CN107561242B - 一种复合污染农田土壤质量的评价方法 - Google Patents
一种复合污染农田土壤质量的评价方法 Download PDFInfo
- Publication number
- CN107561242B CN107561242B CN201710754155.8A CN201710754155A CN107561242B CN 107561242 B CN107561242 B CN 107561242B CN 201710754155 A CN201710754155 A CN 201710754155A CN 107561242 B CN107561242 B CN 107561242B
- Authority
- CN
- China
- Prior art keywords
- pollution
- soil
- fertility
- index
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Processing Of Solid Wastes (AREA)
Abstract
本发明涉及农田土壤环境的监测评价技术领域,具体涉及一种复合污染农田土壤质量的评价方法;首先进行采样,然后对样品进行污染指标和肥力指标的测定,将测定结果进行主成分分析,然后进行判断并若污染因子的影响大于养分肥力因子,则先进性污染等级评价,再进行不同污染等级下的肥力等级评价;若养分肥力因子影响大于污染因子,则先进行肥力等级评价,再进行不同肥力等级下的污染等级评价;本发明复合污染农田土壤质量的逐级评价方法,使分析结果可以直观地表明各复合污染程度土壤的养分肥力特点,提高了复合污染农田土壤质量的评价的科学性,对加强土壤环境质量,污染土壤的风险评估以及保障人们的饮食安全有重要的意义。
Description
技术领域
本发明涉及农田土壤环境的监测评价技术领域,具体涉及一种复合污染农田土壤质量的评价方法。
背景技术
农田土壤作为农业生产的基础,是植物特别是农作物必要的生存环境,为人类提供所必需的食物和原料。为了解决农业灌溉用水问题,在我国农业用水形势紧张的北方地区,污水已经成为城镇近郊农业灌溉的主要水源。但是,由于灌溉水成分复杂,目前我国污水处理的总体水平较低,直接用于灌溉农作物可对土壤、地下水和农作物等造成污染。污染物质在环境中不断累积、迁移和转化,导致土壤环境质量恶化。
据统计,目前全国受污染的耕地已达1000万hm2,约占耕地总面积20%以上,每年因为土壤污染造成的经济损失达200亿元,其中每年因重金属污染的粮食达1200万t。山西省作为国家的能源重化工基地,土壤污染问题较其他省区更为突出,主要是镉、砷等重金属类的污染。此外,山西是我国最大的焦炭生产基地,在炼焦和焦炉煤气净化及其他产品加工过程中,特别是炼焦过程中排放大量的废气,在煤气净化和焦油加工过程中也排放大量的苯系物、萘及其它芳烃类物质,这些污染物会对周围的生态环境带来严重影响,特别是对农业生态环境造成严重污染。
现阶段已有研究大量利用数学及各种数据统计方法进行土壤环境质量评价,且不同程度地提高了评价的科学性,而且具有实用价值。但这些研究于突出数学计算方法本身,而忽略了环境质量评价中基本参数的选择,单项指数的计算以及权重值确定等问题。此外,对于污染农田来说,农作物中污染物的含量与土壤物理,化学和生物指标等因素密切相关,而已有报道都是针对土壤单一因素对作物吸收污染物影响的研究。在实际土壤环境中,往往同时存在多种因素的影响,仅仅针对某一因素建立土壤环境质量评价指标难以反应真实的土壤污染情况。
发明内容
本发明为解决现有仅针对某一因素建立土壤环境质量评价指标难以反应真实的土壤污染情况和肥力情况的技术问题,提供一种复合污染农田土壤质量的评价方法。
为解决上述技术问题,本发明所采用的技术方案为:
一种复合污染农田土壤质量的评价方法,包括以下步骤:
步骤一,布设采样点,采集土样;
步骤二,检测步骤一所采样品的各项污染指标含量和各项肥力指标含量,所述污染指标为重金属和多环芳烃污染指标;
步骤三,对步骤二所测指标含量用SPSS软件进行主成分分析,根据特征值大于1以及累积贡献率大于75%的原则,选出第一主成分中具有较高的因子负荷的指标;然后分两种情况进行评价:
第一种情况,当第一主成分中具有较高因子负荷的指标为污染指标,则首先对农田土壤污染指标进行评价:
(1)以步骤二所测重金属和多环芳烃的含量的总量作为评价指标,以欧氏距离作为衡量各处理土壤污染程度差异大小,采用最短距离法将各采样点按土壤污染水平的亲疏相似程度进行系统聚类,聚类成若干类;
(2)对每个采样点以国家土壤环境质量标准二级限量值作为污染评价参考值采用单因子污染指数和综合污染指数,对重金属污染进行评价,计算公式如下:
式中:Pi为土壤重金属i的单项污染指数;Ci是土壤重金属i的实测值;Si是重金属i的评价标准值;
式中:(Ci/Si)mean和(Ci/Si)max分别为平均单因子污染指数和最大污染指数;
将重金属污染等级分为严重污染P综>3、中度污染2<P综≤3、轻度污染1<P综≤2、警戒0.7<P综≤1、安全P综≤0.7;
(3)对每个采样点采用内梅罗综合指数法进行,对多环芳烃污染进行评价;评价公式如下:
式中:Qi为土壤多环芳烃i的单项污染指数;Fi是土壤多环芳烃i的实测值;Ai是多环芳烃i的评价标准值,多环芳烃i的评价标准值均为100ng/g;
