一、地统计学在土壤重金属研究中的应用及展望(论文文献综述)
王清亚[1](2021)在《基于XRF的土壤重金属定量分析方法研究及应用》文中研究指明土壤是地球生态系统物质和能量循环的基础,也是人类赖以生存和发展的根本要素。我国土壤重(类)金属污染问题日益严峻,每年被重金属污染的粮食超1200万吨。土壤污染关系着国家粮食安全和人民身体健康。为了解土壤污染情况,科学防治污染地继续蔓延,有必要准确、快速地获取土壤重金属污染信息。X射线荧光(X-ray Fluorescence,XRF)分析技术是一种性能优异的多元素分析手段,是国际标准组织(ISO)的分析方法之一。能量色散型XRF结构简单、功率较小,可以应用于土壤污染现场调查。在现场XRF测量时,受土壤元素种类众多、基体效应、物理参数不统一等因素影响,光谱本底成分复杂、谱峰重叠、水分的存在导致检测准确度不高,限制了该技术的推广应用。因此,开发适用于土壤的现场检测技术,提升XRF分析的准确度是一项具有重要意义的工作。本文主要工作内容包括:(1)研究了XRF本底扣除的方法。提出采用非对称加权惩罚最小二乘的本底扣除算法。该算法由估计本底和原始光谱的误差建立logistic回归函数,使估计本底与特征峰的权重均匀地落在0~1之间。权重函数的特点为:当光谱和估计本底之间差异小于噪声均值时,对低于或高于本底的光谱给出同样的权重。当噪声均值维持在3σ范围内,赋给光谱较小的权重。当超过4σ时,逐渐赋0权重,认为这是特征峰的一部分。这样设置使得估计本底逐渐逼近真实本底,并不会将弱峰识别为噪声进行扣除。与其他扣除方法对比,该方法对低含量元素本底估计的准确性较优。性能评价结果显示,非对称加权惩罚最小二乘法可以准确地扣除光谱本底,提高XRF定量的准确性。(2)研究了重叠峰解析方法。特征峰重叠问题给元素的定性和定量分析带来极大困难。本研究利用X荧光壳层理论结合实验结果得到元素特征峰谱线强度,建立参数关联的高斯混合模型。将重叠峰解析转换为多个参数的全局寻优问题。提出利用混沌粒子群算法进行参数寻优,避免了传统算法易于早熟和陷入局部最优解的问题。为了方便使用,开发了一款图形用户界面,命名为XRF resolution,界面包括了所有本文所涉及的光谱处理功能。通过对多种土壤标准物质的测量分析,获取了系统的准确度、精确度、检出限等关键性能指标。结果表明系统的应用提高了各元素特征峰信息获取的准确性。(3)研究了水分对XRF测量影响的机制及修正方法。现场分析时,土壤中的水一直被认为是影响检测准确度的主要因素之一。水的存在直接影响样品有效原子序数和总的质量吸收系数等。本研究对水分影响进行较为全面的分析,通过物理理论的推导获得水分对于元素特征峰、元素含量、质量吸收系数等参数的影响机制。含水率梯度实验结果表明,随着含水率增加,土壤光谱本底抬高,康普顿和瑞利散射增加,元素特征峰降低。构建的物理模型表明,水是土壤基质的一部分,导致样品对射线的衰减能力降低。有效原子序数的降低类似于目标元素“被稀释”。本研究根据实验验证结果,建立了标准物质康普顿散射和元素特征峰数据库,应用于现场测量的水分修正方法中,提高了Ni、Cu、Zn、Pb、As等元素水分修正准确度。(4)研究了痕量重金属的XRF/NIR光谱联用检测技术。Cd和Hg都属于痕量元素,且生物毒性强。这两种元素检出限过高一直限制了XRF的推广应用。为解决这一问题,需从两个层面形成突破。首先通过优化本底扣除法提高本底扣除率和信噪比,克服噪声和背景计数对特征峰的影响;其次是探究多探测器联用的机制,引入近红外光谱建立数据融合的化学计量学模型。搭建了光谱联用的测试平台。分别建立了Cd的外积融合PLSR定量方法以及Hg的模型平均融合PLSR定量方法,提高了定量的准确性,为痕量元素检测提供了新的思路。综上所述,本研究建立了基于非对称加权惩罚最小二乘的本底扣除方法;提出了高斯混合模型-混沌粒子群算法的重叠峰解析方法,并开发了相关用户界面;研究了水分对X射线与土壤相互作用的影响,建立了标准物质康普顿散射和元素特征峰数据库,应用于现场测量的水分修正方法中;研究了痕量重金属的XRF/NIR光谱联用检测技术,搭建了联用测试平台,分别建立了Cd的外积融合PLSR定量方法以及Hg的模型平均融合PLSR定量方法,为今后推广示范应用提供了重要的技术支撑。
徐源[2](2021)在《区域尺度典型工业聚集区土壤重金属源解析》文中研究表明了解土壤重金属污染现状、探究其主要来源是土壤污染防治工作的重要环节,尤其在工业聚集区下,重金属污染的严重性和污染源的复杂性使得该类问题变得更加棘手。本文以湖南省郴州市典型工业聚集区的表层土壤中5种重金属(Cd、Hg、As、Pb、Cr)作为研究对象,通过多种技术的联合运用对其污染特征和污染成因进行了分析,主要研究成果如下:(1)研究区土壤中5种重金属含量的均值均高于湖南省土壤环境背景值,表明5种重金属均有不同程度的富集。重金属Cd、Pb、As含量的Pearson相关系数较大,表明这三种重金属存在同源性。5种重金属的地累积指数由大到小依次为:Cd>Hg>Pb>As>Cr,其中Cd元素达到中度污染,Hg、As、Pb三种元素为轻度污染,Cr元素几乎未受到污染。(2)重金属Cd、Pb、Hg含量的空间相关性较差,空间变异性较强;As、Cr含量的空间分布具有中等空间相关性。重金属Cd、Hg含量在研究区呈现西南高、东北低的趋势;重金属As含量在研究区呈现东南高、西北低的趋势;重金属Pb、Cr含量在研究区东西方向上无明显的趋势变化,在南北方向上南高北低。Cd、Pb含量的高值区主要集中在苏仙区中部、桂阳县南部;Hg含量的高值区主要集中在嘉禾县以及桂阳县西部;As含量的高值区主要集中在苏仙区中部、桂阳县南部、资兴市南部地区;Cr含量分布较为分散,没有明显的高值聚集。(3)研究区采选业对Cd、Pb、As含量的影响最为显着,贡献率分别为87.7%、88.5%和62.5%;农业活动对Hg含量的影响最为显着,贡献率为66%;土壤母质对Cr含量的影响最为显着,贡献率为90.75%。采选业对As的重点影响区域分布在苏仙区中部、桂阳县南部和北部部分地区,以及资兴市南部;采选业对Cd、Pb的重点影响区域分布在苏仙区中部和桂阳县南部;农业源对Hg的重点影响区域分布在嘉禾县境内。基于分区处理后,同一元素在不同区域的主要来源不同。对比分区处理和不分区处理分析结果显示,分区处理突显了农业活动对Cd富集的重要性、土壤有机质和海拔对Hg富集的重要性、土壤母质和污水灌溉对As富集的重要性、交通源对Pb富集的重要性。区域尺度下通过分区处理不仅可以识别出影响重金属含量的主要来源,同时还可以识别出局部区域下的次要来源,从而能更加清晰地阐明在复杂环境体系中重金属的多重来源。(5)研究区Cd的生态危害程度最高,为高等潜在生态风险等级,Hg为中高等潜在生态风险等级,As、Pb、Cr均为低潜在生态风险,5种重金属的复合生态危害程度为高等生态风险等级。重金属的潜在生态风险指数分布与其对应的主要人为污染源有强烈的空间相关性,由采选业引起的高Cd、Hg生态风险区域分布在桂阳县南部和苏仙区中部;由农业源引起的高Hg生态风险区域分布在嘉禾县和桂阳县中部;由采选业引起的高As生态风险区域分布在苏仙区中部、桂阳县南部和北部部分地区、以及资兴市南部。
李昊[3](2021)在《基于地统计学方法的土壤重金属污染物空间分布及扩散特征研究》文中指出土壤在生态系统中有着举足轻重的作用,它在为各种生物提供赖以生存空间的同时,还对人类社会的发展模式和方向有着深远的影响。但随着工业化程度的提高,人们在享受经济发展带来便利的同时,也承受着土壤被污染的风险。土壤污染具有多源性、持久性和治理难等特点,尤其是被重金属污染的土壤,会对其周边的生态环境有较大的威胁,这一现象在退役场地尤为明显。随着城市结构的升级调整,大量退役场地将被置换为其他建设用地,为使用地功能顺利转换,需要对退役厂区土壤重金属进行研究,以防被重金属污染的土壤对人类和环境造成更严重的危害。本文以温岭市某退役场地作为研究对象,采用系统布点法在场地内设置22个采样点,采集土壤样品183件,分析土壤中7种重金属元素(As、Cr、Cu、Mn、Ni、Pb和Zn)的含量,用厂区地质模型结合基于地统计学克里金插值法建立的三维模型,对重金属在三维空间中的分布情况进行分析;采取相关性分析和主成分分析对7种重金属的来源进行解析;同时利用多种污染评价方法对退役厂区重金属的污染等级和污染风险进行评价;最后通过研究钻孔数据以及重金属的赋存形态,对厂区土壤重金属的迁移趋势做出定性分析。主要结论为:土壤重金属的污染评价结果以及描述性统计分析结果均表示厂区土壤处于轻度污染的状态;通过对各种金属进行半方差函数拟合,金属As和Pb更适用于指数模型,金属Zn用球状模型效果较好,其余4种金属均采用高斯模型拟合;结合重金属来源分析结果与三维空间分布模型得知,金属Cr、Cu、Ni、Pb和Zn来源于电镀工业的生产过程,高值区主要分布在厂区废料处理设施和生产车间A所在的位置;金属Mn来源于成土过程,高值区主要分布在厂区的东部和南部;金属As受到人类活动和成土母质的共同影响,空间分布具有上述两类金属的特征;结合地层模型可见,随着地层深度的增加,金属As、Cr、Cu、Ni、Pb和Zn高于背景值的范围逐渐减小,Mn高于背景值的范围逐渐增大;可交换态是该厂区内重金属迁移的主要形态,能随着地下水的流动进行迁移,主要呈现出由厂区北部地表高值区向南部深层土壤迁移的趋势。
