农田表层土壤范文（精选7篇）
农田表层土壤 第1篇
1研究区概况
渭干河-库车河三角洲绿洲位于南疆塔里木盆地北缘,中天山南麓,北部起秋里塔格山,南部接塔里木河北岸,是个典型而完整的扇形平原绿洲,行政范围辖阿克苏地区的库车、沙雅、新和县。地势北高南低,北部是高峻的天山山脉,是研究区重要的水源地;中部是以秋里塔格山为主的长期剥蚀的低山和残丘,呈东西向断续分布;南部是山前平原区,主要是戈壁、绿洲和沙漠景观。渭干河与库车河使山前平原区形成和发育较大的三角形绿洲,该绿洲是阿克苏地区最大的灌溉区,而且是新疆主要的产棉区之一。研究区土壤类型多样,主要为潮土、灌淤土、草甸土、灌耕棕漠土、灌耕风沙土、沼泽土、盐土、棕钙土[8,9]。
2材料与方法
2.1土壤样品采集
根据研究内容,对渭干河-库车河三角洲绿洲范围内种植不同作物的农田表层土壤采样,同时采用GPS定位技术,以库车、沙雅、新和土地类型图为参考,使采样点尽可能涵盖渭干河-库车河三角洲绿洲内主要的土地利用类型,而且尽可能使样点分布规则,利于进行统计分析。采样时间在2012年9月26-30日,取样层为0-20 cm,各采样点之间距离基本在500 m以上,共66个点 (每个点采2个样品),其中棉花地采样28个、混合作物地18个、谷物地10个、果林地10个,样点分布见图1。
2.2样品分析
采回土壤样品带回实验室摊开阴干,过2 mm筛,编号,装入样品袋备用,用平均值代表研究区的测定值。土壤粒度的测定过程:1去除有机质:约0.5 g的样品放入100 ml的烧杯中,加入约10 ml浓度为10%的H2O2并置于电热板上加热,使其充分反应;2去除碳酸钙:加入10 ml浓度为10%的HCl, 并置于电热板上使其充分反应;3中和:待烧杯冷却后再给烧杯注满蒸馏水静置24 h,再抽取蒸馏水, 重复几次直至溶液呈中性为止;4分散:测试前往烧杯中加入5 ml浓度为0.05 mol/L的分散剂六偏磷酸钠( Na2PO3)6进行分散。正式上机测试前,超声波振荡3-5 min防止胶结。采用英国马尔文(Malven) 公司生产的Master Sizer2000激光粒度分析仪对所有样品进行测量,经过2次测量并取其平均值。该仪器的测量范围0.02-2000 μm,重复测量误差小于2%。采用美国土壤粒径分级标准分为3级:粘粒(< 2 μm),粉粒(2-50 μm)和砂粒(>50 μm)。
土壤的粒度参数特征值能够表示其成土过程中的母质来源、搬运介质和动能条件以及经后期物理、 化学和生物作用的情况。采用的土壤粒度参数有粒度平均值、分选系数、偏度和峰态等[10,11,12],其数值可以根据Folk和Wood[13,14,15]公式进行计算,采用SPSS和DPS统计软件进行统计分析。根据 Φ = -log2d(d表示沉积物粒径,单位为mm),将粒度测量结果转换成等比制粒级 Φ 后,根据Folk-Ward公式分别计算求出平均粒径,分选系数,峰态和偏态。土壤粒度组成的空间异质性主要采用地统计分析。
3结果与分析
3.1表层土壤粒度总体特征
渭干河-库车河三角洲绿洲农田各土地利用类型土壤粒径变化范围为2.2-88.3Φ 之间,平均粒径1.2-5.6Φ 之间,平均为4.1Φ,中值粒径为8.1-9.6Φ; 表层土壤粒径主要集中于粉砂粒,其中粘粒占13.9%,粉粒占44.3%,砂粒占41.8%,多属粉土和粉砂土,土壤质地较轻。分选系数变化在0.2-0.5之间,分选性属分选极好至分选好;标准偏差0.7-5.5之间,属分选好至分选差;峰度在0.9-8.8之间,介于宽至非常尖锐;偏度变化在-0.1-0.8之间,极负偏至极正偏。从偏度与峰度系数可以得出研究区土壤颗粒不遵循正态分布。表层土壤粘粒含量为2.2%26.6% ,粉粒含量为13.8% -79.8% ,砂粒含量为12.5%-88.3%,说明研究区农田土壤物质来源的多样性(表1)。
由表1可知,研究区各粒级含量的变异系数(CV) 波动较大,粘粒、粉粒与砂粒百分含量的变异系数在30%-45%之间,变异程度均属中等。相对而言,粘粒的变异系数最大,为44.8%,粉粒的变异系数最小, 为32.3%。总体上三者的变异系数相差不大,说明农田表层土壤不同粒级受到的土壤母质属性、地貌地形、气候条件及土地利用方式等基本一致。
3.2各土地利用类型间表层土壤粒度的变异
由分析实验数据可知,各土地利用类型的表层土壤粉粒和砂粒平均含量所占比重最大,合计大于80%,其中粉粒所占平均含量大于砂粒平均含量,而粘粒平均含量最少,不到20%。
从图2可见,不同土地利用类型的农田表层土壤各粒级所占含量相差较大。相对而言,果林地表层土壤粘粒含量比其他土地利用类型高,其次是谷物地,而混合作物地最少;粉粒含量的大小依次为谷物地>混合作物地>果林地>棉花地;砂粒含量的大小依次为棉花地>混合作物地>果林地>谷物地。
各土地利用类型的农田表层土壤平均粒径范围为1.2-5.6Φ,平均值为4.1Φ,其中果林地平均粒径最大(5.2Φ),其次是谷物地(4.7Φ)、棉花地(4.2Φ), 混合作物地最小(3.5Φ)。各土地利用类型的表层土壤中值粒径变化在8.1-9.6Φ 之间,平均值为9.1Φ, 其中中值粒径平均值最大的是谷物地,为9.4Φ,其次混合作物地为9.2Φ,果林地为9.1Φ,最小的是棉花地为9.0Φ。
研究区农田表层土壤的粒度标准偏差在0.75.5之间,平均值为3.7。从各土地利用类型的表层土壤粒度标准偏差平均值得出,果林地最大为5.1,混合作物地最小为3.1,棉花地与谷物地标准偏差平均值居中。各土地利用类型的表层土壤标准偏差均属分选好至分选差,属于洪积物—洪积冲积扇沉积,与研究区环境条件相一致,尤其是果林地受人为干扰较小,能较好的反映研究区表层土壤物质的来源情况。表层土壤粒度分选系数变化在0.2-0.5之间,平均值为0.4。从各土地利用类型的表层土壤粒度分选系数得出,谷物地平均值较大为0.5,其次是果林地为0.4,混合作物地最小为0.3,说明研究区农田表层土壤粒度分选性较好。
