环境科学  2019, Vol. 40 Issue (5): 2471-2482   PDF    
引用本文
舒心, 李艳, 李锋, 冯靖仪, 沈嘉瑜, 史舟. 土壤重金属累积对土地利用与景观格局的响应[J]. 环境科学, 2019, 40(5): 2471-2482.
SHU Xin, LI Yan, LI Feng, FENG Jing-yi, SHEN Jia-yu, SHI Zhou. Impacts of Land Use and Landscape Patterns on Heavy Metal Accumulation in Soil[J]. Environmental Science, 2019, 40(5): 2471-2482.
土壤重金属累积对土地利用与景观格局的响应
舒心1, 李艳1, 李锋2, 冯靖仪1, 沈嘉瑜1, 史舟3     
1. 浙江大学公共管理学院, 土地科学与不动产研究所, 杭州 310058;
2. 杭州电子科技大学材料与环境学院, 环境工程系, 杭州 310018;
3. 浙江大学环境与资源学院, 农业遥感与信息技术应用研究所, 杭州 310058
收稿日期: 2018-09-06; 修订日期: 2018-11-15
基金项目: 国家重点研发计划项目（2016YFD0201200）；国家自然科学基金项目（41771244）；中央高校基本科研业务费专项；浙江大学文科教师教学科研发展专项
作者简介: 舒心(1993~), 女, 硕士, 主要研究方向为土地利用的生态环境效应, E-mail:Leewin26@163.com
通信作者: 李艳, E-mail:liyan522@zju.edu.cn
摘要: 土地利用/覆被既能反映重金属污染物的主要来源，亦能通过改变土壤物理、化学和生物性质从而控制重金属在土壤中的迁移性和活性，造成土壤中重金属的累积直至污染.基于2003年和2013年宁波市区土壤重金属采样点数据和土地利用数据，采用面向对象的决策树分类方法进行土地利用/覆被分类，采用单项污染指数、内梅罗综合污染指数评价土壤重金属污染状况，采用景观格局指数探索重金属不同累积程度下的土地利用变化和景观格局演变，采用冗余和偏冗余分析识别对研究区土壤重金属累积影响最为显著的景观格局因子及不同因子之间的交互作用.结果表明：①2003~2013年研究区8种土壤重金属元素均出现了不同程度的累积，其中以Hg、Ni和Cr的累积程度最高；研究区大多数区域已受到了土壤重金属的污染且重度污染区的污染程度仍在加剧.②较高的重金属累积程度并不完全出现在土地利用类型一直为建设用地的区域，或由其他类型转为建设用地的区域，有相当一部分发生在利用类型一直为耕地或者是由其他类型转为耕地的区域.③重金属污染地区都有着破碎、复杂和聚集的景观格局特征，其中耕地、住宅用地和工业用地的这种特征与土壤重金属累积的相关性最大；④建设用地的斑块聚集程度越高，大多数重金属元素的累积程度会显著增加；景观的多样性程度和农用地的形状复杂程度越高，Cu、Hg、Pb和Cd的累积程度会显著增加；距离采矿用地越近，Cd含量增加的效应越明显.
关键词: 土壤重金属      土地利用      景观格局      污染程度      冗余分析     
Impacts of Land Use and Landscape Patterns on Heavy Metal Accumulation in Soil
SHU Xin1 , LI Yan1 , LI Feng2 , FENG Jing-yi1 , SHEN Jia-yu1 , SHI Zhou3     
1. Institute of Land Science and Property, School of Public Affairs, Zhejiang University, Hangzhou 310058, China;
2. Department of Environmental Engineering, College of Materials and Environmental Engineering, Hangzhou Dianzi University, Hangzhou 310018, China;
3. Institute of Agricultural Remote Sensing and Information Technology Application, College of Environmental and Resource Sciences, Zhejiang University, Hangzhou 310058, China
Abstract: Land use cover change (LUCC) is one of the most important human activities that drive the evolution of the environment. It has great effect on the accumulation, distribution, and migration of heavy metals in the environment. Vegetation can absorb heavy metals directly, and it can also change the physical, chemical, and biological properties of soil and then control the mobility and activity of heavy metals in soil, which will eventually cause pollution of heavy metals in soil. In addition, the migration of heavy metals in soil is also affected by changes of landscape element composition and landscape pattern at sample points, plots, watersheds, and regional scales. Based on the soil sampling data and land use data of Ningbo city in 2003 and 2013, the decision tree classification method based on classification and regression tree algorithm was used to classify the land use and cover type. Single-factor pollution index and Nemero composite pollution index were used to evaluate the soil heavy metal pollution status. The landscape pattern indexes were used to explore the change of landscape patterns under different degrees of heavy metal accumulation. Finally, redundancy analysis and partial redundancy analysis were used to identify those landscape pattern factors that had the most significant impacts on the soil heavy metal accumulation in the study area. The results showed that:①The eight soil heavy metal elements including As, Cd, Cr, Cu, Hg, Ni, Pb, and Zn presented different degree of accumulation from 2003 to 2013 in the study area, of which Hg, Ni, and Cr had the highest degree of accumulation. Most of the study area has been polluted by heavy metals, and the pollution degree in the heavily polluted areas is still increasing. ②Higher accumulation degrees of heavy metals was not distributed entirely in areas where land use types have always been construction land, or in areas where other types of land use had been converted to construction land. A considerable proportion of heavy metals accumulated in areas where land use types have always been cultivated land or converted from other types to cultivated land. ③Heavy metal polluted areas have fragmented, complex, and aggregated landscape pattern, and the correlation between this kind of landscape pattern characteristics and soil heavy metal accumulation in arable land, residential land, and industrial land was the highest. ④The higher the aggregation degree of construction land patch, the higher the accumulation degree of most heavy metals. The accumulation degree of Cu, Hg, Pb, and Cd increased significantly with the increase of landscape diversity and shape complexity of agricultural land. The closer the distance to the mining site, the more obvious the effect on the increase of Cd content.
Key words: soil heavy metals      land use      landscape pattern      pollution degree      redundancy analysis     

