Scientia Geographica Sinica 2016 , 36 (7): 1081-1090 https://doi.org/10.13249/j.cnki.sgs.2016.07.015

Orginal Article

长株潭城市群污染空间识别与污染分布研究

何甜¹, 帅红¹^,, 朱翔¹

湖南师范大学资源与环境科学学院, 湖南长沙 410081

Pollution Space Recognition and Pollution Distribution of Changsha-Zhuzhou-Xiangtan Urban Agglomeration

He Tian¹, Shuai Hong¹^,, Zhu Xiang¹

College of Resource and Environmental Science, Hunan Normal University, Changsha 410081, Hunan, China

中图分类号: K903

文献标识码: A

文章编号: 1000-0690（2016）07-1081-10

通讯作者: 通讯作者：帅红,副教授。E-mail:shuaih823@163.com

收稿日期: 2015-12-2

修回日期: 2016-03-8

网络出版日期: 2016-07-20

基金资助: 国家“十二五” 科技支撑计划子课题（2012BAJ15B06-08）资助

作者简介:

作者简介：何甜（1986-）,女,湖南常德人,博士研究生,主要从事资源开发与区域可持续发展研究。E-mail:hetian99@aliyun.com

展开

摘要

利用Arc-GIS空间分析软件对各类型污染进行空间识别和分布模拟,探究长株潭城市群污染空间分布特征。结果显示：① 该区大气环境污染以扬尘和煤烟型为主,主要污染物为可吸入颗粒物和二氧化硫,重点污染区域在长沙、株洲、湘潭三市主城区,呈点状分布;② 该区水域整体水质基本达标,水体环境污染以氨氮和各类重金属为主,且有明显的季节变化规律;③ 土壤污染覆盖范围较广,以株洲市的石峰区为代表,以镉污染最为严重,主要原因为重化工业排污累积。总之,株洲污染最严重,湘潭和长沙次之。污染空间的形成与长株潭城市群的地形地势及三类污染元素之间的转化有较大关联。

关键词： 长株潭城市群 ; 污染空间 ; 识别 ; 污染分布 ; 污染程度

Abstract

By ArcGIS spatial analysis software, this study aimed to carry out the space recognition and distribution simulation for each pollution type (i.e., air pollution, water pollution, soil pollution) and comprehensive pollution within Changsha-Zhuzhou-Xiangtan Urban Agglomeration, and discussed their characteristics. It can be concluded that: 1) The atmospheric environment pollution is given priority to fugitive dust and coal smoke with the main pollutants as PM₁₀ and SO₂, and the key pollution areas are the central downtowns of Changsha, Zhuzhou and Xiangtan City, exhibiting dots distribution; 2) The whole water quality basically reaches the standard, and water environment pollution mainly resulted from ammonia, nitrogen and various heavy metals with the significant seasonal variation; 3) Soil pollution is rather serious with a wide coverage. Taking Shifeng District of Zhuzhou City as a representative, Cadmium pollution is the most serious one, which is caused by the accumulation of heavy chemical industry pollution; 4) Overall, Zhuzhou is the most polluted, which is followed by Xiangtan and Changsha. The formation of pollution space is greatly related with the terrain and topography of Changsha-Zhuzhou-Xiangtan Urban Agglomeration, and influenced by the transformation among these three kinds of pollution elements.

Keywords： Changsha-Zhuzhou-Xiangtan Urban Agglomeration ; pollution space ; recognition ; pollution distribution ; pollution degree

PDF (6492KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

何甜, 帅红, 朱翔. 长株潭城市群污染空间识别与污染分布研究[J]. , 2016, 36(7): 1081-1090 https://doi.org/10.13249/j.cnki.sgs.2016.07.015

He Tian, Shuai Hong, Zhu Xiang. Pollution Space Recognition and Pollution Distribution of Changsha-Zhuzhou-Xiangtan Urban Agglomeration[J]. Scientia Geographica Sinica, 2016, 36(7): 1081-1090 https://doi.org/10.13249/j.cnki.sgs.2016.07.015

在城市的发展进程中,工业化是个不可逾越的时期,大量以制造、冶炼、化工为主体的第二产业占据世界经济的主体地位,伴随而来的是大量废水、废气、废渣的排放,长期积累形成污染空间（在西方文献中又被称为棕地）。国外对棕地的研究已经有几十年的历史,综合考虑各国对棕地的定义^[1~4],本研究提出“污染空间”的概念：污染空间是一个综合的概念,是因堆积、储存、处理、处置或其他方式（如迁移）承载了危害物质,可能或已经对生态系统和其周边环境产生危害的任何区域或空间,包括地表水、土壤浅层地下水以及离地面一定距离的大气等。

目前,国内外许多学者对不同区域的大气、水体、土壤等污染物的时空分布进行了研究,为更好地识别和治理污染空间提供了理论依据^[5~10]。

土壤是一个时空连续的变异体,具有高度的空间异质性^[11],土壤污染物、特别是重金属的空间分布具有高复杂性,其突变区域、过渡区域异常值和偏态分布,会使方差分析的稳定性降低。模糊聚类在高空间变异数据的插值中具有独特优势,不仅能解决土壤重金属在空间分布的渐变问题,更能解决传统方法无法解决的突变问题^[12~14]。

随着空间分析技术和地统计技术的不断成熟,将GIS强大的空间分析功能应用于环境科学领域的研究也越来越多^[15~18]。

现有研究大多偏重于某一类要素的污染识别和分析,而对于综合污染的探讨较少;在研究尺度上也多以城市、片区、水域断面等中微观区域为主,对于跨行政区的城市群研究较少。本文即以长沙、株州、湘潭城市群为例,以地表水、土壤浅层地下水以及离地面一定距离的大气等综合污染为研究对象,探索性识别长株潭城市群污染空间分布与分析污染原因。

1 研究区域

长株潭城市群（图1）位于湖南省中东部,包括长沙、株洲、湘潭三市,面积2.8 km²,是湖南省经济发展的核心增长极。3市沿湘江呈“品”字形分布,两两相距不足40 km,结构紧凑。长株潭城市群属中亚热带季风气候,四季分明,冬寒期短,夏热期长,降水丰沛,人均水资源拥有量2 069 m³,森林覆盖率达54.7%。当地地形相对平坦,长沙市东部、湘潭市西部、株洲市南部多山,其余地区多平原和台地。长沙以电子信息、工程机械、食品、生物制药,株洲以交通运输装备制造、有色冶金、化工原料及其制造,湘潭以黑色冶金、机电与机械制造、化纤纺织、化学原料及精细化工为支柱产业。这种以传统制造工业为主的产业结构,使得长期以来积累了大量污染,留下环境隐患,对周边居民以及城市群未来发展带来严重影响。

显示原图| 下载原图ZIP| 生成PPT

图1 长株潭城市群

Fig.1 Changsha-Zhuzhou-Xiangtan Urban Agglomeration

2 研究方法

针对大气、水体和土壤这3类不同性质的污染元素,应采取不同的方法进行分析。大气和水体污染在长株潭城市群并不具备典型性,可选择污染分指数叠加法、综合水质标识指数等常用方法。长期发展重化工企业导致的土壤重金属污染是长株潭城市群污染空间的主要形成原因。单元素重金属污染虽有发生,但在自然界中土壤重金属的污染多为伴生性或综合性,由于各元素的含量呈显著相关,元素之间的交互作用使得某种元素的生理效应和化学行为较之其在单体系中发生很大变化。目前,一般都是在单元素评价的基础上采用内梅罗综合指数法来评价重金属对土壤的复合污染。前述文献中也指出,模糊聚类在解决土壤重金属空间分布的突变问题上具有突出优势（图2）。

显示原图| 下载原图ZIP| 生成PPT

图2 研究技术路线

Fig.2 Research technical route

2.1 克里格插值空间分析

克里格方法又称空间局部插值法,是以空间自相关性和变异函数理论和结构分析为基础,在有限区域内对区域变化量进行无偏最优估计的一种地统计学方法,其优点在于能最大限度地利用空间取样所提供的各种信息。本文采用的普通克里格方法是一种区域变化量的线性估计,它假设数据变化成正态分布,认为区域变化量 $\begin{matrix} Z \end{matrix}$ 的期望值是未知的。公式如下：

$\begin{matrix} Z (x_{0}) = \overset{n}{\sum_{i = 1}} λ_{i} Z (x_{i}) \end{matrix}$ （1）

式中, $\begin{matrix} Z (x_{0}) \end{matrix}$ 为未知点的值, $\begin{matrix} Z (x_{i}) \end{matrix}$ 为未知样点周边已知样点的值, $\begin{matrix} λ_{i} \end{matrix}$ 为第 $\begin{matrix} i \end{matrix}$ 个已知样本点对未知样点的权重, $\begin{matrix} n \end{matrix}$ 为未知样本点的个数。

