城市表层土壤重金属污染分析.doc

城市表层土壤重金属污染分析摘 要本文对该地区表层土壤重金属A s、Cd、C r、Cu、Hg、Ni、Pb、Zn含量和可能来源进行了深入研究。针对问题一，我们运用了MATLAB软件作出了8种主要重金属元素在该城区的空间分布图，通过图表分析我们可以知道重金属污染最严重的是交通区，其次是工业区，生活区污染也比较严重，再次是公园绿地区，山区的污染是最轻的，针对问题二，我们按照单因子污染指数法和内梅罗综合指数法，根据土壤环境背景值标准进行了综合评价，结果表明Hg是该地区污染最严重的重金属元素之一，其中一个最大的原因是燃煤污染。工业排放是该地区表层土壤Hg污染的另一个重要要来源，Hg污染与汽车尾气的排放也有很大关系。大气中含Hg污染的干湿尘降是造成Hg污染的主要原因。Cu在该地区污染也较为严重，主要来源于化工行业，塑料，橡胶和印燃行业的三废排放以及城市商业活动，城市居民生活累加到土壤中的Cu以及交通来源。Zn主要也是由于工矿企业的三废排放。Cr的污染源属于面积型的，主要来源于工业区。Cd和Pb在来源上联系密切，P b主要来自市中区交通源汽车尾气的排放。针对问题三，应用统计数手段及处理软件，采用因子分析法对该地区土壤化探测数据进行详细分析研究，分析出该地区重金属污染物的传播特征，表明该地区土壤重金属污染的主要来源有以下几个方面：工矿企业污染源，燃煤污染源，交通污染源，商业活动和居民生活污染源等。针对问题四，我们系统的分析了模型的优缺点，我们采用简单的方法去解决复杂的问题，通过运用MATLAB和SPSS软件更好的帮助我们解题，还采用了因子分析法分析污染物的传播特征。但此方法抓住主要舍弃次要，因此可能有一定的误差，为更好的研究该地区地质环境的演变模式还需收集该地区的地貌，地形，气候条件，工业布局等信息。有了这些信息才能更准确的评价该地区重金属的污染情况。关键词：内梅罗综合指数法 单因子污染指数法 重金属污染 因子分析法 污染程度 MATLAB软件 SPSS软件 一、 问题重述土壤是人类生存的依托，土壤质量的好坏影响着人类社会生活的方方面面，但是随着经济的快速发展和人口的迅速增加，土壤也受到不同程度的污染，特别是重金属的污染严重影响着土壤的质量，因此研究重金属对土壤的污染问题成为了人们关注的焦点。我们把该城区分为生活区、工业区、山区、交通区及公园绿五个区，不同的区域环境受人类活动影响的程度不同。将所考察的城区划分为间距1公里左右的网格子区域，按照每平方公里1个采样点对表层土（010 厘米深度）进行取样、编号，并用GPS记录采样点的位置。再用专门仪器测试分析，获得了每个样本所含的多种化学元素的浓度数据。另一方面，按照2公里的间距在远离人群及工业活动的自然区取样，将其作为该城区表层土壤中元素的背景值。本文主要解决以下问题：(1) 给出8种主要重金属元素在该城区的空间分布，并分析该城区内不同区域重金属的污染程度。(2) 通过数据分析，说明重金属污染的主要原因。(3) 分析重金属污染物的传播特征，由此建立模型，确定污染源的位置。(4) 分析你所建立模型的优缺点，为更好地研究城市地质环境的演变模式，还应收集什么信息？有了这些信息，如何建立模型解决问题？二、问题分析针对问题一,我们先把题目所给的附录一和附录二的数据进行综合整理把同一个区的数据集中在一起，然后运用MATLAB软件编程序，分别以附表中的X、Y为横纵坐标做出了8个图，以不同的颜色表示金属在不同区域内的污染程度，作出8种重金属元素在不同区域的空间分布图，通过空间分布图就可以分析出不同区域重金属的污染程度。针对问题二，分析重金属污染的主要原因要分析每一种重金属元素在不同区的含量，通过使用SPSS和MATLAB求出每种重金属的变异系数和污染指数。再通过查找文献，了解每种重金属的主要来源，确定重金属污染的主要原因。针对问题三，我们采用多元统计数学方法之一的因子分析，它根据多个实变量之间的相互关系，运用数学变换，将多个变量转变为少数几个线性不相关的综合指标，从而确定污染物的传播特征和污染源。针对问题四，我们仔细的分析了我们所建模型的优缺点，在不考虑一些外在因素的影响下，没有风速，没有河流，不考虑地质地貌，这些都是需要完善的 。还有所建模型本身存在的缺点。