研究区各土地利用类型的表层土壤颗粒偏度平均值最大的是混合作物地,其表层土壤颗粒偏度平均值为0.5,其次棉花地为0.4,最小的是谷物地为0.3,均属于极正偏,说明表层土壤颗粒以较粗组分为主,分选性较好。对表层土壤颗粒峰度平均值而言,混合作物地最大为2.1,粒度频率曲线非常尖锐, 其他土地利用类型的表层土壤粒度频率曲线属中等至很窄,均未接近正态分布。
3.3不同连作年限棉田表层土壤粒度特征
通过对当地农户调查,获得连作棉田的年限。同一种土地利用年限的不同,会导致土壤粒级和粒度参数之间的差异。从研究区不同年限棉田表层土壤粒级平均值的变化得出,连作15年棉田表层土壤的粘粒含量最多,为17.4%,而连作20年棉田表层土壤的粘粒含量最少,为12.4%,其他连作年限棉田表层土壤的粘粒含量依次为:5年的17.2%,10年的15.4%,25年的14.9%;就粉粒而言,连作15年棉田表层土壤的粉粒含量最多,为50.8%,连作25年棉田表层土壤的粉粒含量最少,为30.7%,其他连作年限棉田表层土壤的粉粒含量依次为:5年(50.1%)> 20年(38.4%)>10年(37.8%)。连作25年棉田表层土壤的砂粒含量最多,为51.4%,连作15年最少,为27.1%,其他连作年限棉田表层土壤砂粒含量的变化依次 为 :5年 (48.2%)、10年 (45.4%)、20年 (41.4%)。分析结果表明,棉花连作15年棉田表层土壤的粘粒含量呈现不明显的增加趋势,而粉粒含量呈现明显的增加趋势,砂粒含量呈现显著的减少趋势;连作15-25年,粘粒和粉粒含量呈现较显著的减少趋势,而砂粒含量急剧增加,而此与粉粒含量的变化趋势恰恰相反(图3)。由各连作年限的棉田表层土壤粒级变异系数来看,粘粒在5年的变异系数最大,为37.6%,在20年的变异系数最小,为3.6%,在10、15和25年的变异系数分别为26.4%、 34.8%、29.1%,除20年属于弱变异外,其他均属于中等变异程度;粉粒在15年的变异系数最大,为47.8%,在20年的变异系数最小,为12.4%,在5、10和25年的变异系数分别为34.6%、27.6%、14.0%,均属于中等变异程度;砂粒在各连作年限均属中等变异程度,变异系数依次为10年 (33.4%)>5年 (32.1%)>25年 (31.8%)>15年 (22.4%)>20年 (14.2%)。
研究区连作棉田表层土壤粒度参数也发生不同程度的变化,表层土壤的平均粒径范围在1.6-5.6Φ 之间,平均值为4.2Φ。由平均值来看,平均粒径最大的是连作20年的棉田土壤,为4.6Φ,最小的是连作25年的棉田土壤,为3.7Φ。其他年限的依次为:连作15年的为4.1Φ,连作10年的为4.3Φ,连作5年的为4.4Φ;平均粒径变异程度最大的是连作25年棉田土壤,为34.05%,最小的是连作20年棉田土壤,为3.28%。中值粒径变化范围在8.1-9.5Φ 之间, 平均值为9.0Φ,连作5年棉田表层土壤的中值粒径平均值最大,为9.2Φ,连作25年棉田表层土壤的中值粒径平均值最小,为8.8Φ,其余年限居中。
各连作年限棉田表层土壤粒度标准偏差范围在1.34-5.42之间,平均值为3.91,其中连作20年棉田表层土壤标准偏差平均值最大为4.46,连作25年棉田表层土壤标准偏差最小,为3.34,其余年限棉田表层土壤标准偏差均值大小依次为:5年(4.08)>10年 (3.96)>15年(3.69)。各连作年限表层土壤标准偏差分选性以20年较差外,其余年限的都较好。
各连作年限棉田表层土壤粒度分选系数变化在0.2-0.5之间,平均值为0.4。从各连作年限棉田表层土壤的分选系数可以得出,5和15年的分选系数最大,为0.4,25年的分选系数最小,为0.3。表明随着棉花连作年限的增加,棉田表层土壤粒度的分选性基本上向分选性好的方向发展。各连作年限棉田表层土壤颗粒偏度均介于正值0.3-0.8之间,平均值为0.5,属极正偏,说明土壤以粗组分为主,分选性属好,其分选性好至差的顺序依次为:20年(0.39)>15年(0.41)>10年(0.44)>5年(0.48)>25年(0.99)。棉田表层土壤粒度峰度介于正值0.9-8.8之间,平均值为1.5,属窄,即粒度频率曲线尖锐。棉田表层土壤粒度频率曲线尖锐程度由尖到缓依次为:5年(3.0) >15年(1.2)>10年(1.1)>25年(1.0)>20年(0.9)。
3.4各土地利用类型对表层土壤粒度及粒度参数的影响
从实验数据可知,表层土壤颗粒细组分含量在果林地最高,为24.0%,这可能与土地利用类型有关,土地的管理方式较精细而且不经常翻耕,加上受大风的影响较小,使绝大部分粘粒保留下来。表层土壤颗粒2-50 μm之间的粉粒组分含量在谷物地最高,为53.1%,这可能是因为表层土壤受人为翻耕、 灌溉以及大风的影响大,而且翻耕、灌溉活动具有经常性,这使表层土壤粘粒风蚀掉,将下层较粗的颗粒带到表层,使表层土壤粉粒含量增多。表层土壤最粗组分含量最多的是棉田,其砂粒含量为43.3%,此表层土壤颗粒最粗的原因可能是棉田受机械翻耕后用塑料膜盖起来,地膜防止在机械作用下从深层土壤迁移到表层土壤大颗粒的风蚀,使表层土壤中颗粒较细组分含量降低,从而导致表层土壤未熟化。一年生作物地表层土壤砂粒含量随着种植年限的增加而降低,而粉粒与粘粒含量升高,但种植一定年限后土壤粒级含量会发生变化。如棉花连作15年后表层土壤的粘粒与粉粒含量达到最高值,连作25年后表层土壤的细组分含量降低,而砂粒含量达最高值,不利于维持土壤质地和土壤的持续利用[16]。
3.5表层土壤粒度空间变异特征
