基于遥感时-空-谱特征及随机森林模型的土壤重金属空间分布预测

获取土壤重金属的含量特征及空间分布是预防土壤污染和制定环保政策的关键.选取济南市长清区为研究区,系统采集304处表层土壤样品（0~20 cm）,利用多源遥感数据构建土壤重金属的光谱特征、时间特征和空间特征;进一步采用相关分析法选择出与土壤重金属密切相关的时-空-谱特征,并将其作为输入自变量,实测土壤砷（As）含量值为因变量,建立基于随机森林（RF）算法的空间预测模型,完成土壤重金属的含量估算和空间分布预测.结果表明：①As含量均值超出背景值43.17％,低于农用地土壤污染风险规定的筛选值和管控值,表明As在土壤中出现富集,但处于可管控范围内.②在单个遥感特征构建的土壤重金属空间预测模型中,精度由高到低依次为：空间特征（RPIQ=3.87）>时间特征（RPIQ=2.57）>光谱特征（RPIQ=2.50）,空间特征对土壤重金属空间预测最为重要.③基于“时间-空间”、“时间-光谱”和“空间-光谱”组合特征的土壤重金属空间预测模型均优于单个特征构建的模型,其精度系数RPIQ值分别为4.81、4.21和4.70.④利用“时间-空间-光谱”特征组合输入的随机森林模型达到最佳的空间预测精度（R²=0.90;RMSE=0.77;RPIQ=5.68）.⑤As在空间分布上从西北到东南含量逐步降低,主要受到黄河冲淤积和工业活动影响.研究采用的遥感时-空-谱特征结合随机森林算法的土壤重金属空间预测技术,可为土壤污染防治及环境风险管控提供有效的方法支持.     

基于多源辅助变量和随机森林模型的耕地土壤重金属含量空间分布预测

农田土壤重金属含量的空间预测对于监测耕地污染和确保生态农业可持续发展至关重要.从地形、气候、土壤属性、遥感信息、植被指数和人为活动这6个方面选取了32个环境变量作为辅助变量,并构建随机森林(RF)、回归克里格(RK)、普通克里格(OK)和多元线性回归(MLR)模型来预测耕地土壤中As、 Cd、 Cr、 Cu、 Hg、 Ni、 Pb和Zn的含量.结果表明,与RK、 OK和MLR相比,RF模型对As、 Cd、 Cr、 Hg、 Pb和Zn的预测性能更高,而OK和RK模型分别对Cu和Ni含量的预测精度更高,表现为预测拟合优度(R²)最高而平均绝对误差(MAE)和均方根误差(RMSE)最低.不同预测方法对同种土壤重金属元素预测结果的空间分布趋势基本一致,8种重金属含量的高值区均分布在南部的平原地区,但RF模型对空间预测的细节刻画得更为突出.随机森林影响因子重要性排序表明,兰溪市土壤重金属含量空间分异主要受Se、 TN、 pH、海拔、年均温、年均降雨量、距河流距离和距工厂距离的共同影响.因此,随机森林可以作为土壤重金属空间预测的一种有效方法,为区域土壤污染调查、评价和管控提供...     

株洲城郊农田土壤重金属污染特征与Pb同位素示踪

通过采集湖南株洲城郊农田区表层土壤（A层）,并分析其Cd、Hg、Pb、Zn等重金属元素含量,研究了土壤中重金属元素的污染特征.为示踪这些金属元素的来源,选择农田区典型土壤样品及湘江沉积物、污染源区土壤样品,进行重金属元素含量和Pb同位素组成测定.结果表明,农田区A层土壤受到不同程度的重金属污染,其中,Cd、Hg、Pb、Zn含量最高,分别为21.71、24.52、261.49、577.94 mg·kg^-1,且Cd、Pb、Zn元素之间显著相关,而研究区附近湘江水体和沉积物中这些元素含量没有增高,说明这些重金属不是来自湘江,而是可能主要来自冶炼厂;铅同位素显示,冶炼厂附近A层土壤²⁰⁶Pb/²⁰⁷Pb值（1.150~1.164）低于周边区域A层土壤（1.164~1.169）,²⁰⁸Pb/²⁰⁶Pb值（2.108~2.122）高于周边地区（2.106~2.119）,说明受到人为污染的影响.从污染区分布空间位置和铅同位素源解析的结果看,农田区土壤中Cd、Hg、Pb、Zn等重金属的主要污染源是冶炼厂的冶炼烟气粉尘及与农耕活动有关的其他人为污染.     

