Geochemical Characteristics and Potential Ecological Risk Assessment of Soil Heavy Metals in the Lower Tarim River Reclamation Area
-
摘要:
为查明塔里木河下游垦区土壤重（类）金属地球化学特征及潜在生态风险，采集表层土壤样品125件，测定其As、Hg、Ni、Cr、Cu、Zn、Cd和Pb 8种元素含量和pH值大小，基于地统计学、内梅罗综合污染指数法（Nemerow comprehensive pollution index，Pn）和潜在生态风险指数法（Potential ecological risk index，RI）对土壤重（类）金属潜在生态风险进行评价，利用正定矩阵模型（Positive matrix factorization，PMF）对重（类）金属来源进行解析。结果表明：①研究区内所有重（类）金属元素的含量均值未超过国家农用地土壤污染风险管控筛查值，含量整体处于正常水平。②研究区RI指数的变化范围为50.75～179.07，生态风险轻微、中等、较强的样点分别占29.37%、63.63%和7%，说明研究区整体处于中等生态风险等级。③PMF模型结果表明，研究区土壤重（类）金属主要来自于自然因素（48.88%），其含量与地质背景密切相关；其次为农业生产（31.63%），大量化肥、农药的使用导致耕地区重（类）金属含量较高；煤炭燃烧（12.20%）和交通运输（7.29%）对重（类）金属元素累积也有一定的贡献。
Abstract:To identify the geochemical characteristics and potential ecological risk of heavy metals in soils of the lower Tarim River reclamation area, 125 surface soil samples were collected and their As, Hg、Ni、Cr、Cu、Zn、Cd and Pb concentrations and pH values were determined. The potential ecological risk of soil heavy metals was evaluated based on geostatistics, Nemerow comprehensive pollution index（Pn）and Potential ecological risk index（RI）, and the sources of heavy metals were analysed using Positive matrix factorization （PMF）. The results show that:①The average values of all heavy (class) metal elements in the study area did not exceed the national screening values for soil pollution risk control on agricultural land, and the levels were generally at normal levels. ②The range of variation of the index in the study area was 50.75 to 179.07, with 29.37%, 63.63% and 7% of the sample points with slight, medium and strong ecological risk respectively, indicating that the study area as a whole was in the medium ecological risk class. ③The results of the PMF model show that the heavy (class) metals in the study area come mainly from natural factors (48.88%) and their content is closely related to the geological background; followed by agricultural production (31.63%), the use of large amounts of chemical fertilisers and pesticides leads to a high content of heavy (class) metals in the cultivated area; coal combustion (12.20%) and transportation (7.29%) also contribute to the accumulation of heavy (class) metal elements. Coal combustion (12.20%) and transportation (7.29%) also contribute to the accumulation of heavy (class) metals.
-
Keywords:
- soil /
- Lower Tarim River /
- reclamation area /
- geochemical characteristics /
- ecological risk
-
土地是人类生存与发展的重要基础（Zhang et al.，2022），人类依靠土地来获取必须的食物、能源、生存空间和发展，但同时随着人口的持续增长，对自然资源的需求也进一步增长，生态系统会随之受到压力（Song et al.，2018）。土地利用和土地覆盖变化（LUCC）研究计划在1995年被提出，现已成为国际环境变化研究的核心和热点（Lambin et al.，2001；Foley et al.，2005；乔伟峰等，2013；毛盛林等，2022）。土地利用是指人类活动对土地进行开发利用，产生社会效益的过程和活动。土地利用会对土地覆盖产生影响，土地覆盖改变的结果又会作用于人类进行土地利用的过程。（张靖等，2013；Hong et al.，2022）因此，对一个区域内人类土地利用导致的土地覆盖变化情况以及背后驱动因素的研究，可为人类更合理的进行土地利用提供支持（张景华等，2021a）。
