您好,欢迎访问北京市农林科学院 机构知识库!

基于地理探测器的农田土壤重金属影响因子分析

文献类型: 中文期刊

作者: 李雨 1 ; 韩平 1 ; 任东 1 ; 罗娜 1 ; 王纪华 1 ;

作者机构: 1.三峡大学计算机与信息学院;北京市农林科学院北京农业质量标准与检测技术研究中心

关键词: 地理探测器;土壤重金属;影响因子;相关分析;交互作用

期刊名称: 中国农业科学

ISSN: 0578-1752

年卷期: 2017 年 21 期

页码: 4138-4148

收录情况: 北大核心 ; CSCD

摘要: 【目的】研究土壤重金属与影响因子以及不同土壤重金属之间相关关系,为土壤重金属空间预测模型提供更加全面的辅助变量。【方法】利用地理探测器模型,结合空间插值技术对2014年湖南省湘潭县5个乡镇农田中5种土壤重金属Pb、Cd、As、Cr和Hg的空间分布变化与6种影响因子以及5种土壤重金属之间的相关性和交互作用进行研究。【结果】研究结果表明,GDP、平均温度和相对湿度对5种土壤重金属解释力较大(PD,H值均在0.5以上),土壤pH、土壤类型与高程对土壤重金属的解释力较小(PD,H值均在0.3以下),其中土壤类型对于5种土壤重金属的解释力最低(PD,H值均在0.1以下)。5种土壤重金属中,Cr对Cd的解释力最强(PD,H值达到0.95),As对Cd的解释力最小(PD,H值仅为0.20)。平均温度、相对湿度、GDP对土壤重金属的影响显著高于其他影响因子,而其他影响因子之间的解释力差异并不显著。各影响因子之间和5种重金属元素之间均具有相互增强或非线性增强作用。【结论】土壤重金属的空间分布是由多种影响因子共同作用的结果。通过地理探测器模型发现,GDP、平均温度和相对湿度等影响因子对研究区域内的土壤重金属的空间分布具有较强的解释力,这些影响因子可作为研究区土壤重金属空间预测模型的辅助变量。地理探测器模型可以对多种影响因子进行更加全面的分析,为土壤重金属空间预测模型的建立提供有效的依据。

  • 相关文献

[1]基于地理探测器的土壤重金属污染影响因素分析. 齐杏杏,高秉博,潘瑜春,杨晶,郜允兵. 2019

[2]京津冀地区乡村功能分区及振兴途径. 张衍毓,唐林楠,刘玉. 2020

[3]土壤重金属含量变化的影响因素多目标识别方法. 管祥楠,董士伟,刘玉,张欣欣,潘瑜春,卢闯. 2024

[4]黄淮海地区县域粮食生产空间分异格局及其影响因素探测. 刘玉,任艳敏,潘瑜春. 2020

[5]面向遥感分类精度评价的空间分层模式与分异性评估. 吴亚楠,董士伟,肖聪,李西灿,潘瑜春,牛冲. 2021

[6]能量色散X射线荧光光谱检测土壤重金属砷、锌、铅和铬(英文). 王世芳,罗娜,韩平. 2018

[7]能量色散X射线荧光光谱检测土壤重金属砷、锌、铅和铬(英文). 王世芳,罗娜,韩平. 2018

[8]农田土壤重金属空间变异多尺度研究. 刘伟,郜允兵,潘瑜春. 2018

[9]Voronoi的地学空间数据分析理论及应用. 李冰茹,孙文彬. 2018

[10]北京顺义区土壤重金属污染生态风险评估研究. 韩平,王纪华,冯晓元,马智宏,陆安祥,魏荔,闫连波. 2015

[11]耦合样点和遥感数据的土壤重金属空间制图. 王怡蓉,朱庆伟,董士伟,潘瑜春. 2020

[12]施药次数与梨园土壤重金属污染程度及潜在风险的关系. 乔晓芳,刘奇志,刘军,刘松忠. 2016

[13]农田土壤重金属生态风险区划分. 曹姗姗,陆安祥,王纪华. 2016

[14]不同数据情境的耕地土壤重金属污染监测点位布设方法. 吴亚楠,董士伟,潘瑜春,任先鹏,魏相峰,李西灿,牛冲. 2022

[15]北京水源保护地土壤重金属空间变异及污染特征. 胡艳霞,周连第,魏长山,杜景龙. 2013

[16]基于太赫兹光谱的土壤重金属铅含量检测初步研究. 李斌,赵春江. 2016

[17]基于热红外特征光谱的土壤重金属含量估算模型研究. 李淑敏,李红,孙丹峰,周连第,鲍京. 2010

[18]X射线荧光光谱分析法在土壤重金属检测中的应用研究进展. 王世芳,韩平,王纪华,陆安祥,李芳. 2016

[19]利用光谱技术分析北京地区农业土壤重金属光谱特征. 李淑敏,李红,孙丹峰,周连第,鲍京. 2011

[20]农田土壤重金属空间变异多尺度分析——以北京顺义土壤Cd为例. 刘伟,郜允兵,周艳兵,潘瑜春,戴华阳,高秉博,阎跃观. 2019

作者其他论文 更多>>