2.2 大气污染综合指数评价

本文采用污染综合指数法即污染分指数叠加法对大气环境质量进行评价。公式如下：

$\begin{matrix} P_{_{n}} = \overset{n}{\sum_{i = 1}} P_{_{i}} \end{matrix}$ ,其中, $\begin{matrix} P_{i} = \frac{C_{i}}{S_{i}} \end{matrix}$ （2）

式中, $\begin{matrix} P_{n} \end{matrix}$ 表示 $\begin{matrix} n \end{matrix}$ 项污染物的综合污染指数, $\begin{matrix} P_{i} \end{matrix}$ 是污染物 $\begin{matrix} i \end{matrix}$ 的污染指数, $\begin{matrix} C_{i} \end{matrix}$ 表示第i项污染物的监测浓度值, $\begin{matrix} S_{i} \end{matrix}$ 表示与第i项污染物的对应的标准浓度限值。

反映各项大气污染物在大气环境质量中贡献率大小的等标污染负荷系数F的计算公式如下：

$\begin{matrix} F_{i} = \frac{P_{i}}{P_{n}} \end{matrix}$ （3）

式中, $\begin{matrix} F_{i} \end{matrix}$ 是污染物 $\begin{matrix} i \end{matrix}$ 的污染负荷系数。

2.3 综合水质标识指数评价

综合水质标识指数法是根据现行国家《地表水环境质量标准》相关标准,在单因子水质标识指数法基础上建立起来的一种全新的水质评价方法^[19]。该指数由整位数和3位或4位小数组成,表达式为：

$\begin{matrix} W_{WPI} = X_{1} X_{2} X_{3} X_{4} \end{matrix}$ （4）

式中, $\begin{matrix} W_{WPI} \end{matrix}$ 为综合水质标识指数, $\begin{matrix} X_{1} \end{matrix}$ 为各监测点总体的综合水质类别, $\begin{matrix} X_{2} \end{matrix}$ 为综合水质在 $\begin{matrix} X_{1} \end{matrix}$ 类水质变化区间所处的位置, $\begin{matrix} X_{3} \end{matrix}$ 为参与整体水质评价的指标中劣于功能区目标标准的水质指标个数, $\begin{matrix} X_{4} \end{matrix}$ 为综合水质类别与水体功能区类别的比较结果,体现综合水质的污染程度。

综合水质标识指数的核心是综合水质指数 $\begin{matrix} X_{1} X_{2} \end{matrix}$ 的计算,单因子水质标识指数的权重分配对综合水质指数的精度有很大影响。本文对以往所采用的方法进行改进,并比较选择,方案定为以下2种：

方案一： $\begin{matrix} X_{1} X_{2} = \frac{1}{2} \overset{n}{\sum_{i = 1}} P_{i} \end{matrix}$ （5）

式中,n为参加综合水质评价的单因子水质标识指数的数目,P_i为单因子水质标识指数。

方案二： $\begin{matrix} X_{1} X_{2} = \frac{1}{2} (\overset{̅}{P} + P_{\max}) \end{matrix}$ （6）

式中, $\begin{matrix} \overset{̅}{P} = \frac{1}{n} \overset{n}{\sum_{i = 1}} P_{i} \end{matrix}$ , $\begin{matrix} \overset{̅}{P} \end{matrix}$ 和 $\begin{matrix} P_{\max} \end{matrix}$ 权重各取0.5。

若所有参与评价的水质指标均达到水环境功能区目标,则 $\begin{matrix} X_{3} = 0 \end{matrix}$ ;若综合水质类别好于或达到功能区类别目标,则 $\begin{matrix} X_{4} = 0 \end{matrix}$ 。

2.4 土壤污染模糊综合评价法

模糊综合评价法是基于模糊数学原理建立起来的一种方法,它以隶属度来划分事物的模糊界限,充分考虑每个因子对综合评价结果的贡献,并把贡献按权重分配,经过模糊变换和综合运算得到综合隶属度,以此确定土壤的污染级别^[20]。该方法的步骤为：建立评价因子集和评价等级集→建立隶属度函数和模糊矩阵→建立权重集→综合评估。

2.5 土壤污染内梅罗综合指数评价法

内梅罗污染综合指数法是一种兼顾极值的综合方法,既考虑了单因素的作用,又突出了污染最严重元素的重要性^[21],计算公式为：

$\begin{matrix} P = \sqrt[]{\frac{1}{2} \{{(\frac{1}{n} \overset{n}{\sum_{i = 1}} P_{_{i}})}^{2} + {[\max (P_{_{i}})]}^{2}\}} \end{matrix}$ （7）

式中, $\begin{matrix} P \end{matrix}$ 为土壤综合指数; $\begin{matrix} n \end{matrix}$ 为评价因子个数; $\begin{matrix} \frac{1}{n} \overset{n}{\sum_{i = 1}} P_{_{i}} \end{matrix}$ 为元素污染指数的平均值; $\begin{matrix} \max (P_{i}) \end{matrix}$ 为元素污染指数的最大值。

3 数据来源

本文大气数据来自于3市环境监测中心站检测报告,共23个监测点;监测时间是2012年1~12月,使用数据为年均数据;监测项目包括二氧化硫（SO₂）、二氧化氮（NO₂）、可吸入颗粒物（PM₁₀）及一氧化碳（CO）。

水体数据来自于2012年3市水质监测年报,共9个断面。根据《地面水环境标准》（GB 3838-2002）和《地表水环境质量评价办法》（试行）,结合长株潭城市群水体特征,均采集表层水样,选取汞、镉、砷、铅、氨氮、高锰酸盐指数、挥发酚、石油类和铜共9项指标。

土壤数据来自于2012年3市土壤监测报告,共25个采样点。每个采样点位在耕作层（0~20 cm）取一个样,在采样点半径15 m范围内,用5点采样法分别采样,混合为一个样,然后反复按四分法分取。监测项目包括pH值、铜、铅、锌、镉、汞、铬、砷共8项指标。

以上大气、水体、土壤污染采样点多布局在3市市区（水体为湘江断面）,选取较为有代表性的工业集中区、人口密集区、河流排污口下游与河水基本混匀处,以单一农业面源为主的农村地区在本研究中暂不考虑（图3）。

显示原图| 下载原图ZIP| 生成PPT

图3 研究区污染监测点布局

Fig.3 Distribution of pollution monitoring stations in study area

4 结果分析

4.1 长株潭大气污染空间识别

将大气监测数据年均值带入公式（2~3）,以《环境空气质量标准》（GB3095-1996）中二级标准浓度限值为基准,计算出长株潭空气综合污染指数（表1）。将计算结果运用普通克里格插值法进行空间模拟,得到长株潭综合污染指数空间分布情况（图4）。

表1 大气监测点综合污染指数

Table 1 Comprehensive pollution index of atmospheric monitoring points

监测点		SO₂			NO₂			PM₁₀			CO		综合指数
监测点		污染分指数		负荷系数（%）		污染分指数		负荷系数（%）		污染分指数	负荷系数（%）	污染分指数	负荷系数（%）
株洲市	市监测站	0.800	30.27		0.625	23.65		0.830	31.41		0.388	14.66	2.643
	株冶医院	1.450	41.61		0.575	16.50		1.060	30.42		0.400	11.48	3.485
	株洲火车站	0.700	31.01		0.475	21.04		0.640	28.35		0.443	19.60	2.258
	天台山庄	0.783	30.38		0.450	17.45		0.980	38.01		0.365	14.16	2.578
	市四中	0.633	27.74		0.450	19.71		0.820	35.91		0.380	16.64	2.283
	大京风景区	0.117	7.56		0.163	10.52		0.910	58.93		0.355	22.99	1.544
	云田中学	0.801	32.27		0.625	23.65		0.830	31.53		0.378	13.56	2.225
湘潭市	市监测站	1.440	43.21		0.575	16.40		1.060	27.42		0.400	2.48	2.865
	江麓	0.700	31.01		0.475			21.04	0.640			28.35	0.443	19.60	2.452
	岳塘	0.783	30.38	0.450		17.45	0.980		38.01	0.365		14.16	2.371
	板塘	0.633	27.74	0.450		19.71	0.820		35.91	0.380		16.64	2.253
	科大	0.117	7.56	0.163		10.52	0.910		58.93	0.355		22.99	1.542
	韶山	0.800	30.27	0.625		23.65	0.830		31.41	0.388		14.66	2.634
长沙市	沙坪	1.450	41.61	0.575	16.50	1.060	30.42	0.400	11.48	3.458
	天心区	0.700	31.01	0.475		21.04	0.640		28.35	0.443		19.60	2.254
	雨花区	0.783	30.38	0.450		17.45	0.980		38.01	0.365		14.16	2.587
	湖南中医大	0.633	27.74	0.450		19.71	0.820		35.91	0.380		16.64	2.280
	湖南师大	0.117	7.56	0.163		10.52	0.910		58.93	0.355		22.99	1.575
	长沙火车站	1.450	41.61	0.575		16.50	1.060		30.42	0.400		11.48	3.458
	经开区	0.700	31.01	0.475		21.04	0.640		28.35	0.443		19.60	2.271
	高开区	0.783	30.38	0.450		17.45	0.980		38.01	0.365		14.16	2.598
	伍家岭	0.633	27.74	0.450		19.71	0.820		35.91	0.380		16.64	2.238
	马坡岭	0.117	7.56	0.163		10.52	0.910		58.93	0.355		22.99	2.376