土地利用转移矩阵可以分析得到区域各地类的用地结构以及变化方向，在土地利用变化分析中有着广泛的应用。土地利用转移矩阵通过将不同时期各地类发生转移的面积以矩阵的形式列出，可以分析得到各地类的用地结构以及变化方向（刘瑞等，2010）。目前有很多学者使用土地利用转移矩阵对两个时期间的土地利用变化进行分析（吴琳娜等，2014；徐羽等，2017；马彩虹等，2022；Zhou et al.，2022），也有学者在此基础上通过对同一地区多个时段土地利用转移矩阵的时序性分析，运用马尔可夫模型预测未来土地利用的变化趋势（朱会义等，2003）。
大凉山区林业资源丰富，但20世纪大凉山区林地遭到大面积砍伐，严重影响当地生态环境，1998年“天保工程”在凉山开始试点实施，当地生态环境得到逐步恢复（张景华等，2021b）。前人对于大凉山区的研究主要在地质、水文等方面，对当地土地利用变化的研究较少（Liu et al.，2012；邓宾等，2016；祁玉萍等，2018；刘洪等，2020，2022；张腾蛟等，2020；李樋等，2021；欧阳渊等，2021；李琬欣等，2022）。笔者通过遥感手段，解译得到大凉山区1990～2022年土地利用数据，运用土地利用转移矩阵分析当地土地利用变化与生态变化的关系，为大凉山区生态资源管理提供理论依据。
1. 研究区概况
大凉山区位于四川省南部，西跨横断山脉，东达四川盆地，北接川西平原和山地，其地理坐标为E 100°42′～103°53′，N 26°06′～29°27′，在生态地质分区上主要跨越了云贵高原生态地质区和横断山区生态地质区（聂洪峰等，2021），总面积约
30000 km2，是全国最大的彝族聚居区（图1）。地貌类型以山地为主，地势北高南低，东高西低，由EN向WS倾斜，地形地貌明显受地质构造基本格架的控制，多属中深切割的中山地形。山脉河流与构造线相吻合，多呈SN向展布。大凉山区属中亚热带季风气候区，冬季受南支西风环流控制，天气晴朗，日照充足，降雨很少，气候干燥；夏季受暖湿的海洋季风影响，降水丰富，5～9月降水量可以占到全年的90%，雨量常在800～
1200 mm。大凉山区气候虽然属于中亚热带季风气候区，但境内气候复杂多样，既具有南亚热带气候特点，又具有亚热带和寒温带的垂直气候特点。以大小相岭、黄茅埂为界，东北部温凉湿润，西南部炎热干燥，具有南干北湿、西燥东润和低热高凉的特点，垂直差异和水平差异均明显。2. 研究方法
2.1 遥感解译与野外验证
遥感卫星影像是土地利用研究中的重要数据来源之一（韩海辉等，2022）。笔者获取了美国陆地卫星（LANDSAT）的专题绘图仪（Thematic Mapper，TM）、陆地成像仪（Operational Land Imager，OLI）系列数据，数据获取时间等具体信息见表1。再对数据进行几何校正、图像融合、数字图像增强等预处理，得到遥感解译底图。
表 1 遥感数据源Table 1. Remote sensing data source成像日期 卫星 传感器 条带号 行列号 1989.5.11 LANDSAT5 TM 130 41 2000.1.2 LANDSAT5 TM 130 41 2010.3.18 LANDSAT5 TM 130 41 2022.2.15 LANDSAT8 OLI 130 41 由于大凉山区地形地貌复杂，阴影覆盖较多，现有遥感土地利用分类难以满足所需精度，故采用目视解译进行土地利用分类，以一级地类为分类基本单位，将大凉山区土地利用分为耕地、林地、草地、水域湿地、建设用地和未利用地6类，并利用野外调查，建立6种地类遥感解译标志，进行人机交互解译。
得到初步解译结果后，再结合相关地形、地质资料，进行实地调查，采取路线调查和定点观测方法进行工作，采用GPS定点进行观察记录和描述，验证各种遥感解译标志是否准确，重点验证解译各地类边界是否准确，并及时根据验证情况修改遥感解译结果。最后对土地利用解译成果进行随机抽检，准确率达到91.06%。
2.2 土地利用转移矩阵
在各种人为以及自然因素的影响下，在一定时间区域内的土地利用情况会随着时间的变化而发生改变，且不同土地利用类型变化的速度、方向不尽相同。土地利用的变化可以理解为土地利用的空间特征随着时间的变化。除此以外，不同土地利用类型间的互相转化也会受到初始状态的影响。综合来看，土地利用转移矩阵便能够很好的反映出这一变化（张建国等，2018）。
在土地利用转移矩阵（表2）中常用行与列（表1中T1与T2）来表示两个不同研究时期的土地利用类型。在矩阵中的Sij表示的是从T1到T2时期地类i转换为地类j的面积；Sii表示从T1到T2时期保持空间位置、面积不变的地类i的面积（张云亮等，2017）。在矩阵中任一Ai行就表示T1时期的地类i向T2时期的各地类的转移情况，将这一行所有的数据相加也就是T1时期地类i的总面积；任一Aj列就表示T2时期的地类j自T1时期各地类的来源情况，同理，列中所有数据相加就是T2时期地类j的总面积。为了使研究结果更加客观，通常在转移前后使用相同的地类评价标准，这时的土地利用转移矩阵是一个标准的n阶矩阵。
表 2 土地利用转移矩阵Table 2. Land use transfer matrix不同时期土地利用类型 T2 A1 A2 … An T1 A1 S11 S12 … S1n A2 S21 S22 … S2n … … … … … An Sn1 Sn2 … Snn 3. 结果分析
3.1 遥感解译结果
对大凉山区1990年、2000年、2010年和2022年4期的土地利用/覆盖情况开展了遥感解译，以一级类为分类单位，将地物分为耕地、林地、草地、水域湿地、建设用地、未利用地共6种地物类型（刘纪远等，2014），编制了大凉山区4个时期的土地利用/覆盖图（图2），并统计了各地类的总面积情况（表3）。
![]()
图 2 大凉山区1990～2022年土地利用/覆盖图a.1990年土地利用/覆盖图；b.2000年土地利用/覆盖图；c.2010年土地利用/覆盖图；d.2022年土地利用/覆盖图Figure 2. Land use/cover map of Daliangshan area from 1990 to 2022表 3 大凉山区1990～2022年土地利用/覆盖统计表Table 3. Statistical table of land use/cover in Daliangshan area 1990～2022地类 年份 1990年 2000年 2010年 2022年 面积（km2） 比例（%） 面积（km2） 比例（%） 面积（km2） 比例（%） 面积（km2） 比例（%） 耕地 11153.65 36.06 9006.18 29.11 7445.54 24.07 4090.61 13.22 林地 11713.27 37.87 11435.84 36.97 18001.54 58.19 18658.72 60.30 草地 7708.18 24.92 10160.67 32.85 5128.98 16.58 6907.76 22.32 水域湿地 254.81 0.82 174.86 0.57 211.56 0.68 520.75 1.68 建设用地 92.98 0.30 126.17 0.41 146.55 0.47 748.17 2.42 未利用地 11.10 0.04 30.25 0.10 0.15 0.00 8.01 0.03 3.2 大凉山区土地利用变化情况