由于研究区表层土壤受到土壤母质、地貌地形、 生物、气候及土地利用类型的影响,表层土壤粒度空间变异特征较为复杂。表层土壤粘粒含量在渭干河、 库车河、塔里木河洪冲积物交汇处,尤其是渭干河与塔里木河洪冲积物交汇处粘粉含量较高,从此绿洲中心往周围粒径逐渐增大,往南塔河北岸和往西渭干河下游粒径增大缓慢,但是往东库车河流域和往北库车河-渭干河中游粒径增大较快,相差显著。总体上,表层土壤粘粒含量绿洲中心较高,其往东和往北两侧逐渐降低,但往南和往西变化不大。粉粒含量在东南部塔里木河与库车河洪冲积物交汇处以及西北部渭干河中游出现两个高值区,在东半部的中部与中北部、西半部的中部、南部及北部出现成片的低值区。砂粒含量分布较复杂,在中部出现低值区,以此区为中心,西半部的中部也出现低值区,东南与东北方向砂粒含量较高。
3.6半方差函数模拟分析
根据粘粒、粉粒与砂粒三级粒径含量,应用GS+ (version9.0)软件分别进行半方差计算分析。模型拟合的好坏直接决定空间结构分析的可靠性,可用决定系数与残差平方和来判断拟合程度。残差平方和越小,决定系数越大,说明理论模型对实验半变异函数的拟合效果越好。通过各拟合模型的参数比较,对三级粒径含量半方差模型选取决定系数较大,残差平方和较小的模型。其中,粘粒与砂粒含量的实际变异函数值与线性模型的拟合效果较好,粉粒含量的实际变异函数值与高斯模型(Gaussian Model)的拟合效果较好(表2)。
空间变异性可分解成自相关部分和随机部分。 由空间自相关部分引起的空间变异性属于在变异函数定义的空间相关变程范围之内的变异,随机部分引起的空间变异性,出现在小尺度上。块金系数小于25%,说明变量具有强烈的空间相关性;25%-75% 说明变量具有中等的空间相关性;大于75%时变量空间相关性微弱。由研究区农田表层土壤粘粒、粉粒和砂粒含量的半方差函数分析可知,粉粒的块金系数最小,粘粒与砂粒的块金系数接近1,说明农田表层土壤粉粒具有极强的空间相关性,而粘粒与砂粒几乎不存在空间相关性,空间相关性因子(母质、地形、生物、气候、土壤类型)对农田表层土壤空间变异的贡献不大,而随机性因子(翻耕、灌溉、施肥、土地利用)对农田表层土壤空间变异的贡献较大。
当观测采样点间的距离大于变程时表示两点之间属性数据是相互独立的,没有相关性,而两点间距小于变程时,观测点间存在相关关系。研究区采样点间距为500 m以上,而粘粒、粉粒、砂粒的变程分别为:50.5 m、9.5 m、50.5 m,均小于采样间距,说明三级粒径空间相关性几乎不存在。
4结论
1) 绿洲农田表层土壤多属粉粒土和砂粒土,其中粘粒含量在2.2%-26.6%,粉粒含量在13.8%79.8%,砂粒含量为12.5%-88.3%。在粒度参数中平均粒径、标准偏差以及偏度属中等变异程度,中值粒径属弱变异程度,峰度属强变异程度。果林地表层土壤的粘粒含量最多,而混合作物地表层土壤的粘粒含量最少;谷物地表层土壤的粉粒含量最高,而棉田的粉粒含量最低;棉田表层土壤的砂粒含量最高,而谷物地的砂粒含量最低。表层土壤平均粒径平均值为4.1Φ,其中果林地平均粒径平均值最大,混合作物地最小。表层土壤粒度标准偏差平均值以果林地最大,混合作物地最小。表层土壤颗粒偏度平均值以混合作物地最大,谷物地最小。
2)随着棉花种植年限的增加,表层土壤的粘粒与粉粒含量逐渐减少,而砂粒含量增多。连作15年棉田表层土壤的粘粒含量最多,棉花连作年限超过15年后,表层土壤的粘粒含量逐年降低,而沙粒含量相应的增加。对表层土壤各粒级变异系数而言,粘粒的变异系数连作5年最大,连作20年最小;粉粒的变异系数连作15年最大,连作20年最小;砂粒的变异各连作年限均属中等变异程度。植棉表层土壤粒度分布整体上不服从正态分布。
3)土壤的机械组成直接影响土壤空气、水分、肥料、热量的保持和运动,与作物的生长发育有密切关系。研究结果表明,在不同土地利用强度下,土壤粒度分布表现出了不同的特征,果林地和谷物地表层土壤的粘粒和粉粒含量较高,土壤质量得到了逐步改善;而人类活动干扰较大的棉田表层土壤的砂粒含量较高,土壤质量较差,尤其是棉花连作15年之后变化更加明显,土壤质量开始下降。因此,将一年生作物与多年生作物轮换种植,棉花与谷物轮换种植,最好棉花的连作年限不要超过15年,从而可以保证绿洲土壤环境逐步得到改善并持续发展。
城市表层土壤重金属污染分析 第2篇
对某城市城区土壤地质环境进行调查。按功能可以将城区分为生活区、工业区、山区、主干道路区及公园绿地区等,分别记为1类区、2类区、、5类区,不同地区环境受人类活动影响程度不同。现将所考察的城区划分为间距1 km左右的网格子区域,按每平方公里1个采样点对表层土(010 cm深度)进行取样、编号,并用GPS记录采样点的位置。应用专门仪器测试分析,获得了每个样本所含的多种化学元素的浓度数据。另外,按2 km的间距在那些远离人群及工业活动的自然区取样,作为该城区表层土壤中元素的背景值。
本文采用2011年全国大学生数学建模竞赛A题原始数据。
1 问题假设
不考虑风力f、重力g的影响;在研究区域内,不考虑地势高低对土壤地址的影响;在处理数据的时候对于偏差值大的点不予以考虑。
2 符号说明
xij 为第i个被评价对象的第j个指标值;pi 熵值权重中第i个因素发生的概率;Gi 表示类 ;N 分子数 ;ej 某指标熵值;wj 指标权重值;M 相对分子质量;gj 某指标差异性指数 ;d(i,j) 样本之间的距离;D(p,q) 类之间的距离;f(x,y,c) 表示曲面函数;符号为mol;NA 阿伏加德罗常数。
3 熵值权重法求重金属污染程度
首先,通过绘制MATLAB三维函数图像,可确定各种重金属在城区的位置,还可以知道该区的海拔地形图。由此我们通过MATLAB插值法做出了采样点和金属浓度、海拔地形图,就找到了八种重金属空间分布情况。
其次,由文献[1]知,熵值法是一种客观的赋权方法,其原理是根据各评价指标的变异程度所反映的信息量大小确定权数,熵是对系统不确定性的一种度量,可以用来衡量总体的离散程度大小,当系统处于n种不同的状态时,每种出现的概率为pi(i=1,2,,n)时,该系统熵的定义为
