基于地理探测器的寻乌县土壤微量元素影响因子分析

周 洋 赵小敏 郭 熙 韩 逸

(江西农业大学国土资源与环境学院/江西省鄱阳湖流域农业资源与生态重点实验室，江西 南昌 330045)

土壤是一个复杂的自然综合体，具有空间变异性和不确定性。土壤微量元素是土壤的一个重要组成部分，也是植物生长发育期间不可缺少的养分，其含量受到成土母质、地形、气候、生物等自然因素和人类活动的影响[1-2]。若微量元素过丰，土壤则会有重金属污染的风险，而缺乏微量元素又会影响植物正常的生长发育，进而影响作物的产量和品质[3]。目前关于土壤微量元素的研究已经相当成熟，国内外学者针对土壤微量元素的相互作用关系[4]、微量元素的空间分布特征[2,5-8]、微量元素的影响因子分析[9-12]等方面开展了大量的研究。Steinnes等[13]分析了大气沉降和人为因素对挪威表土微量元素的影响；Papadopoulou-Vrynioti等[14]对影响阿尔塔平原河流沉积物中微量元素分布的地貌参数进行了研究；穆桂珍等[4]通过对土壤微量元素之间进行相关性分析，发现微量元素之间既有促进作用也有拮抗作用；雷斯越等[8]针对不同坡位草地植被状况与土壤养分的空间特征进行分析，表明植被的生长状况与土壤养分空间上的变化趋势具有一定相关性；Ge等[15]通过对东北北部湾表层沉积物进行包括粒度、主要元素和微量元素在内的多指标分析，发现沉积物矿物组成是影响元素分布的主要因素。目前较多研究仅通过线性回归分析、Pearson相关性分析[16]等传统统计方法描述单因子对微量元素空间分布影响，对多因子及因子间的交互作用分析涉及较少。而地理探测器是探测空间分异性并揭示其背后驱动力的统计学方法[17]，能很好地分析各并因子对土壤微量元素空间分布的影响程度及因子间的交互作用，从而更好地对土壤微量元素空间分布影响因子的作用进行定量分析。

寻乌县位于闽赣粤三省的相邻地带，是武夷山与九连山余脉的相交之处，属于典型的丘陵山地区，而地形是影响土壤和环境之间进行水热能量交换的重要因素之一。有研究表明，在不同地形部位，土壤微量元素有着较强的空间异质性[18-20]。土壤硼(B)在脐橙、猕猴桃等果树作物的生长和挂果过程中具有关键作用[21]，土壤硒(Se)对茶叶品质有一定影响[22]，土壤锰(Mn)、铜(Cu)也是果树等经济作物生长过程中必不可少的元素。为此，本研究基于寻乌县2018年采集的572个表层土壤(0 ～ 20 cm)样点，运用描述性统计分析、地统计分析、地理探测器等分析方法，结合地形因子、成土因子、土地利用类型、距离因子、土壤重金属、植被因子等，对寻乌县土壤B、Se、Mn、Cu这4种微量元素的空间分布特征及其受因子的影响程度进行分析，旨在为调节土壤微量元素含量水平提供地球化学资料支撑。

1 材料与方法

1.1 研究区域概况

寻乌县位于江西省赣州市南部，地理坐标为24°30′40″～ 25°12′10″N，115°21′22″～ 115°54′25″E。寻乌东北、西北与东南部地势高，且向西南部倾斜，地形以山地丘陵为主(图1-a)，其中山地占总面积的75.6%，为典型的南方丘陵区。该区域属于亚热带季风性湿润气候，温暖湿润，雨量充沛；县内植被覆盖率高，且种类比较丰富。寻乌位于南方亚热带红壤区南部，土地肥力较好，土壤普遍呈酸性，土壤种类主要有红壤、黄壤、水稻土和紫色土等4种(图1-b)；成土母质以酸性结晶岩类风化物为主，还有少量的红砂岩类、泥质岩类和石英岩类风化物(图1-c)；土地利用类型主要有林地、园地和耕地(图1-e)，其中林地占土地总面积的83.8%。

1.2 数据获取与测定

研究区土壤样点采集时间为2018年7月至9月，在1 km×1 km网格中选取合适的地块进行五点法取样，充分混合均匀后留1 kg土壤样品，并记录网格中心点的经纬度信息，土壤样点采样深度为0 ～ 20 cm，共采集572个土壤样点(图1-d)。将土壤样品风干之后研磨并过100目筛，用于测定B、Se、Mn、Cu等元素含量和pH值，其中，全量B含量采用碳酸钠熔融—甲亚胺比色法测定[23]；全量Se含量采用HNO3-HClO4-HF消化—原子荧光光谱法测定[24]；全量As含量使用微波消解—原子荧光光度计测定；全量Mn含量采用HNO3-HCCO4-HF消煮—原子吸收分光光度法(atomic absorption spectroscopy，AAS)测定[23]；全量Cu含量使用偏硼酸锂熔融分解—AAS法测定[23]；pH值采用电极法测定。

1.3 数据处理与分析

土地利用类型数据来源于2017年土地利用现状数据库；土壤类型和成土母质类型数据来自第二次土壤普查数据；地形部位数据和高程、坡度、坡向等地形因子数据来源于地理空间数据云平台上下载的30 m分辨率数字高程模型(digital elevation model，DEM)，经ArcGIS 10.2软件处理后获取；植被覆盖度(图1-f)是利用地理空间数据云平台下载的Landsat 8 OLI遥感影像，经辐射定标和大气校正后计算得到归一化植被指数(normalized difference vegetation index, NDVI)，采用像元二分模型法分类得到；植被类型数据使用从中国科学院资源环境科学数据中心下载的植被类型空间分布数据。为保证土壤样点数据的可靠性，根据拉依达准则(均值加减3倍标准差)剔除了异常值，处理后土壤B、Se、Mn和Cu样点数分别为559、565、560、563个。借助SPSS 20软件平台，对研究区土壤样点数据进行描述性统计分析(均值、标准差、最值、变异系数)和相关分析，利用GS+7.0软件对微量元素数据进行半方差函数分析，得到最优理论模型和参数后，在ArcGIS 10.2软件平台上使用协同克里格法进行空间插值，得到研究区4种微量元素的空间分布图，然后使用地理探测器进行因子探测和交互探测，分析影响因子对微量元素的影响和因子之间的交互作用。

由于使用地理探测器对影响因素进行因子分析时要求输入的自变量为类别数据，因此要对连续型自变量数据进行离散化处理，所采用的离散化方法应该能体现出变量间最大的差异性，才能使地理探测器的分析结果更加准确。本研究参考Cao等[25]、张文琦等[26]的研究，采用自然断点法将高程、坡度、坡度变率(slope of slope，SOS)、坡向变率(slope of aspect，SOA)、地形起伏度(relief degree of land surface，RDLS)等因素分为8类，将As含量分为5类，pH值、距公路距离、距河流距离和植被覆盖度分为6类，而坡向则按照每45° 为间距划分为8类，各因子分类标准见表1。

1.4 研究方法

1.4.1 地理探测器 地理探测器是一种对地理现象的空间分异性进行探测以及揭示其驱动因子影响力的统计学方法，其通过计算分类后各自变量方差之和与因变量方差之和的比来衡量自变量对因变量的影响程度。地理探测器包括4个部分：因子探测器、交互探测器、风险探测器和生态探测器[17,27]。本研究利用因子探测器、交互探测器2个模型对寻乌县土壤微量元素空间分布的影响因子进行定量分析。

因子探测器：用于探测因变量的空间分异性以及各自变量对因变量影响程度的解释能力，用q值量化，计算公式为：

(1)

(2)

SST=Nσ2

(3)

交互探测器：通过计算2个不同自变量交互时的q值，判断自变量之间的相互作用对因变量的影响程度，2个因子间交互作用的类型见表2。

表2 交互作用类型

1.4.2 协同克里格法 协同克里格法是地统计学中常用的研究方法，和普通克里格法一样都属于最优无偏预测的插值方法。相比于普通克里格法，协同克里格法的优点在于它不是依靠单一的变量来进行预测，而是将与预测变量相关性高的变量作为辅助变量，和目标变量一同参与预测过程，从而提高插值的精度。

采用交叉验证对模型的预测精度进行评价。交叉验证通过计算建模点生成的预测值与验证点测量值的误差来评估模型的预测精度。本研究采用平均绝对误差(mean absolute error，MAE)、均方根误差(root mean squared error，RMSE)2个模型精度指标评价建模结果，其计算公式如下：

寿险公司经营目标的制定，会受行业监管环境及市场运作等影响与企业自身经营实际情况出现偏差。例如，没有对人力、物力、资金、税务等各种情况做出全面考虑分析，公司内部没能及时应对调整，这些问题在一定程度上将会给公司正常运行带来一定影响。因此，公司财务内部管控机制完善与否在很大程度上也会带来寿险公司的财务风险。

(4)

(5)

式中，Oi和Pi分别为验证点的实测值和预测值。

2 结果与分析

2.1 土壤微量元素描述性统计分析

寻乌县土壤微量元素的描述性统计结果如表3所示，4种微量元素含量有所差异，变异系数(coefficient of variation, CV)的范围为34.48% ～ 90.19%，其大小依次为B>Cu>Mn>Se，呈中等变异程度，单样本K-S检验表明4种元素均服从对数正态分布，且表现出左偏态(图2)。经过对数转换后，4种微量元素的数据分布满足正态分布，符合地统计分析的前提假设。

参考《DZ/T 0295-2016 土地质量地球化学评价规范》[28]，对寻乌县4种微量元素的丰缺情况进行了等级划分，由表3和表4可知，寻乌县土壤全量Se含量均值与全国土壤Se背景值(0.29 mg·kg-1)[29]持平，且99.64%的样点含量大于0.125 mg·kg-1，基本不存在缺乏和过剩的情况。

从描述性统计的结果(表3)和表5可以看出，土壤全量B含量的均值处于较缺乏水平，而土壤全量Mn和Cu含量均值则处于缺乏水平。 4种微量元素中，除Cu元素仅有一个样点超过上限值外，其他3种微量元素均低于上限值，因此，研究区因微量元素过丰而导致土壤重金属污染的风险较低。

表3 土壤微量元素描述性统计结果

图2 土壤微量元素含量频率分布

表4 土壤Se含量分级标准

表5 土壤B、Mn、Cu含量分级标准

2.2 土壤微量元素与影响因子的Spearman相关性分析

相关性分析结果如表6所示，地形因子中，高程、坡度均与4种微量元素含量的相关性达极显著水平，其中与B、Cu元素含量均呈负相关关系，与Se、Mn元素含量呈正相关关系，表明4种微量元素均受地形的显著影响。距离因子中，4种微量元素含量与距公路距离均存在极显著相关关系，而除B元素含量与距河流距离无显著相关关系外，其他3种微量元素含量与距河流距离均存在极显著相关关系，表明距离因素对土壤微量元素有一定的影响。成土因素中，成土母质与4种土壤微量元素含量的相关性达极显著水平，这与吴云霞等[30]的研究结果一致，这是因为成土母质决定了形成土壤的矿物类型和元素组成，对土壤微量元素的初始含量起到了关键作用[31]，而土壤类型与4种微量元素含量的相关性均不显著，可能是因为研究区土壤类型主要为红壤，空间异质性较弱，导致其与微量元素含量的相关性不显著；土地利用类型与B、Se和Cu元素含量有极显著相关性，表明不同土地利用方式所对应的土地人为利用强度对微量元素的分布有着较强的影响[32]；重金属As含量与B、Se和Cu元素含量的相关性达极显著水平，与Mn元素含量的相关性不显著，说明As和B、Se、Cu这3种微量元素的分布呈现出比较紧密的联系，对微量元素的富集和积累有着较强的作用[33]；pH值与Mn、Cu元素含量呈极显著正相关关系，与Se元素含量则表现出显著负相关关系，说明土壤pH值越高，Mn和Cu就更易累积，而Se则易在pH值较低的土壤中聚集。植被因子中，植被覆盖度与Se、Mn元素含量表现为极显著正相关关系，与B、Cu元素含量则为极显著负相关关系，这是因为植被的空间异质性与地形关系密切，海拔高、地形陡峭的区域植被覆盖度较大；而植被类型与Se、Cu元素含量表现出极显著的负相关关系，而与B、Mn元素含量无显著相关性，表明植被类型的差异对微量元素的分布也有着显著影响，这与其他研究结果类似[34]。