3.2.1 1990～2000年大凉山区土地利用转移矩阵
从表4中可以总览大凉山区1990～2000年的土地利用总体变化情况，这10年间，耕地转出面积为6 345.55 km2，而转入面积为4 198.09 km2，耕地面积减少趋势较为明显。林地面积转出为4 345.32 km2，转入为4 067.93 km2，面积减少，但变化不大，基本与10年前持平。草地转出面积为3 519.78 km2，但是有5 972.28 km2面积其他土地转为草地，草地面积增加较多。水域湿地转出面积为163.5 km2，转入面积为83.56 km2，面积略微减少。建设用地转出面积为72.13 km2，转入面积为105.31 km2，面积略微增加。
表 4 1990～2000年大凉山区土地利用转移矩阵（km2）Table 4. Land use transfer matrix of Daliangshan area from 1990 to 2000耕地 林地 草地 水域湿地 建设用地 未利用地 合计 耕地 4808.09 2480.85 3725.63 52.36 78.19 8.52 11153.64 林地 2096.85 7367.94 2211.15 14.69 13.11 9.52 11713.26 草地 1934.86 1547.30 4188.39 15.46 10.48 11.68 7708.17 水域湿地 97.69 34.84 27.12 91.31 3.53 0.32 254.81 建设用地 66.11 2.94 2.24 0.64 20.85 0.20 92.98 未利用地 2.58 2.00 6.14 0.41 0 0 11.13 合计 9006.18 11435.87 10160.67 174.87 126.16 30.24 30933.99 3.2.2 2000～2010年大凉山区土地利用转移矩阵
从表5中可以看出大凉山区从2000～2010年的各地类转移情况，这10年间，耕地有5 556.36 km2面积变成其他地类，3 995.72 km2其他类型土地转入，耕地面积继续有较明显减少。林地有2 095.93 km2土地转出，8 661.26 km2土地转入，林地面积有很大幅度的增长。草地有7 255.31 km2土地转出，2 223.62 km2土地转入，草地面积相反有很大幅度的减少。水域湿地有75.06 km2土地转出，111.76 km2土地转入，面积小幅度增长。建设用地有99.03 km2土地转出，119.41 km2土地转入，面积略微增加。
表 5 2000～2010年大凉山区土地利用转移矩阵（km2）Table 5. Land use transfer matrix of Daliangshan area from 2000 to 2010耕地 林地 草地 水域湿地 建设用地 未利用地 合计 耕地 3449.82 4223.71 1196.57 49.02 87.02 0.04 9006.18 林地 1064.06 9339.91 997.40 23.00 11.46 0.01 11435.84 草地 2835.05 4362.10 2905.36 38.70 19.36 0.09 10160.67 水域湿地 23.16 34.50 16.20 99.81 1.17 0.02 174.86 建设用地 61.31 29.86 7.19 0.67 27.14 0.00 126.17 未利用地 12.13 11.09 6.27 0.36 0.40 0.00 30.25 合计 7445.54 18001.18 5128.99 211.56 146.55 0.15 30933.97 3.2.3 2010～2022年大凉山区土地利用转移矩阵
从表6中可以看出2010～2022年大凉山区的土地利用转移情况，在此12年间，耕地面积转出4 268.77 km2，转入913.87 km2，面积持续明显减少。林地面积转出3 592.39 km2，转入4 249.86 km2，面积增长。草地面积转出2 797.05 km2，转入4 575.83 km2，面积增长明显。水域湿地面积转出69.57 km2，转入378.75 km2，面积持续增长。建设用地面积转出50.33 km2，转入651.95 km2，面积增长。
表 6 2010～2022年大凉山区土地利用转移矩阵（km2）Table 6. Land use transfer matrix of Daliangshan area from 2010 to 2022耕地 林地 草地 水域湿地 建设用地 未利用地 合计 耕地 3176.73 1947.80 1698.90 162.45 458.6 1.02 7445.50 林地 504.37 14408.86 2845.71 123.82 114.88 3.61 18001.25 草地 373.44 2263.38 2331.93 88.34 69.02 2.87 5128.98 水域湿地 8.43 27.47 23.96 142.00 9.45 0.26 211.57 建设用地 27.62 11.15 7.19 4.13 96.22 0.24 146.55 未利用地 0.01 0.06 0.07 0.01 0 0.01 0.16 合计 4090.60 18658.72 6907.76 520.75 748.17 8.01 30934.01 4. 讨论
4.1 大凉山区土地利用变化分析
从1990～2022年大凉山区土地利用转移的动态变化过程（图3、图4）来看，发现大凉山区土地利用主要变化量集中在林地、耕地、草地之间，其变化关系反映了当地生态格局的演变（徐润宏等，2023）。而水域湿地虽变化量相对较小，但巨大的生态价值也是衡量当地生态环境的重要指标（谢启姣等，2020）。
![]()
图 3 1990～2022年大凉山区土地利用转移动态过程Figure 3. Dynamic process of land use transfer in Daliang area from 1990 to 20224.1.1 耕地时空分布与演变
2022年大凉山区耕地总面积约4 096 km2（表3），通过实地考察结合遥感影像分析，其主要以旱作农田为主，多分布于各山地半坡部位，其余的水田主要分布于安宁河谷，越西、甘洛、普格等县的河流谷底。
