GIS在土壤重金屬污染評(píng)價(jià)中的應(yīng)用

段海芹,呂衛(wèi)光,秦 秦,孫麗娟,宋 科,薛 永

(1上海市農(nóng)業(yè)科學(xué)院生態(tài)環(huán)境保護(hù)研究所,農(nóng)業(yè)部上海農(nóng)業(yè)環(huán)境與耕地保育科學(xué)觀測(cè)實(shí)驗(yàn)站,上海市農(nóng)業(yè)環(huán)境保護(hù)監(jiān)測(cè)站,上海低碳農(nóng)業(yè)工程技術(shù)研究中心,上海市設(shè)施園藝技術(shù)重點(diǎn)實(shí)驗(yàn)室,上海 201403;2上海海洋大學(xué)海洋生態(tài)與環(huán)境學(xué)院,上海 201306)

近年來,隨著我國城市化、工業(yè)化、農(nóng)業(yè)集約化的快速發(fā)展,土壤重金屬污染問題日益嚴(yán)重,不但影響生態(tài)環(huán)境,也會(huì)給人體健康帶來諸多風(fēng)險(xiǎn)。準(zhǔn)確評(píng)價(jià)土壤重金屬污染狀況是制定科學(xué)合理的土壤重金屬污染防治方案的基礎(chǔ)和前提。近年來,國家先后出臺(tái)了《土壤環(huán)境質(zhì)量標(biāo)準(zhǔn)》(GB 15618—1995)、《食用農(nóng)產(chǎn)品產(chǎn)地環(huán)境質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)》(HJ 332—2006)、《土壤環(huán)境質(zhì)量建設(shè)用地土壤污染風(fēng)險(xiǎn)管控標(biāo)準(zhǔn)(試行)》(GB 36600—2018)等來規(guī)范土壤重金屬污染的監(jiān)測(cè)及評(píng)價(jià)。傳統(tǒng)的土壤重金屬污染評(píng)價(jià)方法主要有:單因子指數(shù)法[1]、地累積指數(shù)法[2]和內(nèi)梅羅指數(shù)法[3]等。近年來,又出現(xiàn)了模糊數(shù)學(xué)法[4]、支持向量機(jī)法(SVM)[5]、BP人工神經(jīng)網(wǎng)絡(luò)法[6]以及基于GIS的地統(tǒng)計(jì)評(píng)價(jià)法[7]等綜合或系統(tǒng)評(píng)價(jià)方法。

基于GIS的土壤重金屬污染評(píng)價(jià)主要是結(jié)合土壤重金屬污染周邊環(huán)境的空間信息,利用緩沖區(qū)分析、疊置分析、數(shù)字地形分析等空間分析功能以及可視化技術(shù)對(duì)土壤重金屬污染進(jìn)行分布特征分析、影響因素分析以及預(yù)警分析等。王春紅等[8]分別從土壤重金屬來源、地統(tǒng)計(jì)學(xué)和GIS在土壤重金屬污染研究中的應(yīng)用、土壤重金屬污染評(píng)價(jià)方法和土壤重金屬污染預(yù)測(cè)幾個(gè)方面綜述了基于GIS和地統(tǒng)計(jì)學(xué)的土壤重金屬污染研究進(jìn)展。李冰茹等[9]分別從專題圖制作、空間分析、數(shù)據(jù)管理等方面總結(jié)和探討了GIS在土壤重金屬污染評(píng)價(jià)中的具體應(yīng)用。陶美霞等[10]從大數(shù)據(jù)與GIS的概念出發(fā),從數(shù)據(jù)采集、數(shù)據(jù)管理、空間分析和可視化4個(gè)方面對(duì)大數(shù)據(jù)GIS的發(fā)展進(jìn)行了闡述探討。本文結(jié)合GIS技術(shù)特點(diǎn)、空間分析功能以及土壤重金屬污染情況,闡述GIS在土壤重金屬污染評(píng)價(jià)中專題圖制作、空間特征分析以及預(yù)警模型建立等具體應(yīng)用,同時(shí)對(duì)不同插值方法做簡要概述,以探討該領(lǐng)域目前面臨的主要問題和下一步研究方向。