欧德品[4](2021)在《基于Kubelka-Munk模型与深度回归网络的高光谱土壤成分反演》文中研究指明土壤是人类生产与生活最重要的自然资源之一,对人类的生存与发展至关重要。目前,我国耕地面临着土壤质量退化严重、重金属污染等突出问题,严重威胁农作物产量与粮食安全。而传统的耕地质量监测手段存在经济成本高、效果差、时效性低等问题,应用高光谱遥感技术能够实现周期性、大尺度、高精度的耕地质量监测,是当前的研究热点之一。目前基于高光谱遥感技术的土壤成分反演研究,主要借助传统的统计学习方法构建土壤质量反演模型,存在小样本数据量导致的过拟合现象,并且难以获取具有反演机理解释性的敏感波段,同时也缺乏基于物理模型的去除土壤成分干扰因子光谱校正模型。针对此问题,论文在深入研究Kubelka-Munk理论的基础上,获取泛化性强的土壤有机质光谱特征,构建了消除土壤水分影响的光谱校正模型,阐释了航空高光谱数据在土壤有机质反演中的水分影响因子,提升了土壤有机质反演的精度。最后,结合半监督学习与深度学习算法,构建了土壤有机质、土壤重金属As和Cr的反演模型,并重点分析了土壤成分在研究区域的空间分布特性。本文的主要研究内容和贡献包括:(1)为获取有效的土壤有机质敏感光谱信息,提出基于Kubelka-Munk(KM)理论厚度修正的土壤有机质反演模型。首先设计了基于K-M理论的土壤厚度观测实验,通过选取不同的实验样本与不同材料的背景容器,研究土壤厚度与背景容器材料对光谱的影响。结合室内测量光谱数据,对基于K-M理论的厚度方程进行修正,并利用修正后的厚度方程求取不同有机质含量的土壤样本相应的散射系数和吸收系数。将散射系数与土壤有机质含量进行线性拟合,获得在2.197μm处的有机质成分敏感波段。该方法合理解释了土壤有机质含量对光谱特征的影响机理,同时基于此敏感波段的有机质含量反演具有显着的精度优势,绝对系数精度高达0.97。(2)由于土壤水分对有机质在光谱上的敏感信息表现造成较大影响,针对基于航空高光谱数据的大范围土壤有机质反演制图,提出了基于K-M理论的土壤水分去除光谱修正模型,以提高土壤有机质在成像光谱数据上的特征表达。首先利用混合像元分解方法提取研究区耕地的光谱信息,然后结合基于K-M理论的土壤含水量模型实现研究区土壤含水量反演,最后利用基于朗伯-比尔定量描述的土壤光谱与土壤含水量模型构建水分去除光谱修正算法。结果表明,提出的土壤水分去除光谱修正模型能够有效地消除机载高光谱影像中土壤水分的影响,突出土壤有机质的光谱敏感特征,特别是能够显着提升短波红外范围的光谱特征表达。但对土壤重金属的特征提升则不明显,甚至是降低其相关性。利用水分去除后的成像光谱数据在0.6918)处敏感波段进行反演,并与支持向量机等回归建模比较。结果表明,提出的水分去除光谱修正模型能够有效提升成像高光谱数据有机质反演精度,物理模型精度至少提升22%,统计回归方法精度至少提升19%。最后,通过地形湿度指数和河网提取方法综合分析了土壤有机质的分布特征与地形影响。(3)土壤中重金属含量较小,难以构建有效的物理反演模型。而传统统计方法需要充足的样本数量以保证精度要求,在小样本反演任务中则会出现精度较低等问题,提出了半监督深度回归模型(Semi-DNNR),以保证小样本条件下的土壤有机质、土壤重金属As和Cr含量的反演精度。首先构造深度回归网络进行深层特征提取,并结合一种新的特征组合策略,优化传统特征选择方法以解决特征的随机性缺陷。以地理学第一定律为指导,将空间邻近度策略引入半监督样本增选过程,以保证增选样本伪标签精度的同时扩增训练样本容量,解决深度回归过程中由于小样本数据训练而导致的过拟合问题。最后在半监督深度回归模型中加入伪样本动态自更新和模型参数共享机制来提升深度回归网络的参数微调能力。与传统回归方法的反演结果进行精度对比,半监督深度回归模型具有显着的精度优势,土壤有机质、土壤重金属As和Cr含量预测集精度分别是0.71、0.82和0.63。最后,参考研究区实地调研和整理收集的统计数据,结合土壤成分空间分布信息进行污染来源分析,土壤重金属As的空间分布与土壤有机质对As的吸附与络合作用有关,导致As也具有土壤有机质相似的聚集效应。
佘淑凤[5](2021)在《基于文献分析的长三角农田土壤重金属时空分布及数据库系统研究》文中研究指明土壤是生物生存的基本场所,也是人类生产生活的物质基础,土壤环境质量更是关系到人类生存发展与社会经济稳定。随着城镇化快速扩张、工业化不断发展以及农业生产的高强度利用,我国农田土壤环境受到长时期、深程度的人为扰动,正面临着严峻的环境污染压力。土壤重金属污染具有长期性、复杂性等特征,会直接影响农产品生产质量,因此对土壤重金属污染的管控与防治非常重要。摸清农田土壤重金属分布现状是准确评估污染风险等级和开展污染防治工作的重要基础。大尺度的土壤环境质量调查工作时间成本高且耗费大量人力物力,而已发表的小尺度土壤重金属含量调查结果缺乏区域代表性。本研究以我国长江三角洲(以下简称长三角)农田土壤为研究对象,基于Meta分析方法,综合小尺度土壤重金属文献研究结果以达到估测大尺度区域的土壤重金属分布现状的目的;并在此数据基础上采用数据库系统管理方法实现土壤污染数据的规范管理、安全共享及可视化表达,以期为长三角土壤重金属污染防治工作提供技术支撑。研究主要内容与成果如下:(1)本研究共收集长三角农田土壤重金属分布研究相关文献118篇,提取重金属含量数据986条。结合Meta分析基本思想及文献数据特征,引入了采样点数量、研究区面积、数据标准差作为权重因子参与土壤重金属均值计算,并根据文献数据异质性分析结果,选用随机效应模型作为计算模型。计算结果表明,长三角农田土壤中Cd、Hg、As、Pb、Cr、Cu、Zn和Ni的平均含量分别为0.25mg/kg,0.14 mg/kg,8.14 mg/kg,32.32 mg/kg,68.84 mg/kg,32.58 mg/kg,92.35mg/kg和29.30 mg/kg。除Zn以外,该结果与相关文献提及的全国土壤重金属含量平均水平保持一致。对比土壤环境背景值,除Cd、Hg以外其余6种重金属元素在长三角农田土壤中均未有明显的积累趋势。(2)研究分析了长三角农田土壤重金属时空分布特征。采用潜在生态风险指数法评估长三角各地区污染风险等级,结果表明,长三角整体区域土壤重金属潜在生态风险等级为中等,风险主要来自Cd、Hg元素。部分地区土壤重金属表现出较高重金属潜在生态风险,可能与矿业开采等活动相关。对长三角农田土壤重金属含量进行时间趋势分析,结果表明,1993-2020年间长三角地区农田土壤中Cd、Hg、As、Pb、Zn和Ni几种重金属元素含量均呈现出下降趋势,不同元素间下降速率有所不同。(3)为更好地实现土壤重金属数据的规范化管理、安全性共享及可视化表达,本研究采用Web GIS开发技术,开发了长三角土壤重金属共享数据库系统。该系统主要包括文献查询、数据查询和地图展示三部分功能模块,以满足操作者文献预览、污染物信息查询、污染分布地图可视化等需求。本研究通过文献分析方法初步得到了长三角地区土壤重金属分布整体情况及时空分布特征,并采用数据库系统技术进行土壤重金属数据信息化管理,以期为长三角土壤重金属污染防治决策提供有效数据参考与技术支撑。