三、 模型假设1、假设采集后，各元素的位置不发生改变；2、假设各元素背景值的采集来源于无污染地区；3、假设采集数据时没有考虑河流，气候等因素的影响；4、假设采集数据时重金属含量不受时间影响；四、符号说明Pi土壤中污染物i的环境质量指数；Ci污染物i的实测含量；Si污染物的i的评价标准；Xi第i区的横坐标；Yi第i区的纵坐标； 五、模型建立及求解对问题一的求解： 图一是利用MATLAB软件进行数值编译后，得出八种金属元素在五个区域的含量分布图，图中的一、二、三、四、五区分别表示生活区、工业区、山区、交通区、公园绿地区。以x，y为采样点和各元素样点值为空间坐标建立的三维图，各元素右边长方形表示各元素的量值。 由图一可知，生活区中Cd、Cr、Cu、Hg、Pb、Zn元素的含量高，因此属严重污染。As、Ni属于中高度含量，为中度污染工业区金属元素As、 Cd、Cr、Cu、Hg、Pb、Zn的含量都远远超过了当地各元素的背景值，由此可知，在工业区中As、 Cd、Cr、Cu、Hg、Pb、Zn属于严重污染。Ni次之，属于中度污染。山区C r、Hg、Ni、Cu含量也很高，属于中高度污染，As、Cd、Pb、Zn的含量与背景相符，为轻度污染或者无污染。交通区Cr、Cu、Hg、Zn属于高含量，属于严重污染，其余元素属于中度污染。公园绿地区Cd、Cu、Hg、Pb、Zn的量值属于中偏上量值，属于中度污染。As、Cr为轻度污染，只有Ni无污染。以下八个图分别表示八种金属元素在五个区域的空间分布图，一区：生活区 二区：工业区三区：山区 四区：交通区 五区：公园绿地区Cr元素图Cd元素图 Hg元素图 Zn元素图 Pb元素图 Ni元素图 Cu元素图 Ag元素图 对问题二的求解：（1）变异系数分析法由于土壤重金属污染的非均匀性，我们采用平均值、变幅、标准差以及变异系数等4个统计指标进行统计分析，得出了该城市各个区土壤表层重金属含量测定结果的描述性统计分析（见表1）， 其中变异系数反映了总体样本中各采样点的平均变异程度。表1结果表明，在生活区中Z n的变异系数最大为1.871824，依次是CrHgPbCuCdAs, 工业区变异系数依次为HgCuZnPbCd=CrAsNi, 其中Hg的变异系数为3.493511，山区、交通区、公园绿地区变异系数最大的都是Hg。从不同区重金属含量的变异系数来看，Hg的变异系数达到了最大，其他都比较小 表1 土壤重金属含量描述性统计(g/g)生活区金属元素样本数最小值最大值平均值标准差变异系数MetalnMinimumMaximumAverageSDCVAs442.3411.456.272.1501970.342909Cd 4486.81044.5289.96183.68080.633466Cr 4418.46744.4669.02107.89131.563225Cu 449.73248.8549.447.162910.954653Hg 441255093.04102.90241.105994Ni 448.8932.818.345.6622710.308701Pb 4424.43472.4869.1172.325181.046578Zn 4443.372893.47237.01443.63841.871824 工业区金属元素样本数最小值最大值平均值标准差变异系数MetalnMinimumMaximumAverageSDCVAs)361.6121.877.254.2443170.585311Cd 36114.51092.9393.11237.57640.82387Cr 3615.4285.5853.4144.002190.82387Cu 3612.72528.48127.54414.94133.253527Hg 3611.7913500642.362244.0753.493511Ni 364.2741.719.818.3701710.422487Pb 3631.24434.893.0485.367280.917525Zn 3656.331626.02277.93350.83091.262311山区金属元素样本数最小值最大值平均值标准差变异系数MetalnMinimumMaximumAverageSDCVAs)661.7710.994.041.7992930.444919Cd 