袁州区土壤硒与重金属含量空间关联及其影响因素分析.pdf

西南农业学报1492Southwest China Journal of Agricultural Sciences引用格式：刘珂，蔡海生，张学玲，何庆港。袁州区土壤硒与重金属含量空间关联及其影响因素分析 J西南农业学报，2 0 2 3，36（7）：149 2 150 3.Liu K,Cai H S,Zhang X L,He Q G.Spatial correlation and influencing factors of soil selenium and heavy metal content in Yuanzhou districtJJ.Southwest China Journal of Agricultural Sciences,2023,36(7):1492-1503.D0I:10.16213/ki.scjas.2023.7.017.2023年36 卷7 期Vol.36No.7袁州区土壤硒与重金属含量空间关联及其影响因素分析刘?珂,蔡海生,张学玲,何庆港（1.江西农业大学/江西省鄱阳湖流域农业资源与生态重点实验室/江西农业大学富硒农业产业发展研究中心，南昌330 0 45）摘要：【目的】探究土壤中Se元素和重金属元素的空间关联及其影响因素。【方法】以袁州区为研究区域，采集16 2 份表层土壤样品，利用地累积指数法对土壤中Cd、H g、A s、Pb、C r 污染程度进行评价，采用双变量莫兰指数分析Se和重金属空间相关性，并基于地理探测器，选择土壤性质、距离、NDVI、地形等10 种因子为自变量，以双变量局部莫兰指数为因变量，探究土壤Se与重金属含量的空间关联及其影响因素。【结果】研究区土壤样品中Se含量的平均值为0.5，整体处于富硒水平。重金属含量平均值与江西省土壤背景值比值从大到小依次为Cd、H g、Cr、Pb、A s，比值分别为4.2 0、1.8 8、1.59、1.2 9、1.16 倍；As、Pb 总体处于无污染状态，Hg、Cr 整体处于轻度污染状态，Cd整体处于中度污染状态，各重金属含量平均值除Cd外均低于土壤污染风险筛选值；Se与5种重金属的空间聚类情况存在显著差异，其中,Se与Cd、H g、C r 3种重金属存在较强的空间相关性；通过因子探测发现，全氮（T N）、速效钾（AK）、p H、有机质（SOM）、距水源距离和距铁路距离对Se元素与重金属元素空间聚类情况的解释力最显著；交互作用探测发现，土壤性质与其他因子交互作用是Se与重金属空间聚类的主导影响因素。【结论】研究结果可为袁州区安全合理利用富硒土壤资源、开展土壤修复、发展富硒农业提供科技支撑。关键词：土壤重金属；硒元素；双变量莫兰指数；地理探测器；袁州区中图分类号：S153.9+3Spatial correlation and influencing factors of soil seleniumand heavy metal content in Yuanzhou districtLIU Ke,CAI Hai-sheng,ZHANG Xue-ling,HE Qing-gang(1.Jiangxi Agricultural University/Key laboratory of Po-yang Lake Watershed Agricultural Resources and Ecology of Jiangxi Province/Seleni-um-Rich Agricultural Industry Development Research Center of Jiangxi Agricultural University,Nanchang 330045,China)Abstract:ObjectiveThe present paper aimed to explore the spatial correlation and influencing factors of Se and heavy metal elements insoil.MethodTaken Yuanzhou district as the research area,162 topsoil samples were collected,and the soil pollution degree of Cd,Hg,AS,Pb and Cr was evaluated by