城市交通绿地土壤磁性的空间变异特征及其环境意义
- 格式:pdf
- 大小:2.14 MB
- 文档页数:7
上海软土地铁隧道变形影响因素及变形特征分析概况引言随着城市化进程的加速,地铁交通成为了城市最为重要的交通方式之一。
然而,在建设地铁隧道的过程中,一些地铁隧道出现了变形和掌管事件。
上海地铁隧道作为中国地铁发展最早的城市之一,软土地域内的地铁隧道变形问题日益显著。
为了加深对上海软土地铁隧道变形因素及特征的认识,本文将进行分析和总结。
上海软土地铁隧道变形影响因素分析地基渗透率地基的可渗透性对地铁隧道的变形有着至关重要的影响。
隧道因为建设时间、地层的不同等原因,其周围地质环境的渗透率也有很大的差异。
上海地铁隧道多建设在软土环境中,而软土属于半不均一介质,导致水分扩散速度慢,湿度变化会导致软土的体积发生变化,地铁隧道就容易出现变形事件。
地下水位变化地下水位的变化通常会引起土壤的干缩和湿润,这对于地铁隧道来说,可能会导致有价值的变形和沉降。
上海地区由于处于长江三角洲地区,潮汐作用的影响会造成地下水位剧烈波动,为地铁隧道变形带来了巨大风险。
人工地层变形由于地铁隧道挖掘的深度和强度,自身载荷和周边地质环境的影响,都将使得地下岩土呈现不稳定状态,造成地陷和地表塌陷,那么随之而来的就是软土地层变形的激烈程度变化。
在建设地铁隧道时,需要进行充分的钻探和地质勘探工作,并且需根据地质环境进行合理的人工地层控制,以规避地铁隧道变形引发的安全事件。
地质环境变化在地铁隧道建设完成后,当周筑路及地表建筑物的改变,地下水位的变化和地基的固结,都会对地铁隧道的稳定性和变形带来新的影响。
这些变化因素的特性复杂,需要进行现场检测,并分析正确的地质环境和地质条件,为地铁隧道的变形控制工作提供支持。
上海软土地铁隧道变形特征概述地铁隧道纵向变形特征地铁隧道在施工和使用过程中,往往会呈现出纵向变形特征,主要方向是隧道中心线纵向上的收缩变形。
在上海建设过的地铁隧道中,此类变形比较常见,影响因素主要是地铁隧道挖掘时,造成的垂直松软带与隧道内径差异引起的隧道衬石端部的齿状挤压及隧道衬石的变形所造成。
1北新道道路绿地10建设路道路绿地2长宁道道路绿地11大钊公园综合公园绿地3滨河路道路绿地12凤凰山公园综合公园绿地4国防道道路绿地13植物园综合公园绿地5新华道道路绿地14云天广场公共设施绿地6新华道卫国路交叉口西北角街旁绿地15华岩园公共设施绿地7北新道卫国路交叉口街旁绿地16体育场公园公共设施绿地8北新道建设路交叉口街旁绿地17理工大学对面其他绿地9长宁道建设路交叉口东北角街旁绿地表1取样点汇总序号地点绿地类型序号地点绿地类型唐山城市绿地土壤肥力特征分析与评价李峥(唐山园林科学研究所,河北唐山063000)摘要:对唐山城市绿地进行分类并采集各类型绿地的表层土壤,测定水解氮、有效磷、速效钾、pH 值、土壤容重、孔隙度、有机质、电导率、含水量,根据取得的数据分析唐山市绿地土壤的肥力特征,得到不同类型的唐山市绿地土壤肥力排名情况,应用内梅罗综合指数法对各指标进行评价排序。
结果表明,唐山市绿地土壤水解氮和速效钾含量极低,有效磷含量偏低;土壤容重均值为1.49g/cm 3,电导率平均值为0.22dS/m ,孔隙度平均值为45.55,整体土壤处于较紧实状态;pH 值为5.6~6.7,属于中性偏酸性土壤。
土壤容重与孔隙度呈极显著负相关;速效钾、有效磷和水解性氮呈极显著正相关,与之情况相同的还有有机质与含水量值,也呈现极显著正相关。
应用内梅罗综合指数法计算得出的结果,唐山市绿地土壤肥力水平排序为:综合公园绿地>公共设施绿地>街旁绿地>道路绿地>其他绿地,土壤综合肥力指数为0.44~0.85,土壤肥力整体属于贫瘠水平。