基于GIS和PMF模型的石嘴山市土壤多环芳烃空间分布及来源解析

随着城市化和工业化进程加速,城市土壤多环芳烃（PAHs）含量及污染状况受到广泛关注.以石嘴山市为例,分析8个城市功能区156个表层土壤（0~20 cm）样品PAHs含量的空间分布特征,运用单因子指数、内梅罗综合指数和终生癌症风险增量模型评价土壤PAHs污染状况,利用正定矩阵因子分解模型（PMF）对PAHs来源进行解析.结果表明,石嘴山市表层土壤PAHs总含量均值为489.82 ng·g^-1,除芘（Pyr）外的15种PAH单体变异系数均大于100%,属强变异;不同功能区土壤PAHs含量呈现出：交通区（1217.61 ng·g^-1） > 工业区（809.58 ng·g^-1） > 公园（273.66 ng·g^-1） > 文教区（268.18 ng·g^-1） > 商业区（240.05 ng·g^-1） > 农业区（226.81 ng·g^-1） > 医疗区（211.90 ng·g^-1） > 居民区（183.49 ng·g^-1）;内梅罗综合指数显示82.58%的样点不存在污染,轻微、轻度和中度污染占比分别为6.45%、4.52%和0.65%,5.8%的样点存在重度污染;健康风险评价结果表明,皮肤接触和误食是最主要的土壤PAHs暴露途径,其健康风险处于可接受水平;源解析表明石嘴山市土壤PAHs的主要来源为交通排放源、煤炭燃烧源、生物质/重油燃烧的混合源以及石油源,其贡献率分别为10.5%、36.6%、50.3%和2.6%,且高值大多分布在工业或煤炭生产区域.研究结果可为工业城市土壤污染研究提供参考,并对预防土壤污染、保障土壤环境质量及人体健康安全有积极作用.     

某大型砷渣场地土壤As污染特征及生态风险评价

为精确识别大型污染场地土壤污染特征并评价其生态风险,以我国某大型砷渣场地为研究对象,采集场地土壤样品184个、周边农田土壤样品101个和砷渣样品14个,选择场地中特征污染物As,采用多元统计学、地统计学、地累积指数以及潜在生态风险系数等方法揭示研究区As污染特征和生态风险程度.结果表明,场地土壤、农田土壤及砷渣中As含量的平均值分别为1 333. 0、358. 1和17 316. 1 mg·kg~(-1),其污染程度均远高于国家土壤环境质量Ⅲ级标准.污染物垂向分布特征及3维空间分布范围结果显示,As在各土壤剖面深度内均有不同程度的累积,具有一定的空间异质性,场地表层土壤污染较为严重,场地土壤样点中As含量明显高于周边农田土壤.潜在生态危害系数评价结果表明,各土层的潜在生态危害系数平均值均超过了100,场地土壤和周边农田土壤所有样点中等危害程度以上的样点累积比例分别达到58. 21%和61. 39%,表明该场地及周边农田土壤区域存在着比较严重的生态环境风险.     

典型石化工业城市土壤重金属源解析及空间分布模拟

土壤重金属来源定量解析和空间预测是土壤污染调查评价的重要内容,可以为区域土壤风险管控及修复提供依据.本研究选取典型石化工业城市——淄博市临淄区作为研究对象,系统开展表层样品采集及重金属分析测试;借助正定矩阵因子分解（PMF）和非负约束的因子分析（FA-NNC）两种受体模型解析土壤重金属的来源;构建基于最小/最大自相关因子（MAF）和序贯高斯模拟（SGS）的多元地统计模拟技术,确定了土壤重金属的潜在污染区域.研究结果表明：① As、Co、Cr和Mn主要为自然来源,主要受成土母质影响,高值区分布在研究区南部;②研究区内10种重金属中Hg污染程度最高,主要受来自于工业排放和煤炭燃烧为主的大气沉降影响,污染区域分布在研究区东北部;③ Cd、Cu、Ni、Pb和Zn等元素受自然和人类活动综合影响,高值区主要集中在研究区中部;④ Cd和Hg的潜在污染区域最广,分别为580.80 km²和666.60 km²,约占研究区总面积的85.04%和97.59%,应当引起关注;其余元素的潜在污染区域面积相对较小,不足研究区总面积1%.     

