农田土壤铅、镉含量影响因素地理加权回归模型分析.pdf

第 29 卷第 3 期农 业 工 程 学 报Vol.29No.3 2013 年2 月Transactions of the Chinese Society of Agricultural EngineeringFeb. 2013225 农田土壤铅、镉含量影响因素地理加权 回归模型分析 刘琼峰 1,2，李明德2，段建南1，吴海勇2，洪 曦 2 （1. 湖南农业大学资源环境学院，长沙 410128；2. 湖南省土壤肥料研究所，长沙 410125） 摘要： 为了定量分析土壤重金属含量的影响因素， 以长沙城郊农田土壤 Pb、 Cd 为例， 采用传统回归模型 （ordinary least squares, OLS）和地理加权回归模型（geographically weighted regression, GWR）分析比较了土壤 Pb、Cd 含量 与影响因素间的相关关系。结果表明：长沙城郊农田土壤 Pb、Cd 含量存在空间自相关性，Pb、Cd 的 GWR 模型 拟合度较 OLS 模型高，残差不存在空间自相关，GWR 模型能更好地解释土壤 Pb、Cd 与影响因素变量的空间异 质性。土壤 Pb 与 Cd 含量呈极显著正相关；土壤 pH 值、有机质、氮磷含量是影响土壤 Pb、Cd 含量的重要因素； 离河流、城镇、工矿建设用地的距离对于城郊农田土壤 Pb、Cd 含量也有一定影响，土壤 Pb、Cd 的“高- 高”集 聚区（土壤 Pb 或 Cd 含量高的区域被 Pb 或 Cd 含量高的其他区域所包围，区域土壤 Pb 或 Cd 含量水平较高，且 空间差异程度较小）和离河流、城镇、工矿建设用地较近的农田是 Pb、Cd 污染风险防控的重点区域。该研究可 为定量分析区域土壤重金属含量的空间结构与影响因素提供参考，为长沙城郊农田土壤重金属污染的防控提供参 考。 关键词：土壤，模型，Cd，Pb，农田 doi：10.3969/j.issn.1002-6819.2013.03.030 中图分类号：S159.2文献标志码：A文章编号：1002-6819(2013)-03-0225-10 刘琼峰，李明德，段建南，等. 农田土壤铅、镉含量影响因素地理加权回归模型分析J. 农业工程学报，2013， 29(3)：225234. Liu Qiongfeng, Li Mingde, Duan Jiannan, et al. Analysis on influence factors of soil Pb and Cd in agricultural soil of Changsha suburb based on geographically weighted regression modelJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(3): 225234. (in Chinese with English abstract) 0引言 城郊农田土壤发挥着重要的容纳和净化城市 污染物的功能。然而，在强烈的环境负荷冲击下， 土壤重金属不断富集，使土壤的缓冲、净化功能将 接近极限并有被超过的危险，从而导致土壤的严重 污染1。研究城郊农田土壤的重金属含量与分布、 可能来源与影响因素对于防控土壤重金属污染具 有重要意义。 为探明区域土壤重金属富集的空间结构特征 及影响因素，已有的研究主要有地统计学与 GIS 相 结合的方法2- 11、空间自相关分析方法12- 16、传统 的线性回归分析（最小二乘法，OLS）和空间回归 分析如空间自回归模型17等。传统的线性回归分析 收稿日期：2012- 08- 14修订日期：2012- 12- 31 基金项目：国家“十二五”科技支撑计划项目（2012BAD14B17） 作者简介：刘琼峰（1979） ，女，湖南邵东人，助理研究员，博士， 主要从事土壤资源利用与 3S 技术研究。长沙湖南农业大学资源环境 学院，410128。Email: lqf925 通信作者：段建南（1957） ，男，山西晋城人，教授，博士，主要 从事土地资源利用与信息技术的研究。 长沙湖南农业大学资源环境学 院，410128。Email：duanjn 等全局方法忽略了地理问题的空间性质，不能给出 空间模式的有效描述，空间自相关的建模方法在传 统回归分析的基础上引入了处理空间依赖性的技 术，而空间回归分析则引入了能够描述空间自相关 和空间非平稳性的项，能够有效地克服传统线性回 归模型的缺陷。空间回归分析方法包括空间自回归 模型和地理加权回归模型等，其中空间自回归模型 中的参数不随空间位置而变化，在本质上属于全局 模型， 而地理加权回归模型 （geographically weighted regression，GWR）是一种对不同空间子区域上自 变量和因变量之间关系随着空间变化进行建模的 非参数局部空间回归分析方法，该方法中自变量的 回归系数是随着空间位置而变化的，因此，对于空 间数据具有强大的局部分析能力18，目前在城市住 宅地价影响因素19、 经济发展的空间因素20等领域 已成为研究热点，而运用 GWR 模型进行区域土壤 重金属含量的空间结构与影响因素的研究尚鲜有 报道。 