注：根据各监测点污染分指数及负荷系数,SO₂和 PM₁₀为研究区主要污染物。

新窗口打开

显示原图| 下载原图ZIP| 生成PPT

图4 长株潭城市群大气污染分布

Fig.4 Distribution of air pollution in Changsha-Zhuzhou-Xiangtan Urban Agglomeration

从图4可看出,长株潭城市群的大气污染程度整体较低,3个市区形成3个主要的污染集聚区。具体可分为以下几类：极度污染区,主要是株洲市清水塘工业区、株洲市高新区、长沙市芙蓉区;重度污染区,主要是株洲市石峰区、长沙市芙蓉区和天心区混合区、湘潭市岳塘区;中度污染区,主要是长沙市岳麓区和开福区混合区、望城区建成区、长沙县建成区、株洲市荷塘区、株洲市芦淞区、湘潭市雨湖区、湘潭县建成区;轻度污染区,城市群核心区大部分区域;清洁区,城市群中部绿心。

究其原因,湖南省大气环境污染以扬尘和煤烟型为主,主要污染物为可吸入颗粒物和二氧化硫,主要分布区域为重化工业区,如株洲清水塘、湘潭竹埠港、湘钢工业区等。与清水塘工业区隔湘江而望的株洲高新区位于湘江南岸,处于清水塘工业区的下风向,受高架大气污染源的影响,空气质量长期达不到二级标准。长沙市芙蓉区、天心区等地由于中心城区人口密集,居民家庭和餐饮业产生大量的油烟污染,且机动车数量大幅增加,运输繁忙,排放大量尾气造成污染。株洲市位于罗宵山脉与雪峰山脉之间的湘江谷地,属于气流交汇地区,大气污染物沿南北走向的湘江谷地扩散,形成长株潭三市大气污染物的互相叠加。

4.2 长株潭水体污染空间识别

1）开展单因子水质标识指数评价。把水体监测数据带入公式（2）,得到各监测断面单因子水质标识指数P_i（表2）。按照《地表水环境质量标准》,除氨氮外的其他水质污染指标均处于Ⅰ类水标准,水质状况较好。

表2 各监测断面单因子水质标识指数

Table 2 Single factor water quality identification index of each monitoring section

断面	汞	镉	砷	铅	氨氮	高锰酸盐指数	挥发酚	石油类	铜
株洲朱亭水质监测断面	1.4	1.6	1.1	1.0	3.0	1.9	1.1	1.5	1.1
株洲霞湾水质监测断面	1.4	1.6	1.1	1.0	2.6	1.9	1.1	1.5	1.2
湘潭马家河水质监测断面	1.4	1.8	1.2	1.1	2.6	1.9	1.1	1.5	1.2
湘潭水质监测断面	1.2	1.1	1.1	1.1	2.6	1.9	1.1	1.5	1.3
湘潭昭山水质监测断面	1.4	1.8	1.1	1.0	2.6	1.9	1.1	1.5	1.7
长沙新港水质监测断面	1.2	1.1	1.1	1.1	2.6	1.9	1.1	1.5	1.3
长沙施家港水质监测断面	1.4	1.8	1.2	1.1	2.6	1.9	1.1	1.5	1.2
长沙岳华水质监测断面	1.4	1.6	1.1	1.0	3.0	1.9	1.1	1.5	1.1
铜官水质监测断面	1.4	1.6	1.1	1.0	2.6	1.9	1.1	1.5	1.2
均值	1.36	1.56	1.12	1.04	2.69	1.90	1.10	1.50	1.26

新窗口打开

表3 各监测断面综合水质指数评价结果

Table 3 Comprehensive water quality index evaluation results of each monitoring section

断面	综合水质指数X₁X₂		W_WPI	水环境功能目标	水质类别
断面	方案一		W_WPI	水环境功能目标	方案二
株洲水质监测断面	1.5	2.3	2.300	Ⅲ	Ⅱ
株洲霞湾水质监测断面	1.5	2.0	2.000	Ⅲ	Ⅱ
湘潭马家河水质监测断面	1.5	2.1	2.100	Ⅲ	Ⅱ
湘潭水质监测断面	1.4	2.0	2.000	Ⅲ	Ⅱ
湘潭昭山水质监测断面	1.6	2.1	2.100	Ⅲ	Ⅱ
长沙新港水质监测断面	1.5	2.3	2.300	Ⅲ	Ⅱ
长沙施家港水质监测断面	1.4	2.1	2.100	Ⅲ	Ⅱ
长沙岳华水质监测断面	1.5	2.2	2.200	Ⅲ	Ⅱ
铜官水质监测断面	1.5	2.0	2.000	Ⅲ	Ⅱ

新窗口打开

2）开展综合水质标识指数评价。根据各监测断面单因子水质标识指数计算出综合水质指数X₁X₂（表3）。可以看出,方案一中各监测断面综合水质指数较小,这是因为方案一中所有的因子被赋予相同的权重,而方案二考虑了最差指标（氨氮）对水环境的影响,因此方案二的结果更科学。

根据方案二计算出各监测断面综合水质指数X₁X₂均符合Ⅲ类水质标准,没有超标项目,因此X₃、X₄的值都为零,从而求出W_WPI的值。按照综合水质级别评价标准,长株潭各监测断面水质类别均为Ⅱ类,达到水环境功能区目标。

总体来看,长株潭水域整体水质基本达标,其中浓度较高的污染物是氨氮,氨氮也是最普遍及受影响最大的有机污染物指标,来源主要为生产污水和生活污水中含氮有机物受微生物作用的分解产物。湘江水域不同季节的氨氮浓度变化非常明显,水体中浓度随季节变化峰值出现在第一季度,这是由于第一季度为湘江枯水期,水量小,故氨氮浓度大。除水量原因之外还与不同季节温度影响有关,较高的温度有利于水中的氨转化为亚硝酸盐或硝酸盐。

其次,长株潭水域重金属污染较突出,株洲市和湘潭市老工业区过去排放的工业废水大多未达标排放,工业废渣未全部得到安全处置,历经长年累积沉淀,使湘江区域内的霞湾港、老霞湾港、铜塘港及部分水塘中底泥沉积大量的镉、铅、汞等重金属,据测算分别达到42.7、97.5、5.3 t。同时,长株潭水域水体中重金属的浓度也具有明显的季节变化,汞、铅、镉3类重金属浓度峰值也出现在第一季度,这时大气降水少,河流为枯水期;而石油类、铜、砷3类重金属峰值出现在第二三季度,该时段湘江为丰水期,航运等人类活动频繁,石油类污染物排放量大。

4.3 长株潭土壤污染空间识别

1）土壤质量评价。参照国家土壤环境质量标准（GB15618-1995）建立评价集,按照模糊综合评价法的原理,采取最大隶属度原则得到各监测点的土壤污染分级。评价结论认为,除株洲党校、双板桥、岳麓山、谷山菜地、陈家渡菜地外,其余各点土壤评价等级为Ⅲ级,均超出功能区Ⅱ级标准,表明长株潭三市土壤污染较严重。

2）土壤质量分级。本文采用内梅罗综合污染指数全面分析铜、铅、锌、镉、汞、铬、砷7种重金属的综合污染程度,单项污染指数越高的元素对综合污染指数的贡献率和影响就越大。将长株潭土壤监测数据带入公式（7）,得到各监测点土壤污染指数（表4）。

表4 监测点土壤污染指数（P）

Table 4 Soil pollution index of each monitoring points (P)