设有n个被评价对象,m个评价指标,则利用熵值法确定指标权重的步骤如下。
步骤1 分别计算n个被评价对象在第j个指标下取值的比重
若某指标值的取值出现负数,则应该先进行非负化处理,可以对指标值进行平移[2]。如加上一个大于最小负数绝对值的正数,就可以保证指标值大于零,由于我们的目的是体现指标值之间的差异,所以对指标值平移后不会影响对差异的权衡。
步骤2 计算第j个指标的熵值:
步骤3 计算第j个指标的差异性系数:
gj=1-ej(j=1,2,3,,m)。
步骤4 确定第j个指标权重:
问题中五大城区样本点的个数过多,直接利用熵值法计算权重比的过程比较繁琐,在各城区重金属浓度计算中我们做了如下简化处理:竞赛问题条件的附件2列出了8种主要重金属元素在采样点处的浓度,根据概率统计方法,利用matlab软件计算各城区浓度的期望值,辅以方差分析。如果个别样本点浓度异常大或小,但是数量很少,可以忽略。这样,简化了计算过程,又减小对熵值法的负面影响。将各地区各重金属浓度关系整理后得出表1,数据保留七位有效数字。其中x1,,x8分别代表金属As,Cd,Cr,Cu、Hg、Ni、Pb、Zn浓度的平均值。1-5,分别代表生活区、工业区、山区、交通区、公园绿地区。
通过地区与重金属的浓度的关系进行熵值法计算,即,某地区某重金属浓度为该地区内所有点的该金属浓度的平均值。由熵值法的理论公式得表2。数据保留四位有效数字。其中有五个研究对象,八个指标,即n=5,m=8。
最后各个城区的污染数据列为表3。
可见,该城区中污染浓度由重到轻的地区依次为工业区、交通区、生活区、公园绿地区、山区。
4 提出建议
我国正处于城市化的进程之中,城市环境,包括土壤、河流等受到污染的程度越来愈大,文献[3,4]指出了污染物对城市环境的恶劣影响。在此基础上,我们提出如下合理化建议。
(1)对城市的各区进行合理有效的划分。对污染严重的工业区尽量避免选择高海拔,近水源的地区 。
(2)不同区域针对不同重金属污染物要进行合理的防护。城区与城区之间建设绿化带,以减少重金属污染的传播。
(3)对于突发性重金属污染,可以利用此题数学分析方法进行位置快速确定处理。
(4)当地政府应积极倡导国家可持续发展战略,并对公民进行防治重金属污染宣传教育,提高公民保护土壤意识。
摘要：随着城市经济的发展和人口的日益增多,自然环境下的金属含量超标造成了污染。通过对某城市的土壤重金属污染情况进行分析,解决了该城区内不同区域的污染程度的测评,并对主要污染区的重金属指标进行了计算,找到了污染源位置,最后提出合理化建议。
关键词：重金属污染,MATLAB,熵值法
参考文献
[1]郑晓薇,樊华,武亮亮.熵权系数法的理论建模分析与并行实现.小型微型计算机系统,2007;12(10):12—16
[2]刘玉燕,刘敏,刘浩峰.土壤重金污染特征分析.土壤通报,2006;37(1):56—61
[3]廖金风.城市化对土壤环境的影响.生态科学,2001;20(12):91—94
城市表层土壤重金属污染评估模型 第3篇
城市化在给国民带来幸福的同时, 人类活动对城市环境质量的影响程度也日显增加, 由快速城市化带来的环境污染问题也日益凸显。在我国城市化不断发展的今天, 对城市土壤重金属污染程度的评估, 不仅对于整个城市系统的生态环境和国民的健康来说具有极大的意义, 且势在必行。
2 数据背景
本文所有数据皆来自2011年全国大学生数学建模竞赛A题。
3 基本假设
1) 假设题目所给数据的值能较准确反应取样地的重金属污染情况;
2) 假设暂不考虑影响土壤重金属形态分布的物理性质。
4 模型准备
为方便接下来各模型的选择、建立、计算与分析, 故先针对题目所给出的数据做可预料的初步数据分类、统计描述、城区地形图层绘制等。
1) 数据汇总分类:
(1) 将附件1与附件2参数汇总;
(2) 按相同功能区将总体数据分类。
2) 数据的统计描述
计算出各种重金属元素的描述统计量:极值、平均值、标准差、标准误差、相对增长量等基本数据统计量。
3) 城区的地形图与污染情况图绘制
为了之后更加深入的探究问题与方便直观上了解所研究地区的地形概貌, 对题目所给采样点数据的坐标、海拔高度, 在Matlab 2011a下使用其内置的Biharmonic (v4) 样条差值算法进行三维坐标的插值处理, 模拟该城区的三维立体图与地形的等高线图。
5 重金属污染程度的综合评估模型
5.1 模型的建立
本文使用单重金属元素的浓度为考核污染程度的指标:单因子污染指数;用此来判断所研究区域表层土壤中该种重金属的人为污染情况。同时通过分析各元素的变异系数来衡量各单因子观测值的变异程度, 即单因子污染程度数据间的差距大小。结合单因子污染指数, 计算各个区域的N.L.Nemerow综合评价指数, 综合表征每个区域的土壤污染情况。
根据定义, 单因子污染指标计算公式为:
式中:Pi-土壤中第i种污染物的单因子污染程度指数;Ci-第i种污染物的实测值;Si-第i种污染物的评价标准值 (以该城区的重金属污染背景值为标准值) 。
参考中国绿色食品发展中心的《绿色食品产地环境质量现状评价纲要 (试行) 》文件, 给出土壤中各个重金属元素污染程度分级标准:
变异系数, 是衡量资料中各观测值变异程度的一个统计量, 有全距系数、平均差系数和标准差系数。本文采用的是常用的标准差系数, 记为CV:
式中, σ为样本标准差;µ为样本均值。
说明:变异系数的值越大表示污染程度的差异越大, 也即说明人类活动对环境带来的影响越大。
N.L.Nemerow (内梅罗) 指数是一种兼顾极值或称突出最大值的计权型多因子环境质量指数, 其基本计算式为:
4920123 (下) 《科技传播》
式中MaxIi为各单因子环境质量指数中最大者, AveIi为各单因子环境质量指数的平均值。
