、Ni存在极显著正相关，Zn和Pb、Ni存在显著正相关，这类重金属之间的显著相关性指示了人类活动的影响[30]，说明这几种重金属污染源极可能相同.

2.4 土壤重金属的空间自相关特征

全局Moran's Ⅰ值表明土壤重金属全量都有显著空间自相关性(图 2)，其中Pb和Ni的全局Moran's Ⅰ值高于其他元素，呈现极显著空间自相关性(P<0.01)[26].

图 2 土壤中Cd、Cu、Ni、Pb和Zn浓度的LISA局部空间自相关类型 Fig. 2 Local indicators of spatial association in terms of Cd, Cu, Ni, Pb and Zn concentrations in soil

局部Moran's Ⅰ空间分布特征揭示土壤Cd、Cu、Zn的高值集聚区主要集中在研究区的北部，Ni的高值集聚区在研究区的东北部，Pb的高值集聚区在研究区的西北部(图 2). Ni的低值集聚区出现在研究区西部，Zn的低值集聚区出现在研究区南部的温峤镇，Cu的低值集聚区出现在研究区西部，根据调查发现，在高值集聚区出现的低值空间异常值主要是由于当地地貌和发展程度及模式影响，在低值集聚区出现的高值空间异常值主要是由于当地的小片地区电子拆解厂微集聚造成的点源影响，土壤的重金属集聚主要受外界人为活动的影响.

2.5 土壤重金属的结构特征

使用地统计方法对样品数据进行半方差函数拟合，并选择最优模型.研究区土壤重金属全量Cd和Ni符合指数模型，Cu和Pb符合高斯模型，Zn符合球状模型(表 5). 块基比[C0/(C0+C)]表示随机部分引起的空间变异性在总变异中所占的比重，可以用来度量所研究变量的空间相关性强弱.若比值<25%，则表明变量具有强空间自相关性; 比值在25%~75%之间，则为中度空间相关性; 比值>75%，则表示弱空间自相关性[29]. 变程是半方差函数的另一重要参数，其反映在一定尺度下，空间自相关性的作用范围. 有研究发现，AIC值越小，RMSE值越接近0，表明半方差函数模型拟合越好[31, 32]. 土壤全量Ni的块基比为0.079(<0.25)，变程值为34.37 km，说明Ni的空间变异主要受结构性因素比如成土母质等的影响，表现出较强的空间格局特征. 其他重金属Cd、Cu、Zn、Pb的块基比处在0.25~0.75之间，属于中等程度空间相关性，且变程较短，说明Cd、Cu、Zn、Pb的空间变异受结构性因素和随机性因素共同作用影响，电子垃圾拆解厂的污染源排入等工业活动削弱了其空间相关性[33, 34].

表 5 研究区土壤重金属浓度的变异函数理论模型及其相关参数 Table 5 Summary of the theoretical semivariogram models and the corresponding parameters for soil heavy metals in the study area

2.6 土壤重金属空间分布格局

通过普通克里格插值，绘制重金属全量的空间分布图(图 3). 土壤重金属全量Cd和Pb的空间分布特征较为相似，在研究区的西北部含量高，东北部和南部相对较低，呈现自西北向东南递减趋势; 土壤Cu在研究区北部和南部较高，西部和东部较低，呈现中部向东、西递减趋势; Zn是北部高南部低的空间分布特征，呈现自北向南递减趋势; Ni在研究区东北部含量高，其他地区都较低，呈现局部高度集聚特征. 土壤重金属Cd、Cu、Zn和Pb的高值主要分布在大溪镇和泽国镇，这与大溪镇、泽国镇是电子垃圾拆厂集中区有关. 酸液的排放和重金属垃圾的堆积都会对周边土壤造成重金属集聚影响，电子产品种类的多样和拆解厂的类聚导致上述两镇Cd、Cu、Zn和Pb含量高; 此外，电子垃圾通常含有几种重金属，造成土壤复合污染，不受监管加工和处理的电子垃圾通过一些简单的方法如燃烧和熔化能获得有价值的金属，结果，重金属进入环境在土壤中富集[27]. 其分布特征与Moran's Ⅰ所揭示的空间格局结果较为一致.