大凉山区除安宁河谷以外，整体经济落后，截止到2022年，研究区域共12市县中有9县为四川省深度贫困县，其主要人类活动为垦殖（耕种），且主要以坡地旱作耕种为主，生产方式落后，带来一系列植被破坏、水土流失等生态问题。但自1998年“天保工程”实施以来，国家号召退耕还林、还草，1990年至2022年大凉山区耕地面积持续减少（图5a）。从1990年到2000年，在1998年“天保工程”实施之前，林地砍伐情况严峻，被砍伐的林地退化为草地、耕地，1998年“天保工程”实施，但时间较短，一时退耕还林、还草的土地难以快速发育为林地，这段时间大凉山区减少的耕地主要向草地转化、其次向林地转化。后随着“天保工程”的进一步实施，从2000～2022年，减少的耕地都主要转化为林地，其次是草地，这说明国家实施的退耕还林、还草政策取得了较好成效，森林与草地的生态系统都得到了较大改善，提高了大凉山区生态系统的稳定性和服务功能。
![]()
图 5 大凉山区耕地（a）、林地（b）、草地（c）和水域湿地（d）1990～2022年变化趋势图Figure 5. Change trend of (a) cultivated Land, (b) forest Land, (c) grassland and (d) wetland in Daliangshan area from 1990 to 20224.1.2 林地时空分布与演变
2022年大凉山区林地面积约为18 658 km2，以常绿针、阔叶林为主，多分布于锦屏山、牦牛山、小相岭、螺髻山、马鞍山、乌科梁子、大凉山等南北走向的主要山脉，有着水土保持（张景华等，2018）、净化空气等重要生态价值，是区内最重要的生态系统。
从1990～2022年，大凉山区林地面积整体变化趋势为持续增长，仅在1990～2000年有微小下降，尤其在2000～2010年涨势明显。大凉山区自古以来森林资源丰富，是中国著名林场，但20世纪中期，大凉山区由于毁林开荒，森林植被破坏较严重，在实地考察中可见许多人工砍伐留下的大型木桩。林地在被砍伐后，较难快速发育回到原本的生态条件，自然主要演变为草地。从表3中可看出，1990～2000年，林地遭到破坏演化为草地的面积达到了约2 211 km2，占到了总林地面积的20 %，但由于期间“天保工程”开始实施，部分耕地、草地也有向林地演化，林地面积只出现了微小下降。2000～2010年，林地得到进一步保护，退耕还林政策的耕地人为转化以及封山育林的草地自然转化面积远远大于林地遭到破坏转出的面积，林地面积大幅增长。2010～2022年，林地面积小幅度增长，主要来源于人为退耕还林的耕地转入，自然条件下的草地、林地相互演化达到平衡。总体来看，1990～2022年，新增林地主要分布于大凉山区周围，尤其是安宁河两岸、邛海盆地增长最多（图6），这里是耕地主要分布区域，说明退耕还林政策效果明显。
![]()
图 6 大凉山区1990～2022年新增林地空间位置分布图Figure 6. Spatial distribution of new forest land in Daliangshan area from 1990 to 20224.1.3 草地时空分布与演变
2022年大凉山区草地面积约6 907 km2，多呈星岛状分布于锦屏山、牦牛山、小相岭、螺髻山、马鞍山、乌科梁子、大凉山等山脉的林地之间，结合数字高程模型进行空间分析后发现，主要分布于海拔较高的中上部，仅在局部，如美姑县南部、金阳县北部有集中连片分布。在实地考察中发现，天然草地存在较少，主要为人工草地和林地砍伐后形成。
从1990～2022年，大凉山区草地面积先增长，后减少，再增长，其特殊的变化规律值得我们注意。1990～2000年，耕地转化为草地的面积要远大于草地转化为耕地的面积，这是此时草地增长的主要原因。2000～2010年，草地面积出现较大幅度下降，这是因为大凉山区的草地主要是人工草地和林地砍伐逆向演替形成，且这个时间段里林地面积快速增加，分析是因为林地得到保护砍伐变少导致草地转入面积大幅度降低，和封山育林草地自然演化为林地所致。2010～2022年，和林地的变化原因相同，此时林、草地相互演化平衡，草地增长来自于退耕还草政策导致的耕地转入。总的来看，虽然草地面积从1990～2022年变化不大，但中间有很大波动，减少的草地主要正向演替为了林地，增加的草地主要得益于退耕还林、还草政策的实施，由耕地转化而来（图7）。
![]()
图 7 大凉山区1990～2022年新增草地空间位置分布图Figure 7. Spatial location of new grasslands in Daliangshan area from 1990 to 20224.1.4 水域湿地时空分布与演变
大凉山区水域湿地面积约520 km2，主要由河流、湖泊、水库坑塘组成。分布上来看，河流主要分布于区内主要江河如金沙江、雅砻江、安宁河等江河干流及主要支流沿岸，湖泊主要分布于邛海、马湖等湖泊，水库坑塘则零星分布。
从1990年到2022年，大凉山区水域湿地面积先出现了小幅度的降低，主要转化为了耕地，可能是少数地区人为破坏所致，后大幅度增加，主要也是来源于耕地的转入。总体涨势明显，水域湿地面积增加了近一倍（图8）。分析原因主要有：① 水利工程设施的修建，导致水面（主要是水库水面）面积有较大幅度增加，如冕宁县大桥水库（图9）。② 湿地保护得到重视，原湿地耕作区域逐步退耕并还原为湿地，区内一些重要湿地得到保护，面积不断扩大，典型如邛海湿地。
![]()
图 8 大凉山区1990～2022年新增水域湿地空间位置分布图Figure 8. Spatial location of wetlands in new waters in Daliangshan area from 1990 to 2022![]()
图 9 冕宁水库1990年（左图）和2022年（右图）影像Figure 9. Image of mianning reservoir in 1990 (left) and 2022 (right)4.2 结果讨论
对土地利用类型变化原因的研究是个系统性的工程，受到自然条件、地理位置、社会经济发展、人口状况、国家或地方政策等诸多因素的影响（Hemmavanh et al.，2010；李璇琼等，2022）。如何去筛选出土地利用类型变化背后主要的驱动因素，利用土地利用转移矩阵计算得到地类的转移面积，结合发生转移地类的时空分布信息，能有效分析出地类发生转移的相关驱动因素。进一步来看，如果能将自然因素、人为因素以及政府政策因素统一标准进行量化分析，便可以确定不同因素对地类变化的影响程度，能对下一步的政策法规起到指导性作用（Wang et al.，2018；赵银兵等，2022）。然而，量化驱动因素的问题尚未被克服，尤其是如何量化评价政府大型政策法规对土地类型变化的影响，需要进一步的研究（Dong et al.，2022）。