内梅罗污染指数反映了各污染物对土壤的作用, 同时突出了高浓度污染物对土壤环境质量的影响。内梅罗综合污染指数计算公式:
式中: (Pi) ave为土壤中第i种污染物的单项污染指数的平均值; (Pi) max为土壤中第i种污染物的单项污染指数的最大值。
按N.L.Nemerow污染指数, 划定综合污染等级, 见表2:
5.2 不同区域重金属污染程度评价模型的求解
根据以上所建立的“基于N.L.Nemerow指数法重金属污染程度评价模型”, 进行模型求解, 由于数据量不大, 使用Excel2010就可以很便捷的求出评价模型的解。变异系数的求解结果, 见表3:
其中变异系数的数值上:Hg>Cu>Zn>Cr>Pb>Cd>Ni>As, 按人类活动对该城区表层土壤中重金属浓度的影响由高到低排列。这也与图1中计算的城区8种重元素污染浓度的相对背景增长的“相对增长率”相一致。
N.L.Nemerow指数法下的8种重金属各个数据点的污染程度等级评估的具体求解结果见附录。此处给出部分求解结果, 见表4:
同时计算功能区的整体污染情况, 以及单重金属元素污染程度等级:
由表5所得出的不同功能区的重金属污染等级评估中显示:生活区中Cu、Zn污染严重化;工业区除As、Cr、Ni外其余重金属浓度均达到严重等级;山区的重金属污染水平都属于轻度;城市主干道受Cu, Hg, Zn重金属污染严重化;公园绿化地区只有Hg的污染达到了严重程度。总的来说该城区整体上Cu, Hg污染严重化, 整体城市重金属综合污染等级达到严重等级。
6 所建模型优缺点分析
采用单因子指数与内梅罗综合污染指数法, 避免了污染物的自然来源的影响, 能够更准确地判断出人类活动带来的污染影响。同时, 内梅罗综合污染指数, 是目前研究污染程度领域运用最为普遍的一项指标, 具有计算简单和兼顾极值或称突出最大值的特点, 在加权过程中避免了权系数中主观因素的影响。内梅罗综合污染指数整合各个单因子指数, 即各种重金属的污染情况, 综合评价不同功能区重金属污染程度, 考虑全面, 总体兼顾个体;它简单实现, 避免主观因素的影响, 多方面研究实例为其提供理论可信度。
7 结论
本文通过对已知数据资料进行重金属污染评估数学模型的建立, 研究重金属在某城区的空间分布, 最后得出该城区的污染程度评估。通过上述模型结果可以了解到该城区与表层土壤的重金属污染程度的相关情况, 这为相关政府部门对城市的规划提供了参考。
同时从数据和分析中, 我们也看到“往者不可谏, 来者犹可追”, 认清现阶段城市化背景下人类活动强度和土壤演变状况, 唤醒人类的环保意识, 对于今后的土壤管理和保护具有重要作用。
参考文献
[1]中国绿色食品发展中心.绿色食品产地环境质量现状评价纲要 (试行) , 1994.
[2]黄勇, 郭庆荣, 任海, 等.城市土壤重金属污染研究综述[J].热带地点, 2005, 25 (1) :14-18.
农田表层土壤 第4篇
在对样本数据进行初步地数据分析之后, 针对于城镇地区人口分布不均匀、污染效果差距明显, 对潜在生态指数法改进, 加以人口密集指数 θ 和污染效果指数 χ。
1 潜在生态指数法
潜在生态危害指数法是瑞典学者Hakanson应用沉积学原理评价重金属污染与生态危害的方法。其计算方法是按照单因子危害指数和综合多因子潜在生态危害指数进行分级, 计算公式为:
式中, Cri为单因子污染指数, Ci实测为重金属浓度实测值, Cni为土壤环境中重金属背景值, Tri为毒性响应系数[2]。
本项目以2011 年数学建模A题数据为样本, 依据公式通过插值计算出整个地区的综合多因子潜在生态危害指数分布图。
由图中可以得到, 如图ABC三处的综合多因子潜在生态危害指数最高, 污染最严重, 其功能区分别为A工业区、B交通区、C交通区。A地区的主要污染原因可能是工业“三废”未按标准处理排放造成的, B和C地区主要污染原因是汽车尾气的直接排放, 造成在交通区里重金属的富集。
2 对潜在生态指数法的改进
ABC地中, A地污染程度最大。常识上判断, 若与A地区相同浓度重金属分布在居民区, 即人口较集中的地区, 对市民健康影响程度更加严重。可以这样解释, Hakanson潜在生态指数法有一个假设, 即考察区域的生物密度相同或相似, 也就是说, 这片区域各样本点的相对生物密度为1。而实际上, 城市地区的人口分布并不平均, 山区的人口密度较低, 居民区的人口密度较高, 所以为了表征人口密度的影响, 采用不同地区间的相对人口密度作为参数。计算公式为:
其中为各功能区的人口密度, 为样本人口密度。
其次, 在污染传播途径方面, 表层土壤重金属通过地面扬尘、食物链传递、水污染等方式进入人体。食物链传递和水污染在空间分布中无规律性, 并且可以由食品监管和水质监测人为控制, 所以本评价系统以地面扬尘为主要因素。表层土壤重金属通过地面扬尘的危害条件为一定风速和人口滞留时间。大多城镇地区地势平稳, 各功能区风速条件差距不大, 所以本评价系统以相对人口滞留时间作为污染效果指数 χ。
其中ti为各功能区的居民滞留时间, 为样本居民平均滞留时间。
单因子危害在各个功能区的分布很明显, 影响因素的改进意义不大, 所以只考虑综合多因子潜在生态危害指数分布。
3 结语
3.1相同浓度的重金属分布, 人口的集中和滞留对污染程度起着放大作用。同时提醒相关部门, 在布置城市的功能区时, 首先考虑项目污染情况及其周边环境的人口密度, 以减少对市民健康的伤害。
3.2治理城市表层土壤重金属污染时, 针对交通污染对人体危害极大的情况, 对城市交通管理中的尾气排放标准, 作进一步的调整。
3.3考虑到它的传播途径主要由气流引起的风沙、粉尘, 应大力提高绿化面积, 有效吸附土壤和空气中的污染物, 降低空气中相应污染物的含量。
参考文献
[1]朱兆洲.土壤重金属污染评价方法[J].生态学杂刊, 2011, 30 (5) .