将多环芳烃污染等级分为严重污染Q>3、中度污染2<Q≤3、轻度污染1<Q≤2、警戒0.7<Q≤1、安全Q≤0.7;
(4)以聚类分析结果得出的若干类采样点为基础,对不同类的采样点进行重金属和多环芳烃的污染程度进行划分,结合聚类分析以及重金属和多环芳烃的划分结果,将所采土样分为3类,分别为污染程度较大、污染程度中等、清洁;
然后对3类不同污染程度的农田土壤分别进行肥力评价:
(1)首先确定要评价的肥力指标,对步骤二所测得的肥力指标原始数据用SPSS软件进行标准化处理,将标准化后的数据进行主成分分析,根据特征值大于1以及累积贡献率大于75%的原则,提取了4个主成分,分别选取第一主成分和第二主成分包含的土壤肥力指标作为评价指标;
(2)针对某一类污染程度的采样点采用模糊隶属度函数模型对土壤肥力质量进行评价,
将某一类污染程度的采样点要评价的肥力指标实测值,即步骤二所测得的数据代入函数公式(1),计算出各评价指标的隶属度值
其中肥力指标参照北京市耕地土壤养分分等定级标准,以标准中极低水平的0.5倍作为函数的转折点x1的值,高级水平的下限值定为函数的转折点x2的值;x为肥力指标实测值;
(3)将某一类污染程度的采样点要评价的肥力指标实测值用SPSS软件进行主成分分析,将特征值大于1且累积贡献率大于75%为选取主因子的条件,经过统计分析找出符合条件的主因子,通过计算各评价因子主成分的特征值和贡献率求出各项评价指标的公因子方差,得出各项肥力指标的权重;
(4)将上述求得的各评价指标的隶属度值和对应的权重系数,依据公式(2)进一步计算出各土壤样品的肥力质量综合评价指标值(IFI),即可得出某一类污染程度的采样点的肥力等级;计算公式为:
IFI=∑Yi·Xi……………………………………(2)
式中:Xi为第i种评价指标的隶属度值,Yi为第i种评价指标的权重系数;
当IFI值≥0.5,肥力水平为优,肥力等级为I;当0.4≤IFI值<0.5,肥力水平为良好,肥力等级为Ⅱ;当0.3≤IFI值<0.4,肥力水平为中等,肥力等级为Ⅲ;当0.2≤IFI值<0.3,肥力水平为较差,肥力等级为Ⅳ;当IFI值>0.2,肥力水平为差,肥力等级为Ⅴ;
第二种情况,当第一主成分中具有较高因子负荷的指标为肥力指标时,首先对农田土壤所有采样点进行肥力评价,所述肥力评价方法同第一种情况中肥力评价方法一致,将农田土壤所有采样点分为I级、Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级;
然后对所分的五类的不同肥力等级的农田土壤分别进行污染指标评价,所述农田土壤污染指标进行评价方法同第一种情况中的污染指标进行评价方法一致,将农田土壤分为3类,分别为污染程度较大、污染程度中等、清洁。
步骤一中采用网格布点法在污染源附近的农田布设采样点,取0-10cm表层土壤;
步骤二中的污染指标为∑PAHs、总砷、总汞、总镉、总铅、总铬、总铜和总锌。
步骤二中肥力指标为有机质、全磷、有效磷、全钾、速效钾、全氮、碱解氮、pH、电导率和阳离子交换量。
所述∑PAHs为萘、苊烯、苊、芴、菲、蒽、荧蒽、芘、苯并[a]蒽、屈、苯并[b]荧蒽、苯并[k]荧蒽、苯并[a]芘、茚并[1,2,3-cd]芘、二苯并[a,h]蒽和苯并[g,h,i]苝。
SPSS软件为现有公知软件,采用SPSS软件进行主成分分析是现有公知技术。
与现有技术相比本发明具有以下有益效果:
本发明基于农田土壤肥力与污染相结合的依据,分析农田土壤不同污染等级下的土壤肥力等级或不同肥力等级下的土壤的污染等级。本发明采用聚类分析结合污染指数和肥力等级进行复合污染农田土壤的质量评价,使分析结果可以直观地表明各复合污染程度土壤的养分肥力特点,提高了复合污染农田土壤质量的评价的科学性,对加强土壤环境质量,污染土壤的风险评估以及保障人们的饮食安全有重要的意义。
附图说明
图1为实施例1采样点分布图。
图2为实施例中第四步以7种重金属和多环芳烃总量作为评价指标的聚类结果图。
具体实施方式
以下结合具体实施例对本发明作进一步说明。
实施例1
第一步,如图1所示,在太原小店污灌区的3条污灌渠附近采集供试土样,采样点位按污水渠流向采用网格布点法布设,同时考虑污水水质、土壤类型、污灌历史等因素,共布设35个采样点,取0-10cm表层土壤,同时,采取非污灌区道巴地区土样作为监测背景值,记作CK。
第二步,对采集的土样进行肥力指标和污染指标的含量测定;
污染指标为:∑PAHs、总砷(As)、总汞(Hg)、总镉(Cd)、总铅(Pb)、总铬(Cr)、总铜(Cu)、总锌(Zn);
肥力指标为:有机质(SOM)、全磷(TP)、有效磷(AvP)、全钾(TK)、速效钾(AvK)、全氮(TN)、碱解氮(AvN),pH,电导率,阳离子交换量。
第三步,对上述所测指标含量用SPSS软件进行主成分分析,根据特征值大于1以及累积贡献率大于75%的原则,选取前4个因子作为主成分;
由表1可以看出,特征值大于1的成分共有4个,且前4个成分的特征值累积贡献率达80.17%。
表1污灌区菜地土壤质量主成分的特征值和贡献率
表2污灌区土壤质量主成分的因子载荷矩阵
