基于可见—近红外反射光谱的典型农田重金属污染风险分类研究

对于人为因素或自然因素造成的农田土壤重金属元素污染,需要进行大面积的土壤环境质量调查和分类管控,然而传统的采样测试方法存在工作量大、代价高等问题。可见—近红外（Vis-NIR）反射光谱是一种快速低成本获取土壤理化信息的手段。为研究Vis-NIR反射光谱预测模型划分土壤重金属污染风险类别的能力,文章以典型人为污染地区（浙江温岭）和典型地质高背景地区（广西横县）的390份农田土壤为样本,测定8种重金属元素（As、Cd、Cr、Cu、Hg、Ni、Pb和Zn）的含量和pH值,并测定土壤Vis-NIR光谱。使用偏最小二乘（PLS）和支持向量机（SVM）算法建立回归模型,对土壤重金属含量和pH值进行预测,并基于预测值进行土壤重金属污染风险分类。结果显示,温岭土壤主要污染元素Cd和Cu的光谱模型回归预测偏差（RPD）分别为1.23和1.19,预测机制与有机质有关。横县土壤主要污染元素As和Cd的RPD分别为1.98和1.93,预测机制与铁氧化物和粘土矿物有关。地质高背景土壤重金属与铁氧化物的正相关性普遍较强,使得光谱模型对重金属含量预测准确度较高。温岭和横县土壤pH值的光谱模型RPD分别为1.76和1.68。土壤重金属污染风险光谱分类的总体 准确度分别为75.0%~100%（温岭）和80.0%~100％（横县）。将Vis-NIR光谱与遥感技术相结合,对农田土壤重金属污染风险进行快速分类总体是可行的。     

江苏南部典型地区耕作层土壤及农作物中重金属评价

在江苏省南部太湖水网地区676 km2范围内采集了0~20 cm耕作层土壤样品3 121件,水稻和小麦籽实及其根系土壤样品103件,测定了As、Cd、Cr、Cu、Hg、Pb、Zn等重金属含量及pH值土壤理化指标。统计分析表明,研究区耕作层土壤重金属平均含量除As、Hg略低于江苏省背景值外,其他重金属都有不同程度的富集。与土壤环境质量标准(GB156018-1995)中Ⅱ级标准相比,各重金属污染程度为HgCdCuZnAsPb。从污染区分布看,Hg为片状污染,Cd以点状污染为主。运用内梅罗指数评价法研究表明,城市周边耕作层土壤已处于警戒状态,主要污染因子为Hg,其次为Cd和Cu;其他地区耕作层土壤总体处于安全状态。根据GB2762-2005标准和NY861-2004标准,研究区水稻籽实As、Cd、Cr、Hg、Pb含量均有不同程度的超标;小麦籽实Cd、Zn和Pb也存在不同程度的超标。相关分析表明,水稻籽实中Cd、Cu、Hg和小麦籽实中Cd、Cu与其土壤含量相关性好,显示可能主要来自土壤,其他重金属可能受降尘、灌溉、施肥、农药等因素的影响较大;土壤pH值与水稻籽实中的As、Cd、Cu、Hg、Zn和小麦籽实中的Zn、Cd呈负相关性,与其他重金属表现为正相关性;分析推断,这一地区耕作层土壤As和Hg主要来源于成土母质,但过量的Hg也反映出它叠加了人为活动的影响,其他重金属元素受人为源输入作用明显。     

基于镉污染风险的湖南省龙山县百合种植区安全区划

湖南省龙山县作为我国重要的百合生产基地县之一,其土壤却存在一定程度的镉(Cd)污染风险。同时,百合作为一种食药同源的植物,其食用和药用的质量安全标准不一致。因此,在龙山县提出百合种植区安全区划具有重要意义。笔者等在龙山县耕地采集326件表层土壤样品和70件百合样品(配套根系土样),在分析土壤及百合中Cd的含量和土壤中氧化物、有机质、pH等指标的基础上,探讨Cd生物有效性的影响因素,并据此建立百合Cd生物富集系数预测模型,结合土地质量地球化学调查数据预测耕地的百合Cd含量,给出百合种植区安全区划及建议。结果表明,研究区土壤存在Cd污染风险,百合具有质量安全问题。研究区Cd的生物有效性受到土壤CaO、S、P、K₂O含量和土壤pH的共同影响。与多元线性回归模型相比,随机森林模型能够更好地预测百合Cd生物富集系数。百合种植区安全区划显示,研究区食用百合优先种植区、药用百合优先种植区、药用百合次级种植区、结构调整种植区面积占比分别为1.49%、92.71%、2.88%、2.92%,建议大力开发药用百合农产品。该研究成果将Cd污染风险耕地的安全利用与食药同源农产品的质量安全有...     