作为土壤质量的重要评价指标之一, 土壤重金属含量关乎食品安全、农业生产、生态环境保护和人类健康[1, 2].重金属在土壤中的累积受到外源输入为主(如工业“三废”排放、汽车尾气排放、化肥农药过量施用等)的人类活动的巨大影响[3].土地利用是人类活动的集中体现, 是控制土壤重金属累积和空间分布的重要因子, 它既能反映污染物的主要来源, 又能反映影响重金属移动和传输的土壤属性(如pH、有机质含量、电导率)[4, 5].此外, 土壤重金属的累积是其迁移扩散过程的直接结果, 作为一类物质流, 其迁移扩散过程还受到从样点、样地、生态系统、流域和区域尺度上景观要素组成和景观格局变化的影响[6, 7].因此, 探究土地利用和景观格局对土壤重金属累积的影响成为一个重要方向, 研究结果不仅有助于提高人们对土壤重金属的累积过程、发生机制和内在规律的认识, 而且为重金属污染管控、修复与治理的景观生态学途径提供了可能性.

人类活动干扰下的土壤污染极其复杂, 兼有点源和非点源污染特征[8], 且不同景观格局和土地利用类型输出的重金属污染负荷差异巨大[9].近年来, 国内外学者对不同土地利用方式下土壤重金属累积特征[10~16]、景观格局对土壤重金属污染的影响[5, 17]、重金属污染与景观异质性尺度效应[1]等方面开展了不少工作, 证明了不同土地利用类型/覆被下土壤重金属污染程度和空间分布不同, 受产业布局、功能分区、工业活动及距污染源距离的影响, 受景观多样性、斑块规模、形状复杂度、景观破碎化程度和聚集度等的影响.但从宏观角度研究景观要素的结构和格局对土壤重金属累积的影响仍属少数, 且已有研究[18, 19]中景观格局特征是最为关注的因素之一, 研究方法仍以相关性分析[20]为主, 且多聚焦于单一时点.

近30年来宁波市城市化、工业化和农业集约化快速发展, 土地利用和景观格局变化剧烈, 农业土壤质量受到严重威胁[21].本研究利用2003年和2013年土壤重金属和土地利用数据, 探究宁波市区土壤重金属污染状况、累积特征和空间变异, 对比重金属不同累积程度下的土地利用/覆被变化和景观格局演变, 实现不同景观格局对土壤重金属累积的影响的定量分解与提取, 识别对土壤重金属累积影响最为显著的景观格局因子及不同因子之间的交互作用, 旨在为优化土地利用/覆被格局、控制重金属在土壤中的积累和分布提供科学依据和决策支持.

1 材料与方法 1.1 研究区与数据来源

本研究以浙江省宁波市区为研究区.作为我国首批沿海对外开放城市、计划单列市和副省级城市, 宁波是浙江省乃至长三角地区重要的经济中心和加工制造基地, 是中国重要的化工基地, 是长三角地区的交通枢纽.宁波港是世界第四大港口, 是海上丝绸之路的始发港.过去30年工业化和城镇化的高速发展为该区域的土壤带来了严重的重金属污染问题[22].

本研究中所用到的基础数据有：2003年和2013年研究区Landsat TM遥感影像, 来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn); 2003年和2013年研究区8种土壤重金属元素(As、Cd、Cr、Cu、Hg、Ni、Pb、Zn)的含量数据, 分别来自于2003年浙江省农产品产地重金属污染调查和2013年浙江省土壤重金属污染普查项目; 2013年宁波市土地利用变更调查数据, 由宁波市国土资源局提供.

1.2 土壤样品采集与测定

2003年样品按照2 km×2 km网格布点, 根据梅花形采样法布设5个采样点在0~20 cm土层进行混合采样, 按四分法取1.0 kg土样装入样品袋备用. 2013年调查区每个土壤采样点至少由3个采样点组成, 每个采样点为土壤混合样.采集方法有梅花点法、棋盘式法和蛇形法; 采样深度(一般农作物耕作层)为0~20 cm, 果林类农作物为0~60 cm, 城镇和工矿仓储用地周边土壤为0~60 cm.采样过程中用差分GPS准确定位采样点, 所有土样带回实验室, 经室内自然风干, 剔除植物残体和石块, 研磨后过100 mm筛.采样点空间分布情况见图 1.