铜山矿区周边农田土壤重金属来源解析及污染评价

为探明铜山矿区周边农田土壤重金属主要来源及污染程度,采集并测定了361个表层土壤（0～20 cm）样品重金属Ag、 Cu、 Pb、 Zn、 Mo、 Sb、 Ba、 As和Hg.利用PMF模型和IDW插值相结合的方法对研究区土壤重金属进行来源解析及空间分布特征分析.在传统物元可拓模型的基础上,引入Hakanson毒性响应系数修正权重系数对重金属污染水平进行评价,并将评价结果与Muller指数(I_geo)和Nemerow综合指数（P_N）进行对比.结果显示：（1）ω（Ag）、ω（Cu）、ω（Pb）、ω（Zn）、ω（Mo）、ω（Sb）、ω（Ba）、ω（As）和ω（Hg）均值分别为0.05、 19.32、 23.34、 62.89、 0.97、 0.87、 542.56、 8.88和0.07 mg·kg^-1,其中Zn和Hg均高出河南省土壤背景值,但低于农用地土壤污染风险管制值,研究区土壤9种重金属在空间上主要呈现岛状和片状分布.（2）修正权重系数的物元可拓模型评价结果显示,研究区仅有6.37%的表层土壤为清洁土壤,89.75%为尚...     

基于GWRK的土壤有效磷空间预测及其超标风险评估

以江苏省金坛区土壤有效磷的空间预测为例,构建地理加权回归克里格（GWRK）模型,即采用地理加权回归（GWR）来量化土壤有效磷与主要土壤因子（即：土壤全磷、土壤pH值和土壤有机质）之间的局部空间关系,并结合局部回归残差的插值结果来预测土壤有效磷的空间分布状况.GWR结果显示主要土壤因子对土壤有效磷含量的影响程度随空间位置的变化而变化.同时,采用独立验证样本对比GWRK模型和普通克里格（OK）模型的空间预测精度.结果显示,GWRK预测结果具有更低的平均绝对误差（MAE）、均方根误差（RMSE）和更高的Pearson相关系数（r）,且较OK预测结果的相对提高指数（RI）为19.61%.此外,根据GWRK预测结果,对金坛区土壤有效磷含量的超标风险进行了评估.结果表明土壤有效磷含量超过其环境安全阈值（40mg/kg）的区域集中分布在金坛区北部,其面积为175.58km²,约占金坛区总面积的18%.因此,GWRK模型能有效评估区域土壤元素有效量空间分布状况,且GWR局部空间回归系数能为区域土壤元素有效量的调控提供更精确空间决策支持.     

河南省典型工业区周边农田土壤重金属分布特征及风险评价

为深入探讨典型工业区周边农田土壤重金属分布的特征,以河南省新乡市凤泉区大块镇工业区周边农田土壤为研究对象,对表面和剖面方向上土壤As、Cd、Cr、Cu、Ni、Pb和Zn等7种重金属污染的空间分布和污染风险进行分析,并使用主成分分析进行污染源解析,为该类工业区周边农田重金属污染治理与防控提供理论基础.结果表明,该工业区内表层土壤Cd、Cu和As含量分别为（2.56±1.23）、（205.58±157.49）和（15.27±4.14） mg·kg^-1,点位超标率分别为100%,89.44%和3.40%.空间上,受污染源分布、地势和风向共同影响,研究区7种重金属在土壤表层方向上均呈现出南部含量高北部含量低的空间分布;在剖面方向上,Cd和Cu含量随土壤深度增加显著降低,As在碱性土壤条件下迁移能力较强,其含量随土壤深度增加含量变化较小.污染评价结果表明,Cd和Cu达到重度污染（5级）,同时Cd存在极强的潜在生态风险（5级）,Cu存在中等潜在生态风险（2级）,其余重金属均为低潜在生态风险（1级）,风险排序为Cd > Cu > Ni > As > Pb > Cr > Zn,研究区内重金属综合潜在生态危害属强生态危害.主成分分析表明,土壤As、Cd和Cu外源污染主要来自电池生产和铜（管、线）生产等活动,属工业污染源.综上所述,该研究区应重视土壤Cd和Cu污染的治理与防控,同时警惕As对土壤环境质量进一步的影响.     

塞罕坝华北落叶松人工林生产力及其空间分布预测

准确预测森林立地生产力是进行高效森林经营的关键。立地指数是森林生产力可靠的评价指标之一。基于地形、气候和土壤因子以及220块样地解析木数据,采用回归克里格（RK）模型对塞罕坝机械林场华北落叶松（Larix principis-rupprechtii）人工林立地指数（SI）进行空间插值预测,并分析了不同半变异函数对RK模型精度的影响。拟合结果表明：基于高斯半变异函数的RK模型精度优于球状和指数RK模型,且具有较小的残差（RMSE=0.82 m,MAE=0.66 m）,表明高斯RK模型具有很强的预测SI能力;高斯半变异函数分析表明研究区华北落叶松人工林SI存在较强的空间自相关性,且在724.89 m变程内差异显著;影响华北落叶松立地指数分布的主要环境因子有土壤全氮、土壤pH、夏季降水量和春季降水量;立地生产力较高区域一般分布在春季降水适中、夏季降水较多、土壤为中性及偏酸性且全氮含量较高的东南部地区,占研究区总面积的32.00%,而在春、夏季降水量少或者春季降水量过多、土壤全氮含量过低且偏碱性的北部边缘地区立地生产力较低,仅占研究区总面积的8.90%。研究区土壤、气候因子与树木生长习性共同决定了华北落叶松人工林生产力的分布格局。通过降低土壤酸碱度和适当施加氮肥等措施,可以提高华北落叶松人工林生产力。     