第一主成分的贡献率为47.75%,即反映的信息量占总信息量的47.75%,Pb(0.945)、PAHs(0.930)、Cr(0.912)、Zn(0.896)、Hg(0.838)、AvP(0.788)、Cu(0.714)这7个指标在土壤质量评价体系中具有较高的因子负荷。综合实际意义可知,第一主成分是该评价体系中土壤污染程度的量度,在污灌区土壤质量评价体系中居于首要地位。因此,在进行小店污灌区土壤质量评价时应首先考虑该土壤质量污染指标的评价。
第二主成分反映的信息量占总体信息量13.01%,As(0.588)、SOM(0.628)、AkN(0.778)、AvK(0.874)在第二主成分中因子负荷较高。其主体是对SOM、AvK、AkN三种肥力水平的量度。由此不难看出,在污染水平大体相同的情况下,SOM、AvK、AkN是反映土壤肥力水平的综合指标。
第三主成分反映的信息量占总体信息量的11.13%,因子载荷量较大的指标是TN(0.910)、TP(0.581)。土壤TN、TP有较强的正向载荷,表明该主成分是以土壤TN、TP为主要因子的综合指标。显然,第三组成分是在土壤污染水平和SOM、AvK、AkN大体相同的条件下,反映土壤TN、TP供应强度的综合指标。
第四主成分反映的信息量占总体信息量8.29%,因子载荷量绝对值依次较大的是Cd(0.505)、TK(-0.786)。其中,土壤TK为较强的负向载荷,表明该组成分是以土壤TK为主导的综合指标。Cd具有较强的正向载荷,说明它对土壤TK的供应有抑制作用。这个综合指标在污灌区土壤质量评价中处于第四位。
由此可见,小店污灌土壤质量评价中重金属和多环芳烃污染因子的重要性大于养分肥力因子。因此,对该污灌区进行土壤质量评价时首先应对重金属和多环芳烃的污染程度进行评价。
第四步,污灌区农田土壤重金属和多环芳烃污染的质量评价。
(1)以7种重金属和多环芳烃总量作为评价指标,以欧氏距离作为衡量各处理土壤污染程度差异大小,采用最短距离法将各样本点按土壤污染水平的亲疏相似程度进行系统聚类。聚类结果如图2所示。根据聚类结果,将采样点分为五类:第一类为采样点S33,S34,S11,S10,S32,S9,S8,S30,S35,S7,S13,S29,S31,S28;第二类采样点为S23,S24,S1,S12,S17,S27,S16,S26,S2,S25,S3,S22,S15,S18;第三类采样点为S5,S19,S4;第四类采样点为S20,S21,S6;第五类采样点为S14。
(2)对每个采样点进行重金属污染评价,土壤重金属污染采用综合污染指数法,该方法如下:
以国家《土壤环境质量标准(征求意见稿)》(GB 15618—2008)中二级限量值作为污染评价参考值(表3),采用单因子污染指数和综合污染指数,对7种土壤重金污染进行评估。计算公式如下:
式中:Pi为土壤重金属i的单项污染指数;Ci是土壤重金属i的实测值;Si是重金属i的评价标准值。
式中:(Ci/Si)mean和(Ci/Si)max分别为平均单因子污染指数和最大污染指数。
污染评价等级划分见表4,污灌区各采样点重金属综合污染指数见表5。
表3国家土壤环境质量标准二级限量值(GB 15618—2008)
表4土壤重金属污染评价分级标准
表5污灌区各采样点重金属综合污染指数
(3)对每个采样点进行多环芳烃的污染评价,借用加拿大农业区域土壤PAHs的治理标准值,对35个采样点PAHs残留量采用内梅罗综合指数法进行评价。评价指标为萘、菲、蒽、荧蒽、屈、苯并[a]蒽、苯并[a]芘、苯并[k]荧蒽、苯并[g,h,i]苝、茚并(1,2,3-cd)芘,标准值皆为100ng/g。对PAHs总量采用内梅罗综合污染指数(P)进行风险评价,评价公式如下:
式中:Qi为土壤多环芳烃i的单项污染指数;Fi是土壤多环芳烃i的实测值;Ai是多环芳烃i的评价标准值,多环芳烃i的评价标准值均为100ng/g;
多环芳烃污染评价等级划分见表4。
表6污灌区各采样点PAHs综合污染指数
综合上述结果,小店污灌区农田土壤已受到重金属和多环芳烃的复合污染。
(4)重金属和多环芳烃复合污染不同污染程度点位的划分:
以聚类分析结果得出的五类采样点为基础,对不同类的采样点污染程度进行划分,见表7:
表7不同聚类采样点的重金属和PAHs污染等级评价
由表7可以看出,第一类采样点重金属污染等级均为安全,PAHs污染等级均为中度污染;第二类采样点重金属污染等级除S15外多数为安全或警戒,第三、四、五类采样点重金属污染等级均为轻度污染或警戒。
结合以上聚类分析以及重金属和多环芳烃的评价的结果,将采样点分为3类,第一类为重金属和多环芳烃污染程度相对较大的点,包括点位4,5,6,14,19,20,21(即聚类结果的第三、四、五类采样点);第二类为污染程度中等的点,包括样点1,2,3,12,15,16,17,18,22,23,24,25,26,27(即聚类结果的第二类采样点);第三类较为清洁的点有7,8,9,10,11,13,28,29,30,31,32,33,34,35(即聚类结果的第一类采样点)。在此基础上,对三类不同污染程度的农田土壤进行肥力评价。
第五步,对上述三类不同污染程度的农田土壤进行肥力评价。
对选取的有机质、全磷、有效磷、全钾、速效钾、全氮、碱解氮、pH、电导率和阳离子交换量10项指标(依次采用X1、X2、X3、X4…X10表示)进行分析。鉴于本实施例中10个土壤指标具有不同的量纲,同时它们的数量级差别也很大,因此需要对原始数据进行标准化处理,将标准化后的数据进行主成分分析,分析得出矩阵特征值、贡献率和累计贡献率(表8)。
