2024, Vol. 45
2. 中国科学院生态环境研究中心城市与区域生态国家重点实验室, 北京 100085;
3. 中国科学院大学, 北京 100049;
4. 华中农业大学资源与环境学院, 武汉 430070
2. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China;
4. College of Resources and Environment, Huazhong Agricultural University, Wuhan 430070, China
土壤是生物圈的重要组成部分, 是人类赖以生存与发展的基础[1, 2]. 在工业、农业和交通等人类活动的多重压力下, 城-郊区域环境质量逐渐恶化, 其中土壤重金属污染的加剧对城-郊区域居民的健康产生越来越大的威胁[3, 4]. 铅（Pb）是城-郊区域土壤的重要重金属污染物之一, 来源广且累积效应明显, 对人体毒性高, 长期以来受到学界和管理者高度重视[5 ~ 8].
近年来, 国内外学者已对城-郊区域土壤Pb含量及其空间变异特征进行了大量研究. Cannon等[9]研究表明, 芝加哥城市土壤Pb等元素含量的空间变化特征能够在统计学意义上反映城市人口和工业活动的影响, 但土壤采样密度不足导致无法预测采样点之间区域的土壤元素含量. 柳云龙等[10]研究发现上海徐汇、奉贤和闵行区内, 由中心城区到远郊区土壤Pb含量逐渐降低, Pb的均值和变异系数均存在明显的空间分布差异. 刘琼峰等[11]研究发现长沙市土壤Pb的潜在生态危害系数和单项累积指数均表现出近郊高于远郊高于中郊的趋势.
包括Pb在内的土壤重金属含量模拟也是学界关注的重点. 吴玉[12]研究发现4种覆被（光滩、互花米草、芦苇以及水杉人工林）土壤对Pb的等温吸附曲线最优拟合模型是Langmuir模型. 许洋等[13]对场地土壤重金属污染模拟预测的结果表明, 随机森林模型对场地重金属含量均值的预测能力优于场地最大值, 导致该结果的主要原因是多源异构数据库对该类样本的表征能力较弱. Chen等[14]提出了一个广义质量平衡模型, 并以As和Cd为例阐明了微量元素在土壤-水-植物系统中的环境归趋和迁移, 模拟结果表明, 土壤的总As含量不会显著增加, 而土壤的总Cd含量将随着时间的推移缓慢上升. 城-郊区域具有土地利用变化快, 人类活动类型多, 强度高的特点[15 ~ 17]. 各种人类活动导致土壤Pb累积过程复杂[18, 19]且时空异质性高[20, 21], 使得准确模拟该类区域土壤Pb累积过程, 揭示土壤Pb累积过程的时空变化特征十分困难, 相关研究也非常缺乏.
中部某大城市是其所在省的政治、经济和文化中心, 城市化、工业化的快速发展和人口的大量增加对城-郊区域的土壤环境造成很大压力. 本文以该城市的典型城-郊区域为研究区, 通过构建体现城-郊区域复杂环境因素影响的土壤重金属Pb累积过程时空模拟方法, 揭示该区域土壤Pb含量未来时空变化特征, 旨在为研究区土壤Pb污染管控提供依据.
1 材料与方法 1.1 研究区域概况研究区位于国内中部某大城市主城区长江以南（114°18′34″~114°33′03″E, 30°34′33″~30°40′39″N）, 区域总面积160.73 km2, 2020年人造地表面积88.87 km2, 耕地、林地和草地面积分别为10.23、11.95和4.54 km2, 为该城市的典型城-乡区域（图 1）. 研究区气候类型为亚热带季风气候, 年均降水量为1 274.6 mm, 年均气温为16.8℃. 自20世纪50年代开始, 该区域开始工业化, 大型国有钢铁厂、冶金厂和造船厂位于研究区中北部；研究区的东部土地以农业用地为主, 西部主要为人口密集的商业和住宅区.