滇西兰坪铅锌矿区土壤重金属含量的高光谱反演分析

滇西兰坪金顶超大型铅锌多金属矿床是我国最重要的铅锌矿产集中开发区之一。始于20世纪80年代的矿业开发活动逐渐增强,导致该区土壤重金属污染问题不断加重。本文系统开展了兰坪矿区土壤样本的Zn、Pb、As、Cd共4种重金属含量与光谱响应测试实验,详细分析了土壤样本中4种重金属的敏感波段位置及其与土壤中粘土矿物、铁氧化物及碳酸盐矿物之间的赋存关系,构建了4种重金属含量与土壤实测光谱之间的多元线性回归模型。结果表明:(1)区内4种重金属元素含量均超标,且具显著的相关性;(2)重金属含量与土壤光谱反射率、反射率的一阶微分及连续统去除变量具有较高的相关性;(3)用实测光谱的逐步回归方法预测土壤重金属含量的反演模型具有较高的精度,R2均高于0.816。本结果可为大尺度土壤重金属含量监测及其它污染信息提取提供借鉴。     

基于CASI & SASI航空高光谱的雄安新区西南部农田土壤 重金属镍含量反演研究

农田土壤中重金属元素富集会严重制约农作物的生长,且对人类健康造成潜在威胁。高光谱遥感数据具有极高的光谱分辨率,因而可在土壤重金属污染元素信息的定量研究中发挥重要作用。本文以雄安新区西南部及其周边农田土壤作为研究对象,在实验室测定土壤重金属元素Ni的含量,并与土壤可见-近红外高光谱数据建立土壤重金属Ni含量的定量估测模型,进一步基于CASI&SASI航空高光谱数据快速反演研究区农田土壤重金属Ni的含量,获取其分布特征。本文研究并建立了研究区土壤重金属元素基于不同光谱变换形式的多元逐步回归、偏最小二乘回归和BP神经网络统计估算模型,通过模型验证与对比,探索研究区土壤重金属Ni元素含量的最优反演模型。研究结果表明: （1）基于各光谱变换的BP神经网络模型的建模和预测精度整体上大于偏最小二乘法和多元逐步回归法模型,模型拟合精度高,预测能力较好;（2）综合来看,一阶微分处理能普遍改善模型预测效果,其中BP神经网络模型的一阶微分变换结果最佳,对于Ni元素建模精度R2高达97.1%,验证集精度R2高达98%以上;（3）选用精度最好的BP神经网络模型,通过CASI&SASI高光谱数据对研究区重金属Ni含量进行反演,反演结果与实测Ni含量数据一致性很好。     

德阳镉污染农田区生态安全性及居民健康风险评价

对四川德阳地区土壤镉等重金属污染区大米、小麦安全性进行了评价,并建立了水稻籽实镉含量与根系土镉、有机质含量、pH值的回归方程,据此预测德阳地区水稻镉超标面积。根据当地居民主食(大米、小麦)镉等重金属元素的摄入量,对镉污染区人体健康风险进行了评价。研究表明,德阳地区大米、小麦重金属污染均以镉为主。预测水稻镉超标面积达1 547.95 km2,占研究区面积的73.47%。人发镉等重金属元素存在明显异常。人发镉含量高值区与土壤镉异常和居民主食镉摄入量高值区分布有一致性。什邡市、绵竹市、安县、旌阳区、广汉市居民主食(大米、小麦)镉摄入量均超标2~10倍。重金属污染造成人体健康风险最高的是绵竹、什邡地区,其次是旌阳区。     