表8解释的总方差
根据特征值≥1且累积贡献率>75%的原则,提取了4个主成分(表9)。由表4看出,第一主成分的贡献率为33.764%,即反映的信息量占总体信息量的33.764%,主要含有有机质、全磷、有效磷、速效钾、碱解氮和阳离子交换量六项指标;第二主成分的贡献率为18.657%,该主成分是pH和电导率的综合反映;第三主成分的贡献率为13.824%,该主成分是全氮的综合反映;第四主成分反映信息量占总体信息量的11.960%,该成分是全钾的反映。根据主成分计算公式,得到4个主成分与10项养分指标的线性方程组合如下:
表9主成分分析结果
根据上述结果,结合研究区实际情况,分别选取第一主成分和第二主成分包含的土壤肥力因子有机质、全磷、有效磷、速效钾、碱解氮、阳离子交换量和pH作为评价指标。采用模糊隶属度函数模型对土壤肥力质量进行评价。
隶属度函数的确定:
由于评价因素指标之间缺乏可比性,因此需要利用隶属度函数进行归一化处理。隶属度函数实际是所要评价的肥力指标与作物生长效应曲线(S型曲线或直线)之间关系的数学表达式,它可以将肥力评价指标标准化,转变成范围为0~1的无量纲值(即隶属度)。根据前人研究经验,结合研究区实际情况,确定戒上型隶属度函数作为土壤有效磷、速效钾、全氮、阳离子交换量和有机质隶属度函数。其函数表达式为:
应用上述隶属函数确定隶属度值,须先确定各评价指标的转折点x1、x2。结合已有相关文献和研究区域种植制度、作物生长的实际情况,确定该隶属函数中转折点的相应取值,其中养分指标参照北京市耕地土壤养分分等定级标准,以标准中极低水平的0.5倍作为函数的转折点x1的值,高级水平的下限值定为函数的转折点x2的值,x为肥力指标实测值;各指标隶属度函数转折点x1,x2如表10所示。
表10土壤肥力各项指标隶属度曲线转折点取值
另外,农作物在pH值为6.5~7.5的土壤中生长最适宜,过高过低都会抑制作物的生长。采用经验法确定pH值的隶属度值如表11所示。
表11土壤pH值隶属度值
A、重金属和多环芳烃污染程度较高的农田土壤肥力评价(采样点4,5,6,14,19,20,21)。
将各评价指标实测值代入函数公式(1),可计算出各评价指标的隶属度值(表12)。隶属度值反映了评价指标隶属的程度,其值在0.1~1.0之间,最大值1.0表示土壤适宜性最好,完全适宜作物的生长,最小值0.1表示土壤适宜性最差,养分指标严重缺乏或不协调。
表12土壤肥力各指标隶属度值
由表12可以看出,阳离子交换量(0.356)最低,碱解氮(0.689)次之,表明土壤碱解氮和阳离子交换量是该地区土壤肥力质量主要的限制因子。全磷和有机质的隶属度值最高,说明该地区土壤的全磷及有机质不是限制因子。
在本实施例中以特征值大于1且累积贡献率大于75%为选取主因子的条件,经过统计分析发现符合条件的主因子有3个(表13),通过计算各评价因子主成分的特征值和贡献率求出各项评价指标的公因子方差,其大小表示该指标对土壤肥力总体变异的贡献,由此得出各项肥力指标的权重(表14)。
权重系数的确定是土壤质量评价过程中的重要一环。对于本次所选取的土壤肥力质量评价指标,权重系数由高到低为有机质>有效磷>全磷>pH>碱解氮>阳离子交换量>速效钾。其中,有机质的权重系数为0.159,有效磷的权重系数为0.158,全磷的权重系数为0.150。权重系数的确定说明有机质、有效磷和全磷在第一类研究区地块土壤肥力质量评价中影响较大,而其他3项指标影响相对较小。
表13主成分与原变量的相关系数
表14各项肥力指标公因子方差及权重
根据上述求得的各评价指标的隶属度值和对应的权重系数,依据公式(2)可进一步计算出各土壤样品的肥力质量综合评价指标值(IFI)。计算公式为:
IFI=∑Yi·Xi……………………………………(2)
式中:Xi为第i种评价指标的隶属度值,Yi为第i种评价指标的权重系数。
参考华北平原土壤肥力质量实际情况,以土壤综合肥力指数IFI作为依据,按照等距法将本地区土壤肥力划分为5个等级(表15)。
表15土壤肥力质量等级综合指标值
经过计算,该研究地区的土壤肥力综合评价指标值(IFI)为0.723,依据表12肥力等级,判定为I级土壤肥力质量。
B、重金属和多环芳烃污染程度中等的农田土壤肥力评价(采样点1,2,3,12,15,16,17,18,22,23,24,25,26,27)。
将各评价指标实测值代入函数公式(1),可计算出各评价指标的隶属度值(表16)。
表16土壤肥力各指标隶属度值
由表16可以看出,阳离子交换量(0.368)最低,有效磷(0.620)次之,表明土壤有效磷和阳离子交换量是第二类土壤肥力质量主要的限制因子。全磷和有机质的隶属度值最高,说明第二类土壤的全磷及有机质不是限制因子。
在本实施例中以特征值大于1且累积贡献率大于75%为选取主因子的条件,经过统计分析发现符合条件的主因子有2个(表17),通过计算各评价因子主成分的特征值和贡献率求出各项评价指标的公因子方差,其大小表示该指标对土壤肥力总体变异的贡献,由此得出各项肥力指标的权重(表18)。
权重系数的确定是土壤质量评价过程中的重要一环。对于本次所选取的土壤肥力质量评价指标,权重系数由高到低为有效磷>碱解氮>全磷>有机质>pH>阳离子交换量>速效钾。其中,有效磷的权重系数为0.158,碱解氮的权重系数为0.156,全磷的权重系数为0.151。权重系数的确定说明有效磷、碱解氮和全磷在研究区地块土壤肥力质量评价中影响较大,而其他3项指标影响相对较小。