关键词:唐山;绿地土壤肥力;内梅罗综合指数法;特征分析 1.3分析与评价方法首先在Excel 中录入试验数据并进行处理,分析采样地点的基本肥力状况;接着分析各土壤肥力指标的相关性;最后,得到各类型绿地肥力排名,应用内梅罗综合指数法对唐山市绿地土壤肥力进行评价分析。
2结果与分析2.1唐山市绿地基本肥力状况由表3可知,唐山市绿地土壤含水量变化范围为7.04%~25.85%,平均值为16.4%,呈现两极分化现象,道路绿地最低,综合公园绿地含水量最高,此现象应与树穴和分车带土层较高、人工浇水很难浇透且道路绿化养护浇水不及时有关,而综合公园绿地浇灌设施齐备,养护管理到位,因此土壤含水量较高。
土壤磁导率土壤磁导率是指土壤对磁场的传导能力,是土壤物理性质的一个重要指标。
研究土壤磁导率可以帮助我们了解土壤的电导性能、水分状况、质地等情况,对于农业生产、土地利用和环境保护等方面具有重要意义。
一、土壤磁导率的意义土壤磁导率是土壤物理性质的一个重要指标,它可以反映土壤的电导性能。
土壤中含有大量的水分和电解质,当磁场通过土壤时,水分和电解质的运动会对磁场产生影响,从而改变土壤的磁导率。
磁导率可以用来评估土壤的水分含量、盐分浓度以及土壤质地等情况,对于农业生产、土地利用和环境保护等方面具有重要意义。
土壤磁导率的测量可以采用多种方法,常见的有电磁感应法、电阻率法和磁化率法等。
其中,电磁感应法是一种常用的非侵入性测量方法,它利用电磁感应原理,通过测量电磁场的变化来确定土壤的磁导率。
电阻率法则是利用电流通过土壤时的电阻变化来测量土壤的磁导率,而磁化率法则是利用土壤在磁场中的磁化程度来测量土壤的磁导率。
这些方法各有优缺点,可以根据需要选择合适的方法进行测量。
三、土壤磁导率的影响因素土壤磁导率受多种因素的影响,主要包括土壤水分、土壤质地、土壤盐分、土壤有机质含量等。
首先,土壤的水分含量对土壤磁导率有很大影响,水分越多,土壤的磁导率越高。
其次,土壤的质地也会影响土壤的磁导率,粘土含量越高,土壤的磁导率越低。
此外,土壤中的盐分含量和有机质含量也会对土壤的磁导率产生一定影响,盐分含量越高,土壤的磁导率越高,而有机质含量越高,土壤的磁导率越低。
四、土壤磁导率在农业生产中的应用土壤磁导率在农业生产中具有重要的应用价值。
首先,通过测量土壤磁导率可以了解土壤的水分状况,从而可以合理安排灌溉和排水措施,提高农作物的产量和质量。
其次,土壤磁导率还可以用来评估土壤的盐分浓度,对于合理施肥和调节土壤盐分具有指导意义。
此外,土壤磁导率还可以用来评估土壤的质地,对于选择适合的耕作方式和土地利用具有重要意义。
五、土壤磁导率在环境保护中的应用土壤磁导率在环境保护方面也具有重要应用价值。
城市土壤重金属空间变异结构和分布特征上海城市土壤重金属空间变异结构和分布特征随着区域社会经济的快速发展,城市土壤重金属的积累与污染问题日益凸显,直接关系到土壤质量和人类生存质量,研究城市或者郊区土壤重金属的分布状况可为保护生态环境和建设宜居环境提供一定的理论依据。
为揭示城市化、工业化等人为活动对土壤环境质量的影响,本文选择能反映上海“城-郊-乡”梯度差异的城市样带,采用地统计学方法对表层土壤样品Cu、Zn、Pb、Cr、Mn5种重金属的空间变异结构和分布特征进行了尺度效应分析和梯度差异分析,对土壤重金属污染状况做出评价,得出主要结论如下: 1.研究样带内5种土壤重金属元素空间分析结果表明,土壤Cu、Cr、Mn、Pb、Zn均属中等变异性,土壤Pb变异系数最大。
5种重金属元素在一定范围内均存在空间相关性,其中Mn有明显的空间自相关,Zn为中等程度空间相关, Cu、Cr、Pb空间相关性弱,说明Cu、Cr、Pb以随机变异为主,受人类活动的影响和干扰大。