6640407.6152.3278.379650.514573Cr 6616.2173.3438.9624.594580.631283Cu 662.2969.0617.3210.732380.61975Hg 669.64206.7940.9627.854320.680103Ni 665.5174.0315.4510.427790.674772Pb 6619.68113.8436.5617.733220.485099Zn 6632.86229.830.9425230.942520.422168交通区金属元素样本数最小值最大值平均值标准差变异系数MetalnMinimumMaximumAverageSDCVAs)1381.6130.135.713.2383290.567327Cd 13850.11619.8360.01243.3920.676062Cr 13815.32920.8458.0581.605531.405685Cu 13812.341364.8562.21120.22221.932369Hg 1388.5716000446.822180.274.879498Ni 1386.19142.517.6211.786980.669064Pb 13822.01181.4863.5332.527260.511965Zn 13840.923760.82242.85384.78481.584423公园绿地区金属元素样本数最小值最大值平均值标准差变异系数MetalnMinimumMaximumAverageSDCVAs)352.7711.686.262.0235410.323058Cd 3597.21024.9280.54235.84290.840666Cr 3516.3196.2843.6414.840130.340089Cu 359.04143.3130.1922.681960.751264Hg 35101339.29114.99224.27981.950399Ni 357.629.115.294.9742960.325336Pb 3526.89227.460.7145.842980.755132Zn 3537.141389.39154.24230.91991.497124（2）单因子指数法和内梅罗综合指数法在这种方法中以该地区8种主要重金属元素的平均值作为背景值（参照表2），土壤污染评价方法采用单因子指数法和内梅罗综合指数法。 表2 八种主要重金属的背景值 (g/g) AsCdCrCuHgNiPbZn3.61303113.23512.33169（1） 单因子指数法计算式为 Pi=Ci/Si 式中Pi为土壤中污染物i的环境质量指数；Ci为污染物i的实测含量；Si为污染物i的评价标准。表二为污染指数的土壤质量分级表3 基于污染的土壤质量分级非污染轻污染中度污染严重污染P11P22P3P3（2） 内梅罗综合指数法 计算式为 P= 式中为土壤中各污染指数平均值，maxPi为土壤各污染指数最大值。 以相关元素背景值为评价标准计算了该城市各个区表层土壤各中重金属元素的单因子污染指数值数据列入（表四）表4 各区不同重金属污染指数生活区AsCdCrCuHgNiPbZn最大值3.18 8.03 24.01 18.85 15.71 2.67 15.24 41.93 最小值0.65 0.67 0.60 0.74 0.34 0.72 0.79 0.63 综合指数2.56 5.90 17.05 13.59 11.27 2.16 10.89 29.75 工业区AsCdCrCuHgNiPbZn最大值6.08 8.41 9.21 191.55 385.71 3.39 14.03 23.57 最小值0.45 0.88 0.50 0.96 0.34 0.35 1.01 0.82 综合指数4.53 6.32 6.63 135.62 273.05 2.56 10.14 16.91 山区AsCdCrCuHgNiPbZn最大值3.05 3.14 5.59 5.23 5.91 6.02 3.67 3.33 最小值0.49 0.31 0.52 0.17 0.28 0.45 0.63 0.48 综合指数2.30 2.37 4.05 3.81 4.26 