政府的政策法规主要会对诸多人为因素产生影响（唐亚明等，2015）。大凉山区在“天保工程”实施之前，虽然林地资源丰富，但经过长期的人工砍伐，已经产生了很大的破坏，由此带来一系列生态问题（Wang et al.，2020）。自1998年国家“天保工程”计划实施以来，大凉山区人为的进行封山育林以及退耕还林、还草，保护林地生态资源，从1990～2022年，林地面积增长幅度达到约58%（图10），效果显著，尤其是2000年后林地资源恢复明显。政府政策的引导主要是对人类活动做出干扰，大凉山区林地资源丰富，但经济发展水平落后，在实地考察中，仍可见许多粗壮树木被砍伐后留下的树桩。1990～2000年，虽然林地面积总体平稳，但林地遭到破坏面积很大，后得益于1998年国家“天保工程”以及退耕还林政策实施，林地资源得到保护。深究原因，早在1984年，国家就颁布了森林法（樊宝敏等，2021），走上依法治林，但当地经济基础薄弱，农民为了维持生计，砍伐树木。在1998年，“天保工程”开始实施，实施天然林保护并人工种植树木，2001年，建立中央森林生态效益补偿基金，1998～2010年，国家在大凉山区投入“天保工程”专项资金17.76亿元，因此2000～2010年，大凉山区林地面积快速增长。2010年后，国家相关资金减少，大凉山区林业发展转为维护已有成果，林地面积增长放缓。
![]()
图 10 1990～2022年大凉山区林地覆盖率变化Figure 10. Change of forest land coverage in Daliangshan area from 1990 to 2022最后，在大凉山区生态发展良好的同时，还存在一些问题。大凉山区林地多以人工种植为主，且多为针叶林，当地原生阔叶林较少（张景华等，2021c），不利于当地生物多样性的保护以及林地生态功能的发挥。针叶林还容易导致火灾，统计显示，仅在西昌市云南松林区每年发生火灾面积2～5 km2。大凉山区海拔高，火灾扑救难度大，2019年木里县“3•30”火灾就导致了大量经济损失与30人遇难。
5. 结论
（1）1990～2022年，大凉山区林地面积大幅度增长，耕地面积持续减少，且两者在时空分布上吻合，说明增长的林地主要由耕地转化而来。草地面积因转入面积与转出面积相对平衡，整体变化不明显，转出的草地主要通过人工封山育林正向演替为林地，转入的草地主要是退耕还林、还草政策导致的耕地面积转入。水域湿地面积得益于水利设施的建设与湿地保护；建设用地伴随着大凉山区经济的发展，两者面积均有较大幅度增长，大凉山区“天保工程”等国家生态工程的实施实现了人与自然的双赢。但实地考察发现仍存在一定问题：大量人工林存在着火灾等安全隐患、部分林地砍伐后逆向演替为草地等，这些仍需相关部门需要多加监管注意。
（2）笔者基于土地利用转移矩阵，对大凉山区土地利用变化展开研究，结合相关政策背景，着重分析了大凉山区土地利用变化情况与当地生态格局演变的关系，以及相关政策对土地利用变化的影响，可以为大凉山区进一步的区域规划管理与政策制定提供支持。但想要进一步研究政策法规等与土地利用变化的量化关系，还需要更多的社会、经济等信息支撑，建立一个完整的评价体系。
-
![]()
图 1 研究区及采样点位置图.
（a）新疆维吾尔自治区遥感影像图；（b）研究区土地利用类型图
Figure 1. Location diagram of the study area and the sampling point
![]()
图 2 研究区土壤重（类）金属含量空间分布示意图
Figure 2. Schematic diagram of the spatial distribution of soil heavy metal content in the study area
![]()
图 3 土壤重（类）金属的
$ {\mathrm{P}}_{\mathrm{r}}\mathrm{和}{\mathrm{P}}_{\mathrm{n}} $ 空间分布图Figure 3. Spatial distribution map of
$ {P}_{r} $ and$ {P}_{n} $ of soil heavy metals表 1 土壤重（类）金属描述性统计表（n=125）
Table 1 Descriptive statistics of soil heavy metals（n=125）
元素 最小值/
（mg/kg）最大值/
（mg/kg）平均值/
（mg/kg）标准差/
（mg/kg）偏度 峰度 变异
系数%新疆背景值/
（mg/kg）国家筛查值/
（mg/kg）As 2.40 24.60 9.63 3.71 1.07 1.49 38 11.20 25.00 Hg 0.01 0.03 0.01 0.01 0.89 -0.04 42 0.02 3.40 Cr 23.29 75.70 42.19 10.48 0.69 0.12 25 49.30 250.00 Ni 11.71 39.20 21.39 5.61 0.55 -0.18 26 26.60 190.00 Cu 8.92 40.90 18.96 6.79 0.93 0.62 36 26.70 100.00 Zn 29.68 93.10 52.15 13.91 0.53 -0.32 27 68.80 300.00 Cd 0.07 0.26 0.14 0.04 0.72 0.46 26 0.12 0.60 Pb
pH10.08
8.0132.58
9.4617.48
8.663.06
0.291.29
0.253.79
0.0517
3.319.40
—170.00
—注：背景值参照新疆土壤元素地球化学背景值（2011）（叶盼青等，2022）。 
下载: 导出CSV
表 2 相关理论参数及最优拟合模型
Table 2 Related theoretical parameters and optimal fitting model
元素 理论模型 块金值C0 基台值Sill 块金比（%） 变程（m） 决定系数R² 残差RSS As 指数 0.02 0.14 0.89 4920.00 0.77 6.10×10−5 Hg 高斯 0.02 0.14 0.84 3222.00 0.18 1.08×10−4 Cr 指数 0.01 0.06 0.87 4200.00 0.35 9.66×10−5 Ni 指数 0.01 0.07 0.89 3570.00 0.22 4.01×10−5 Cu 指数 0.01 0.12 0.89 2520.00 0.23 1.16×10−4 Zn 指数 0.01 0.07 0.89 3240.00 0.24 4.20×10−5 Cd 高斯 0.01 0.06 0.83 2286.00 0.24 5.15×10−5 Pb
pH高斯
高斯0.00
0.000.04
0.000.83
0.843186.00
3984.000.38
0.218.35×10−6
1.76×10−8
下载: 导出CSV
表 3 不同污染级别的样本数占总样本数的百分数（n=125）
Table 3 The number of samples with different contamination levels is a percentage of the total number of samples (n=125)