某铅酸蓄电池污染场地表层土壤重金属Pb空间分布预测研究

为准确界定某典型蓄电池企业污染场地土壤中特征性污染物Pb的空间分布范围,分析和比较了数据拆分后的分区预测模型(OKLG+TIN)、数据正态变换后克里格模型(OKBC)、反距离加权模型(IDW)以及样条函数模型(Spline)对土壤Pb污染空间分布预测和污染评价的影响.结果表明,原始数据集具有高偏倚特征,局部区域存在较大的空间变异性;分区预测模型取得了最高的预测精度,预测的污染物空间分布比较符合场地实际污染状况,其它3种模型受适用原理及数据特征影响,预测精度较低,预测结果不能很好反映高污染区域的细部变化特征,不适合该场地Pb的空间分布预测与制图.研究结果对于此类型工业污染场地后续的修复范围确定和修复治理决策制定提供了参考.     

太滆运河流域农田土壤重金属污染特征与来源解析

为探明太滆运河流域农田土壤重金属污染分布特征及主要影响因素,保证土壤环境质量及农产品安全.采集并分析了太滆运河流域118个农田表层土壤样品中Cr、Hg、As、Cu、Zn、Ni、Pb和Cd等8种重金属元素含量.以太湖流域土壤背景值为评价标准,利用单因子指数和内梅罗指数评价土壤重金属污染状况,利用多元统计分析与地统计分析相结合的方法,对土壤重金属空间分布及来源进行解析.结果表明:8种重金属元素(Cr、Hg、As、Cu、Zn、Ni、Pb和Cd)的平均含量分别为63. 25、0. 25、7. 83、35. 24、77. 25、31. 48、38. 37和0. 16 mg·kg~(-1),除Cr和As外,其余元素含量均超过太湖流域土壤背景值.土壤样点重金属含量多低于国家农用地土壤污染风险筛选值.内梅罗综合指数显示87. 29%样点的土壤重金属呈现轻度污染,5. 93%样点呈现中度污染,6. 78%样点呈现重度污染,整体已经超过警戒值,处于轻度污染状态.流域农田土壤中Hg、Cu、Zn、Pb和Cd受到农业活动和大气沉降的共同影响; Cr和Ni则受成土母质以及工业生产活动的共同影响; As则主要来源于成土母质.     

典型区土壤重金属空间插值方法与污染评价

选择最优的空间插值方法对土壤重金属空间分布特征的反映和污染评价具有重要的意义.以湖北省恩施市典型区表层土壤重金属As和Cd为例,选取常用的反距离权重法(IDW)、径向基函数法(RBF)、局部多项式法(LPI)和普通克里格法(OK)进行空间插值,对比分析了不同插值方法的插值精度及结果差异.同时采用地累积指数和指示克里格法(IK)评价了土壤重金属污染状况.结果表明,不同插值方法对于同一种元素的预测误差相差较小,但对土壤重金属含量的空间分布特征存在明显差异,其中LPI法表现出明显的平滑效应,OK法次之,而IDW法和RBF法极大地保留了元素含量的极值信息,插值结果较详尽.为准确了解局部高背景区土壤重金属的空间分布状况,应优选IDW法或RBF法进行插值.以湖北省深层土壤重金属含量算术均值作为背景值,地累积指数污染评价结果显示:As和Cd的超标样点分别占5.5%和99.0%,研究区Cd污染程度较高.IK法污染评价显示:Cd中度-强污染以上的高概率污染区域主要位于研究区的中部,应重视土壤Cd污染分布,并对其有效治理与修复.     