4.35 2.73 2.47 交通区AsCdCrCuHgNiPbZn最大值8.37 12.46 29.70 103.40 457.14 11.59 5.85 54.50 最小值0.45 0.39 0.49 0.93 0.24 0.50 0.71 0.59 综合指数6.02 9.03 21.05 73.19 323.78 8.25 4.39 38.62 公园绿地区AsCdCrCuHgNiPbZn最大值3.24 7.88 3.11 10.86 38.27 2.37 7.34 20.14 最小值0.77 0.75 0.53 0.68 0.29 0.62 0.87 0.54 综合指数2.60 5.78 2.41 7.85 27.16 1.89 5.37 14.33 通过表三和表四分析可得出以下结果： Hg是本地区表层土壤重金属污染的主要因子。据文献5.6介绍，造纸印染工业中防腐剂的使用及仪表电气业中金属Hg的使用，各行业煤炭、石油燃烧都可以使Hg以废气、废水和废渣的形式排放进入环境并通过各种途径沉降进入土壤中。加之现在工业发展迅速，人们的环保意识薄弱，工业污染可能是Hg污染的重要来源，城市生活和交通运输过程中化石燃料中的Hg以废气形式排放对土壤Hg的累积影响也不容忽视。Cu在该地区污染也较为严重，主要来源于化工行业，塑料，橡胶和印燃行业的三废排放以及城市商业活动，城市居民生活累加到土壤中的Cu以及交通来源。Zn主要也是由于工矿企业的三废排放。Cr的污染源属于面积型的，主要来源于工业区。Cd和Pb在来源上联系密切，P b主要来自市中区交通源汽车尾气的排放。对问题三的求解：因子分析从变量的相关矩阵出发将一个m维的随机向量X分解成低于m个且有代表性的公因子和一个特殊的m维向量，使其公因子数取得最佳的个数，从而使对m维随机向量的研究转化成对较少个数的公因子的研究。设有n个样本，n个指标构成样本空间X，X=（xij）*n*m i=1,2,m因子分析过程一般经过以下步骤：（1）原始数据的标准化，标准化的公式为Xij=(Xij-Xj)/j,其中Xij为第i个样本的第j个指标值，而Xj和j分别为j指标的均值和标准差，标准化的目的在于消除不同变量的量纲的影响，而且标准化转化不会改变变量的相关系数。（2）计算标准化数据的相关系数阵，求出相关系数矩阵的特征值和特征向量。（3）进行正交变换，使用方差最大法。其目的是使因子载荷两级分行，而且旋转后的因子仍然正交。（4）确定因子个数，计算因子得分，进行统计分析。 经分析该地区重金属元素含量的数据特征完全符合因子分析的要求，这里以A s、Cd、C r、Cu、Hg、Ni、Pb、Zn八种重金属元素指标作为因子分析，这样在解释各指标变化异常时可以着重讨论综合指标因子，同时为该地区重金属污染成因的解释提供一定的理论依据。以下对该市土壤重金属元素含量的数据标准化处理后，经SPSS11.0统计软件进行因子分析，可得出以下结果。首先给出该市表层土壤A s、Cd、Cr、Cu、Hg、Ni、Pb、Zn八种重金属原始含量数据的相关系数矩阵，如表所示。 变量相关矩阵指标HgCdPbAsCuZnNiCrHgCdPbAsCuZnNiCr10.3340.4590.0800.3010.4720.0490.0370.33410.6250.0610.5020.3370.1700.1560.4590.62510.2140.5510.4500.2250.2010.0800.0610.21410.3080.0550.692-0.0230.3010.5020.5510.30810.3560.4430.1580.4720.3370.4500.0550.35610.1470.1200.0490.1700.2250.6920.4430.14710.3230.0370.1560.201-0.0230.1580.1200.3231 特征值和累计贡献率因子旋转前旋转后总的特征值占总变量的百分比累计贡献率总的特征值占总变量的百分比累计贡献率F13.10338.79338.7931.66520.8120.81F21.57519.68258.4751.7121.37742.187F31.02112.76971.2431.0913.62555.812F40.7669.5780.8131.05813.22769.039F50.5376.70987.5220.99512.34381.482F60.4885.59593.1170.93111.63593.117可见，A s和Ni的相关性较好，相关系数最大，其次为Pb和 Cd，以下依次是Pb和Cu，Cd和Cu， Pb和Hg，其它元素之间的相关性并不是很好。