1 污染評(píng)價(jià)專題圖制作

土壤污染專題圖可以有效的反應(yīng)重金屬在土壤中的空間分布特征,并從中挖掘出引起區(qū)域內(nèi)土壤環(huán)境變異的因素。通常的做法是根據(jù)已知數(shù)據(jù),選取不同的插值方法繪制空間分布圖,并進(jìn)行分層設(shè)色,從而直觀、形象的揭示土壤重金屬污染的空間分布特征。土壤重金屬污染具有空間分布的變異性,克里格插值是通過觀測(cè)點(diǎn)與預(yù)估點(diǎn)之間的空間位置以及相對(duì)位置關(guān)系來確定觀測(cè)值的權(quán)重,并進(jìn)行滑動(dòng)加權(quán)平均來估計(jì)未知點(diǎn)的平均值,從而反應(yīng)土壤中污染物的二維分布情況?？死锔癫逯捣橥寥乐亟饘俚目臻g分布預(yù)測(cè)提供了一種無偏最優(yōu)估值方法,并被證明是分析土壤重金屬空間分布及其變異規(guī)律最為有效的方法之一[8]。

待估采樣點(diǎn)的幾何性質(zhì)、變異函數(shù)以及已知采樣點(diǎn)的數(shù)據(jù)結(jié)構(gòu)等會(huì)影響克里格插值的效果,因此,不同的使用范圍應(yīng)選用相應(yīng)的克里格插值方法。Saby等[11]選取了法國巴黎附近的區(qū)域,并分別利用普通克里格、對(duì)數(shù)正態(tài)克里格以及協(xié)同克里格方法進(jìn)行空間插值,結(jié)果表明,對(duì)數(shù)正態(tài)克里格插值的效果最好。Liu等[12]以浙江杭州、湖州和江西的部分地區(qū)作為試驗(yàn)區(qū),采用普通克里格和對(duì)數(shù)正態(tài)克里格兩種插值方法繪制重金屬空間分布圖,并使用析取克里格進(jìn)行超出閾值的重金屬濃度的概率計(jì)算,同時(shí)使用協(xié)同克里格方法減少Cu、Zn、Cr這三種重金屬的采樣密度。凌輝等[13]采用5種不同的插值方法比較重慶市江津區(qū)吳灘鎮(zhèn)的部分區(qū)域土壤中Cr的空間變異性,結(jié)果顯示普通克里格法的效果最好,而反距離加權(quán)法的效果最差。侯沁言等[14]選取凱江流域作為試驗(yàn)區(qū),分別使用析取克里格法、徑向基函數(shù)法、普通克里格法和反比距離權(quán)重法進(jìn)行空間插值,結(jié)果表明普通克里格插值方法的誤差最小,更接近于真實(shí)情況?？傮w上,克里金插值在塊金尺度上較為明顯,利用此方法對(duì)土壤重金屬污染情況進(jìn)行讀圖分析時(shí)易將污染變異區(qū)域擴(kuò)大化,模糊重金屬污染分布區(qū)域邊界。因此,在土壤重金屬污染專題圖制作過程中,插值方法的選擇需要根據(jù)研究區(qū)域面積、背景因素等進(jìn)行綜合考慮,將分析誤差降到最小。

近幾年,GIS中新集成了模糊數(shù)學(xué)、回歸模型等數(shù)學(xué)模型,土壤重金屬的污染評(píng)價(jià)更加的靈活和客觀[15]。同樣地,在大數(shù)據(jù)時(shí)代,GIS的可視化重點(diǎn)已不單單局限于靜態(tài)的圖形、符號(hào)、尺度和三維等方面[16],可以結(jié)合一些新的可視化分析軟件,如OpenGL、Echarts、CesiumJS、kepler.gl、Mapbox等,通過交互可視界面對(duì)土壤重金屬污染進(jìn)行多尺度、多因素的分析和比較。