|
图 1 研究区位置和土壤采样点位分布示意 Fig. 1 Location of the study area and distribution of soil sampling sites |
模型设计的总体思路是：基于STEM模型[14], 建立新的土壤Pb累积环境过程数学模型, 以质量平衡原理为核心, 计算Pb在土壤中的累积量与输入量和输出量之间的质量平衡, 土壤中水分淋溶和蒸散发与外源水的输入之间的平衡. 该模型可量化土壤中Pb累积和迁移过程, 并可对土壤Pb的长期累积趋势进行模拟. 模型的输入过程包括大气沉降输入、灌溉输入、肥料输入及其它输入过程, 输出过程包括植物吸收输出和淋溶输出. 最后通过动力学方程描述Pb在土壤中的各种环境过程, 构建数学模型定量描述不同过程, 具体如表 1所示.
|
表 1 土壤Pb累积环境过程数学模型[14, 22 ~ 24] Table 1 Mathematical model of environmental processes of soil Pb accumulation |
1.2.2 土壤Pb累积过程时空模拟方法
研究区土壤Pb累积过程时空模拟方法构建流程如图 2所示. 流程包括：①准备所需数据, 包括采样点土壤Pb含量数据和采样点经纬度坐标、基于遥感影像解译的城-郊区域土地利用分类和在土地利用分类基础上开展的城-郊区域土地利用变化模拟结果. 使用ArcGIS 10.8, 从2010年和2020年土地利用分类空间数据以及2030年土地利用模拟结果中提取出采样点的土地利用类型并进行数字编号. ②将2013年采样点土壤Pb含量数据和2010年土地利用类型数据输入土壤重金属累积过程单元模型, 模拟并输出2013年采样点所在位置的2020年土壤Pb累积含量；③将流程②的输出结果和采样点2020年土地利用类型数据输入单元模型, 模拟采样点所在位置的2030年土壤Pb累积含量；④将流程③的输出结果和采样点2030年土地利用类型数据输入单元模型, 模拟采样点所在位置的2040年土壤Pb累积含量；第②至第④流程使用Python 3.0编程完成. ⑤使用ArcGIS 10.8, 对流程②、③和④输出的采样点所在位置2020、2030和2040年的土壤Pb累积含量模拟结果进行克里金空间插值, 输出3个年份土壤重金属累积含量空间图.
|
图 2 土壤Pb累积过程时空模拟流程 Fig. 2 Flow chart of spatial and temporal simulation of soil Pb accumulation process |
本研究使用ArcGIS 10.8地统计工具集中的普通克里金工具, 经反复测试得到参数设置为：趋势的移除阶数为常数, 变量为半变异函数, 模型为球面函数. 插值输出2010 ~ 2040年各年份的研究区土壤Pb累积含量空间栅格图. 再用栅格计算器工具, 将相邻年份插值结果相减, 得到2013 ~ 2020、2020 ~ 2030、2030 ~ 2040以及2013 ~ 2040年的土壤Pb累积含量变化, 并对变化值进行分级, 输出分级空间图.
1.3 数据来源 1.3.1 土壤Pb含量数据来源于2013年11月在研究区布点和采集土壤样品. 采样点位置随机生成, 且两个采样点之间的平均距离约为1 km, 按此原则共生成155个采样点（工业区42个, 农业区55个, 居民区58个）. 使用环刀法采集表层（0 ~ 20 cm）土壤样品, 每个采样点收集约1 kg土壤样品, 然后进行混合, 并将其储存在自密封塑料袋中. 采样时使用GPS工具记录采样点的经纬度.
将所有土壤样品在室温下风干, 将制备的土壤样品0.2 g放入到盛有50 mL聚四氯乙烯的坩埚中, 将其湿润后加入10 mL HCl, 于通风处进行低温加热, 使样品初步分解, 待蒸发剩余约3 mL左右时, 取下冷却, 然后通过0.15 mm尼龙筛, 并用6 mL HClO4、5 mL HF和3 mL HNO3组成的三元浓酸混合物加盖进行中温加热[25]. 1 h后开盖继续加热去除杂质, 视样品消解结果, 再重复上述消解过程, 然后将溶液移至50 mL容量瓶中, 待冷却后采用电感耦合等离子体质谱法（ICP-MS）测定Pb元素的含量, 计算每个土壤样品Pb含量. 分析测试过程中通过定期在实验中插入不含Pb的土壤样本（空白样本）对测试方法进行质量控制.
