基于地理探测器和多源数据的...源驱动因子及其交互作用识别_张宏泽.pdf

Eco-EnvironmentalKnowledge Web环 境 科 学Environmental Science第44卷第4期 2023年4月Vol44，No4 Apr，2023基于地理探测器和多源数据的耕地土壤重金属来源驱动因子及其交互作用识别张宏泽1，2，崔文刚1，2*，刘绥华1，2，崔瀚文1，2，黄月美1，2(1 贵州师范大学地理与环境科学学院，贵阳550025;2 贵州省山地资源与环境遥感应用重点实验室，贵阳550001)摘要:明确耕地土壤重金属来源对土壤健康合理管护及其可持续发展至关重要 利用正定矩阵因子分解(PMF)模型源解析结果(源成分谱和源贡献)、历史调查数据和时序遥感数据，整合地理探测器(GD)、最佳参数地理探测器(OPGD)、空间关联探测器(SPADE)和空间关联交互探测器(IDSA)模型，探讨了土壤重金属来源空间分层异质性研究中可塑性面积单元问题(MAUP)，分别识别了分类变量和连续变量中控制土壤重金属来源空间分异的驱动因子及其交互作用 结果表明，中小尺度下土壤重金属来源的空间分异性研究受空间尺度影响，0.08 km2能够作为区域土壤重金属来源空间分异性探测的可选空间单元 连续变量受空间相关性与离散化水平影响，分位数法和中断数为 10 的离散化参数组合能够减少连续变量在土壤重金属来源空间分异性探测中所受分区效应的影响 分类变量中地层(PD 0.12 0.48)控制土壤重金属来源空间分异，地层和流域的交互作用对各来源解释力为 27.28%60.61%，各来源的高风险区域分别分布在地层中的下震旦系、上白垩系、土地利用中采矿用地和土壤种类中典型强淋溶土区域 连续变量中人口(PSD 0.40 0.82)控制土壤重金属来源空间分异，连续变量的空间组合对各来源解释力为 61.77%78.46%，各来源的高风险区域分别分布在蒸腾量(41.2 43 kg m2)、距河流距离(315398 m)、增强型植被指数(0.796 0.995)和距河流距离(499 605 m)区域 研究结果为耕地土壤重金属来源驱动因子及其交互作用的相关研究提供参考，为喀斯特地区耕地土壤健康合理管护及其可持续发展提供重要的科学依据关键词:耕地土壤;重金属;多源数据;地理探测器;驱动因子;可塑性面积单元问题中图分类号:X53文献标识码:A文章编号:0250-3301(2023)04-2177-15DOI:1013227/j hjkx202205201收稿日期:2022-05-17;修订日期:2022-07-05基金项目:国家自然科学基金项目(61540072)作者简介:张宏泽(1993 )，男，硕士研究生，主要研究方向为遥感与生态环境评价，E-mail:193972589 qq com*通信作者，E-mail:849028074 qq comIdentifying Driving Factors and Their Interacting Effects on Sources of Heavy Metal inFarmland Soils with Geodetector and Multi-source DataZHANG Hong-ze1，2，CUI Wen-gang1，2*，LIU Sui-hua1，2，CUI Han-wen1，2，HUANG Yue-mei1，2(1 School of Geography and Environmental Science，Guizhou Normal University，Guiyang 550025，China;2 Guizhou Mountain esources and Environmental emote SensingApplication Laboratory，Guiyang 550001，China)Abstract:The identification of heavy metal sources in farmland soils is essential for the rational health condition management and sustainable development of soil Using sourceresolution results(source component spectrum and source contribution)of a positive matrix factorization(PMF)model，historical survey data，and time-series remote sensingdata，integrating a geodetector(GD)，an optimal parameters-based geographical detector(OPGD)，a spatial association detector(SPADE)，and an interactive detector forspatial associations(IDSA)model，this study explored the modifiable areal unit problem(MAUP)of spatial heterogeneity of soil heavy metal sources and identified the drivingfactors and their interacting effects on the spatial heterogeneity of soil heavy metal sources in categorical and continuous variables，respectively The results showed that thespatial heterogeneity of soil heavy metal sources at small and medium scales was affected by the spatial scale，and the optional spatial unit was 0.08 km2for detecting spatialheterogeneity of soil heavy metal sources in the study region Considering spatial correlation and discretization level，the combination of the quantile method and discretizationparameters with an interruption number of 10 could be implied to reduce the partitioning effects on continuous variables in the detection of spatial heterogeneity of soil heavymetal sources Within categorical variables，strata(PD 0.12-0.48)controlled the spatial heterogeneity of soil heavy metal sources，the interaction between strata andwatersheds explained 27.28%-60.61%of each source，and the high-risk areas of each source were distributed in the lower sinian system，upper cretaceous in strata，miningland in land use，and haplic acrisols in soil types Within continuous variables，population(PSD 0.40-0.82)controlled the spatial variation in soil heavy metal sources，andthe explanatory power of spatial combinations of continuous variables for each source ranged from 61.77%to 78.46%The high-risk areas of each source were distributed inevapotranspiration(41.2-43 kg m2)，distance from the river(315-398 m)，enhanced vegetation index(0.796-0.995)，and distance from the river(499-605 m)Theresults of this study provide a reference for the research of the drivers of heavy metal sources and their interactions in arable soils and provide an important scientific basis forthe management of arable soil and its sustainable development in karst areasKey words:farmland soil;heavy metals;multi-source data;geodetector;driving factor;modifiable areal unit problem土壤是人类生存和发展的重要自然资源，其在联合国可持续发展目标中得到前所未有的重视1 然而，存在于地球关键带上的表层土壤易受到不同来源和程度的重金属污染2 5 土壤重金属污染是导致土壤环境遭到破坏的主要原因，现已成为全球范围内的一个严重问题，且粮食安全与土壤环境质量息息相关4 7 现阶段土壤环境质量不容乐观，高强度和超负荷利用致使耕地土壤健康状况堪忧5，8 喀斯特地区独特的水力和水文地质特征使表层土壤极易受到人类活动的影响9，10 因此，对控环境科学44 卷制喀斯特地区耕地土壤重金属来源的驱动因子及其交互作用的识别研究具有明确的科学与现实意义现阶段，对土壤重金属源解析的研究主要分为定性识别和定量解析两类 定性识别土壤中重金属来源的方法主要以因子分析、主成分分析、聚类分析、变量逻辑回归和空间分析等为主11，12;定量解析各来源对各土壤重金属采样点位含量贡献的方法多采用源排放清单、化学质量平衡、UN-MIX 模型、绝对主成分得分-多元线性回归、正定矩阵因子分解(positive matrix factorization，PMF)、有限混合分布、条件树推断和随机森林等11，12;此外，越来越多的学者结合地理信息系统和多元统计分析技术揭示区域土壤重金属空间特征，识别其来源6 空间相关性13，14 作为空间数据最重要的特征，在空间数据层内通过 Morans I、Gearys C、Getis-Ord GeneralG、ipleys K、半变异函数和空间计量模型等描述，在层间以地理加权回归描述14，15 有研究者基于上述方法或模型进行土壤重金属源解析的适应性研究，合 理 分 析 出 人 为 或 自 然 因 素 的 单 方 面 影响11，12 然而，土壤重金属受到自然和人类活动的双重影响，各种环境因子的多样性、复杂性、非线性和异质性共同影响土壤重金属累积的整个过程16 传统统计模型在计算交互作用时需假设线性和受多变量共线影响，无法准确量化土壤重金属各来源之间的交互作用10，17 受上述