基于神經網絡和GIS的耕地土壤鉈含量分布及其驅動因素

張云霞,郭朝暉*,肖順勇,謝慧民,肖細元,李長周(.中南大學冶金與環境學院,湖南 長沙 40083；.湖南省生態環境農村工作站,湖南 長沙 4004)

鉈(Tl)是一種劇毒元素,被美國環境保護署列為優先污染物[1].Tl 可以通過吸入、攝入或皮膚接觸進入人體,對中樞神經系統、循環系統和消化系統產生嚴重的影響[1].在環境中,Tl 通常以氧化態Tl(I)和Tl(III)的形式存在[2].一價Tl 具有親硫性的特點,廣泛分布于黃鐵礦、閃鋅礦、黃銅礦、硫酸鹽類礦物等金屬硫化礦中[3].由于Tl 離子與鉀離子半徑相似,Tl 離子容易替代鉀長石和云母等礦物中鉀離子[4].Tl 易遷移,含Tl 礦石或礦物在次生氧化作用下能夠向環境釋放大量Tl[5].由于其多樣的生物地球化學行為,Tl 在環境中無處不在,但通常濃度非常低,平均地殼豐度約為0.8mg/kg[6].盡管地殼中Tl 含量很低,但近年來由于人為活動,如煤炭燃燒、廢氣排放、采礦和冶煉等,使得Tl 大量進入地表環境,引起了土壤Tl 污染、人畜慢性Tl 中毒等系列環境問題[7-10].由此帶來的環境隱伏危機和對人體健康的潛在威脅也越來越明顯.近年來,有關富含Tl 礦區及含Tl 礦石冶煉廠周圍居民集體發生Tl 中毒事件及Tl 地方病在國內外已有報道[11-12],因此,開展典型區域土壤Tl 環境質量研究對于保障該區域內農業生產與人體健康具有重要意義.

湖南省是全國最大的水稻生產省份之一,也是有色金屬之鄉.研究區土壤類型復雜多樣,母質母巖豐富,以往研究多集中在As、Cd、Pb 等元素的研究,涉及的研究區域范圍小且以礦冶生產活動區周邊土壤為主[13-16].因此,本文基于湖南省耕地土壤Tl 含量數據,利用多元統計分析、地理信息技術(GIS)和機器學習相結合的方法,研究了耕地土壤中Tl 的空間分布格局征及其驅動因素,為掌握耕地土壤Tl 環境質量、管控土壤Tl 潛在污染風險提供科學依據.

1 材料與方法

1.1 研究區域概況

研究區位于我國中部、長江中游南部,地理坐標為108°47′～114°15′E、24°38′～30°08′N,以山地、丘陵地貌為主.根據研究區內水系分布,將研究區分為6 個流域,分別為洞庭湖區、湘江流域、資江流域、沅水流域、 澧水流域和武水流域(https://www.hunan.gov.cn).研究區東部和南部海拔主要高于1000m,西部海拔主要在500～1000m之間,中部地區海拔主要在500m 以下,北部地區海拔主要在50m 以下.湖南成礦地質條件優越,礦產資源豐富,優勢礦產多且分布相對集中,涉Tl 企業多分布在湘江流域、武水流域和沅水流域西北部.土壤類型主要為紅壤、黃壤、黃棕壤、石灰土、水稻土、紫色土和潮土(圖1).

圖1 研究區采樣點位、環境數據和土壤理化性質分布Fig.1 Distribution of sampling locations,environmental data and soil properties in the study area

1.2 樣品采集與分析

充分利用研究區遙感影像圖等資料,考慮地形地貌和土地利用方式的變化,分析聚集性耕地分布位置,本著代表性的原則,采樣點遠離污染區域和新近堆土以及田埂,遠離公路與鐵路以及礦廠周邊重污染地段.通過網格布點,在網格內選擇有代表性的耕地地塊中間的開闊地帶進行布點,使樣品采集密度基本保持在每4km2布設一個采樣點.采樣時利用GPS 定位,同時考慮土地利用的變化和地形等因素,對采樣點進行適度的調整,并對共布設耕地土壤樣點7299 個(圖1).以樣點為中心,采用雙對角線法5點混合采樣,混合后四分法保留1.5kg 土壤,裝入布袋中,采樣深度在0～20cm.本研究的數據來源基于湖南省耕地土壤重金屬污染加密調查進行的.