1.3.2 土壤Pb累积环境过程模型参数值及来源本研究土壤Pb累积过程单元模型涉及的数学模型的参数值, 通过文献调研和公开的数据平台等途径获取, 具体数值和来源如表 2所示. 各参数中, 大气沉降输入量使用已有研究在武汉城区9个采样点的Pb大气年沉降通量监测结果的平均值, 施肥量使用武汉市各类化肥施用量统计数据的平均值, 土壤容重和土壤体积含水率使用从“国家地球系统科学数据中心共享服务平台”获取的本研究区域的数据. 因此, 这几项参数值均适用于本研究区域. 土壤深度20 cm为表层土壤的通常取值. 其他参数值来自已有的研究在其他区域开展的实验、采样或调查分析获得的数据, 应用于本研究区存在不同程度的不确定性. 对此, 本研究对这些参数进行了敏感性分析[26], 结果表明, 这些参数的相对敏感度均小于0.1, 说明其不确定性对模拟结果的影响很小. 综上, 本研究中单元模型的模拟结果可靠性较高.
|
|
表 2 土壤Pb累积环境过程模型参数值1） Table 2 Model parameter values for environmental processes of soil Pb accumulation |
1.3.3 土地利用分类和模拟数据来源
本研究的2010年和2020年土地利用分类数据和2030年土地利用模拟数据, 从研究组前期对研究区所在地级市主城区的土地利用分类和模拟结果空间数据中裁切出[43]. 土地利用分类方法为：对2010年5 m分辨率的RapidEye卫星遥感影像和2020年3 m分辨率的SuperDoves卫星遥感影像进行辐射矫正、几何校正、镶嵌等预处理, 依据GB/T 21010-2017《土地利用现状分类标准》构建研究区的土地利用分类系统, 选择兴趣点进行监督分类, 用最大似然法将土地利用划分为6种类型（人造地表、水域、耕地、林地、草地和城市绿地）. 为提高分类精度, 采用目视解译的方式对分类结果进行修正.
土地利用模拟方法为：使用耦合的Markov-ANN-CA土地利用模拟模型, 以Logistic回归来评估土地利用适宜性, 并建立ANN模型来研究自然地理、社会经济和土地利用适宜性驱动因子与土地利用类型之间的关系. 在Matlab 2017b平台上, 利用2010年的土地利用分类和驱动因子数据, 模拟2020年的土地利用情况, 并与2020年土地利用情况进行对比, 通过面积一致性和Kappa系数验证模拟结果的准确性, 从而反映模拟方法的可靠性. 基于模拟得到的2020年土地利用数据, 用同样的方法预测2030年该地级市主城区的土地利用情况.
2 结果与讨论 2.1 土地利用变化情况2010 ~ 2020年研究区东部郊区的水域、耕地和草地面积明显减少, 中西部城区绿地面积有较明显的增加[图 3（a）和3（b）]；2020 ~ 2030年东部区域的水域面积也将有明显的减少[图 3（b）和3（c）]. 2010 ~ 2030年研究区整体上人造地表和城市绿地面积逐步增加, 水域、耕地、草地面积逐步减少, 林地面积呈现先上升后下降的趋势（图 3和图 4）.
|
图 3 研究区2010、2020和2030年土地利用分类 Fig. 3 Land use classification map of the study area in 2010, 2020, and 2030 |
|
图 4 研究区2010、2020和2030年各土地利用类型面积 Fig. 4 Area of different land use types in the study area in 2010, 2020, and 2030 |
除面积变化外, 不同土地利用类型间的转移也值得关注. 土地利用转移矩阵分析的结果表明, 2010 ~ 2020年研究区共转移土地63.35 km2, 约占总面积的39.41%（表 3）. 其中人造地表有17.85 km2转移为城市绿地, 约占其面积的21.12%；水域有7.24 km2转移为人造地表, 约占其面积的32.51%；耕地有5.83 km2转移为人造地表, 约占其面积的26.1%；林地有1 km2转移为人造地表, 约占其面积的27.32%；草地有2.64 km2转移为人造地表, 约占其面积的45.2%；城市绿地有8.6 km2转移为人造地表, 约占其面积的38.9%. 以上结果表明, 2010 ~ 2020年期间, 除人造地表外的其他5种土地利用类型均有很大一部分转移为人造地表, 反映出这10年间研究区人造地表大幅扩张的趋势.
