基于改进LUR模型的区域土壤重金属空间分布预测

以江苏省常州市金坛区为例,借鉴传统LUR模型思路,考虑土壤重金属的源汇关系,加入土壤属性因子,构建LUR-S模型模拟预测了研究区土壤重金属含量空间分布,并与传统LUR模型及普通克里格插值模型结果进行对比,结果表明:(1)研究区土壤重金属含量受到以土地利用为主的源因子及反映重金属在土壤中赋存环境的汇因子的共同影响.就源影响因子而言,土壤Cu、Zn含量分别与2 000 m缓冲区内交通用地面积、2 000 m缓冲区内城市建设用地面积极显著相关(P0.01);就汇影响因子而言,土壤Cr、Cu、Zn含量与OM、Corg、TC、TN极显著相关(P0.01).(2)研究区土壤重金属Pb、Cr、Cu、Zn空间分布预测的LUR-S模型方程R2较传统LUR模型分别提高了0.041、0.406、0.102、0.501,精度检验R2较普通克里格插值模型分别提高了0.147 7、0.011 6、0.231 0、0.081,RMSE较普通克里格插值分别减少了2.413、0.631、1.112、2.138,表明考虑了源汇关系的LUR-S模型预测精度高于传统LUR模型和普通克里格插值模型;(3)LUR-S模型对污染较低、变异较小重金属空间分布预测的适用性较好,而对污染较高、变异较大重金属则较差.     

基于多模型优选的区域土壤重金属含量空间预测方法研究

土壤重金属含量空间预测研究对实现区域土壤资源的优化利用以及土壤环境的保护和污染防治具有重要意义。以江苏省常州市金坛区为例,基于源、汇和空间分异因子,利用BP神经网络(back-propagation network)建模方法,分别构建了源汇模型(BP-S)、空间分异模型(BP-K)和改进的多因素综合模型(BP-SK),模拟预测了区域土壤重金属Cd、Pb、Cr、Cu和Zn含量的空间分布,并对各模型预测精度进行对比分析。针对不同模型在不同区域和元素间预测精度的差异,优选出预测精度最高的模型组合,以此探求区域重金属含量空间分布最优预测结果。结果表明:(1)BP-SK模型对Cd、Cr、Cu和Zn含量预测精度均高于BP-S和BP-K模型,仅在对Pb含量的预测中BP-S、BP-K模型精度高于BP-SK模型,BP-SK模型比其他模型更能突出局部特征,包含的信息更丰富。(2)优选后最优模型预测精度较原单一模型均有不同程度的提高,对Cd、Pb、Cr、Cu和Zn含量的预测精度分别提高15.15%、20.71%、19.19%、1.75%和9.24%。(3)各模型对Cd、Pb、Cr、Cu和Zn含量的空间预测高值区均位于区域中部和东北部,低值区位于西部丘陵山区,BP-SK模型在人为影响剧烈的地区预测效果更好,而BP-K模型在自然因素影响较大的丘陵山地区的适用性更好。     

几种区域土壤重金属污染评价方法的比较研究

根据昆山市2 km×2 km网格土壤采样重金属测试数据,选取As、Cd作为代表元素,以地累积指数为污染指数,运用简单数理统计、正态模糊数与核密度估计对区域土壤重金属总体污染程度进行了评价,系统比较了不同评价方法的结果差异.结果表明:评价的便捷性上,3种方法的排序是简单数理统计正态模糊数法≥核密度估计;结果的准确性上,与简单数理统计相比,正态模糊数法和核密度估计能较敏感地显示研究区域分布极少的污染等级区域,3种方法下研究区As总体污染评价的平均地累积指数相对于参照值的偏差分别为19.2%、19.2%、15.4%,Cd的分别为14.3%、14.3%、10.7%,准确度排序为核密度估计正态模糊数法=简单数理统计,结果所包含信息的全面性上,为正态模糊数法核密度估计=简单数理统计,应用正态模糊数法评价能得到表征总体污染程度的区间数,核密度估计与简单数理统计只能得出唯一值.