指数 元素 无污染 轻度污染 中度污染 重度污染 单因子污染指数（Pr） As 69.93% 29.37% 0.70% 0 Hg 72.03% 29.97% 0 0 Cr 78.32% 21.68% 0 0 Ni 81.82% 18.18% 0 0 Cu 88.81% 11.19% 0 0 Zn 86.71% 13.29% 0 0 Cd 38.46% 60.83% 0.70% 0 Pb 78.32% 21.68% 0 0 内梅罗综合污染指数（Pn） — 48.95% 51.05% 0 0
下载: 导出CSV
表 4 调整前后潜在生态风险评价标准
Table 4 Evaluation criteria of potential ecological risks before and after adjustment
指标 生态危害等级 轻微 中等 强 很强 极强 调整前 单项生态风险指数（Er） ＜40 40～80 80～160 160～320 ＞320 综合生态风险指数（RI） ＜150 150～300 300～600 ＞600 调整后 单项生态风险指数（Er） ＜30 30～60 60～120 120～240 ＞240 综合生态风险指数（RI） ＜70 70～140 140～280 ＞280
下载: 导出CSV
表 5 潜在生态风险评价
Table 5 Assessment of potential ecological risks
潜在生态风险系数（Er） 综合潜在生态
污染指数（RI）元素 As Hg Cr Ni Cu Zn Cd Pb 最小值 2.14 14.12 0.94 2.20 1.67 0.43 18.32 2.60 50.75 最大值 21.96 75.29 3.07 7.37 7.66 1.35 66.00 8.40 179.07 均值 8.60 34.03 1.71 4.02 3.55 0.76 34.76 4.51 91.93
下载: 导出CSV
-
阿吉古丽·马木提, 麦麦提吐尔逊·艾则孜, 艾尼瓦尔·买买提, 等. 开都河下游绿洲耕地土壤重金属污染及潜在生态风险[J]. 环境科学学报, 2017, 37(6): 2331-2341 MAMUT Ajigul, EZIZ Mamattursun, MAMUTI Aniwar, et al. Heavy metal contamination and potential ecological risks in the soil of the lower Kaidu River oasis[J]. Acta Scientiae Circumstantiae, 2017, 37(6): 2331-2341.
比拉力·依明, 阿不都艾尼·阿不里, 师庆东, 等. 基于PMF模型的准东煤矿周围土壤重(类)金属污染及来源解析[J]. 农业工程学报, 2019, 35(9): 185-192 BILAL Imin, ABDUGHENI Abliz, SHI Qingdong, et al. Analysis of heavy metal pollution and sources in soils around Zhundong coal mine based on PMF model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(9): 185-192.
曹佰迪, 李文明, 周一凡, 等. 鄱阳湖流域沉积物中重金属元素分布特征及生态风险浅析[J]. 西北地质, 2022, 55(4): 343-353 CAO Baidi, LI Wenming, ZHANG Yifan, et al. Distribution characteristics and ecological risks of heavy metal elements in sediments of Poyang Lake basin[J]. Northwestern Geology, 2022, 55(4): 343-353.
陈锦, 郭锦. 单因子法及综合污染指数法在矿山土壤重金属污染评价中的应用[J]. 世界有色金属, 2020(9): 281-282 doi: 10.3969/j.issn.1002-5065.2020.09.135 CHEN Jin, GUO Jin. Application of single factor method and integrated pollution index method in the evaluation of heavy metal pollution in mine soils[J]. World Nonferrous Metals, 2020(9): 281-282. doi: 10.3969/j.issn.1002-5065.2020.09.135
陈明, 王琳玲, 曹柳, 等. 基于PMF模型的某铅锌冶炼城市降尘重金属污染评价及来源解析[J]. 环境科学, 2022, 44(6): 3450-3462 CHEN Ming, WANG Linling, CAO Liu, et al. Evaluation and source analysis of heavy metal pollution from dustfall in a lead-zinc smelting city based on PMF model[J]. Environmental Science, 2022, 44(6): 3450-3462. .
陈喜, 黄日超, 黄峰, 等. 西北内陆河流域水循环和生态演变与功能保障机制研究[J]. 水文地质工程地质, 2022, 49(5): 12-21 CHEN Xi, HUANG Richao, HUANG Feng, et al. Study on water cycle and ecological evolution and function guarantee mechanism of inland river basins in Northwest China[J]. Hydrogeology & Engineering Geology, 2022, 49(5): 12-21.
冯博鑫, 徐多勋, 张宏宇, 等. 基于最小数据集的周至地区土壤重金属地球化学特征及成因分析[J]. 西北地质, 2023, 56(1): 284-292 FENG Boxin, XU Duoxun, ZHANG Hongyu, et al. Geochemical characteristics and genesis of heavy metals in soils of Zhouzhi area based on minimum data set[J]. Northwestern Geology, 2023, 56(1): 284-292.