ground accumulation index method,the spatial correlation between Se and heavy metals was analyzed by bi-variate Moran index.Based on the geographic detector,ten factors such as soil property,distance,NDVI and terrain were selected as inde-pendent variables,and bivariate local Moran index was used as dependent variable to explore the spatial correlation and influencing factorsbetween Se and heavy metal content in soil.Result)(i)The average Se content of soil samples in the study area was O.5,and the whole soilsamples were in the selenium rich level.The ratio of the average heavy metal content to the soil background value of Jiangxi province wasCd,Hg,Cr,Pb and As in descending order,and the ratios were 4.20,1.88,1.59,1.29 and 1.16 times,respectively;As and Pb werein a pollution-free state,Hg and Cr were in a mildly polluted state,and Cd was in a moderately polluted state,the average content of allheavy metals except Cd was lower than the screening value of soil pollution risk;(ii)There were significant differences in spatial clustering文献标识码：A文章编号：10 0 1-48 2 9(2 0 2 3)7-149 2-12收稿日期：2 0 2 2-0 9-0 7基金项目：国家自然科学基金项目（316 6 0 140、3156 0 150）；江西省高校人文社科重点研究基地项目（2 0 18-32）；江西省“十四五”富硒农业发展规划项目（2 1SA01）；宜春市袁州区富硒产业发展规划项目（9 1312 0 7 2 47）第一作者：刘珂（2 0 0 0），男，硕士，主要从事土地生态、土地经济研究。E-mail:通讯作者：蔡海生（19 7 2），男，博士，教授，主要从事土地生态、土地经济研究。E-mail:7期between Se and 5 heavy metals,among which Se had strong spatial correlation with Cd,Hg and Cr;(ii)Through factor detection,it wasfound that total nitrogen(TN),available potassium(AK),pH,organic matter(SOM),distance from water source and distance from rail-way had the most significant explanatory power for spatial clustering of Se and heavy metal elements;(iv)Interaction detection showed thatthe interaction between soil properties and other factors was the dominant influencing factor for spatial clustering of Se and heavy metal.Con-clusion)The research results can provide scientific and technological support for safe and reasonable utilization of selenium-rich soil re-sources,soil remediation and selenium-rich agriculture in Yuanzhou district.Key words:Soil heavy metals;Selenium;Bivariate Moran index;Geographic detector;Yuanzhou district【研究意义】硒是人体所必需的微量元素，在抗氧化、抗衰老、防癌和抗癌方面作用显著 1，中国是一个缺硒大国，调查显示，我国约有7 2%的地区缺硒。合理开发利用富硒土壤资源，发展富硒农业产业，既是满足全民补硒需求、推进健康中国建设的重要途径，也是促进富硒资源优势转化为经济发展优势、推动乡村振兴战略的关键举措 2 。然而，随着城镇化、工业化的不断发展，我国经济在稳步发展的同时,土壤重金属污染问题也越来越严重 。重金属在土壤中长期积累会导致土壤肥力下降，降低农作物产量，更严重的是土壤中的重金属会进行迁移转化,并在作物的可食部位积累,从而直接危害人类健康 4。【前人研究进展】土壤硒与重金属的丰缺水平，受到土壤外部因素和内部因素的共同影响 5,土壤的内在因素（pH、SO M、微生物、黏粒等）会影响硒和重金属的富集和迁移 6-8 ,其中土壤pH和SOM对硒和重金属含量分布、迁移、富集有着显著影响 9-10 。随着经济发展，人为活动等外部因素对土壤中硒和重金属含量的影响日益加深，比如,长期使用有机肥会使土壤部分重金属全量和有效态显著提高 1;交通活动会导致大气颗粒物中重金属的浓度升高 12 ；矿产资源开发活动导致矿区周边农田土壤硒与重金属含量增高等 13。目前国内外学者多针对单一元素,通过 GIS、统计学、地统计学、空间自相关分析等方法分析Se或重金属元素的空间分布规律 14-15。对于元素之间的相关性及其影响因素的分析,则主要是采取多元统计，如主成分、回归、聚类等分析方法 16-17 。【本研究切人点】在多元统计分析中,元素之间的关联性及其与影响因素的关系无法在空间上得到体现，且多因素共同作用的情况往往会被忽略,存在一定的局限性。【拟解决的关键问题】以袁州区作为研究对象，将GlobalMoransI、L o c a l M o r a n s I、地统计学等方法结合，利用双变量莫兰指数来分析土壤Se与重金属元素含量的空间聚类特征,探究研究区Se与重金属元素的空间相关性，并运用地理探测器定量分析不同影响因素对研究区土壤硒和重金属含量空间聚类特征的驱动和交互作用，以期为开发和管理富硒土壤资源、开展土壤污染防控治理提供科学依据和指导。刘珂等：袁州区土壤硒与重金属含量空间关联及其影响因素分析1.2样品收集与分析江西农业大学富硒农业产业发展研究中心课题组根据袁州区土地利用以及地形地势情况，利用ArcGIS10.2软件以及梅花形布点法等方法进行土壤样品采集，采样点避开沟渠、陡坡地、田坎等非典型地区,主要集中在农用地土壤。每个采样点取其周围5处表层(0 2 0 cm）土壤充分混合均匀,取1kg样品装人自封袋中，共收集到土壤样品16 2 个。土壤重金属Cr元素采用火焰原子吸收分光光度法测定,As、H g、Pb、Se 采用原子荧光法测定,Cd采用石墨炉原子吸收分光光度法测定，SOM采用重铬酸钾外氧化外加热法测定,样本pH采用pH计测定，TN和AK采用X射线荧光法和电感耦合等离子体光/质谱法测定。基于ArcGIS10.2软件将土壤样品采样点进行空间化，并绘制土壤样品采样点空间分布图(图1)。1.3影响因子指标选取及数据处理结合土壤Se及重金属元素的来源，参考张军等 18 ,Xu等 19 、范薇等 2 0 的研究,并考虑数据获取的难易程度,选取土壤性质（pH、SO M、T N、A K）、地形因子（坡度）、归一化植被覆盖度指数（NDVI)和距离因素（距水源、公路、铁路、工厂的距离）4个方14931材料与方法1.1石研究区概况袁州区位于江西省西部，11354 14437 E，27332 8 0 5N。东临新余，南接吉安，西毗萍乡，西北连湖南腹地，有着“赣西重镇”之称。全区土地总面积2 538 km,2020年末总户籍人口数为116.2 7万人。