收集的土壤樣品經自然風干后,研磨前去除碎石與植物殘體等雜物后,過0.125mm 篩.采用電位法測定土壤pH 值,土水比為1:2.5.土壤有機質(SOM)含量采用K2Cr2O7-FeSO4滴定法測定[17].土壤陽離子交換含量(CEC)采用CH3COONH4交換法測定[18].土壤樣品經硝酸-氫氟酸消解后,采用電感耦合等離子體質譜儀(ICP-MS)測定Tl 含量.分析過程中加入標準樣品和空白樣品檢測.樣品回收率在95%～105%之間,相對偏差控制在10%以內.

1.3 數據收集與預處理

土壤pH 值、有機質和陽離子交換量數據來自實驗室分析結果,檢測方法如1.2 節所述.涉Tl 企業數量來自 Bigmap 地圖服務(http://www.bigemap.com).柵格數據(海拔、土壤類型、人口)和矢量數據(河流、道路)來自數據來源于資源環境科學與數據中心(https://www.resdc.cn).利用ArcGIS 10.7 中“空間分析”工具計算企業密度、路網密度和水網密度,空間插值后利用“值提取至點”工具將環境變量提取至土壤樣點進行分析.環境變量和理化性質含量空間分布見圖1.

1.4 空間聚類與變異

空間聚集具有統計顯著性的高值(HH)聚類、低值(LL)聚類、高值主要由低值圍繞的異常值(HL)以及低值主要由高值圍繞的異常值(LH)[19-20].給定一組加權要素,使用Anselin Local Moran's I 統計量來識別具有統計顯著性的熱點、冷點和空間異常值.空間關聯的Local Moran's I 的工作原理見公式(1)和(2):

式中,xi為變量x 在i 處的值;為x 的平均值;Wi,j為要素i 和j 之間的空間權重,即采樣點i 和j 之間距離的倒數;為變量的方差;n 為樣本總量.

1.5 影響因素識別方法

多層感知器(MLP)是一種常用的前饋神經網絡模型,它由多個神經元層組成,每一層的神經元與前一層的所有神經元相連接[21-22].MLP 的工作原理如下:主要包括輸入層、隱藏層和輸出層,其中,輸入層接收外部輸入數據,并將其傳遞給下一層,將研究區環境數據(地形、企業密度、路網密度、水網密度、人口密度、土壤類型等)和土壤理化性質(pH 值、陽離子交換量和有機質含量)作為模型的輸入層.MLP可以包含一個或多個隱藏層,每個隱藏層由多個神經元組成.隱藏層的神經元接收前一層神經元的輸出,并對其進行加權求和激活函數處理,激活函數在神經元中引入非線性,允許MLP 模型學習和表示更復雜的模式,然后將結果傳遞給下一層,隱藏層的確定較為復雜.最后一個隱藏層的輸出被傳遞到輸出層,耕地土壤Tl 含量作為模型的輸出值.輸出層通常對結果進行最終的加權求和激活函數處理,得到最終的輸出結果.使用雙向正切和恒等式激活函數進行處理.MLP 通過重復進行前向傳播和反向傳播的過程來進行訓練,并不斷更新權重和偏置值,以減小預測誤差.訓練可以使用標記的訓練數據集進行,通過迭代優化模型參數,使模型逐漸收斂到最佳狀態.模型得到識別影響耕地土壤Tl 含量的關鍵因子,影響因素的重要性進行解析.

1.6 數據處理

使用SPSS 26.0對土壤Tl含量進行描述性統計.使用Origin2021 進行相關性和差異分析.使用R 語言進行神經網絡模型,空間分布圖ArcGIS10.2 平臺上完成.

2 結果與分析

2.1 耕地土壤pH 值、有機質、CEC 和Tl 含量分布特征

研究區土壤pH 值均值為6.06±1.09(表1),呈弱酸性,分布面積較大.而弱堿性(7.5～8.5)土壤主要分布研究區的北部洞庭湖區和西南部邵陽等地(圖1).土壤有機質均值為(34.16±13.47)g/kg,有機質含量高值(>40g/kg)主要分布研究區西南部.土壤CEC均值為(13.24±4.06)cmol/kg,研究區土壤陽離子交換量主要處于10～20cmol/kg 之間,且分布較為廣泛.耕地土壤Tl 含量范圍為0.01～7.33mg/kg,耕地土壤Tl 含量算術平均值(0.91±0.40)mg/kg,中位值為0.81mg/kg,耕地土壤Tl 含量變異系數為43.96%.將2017年全國農用地土壤污染狀況詳查工作中土壤Tl 含量評價參考值(1.0mg/kg)作為評價標準,耕地土壤Tl 含量均值低于標準值,表明耕地土壤中Tl環境質量較好.然而,耕地土壤Tl 含量算術平均值超過于中國土壤背景值(0.62mg/kg)和湖南省土壤Tl 含量背景值(0.61mg/kg)[2,23],也高于我國西南主要流域區淺層土壤 Tl 元素含量均值(0.80±0.39)mg/kg[10].表明研究區耕地土壤Tl 含量存在累積現象.