基于镉污染风险的湖南省龙山县百合种植区安全区划

湖南省龙山县作为我国重要的百合生产基地县之一,其土壤却存在一定程度的镉（Cd）污染风险。同时,百合作为一种食药同源的植物,其食用和药用的质量安全标准不一致。因此,在龙山县提出百合种植区安全区划具有重要意义。笔者等在龙山县耕地采集326件表层土壤样品和70件百合样品（配套根系土样）,在分析土壤及百合中Cd的含量和土壤中氧化物、有机质、pH等指标的基础上,探讨Cd生物有效性的影响因素,并据此建立百合Cd生物富集系数预测模型,结合土地质量地球化学调查数据预测耕地的百合Cd含量,给出百合种植区安全区划及建议。结果表明,研究区土壤存在Cd污染风险,百合具有质量安全问题。研究区Cd的生物有效性受到土壤CaO、S、P、K2O含量和土壤pH的共同影响。与多元线性回归模型相比,随机森林模型能够更好地预测百合Cd生物富集系数。百合种植区安全区划显示,研究区食用百合优先种植区、药用百合优先种植区、药用百合次级种植区、结构调整种植区面积占比分别为1. 49%、92. 71%、2. 88%、2. 92%,建议大力开发药用百合农产品。该研究成果将Cd污染风险耕地的安全利用与食药同源农产品的质量安全有效衔接,完善了受污染耕地安全利用的工作方法,为推动龙山县百合产业发展提供了科学依据。     

BP神经网络在土壤重金属污染分析中的应用

以湖南株洲市区中西部为研究区域,获取该区域35个土壤样本和多光谱数据,基于多元线性回归（MLR）、偏最小二乘回归（PLS）、BP神经网络回归模型（BP）,分别建立土壤重金属（Cr、Cu、Ni）含量的反演模型,并对模型预测效果进行检验。建模与预测综合效果：BP模型＞PLS模型＞MLR模型,BP神经网络回归模型的效果远远好于其他2组,尤其适合分析具有非明确关系的2组数据。其中,Cr元素回归模型为最佳拟合模型,建模和预测R2分别为0.917 4、0.811 0,建模均方根误差和预测均方根误差分别为8.269 3、16.870 7,说明基于多光谱数据反演土壤重金属含量有一定的可行性。     

陕西潼关县金矿矿区周边农田土壤重金属生态健康风险评价

为了解潼关金矿矿区早期粗放式的矿业活动对矿区周边农田土壤的重金属污染状况的影响以及对暴露人群的不良健康效应的评价,采用地质调查工程选取了矿区附近6块农田土壤为研究对象,通过X射线荧光光谱分析法测定了68个土壤样本中Cd、Hg、As、Pb、Cr、Cu、Ni、Zn等8种土壤重金属含量,采用地累积指数法、潜在生态危害指数法和健康风险评估模型分别评价该区土壤重金属污染程度、潜在生态风险和人体健康风险。结果表明,该区农田土壤中Cd、Hg、Pb、Cu、Ni、Zn 6种重金属平均值高于潼关县土壤背景值,呈现不同程度的积累;Pb、Hg、Cd的土壤积累含量不仅超出了土壤重金属污染对农产品质量存在安全风险的最低限值农用地土壤污染风险筛选值,还分别以41.2%、72.1%、14.7%的超标率超出了土壤重金属污染对农产品质量存在安全风险的最高限值农用地土壤污染风险管制值;研究区土壤重金属污染评价显示,土壤中Hg、Cd、Pb总体污染程度最重,Cu、Zn总体呈现轻—重污染,Ni、Cr、As总体呈现无污染状态。生态风险评价显示,Hg、Cd、Pb为主要生态危害元素,Hg为极强风险,Cd和Pb为强风险。人体健康风险表明,研究区重金属对儿童的非致癌风险显著,Pb、Hg为主要非致癌因子;致癌风险均在合理范围,Cd致癌风险最大,手-口摄入为最主要的暴露途经,儿童更易受到重金属污染威胁。     