全区可以划分为山区、平原、丘陵等3种地貌。袁州区主要土壤类型为山地红壤、石灰土和水稻土等,其中山地红壤是研究区内最典型的土壤类型,约占全区土地总面积的40%，广泛分布在山地丘陵地带；石灰土占全区土地总面积30%左右；水稻土约占全区土地总面积的17%，主要分布在海拔较低的冲积平原区。境内水资源丰富，年平均气温18.4,属于亚热带季风性湿润气候，素有“山明水秀，土沃泉甘，其气如春，四时咸宜”之称。区域内交通便利，沪昆铁路、沪瑞高速公路、32 0 国道横贯全区。全区目前拥有工业企业和专业合作社57 家。1494西南农业学报11400E114200EN.0.0.836卷N人N.0.0.8土壤采样点行政边界051020km(1)11400E面的10 个因子作为探究研究区土壤Se与重金属元素空间相关性的影响因子。遥感影像和高程数据（D E M）均来自于地理空间数据云（http：/w w W）。遥感影像经过ENVI软件图像预处理后，经过波段运算得到NDVI数据；坡度数据通过ArcGIS软件对DEM数据进行拼接、裁剪和坡度提取等操作获得；在ArcGIS软件中创建1km1km渔网，作为地理探测分析的基础空间单元,共计划分单元2 6 6 4个。地理探测器对影响因素进行分析时，因变量必须为数值量，自变量必须为类型量，若自变量是数值量，需将其离散化处理为类型量 2 1,因此，本研究采用自然断点法将10 个影响因素分别划为5类。Se与重金属元素空间聚类分布情况利用GeoDa软件进行分析,地理探测分析采用GeoDetec-tor软件完成。1.4研究方法1.4.1双变量莫兰指数莫兰指数是研究变量在同一个分布区内的观测数据之间潜在的相互依赖性的一个重要指标,双变量莫兰指数是对传统莫兰指数的进一步改进 2 2 。传统的单变量莫兰指数主要是表达空间上某一要素同一指标的空间自相关关系,而双变量莫兰指数可以探索某一要素一个属性和另一个属性的空间相关性 2 3。双变量莫兰指数可以分为双变量全局莫兰指数和双变量局部莫兰指114200E图1采样分布示意图Fig.1 Distribution of sampling sites数。I=ni=11.=Zu,.W,zyj=l,j+i式中：I为双变量莫兰指数，I,为Se与某一种重金属聚类的局部莫兰指数。W，为空间权重值，Zx与Z,代表Se与重金属含量在某一空间单元的标准化值。本研究运用双变量莫兰指数衡量土壤Se与重金属空间集聚关系。1.4.2地累积指数法地累积指数是德国科学家Muller24提出的一种研究水环境沉积物中重金属污染的定量指标，可以用于比较土壤中不同重金属的浓度及其污染程度。CI geo=log2(2(KB,式中,Ige为重金属i的地累计指数，C,为样品中重金属元素i的浓度，K为修正系数，一般为1.5，B;为环境背景浓度值，选用江西省土壤环境背景值。污染程度一共划分为7 个等级：Igeo0为无污染、0lgeo1 为轻污染、1 lge2 为中污染、2 ge3为中-重污染、3 1ge。4为重污染、4 5为极重污染。i=1-1nnWZZxi(2)(3)7期1.4.3地理探测器地理探测器是探测空间分异性，以及揭示其背后驱动力的一组统计学方法，该模型由因子探测器、交互作用探测器、生态探测器、风险探测器4个探测器组成 2 5,根据研究需要，本文仅采用因子探测和交互作用探测2 个探测器。因子探测器：用于探测Se与重金属聚类的空间分异性,以及各影响因素对Se与重金属聚类空间分布的相关程度,用q值来度量，表达式为：L2N,oiq=1No?式中,q值是衡量各影响因子对Se与重金属聚类空间分布的相关性，N、分别为样本量和方差；Nh和分别为h层样本量和方差;SSW和SST分别为层内方差之和以及区域内总方差;q的值域为 0，1,9值越大,表示影响因子与Se和重金属空间聚类的相关性越强,反之则越弱；极端情况下当9 值等于1时,说明影响因子完全控制 Se与重金属空间聚类;当q值等于0 时,说明影响因子对Se和重金属空间聚类无关。交互探测器：用于识别不同影响因子对Se与重金属聚类的交互作用,即评估任意两个因子是相互作用还是独立作用，两个因子之间可以分为5种关系：非线性增强、独立、双因子增强、单因子非线性减弱、非线性减弱。2丝结果与分析2.1研究区表层土壤基本性质由表1可知,研究区土壤pH介于4.54 8.47,均值为6.15。