监测点		铜	铅	锌	镉	汞	铬	砷	综合指数
株洲市	合花村	0.5	0.4	1.1	13.8	0.3	0.4	0.8	9.9
	关口村	0.7	0.3	1.0	6.9	0.2	0.7	0.7	5.0
	新塘坡村	0.8	0.3	0.9	4.4	0.2	0.3	1.2	3.2
	长石村	0.6	0.6	2.2	15.2	0.2	0.2	1.2	10.9
	建设村	0.7	1.3	4.1	39.4	0.4	0.4	2.0	28.3
	株洲党校	0.5	0.7	0.7	5.1	0.5	0.3	0.9	3.7
	石峰公园	0.3	0.9	1.4	13.3	0.4	0.3	1.0	9.6
	线江村	0.7	0.2	0.5	4.5	0.3	0.6	0.2	3.3
	栗雨谷	0.3	0.9	1.7	23.5	1.3	0.3	1.4	16.9
	新马村	0.7	0.4	1.0	16.4	0.4	0.2	0.6	11.8
湘潭市	何家湾	0.4	1.4	0.6	29.8	0.7	0.3	12.1	21.6
	大栗山	0.4	0.8	1.2	17.6	0.4	0.3	10.3	12.8
	大坟坪	0.4	1.3	0.2	6.2	0.3	0.2	1.3	4.5
	双板桥	0.4	0.2	0.3	4.3	0.6	0.1	1.2	3.1
	姜畲镇	0.4	0.2	1.9	0.1	0.4	0.3	1.4	2.0
	卢家山公路旁	0.4	1.8	0.2	9.0	0.4	25.0	0.0	25.3
	清亭村	0.4	0.2	2.1	0.1	0.3	0.3	1.3	2.1
	二环线公路旁	0.4	0.3	1.5	0.2	1.2	0.2	7.8	7.9
长沙市	四十八所	0.4	0.1	2.6	0.1	0.7	0.1	10.0	3.0
	坪塘连山村	0.3	0.2	1.8	0.1	0.4	0.2	1.6	1.8
	黑石渡大桥南	0.3	0.1	2.7	0.0	0.2	0.2	1.3	2.7
	捞刀河下游	0.3	0.1	2.5	0.1	0.2	0.3	0.5	2.5
	谷山菜地	0.6	0.2	3.3	0.1	0.5	0.1	4.8	3.5
	岳麓山	0.2	0.1	2.0	0.1	0.2	0.3	0.8	2.0
	陈家渡菜地	0.5	0.2	3.1	0.1	0.5	0.1	3.9	3.2

新窗口打开

参照《区域生态地球化学评价指南》中土壤污染等级划分标准（P≤1为清洁,1<P≤2为轻度污染,2<P≤3为中度污染,3<P≤6为重度污染,P>6为极度污染）,从表4各监测点的内梅罗污染指数可以看出,株洲市污染最严重。长石村、建设村、栗雨谷、何家湾、大栗山、卢家山公路旁等的综合污染指数P都大于6,属于极度污染,其中建设村污染指数最高为28.3。从各监测点单因子污染指数来看,元素镉、砷、锌的污染指数最高,对综合指数的贡献最大,特别是建设村单因子污染指数达到39.4。

3）土壤污染空间分布。将上述计算得出的综合污染指数运用普通克里格插值法进行空间插值,得到长株潭城市群土壤污染空间分布。

图5可看出,整个长株潭城市群区域土壤环境堪忧,污染蔓延较严重。具体分布可分为以下几类：极度污染区,主要是3市核心城区,覆盖面较广,且有相连趋势。重点为株洲市的石峰区和天元区、湘潭市岳塘区、湘潭县建成区;重度污染区,主要是极度污染区扩散区域,重点为长沙市开福区、长沙市芙蓉区、长沙市天心区、株洲市荷塘区、株洲市芦淞区、湘潭市雨湖区;中度污染区,基本覆盖整个长株潭核心区域,多为土壤污染源扩散污染;轻度污染区,长沙县、望城区和岳麓区等小块面积。

土壤重金属污染是长株潭城市群的污染重点,究其原因,主要在于3市尤其是株洲、湘潭长期以冶金、化工、火电等高排污产业为主,历年累积排放的废气、废水、废渣经过沉降造成周围土壤的严重污染。如冶炼行业主要涉及铅、锌冶炼,冶炼烟气制酸及稀贵金属综合回收,铅锌冶炼过程中会产业大量含工业粉尘、汞、镉、铅、砷等重金属,SO₂的浓度也较高;化工行业主要涉及石油化工、基础化工及化学化纤,产品包括聚氯乙烯、烧碱制造,合成氨、纯碱制造,硫酸锌制造,黄药、松醇油等选矿药剂等。

老工业区的历史遗留问题也是重要因素,如株洲市清水塘工业区是湖南省乃至全国重金属污染最为严重的地区之一,经测算,区域内重金属镉、汞、铅及类金属砷均超标严重,其中镉的超标率达到100％,平均监测值超过国家标准值3.67倍,最大超标倍数达230倍;汞和铅的超标率为80％以上,最大超标倍数分别为6.57倍和262倍;砷的超标率为47％,最大超标倍数为6.6倍。湘潭市老工业区主要污染物依次为镉、铅、砷、汞、锌、锰等重金属,如竹埠港工业区土壤监测结果显示,镉含量最高达53.2 mg/kg,高出国家标准176倍;砷、铅等也有不同程度的超标。

显示原图| 下载原图ZIP| 生成PPT

图5 长株潭城市群土壤污染空间分布

Fig.5 Spatial distribution of soil pollution in Changsha-Zhuzhou-Xiangtan Urban Agglomeration

4.4 长株潭综合污染空间识别

按照本文对污染空间的定义,在研究长株潭的大气、水体及土壤等环境要素的污染分布后,通过赋予其相应的权重借助Arc-GIS软件进行叠加,采用自然断点法将污染等级分为5类,得到最终的污染空间分布图（图6）。需要指出的是,前文分析中各水体监测断面的水质均为Ⅱ级,并未超过其规定的Ⅲ类水质标准,认为不存在水体污染问题,故加权时赋予其权重为0。

显示原图| 下载原图ZIP| 生成PPT

图6 长株潭城市群综合污染空间分布

Fig.6 Spatial distribution of comprehensive pollution in Changsha-Zhuzhou-Xiangtan Urban Agglomeration

从图6看出,长株潭城市群整体环境尚可,污染空间主要集中在3个节点城市的中心位置,其中株洲市的污染空间范围较大,且集中连片;长沙和湘潭有分散的污染斑块。具体可以分为以下几类：极度污染区,主要分布在长株潭城市群东南部,重点为株洲市石峰区、株洲市天元区、湘潭市岳塘区、湘潭县建成区;重度污染区,主要为极度污染区扩散区域,包括株洲市芦淞区、株洲县建成区、湘潭市雨湖区、长沙市开福区、长沙市天心区;中度污染区,主要分布在株洲市荷塘区、湘潭县混合区、长沙市雨花区、望城区建成区;轻度污染区,长株潭城市群核心区大部分区域;清洁区,长株潭中部绿心、长沙市望城区、岳麓区和长沙县部分区域。

长株潭城市群综合污染空间的分布与土壤污染空间的分布有较为相似的趋势,原因在于大气和水体具有流动性,与季节和盛行风向也有很大关联,不如土壤污染具有相对固定和历史积累的特点。同时,大气、水体和土壤之间的污染元素也可相互转化和影响。流水通过渗透可将污染元素固定在土壤里,也可通过蒸发进入大气循环;土壤污染通过冲刷进入水体,土壤颗粒也可以通过空气中的湍流交换作用直接进入到大气中,成为污染物来源之一。

长株潭城市群综合污染空间与地形也有很大关联,核心区内地形相对平坦,有利于污染物的蔓延和相互影响。湘江纵贯3市,干流从南至北流程不足200 km,均以湘江为饮用水水源和纳污体,上游工业区排放的废水由于重金属和有机物排放总量均较大,危及下游的湘潭、长沙等地。长沙市东部、湘潭市西部、株洲市南部多山,污染相对较少,主要的清洁区和轻度污染区多分布于此。长株潭绿心的规划设计使得城市群中部形成自然生态隔离带,对污染的扩散起到了一定的阻隔作用。

5 结论

1）本文根据污染物的特性和长株潭城市群的实际,综合运用大气综合污染指数、综合水质标识指数、土壤污染模糊综合指数和内梅罗污染指数对研究区域内各类型污染进行评价,并利用Arc-GIS空间分析软件对污染空间进行识别和分布模拟。结果显示：该研究方法是可行的,符合长株潭实际情况,揭示了一定规律和趋势。