本文以长沙地区城郊农田土壤重金属 Pb 和 Cd 为例，运用 GWR 模型对土壤重金属含量的影响因 素进行分析，以期探讨影响城郊农田土壤重金属 农业工程学报2013 年 226 Pb、Cd 富集的因子贡献率，为城郊农田土壤环境 质量的改善以及土壤重金属污染的防控与治理提 供科学依据。 1材料与方法 1.1研究区域与样品采集 根据长沙市流域的分布情况以长沙城区为中 心，环城由近至远呈辐射状分西、东、南、西北、 东北、 东南 6 条路线设定采样点， 沿主要河流湘江、 捞刀河、浏阳河、沩水河采集了长沙城郊岳麓区、 天心区、开福区、望城区、长沙县、浏阳市、宁乡 县 7 个县区 18 个乡镇 513 个农田土壤样点 （图 1） ， 每个乡镇按 2 km2左右采集一个样点，各采样点均 经GPS准确定位。 其中水田采集 491 个， 占 95.71%， 旱地采集 22 个， 占 4.29%； 土壤类型主要为水稻土， 占 94.35%。土壤样品经自然风干，磨碎分别过 10 目、60 目和 100 目尼龙筛，参照美国国家环保局 推荐的 HNO3- H2O2方法消煮， 采用石墨炉原子吸收 光 谱 仪 ( 德 国 耶 拿EEnit600) 按 国 家 标 准 （GB/T17141- 1997）测定土壤 Pb 和 Cd 的总量；土 壤理化性状指标的测定采用土壤农化常规分析方 法21检测。 图 1长沙城郊农田土壤重金属采样点分布图 Fig.1Distribution of sampling sites for test of soil heavy metals in agricultural soils of the suburb area of Changsha 1.2地理加权回归模型（GWR） 地理加权回归模型最近由英国 Newcastle 大学 地理学家 Fortheringham 等22提出，模型的一般形 式为 01122 ( ,)( ,)( ,). ( ,),1,2,., iiiiiiiii piiipi yu vu v xu v x u v xin 式中，yi与 xi1,xi2,xip为因变量 y 和解释变量 x1， x2，xp在位置(ui,vi)处的实测值；系数 j(ui，vi) (j=1,2,p)是关于空间位置的 p 个未知函数； i(i=1， 2，n)是均值为 0、方差为 2的误差项。模型参 数 j(ui，vi) (j=1,2,p)是位置相关的，通常采用加 权最小二乘法进行局部估计，权重一般由观测值的 空间（经纬度）坐标决定，在每一个位置(ui,vi)处的 权重是从(ui,vi)到其他观测位置的距离的函数。 GWR 模型的拟合方法参见文献18,23。 1.3影响因素的选取与数据处理 土壤重金属含量主要受到自然和人为因素的 影响。自然因素如成土母质和成土过程对土壤重金 属含量有较大影响24。由于本研究采集的农田土壤 样品 90%以上为水稻土，土壤类型的差异较小，而 土壤重金属元素在介质中的存在形态是衡量其环 境效应的关键参数，重金属总量和土壤理化性状指 标如 pH 值、有机质等是影响重金属形态含量的主 要因素25。因此本研究在影响因素指标的选取上没 有考虑成土母质和土壤类型对土壤 Pb、Cd 含量的 影响，而主要选取了土壤 pH 值、有机质、碱解氮、 有效磷、速效钾、缓效钾几个指标来研究土壤性质 与土壤 Pb、Cd 含量的关系。城市人类活动在一定 空间距离内对长沙城郊区农田土壤 Pb、Cd 含量也 具有较大影响，根据土壤样点距城区 20、40、60、 80、100、130 km 的缓冲区分析，铅和镉的平均含 量在 20 km 以内、2040 km、4060 km 的缓 冲区由近至远均呈现出下降趋势26。考虑到数据的 可获取性及定量化、空间化的要求，本文主要从区 位因素的角度选取了农田土壤采样点离城镇、居民 点、工矿建设用地、河流的距离几个变量来研究在 人为因素直接或间接作用下城镇、居民点、工矿企 业、河流对土壤 Pb、Cd 含量的影响（表 1）。 在ArcGIS10.0软件中建立长沙地区110万土 地利用现状图空间数据库，运用距离量算等空间分 析功能得到农田土壤采样点离城镇、居民点、工矿 建设用地、河流的距离数据。土壤理化性状数据通 过对土壤样品进行常规测定分析获得。 在 Microsoft Access 数据库软件中建立带经纬度坐标的农田土 壤采样点属性数据库，存储土壤重金属 Pb、Cd 含 量和各影响因素变量数据。在 Geoda 软件中对土壤 第 3 期刘琼峰等：农田土壤铅、镉含量影响因素地理加权回归模型分析 227 Pb 和 Cd 含量进行空间自相关分析，计算 Pb 和 Cd 的 Moran s I 统计量；在 ArcGIS10.0 软件中进行地 理加权回归 （GWR） 模型与传统回归模型最小二乘 法（OLS）的估计。 