图 1 2003年、2013年两期重金属采样点点位分布 Fig. 1 Distribution of soil heavy metal sampling points in 2003 and 2013

土壤样品测定指标包括8种重金属元素全量含量.其中, 采用等离子体原子发射光谱法(ICP-AES, iCAP6300DUO, 美国热电公司)测定Cd、Cr、Ni、Zn Cu和Pb含量, 采用原子荧光法(AFS-820, 北京吉天仪器有限公司)测定As、Hg含量.每一批次处理采用国家土壤标准物质(GBW 07404, GSS-4)进行全程质量控制和跟标测定, 包括前处理、上机测试等.采用从国家标准物质中心购买的国家标准物质溶液制定标准曲线, 标准物质编号为Cd-GBW 08612, Cr-GBW 08614, Hg-GBW 08617, Pb-GBW 08619, Cu-GBW 08615, As-GBW 08611, Zn-GBW 08620, Ni-GBW 08618.测定过程中每测定10个样品后用标准溶液进行标准曲线的校正, 以保证仪器测定误差范围控制在2%以内.标准溶液在使用过程中按期进行检查, 保证浓度值在标准物质证书标示的范围之内.每一批次样品在测试时, 同步测试标准物质的消解液, 满足待测元素的回收率为90%~110%之间的前提下, 进行样品的测试.

1.3 研究方法 1.3.1 土地利用/覆被变化遥感监测

利用2003年和2013年两个时期研究区的Landsat TM遥感影像, 结合面向对象分类与基于CART(Classification And Regression Tree)算法的决策树分类方法, 对两期遥感影像进行土地利用分类, 采用ArcGIS的地图代数运算进一步得到2003~2013年间土地利用变化的可视化结果.土地利用/覆被类型的划分参照了土地利用现状分类国家标准(GBT 21010-2017), 结合研究区土地利用特点, 将遥感影像中待提取的土地利用/覆被类型划分为耕地、林地、住宅用地、工矿仓储用地和水域共5种类型, 其中, 将用于水产养殖的设施农用地划分至耕地大类中.

1.3.2 土壤重金属污染指数评价法

采用单项污染指数法和内梅罗综合污染指数法分别对2003年和2013年研究区土壤重金属污染状况进行评价.单因子指数法适用于单一因子污染特定区域的评价, 内梅罗综合污染指数法能够全面综合地反映土壤的污染程度.

单因子污染评价指数：

(1)

内梅罗综合污染指数：

(2)

式中, Pi为重金属元素i的单项污染指数, Ci为重金属i的实测含量(mg·kg-1), Si为重金属i的评价标准值(mg·kg-1), 这里以浙江省土壤环境背景值为参考. Pi>1表示重金属i的含量超标, Pi的值越大, 重金属i的超标程度越大. P为所有重金属元素的内梅罗综合污染指数, Pi, max为单项污染指数的最大值, 为单项污染指数的平均值.

一般将污染程度作如下划分[23]：Pi≤1.00为非污染、1.00≤Pi≤2.00为轻度污染、2.00≤Pi≤3.00为中度污染、Pi>3.00为重度污染; P≤0.70为安全、0.70 < P≤1.00为尚清洁(警戒线)、1.00 < P≤2.00为轻度污染、2.00 < P≤3.00为中度污染、P>3.00为重度污染.

1.3.3 景观格局指数

景观格局分析能够揭示不同用地类型的几何形态、镶嵌结构与空间布局.景观格局指数(或景观指数)是一种能够高度浓缩景观格局信息、反映其结构组成和空间配置某些方面特征的定量指标[24].本研究选取了类型和景观水平上包括:类型面积占比(PLAND)、斑块密度(PD)、最大斑块指数(LPI)、景观形状指数(LSI)、平均斑块分维数(MFPD)、平均最近邻体距离(MNN)、聚合度(AI)、聚集度(CONTAG)、香农多样性指数(SHDI)、丰富度(PR)等景观格局指数, 它们能从景观的破碎化程度、异质性程度等多个方面综合反映对象的景观格局特征.

1.3.4 冗余分析

冗余分析是一种约束排序(或直接梯度排序), 即在已知的环境因子中寻找最能影响物种变化的解释变量, 它将环境因子对响应变量的影响集中在了几个排序轴上, 又称典范轴, 典范轴是参与排序的环境因子的线性组合.冗余分析的过程基于一定的物种响应环境梯度模型来表达物种对连续变化的环境梯度的响应方式, 反映某种环境条件下物种与环境因子的关系[25].

为了考察某个环境因子对响应变量的单独解释力度, 或不同环境因子组合对响应变量的共同解释力度, 将需要考察的环境因子(组)作为主变量, 将需要剔除其影响的剩余环境因子(组)作为协变量, 利用偏冗余分析(partial analysis)探究主变量对响应变量的解释, 通过一定的计算还可以得到因子之间的交互作用[26].为了提高结果的精确程度, 冗余分析采用了2013年研究区的土地变更调查数据, 解释变量中的景观格局指数等均基于该数据计算而得.

2 结果与讨论 2.1 土地利用/覆被变化

基于面向对象的决策树分类模型完成对2003年和2013年研究区土地利用/覆被的分类, 将分类后的两期影像栅格数据进行地图代数运算, 得到2003~2013年间研究区土地利用/覆被变化图(图 2).

耕-林表示从2003~2013年，土地利用/覆被类型由耕地变为林地，以此类推，下同 图 2 2003~2013年研究区土地利用/覆被变化 Fig. 2 Land use/cover change in the study area from 2003 to 2013

图 2中不同颜色代表不同的土地利用/覆被变化类型, 如“耕-住”指在2003~2013年由耕地变化为住宅用地的区域, “耕-耕”表示耕地类型没有发生变化, 以此类推.从中可知, 变化比较明显的地区主要位于研究区中部、北部、东部和西南沿海一带, 耕地上虽有少量土地利用/覆被发生变化, 但数量并不多, 林地集中分布的地区变化很小.研究区中, 数量较多且程度较为剧烈的变化类型有：耕地变化为住宅用地和工矿仓储用地、住宅用地和工矿仓储用地内部转移、水域变化为工矿仓储用地以及部分耕地变化为林地等.

