丘陵区水稻土Cu污染空间变异的协同克里格分析

摘要：针对丘陵红壤区铜冶炼厂周围水稻土污染区（1.40 km2），在景观尺度上，采用协同克里格方法，研究了影响表层土壤Cu 含量空间分布预测的辅助因子。基于空间自相关性、间距、长轴方位角以及各种预测误差，评价了辅助变量（包括秸秆全Cu 含量StrawCu、籽粒全Cu 含量GrainCu、土壤全Cd 含量Cd、土壤pH、土壤有机质OM、高程H）对表层土壤Cu 含量分布预测精度的影响。结果表明，单辅助变量的协同克里格预测值与实测值相关系数的大小顺序为u/Cd>Cu/H>Cu/StrawCu>Cu/GrainCu>Cu/OM、Cu/pH，而多辅助变量协同克里格预测的相关系数大小顺序为Cu/（Cd, StrawCu）>Cu/（Cd, StrawCu, H）>Cu/（Cd, StrawCu,GrainCu）>Cu/StrawCu,GrainCu）> Cu/（Cd, H）。与土壤全Cu 含量的普通克里格插值精度相比，利用表层土壤全Cd 含量、水稻秸秆全Cu 含量、高程作为辅助变量与水稻土表层全Cu 含量进行协同克里格插值可以显著提高预测精度；但水稻籽粒全Cu 含量作为辅助变量对预测精度影响不显著；而土壤有机质含量和土壤pH 作为辅助变量反而降低了预测精度。在对表层土壤全Cu 含量分布的多辅助变量协同克里格预测中，表层土壤全Cd 含量和水稻秸秆全Cu 含量的影响最大，其次是高程，水稻籽粒全Cu 含量不能提高对表层土壤全Cu 含量分布的预测精度。

    在区域尺度发现和治理受重金属污染的土壤对区域土壤资源利用和环境健康十分重要。在我国东部沿海区和东南丘陵区，由于采矿业和乡镇企业的快速发展导致农田土壤重金属污染不断增加[1]。这一地区水稻土分布面积最广，因此研究水稻土重金属污染的空间变异规律为区域土壤的修复治理提供了重要的理论基础。
    由于受到同样的空间过程或者区域化条件的影响，土壤不同属性在空间分布上往往密切相关，具有协同区域化特征。因此可以利用同一时间两个变量或多个变量的相关性，利用其中易于获取的变量对难于获取的变量进行局部估值，减少采样量，提高空间变异的预测精度[2-5]。地统计学方法中克里格法（Kriging）可以研究土壤重金属的空间变异规律，但需要大量独立的和呈正态分布的数据保证克里格插值精度[6-7]。协同克里格法（Cokriging）利用较易测定、测试费用较低的土壤属性，对难于测定、测试费用较高的土壤性质进行估值，通过辅助变量提高对土壤重金属污染
空间变异分析的精度[8-10]；可以用于在某一监测的区域尺度上，研究土壤重金属污染分布的时间变化[11]；也可以用于在不同的空间尺度上，分析能够影响土壤重金属污染的不同环境因子[12]。
    Cu 元素的来源和迁移过程决定了表层土壤中Cu元素的空间分布。影响表层土壤中Cu 含量空间分布的因素很多，包括自然因素（土壤、地形、水文、小气候条件）和人为因素（土地利用、耕作、灌溉、污染排放）。实验室模拟研究表明土壤性质（pH 和有机质含量等）和水稻吸收影响了土壤中重金属的形态和迁移性[13]，但在区域尺度上不同土壤性质的影响程度不同。研究表明，冶炼厂的矿物原料决定了污染源的组成，从而影响了土壤表层重金属的空间分布[14]；在点源污染区
土壤重金属污染程度与污染源的距离相关[15-16]，土壤pH 的影响程度较土壤有机质高[17]。
    对我国东南低丘区江西省贵溪Cu 冶炼厂污染区的研究表明，污染区土壤具有明显的Cu、Cd 复合污染特征，其中Cu 污染最为严重[15]。本文选取Cu 污染的水稻田作为研究区域，以表层土壤中全Cu 含量作为目标变量，利用协同克里格方法分析土壤、地形和作物等辅助变量对土壤全Cu 含量的空间分布预测精度的影响，提取可以有效估计土壤全Cu 空间分布的辅助变量，为提高区域重金属污染的预测精度提供理论依据。