表17主成分与原变量的相关系数
表18各项肥力指标公因子方差及权重
依据公式(2)计算出各土壤样品的(IFI)。经过计算,该研究地区的土壤肥力综合评价指标值(IFI)为0.748,依据表15肥力等级,判定为I级土壤肥力质量。
C、重金属和多环芳烃污染程度较轻的农田土壤肥力评价(采样点7,8,9,10,11,13,28,29,30,31,32,33,34,35)。
将各评价指标实测值代入函数公式(1),可计算出各评价指标的隶属度值(表19)。
表19土壤肥力各指标隶属度值
由表19可以看出,阳离子交换量(0.339)最低,有效磷(0.430)次之,表明土壤有效磷和阳离子交换量是第三类土壤肥力质量主要的限制因子。全磷和有机质的隶属度值最高,说明第三类土壤的全磷及有机质不是限制因子。
在本实施例中以特征值大于1且累积贡献率大于85%为选取主因子的条件,经过统计分析发现符合条件的主因子有2个(表20),通过计算各评价因子主成分的特征值和贡献率求出各项评价指标的公因子方差,其大小表示该指标对土壤肥力总体变异的贡献,由此得出各项肥力指标的权重(表21)。
权重系数的确定是土壤质量评价过程中的重要一环。对于本次所选取的土壤肥力质量评价指标,权重系数由高到低为阳离子交换量>有机质>碱解氮>有效磷>速效钾>全磷>pH。其中,阳离子交换量的权重系数为0.159,有机质的权重系数为0.155,碱解氮的权重系数为0.152。权重系数的确定说明阳离子交换量、有机质和碱解氮在第三类研究区地块土壤肥力质量评价中影响较大,而其他3项指标影响相对较小。
表20主成分与原变量的相关系数
表21各项肥力指标公因子方差及权重
根据上述求得的各评价指标的隶属度值和对应的权重系数,依据公式(2)计算出各土壤样品的肥力质量的IFI。经过计算,第三类地区的土壤肥力综合评价指标值(IFI)为0.681,依据表15肥力等级,判定为I级土壤肥力质量。
Claims (5)
1.一种复合污染农田土壤质量的评价方法,其特征在于,包括以下步骤:
步骤一,布设采样点,采集土样;
步骤二,检测步骤一所采样品的各项污染指标含量和各项肥力指标含量,所述污染指标为重金属和多环芳烃污染指标;
步骤三,对步骤二所测指标含量用SPSS软件进行主成分分析,根据特征值大于1以及累积贡献率大于75%的原则,选出第一主成分中具有较高的因子负荷的指标;然后分两种情况进行评价:
第一种情况,当第一主成分中具有较高因子负荷的指标为污染指标,则首先对农田土壤污染指标进行评价:
(1)以步骤二所测重金属和多环芳烃的含量的总量作为评价指标,以欧氏距离作为衡量各处理土壤污染程度差异大小,采用最短距离法将各采样点按土壤污染水平的亲疏相似程度进行系统聚类,聚类成若干类;
(2)对每个采样点以国家土壤环境质量标准二级限量值作为污染评价参考值采用单因子污染指数和综合污染指数,对重金属污染进行评价,计算公式如下:
式中:Pi为土壤重金属i的单项污染指数;Ci是土壤重金属i的实测值;Si是重金属i的评价标准值;
式中:(Ci/Si)mean和(Ci/Si)max分别为平均单因子污染指数和最大污染指数;
将重金属污染等级分为严重污染P综>3、中度污染2<P综≤3、轻度污染1<P综≤2、警戒0.7<P综≤1、安全P综≤0.7;
(3)对每个采样点采用内梅罗综合指数法进行,对多环芳烃污染进行评价;评价公式如下:
式中:Qi为土壤多环芳烃i的单项污染指数;Fi是土壤多环芳烃i的实测值;Ai是多环芳烃i的评价标准值,多环芳烃i的评价标准值均为100ng/g;
将多环芳烃污染等级分为严重污染Q>3、中度污染2<Q≤3、轻度污染1<Q≤2、警戒0.7<Q≤1、安全Q≤0.7;
(4)以聚类分析结果得出的若干类采样点为基础,对不同类的采样点进行重金属和多环芳烃的污染程度进行划分,结合聚类分析以及重金属和多环芳烃的划分结果,将所采土样分为3类,分别为污染程度较大、污染程度中等、清洁;
然后对3类不同污染程度的农田土壤分别进行肥力评价:
(1)首先确定要评价的肥力指标,对步骤二所测得的肥力指标原始数据用SPSS软件进行标准化处理,将标准化后的数据进行主成分分析,根据特征值大于1以及累积贡献率大于75%的原则,提取了4个主成分,分别选取第一主成分和第二主成分包含的土壤肥力指标作为评价指标;
(2)针对某一类污染程度的采样点采用模糊隶属度函数模型对土壤肥力质量进行评价,
将某一类污染程度的采样点要评价的肥力指标实测值,即步骤二所测得的数据代入函数公式(1),计算出各评价指标的隶属度值
其中肥力指标参照北京市耕地土壤养分分等定级标准,以标准中极低水平的0.5倍作为函数的转折点x1的值,高级水平的下限值定为函数的转折点x2的值;x为肥力指标实测值;
(3)将某一类污染程度的采样点要评价的肥力指标实测值用SPSS软件进行主成分分析,将特征值大于1且累积贡献率大于75%作为选取主因子的条件,经过统计分析找出符合条件的主因子,通过计算各评价因子主成分的特征值和贡献率求出各项评价指标的公因子方差,得出各项肥力指标的权重;
(4)将上述求得的各评价指标的隶属度值和对应的权重系数,依据公式(2)进一步计算出各土壤样品的肥力质量综合评价指标值IFI,即可得出某一类污染程度采样点的肥力等级,计算公式为:
IFI=∑Yi·Xi (2)
式中:Xi为第i种评价指标的隶属度值,Yi为第i种评价指标的权重系数;
当IFI值≥0.5,肥力水平为优,肥力等级为Ⅰ;当0.4≤IFI值<0.5,肥力水平为良好,肥力等级为Ⅱ;当0.3≤IFI值<0.4,肥力水平为中等,肥力等级为Ⅲ;当0.2≤IFI值<0.3,肥力水平为较差,肥力等级为Ⅳ;当IFI值>0.2,肥力水平为差,肥力等级为Ⅴ;
第二种情况,当第一主成分中具有较高因子负荷的指标为肥力指标时,首先对农田土壤的所有采样点进行肥力评价,所述肥力评价方法同第一种情况中肥力评价方法一致,将农田土壤所有采样点分为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级;
然后对所分的五类不同肥力等级的农田土壤分别进行污染指标评价,所述农田土壤污染指标进行评价方法同第一种情况中的污染指标进行评价方法一致,将农田土壤分为3类,分别为污染程度较大、污染程度中等、清洁。
2.根据权利要求1所述的一种复合污染农田土壤质量的评价方法,其特征在于:步骤一中采用网格布点法在污染源附近的农田布设采样点,取0-10cm表层土壤。
3.根据权利要求1所述的一种复合污染农田土壤质量的评价方法,其特征在于:步骤二中的污染指标为∑PAHs、总砷、总汞、总镉、总铅、总铬、总铜和总锌。
4.据权利要求1所述的一种复合污染农田土壤质量的评价方法,其特征在于:步骤二中肥力指标为有机质、全磷、有效磷、全钾、速效钾、全氮、碱解氮、pH、电导率和阳离子交换量。
5.根据权利要求3所述的一种复合污染农田土壤质量的评价方法,其特征在于:所述∑PAHs为萘、苊烯、苊、芴、菲、蒽、荧蒽、芘、苯并[a]蒽、屈、苯并[b]荧蒽、苯并[k]荧蒽、苯并[a]芘、茚并[1,2,3-cd]芘、二苯并[a,h]蒽和苯并[g,h,i]苝。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710754155.8A CN107561242B (zh) | 2017-08-29 | 2017-08-29 | 一种复合污染农田土壤质量的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710754155.8A CN107561242B (zh) | 2017-08-29 | 2017-08-29 | 一种复合污染农田土壤质量的评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107561242A CN107561242A (zh) | 2018-01-09 |
CN107561242B true CN107561242B (zh) | 2020-03-24 |
Family
ID=60976117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710754155.8A Active CN107561242B (zh) | 2017-08-29 | 2017-08-29 | 一种复合污染农田土壤质量的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107561242B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564200A (zh) * | 2018-03-08 | 2018-09-21 | 浙江省林业科学研究院 | 一种基于产量构建地理最小数据集的土壤肥力预测方法 |
CN108665004B (zh) * | 2018-05-15 | 2020-09-08 | 安徽理工大学 | 基于主成分分析改进内梅罗污染指数的水质评价方法 |
CN109115992B (zh) * | 2018-08-08 | 2021-02-09 | 北京捷西农业科技有限责任公司 | 一种农田土壤健康评价系统 |
CN109507389A (zh) * | 2018-11-12 | 2019-03-22 | 崔维佳 | 有机农田监测方法及系统 |
CN109900682B (zh) * | 2019-03-22 | 2022-01-25 | 临沂大学 | 一种基于富集因子值计算的表层土壤重金属污染来源定量识别方法 |
CN110489716A (zh) * | 2019-05-20 | 2019-11-22 | 浙江省农业科学院 | 生地熟化评价方法及系统 |
CN110146684A (zh) * | 2019-06-24 | 2019-08-20 | 北京师范大学 | 土壤氨挥发风险性评价方法和装置 |
CN110470820A (zh) * | 2019-09-23 | 2019-11-19 | 上海市园林科学规划研究院 | 一种城市搬迁地快速绿化土壤质量评价方法 |
CN110531055A (zh) * | 2019-09-30 | 2019-12-03 | 中国农业科学院烟草研究所 | 一种基于理化指标的植烟土壤质量综合评价方法 |
CN110990786A (zh) * | 2019-11-27 | 2020-04-10 | 中山大学 | 一种重金属污染的土壤环境的综合评价方法 |