在样带范围内土壤Cu呈条带状分布,由中心城区向郊区递减。
Cr、Mn呈岛状分布,由中心向四周辐射状递减。
Pb、Zn空间分布表现出条带状和岛状分布相结合的特点。
2.土壤重金属污染状况分析表明,土壤Cr、Zn、Pb污染相对严重,Cr、Zn、Pb和Mn样点超标率均在45%以上,其中Cr的超标率达到86.2%。
土壤Cr、Zn、Pb、Mn 和Cu之间均具有极显著的相关性,土壤重金属之间表现为复合污染或者具有同源性。
利用单因子指数法和内梅罗综合指数法评价土壤重金属污染程度。
样带区内,Cu、Pb、Zn都体现出从市区到郊区污染程度减轻的规律,污染程度由高到低均为:徐汇区、闵行区、奉贤区。
研究区内复合污染指数P综在0.78~5.08之间,75.7%的样点综合污染指数在1~2之间,属于轻度污染。
5%的样点综合污染指数大于2,属于中度以上污染。
土壤重金属污染程度总体上体现“城-郊-乡”的梯度差异,也反映了工业区分布、城市交通、废弃物排放等对城市土壤重金属分布的影响。
绿洲农田土壤养分时空变异及精确分区管理研究摘要:土壤养分是农田健康生产的重要因素之一,其时空变异性对于精确农田管理和高效施肥具有重要意义。
本文通过对绿洲农田土壤养分的时空变异进行研究,旨在为实施精确分区管理提供依据。
一、引言绿洲地区的农业生产受限于干旱和水资源稀缺的条件,合理管理土壤养分是提高农田生产力的关键。
而农田土壤养分的时空变异性对高效施肥和农田管理至关重要。
二、研究内容1.农田土壤养分的时空变异土壤养分的变异性由多种因素决定,包括土壤类型、气候条件、农田管理措施等。
通过采集不同时间和空间的土壤样品,分析其中的养分含量,可以得出土壤养分时空分布的特点和变异规律。
研究表明,绿洲农田土壤养分的时空变异性较大,主要有以下几方面特点:(1)时变性:不同季节和年份农田土壤养分含量会发生变化,主要受到降水、温度等气候因素的影响。
(2)空变性:不同地点农田土壤养分含量存在差异,主要受到土壤类型、地形和水分状况等因素的影响。
2.精确分区管理理念精确分区管理是指根据农田土壤的空间变异性,将农田分成不同的管理单元,并根据每个管理单元的特点进行精确施肥和农田管理。
通过合理调整施肥的方式和量,可以提高农田的施肥效果,减少农田养分的浪费,并降低对环境的影响。
精确分区管理是实现可持续农田发展的重要途径。
三、方法和结果1.样地选取和采样选取不同农田样地进行采样,保证样本的代表性。
根据采样地点的不同,将农田分为不同的空间单元。
2.养分分析采集土壤样品后,进行养分分析,包括有机质、氮、磷、钾等养分的含量测定。
3.数据处理与分析利用地理信息系统(GIS)和统计学方法,对采样数据进行处理和分析,得出农田土壤养分的时空变异图和精确分区图。
四、讨论通过对绿洲农田土壤养分的时空变异进行研究,可以为精确施肥和农田管理提供科学依据。
根据土壤养分的时变性和空变性,合理调整施肥措施和量,可以提高施肥效果,减少养分的浪费,实现农田的高效利用。
大尺度土壤养分空间变异的影响因素哎呀,这可是个大问题啊!咱们今天就来聊聊“大尺度土壤养分空间变异的影响因素”。
咱们得明白,什么是大尺度土壤养分空间变异?简单来说,就是指在很大的范围内,土壤中养分的分布是不均匀的。
这可是个挺麻烦的问题,因为养分对于植物生长可是非常重要的哦!那么,这个问题到底是怎么产生的呢?咱们得说说地形对土壤养分空间变异的影响。
咱们知道,地形是影响土壤肥力的一个重要因素。
比如说,山坡上的土地,由于地势的原因,水分和养分会更容易流失,所以土壤中的养分含量就会相对较低。
而平地上的土地,水分和养分的流失就会相对较少,土壤中的养分含量就会相对较高。
所以,地形对土壤养分空间变异的影响是非常大的。
咱们还得说说气候对土壤养分空间变异的影响。
气候对于植物生长也是非常重要的。
不同的气候条件下,植物对养分的需求也是不同的。
比如说,在干旱的地区,植物对水分的需求就会更大,而对养分的需求就会相对较小。
而在湿润的地区,植物对水分的需求就会相对较小,而对养分的需求就会更大。
所以,气候对土壤养分空间变异的影响也是非常大的。
再来说说生物因素对土壤养分空间变异的影响。
生物因素主要包括微生物、植物和动物等。
这些生物在土壤中的活动,会对土壤中的养分进行循环和转化。
比如说,一些微生物会将土壤中的有机物质分解成无机物质,从而增加土壤中的养分含量。
而一些植物和动物则会将土壤中的养分吸收到体内,从而减少土壤中的养分含量。
所以,生物因素对土壤养分空间变异的影响也是非常大的。
咱们还得说说人为因素对土壤养分空间变异的影响。
人为因素主要包括农业活动、工业活动和城市化等。
这些活动会对土壤中的养分产生一定的影响。
比如说,农业生产中使用的化肥和农药,会增加土壤中的养分含量,但同时也会对环境造成一定的污染。
而工业活动和城市化则会对土壤中的有机物质产生一定的影响,从而改变土壤中的养分含量。
所以,人为因素对土壤养分空间变异的影响也是非常大的。
大尺度土壤养分空间变异是一个复杂的问题,受到很多因素的影响。
Magnetic Properties and Its Spatial Distribution in
“Urban-to-Rural”
作者: 李琼琼[1];柳云龙[1,2]
作者机构: [1]上海师范大学城市环境与地理科学学院,上海200234;[2]上海师范大学地理系,上海200234
出版物刊名: 长江流域资源与环境
页码: 442-448页
年卷期: 2020年 第2期
主题词: 城-郊-乡;磁学特征;空间分析
摘要:为探讨"城-郊-乡"梯度上城市土壤磁性特征及其空间分异规律,对上海市徐汇、闵行、奉贤3区进行系统的磁学测定分析,结果表明研究区土壤磁性明显增强且处于较高污染水平,受外源输入影响较大。
土壤磁性主要受低矫顽力软磁性的亚铁磁性矿物控制,磁性矿物颗粒较粗,以多畴MD和粗粒SSD为主。
不同磁学参数χlf、SIRM、χarm、HIRM呈现相似的空间变化特征,出现明显高值区,分别位于徐汇区北部、闵行区东南和西南以及奉贤区北部和南部。
磁性增强高值点均位于工业区,城市土壤磁性增强主要受人类活动中的现代工业活动影响,并以污染型企业为源点使污染范围向外扩散。
土壤理化性质空间分布及其相关关系分析土壤理化性质是指土壤的化学成分、物理性质和生物活性等特征,对于理解土壤的形成过程、评价土壤肥力和水分生态条件以及合理利用土壤具有重要意义。
土壤理化性质的空间分布与土壤形成因素和人类活动密切相关,通过分析其空间变异和相关关系,可以为土壤管理和农业生产提供科学依据。
土壤化学性质包括土壤中的有机质含量、养分含量和酸碱度等指标。
有机质含量是评价土壤肥力的重要指标之一,通常用有机质含量百分比或含碳量来衡量。
土壤中的养分含量如氮、磷、钾等,可以影响作物生长和产量。
酸碱度指的是土壤的酸碱性程度,它与养分的有效性和微生物的活性密切相关。
这些土壤化学性质的空间分布往往与土壤形成因素和人为因素有一定关系。
例如,有机质含量在山地土壤中通常较高,而在河岸平原土壤中较低。
土壤物理性质主要包括土壤质地、容重和持水性等指标。
土壤质地是指土壤中不同粒径颗粒的比例关系,常用沙、粘和壤来描述。
土壤容重是指单位体积土壤的质量,一般与土壤结构和含水量密切相关。
土壤持水性指的是土壤对水分的保持能力,与土壤质地和富水性有关。
这些物理性质的空间分布受土壤形成过程和人类利用方式的影响较大。
例如,沙土通常容重较低,而粘土容重较高;草地土壤的持水性较好,而混凝土表面持水性较差。
土壤生物学性质包括土壤有机质分解速率、土壤微生物活性和土壤动物的存在情况等。
有机质分解速率反映了土壤中微生物对有机质降解的能力,对循环养分和维持土壤生态系统具有重要作用。
土壤微生物活性是指土壤中微生物数量和活性的总体表现,与土壤健康和养分循环密切相关。
土壤动物包括蚯蚓、昆虫和线虫等,它们通过翻土、排泄和取食等行为促进土壤结构改善和有机质分解。
这些生物学性质的空间分布与土壤环境和人类干扰程度有关。
例如,经常施用化学肥料和农药的农田土壤微生物活性较低。
土壤理化性质的空间分布通常受土壤形成因素和人类活动的影响。
土壤形成因素包括岩石母质、地形、气候和生物等,它们通过长期作用和相互作用影响土壤的形成和演化,进而决定了土壤的性质和分布。
空间变异特征,揭示其空间分布规律 哎呀,说起空间变异特征,我就想起之前的一次有趣经历。那次我和朋友去郊外露营,本想着找一块平坦开阔的好地方扎营,结果发现这看似差不多的一片区域,有的地方土地特别松软,有的地方却硬得像石头,搞得我们折腾了好久。这其实就是空间变异特征在“作祟”,让看似相同的空间,其实有着各种各样的差异。
接下来咱们好好聊聊空间变异特征。 首先,空间变异特征的名称一听可能有点让人摸不着头脑,但其实很好理解。它就是指在一定的空间范围内,某个事物或者现象的属性不是一成不变的,而是存在着各种各样的变化。比如说,土壤的肥力在一块农田里不是处处相同的,有的地方肥,有的地方瘦,这就是土壤肥力的空间变异特征。它的来源呢,可能是自然因素,像气候、地形、水文等;也可能是人为因素,比如施肥方式、种植作物的种类等等。
再说说它的作用和表现。就拿城市的房价来说吧,在同一个城市,不同区域的房价差别可能会很大。市中心繁华地段的房价高高在上,而郊区可能就相对便宜很多。这就是空间变异特征的一种表现,它影响着人们的居住选择和生活成本。又比如不同地区的气候差异,南方湿润温暖,北方干燥寒冷,这也决定了各地的农作物种植和人们的生活习惯。 然后谈谈空间变异特征的优缺点。优点嘛,它让世界变得丰富多彩,给我们带来了更多的选择。比如旅游,我们可以根据不同地区的特色,选择去海边享受阳光沙滩,或者去山区感受宁静的森林。但它也有缺点,比如对于一些规划和管理工作来说,就增加了难度。像城市的基础设施建设,如果不充分考虑空间变异特征,可能会导致某些区域资源过剩,而另一些区域却严重不足。
空间变异特征对事物性质或使用体验的影响那可真是不小。比如在农业生产中,如果不了解土壤养分的空间变异特征,盲目施肥,不仅浪费资源,还可能造成环境污染。而在商业布局中,如果忽视了消费需求的空间变异特征,可能会导致某些店铺生意火爆,而另一些则门可罗雀。
说到安全性和潜在问题,这也是不能忽视的。比如在地质勘探中,如果没有准确把握地质结构的空间变异特征,可能会在施工过程中引发坍塌等危险。在城市规划中,如果没有考虑到人口密度的空间变异特征,可能会导致交通拥堵、公共服务设施不足等问题。
土壤属性空间变异性研究概述作者:姚尧来源:《农村经济与科技》2018年第18期[摘要]土壤属性空间变异性指的是在同一时间不同点上的土壤性质存在着明显的差异性。
空间变异是土壤本身就存在的一种自然特性,无论观测的尺度是大尺度还是小尺度,土壤属性的空间变异性都是存在的。
土壤属性空间变异性的主要研究方法有经典统计学方法、地统计学方法和地理信息系统方法(GIS)。
将地统计学方法与GIS技术结合起来并发挥各自的优势,可以大大地推动土壤属性空间变异性的研究。
[关键词]土壤属性;空间变异性;地统计学方法;地理信息系统[中图分类号]S152.3 [文献标识码]A土壤属性的空间变异最早是由英国土壤学家Milne在20世纪30年代首先提出的土壤系统性空间变异,土壤属性在一定范围内会通过一个或多个过程来影响周边土壤中一些要素的物理化学性质,并产生一定的联系。
土壤属性空间变异性指的是在同一时间不同点上的土壤性质存在着明显的差异性。
即使在土壤质地相同的区域内,土壤属性在各个空间位置上的量值也并不相等。
空间变异是土壤本身就存在的一种自然特性,无论观测的尺度是大尺度还是小尺度,土壤属性的空间变异性都是存在的。
土壤属性空间变异性的研究已趋于成熟,本文对土壤属性空间变异性的研究进行了梳理,并针对存在的问题进行了思考。
1 土壤属性空间变异性的主要研究方法1.1 经典统计学早期对土壤性质特征的空间变异研究一般采用的是Fisher创立的经典统计学。
经典统计学的原理是通过假设研究的变量为随机变量,样本之间是完全独立且服从某已知的概率分布。
运用计算样本均值、标准差、方差和变异系数以及进行显著性检验等统计学方法来描述样本的某些规律。
因此,这种方法基本只能定性地描述土壤性质的空间变异性,概括土壤性质变化的全貌。
国外许多从事土壤性质空间变异性规律方面的土壤科学研究者的研究发现,许多土壤性质在空间上并不是独立的,而是在一定范围内存在着空间相关性,不属于纯随机变量。
生态环境学报 2019, 28(9): 1893-1899 http://www.jeesci.com Ecology and Environmental Sciences E-mail: editor@jeesci.com
基金项目:上海市教育委员会科研创新项目(09YZ175);上海市教委重点学科建设项目(J50402);闵行区自然科学研究项目(2014MHZ002) 作者简介:孙于然(1994年生),女,硕士,研究方向为城市生态与环境。E-mail: sunyuran47@163.com *通信作者,E-mail: liu_zju@126.com 收稿日期:2019-05-21
城市交通绿地土壤磁性的空间变异特征及其环境意义 孙于然1,柳云龙1, 2*,陈诚1,冯瑶1 1. 上海师范大学地理系,上海 200234;2. 上海师范大学城市生态与环境研究中心,上海 200234
摘要:为揭示交通源等人类活动对土壤磁学性质和土壤环境质量的影响,选择城市交通绿地为研究区域,采集30个表土样品,采用地统计学和分形理论分析交通绿地城市土壤的磁性特征和磁性的空间变异特征,并探讨了其影响因素。结果表明,研究区内低频磁化率(χlf)、非磁滞剩磁磁化率(χARM)、饱和等温剩磁(SIRM)、硬剩磁(HIRM)的均值分别为62.75×10
−8
m3·kg−1、191.91×10−8 m3·kg−1、9249.86×10−6 Am2·kg−1、375.00×10−6 Am2·kg−1,变异系数分别为0.44、0.32、0.49、0.53,均
属于中等变异程度。半方差函数分析结果表明,土壤χlf、SIRM和χARM/SIRM的最优拟合模型是高斯模型,χ
ARM、HIRM和
S−300 mT是球状模型,6种磁学参数的块金系数大小依次为S−300 mT>χlf>SIRM>χARM>χARM/SIRM>HIRM,均小于0.25,磁学参
数具有强烈的空间自相关性。分形学分析结果表明,土壤S−300 mT、HIRM、χARM、χlf和SIRM的局部空间结构受到随机性因素影响。交通绿地土壤磁性矿物以亚铁磁性假单畴和多畴磁铁矿为主,同时含有少量的超顺磁性颗粒,且低矫顽力磁铁矿是土壤磁性增强的贡献者。交通绿地土壤χlf、χARM、SIRM和χARM/SIRM呈条带状与岛状分布,HIRM和S
−300 mT呈多岛状分
布。条带状分布与汽车尾气中不同粒径磁性晶粒的结构型沉降有关,而岛状、多岛状则反映交通绿地土壤磁性参数空间变异影响因素的复杂性,交通源、工业源、道路基建等因素均影响土壤磁学参数的空间分布特征。 关键词:环境磁学;地统计学;分形维数;空间变异;城市交通绿地 DOI: 10.16258/j.cnki.1674-5906.2019.09.022 中图分类号:X144 文献标志码:A 文章编号:1674-5906(2019)09-1893-07
引用格式:孙于然, 柳云龙, 陈诚, 冯瑶, 2019. 城市交通绿地土壤磁性的空间变异特征及其环境意义[J]. 生态环境学报, 28(9): 1893-1899. SUN Yuran, LIU Yunlong, CHEN Cheng, FENG Yao, 2019. Spatial variability of soil magnetic properties in urban traffic greenbelt and its environmental implications [J]. Ecology and Environmental Sciences, 28(9): 1893-1899.
城市土壤重金属及其它污染物已成为环境科学等领域国内外研究的热点(Gulan et al.,2017;李小平等,2015)。城市交通运输在人民生活生产中发挥着日趋重要的作用,交通需求的上升带来了机动车车流量的快速增加,交通道路作为非点源污染源对其两侧土壤和居民的污染也日趋明显。道路污染源包括汽车尾气、轮胎摩擦碎片、路面沥青、地表径流等,城市交通绿地土壤污染的分布主要是以交通道路为中心向其两侧呈带状延伸,公路周边土壤中的Cu、Zn、Pb等重金属污染物被视为典型的交通源污染物,这些重金属在公路两侧土壤中累积和迁移,通过食物链和扬尘等影响人体健康(Harrison et al.,2003;Chen et al.,1997;Liu et al.,2016)。传统土壤污染的分析方法具有测量周期长、费用高、破坏样品等缺点。而环境磁学方法具有简单快捷、费用低和非破坏性等优点(王新等,2017)。它主要研究大气、土壤、沉积物等物质中磁性矿物
的磁性,通过分析反映磁性矿物含量、种类和配比情况的磁学参数,研究得出不同污染载体的磁性特征及环境意义(卢升高等,2008;Zawadzki et al.,2016;Rachwał et al.,2015)。 源于工业生产和交通源的磁性颗粒,呈球形结构,有别于自然成土过程形成的针状等不规则形状的磁性颗粒,这与化石燃料的高温燃烧有关(邓海英等,2017;Zawadzki et al.,2015)。交通运输等人类活动排放的磁性颗粒物与污染物相伴,通过大气降尘和地表径流等途径进入土壤,导致土壤污染和土壤磁性显著增高。交通道路两侧土壤多项磁学参数及其关系的研究结果显示,土壤磁性增强是由各种环境污染物中的磁性物质进入导致的,可根据高磁化率值判断土壤污染情况(Qian et al.,2011;Attoucheik et al.,2017;王冠等,2018)。不同磁学参数及其比值指示了不同的环境意义,研究其空间分布可获得土壤污染的空间格局和来源(陈学刚1894 生态环境学报 第28卷第9期(2019年9月) 等,2014;Kamacı et al.,2017;Fabijańczyk et al.,2016;Rachwał et al.,2015)。