图 3 土壤重金属含量的空间分布 Fig. 3 Spatial distribution of the heavy metals concentrations in soil

图 4为研究区重金属超过标准值估计概率. 根据土壤环境质量标准，当土壤中Cd含量超过0.3 mg·kg-1，将导致环境污染，最终威胁植物和人体健康. Cd高风险区分布北部，其估计概率Ω[Cd≥0.3 mg·kg-1]达到0.69~0.87，说明Cd的潜在风险极高. Zn超过标准值300 mg·kg-1概率的高风险区分布在北部，Pb超过标准值350 mg·kg-1概率的高风险区分布在西北部，高风险区主要分布在泽国、大溪一带，主要受当地电子垃圾拆解厂的影响，造成土壤重金属集聚[27]，高风险地区应当引起重视，加强防范和管理，注重农产品生产安全.

图 4 土壤重金属Cd、Pb和Zn估计概率 Fig. 4 Estimated probability map of Cd, Pb and Zn distribution in soil

3 结论

(1) 与浙江省土壤重金属背景值相比，研究产区土壤重金属Cd、Cu、Ni、Pb和Zn均有不同程度的累积特征，表现出一定的污染特征. 与国家二级标准相比，研究区局部土壤Cd和Cu污染较为严重，电子垃圾拆解工业排入的污染物是土壤重金属污染的重要来源.

(2) 土壤重金属的含量与土壤理化性质如pH、SOM存在显著相关性，表明土壤理化性质对土壤重金属的积累与活性有着重要影响.

(3) 研究区土壤重金属具有明显的空间格局特征，高值主要分布在西北部泽国镇和大溪镇一带. 根据析取克里格分析，电子垃圾拆解集中及工业活动活跃的区域，也是重金属污染高风险区，重金属积累威胁人体健康的潜在风险较大，因此应加强监控和防治.