CN111057737B (zh) * | 2019-12-18 | 2023-03-28 | 武汉世纪久海检测技术有限公司 | 一种铀尾矿渗滤浸出场的环境污染程度评价方法 |
CN111505241A (zh) * | 2020-04-26 | 2020-08-07 | 深圳市宇驰检测技术股份有限公司 | 企业周边土壤污染等级评定方法、装置、设备及介质 |
CN111724030A (zh) * | 2020-05-09 | 2020-09-29 | 中国科学院南京地理与湖泊研究所 | 水质综合评价方法、模型、装置及存储介质 |
CN111815184B (zh) * | 2020-07-13 | 2021-04-16 | 农业农村部农业生态与资源保护总站 | 一种耕地土壤环境质量类别划分方法 |
CN112213468B (zh) * | 2020-10-27 | 2023-08-11 | 浙江省农业科学院 | 一种污染土壤安全利用技术效果评价方法 |
CN112541678B (zh) * | 2020-12-11 | 2022-03-11 | 农业农村部环境保护科研监测所 | 一种受污染耕地限制性因子快速筛查及靶向调控方法 |
CN113421023A (zh) * | 2021-07-15 | 2021-09-21 | 上海市环境科学研究院 | 一种农田土壤生态系统健康评价方法及系统 |
CN114931004B (zh) * | 2022-06-28 | 2023-03-10 | 湖南省土壤肥料研究所 | 一种红壤旱地酸化贫瘠化的改良方法 |
CN116777309B (zh) * | 2023-08-23 | 2023-10-27 | 四川省眉山益稷农业科技有限公司 | 一种有机肥发酵质量评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1920557A (zh) * | 2005-08-22 | 2007-02-28 | 中国科学院东北地理与农业生态研究所 | 黑土肥力评价指标体系 |
CN101949920A (zh) * | 2010-09-15 | 2011-01-19 | 上海岩土工程勘察设计研究院有限公司 | 确定污染土壤污染程度的方法 |
CN102254175A (zh) * | 2011-04-07 | 2011-11-23 | 北京市农林科学院 | 基于x射线荧光光谱的不同区域土壤聚类分析方法 |
-
2017
- 2017-08-29 CN CN201710754155.8A patent/CN107561242B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1920557A (zh) * | 2005-08-22 | 2007-02-28 | 中国科学院东北地理与农业生态研究所 | 黑土肥力评价指标体系 |
CN101949920A (zh) * | 2010-09-15 | 2011-01-19 | 上海岩土工程勘察设计研究院有限公司 | 确定污染土壤污染程度的方法 |
CN102254175A (zh) * | 2011-04-07 | 2011-11-23 | 北京市农林科学院 | 基于x射线荧光光谱的不同区域土壤聚类分析方法 |
Non-Patent Citations (5)
Title |
---|
基于主成分分析和聚类分析的土壤养分特性研究;赵月玲等;《华南农业大学学报》;20130909(第04期);第484-488页 * |
基于主成分分析法的土壤肥力评价;张水清等;《安徽农业科学》;20110110(第02期);第1096-1097页 * |
应用主成分分析和聚类分析评价不同施肥处理条件下新垦淡灰钙土土壤肥力质量;陈留美等;《土壤》;20081215(第06期);第971-975页 * |
济南市城市绿地土壤肥力质量综合评价及管理对策;刘毓等;《园林科技》;20140320(第01期);第18-22页 * |
襄樊烟区土壤养分状况的综合评价;闫铁军等;《华北农学报》;20101228;第200-203页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107561242A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107561242B (zh) | 一种复合污染农田土壤质量的评价方法 | |
Zeng et al. | Multivariate statistical characterization of water quality in Lake Lanier, Georgia, USA | |
Zhou et al. | New insight into the correlations between land use and water quality in a coastal watershed of China: Does point source pollution weaken it? | |
CN102999709B (zh) | 一种农业活动区地下水风险分级分区评价方法 | |