珠江三角洲西部典型乡镇稻米与根系土重金属元素含量关系研究

农田土壤环境质量与稻米食用安全性关系非常密切,已有研究表明在采矿、交通、电子工业等影响下,珠三角地区积累了大量环境问题,镉汞砷等污染越来越严重。重金属在土壤-稻米系统中的迁移转化,受其总含量、土壤理化性质、有机质以及微量或大量元素的交互作用影响。为查明广东省佛山市高明区典型乡镇重金属在土壤-稻米系统中的迁移影响因素,为稻米食用安全性预测提供依据,本文在高明区明城镇、更合镇主要农田区,采集了151组稻谷及对应根系土样品,采用电感耦合等离子体发射光谱法(ICP-OES)、原子荧光光谱法(AFS)等技术测定了土壤重金属、养分元素含量、土壤理化指标以及稻米重金属含量,分析了重金属含量特征及其迁移的影响因子,建立并验证了稻米中重金属含量定量预测模型。结果表明:(1)土壤重金属含量均低于第一次全国土壤污染调查获得的广东省土壤重金属含量均值,并且均低于《土壤环境质量农用地土壤污染风险管控标准》(GB 15618—2018)中的土壤风险管制值,土壤污染风险低;(2)稻米中除Cd、Pb存在轻微超标外,其余重金属含量均低于食品卫生标准限值;(3)土壤重金属总量、土壤理化性质(土壤pH,土壤质地,土壤有机质含量,土壤N、P、K等)是重金属在土壤-稻米系统中迁移的关键控制因素。如土壤Cd、Cu总量与其在稻米中含量呈显著正相关;除Pb外,土壤有机质土壤全氮与各稻米中各重金属含量呈显著负相关;除Cd外,土壤全磷与稻米重金属含量呈显著负相关;土壤质地(SiO_2/Al_2O_3)与稻米各重金属含量均呈显著正相关;(4)根据随机抽取的130组数据,以土壤重金属总量及土壤理化指标为自变量,建立了稻米As、Cd、Cr、Cu、Hg、Ni、Pb含量多元回归方程,均达到显著相关,经剩余21组数据的验证,预测方程的平均误差的中位数与平均数最大为31%,最小为7.8%,总体来说预测效果较好,模型可以用来预测高明区及其相似地区的稻米重金属含量。本研究通过探讨土壤理化性质的影响,引入土壤大量营养元素作为影响因素进行探究,可为研究大量营养元素对土壤重金属迁移至稻米的影响以及科学施肥指导提供参考;同时获得的土壤-稻米系统元素迁移影响因素,可对开展重金属生物有效性研究以及水田土壤污染修复、相似地区生态风险评价提供参考;简单探讨了降低研究区重金属生物有效性的方法以及抑制重金属的迁移、降低重金属生物危害的措施,为探究重金属迁移规律特征与地方病、流行病之间的关系提供了思路。     

小秦岭金矿区小麦和玉米重金属的健康风险评价

重金属污染引发的农产品质量安全问题已成为全社会关注的焦点。为了解小秦岭金矿开发引起的重金属污染风险,采集了同点位的农田土壤、小麦和玉米籽粒样品,测定了其中Hg、Pb、Cd、Cr、As、Cu和Zn的含量及其在土壤中的形态;采用指数法和RAC风险评价法分析了土壤重金属的污染风险,采用转移因子和目标风险指数法评价了小麦、玉米籽粒中重金属的健康风险。结果表明:小秦岭金矿区土壤中Hg、Pb、Cd、Cu、Zn含量受矿业活动影响强度大,在土壤中累积明显;土壤中Hg、Cd、Pb、Cu总量超过了国家限值,呈现污染;Cd、Hg、Cu具有潜在生态风险。小麦和玉米籽粒中Pb以及玉米籽粒中的Cd的平均含量高于国家标准,呈现一定程度的污染;部分小麦样品中的Hg、Cd和部分玉米样品中的Cd超过WHO/FAO安全限值,小麦和玉米籽粒中度Pb平均含量超过欧盟安全标准,说明具有潜在的健康风险。重金属的转移因子表明Cd、Zn及Cu比其他重金属更容易从土壤转移到小麦和玉米籽粒中;通过小麦对重金属的摄入量略高于玉米,远低于WHO/FAO推荐剂量;目标风险指数评价表明,只消费小麦或玉米基本不产生健康风险,但同时消费矿区生长的小麦和玉米具有较高的Pb健康风险。     

