土壤全硒含量空间异质性及分布格局研究

土壤全硒含量空间异质性及分布格局研究

科学家的文献表明，多种人类疾病与长期立法中缺乏元素有关。无论是动物、人类还是植物，地球铬的最终来源都是土壤。全球有40多个国家和地区缺硒,我国有72%的县市属于低硒或缺硒区,生活在缺硒地区的人口有7亿之多。在我国,土壤硒的分布形成了以中间低,东南和西北地区高的马鞍型趋势。湖北省恩施州亨有世界硒都之美誉,是国内外知名的高硒地区和硒中毒发生地区。为此本研究拟以整个恩施州为对象,绘制出土壤全硒含量的分布图,了解全州的全硒分布状况,分析其空间异质性,用地统计学的方法给人们提供直观的表示方法。1武陵山及其周边地区恩施土家族苗族自治州位于鄂西南山地,主要由巫山、武陵山、大娄山等山脉组成;东经108°21′37″~110°38′21″,北纬29°07′11″~31°24′03″,总面积24061km2。其西北部系巫山山脉南缘分支,东南部和中部系武陵山脉北缘分支,西部系大娄山山脉的北延部分,北部系大巴山山脉与神农架毗陲,域南北最长处约260km,东西最宽处约220km。恩施州地处我国第二阶梯东缘,州内最高海拔3032m,平均海拔1000m以上。海拔1200m以上的高山地区占29.4%,800~1200m的二高山地区占43.6%,800m以下的低山地区占27.0%。2方法2.1土壤样品的采集与全面硅含量的测定2.1.1材料的取样方法为了对全州范围内的土壤全硒含量进行分析,采用随机加典型取样的方法共获取土样442个,其采样点的分布见图1。随机是指汽车或摩托车行驶10min或5km时,在远离路边10m以外的地段,取土样一份;典型是在人们报道的高硒地区,如建始县的罗家坝,恩施市的沙地、新塘、鱼塘坝,宣恩的晓关等地加大取样密度,使每地的采样点数在15至20个样点之间。每份土样重为300~500g之间,用GPS72记录其BJ54坐标位置和地面的农作物等,取位于土壤表层0~20cm之间的土,去掉石块、杂草等,然后装入样品袋中,做上记号。在这442个土样中有11份为湖北民族学院学生2008年暑期参加宣恩县林权调查所获土样。样品带回后在低于35℃下干燥6~12h,以避免硒蒸发。2.1.2社会主义硝化过程为了测定土壤中的全硒,仔细去掉已干燥土壤的杂质,再经玛瑙钵研磨,过2mm的筛,用硝酸+高氯酸钾全部或部分硝化,在整个硝化过程中应避免样品蒸干或灼热,以防止硒挥发散失。将硝化样在40℃温度下用去离子水浸泡1h后,震荡过滤后采用液态原子荧光光谱(AFS)测定过滤液中的全硒含量2.2地方统计学方法2.2.1空间位置与属性函数地统计学的主要用途,是研究对象空间自相关结构(或空间变异结构)的探测以及变量值的估计和模拟。其地统计学分析的核心是根据样本点来确定研究对象(某一变量)随空间位置而变化的规律,以此去推算未知点的属性值。这个规律,就是变异函数。设Z(x)为区域化随机变量,满足二阶平稳或本征假设条件下,变异函数存在,h为2样点间隔距离或滞后距离,Z(xi)和Z(xi+h)分别是Z(x)在空间位置xi和xi+h上的观测值(i=1,2…,N(h)),则计算变异函数的公式为:式(1)中,N(h)是间隔距离为h时的样本对总数。2.2.2未取样点估计克立格法(Kriging)也称空间局部估计或空间局部插值,是地统计学的2大主要内容之一[12~14]。如果区域化变量满足二阶或本征假设,认为区域化变量Z的期望值是未知的,这时可用普通克立格法(OrdinaryKriging,简称OK法)。当获得某个变量的变异函数模型后,可以利用样点对研究区域上未取样点的变量进行估计。设Z(x0)是任意一点x0的估计值,在点附近有n个已知观测点xi(i=1,2…,n),Z(xi)是变量在样点xi的观测值,λi是样点xi权重系数,则Z(x0)可以通过下式计算:式(2)中,λi可以通过γ(h)模型计算,使得变量的估计值在x0处期望方差最小,且满足条件。2.3基于矿渣矿的模型验证在图1的土壤采样点分布图中,样点分为两类:第一类是参与变异函数模型拟合的424个样点;第二类是进行模型验证的18个样点,占总样点442的4%,这项工作在ArcGIS9.1中完成。因硒含量原始数据不服从正态分布,如图2所示;经对数变换以后,经检验建模数据服从对数正态分布,如图3,服从对数分布的数据可用OK法构建全硒含量分布图。3分辨率图的绘制3.1空间异质性指数分析将图1中建模数据点转换成GS+forWindows软件能够识别的文本格式,424行,3列,第1列为BJ54坐标的x坐标,第2列为y坐标值,第3列为对应点的硒含量值;启动GS+软件,读入建模数据点的文本文件,因原始硒含量不服从正态分布,数据对数变换后服从正态分布,因而在软件中必须进行对数变换,使其服从正态分布,自动构建各向同性的变异函数,经分析指数模型(Exponentialmodel)拟合效果最佳,其表达式为(3)式。