农田表层土壤 第5篇
将某城市所考察城区划分为间距1千米左右的网格子区域, 按照每平方千米一个样点对表层土 (0~10厘米深度) 进行取样, 并用GPS记录采样点位置。经专门仪器测试分析, 获得了每个样本所含的各种化学元素的浓度数据。另一方面, 按照2千米的间距在远离人群及工业活动的自然区取样, 将其作为该城市表层土壤中元素的背景值。
问题:分析重金属污染物的传播特征, 由此建立模型, 确定污染源的位置。
二、问题分析和基本假设
忽略海拔对重金属污染物传播的影响, 将表层土壤重金属含量的浓度值看作是位置 (x, y) 的二元函数N (x, y) ;重金属含量的浓度值随其位置连续变化。 (2) 认为污染源是位于表层土壤的点污染源, 且在任何相等时间内释放相等数量的污染物。 (3) 表层土壤视为各向同性的均匀介质, 在污染源附近, 忽略自然因素的影响, 各种重金属污染物独立传播, 互不影响。 (4) 在污染源附近忽略重力及阻力的影响, 只考虑由重金属污染物浓度梯度引起的扩散。
三、模型的建立和求解
重金属污染物吸附在土壤表层微粒上进行传播。通过观察分析各重金属元素的等浓度线图, 发现6种重金属元素在浓度较高的点的附近扩散呈呈现明显的同心圆趋势, 说明其扩散主要受到污染物本身浓度的影响;而在重金属污染物浓度很低的地方, 其扩散没有明显规律, 说明浓度不再是扩散的主要影响因素。
(一) 模型一:基于matlab的数据处理与三维数据拟合模型
利用cubic三次多项式插值法分别对6种重金属污染物的浓度进行数据拟合, 并求出拟合函数的极大值, 进而为确定可能的污染物来源提供依据。所得数据如表1所示。
(二) 模型二:纯扩散模型
1. 方程的导出[1, 2]
根据扩散定律和质量守恒定律, 在表层土壤任选一包含污染源的闭曲面「, 它所包围的区域为Ω, 从时刻t1到时刻t2流进次闭曲面的全部污染物质量为
其中D (x, y, z) 为某种污染物传播系数, N表示污染物的浓度。结合质量守恒定律, 由此知
假设函数N关于变量x, y, z具有二阶连续偏导数, 关于t有一阶连续偏导数, 利用格林公式, 假设表层土壤介质是均匀的, 即得
2. 定解条件
t=0时刻, 污染源处有污染物浓度N0;而其他各处污染物浓度为零。因此上述扩散方程) 1 (应该满足初始条件
又因为污染物可到达的区域很大, 而所需知道是在较短时间和较小范围内的污染物浓度变化情况, 故该定解问题课可作是柯西问题。在任意时刻t满足:
3. 方程求解
利用傅里叶变换法和其次化原理求解定解问题:
根据叠加原理可得柯西问题 () 2的解为
4. 模型合理简化
在计算过程中, 我们发现上式等号右端的第二项太过复杂, 于是决定将模型简化为
即认为在t=0时刻, 污染源处污染物的浓度为N0;而在任何t>0的时刻, 污染源处不再释放污染物。
5. 模型检验
以As元素为例, 为尽量符合模型假设, 选取As浓度最高点附近的一些点对模型进行检验。具体选点标准如下:浓度实测值:n>5;横坐标值:16000
不妨近似认为这些点有相同的z值和t值。对) 3 (左右两端取对数, 根据最小二乘原理做线性回归可得到N取到最大值时 (x, y) 的值。 (x, y) = (18102, 10066) , 与模型一拟合出的As元素浓度最高点的坐标 (18200, 10100) 的误差 (98, 34) (m) 。
结果分析:由模型一和模型二分别得到最大浓度点的坐标差值不超过1200 m。在误差允许的范围内, 可以认为模型一和模型二得到的结果相吻合, 从而验证了这两个模型的合理性。
摘要：本文根据金属污染物的等浓度线图分析了重金属元素的传播特征, 发现重金属元素在浓度较高的点附近的扩散呈现明显的同心圆趋势, 说明浓度是扩散的主要影响因素, 而在重金属污染物浓度低的地方, 其扩散没有明显规律, 自然因素成为其主要影响因素。基于此分析, 我们做出合理假设, 建立了三维数据拟合模型和扩散模型, 找出了污染物浓度最高点, 进而确定了污染源的位置。文中, 我们对两种模型进行了检验和对比, 发现两种模型的结果吻合程度很高。
关键词：插值方法,数据拟合,扩散模型
参考文献
[1]谷超豪, 李大潜, 陈恕行, 等.数学物理方法[M].2版.北京:高等教育出版社, 2002:48.