利用道路两侧土壤磁性特征及其空间分布的变化来分析城市交通污染状况和范围已成为一种有效方法(Hoffmann et al.,1999;沈明洁等,2007)。 受人类活动的影响,磁性矿物的分布存在强烈的空间变异性。地统计学是土壤空间变异研究的主要方法(Blanchet et al.,2017),但对于复杂的土壤变异系统,常用的空间分析方法无法准确模拟某些土壤特性多尺度、多过程的空间异质性,尤其是局部的奇异性信息(张法升等,2011)。近年来,分形理论逐渐被用于土壤属性的空间分析(Dafonte et al.,2015;张世文等,2018),通过非整数维数来表示土壤空间结构和分布特征,能定量表达土壤属性空间变异的复杂程度。目前,基于分形理论对城市交通道路沿线土壤多种磁性参数的空间结构特征分析较少,将分形理论与地统计学相结合,通过空间插值研究区域土壤属性的定量化方法,是对土壤属性空间变异性研究的拓展。多种磁学参数和分形学的运用更能从不同磁性矿物的环境意义来分析交通绿地土壤磁性的空间变异特征。本文以上海市闵行区城市交通绿地土壤为研究对象,基于地统计学和分形理论,通过多种磁学参数分析城市交通绿地土壤磁性矿物的组分、含量及来源,探索土壤磁学参数的空间结构、空间分布特征及其环境意义,为交通道路沿线的土壤污染调查、管理和利用提供支持。 1 材料与方法
1.1 土壤样品采集 选取上海外环高速S20闵行区七宝镇境内路段(近漕宝路),公路位于研究区域西侧,在道路一侧以5 m的采样间距设置样点,网格布点使取样点分布相对均匀。采样点GPS精确定位,土壤采样深度为0-20 cm,共采集样点30个,样点分布如图1所示。 1.2 实验测试 土壤样品在野外剔除较大固体颗粒物,放入聚乙烯塑料密封袋,避免样品之间接触污染。样品运回实验室后自然风干,然后研磨至100目以下,密封保存。称取土壤样品4-5 g,运用英国Bartington MS2磁化仪、Dtech 2000交变退磁仪、MMPM 10脉冲磁化仪和Molspin旋转磁力仪测量了土壤样品的磁学参数,包括低频磁化率(χlf)、高频磁化率
(χhf)、非磁滞剩磁(ARM,交变磁场峰值为100 mT,直流磁场为0.1 mT)、饱和等温剩磁(SIRM,磁场强度为1 T)、IRM−100 mT、IRM−300 mT(样品经IT磁
场磁化后分别经−100 mT、−300 mT退磁后的剩
磁)。并计算了频率磁化率χfd%、非磁滞剩磁磁化率χARM、硬剩磁(HIRM)、退磁参数(S−300 mT),其
中S−300 mT的计算公式为:
S−300 mT=(SIRM+IRM−300 mT)/SIRM×100 (1) 1.3 地统计学 地统计学以区域化变量理论为基础,以半方差函数为主要工具,研究在空间分布上既有随机性又有结构性的自然现象的科学。半方差函数计算公式为:
[]()211()=(+)()2()Nhiii
hZxhZx
Nhγ
=−
(2) 式中:h为样本间距;γ(h)为半方差函数值;
N(h)指间距h时的样点对数;Z(xi)和Z(xi+h)为区域化变量Z在空间位置xi和xi+h上的值。半方差函数
的理论模型有球状、高斯、指数、线性等模型,通过决定系数R2和残差RSS选择最优拟合模型。
克里金(Kriging)插值法是地统计学的主要内容之一,实质是利用区域化变量的原始数据和半方差函数的结构特点,对未采样点的区域化变量的取值进行线性无偏最优估计:
01()=()niii
ZxZXλ
=
(3)
式中:Z(x0)是在未经观测的x0点上的内插估计值,Z(Xi)是在点x0附近的若干观测点上获得的实测值。
图1 研究区域样点分布图 Fig. 1 Distribution of study regional sampling