Chadd et al. | An index to track the ecological effects of drought development and recovery on riverine invertebrate communities | |
Russell et al. | Suspended sediment sources in two small lowland agricultural catchments in the UK | |
CN112893427B (zh) | 一种重金属污染耕地修复治理的智能化决策方法 | |
CN111257250A (zh) | 陆地农产品产地高风险区域识别方法及差异化处理方法 | |
Angello et al. | Spatio-temporal evaluation and quantification of pollutant source contribution in little akaki river, Ethiopia: conjunctive application of factor analysis and multivariate receptor model | |
CN111241476B (zh) | 一种获得区域性河口营养物基准值的方法 | |
Boyacioglu et al. | Application of factor analysis in the assessment of surface water quality in Buyuk Menderes River Basin | |
Babić et al. | Assessing Surface Water Quality in the Serbian Part of the Tisa River Basin. | |
Pan et al. | Assessing water poverty in China using holistic and dynamic principal component analysis | |
Linjin et al. | Water quality evaluation of Wenyu River based on single factor evaluation and comprehensive pollution index method | |
Liu et al. | Improved method for benthic ecosystem health assessment by integrating chemical indexes into multiple biological indicator species—A case study of the Baiyangdian Lake, China | |
Lei | Assessment of water quality using multivariate statistical techniques in the Ying River Basin, China | |
Charkhabi et al. | Land use effects on heavy metal pollution of river sediments in Guilan, southwest of the Caspian sea | |
Moore | Determination of benthic-invertebrate indices and water-quality trends of selected streams in Chester County, Pennsylvania, 1969-80 | |
CN114881468A (zh) | 一种流域生态系统健康状况评估方法 | |
CN112581038A (zh) | 一种红树林湿地的健康状况的评估方法 | |
Radwell et al. | Assessing ecological integrity of Ozark rivers to determine suitability for protective status | |
Badenko et al. | Utilization of fuzzy set theory for interpretation of data of investigations of soil contamination by heavy metals | |
Finlay et al. | Leveraging Minnesota's Stormwater Data for Improved Modeling and Management of Water Quality in Cities | |
Prygiel et al. | Monitoring methods based on algae and macrophytes | |
Reza et al. | Multivariate approaches for soil fertility characterization of lower Brahmaputra valley, Assam, India |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |