下载文档原格式
交通干线尘土重金属空间分布模式与人体健康暴露风险评价的研究进展何旦番，刘璞东，黄成（南京大学地理与海洋科学学院，南京210093）1、引言城市尘土是指分散于城市不同区域的地表固体颗粒物。
按照尘土的来源和颗粒物性质, 可划分为城市街道尘土、城市区域尘土和城市大气尘土。
城市街道尘土是指城市街道的垃圾灰尘颗粒物, 粒径相对较粗, 或大粒径颗粒物所占比例较大。
该类尘土由于受人流、车流的影响, 使大量有害金属吸附在颗粒物表面, 对人类和环境都有着相当大的危害。
城市街道尘土在一定外动力条件下扬起, 通过呼吸道和皮肤被人体吸收, 在人体内被消化、吸收、积累, 从而对人体健康产生危害。
因此, 对城市街道尘土重金属污染的研究意义重大。
国外学者在上世纪80年代以来，对城市街道尘土的积累、分布、生物有效性展开了一些列研究。
我国学者对此的研究起步较晚，着手点主要在其空间分异和健康风险评价上。
2、交通干线重金属分布与健康风险评价方法（1）样本采集城市尘土重金属污染的样本采集取样点划分一般有两种：根据功能区划、交通流量等因素的划分（方风满等，2010）或者是根据研究的特定对象划分（常静等，2009）。
采集的办法多为塑料簸箕和塑料毛刷在每个采样点附近采集多个灰尘样品, 采用四分法混合后装入自封袋密封保存。
偶见用真空吸尘器干式吸取（郑小康等，2009）。
（2）重金属元素测定测定元素多为Cd, Cr, Cu, Pb, Zn,偶见Mn, Hg。
测定方法则基本上都利用原子吸收光谱仪进行测定。
（3）数据处理及与交通、土地利用方式的相关性分析ArcGIS 是美国环境系统研究所ESRI推出的基于窗口的集成GIS 系统,该软件面向对象提供强大的图形用户界面功能,是一套辅助用户组织、维护、直观再现、分析和传播地图与空间信息的传输工具,可为用户进行空间决策提供服务。
基于上述特点,选用ArcGIS为基础平台，实现数据的分析。
制作尘土中重金属含量的空间分布特征，利用ArcGIS软件的空间差值预测方法，其中克里格法（Kriging）从统计学意义上讲,是从变量相关性和变异性出发,在有限区域内对区域化变量的取值进行无偏、最优估计的一种方法;从空间插值角度讲,是对空间分布的数据求线性最优、无偏内插估计的一种方法。
环境检测事业单位的环境监测数据的时空变异特征分析随着环境污染问题的日益突出，环境检测事业单位扮演着重要的角色，他们通过收集、分析环境监测数据来评估环境质量和制定环境保护政策。
本文将对环境检测事业单位的环境监测数据的时空变异特征进行分析，并探讨其对环境保护工作的意义。
一、环境检测事业单位的环境监测数据来源环境检测事业单位通过设立监测站点，采集环境监测数据。
监测站点的选择应考虑到不同环境要素的分布特征，以确保数据的准确性。
常见的环境监测数据包括大气污染物浓度、水质指标、土壤中的重金属含量等。
二、环境监测数据的时空变异分析1. 时变性分析时变性分析是指环境监测数据在时间上的变化特征。
通过对环境监测数据的时间序列进行统计分析，可以得到不同环境要素的时变规律。
例如，大气污染物浓度在不同季节、不同小时的变化趋势可能不同，这需要环境检测事业单位在制定环境保护政策时考虑到不同时间段的差异。
2. 空变性分析空变性分析是指环境监测数据在空间上的变化特征。
通过对不同监测站点的数据进行比较，可以了解不同地点的环境质量差异。
例如，某地区的大气污染物浓度可能受到工业排放影响较大，而另一地区可能受到交通排放影响较大。
环境检测事业单位应根据空变性分析的结果，采取有针对性的环境保护措施。
3. 时空交互作用分析时空交互作用分析是指环境监测数据在时空上的相互关系。
通过将时间和空间综合考虑，可以揭示不同环境要素之间的关联关系。
例如，大气污染物浓度的时空分布可能与气象因子、地理位置等有关。
环境检测事业单位应了解这种时空交互作用，以更好地评估环境质量。
三、环境监测数据的时空变异对环境保护工作的意义1. 提供科学依据环境监测数据的时空变异分析可以为环境保护工作提供科学依据。
通过了解环境要素在时间和空间上的变化规律，可以制定相应的环境管理和保护措施，以减少环境污染和改善环境质量。
2. 指导政策制定时空变异特征分析可以指导环境保护政策的制定。
不同地区、不同时间段的环境监测数据差异较大，因此，环境保护政策应根据具体情况制定。
《湖北某矿业城市某区土壤重金属污染状况调查及形态分析研究》一、引言随着工业化的快速发展，矿业城市在推动地方经济的同时，也带来了土壤重金属污染的问题。
湖北作为我国重要的矿产资源区，其某矿业城市某区的土壤重金属污染问题亟待关注与解决。
本研究以该区域为研究对象，通过对土壤中重金属的污染状况进行深入调查和形态分析，旨在了解该区域土壤重金属污染的现状及成因，为后续的污染治理和环境保护提供科学依据。
二、研究区域与方法1. 研究区域介绍本研究选取湖北某矿业城市某区作为研究对象，该区域因长期开采矿产资源，导致土壤重金属污染问题严重。
2. 研究方法（1）污染状况调查：通过采集土壤样品，利用化学分析方法检测土壤中重金属的含量。
（2）形态分析：运用先进的分离技术和分析手段，研究土壤中重金属的形态分布及迁移转化规律。
（3）数据统计分析：采用统计软件对检测数据进行处理和分析，评价土壤重金属的污染程度及来源。
三、土壤重金属污染状况调查结果1. 重金属含量检测通过对采集的土壤样品进行化学分析，发现该区域土壤中重金属含量普遍较高，尤其是铅（Pb）、锌（Zn）、铜（Cu）等元素的含量超过了国家土壤环境质量标准。
2. 污染程度评价根据检测结果，结合相关评价标准，发现该区域土壤重金属污染程度属于中度至重度污染，部分区域存在重度污染。
四、土壤重金属形态分析1. 形态分布特征该区域土壤中重金属主要以残渣态和可交换态为主，其中可交换态的重金属具有较强的生物可利用性和环境风险性。
2. 迁移转化规律通过形态分析发现，土壤中重金属的迁移转化受pH值、有机质含量、氧化还原电位等因素的影响，其中pH值的改变对重金属的迁移转化影响最为显著。
五、讨论与原因分析1. 污染来源该区域土壤重金属污染的主要来源为矿山开采、冶炼等工业活动以及周边地区的农业活动。
其中，矿山开采过程中产生的废渣、废水等未经有效处理直接排放到环境中，是造成土壤重金属污染的主要原因。
2. 影响因素除了工业活动外，土壤类型、气候条件、人类活动等也是影响土壤重金属污染的重要因素。
《GIS与地统计学支持下的哈尔滨市土壤重金属污染评价与空间分布特征研究》篇一一、引言随着工业化和城市化的快速发展，土壤重金属污染问题日益严重，成为当前环境科学领域关注的热点问题。
哈尔滨市作为我国东北地区的经济、文化中心，其土壤重金属污染问题亦不容忽视。
地理信息系统（GIS）和地统计学作为现代科技手段，为土壤重金属污染评价与空间分布特征研究提供了新的思路和方法。
本文旨在利用GIS与地统计学技术，对哈尔滨市土壤重金属污染进行评价，并探讨其空间分布特征。
二、研究区域与方法1. 研究区域本文选取哈尔滨市作为研究区域，该市位于中国东北部，是黑龙江省的省会城市，具有典型的东北气候和工业发展历史。
2. 研究方法（1）数据采集与处理：采集哈尔滨市各区域土壤样品，通过实验室分析获得重金属含量数据。
同时，收集哈尔滨市的地质、气候等相关地理信息数据。
（2）GIS技术支持：利用GIS软件对土壤重金属数据进行空间分析，建立空间数据库，为后续的空间分布特征分析提供支持。
（3）地统计分析：运用地统计学方法，对土壤重金属数据进行统计分析，评价重金属污染程度。
三、GIS在土壤重金属污染评价中的应用GIS技术通过空间数据的整合与分析，为土壤重金属污染评价提供了有力支持。
首先，通过GIS软件建立土壤重金属空间数据库，将土壤样品中的重金属含量与地理位置信息相联系。
其次，利用空间插值技术，对土壤重金属含量进行空间插值，生成连续的空间分布图。
最后，结合地理信息和其他环境因素，对土壤重金属污染进行综合评价。
四、地统计学在土壤重金属污染评价中的应用地统计学通过统计方法，对土壤重金属数据进行描述性统计、相关性分析等，以评价土壤重金属污染程度。
首先，运用描述性统计方法，分析土壤重金属含量的分布特征。
其次，通过相关性分析，探讨不同重金属元素之间的相互关系。
最后，结合GIS技术，将地统计分析结果以图形方式展示，直观地反映土壤重金属污染的空间分布特征。
城市表层土壤重金属污染的空间分布特征分析摘要：分析了某城市城区表层土壤中的As、Cd 等8种重金属在生活区、工业区、山区、主干道路区及公园绿地区的含量水平，得出了不同区域重金属的污染程度；运用污染负荷指数法对影响土壤各重金属主要因子进行分析，确定不同区域重金属污染的主要特征；建立重金属污染物的传播模型，运用Kriging插值法对重金属含量进行最优无偏估计插值，对重金属污染的空间分布进行分析，揭示了城市表层土壤中重金属含量的空间分布特征。
关键词：城市城区；表层土壤；重金属污染；空间分布特征随着城市经济的快速发展和城市人口的不断增加，大量工业“三废”、城市生活垃圾和污泥等污染物的排放与不恰当处置使重金属在土壤中不断积累，加重了土壤重金属的污染负荷，导致我国城市表层土壤的重金属污染日趋严重。
而城市土壤重金属污染是能有效反映城市环境污染状况的重要指标之一。
因此，对城市土壤环境异常的查证并应用查证数据开展城市环境质量评价、研究人类活动影响城市土壤环境的演变模式日益成为人们关注的焦点。
1 数据来源与研究方法以某城市城区为研究区，将其划分为间距1 km左右的网格子区域，按照每平方公里1个采样点对表层土壤（0～10 cm土层）进行取样、编号，并用GPS 记录采样点的位置。
应用专门仪器测试分析，获得了每个样本所含的多种重金属元素的浓度数据。
另外，按照2 km的间距在那些远离人群及工业活动的自然区取样，将分析数据作为该城区表层土壤中重金属元素的背景值。
研究以2011年高教社杯全国大学生数学建模竞赛A题[1]所列的数据为数据来源，文献[1]列出了采样点的位置、海拔高度及其所属功能区的信息、8种主要重金属元素在采样点处的浓度和8种主要重金属元素的背景值。
按照功能划分，现代城市整个城区一般可分为生活区、工业区、山区、主干道路区及公园绿地区等，分别记为1类区、2类区、3类区、4类区、5类区，不同的区域环境受人类活动影响的程度不同。
承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们将受到严肃处理。
我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：参赛队员(打印并签名) ：1.2.3.指导教师或指导教师组负责人(打印并签名)：日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）：编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：全国评阅编号（由全国组委会评阅前进行编号）：城市表层土壤重金属污染分析摘要随着工业的迅猛发展、城市污染的加剧和农用化学物质种类、数量的不断增加，含重金属污染物通过各种途径进入土壤，造成土壤重金属污染程度日益严重。
研究土壤重金属的空间分布和污染状况对农业发展规划和城市土地利用具有重要的意义。
土壤重金属含量属于空间连续的变量，具有区域化变量特征，将GIS和地统计学相结合应用到土壤重金属空间分布和污染评价研究近年来已越来越普遍。
本文以城市为研究区域，运用GIS和地统计学相结合的方法，对中等尺度下的土壤重金属含量进行空间变异结构分析、空间分布特征和污染状况的研究，主要内容如下:(1)土壤重金属空间分布理论方法的研究，即地统计学理论方法研究。
(2)运用地统计学方法，对研究区域的土壤重金属含量样品数据进行分析，研究土壤重金属含量的空间变异结构特征，并指出对土壤样点布设的指导意义。
(3)研究八种土壤重金属在内的空间区域化变量的相关关系;运用GIS强大的空间数据管理能力和空间分析能力与地统计学的理论方法，利用GIS开发技术，采用以“点”代“面”的方式生成土壤重金属含量的空间分布图，相比常用的基于采样点进行常规统计分析在空间表达上更加直观。
第31卷第4期浙江师范大学学报(自然科学版)Vol.31,No.42008年12月 Journal of Zhejiang Nor mal University(Nat.Sci.) Dec.2008 文章编号:100125051(2008)0420367206基于地统计学方法的城市灰尘重金属污染的空间变异特征3李凤全, 叶 玮, 程 雁, 朱丽东, 王天阳, 潘虹梅(浙江师范大学地理过程实验室,浙江金华 321004)摘 要:运用A rcGI S的地统计学组件,分析了金华市城市地表灰尘中重金属Pb、Cr、Cu、Zn、N i、Mn的空间分布特征.结果表明:上述重金属具有复合污染或一定的同源性特征,其中Pb、Cr、Cu、Mn可能主要受金华市城市产业布局和功能分区等结构性因素的影响,而Zn则受非结构性因素影响更大,来源比较复杂.Pb、Cr、Cu、Zn、N i等重金属的空间分布比较相似.关键词:地统计分析;重金属;空间结构;城市灰尘中图分类号:X513 文献标识码:ASpa ti a l var i a ti on character isti cs of urban dust heavym et a l polluti on ba sed on geos a tisti csL I Fengquan, YE W ei, CHENG Yan, Z HU L idong, WANG Tianyang, P AN Hongmei (Geography Process Laboratory,Zhejiang N or m al U niversity,J inhua Zhejiang 321004,China)Abstract:Spatial variati on characteristics of urban dust heavy metal including Pb,Cr,Cu,Zn,N i and Mn in J inhua were studied by the geostatistical component of A rcGI S(a kind of geographic infor mati on syste m t ool). The results sho wed that Pb,Cr,Cu,Zn,N i and Mn had combined polluti on or a certain homol ogous regi ons charateristics,a mong the m Pb,Cr,Cu and Mn were influenced by structural fact ors of urban industry layout and functi on divisi on,while Zn was influenced by non2structural fact ors and had comp licati on s ources.Spatial variati on characteristics of Pb,Cr,Cu,N i and Zn were see med t o be si m ilar.Key words:geosatistics analysis;heavy metal;s patial variati on;urban dust城市环境学研究中,大气颗粒物、土壤被视为能很好反映污染信息的环境介质[1].但是由交通行为所产生的污染颗粒在大气中停留的时间很短[2],用大气采样技术很难检测到这种污染;同时,城市土壤多为绿地客土,受人为干扰频繁,很难真实地反映区域污染的实际状况.而与之相比,地表灰尘分布范围广,污染物质多来自区域内短时间的累积[223],对区域环境状况有良好的指示作用[324].3收文日期:2008209209;修订日期:2008209211 基金项目:浙江省自然科学基金资助项目(Y5080307);浙江省教育厅项目(20060478) 作者简介:李凤全(1971-),男,黑龙江五常人,副教授,博士后.研究方向:城市生态环境.灰尘中的细颗粒成分复杂,其主要化学成分可分为可溶性成分、有机成分、微量元素、碳元素等4大类.其中,微量元素对人类和环境具有较大的影响.在城市地表灰尘中富集较多的微量元素,包括Pb 、Cu 、Cr 、Zn 、N i,这5种元素是国内外研究较多的几种元素,因此也作为本文的主要研究对象,它们在城市地表灰尘中的累积具有重要的环境指示意义和较大的环境污染危害[526].来自大气沉降和城市交通、建筑、工业等产生的固体颗粒物,在风力、水力及重力作用下沉积在城市不透水地面形成城市灰尘.在人为因素高强度作用下,污染源会对灰尘中某些元素产生深刻的影响.由于各污染源地域分布不平衡,造成了污染程度的地域性差异.本文基于A rcGI S 的地统计分析模块,以金华市区二环线以内为研究区域,对其地表灰尘中重金属Pb 、Cu 、Cr 、Zn 、N i 的含量水平与空间分布特征进行了研究,以便了解城市灰尘污染的空间分布情况,为揭示城市灰尘污染源提供依据.1 样品采集与测试1.1 样品采集本研究的样品主要采集于金华市城区二环以内.采样时间为2006年秋季,采样期间金华市天气晴好,风力不大.采样时,用毛刷、塑料小畚箕收集灰尘,然后转移至塑料样品袋中,编号、封口,并详细记录采样点周围的自然、人文环境.为了保证样品的代表性,在每个采样点选取多个平行采样点进行采集,然后将多个采样点样品均匀混合作为一个采样站位的灰尘样品.共采集地表灰尘样品117个,样品分布情况见图1.图1 金华市城市地表灰尘采样点位置1.2 实验分析样品烘干过180目筛,经粉碎、压制成片后用英国帕纳科公司(原飞利浦公司)生产的波长色散型X 射线荧光光谱分析仪测定了Pb 、Cu 、Cr 、Mn 、Zn 、N i 6种重金属元素.2 结果与分析2.1 灰尘重金属含量的统计特征对金华市101个城市灰尘样品的重金属元素含量进行统计分析,结果见表1.从表1可以看出,金华市各采样点间的城市灰尘中重金属Pb 、Cu 、Cr 、Mn 、Zn 、N i 含量差异明显,分别从最低的37.61、16.89、26.34、428.69、107.53和12.29μg ・g -1,到最高的429.67、392.61、340.42、997.81、1701.16和133.70μg ・g -1,最大值分别是最小值的11.42、23.24、12.93、2.33、15.82和10.88倍.变异系数(C .V.)是表863浙江师范大学学报(自然科学版) 2008年 征样本间变异程度的重要尺度.由表1可知,金华市城市灰尘重金属的变异系数排序可判断其空间变异程度依次为:Mn <Cr <Zn <N i <Pb <Cu,分别为56.24%、62.13%、41.51%、14.49%、53.39%和53.80%.按变异系数大小将城市灰尘重金属的变异性进行粗略分级:C .V.<10%为弱变异;C .V.=10%～30%为中等变异;C .V.>30%为强变异[7].因此,除Mn 属于中等变异外,其余元素均属于强变异.说明灰尘重金属的来源受外界干扰明显,空间变异很大,这种变异很大程度上可归结为交通、工业、建筑等强烈人为活动空间分布不均的影响.以地壳克拉克值为参比背景值可以表明样品中各种金属元素的富集程度.金华市地表灰尘样品中各元素的污染程度不同.样本中各元素的最大值一般为地壳克拉克值的1～5倍,而Pb 、Cu 、Zn 分别达背景值的28.64、10.33、19.78倍.各重金属元素除Mn 、N i 只有22.78%、9.90%样点超标外,其余元素样点超标率均大于80%,其中Pb 和Zn 的超标率高达100%.表明金华市城市地表灰尘重金属比较富集.各样点灰尘重金属的复合污染严重,有100%的样点2种以上重金属超标,95.0%的样点3种以上重金属超标,87.1%的样点4种以上重金属超标,25.7%的样点5种以上重金属超标,6.9%的样点6种重金属均超标.由此可知,金华城市灰尘重金属正以复合污染的形式出现显著的累积.相关分析(见表2)表明,Pb 、Cu 、Cr 、Mn 、Zn 、N i 之间均具有极显著的正相关关系,说明了以上6种元素间为复合污染或具有一定的同源性.表1 金华市城市灰尘重金属含量的描述性统计元素Pb Cu Cr Mn Zn N i 最小值/(μg ・g -1)37.6116.8926.34428.69107.5312.29最大值/(μg ・g -1)429.67392.61340.42997.811701.16133.70均值/(μg ・g -1)125.91101.38135.23719.94577.5436.56中位数/(μg ・g -1)110.3587.17127.98702.73537.3633.84变异系数/%56.2462.1341.5114.4953.3953.80偏度 2.10 1.760.890.410.98 2.00峰度 6.064.701.380.691.286.28分布类型对数正态对数正态对数正态对数正态对数正态对数正态克拉克值/(μg ・g -1)1538637808657表2 金华市城市灰尘重金属元素的相关分析Pb Cu CrMnZnN iPb 1Cu 0.722﹡﹡1Cr 0.428﹡﹡0.543﹡﹡1Mn 0.686﹡﹡0.561﹡﹡0.304﹡﹡1Zn 0.772﹡﹡0.734﹡﹡0.480﹡﹡0.604﹡﹡1N i0.610﹡﹡0.722﹡﹡0.517﹡﹡0.516﹡﹡0.770﹡﹡1 注:﹡﹡P <0.012.2 灰尘重金属元素变异函数的结构分析2.2.1 参数的最优评估描述性统计分析只能大概说明重金属含量变化的全貌,不能定量刻画其结构性和随机性、相关性和独立性.而地统计学方法却可最大限度地保留空间变异信息,很好地描述重金属含量的空间变异结构.963 第4期 李凤全,等:基于地统计学方法的城市灰尘重金属污染的空间变异特征半方差函数要求数据符合正态分布或近似正态分布,否则可能存在比例效应,使实际变异函数值畸变,估计精度降低,甚至会掩盖其固有结构,导致某些结构特征不明显.统计分析表明,金华市城市灰尘重金属Pb、Cu、Cr、Mn、Zn、N i呈对数正态分布,满足半方差函数的要求.利用半方差函数的计算公式,分别用不同模型拟合,得到模型的相关参数值,选取评价模型及其参数最适合的模型,最后用交叉验证法修正模型的参数[829].金华市城市灰尘各重金属元素的空间变异性可根据块金值与基台值的比值(即块金系数C0C0+C)大小进行划分,块金系数表示由随机部分引起的空间变异性占总体变异的比例.若块金系数<25%,说明变量有强烈的空间相关性;块金值=25%～50%,说明变量有明显的空间自相关性;块金值=50%～75%,变量有中等空间自相关;块金值>75%,变量空间自相关弱,变异主要由随机变异组成,不适合采用空间插值方法进行预测[9210].由表3可知,Pb、Cr存在强烈的空间自相关性,Cu、Mn具有明显的空间自相关,说明城市灰尘中重金属Pb、Cr、Cu、Mn主要是由区域结构性因素引起的;而重金属Zn、N i的块金系数大于50%,说明其由非区域因素所引起的变异作用要大于由区域结构性因素所引起的变异.因此,虽然总体上灰尘中的重金属可能存在一定的同源性,即受金华市城市的产业布局和功能分区等的影响,但某些重金属可能受人类随机活动的影响,来源相对比较复杂.表3 城市灰尘重金属的变异函数模型及相关参数指标理论模型块金值C0偏基台值C块金系数C0C0+C/%Pb Exponential0.09530.291324.65Cu Exponential0.15320.253837.68Cr Exponential0.04670.281514.23Mn Gaussian0.01500.015149.77Zn Exponential0.19460.081070.60N i Spherical0.10000.090052.632.2.2 模型检验为了使理论模型能充分地描述所研究的某一区域化变量的变化规律,在建立模型的过程中要对模型进行最优拟合,通常情况下,评价模型及其参数是否合适或合适的程度按以下标准综合进行[11]:①平均误差M E的绝对值接近于0;②标准化平均误差M SE接近于0;③平均标准误差ASE与均方根误差RM SE最接近;④标准化均方根误差RM SSE最接近于1.从表4预测误差的分析可知,重金属Pb、Cu、Cr、Mn、Zn、N i的Kriging插值方法的误差基本满足评价标准,这就表明了Kriging插值方法在金华市城市灰尘重金属空间分布的应用中确实有效、可行.表4 预测误差指标M E M SE ASE RM SE RM SSEPb0.03680.014561.9066.70 1.044Cu0.03030.046259.0661.38 1.076Cr0.01630.022953.4353.00 1.089Mn0.08020.015298.0893.95 1.047Zn0.06110.0538317.20320.30 1.144N i0.08560.029614.3014.88 1.127 073浙江师范大学学报(自然科学版) 2008年 2.3 城市灰尘重金属含量的空间分布格局为了更直观地反映城市灰尘重金属的空间分布状况,根据上述各元素的半方差函数模型,应用普通克里格(O rdinary Kriging )法进行最优内插,绘制了金华市城市灰尘重金属Pb 、Cu 、Cr 、Mn 、Zn 、N i 的空间分布图.图2 城市灰尘重金属Pb 、Cu 、Cr 、Mn 、Zn 、N i 的空间分布图(单位:μg ・g -1)从图2可以看出,各重金属元素含量具有明显的空间异质性,且变化趋势较为相似.Pb 、Cu 、Cr 、Zn 、N i 的空间分布上均有1或2个高值区,并呈现出以高值区为中心向四周逐渐递减的趋势.Pb 、Cu 、Cr 、N i的分布有2个含量高值区,分别位于西南部工业区的铸造厂和西北方向一环附近的汽车站;次高值的范围也比较相似,包括西南工业园区的街道、西北的婺城工贸区和中心商业区,分布范围较广;Zn 的空间分布与Pb 、Cu 、Cr 、N i 相似,但Zn 含量最高值出现在一环附近的汽车站,江北一环附近的工业区、江南西南区的工业区和江北、江南人流车流繁忙的商贸区分布的Zn 含量也较高.Mn 的分布与其他元素有较大差别,最高值出现在西南工业区园的交通干道和西南郊区、东南郊区的道路,可见,除了工业对Mn 的影响外,交通、土壤扬尘可能也是Mn 的主要来源.3 结 论(1)以地壳克拉克值为参比背景值,灰尘样品中各元素的污染程度不尽相同,除Mn 、N i 只有22.78%和9.90%样点超标外,其余元素样点超标率均大于80%,其中Pb 和Zn 的超标率高达100%;相173 第4期 李凤全,等:基于地统计学方法的城市灰尘重金属污染的空间变异特征273浙江师范大学学报(自然科学版) 2008年 关分析结果表明,6种重金属元素间表现为复合污染或一定的同源性.(2)从半方差函数模型拟合结果可知,Mn符合高斯模型,N i符合球状模型,其他重金属均符合指数模型.6种重金属在一定范围内存在空间自相关性,其中,Pb、Cr存在强烈的空间自相关性,Cu、Mn具有明显的空间自相关,Zn、N i的空间结构性中等.表明Pb、Cr、Cu、Mn等元素主要受金华市的产业布局与功能分区影响,而Zn、N i则受结构性因素与随机因素的共同影响,并且Zn受随机性因素影响更大.(3)采用Kriging最优内插法得到了金华市城市灰尘重金属的空间分布图,发现各重金属元素含量的分布具有非常明显的空间异质性,重金属Pb、Cu、Cr、Mn、Zn、N i在一定程度上具有同源性,其含量与工业化、交通等密切相关.但Mn可能还受其他结构性因素影响,需要进一步研究.参考文献:[1]常静,刘敏,侯立军,等.城市地表灰尘的概念、污染特征与环境效应[J].应用生态学报,2007,18(5):115321158.[2]Charles worth S,Everetta M,McCarthy R,et al.A comparative study of heavy metal concentrati on and distributi on in deposited street dust in alarge and a s mall urban area:B ir m ingha m and Coventry,W est M idlands,UK[J].Envir onment I nternati onal,2003,29(5):5632573.[3]Sutherland R A,Tol osa C A.Multi2ele ment analysis of r oad2deposited sedi m ent in an urban drainage basin,Honolulu,Ha waii[J].Envir onmen2tal Polluti on,2000,110(3):4832495.[4]Keller J,La mp recht R.Road dust as an indicat or f or air polluti on trans port and depositi on:An app licati on of SP OT i m agery[J].Re mote Sens2ing of Envir onment,1995,54:1212.[5]李凤全,潘虹梅,叶玮,等.城市灰尘重金属污染特征及生态危害评价[J].安徽农业科学,2008,36(6):249522498.[6]李海雯,陈振楼,王军,等.基于GI S的上海城市灰尘重金属空间分布特征研究[J].环境科学学报,2007,27(5):8032809.[7]王天阳,王国祥.昆承湖水质参数空间分布特征研究[J].环境科学学报,2007,27(8):138421390.[8]王政权.地统计学及其在生态学中的应用[M].北京:科学出版社,1999:65278.[9]钟晓兰,周生路,李江涛,等.长江三角洲地区土壤重金属污染的空间变异特征———以江苏省太仓市为例[J].土壤学报,2007,44(1):33240.[10]赵军,张久明,孟凯,等.地统计学及GI S在黑土区域土壤养分空间异质性分析中的应用———以海伦市为例[J].水土保持学报,2004,24(6):53257.[11]刑怀学.基于GI S合肥地区土壤元素空间变异及分形特征研究[D].安徽:合肥工业大学,2007:35237.(责任编辑 杜利民)。