2）长株潭城市群大气环境污染以扬尘和煤烟型为主,主要污染物为可吸入颗粒物和二氧化硫。受自然条件限制,长株潭地区大气环境容量十分有限,区域整体空气质量未达标,重点污染区域在长沙、株洲、湘潭3市主城区,呈点状分布。

3）长株潭水域整体水质基本达标,水体环境污染以氨氮和各类重金属为主,且有明显的季节变化规律。一般来说,第一季度为湘江枯水期,氨氮浓度大,汞、铅、镉3类重金属浓度也出现峰值,而石油类、铜、砷3类重金属峰值出现在第二三季度。

4）长株潭城市群土壤污染较为严重,以株洲市的石峰区为代表,以镉污染最为严重。这与长株潭3市长期以来偏重化工业的产业结构有关,冶金、化工、火电、炼钢等行业历年累计排放的废气、废水、废渣经过沉淀造成了土壤污染。

5）综合来看,长株潭城市群中株洲污染最严重,湘潭和长沙次之。株洲曾是中国十大工业污染城市之一,长沙属于典型的酸雨污染城市,湘潭的重化工业污染也很突出。城市群污染空间的形成与3类污染元素的相互转化及其区域内的地形地势有较大关联,尽管有绿心阻隔,3市之间的蔓延仍较为严重。