表1 研究區耕地土壤理化性質和Tl 含量描述性統計(n=7299)Table 1 Descriptive statistics of properties and Tl content of cultivated soil in the study area(n=7299)

2.2 基于流域和土壤類型的耕地Tl 含量分布特征

將湖南省耕地Tl 含量按流域進行分析.如圖2所示,流域耕地土壤Tl 含量均值依次為:武水流域(1.10±0.56)mg/kg、湘江流域(0.96±42)mg/kg、沅水流域(0.81±0.36)mg/kg、資水流域(0.81±0.28)mg/kg、洞庭湖區(0.76±0.19)mg/kg 和澧水流域(0.68±0.21)mg/kg.單因素方差分析結果顯示,武水流域和湘江流域Tl 含量均顯著高于其他四個流域(P<0.05),武水流域Tl 含量顯著高于湘江流域(P<0.05),且武水流域Tl 含量的變異系數>50%[24],屬于高度變異,表明土壤Tl 含量在不同流域之間存在差異,且可能受到人為因素的干擾.

圖2 不同流域和土壤類型耕地土壤Tl 含量分布特征Fig.2 Distribution of Tl content in cultivated soil base on basins and soil types

研究區不同土壤類型耕地Tl 含量分布如圖2所示,如圖2所示,耕地土壤Tl 含量均值依次為黃棕壤(1.42±0.70)mg/kg、黃壤(1.05±0.49)mg/kg、水稻土(0.91±0.40)mg/kg、紅壤(0.91±0.42)mg/kg、石灰土(0.90±0.34)mg/kg、紫色土(0.77±0.26)mg/kg 和潮土(0.75±0.15)mg/kg.經單因素方差分析,黃棕壤的土壤 Tl 含量顯著高于其他類型土壤(P<0.05),潮土的Tl 含量顯著低于其他類型土壤(P<0.05).結果表明,土壤類型與耕地土壤Tl 含量分布有關.土壤類型是在成土過程中各因素綜合作用下形成的.土壤類型的淋溶和有機質累積過程不同而使土壤Tl 含量可能存在差異[25-27].土壤類型可能是影響土壤Tl 含量空間分布的因素.

2.3 耕地土壤Tl 空間聚類與冷熱點分析

空間自相關指數(Moran’s I)被使用去判斷研究區耕地土壤Tl 是否具有空間上的聚類特征(圖3).研究區耕地土壤Tl 在空間上呈聚類趨勢,呈現空間正相關關系.耕地土壤Tl 的Moran’s I 值為0.23,表明重金屬在空間上呈聚類形式,且空間正相關表現明顯,數值傾向于在空間上發生聚類,即高值聚集在其它高值附近;低值聚集在其它低值附近.因此,使用局部空間自相關去繪制聚類分布圖(圖3).結果顯示,研究區耕地土壤Tl 的高-高值聚類(熱點,HH)樣點集中分布在湘江流域東南部和武水流域中部地區,占比為16.9%;Tl 冷點(LL)即低-低值,主要分布在洞庭湖流域和中部地區,占比為30.8%.結合地形圖(圖1),發現熱點主要分布在海拔800m 以上區域.冷點主要分布在低海拔地區(<100m).Tl 空間異常值多出現在冷點和熱點附近,特別是流域地形起伏變化較大的地區,表明土壤Tl 含量可能受地形的影響.Tl 空間異常值以低值異常值(LH)和高值異常值(HL)為主,低值異常值主要分布在武水流域和湘江流域南部地區,高值異常值主要分布在洞庭湖區和資水流域中部地區,表明該區域土壤Tl 含量的分布可能受到人為因素的干擾,且受到多種因素的綜合影響.