表 1土壤 Pb、Cd 与影响因素变量 Table 1Variables of Influential factors of soil Pb and Cd 变量名 Variable name 变量类型 Variable type 单位 Units 说明 Explanation PB因变量mg kg- 1土壤采样点的 Pb 含量 CD因变量mg kg- 1土壤采样点的 Cd 含量 PH自变量土壤采样点的 pH 值 ORGAN自变量mg kg- 1土壤采样点的有机质含量 ANITR自变量mg kg- 1土壤采样点的碱解氮含量 APHOS自变量mg kg- 1土壤采样点的有效磷含量 APOTA自变量mg kg- 1土壤采样点的速效钾含量 SAPOT自变量mg kg- 1土壤采样点的缓效钾含量 RIVD自变量km土壤采样点离河流的距离 TOWD自变量km土壤采样点离城镇的距离 HOUSD自变量km土壤采样点离居民点的距离 BUILD自变量km 土壤采样点离工矿建设用地的 距离 2结果与分析 2.1空间自相关分析 以长株潭地区土壤 Pb、Cd 的自然背景值作为 评价标准，长沙城郊农田土壤 513 个采样点的 Pb、 Cd 含量大部分处于背景状况， 但 2 种元素均存在不 同程度的累积， 尤其是 Cd 的累积程度更为突出 （土 壤采样点的 Pb、Cd 含量为轻度到重度累积水平的 分别为 8.8%和 17.9%）26。 在运用 GWR 模型进行土壤 Pb、Cd 含量的影 响因素分析之前，需要先进行空间相关性预检验。 如果空间效应发挥作用，则需要采用空间计量方法 进行估计，否则可采用一般方法估计模型参数。在 Geoda 软件中进行土壤 Pb、Cd 的全局空间自相关 分析和局部空间自相关分析，Pb 的全局 Moran s I 值为 0.408、Cd 为 0.259；Pb 的局部 Moran s I 值为 0.377、Cd 为 0.249，表明土壤 Pb、Cd 含量较高或 较低的区域在空间上呈现集聚，并有一定的差异。 局部空间自相关分析的数据要求是区域或是“ 面” ， 采用 “Thieseen Polygons” 方法将采样点构成面 （图 2） ， 然后生成局部空间自相关(LISA)集聚图来显示 土壤 Pb、Cd 的总体空间差异（图 3、图 4）。“ 高 高” 集聚区表示土壤 Pb 或 Cd 含量高的区域被土壤 Pb 或 Cd 含量高的其他区域所包围， 该区域土壤 Pb 或 Cd 含量水平较高，且区域土壤 Pb 或 Cd 含量的 空间差异程度较小；“低 低”集聚区表示土壤 Pb 或 Cd 含量低的区域被土壤 Pb 或 Cd 含量低的其他 区域所包围，该区域土壤 Pb 或 Cd 含量水平较低， 且区域土壤Pb或Cd含量的空间差异程度较小；“低 - 高”集聚区表示土壤 Pb 或 Cd 含量低的区域被土 壤 Pb 或 Cd 含量高的其他区域所包围， 该区域土壤 Pb 或 Cd 含量水平较低， 并且区域土壤 Pb 或 Cd 含 量的空间差异程度较大；“ 高 低” 集聚区表示土壤 Pb 或 Cd 含量高的区域被土壤 Pb 或 Cd 含量低的其 他区域所包围， 该区域土壤Pb或Cd含量水平较高， 并且区域土壤 Pb 或 Cd 含量的空间差异程度较大。 从土壤重金属 Pb、 Cd 的局部空间集聚图来看， 长沙天心区大托镇，开福区捞刀河镇，长沙县北山 镇，浏阳市永和镇呈现出土壤 Pb 含量的“高- 高” 集聚区；长沙天心区大托镇、长沙县暮云镇、宁乡 县的黄材镇、浏阳市的永和镇和枨冲镇呈现出土壤 Cd 含量的“高- 高”集聚区。土壤重金属 Pb、Cd 的“高- 高”集聚区内重金属含量较高，存在潜在的 污染风险，是土壤环境治理的重点区域。 图 2土壤采样点的 Thieseen Polygons 图 Fig.2Thieseen polygons map of soil sampling points 农业工程学报2013 年 228 注：高- 高为“高- 高”集聚区，土壤 Pb 或 Cd 含量高的区域被 Pb 或 Cd 含量高的其他区域所包围，该区域土壤 Pb 或 Cd 含量水平较高，且空间差异 程度较小；低- 低为“低- 低”集聚区，土壤 Pb 或 Cd 含量低的区域被 Pb 或 Cd 含量低的其他区域所包围，该区域土壤 Pb 或 Cd 含量水平较低，且空 间差异程度较小；低- 高为“低- 高”集聚区，土壤 Pb 或 Cd 含量低的区域被 Pb 或 Cd 含量高的其他区域所包围，该区域土壤 Pb 或 Cd 含量水平较低， 且空间差异程度较大；高- 低为“高- 低”集聚区，土壤 Pb 或 Cd 含量高的区域被 Pb 或 Cd 含量低的其他区域所包围，该区域土壤 Pb 或 Cd 含量水平 较高，且空间差异程度较大。下同。 Note:High- High indicate the high- high spatial clusters districts.The regions with high concentrations of Pb or Cd was surrounded by other regions with high concentrations of Pb or Cd.The concentrations of Pb or Cd in these regions was high,and the spatial variation was small.Low- Low indicate the low- low spatial clusters districts.The regions with low concentrations of Pb or Cd was surrounded by other regions with low concentrations of Pb or Cd.The concentrations of Pb or Cd in these regions was low,and the spatial variation was small.Low- High indicate the low- high spatial clusters districts. The regions with low concentrations of Pb or Cd was surrounded by other regions with high concentrations of Pb or Cd.The concentrations of Pb or Cd in these regions was low,and the spatial variation was large.High- Low indicate the high- low spatial clusters districts. The regions with high concentrations of Pb or Cd was surrounded by other regions with low concentrations of Pb or Cd.The concentrations of Pb or Cd in these regions was high,and the spatial variation was large.The same below. 图 3Pb 含量的局部空间集聚图 Fig.3Local spatial cluster map for Pb 图 4Cd 含量的局部空间集聚图 Fig.4Local spatial cluster map for Cd 2.2最小二乘法（OLS）估计 为了比较地理加权回归（GWR） 模型与传统回 归模型最小二乘法 （OLS） 的估计效果， 先采用 OLS 模型对土壤 Pb、Cd 与影响因素变量进行分析，分 别以 PB、CD 为因变量建立 OLS 回归方程，回归 模型结果系数表明（表 2），土壤 Pb 与 Cd 含量、 土壤 pH 值、离工矿建设用地的距离呈显著相关关 系， 与土壤有机质、 缓效钾也呈现出一定的相关性。 以 CD 为因变量建立的回归模型结果系数表明，土 壤 Cd 与 Pb 含量、土壤 pH 值、有机质、速效磷呈 显著相关关系，与离城镇的距离也呈现出一定的相 关性。 表明在长沙城郊区农田土壤 Pb 和 Cd 存在着 一定的复合污染风险，土壤 pH 值、有机质是控制 重金属元素 Pb、Cd 地球化学行为的重要因素，土 壤 Cd 与速效磷呈显著正相关，表明含镉磷肥的施 用可能也是影响长沙城郊农田土壤 Cd 富集的重要 因素。长沙城郊农田土壤 Pb 含量与离工矿建设用 地的距离呈显著负相关； Cd 含量与离城镇的距离也 呈现负相关，表明离工矿建设用地或城镇的距离较 近区域的农田土壤 Pb 或 Cd 污染风险更大。 OLS 模型的诊断结果表明， 以 PB （Pb 的含量） 或 CD（Cd 的含量）作为因变量建立的回归模型结 果是显著的，F 检验的 p 值均小于 0.001，而调整后 的 R2分别为 0.307 和 0.299，表明 OLS 模型的拟合 度不尽理想，从 OLS 回归模型的空间结构图来看 （图 5） ， 土壤 Pb、 Cd 实测值与其估计值的 Moran s I 指数的差异较大，其残差的 Moran s I 值在不同 的空间距离存在着一定程度的相关性， 表明以空间 同质性为前提假设的全局模型 OLS 不能很好地解 释土壤 Pb、Cd 与影响因素变量的空间非平稳性。 传统回归模型残差的空间自相关性可以作为是否 采用空间回归模型的标准27，残差分析的研究结 果表明 OLS 回归模型虽有一定的解释能力，但由 于没有考虑到空间自相关性的影响仍不能全面地 解释土壤重金属 Pb、Cd 与影响因素变量的空间分 布模式。 第 3 期刘琼峰等：农田土壤铅、镉含量影响因素地理加权回归模型分析 229 表 2重金属 Pb、Cd 的 OLS 模型结果系数 Table 2Results of OLS models of soil Pb and Cd 因变量为 PB PB as Dependent Variable 因变量为 CD CD as Dependent Variable VariableCoeff.t 值p 值VariableCoeff.t 值p 值 INTERCEPT47.9295.4480.01*INTERCEPT- 0.573- 4.0610.01* PH- 3.788- 2.7860.01*PH0.0843.9480.01* ORGAN0.1721.7460.082*ORGAN0.0031.9610.050* ANITR0.0050.2240.823ANITR0.0001.0750.283 APHOS0.0060.1640.870APHOS0.0023.1630.01* APOTA- 0.006- 0.4210.674APOTA0.000- 0.0380.970 SAPOT0.0061.7570.080*SAPOT0.0000.1930.847 CD30.07712.1150.01*PB0.00812.1150.01* RIVD0.2401.3640.173RIVD- 0.002- 0.6390.523 TOWD0.0680.3010.764TOWD- 0.006- 1.8120.071* HOUSD- 0.315- 0.5630.574HOUSD0.0010.0610.951 BUILD- 0.659- 5.7780.01*BUILD0.0010.6990.485 注：*、*、*分别表示通过 10%、5%、1%水平下的显著性检验。变量含义见表 1。 Note: *，*，* indicate significant difference at 0.1 level，0.05 level，0.01 level respectively. The variable meaning see table 1. a. Pb 的 OLS 回归模型空间结构图b. Cd 的 OLS 回归模型空间结构图 a. Spatial structure map of OLS model for Pbb. Spatial structure map of OLS model for Cd 图 5重金属 Pb、Cd 的 OLS 回归模型空间结构图 Fig.5Spatial structure map of OLS model for Pb and Cd 2.3地理加权回归（GWR）模型的建立与估计 设土壤重金属Pb或Cd的含量 （变量PB或CD） 为 y，第 i 点的坐标为(ui,vi)，变量代码根据表 1， 建立 GWR 模型，公式如下： 0, , , , , iiCD iiRIVD iiTOWD ii HOUSD iiBUILD iiPH ii ORGAN iiANITR ii APHOS iiAPOTA ii SAPOT iii PBCDRIVDTOWD HOUSDBUILDPH ORGANANITR APHOSAPOTA SAPOT 0, , , , , iiPB iiRIVD ii TOWD iiHOUSD ii BUILD iiPH iiORGAN ii ANITR iiAPHOS ii APOTA iiSAPOT iii CDPBRIVD TOWDHOUSD BUILDPHORGAN ANITRAPHOS APOTASAPOT 式中各变量的含义与单位参见表 1。 其中， CD,i 表示在 i 点，变量 CD 的拟合参数，CDi表示 i 点处 变量 CD 的实测值，以此类推。由于土壤 Pb、Cd 含量在空间上呈集聚分布，故 GWR 模型采用调整 型的空间核，空间权重函数采用双重平方权重函 数，以 AICc 作为衡量标准，采用黄金分割搜索 （golden section search）的方法来搜寻使得 AICc 最 小的带宽方法来确定最佳带宽。 以 PB 和 CD 为因变量分别建立的 GWR 模型 检验结果表明， 模型的有效参数个数较 OLS 模型的 12 个均增加到 131 个，F 检验的 p 值均小于 0.001， AICc 值分别减少了 114.12 和 56.35，GWR 模型调 整后的 R2分别达到 0.618 和 0.464，拟合度远远高 于 OLS 模型检验结果。经统计，土壤 Pb 的质量分 数平均值为 41.9 mg/kg，GWR 模型估计值平均为 41.8 mg/kg，残差平均值为 0.067；土壤 Cd 的质量 分数平均值为 0.389 mg/kg，GWR 模型估计值平均 为 0.386 mg/kg， 残差平均值为 0.003。 GWR 模型残 差的方差分析结果表明（表 3），与 OLS 模型结果 相比较，GWR 模型的残差平方和分别下降了 农业工程学报2013 年 230 94785.430 和 16.970， 表明 GWR 模型的拟合效果比 OLS 模型有很大改善。从 GWR 模型的空间结构图 来看（图 6），土壤 Pb、Cd 与其估计值的 Moran s I 指数的差异较 OLS 模型有所减小，在不同空间距 离下土壤 Pb、Cd 与其估计值的空间相关性趋势基 本一致，残差不存在空间自相关。表明在全局模型 OLS 中残差存在空间依赖性的问题， 已经在局部模 型 GWR 中通过空间加权的回归方法得以消除。 GWR 模型比 OLS 模型能更好的解释土壤 Pb、Cd 与影响因素变量的空间异质性。 表 3GWR 模型检验方差分析结果 Table 3Results of GWR model test 差异源残差平方和自由度均方F 值 OLS Residuals164 005.30012.00 GWR Residuals69 219.860382.340 181.0414.412PB GWR Improvement94 785.430118.660 798.817 OLS Residuals41.08012.00 GWR Residuals24.110381.9400.0632.258CD GWR Improvement16.970119.0600.143 a.Pb 的 GWR 回归模型空间结构图b. Cd 的 GWR 回归模型空间结构图 a. Spatial structure map of GWR model for Pbb. Spatial structure map of GWR model for Cd 图 6重金属 Pb、Cd 的 GWR 模型的空间结构图 Fig.6Spatial structure map of GWR model for Pb and Cd 表 4长沙城郊各乡镇土壤 Pb、Cd 与影响因素变量平均值 Table 4Average value of soil Pb,Cd and variables of influence factors in Changsha suburb villages and towns 乡镇 Villages and Towns PB/ (mg kg- 1) CD/ (mg kg- 1) PH ORGAN/ (mg kg- 1) ANITR/ (mg kg- 1) APHOS/ (mg kg- 1) APOTA/ (mg kg- 1) SAPOT/ (mg kg- 1) RIVD/ km TOWD/ km HOUSD/ km BUILD/ km 开福区捞刀河镇62.370.3525.0333.81142.8849.57116.53141.605.395.161.261.79 岳麓区雷锋镇46.190.3265.6434.92183.5020.0983.1987.4812.553.682.617.08 天心区大托镇70.720.7125.9236.17182.8922.88104.29200.291.103.052.291.38 长沙县暮云镇47.920.8266.3136.39149.3217.1885.23128.591.331.431.101.30 长沙县福临镇50.140.4085.1442.69159.9235.61176.00409.1522.4010.452.3315.77 长沙县北山镇56.350.4275.1338.25168.7019.3877.23219.7714.9215.311.685.61 望城区白若铺镇24.170.2285.2237.83206.8620.54155.2092.8511.2810.522.055.83 望城区高塘岭镇39.560.3474.9239.29203.5430.25172.78142.563.572.181.221.85 望城区格塘乡35.620.1815.1936.18163.9012.87156.75160.373.259.230.426.81 浏阳市北盛镇29.890.2395.7724.75129.8620.61116.48172.902.122.500.623.78 浏阳市枨冲镇41.900.3895.5635.94167.2524.11112.03229.388.505.501.689.85 浏阳市大瑶镇30.230.3165.5850.53183.4522.5190.86114.9319.152.590.5338.74 浏阳市永和镇62.370.6275.4734.47196.9523.63131.47158.773.341.991.292.36 浏阳市溪江乡24.980.2466.3636.22182.0736.40107.20143.773.614.681.8013.42 浏阳市永安镇34.980.3516.0225.55125.0423.04118.93183.592.283.861.172.23 浏阳市张坊镇30.180.1714.9928.89117.1727.2077.18703.5025.046.735.1019.71 宁乡县黄材镇37.780.5215.6537.32168.0015.8376.37592.5713.396.021.8318.09 宁乡县回龙铺乡34.880.3695.9242.78173.3813.6880.97275.592.183.350.805.50 注：PB、CD、PH、ORGAN、ANITR、APHOS、APOTA、SAPOT、RIVD、TOWD、HOUSD、BUILD 的含义见表 1,下同。 Note: The meanings of variable PB、CD、PH、ORGAN、ANITR、APHOS、APOTA、SAPOT、RIVD、TOWD、HOUSD、BUILD refer to table 1.The same as below. 第 3 期刘琼峰等：农田土壤铅、镉含量影响因素地理加权回归模型分析 231 表 5长沙城郊各乡镇土壤 Cd 的 GWR 模型回归参数估计结果 Table 5Results of GWR model regression parameters of soil Cd in Changsha suburb villages and towns 乡镇 Villages and Towns ConstantPHORGANANITRAPHOSAPOTASAPOTPBRIVDTOWDHOUSDBUILD 开福区捞刀河镇 0.102 (0.073) - 0.009 (- 0.032) 0.001 (0.078) 0.001 (0.313) 0.001 (0.409) 0 (- 0.097) 0 (- 0.132) 0.001 (0.250) 0.024 (0.326) - 0.022 (- 0.327) - 0.027 (- 0.282) 0.028 (0.570) 岳麓区雷锋镇 0.115 (0.109) - 0.007 (- 0.041) 0.010 (0.550) - 0.001 (- 0.309) 0.001 (0.251) 0 (0.050) 0 (- 0.049) 0.004 (0.664) - 0.019 (- 0.614) 0.001 (0.043) 0.007 (0.176) 0.020 (0.539) 天心区大托镇 - 0.075 (- 0.049) 0.106 (0.418) 0.001 (0.028) 0.001 (0.186) 0.001 (0.139) - 0.001 (- 0.487) - 0.001 (- 0.439) 0.006 (0.845) - 0.086 (- 0.979) 0.001 (0.014) - 0.034 (- 0.272) 0.074 (0.559) 长沙县暮云镇 - 0.056 (- 0.032) 0.111 (0.392) 0.002 (0.071) 0 (- 0.035) 0 (- 0.025) - 0.001 (- 0.428) - 0.001 (- 0.515) 0.009 (1.236) - 0.094 (- 0.906) 0.005 (0.048) - 0.060 (- 0.349) 0.081 (0.536) 长沙县福临镇 0.302 (0.283) - 0.024 (- 0.137) - 0.002 (- 0.198) 0.001 (0.359) 0.002 (0.635) 0 (0.303) 0 (- 0.191) 0.005 (0.730) - 0.036 (- 0.830) 0.011 (0.334) 0.008 (0.142) 0.029 (0.637) 长沙县北山镇 0.391 (0.364) - 0.062 (- 0.323) 0 (- 0.006) 0.001 (0.572) 0.001 (0.217) - 0.001 (- 0.348) 0 (0.064) 0.003 (0.706) 0.005 (0.056) - 0.014 (- 0.319) - 0.025 (- 0.351) 0.024 (0.585) 望城区白若铺镇 - 0.144 (- 0.143) 0.062 (0.405) 0.008 (0.446) - 0.001 (- 0.407) 0.001 (0.298) 0 (0.003) 0 (- 0.283) 0.005 (0.510) - 0.011 (- 0.434) - 0.004 (- 0.168) 0.009 (0.199) 0.012 (0.371) 望城区高塘岭镇 - 0.300 (- 0.260) 0.032 (0.174) 0.005 (0.233) - 0.001 (- 0.325) 0.003 (0.779) 0 (- 0.235) 0 (- 0.321) 0.012 (1.040) - 0.016 (- 0.625) 0.007 (0.261) 0.052 (0.696) 0.013 (0.304) 望城区格塘乡 - 0.523 (- 0.408) 0.054 (0.249) 0.002 (0.093) 0 (- 0.037) 0.003 (0.800) 0 (- 0.160) 0 (- 0.447) 0.014 (1.147) 0 (- 0.005) 0.002 (0.061) 0.039 (0.531) - 0.014 (- 0.420) 浏阳市北盛镇 - 0.580 (- 0.585) - 0.029 (- 0.191) - 0.015 (- 0.684) 0.004 (0.903) - 0.001 (- 0.270) - 0.002 (- 0.905) 0.001 (0.604) 0.025 (1.626) 0.004 (0.055) 0.055 (1.054) - 0.032 (- 0.246) 0.001 (0.018) 浏阳市枨冲镇 - 0.734 (- 0.440) 0.124 (0.538) - 0.013 (- 0.678) 0.006 (1.673)* 0.009 (1.645)* - 0.001 (- 0.451) 0 (0.029) - 0.013 (- 0.653) - 0.030 (- 0.438) - 0.029 (- 0.571) - 0.015 (- 0.153) 0.022 (0.408) 浏阳市大瑶镇 - 0.339 (- 0.205) 0.076 (0.428) 0.005 (0.534) 0.002 (0.753) 0.003 (0.739) - 0.001 (- 0.327) 0 (0.374) - 0.011 (- 0.586) - 0.057 (- 0.721) - 0.035 (- 0.704) - 0.017 (- 0.179) 0.028 (0.413) 浏阳市永和镇 - 0.940 (- 1.940)* 0.105 (1.108) 0.016 (2.465)* - 0.001 (- 1.353) 0.005 (2.064)* 0.001 (1.288) 0 (- 0.694) 0.007 (4.733)* 0.022 (0.988) 0.016 (0.391) - 0.034 (- 0.761) - 0.025 (- 1.495) 浏阳市溪江乡 - 0.468 (- 1.082) 0.064 (0.758) 0.007 (1.161) 0 (- 0.250) 0.005 (2.020)* 0.001 (0.666) - 0.001 (- 0.688) 0.007 (4.798)* 0.029 (0.527) - 0.031 (- 0.635) - 0.059 (- 0.755) - 0.009 (- 0.567) 浏阳市永安镇 - 0.528 (- 0.513) - 0.025 (- 0.163) - 0.016 (- 0.773) 0.004 (0.983) - 0.001 (- 0.208) - 0.002 (- 0.943) 0.001 (0.560) 0.023 (1.586) 0.002 (- 0.007) 0.055 (1.083) - 0.034 (- 0.278) 0.004 (0.046) 浏阳市张坊镇 - 0.782 (- 1.027) 0.087 (0.537) 0.016 (2.533)* - 0.001 (- 0.790) 0.003 (1.090) 0.001 (0.802) 0 (- 0.064) 0.007 (5.684)* - 0.017 (- 0.514) - 0.003 (- 0.144) - 0.004 (- 0.172) 0.015 (0.387) 宁乡县黄材镇 - 1.664 (- 1.760)* 0.160 (1.147) 0.004 (0.324) 0.001 (0.192) 0 (- 0.003) 0.001 (0.279) 0 (- 0.733) 0.022 (1.394) 0.033 (0.949) - 0.016 (- 0.466) - 0.029 (- 0.558) - 0.004 (- 0.105) 宁乡县回龙铺乡 - 0.284 (- 0.322) 0.035 (0.263) 0.005 (0.309) - 0.001 (- 0.135) 0 (0.035) 0.002 (0.920) 0 (- 0.294) 0.005 (0.268) - 0.009 (- 0.290) - 0.015 (- 0.392) 0.008 (0.112) 0.023 (0.648) 注：表格中括号中数值为 T 值，*，*，*分别代表通过 1%，5%和 10%的显著性检验。 Note: The values in the bracket in this table indicate T value, and *, *, * indicate significant difference at 0.1 level，0.05 level，0.01 level respectively. GWR 模型是局部模型，在每个样本数据点都 有一组局部的参数估计， 而不像 OLS 模型那样是一 个全局或平均意义上的估计值。2 个模型每组参数 均包含 11 个作为自变量的影响因素，位于长沙城 郊不同空间区位的各乡镇农田土壤 Pb、Cd 含量及 各影响因素变量的平均值存在着一定差异（表 4）， 各乡镇GWR模型回归参数估计结果比OLS模型能 更好的解释这种空间异质性，回归参数的大小表明 了各影响因子与 Pb、Cd 含量的相关程度。如 Cd 含量相对较高的浏阳市永和镇，与土壤 Cd 含量相 关性较大的影响因子是土壤有机质和有效磷含量。 Cd 与土壤有机质和有效磷含量呈显著正相关。 土壤 Cd 含量较低的浏阳市张坊镇，Cd 与土壤有机质呈 显著正相关；浏阳市溪江乡的土壤 Cd 含量则与有 效磷含量呈显著正相关。浏阳市枨冲镇的土壤 Cd 含量处于中等水平， Cd 含量也与土壤碱解氮和有效 磷含量呈正相关（表 5）。这些乡镇的土壤 Pb 含量 也与 pH 值、碱解氮、有效磷的相关性较大。表明通 过调节土壤的 pH 值、 有机质和氮磷含量对于控制土 壤 Pb、Cd 的富集具有重要作用。研究表明28- 29，离 子交换态的 Pb、Cd 均随土壤 pH 值减小而增加， 土壤酸化使 Cd 的离子交换态比例上升，可直接导 致农作物中 Cd 含量增加。而土壤有机质对有害元 素的累积也有直接的控制作用，通常认为，土壤中有 机质含量增加可明显降低Cd和Pb的离子态和可交换 态含量，而磷肥的施用对土壤镉的富集也有较大贡 献，长期施用含镉磷肥会导致土壤 Cd 含量升高30。 城郊农田与离河流、城镇、居民点、工矿建设 农业工程学报2013 年 232 用地的距离间相关性虽然不显著，但是从回归参数 的结果来看，对于城郊农田土壤 Pb、Cd 的富集也 具有一定影响。如位于长沙城郊南部和湘江下游的 天心区大托镇、长沙县暮云镇农田土壤 Cd 含量相 对较高，这 2 个乡镇的农田离河流、工矿建设用地 的距离均较近，从 GWR 模型回归参数估计结果来 看，离河流的距离（RIVD）