农田表层土壤 第6篇
1样品的采集
随着城市经济的快速发展和城市人口的不断增加,人类活动对城市环境质量的影响日显突出。按照功能划分,城区一般可分为生活区、工业区、山区、主干道路区及公园绿地区等, 分别记为1类区、2类区、……、5类区,不同的区域环境受人类活动影响的程度不同。
现对某城市城区土壤地质环境进行调查。为此,将所考察的城区划分为间距1 km左右的网格子区域,按照每平方公里1个采样点对表层土 ( 0 ~ 10 cm深度) 进行取样、编号,并用GPS记录采样点的位置。应用专门仪器测试分析,获得了每个样本所含的多种化学元素的浓度数据。另一方面,按照2 km的间距在那些远离人群及工业活动的自然区取样,将其作为该城区表层土壤中元素的背景值。数据分为三部分,第一部分是采样点的位置、海拔高度及其所属功能区等信息,第二部分是8种主要重金属元素在采样点处的浓度,第三部分是8种主要重金属元素的背景值。其数据处理结果见文献[3]。
对于319个采样点,空间分布图如图1。
2各重金属元素的相关性分析
文献[3]采用三种方法对重金属的污染进行了评价,给出了不同区不同重金属的污染情况。本文在此基础上继续分析, 找出主要污染物及污染原因。首先计算各区中各重金属之间的相关性,观察各种金属之间的相关程度为分类打好基础,随后采用主成分分析法对各区8种重金属进行分类,然后结合文献 [3]中重金属对各区的污染程度,计算各类重金属在各区中污染程度,确定各区的主要污染物,从而说明重金属污染的主要原因。
使用SPSS 18对各区数据进行相关性分析,判断个各种金属元素之间的相关性联系,通过数据分析初步查明同类污染物。
通过计算得到该地区8种重金属之间的相关矩阵如表1。
注:*p < 0. 05,**p < 0. 01,***P < 0. 001。
8种重金属相关矩阵显示: As除了与Hg没有显著的相关性之外,与其他6个元素都存在非常显著的正相关关系,说明除了Hg以外,其他七种元素在土壤中浓度存在变化一致性趋势,即同时增加或同时降低。
主成分分析法是用来研究多个变量的相关性的一种多元统计分析方法,它在较少损失原始变量数据信息的前提下,用少量的因子代替原始变量,达到对原始变量分类的目的,用以揭示原始变量之间的内在联系,把庞杂的原始数据按成因上的联系进行归类。主成分分析的目的不仅仅是找出主成分,更主要的是明确各主成分的意义,即需明确每个主成分所代表的污染源。第一主成分解释的原变量方差最多,而其后的主成分所解释的方差逐渐减少,一般认为第一主成分是污染的主要来源。
利用主成分分析进行源解析前,采用KMO ( Kaiser - Meyer Olkin) 和Bartlett ( Bartlet - t test of Sphericity) 法对原始数据集进行主成分分析适宜性检验。
KMO抽样适度测定值都大于0. 6,Bartlett球形检验值对应的概率P值均小于显著性0. 05,因此表明各功能区数据适合做主成分分析。各功能区成分旋转成份矩阵,如表3。
从旋转成份矩阵表的共同度可见,用主成分分析法提取的若干主成分能够很好地解释原各变量,各区中共同度绝大多数在70% 以上。根据上述主成分分析结果整理得到各功能区8种重金属污染原因,见表4和表5。
3结论
经过统计分析,该城区生活区主要受污染的重金属是Pb、 Hg和As,主要来源于生活垃圾、汽车尾气和工业污染; 工业区的污染重金属较多,主要由Hg、Cu、Cr、Pb、Cd、Zn,主要来源为工业废水、汽车尾气和轮胎磨损; 而在该城区的山区几乎未受到任何重金属的污染,山区上的重金属含量主要来源于岩石; 交通区主要受到Cu、Zn、Pb三种重金属的污染,主要来源于汽车尾气排放、轮胎磨损和经过大气传播的工业废气的污染; 公园绿地区主要受到Pb、Cu、Zn三种重金属的污染, 主要来源于汽车尾气排放、轮胎磨损和经过大气传播的工业废气的污染。
As主要来源于生活区的生活垃圾、污水排放导致,Cd、 Hg和Cr主要来源于工业区的三废排放,Cu和Pb主要来源于工业区和交通区的污染源,Ni主要来源于山区的岩石层,Zn主要来源于生活区和交通区的交界,并且工业区的污染物会经过大气传播传播到其他地区,造成进一步的污染。
摘要：根据8种元素之间的相关系数初步判断元素之间的关联关系,再通过主成分分析法分析造成各功能区污染的主要重金属,进而分析了各重金属污染的主要原因。结果显示,该城区生活区主要受污染的重金属是Pb、Hg和As,主要来源于生活垃圾、汽车尾气和工业污染;工业区的污染重金属较多,主要有Hg、Cu、Cr、Pb、Cd、Zn,主要来源为工业废水、汽车尾气和轮胎磨损;而在该城区的山区几乎未受到任何重金属污染,山区上的重金属含量主要来源于岩石;交通区主要受到Cu、Zn、Pb三种重金属的污染,主要来源于汽车尾气排放、轮胎磨损和经过大气传播的工业废气的污染;公园绿地区主要受到Pb、Cu、Zn三种重金属的污染,主要来源于汽车尾气排放、轮胎磨损和经过大气传播的工业废气的污染。
农田表层土壤 第7篇
1 土壤的基本理化性质
1.1 pH值
土壤pH值 (酸碱度) 是土壤重要的基本性质, 是土壤形成过程和熟化培肥过程的一个重要指标, 它对土壤中养分存在形态和有效性, 对土壤的理化性质、微生物活动以及植物的生长发育都有直接的影响[1]。此外, 还值得强调的是, 土壤由于施用化肥和土壤中的微生物活动作用使其产生的酸性, 比酸雨带来的酸性要大。上述因素包括: (1) NH4+-N肥的硝化作用; (2) 根瘤菌和蓝菌的固定氮; (3) 根对营养元素的吸收; (4) 根呼吸放出CO2等都要产生酸。铅在土壤中的溶解性随pH值的增高而降低, 因此不同性质的土壤, 释放铅的能力是不同的。碱性褐土和黑土, 对铅的吸附比例均高于95%, 即溶液中的铅小于5%;而酸性红壤对铅吸附能力较低, 最少时可溶性铅仅占40%。黄棕壤的p H由4.9 7下降到2.2 1时, 水溶态铅增加近20倍, 交换态铅增加近100倍[2]。
1.2 阳离子交换量
当考虑金属在土壤中的最高容许量时, Leeper在1972年首先提出必须涉及土壤的CEC, 1973年美国EA, 在规定污泥农田施用的锌当量的基础上, 引进了CEC[3] (阳离子交换量) 是指土壤胶体所能吸附的各种阳离子的总量, 它是土壤交换性能的反应和土壤缓冲性能的主要来源, 是土壤保肥能力的重要指标[1]。土壤胶体对重金属的吸附能力与金属的性质及胶体种类有关, 阳离子的价态会影响同一类型的土壤胶体对阳离子的吸附。