圖3 耕地土壤Tl 含量聚類和空間分布Fig.3 Clustering and spatial distribution of Tl content in cultivated soil

2.4 耕地土壤中Tl 含量空間分布特征

對研究區耕地土壤Tl 含量進行空間插值,依據湖南省土壤Tl 含量背景值(0.61mg/kg)和2017年全國農用地土壤污染狀況詳查工作中土壤Tl 含量評價參考值(1.0mg/kg),將土壤重金屬含量劃分為6 級(I 級:小于 0.61mg/kg,Ⅱ級:0.61～1.0mg/kg,Ⅲ級:1.0～2.0mg/kg,Ⅳ級:2.0～3.0mg/kg,Ⅴ級:3.0～5.0mg/kg,Ⅵ級:大于5.0mg/kg),并繪制耕地土壤Tl含量空間分布圖.從圖3 可以看出,流域耕地土壤Tl 含量主要以1～2 級為主,即低于1.0mg/kg.主要分布在沅水流域的中部地區(辰溪、溆浦、芷江等縣市區),資水、沅水、澧水和洞庭湖流域交界的區域(桃源、漢壽、臨澧等).高Tl 區域主要分布在湘江流域南部和東南部地區,資水流域西南部和武水流域地區.耕地土壤Tl含量呈現從東南部向西北部降低的趨勢,呈現“東高西低,南高北低”的含量特征,表明不同流域之間耕地土壤Tl 具有空間差異.研究區耕地土壤Tl 含量空間分布結果與空間聚類結果一致.有文獻報道,含Tl礦石的開采和冶煉等工業活動[12,28-29],Tl 被釋放進入周圍的環境中,導致土壤中Tl 含量積累.而湘江流域南部和武水流域采選冶礦業活動密集,可能是導致土壤Tl 含量高值密集區出現的主要原因.

2.5 土壤Tl 含量空間分布主控因素

研究區成土母質、土壤類型、涉Tl 企業分布、路網、水網和土壤理化性質均有可能是影響耕地土壤Tl 含量的空間格局的因素[20,26,30-31].相關性結果表明(表2),耕地土壤Tl 含量與海拔、路網和水網密度等環境變量以及理化性質呈顯著相關性,表明其可能是影響耕地土壤Tl 含量空間分布格局的因素.另一方面雖然涉Tl 企業密度與耕地土壤Tl 含量沒有顯著相關,但其會影響耕地土壤Tl點源分布.因此,利用神經網絡進一步分析不同因素對耕地土壤Tl含量的空間分布格局的貢獻.基于神經網絡分析結果表明(R2>0.5),影響研究區耕地土壤Tl 含量空間分布格局的主要因素依次為海拔、水網密度、路網密度和土壤理化性質(圖4).而不同流域耕地土壤Tl 的主控因素不一致.武水流域耕地土壤Tl 含量的空間分布格局主要影響因素為企業密度、SOM 和路網密度;湘江流域耕地土壤Tl 含量的空間格局主要影響因素是海拔、水網密度、CEC 和路網密度;資水流域則是路網密度、水網密度、海拔、人口密度企業密度.這與研究區海拔和耕地土壤Tl 含量的空間分布一致.

表2 耕地土壤Tl 含量與各因素的Pearson 相關性分析Table 2 Pearson correlation between Tl content and various factors in cultivated soil

圖4 耕地土壤Tl 空間分布格局的影響因素重要性Fig.4 The importance of factors influencing the spatial distribution pattern of Tl in cultivated soil

2.5.1 海拔和水網密度 海拔顯著影響土壤Tl 的空間分布,高海拔地區(>800m)土壤Tl 高度富集;中海拔地區(800～100m)存在耕地土壤Tl 累積顯著;低海拔地區(<100m)土壤Tl含量較低.較高的海拔地區可能具有較低的氣溫和較高的降水量[30],較低溫度可能降低土壤中的微生物活動和有機物分解速率,高降水量可能會導致Tl 的淋溶,使其從土壤中被沖走或向下遷移從而影響土壤中 Tl 的轉化和遷移[33-34].但地形的原因轉化和遷移無法到達低海拔地區.另外,不同海拔地區的土壤巖石來源和土壤成分的差異也可能導致Tl 含量的空間變化,金屬礦山是土壤Tl 含量的重要來源,一般處于高海拔地區.水網密度指的是研究區水系的分布密度和互相連接的程度,水網密度高的流域通常有更多的河流、溪流和湖泊等水體且具有較復雜的水文過程,水體在流動過程中可以攜帶溶解性的Tl,而河流的沖刷作用和洪水的淹沒等過程也會加劇流動的過程,進而對土壤中的Tl 含量產生影響.水網密度高的流域更容易發生土壤侵蝕,土壤侵蝕可能會導致Tl 從坡面和耕地等區域被剝蝕,并隨著水流的輸送沉積到其他地點.這可能導致一些地區的土壤Tl 含量升高,而另一些地區的含量降低,最終導致不同的區域土壤Tl含量分布不一.綜上,水力驅動是影響區域耕地土壤Tl 的因素.

