多尺度视角下重庆市耕地土壤重金属空间变异特征与驱动机制探究

多尺度视角下重庆市耕地土壤重金属空间变异特征与驱动机制探究一、引言1.1研究背景与意义1.1.1研究背景土壤作为自然生态系统的重要组成部分，是人类赖以生存的物质基础，其质量优劣直接关乎生态安全、粮食安全和人体健康。然而，在全球工业化、城市化和农业集约化快速发展的背景下，土壤重金属污染问题愈发严峻，已成为全球关注的环境热点问题之一。据相关研究估计，全球约14%-17%的农田受到至少一种有毒重金属的污染，其中镉污染最为普遍，在南亚、东亚、中东部分地区以及非洲尤为严重，镍、铬、砷和钴的含量在多个区域也超出安全阈值。土壤中的有毒重金属污染不仅源于自然地质因素，采矿、工业化、农业活动等人类活动更是重要的污染源。受污染土壤不仅威胁生态系统和人类健康，还会降低农作物产量、危害水质、因牲畜体内生物富集作用而影响食品安全。在中国，土壤重金属污染形势同样不容乐观。全国土壤污染调查显示，我国耕地土壤重金属点位超标率为19.4%，其中镉（Cd）、汞（Hg）、砷（As）、铜（Cu）、铅（Pb）、铬（Cr）、锌（Zn）、镍（Ni）8种重金属元素均有不同程度的超标，以Cd污染程度最重，超标率为7.0%。近期研究还表明，近20多年，我国粮食主产区耕地土壤重金属污染呈上升趋势，点位超标率从7.16%增加至21.49%，污染物以镉、镍、铜、锌和汞为主，南方粮食主产区土壤重金属污染重于北方。重庆市作为中国重要的工业基地和农业产区，地处长江上游经济带核心地区，其独特的地理位置和快速的经济发展，使得土壤面临着自然因素和人为活动双重影响下的重金属污染压力。一方面，重庆地区成土母质的地球化学特征决定了土壤中重金属元素的本底含量；另一方面，近年来，随着工业化进程的加快，采矿、冶炼、化工等行业排放的“三废”，以及农业生产中化肥、农药、农膜的不合理使用，城市交通尾气排放和垃圾处理不当等，都导致大量重金属进入土壤环境，破坏了土壤生态系统的平衡，对当地的生态安全、农业生产和居民健康构成潜在威胁。已有研究指出，在重庆市的部分区域，如北碚区，土壤中镉、铅、铬、汞等重金属物质的含量普遍超过国家标准，且呈现出较为明显的空间分布特点。因此，深入研究重庆市不同尺度耕地土壤重金属的空间变异性，揭示其分布规律和影响因素，对于科学评估土壤环境质量、保障农产品安全、制定合理的土壤污染防治策略具有重要的现实需求和紧迫的必要性。1.1.2研究意义本研究对重庆市不同尺度耕地土壤重金属空间变异性展开研究，具有多方面重要意义。从农业生产角度来看，土壤重金属污染会影响土壤的物理、化学和生物学性质，降低土壤肥力，抑制农作物的生长发育，导致农作物减产甚至绝收，同时还可能造成农产品中重金属含量超标，影响农产品质量和食品安全。准确掌握耕地土壤重金属的空间变异特征，能够帮助农业生产者针对性地采取措施，如合理选择种植品种、优化施肥方案、调整灌溉方式等，降低重金属对农作物的危害，保障农业生产的可持续性和农产品的质量安全。在生态环境方面，土壤重金属污染不仅会对土壤生态系统中的微生物、动物等生物群落结构和功能产生负面影响，破坏生态平衡，还可能通过地表径流、淋溶等方式进入水体，污染地表水和地下水，进一步威胁整个生态系统的健康。了解土壤重金属的空间变异规律，有助于识别生态脆弱区域，为生态保护和修复提供科学依据，促进区域生态环境的稳定和改善。居民健康与土壤环境息息相关，土壤中的重金属可以通过食物链在人体内富集，引发各种疾病，如镉会导致肾脏损害、骨痛病，铅会影响神经系统发育，对儿童的智力发育造成不可逆的损伤。通过研究土壤重金属空间变异性，能够评估居民暴露于重金属污染环境的风险，采取有效措施减少居民的暴露风险，保障居民的身体健康。本研究的结果可以为重庆市土壤污染防治政策的制定提供科学的数据支持，明确污染治理的重点区域和关键环节，提高污染治理的效率和效果。同时，对于土地利用规划也具有重要的参考价值，有助于合理规划土地用途，避免在重金属污染严重的区域进行高风险的农业生产或居住活动，实现土地资源的合理利用和可持续发展。1.2国内外研究现状1.2.1土壤重金属空间变异研究进展国外对土壤重金属空间变异的研究起步较早，自20世纪中叶开始，就有学者针对单个重金属元素进行污染现状和来源研究。随着地统计学、地理信息系统（GIS）等技术的不断发展和完善，土壤重金属空间变异研究逐渐从简单的描述性统计分析向多尺度、多元素、多方法综合研究转变。例如，运用地统计学中的克里格插值法可以对土壤重金属含量进行空间预测和制图，直观地展示其空间分布特征；结合GIS技术则能够将土壤重金属数据与地形、土地利用类型等环境因素进行叠加分析，深入探讨其空间变异与环境因素之间的关系。在不同尺度研究方面，大尺度研究主要关注区域乃至全球范围内土壤重金属的空间分布格局，揭示宏观的地质、气候等因素对其的影响；小尺度研究则侧重于局部地区，如农田、矿区、城市街区等，聚焦于微观的人为活动和土壤微环境对重金属空间变异的作用。国内的土壤重金属空间变异研究在过去几十年间也取得了丰硕成果。许多学者在不同地区开展了大量的研究工作，研究区域涵盖了从东北地区到华南地区，从东部沿海到西部内陆的广大范围。研究方法上，除了广泛应用地统计学和GIS技术外，还结合了多元统计分析、同位素示踪等方法，对土壤重金属的空间变异特征、污染来源解析等进行了深入研究。例如，在一些矿区周边土壤研究中，通过主成分分析和相关性分析，识别出采矿活动是土壤重金属污染的主要来源，并利用地统计学方法揭示了重金属在矿区周边土壤中的空间分布规律。在不同尺度研究中，国内学者同样进行了积极探索。在区域尺度上，研究了不同省份或流域的土壤重金属空间变异特征，为区域土壤环境质量评价和污染防治提供了依据；在田块尺度上，针对具体农田进行精细研究，分析了农田内部土壤重金属的微域变异特征，为精准农业生产提供了指导。然而，目前不同尺度下土壤重金属空间变异研究仍存在一些不足。大尺度研究虽然能够把握宏观趋势，但对于局部地区的细节特征刻画不够精细；小尺度研究虽然能够深入了解局部情况，但难以将研究结果推广到更大范围，不同尺度之间的研究缺乏有效的衔接和整合。此外，在研究方法上，虽然多种方法联用已成为趋势，但如何更好地融合不同方法，提高研究结果的准确性和可靠性，仍有待进一步探索。1.2.2影响土壤重金属空间变异的因素研究国内外众多研究表明，土壤重金属空间变异受到自然因素和人为因素的共同影响。自然因素方面，成土母质是土壤中重金属元素的重要来源，其岩石类型、矿物组成和地质背景决定了土壤重金属的初始含量和本底值。不同的成土母质发育的土壤，其重金属含量往往存在显著差异。例如，由基性岩母质发育的土壤通常比酸性岩母质发育的土壤含有更高的重金属元素。地形地貌对土壤重金属空间变异也有重要作用，坡度、坡向、海拔等地形因素会影响土壤的侵蚀、堆积和水分运移，从而导致重金属在土壤中的再分配。一般来说，在坡度较大的地区，土壤侵蚀作用较强，重金属容易随土壤颗粒迁移，使得上坡位土壤重金属含量相对较低，而下坡位则相对较高；在低洼地区，由于水分汇聚和沉积作用，重金属容易富集。气候条件如降水、温度、蒸发等也会影响土壤重金属的空间分布。降水可以通过淋溶作用将土壤中的重金属带入地下水或地表水体，导致土壤中重金属含量降低；而干旱地区蒸发量大，土壤盐分和重金属容易在表层积累。人为因素是导致土壤重金属空间变异的重要驱动力。工业活动是土壤重金属污染的主要人为来源之一，采矿、冶炼、化工、电镀等行业排放的废水、废气和废渣中含有大量的重金属，这些重金属通过各种途径进入土壤，造成土壤污染。例如，在矿区周边，由于长期的采矿和选矿活动，大量的尾矿和废渣堆积，使得周边土壤中重金属含量严重超标，且呈现出以矿区为中心向周边逐渐递减的空间分布特征。交通活动也会对土壤重金属含量产生影响，汽车尾气排放、轮胎磨损和路面磨损等会释放出铅、锌、镉等重金属，这些重金属会随着大气沉降和地表径流进入土壤，在公路两侧一定范围内形成重金属污染带，且距离公路越近，土壤重金属含量越高。农业活动中的化肥、农药、农膜的不合理使用以及污水灌溉等也会增加土壤中的重金属含量。磷肥中常含有镉、铅等重金属，长期大量施用磷肥会导致土壤中这些重金属的积累；污水灌溉如果含有重金属，也会造成灌溉区域土壤重金属污染。此外，城市生活垃圾和污泥的不合理处置，也会使其中的重金属进入土壤环境。虽然目前对土壤重金属空间变异影响因素的研究已经取得了一定成果，但在某些方面仍存在不足。对于自然因素和人为因素之间的交互作用研究还不够深入，难以准确量化各因素对土壤重金属空间变异的相对贡献。在一些复杂的区域，如城市化快速发展的地区，多种人为活动和自然因素相互交织，对土壤重金属空间变异的影响机制尚未完全明确，需要进一步加强研究。1.3研究内容与方法1.3.1研究内容本研究旨在全面深入地探究重庆市不同尺度耕地土壤重金属的空间变异性，具体研究内容如下：土壤重金属含量测定：在重庆市不同区域、不同尺度的耕地上进行土壤样品采集，运用先进的分析测试技术，准确测定土壤中镉（Cd）、汞（Hg）、砷（As）、铜（Cu）、铅（Pb）、铬（Cr）、锌（Zn）、镍（Ni）等主要重金属元素的含量，获取详细的土壤重金属含量数据，为后续研究提供基础数据支持。空间分布特征分析：借助地理信息系统（GIS）技术强大的空间分析和制图功能，结合地统计学中的克里格插值法，对不同尺度下土壤重金属含量数据进行空间插值处理，绘制土壤重金属含量的空间分布图，直观清晰地展示重庆市耕地土壤重金属在不同尺度下的空间分布格局，明确高值区和低值区的分布位置和范围。变异特征研究：运用地统计学方法，计算土壤重金属含量的半方差函数，分析其块金值、基台值、变程等参数，深入研究不同尺度下土壤重金属的空间变异特征，包括空间自相关性、变异程度和尺度效应等，揭示土壤重金属在不同空间尺度上的变异规律。影响因素分析：综合考虑自然因素（如成土母质、地形地貌、土壤类型、气候条件等）和人为因素（如工业活动、交通活动、农业活动、城市发展等），通过相关性分析、主成分分析等多元统计分析方法，探讨各因素对重庆市不同尺度耕地土壤重金属空间变异的影响程度和作用机制，明确主要影响因素。1.3.2研究方法样品采集与分析：根据重庆市的地形地貌、土地利用类型和耕地分布特点，采用分层随机抽样的方法，在不同尺度（如区域尺度、区县尺度、乡镇尺度、田块尺度等）上设置采样点。每个采样点按照“S”形或梅花形采集5-10个子样，混合均匀后作为一个样品。采集的土壤样品在实验室自然风干，去除杂物后，研磨过筛，采用电感耦合等离子体质谱法（ICP-MS）或原子吸收分光光度法（AAS）等先进的分析技术测定土壤中重金属元素的含量，并通过国家标准物质进行质量控制，确保数据的准确性和可靠性。地统计学分析：利用地统计学软件（如GS+、ArcGIS地统计分析模块等）对土壤重金属含量数据进行地统计学分析。首先进行数据的正态分布检验和半方差函数计算，根据半方差函数的理论模型（如球状模型、指数模型、高斯模型等）进行拟合，确定最佳拟合模型及其参数（块金值C0、基台值C0+C、变程A等）。通过这些参数分析土壤重金属的空间自相关性和空间变异程度，为空间插值和制图提供依据。GIS技术应用：将土壤采样点的地理位置信息和重金属含量数据导入到GIS软件（如ArcGIS）中，建立空间数据库。利用GIS的空间分析功能，如克里格插值、反距离权重插值等，对土壤重金属含量进行空间插值，生成土壤重金属含量的空间分布图。同时，将土壤重金属空间分布数据与地形、土地利用类型、污染源分布等其他空间数据进行叠加分析，直观展示土壤重金属空间分布与其他因素之间的关系，为影响因素分析提供可视化支持。相关性分析和主成分分析：运用统计分析软件（如SPSS、R语言等）对土壤重金属含量数据与自然因素和人为因素数据进行相关性分析，计算各因素与土壤重金属含量之间的相关系数，初步判断各因素对土壤重金属空间变异的影响方向和程度。在此基础上，进行主成分分析，将多个影响因素转化为少数几个综合指标（主成分），通过主成分的贡献率和载荷系数，进一步明确主要影响因素及其作用机制。二、研究区域与研究方法2.1研究区域概况重庆市地处中国西南部，长江上游地区，介于北纬28°10′-32°13′、东经105°17′-110°11′之间，辖区东西长470千米，南北宽450千米，总面积8.24万平方千米。东邻湖北、湖南，南接贵州，西靠四川泸州、内江、资阳、遂宁，北连陕西以及四川广安、达州。其独特的地理位置使其成为连接中国东西部地区的重要交通枢纽和经济纽带，同时也决定了其土壤环境受到多种因素的综合影响。重庆地形地貌复杂多样，地势起伏大，东部、南部、东南部地势高，西部地势低。东部最高处为大巴山的川鄂岭，最低处为巫山长江水面。地貌类型以山地为主，包含中山、低山、高丘陵、中丘陵、低丘陵、缓丘陵、台地和平坝八大类。地貌形态组合的地区分异明显，华蓥山-巴岳山以西为丘陵地貌，华蓥山-方斗山之间为平行岭谷区，北部为大巴山山区，东部、东南部、南部属巫山、大娄山山区，且喀斯特地貌分布广泛，发育有石林、峰林、洼地、残丘、溶洞、暗河、峡谷、天坑地缝等独具特色的喀斯特槽谷景观。这种复杂的地形地貌对土壤重金属的分布具有显著影响。在山区，由于地形起伏大，土壤侵蚀作用强烈，重金属元素容易随地表径流和土壤颗粒迁移，导致不同地形部位的土壤重金属含量存在差异。例如，在山坡的上部，土壤侵蚀相对严重，重金属含量可能较低；而在山坡的下部或山谷地区，由于泥沙淤积，重金属含量可能相对较高。此外，喀斯特地貌区特殊的岩石特性和水文地质条件，也会影响重金属在土壤中的迁移转化和积累过程。重庆属于亚热带季风气候，四季分明，气候温和湿润，夏季炎热潮湿，冬季温和干燥，春秋两季气候宜人。全年降水量充沛，主要集中在夏季和秋季，冬季降水量较少。由于地形复杂，气候呈现出明显的地域性差异，东部山区气候较为凉爽，西部丘陵地区气候较为温暖，长江沿岸的盆地和台地则气候较为湿润。气候条件对土壤重金属的空间分布也有重要作用。降水是影响土壤重金属迁移的重要因素之一，大量的降水会通过淋溶作用将土壤中的重金属带入地下水或地表水体，从而降低土壤中重金属的含量；而在干旱少雨的季节，土壤中的重金属则更容易积累。此外，温度和湿度条件还会影响土壤微生物的活性，进而影响重金属在土壤中的形态转化和生物有效性。重庆市土壤类型多样，主要有黄壤、红壤、紫色土、水稻土等。黄壤主要分布在东部和南部的山区，土壤肥沃，适宜种植水稻、小麦、玉米等粮食作物；红壤主要分布在西部和北部的丘陵地区，土壤酸性较强，适宜种植柑橘、茶叶等经济作物；紫色土主要分布在长江沿岸的盆地和台地，土壤肥沃，富含钾、磷等养分，适宜种植水稻、小麦、玉米等粮食作物；水稻土主要分布在长江沿岸的盆地和台地，是在长期种植水稻的过程中形成的，土壤肥力较高，保水保肥能力强。不同土壤类型的物理化学性质差异较大，对重金属的吸附、解吸和迁移能力也不同，从而导致土壤重金属含量和分布存在差异。例如，酸性土壤（如红壤）对重金属的吸附能力相对较弱，重金属在其中的迁移性较强，更容易造成污染；而碱性土壤（如紫色土）对重金属的吸附能力相对较强，重金属在其中的稳定性较高，但在一定条件下也可能被释放出来，造成潜在污染。在土地利用方面，重庆是大工业和大农业、大城市和大农村并存的复合型城市，土地利用类型复杂多样，包括耕地、林地、草地、建设用地等。耕地主要分布在西部和北部的丘陵地区，以水稻、小麦、玉米等粮食作物为主，同时也种植有大量的经济作物，如油菜、茶叶、柑橘等；林地主要分布在东部和南部的山区，以松树、杉树、柏树等针叶林为主，同时也分布有大量的阔叶林和竹林；草地主要分布在东部和南部的山区，以天然草地为主，同时也分布有人工草地和饲料地。不同的土地利用方式对土壤重金属的输入和积累有不同的影响。农业生产活动中，化肥、农药、农膜的使用以及污水灌溉等都可能导致土壤重金属含量增加。例如，长期大量施用磷肥会导致土壤中镉等重金属的积累；污水灌溉如果含有重金属，也会造成灌溉区域土壤重金属污染。工业活动和城市建设则会通过废气排放、废水排放和废渣堆放等方式，将重金属释放到土壤环境中，导致土壤重金属污染。在工业集中区和城市周边，土壤重金属含量往往较高。综上所述，重庆市独特的地理位置、复杂的地形地貌、多样的气候条件、丰富的土壤类型以及复杂的土地利用和农业生产情况，使得其耕地土壤重金属的分布受到多种因素的综合影响，呈现出复杂的空间变异特征。深入研究这些因素对土壤重金属空间变异的影响，对于准确评估土壤环境质量、制定合理的污染防治措施具有重要意义。2.2样品采集与分析2.2.1样品采集为全面研究重庆市不同尺度耕地土壤重金属的空间变异性，本次研究采用了分层随机抽样的方法，在不同尺度上进行土壤样品采集。在大尺度的全市范围，基于重庆市的行政区划和土地利用现状，将全市划分为若干个网格，每个网格大小为10km×10km，采用网格采样法，在每个网格内随机选择一个采样点，共设置采样点[X1]个，以把握全市耕地土壤重金属含量的总体分布特征。在中尺度的区县分区，根据各区县的耕地面积、地形地貌和土地利用类型等因素，将每个区县划分为若干个采样区域，每个采样区域内采用随机抽样的方法设置采样点，确保每个区县的采样点分布均匀，共在各区县设置采样点[X2]个，旨在揭示各区县之间土壤重金属含量的差异和空间分布规律。对于小尺度的典型地块，选择具有代表性的农田、果园、蔬菜地等典型地块进行密集采样。在每个典型地块内，按照“S”形或梅花形布点法，设置5-10个采样点，采集表层土壤（0-20cm）样品，将这些子样混合均匀后作为一个样品，共采集典型地块样品[X3]个，用于详细研究局部区域土壤重金属的微域变异特征。在采样过程中，使用GPS准确记录每个采样点的地理位置信息（经纬度），确保采样点位置的准确性。同时，详细记录采样点的土壤类型、土地利用类型、周边环境状况等相关信息。采集的土壤样品装入干净的塑料袋或样品瓶中，贴上标签，注明采样点编号、采样日期、采样地点等信息，带回实验室进行后续分析。2.2.2样品分析实验室分析采用电感耦合等离子体质谱法（ICP-MS）测定土壤样品中镉（Cd）、汞（Hg）、砷（As）、铜（Cu）、铅（Pb）、铬（Cr）、锌（Zn）、镍（Ni）等重金属元素的含量。样品预处理步骤如下：首先将采集的土壤样品在通风良好的室内自然风干，去除其中的动植物残体、石块等杂物。然后，将风干后的土壤样品研磨，使其全部通过100目筛子，以保证样品的均匀性。准确称取0.2g过筛后的土壤样品于聚四氟乙烯消解罐中，加入5mL硝酸（HNO₃）、2mL氢氟酸（HF）和1mL高氯酸（HClO₄），采用微波消解法进行消解。微波消解程序设置为：在5min内升温至120℃，保持5min；然后在10min内升温至180℃，保持20min；最后在5min内升温至220℃，保持30min。消解完成后，待消解罐冷却至室温，将消解液转移至50mL容量瓶中，用超纯水定容至刻度线，摇匀备用。将处理好的样品溶液通过自动进样器注入ICP-MS仪器中进行测定。在测定过程中，使用标准溶液绘制标准曲线，确保曲线的相关系数R²大于0.999，以保证测定结果的准确性。同时，每分析10个样品插入一个国家标准物质进行质量控制，确保分析结果的可靠性。2.3数据处理与分析方法2.3.1描述性统计分析运用统计分析软件（如SPSS）对土壤重金属含量数据进行描述性统计分析。计算各重金属元素含量的均值、标准差、最小值、最大值和变异系数等统计参数。均值可以反映土壤中各重金属元素的平均含量水平；标准差用于衡量数据的离散程度，标准差越大，说明数据的离散程度越大；最小值和最大值则展示了数据的取值范围；变异系数（CV）是标准差与均值的比值，用于比较不同重金属元素含量数据的变异程度，CV＜15%为弱变异，15%≤CV＜35%为中等变异，CV≥35%为强变异。通过描述性统计分析，初步了解土壤重金属含量数据的基本特征和分布情况，为后续的深入分析提供基础。2.3.2地统计学分析地统计学分析以区域化变量理论为基础，能够有效研究土壤重金属的空间变异性和相关性。利用GS+软件对土壤重金属含量数据进行地统计学分析，首先对数据进行正态分布检验，若数据不服从正态分布，则进行对数变换或Box-Cox变换，使其满足正态分布假设。然后计算半方差函数，半方差函数是地统计学分析的核心工具，它能够定量描述区域化变量（如土壤重金属含量）在空间上的变异特征。其计算公式为：\gamma(h)=\frac{1}{2N(h)}\sum_{i=1}^{N(h)}[Z(x_i)-Z(x_i+h)]^2其中，\gamma(h)为半方差值，h为样本间距（步长），N(h)为间距为h的样本对数，Z(x_i)和Z(x_i+h)分别为空间位置x_i和x_i+h处的土壤重金属含量。根据半方差函数的计算结果，采用球状模型、指数模型、高斯模型等理论模型进行拟合，选择拟合效果最佳的模型及其参数来描述土壤重金属的空间变异特征。常用的参数包括块金值（C₀）、基台值（C₀+C）和变程（A）。块金值表示当样本间距h趋近于0时的半方差值，它反映了由采样误差、短距离内的随机变异以及测量误差等引起的空间变异；基台值是半方差函数随样本间距增大而趋于稳定时的值，它表示区域化变量在整个研究尺度上的总变异程度；变程是半方差函数达到基台值时的样本间距，它表示土壤重金属含量在空间上的自相关范围，即在变程范围内，土壤重金属含量具有空间自相关性，超出变程范围，空间自相关性消失。通过分析这些参数，可以深入了解土壤重金属的空间变异特征，如空间自相关性的强弱、变异程度的大小以及影响范围等。利用克里格插值法，基于半方差函数的拟合结果，对未采样点的土壤重金属含量进行空间插值，生成土壤重金属含量的空间分布图，直观展示土壤重金属在研究区域内的空间分布格局。2.3.3GIS空间分析借助ArcGIS软件强大的空间分析功能，对土壤重金属含量数据进行可视化和深入的空间分析。将土壤采样点的地理位置信息和重金属含量数据导入ArcGIS中，建立空间数据库。利用克里格插值法生成的土壤重金属含量空间分布栅格数据，制作土壤重金属含量专题地图，通过不同的颜色或符号来表示不同含量水平的区域，直观清晰地展示土壤重金属在不同尺度下的空间分布特征，如高值区和低值区的分布位置、范围和变化趋势。运用ArcGIS的叠加分析功能，将土壤重金属含量空间分布数据与地形（如坡度、坡向、海拔）、土地利用类型、污染源分布等其他空间数据进行叠加，分析土壤重金属空间分布与这些因素之间的关系。例如，通过将土壤重金属含量分布图与土地利用类型图叠加，可以了解不同土地利用类型下土壤重金属含量的差异；将土壤重金属含量分布图与污染源分布图叠加，可以判断污染源对周边土壤重金属含量的影响范围和程度。进行空间自相关分析，采用全局莫兰指数（GlobalMoran'sI）和局部莫兰指数（LocalMoran'sI）来衡量土壤重金属含量在空间上的自相关性。全局莫兰指数用于判断整个研究区域内土壤重金属含量是否存在空间自相关，其取值范围为[-1,1]，当Moran'sI＞0时，表示存在正空间自相关，即相似值在空间上趋于聚集；当Moran'sI＜0时，表示存在负空间自相关，即相似值在空间上趋于分散；当Moran'sI=0时，表示不存在空间自相关。局部莫兰指数则用于识别研究区域内每个局部空间单元上土壤重金属含量的空间自相关特征，通过绘制LISA集聚图，可以直观地展示高-高集聚、低-低集聚、高-低异常和低-高异常等不同类型的空间自相关区域，进一步揭示土壤重金属空间分布的局部特征和异质性。2.3.4相关性分析与主成分分析运用SPSS软件对土壤重金属含量数据与土壤理化性质（如pH值、有机质含量、阳离子交换量等）、地形因子（如坡度、坡向、海拔）和人为因素（如工业产值、交通流量、化肥施用量等）数据进行相关性分析。计算各因素与土壤重金属含量之间的皮尔逊相关系数（Pearsoncorrelationcoefficient），通过相关系数的大小和正负来判断各因素对土壤重金属空间变异的影响方向和程度。相关系数绝对值越接近1，表示两者之间的相关性越强；相关系数为正值时，表示两者呈正相关，即一个因素的增加会导致另一个因素的增加；相关系数为负值时，表示两者呈负相关，即一个因素的增加会导致另一个因素的减少。通过相关性分析，可以初步筛选出对土壤重金属空间变异影响较大的因素。在相关性分析的基础上，进行主成分分析（PrincipalComponentAnalysis，PCA）。主成分分析是一种多元统计分析方法，它能够将多个具有相关性的变量转化为少数几个相互独立的综合指标（主成分），这些主成分能够尽可能地保留原始变量的信息。通过主成分分析，可以将影响土壤重金属空间变异的众多因素进行降维处理，提取出主要的影响因素，并通过主成分的贡献率和载荷系数来确定各因素对土壤重金属空间变异的相对重要性和作用方向。贡献率越大，说明该主成分对原始数据的解释能力越强；载荷系数的绝对值越大，说明该变量在主成分中的重要性越高。通过主成分分析，能够更深入地理解土壤重金属空间变异的影响机制，为针对性地制定土壤污染防治措施提供科学依据。三、重庆市不同尺度耕地土壤重金属含量特征3.1大尺度下土壤重金属含量总体特征3.1.1全市耕地土壤重金属含量统计描述对全市范围内采集的[X1]个耕地土壤样品中镉（Cd）、汞（Hg）、砷（As）、铜（Cu）、铅（Pb）、铬（Cr）、锌（Zn）、镍（Ni）等8种重金属元素含量进行了测定，并进行描述性统计分析，结果如表1所示。表1全市耕地土壤重金属含量统计描述（mg/kg）重金属元素最小值最大值均值标准差变异系数（%）重庆市土壤背景值农用地土壤污染风险筛选值（pH≤7.5）超标率（%）Cd0.051.230.320.2165.630.170.318.75Hg0.020.890.250.1560.000.111.812.50As5.0225.6812.364.1233.339.79250Cu15.2385.6738.5412.4532.3126.7500Pb20.15120.3455.6820.1236.1431.41205.00Cr35.46150.2378.6525.3432.2268.42000Zn60.32250.12120.4535.6729.6189.52500Ni18.4565.3235.6810.2328.6731.61000由表1可知，重庆市耕地土壤中8种重金属元素含量的变异程度存在差异。其中，Cd和Hg的变异系数较大，分别为65.63%和60.00%，属于强变异，表明这两种重金属在全市耕地土壤中的含量分布极不均匀，可能受到较强的人为活动影响。例如，在一些工业集中区或矿业活动频繁的区域，由于废水、废气和废渣的排放，可能导致周边土壤中Cd和Hg的含量显著升高，从而造成较大的空间变异。As、Cu、Pb、Cr、Zn和Ni的变异系数在28.67%-36.14%之间，属于中等变异，说明这些重金属在土壤中的含量分布相对较为均匀，但仍存在一定程度的空间差异，可能受到成土母质、地形地貌和农业活动等多种因素的综合影响。将全市耕地土壤重金属含量均值与重庆市土壤背景值进行对比，发现Cd、Hg、Pb、Cu、Zn和Ni的均值均高于土壤背景值，其中Cd和Hg的均值分别是背景值的1.88倍和2.27倍，表明这些重金属在土壤中有一定程度的累积。与《农用地土壤污染风险管控标准（试行）》（GB15618-2018）中规定的风险筛选值（pH≤7.5）相比，Cd、Hg和Pb存在超标情况，超标率分别为18.75%、12.50%和5.00%，说明部分区域的耕地土壤存在一定的重金属污染风险，尤其是Cd污染相对较为严重，需要引起重视。3.1.2不同区县土壤重金属含量差异进一步分析不同区县耕地土壤重金属含量的差异，结果如图1所示。图1不同区县耕地土壤重金属含量均值（mg/kg）从图1可以看出，不同区县耕地土壤中重金属含量存在明显差异。例如，在Cd含量方面，A区县的均值高达0.65mg/kg，远高于其他区县，而B区县的均值仅为0.18mg/kg，处于较低水平。经调查发现，A区县有多个大型矿业企业，长期的采矿和选矿活动导致大量含Cd的废渣堆积，且废水未经有效处理直接排放，使得周边耕地土壤受到严重的Cd污染；而B区县以农业生产为主，工业活动较少，污染源相对较少，土壤受污染程度较低。在Hg含量上，C区县的均值达到0.45mg/kg，显著高于其他区县，可能是由于该区县历史上存在汞矿开采活动，虽然矿山已关闭，但遗留的汞污染对土壤环境仍有较大影响。D区县的Hg含量均值最低，为0.12mg/kg，该区县生态环境良好，自然条件优越，没有明显的汞污染源。对于Pb、Cu、Cr、Zn和Ni等重金属，不同区县之间也存在一定的含量差异，且这种差异与区县的地理位置、经济发展水平和产业结构密切相关。处于交通枢纽或工业发达地区的区县，由于交通流量大、工业活动频繁，土壤中Pb、Cu等重金属含量相对较高；而以农业为主的区县，土壤中这些重金属含量相对较低。例如，E区县位于城市边缘，交通干线密集，汽车尾气排放和工业废气沉降使得土壤中Pb含量较高；F区县是传统的农业大县，以种植粮食作物和蔬菜为主，工业企业较少，土壤中重金属含量相对较低。总体而言，不同区县耕地土壤重金属含量的差异反映了各区县不同的自然和人为因素对土壤环境的影响，在进行土壤污染防治和土地利用规划时，需要充分考虑这些差异，采取针对性的措施。3.2中尺度下土壤重金属含量特征3.2.1典型区域土壤重金属含量统计分析选取了具有代表性的三个典型区域（区域I、区域II、区域III）进行土壤重金属含量的统计分析，结果如表2所示。表2典型区域土壤重金属含量统计描述（mg/kg）典型区域重金属元素最小值最大值均值标准差变异系数（%）区域ICd0.120.850.380.1847.37Hg0.050.680.280.1242.86As6.1218.5611.253.0126.76Cu18.5656.7832.459.8730.42Pb25.6798.4550.1215.6731.27Cr40.23120.4570.3420.1128.60Zn65.43180.34105.6725.4324.07Ni20.1250.3430.238.5628.32区域IICd0.080.560.250.1144.00Hg0.030.450.180.0844.44As5.5615.679.872.5625.94Cu16.4545.6728.567.9827.94Pb22.3485.6745.6713.2328.97Cr38.56100.2365.4318.5628.37Zn62.34150.2395.6720.1221.03Ni18.5645.6728.567.8927.63区域IIICd0.150.780.420.1535.71Hg0.060.750.320.1340.63As7.0120.1213.253.5626.87Cu20.3460.4535.6710.2328.68Pb28.45105.6755.6818.7633.69Cr45.67130.2375.6822.3429.52Zn70.34190.45110.3428.5625.88Ni22.3455.6732.459.1228.11由表2可知，不同典型区域土壤重金属含量存在一定差异。区域I、区域II和区域III中，Cd含量均值分别为0.38mg/kg、0.25mg/kg和0.42mg/kg，区域III的Cd含量相对较高，可能与该区域存在一些小型工业企业，生产过程中排放含Cd的污染物有关；区域II的Cd含量相对较低，这可能与该区域的土壤类型对Cd有较强的吸附固定作用有关。Hg含量均值在三个区域中也有所不同，区域III最高，为0.32mg/kg，区域II最低，为0.18mg/kg。区域III的Hg含量较高可能与该区域的历史工业活动，如废旧电池回收处理等有关，这些活动会导致Hg进入土壤环境；而区域II由于自然条件相对稳定，人为活动对Hg的输入较少，所以含量较低。对于As、Cu、Pb、Cr、Zn和Ni等重金属，不同区域之间的含量差异相对较小，但也存在一定的变化规律。通过相关性分析发现，这些重金属含量与区域的地形地貌、土壤类型和土地利用方式等因素密切相关。在地形起伏较大的区域I，由于土壤侵蚀作用较强，部分重金属可能随土壤颗粒迁移，导致不同地形部位的重金属含量存在差异；而在地势较为平坦的区域II，土壤重金属含量相对较为均匀。同时，不同的土地利用方式也会对土壤重金属含量产生影响，例如，区域III中蔬菜种植面积较大，长期的施肥和灌溉可能导致土壤中某些重金属的积累。3.2.2不同土地利用类型土壤重金属含量差异研究不同土地利用类型（如水田、旱地、菜地等）下耕地土壤重金属含量的差异，结果如表3所示。表3不同土地利用类型土壤重金属含量统计描述（mg/kg）土地利用类型重金属元素最小值最大值均值标准差变异系数（%）水田Cd0.060.750.280.1346.43Hg0.030.560.200.0945.00As5.2316.7810.122.8728.36Cu17.4548.6730.238.5628.32Pb23.4588.6748.6714.5629.92Cr37.67110.4568.5619.2328.05Zn63.45160.3498.6722.3422.64Ni19.4548.6729.678.1227.37旱地Cd0.070.820.310.1548.39Hg0.040.620.220.1045.45As5.8918.5611.033.1228.29Cu18.6752.3432.129.2328.74Pb25.6792.3450.3415.6731.13Cr39.23115.6770.3420.1128.60Zn65.67170.34102.3424.5624.00Ni20.3452.3431.238.5627.41菜地Cd0.101.050.400.2050.00Hg0.050.800.260.1246.15As6.5620.1212.563.5628.35Cu20.4560.3435.6710.2328.68Pb28.67100.4555.6818.7633.69Cr42.34125.6775.6822.3429.52Zn70.67180.34110.3428.5625.88Ni22.3455.6732.459.1228.11从表3可以看出，不同土地利用类型下土壤重金属含量存在一定差异。菜地土壤中Cd、Hg、As、Cu、Pb、Cr、Zn和Ni的含量均值均高于水田和旱地，其中Cd含量均值为0.40mg/kg，显著高于水田的0.28mg/kg和旱地的0.31mg/kg。这可能是由于菜地长期大量施用化肥、农药和有机肥，其中部分肥料中含有重金属，导致土壤中重金属积累。例如，一些磷肥中含有镉，长期施用会使菜地土壤中Cd含量升高。同时，菜地的灌溉用水如果受到污染，也会增加土壤中重金属的含量。水田和旱地土壤重金属含量均值相对较为接近，但也存在一些差异。在Hg含量上，旱地略高于水田；而在As含量上，水田略高于旱地。这些差异可能与水田和旱地不同的水分管理和耕作方式有关。水田长期处于淹水状态，土壤的氧化还原电位较低，可能会影响重金属的形态转化和迁移，使其相对较为稳定；而旱地的通气性较好，土壤中重金属的活性可能相对较高，更容易受到外界因素的影响。总体而言，不同土地利用类型对土壤重金属含量有显著影响，在进行农业生产和土壤污染防治时，需要根据不同的土地利用类型采取相应的措施，以降低土壤重金属污染风险。3.3小尺度下土壤重金属含量特征3.3.1田块尺度土壤重金属含量统计特征在典型田块内进行密集采样，共采集了[X3]个土壤样品，对田块尺度下土壤重金属含量进行统计分析，结果如表4所示。表4田块尺度土壤重金属含量统计描述（mg/kg）重金属元素最小值最大值均值标准差变异系数（%）Cd0.150.560.320.1031.25Hg0.040.450.200.0840.00As7.0215.6810.232.1220.72Cu20.3445.6730.126.5621.78Pb25.6780.4548.6712.5625四、重庆市不同尺度耕地土壤重金属空间分布特征4.1大尺度下土壤重金属空间分布格局4.1.1基于地统计学和GIS的空间插值结果运用地统计学方法，对大尺度下全市范围采集的[X1]个耕地土壤样品中8种重金属元素含量数据进行半方差函数分析，并采用克里格插值法进行空间插值。通过GS+软件对数据进行正态分布检验，发现部分重金属元素（如Cd、Hg）含量数据不服从正态分布，经对数变换后满足正态分布假设。以Cd元素为例，半方差函数拟合结果显示，其最佳拟合模型为球状模型，块金值C₀=0.025，基台值C₀+C=0.065，变程A=35.6km。这表明Cd元素在空间上具有一定的自相关性，且在35.6km范围内，土壤中Cd含量的空间变异受到结构性因素（如成土母质、地形地貌等）和随机性因素（如人为活动等）的共同影响，而在大于35.6km的范围，空间自相关性较弱，主要受随机性因素影响。将插值结果导入ArcGIS软件中，生成重庆市大尺度下耕地土壤Cd含量空间分布图（图2）。从图中可以清晰地看到，土壤Cd含量呈现出明显的空间分布差异。在颜色较深的区域，代表土壤Cd含量较高；颜色较浅的区域，则表示土壤Cd含量较低。图2重庆市大尺度下耕地土壤Cd含量空间分布图同理，对Hg、As、Cu、Pb、Cr、Zn和Ni等重金属元素进行空间插值和制图，得到各自的空间分布图。这些图直观地展示了不同重金属元素在大尺度下的空间分布格局，为进一步分析其空间分布特征和影响因素提供了基础。4.1.2土壤重金属高值区与低值区的分布规律通过对土壤重金属含量空间分布图的分析，发现重庆市大尺度下耕地土壤重金属高值区和低值区呈现出一定的分布规律，且与多种因素密切相关。在地形方面，重金属高值区多分布在地势较低洼的区域，如河谷平原和山间盆地。以Cd元素为例，长江、嘉陵江等主要河流沿岸的河谷平原地区，土壤Cd含量普遍较高。这是因为这些地区地势平坦，水流速度缓慢，有利于土壤颗粒的沉积，而重金属元素往往吸附在土壤颗粒表面，随着土壤颗粒的沉积而在这些区域富集。此外，在一些山间盆地，由于地形封闭，污染物不易扩散，也容易导致重金属的积累。例如，某山区的一个山间盆地，周边有小型矿业活动，长期的采矿废水排放和废渣堆积，使得盆地内的耕地土壤中Cd、Pb等重金属含量明显高于周边地区。水系对土壤重金属分布也有重要影响。靠近污染源（如工业废水排放口、矿业废水排放源等）的河流下游地区，土壤重金属含量较高。例如，在某工业集中区附近的一条河流下游，由于工业废水未经有效处理直接排入河流，导致河流沿岸的耕地土壤中Hg、As等重金属含量超标。这是因为工业废水中含有大量的重金属污染物，随着河流的流动，这些污染物会在河流下游的土壤中沉积，从而造成土壤污染。交通干线附近也是土壤重金属高值区的常见分布区域。公路、铁路等交通干线两侧一定范围内，土壤中Pb、Zn等重金属含量较高。这主要是由于汽车尾气排放、轮胎磨损和路面磨损等过程会释放出重金属，这些重金属通过大气沉降和地表径流进入土壤，导致土壤重金属含量增加。例如，在一条交通繁忙的高速公路两侧200m范围内，土壤Pb含量明显高于远离公路的区域，且随着距离公路的增加，土壤Pb含量逐渐降低。工业布局对土壤重金属分布的影响也十分显著。工业发达的地区，如工业园区、矿业开采区等，往往是土壤重金属高值区。在这些区域，采矿、冶炼、化工等工业活动排放的“三废”中含有大量的重金属，是土壤重金属污染的主要来源。例如，某大型矿业开采区，长期的采矿活动导致大量的尾矿堆积，尾矿中的重金属通过风化、淋溶等作用进入周边土壤，使得该区域及周边一定范围内的耕地土壤中Cd、Hg、Pb等重金属含量严重超标，形成明显的高值区。相反，土壤重金属低值区主要分布在自然保护区、山区等人类活动较少的区域。这些区域生态环境良好，没有明显的污染源，土壤受人为活动的干扰较小，因此重金属含量相对较低。例如，在重庆市的一些自然保护区内，森林覆盖率高，生态系统完整，土壤中重金属含量处于较低水平，基本未受到污染。综上所述，大尺度下重庆市耕地土壤重金属高值区和低值区的分布与地形、水系、交通和工业布局等因素密切相关，这些因素的综合作用导致了土壤重金属在空间上呈现出复杂的分布格局。4.2中尺度下土壤重金属空间分布特征4.2.1典型区域土壤重金属空间分布特征对选取的三个典型区域（区域I、区域II、区域III）的土壤重金属含量数据进行空间分析，运用ArcGIS软件的克里格插值法生成空间分布图（图3-图5）。图3区域I土壤重金属含量空间分布图图4区域II土壤重金属含量空间分布图图5区域III土壤重金属含量空间分布图从图3可以看出，区域I土壤重金属含量呈现出斑块状分布特征。在该区域的东北部和西南部，存在两个明显的Cd含量高值斑块，其含量分别达到0.6mg/kg和0.5mg/kg以上，可能与这两个区域存在小型工业企业和历史上的采矿活动有关。通过实地调查发现，东北部的高值斑块附近有一家小型电镀厂，长期的生产活动导致含Cd废水排放，污染了周边土壤；西南部的高值斑块则位于一个废弃的铅锌矿附近，矿渣中的Cd等重金属在长期的风化和淋溶作用下进入土壤，造成土壤污染。而在区域I的中部和东南部，土壤Cd含量相对较低，形成低值斑块，这些区域主要以农业种植为主，工业活动较少，土壤受污染程度较轻。区域II土壤重金属含量的空间分布呈现出条带状特征（图4）。沿着一条自西北向东南贯穿区域的河流，土壤Hg含量呈现出明显的条带状高值分布，高值区Hg含量可达0.3mg/kg以上。经分析，这是由于河流上游有一家废旧电池回收处理厂，含Hg的废水未经有效处理直接排入河流，随着河水的流动，Hg在河流沿岸的土壤中逐渐沉积，形成条带状污染。在河流两侧一定范围内，土壤Hg含量随着距离河流的增加而逐渐降低。而在远离河流的其他区域，土壤Hg含量相对较低，分布较为均匀。区域III土壤重金属含量的空间分布则相对较为复杂，既有斑块状分布，也有条带状分布（图5）。在区域III的西部，存在一个较大的Cu含量高值斑块，面积约占区域III的1/5，高值区Cu含量可达45mg/kg以上。调查发现，该区域曾经是一个铜矿开采区，虽然矿山已关闭多年，但遗留的矿渣和尾矿对周边土壤造成了严重的Cu污染。在区域III的东部，沿着一条交通干线，土壤Pb含量呈现出条带状升高的趋势，这是由于交通干线的汽车尾气排放和路面磨损等导致Pb在土壤中积累。在其他区域，土壤重金属含量则相对较低，分布较为分散。总体而言，不同典型区域土壤重金属含量的空间分布特征各异，受到工业活动、矿业开采、交通和河流等多种因素的影响，这些因素在不同区域的作用方式和强度不同，导致了土壤重金属空间分布的复杂性。4.2.2不同土壤类型中重金属的空间分布差异研究不同土壤类型（紫色土、黄壤、水稻土等）中重金属的空间分布差异，将土壤类型数据与土壤重金属含量空间分布数据在ArcGIS中进行叠加分析。紫色土主要分布在丘陵地区，成土母质富含矿物质。在紫色土分布区域，土壤中Zn、Cu等重金属含量相对较高。以Zn元素为例，紫色土中Zn含量均值为130mg/kg，高于黄壤和水稻土。这是因为紫色土的成土母质中含有较多的含锌矿物，在土壤形成过程中，这些矿物逐渐风化分解，释放出Zn元素，使得紫色土中Zn含量较高。在空间分布上，紫色土中Zn含量呈现出从丘陵顶部向底部逐渐增加的趋势，这是由于丘陵顶部的土壤侵蚀作用相对较强，部分Zn元素随土壤颗粒流失，而丘陵底部则因泥沙淤积，Zn元素逐渐积累。黄壤主要分布在山区，土壤呈酸性。在黄壤分布区域，土壤中Cd、Pb等重金属的活性相对较高，迁移性较强。与紫色土和水稻土相比，黄壤中Cd含量虽然均值不是最高，但在某些区域，由于其酸性环境有利于Cd的溶解和迁移，导致Cd在局部地区的含量较高，且分布较为分散。例如，在一个山区的黄壤分布区域，由于长期的酸性降水和土壤淋溶作用，Cd在土壤中的迁移距离较远，使得该区域不同位置的土壤Cd含量差异较大，呈现出不规则的斑块状分布。水稻土是在长期种植水稻的过程中形成的，主要分布在平原和河谷地区，土壤水分含量较高，氧化还原电位较低。在水稻土中，As元素的含量相对较高，均值可达12mg/kg。这是因为水稻土的淹水条件有利于As的还原，使其从难溶性形态转化为可溶性形态，从而在土壤中积累。在空间分布上，水稻土中As含量呈现出与灌溉水系密切相关的特征，靠近灌溉水源的区域，As含量相对较高，随着距离灌溉水源的增加，As含量逐渐降低。这是因为灌溉水中可能含有一定量的As，在灌溉过程中，As随水进入土壤，并在灌溉区域逐渐积累。综上所述，不同土壤类型因其成土母质、物理化学性质和水分条件等的差异，对重金属的吸附、解吸和迁移能力不同，导致土壤中重金属的空间分布存在显著差异，在进行土壤污染防治和土地利用规划时，需要充分考虑土壤类型对重金属空间分布的影响。4.3小尺度下土壤重金属空间分布特征4.3.1田块尺度土壤重金属空间分布特征在田块尺度上，利用地统计学方法和GIS技术对典型田块内采集的[X3]个土壤样品的重金属含量数据进行分析。首先，对数据进行正态分布检验和半方差函数计算，以Cu元素为例，经检验其含量数据服从对数正态分布。半方差函数拟合结果表明，其最佳拟合模型为指数模型，块金值C₀=1.2，基台值C₀+C=4.5，变程A=30m。这说明在田块尺度下，Cu元素在30m范围内具有空间自相关性，其空间变异受到土壤微环境（如土壤质地、水分含量等）和农事活动（如施肥、灌溉等）的影响。基于半方差函数的拟合结果，采用克里格插值法对田块内未采样点的Cu含量进行空间插值，生成田块尺度下土壤Cu含量的高精度空间分布图（图6）。图6田块尺度下土壤Cu含量空间分布图从图6可以看出，田块尺度下土壤Cu含量呈现出明显的空间分布差异。在田块的西北部，存在一个Cu含量高值区，其含量可达40mg/kg以上，可能是由于该区域长期施用含Cu的有机肥或农药，导致Cu在土壤中积累。而在田块的东南部，Cu含量相对较低，形成低值区，含量在25mg/kg以下，这可能与该区域的土壤质地较轻，对Cu的吸附能力较弱，以及灌溉水的稀释作用有关。在田块的中部，Cu含量分布较为均匀，处于中等水平。同理，对其他重金属元素（如Cd、Hg、Pb等）进行空间分析和制图，得到它们在田块尺度下的空间分布图。这些图展示了不同重金属元素在田块内的空间分布特征，为精准农业生产和土壤污染防治提供了详细的信息。4.3.2土壤重金属在田块内的局部变异特征进一步分析田块内土壤重金属含量的局部变异情况，采用局部莫兰指数（LocalMoran'sI）进行空间自相关分析，绘制LISA集聚图（图7以Cd元素为例）。图7田块尺度下土壤Cd含量LISA集聚图从图7中可以看出，田块内存在明显的热点区（高-高集聚）和冷点区（低-低集聚）。在热点区，土壤Cd含量显著高于周边区域，呈现出高值聚集的特征。例如，在田块的东北部，有一个面积约为500m²的热点区，该区域土壤Cd含量高达0.5mg/kg以上，通过调查发现，此处曾是一个小型的废弃物堆放点，废弃物中含有大量的Cd，长期的堆放导致周边土壤受到严重污染。而在冷点区，土壤Cd含量显著低于周边区域，呈现出低值聚集的特征。在田块的西南部，有一个冷点区，面积约为800m²，土壤Cd含量在0.1mg/kg以下，该区域地势较高，排水良好，且没有明显的污染源，土壤受污染程度较轻。此外，还存在一些高-低异常和低-高异常区域。在高-低异常区域，中心位置的土壤Cd含量较高，而周边区域含量较低；在低-高异常区域则相反。这些异常区域的存在表明田块内土壤Cd含量的局部变异较为复杂，可能与微地形、土壤质地的局部变化以及农事活动的不均匀性有关。例如，在一个高-低异常区域，中心位置是一个曾经的施肥点，由于施肥量过大且不均匀，导致该点土壤Cd含量较高，而周边区域则相对较低。综上所述，田块内土壤重金属含量存在明显的局部变异特征，热点区、冷点区以及异常区域的分布与农事活动和微环境密切相关，了解这些局部变异特征对于制定针对性的土壤污染防治措施和精准农业管理策略具有重要意义。五、重庆市不同尺度耕地土壤重金属空间变异特征5.1大尺度下土壤重金属空间变异分析5.1.1半方差函数模型拟合与参数确定对大尺度下全市范围内采集的[X1]个耕地土壤样品中8种重金属元素含量数据进行半方差函数模型拟合。以Cd元素为例，首先对其含量数据进行正态分布检验，发现原始数据不服从正态分布，经对数变换后，通过Kolmogorov-Smirnov检验，满足正态分布假设。运用GS+软件计算其半方差函数，并采用球状模型、指数模型和高斯模型进行拟合，结果表明球状模型对Cd元素半方差函数的拟合效果最佳，其拟合参数如下：块金值C₀=0.025，基台值C₀+C=0.065，变程A=35.6km。块金值C₀反映了由采样误差、短距离内的随机变异以及测量误差等引起的空间变异，Cd元素的块金值为0.025，说明在小尺度范围内存在一定的随机变异因素影响其含量分布。基台值C₀+C表示区域化变量在整个研究尺度上的总变异程度，Cd元素的基台值为0.065，表明其在大尺度下存在一定程度的空间变异。变程A为35.6km，意味着在35.6km范围内，土壤中Cd含量具有空间自相关性，即距离较近的采样点之间Cd含量具有一定的相似性；超出这个距离，空间自相关性减弱，土壤Cd含量的分布更多地受到随机因素的影响。同理，对Hg、As、Cu、Pb、Cr、Zn和Ni等重金属元素含量数据进行半方差函数模型拟合，得到各自的最佳拟合模型及参数，具体结果如表5所示。表5大尺度下土壤重金属半方差函数模型拟合参数重金属元素最佳拟合模型块金值C₀基台值C₀+C变程A(km)Cd球状模型0.0250.06535.6Hg指数模型0.0180.05028.5As球状模型0.8502.50042.0Cu高斯模型4.50015.00030.0Pb指数模型9.50035.00038.0Cr球状模型10.50045.00045.0Zn高斯模型18.00055.00032.0Ni指数模型3.50012.00036.0从表5可以看出，不同重金属元素的半方差函数最佳拟合模型存在差异，这表明它们在空间变异特征上具有各自的特点。同时，块金值、基台值和变程等参数也各不相同，反映了不同重金属元素在大尺度下空间自相关性和变异程度的差异。例如，Hg元素的变程为28.5km，相对较小，说明其空间自相关范围较窄，可能受到局部污染源的影响更为显著；而Cr元素的变程为45.0km，相对较大，表明其在较大范围内具有空间自相关性，可能受到区域尺度的地质背景、地形地貌等因素的影响较大。5.1.2空间变异尺度与影响范围分析根据半方差函数模型拟合得到的变程等参数，可以确定大尺度下土壤重金属空间变异的尺度和影响范围。以Cd元素为例，其变程为35.6km，说明在以35.6km为半径的范围内，土壤Cd含量存在空间自相关性，即该范围内的土壤Cd含量受到相似的自然和人为因素影响。在这个尺度范围内，成土母质、地形地貌、水系分布以及大型工业布局等因素对土壤Cd含量的空间变异起着重要作用。成土母质是土壤中重金属的重要来源之一，不同的成土母质其矿物组成和化学成分不同，导致土壤中重金属的本底含量存在差异。在重庆市大尺度范围内，由于成土母质的区域性差异，可能使得某些区域的土壤Cd含量相对较高或较低。例如，在一些由富含Cd的岩石风化形成的成土母质区域，土壤Cd含量可能较高；而在其他成土母质区域，土壤Cd含量可能较低。地形地貌通过影响土壤的侵蚀、堆积和水分运移等过程，对土壤重金属的空间分布产生影响。在山区，地势起伏大，土壤侵蚀作用强烈，Cd等重金属可能随土壤颗粒迁移，导致不同地形部位的土壤Cd含量存在差异。在河谷平原地区，地势平坦，水流速度缓慢，有利于土壤颗粒的沉积，Cd等重金属容易在这些区域富集。水系分布对土壤重金属的迁移和扩散也有重要影响。河流作为重金属的重要传输通道，其携带的重金属污染物会在河流沿岸的土壤中沉积。在大尺度下，长江、嘉陵江等主要河流及其支流沿岸的土壤Cd含量可能受到河流污染的影响，呈现出一定的空间分布特征。例如，在河流下游地区，由于污染物的累积，土壤Cd含量可能相对较高。大型工业布局是影响土壤重金属空间变异的重要人为因素。在大尺度范围内，工业集中区往往是土壤重金属污染的高风险区域。例如，某大型工业园区，由于众多工业企业的生产活动，排放的大量含Cd废气、废水和废渣，使得周边一定范围内的土壤Cd含量显著升高，形成以工业园区为中心的高值污染区域，其影响范围可能达到变程所确定的尺度。综上所述，大尺度下土壤重金属空间变异的尺度和影响范围与区域尺度的自然和人为环境因素密切相关。通过对这些因素的分析，可以更好地理解土壤重金属空间变异的机制，为土壤污染防治和土地利用规划提供科学依据。5.2中尺度下土壤重金属空间变异分析5.2.1半方差函数分析与空间结构特征对中尺度下典型区域（区域I、区域II、区域III）的土壤重金属含量数据进行半方差函数分析。以区域I的Pb元素为例，首先对数据进行正态分布检验，发现原始数据不服从正态分布，经Box-Cox变换后满足正态分布假设。运用GS+软件计算其半方差函数，并采用球状模型、指数模型和高斯模型进行拟合，结果显示指数模型对其拟合效果最佳，拟合参数为：块金值C₀=8.5，基台值C₀+C=30.0，变程A=15.0km。块金值C₀为8.5，表明在区域I内，由采样误差、短距离内的随机变异以及测量误差等引起的空间变异相对较大，可能是由于该区域内局部的土地利用方式差异、小型污染源分布等因素导致。基台值C₀+C为30.0，说明Pb元素在区域I内存在一定程度的空间变异。变程A为15.0km，意味着在15.0km范围内，土壤中Pb含量具有空间自相关性，超出这个距离，空间自相关性减弱。在空间结构特征方面，通过半方差函数分析发现，区域I的Pb元素空间变异存在各向异性。在东西方向上，半方差函数的变程为12.0km；在南北方向上，变程为18.0km。这种各向异性可能与区域I的地形走向、交通干线分布以及工业布局等因素有关。例如，该区域东西方向上有一条交通繁忙的公路，汽车尾气排放和路面磨损等会导致Pb在公路沿线土壤中积累，形成东西方向上相对较短的变程；而在南北方向上，存在一条河流，河流的流动和沉积物的分布可能影响Pb在土壤中的迁移和积累，使得南北方向上的变程相对较长。同理，对区域II和区域III的土壤重金属元素进行半方差函数分析，得到它们各自的空间结构特征参数。区域II的Zn元素半方差函数最佳拟合模型为球状模型，块金值C₀=10.0，基台值C₀+C=40.0，变程A=18.0km，且在不同方向上也存在一定的各向异性，这可能与该区域内的土地利用类型变化、小型矿业活动分布等因素有关。区域III的Hg元素半方差函数最佳拟合模型为高斯模型，块金值C₀=0.012，基台值C₀+C=0.045，变程A=13.0km，其空间变异的各向异性特征可能与该区域的地形地貌、居民区分布以及小型工业企业的位置有关。总体而言，中尺度下不同典型区域的土壤重金属元素具有各自独特的空间结构特征，半方差函数的参数和各向异性表现反映了区域内自然和人为因素对土壤重金属空间变异的综合影响。5.2.2空间变异的影响因素分析中尺度下影响土壤重金属空间变异的因素较为复杂，主要包括地形起伏、土地利用变化和污染源分布等。地形起伏对土壤重金属空间变异有重要影响。在地形起伏较大的区域，如山区或丘陵地带，土壤侵蚀和堆积作用较为强烈。以区域I为例，该区域部分地区地形起伏较大，在山坡的上部，由于坡度较陡，土壤侵蚀作用较强，重金属元素容易随土壤颗粒流失，导致土壤中重金属含量相对较低；而在山坡的下部或山谷地区，由于泥沙淤积，重金属元素容易富集，土壤中重金属含量相对较高。通过对区域I不同地形部位土壤重金属含量的分析发现，在海拔较高、坡度较大的区域，土壤中Cd、Pb等重金属含量明显低于海拔较低、地势平坦的区域。此外，地形还会影响水分的分布和运移，进而影响重金属在土壤中的迁移和转化。在地势低洼的地区，水分容易汇聚，可能导致重金属元素在土壤中的溶解和迁移能力增强，从而影响其空间分布。土地利用变化是影响土壤重金属空间变异的重要人为因素。不同的土地利用类型，如耕地、林地、建设用地等，其土壤重金属含量存在显著差异。在区域II中，耕地和林地的土壤重金属含量存在明显不同。耕地由于长期的农业生产活动，如施肥、灌溉、农药使用等，可能导致土壤中某些重金属元素的积累。例如，长期施用磷肥会使土壤中Cd含量增加；不合理的灌溉用水可能带入重金属污染物。而林地的土壤重金属含量相对较低，这是因为林地植被覆盖度高，土壤受到的人为干扰较小，生态系统相对稳定，对重金属具有一定的吸附和固定作用。此外，建设用地的扩张也会改变土壤的性质和重金属含量分布。随着城市化进程的加快，一些耕地和林地被转化为建设用地，在建设过程中，建筑材料的使用、施工活动以及城市废弃物的排放等都可能导致土壤中重金属含量升高。污染源分布是导致土壤重金属空间变异的直接原因。在中尺度下，污染源主要包括小型工业企业、乡镇企业、畜禽养殖场以及生活垃圾堆放点等。在区域III中，存在一些小型电镀厂和废旧电池回收处理厂，这些企业在生产和处理过程中会排放含重金属的废水、废气和废渣，导致周边土壤受到严重污染。通过对区域III土壤重金属含量空间分布与污染源位置的叠加分析发现，在污染源周边一定范围内，土壤中Hg、Cd等重金属含量明显高于其他区域，且随着距离污染源的增加，土壤重金属含量逐渐降低。此外，畜禽养殖场的粪便排放和生活垃圾堆放点的废弃物分解等也会向土壤中释放重金属，影响土壤重金属的空间分布。例如，在某畜禽养殖场附近的土壤中，Zn、Cu等重金属含量显著升高，这是因为畜禽饲料中添加了含有这些重金属的添加剂，畜禽粪便中的重金属在土壤中积累，导致周边土壤污染。综上所述，中尺度下地形起伏、土地利用变化和污染源分布等因素相互作用，共同影响着土壤重金属的空间变异，深入研究这些因素对于准确评估土壤环境质量和制定有效的污染防治措施具有重要意义。5.3小尺度下土壤重金属空间变异分析5.3.1田块尺度半方差函数与空间变异性在田块尺度上，对典型田块内采集的[X3]个土壤样品的重金属含量数据进行半方差函数分析。以Cu元素为例，首先对数据进行正态分布检验，发现其含量数据服从对数正态分布。运用GS+软件计算半方差函数，并采用指数模型、球状模型和高斯模型进行拟合，结果表明指数模型对其拟合效果最佳，拟合参数如下：块金值C₀=1.2，基台值C₀+C=4.5，变程A=30m。块金值C₀为1.2，反映了由采样误差、田块内短距离的随机变异以及测量误差等引起的空间变异程度。在田块尺度下，这些随机因素可能包括田块内土壤质地的微小差异、施肥和灌溉的不均匀性等。基台值C₀+C为4.5，表明Cu元素在田块尺度上存在一定程度的空间变异，即田块内不同位置的土壤Cu含量存在差异。变程A为30m，意味着在30m范围内，土壤中Cu含量具有空间自相关性，超出这个距离，空间自相关性减弱。计算块金系数（C₀/(C₀+C)）来评估土壤重金属的空间变异性程度，Cu元素的块金系数为1.2/4.5≈0.27。一般认为，块金系数小于0.25时，空间自相关性强；在0.25-0.75之间时，空间自相关性中等；大于0.75时，空间自相关性弱。因此，田块尺度下Cu元素的空间自相关性中等，说明其空间变异既受到结构性因素（如土壤母质在田块内的微小差异）的影响，也受到随机性因素（如农事活动的不均匀性）的影响。同理，对田块内其他重金属元素（如Cd、Hg、Pb等）进行半方差函数分析，得到它们各自的拟合参数和块金系数。Cd元素的半方差函数最佳拟合模型为球状模型，块金值C₀=0.02，基台值C₀+C=0.08，变程A=25m，块金系数为0.02/0.08=0.25，其空间自相关性中等；Hg元素的半方差函数最佳拟合模型为高斯模型，块金值C₀=0.005，基台值C₀+C=0.02，变程A=20m，块金系数为0.005/0.02=0.25，空间自相关性也为中等。总体而言，田块尺度下不同重金属元素的半方差函数参数和空间变异性程度存在一定差异，但都表现出中等程度的空间自相关性，说明在田块尺度上，土壤重金属的空间变异受到多种因素的共同影响，且这些因素在不同重金属元素上的作用程度略有不同。5.3.2局部空间自相关分析与热点区域识别利用局部空间自相关分析方法，如局部莫兰指数（LocalMoran'sI），对田块内土壤重金属的空间分布进行分析，以识别热点区域和冷点区域。以Cd元素为例，通过计算田块内每个采样点的局部莫兰指数，并绘制LISA集聚图（图7），可以直观地展示土壤Cd含量的局部空间自相关特征。从图7中可以看出，田块内存在明显的热点区（高-高集聚）和冷点区（低-低集聚）。在热点区，土壤Cd含量显著高于周边区域，呈现出高值聚集的特征。例如，在田块的东北部，有一个面积约为500m²的热点区，该区域土壤Cd含量高达0.5mg/kg以上，通过调查发现，此处曾是一个小型的废弃物堆放点，废弃物中含有大量的Cd，长期的堆放导致周边土壤受到严重污染。而在冷点区，土壤Cd含量显著低于周边区域，呈现出低值聚集的特征。在田块的西南部，有一个冷点区，面积约为800m²，土壤Cd含量在0.1mg/kg以下，该区域地势较高，排水良好，且没有明显的污染源，土壤受污染程度较轻。此外，还存在一些高-低异常和低-高异常区域。在高-低异常区域，中心位置的土壤Cd含量较高，而周边区域含量较低；在低-高异常区域则相反。这些异常区域的存在表明田块内土壤Cd含量的局部变异较为复杂，可能与微地形、土壤质地的局部变化以及农事活动的不均匀性有关。例如，在一个高-低异常区域，中心位置是一个曾经的施肥点，由于施肥量过大且不均匀，导致该点土壤Cd含量较高，而周边区域则相对较低。通过对热点区域、冷点区域以及异常区域的分析，可以进一步了解田块内土壤重金属空间变异的局部特征及其形成原因。热点区域通常与污染源的存在或特定的农事活动（如不合理施肥、污水灌溉等）有关；冷点区域则可能与良好的土壤环境条件（如土壤质地、排水状况等）和较少的污染源有关；异常区域则反映了田块内微