|
|
表 3 2010 ~ 2020年土地利用转移矩阵/km2 Table 3 Land use transfer matrix from 2010 to 2020 /km2 |
2020 ~ 2030年研究区将有27.85 km2土地发生类型转移, 约占总面积的17.32%, 其中人造地表将有7.53 km2转移为城市绿地, 约占其面积的8.47%；水域将有3.22 km2转移为人造地表, 约占其面积的31.98%；耕地将有1.38 km2转移为人造地表, 约占其面积的13.49%. 草地将有0.69 km2转移为人造地表, 约占其面积的15.20%；城市绿地将有7.80 km2转移为人造地表, 约占其面积的22.25%（表 4）.
|
|
表 4 2020 ~ 2030年土地利用转移矩阵/km2 Table 4 Land use transfer matrix from 2020 to 2030/km2 |
2.2 土壤Pb累积含量时空变化情况
研究区2013年土壤ω（Pb）最大值为316.89 mg·kg-1, 平均值为47.22 mg·kg-1, 标准差为55.28 mg·kg-1, 变异系数为1.17, 其中平均值约为研究区所在省表层土壤ω（Pb）背景值[44]（26.70 mg·kg-1）的1.77倍.
模拟结果表明, 2013 ~ 2040年, 研究区东北部和东南部土壤ω（Pb）较低（16.56 ~ 62 mg·kg-1和18.16 ~ 62 mg·kg-1）的区域面积减少将较为明显；东北部、中部以及南部的几个土壤ω（Pb）较高（62 ~ 106 mg·kg-1）的区域面积将明显增加, 其它区域则变化不明显（图 5）. 总体来看, 研究区的土壤累积Pb含量将持续增加.
|
图 5 2013年和2040年研究区土壤Pb累积含量 Fig. 5 Cumulative soil Pb content in the study area in 2013 and 2040 |
就变化量来看, 2013 ~ 2020年研究区土壤ω（Pb）增加量除东北部和东南的部分区域处于0.80 ~ 1.37mg·kg-1范围外, 其余区域基本处于0 ~ 0.80 mg·kg-1范围, 占总面积的70.80%[图 6（a）]. 2020 ~ 2030年土壤ω（Pb）增加量处于较低范围（0.10 ~ 0.80 mg·kg-1）的区域主要分布在研究区的西部、中北部和中南部, 占研究区总面积的15.59%；处于较高范围（1.50 ~ 2.26 mg·kg-1）的区域主要分布在中部和东部, 占总面积的18.72%[图 6（b）]；其余区域含量增加量为中等（0.80 ~ 1.50 mg·kg-1）, 占总面积的65.69%. 2030 ~ 2040年土壤ω（Pb）增加量处于较低范围（0.10 ~ 0.80 mg·kg-1）的区域分布在研究区的西南部以及中北部, 占总面积的24.69%；处于较高范围（1.50 ~ 2.18 mg·kg-1）的区域位于研究区东部, 占总面积的18.80%；其余区域含量增加量为中等, 占总面积的56.51%[图 6（c）].
|
图 6 研究区不同时期土壤Pb含量变化范围 Fig. 6 Range of changes in soil Pb content in the study area during different periods |
就2013 ~ 2040年整个模拟时间段的土壤ω（Pb）变化来看, 增加量较低（0.53 ~ 2.25 mg·kg-1）的区域主要位于研究区西部、北部和南部, 占总面积的25.46%；增加量较高（3.98 ~ 5.70 mg·kg-1）的区域主要位于研究区东部, 占总面积的17.14%；其余区域增加量中等（2.25 ~ 3.98 mg·kg-1）, 占总面积的57.40%（图 7）.
|
图 7 研究区2013 ~ 2040年土壤Pb含量变化范围 Fig. 7 Range of changes in soil Pb content in the study area from 2013 to 2040 |
对比不同时期土壤Pb含量空间分布图和土地利用分类图表明, 研究区东部林地的增加、水域和草地的减少导致了该区域土壤Pb含量较大幅度地上升, 研究区中部和西部人造地表和城市绿地空间格局的变化对土壤Pb含量的影响较小. 此外, 研究区内有诸多大型工厂（钢铁厂、冶炼厂和镀金工艺厂等）, 还是重要的交通枢纽, 分布了大量的交通设施（火车和汽车站、铁路、不同等级公路和大型停车场等）, 土壤Pb含量的空间分布还同重要工厂和交通设施的分布高度相关. 为有效治理土壤Pb污染, 保障土壤生态系统的健康, 应注重增加水域和草地的面积, 加强土壤污染源管控和消减, 优化农田管理措施, 以实现研究区土壤环境的保护与修复.