针对长株潭山水相依、一水相连、城镇密集、污染物排放相互影响、层层迭加的特点,应特别重视区域环境协调,今后在污染物排放总量、行政区交界断面的环境质量等方面应建立严格的目标责任制,按照国家产业政策进行产业结构、工业结构和能源结构调整。加快城市生活污水收集处理系统建设,工业企业煤炭燃烧设备应按规定进行消烟,除尘和脱硫,努力治理老污染源,坚决阻止新污染源的产生。加大生态环境整治力度,尤其是注重重点区域的生态治理,全面改善区域生态环境。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	Baker A J M, Brooks R R, Pease A Jet al. Studies on copper and cobalt tolerance in three closely related taxa with in the genus Silene L (Caryophyllaceae) from Zaire [J]. Plant and Soil, 1983, 73(3):377-385. https://doi.org/10.1007/BF02184314 URL [本文引用: 1] 摘要 Experiments were carried out on the tolerance to and uptake of copper and cobalt by three members of a phylogenetic series of taxa within the genus Silene from Za茂re which were reputed to represent a progression of increasing adaptation to metalliferous soils. Plants studied were the widespread and presumably non-tolerant Silene burchelli var. angustifolia (B), a more tolerant variant of this taxon (E) designated an ecotype, and the metallophyte S. cobalticola (C). Studies on the effects of both metals, singly and in combination, on seed germination, seedling and plant performance and yield, and metal uptake from soil cultures, confirmed in general the sequence B<E<C in relation to tolerance of both copper and cobalt. The experimental evidence also supports the ecotypic status of E and points to E and C being relatively more tolerant to copper than to cobalt.SileneSilene burchelliangustifoliaS. cobalticola
[2]	Chaney R L, Malik M, Li Y M et al. Phytoremediation of soilmentals [J]. Current Opinions in Biotechnology, 1997,(8): 279-284.
[3]	Wanekaya A K, Sadik O A. Pressurized extractions for the remediation of heavy metal contaminants in soil and sediments [J]. Journal De Physique IV, 2003, 10(7): 415-418.
[4]	Swartjes F A. Insight into the variation in calculated human exposure to soil contaminants using seven different European models [J]. Integrated Environmental Assessment Management, 2007, 3(3): 322-332. https://doi.org/10.1002/ieam.5630030303 URL PMID: 17695105 [本文引用: 1] 摘要 Abstract In order to get insight into the variation in calculated human exposure, the outputs of 7 European exposure models have been compared. Twenty scenarios, differing with respect to land use, soil type, and contaminant, formed the basis for calculating human exposure to soil contaminants. All calculations were performed twice: Once with a standardized set of parameters for all models and once with the own default parameters. This led to the conclusion that the variation in calculated total exposure (combining all exposure pathways) is large (the majority of the outputs is in between a factor of 100 higher and a factor of 100 lower than the scenario medians). In addition, variation for exposure due to indoor air inhalation is also large. The variation for exposure due to crop consumption is substantial (the majority of the outputs is in between a factor of 10 higher and a factor of 10 lower than the scenario medians) and limited for exposure due to soil ingestion (limited = the majority of the outputs is within a factor of 5 higher and a factor of 5 lower than the scenario medians). The variation in calculated exposure increases when a contaminant is more mobile and, particularly, more volatile. The variation due to selection of input parameters does only yield an additional variation over the variation due to model algorithms for exposure due to soil ingestion and, to a lesser extent, for exposure due to crop consumption. The variation in calculated exposure is not dependent on the soil type and hardly dependent (only for exposure due to soil ingestion) on land use. The choice of model is a very significant factor for the absolute value of calculated exposure. For the promotion of uniformity it was recommended to construct a toolbox for the calculation of human exposure, for general use, including standardized tools and flexible tools, the latter to account for region-specific or country-specific (geographical, ethnological, and cultural) elements and national policy decisions.
[5]	Winkler R, Rosner G. Seasonal and long-term variation of ²¹⁰Pb concentration in air atmospheric deposition rate and total deposition velocity in south Germany [J]. The Science of the Total Environment,2000, 263(1-3): 57-68. https://doi.org/10.1016/S0048-9697(00)00666-5 URL PMID: 11194163 [本文引用: 1] 摘要 The activity concentration in air and atmospheric deposition rate of the long-lived radon progeny 210 Pb has been investigated at Munich–Neuherberg, south Germany, from 1972 (activity concentration) and from 1981 (atmospheric flux) to 1999. For these periods, the continuous measurements yielded an average 210 Pb activity concentration at ground level of 0.57 mBq m 613 , and an average total 210 Pb deposition rate to ground of 180 Bq m 612 year 611 . The average total deposition velocity, which relates the total 210 Pb deposition rate to the 210 Pb activity concentration was calculated to be 1.0 cm s 611 . The variation of the data with time was studied by time-series analysis and distinct seasonal patterns were identified. Maximum 210 Pb activity concentrations in air are observed in the autumn and winter months (October through February) of each year. By contrast, the maximum 210 Pb deposition rate is observed during summer (June–August), i.e. in the months with the highest amount of rainfall at this site. Like the 210 Pb deposition rate, the total deposition velocity exhibits a seasonal pattern with maximum values in summer. Due to the long observation period of 18 years, it was possible to observe for the first time a strong positive relationship between 210 Pb deposition and precipitation, especially for the months May and June and to a smaller extent for several other months. In the long-term, variations of approximately a factor of 2 were observed in the annual average 210 Pb activity concentrations, the annual deposition sums and the annual average deposition velocities. Since around 1981 210 Pb concentrations in air steadily decreased while 210 Pb depositions increased. As a consequence of these significant trends, the time series of the total deposition velocity exhibits a trend of the data from approximately 0.7 cm s 611 in 1981 to 1.7 cm s 611 in 1999.
[6]	Gupta I, Kumar R. Trends of particulate matter in four cities in lndia [J]. Atmospheric Environment, 2006, 40(14): 2552-2566. https://doi.org/10.1016/j.atmosenv.2005.12.021 Magsci 摘要 <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">Particulate matter (PM) in all the four Metropolitan cities in India are higher than the prescribed standards of Central Pollution Control Board, India as well as WHO guidelines. Over last 10 years various changes in fuel quality, vehicle technologies, industrial fuel mix and domestic fuel mix have taken place resulting in changes in air quality in these cities. A set of time series analysis methods viz. <em>t</em>-test adjusted for seasonality, Seasonal Kendall test and Intervention analysis have been applied to identify and estimate the trend in PM<sub>10</sub> and total suspended particles (TSP) levels monitored for about 10 years at three monitoring sites at each of the four cities in India. These tests have indicated that overall PM<sub>10</sub> levels in all four metro cities have been decreasing or stationary. The distinct trends for the monthly averages of PM<sub>10</sub> concentrations at Parel, Kalbadevi in Mumbai and Thiruvattiyar in Chennai for the period 1993–2003 were declining by 10%, 6% and 5% per annum, respectively. This is ascribed to a shift in the magnitude and spatial distribution of emissions in the city. However, the monthly averages of TSP do not have a clear trend over the period 1991–2003.</p>
[7]	王英,金军. 北京大气污染区域分布及变化趋势研究 [J]. 中央民族大学学报(自然科学版), 2008, 17(1): 59-65. [Wang Ying, Jin Jun. Study on distribution and changes regularity of the air pollution in Beijing. Journal of the CUN (Natural Sciences Edition), 2008, 17(1): 59-65.]
[8]	朱万森, 陈红光, 刘志荣,等. 应用因子分析法对地面水质污染状况的研究 [J]. 复旦学报(自然科学版), 2003, 42(3): 501-505. https://doi.org/10.3969/j.issn.0427-7104.2003.03.058 URL 摘要应用因子分析法对11条河道的地面水质分析数据进行了信息掘取,研究了各河道污染程度的排序、主因子、主要污染因子的组合及污染源的分析. 研究结果为环境监测和环境治理部门提供了重要的信息和依据. [Zhu Wansen, Chen Hongguang, Liu Zhirong et al. Study on pollution conditions of surface water by factor analysis. Journal of Fudan University (Natural Science), 2003, 42(3): 501-505.] https://doi.org/10.3969/j.issn.0427-7104.2003.03.058 URL 摘要应用因子分析法对11条河道的地面水质分析数据进行了信息掘取,研究了各河道污染程度的排序、主因子、主要污染因子的组合及污染源的分析. 研究结果为环境监测和环境治理部门提供了重要的信息和依据.
[9]	云逸, 邹志红. 灰色聚类法在三峡库区城市江段水质综合评价中的应用 [J]. 数学的实践与认识, 2007, 37(12): 65-172. https://doi.org/10.3969/j.issn.1000-0984.2007.12.011 URL 摘要应用灰色聚类法对三峡库区城市江段13个监测断面水质质量进行综合评价,获得较好的结果,能客观反映三峡库区城市江段质的类别及水体实际污染的状况.通过与模糊综合评价方法进行比较,灰色聚类法具有计算简便的优点,是一种较好的评价方法. [Yun Yi, Zou Zhihong. Application of the gray clustering method on water quality evaluation in city sections of the Three Gorges Reservoir Area. Mathematics in Practice and Theory, 2007, 37(12): 65-172.] https://doi.org/10.3969/j.issn.1000-0984.2007.12.011 URL 摘要应用灰色聚类法对三峡库区城市江段13个监测断面水质质量进行综合评价,获得较好的结果,能客观反映三峡库区城市江段质的类别及水体实际污染的状况.通过与模糊综合评价方法进行比较,灰色聚类法具有计算简便的优点,是一种较好的评价方法.