2.5.2 路網密度和涉Tl 企業密度對耕地土壤Tl 含量的影響 Tl 可存在與造巖礦物、硫化物、含硫酸鹽類礦物中,也可存在于沉積成因的錳礦、煤礦、鉀鹽、白鐵礦等礦物內[2,35].而礦產的采礦選礦冶煉過程排放的“三廢”通過大氣、水或混合污染等途徑影響周邊耕地土壤質量,是耕地土壤Tl 含量的主要來源之一[36-37].因此,礦產企業密度集聚一定程度上增加土壤中Tl 含量.從涉Tl 企業密度分布(圖1)可以看出,企業集中分布在湘江流域南部和武水流域等區域.武水流域和湘江流域南部涉Tl 企業較多,包括含鉈金屬礦山采礦和選礦,鉛鋅冶煉、鋼鐵冶煉、冶煉廢渣再生利用企業(主要是生產氧化鋅、硫酸鋅的企業)等重點行業,這些涉Tl 企業存在循環廢水Tl濃度高,部分企業初期雨水和地面沖洗水未有效收集處理,含Tl 污泥處置不到位等問題[9,12,38].此外,雖然一些企業廢水達標排放后仍有部分Tl 污染物排入環境中,低濃度含Tl 污水常年灌溉耕地土壤也可能導致土壤Tl 污染.涉Tl 企業密集區與耕地土壤Tl累積區域高度吻合,表明企業聚集程度及空間分布是影響耕地土壤Tl 含量積累和分布的重要因素之一.路網密度指的是流域內道路網絡的分布密度和互相連接的程度.高路網密度會導致土壤侵蝕和道路擾動增加,擾動和重新排列過程可能會將原本富含Tl 的土壤顆粒搬運到其他地區,道路建設和人類活動可以破壞土壤結構和植被覆蓋,加速土壤侵蝕,從而可能使Tl 從土壤中釋放或遷移至其他地區.路網密度高的區域往往有更多的人類活動,如交通運輸和工業活動.高路網密度區域附近的土壤可能受到更多污染源輸入的影響,從而導致土壤Tl 含量較高.因此,工業活動是影響區域耕地土壤Tl 的因素.

2.5.3 土壤類型和理化性質對耕地土壤Tl 含量的影響 土壤中Tl 不僅來源于人為干擾,也來源于自然因素[39].自然界土壤中Tl 來源于巖石風化,成土母質對土壤Tl 含量具有較大影響[2,40].土壤的形成與成土母質密切聯系,所以土壤Tl 含量與土壤類型也同樣相關.土壤形成過程中的物理、化學和生物作用也會對土壤Tl 含量的空間格局產生影響.山地草甸土成土過程以有機質累積過程為主,呈弱酸性.黃棕壤是由強淋溶作用形成,呈酸性,常含有適量的礦物質,如石英、長石和云母等,而由于Tl 離子與鉀離子半徑相似,Tl 離子容易替代鉀長石和云母等礦物中鉀離子,在黃棕壤中富集[41].酸性土壤通常具有較高的Tl 含量,而高有機質含量的土壤可能增加Tl 的吸附能力[10,42],紫色土容易發生水土流失,土壤結構較差,有機質含量較低,導致土壤鉈含量也比較低[26],各土壤類型的淋溶、黏化和有機質累積過程不同而使土壤Tl 含量存在空間差異.

綜上所述,研究區耕地土壤Tl 含量的空間格局受水力、工業活動和自然因素的綜合影響,大區域分析中會忽略小區域存在的具體特點,因此在具體研究中,需要綜合考慮這些因素,并結合實地調查和采樣分析,以獲得更準確的結論.

3 結論

3.1 研究區耕地土壤 Tl 含量范圍為 0.01～7.33mg/kg,耕地土壤Tl 含量算術平均值(0.91±0.40)mg/kg,中位值為0.81mg/kg,明顯低于2017年全國農用地土壤污染狀況詳查工作中土壤Tl 含量評價參考值(1.0mg/kg),耕地土壤Tl 環境質量整體良好.武

水流域、湘江流域、沅水流域、資水流域、洞庭湖區和澧水流域耕地土壤Tl 含量算術平均值依次為1.10,0.96,0.81,0.81,0.76 和0.68mg/kg.

3.2 耕地土壤Tl 含量呈現 “東高西低,南高北低”趨勢,流域耕地土壤Tl 含量呈現空間正相關性,數據集中的值傾向于在空間上發生聚類.其中,高值聚類區主要分布湘江流域南部地區和武水流域.

3.3 研究區耕地土壤Tl 含量積累和分布格局受水力、工業活動和自然因素的綜合影響.高海拔和水網密度區耕地土壤Tl 累積明顯.黃棕壤的土壤Tl 含量顯著高于其他類型土壤.