3 结论本研究将土壤Pb累积过程单元模型同土地利用分类和模拟相结合, 构建了土壤Pb累积过程时空模拟方法, 应用于中部某大城市典型城-郊区域, 模拟了该区域未来土壤Pb累积含量, 分析其时空变化特征. 结果表明, 2010 ~ 2030年研究区整体上人造地表和城市绿地面积逐步增加, 水域、耕地和草地面积逐步减少, 林地面积呈现先上升后下降的趋势. 2013 ~ 2040年研究区土壤Pb含量将持续增加, 其中增加量较高的区域位于其东部, 这主要由该区域林地面积的增加、水域和草地面积的减少导致. 此外, 土壤Pb含量的空间分布还同重要工厂和交通设施的分布高度相关. 本研究构建的土壤Pb累积过程时空模拟方法能在一定程度上突破以往研究中将土地利用视为静态不变的局限. 未来的研究可使用更多年份的土地利用历史数据和未来年份模拟结果, 从而使土壤Pb累积含量模拟结果更加接近真实状况.
| [1] |
王慧婷, 王洪敏, 李百庆. 土壤资源环境保护研究[J]. 环境与发展, 2018, 30(5): 240, 242. Wang H T, Wang H M, Li B Q. Research on environmental protection of soil resources[J]. Environment and Development, 2018, 30(5): 240, 242. |
| [2] |
王超, 李辉林, 胡清, 等. 我国土壤环境的风险评估技术分析与展望[J]. 生态毒理学报, 2021, 16(1): 28-42. Wang C, Li H L, Hu Q, et al. Analysis and prospects on soil environmental risk assessment technology in China[J]. Asian Journal of Ecotoxicology, 2021, 16(1): 28-42. |
| [3] |
王陆军, 范拴喜. 宝鸡市城郊农田土壤重金属污染风险评估[J]. 中国农学通报, 2015, 31(3): 179-185. Wang L J, Fan S X. Risk assessment of heavy metals in farmland soil in the outskirts of Baoji City[J]. Chinese Agricultural Science Bulletin, 2015, 31(3): 179-185. |
| [4] |
陈锐, 杜双杰, 徐伟, 等. 南京城郊某典型退耕农用地土壤重金属含量特征与污染评价分析[J]. 环境工程, 2022, 40(3): 102-110, 165. Chen R, Du S J, Xu W, et al. Concentration characteristics and pollution assessment of heavy metals in soil of a withdrawal cultivated land in suburb of Nanjing[J]. Environmental Engineering, 2022, 40(3): 102-110, 165. |
| [5] | Wang Z, Wade A M, Richter D D, et al. Legacy of anthropogenic lead in urban soils: co-occurrence with metal(loids) and fallout radionuclides, isotopic fingerprinting, and in vitro bioaccessibility[J]. Science of the Total Environment, 2022, 806. DOI:10.1016/j.scitotenv.2021.151276 |
| [6] |
赵奕然, 谷建辉, 万卫, 等. 株洲城郊农田土壤重金属污染特征与Pb同位素示踪[J]. 环境科学学报, 2020, 40(3): 1074-1084. Zhao Y R, Gu J H, Wan W, et al. The features of heavy metal contamination and possible sources from Pb isotopic evidence in farmland soils, Zhuzhou suburb[J]. Acta Scientiae Circumstantiae, 2020, 40(3): 1074-1084. |
| [7] |
陈志凡, 化艳旭, 徐薇, 等. 基于正定矩阵因子分析模型的城郊农田重金属污染源解析[J]. 环境科学学报, 2020, 40(1): 276-283. Chen Z F, Hua Y X, Xu W, et al. Analysis of heavy metal pollution sources in suburban farmland based on positive definite matrix factor model[J]. Acta Scientiae Circumstantiae, 2020, 40(1): 276-283. |
| [8] |
刘娟, 李洋, 张敏, 等. 滇东农田土壤铅污染健康风险评价及基准研究[J]. 农业工程学报, 2021, 37(1): 241-250. Liu J, Li Y, Zhang M, et al. Health risk assessment and benchmark of lead pollution in agricultural soils in East Yunnan, China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(1): 241-250. |
| [9] | Cannon W F, Horton J D. Soil geochemical signature of urbanization and industrialization – Chicago, Illinois, USA[J]. Applied Geochemistry, 2009, 24(8): 1590-1601. DOI:10.1016/j.apgeochem.2009.04.023 |
| [10] |