冯娟. 浅析实施塔里木河干流下游生态输水工程的重要意义[J]. 中国水运, 2015, 15(2): 138-139 FENG Juan. An analysis of the importance of implementing the ecological water transfer project in the downstream of the main stream of Tarim River[J]. China Water Transport, 2015, 15(2): 138-139.
奉大博, 董树义, 杨棣, 等. 广东韶关乐昌铅锌矿土壤重金属污染特征及评价[J]. 矿物岩石, 2022, 42(3): 123-133 FENG Dabo, DONG Shuyi, YANG Di, et al. Characteristics and evaluation of heavy metal contamination in soils of Shaoguan Lechang Pb-Zn mine, Guangdong[J]. Mineralogy and Petrology, 2022, 42(3): 123-133.
胡明, 薛娇, 严玉林, 等. 北京市特征河流沉积物重金属污染评价与来源解析[J]. 中国给水排水, 2021, 37(23): 73-81 HU Ming, XUE Jiao, YAN Yulin, et al. Evaluation and source analysis of heavy metal pollution in sediments of characteristic rivers in Beijing[J]. China Water & Wastewater, 2021, 37(23): 73-81.
林丽钦. 应用毒理学安全评价数据推算重金属毒性系数的探讨: 2009重金属污染监测、风险评价及修复技术高级研讨会[C], 中国山东青岛, 2009. 马建华, 韩昌序, 姜玉玲. 潜在生态风险指数法应用中的一些问题[J]. 地理研究, 2020, 39(6): 1233-1241 doi: 10.11821/dlyj020190632 MA Jianhua, HAN Changxu, JIANG Yuling. Some issues in the application of potential ecological risk index method[J]. Geographical Research, 2020, 39(6): 1233-1241. doi: 10.11821/dlyj020190632
麦尔耶姆·亚森, 买买提·沙吾提, 尼格拉·塔什甫拉提, 等. 渭干河-库车河绿洲土壤重金属分布特征与生态风险评价[J]. 农业工程学报, 2017, 33(20): 226-233 doi: 10.11975/j.issn.1002-6819.2017.20.028 YASEN Maieryemu, SAWUT Mamat, TAXIPULATI Nigela, et al. Characteristics of heavy metal distribution and ecological risk evaluation in the oasis soil of Weigan River-Kuche River[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(20): 226-233. doi: 10.11975/j.issn.1002-6819.2017.20.028
麦麦提吐尔逊·艾则孜, 阿吉古丽·马木提, 艾尼瓦尔·买买提. 新疆焉耆盆地辣椒地土壤重金属污染及生态风险预警[J]. 生态学报, 2018, 38(3): 1075-1086 EZIZ Mamattursun, MAMUT Ajigul, MAMUTI Aniwar. Early warning of heavy metal pollution and ecological risk in pepperlands of Yanqi Basin, Xinjiang[J]. Acta Ecologica Sinica, 2018, 38(3): 1075-1086.
孟晓飞, 郭俊娒, 杨俊兴, 等. 石家庄市栾城区农田土壤重金属分布特征及作物风险评价[J]. 环境科学, 2022, 43(9): 4779-4790 MENG Xiaofei, GUO Junym, YANG Junxing, et al. Distribution characteristics of heavy metals in agricultural soils of Luancheng District Shijiazhuang and evaluation of crop risk[J]. Environmental Science, 2022, 43(9): 4779-4790.
汪家权, 刘万茹, 钱家忠, 等. 基于单因子污染指数地下水质量评价灰色模型[J]. 合肥工业大学学报(自然科学版), 2002(5): 697-702 WANG Jiaquan, LIU Wanru, QIAN Jiazhong, et al. A grey model for groundwater quality evaluation based on single factor pollution index[J]. Journal of Hefei University of Technology (Natural Science), 2002(5): 697-702.
王海江, 董天宇, 朱永琪, 等. 玛纳斯河流域长期连作棉田土壤重金属剖面分布特征分析[J]. 农业环境科学学报, 2017, 36(11): 2216-2225 WANG Haijiang, DONG Tianyu, ZHU Yongqi, et al. Characterization of soil heavy metal profiles in long-term continuous crop cotton fields in the Manas River basin[J]. Journal of Agro-Environment Science, 2017, 36(11): 2216-2225.
王雪婷. 沈阳市农村土壤环境质量监测与重金属污染评价[D]. 沈阳: 辽宁大学, 2022 WANG Xueting. Monitoring the quality of rural soil environment and evaluation of heavy metal pollution in Shenyang[D]. Shenyang: Liaoning University, 2022.
王幼奇, 白一茹, 王建宇. 基于GIS的银川市不同功能区土壤重金属污染评价及分布特征[J]. 环境科学, 2016, 37(2): 710-716 WANG Youqi, BAI Yiru, WANG Jianyu. GIS-based evaluation and distribution characteristics of soil heavy metal pollution in different functional areas of Yinchuan City[J]. Environmental Science, 2016, 37(2): 710-716.
吴梅, 刘属灵, 袁余洋, 等. 土壤重金属潜在生态风险指数法优化研究-以重庆市城口县为例[J]. 土壤通报, 2023, 54(2): 473-480 WU Mei, LIU Zhiling, YUAN Yuyang, et al. Optimization of the potential ecological risk index method for soil heavy metals in Chengkou County, Chongqing[J]. Chinese Journal of Soil Science, 2023, 54(2): 473-480.
息朝庄, 戴塔根, 黄丹艳. 湖南株洲市土壤重金属分布特征及污染评价[J]. 中国地质, 2008(3): 524-530 XI Chaozhuang, DAI Tagen, HUANG Danyan. Characteristics of soil heavy metals distribution and pollution evaluation in Zhuzhou, Hunan[J]. Geology in China, 2008(3): 524-530.