1.3 有机物
由土壤微生物作用, 使土壤中的有机物形成土壤腐殖质, 它们是一类高分子有机化合物, 含有多种含氧功能团, 如羧基、酚羟基和醇羟基等, 容易和重金属元素发生络合或螯合反应。这些以有机颗粒或有机膜被覆的形式的腐殖质和土壤中的粘土矿物、氧化物等无机颗粒相结合形成有机胶体和有机无机复合胶体, 通过增加土壤的表面活性和表面积, 使得土壤的吸附能力随有机质的增加而增加。有机胶体和有机无机复合胶体吸附铅的重要反应机制是发生在腐殖质中含氧功能团和重金属铅离子之间的络合及螯合反应。同时, 腐殖质中的含氧功能团也是制约土壤阳离子交换量的重要因素, 所以土壤的吸附能力可以通过施入土壤中的有机质改变阳离子交换量来影响。
2 土壤中铅含量的测定
2.1 土壤样品采集
运用棋盘式布点法对土壤采样点进行布置, 将采样区合理划分成若干个采样单元, 同时, 在不受污染源影响的地方选择对照采样单元。再用五点法:将选定的采样点的对角线交叉点及其周围表层土壤 (0～20cm) 样品采集后 (除去土壤表面草根落叶) , 混匀, 利用四分法, 即将土样平铺成圆形, 分成四等分取向对的两份混合后再平分, 直至样品取至500g左右, 装入土样袋, 贴上标签, 带回实验室备用。
2.2 样品预处理
将采回的土样全部倒在纸上, 于半干态将土块压碎, 后铺成薄层, 放在阴凉处, 让其自然风干。7d后取干燥土样, 用玻璃研钵将土样碾碎, 然后通过2mm的尼龙筛, 除去沙砾和植物残体, 筛出的细土反复按四分法进行弃取, 最后留样品约100g进一步用玻璃研钵磨细, 最后全部通过100目的尼龙筛, 装袋, 并贴好标签, 备用。
2.3 样品处理
准确称取土壤样品0.1g (精确到0.0001g) 于聚四氟乙烯消解罐中, 分别加入5.00mL HN O3, 2.00 mL H Cl和2.00 mL H F, 摇匀, 室温下放置0.5h, 使土壤中的矿物品格彻底破坏, 铅元素全部融入试液。将聚四氟乙烯消解罐套上套筒, 盖紧罐盖, 放入框架中, 旋紧顶螺丝, 放入WX-4000微波快速消解系统中。设置好仪器工作参数, 待主控罐压力降到0.5MPa, 温度降到8 0℃以下时取出消解罐, 将消解液转移至烧杯内, 在电热板上加热至冒浓密白烟, 待烧杯内的溶液呈可滚动珠状, 用1∶1硝酸1.00mL使其残渣温热溶解, 然后用0.45μm的纤维滤膜过滤, 将溶液转移至5 0mL的容量瓶中定容, 取上清液用AAS-3800火焰原子吸收分光光度计测定样品铅含量。
3 土壤铅污染的评价标准
土壤环境质量标准 (GB156181995) 的标准分为三级, 一级标准为保护区域自然生态, 维持自然背景的土壤环境质量的限制值, 二级标准为保障农业生产, 维护人体健康的土壤限制值, 三级标准为保障农林业生产和植物正常生长的土壤临界值。本次研究将采用一级标准的评价标准和单因子污染评价法的评价标准作为综合评价标准。
4 铅在土壤中的分布特征
4.1 公路两侧土壤中铅的分布特征
由李湘洲, 祝浩[4]对长株潭公路系统土壤铅积累分布格局的研究表明, 公路沿线土壤中铅含量明显比背景值高, 且其与距公路垂直距离的分布变化趋势是先随距离的增加而上升后又逐渐下降, 其研究结果还表明土壤中铅含量随车流量的增加而增加。赵健[5]等用等离子发射光谱仪对沪宁高速沿线土壤中的铅含量进行分析后, 表明:公路沿线上风向地区土壤中重金属含量要低于下风向地区, 因此影响污染物扩散的重要因素之一是风向。除了风向以外, 路肩高度、路旁的防护林带等也会影响Pb颗粒物的扩散。作物生产活动对Pb颗粒物沉降到农田土壤中也有着强烈的影响。
4.2 铅锌矿区铅的分布特征
李瑞萍[6]等利用连续提取法测定兰坪金顶铅锌矿区土壤中Pb的形态含量, 结果表明, P b的污染及形态分布受矿体空间展布、地形变化、矿业活动、地表径流等的影响, 其中水溶态Pb受植被和水系影响更大。土壤中Pb形态含量依次为残渣态>碳酸盐态>活性铁锰态>有机结合态>离子交换态>水溶态, 环境有效态 (水溶态、离子交换态与碳酸盐态之和) 含量比较高。郭维军[7]等对广西泗顶铅锌矿区进行研究后, 指出:矿区周边土壤重金属离子按平均含量大小排序为:Zn>P b>Mn>Cu>C r, 其中Zn、P b的含量远高于土壤质量三级标准。
4.3 铅在蔬菜地及草坪土壤中的分布特征
王永志等研究表明:草坪植物对土壤中的重金属铅具有修复作用, 铅超积累植物[8]能够在其体内富集铅元素, 进而随草坪草的修剪过程减轻土壤中重金属铅的污染。因此草坪环境的表层土壤较其他环境下的表层土壤中铅含量相对较少。由袁波[9]等对重庆市北碚区疏菜地土壤铅含量的研究结果显示:石灰土分布区域内土壤全铅含量的平均含量为48.48mg/kg, 而非石灰土区域的平均值为37.78mg/kg。可见, 石灰土中铅含量远比非石灰土中高, 这可能与成土母质中铅含量不同、形成同样厚度的石灰土需要比紫色土和紫色性水稻土更长的时间出现了富集现象有关。
5 结语
通过对大量文献的总结, 我们了解了铅的基本理化性质, 掌握了土壤中铅的分布特征及其检测方法。这些都为我们检测研究土壤中的铅奠定了坚实的基础, 我们会根据所在地区的实际情况合理选择研究方法, 争取获得较精确的实验结果。
参考文献
[1]鲁如坤.土壤农业化学分析方法[M].北京:中国农业出版社, 2000.
[2]王孝堂.土壤酸度对重金属形态分配的影响[J].土壤学报, 1991, 28 (1) :103-107.
[3]王宏康.污泥施肥时有毒物质控制标准研究[J].中国环境科学, 1983, 3 (5) :56-59.
[4]李湘洲, 祝浩.长株潭公路系统土壤铅累积分布格局及其植物对铅累积状况的研究[J].环境保护, 2003 (9) :48-52.
[5]赵健, 冯金飞, 张卫健.沪宁高速沿线土壤和水稻铅含量空间分布差异分析[J].江苏农业科学, 2010 (4) :366-369.
[6]李瑞萍, 王安建, 曹殿华, 等.云南兰坪金顶铅锌矿区土壤中Pb分布特征[J].地球学报, 2009, 30 (1) :72-78.
[7]郭维军, 陈学军, 崔晓艳.广西泗顶铅锌矿区生态恢复与重建研究[J].中国矿业, 2010, 19 (5) :44-46.
[8]王志勇, 廖丽, 袁学军.重金属铅对草坪植物的毒害研究进展[J].草原与草坪, 2010, 30 (2) :8-15.