2 土壤重金屬空間特征分析

土壤重金屬污染的來源很廣泛,既包括垃圾站點(diǎn)等點(diǎn)狀污染源,也有河流等線狀污染源,甚至還有可能是來自于自身的成土母巖,這些污染源雖然形狀不一,但都包含了空間位置特征,都對(duì)周圍土壤的影響形成了空間上的距離效應(yīng)[9]。因此,對(duì)這些污染源進(jìn)行緩沖區(qū)分析,可以有效地揭示其對(duì)周邊環(huán)境的影響。趙彥峰等[17]通過將重金屬空間分布圖、鎮(zhèn)區(qū)圖和工廠分布圖進(jìn)行疊加,并以工廠為中心建立緩沖區(qū),發(fā)現(xiàn)距工廠越遠(yuǎn),土壤重金屬含量越低。陳優(yōu)良等[15]通過建立河流的緩沖區(qū),結(jié)合河流與樣區(qū)的空間分布,驗(yàn)證了Pb、Ni和Cu可能以下滲及擴(kuò)散的方式進(jìn)行傳播的推測(cè)。GIS的緩沖區(qū)分析在獲得土壤重金屬污染源的影響范圍、距離關(guān)系等結(jié)果的同時(shí),也可以用來對(duì)污染源的影響因子進(jìn)行分析或?qū)ξ恢玫匚镞M(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。劉賢趙等[18]對(duì)地表水質(zhì)和城市化的關(guān)系進(jìn)行緩沖區(qū)分析,發(fā)現(xiàn)當(dāng)緩沖區(qū)半徑為2 km時(shí),影響水質(zhì)的主要因素是建設(shè)用地和人口密度。代英等[19]借助ArcGIS9.0平臺(tái),結(jié)合地統(tǒng)計(jì)學(xué)、緩沖區(qū)分析和疊加分析,發(fā)現(xiàn)成都平原核心區(qū)不同區(qū)域、不同斷面和不同流域內(nèi)Hg和Pb的含量均存在顯著差異。

在土壤重金屬污染評(píng)價(jià)中,GIS的疊加分析功能主要是將土壤重金屬的分布特征圖與研究區(qū)域的成土母質(zhì)圖進(jìn)行疊加,以分析土壤重金屬的空間分布特征與土壤質(zhì)地、地形、大氣沉降和人類活動(dòng)等各種因素之間的關(guān)系[9]。Li等[20]將重金屬的空間分布圖與道路、建筑、工廠的地圖進(jìn)行疊加,發(fā)現(xiàn)重金屬的可能來源是主要道路、工業(yè)建筑的交叉區(qū)域,污染區(qū)域一般是老工業(yè)區(qū)和居民區(qū)。趙彥峰等[17]將重金屬空間分布圖、工廠分布圖及鎮(zhèn)區(qū)緩沖區(qū)圖進(jìn)行疊加,發(fā)現(xiàn)距城鎮(zhèn)越遠(yuǎn),土壤中Pb含量越低;距工廠越遠(yuǎn),土壤中Cu、Zn、Cd含量越低。史文嬌等[21]將雙城市空間分布圖與工廠、道路、城鎮(zhèn)、土壤類型、土壤理化性質(zhì)、高程等數(shù)據(jù)進(jìn)行疊加,以分析重金屬空間變異的原因。Facchinelli等[22]為了探尋意大利皮埃蒙特地區(qū)土壤重金屬的污染程度與變異情況,通過克里格插值得到了重金屬的空間變異圖,采用主成分分析和聚類分析方法,找出了污染程度最高的重金屬,通過疊置分析,得出了主要污染源是人類活動(dòng)的結(jié)論。

GIS中的數(shù)字高程模型和數(shù)字地形模型都是借助坡度和坡向分析來描述地形起伏狀態(tài),以此來分析土壤中重金屬的空間遷移規(guī)律。在分析因流水侵蝕而影響的污染面積時(shí),可以先使用正射影像生成三維數(shù)字高程模型對(duì)流水侵蝕造成的重金屬遷移變化特點(diǎn)進(jìn)行分析,再依據(jù)尾礦侵蝕中水的徑流方向結(jié)合采樣點(diǎn)三維數(shù)組進(jìn)行計(jì)算分析[23]。利用不規(guī)則三角網(wǎng)構(gòu)建三維數(shù)字高程模型不僅可視化效果好,而且能夠更加清晰地展示重金屬在空間的富集特征和分布規(guī)律[24],同時(shí)數(shù)字地形分析不僅能夠直觀地揭示土壤重金屬的分布特征,也可以分析重金屬隨著地形變化的遷移規(guī)律。兩者結(jié)合可以更好地揭示重金屬元素在三維空間的分布規(guī)律。