柳云龙, 章立佳, 庄腾飞, 等. "城郊乡"梯度下土壤Cu、Zn、Pb含量的空间变异特征[J]. 长江流域资源与环境, 2015, 24(7): 1207-1213. Liu Y L, Zhang L J, Zhuang T F, et al. Spatial variability and distribution of soil Cu, Zn and Pb in gradient urban-transect[J]. Resources and Environment in the Yangtze Basin, 2015, 24(7): 1207-1213. DOI:10.11870/cjlyzyyhj201507018 |
| [11] |
刘琼峰, 李明德, 吴海勇, 等. 城郊农田土壤Pb、Cd的空间变异与评价研究——以长沙市为例[J]. 长江流域资源与环境, 2012, 21(2): 195-203. Liu Q F, Li M D, Wu H Y, et al. Spatial variability characteristics and assessment of soil Pb and Cd in suburb cropland, Changsha City, Hunan, China[J]. Resources and Environment in the Yangtze Basin, 2012, 21(2): 195-203. |
| [12] |
吴玉. 不同植被土壤对重金属Pb的吸附及其模拟[J]. 世界有色金属, 2021(17): 147-149. Wu Y. Characteristics of Pb adsorption of different land uses soils from wetland[J]. World Nonferrous Metals, 2021(17): 147-149. DOI:10.3969/j.issn.1002-5065.2021.17.069 |
| [13] |
许洋, 陈健松, 王志栋, 等. 基于多源异构数据的典型场地土壤重金属污染模拟预测研究[J]. 环境科学学报, 2023, 43(9): 357-368. Xu Y, Chen J S, Wang Z D, et al. Simulation and prediction research of heavy metal pollution in soil of typical sites based on multi-source heterogeneous data[J]. Acta Scientiae Circumstantiae, 2023, 43(9): 357-368. |
| [14] | Chen W P, Chang A C, Wu L S. Assessing long-term environmental risks of trace elements in phosphate fertilizers[J]. Ecotoxicology and Environmental Safety, 2007, 67(1): 48-58. DOI:10.1016/j.ecoenv.2006.12.013 |
| [15] |
胡孙, 袁旭音, 陈红燕, 等. 城郊农业土壤重金属不同尺度空间分布及源分析——以宁镇交界带为例[J]. 农业环境科学学报, 2015, 34(12): 2295-2303. Hu S, Yuan X Y, Chen H Y, et al. Multi-scale spatial distribution and source discrimination of heavy metals in suburb soils: a case study of junctional zone between Nanjing City and Zhenjiang City[J]. Journal of Agro-Environment Science, 2015, 34(12): 2295-2303. DOI:10.11654/jaes.2015.12.007 |
| [16] | 赵泽平, 张凯瑞, 陈红凤, 等. 基于GIS的城郊结合带土地利用覆被变化研究——以武汉市黄陂区为例[J]. 中国农业文摘-农业工程, 2021, 33(5): 47-50. DOI:10.3969/j.issn.1002-5103.2021.05.013 |
| [17] |
张涵, 李阳兵. 城郊土地利用功能演变——以贵州省惠水县乡村旅游度假区好花红村为例[J]. 地理科学进展, 2020, 39(12): 1999-2012. Zhang H, Li Y B. Change of land-use functions in suburbs: A case study of Haohuahong Village in a rural tourist resort of Huishui County, Guizhou Province[J]. Progress in Geography, 2020, 39(12): 1999-2012. |
| [18] |
陈艺, 蔡海生, 曾君乔, 等. 袁州区表层土壤重金属污染特征及潜在生态风险来源的地理探测[J]. 环境化学, 2021, 40(4): 1112-1126. Chen Y, Cai H S, Zeng J Q, et al. Characteristics of heavy metal pollution in surface soil and geographical detection of potential ecological risk sources in Yuanzhou District[J]. Environmental Chemistry, 2021, 40(4): 1112-1126. |
| [19] |
骆永明, 滕应. 中国土壤污染与修复科技研究进展和展望[J]. 土壤学报, 2020, 57(5): 1137-1142. Luo Y M, Teng Y. Research progresses and prospects on soil pollution and remediation in China[J]. Acta Pedologica Sinica, 2020, 57(5): 1137-1142. |
| [20] |
姬超, 董文浩, 侯大伟, 等. 土壤重金属健康风险时空预测及管控目标研究[J]. 土壤, 2023, 55(3): 634-646. Ji C, Dong W H, Hou D W, et al. Spatio-temporal prediction and control objectives for health risk of soil heavy metals[J]. Soils, 2023, 55(3): 634-646. |