土壤SOM、T N、A K 的平均值和范围最小值最大值平均值标准偏差变异系数背景值元素MinimumElementvalueCd0.07Hg0.05As1.61Pb16.70Cr28.80Se0.20pH4.54SOM8.20TN383.00AK23.00刘珂等：袁州区土壤硒与重金属含量空间关联及其影响因素分析SSWSSTTable 1 Descriptive statistics of soil elementsMaximumAveragevaluevalue1.000.420.320.1549.1012.0789.6041.33114.0076.231.230.508.476.1592.2033.883660.001595.50293.00110.261495分别为33.8 8、159 5.50、110.2 6 和8.2 0 9 2.2 0、383.00 3660.00,、2 3.0 0 2 9 3.0 0。土壤Cd、H g、A s、Pb、Cr 及Se的平均值分别为0.42、0.15、12.0 7、41.33、7 6.2 3、0.50。土壤重金属含量平均值与江西省土壤背景值 2 6 的比值从大到小依次为Cd、H g、Cr、Pb、A s，比值分别为4.2 0、1.88、1.59、1.2 9、1.16。变异系数（Coefficient ofvariation,Cv）是标准差与平均值的比值，用来揭示数据的离散程度。研究表明，变异系数与人类活动等外部因素的干扰程度呈正相关 2 7 。Cd、A s、Se 的(4)变异系数较高说明在不同采样点的含量存在较大差异,表明可能受到比较明显的外部干扰因素。根据GB156182018,研究区的5种重金属含量平均值除Cd外均低于土壤污染风险筛选值,Cd和As分别有33和1个采样点中的含量高于土壤污染风险筛选值。2.2土壤Se与重金属元素空间相关性分析以Se元素含量为第一变量,5种重金属元素含量为第二变量,利用Geoda软件对研究区 Se与重金属元素两者空间关联性以及空间集聚情况进行测算,如图2 所示,Se-Cd、Se-H g、Se-A s、Se-Pb 和 Se-Cr的全局莫兰指数分别为0.33、0.57、0.0 9、-0.6 2 和0.25,在P0.05的水平上通过显著性检验，说明Se与Cd、H g、C r 3种重金属存在较强的空间相关性,Se与 Pb的空间差异性较明显,Se与As 的空间相关性偏弱。研究区Se与重金属元素的局部莫兰指数的测算结果如图3所示,Se-Cd的高高和低高聚类主要分布在研究区中部，低一低和高低聚类主要分布在西北部和南部,Se-Hg、Se-C r 的高-高聚类基表1土壤元素描述性统计(mg/kg)土壤污染风险筛选值StandardCoefficientdeviationof variation0.190.470.050.336.400.5314.470.3514.250.190.200.400.910.1515.780.47737.470.4660.050.54Backgroundvalue0.100.0810.4032.1048.00Risk screening value of soil pollutionA0.31.34070150B0.31.84090150C0.32.430120200D0.63.4251702501496西南农业学报36卷Morans I:0.3344.102.40-0.70Pa.ot-1.00-2.70-4.404.40 2.70 1.00Se4.102.40-0.70-1.002.70-4.40-4.40 2.70 1.00 0.70 2.404.10Fig.2 Dispersion of Se and heavy metal bivariate global Moran index本一致,均分布在研究区东北部,Se-Hg、Se-A s、Se-东一西对称分布态势。Pb 和 Se-Cr 的低-低聚类主要分布在东南部,Se-As2.3土壤重金属污染评价和 Se-Cr 的低-高聚类均分布在西北部,Se-Hg 的低-5种重金属的平均值如表2 所示：Cd(1.31）、高、高低聚类和 Se-Cr 的高低聚类分布较少,分Hg(0.28)、A s(-0.57)、Pb(-0.30)、C r(0.0 5)的别集聚在北部、西部和中部地区,Se-As的高高和大小排序为 CdHgCrPbAs。Pb 和 As 的平高-低聚类分别在西部和中南部,Se-Pb的高-高、均值小于0,说明研究区土壤As、Pb 总体处于无污低高和高低聚类分别呈现南北、西北东南、染状态,而Hg、C r 整体处于轻度污染状态,Cd整体NNMorans I:0.5674.102.400.70-1.00-2.70-4.40+0.70 2.404.104.40 2.70 1.00 0.70Morans I:-0.6198Se图2 Se与重金属含量双变量全局莫兰指数散点图Morans I:0.2524.102.40-0.70-1.00-2.70-4.402.404.10SeMorans I:0.0884.102.400.70-1.00-2.70-4.40-4.40-2.70 1.00 0.70 2.404.40 2.70 1.00Se8804.10Se0.702.404.10N人Se-Cd不显艺二二高Se-Hg,不显艺低051020 kmSe-Cr一低一高低051020 km二高0 51020 km“高-高”表示该区域Se含量高，同时邻近区域重金属的含量也高；蓝色区域表示Se元素的含量低，邻近区域重金属含量也低；黄色区域表示Se元素含量低但重金属含量高；绿色区域是Se元素含量高但重金属含量低。High-High indicates high Se in this area and high heavy metals;Blue area indicates low Se elements and low heavy metals;Yellow area indicateslow Se but high heavy metals;Green area indicates high Se but low heavy metals.图3Se与重金属含量分布的LISA聚类Fig.3 LISA clustering of Se and heavy metal distribution7期刘珂等：袁州区土壤硒与重金属含量空间关联及其影响因素分析1497NN人Se-Pb不显氏出1元素ElementCdHgAsPbCr处于中度污染状态。从采样点来看，Cd处于无污染、轻度、中度、中度-重度污染的点位数分别占5.26%、2 6.32%、51.9 7%、16.45%;H g、A s 分别有67.76%、2 3.6 8%的采样点属于轻度污染，属于中度污染的分别占5.2 6%和0.6 6%;Pb和Cr分别有28.29%和6 9.7 4%的采样点1ge处于0 1,属于轻度污染,其余采样点均处于无污染状态。陈艺等 2 8 研究指出,袁州区土壤 Cd、H g、Pb 空间分异主要受到工业源和交通源的影响，农业源、自然源和交通源是As、Cr 的主要来源。2.4土壤Se与重金属空间关联影响因素的识别与分析参考相关文献 2 9-2 ,本研究选择 10 个影响因子,探究影响研究区表层土壤Se与重金属元素空间关联的主要原因,将研究区行政边界数据通过Arc-GIS10.2软件中创建渔网工具构建1km1km的格网,格网中心点如图4所示,用中心点对影响因素进行离散化处理,并根据自然断点法将影响因素分为5级,均通过0.0 5显著性水平检验。将10 个影响因素的属性值中作为自变量，双变量局部莫兰指数作为因变量,按高高、低低、低高和高低4种类型分别导人到GeoDetector2015中进行计算。2.4.1因子探测如表3可知,不同因子对Se与重金属的空间相关性的解释力存在一定差异。研究Se-As不显喜高低1020 kmContinued fig.3表2 研究区土壤重金属地累计指数Table2Soil heavy metal accumulative index in the study area平均值最大值最小值AverageMaximumvaluevalue1.312.740.281.42-0.571.65-0.300.900.050.66香二花高续图3各分级中样品数占总样品数比例（%）Proportion of samples to the total number of samples in each gradeMinimum1ge00lgeo1 1Ilgeo2 2lgeo3 3lgeo4 4lgeoA+BC A+BC A+BC max A,BC max A,BC A+BCA+BC max A,BCA+BCA+B类型Type非线性增强非线性增强非线性增强双因子增强双因子增强非线性增强非线性增强双因子增强非线性增强非线性增强1500续表4Continued table4聚类类型Cluster