傳統(tǒng)的GIS空間數(shù)據(jù)庫以相對(duì)靜態(tài)數(shù)據(jù)為主(如土壤重金屬污染采樣點(diǎn)數(shù)據(jù)等),無法滿足大數(shù)據(jù)時(shí)代流數(shù)據(jù)的要求,且空間數(shù)據(jù)查詢及分析主要針對(duì)可控制的操作,查詢僅為靜態(tài)的一次查詢[16]。同樣地,在土壤重金屬污染方面,獲取某一時(shí)間點(diǎn)或時(shí)間段的土壤重金屬富集量及其空間特征,往往無法反映不同時(shí)段土壤中重金屬的富集量和積累進(jìn)度等信息[9]。因此,可以考慮對(duì)土壤重金屬污染點(diǎn)位的數(shù)據(jù)進(jìn)行實(shí)時(shí)動(dòng)態(tài)采集,同時(shí)融合土地利用數(shù)據(jù)、遙感影像數(shù)據(jù)、POI數(shù)據(jù)、建筑數(shù)據(jù)等多源數(shù)據(jù),對(duì)土壤重金屬污染進(jìn)行綜合分析。在技術(shù)方面,空間分析方法可以多樣化;空間數(shù)據(jù)存儲(chǔ)和管理可以使用PostgreSQL關(guān)系型數(shù)據(jù)庫與HBase、MongoDB等非關(guān)系型數(shù)據(jù)庫相結(jié)合的方式,也可以使用基于MapReduce范式的Hadoop或者Spark大數(shù)據(jù)框架進(jìn)行實(shí)時(shí)計(jì)算分析;數(shù)據(jù)處理可以應(yīng)用為導(dǎo)向,綜合使用時(shí)空聚合、多尺度分析等方法。

3 GIS支持下預(yù)警模型的建立

土壤重金屬的預(yù)測(cè)是指在一定時(shí)間內(nèi)分析和評(píng)價(jià)土壤重金屬污染狀況,確定土壤質(zhì)量變化的趨勢(shì)以及達(dá)到一定變化極限所需的時(shí)間,以便及時(shí)了解土壤環(huán)境的變化,糾正各種預(yù)警信息,并及時(shí)給出相應(yīng)的對(duì)策[25]。目前,土壤重金屬污染預(yù)測(cè)模型主要包括灰色預(yù)測(cè)模型、土壤重金屬累積預(yù)測(cè)模型、回歸預(yù)測(cè)模型和情景預(yù)測(cè)模型等,污染物動(dòng)力學(xué)預(yù)測(cè)方法主要包括時(shí)間動(dòng)態(tài)預(yù)測(cè)模型,非線性動(dòng)態(tài)模型和正交性動(dòng)態(tài)預(yù)測(cè)模型等[26]。周勇[27]將回歸預(yù)測(cè)模型和灰色預(yù)測(cè)模型進(jìn)行耦合,預(yù)測(cè)了東湖湖水的水質(zhì)。孟凡喬等[28]運(yùn)用土壤重金屬累積預(yù)測(cè)模型對(duì)河北省蛟河區(qū)和府河區(qū)表土層(0—20 cm)中重金屬進(jìn)行了累計(jì)預(yù)測(cè)分析,并預(yù)估了該地區(qū)20年后土壤中As、Hg等的含量。葛向東等[29]利用灰色預(yù)測(cè)模型對(duì)江蘇省錫山市的耕地預(yù)警系統(tǒng)進(jìn)行了研究,預(yù)測(cè)了土壤質(zhì)量指數(shù)的變化趨勢(shì)。隨著GIS技術(shù)的普及,越來越多學(xué)者開始借助地理信息系統(tǒng)輔助設(shè)計(jì)預(yù)警模型。嚴(yán)加永等[30]利用地理信息系統(tǒng)(GIS)技術(shù)成功實(shí)現(xiàn)了北京市及近郊土壤重金屬污染的預(yù)警和Pb元素超標(biāo)年限的預(yù)測(cè)。李向等[31]采用地理信息系統(tǒng)(GIS)與多智能體系統(tǒng)(MAS)相結(jié)合的方式,在包頭市及近郊完成了多智能體評(píng)價(jià)及預(yù)測(cè)的分工和協(xié)作規(guī)則,為處理土壤重金屬污染評(píng)價(jià)和安全預(yù)警提供了平臺(tái)。但在分析土壤重金屬污染來源時(shí),由于對(duì)各污染來源因子與各重金屬間關(guān)系缺乏合理深入的探究,對(duì)污染源的分析結(jié)果常常比較寬泛,往往造成源分析(土壤)結(jié)果的不確定性。