2.2 土壤重金属累积特征

对研究区2003年采集的465个土壤样品和2013年采集的665个土壤样品进行描述性统计, 得出8种重金属元素含量的算术平均数、最大最小值、标准差、变异系数等结果(见表 1).

表 1 2003年和2013年研究区8种土壤重金属含量描述性统计/mg·kg-1 Table 1 Statistical analysis of soil heavy metals in 2003 and 2013/mg·kg-1

除As外, 两期重金属元素的含量平均值都超过了浙江省土壤背景值和国家土壤背景值, 2003年Cr、Pb、Cd、Hg、Cu、Zn和Ni的含量平均值分别是浙江土壤环境背景值的1.21、1.99、2.86、4.30、2.13、1.56、1.02倍; 2013年的是1.52、2.18、3.00、6.40、2.29、1.75和1.31倍, 说明土壤总体表现为以Cd、Hg为主的多种重金属富集. 2003年~2013年所有重金属元素的含量平均值都增大, 说明10年间重金属整体污染程度加剧.不同元素平均含量的增幅不同, 按增幅由大到小排序为Hg>Ni>Cr>Zn>Pb>Cu>As>Cd.可见, 10年来, 研究区土壤重金属累积程度加剧, 形成了以Hg、Ni、Cr为主的污染格局, 环境安全风险加大.

变异系数反映了总体中各样点的平均变异程度, 变异系数小于20%为低变异, 20%~50%为中等变异, 50%~100%为高变异, 大于100%为极度变异[27]. 2003年Hg和Cu表现为极度变异, 其他元素为中等变异; 2013年Hg表现为高变异, 其他元素为中等变异, 这表明研究区重金属元素采样点的含量值变化幅度较大, 连续性较差, 受人类活动等外源因素输入的可能性大.

对两期土壤重金属综合污染指数进行正态分布检验并对经对数转换后的指数利用普通克里格插值法进行空间插值, 得到图 3. 2003年和2013年研究区土壤重金属综合污染指数的高值区域均位于研究区西北部.总体上, 2013年整体污染程度比2003年显著提高, 其中警戒区(0.7 < P≤1)面积减少, 轻度污染区(1 < P≤2)向西南方向扩散, 面积占比由2003年的58.89%上升到2013年的80.57%, 重度污染区(P>3)向海曙、江东、江北和镇海区扩大, 面积占比由2003年的1.50%上升到2013年的6.97%.研究区大多数地区已经受到了土壤重金属的污染, 重度污染区的污染程度仍在加重.

图 3 2003年和2013年研究区土壤重金属综合污染指数的空间分布 Fig. 3 Spatial distribution of comprehensive pollution index for soil heavy metals in 2003 and 2013

2.3 不同累积程度下的土地利用/覆被变化与景观格局演变

将遥感解译得到的2003~2013年间土地利用/覆被变化图(图 2)与2013年综合污染指数的空间分布[图 3(b)]进行叠加, 探讨土地利用变化对重金属污染累积的影响, 这里仅分析轻度、中度和重度污染区土地利用/覆被变化情况(见图 4~6).从中可以看出, 研究区大部分已经受到了重金属的轻度污染, 其覆盖区域绝大部分为用地类型不变或变化程度较小的区域.中度污染区的覆盖区域有很大一部分与城乡过渡带高度重合, 主要为类型没有发生变化的耕地, 或为耕地与住宅用地相互转移、耕地变化为工矿仓储用地的区域.重度污染区呈块状分布, 鄞州、江北、镇海、海曙和江东区均有所覆盖, 其中江北区覆盖面积最大.重度污染区中除了海曙区和江东区有着较多的建设用地, 其余有很大一部分是建设用地向耕地过渡的地带.除了耕地转为建设用地和建设用地内部转移的变化类型, 住宅用地和工业用地向耕地转移之后的区域也受到了重金属的重度污染.说明研究区较高的重金属累积并不完全出现在土地利用类型一直为建设用地的区域, 或者由其他类型转为建设用地的区域, 相反, 有相当一部分发生在利用类型一直为耕地或者是由其他类型转为耕地的区域.

图 4 轻度污染区土地利用/覆被变化类型 Fig. 4 Land use and cover change of slightly polluted area in 2013

图 5 中度污染区土地利用/覆被变化类型 Fig. 5 Land use and cover change of moderately polluted area in 2013

图 6 重度污染区土地利用/覆被变化 Fig. 6 Land use and cover change of heavily polluted area in 2013

2003~2013年土壤重金属不同累积程度下的景观格局指数及其变化见表 2(景观水平)和表 3(类型水平).可见, 同一景观格局指数在3种累积程度下的变化方向几乎是相同的, 只是程度不同：斑块密度(PD)增大且最大斑块指数(LPI)减小, 景观形状指数(LSI)增大而平均斑块分维数(MFPD)减小, 平均最近邻体距离(MNN)和聚集度(CONTAG)均有所减小, 景观丰富度(PR)和多样性(SHDI)的变化很小.说明污染地区有着极为相似的景观格局特征：斑块破碎、整体形状复杂、空间分布聚集.其中, 重度污染区的最大斑块指数(LPI)、平均斑块分维数(MFPD)和平均最近邻体距离(MNN)的减小程度最大, 说明污染程度与以上景观格局特征的相关性很大, 污染程度越高, 这种特征越明显.