type低-低聚类L-L clustering低-高聚类L-H clustering高-低聚类H-L clustering西南农业学报排序CSortingSe-Cd主次Se-Hg主次Se-As主次Se-Pb主次Se-Cr主次Se-Cd主次Se-Hg主次Se-As主次Se-Pb主次Se-Cr主次Se-Cd主次Se-Hg主次Se-As主次Se-Pb主次Se-Cr主次36卷结果类型A+BResultX2 nX;(0.6144)X2+X,=0.3148X;nX4(0.5946)X;+X4=0.4212X2 nX;(0.7436)X2+X;=0.5547X,n X,(0.7254)X2+X,=0.6147X2 n X;(0.7729)X2+X;=0.7071X2 n Xio(0.7623)X2+X1o=0.9038X2 n Xio(0.6744)X2+Xio=0.6838X,nXio(0.6198)Xs+Xio=0.5277X2 nX;(0.8164)X2+X;=0.7543X2 nX,(0.7632)X2+X,=1.1703X,n X(0.6262)X,+X2=0.7552X;n Xio(0.5965)X,+X1o=0.8086X4 nX,(0.7774)X4+X,=0.6852X4nX(0.7505)X4+X,=0.8720X2 n X;(0.8571)X2+X;=0.7809X,nXs(0.7940)X;+X,=0.8488X2 n X;(0.7064)X2+X;=0.6097X2 n X1o(0.6926)X2+X1o=0.7669X4nX(0.7655)X4+X=0.6096X,n X4(0.6714)Xi+X4=0.9787X;nXio(0.6805)X;+X1o=0.5241X,n Xs(0.6489)X3+Xs=0.4492X,nX,(0.7102)X3+Xs=0.7388X;nX,(0.7057)X;+X,=0.7375X;nX4(0.4981)X;+X4=0.3367X;nX,(0.4681)X3+X,=0.3633X2nX;(0.7270)X2+X;=0.7489X2 n X4(0.6093)X2+X4=0.5749X4 nX(0.9271)X4+X,=0.7759Xe n Xio(0.9195)X6+X1o=0.8229TypeC A+B非线性增强CA+B非线性增强C A+B非线性增强CA+B非线性增强CA+B非线性增强C max A,B双因子增强C max A,B双因子增强CA+B非线性增强CA+B非线性增强Cmax A,B双因子增强C max A,B双因子增强C max A,B双因子增强C A+B非线性增强C max A,B双因子增强C A+B非线性增强C max A,B双因子增强C A+B非线性增强C max A,B双因子增强C A+B非线性增强C maxA,B双因子增强C A+B非线性增强C A+B非线性增强C max A,B双因子增强C max A,B双因子增强C A+B非线性增强C A+B非线性增强C A+B非线性增强C A+B非线性增强C A+B非线性增强C A+B非线性增强NDVI高：0.58低：-0.14H高：7.54低：5.151020km全氮高：2 0 43.6 9低：118 4.7 4101020km20km图5影响因素空间分布Fig.5The spatial distribution of the influencing factors7期刘珂等：袁州区土壤硒与重金属含量空间关联及其影响因素分析1501速效钾距工厂距离距公路距离高：10 42 2.10高：15.2 2 9.6 0低：2 0 3.56低：2 97.4520km高：17 1.9 9低：6 2.9820km20km距水源距离高：18 3 7 8.6 0低：2 15.3 7距铁路距离高：3 9 3 6 8.6 0低：020k坡度高：6 0.2 8低：020km20km有机质高：55.0 7低：2 1.0 310续图5Continued fig.5与重金属空间关联的重要指标。距离因素中距铁3 讨 论路、距水源、距公路、距工厂的距离对硒与重金属一影响硒与重金属伴生的最主要因素是土壤理化种或多种空间聚类的驱动作用同样明显，体现了人性质。赵一鸣等3 3 研究认为，土壤理化性质会对重类活动对Se与重金属空间分布的重要影响。相关金属的迁移性和活性等产生影响。