[10]	徐祖信. 我国河流单因子水质标识指数评价方法研究 [J].同济大学学报(自然科学版), 2005, 33(3): 321-325. https://doi.org/10.3321/j.issn:0253-374X.2005.03.008 URL [本文引用: 1] 摘要提出一个全新的河流单因子水质评价指数--单因子水质标识指数.单因子水质标识指数可以完整标识水质评价指标的类别、水质数据、功能区目标值等重要信息,既能按国家标准类别定性评价,又能根据标识指数进行水质数据的分析;既可以比较分析同一类水质指标在同一级别中的差异,也可以在不同类别水质指标中比较分析水质的污染程度. [Xu Zuxin. Single factor water quality identification index for environmental quality assessment of surface water. Journal of Tongji University (Natural Science), 2005, 33(3): 321-325.] https://doi.org/10.3321/j.issn:0253-374X.2005.03.008 URL [本文引用: 1] 摘要提出一个全新的河流单因子水质评价指数--单因子水质标识指数.单因子水质标识指数可以完整标识水质评价指标的类别、水质数据、功能区目标值等重要信息,既能按国家标准类别定性评价,又能根据标识指数进行水质数据的分析;既可以比较分析同一类水质指标在同一级别中的差异,也可以在不同类别水质指标中比较分析水质的污染程度.
[11]	Goovaerts P, Webster R, Dubois J P. Assessing the risk of soil contamination in the Swiss Jura Sing indicator geostatistics [J]. Environmental Pollution, 2006, 142(2): 227-234. [本文引用: 1]
[12]	Amini M, Afyuni M, FathianPour N et al. Continuous soil Pollution mapping using fuzzy Logic and spatial interpolation [J]. Geoderma, 2005, 124(3-4): 223-233. https://doi.org/10.1016/j.geoderma.2004.05.009 URL [本文引用: 1] 摘要 Fuzzy classification combined with spatial prediction was used to assess the state of soil pollution in Isfahan region, central Iran. Total concentrations of cadmium (Cd), lead (Pb), zinc (Zn), copper (Cu), and cobalt (Co) were determined in 255 topsoil samples (0–20 cm) collected irregularly in a study area of 6800 km 2 . Heavy metals concentrations were grouped into four classes according to the optimum number of classes and fuzziness exponent using the fuzzy c-mean. Membership values were interpolated using ordinary kriging. To better visualize the results, a continuous colour index was calculated for each pixel of membership values by combining the colour mixture and composite colour map techniques. The result indicated that the topsoil was polluted with Pb and Cd in some parts of the study area, particularly in the centre of Isfahan city where the concentration were more than 50 and 4 mg kg 611 , respectively. Continuous mapping revealed that concentrations of Zn, Cu, and Co were less than the pollution limits of 200, 50, and 25 mg kg 611 , respectively. But their concentrations were significantly high in some parts of the study region. In addition, the continuous colour index procedure proved quite effective in visualizing the results of the fuzzy classification.
[13]	舒冬妮. 用模糊聚类分析评价惠民及淄博地区土壤环境质量 [J]. 山东农业大学学报, 1989, (1): 78-81. URL [Shu Dongni. Evaluation of soil-environment quality areas Huimin and Zibo with fuzzy clustering analysis. Journal of Shandong Agricultural University, 1989, (1): 78-81.] URL
[14]	檀满枝,陈杰,徐方明,等. 基于模糊集理论的土壤重金属污染空间预测 [J]. 土壤学报, 2006, 43(3): 389-396. [本文引用: 1] [Tan Manzhi, Chen Jie, Xu Fangming et al. Spatial prediction of soil heavy metal pollution based on fuzzy set theory. Acta Pedologica Sinica, 2006, 43(3): 389-396.] [本文引用: 1]
[15]	于万辉, 王俊杰, 臧淑英. 松嫩平原湖泊底泥重金属空间变异特征及其风险评价 [J]. 地理科学, 2012,32(8):1000-1005. Magsci [本文引用: 1] 摘要 <p>利用地理信息系统和地统计分析技术分析了松嫩平原湖泊群湖泊底泥重金属的空间变异特征, 并绘制了6 种重金属的空间分异图, 利用地累积指数法和潜在生态危害指数法对湖泊底泥重金属的污染现状和潜在生态风险进行了评价。结果表明, 松嫩平原湖泊群底泥重金属含量除Mn低于土壤背景值外, 其他元素均高于背景值2~4 倍, 并且重金属含量在空间上呈东北向西南方向逐渐降低, 表现出较强的相关性;污染现状评价表明, Zn已处于中等以上的污染程度, 其他重金属污染程度较低, 而Mn无污染, 污染程度的顺序为Zn > Cu > Ni > Pb >Sr > Mn;潜在生态风险评价表明, 评价的重金属均处于低生态风险程度, 单项重金属的风险程度顺序为Pb>Cu>Ni> Zn;综合污染评价与风险评价, Zn的污染程度虽然较大, 但仍处于低风险程度</p> [Yu Wanhui, Wang Junjie, Zang Shuying. The spatial variability characteristics and potential ecological risk assessment of heavy metals of lake sediments in the Songnen Plain. Scientia Geographica Sinica, 2012,32(8):1000-1005.] Magsci [本文引用: 1] 摘要 <p>利用地理信息系统和地统计分析技术分析了松嫩平原湖泊群湖泊底泥重金属的空间变异特征, 并绘制了6 种重金属的空间分异图, 利用地累积指数法和潜在生态危害指数法对湖泊底泥重金属的污染现状和潜在生态风险进行了评价。结果表明, 松嫩平原湖泊群底泥重金属含量除Mn低于土壤背景值外, 其他元素均高于背景值2~4 倍, 并且重金属含量在空间上呈东北向西南方向逐渐降低, 表现出较强的相关性;污染现状评价表明, Zn已处于中等以上的污染程度, 其他重金属污染程度较低, 而Mn无污染, 污染程度的顺序为Zn > Cu > Ni > Pb >Sr > Mn;潜在生态风险评价表明, 评价的重金属均处于低生态风险程度, 单项重金属的风险程度顺序为Pb>Cu>Ni> Zn;综合污染评价与风险评价, Zn的污染程度虽然较大, 但仍处于低风险程度</p>
[16]	陈飞香, 程家昌, 胡月明, 等. 基于RBF神经网络的土壤铬含量空间预测 [J]. 地理科学, 2013,33(1):69-74. Magsci 摘要 <p>以广东省增城市为实验基地,采用随机采样的方法采集土壤铬含量样点,并将其分为训练数据集和检验数据集.设计4 种样点布局方案,对前三组数据用RBF神经网络方法进行土壤铬含量插值,分析预测误差.研究发现,当样点较少时,RBF神经网络方法的插值结果较精确.而当样点数据为50 时,误差较大,不能满足插值要求.通过插值结果的对比发现,较传统的统计学插值方法,RBF神经网络方法克服了平滑效应,特别是在数据较少的情况下,进行空间预测效果较好,是一种适用范围更广的插值方法.</p> [Chen Feixiang, Cheng Jiachang, Hu Yueming et al. Spatial prediction of soil properties by RBF neural network. Scientia Geographica Sinica, 2013,33(1):69-74.] Magsci 摘要 <p>以广东省增城市为实验基地,采用随机采样的方法采集土壤铬含量样点,并将其分为训练数据集和检验数据集.设计4 种样点布局方案,对前三组数据用RBF神经网络方法进行土壤铬含量插值,分析预测误差.研究发现,当样点较少时,RBF神经网络方法的插值结果较精确.而当样点数据为50 时,误差较大,不能满足插值要求.通过插值结果的对比发现,较传统的统计学插值方法,RBF神经网络方法克服了平滑效应,特别是在数据较少的情况下,进行空间预测效果较好,是一种适用范围更广的插值方法.</p>
[17]	李建国, 濮励杰, 廖启林, 等. 无锡市土壤重金属富集的梯度效应与来源差异 [J]. 地理科学, 2014, 34(4): 496-504. Magsci 摘要 <p>人类活动引起的土壤重金属富集已经成为区域主要的环境风险。通过对无锡市主城区表层土壤大面积的采样（1957 个），运用空间分析和多元统计工具，对无锡市土壤重金属富集的空间特征及其来源进行分析，结果表明：① 无锡市土壤As、Cu、Hg、Pb 和Zn 空间变异受人类活动的影响明显，均超出当地的土壤背景值，而Hg已经超过国家土壤环境健康二级标准阈值，成为无锡市最主要的土壤重金属污染因子；② 研究区土壤重金属含量随着建设用地距离的增加，呈逐渐下降的趋势，表现出明显的距离梯度特征；③ 基于不同梯度表现，将无锡土壤重金属分为2 种典型距离梯度区间1（0~10 km）和区间2（10~16 km），区间1 土壤重金属富集主要受人类活动的影响明显，而区间2 受自然和人为双重因素的影响；④ 土壤自然特性（CEC、pH和P）与土壤重金属含量（Co、Cu、Fe 和Zn）的富集存在显著的正相关关系；⑤ 无锡市人类活动对于土壤重金属富集的影响范围在10 km左右，本研究的现实意义在于为重金属污染土壤分区治理提供帮助，即对于0~10 km区域内的土壤可以通过以提高土地利用效率、降低废弃物排放等为主的工程措施来解决；而在10~16 km区间则采用以超富集植物修复等为主的生态措施来解决。</p> [Li Jianguo, Pu Lijie, Liao Qilin et al. The sources and gradient effect of soil heavy metal concentrations in Wuxi City. Scientia Geographica Sinica, 2014,34(4):496-504.] Magsci 摘要 <p>人类活动引起的土壤重金属富集已经成为区域主要的环境风险。通过对无锡市主城区表层土壤大面积的采样（1957 个），运用空间分析和多元统计工具，对无锡市土壤重金属富集的空间特征及其来源进行分析，结果表明：① 无锡市土壤As、Cu、Hg、Pb 和Zn 空间变异受人类活动的影响明显，均超出当地的土壤背景值，而Hg已经超过国家土壤环境健康二级标准阈值，成为无锡市最主要的土壤重金属污染因子；② 研究区土壤重金属含量随着建设用地距离的增加，呈逐渐下降的趋势，表现出明显的距离梯度特征；③ 基于不同梯度表现，将无锡土壤重金属分为2 种典型距离梯度区间1（0~10 km）和区间2（10~16 km），区间1 土壤重金属富集主要受人类活动的影响明显，而区间2 受自然和人为双重因素的影响；④ 土壤自然特性（CEC、pH和P）与土壤重金属含量（Co、Cu、Fe 和Zn）的富集存在显著的正相关关系；⑤ 无锡市人类活动对于土壤重金属富集的影响范围在10 km左右，本研究的现实意义在于为重金属污染土壤分区治理提供帮助，即对于0~10 km区域内的土壤可以通过以提高土地利用效率、降低废弃物排放等为主的工程措施来解决；而在10~16 km区间则采用以超富集植物修复等为主的生态措施来解决。</p>
[18]	李勇, 余天虹, 赵志忠, 等. 珠三角土壤镉含量时空分布及风险管理 [J]. 地理科学, 2015, 35(3): 373-379. Magsci [本文引用: 1] 摘要 <p>基于珠三角地区98 个同点位土样,探讨了土壤Cd含量的时空分布特征及风险管理策略。研究表明,两批次土壤Cd含量富集程度均很高,土壤Cd平均含量<em><span style="border-top: 1px solid; padding-top: 0px">C</span></em><sub>2001</sub> 和<em><span style="border-top: 1px solid; padding-top: 0px">C</span></em><sub>2007</sub> 均为0.28 mg/kg,是广东省土壤背景值的5 倍;两者均值多重比较表明,Cd的均值变化达到显著水平。土壤Cd的变异系数分别为0.83 和0.72,暗示了Cd主要来源于人为成因。经估算,土壤Cd 区域性年均累积速率<em>K</em><sub><em>C</em>2007-<em>C</em>2001</sub>、<em>K</em><sub><em>C</em>2012-<em>C</em>2007</sub>分别为0.016 和0.014 mg/kg。采用"时空模式"和"空时模式"模型预测土壤Cd含量的时空分布态势,在时间序列资料较少的情形下,"时空模式"预测结果较稳健。2020 年研究区大部分区域土壤Cd有污染,未来的风险管理应对无污染区域采取预防策略;对有污染区域采取控制策略;对重污染区域采取修复策略。</p> [Li Yong, Yu Tianhong, Zhao Zhizhong et al. Prediction and risk management on geochemical accumulation of soil cadmium based on time-space model in Zhujiang River Delta. Scientia Geographica Sinica, 2015,35(3):373-379.] Magsci [本文引用: 1] 摘要 <p>基于珠三角地区98 个同点位土样,探讨了土壤Cd含量的时空分布特征及风险管理策略。研究表明,两批次土壤Cd含量富集程度均很高,土壤Cd平均含量<em><span style="border-top: 1px solid; padding-top: 0px">C</span></em><sub>2001</sub> 和<em><span style="border-top: 1px solid; padding-top: 0px">C</span></em><sub>2007</sub> 均为0.28 mg/kg,是广东省土壤背景值的5 倍;两者均值多重比较表明,Cd的均值变化达到显著水平。土壤Cd的变异系数分别为0.83 和0.72,暗示了Cd主要来源于人为成因。经估算,土壤Cd 区域性年均累积速率<em>K</em><sub><em>C</em>2007-<em>C</em>2001</sub>、<em>K</em><sub><em>C</em>2012-<em>C</em>2007</sub>分别为0.016 和0.014 mg/kg。采用"时空模式"和"空时模式"模型预测土壤Cd含量的时空分布态势,在时间序列资料较少的情形下,"时空模式"预测结果较稳健。2020 年研究区大部分区域土壤Cd有污染,未来的风险管理应对无污染区域采取预防策略;对有污染区域采取控制策略;对重污染区域采取修复策略。</p>
[19]	张欢, 纪桂霞. 综合水质标识指数法在公园湖泊水质评价中的应用 [J].水资源与水工程学报,2012,23(2):146-150. URL [本文引用: 1] 摘要 2011年8月对上海市12个公园中的13个湖泊水体进行了调查。对综合水质指数中各单因子水质标识指数的权重进行了改进与选择,根据调查资料,采用综合水质标识指数法对被调查水体的水质状况及营养状态进行了评价,用评分法和综合营养状态指数法验证了综合水质标识指数法应用于湖泊富营养化评价中的合理性。结果表明:所调查的湖泊中,仅有15.4%的公园湖泊综合水质达到水环境功能区要求,处于富营养化状态的公园湖泊占53.8%,湖泊中TN和CODCr污染最严重,综合水质标识指数法简便易用,能全面反映水质状况,评价结果科学合理,适合在公园湖泊富营养化评价中推广使用。 [Zhang Huan, Ji Guixia. Application of comprehensive water quality identification index method to water quality assessment of park lakes. Journal of Water Resources ＆ Water Engineering, 2012,23(2):146-150.] URL [本文引用: 1] 摘要 2011年8月对上海市12个公园中的13个湖泊水体进行了调查。对综合水质指数中各单因子水质标识指数的权重进行了改进与选择,根据调查资料,采用综合水质标识指数法对被调查水体的水质状况及营养状态进行了评价,用评分法和综合营养状态指数法验证了综合水质标识指数法应用于湖泊富营养化评价中的合理性。结果表明:所调查的湖泊中,仅有15.4%的公园湖泊综合水质达到水环境功能区要求,处于富营养化状态的公园湖泊占53.8%,湖泊中TN和CODCr污染最严重,综合水质标识指数法简便易用,能全面反映水质状况,评价结果科学合理,适合在公园湖泊富营养化评价中推广使用。
[20]	杨纶标, 高英仪. 模糊数学原理及应用(第三版) [M]. 广州: 华南理工大学出版社, 2001. [本文引用: 1] [Yang Lunbiao, Gao Yingyi.The principle and application of fuzzy mathematics(the third edition). Guangzhou: South China University of Technology Press,2001. ] [本文引用: 1]
[21]	张建东,范舟,赖健清,等. 综合指数质量评价模型在太原市土壤重金属污染评价中的应用 [J]. 水土保持研究,2007,14(4):240-243. URL [本文引用: 1] 摘要采用3种综合指数质量评价模型,以太原盆地土壤重金属元素背景值为评价标准,计算了太原市表层土壤重金属的综合污染指数。对比分析3种评价模型以后,认为用加权叠加综合指数评价模型能客观地反映太原市土壤重金属真实的污染状况。在此基础上,对太原市重金属进行了环境质量分区,并统计出不同环境质量区占总调查面积的百分比。 [Zhang Jiandong, Fan Zhou, Lai Jianqing et al. Application of comprehensive index quality evaluation model of soil heavy metal pollution in Taiyuan. Research of Soil and Water Conservation, 2007,14(4):240-243.] URL [本文引用: 1] 摘要采用3种综合指数质量评价模型,以太原盆地土壤重金属元素背景值为评价标准,计算了太原市表层土壤重金属的综合污染指数。对比分析3种评价模型以后,认为用加权叠加综合指数评价模型能客观地反映太原市土壤重金属真实的污染状况。在此基础上,对太原市重金属进行了环境质量分区,并统计出不同环境质量区占总调查面积的百分比。