傅婷婷[6](2021)在《区域土壤和水稻镉含量相关分析与估测研究》文中进行了进一步梳理土壤作为地球上生命赖以生存的重要基础,不仅支撑着人类农业生产,还是陆地生物所需营养物质的主要来源。然而,随着工业化、城市化的进程不断加快,工业“三废”的大量排放以及化学农药和污水污泥的过度使用,重金属污染物通过大气沉降、污水灌溉、垃圾填埋等多种途径进入土壤和水稻,不可避免地导致土壤重金属污染问题和水稻重金属超标问题愈发严重,影响农产品质量安全,进而威胁人体健康。因此,研究土壤-农产品系统中的重金属污染现状对于保障土壤环境质量和农作物生产安全具有重要的意义。历史土壤污染状况调查结果表明,我国环境污染问题中最为突出的重金属元素为镉(Cadmium,Cd),因此,本研究采用统计分析、相关性分析结合空间分析与机器学习等方法,在三个不同研究区,探究环境因素(如成土母质、土壤类型、土壤p H、地形等)对作物富集镉元素的影响,并进行稻米中Cd含量的估测。主要研究内容和结论如下:(1)土壤-水稻系统重金属含量统计分析与相关性研究针对土壤-水稻系统中不同形态的土壤Cd含量、水稻Cd含量开展统计分析,结果表明,A区、B区、C区的土壤Cd全量的平均含量分别为1.50 mg/kg、0.49 mg/kg、0.68 mg/kg,土壤有效态Cd含量的平均含量为0.26 mg/kg、0.07 mg/kg、0.18 mg/kg,水稻Cd的平均含量分别为0.83 mg/kg、0.22 mg/kg、0.25 mg/kg,且三个研究区都存在极端高值。此外,本研究对重金属含量数据开展了相关性分析,土壤Cd全量-土壤有效态Cd、土壤Cd全量-水稻Cd、土壤有效态Cd-水稻Cd三对变量均表现出强相关性,且土壤有效态Cd与水稻Cd之间的相关性较土壤Cd全量更强,与多数文献研究结论一致。通过开展偏相关分析、比较偏相关系数发现,不同研究区的土壤Cd全量、土壤有效态Cd、水稻Cd三个变量两两之间的相关性存在差异,主要受区域内土壤特性的影响,其中土壤p H对水稻Cd与土壤Cd的相关性表现出最强的影响作用。(2)水稻镉含量主控因子分析本研究通过引入定性和定量辅助变量,构建多元评价指标体系,对环境变量进行拟合建模,结果表明该多元非线性回归方程的整体拟合效果较好。在多元评价指标体系的基础上,对具有多重共线性的环境辅助变量开展非线性主成分分析,得到降维后的四个主成分因子,并将其逐个引入到回归方程中,筛选出不同研究区影响水稻Cd含量的主控因子。结果显示,分区域的主控因子一定程度上反映了区域特浙江大学硕士学位论文摘要征,区域内空间分异性较大的几个环境变量通过主成分变换后的主成分因子都对应地被选为主控因子,如研究区A的土壤类型和母质特性、研究区B的区域环境特性等,表明不同研究区内环境因子的差异,会影响区域内水稻Cd含量的分布。针对影响因子之间存在的交互作用,本研究进一步开展了因子交互探测分析,可知土壤p H与多个因子交互后呈现显着的非线性增强作用,侧面印证了土壤p H在土壤-水稻系统中的重要作用。(3)水稻镉含量估测模型探究现有的水稻Cd含量估测模型多为经验模型和机理模型,在实际应用中常存在预测精度较低、普适性不佳等局限性。本文研究从因子的交互作用、空间非平稳性和数据的复杂非线性关系入手,引入神经网络模型,将因子之间的交互作用纳入考虑,开展含量预测研究,对比分析模型的差异性及适用性;引入空间回归模型,从环境因子的空间异质性角度探究水稻Cd的定量估测与区域环境的关系,开展水稻Cd空间制图研究。考虑模型对数据的非线性映射能力,本研究对比了反向传播神经网络、卷积神经网络以及反向神经网络-遗传算法模型(Backpropagation Neural Network-Genetic Algorithm,BP-GA),结果表明,BP-GA对水稻Cd含量的预测效果最佳,训练模型对验证样本拟合后的R2达到0.963,证明预测值与真实值之间的相关性极强。考虑环境变量的空间异质性,本研究利用地理加权回归模型(Geographically Weighted Regression,GWR)开展空间回归分析,实现水稻Cd含量的预测制图。结果可知,GWR作为一种预测性的制图方法,在土壤属性分析和环境数据制图方面具有独特的优势,为水稻Cd含量的估测提供了新的思路。本研究旨在提供一种思路,即通过土壤Cd含量及土壤-水稻系统相关环境变量,确定可能存在水稻超标风险的潜在区域,为把控农产品质量安全提供依据。
王翠秀[7](2021)在《莱州湾南岸土壤重金属空间分布及来源解析》文中提出土壤是与人类关系最密切的自然要素之一,是人类社会可持续发展的重要依赖。世界各国经济快速发展,工业化和城市化水平得到大幅提高,但所付出的环境代价也不容小觑。土壤作为地理环境的重要组成部分,伴随经济发展带来的污染问题越来越严重,其中土壤中重金属的富集问题尤为突出。土壤中的重金属具有难降解,易随着生态链进入人体的特征,对人体健康产生极大的危害。评价一个地区土壤中重金属的含量,成为了衡量一个地区环境质量的指标之一。研究土壤中重金属的污染状况、空间分布特征、污染源识别对科学管理、安全利用土壤资源具有重要意义。本文以工农业发展水平较高的山东省莱州湾南岸为研究区,一共采取了110个混合土壤,测定土壤表层(0-20cm)重金属铬(Cr)、镍(Ni)、钴(Co)、铅(Pb)、锌(Zn)、铜(Cu)、锰(Mn)和汞(Hg)含量以及有机质(SOM)、p H值和Fe2O3。利用描述性统计分析和山东省土壤重金属背景值做对比,加上富集系数法、地累积指数法共同来探讨土壤重金属的污染现状;并结合Arc GIS、半变异函数研究莱州湾南岸土壤重金属的空间分异状况;利用相关系数法判断重金属之间同源的可能性,采用主成分分析(PCA)模型揭示重金属的可能来源,绝对主成分得分-多元线性回归(APCS-MLR)和正定矩阵因子分解法(PMF)两个受体模型定量解析各来源对土壤重金属富集的贡献,并探讨了三种模型在重金属来源识别实际操作中的优缺点;最后评估了研究区潜在生态风险程度。主要研究结果如下:(1)莱州湾南岸土壤重金属存在不同程度的富集和污染。研究区7种重金属元素,均存在超过山东省土壤背景值的现象,Cr、Cu、Hg、Zn和Ni的平均含量高于山东省土壤背景值,说明在不同的空间位置上存在一定程度的富集现象。Cu、Hg、Ni和Zn的最大值高于国家二级标准,存在土壤重金属污染现象。从各采样点重金属的变异系数来看,Cu、Hg和Zn的变异系数均超过80%,属于高度变异,说明这三类重金属在该研究区内的空间上变化程度较大、连续性差,可能受到强烈的人类活动影响而产生了空间上的富集。基于富集系数的研究表明,从均值数据分析Cu、Pb、Zn、Co、Ni、Cr元素总体保持自然本底水平,Cu、Hg存在显着富集样点,受到强烈的人为活动的影响。(2)从7类重金属的整体空间分布来看,在东北地区普遍较低,而东南地区出现高值,主要是因为东北地区的土壤母质为海洋沉积物,而东南地区是河流沉积物,通常来说河流的冲积沉积物明显高于海洋沉积物;此外,在研究区的东南区域为昌邑市,该市布局了众多石化、机械、电力等大型工业园,所以可以推断东南部土壤重金属的富集与工业分布状况有密切的关系。(3)对土壤重金属的来源识别分析中,通过对土壤重金属各元素之间的相关分析,发现Cr和Co之间相关系数最高(0.860),有显着的相关性,具备较高同源的可能。Cu与Pb之间的的相关系数(0.858)较高,具备较强的同源性。在相关性分析中,研究了p H、有机质与7类重金属的相关性。结果表明有机质与重金属之间均存在明显的正相关,进一步表明了有机质对土壤重金属的吸附作用。而p H与重金属Cu、Cr和Hg之间为较为明显的负相关关系,与重金属Zn、Pb、Ni和Co之间存在不明显的负相关关系,说明碱性土壤环境可以降低土壤中重金属的有效态含量。在满足分析要求的前提下,主成分分析(PCA)绝对主成分分析-多元线性回归(APCS-MLR)与正定矩阵因子分解(PMF)模型均将研究区重金属污染来源划分为四类,分别解释为与自然和人为因素相关的农业活动、土壤母质、工业活动和交通活动来源。Co、Ni和Cr主要受到成土母质的影响,Hg主要受到以燃煤为主的工业活动影响,Cu、Zn和Pb这三类元素主要来源于交通活动和农业活动。(4)对比三个土壤重金属来源识别模型,PMF与APCS-MLR受体模型方法的源解析结果相互印证,两类受体模型可以对重金属的来源进行定量化解析,这是较为优于PCA模型的一点。对于Pb元素的来源识别,三个模型的结果均表明Pb元素受到农业和交通的复合污染的影响;在PCA和APCS-MLR模型中Pb元素元素受农业活动影响大,交通活动的影响较小;但在PMF模型中Pb元素受交通活动影响大,农业活动影响小,结合前人研究结果分析PMF的来源识别更为准确。表明对于污染来源复杂的地区,PMF模型在贡献率计算中更具优势。(5)研究区潜在生态评价表明:Co、Cr、Ni、Zn和Pb的单因子潜在生态危害程度低,不存在高危害样本点;Hg的单因子潜在生态风险危害程度最高,在低、中、较重、重、严重危害程度范围内均有样点的存在。莱州湾南岸采集的110个土壤样品的总潜在风险系数RI值分析表明,90.8%的样点处于轻微污染的危害程度,7.27%的样点属于中等危害程度,各有0.9%的样点属于重度危害程度;110个样点重金属的潜在生态总风险RI的平均值为101.3,莱州湾南岸总体上处于轻微污染的危害程度水平,存在潜在严重危害程度的样点,在今后污染治理中需要多关注此类样点。