| [21] |
王敏, 董佳琦, 白龙龙, 等. 浙江省香榧主产区土壤重金属空间异质性及其生态风险[J]. 环境科学, 2021, 42(12): 5949-5957. Wang M, Dong J Q, Bai L L, et al. Spatial variation and risk assessment of heavy metals in soils of main Torreya grandis plantation region in Zhejiang Province[J]. Environmental Science, 2021, 42(12): 5949-5957. |
| [22] | De Vries W, McLaughlin M J. Modeling the cadmium balance in Australian agricultural systems in view of potential impacts on food and water quality[J]. Science of the Total Environment, 2013, 461-462: 240-257. DOI:10.1016/j.scitotenv.2013.04.069 |
| [23] | Peng C, Wang M E, Chen W P. Modelling cadmium contamination in paddy soils under long-term remediation measures: model development and stochastic simulations[J]. Environmental Pollution, 2016, 216: 146-155. DOI:10.1016/j.envpol.2016.05.038 |
| [24] |
戴雅婷, 傅开道, 杨阳, 等. 南方典型水稻土镉(Cd)累积规律模拟[J]. 环境科学, 2021, 42(1): 353-358. Dai Y T, Fu K D, Yang Y, et al. Simulation cadmium (Cd) accumulation in typical paddy soils in south China[J]. Environmental Science, 2021, 42(1): 353-358. DOI:10.3969/j.issn.1000-6923.2021.01.041 |
| [25] | Guagliardi I, Cicchella D, De Rosa R. A geostatistical approach to assess concentration and spatial distribution of heavy metals in urban soils[J]. Water, 2012, 223(9): 5983-5998. |
| [26] |
张宁, 张庆国, 于海敬, 等. 作物生长模拟模型的参数敏感性分析[J]. 浙江大学学报(农业与生命科学版), 2018, 44(1): 107-115. Zhang N, Zhang Q G, Yu H J, et al. Sensitivity analysis for parameters of crop growth simulation model[J]. Journal of Zhejiang University (Agriculture & Life Sciences), 2018, 44(1): 107-115. |
| [27] |
李定远, 石德强, 申锐莉, 等. 江汉平原大气污染源分析[J]. 现代地质, 2008, 22(6): 915-921. Li D Y, Shi D Q, Shen R L, et al. Analysis on source apportionment of atmosphere particulates in Jianghan Plain, China[J]. Geoscience, 2008, 22(6): 915-921. DOI:10.3969/j.issn.1000-8527.2008.06.003 |
| [28] |
李勇, 杨晓光, 叶清, 等. 1961-2007年长江中下游地区水稻需水量的变化特征[J]. 农业工程学报, 2011, 27(9): 175-183. Li Y, Yang X G, Ye Q, et al. Variation characteristics of rice water requirement in middle and lower reaches of Yangtze River during 1961-2007[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(9): 175-183. |
| [29] |
谢文娟. 50种稻米重金属富集现况的研究[D]. 长沙: 中南大学, 2014. Xie W J. The study of accumulation of metal contamination in 50 rice[D]. Changsha: Central South University, 2014. |
| [30] | 武汉市统计局, 国家统计局武汉调查队. 武汉统计年鉴-2020[M]. 北京: 中国统计出版社, 2020. |
| [31] |
王美, 李书田. 肥料重金属含量状况及施肥对土壤和作物重金属富集的影响[J]. 植物营养与肥料学报, 2014, 20(2): 466-480. Wang M, Li S T. Heavy metals in fertilizers and effect of the fertilization on heavy metal accumulation in soils and crops[J]. Journal of Plant Nutrition and Fertilizer, 2014, 20(2): 466-480. |
| [32] |