杨淑媛. 植酸改性生物炭对土壤中Pb、Zn、Cd形态转化的影响研究[D]. 西安: 陕西科技大学, 2022 YANG Suyuan. Study on the effect of phytate modified biochar on the morphological transformation of Pb、Zn、Cd in soil[D]. Xi’an: Shaanxi University of Science and Technology, 2022.
杨秀敏, 任广萌, 李立新, 等. 土壤pH值对重金属形态的影响及其相关性研究[J]. 中国矿业, 2017, 26(6): 79-83 YANG Xiumin, REN Guangmeng, LI Lixin, et al. Study on the influence of soil pH on heavy metal morphology and its correlation[J]. China Mining Magazine, 2017, 26(6): 79-83.
叶盼青, 阿不都艾尼·阿不里, 孙小丽, 等. 天山北坡经济带土壤重金属污染评价及来源分析[J]. 中国环境科学, 2022, 42(10): 4704-4712 YE Panqing, ABLIZ Abdugheni, SUN Xiaoli, et al. Evaluation and source analysis of soil heavy metal pollution in the economic zone on the north slope of Tianshan Mountain[J]. China Environmental Science, 2022, 42(10): 4704-4712.
尹芳, 封凯, 尹翠景, 等. 青海典型工业区耕地土壤重金属评价及源解析[J]. 中国环境科学, 2021, 41(11): 5217-5226 doi: 10.3969/j.issn.1000-6923.2021.11.030 YIN Fang, FENG Kai, YIN Cuijing, et al. Evaluation and source analysis of heavy metals in arable soils of typical industrial areas in Qinghai[J]. China Environmental Science, 2021, 41(11): 5217-5226. doi: 10.3969/j.issn.1000-6923.2021.11.030
余飞, 王佳彬, 王锐, 等. 基于乡镇尺度的地质高背景区耕地土壤重金属来源分析与风险评价[J]. 环境科学, 2023, 44(5): 2838-2848 YU Fei, WANG Jia-bin, WANG Rui, et al. Source analysis and risk assessment of heavy metals in arable soils in a high geological background area based on township scale[J]. Environmental Science, 2023, 44(5): 2838-2848.
张慧文, 马剑英, 张自文, 等. 地统计学在土壤科学中的应用[J]. 兰州大学学报(自然科学版), 2009, 45(6): 14-20, 27. ZHANG Huewen, MA Jianying, ZHANG Ziwen, et al. Application of geostatistics in soil science[J]. Journal of Lanzhou University (Natural Sciences), 2009, 45(6): 14-20. 郑行泉. 重金属铜对动物的急性毒性试验[J]. 福建畜牧兽医, 2018, 40(5): 14-16 doi: 10.3969/j.issn.1003-4331.2018.05.007 ZHENG Xingquan. Acute toxicity test of heavy metal copper to animals[J]. Fujian Animal Husbandry and Veterinary Medicine, 2018, 40(5): 14-16. doi: 10.3969/j.issn.1003-4331.2018.05.007
周雪明, 郑乃嘉, 李英红, 等. 2011~2012北京大气PM_2.5中重金属的污染特征与来源分析[J]. 环境科学, 2017, 38(10): 4054-4060 ZHOU Xueming, ZHENG Naijia, LI Yinghong, et al. Pollution characteristics and source analysis of heavy metals in atmospheric PM_2.5 in Beijing from 2011 to 2012[J]. Environmental Science, 2017, 38(10): 4054-4060.
曾妍妍, 周金龙, 王松涛, 等. 新疆若羌县农田土壤重金属分布特征及污染评价[J]. 干旱区资源与环境, 2017, 31(9): 87-91 ZENG Yanyan, ZHOU Jinlong, WANG Songtao, et al. Characteristics of heavy metal distribution and pollution evaluation in agricultural soils of Ruoqiang County, Xinjiang[J]. Journal of Arid Land Resources and Environment, 2017, 31(9): 87-91.
Ajani G E, Popoola S O, Oyatola O O. Evaluation of the Pollution Status of Lagos Coastal Waters and Sediments using Physicochemical Characteristics Contamination Factor Nemerow Pollution Index Ecological Risk and Potential Ecological Risk Index[J]. International Journal of Environment and Climate Change, 2021, 2(4): 1-16.
Begum B A, Biswas S K, Hopke P K. Key issues in controlling air pollutants in Dhaka, Bangladesh[J]. Atmospheric Environment, 2010, 45(40): 7705-7713.
Cai L, Xu Z, Ren M, et al. Source identification of eight hazardous heavy metals in agricultural soils of Huizhou, Guangdong Province, China[J]. Ecotoxicology and Environmental Safety, 2012, 78(1): 2-8.
Chai L, Wang Y, Wang X, et al. Quantitative source apportionment of heavy metals in cultivated soil and associated model uncertainty[J]. Ecotoxicology and Environmental Safety, 2021, 215(1): 112150-112150.
Gray C W, McLaren R G, Roberts A H C, et al. The effect of long-term phosphatic fertiliser applications on the amounts and forms of cadmium in soils under pasture in New Zealand[J]. Nutrient Cycling in Agroecosystems, 1999, 54(3): 267-277. doi: 10.1023/A:1009883010490
Hu W, Wang H, Dong L, et al. Source identification of heavy metals in peri-urban agricultural soils of southeast China: An integrated approach[J]. Environmental Pollution, 2018, 237(3): 650-661.
Nalan K, DENGİZ O. Assessment of potential ecological risk index based on heavy metal elements for organic farming in micro catchments under humid ecological condition[J]. Eurasian Journal of Soil Science, 2020, 9(3): 194-201.
Zhuang P, Lu H, Li Z, et al. Multiple exposure and effects assessment of heavy metals in the population near mining area in South China[J]. Plos One, 2017, 9(4): 94484-94485.
计量
- 文章访问数: 121
- HTML全文浏览量: 9
- PDF下载量: 8