表 2 研究区重金属不同累积程度下的景观格局指数(景观水平) Table 2 Landscape pattern metrics (landscape level) under different heavy metal accumulation levels in study area

表 3 研究区重金属不同累积程度下的景观格局指数(类型水平) Table 3 Landscape pattern metrics (type level) under different heavy metal accumulation levels in study area

表 3显示了2003年和2013年重金属不同累积程度下耕地、住宅用地、工矿仓储用地的景观格局指数.比较得出：在重度污染区, 3种地类的斑块密度(PD)和景观形状指数(LSI)均增大, 最大斑块指数(LPI)、平均最近邻体距离(MNN)和聚合度(AI)均减小, 可知它们的破碎化程度、形状复杂程度和聚集程度均提高, 且斑块在聚集的同时形态也更加复杂.

综上, 重金属不同累积程度下的景观格局演变表明污染地区有着极为相似的景观格局特征：斑块破碎、整体形状复杂、空间分布聚集, 且污染程度越高以上特征越明显.耕地、住宅用地和工矿仓储用地这3种地类中, 又以工矿仓储用地的这种景观破碎化程度、形状复杂程度和聚集程度加大的变化特征最为显著.

2.4 土壤重金属累积对景观格局特征的响应

将8种土壤重金属元素的含量作为响应变量(即物种), 8个景观格局因子作为解释变量(即环境因子).这8个景观格局因子为：农用地的斑块密度(PD)、农用地的景观形状指数(LSI)、香农景观多样性指数(SHDI)、建设用地的斑块类型面积(PLAND)、建设用地的平均最近邻体距离(MNN)、样方与交通用地的距离、与采矿用地的距离、与水体的距离.在研究区范围内划定10个边长为10 km的正方形网格为样方, 收集所有样方上8种土壤重金属元素的含量和8个景观格局因子的值, 其中, 距离数据选取样方中所有栅格与最邻近的相应地类的欧几里得距离(Eucdistance)的平均值, 重金属含量数据同样选取插值后样方中所有栅格的含量均值, 但由于软件所能处理的数据量有限, 在提取该部分数据时以样方中心点为圆心, 3.5 km为半径创建缓冲圆, 以缓冲圆的外接正方形(边长为7 km)内的重金属含量均值作为整个样方的均值.

8种土壤重金属元素含量的去趋势对应分析结果表明, 典范轴梯度长度的最大值(即第一轴)为0.28, 小于3, 故适用于线性模型.利用前向选择法选取变异膨胀因子小于20的景观格局因子作为解释变量, 筛选后的解释变量为：与采矿用地的距离、香农多样性指数、农用地的景观形状指数、建设用地的平均最近邻体距离.对8种土壤重金属元素的含量和经筛选后的4个景观格局因子进行冗余分析(表 4).

表 4 土壤重金属含量和4个景观格局因子的冗余分析结果 Table 4 Results of redundancy analysis for soil heavy metal content and four landscape pattern factors

由表 4可知, 对第一轴和所有轴的蒙特卡罗置换检验得到的P值均小于0.05, 说明冗余分析的结果在5%的显著性水平下是可信的.解释变量对响应变量的累计解释量为78.2%, 表明这些景观格局因子在很大程度上影响着土壤重金属含量的高低.第一典范轴对响应变量的解释量达到了73.7%, 前两轴对响应变量的累计解释量达到了77.4%, 对响应变量和解释变量之间关系的累计解释量高达99%, 说明土壤重金属含量完全可以由前两个典范轴解释, 前两轴已经能够充分反映土壤重金属含量对景观格局因子之间的响应关系.

表 5给出了4个景观格局因子与前两个典范轴之间的相关系数.第一轴中建设用地的斑块聚集程度贡献很大, 相关度达到了0.8632, 第二轴则综合反映了距离因素、景观的多样性和农用地斑块的复杂程度对土壤重金属含量的影响.

表 5 景观格局因子与第1、2轴的相关系数 Table 5 Correlation coefficient between landscape pattern factors and the first and second canonical axes

从冗余分析的物种-环境排序(图 7)可以得出物种的分布、物种与环境因子之间的关系以及不同环境因子之间的关系.其中, 蓝色箭头表示物种, 即8种土壤重金属元素的含量, 红色箭头表示环境因子, 即4种景观格局因子.环境因子与物种箭头之间的夹角可以表示环境因子与物种的相关性, 二者箭头之间的夹角小于90°表示它们之间呈正相关, 大于90°为负相关, 接近90°则相关性较弱.环境因子箭头的长短表示它对物种数据的影响程度, 箭头越长则该环境因子对响应变量的解释量越大.建设用地的平均最近邻体距离(MNN)与多数重金属元素的含量呈负相关, 且负相关的程度很高; 多样性指数(SHDI)和农用地的形状指数(LSI)与部分重金属元素的含量呈正相关; 距离采矿用地越近, 对Cd含量增加的效应就越明显.

distance表示与采矿用地的距离，下同 图 7 土壤重金属与景观格局因子的冗余分析排序结果 Fig. 7 Ranking results of redundant analysis of soil heavy metals and landscape pattern factors

为了进一步验证各个景观格局因子对土壤重金属含量影响的显著性, 对冗余分析的结果作t-value双序图(图 8).图中部分元素的含义同物种-环境排序图类似, 箭头的方向和长度代表物种和环境因子之间的相关关系：若某一物种的箭头完全落在某一环境因子正相关的圆圈(红色)内, 则表示该物种与该环境因子呈显著正相关; 同样, 若某一物种的箭头完全落在某一环境因子负相关的圆圈(蓝色)内, 则表示该物种与该环境因子呈显著负相关.箭头落在某一圆圈内的部分越多, 可以认为该物种与该环境因子的这种相关性越显著.除Cd和Pb的相关性较小外, 其余6种元素与建设用地的平均最近邻体距离(MNN)呈较为显著的负相关; Cd与距离采矿用地的远近呈较为显著的负相关; Cu、Hg、Pb与景观多样性指数(SHDI)之间存在不同程度的正相关关系, 其中Pb与景观多样性指数呈完全正相关; Cd与农用地的形状指数(LSI)呈显著正相关.