表6 土壤微量元素和影响因子的Spearman相关性系数

2.3 土壤微量元素空间分布特征

对研究区4种土壤微量元素进行半方差函数分析，结果如表7和图3所示。B和Mn的最佳理论模型为指数模型，Se和Cu的最佳理论模型为球状模型；4种元素的块金值范围为0.041 9 ～ 0.100 9，表明元素的采样和测量过程中存在误差，块金效应范围为11.82%～49.75%，说明4种微量元素中，B和Cu表现出较强的空间变异程度，而Se和Mn为中等程度的空间变异，空间变异受随机性因素和结构性因素的共同影响[35]。

基于半方差函数分析和相关性分析结果，分别使用COK和COK1对4种土壤微量元素进行插值(其中COK代表使用As含量作为协变量进行插值，COK1代表使用As含量、高程作为协变量)，得到研究区4种土壤微量元素的空间分布图。

研究区4种土壤微量元素的空间分布(图4)表明，COK和COK1的结果总体趋势大致相同，COK1的模型精度较COK有所提高，但空间分布预测效果提升有限。2种方法的预测值范围与样点数据值域基本相符，仅最大值较样点统计数据偏大。4种微量元素中，B元素含量的高值区主要在研究区的北部和中部，位于水源乡，澄江镇、罗珊乡和吉谭镇的交界处，以及长宁镇的北部；Se元素含量则呈条状和块状分布在研究区西部的三标乡、桂竹帽镇，东部的项山乡和南部的丹溪乡；Mn元素含量的高值区则位于研究区的西部，呈条状分布在桂竹帽镇和晨光镇，三标乡和项山镇的高海拔区也有分布；Cu元素主要分布在研究区中部的长宁镇、文峰乡、桂竹帽镇、澄江镇和西南部的晨光镇、菖蒲乡交界处。