吴兴飞. 草坪草修复污泥营养土中重金属及其调控[D]. 杭州: 浙江工业大学, 2019. Wu X F. Phytoremediation and regulation of heavy metals in sludge nutrient soil by turfgrass[D]. Hangzhou: Zhejiang University of Technology, 2019. |
| [33] |
陈岭啸. 长三角典型地区土壤—植物体系重金属地球化学特征[D]. 南京: 南京大学, 2011. Chen L X. Geochemistry characteristic of heavy metal in soil-crop system in typical area of Yangtze River Delta[D]. Nanjing: Nanjing University, 2011. |
| [34] |
韩玉丽. 北京市不同功能区5种常见树种对重金属富集特征研究[D]. 北京: 中国林业科学研究院, 2015. Han Y L. Heavy metal accumulation of 5 common tree species in different functional zones in Beijing[D]. Beijing: Chinese Academy of Forestry, 2015. |
| [35] |
张丽, 彭重华, 王莹雪, 等. 14种植物对土壤重金属的分布、富集及转运特性[J]. 草业科学, 2014, 31(5): 833-838. Zhang L, Peng Z H, Wang Y X, et al. Heavy metal distribution, bioaccumulation and translocation characteristics of fourteen plants[J]. Pratacultural Science, 2014, 31(5): 833-838. |
| [36] |
罗耀, 席嘉宾, 谭筱弘, 等. 9种暖季型草坪草耐阴性综合评价及其指标的筛选[J]. 草业学报, 2013, 22(5): 239-247. Luo Y, Xi J B, Tan X H, et al. Evaluation of shade tolerance of nine warm-season turfgrass and selection of their shade tolerant indices[J]. Acta Prataculturae Sinica, 2013, 22(5): 239-247. |
| [37] |
张维乐, 戴志刚, 任涛, 等. 不同水旱轮作体系秸秆还田与氮肥运筹对作物产量及养分吸收利用的影响[J]. 中国农业科学, 2016, 49(7): 1254-1266. Zhang W L, Dai Z G, Ren T, et al. Effects of nitrogen fertilization managements with residues incorporation on crops yield and nutrients uptake under different paddy-upland rotation systems[J]. Scientia Agricultura Sinica, 2016, 49(7): 1254-1266. |
| [38] |
史琰. 中国城市建成区植被结构特征和碳吸收[D]. 杭州: 浙江大学, 2013. Shi Y. Vegetation structure characteristics and carbon uptake of urban built-up area in China[D]. Hangzhou: Zhejiang University, 2013. |
| [39] |
王迪生. 基于生物量计测的北京城区园林绿地净碳储量研究[D]. 北京: 北京林业大学, 2010. Wang D S. Studies on net carbon reserves in Beijing urban landscape green based on biomass measurement[D]. Beijing: Beijing Forestry University, 2010. |
| [40] |
李斌, 方晰, 李岩, 等. 湖南省森林土壤有机碳密度及碳库储量动态[J]. 生态学报, 2015, 35(13): 4265-4278. Li B, Fang X, Li Y, et al. Dynamic properties of soil organic carbon in Hunan's Forests[J]. Acta Ecologica Sinica, 2015, 35(13): 4265-4278. |
| [41] |
孙强, 韩建国, 刘帅, 等. 草地早熟禾草坪土壤水分动态与根系生长分布[J]. 生态学报, 2005, 25(6): 1306-1311. Sun Q, Han J G, Liu S, et al. Soil moisture dynamic and root growth of Kentucky bluegrass turf[J]. Acta Ecologica Sinica, 2005, 25(6): 1306-1311. DOI:10.3321/j.issn:1000-0933.2005.06.011 |
| [42] | Sauvé S, Hendershot W, Allen H. Solid-solution partitioning of metals in contaminated soils: Dependence on pH, total metal burden, and organic matter[J]. Environmental Science & Technology, 2000, 34(7): 1125-1131. |
| [43] | Zhang J L, Hou Y, Dong Y F, et al. Land use change simulation in rapid urbanizing regions: a case study of Wuhan urban areas[J]. International Journal of Environmental Research and Public Health, 2022, 19(14). DOI:10.3390/ijerph19148785 |
| [44] | 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990. |