利用GPR天线-目标极化的瞬时属性分析方法探测LNAPL污染土壤

轻非水相流体(LNAPL)泄漏后会对土壤和地下水造成严重污染,为了准确探测出LNAPL泄漏范围,本文将GPR天线-目标极化的瞬时属性分析方法应用于轻非水相流体污染土壤探测的研究中。采用注入柴油的石英砂砂箱在实验室建立污染土壤模型,利用探地雷达对该污染土壤分别进行天线方位为0°、90°的测量。LNAPL土壤污染物形状、大小、结构并不规则,因此可以通过0°和90°方位天线测量来分析天线-目标极化特征,了解目标物的走向、形状等地下介质信息。通过对预处理后的包含天线-目标极化特征的信息进行瞬时属性分析,LNAPL污染范围可以被清晰地识别,提高了GPR探测能力。     

高效液相色谱-电感耦合等离子体质谱联用检测土壤中的无机硒形态

土壤样品中亚硒酸盐Se(Ⅳ)和硒酸盐Se(Ⅵ)的形态分析中,提取剂的选择和检测方法是技术的关键。以往的提取剂容易导致硒形态发生转变或无法同时提取Se(Ⅳ)和Se(Ⅵ),常用的氢化物发生原子荧光光谱法无法直接测定Se(Ⅵ),而是通过差减法得出Se(Ⅵ)含量。本文对比了不同提取剂的提取能力,确定使用0. 1 mol/L氢氧化钠溶液作为提取剂,在55℃超声萃取土壤样品30 min,提取液经高效液相色谱分离,电感耦合等离子体质谱检测,建立了土壤中Se(Ⅳ)和Se(Ⅵ)的形态分析方法。采用Hamilton PRP X-100色谱柱,以6 mmol/L柠檬酸为流动相,pH=5. 5,在8 min内可完全分离Se(Ⅳ)和Se(Ⅵ),两者的检出限分别为0. 15μg/L、0. 16μg/L,线性相关系数(r~2)均大于0. 999。以土壤为基体进行加标回收试验,Se(Ⅳ)和Se(Ⅵ)的回收率在84. 2%～95. 8%之间,相对标准偏差为1. 4%～5. 3%(n=6)。该方法简单快速,具有良好的精密度和准确度,适用于土壤中无机硒的形态分析。     

基于主成分分析的青藏高原多年冻土区高寒草地土壤质量评价

土壤质量评价是提高对土壤质量理解的关键环节。为了了解青藏高原多年冻土区高寒草地土壤质量的基本情况,在青藏高原腹地西大滩至安多地区,根据不同海拔梯度和植被盖度共采集了154个土壤样品。通过主成分分析（PCA）法确定了影响青藏高原多年冻土区高寒草地土壤质量的最小数据集（MDS）：全氮、全磷、全钾。根据影响土壤质量的最小数据集对青藏高原多年冻土区高寒草地土壤质量进行评价,得出了不同海拔、不同植被盖度下的土壤质量指数（SQI）。通过对不同海拔、不同植被盖度的土壤质量指数进行对比研究表明：随着海拔的升高,SQI呈增加的趋势,即海拔4 300～4 600 m（0.270±0.043） < 海拔4 600～4 900 m（0.326±0.061） < 海拔4 900～5 200 m（0.410±0.075）;随着植被盖度的增加,SQI也呈现增加的变化趋势,即植被盖度小于50%（0.262～0.265） < 植被盖度大于50%（0.336～0.344）。在分别考虑了有机质、盐分、土壤水分对土壤质量的影响下得出的土壤质量指数值与基于最小数据集得到的土壤质量指数相一致,说明基于主成分分析的最小数据集可以对青藏高原多年冻土区高寒草地土壤质量做出较准确的评价。     

基于GIPL2模型的青藏高原活动层土壤热状况模拟研究

青藏高原活动层土壤热状况,对深入了解高原活动层的厚度变化特征、下垫面的热力作用以及对气候变化预测均有重要意义。利用GIPL2模型模拟青藏高原多年冻土区不同植被状况下活动层土壤热状况。模拟结果表明：模型在高寒草原（QT06）试验点模拟效果较好,高寒沼泽草甸（QT03）试验点的模拟效果较差,高寒草甸（QT01）、高寒荒漠草原（QT05）和高寒草原化草甸（QT04）试验点的模拟效果介于高寒草原试验点和高寒沼泽草甸试验点之间。QT01、QT03、QT04、QT05和QT06的土壤温度模拟值与观测值相比,均方根误差分别为0.67、1.29、0.73、0.7和0.56℃;相关系数分别为0.99、0.87、0.98、0.98和0.96;平均误差分别为0.37、0.61、0.31、0.45和0.16℃。QT06模拟结果较好,原因在于此点土壤质地变化不大,模型的分层与所取的参数更加接近此点的实际状况。QT03模拟结果较差,可能由于此地区土壤中存在砾石,在导热率参数化方案中没有考虑砾石含量,导致模拟结果偏差较大。总体而言,GIPL2模型对青藏高原活动层土壤热状况的模拟具有一定的优势,是一种模拟多年冻土区活动层土壤热状况较为理想的模型。     