图 8 景观格局因子与土壤重金属的相关关系(t-value) Fig. 8 Correlation between landscape pattern factors and soil heavy metals (t-value)

在冗余分析的基础上, 以所能反映的景观格局特征为依据, 将参与冗余分析的4个景观格局因子归并为：距离因子(与采矿用地的距离、建设用地的平均最邻近距离)、形状因子(农用地的景观形状指数)和异质性因子(景观多样性指数)共3种类型的景观格局因子, 分别将这3类景观格局因子单独作为解释变量参与偏冗余分析, 再将它们依次两两组合, 以组合后的因子组作为主变量, 剩余的因子作为协变量, 对土壤重金属污染与主变量之间的响应关系进行偏冗余分析. 表 6为偏冗余分析结果, 表 7为偏冗余分析蒙特卡罗检验结果.

表 6 土壤重金属与景观格局因子偏冗余分析结果 Table 6 Partial redundancy analysis of soil heavy metals and landscape pattern factors

表 7 土壤重金属与景观格局因子偏冗余分析蒙特卡罗检验结果 Table 7 Partial redundancy analysis of soil heavy metals and landscape pattern factors by Monte Carlo test

由表 6和表 7可知, 距离因子、距离-形状因子和距离-异质性因子的偏冗余分析结果均通过了5%显著性水平下的蒙特卡罗置换检验. 3个主变量(组)的4个典范轴对土壤重金属含量的累计解释量均达到了95%以上, 说明它们能够在很大程度上解释土壤重金属含量的变化.

表 8给出了景观格局因子各个部分的解释量, 3类因子中距离因子的单独解释力度最大, 为72.4%, 说明建设用地平均最近邻体距离和与采矿用地的距离是影响土壤重金属含量高低的重要因子.只有形状-异质性的交互作用和距离-形状-异质性的交互作用的典范特征值小于0, 表示它们的交互作用大于各自单独的解释量之和.

表 8 景观格局因子各部分解释量 Table 8 Interpretation of each landscape pattern factor

本研究中土壤重金属累积对建设用地斑块聚集程度的响应是正向的.建设用地的聚集会增加单位面积上的污染源数量, 也提高了斑块之间的连通度, 对重金属在斑块之间的迁移运动有一定的促进作用.通过对比10个样方的景观多样性指数, 可以发现, 指数较大的样方的共同特点是有较多的耕地, 且这些样方都有较大一部分位于城乡过渡带上, 城乡过渡带上的土地利用类型复杂多样, 多种不同的污染源在此交汇, 容易出现含量较高的情况.景观形状指数较高的斑块在形态和功能上更接近于廊道的特征, 可能会同时出现污染物的输送与截留, 从而使该类型的斑块上有较多污染物累积, 这或许是景观形状指数与土壤重金属污染呈正相关的原因之一. Cd元素含量与距离采矿用地远近呈显著负相关可能与开采区的矿种或岩性有关.研究区非金属矿产资源丰富, 盛产建筑石料、石材和萤石等矿种, 司万童等[28]也发现萤石矿区内的单一元素污染程度以Cd最严重.同时, 本研究中的采矿用地中, 一部分是北仑区沿海区域的盐场, 这与方淑波等[29]发现海岸带周围和海湾潮间带的Cd含量超标在多种重金属元素中最为严重的结论也是较为一致的.

本研究发现农用地的形状复杂程度与景观多样性程度的交互作用能够对土壤重金属含量产生显著影响.布仁仓等[30]研究了不同景观指数之间的相关性, 发现包括景观形状指数、平均形状指数和平均分维数在内的形状指数与多样性指数不存在有意义的相关关系, 它们描述的是截然不同的格局特点.因此, 可以从指数的生态学意义出发来探讨景观形状指数和景观多样性指数的交互作用及其在元素累积过程中可能会起到的作用.

3 结论

(1) 2003~2013年研究区8种土壤重金属元素出现了不同程度的累积, 其中以Hg、Ni和Cr的累积程度最高; 8种土壤重金属元素含量空间变异的波动性更强, 局部高值区域面积增加; 2013年研究区综合污染程度比2003年显著提高, 大部分地区已经受到重金属污染, 重度污染区的污染程度继续加重.

(2) 其他地类转移为建设用地和耕地会提高重金属的累积程度; 重金属污染地区都有着破碎、复杂和聚集的景观格局特征, 其中耕地、住宅用地和工矿仓储用地的这种特征与土壤重金属累积的相关性最大.

(3) 建设用地的斑块聚集程度越高, 大多数重金属元素的累积程度会显著增加; 景观的多样性程度和农用地的形状复杂程度越高, Cu、Hg、Pb和Cd的累积程度会显著增加; 距离采矿用地越近, 对Cd含量增加的效应越明显.此外, 景观格局中形状因子和异质性因子之间的交互作用也不可忽视.