表7 土壤微量元素的理论半方差函数模型及相应参数

图3 土壤微量元素半方差函数图

图4 不同方法的土壤微量元素空间分布预测结果

2.4 土壤微量元素影响因子分析

为定量描述各影响因子对土壤微量元素的影响程度，采用地理探测器中的因子探测器和交互探测器，对采样点的4种微量元素和18种影响因子进行计算和分析。

因子探测器的分析结果如表9所示，有一部分影响因子的q统计量未通过显著性检验(P>0.05)，这可能与采样点的精度有关[36]，本研究土壤采样点的间距为1 km，该采样尺度可能忽略了影响因子的部分空间差异性，导致对土壤微量元素的影响不显著。在通过了显著性检验的结果中可以看出，影响因子对4种土壤微量元素的解释力存在一定的差异，对土壤B元素影响较大的因素依次为土属(0.152)、成土母质(0.128)、地形部位(0.092)、高程(0.084)、植被类型(0.063)、距公路距离(0.052)、As含量(0.052)、土壤亚类(0.047)和植被覆盖度(0.032)；对土壤Se元素影响较大的依次为As含量(0.257)、土属(0.150)、高程(0.149)、地形部位(0.131)、土壤亚类(0.128)、土类(0.084)、坡度(0.072)、成土母质(0.052)、土地利用类型(0.049)和植被覆盖度(0.042)；而对土壤Mn元素影响较大的依次为土属(0.094)、高程(0.071)、土壤亚类(0.071)、地形部位(0.057)、成土母质(0.054)、距河流距离(0.039)、坡度变率(0.039)、pH值(0.039)、植被覆盖度(0.036)、地形起伏度(0.034)和植被类型(0.033)；对土壤Cu元素影响较大的依次为As含量(0.162)、土属(0.106)、高程(0.092)、成土母质(0.076)、植被类型(0.071)、pH值(0.062)、植被覆盖度(0.059)、地形部位(0.055)、距公路距离(0.053)、土地利用类型(0.049)和土壤亚类(0.046)。在所选取的影响因子中，高程、土壤亚类、土属和成土母质对土壤B、Se、Mn、Cu这4种元素均有显著性影响，地形部位对土壤B、Se、Mn 3种微量元素影响显著，说明地形和成土因素对土壤微量元素的影响较大；土壤重金属元素As含量对B、Se、Cu 3种微量元素有显著影响，影响程度依次为Se(0.257)>Cu(0.162)>B(0.052)，表明As含量与土壤微量元素的分布有着较强的关联性，这也与相关性分析的结果相一致，进一步论证了As和Se、Cu、B等微量元素存在着一定的伴生关系[37]；植被类型和植被覆盖度对4种微量元素均有显著影响，且植被类型的影响程度大于植被覆盖度，表明植被的空间异质性对微量元素有较大影响。

表8 不同建模方法预测精度对比

交互探测器的分析结果(图5)显示，土壤B元素的交互因子对中，q值较大的有土属∩坡向变率、土属∩As含量、土属∩坡度变率、土属∩植被覆盖度和成土母质∩As含量；土壤Se元素的因子对中，As含量与其他因子都有较强的交互作用，其中q值较大的有土属∩As含量、高程∩As含量、地形部位∩As含量和亚类土壤∩As含量；土壤Mn元素的因子对中，As含量、土地利用类型和植被覆盖度3个因子与地形因子的交互作用较大，其中q值较大的有坡度∩As含量、坡向变率∩植被覆盖度、地形起伏度∩As含量、土地利用类型∩坡向等因子对，且As含量和植被覆盖度、植被类型2个因子之间也存在着较强的交互作用；土壤Cu元素的因子对中，As含量与其他因子都产生了交互作用，q值较大的有高程∩As含量、土属∩As含量、地形部位∩As含量、植被类型∩As含量、pH值∩As含量等因子对；4种微量元素q值较大的因子对都表现出双因子或非线性增强，表明这几种因子叠加后的作用大于其单独的作用。上述分析结果表明，寻乌县4种微量元素的空间分布特征主要受土壤重金属As含量，坡度、坡向、地形部位等地形因子和土属、成土母质等成土因子的交互作用影响，其中As含量与地形因子、成土因子和植被因子表现出了很强的交互增强作用，土地利用类型、距公路距离与地形因子也有一定的交互作用。

表9 土壤微量元素因子探测结果

注：X1：pH值；X2：As含量；X3：高程；X4：坡度；X5：坡向；X6：坡度变率；X7：坡向变率；X8：地形起伏度；X9：距公路距离；X10：距河流距离；X11：地形部位；X12：土地利用类型；X13：土类；X14：土壤亚类；X15：土属；X16：成土母质； X17：植被覆盖度；X18：植被类型。

3 讨论

研究区4种微量元素均表现出了较强的空间异质性，土壤Se和Mn元素含量的高值区普遍分布在海拔较高的区域，这与其他学者的研究一致[18,38]，寻乌县高海拔区的岩性以花岗岩和火山岩为主，多发育为酸性结晶盐类风化物，形成红壤和黄壤，而红壤和黄壤的风化淋溶作用强，土壤无机矿物易流失，因此土壤中的微量元素和其他养分含量初始值更高；而B和Cu元素含量的高值区则多分布于地形平坦的区域，且与脐橙、柑橘和百香果等果园园地的分布大致重合，可能是由于施肥会引起园地土壤养分含量和酸碱度的变化，从而影响Mn、Cu等微量元素的含量[39]。