Section、Excel等软件在土地质量调查评价项目设计中的应用

在土地质量调查评价项目设计中,土壤样品多数以千计,若对每个样品进行手工编号,不仅容易出错,而且耗时费力。本文以实例说明,通过Section、Excel等软件快速实现土壤设计样点的编号、抽取重复样。运用此方法,在今后类似的项目设计中,可以大幅度提高设计编写者的劳动效率。     

不同方法评价喀斯特煤矿区农田土壤重金属生态风险比较

采用TCLP法、内梅罗综合污染指数、嵌入Igeo综合污染指数法等方法对贵州织金县某煤矿区周边农田土壤重金属进行评价。土壤中Cd、Cr、Cu、Ni、Hg和Zn的含量范围分别为0.79～2.08 mg·kg-1、144.20～464.40 mg·kg-1、91.63～187.50 mg·kg-1、48.13～104.47 mg·kg-1、0.14～2.33 mg·kg-1、144.35～265.89 mg·kg-1,所有土壤样点的Cd、Cr、Cu和Ni含量均已超过国家土壤环境质量二级标准,部分土壤样点的Hg和Zn含量超过二级标准。TCLP法评价结果所有土壤样点均未受到重金属污染;内梅罗综合污染指数法评价结果为农田土壤重金属生态风险处于安全水平;嵌入Igeo综合污染指数法评价结果表明,90%的土壤达到中度污染以上,其中65%的土壤处于中度污染,25%的土壤受到中度至重度污染;潜在生态危害指数法评价表明,所有土壤样点重金属均处于轻微生态风险水平。针对不同评价方法得出的结果存在差异的情况,在评价土壤重金属污染状况时,应根据评价目标的差异选择合适的评价方法。      

基于支持向量机的喀斯特山区土壤环境质量评价——以贵州北部一茶叶园区为例

以贵州北部一茶叶园区80个表层土壤样品为研究对象,对其Hg、As、Cd、Pb、Cr和Cu含量进行测定,在MATLAB中应用支持向量机构建土壤环境质量评价模型,并与模糊综合评价法和内梅罗综合污染指数法的评价结果对比分析,探究支持向量机模型在喀斯特山区土壤环境质量评价中的适用性,其结果表明:研究区土壤质量Ⅰ类与Ⅱ类样品比例为33∶7,土壤环境质量大多数为I类;支持向量机方法的评价结果与模糊综合评价法和内梅罗综合污染指数法结果的相同率分别达到82.5%和80.0%,并分析结果有差异的样品,发现支持向量机评价结果更符合实际情况,这说明该模型适用于土壤环境质量的评价。      

电感耦合等离子体质谱法(7900 ICP-MS)测定土壤中30种痕量元素

本文中土壤样品利用HNO3-HF-HCl O4混酸消解和王水提取后,采用电感耦合等离子体质谱(ICP-MS)法同时测定了国家标准土壤样品中30种痕量元素(Ba、Be、Bi、Cd、Ce、Co、Cr、Cs、Cu、Ga、Hf、In、La、Li、Mn、Mo、Nb、Ni、Pb、Rb、Sb、Sc、Sr、Ta、Th、Tl、U、V、W、Zn)的含量。其测定值与标准值相符,准确度符合国家标准要求。该方法所有元素的相关系数在0.9990~1.0000之间,各元素的方法检出限均满足要求,相对标准偏差(RSD)≤10%,结果表明该方法满足土壤中痕量元素的分析要求,建立的方法样品前处理程序简单快速,线性范围宽,分析重现性好,结果准确,可以运用于大批量地质样品中痕量元素含量的同时测定。最后用已建立的方法测定了北京某地区的土壤样品,测试结果满意。     

土壤重金属铬含量高光谱灰色关联度估测

快速、准确地测定土壤重金属含量,对防治土壤重金属污染、改善土壤环境和保障食品安全有着重要意义。以山东省烟台市采集的70个土壤样本为基础,首先分析土壤重金属铬含量的分组光谱特性;然后利用6种变换方法对土壤光谱反射率进行变换,根据极大相关性原则选取反演因子;最后利用灰色关联度模型初步估测铬含量,并对估测结果进行修正,采用决定系数和平均相对误差评价模型的有效性。结果表明,土壤光谱反射率随铬含量的升高而降低,二者呈负相关性;利用灰色关联度模式识别方法对重金属铬含量进行估测后的决定系数为R~2=0.656,平均相对误差为16.590%,而利用灰色关联度修正模型对估测值进行修正后,决定系数为R~2=0.912,平均相对误差为6.632%。研究表明,利用灰色关联度修正模型定量估侧土壤重金属铬含量有效。     

GIS的矿区土壤重金属污染评价及空间分布

针对土壤中的重金属含量超标会对人体健康造成极大危害的问题,为检测矿区土壤重金属含量超标状况及空间分布特征,以江西省信丰县4个矿区为例,在28个点位的20~60cm处测定Hg、Cd、As、Cu、Pb、Ni的含量,采用地统计学和地理信息系统相结合的方法进行分析。结果表明,单因子污染指数显示Pb的污染程度最大,污染程度为中度污染;插值分析图显示Cu以西南方向的虎山矿区含量较高,Ni以西南方向的虎山矿区和北部的赤岗矿区含量较高,Pb的污染区域贯穿于整个分布区;重金属含量随深度的增加无明显变化。结合在污染修复方面的经验,建议通过植物修复技术、物理与化学方法进行污染治理和修复。