决定系数r2=0.720,块金效应C0=0.268,基台值C0+C=0.956,变程R=38100m,也称自相关距离。由式(3)可以绘出指数模型的变异函数图4,从图4和式(3)可得,空间异质性指数为:若Q比较高,说明由随机部分引起的空间异质性程度较高;反之,则由空间自相关部分引起的空间异质性程度较大;如果该比值接近于1,则说明该变量在整个尺度上具有恒定的变异。刘付程、陈袁袁等按Q值的大小将空间变异性质划分为4类(表1),表1把土壤全硒含量的随机性和结构性进行了量化分级,若结构性强,地统计学方法构建硒分布图明显优于其他方法,因它考虑了空间位置因素,如以随机性为主,则表明其他方法也可。从式(4)可以得知Q=0.28,查看表1得以发现,土壤中全硒的含量,属于类别Ⅱ,空间自相关性较强,土壤中全硒含量的变异更多是由结构性因素引起的,显然用地统计学方法绘制土壤全硒含量分布图是有优势的。3.2硒含量分布由式(3)对式(2)中的λi进行预测,采用OK法,在ArcGIS9.1中绘制出恩施州的土壤全硒含量分布图,详见图5。图5中,恩施州的全硒含量被分为10类,分别用不同的颜色加以表示,可以发现全硒含量小于2.35μg·g-1的地区非常少,绝大部分地区全硒的含量都在2.35μg·g-1以上,仅在利川市齐岳山以西,成片分布,其全硒含量相对偏低,小于1.28μg·g-1,属于低硒区。3.3对硅分布图的检查3.3.1交叉验证法expende为了检验所选模型3个参数的合理性,必须作一定的检验。但到目前为止还没有一个行之有效的直接检验方法。地统计学者多采用一种间接的方法,即将建立的变异函数模型与克立格预测方法结合进行检验,这种模型检验方法被称为交叉验证法或Jacknife检验法。它的基本思路是依次假设每一实测数据未被测定,由所选定的变异模型,预测出424个建模点的理论值。设建模点的实测全硒值为y,预测全硒值为^y,二者的标准化值分别为y1(xi)和y2(xi),经计算得标准平均值为-0.0146,均方根预测误差为5.85,平均标准误差为6.014,标准均方根预测误差为0.9019。若标准平均值接近于0,均方根预测误差与平均标准误差最接近,标准均方根预测误差最接近于1,则该模型是可用的,可用于全硒图的预测。3.3.2理论全硒含量值的计算所建立的分布图是否适用,必须进行检验。现以检查点的全硒含量为原始数据进行验证。设样本的实测全硒值为y和根据相对应计算的理论全硒值^y进行比较检验,以横轴表示^y,纵轴表示y,绘出它们的成对值(^y,y)的点位图。当实测值和理论值完全相等时,则形成直线回归方程y=a+b^y,且a=0,b=1,说明该理论值是正确的,当a≠0,或者b≠1时,则表示二者有误差,需要作F检验,其统计量为:按自由度f1=2,f2=n-2,求F的临界值F0.05(2,n-2),在95%的可靠性下,当F>F0.05(2,n-2)则推翻原假设,该模型存在系统偏差;F≤F0.05(2,n-2)则认为模型不存在系统偏差。如果接受原假设,则认为该模型是实用的,否则要进一步估计系统误差的大小。结合指数模型和OK法分别计算出18个检测点的理论全硒含量值,详见表2。从表2的数据可计算出式(5)的系数a=-0.6009,b=1.0647,F=0.375158,经查表得F0.05(2,16)=3.55,显然F<F0.05(2,16),认为模型不存在系统偏差,是可用的,能用于预测整个恩施州的土壤中全硒含量分布,并以图形的形式预测表示出来。4全硒的地统计学研究土壤中的硒包括元素硒、硒酸盐、亚硒硝酸盐和有机硒等多种形态。全硒是指各种形态硒的总和,但其数值并不能代表土壤中有效硒含量,它同植物的吸收往往有着显著的关系,植物可利用的只是其中的有机硒化物、硒酸盐和部分亚硒酸盐,本研究对土壤中的全硒含量进行了研究,并用地统计学的方法绘出了全硒分布图。地统计学(Geostatistics)是在用经典统计学研究地学问题时遇到矛盾而产生并发展起来的,20世纪50年代首先应用在南非采矿业的矿藏勘察计算中,60年代法国著名统计学家MatheronG在作了大量理论工作基础上提出了区域化变量理论(Thetheoryoregionalizedvariable),形成了地统计学的基本框架。它克服了经典统计学的缺点,充分利用了各种空间位置信息。但对土壤中的全硒含量进行地统计学研究,这方面的报道非常少。同时还可以尝试地统计学方法与其他方法的比较研究。该研究采用地统计学的方法,在GS+软件中构造出了其变异函数,模型为指数模型,变程为38100m,块金值为0.268,空间异性指数Q=0.280,说明恩施境内土壤中全硒含量的变异主要由结构性因素引起,空间自关性较强,用地统计学方法进行分析体现了其优势性。5土壤中多碳含量的分析通过对恩施州境内的土壤采样,并对其每个样品的土壤全硒含量测定,对测定的数据进行分析,得出以下结