铅蓄电池厂遗留场地重金属污染分析及健康风险评价

以苏州某地区铅蓄电池厂遗留的污染地块作为研究对象,采用内梅罗综合污染指数法和人体健康风险评价模型分别对场地土壤中的污染物种类、污染程度以及健康风险进行了分析评价,并结合Surfer中的克里金插值法分析了人体健康风险的空间分布。结果表明:该遗留场地土壤中主要重金属污染物为Pb和As,其中Pb已达到重度污染程度,As为轻度污染水平。通过人体健康风险评价,发现As对儿童及成人的致癌风险CR值均超过可接受值10-6,对人体存在一定的致癌风险。另外,由IEUBK模型计算得到儿童体内血Pb质量浓度超过10μg/dL的概率高达68.6%,远高于规定的安全概率限值5%。由此得出,该场地中Pb和As存在较高的健康风险,在重新开发利用前须对场地土壤进行修复治理。     

基于随机森林与地统计预测城市土壤PAHs分布

收集南京城区采样点位置信息和环境变量等数据,应用地统计和随机森林方法,以及两种方法相结合分别预测土壤多环芳烃（polycyclic aromatic hydrocarbons,PAHs）含量,并比较不同方法预测精度.结果表明：随机森林与地统计方法结合能大幅度提高城市土壤污染物制图精度,整合克里金与随机森林预测残差模型拟合优度R²相比克里金插值法提高74.8%.PAHs空间制图结果能够较好拟合污染物的变化范围,识别污染高值区与低值区的空间分布.随机森林输出特征重要性发现影响南京城区土壤PAHs分布的主控因子为土壤碳和土壤粒度以及工厂密度.本研究可为城市污染物高分辨率和高精度制图以及污染防控治理提供参考.     

基于MODIS数据与多机器学习法的日PM2.5模拟研究

为了深入了解地面PM_2.5的空间分布,以山东省为研究区,利用2019年的PM_2.5站点实测数据,结合中分辨率成像光谱仪(MODIS)的L3级别的MCD19A2气溶胶光学厚度产品,充分考虑人口、地形、气象等因素,使用RF、SVR、BPNN、DNN等4种机器学习算法对山东省2019年逐日PM_2.5进行了模拟.结果表明:随机森林模型(RF)的RMSE和MAE的值分别为12.67和6.62,优于BPNN、SVR和DNN模型.随机森林模型(RF)最适合山东省的日PM_2.5模拟.     

江阴市耕地环境质量评价

江阴市在2004年对全市耕地和灌溉水的重金属等污染物质进行了较为全面的调查,通过对土壤和灌溉水进行综合污染分析,结果表明:全市90%以上的耕地污染水平为安全、清洁,符合绿色食品产地条件标准;97%以上的耕地符合或基本符合无公害蔬菜产地环境要求;受污染的耕地面积不足3%,其中,轻污染的占2.08%,重污染的占0.69%。     

农田土壤重金属污染风险评价模型与方法研究

土壤重金属污染是当今重要的世界性环境问题之一,尤其近年来不断出现的农产品重金属超标问题与农田土壤重金属污染程度密切相关。因此,选择合理的模型和方法对农田土壤中重金属污染状况进行评价,这对于环境和健康问题显得尤为重要。本文综述了国内外常用于农田土壤重金属评价的传统指数模型和以指数模型为基础而延伸出来的一些评价方法,介绍了基于GIS技术、土壤重金属形态分析以及以农产品质量安全为基础的评价模型,分析了主要评价模型和方法的优缺点,提出了农田土壤重金属污染评价研究的方向。     

深圳简易垃圾填埋场水土环境污染指标识别

基于现场踏勘、人员访谈和资料收集,采用内梅罗指数法对深圳市现存24座简易垃圾填埋场土壤和地下水环境质量进行了评价,对其特征污染指标进行了识别,结果表明,土壤超标污染指标5种,包括镉和砷2种中度污染指标,污染指数分别为2.970和2.141,钒、镍和铅3种轻度污染指标,污染指数在1.348~1.777之间;地下水超标污染指标22种,包括总大肠菌群、氨氮、锰、铁、铅、铝、高锰酸盐指数、铊、总溶解性固体、碘化物、镍、硫酸盐和铍13种重度污染指标,污染指数在3.860~832.581之间,砷、总硬度、硝酸盐、氟化物、氯化物和硒6种中度污染指标,污染指数在2.039~2.993之间,锑、钠和汞3种轻度污染指标,污染指数在1.084~1.147之间.地下水污染程度远比土壤污染严重.深圳市简易垃圾填埋场土壤特征污染物为氟化物、砷、镍、铅、钒和镉,共6种;地下水特征污染指标为总硬度、溶解性总固体、硫酸盐、氯化物、氟化物、硝酸盐、氨氮、铁、锰、砷、铅、镍、铝、铊、高锰酸盐指数和总大肠菌群,共16种.氟化物、铅、镍、铊和铝5种污染物呈现了典型地区特征.本研究结果可为深圳市简易垃圾填埋场环境质量管理提供数据支撑.