从成因上来分析，相关性较好的元素可能在成因和来源上有一定的关联。 旋转前因子载荷矩阵指标F1F2F3F4F5F6Hg0.578-0.419-0.2480.4660.425-0.156Cd0.713-0.2960.087-0.4520.020.26Pb0.811-0.2240.006-0.190.1730.173As0.4360.736-0.3810.0920.1030.19Cu0.7770.097-0.041-0.283-0.154-0.522Zn0.631-0.359-0.0660.42-0.5230.13Ni0.5580.7460.060.116-0.0590.012Cr0.3160.1560.8930.2190.0117-0.004 方差极大正交旋转后因子载荷矩阵指标F1F2F3F4F5F6Hg0.2110.0130.0010.936-0.215-0.096Cd0.9040.0040.0560.044-0.145-0.183Pb0.7760.1570.1020.324-0.164-0.186As0.0730.951-0.1240.0720.023-0.035Cu0.3560.240.0540.125-0.135-0.878Zn0.2370.0360.0470.228-0.934-0.117Ni0.0580.8470.299-0.052-0.09-0.258Cr0.10.60.9830.009-0.039-0.041用因子分析法对该地区重金属污染源进行分析研究，表明该地区土壤中 A s、Cd、C r、Cu、Hg、Ni、Pb、Zn等八种重金属元素污染分布特征为：在空间分布上表现为：交通干线两侧，老工业区，居民区污染较为严重，而山区和公园绿地等受人为活动影响较少的功能区，含量较低，污染较轻；城区高于郊区。在时间分布上表现为：随着城市化的飞速发展，该地区表层土壤重金属元素含量不断增加，污染不断加剧的趋势。 对问题四的求解：优点：本文我们从简单的方法入手，根据题中的数据，利用MATLAB软件制出八种重金属元素在五个区的空间分布图，又利用Excel和SPSS软件，绘制了描述性统计分析表，更好的分析和呈现了重金属污染的主要原因、传播特征和污染源的确定。在求解第三问时，我们采用了因子分析法，“从树木看森林”抓住主要矛盾，把握主要矛盾的主要方面，舍弃次要因素，以简化系统的结构，认识系统的内核缺点：本文所用的因子分析法，它只强调变量的离差而不强调变量在样品中的比重，因子分析法的计算结果只能看做是一个中间结果，剩下的部分要求人们用自己的思维来完成，线性综合指标往往不能直接观测到。在本题一问中不能直观的表示不同元素在不同海拔上分布。如果要更好的研究城市地质环境的演变模式还应该收集有关该地区的地貌，地形，气候条件，工业布局等信息。 参考文献：1郑海龙，陈杰，邓文靖，等.南京城市边缘带化工园区土壤重金属污染评价J.环境科学学报，2005，25（9）：1182-1188.2张雷，吕巧灵，李玲，等.郑州市郊区土壤重金属污染评价分析J.土壤通报，2008，39（5）.3刘玉燕，刘敏，刘浩峰.城市土壤重金属污染特征分析J. 土壤通报，2006，37（1）：184-188.4李天杰.土壤环境学M .北京：高等教育出版社，1995：96-100.5廖自基.环境中微量重金属元素的污染危害与迁移转化M .北京：科学出版设，1989.35-41.6王起超，沈文国，麻壮伟.中国燃煤汞排放量估算J.中国环境科学，1999，19（4）：318-321.7乔胜英，李望成，何方，等.漳州市城市土壤重金属含量特征及控制因素J.地球化学，2005，34（6）.8王雄军，赖健清，鲁艳红，等.基于因子分析法研究太原市土壤重金属污染的主要来源J . 生态环境，2008，17（2）：671-676 .9郭翠花，黄淑萍，原洪波，等.太原市地表土中五种重金属元素的污染检测及评价J.