参考文献
[1] 徐慧秋, 黄银华, 吴志峰, 等. 广州市农业土壤As和Cd污染及其对景观异质性的多尺度响应[J]. 应用生态学报, 2016, 27(10): 3283-3289.
Xu H Q, Huang Y H, Wu Z F, et al. Agricultural soil contamination from As and Cd and its responses to landscape heterogeneity at multiple scales in Guangzhou, China[J]. Chinese Journal of Applied Ecology, 2016, 27(10): 3283-3289.
[2] 邱孟龙, 李芳柏, 王琦, 等. 工业发达城市区域耕地土壤重金属时空变异与来源变化[J]. 农业工程学报, 2015, 31(2): 298-305.
Qiu M L, Li F B, Wang Q, et al. Spatio-temporal variation and source changes of heavy metals in cultivated soils in industrial developed urban areas[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(2): 298-305. DOI:10.3969/j.issn.1002-6819.2015.02.041
[3] 李娇, 吴劲, 蒋进元, 等. 近十年土壤污染物源解析研究综述[J]. 土壤通报, 2018, 49(1): 232-242.
Li J, Wu J, Jiang J Y, et al. Review on source apportionment of soil pollutants in recent ten years[J]. Chinese Journal of Soil Science, 2018, 49(1): 232-242.
[4] Liu Y, Su C, Zhang H, et al. Interaction of soil heavy metal pollution with industrialisation and the landscape pattern in Taiyuan City, China[J]. PLoS One, 2014, 9(9): e105798. DOI:10.1371/journal.pone.0105798
[5] 李铖, 李芳柏, 吴志峰, 等. 景观格局对农业表层土壤重金属污染的影响[J]. 应用生态学报, 2015, 26(4): 1137-1144.
Li C, Li F B, Wu Z F, et al. Impacts of landscape patterns on heavy metal contamination of agricultural top soils in the Pearl River Delta, South China[J]. Chinese Journal of Applied Ecology, 2015, 26(4): 1137-1144.
[6] Li C, Li F B, Wu Z F, et al. Effects of landscape heterogeneity on the elevated trace metal concentrations in agricultural soils at multiple scales in the Pearl River Delta, South China[J]. Environmental Pollution, 2015, 206: 264-274. DOI:10.1016/j.envpol.2015.07.007
[7] 傅伯杰, 吕一河, 陈利顶, 等. 国际景观生态学研究新进展[J]. 生态学报, 2008, 28(2): 798-804.
Fu B J, Lv Y H, Chen L D, et al. The latest progress of landscape ecology in the world[J]. Acta Ecologica Sinica, 2008, 28(2): 798-804. DOI:10.3321/j.issn:1000-0933.2008.02.042
[8] 刘世梁, 傅伯杰. 景观生态学原理在土壤学中的应用[J]. 水土保持学报, 2001, 15(3): 102-106.
Liu S L, Fu B J. Application of landscape ecology principle in soil science[J]. Journal of Soil and Water Conservation, 2001, 15(3): 102-106. DOI:10.3321/j.issn:1009-2242.2001.03.027
[9] 张燕, 张志强, 张俊卿, 等. 密云水库土门西沟流域非点源污染负荷估算[J]. 农业工程学报, 2009, 25(5): 183-191.
Zhang Y, Zhang Z Q, Zhang J Q, et al. Estimation of non-point source pollution load in Tumenxigou watershed of Miyun Reservoir[J]. Transactions of the CSAE, 2009, 25(5): 183-191. DOI:10.3969/j.issn.1002-6819.2009.05.35
[10] Fu B J, Chen L D, Ma K M, et al. The relationships between land use and soil conditions in the hilly area of the loess plateau in northern Shaanxi, China[J]. CATENA, 2000, 39(1): 69-78. DOI:10.1016/S0341-8162(99)00084-3
[11] Mahmoudabadi E, Sarmadian F, Moghaddam R N. Spatial distribution of soil heavy metals in different land uses of an industrial area of Tehran (Iran)[J]. International Journal of Environmental Science and Technology, 2015, 12(10): 3283-3298. DOI:10.1007/s13762-015-0808-z
[12] Krami L K, Amiri F, Sefiyanian A, et al. Spatial patterns of heavy metals in soil under different geological structures and land uses for assessing metal enrichments[J]. Environmental Monitoring and Assessment, 2013, 185(12): 9871-9888. DOI:10.1007/s10661-013-3298-9
[13] 郭旭东, 傅伯杰, 陈利顶, 等. 低山丘陵区土地利用方式对土壤质量的影响——以河北省遵化市为例[J]. 地理学报, 2001, 56(4): 447-455.
Guo X D, Fu B J, Chen L D, et al. Effects of land use on soil quality in a hilly area-a case study in Zunhua county of Hebei province[J]. Acta Geographic Sinica, 2001, 56(4): 447-455.
[14] 赵淑苹, 陈立新. 大庆地区不同土地利用类型土壤重金属分析及生态危害评价[J]. 水土保持学报, 2011, 25(5): 195-199.
Zhao S P, Chen L X. Soil heavy content analysis and ecological risk assessment of different landuse types in Daqing region[J]. Journal of Soil and Water Conservation, 2011, 25(5): 195-199.
[15] 靳治国, 施婉君, 高扬, 等. 不同土地利用方式下土壤重金属分布规律及其生物活性变化[J]. 水土保持学报, 2009, 23(3): 74-77, 96.