参考文献
[1] Raghunath R, Tripathi R M, Kumar A V, et al. Assessment of Pb, Cd, Cu, and Zn exposures of 6-to 10-year-old children in Mumbai[J]. Environmental Research,1999,80 (3) : 215–221 .
[2] Adriano D C. Trace elements in the terrestrial environments[M]. New York: Springer-Verlag, 2001 .
[3] Tembo B D, Sichilongo K, Cernak J. Distribution of copper, lead, cadmium and zinc concentrations in soils around Kabwe town in Zambia[J]. Chemosphere,2006,63 (3) : 497–501 .
[4] Li X D, Lee S L, Wong S C, et al. The study of metal contamination in urban soils of Hong Kong using a GIS-based approach[J]. Environmental Pollution,2004,129 (1) : 113–124 .
[5] Huang P M, Gobran G R. Biogeochemistry of trace elements in the rhizosphere[M]. Amsterdam, the Netherlands: Elsevier, 2005 .
[6] Violante A, Huang P M, Gadd G M. Biophysico-chemical processes of heavy metals and metalloids in soil environments[M]. Hoboken, NJ, USA: John Wiley & Sons, 2008 .
[7] 韦朝阳, 陈同斌. 重金属超富集植物及植物修复技术研究进展[J]. 生态学报,2001,21 (7) : 1196–1203.
[8] 李恋卿, 潘根兴, 张平究, 等. 太湖地区水稻土表层土壤10年尺度重金属元素积累速率的估计[J]. 环境科学,2002,23 (3) : 119–123.
[9] 袁旭音, 陶于祥, 王润华, 等. 湖州市不同土壤重金属的污染现状[J]. 上海地质,2002 (3) : 6–11.
[10] 章明奎, 王美青. 杭州市城市土壤重金属的潜在可淋洗性研究[J]. 土壤学报,2003,40 (6) : 915–920.
[11] Liu X M, Wu J J, Xu J M. Characterizing the risk assessment of heavy metals and sampling uncertainty analysis in paddy field by geostatistics and GIS[J]. Environmental Pollution,2006,141 (2) : 257–264 .
[12] 王颖, 马贵. 电子垃圾处理研究现状及对策[J]. 环境科技,2011,24 : .
[13] Zhang J H, Min H. Eco-toxicity and metal contamination of paddy soil in an E-wastes recycling area[J]. Journal of Hazardous Materials,2009,65 (1-3) : 744–750 .
[14] Fu J J, Zhou Q F, Liu J M, et al. High levels of heavy metals in rice (Oryza sativa L.) from a typical E-waste recycling area in southeast China and its potential risk to human health[J]. Chemosphere,2008,71 (7) : 1269–1275 .
[15] 鲍士旦. 土壤农化分析[M].(第三版). 北京: 中国农业出版社, 2005 : 25 -99.
[16] 赵龙山, 张青峰, 梁心蓝, 等. 基于Moran's Ⅰ指标的黄土坡耕地填洼量的空间自相关性研究[J]. 土壤,2011,43 (3) : 446–452.
[17] Zhao K L, Fu W J, Liu X M, et al. Spatial variations of concentrations of copper and its speciation in the soil-rice system in Wenling of southeastern China[J]. Environmental Science and Pollution Research,2014,21 (11) : 7165–7176 .
[18] Webster R, Oliver M A. Geostatistics for environmental scientists[M]. Chichester: John Wiley & Sons Ltd, 2001 .
[19] Goovaerts P. Geostatistics in soil science: state-of-the-art and perspectives[J]. Geoderma,1999,89 (1-2) : 1–45 .
[20] Liu X M, Xu J M, Zhang M H, et al. Spatial variability of soil available Zn and Cu in paddy rice fields of China[J]. Environmental Geology,2008,55 (7) : 1569–1576 .
[21] Fu W J, Tunney H, Zhang C S. Spatial variation of soil test phosphorus in a long-term grazed experimental grassland field[J]. Journal of Plant Nutrition and Soil Science,2010,173 (3) : 323–331 .
[22] Zhao K L, Fu W J, Ye Z Q, et al. Contamination and spatial variation of heavy metals in the soil-rice system in Nanxun county, southeastern China[J]. International Journal of Environmental Research and Public Health,2015,12 (2) : 1577–1594 .
[23] von Steiger B, Webster R, Schulin R, et al. Mapping heavy metals in polluted soil by disjunctive kriging[J]. Environmental Pollution,1996,94 (2) : 205–215 .
[24] 赵科理, 傅伟军, 戴巍, 等. 浙江省典型水稻产区土壤-水稻系统重金属迁移特征及定量模型[J]. 中国生态农业学报,2016,24 (2) : 226–234.
[25] 中国环境监测总站. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990 .
[26] Fu W J, Zhao K L, Zhang C S, et al. Using Moran's Ⅰ and geostatistics to identify spatial patterns of soil nutrients in two different long-term phosphorus-application plots[J]. Journal of Plant Nutrition and Soil Science,2011,174 (5) : 785–798 .
[27] 张金莲, 丁疆峰, 卢桂宁, 等. 广东清远电子垃圾拆解区农田土壤重金属污染评价[J]. 环境科学,2015,36 (7) : 2633–2640.
[28] Kirkham M B. Cadmium in plants on polluted soils: effects of soil factors, hyperaccumulation, and amendments[J]. Geoderma,2006,137 (1-2) : 19–32 .
[29] Cambardella C A, Moorman A T, Parkin T B, et al. Field-scale variability of soil properties in central Iowa soils[J]. Soil Science Society of America Journal,1994,58 (5) : 1501–1511 .
[30] 戴彬, 吕建树, 战金成, 等. 山东省典型工业城市土壤重金属来源、空间分布及潜在生态风险评价[J]. 环境科学,2015,36 (2) : 507–515.
[31] 龙军, 张黎明, 沈金泉, 等. 复杂地貌类型区耕地土壤有机质空间插值方法研究[J]. 土壤学报,2014,51 (6) : 1270–1281.
[32] 罗幼喜, 田茂再. 面板数据的分位回归方法及其模拟研究[J]. 统计研究,2010,27 (10) : 81–87.
[33] 魏志远, 郭彬, 漆智平. 海南省文昌市水稻土重金属污染评价[J]. 安徽农业科学,2009,37 (35) : 17616–17619.
[34] 张连科, 李海鹏, 黄学敏, 等. 包头某铝厂周边土壤重金属的空间分布及来源解析[J]. 环境科学,2016,37 (3) : 1139–1146.