山西大学学报：自然科学报，1995，18（2）：222-226 .10李连科.因子分析法用于近岸海域大气污染来源的判别J.海洋环境科学，1998，17（1）：30-34 .11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 .12郭翠花，黄淑萍，原洪波，等.太原市地表五种重金属元素污染检测及评价J .山西大学学报：自然科学版，1995，18（2）：222-225 .13陈同斌，黄铭洪，黄换忠，等.香港土壤中重金属含量及其污染现状J .地理学报，1997，52（3）：26-28 .14姜勇，梁文举，闻大中.2003.沈阳郊区农业土壤中微量元素M .中国农业科学技术出版社：105-113附录一：八种重金属元素空间含量分布图源程序（以As为例）x1=xlsread(Book1,C1:C44);%生活区ry1=xlsread(Book1,B1:B44); x2=xlsread(Book1,C45:C80);%工业区cy2=xlsread(Book1,B45:B80);x3=xlsread(Book1,C81:C146); %山区b y3=xlsread(Book1,B81:B146);x4=xlsread(Book1,C147:C284);%交通区g y4=xlsread(Book1,B147:B284);x5=xlsread(Book1,C285:C319);%公园绿地ky5=xlsread(Book1,B285:B319);x=xlsread(cumcm2011A,B2:B320);y=xlsread(cumcm2011A,C2:C320);z=(xlsread(cumcm2011A,F2:F320)-3.6)./3.6;grid on X Y=meshgrid(0:100:18449,0:100:28654);Z=griddata(x,y,z,X,Y,v4);c h=contourf(X,Y,Z,m);clabel(c,h);hold onplot(x1,y1,r*)%红色星号hold onplot(x2,y2,mv)%紫红色三角型hold onplot(x3,y3,bd)%蓝色菱形hold onplot(x4,y4,gs)%绿色正方形hold onplot(x5,y5,ko)%黑色圆形附录二：内梅罗综合指数法计算程序（以二区数据为例）A=6.56 223.90 40.08 25.17 950.00 15.40 32.28 117.35 14.08 1092.90 67.96 308.61 1040.00 28.20 434.80 966.73 9.62 1066.20 285.58 2528.48 13500.00 41.70 381.64 1417.86 21.87 424.50 73.40 59.72 1520.00 27.80 83.70 175.71 18.38 630.00 96.68 114.81 645.00 34.80 130.36 1626.02 10.53 635.30 64.03 101.35 190.00 28.30 162.64 615.10 2.34 353.00 24.53 12.70 11.79 9.00 58.80 89.08 9.35 407.50 55.54 61.83 112.00 24.05 66.82 208.27 4.79 289.70 42.12 41.10 57.00 17.49 76.80 237.45 1.61 295.80 15.40 18.35 19.00 4.27 40.42 106.53 4.79 178.60 32.31 29.01 45.00 14.26 47.98 104.90 8.67 423.30 61.41 117.83 216.00 30.30 178.88 293.16 7.12 967.70 36.41 70.71 66.00 16.87 119.35 457.96 4.58 445.70 28.32 132.05 139.00 12.91 87.44 303.06 8.23 420.60 35.81 73.86 561.00 22.49 60.91 241.6