Studies on copper and cobalt tolerance in three closely related taxa with in the genus Silene L (Caryophyllaceae) from Zaire

1983

... 在城市的发展进程中,工业化是个不可逾越的时期,大量以制造、冶炼、化工为主体的第二产业占据世界经济的主体地位,伴随而来的是大量废水、废气、废渣的排放,长期积累形成污染空间（在西方文献中又被称为棕地）.国外对棕地的研究已经有几十年的历史,综合考虑各国对棕地的定义^[1~4],本研究提出“污染空间”的概念：污染空间是一个综合的概念,是因堆积、储存、处理、处置或其他方式（如迁移）承载了危害物质,可能或已经对生态系统和其周边环境产生危害的任何区域或空间,包括地表水、土壤浅层地下水以及离地面一定距离的大气等. ...

Phytoremediation of soilmentals

1997

Pressurized extractions for the remediation of heavy metal contaminants in soil and sediments

2003

Insight into the variation in calculated human exposure to soil contaminants using seven different European models

2007

Seasonal and long-term variation of ²¹⁰Pb concentration in air atmospheric deposition rate and total deposition velocity in south Germany

2000

... 目前,国内外许多学者对不同区域的大气、水体、土壤等污染物的时空分布进行了研究,为更好地识别和治理污染空间提供了理论依据^[5~10]. ...

Trends of particulate matter in four cities in lndia

2006

北京大气污染区域分布及变化趋势研究

2008

北京大气污染区域分布及变化趋势研究

2008

应用因子分析法对地面水质污染状况的研究

2003

应用因子分析法对地面水质污染状况的研究

2003

灰色聚类法在三峡库区城市江段水质综合评价中的应用

2007

灰色聚类法在三峡库区城市江段水质综合评价中的应用

2007

我国河流单因子水质标识指数评价方法研究

2005

... 目前,国内外许多学者对不同区域的大气、水体、土壤等污染物的时空分布进行了研究,为更好地识别和治理污染空间提供了理论依据^[5~10]. ...

我国河流单因子水质标识指数评价方法研究

2005

... 目前,国内外许多学者对不同区域的大气、水体、土壤等污染物的时空分布进行了研究,为更好地识别和治理污染空间提供了理论依据^[5~10]. ...

Assessing the risk of soil contamination in the Swiss Jura Sing indicator geostatistics

2006

... 土壤是一个时空连续的变异体,具有高度的空间异质性^[11],土壤污染物、特别是重金属的空间分布具有高复杂性,其突变区域、过渡区域异常值和偏态分布,会使方差分析的稳定性降低.模糊聚类在高空间变异数据的插值中具有独特优势,不仅能解决土壤重金属在空间分布的渐变问题,更能解决传统方法无法解决的突变问题^[12~14]. ...

Continuous soil Pollution mapping using fuzzy Logic and spatial interpolation

2005

用模糊聚类分析评价惠民及淄博地区土壤环境质量

1989

用模糊聚类分析评价惠民及淄博地区土壤环境质量

1989

基于模糊集理论的土壤重金属污染空间预测

2006

基于模糊集理论的土壤重金属污染空间预测

2006

松嫩平原湖泊底泥重金属空间变异特征及其风险评价

2012

... 随着空间分析技术和地统计技术的不断成熟,将GIS强大的空间分析功能应用于环境科学领域的研究也越来越多^[15~18]. ...

松嫩平原湖泊底泥重金属空间变异特征及其风险评价

2012

... 随着空间分析技术和地统计技术的不断成熟,将GIS强大的空间分析功能应用于环境科学领域的研究也越来越多^[15~18]. ...

基于RBF神经网络的土壤铬含量空间预测

2013

基于RBF神经网络的土壤铬含量空间预测

2013

无锡市土壤重金属富集的梯度效应与来源差异

2014

无锡市土壤重金属富集的梯度效应与来源差异

2014

珠三角土壤镉含量时空分布及风险管理

2015

... 随着空间分析技术和地统计技术的不断成熟,将GIS强大的空间分析功能应用于环境科学领域的研究也越来越多^[15~18]. ...

珠三角土壤镉含量时空分布及风险管理

2015

... 随着空间分析技术和地统计技术的不断成熟,将GIS强大的空间分析功能应用于环境科学领域的研究也越来越多^[15~18]. ...

综合水质标识指数法在公园湖泊水质评价中的应用

2012

... 综合水质标识指数法是根据现行国家《地表水环境质量标准》相关标准,在单因子水质标识指数法基础上建立起来的一种全新的水质评价方法^[19].该指数由整位数和3位或4位小数组成,表达式为： ...

综合水质标识指数法在公园湖泊水质评价中的应用

2012

2001

... 模糊综合评价法是基于模糊数学原理建立起来的一种方法,它以隶属度来划分事物的模糊界限,充分考虑每个因子对综合评价结果的贡献,并把贡献按权重分配,经过模糊变换和综合运算得到综合隶属度,以此确定土壤的污染级别^[20].该方法的步骤为：建立评价因子集和评价等级集→建立隶属度函数和模糊矩阵→建立权重集→综合评估. ...

2001

综合指数质量评价模型在太原市土壤重金属污染评价中的应用

2007

... 内梅罗污染综合指数法是一种兼顾极值的综合方法,既考虑了单因素的作用,又突出了污染最严重元素的重要性^[21],计算公式为： ...

综合指数质量评价模型在太原市土壤重金属污染评价中的应用

2007

... 内梅罗污染综合指数法是一种兼顾极值的综合方法,既考虑了单因素的作用,又突出了污染最严重元素的重要性^[21],计算公式为： ...

〈

〉

长株潭城市群污染空间识别与污染分布研究

Pollution Space Recognition and Pollution Distribution of Changsha-Zhuzhou-Xiangtan Urban Agglomeration

1 研究区域

2 研究方法

2.1 克里格插值空间分析

2.2 大气污染综合指数评价

2.3 综合水质标识指数评价

2.4 土壤污染模糊综合评价法

2.5 土壤污染内梅罗综合指数评价法

3 数据来源

4 结果分析

4.1 长株潭大气污染空间识别

4.2 长株潭水体污染空间识别

4.3 长株潭土壤污染空间识别

4.4 长株潭综合污染空间识别

5 结论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子