高楠[8](2021)在《青岛市重金属污染海岸线景观生态修复植物配置设计模式研究》文中提出本研究以青岛市滨海岸线重金属污染情况为出发点,通过对青岛市滨海岸线土壤重金属成分及含量的测定,利用内梅罗指数法、潜在生态风险指数法、地累积指数法对青岛市滨海岸线土壤重金属污染情况进行评价分析发现,青岛市滨海岸线土壤污染情况较为严重、存在较大的生态风险,分析可知导致这种污染程度最主要的重金属为Cd,因此对含有重金属Cd的样地进行再调研,对样地内的植物进行野外调查统计,分析对比总结归纳青岛市滨海岸线土壤重金属Cd污染浓度特征和典型自然植物群落多样性格局;通过对土壤重金属Cd含量和土壤盐碱的量化测定实验,分析研究区的土壤的盐碱特征、重金属Cd含量对植物群落类型分布的影响,初步确定青岛市滨海岸线的重金属Cd含量对群落类型分布的影响极其显着;通过对研究区自然植物群落研究,研究分析不同浓度重金属Cd污染水平下的芦苇(Phragmites australis)、盐地碱蓬(Suaeda salsa)、狗尾草(Setaria viridis)3种典型自然植物群落的群落结构特征,不同重金属Cd污染程度下植群落的生长情况存在显着不同,以便筛选出适合青岛市重金属Cd污染岸线土壤环境的重金属耐受性植物及潜在的能够修复重金属Cd污染土壤的植物,最终总结筛选出适合青岛市重金属Cd污染岸线土壤的自然植物群落模式,最终进行生态景观植物修复。以期为重金属Cd污染滨海岸线土壤的生态修复的提供一定的理论指导及依据:(1)通过内梅罗指数法、潜在生态风险指数法、地累积指数法可以得出青岛市滨海岸线土壤存在较大的生态风险、污染情况较为严重,而导致这种情况最首要的重金属为Cd。(2)对青岛市滨海岸线重金属污染47个样地进行自然植物群落的调查与统计,统计样地内各种植物的名称、高度、株数等,共记录了82种植物,隶属于27科66属,其中的菊科和禾本科植物在调研场地中占有较明显优势。(3)三种典型自然植物群落在植物物种多样性指标分析中显示:香农多样性指数最大的为芦苇群落(1.809),与盐地碱蓬群落、狗尾草群落差异不显着(P>0.05);丰富度指数最大的为狗尾草群落(1.008),与芦苇群落、狗尾草群落差异不显着(P>0.05);均匀度指数芦苇群落>盐地碱蓬群落>狗尾草群落,分别为0.918、0.911、0.880,三个群落之间的差异不显着(P>0.05);辛普森多样性指数中最高的为狗尾草群落,盐地碱蓬群落次之,芦苇群落最低,分别是0.811、0.775、0.769,三个群落之间的差异同样不显着(P>0.05)。(4)根据数据分析显示,青岛市滨海岸线重金属Cd污染地区全盐量平均值为0.180%,pH平均值为7.528,平均重金属Cd含量为16.004mg/kg。根据差异性检验结果,在全盐量控制在平均值0.180%(±5%)和pH分别控制在平均值7.528(±5%)范围内时,重金属Cd含量为影响该条件下植物群落类型的主要因素(P<0.01)。(5)在保证选取样地的全盐量和pH值均在平均水平时,通过其多样性指数的变化判断本研究中3种典型自然植物群落对场地重金属Cd均体现出一定的耐受性,其对不同污染程度的耐受情况根据植物群落多样性指标衡量,在重金属Cd浓度较低时,参考重金属Cd含量为6.89≤Cd<15.2mg/kg时,其植物群落各指标表现为狗尾草群落>芦苇群落>盐地碱蓬群落;而随着重金属Cd含量的增加,测量值范围参考为15.2≤Cd<25.4mg/kg时,盐地碱蓬群落的优势性逐渐体现,此时植物群落各指标表现为盐地碱蓬群落>芦苇群落>狗尾草群落;当测量值范围参考为25.4≤Cd<46.5mg/kg时,在测量的所有植物群落中仅剩芦苇群落,芦苇群落表现出绝对的优势。由此可见,芦苇群落无论在轻度还是重度重金属Cd污染中,其都可以表现出较好的重金属Cd耐受性,盐地碱蓬群落和狗尾草群落则分别在中间区域Ⅲ、Ⅱ级重金属Cd污染土壤环境中表现出优势,更适于此类环境生长。(6)通过对青岛市重金属Cd污染滨海岸线研究区的自然植物调查研究和植物群落多样性指标的归纳分析,参照植物配置设计原则,根据物种优势度和草本重要值等,筛选出适应不同重金属Cd污染等级的植物物种共15种。结合不同重金属Cd污染等级环境对其进行景观生态植物配置设计模式的研究,共对四种不同重金属Cd污染等级的环境设计四类5种植物配置模式。
孙雪菲[9](2021)在《山东省典型工业城市土壤和灰尘重金属来源解析及健康风险评估》文中研究表明土壤和灰尘是城市环境重要的源和汇,汇集了多种来源的污染物质,并通过人与环境的交互作用对人体健康造成威胁。工业城市受人类活动影响最为强烈,强烈的工业活动以多种形式向环境中排放污染物,导致城市经济发展与人类健康生活之间的矛盾日益尖锐。在污染物中,重金属因其具有累积毒性受到广泛关注,其含量变化已成为表征环境质量的重要指示。当前有关工业城市土壤和灰尘中重金属污染的研究已成为环境地理学研究的热点问题,在工业城市开展重金属环境地球化学研究可为区域环境污染风险管控提供依据。淄博市是山东省典型工业城市,依托当地丰富矿产资源发展已逾百年;工业发展带来的经济发展与环境保护之间的矛盾日渐突出,经济发展面临环境压力。本研究选取淄博市主城区——张店区作为研究区,对2010年与2020年土壤和灰尘开展重金属含量年际变化、空间分布、污染状况、来源和健康风险开展系统研究,以期为研究区环境保护提供参考。研究结果如下:1)研究区土壤中重金属元素含量平均值大小顺序为:Mn>Zn>Cr>Pb>Ni>Cu>Co>As>Cd>Hg,灰尘中各元素平均含量大小排序为:Zn>Mn>Cu>Cr>Pb>Ni>Co>As>Cd>Hg。As、Cd、Co、Cr、Cu、Hg、Mn、Ni、Pb和Zn平均含量均超过山东省土壤环境背景值,特别是Cd、Hg和Zn含量远高于山东省土壤环境背景值,存在明显富集。灰尘重金属含量显着高于土壤重金属,灰尘中Cd、Cu、Hg和Zn等元素含量为土壤含量的2倍以上。相比于2010年,2020年土壤重金属含量呈上升趋势,而灰尘重金属含量有所下降。2)基于MAF和SGS的多元地统计模拟结果显示,土壤中As、Cd和Mn的高值区主要分布在研究区的东部,Co、Cr和Ni集中分布在四宝山街道,Cu、Hg、Pb和Zn的高值区集中分布在研究区中部;灰尘中Co、Cr、Ni和Zn在研究区东北部含量较高,As、Cr、Mn和Ni在研究区中部含量相对较高,Cu和Hg在研究区中部含量相对较低。2010年土壤重金属Cd、Hg和Pb潜在污染区域占研究区总面积的30.68%、82.63%和8.74%。2020年以Cd、Hg和Zn的潜在污染区域面积更高。Cd的潜在污染区域面积增加140 km2,Hg的面积减少170 km2。2010年灰尘中Cd、Cu、Hg和Zn的潜在污染区域覆盖整个区域,为156.25 km2。2020年Cr、Ni和Pb的污染区域则占36.24%、11.89%和2.41%,集中分布在研究区中部。Cr和Ni的潜在污染区域扩大,As和Pb潜在污染区域缩小。总体来看,研究区中部科苑街道、和平街道、公园街道和体育场街道重金属含量相对更高。研究区中部重金属含量较高主要是人口密度大,人为干扰较为强烈;东部含量降低,主要受工厂搬离,污染源减少的影响。3)重金属污染评价结果显示,研究区土壤和灰尘中As、Co、Cr、Mn和Ni等元素均处于无污染状态,Cu、Pb和Zn处于轻度-中等程度污染,Cd和Hg污染程度最高。研究区10种重金属元素存在不同程度累积,受人类活动影响较大。内梅罗指数和潜在生态风险评价的空间分布结果具有一致性,土壤重金属在研究区中部街道和南部傅家镇污染程度更高,北部房镇镇和四宝山街道西部污染程度相对较低;灰尘2020年由研究区东部地区高污染转变为西部高污染。重金属在土壤中易累积,灰尘更新较快,重金属含量变化较大,且受城市环境治理影响,重金属含量降低。4)PMF(Positive Matrix Factorization)解析结果显示,研究区土壤重金属受4种来源影响,灰尘重金属主要受3种来源影响。自然来源对土壤中As、Co、Cr、Cu、Mn、Ni、Pb和Zn具有较高的贡献率,平均贡献率为64.41%;交通排放对Cd、Cu、Pb和Zn的贡献率为18.51%;煤炭燃烧为主的大气沉降来源则对Hg贡献率显着高于其他元素,约占2.57%;化肥和农药施用为主的农业活动来源对Co、Cr、Cu、Mn和Ni影响较大,贡献率为14.51%。灰尘重金属主要受自然来源、大气沉降及交通和农业复合来源影响,自然来源对As、Co、Cr、Mn、Ni和Pb的贡献率为45.09%;大气沉降对Hg的贡献率为11.80%,交通排放和农业活动的复合来源对Cd、Cu、Pb和Zn等元素影响更大。土壤重金属受成土母质影响更为强烈,贡献率约为64.41%,人为活动的影响仅占35.59%;灰尘中人为活动影响相对更高,2020年灰尘重金属受人为来源贡献率达62.08%。5)健康风险评价结果表明,土壤和灰尘重金属的非癌症风险和癌症风险均超过风险警戒值,灰尘重金属对人体造成的健康风险显着高于土壤。2020年土壤健康风险高于2010年,2020年灰尘健康风险低于2010年。摄食是健康风险的主要暴露途径,呼吸摄入和皮肤接触相对较低。As、Cr、Mn、Ni和Pb均造成了较高的非癌症风险,Cu、Ni、Cd、Zn和Hg造成的风险相对较小,As、Cr和Ni的癌症风险高于Pb和Cd。受年龄、身体素质及户外活动时间影响,男性健康风险普遍高于女性;0-18岁年龄段受到的健康风险显着高于其他年龄阶段,并且随年龄增加,健康风险值呈下降趋势。
张健琳[10](2021)在《基于Meta分析的西南矿区土壤重金属污染特征及风险评价》文中进行了进一步梳理矿山开采是土壤重金属的最重要污染源之一。为了从大尺度上认识矿山开采对土壤重金属的影响,本研究通过搜集我国矿产资源丰富的西南地区(云南省、四川省、贵州省、重庆市和西藏自治区)有关矿山开采对土壤重金属(As、Cd、Cr、Cu、Hg、Ni、Pb和Zn)影响的文献数据,运用Meta分析方法量化了不同情景模式(即不同子区域、矿种、土地利用类型和距离)下矿山开采对周边土壤重金属的影响,利用失安全系数与漏斗图检验了研究数据的发表性偏倚,利用地累积指数法对其污染特征进行评价,最后通过潜在生态风险评价法和健康风险评价法对土壤重金属暴露产生的生态及健康风险进行评价。(1)所调查到的矿区土壤重金属中,除Cr和Ni外,其它重金属含量平均值均超过对应农用地《土壤环境质量标准》(GB15618-2018)的风险筛选值。土壤Cd的超标率最高,其含量平均值超标倍数为16.22;其次超标率较高的为土壤As和Pb,超标倍数分别为8.20和4.31;土壤Cr和Ni的超标率较少。总体来看,西南矿区周围土壤重金属的含量较高。(2)西南地区矿山开采显着增加了土壤中重金属的含量(p<0.05),其含量整体增加了322.07%。除土壤Cr受其影响不显着外,其它重金属均受到不同程度的影响,其平均效应值(ES+)(总体影响程度)由高到低顺序为Cd(2.53)>Hg(2.11)>Pb(1.90)>Zn(1.56)>As(1.11)>Cu(0.87)>Ni(0.35),与背景值相比,其含量分别增加了1155.35%、724.82%、568.59%、375.88%、203.44%、138.69%和41.91%。四川和云南矿山开采对土壤Cd(ES+四川=3.78;ES+云南=3.21)、Pb(ES+四川=2.96;ES+云南=2.33)和Zn(ES+四川=2.27;ES+云南=1.75)的影响程度较高,贵州矿山开采对土壤Hg(ES+=2.49)影响程度最高。矿山开采对耕地土壤的影响高于林地土壤,其中耕地土壤中的Cd、Hg和Pb受其影响最高。不同类型矿山开采对土壤重金属影响程度不同,有色金属矿开采的贡献高于黑色金属矿和煤矿。铅锌矿和锡矿开采显着增加了土壤Cd(ES+铅锌矿=3.62;ES+锡矿=3.01)、Pb(ES+铅锌矿=2.62;ES+锡矿=2.18)和Zn(ES+铅锌矿=2.35;ES+锡矿=1.35)的含量,效应值高于其它重金属;煤矿的开采显着增加了土壤中Hg(1.66)、As(1.31)、Cu(1.05)和Ni(0.53)的含量,效应值高于其它重金属。土壤重金属效应值随着与矿区距离的增加而逐渐降低,受其影响越小。土壤Pb和Zn受一定的发表性偏倚的影响(p<0.05)。(3)地累积指数评价结果显示8种重金属平均地累积指数(Igeo)由高到低顺序为Cd>Hg>Pb>Zn>As>Cu>Ni>Cr;矿山开采导致的土壤中各重金属污染程度不同,土壤Cd处于强污染,Hg和Pb为中度到强污染,Zn和As处于中度污染,Cu为轻度污染,而Ni和Cr则为无污染;土壤Cd和Pb污染较重的区域主要分布在四川和云南,而土壤Hg污染较重的区域主要在贵州。(4)潜在生态风险指数评价结果显示8种重金属平均生态风险指数(Ei)由高到低顺序为Cd/Hg>Pb/As>Cu/Zn/Ni/Cr;土壤重金属Cd和Hg处于极强生态风险(Ei>320),风险程度高于其它重金属;土壤重金属综合生态风险处于极高生态风险(RI>1200),极高生态风险占比为39.72%,其中Cd和Hg为主要生态风险贡献因子。(5)健康风险评价结果显示手-口摄入途径是土壤重金属暴露的主要途径,非致癌风险中以儿童日均摄入量最高,致癌风险中以成年女性日均摄入量最高;土壤As和Pb的暴露对儿童产生了非致癌风险(HQ>1),风险值分别为3.74和1.44;土壤As、Cd、Cr和Ni的致癌风险值均高于10-6,存在人体承受范围内的致癌风险;儿童受到了综合非致癌风险的危害(HI=3.83),三类受体人群均受到综合致癌风险的影响,综合致癌风险值分别为1.19×10-4、1.21×10-4和1.06×10-4。总之,相对于以往单个和少数几个矿区土壤重金属的研究,本研究系统化、定量化的结果可为西南矿区土壤污染防控及土壤环境质量保护提供更多有效的决策支持。
二、地统计学在土壤重金属研究中的应用及展望(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、地统计学在土壤重金属研究中的应用及展望(论文提纲范文)
(1)基于XRF的土壤重金属定量分析方法研究及应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 土壤重金属XRF分析技术 |
1.2.2 本底扣除方法研究现状 |
1.2.3 重叠峰解析方法研究现状 |
1.2.4 水分影响及修正方法研究现状 |
1.3 XRF重金属检测主要问题 |
1.4 论文研究内容与技术路线 |
1.5 论文主要工作 |
1.6 本章小结 |
2 XRF分析原理及分析方法 |
2.1 X射线与物质相互作用 |
2.1.1 光电效应 |
2.1.2 康普顿散射 |
2.1.3 X射线的吸收 |
2.1.4 瑞利散射 |
2.2 X射线荧光定量分析原理 |
2.3 定量分析方法 |
2.4 分析结果评价 |
3 基于非对称加权惩罚最小二乘的光谱本底扣除法 |
3.1 本底的来源及特性 |
3.2 非对称加权惩罚最小二乘本底扣除方法 |
3.2.1 方法提出的基础 |
3.2.2 arPLS算法原理及本底扣除过程 |
3.3 本底扣除方法的效果评价 |
3.3.1 含高斯本底的模拟光谱扣除效果评价 |
3.3.2 本底已知的理论谱线本底扣除效果评价 |
3.4 本章小结 |
4 基于高斯混合模型-混沌粒子群算法的重叠峰解析方法 |
4.1 常用的重叠峰解析方法 |
4.2 重叠峰的数学描述 |
4.3 基于X荧光壳层理论和高斯混合模型-混沌粒子群算法的解析方法 |
4.3.1 X荧光壳层理论 |
4.3.2 高斯混合模型-混沌粒子群算法 |
4.3.3 解析方法流程 |
4.4 方法验证与讨论 |
4.4.1 Ni、Cu、Zn特征X射线荧光的重叠谱解析 |
4.4.2 As、Pb、Hg特征X射线荧光的重叠谱解析 |
4.4.3 实际样品的重叠峰解析 |
4.5 本章小结 |
5 图形用户界面设计及方法性能评价 |
5.1 图形用户界面设计 |
5.2 界面布局及功能介绍 |
5.2.1 数据导入模块 |
5.2.2 本底扣除模块 |
5.2.3 重叠峰解析模块 |
5.3 准确度和精密度评价 |
5.3.1 实验样品及系统 |
5.3.2 数据分析与评价指标 |
5.3.3 结果与讨论 |
5.4 检出限评价 |
5.4.1 样品制备及实验 |
5.4.2 数据处理 |
5.4.3 管电压对检出限的影响 |
5.4.4 管电流对检出限的影响 |
5.4.5 本底扣除效果评价 |
5.5 本章小结 |
6 水分对便携XRF的影响机制及修正方法 |
6.1 土壤水分的影响 |
6.1.1 水分效应 |
6.1.2 水分的影响 |
6.1.3 常用的修正方法 |
6.2 特征射线强度变化的理论推导 |
6.3 物理模型验证 |
6.3.1 实验仪器和实验样品制备 |
6.3.2 光谱本底与含水率的变化关系 |
6.3.3 散射峰与含水率的变化关系 |
6.3.4 目标元素特征峰与含水率的变化关系 |
6.4 水分影响的修正方法 |
6.5 本章小结 |
7 XRF/NIR光谱联用及土壤重金属分析的应用 |
7.1 XRF/NIR光谱联用方法 |
7.1.1 近红外光谱介绍 |
7.1.2 XRF/NIR光谱联用理论背景 |
7.2 土壤样品的采集与处理 |
7.3 土壤样品的化学分析和光谱测量 |
7.4 光谱预处理方法 |
7.5 Cd、Hg定量模型 |
7.5.1 预处理方法对比 |
7.5.2 数据融合模型 |
7.6 本章小结 |
8 结论与展望 |
8.1 研究结论 |
8.2 特色及创新点 |
8.3 未来工作展望 |
致谢 |
攻读博士期间科研成果 |
参考文献 |
附录 |
附录A 表1 土壤环境质量标准(mg/kg) |
附录B 部分arPLS算法(Matlab R2020a) |
附录C 部分混沌粒子群算法 |
(2)区域尺度典型工业聚集区土壤重金属源解析(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 土壤重金属污染概述 |
1.2.2 土壤重金属评价研究进展 |
1.2.3 土壤重金属空间分异研究进展 |
1.2.4 土壤重金属源解析研究进展 |
1.3 研究目标、内容与技术路线 |
1.3.1 研究目标 |
1.3.2 研究内容与技术路线 |
第2章 研究区域及数据获取 |
2.1 研究区概况 |
2.2 研究数据来源 |
2.3 自然环境数据 |
2.3.1 土壤类型 |
2.3.2 海拔 |
2.3.3 酸碱度 |
2.3.4 有机质 |
2.4 社会经济数据 |
2.4.1 工业企业 |
2.4.2 土地利用类型 |
2.4.3 河流距离 |
2.4.4 交通因素 |
2.4.5 农药和化肥施用 |
第3章 土壤重金属污染特征 |
3.1 土壤重金属含量分析 |
3.2 土壤重金属相关性分析 |
3.3 土壤重金属污染评价 |
3.4 土壤重金属空间分异 |
3.4.1 半方差函数 |
3.4.2 趋势面分析 |
3.4.3 土壤重金属空间分布 |
3.5 本章小结 |
第4章 土壤重金属源解析 |
4.1 基于PMF模型的污染源定量解析 |
4.1.1 原理及方法 |
4.1.2 分析结果 |
4.2 基于地理探测器的污染源定性识别 |
4.2.1 原理及方法 |
4.2.2 分析结果 |
4.3 基于空间自相关理论的重点污染区域识别 |
4.3.1 原理及方法 |
4.3.2 分析结果 |
4.4 基于分区处理的土壤重金属源解析 |
4.4.1 原理及方法 |
4.4.2 分析结果 |
4.5 本章小结 |
第5章 土壤重金属风险评估 |
5.1 原理及方法 |
5.2 分析结果 |
5.3 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
附录一:作者简历及攻读学位期间发表的学术论文与研究成果 |
(3)基于地统计学方法的土壤重金属污染物空间分布及扩散特征研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究进展 |
1.2.1 土壤重金属空间分布研究 |
1.2.2 土壤重金属来源 |
1.2.3 土壤重金属风险 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第2章 区域概况 |
2.1 研究区概况 |
2.1.1 地形与地貌 |
2.1.2 气候与水文 |
2.1.3 地质概况 |
2.1.4 企业历史与厂区现状 |
2.2 样品采集及处理 |
2.2.1 布点与采样 |
2.2.2 样品的处理 |
2.2.3 样品的测试 |
第3章 土壤重金属空间分布特征 |
3.1 地统计学理论 |
3.1.1 区域化变量理论 |
3.1.2 半方差函数及常见模型 |
3.1.3 协方差函数 |
3.1.4 克里金插值法 |
3.2 土壤重金属含量及统计特征研究 |
3.2.1 数据预处理 |
3.2.2 数据正态检验 |
3.2.3 重金属含量统计分析 |
3.3 土壤重金属三维空间结构特征研究 |
3.3.1 重金属的空间变异性特征 |
3.3.2 半方差函数拟合结果 |
3.3.3 空间变异性特征分析 |
3.4 土壤重金属三维空间分布 |
3.4.1 研究区地质建模 |
3.4.2 土壤重金属三维空间分布 |
3.5 本章小结 |
第4章 土壤重金属来源分析及污染评价 |
4.1 土壤重金属来源分析 |
4.1.1 相关性分析 |
4.1.2 主成分分析 |
4.2 土壤重金属污染评价 |
4.2.1 污染评价方法概述 |
4.2.2 单项污染评价结果 |
4.2.3 综合污染评价结果 |
4.3 本章小结 |
第5章 土壤重金属迁移预测 |
5.1 土体中污染物的迁移形式 |
5.1.1 渗透作用 |
5.1.2 扩散作用 |
5.1.3 机械弥散 |
5.1.4 吸附作用 |
5.2 土壤重金属迁移预测 |
5.2.1 重金属迁移形态分析 |
5.2.2 不同方向重金属含量分布规律 |
5.2.3 土壤重金属迁移规律预测 |
5.3 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读学位期间取得的科研成果 |
致谢 |
(4)基于Kubelka-Munk模型与深度回归网络的高光谱土壤成分反演(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景及选题依据 |
1.2 国内外研究进展 |
1.3 存在的问题 |
1.4 研究内容与论文结构 |
2 研究区域数据与分析方法介绍 |
2.1 伊通满族自治县自然资源与产业情况总览 |
2.2 研究区域与数据简介 |
2.3 数据分析方法 |
2.4 模型方法 |
2.5 本章小结 |
3 基于Kubelka-Munk理论的修正土壤厚度方程有机质反演 |
3.1 基于Kubelka-Munk理论的厚度方程推导 |
3.2 土壤K-M厚度方程实验设计 |
3.3 土壤K-M厚度实验结果与分析 |
3.4 土壤成分与散射系数关系 |
3.5 本章小结 |
4 基于Kubelka-Munk理论消除水分的航空高光谱有机质反演 |
4.1 土壤含水量估算方法选择 |
4.2 混合像元分解方法干湿土壤光谱提取 |
4.3 去除水分影响的光谱校正模型 |
4.4 结果与分析 |
4.5 本章小结 |
5 半监督深度回归模型航空高光谱土壤成分估算 |
5.1 特征波段选择 |
5.2 深度回归网络构建 |
5.3 半监督深度回归网络构建 |
5.4 结果与分析 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(5)基于文献分析的长三角农田土壤重金属时空分布及数据库系统研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 土壤重金属分布调查研究进展 |
1.2.2 Meta分析方法研究进展 |
1.2.3 土壤数据库系统研究进展 |
2 研究区与方法 |
2.1 研究区概况 |
2.2 Meta分析方法 |
2.2.1 Meta分析原理 |
2.2.2 Meta分析模型 |
2.2.3 Meta分析流程 |
2.3 Web GIS开发技术 |
2.3.1 Web GIS概述 |
2.3.2 Arc GIS for Server |
2.3.3 Arc GIS API for Java Script |
2.4 数据库技术 |
2.5 研究内容与技术路线 |
2.5.1 研究目标及内容 |
2.5.2 技术路线 |
3 长三角农田土壤重金属分布整体情况研究 |
3.1 文献数据获取方法 |
3.1.1 文献检索与筛选 |
3.1.2 文献数据提取 |
3.2 文献数据分析关键过程 |
3.2.1 权重因子的确定与计算 |
3.2.2 数据分布检验 |
3.2.3 数据异质性检验 |
3.3 结果与讨论 |
3.3.0 长三角农田土壤重金属亚组分析结果 |
3.3.1 长三角农田土壤重金属含量均值计算结果 |
3.3.2 与其他地区土壤重金属均值比较 |
3.4 本章小结 |
4 长三角农田土壤重金属时空分布特征分析 |
4.1 土壤重金属时空分布特征分析方法 |
4.1.1 土壤重金属空间分布特征分析方法 |
4.1.2 土壤重金属风险评估分析方法 |
4.1.3 土壤重金属时间分布特征分析方法 |
4.2 结果与讨论 |
4.2.1 土壤重金属含量空间分布特征 |
4.2.2 土壤重金属累积生态风险评价 |
4.2.3 土壤重金属分布时间趋势分析 |
4.3 本章小结 |
5 长三角土壤重金属共享数据库系统研究 |
5.1 系统需求分析 |
5.1.1 业务需求 |
5.1.2 功能需求 |
5.1.3 性能需求 |
5.2 系统架构设计 |
5.3 系统功能模块设计 |
5.3.1 系统管理模块 |
5.3.2 文献查询模块 |
5.3.3 数据查询模块 |
5.3.4 地图展示模块 |
5.4 系统数据库设计 |
5.4.1 研究数据获取 |
5.4.2 系统数据库组成 |
5.5 系统实现与应用 |
5.5.1 系统开发及运行环境 |
5.5.2 系统功能实现 |
5.6 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 主要创新点 |
6.3 不足与展望 |
参考文献 |
附件 |
作者简历 |
(6)区域土壤和水稻镉含量相关分析与估测研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 土壤-水稻重金属含量相关性研究 |
1.2.2 土壤-水稻系统水稻镉含量影响因子研究 |
1.2.3 土壤-水稻系统水稻镉含量估测研究 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 材料与方法 |
2.1 研究区概况 |
2.2 样品采集与测试 |
2.3 协变量数据 |
2.3.1 土壤基本性质 |
2.3.2 周边环境变量数据 |
3 土壤-水稻镉含量统计分析与相关性研究 |
3.1 原理与方法 |
3.1.1 土壤-水稻重金属含量基本描述分析 |
3.1.2 土壤-水稻重金属含量相关性分析 |
3.2 结果与讨论 |
3.2.1 土壤-水稻镉含量描述分析结果 |
3.2.2 土壤-水稻镉含量相关性文献统计结果 |
3.2.3 土壤-水稻镉含量相关性分析结果 |
3.3 小结 |
4 水稻镉含量主控因子分析 |
4.1 原理与方法 |
4.1.1 多元评价指标体系 |
4.1.2 非线性主成分分析 |
4.1.3 交互作用探测器 |
4.2 结果与讨论 |
4.2.1 多元评价指标体系构建 |
4.2.2 不同区域主控因子分析 |
4.2.3 交互作用探测结果 |
4.3 小结 |
5 水稻镉含量估测模型探究 |
5.1 原理与方法 |
5.1.1 基于bagging的数据集选择 |
5.1.2 神经网络模型 |
5.1.3 空间回归模型 |
5.2 结果与讨论 |
5.2.1 神经网络模型分析 |
5.2.2 空间回归模型分析 |
5.3 小结 |
6 结论与展望 |
6.1 主要结论 |
6.2 主要创新与特色 |
6.3 不足与展望 |
参考文献 |
作者简历 |
(7)莱州湾南岸土壤重金属空间分布及来源解析(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 土壤重金属研究进展 |
1.2.1 土壤重金属污染的危害 |
1.2.2 土壤重金属的来源 |
1.2.3 土壤重金属污染来源识别方法 |
1.3 研究内容 |
1.4 技术路线 |
2 材料与方法 |
2.1 研究区概况 |
2.1.1 自然地理状况 |
2.1.2 社会经济状况 |
2.2 土壤样品的采集及分析方法 |
2.3 数据处理分析方法 |
2.3.1 土壤重金属统计与污染现状研究方法 |
2.3.2 土壤重金属空间变异分析方法 |
2.3.3 土壤重金属来源识别与定量解析研究方法 |
2.3.4 土壤重金属潜在生态风险评价 |
3 莱州湾南岸土壤重金属含量及空间分布特征 |
3.1 土壤重金属含量现状及富集特征 |
3.1.1 土壤重金属含量描述性统计分析 |
3.1.2 土壤重金属富集系数 |
3.1.3 土壤重金属地累积指数 |
3.2 探索性空间数据分析 |
3.2.1 正态分布检验 |
3.2.2 全局趋势分析 |
3.2.3 土壤重金属空间自相关分析 |
3.3 重金属空间分布特征 |
3.3.1 半变异函数 |
3.3.2 普通克里金插值分析 |
4 土壤重金属的来源识别及定量解析 |
4.1 重金属的来源识别 |
4.1.1 相关性分析 |
4.1.2 主成分分析 |
4.2 土壤重金属来源的定量解析 |
4.2.1 APCS-MLR |
4.2.3 PMF |
4.3 讨论 |
4.3.1 莱州湾南岸土壤重金属来源讨论 |
4.3.2 模型对比分析 |
5 土壤重金属潜在生态风险评价与防治对策 |
5.1 土壤重金属潜在生态风险评价 |
5.2 土壤重金属污染防治对策 |
6 结论与展望 |
6.1 结论 |
6.2 问题与展望 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(8)青岛市重金属污染海岸线景观生态修复植物配置设计模式研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 土壤重金属污染特点 |
1.1.1 土壤重金属污染的来源和危害 |
1.1.2 土壤重金属污染的特点和毒性机理 |
1.1.3 滨海岸线土壤重金属污染国内外研究现状 |
1.1.3.1 国外研究现状 |
1.1.3.2 国内研究现状 |
1.2 土壤重金属污染治理方法 |
1.2.1 物理修复 |
1.2.2 化学修复 |
1.2.3 生物修复 |
1.2.4 联合修复 |
1.3 研究目的及意义 |
1.3.1 研究目的 |
1.3.2 研究意义 |
1.4 研究内容 |
1.5 研究方法 |
1.6 技术路线 |
第2章 青岛市重金属污染海岸线典型自然植物群落调查研究与实验设计 |
2.1 研究区概况 |
2.1.1 青岛市滨海岸线自然地理环境 |
2.1.2 青岛市滨海岸线植被情况 |
2.2 土壤样品采集与植物调查 |
2.2.1 样地的选择 |
2.2.2 样地的设置与取样方法 |
2.3 数据处理与分析 |
2.3.1 多样性指数的选取 |
2.3.2 物种重要值计算 |
2.3.3 数据分析 |
2.4 青岛市滨海岸线土壤重金属成分及含量测定 |
2.4.1 实验材料、仪器 |
2.4.2 实验方法 |
2.5 青岛市滨海岸线土壤盐碱度测定 |
2.5.1 实验材料、仪器 |
2.5.2 实验方法 |
2.6 本章小结 |
第3章 青岛市滨海岸线土壤重金属污染评价分析 |
3.1 土壤重金属污染评价指数 |
3.1.1 内梅罗指数法 |
3.1.2 潜在生态风险指数法 |
3.1.3 地累积指数法 |
3.1.4 三种方法优缺点比较 |
3.2 结果与分析 |
3.2.1 土壤重金属含量统计分析 |
3.2.2 内梅罗指数法 |
3.2.3 生态风险指数评价 |
3.2.4 地累积指数评价法 |
3.3 土壤重金属污染来源分析 |
3.4 致土壤污染程度严重的重金属元素的确定 |
3.5 本章小结 |
第4章 青岛市滨海岸线自然植物群落多样性与重金属Cd相关关系分析 |
4.1 植物多样性特征与典型群落结构 |
4.1.1 典型自然植物群落物种组成 |
4.1.2 典型自然植物群落多样性特征 |
4.1.3 典型自然植物群落结构特征 |
4.2 典型自然植物群落多样性与土壤重金属Cd污染相关关系分析 |
4.2.1 典型自然植物群落土壤盐碱度及重金属含量特征分析 |
4.2.2 青岛市滨海岸线土壤重金属Cd对典型自然耐受植物群落的影响特征分析 |
4.3 本章小结 |
第5章 青岛市重金属Cd污染滨海岸线植物群落配置设计模式 |
5.1 青岛市重金属污染滨海岸线生态景观植物配置原则 |
5.1.1 功能性原则 |
5.1.2 美学性原则 |
5.1.3 生态性原则 |
5.2 青岛市重金属Cd污染滨海岸线景观生态适生修复植物筛选结果 |
5.3 青岛市重金属Cd污染滨海岸线植物群落配置设计 |
5.3.1 植物群落配置设计模式1 |
5.3.2 植物群落配置设计模式2 |
5.3.3 植物群落配置设计模式3 |
5.3.4 植物群落配置设计模式4 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 研究结论 |
6.2 创新点 |
6.3 不足与展望 |
6.3.1 研究不足 |
6.3.2 研究展望 |
参考文献 |
攻读硕士学位期间论文发表及科研情况 |
致谢 |
(9)山东省典型工业城市土壤和灰尘重金属来源解析及健康风险评估(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题依据及研究意义 |
1.2 国内外研究进展 |
1.2.1 重金属空间分布国内外研究进展 |
1.2.2 重金属污染评价国内外研究进展 |
1.2.3 重金属源解析国内外研究进展 |
1.2.4 重金属健康风险国内外研究进展 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 研究区概况及样品采集与分析 |
2.1 研究区概况 |
2.1.1 淄博市概况 |
2.1.2 张店区概况 |
2.1.3 研究区重金属污染现状 |
2.2 样品采集与分析测试 |
2.2.1 样品采集与预处理 |
2.2.2 样品分析测试 |
2.3 数据处理与分析方法 |
2.3.1 经典统计学 |
2.3.2 基于MAF和 SGS的多元地统计模拟 |
2.3.3 重金属污染评价方法 |
2.3.4 重金属源解析方法 |
2.3.5 人体健康风险评价方法 |
第三章 研究区土壤和灰尘中重金属含量与富集状况 |
3.1 土壤和灰尘质地 |
3.2 土壤和灰尘重金属含量 |
3.2.1 土壤重金属含量描述性统计 |
3.2.2 灰尘重金属含量描述性统计 |
3.3 土壤和灰尘重金属含量与其他区域的对比 |
3.3.1 土壤重金属含量与其他区域的对比 |
3.3.2 灰尘重金属含量与其他区域的对比 |
3.4 土壤和灰尘重金属富集系数 |
3.5 本章小结 |
第四章 多元地统计土壤和灰尘重金属空间分布模拟 |
4.1 基于多元地统计的重金属含量空间分布模拟 |
4.1.1 土壤重金属含量空间分布模拟 |
4.1.2 灰尘重金属含量空间分布模拟 |
4.2 基于不确定分析的潜在污染区域划分 |
4.2.1 土壤重金属潜在污染区域划分 |
4.2.2 灰尘重金属潜在污染区域划分 |
4.3 土壤和灰尘重金属空间分布对比 |
4.4 本章小结 |
第五章 研究区土壤和灰尘中重金属污染评价 |
5.1 重金属地累积指数评价 |
5.1.1 土壤重金属地累积指数评价 |
5.1.2 灰尘重金属地累积指数评价 |
5.2 基于单因子和内梅罗指数的重金属污染评价 |
5.2.1 土壤重金属单因子和内梅罗指数污染评价 |
5.2.2 灰尘重金属单因子和内梅罗指数污染评价 |
5.3 土壤和灰尘重金属潜在生态风险评价 |
5.3.1 土壤重金属潜在生态风险评价 |
5.3.2 灰尘重金属潜在生态风险评价 |
5.4 不同污染方法的对比 |
5.5 本章小结 |
第六章 研究区土壤和灰尘中重金属来源解析 |
6.1 土壤重金属来源解析 |
6.2 灰尘重金属来源解析 |
6.3 土壤和灰尘重金属来源对比分析 |
6.4 本章小结 |
第七章 土壤和灰尘中重金属健康风险评估 |
7.1 土壤重金属健康风险评估 |
7.2 灰尘重金属健康风险评估 |
7.3 土壤和灰尘重金属健康风险对比 |
7.4 脆弱人群健康防护 |
7.5 本章小结 |
第八章 结论与讨论 |
8.1 结论 |
8.2 研究不足与展望 |
参考文献 |
攻读硕士期间以第一作者发表的论文 |
攻读硕士期间所获奖励 |
致谢 |
(10)基于Meta分析的西南矿区土壤重金属污染特征及风险评价(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 Meta analysis研究概况 |
第2章 研究区概况、内容与方法 |
2.1 研究区概况 |
2.2 数据来源 |
2.3 研究方法 |
2.3.1 Meta分析 |
2.3.2 分类变量与连续性变量 |
2.3.3 发表性偏倚 |
2.3.4 地累积指数评价 |
2.3.5 潜在生态风险指数评价 |
2.3.6 健康风险评价 |
2.4 研究内容 |
2.4.1 西南地区矿区土壤重金属含量分布及影响分析 |
2.4.2 西南地区矿区土壤重金属污染特征及风险评价 |
2.5 技术路线图 |
第3章 西南地区矿区土壤重金属含量及其影响分析 |
3.1 土壤重金属含量描述性统计及空间分布 |
3.2 西南地区矿山开采对土壤重金属的影响 |
3.3 西南地区不同省份矿山开采对土壤重金属的影响 |
3.4 西南地区不同土地利用类型下矿山开采对土壤重金属的影响 |
3.5 西南地区不同种类矿山开采对土壤重金属的影响 |
3.6 西南地区不同距离矿山开采对土壤重金属的影响 |
3.7 发表性偏倚的检验 |
第4章 西南地区矿区土壤重金属污染特征及风险评价 |
4.1 地累积指数评价 |
4.2 潜在生态风险指数评价 |
4.3 致癌与非致癌风险评价 |
第5章 讨论 |
5.1 西南地区矿山开采对土壤重金属含量的影响 |
5.2 西南地区矿山开采导致的重金属污染及风险影响 |
5.3 调控措施相关的决策支持 |
第6章 结论与展望 |
6.1 主要结论 |
6.2 创新点 |
6.3 不足与展望 |
参考文献 |
附录 |
致谢 |
四、地统计学在土壤重金属研究中的应用及展望(论文参考文献)
- [1]基于XRF的土壤重金属定量分析方法研究及应用[D]. 王清亚. 东华理工大学, 2021(02)
- [2]区域尺度典型工业聚集区土壤重金属源解析[D]. 徐源. 中国环境科学研究院, 2021(02)
- [3]基于地统计学方法的土壤重金属污染物空间分布及扩散特征研究[D]. 李昊. 太原理工大学, 2021(01)
- [4]基于Kubelka-Munk模型与深度回归网络的高光谱土壤成分反演[D]. 欧德品. 中国矿业大学, 2021(02)
- [5]基于文献分析的长三角农田土壤重金属时空分布及数据库系统研究[D]. 佘淑凤. 浙江大学, 2021
- [6]区域土壤和水稻镉含量相关分析与估测研究[D]. 傅婷婷. 浙江大学, 2021
- [7]莱州湾南岸土壤重金属空间分布及来源解析[D]. 王翠秀. 山东师范大学, 2021(12)
- [8]青岛市重金属污染海岸线景观生态修复植物配置设计模式研究[D]. 高楠. 青岛理工大学, 2021(02)
- [9]山东省典型工业城市土壤和灰尘重金属来源解析及健康风险评估[D]. 孙雪菲. 山东师范大学, 2021
- [10]基于Meta分析的西南矿区土壤重金属污染特征及风险评价[D]. 张健琳. 湖北大学, 2021(02)
标签:重金属论文; 土壤重金属污染论文; 土壤环境质量标准论文; 重金属检测论文; 风险评价论文;