桂林灵川县典型有机水稻田重金属元素分布特征及污染评价

为了解桂林市灵川县有机水稻种植区土壤和水稻中重金属含量、分布特征及健康风险,选择典型田块采集了水稻根、茎、叶、稻穗及对应根系土样品10套,分别测定了土壤和植物样品中As、Cd、Cr、Cu、Hg、Ni、Pb、Zn共8种重金属元素含量以及土壤pH值,计算了各元素富集系数及转运系数,总结了水稻不同部位重金属元素富集迁移规律,并根据相关标准评价了土壤重金属污染及食品健康风险。结果表明:(1)研究区产出的稻米无食用安全风险,土壤重金属含量均低于风险管制值,但10份样品中有3份的Cd含量高于风险筛选值,且全部调查田块的环境质量均不符合绿色食品产地质量要求;(2)对比水稻不同部位的元素富集系数,发现大部分元素富集系数在根部最大,籽实最小。根、茎、叶、糙米的富集系数平均值分别为1.13、0.26、0.20、0.10;(3)对比不同元素的富集系数与转运系数发现,As易于从土壤聚集到根部,Pb的活动性较弱而不易被水稻吸收,Cu、Zn相对较易在水稻中转运。综上所述,并考虑到灵川县过去长期施用石灰带来的不利影响,建议当地相关部门对Cd超标风险引起注意,在控制石灰用量的同时加强土地质量监控,必要时采取增施有机肥料、种植低累积品种的水稻等措施,以降低水稻Cd超标的风险。     

Heavy metal concentrations in soils and plants in the vicinity of Arufu lead-zinc mine,Middle Benue Trough,Nigeria

This study focused on the influence of base metal mining on heavy metal levels in soils and plants in the vicinity of Arufu lead-zinc mine, Nigeria. Soil samples (0-15 cm depth) and plant samples were collected from cul-tivated farmlands in and around the mine, the unmineralized site and a nearby forest (the control site). The samples were analyzed for heavy metals (Fe, Zn, Mn, Cu, Pb, Cr and Cd) by Atomic Absorption Spectrophotometry (AAS). The physical properties of soils (pH and LOI) were also measured. Results showed that soils from cultivated farm-lands have neutral pH values (6.5-7.5), and low organic matter contents (10%). Levels of Zn, Pb and Cd in culti-vated soils were higher than the concentrations obtained from the control site. These heavy metals are most probably sourced from mining and agricultural activities in the study area. Heavy metal concentrations measured in plant parts decreased in the order of rice leavescassava tuberspeelings. In the same plant species, metal levels decreased in the order of ZnFeMnCuPbCrCd. Most heavy metals were found in plant parts at average concentrations normally observed in plants grown in uncontaminated soil, however, elevated concentrations of Pb and Cd were found in a few cassava samples close to the mine dump. A stepwise linear regression analysis identified soil metal contents, pH and LOI as some of the factors influencing soil-plant metal uptake.     

Capability of vis-NIR spectroscopy and Landsat 8 spectral data to predict soil heavy metals in polluted agricultural land (Iran)

Heavy metals are toxic elements that have hazardous effect on the environment. They cause soil pollution as a result of their toxicity, potential reactivity, and mobility in soils. There are so many methods for the measurement of heavy metal concentrations in soils and aquatic systems. The traditional methods used for detecting heavy metal distribution in soil involve laboratory analysis and raster sampling. Both of them are expensive and time-consuming for large areas. Remote sensing techniques are used for obtaining the earth’s surface information, and these techniques have been used in the investigations of heavy metal distributions in preliminary analysis of soils as a rapid method. Today, near-infrared reflectance spectroscopy (NIRS) of soil characteristics has been of interest as a significant object. The present investigation is focused on the detection of heavy metals in contaminated soils by the application of reflectance spectroscopy in the spectral range of 350 to 2500 nm. This study also discusses the circumstances of the applied current methods for the detection and estimation of arsenic (As), cadmium (Cd), nickel (Ni), and lead (Pb) in contaminated agricultural soils. In the first part of laboratory spectroscopy, estimations were done using heavy metal reflectance spectroscopy and partial least square regression (PLSR) approaches, while in the second part, the heavy metal estimations were done using soil organic carbon reflectance spectroscopy through the PLSR approaches. Similar to the tasks above, estimations of As, Cd, Ni, and Pb by using Landsat 8 images were done in the forms of direct and indirect methods and the distribution of heavy metals in the study area was determined. Finally, the results obtained using direct and indirect methods were compared with the wet chemical measurements of heavy metals and organic carbon. It was found that although the direct detection of heavy metals using the images of Landsat 8 produced more accurate results than the indirect detections, the results obtained from laboratory spectroscopy corresponded more with the results from atomic adsorption spectroscopy. On the other hand, based on the fact that the soil has a complex content, the use of nonlinear methods, such as artificial neural networks in predicting soil heavy metal contents, could be regarded as a trusted method.