土壤理化性质的研究表明，河流水系是农业灌溉的重要水源，由工业影响实质就是改变重金属的有效态含量，研究发现排放和交通运输造成的水源重金属富集进而通过农重金属有效态所占比例越多,土壤重金属越活跃,更业灌溉的方式导致土壤Se和重金属富集3 7-3 8 有利于重金属迁移扩散3 4。陈雪龙等3 5 研究认为NDVI和坡度对土壤Se与重金属空间聚类的影响不土壤硒含量与有机质含量呈极显著正相关,与pH明显,可能是由于研究区为小尺度区域,坡度和ND-呈极显著负相关。在土壤形成过程中,有机质不仅VI的变化范围小所致。会增加土壤对硒的吸附，而且由于植物腐殖化和微综上认为,研究区土壤中 Se-Cd、Se-H g、Se-Cr生物作用可使硒的价态发生变化或形成络合物而富的空间相关性强,Se-Pb的空间分异性较明显,Se-As集,从而决定了土壤中硒的存在形态，土壤pH则直的空间关联程度较弱,且影响土壤Se与重金属空间接影响硒的存在价态和土壤对硒的吸附固定作关联的关键因素为土壤理化性质。Se-Cd的全局莫用3 6 。土壤理化性质中氮、钾的含量部分来源于有兰指数为0.3 3,说明土壤中Se与Cd存在较强的空机物,其含量与有机质含量存在明显相关关系。本间相关性,其空间关联主要来源于SOM、T N、p H。研究结论与这些学者一致,认为理化性质是影响Se袁知洋等3 9 对恩施富硒土壤区土壤Se、Cd 与其理20 km1502化性质的研究中发现,土壤SOM与土壤pH显著影响土壤中Se、C d 含量，本研究结果与其基本一致。影响Se-Cd高高聚类的主要因素分别为pH、距水源的距离、SOM。从空间分布上来看,Se-Cd高高聚类主要分布在研究区中部。而pH在高高聚类区中处于弱酸性和中性,SOM的高值区与Se-Cd高-高聚类区明显重合，说明可能在pH处于弱酸性和中性环境下且SOM含量较高时容易促进Se、C d 之间高-高聚类的形成。由于研究区主要以Cd 污染为主,且富硒高镉土壤中 Se 的活化以及 Cd 的抑制可以通过改良土壤的理化性质进行调节。因此，可以结合富硒高镉土壤中如何培育绿色富硒农作物进行探究。Se-Hg和Se-Cr的全局莫兰指数分别为0.57 和0.25,表明研究区内土壤 Se与Hg、C r 空间关联程度较强,且影响 Se与Hg、C r 空间关联的主要因素同为AK、距铁路的距离、距水源的距离。孙国新等40 1在研究全国尺度上土壤Se、H g 空间异质性因素分析中认为土壤Se、H g 分布可能与土壤理化性质以及人类活动有关;马宪梅等41 在对土壤Cr污染现状及修复方法的研究中认为土壤Cr主要来源于矿物和岩石中的Cr、污水灌溉以及化肥与农药的大量应用。本研究结论与以上研究结果一致，认为可能是由于化肥农药过量使用、水源污染等导致土壤Se与Hg、Cr 产生空间关联。由于Se与重金属伴生是一个复杂的过程，本研究仅考虑了Se与单个重金属元素的伴生情况,在今后可以针对Se与多种重金属的伴生关系开展进一步研究。Se-Pb的全局莫兰指数为-0.6 2,表明Se与Pb的空间分异性较强,影响 Se-Pb 聚类的主要因素是SOM、A K、p H。在今后的研究中可以进一步考虑土壤的理化性质如何影响研究区 Se、Pb 产生空间分异性。Se-As的全局莫兰指数为0.0 9,说明在研究区内 Se与As空间相关性较弱,对于Se-As空间关联及其影响因素分析是后续研究工作重点。4结 论(1)研究区土壤样品中Se含量的平均值为0.5,整体处于富硒水平。土壤样品中重金属含量平均值与江西省土壤背景值的比值从大到小依次为Cd、H g、Cr、Pb、A s,分别为4.2 0、1.8 8、1.59、1.2 9、1.16倍。Cd、A s、Se 的变异系数较高,表明可能受到比较明显的外部干扰因素。地累积指数显示，As、Pb 总体处于无污染状态,Hg、C r 整体处于轻度污染状态,Cd整体处于中度污染状态。研究区土壤各点位pH的平均值为6.15,范围为4.54 8.47,在西南农业学报此pH范围内,各重金属含量平均值除Cd外均低于土壤污染风险筛选值。(2)研究区 Se-Cd、Se-H g、Se-A s、Se-Pb 和 Se-Cr的全局莫兰指数分别为0.3 3、0.57、0.0 9、-0.6 2 和0.25,说明Se与Cd、H g、C r 3 种重金属存在较强的空间相关性,建议加强研究袁州区土壤 Se与Cd、Hg、Cr 的有效性及相互作用。（3)SO M、A K、T N、p H、距铁路的距离、距水源的距离对研究区Se