本研究选取地理探测器中的因子探测器和交互探测器，对影响B、Se、Mn、Cu 4种微量元素的因子以及影响因子之间的交互作用进行了分析，总的来说，4种微量元素主要受高程、地形部位等地形因子，土壤重金属元素As含量，土属、成土母质等成土因子和植被因子的影响，此外，B、Mn 2种微量元素在一定程度上还受土地利用类型、距公路距离等人为因素的影响，这可能是因为地形影响了地表的水热和物质交换，而寻乌县地形属丘陵山地，海拔和坡度较大，加大了降雨时地表径流的冲刷，因此地形因子对土壤养分含量有着较大影响[40]；土壤重金属元素As对土壤Se、Cu和Mn的解释能力较强，表明As与Se、Cu、Mn等土壤微量元素的累积有着较强的关联性，体现出一定的伴生关系，这与前人研究结果一致[37,41]，所以在对土壤微量元素进行利用时要特别注意土壤重金属污染的问题；而成土因子的解释能力较强则是因为微量元素在土壤中的含量主要取决于成土母质类型[42]，而成土母质的类型决定了土壤发育形成后的种类，因此土属对微量元素也有着较大的影响；植被覆盖度和植被类型对土壤微量元素也有一定的影响，这可能与植被的空间异质性有关系，寻乌县高海拔区植被以亚热带常绿阔叶林为主，而海拔较低的丘陵和平地地区植被主要为稀疏的马尾松、灌木和草类[43]，相比于低矮的灌木，常绿阔叶林乔木多分布于地形陡峭的区域，受到的人为扰动较小，土壤中的有机质含量较多，有利于土壤微量元素和其他养分的聚集[44]；土地利用类型、距公路距离等人为因素对B、Cu微量元素有一定解释能力，可能是由于不同的土地利用类型下，土壤养分受到的人为扰动程度存在差异，微量元素及养分含量有所差异[45-46]，而公路多分布于人为利用土地类型，因此B、Cu元素在一定程度上也受到了这2个人为因素的影响。交互探测器的结果表明，4种微量元素中，土属、成土母质等成土因子和坡度、坡向等地形因子与土壤重金属元素As含量之间的交互效应相对较强，其次是土地利用类型、成土母质、植被覆盖度和植被类型等因子与坡度、坡向等地形因子之间的交互作用，且都表现出非线性增强，这是因为重金属元素As与微量元素存在着伴生关系，结合特定的地形和成土条件能显著影响土壤微量元素的累积和迁移；土壤类型、成土母质与坡度、坡向对微量元素产生了协同作用，且土壤特性因子叠加地形因子能够大大增加降雨形成的地表径流对地表的侵蚀，加快土壤矿物中元素的分解，而植被的覆盖情况与地形、成土因素关系密切，从而都对微量元素的影响表现出双因子或非线性增强的交互作用。

受数据可得性的影响，本研究仅选用了土地利用类型和距公路距离这2个人为因素，且采样点精度仅为1 km，可能会忽略影响因子之间的空间自相关性，若能提高采样的精度，加入不同类别的影响因子，可能会提高地理探测器分析结果的准确度。

4 结论

寻乌县4种微量元素中，土壤全量Se元素含量不存在缺乏和过剩的情况，而土壤全量B元素含量处于较缺乏的水平，土壤全量Mn和Cu元素含量则处于较缺乏和缺乏的水平。因子探测器和交互探测器的分析结果表明，对4种微量元素影响较大的因子为土壤重金属元素As含量，高程、地形部位、土壤亚类、土属、成土母质，其中As含量和土属对这4种微量元素的影响最大；土壤重金属元素As含量和土属等成土因子与坡度、坡向等地形因子有着非线性增强的交互作用，土地利用类型、成土母质、植被覆盖度、植被类型与地形因子的交互作用对微量元素也有一定影响，但与成土因子的交互作用相比影响较弱。针对寻乌县4种微量元素的空间分布特征和受各因子影响的特点，应做到合理施肥，避免土壤微量元素过丰和缺乏的情况，同时应注意As与微量元素之间的伴生关系可能会导致的土壤重金属污染问题。