目前,關(guān)于重金屬預(yù)測(cè)方面的機(jī)器學(xué)習(xí)方法有很多,包括BP神經(jīng)網(wǎng)絡(luò)[32]、貝葉斯最大熵(Bayesian maximum entropy,BME)法[33]、隨機(jī)森林(RF)模型[34]等。研究表明,BP神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近能力、模式識(shí)別、回歸計(jì)算等已被廣泛應(yīng)用于環(huán)境科學(xué)領(lǐng)域,并取得了一定的效果[35-36];BME作為一種相對(duì)新穎的地統(tǒng)計(jì)學(xué)方法,能夠綜合利用各種類型數(shù)據(jù),從而提高預(yù)測(cè)的準(zhǔn)確性[37];隨機(jī)森林模型在大數(shù)據(jù)挖掘和處理方面具有獨(dú)特的優(yōu)勢(shì),可以在較少量的運(yùn)算條件下解決不同因子間缺失值情況以及傳統(tǒng)分類方法的過度擬合問題[34]。范俊楠等[32]利用監(jiān)測(cè)數(shù)據(jù)建立的3層BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)了湖北省重點(diǎn)監(jiān)測(cè)區(qū)域重金屬M(fèi)n、Co、V、Ag、Ti、Sb的含量,顯示構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型具有良好的精準(zhǔn)度。費(fèi)徐峰等[37]應(yīng)用貝葉斯最大熵(Bayesian maximum entropy,BME)法對(duì)浙江省杭州市土壤重金屬的空間分布進(jìn)行了預(yù)測(cè),為提高土壤重金屬預(yù)測(cè)精度提供了新的思路。Hu等[38]通過利用條件推理樹和隨機(jī)森林模型對(duì)珠三角流域土壤中重金屬來源進(jìn)行分析,發(fā)現(xiàn)土壤中重金屬As、Cd、Cr、Cu、Ni、Pb和Zn的含量中分別有48%、42%、50%、51%、49%和24%來自于人類活動(dòng)。郭星等[34]通過采用隨機(jī)森林模型對(duì)重金屬的污染來源進(jìn)行探討,發(fā)現(xiàn)道路距離是影響Pb的最主要因素,其次是GIP和企業(yè)距離。另外,考慮到BME法的多源數(shù)據(jù)融合能力,在今后的研究中還可以引入與土壤重金屬密切相關(guān)的其他土壤屬性信息(如有機(jī)質(zhì)、pH等)、人為因素信息(工業(yè)、農(nóng)業(yè)、交通等數(shù)據(jù))等。此外,在后續(xù)引入數(shù)值變量的研究中還可以對(duì)不同克里金方法和BME法進(jìn)行比較,進(jìn)一步提高輔助數(shù)據(jù)的利用效率[37]。

近年來,隨著大數(shù)據(jù)GIS以及Web可視化技術(shù)的發(fā)展,可以使用更多樣豐富的形式來輔助土壤重金屬的預(yù)測(cè)。比如,利用Python和Vue搭建一個(gè)土壤重金屬預(yù)測(cè)web交互式系統(tǒng),借助Echarts、Mapbox、Leaflet等可視化工具,通過ArcGIS Server API將ArcGIS的分析結(jié)果展示到Web端,以支持用戶自定義分析和查詢需求。

4 結(jié)語

GIS技術(shù)的引入在制作污染評(píng)價(jià)專題圖、分析土壤空間特征以及建立預(yù)警模型等各個(gè)環(huán)節(jié)都起到了很好的促進(jìn)作用,使得土壤重金屬污染評(píng)價(jià)更加直觀、精確。但是,也存在一些不足:①大數(shù)據(jù)時(shí)代,基于泛在信息融合的跨領(lǐng)域研究越來越受到人們的重視,可以結(jié)合土地利用數(shù)據(jù)、遙感影像數(shù)據(jù)、POI數(shù)據(jù)、建筑數(shù)據(jù)等多源數(shù)據(jù)進(jìn)行土壤重金屬污染多尺度的分析;②時(shí)空GIS仍然是當(dāng)前研究的熱點(diǎn),獲取某一時(shí)間點(diǎn)或時(shí)間段的單一土壤重金屬污染數(shù)據(jù)以及單一的專題圖輸出方式很難較好地反應(yīng)土壤重金屬污染的變化趨勢(shì),無法對(duì)其污染情況做出準(zhǔn)確預(yù)測(cè)。因此,可以對(duì)污染數(shù)據(jù)進(jìn)行實(shí)時(shí)采集、處理、分析并輔以可交互的可視化分析方式,以更好地反應(yīng)出土壤重金屬污染的變化規(guī)律以輔助決策;③土壤重金屬含量空間變異研究方面。由于土壤中重金屬的含量受人為因素影響較大,很難滿足正態(tài)分布,即很難符合內(nèi)蘊(yùn)假設(shè),因此,空間插值的準(zhǔn)確性有待提高。