2017, Vol. 38
2. 水利部牧区水利科学研究所, 呼和浩特 010020
2. Institute of Water Resources for Pastoral Area of Ministry of Water Resources, Hohhot 010020, China
粒径分布(particle size distribution, PSD)是土壤最基本的物理属性之一, 其变化对土壤理化性质影响显著, 而土壤是具有分形特征及自相似结构的不规则复杂多孔介质[1, 2], 可供植物生长及重金属依附[3], 吸附有重金属的细小土壤颗粒可经风力作用运移至下风向城市, 危害居民健康[4, 5], 因此, 掌握重金属与土壤颗粒间的相互关系, 成为解析重金属运移机制及减轻重金属危害的前提.有研究表明, 土壤中重金属含量与PSD间存在一定相关性[6], 且在不同粒径土壤颗粒间非均匀分布[7], 而Ajmone-marsan等[8]综合欧洲5个城市土壤样品的检测结果则进一步指出重金属会优先依附于小粒径土壤颗粒, 因此, PSD变化可对土壤中重金属的含量及分布状态造成影响, 掌握PSD特征对于了解土壤重金属状况并原位控制土壤重金属污染至关重要.
分形理论是研究具有分形特征的复杂不规则几何形体的最有效方法[9, 10], 但针对PSD状况, 诸多研究仅利用单重分形维数作为评价依据[11, 12], 单重分形维数仅可描述土壤的整体性和均一性特征, 无法反映土壤复杂的空间变异和非均质行为[13, 14], 且土壤颗粒并非均匀分布, 并随土壤深度的增加而变化[15, 16], 而多重分形维数的应用恰可弥补此类不足, 反映土壤更为细致的PSD信息, 准确刻画土壤局部空间变异状况及非均质特征[13], 如颗粒离散程度、测度集中程度、分布范围及分布的峰值、峰态等[16, 17].沙漠生态系统中灌木通过影响风沙土的颗粒分布、组成, 含水量, 固定、半固定沙丘表层土壤结皮形成过程及微生物活性等[18, 19], 实现拦沙阻沙、固沙改土, 修复区域土壤生态系统及控制沙漠化的目的, 但沙漠地区频繁的风沙活动, 对碳库状况、风沙土结构、颗粒组成的影响十分显著, 致使细小土壤颗粒损失及碳储量变化[15], 而不同灌木对风沙流的拦截效果及对PSD特征的影响并不一致[15, 18, 19], 目前针对沙漠土壤的研究多以颗粒状况等物理性质为代表[11~14, 16~18], 涉及化学性质的研究则偏重微生物活性及有机碳状况[15, 19], 而土壤的物理性质可影响其化学性质[6~8], 但从风沙土PSD特征出发利用多重分形维数探讨土壤颗粒与重金属含量关系的研究尚显不足, 特别是灌木对PSD分形特征和重金属含量的影响及二者间的关系尚需深入研究, 而研究结果对于筛选优良拦沙、阻沙灌木品种以减轻下风向城市由携重金属土壤颗粒导致的呼吸危害具有现实意义.
基于此, 以乌兰布和沙漠中5种适生灌木下及流动沙丘0~100 cm风沙土为研究对象, 通过多重分形维数分析PSD(以φ计)特征, 并明晰ω(Mn)、ω(Zn)、ω(Cr)、ω(Cu)、ω(Pb)、ω(Ni)、ω(As)、ω(Cd)随土壤深度的变化, 探讨灌木对二者的影响并揭示二者间的相互关系, 通过筛选出优良的拦沙固沙及降低重金属含量效果明显的灌木品种, 以期为改良区域风沙土质量及拦滞、原位固控重金属污染提供基础理论及技术依据.
1 材料与方法 1.1 研究区概况研究区位于乌兰布和沙漠刘拐沙头段(39°30′16.00″N~40°19′49.63″ N, 106°43′36.49″E~107°00′42.93″E), 属中温带大陆性干旱季风气候, 年均气温8.0℃, 多年平均降水量为142.7 mm, 年蒸发能力高达2372 mm; 多年主风向为西风及西南风, 年平均风速约为3.7 m·s-1, 多年平均大风日数10~32 d.土壤类型主要为风沙土, 沙丘高度4~10 m, 且多为流动沙丘; 植被主要为白刺(Nitraria tangutorum)、沙冬青(Ammopiptanthus mongolicus)、梭梭(Haloxylon ammodendron)、花棒(Hedysarum scoparium)等旱生灌木, 并有猫头刺(Oxytropis aciphylla)、柽柳(Tamarix chinensis)等相伴分布[15], 其中, 白刺、梭梭、沙冬青及花棒盖度为30%~35%, 猫头刺、柽柳盖度不足20%.周边区域(乌海市、鄂尔多斯市、阿拉善盟等)约有200多家高耗能的电石、合金、焦炭企业, 这些企业规模小、工艺落后, 环境污染问题相当突出, 上述区域的污染物随风而下在沙漠内部沉积[20].
1.2 取样及测试方法为减少风沙对取样的影响, 于2015年3~4月间相对静风日, 以乌兰布和沙漠刘拐沙头段典型无植被流动沙丘为对照, 选取生长4~5 a的白刺、沙冬青、花棒、梭梭、猫头刺灌木的半固定沙丘, 随机设置3块5 m×5 m样地, 每一样地选取3株灌木并于根系附近挖取土壤剖面采集土样(各沙丘间相距350~550 m不等).因多数灌木根系主要分布深度大致为0~40 cm, 故设置具体方法为：在距植物主根系水平距离约20 cm处, 开挖长40 cm、宽20 cm、深100 cm的土壤剖面, 分别挖取0~10、>10~20、>20~30、>30~40、>40~60、>60~80、>80~100 cm层土样, 每层取样500 g左右, 装入自封袋中密封保存并编号, 共378份样品.将土样带回实验室阴干, 过2 mm土壤筛, 并去除根系等杂物, 经盐酸-双氧水(HCl-H2O2)消煮后, 使用英国马尔文公司生产的Mastersizer 2000激光粒度仪测定φ(PSD).土壤粒径按美国制分级标准, 分为黏粒(0~2 μm)、粉粒(2~50 μm)、极细砂(50~100 μm)、细砂(100~250 μm)、中砂(250~500 μm)、粗砂(500~1 000 μm)、极粗砂(1 000~2 000 μm).另取土壤样品过0.149 mm土壤筛, 去除植物根系等杂物后采用王水-高氯酸(HNO3-HCl-HClO4)开放式消煮后[21], 样品中Cu、Cr、Mn、Ni、Zn含量使用原子吸收分光光度计测定(TAS-990型, 德国), As、Pb、Cd使用原子荧光光谱仪测定(EDX-700HS型, 日本), 每个样品重复测定3次, 记录数据, 取平均值.分析测试所用试剂均为优级纯, 所有样品分析过程中以国家一级标准物质土壤[GBW(E)-070009]进行质量控制, 并按比例采取随机检查和异常点检查进行严格的样品质量监控, 确保测试结果符合监控要求.
1.3 土壤粒径的多重分形参数取激光粒度仪测量区间I=[0.02, 2 000]，Φi及Φi+1均为机测粒径范围，依据给定的尺寸δ将所研究的序列分为N个连续小片段，N=lg(Φi+1/Φi)为常数，设第i个小片段序列总长为Li，为使用多重分形理论分析区间I的PSD特征，须使各子区间长度一致，故取Li=lg(Φi/Φ1)(Φ1为机测粒径范围首值)，则出现量纲为1的新区间T=[0, 5]，含100个等距子区间Ti=[Li, Li+1]，在区间T中，含有N(δ)=2k个相同尺寸的小区间，其中δ=5×2-k，每个小区间里至少包含1个测量值，为使最小的子区间中包含有测量值，k的取值范围为1~6. pi(δ)为每个子区间土壤粒径分布的概率密度(%)，由尺寸δ和参数q，利用pi(δ)构造配分族函数：
|
(1) |
式中，ui (q, δ)为第i个子区间的q阶概率，q为整实数且-10≤q≤10，
|
(2) |
|
(3) |
PSD的多重分形奇异性指数：
|
(4) |
相对于α(q)的PSD的多重分形谱函数为：
|
(5) |
取-10≤q≤10且以1为步长，由式(2)~(5) 通过最小二乘拟合计算可得D(q)、α(q)及f(q)[22, 23]，对于D(q)文中只讨论q=0，1时的特殊情况，分别为容量维数(D0)、信息维数(D1)[17].
2 结果与分析 2.1 不同灌木下PSD特征α(q)-f(q)图的谱宽Δα(αmax-αmin)、谱形Δf[f(α)max-f(α)min]均用以刻画土壤分形的概率特征, 前者表示测度的均匀程度, 后者表示粒度级配所处的地位[16], 当Δf为正时, 大概率子集占主要地位, 图像呈右钩状, 当Δf为负时, 则相反.由流动沙丘及各灌木下不同深度土层所绘的曲线如图 1, 流动沙丘Δα的最大值为6.800处于>60~80 cm土层, 最小值为3.703处于>80~100 cm土层, Δf最大值为-1.068处于>30~40 cm土层, Δf值为负, 图像整体左偏, 呈左钩状; 沙冬青Δα的最大值为5.255处于>30~40 cm土层, 最小值为3.604处于0~10 cm土层, Δf最大值为-1.250＜0, 处在>10~20 cm土层, 图像整体左偏, 呈左钩状; 花棒Δα的最大值为4.330处在>80~100 cm土层, 最小值为3.604处在0~10 cm土层, Δf最大值为-1.427处在>60~80 cm土层, Δf值为负, 图像整体左偏, 呈左钩状.梭梭、猫头刺、白刺各土层的α(q)-f(q)曲线Δf均小于0, 图像整体左偏, 呈左钩状.
|
图 1 不同灌木下不同深度PSD α(q)-f(q)特征 Fig. 1 The α(q)-f(q) characteristics of the PSD of different layers and shrubs |
D0表征PSD范围, 数值越大则PSD范围越宽[24, 25].由表 1可知, D0均值的分布范围在0.517~1.673之间, 大小关系为沙冬青>花棒>猫头刺>白刺>梭梭>流动沙丘, D0均值沙冬青高于流动沙丘223.60%, 花棒、猫头刺、白刺、梭梭分别高于流动沙丘214.12%、193.62%、151.45%、1.55%, 因此, 灌木对PSD范围的增加作用明显, 其中沙冬青作用最优, 即乌兰布和沙漠适生灌木中沙冬青可最大程度增加PSD范围(P＜0.05).
|
表 1 不同灌木下不同深度PSD分形参数 Table 1 Fractal parameters of the PSD in different soil layers and shrubs |
D1表征PSD均匀程度, 数值越大则PSD不均匀程度越高[24, 25], D1均值的分布范围在1.352~1.559之间, 大小关系表现为花棒>猫头刺>沙冬青>白刺>梭梭>流动沙丘, 与D0均值相似. D1均值花棒、猫头刺、沙冬青、白刺、梭梭分别高于流动沙丘15.31%、12.65%、12.57%、9.02%、1.48%, 因此, 灌木对PSD非均一性的增加作用明显, 其中花棒增幅最为显著(P＜0.05), 但与猫头刺与沙冬青间差异并不十分明显.
D1/D0表征PSD离散程度, 数值越大则PSD离散程度越小[16], D1/D0均值的分布范围在0.960~2.633之间, 大小关系为流动沙丘＞梭梭＞猫头刺＞花棒＞沙冬青, 与D0均值完全相反, 其中沙冬青低于流动沙丘174.27%, 花棒、猫头刺、白刺、梭梭分别低于流动沙丘163.56%、146.07%、117.60%、5.73%, 因此, 灌木对PSD离散程度的增加作用明显, 其中沙冬青增幅最为显著(P＜0.05).
由表 2可知, 流动沙丘及各灌木的PSD统一呈现先增加后降低的趋势, 在φ(细砂)时达到最大值, 且梭梭灌木的φ(细砂)为67.95%, 高于其余灌木及流动沙丘, φ(极细砂)为2.76%仅高于流动沙丘, φ(黏粒)及φ(粉粒)均为0.各灌木下φ(极细砂)均明显高于流动沙丘, 以猫头刺居首、梭梭居末; 花棒灌木下PSD集中于φ(细砂)以下, 占比达85.03%, 高于其余灌木, 且φ(黏粒)、φ(粉粒)同样居于各灌木之首.
|
|
表 2 不同灌木下φ(PSD)组成/% Table 2 The φ(PSD) values under different shrubs/% |
2.2 不同灌木下土壤重金属空间分布特征
土壤中任何高浓度的重金属均被视为可产生毒性作用的环境污染物[26], 由图 2可知, 不同灌木下各深度土层重金属含量均较高, 整体表现为ω(Mn)>ω(Zn)>ω(Cr)>ω(Cu)>ω(Pb)>ω(Ni)>ω(As)>ω(Cd).猫头刺下ω(Mn)均值为427.229 mg·kg-1, 远高于其余灌木及流动沙丘, 且各土层间差异显著(P＜0.05), 随深度增加整体呈现“M”型变化, 两次峰值分别出现在>20~30、>40~60 cm土层, 且0~10 cm土层ω(Mn)高于流动沙丘; 沙冬青下ω(Mn)均值为354.899 mg·kg-1, 仅低于猫头刺, 且各土层间差异显著(P＜0.05), 而0~10 cm土层ω(Mn)高于流动沙丘及猫头刺.沙冬青下ω(Zn)均值相对较低但高于流动沙丘, 各土层间差异显著(P＜0.05), 0~10 cm土层高于流动沙丘及其余灌木.梭梭下ω(Cr)均值明显低于其余灌木及流动沙丘, 且随土层加深ω(Cr)逐渐降低, 0~10、>10~20 cm均显著高于其余土层(P＜0.05);花棒及沙冬青下ω(Cr)均值分别为26.756、20.166 mg·kg-1各土层间差异显著(P＜0.05), 沙冬青下0~10 cm土层ω(Cr)高于流动沙丘. ω(Cu)均值各灌木间相差较小, 沙冬青、花棒分别为12.936、12.901 mg·kg-1, 各土层间差异显著(P＜0.05), 且二者均高于流动沙丘(10.891 mg·kg-1).花棒下ω(Pb)均值为13.556 mg·kg-1, 高于其余灌木及流动沙丘, 各土层间差异显著(P＜0.05), 0~10 cm土层为14.828 mg·kg-1位于各土层之首, 沙冬青下ω(Pb)均值低于花棒3.24%, 0~10 cm土层ω(Pb)显著高于其余土层(P＜0.05).花棒下ω(Ni)随土层加深先增加后降低, 均值为11.179 mg·kg-1, 高于沙冬青0.96%, 高于流动沙丘15.06%, 除猫头刺0~10 cm土层ω(Ni)低于流动沙丘外, 其余灌木均高于流动沙丘.除梭梭下ω(As)均值为3.346 mg·kg-1低于流动沙丘4.48%外, 其余灌木下ω(As)均值皆高于流动沙丘, 其中猫头刺高出32.21%, 沙冬青高出31.15%, 花棒高出30.66%.各灌木下ω(Cd)皆高于流动沙丘, 其中, 梭梭下ω(Cd)均值为0.988 mg·kg-1, 高出1.75%, 沙冬青高出47.17%, 花棒高出20.39%, 0~10 cm土层ω(Cd)除梭梭略低于流动沙丘外, 其余灌木均高于流动沙丘.
|
不同小写字母表示相同灌木不同土层间差异显著(P＜0.05, 双尾)，横线表示内蒙古土壤重金属背景值 图 2 不同灌木不同深度土层重金属含量 Fig. 2 Heavy metal contents under different levels and shrubs |
重金属含量与PSD(以φ计)组成及参数间Pearson相关分析结果见表 3.重金属含量均与φ(黏粒)、φ(粉粒)正相关, 但φ(黏粒)与ω(Cr)、ω(Cd)关系不显著, φ(粉粒)与ω(Cr)、ω(Cu)关系不显著, 且φ(粉粒)与重金属含量的相关性强于φ(黏粒), 而8种重金属与φ(极细砂)、φ(细砂)间未呈统一相关关系; 除ω(Cr)外, 其余重金属含量均与φ(中砂)负相关, 但ω(Cu)、ω(Pb)、ω(Ni)关系不显著, 同样, 8种重金属与φ(粗砂)、φ(极粗砂)间未呈统一相关关系, 可见, φ(粉粒)与φ(中砂)分别为决定风沙土中重金属含量的细粒土壤及粗粒土壤.
|
|
表 3 重金属含量、PSD组成、参数间相关关系1) Table 3 Correlation analysis between heavy metal contents, PSD and fractal parameters |
除ω(Cu)、ω(Cr)不显著, ω(Ni)95%水平显著外, 其余重金属含量均分别与D1及D0极显著正相关(P＜0.01), 而除ω(Cr)与D1/D0正相关外, 其余重金属均与D1/D0负相关, 其中ω(Mn)、ω(Cd)、ω(As)极显著(P＜0.01), ω(Zn)显著(P＜0.05);除ω(Cr)外, 其余重金属含量均与Δf正相关, 其中ω(Mn)、ω(Cd)、ω(As)、ω(Zn)极显著(P＜0.01), ω(Pb)显著(P＜0.05).
3 讨论 3.1 灌木对土壤粒径的影响沙漠区域频繁劲风所产生的分选作用使得风沙土的颗粒组成受到显著影响.贾萌萌等认为[27], 与流沙相比, 以梭梭、柽柳、沙拐枣为主体的灌木防护林可通过降低风速拦截风沙流中的外来细小土壤颗粒并固持原位土壤, 改善土壤质地、促进流沙固定及土壤细粒化, 使分形维数增加.王利兵等[28]同样认为沙生灌木具有对细沙、极细沙和粉沙等细小土壤颗粒的截留作用, 且冠幅越大截留作用越强, 代豫杰等[15]则进一步指出不同沙生灌木对于黏粒、粉粒等细小土壤颗粒的拦截及沉降效果不尽相同[18, 19].本实验在文献[15]的基础上将粒径细化为极细砂(50~100 μm)、细砂(100~250 μm)、中砂(250~500 μm)、粗砂(500~1 000 μm), 发现各灌木下φ(极细砂)均明显高于流动沙丘, φ(中砂)均明显低于流动沙丘, 而φ(黏粒)、φ(粉粒)除梭梭外均明显高于流动沙丘, φ(细砂)除梭梭外均低于流动沙丘, 说明灌木对风沙流中细小颗粒的沉降作用可补充周围土壤因风蚀而损失的黏粒、粉粒、极细砂, 使得单位体积土壤中的细小土壤颗粒数量相对增加, 粗粒物质数量相对减少, 即灌木可防风阻沙、拦沙并改良风沙土φ(PSD)状况.各灌木中梭梭的φ(黏粒)及φ(粉粒)均为0, 而φ(细砂)却居于首位, 这可能由于梭梭初芽萌动时间为4月初, 肉质鳞片状叶广布枝条时间为4月中下旬[29], 而本实验取样时间为3~4月, 此时梭梭枝条尚处于无叶或极少叶状态, 对于风沙流中极细颗粒如黏粒及粉粒的拦滞能力尚无法正常发挥, 对于粒径相对较粗的细砂, 拦滞能力受影响则较小, 而沙冬青为常绿阔叶超旱生喜沙灌木[30], 株高冠广, 对于风沙流的拦截范围大、能力强, 因此, 对φ(黏粒)、φ(粉粒)、φ(极细砂)增幅明显, 对D0、D1/D0改善作用显著(P＜0.05), 即沙冬青可显著增加PSD范围及离散程度, 优化土壤质地与结构, 但对表层土壤的优化作用逊于深层土壤[31], 如在40~60 cm土层D1/D0最小, 而D0最大(表 1), 即PSD范围及离散程度均在该土层达到最大, PSD未集中于某一狭窄粒径范围, 且在分散的粒径范围内均含有细粒及粗粒物质, 对此, Jia等[31]认为沙冬青根系主要分布在50~70 cm深度土层, 而根系活动可增加团粒结构含量并一定程度促进深层土壤结构改良[32], 因此, 该土壤层的D0、D1/D0值优于其余土层.
3.2 土壤粒径对重金属含量的影响土壤颗粒的大小可显著影响土壤中的重金属含量, Zong等[6]认为Cd、Cr、Cu、Pb、Zn在＜2 μm的土壤颗粒中可大量聚集, 即黏粒的重金属污染高于其他粒径土壤, 而Cr除在黏粒中大量含有外, 在1 000~2 000 μm粒径范围内同样含量较高, 此外, ω(Cd)、ω(Zn)随粒径的递减而大量富集, 程度远高于其余重金属.由表 3可知, ω(Cd)与φ(黏粒)的相关系数为0.300, 低于其余粒径范围, 但数值的变化并非严格对应于粒径的递减, 甚至在φ(细砂)及φ(中砂)时骤变为-0.428及-0.427, 与Zong等[6]的研究结果存在一定差异, 这可能是由于风沙土中的低水分、养分含量减弱了土壤颗粒间的黏结力及对重金属的吸附能力所致[3].相比于城市土壤, 重金属与PSD间的相关关系同样具备较严格的规律, 但ω(Cr)与φ(PSD)间的相关系数均远低于其余重金属与PSD间的相关系数, 其中ω(Mn)、ω(As)均与φ(黏粒)、φ(粉粒)、φ(极细砂)极显著正相关(P＜0.01), 与φ(中砂)极显著负相关(P＜0.01), 且相关系数在φ(极细砂)、φ(中砂)时达到最大, 而ω(Cu)、ω(Pb)、ω(Zn)、ω(Ni)则均与φ(中砂)、φ(粗砂)、φ(极粗砂)负相关, 与其余PSD正相关, 即重金属与细粒土壤含量正相关、与粗粒土壤含量负相关, 对此, Ajmone-marsan等[8]认为相互粘结的细小土壤颗粒间具有更大的接触面积, 可提供更大的接触力及吸附力, 使得重金属更多、更牢地依附于其表面, 此外, 细小土壤颗粒间相互粘结时形成的紧密空隙同样可固持重金属, 增加土壤中重金属含量, 因此, 重金属含量与细小土壤颗粒含量间呈现正相关关系、与粗粒物质含量间呈现负相关关系, 同时, 不同重金属在不同粒径土壤颗粒间的含量并非均匀分布[7], 因此, 相关系数差异较大.沙冬青及花棒灌木下0~10 cm土层D0较大、而D1/D0较小(表 1), φ(黏粒)、φ(粉粒)及φ(极细砂)较高(表 2), 且0~10 cm土层沙冬青除ω(Cu)外, 花棒除ω(Cr)外均高于流动沙丘(图 2), 说明沙冬青及花棒可较好地拦滞风沙流中黏粒、粉粒、极细砂, 对表层土壤颗粒组成及质地的改良作用明显, 使得PSD范围及离散程度增加, 单位体积土壤中细小土壤颗粒含量提升, 对重金属更多、更牢地吸附及更强地原位控制, 因此, 增加种植数量可较好地拦滞风沙流中携重金属细小土壤颗粒, 减轻下风向城市的重金属对呼吸健康的危害.而各灌木下不同土层重金属含量的差异可能与灌木根系对土壤重金属的转运机制有关[33], 具体原因还有待进一步探讨.
4 结论(1) 乌兰布和沙漠不同适生灌木均可拦截风沙流中的运动颗粒, 使之沉降在灌木周围, 进而改变灌木下PSD状况, 增加单位体积土壤中φ(黏粒)、φ(粉粒)、φ(极细砂)等细小颗粒, 且灌木可明显增加PSD范围、非均匀程度及离散程度, 使土壤颗粒不致集中于某一狭窄的粒径范围, 同时含有细粒及粗粒物质.
(2) 不同灌木下风沙土的重金属含量均较高, 整体表现为ω(Mn)>ω(Zn)>ω(Cr)>ω(Cu)>ω(Pb)> ω(Ni)>ω(As)>ω(Cd), 除Cu外各灌木下0~10cm土层重金属含量均高于流动沙丘, 即灌木可通过拦截风沙流中携重金属的细小土壤颗粒, 使其沉降在灌木周围, 增加周边表层风沙土的重金属含量从而减轻下风向城市的重金属污染.
(3)8种重金属均与φ(黏粒)、φ(粉粒)正相关, 且与φ(粉粒)的相关性强于φ(黏粒), 除ω(Cr)外, 其余重金属均与φ(中砂)负相关, 但重金属含量与其余粒径范围土壤颗粒间未出现统一相关关系, 即φ(粉粒)与φ(中砂)分别为决定风沙土中重金属含量的细粒土壤及粗粒土壤; 重金属含量与多重分形参数间的相关系数与φ(黏粒)、φ(粉粒)、φ(中砂)相似, 即多重分形维数同样可较好地描述重金属含量与决定性土壤颗粒间的关系.
(4) 乌兰布和沙漠不同适生灌木可改变PSD状况及重金属含量, 其中, 沙冬青及花棒可更显著拦滞风沙流中携重金属细小土壤颗粒使之沉降, 降低下风向城市重金属污染并改善区域风沙土状况, 因此, 可在今后的沙漠化防治及重金属原位控制过程中加大种植比例.
| [1] | Huang G H, Zhang R D, Huang Q Z. Modeling soil water retention curve with a fractal method[J]. Pedosphere, 2006, 16(2): 137-146. DOI:10.1016/S1002-0160(06)60036-2 |
| [2] | Tennekoon L, Boufadel M C, Lavallee D, et al. Multifractal anisotropic scaling of the hydraulic conductivity[J]. Water Resource Research, 2003, 39(7): 1193. |
| [3] | Gao Y, Miao C Y, Xia J, et al. Plant diversity reduces the effect of multiple heavy metal pollution on soil enzyme activities and microbial community structure[J]. Frontiers of Environmental Science & Engineering, 2012, 6(2): 213-223. |
| [4] | Hu X, Zhang Y, Ding Z H, et al. Bioaccessibility and health risk of arsenic and heavy metals (Cd, Co, Cr, Cu, Ni, Pb, Zn and Mn) in TSP and PM2.5 in Nanjing, China[J]. Atmospheric Environment, 2012, 57: 146-152. DOI:10.1016/j.atmosenv.2012.04.056 |
| [5] | Zheng N, Liu J S, Wang Q C, et al. Health risk assessment of heavy metal exposure to street dust in the zinc smelting district, northeast of China[J]. Science of the Total Environment, 2009, 408(4): 726-733. |
| [6] | Zong Y T, Xiao Q, Lu S G. Distribution, bioavailability, and leachability of heavy metals in soil particle size fractions of urban soils (northeastern China)[J]. Environmental Science and Pollution Research, 2016, 23(14): 14600-14607. DOI:10.1007/s11356-016-6652-y |
| [7] | Luo X S, Yu S, Li X D. Distribution, availability, and sources of trace metals in different particle size fractions of urban soils in Hong Kong:implications for assessing the risk to human health[J]. Environmental Pollution, 2011, 159(5): 1317-1326. DOI:10.1016/j.envpol.2011.01.013 |
| [8] | Ajmone-marsan F, Biasioli M, Kralj T, et al. Metals in particle-size fractions of the soils of five European cities[J]. Environmental Pollution, 2008, 152(1): 73-81. DOI:10.1016/j.envpol.2007.05.020 |
| [9] | Mandelbrot B B. The fractal geometry of nature[M]. New York: W.H. Freeman & Co Ltd, 1982. |
| [10] | Giménez D, Allmaras R R, Nater E A, et al. Fractal dimensions for volume and surface of interaggregate pores-scale effects[J]. Geoderma, 1997, 77(1): 19-38. DOI:10.1016/S0016-7061(97)00006-2 |
| [11] | Cheng C, Wang Y J, Wang Y Q, et al. Soil fractal features of typical forest stands in Jinyun Mountain, Chongqing City, Southwest China[J]. Frontiers of Forestry in China, 2007, 2(4): 429-435. DOI:10.1007/s11461-007-0068-2 |
| [12] | Chen X Y, Zhou J. Volume-based soil particle fractal relation with soil erodibility in a small watershed of purple soil[J]. Environmental Earth Sciences, 2013, 70(4): 1735-1746. DOI:10.1007/s12665-013-2261-y |
| [13] |
管孝艳, 杨培岭, 任树梅, 等. 基于多重分形理论的壤土粒径分布非均匀性分析[J]. 应用基础与工程科学学报, 2009, 17(2): 196-205. Guan X Y, Yang P L, Ren S M, et al. Heterogeneity analysis of particle size distribution for loamy soil based on multifractal theory[J]. Journal of Basic Science and Engineering, 2009, 17(2): 196-205. |
| [14] |
管孝艳, 杨培岭, 吕烨. 基于多重分形理论的农田土壤特性空间变异性分析[J]. 应用基础与工程科学学报, 2011, 19(5): 712-720. Guan X Y, Yang P L, Lv Y. Analysis on spatial variability of soil properties based on multifractal theory[J]. Journal of Basic Science and Engineering, 2011, 19(5): 712-720. |
| [15] |
代豫杰, 李锦荣, 郭建英, 等. 乌兰布和沙漠不同灌丛土壤颗粒多重分形特征及其与有机碳分布的关系[J]. 环境科学研究, 2017, 30(7): 1069-1078. Dai Y J, Li J R, Guo J Y, et al. Soil particle multi-fractals and soil organic carbon distributions and correlations under different shrubs in Ulan Buh Desert[J]. Research of Environmental Sciences, 2017, 30(7): 1069-1078. |
| [16] | Wang J M, Zhang M, Bai Z K, et al. Multi-fractal characteristics of the particle distribution of reconstructed soils and the relationship between soil properties and multi-fractal parameters in an opencast coal-mine dump in a Loess area[J]. Environmental Earth Sciences, 2015, 73(8): 4749-4762. DOI:10.1007/s12665-014-3761-0 |
| [17] | Hu H C, Tian F Q, Hu H P. Soil particle size distribution and its relationship with soil water and salt under mulched drip irrigation in Xinjiang of China[J]. Science China Technological Sciences, 2011, 54(6): 1568-1574. DOI:10.1007/s11431-010-4276-x |
| [18] | Wang X P, Li X R, Xiao H L, et al. Evolutionary characteristics of the artificially revegetated shrub ecosystem in the Tengger Desert, northern China[J]. Ecological Research, 2006, 21(3): 415-424. DOI:10.1007/s11284-005-0135-9 |
| [19] | Hewins D B, Sinsabaugh R L, Archer S R, et al. Soil-litter mixing and microbial activity mediate decomposition and soil aggregate formation in a sandy shrub-invaded Chihuahuan Desert grassland[J]. Plant Ecology, 2017, 218(4): 459-474. DOI:10.1007/s11258-017-0703-4 |
| [20] |
陈新闯, 郭建英, 董智, 等. 绿洲边缘新月形沙丘表层沉积物粒度与重金属分布特征[J]. 环境科学学报, 2015, 35(11): 3662-3668. Chen X C, Guo J Y, Dong Z, et al. Grain size and heavy metals distribution characteristics on surface sediments of the barchans in the edge of oasis[J]. Acta Scientiae Circumstantiae, 2015, 35(11): 3662-3668. |
| [21] |
龙加洪, 谭菊, 吴银菊, 等. 土壤重金属含量测定不同消解方法比较研究[J]. 中国环境监测, 2013, 29(1): 123-126. Long J H, Tan J, Wu Y J, et al. A comparative study on the detection of heavy metal in soil with different digestion methods[J]. Environmental Monitoring in China, 2013, 29(1): 123-126. |
| [22] | Montero E. Rényi dimensions analysis of soil particle-size distributions[J]. Ecological Modelling, 2005, 182(3-4): 305-315. DOI:10.1016/j.ecolmodel.2004.04.007 |
| [23] | Caniego F J, Espejo R, Martín M A, et al. Multifractal scaling of soil spatial variability[J]. Ecological Modelling, 2005, 182(3-4): 291-303. DOI:10.1016/j.ecolmodel.2004.04.014 |
| [24] | Martín M Á, Montero E. Laser diffraction and multifractal analysis for the characterization of dry soil volume-size distributions[J]. Soil and Tillage Research, 2002, 64(1-2): 113-123. DOI:10.1016/S0167-1987(01)00249-5 |
| [25] |
周炜星, 吴韬, 于遵宏. 多重分形奇异谱的几何特性Ⅱ.配分函数法[J]. 华东理工大学学报, 2000, 26(4): 390-395. Zhou W X, Wu T, Yu Z H. Geometrical characteristics of singularity spectra of multifractals Ⅱ. partition function definition[J]. Journal of East China University of Science and Technology, 2000, 26(4): 390-395. |
| [26] | Nouri J, Khorasani N, Lorestani B, et al. Accumulation of heavy metals in soil and uptake by plant species with phytoremediation potential[J]. Environmental Earth Sciences, 2009, 59(2): 315-323. DOI:10.1007/s12665-009-0028-2 |
| [27] |
贾萌萌, 张忠良, 雷加强, 等. 塔里木沙漠公路防护林地土壤粒径分布的分形特征[J]. 干旱区研究, 2015, 32(4): 674-679. Jia M M, Zhang Z L, Lei J Q. Fractal characteristics of soil particle size distribution in protection forest of Tarim desert highway[J]. Arid Zone Research, 2015, 32(4): 674-679. |
| [28] |
王利兵, 胡小龙, 余伟莅, 等. 沙粒粒径组成的空间异质性及其与灌丛大小和土壤风蚀相关性分析[J]. 干旱区地理, 2006, 29(5): 688-693. Wang L B, Hu X L, Yu W L, et al. Spatial heterogeneity of granule diameter and its relation with shrub size and soil erosion[J]. Arid Land Geography, 2006, 29(5): 688-693. |
| [29] | Wei J, Zhang X M, Shan L S, et al. Seedling growth dynamic of Haloxylon ammodendron and its adaptation strategy to habitat condition in hinterland of desert[J]. Science in China Series D:Earth Sciences, 2007, 50(S1): 107-114. DOI:10.1007/s11430-007-5006-5 |
| [30] | Chen G Q, Huang H W, Kang M, et al. Development and characterization of microsatellite markers for an endangered shrub, Ammopiptanthus mongolicus (Leguminosae) and cross-species amplification in Ammopiptanthus nanus[J]. Conservation Genetics, 2007, 8(6): 1495-1497. DOI:10.1007/s10592-007-9306-2 |
| [31] | Jia X H, Li X R, Zhang J G, et al. Analysis of spatial variability of the fractal dimension of soil particle size in Ammopiptanthus mongolicus' desert habitat[J]. Environmental Geology, 2009, 58(5): 953-962. DOI:10.1007/s00254-008-1575-7 |
| [32] | Yüksek T, Yüksek F. The effects of restoration on soil properties in degraded land in the semi-arid region of Turkey[J]. Catena, 2011, 84(1-2): 47-53. DOI:10.1016/j.catena.2010.09.002 |
| [33] | Keller C, Hammer D, Kayser A, et al. Root development and heavy metal phytoextraction efficiency:comparison of different plant species in the field[J]. Plant and Soil, 2003, 249(1): 67-81. DOI:10.1023/A:1022590609042 |