Jin Z G, Shi W J, Gao Y, et al. Distribution of heavy metals and changes of soil biological activity under different land use patterns[J]. Journal of Soil and Water Conservation, 2009, 23(3): 74-77, 96. DOI:10.3321/j.issn:1009-2242.2009.03.017
[16] 陈宗娟, 张倩, 张强, 等. 天津东南部某区域不同土地利用方式下土壤重金属的累积特征[J]. 生态与农村环境学报, 2015, 31(2): 166-173.
Chen Z J, Zhang Q, Zhang Q, et al. Accumulation characteristics of heavy metals in soils as affected by land use in southeast Tianjin[J]. Journal of Ecology and Rural Environment, 2015, 31(2): 166-173.
[17] 隋传嘉, 潘剑君, 余泓, 等. 苏南村镇耕地景观格局对土壤重金属污染的影响[J]. 生态学杂志, 2017, 36(8): 2302-2311.
Sui C J, Pan J J, Yu H, et al. Impacts of farming landscape patterns on soil heavy metal pollution in towns of Southern Jiangsu Province[J]. Chinese Journal of Ecology, 2017, 36(8): 2302-2311.
[18] Lin Y P, Teng T P, Chang T K. Multivariate analysis of soil heavy metal pollution and landscape pattern in Changhua county in Taiwan[J]. Landscape and Urban Planning, 2002, 62(1): 19-35.
[19] 陈昕, 潘剑君, 王文勇, 等. 苏南某镇土壤重金属污染的景观格局特征[J]. 环境科学, 2016, 37(6): 2313-2321.
Chen X, Pan J J, Wang W Y, et al. Landscape patterns characteristics of soil heavy metal pollution in a town of southern Jiangsu[J]. Environmental Science, 2016, 37(6): 2313-2321.
[20] 田壮, 方淑波, 印春生, 等. 盐城海岸带景观格局变化和重金属空间分布相关分析[J]. 上海海洋大学学报, 2013, 22(6): 912-921.
Tian Z, Fang S B, Yin C S, et al. Evaluation of spatial correlation between landscape pattern changes and heavy metals spatial interpolation analysis along Yancheng coast[J]. Journal of Shanghai Ocean University, 2013, 22(6): 912-921.
[21] Hu B F, Jia X L, Hu J, et al. Assessment of heavy metal pollution and health risks in the soil-plant-human system in the Yangtze River Delta, China[J]. International Journal of Environmental Research and Public Health, 2017, 14(9): 1042. DOI:10.3390/ijerph14091042
[22] Hu B F, Wang J Y, Jin B, et al. Assessment of the potential health risks of heavy metals in soils in a coastal industrial region of the Yangtze River Delta[J]. Environmental Science and Pollution Research, 2017, 24(24): 19816-19826. DOI:10.1007/s11356-017-9516-1
[23] 樊新刚, 米文宝, 马振宁, 等.宁夏石嘴山河滨工业园区表层土壤重金属污染的时空特征[J]. 2013, 34(5): 1887-1894.
Fang X G, Mi J B, Ma Z Y, et al. Spatial and temporal characteristics of heavy metal concentration of surface soil in Hebin industrial park in Shizuishan northwest China[J]. Environmental Science, 2013, 34(5): 1887-1894.
[24] 邬建国. 景观生态学:格局、过程、尺度与等级[M]. (第二版). 北京: 高等教育出版社, 2007.
Wu J G. Landscape ecology:pattern, process, scale and hierarchy[M]. (2nd ed.). Beijing: Higher Education, 2007.
[25] Horak J, Pavlicek J. Tree level indicators of species composition of saproxylic beetles in old-growth mountainous spruce-beech forest through variation partitioning[J]. Journal of Insect Conservation, 2013, 17(5): 1003-1009. DOI:10.1007/s10841-013-9583-7
[26] Legendre P. Studying beta diversity:ecological variation partitioning by multiple regression and canonical analysis[J]. Journal of Plant Ecology, 2008, 1(1): 3-8. DOI:10.1093/jpe/rtm001
[27] Nezhad M T K, Tabatabaii S M, Gholami A. Geochemical assessment of steel smelter-impacted urban soils, Ahvaz, Iran[J]. Journal of Geochemical Exploration, 2015, 152: 91-109. DOI:10.1016/j.gexplo.2015.02.005
[28] 司万童, 李海东, 林乃峰, 等. 内蒙古达茂旗萤石矿区土壤重金属分布特征与复合污染评价[J]. 生态与农村环境学报, 2016, 32(3): 404-409.
Si W T, Li D H, Lin N F, et al. Distribution of heavy metals in soil of fluorite mining area in Damao county, Inner Mongolia and evaluation of their composite pollution[J]. Journal of Ecology and Rural Environment, 2016, 32(3): 404-409.
[29] 方淑波, 贾晓波, 安树青, 等. 盐城海岸带土壤重金属潜在生态风险控制优先格局[J]. 地理学报, 2012, 67(1): 27-35.
Fang S B, Jia X B, An S Q, et al. The priority pattern for managing the potential ecological risks associated with heavy metals of the top soil on Yancheng coast[J]. Acta Geographic Sinica, 2012, 67(1): 27-35.
[30] 布仁仓, 胡远满, 常禹, 等. 景观指数之间的相关分析[J]. 生态学报, 2005, 25(10): 2764-2775.
Bu R C, Hu Y M, Chang Y, et al. A correlation analysis on landscape metrics[J]. Acta Ecologica Sinica, 2005, 25(10): 2764-2775. DOI:10.3321/j.issn:1000-0933.2005.10.044