陳紅華,王 璐,余愛華

自適應FCM土壤表層重金屬污染評價——以南京市煉油廠及生活區(qū)為例

陳紅華1,2*,王 璐3,余愛華1

(1.南京林業(yè)大學土木工程學院,江蘇 南京 210037；2.東華理工大學江西省數(shù)字國土重點實驗室,江西 南昌 330013；3.江蘇省地質礦產(chǎn)局第一地質大隊,江蘇 南京 210041)

采用自適應模糊C均值聚類(FCM)挖掘土壤重金屬的污染程度信息,以實現(xiàn)污染程度分類數(shù)的自動獲取,確保類別劃分的合理性,真實地反映重金屬污染的空間聚集特征.以江蘇省南京市煉油廠及生活區(qū)為研究對象,采集土壤中Cr、Cd、Ni、Pb、Zn、Cu重金屬濃度值,首先運用自適應FCM對濃度值進行聚類分析,然后利用地統(tǒng)計學空間插值,揭示污染的空間聚集性.結果表明,研究區(qū)存在不同程度的污染,自適應FCM算法比傳統(tǒng)聚類算法能更合理地劃分重金屬污染程度,挖掘出樣本潛在的污染信息,可為分析污染成因及土壤環(huán)境治理修復提供參考.

自適應FCM；土壤表層重金屬；污染評價；混亂指數(shù)法；空間插值

土壤重金屬污染具有持久性、穩(wěn)定性特點,難以被土體凈化、降解,不僅對生態(tài)平衡造成破壞,更是威脅人類健康[1-3].在對土壤重金屬污染程度進行空間預測時,通常根據(jù)樣本點某一重金屬元素的濃度值,直接利用地統(tǒng)計學方法插值出未采樣點的濃度值[4-5],最后依據(jù)環(huán)境質量分級標準對研究區(qū)重金屬污染程度進行劃分,然而此方法存在兩方面的不足,一方面只能獲得關于單一重金屬元素的污染信息,而實際上土壤污染受多種重金屬元素的綜合影響[6-8].另一方面,通過判斷濃度值屬于或不屬于哪個污染級別,得到的是非此即彼的劃分結果,無法反映重金屬污染固有的連續(xù)性與漸變性特點[9].而將模糊分類應用到重金屬污染評價中,可以獲得樣點關于某個污染級別的隸屬程度,不僅能反映污染的漸變性特點,而且隨著隸屬程度的增加,便于鎖定污染源.模糊C均值聚類分析是土壤學領域應用最廣泛的模糊分類方法[10],然而由于該方法本身的局限性,在缺少先驗信息的情況下,需要人為設定分類數(shù),使得分類結果無法保證可靠性與一致性,從而無法準確揭示土壤污染程度的真實情況[11].

本文采用自適應模糊C均值聚類算法(FCM),在傳統(tǒng)聚類算法的基礎上增設有效性函數(shù),利用自適應FCM對南京市煉油廠及生活區(qū)土壤采樣點進行聚類分析,再運用地統(tǒng)計學手段進行空間插值,探討研究區(qū)重金屬污染的空間聚集特征.

1 自適應模糊C均值聚類分析

土壤重金屬污染具有空間聚集性[12-13], FCM是一種無人監(jiān)督和管理的自動分類方法[14],廣泛運用于自動分類中.FCM對眾多樣本數(shù)據(jù)進行迭代優(yōu)化求解,得到樣本集的多個分類,但準確獲取分類數(shù)很難,且目標函數(shù)有非凸性,對初始化十分敏感,迭代過程易陷入局部極小值,無法獲得全局最優(yōu)解[15-16],對于相同的數(shù)據(jù)集,給定不同的聚類數(shù),產(chǎn)生的聚類結果會有很大差異.FCM的目標函數(shù)如式1所示:

自適應模糊C均值聚類建立在FCM的基礎上,通過構造有效性函數(shù)來約束聚類劃分的分明程度[17],有效性函數(shù)如式2所示:

根據(jù)自適應模糊C均值聚類的原理,設計其算法如圖1所示.

此算法可避免因用戶盲目確定分類數(shù)導致分類結果偏離實際,實現(xiàn)了聚類計算過程的一體化,同時,利用有效性函數(shù)控制聚類過程,對于相同的數(shù)據(jù)集,自適應FCM算法每次得到的聚類結果一致,保證了結果的可靠性.

圖1 自適應模糊C均值聚類算法

2 土壤表層重金屬污染評價

2.1 研究區(qū)概況

以江蘇省南京市煉油廠(原金陵石化煉油廠)以及生活區(qū)為研究區(qū)域.南京煉油廠座落于南京東郊,是一座有著60余年廠史的國有大型石化企業(yè),是長江沿線最大的原油、成品油儲運基地,主要生產(chǎn)產(chǎn)品包括多種高品質油品和聚丙烯樹脂、工業(yè)硫磺、偏三甲苯、石油液化氣等.煉油廠生活區(qū)與工業(yè)廠區(qū)緊密相鄰,生活區(qū)有辦公區(qū)、中學、小學、休閑區(qū),人群密集,如果土壤環(huán)境質量受到工業(yè)生產(chǎn)影響,將對周圍的居民產(chǎn)生嚴重的影響[18-20],其空間分布如圖2所示.

2.2 數(shù)據(jù)采集及處理

研究區(qū)數(shù)據(jù)主要包含兩部分內(nèi)容:土地利用信息及采樣點重金屬濃度值.使用Erdas軟件對研究區(qū)土地利用信息進行提取,利用美國Innov-X(伊諾斯)便攜式X射線熒光土壤重金屬檢測儀獲取研究區(qū)表層土壤中Cr、Cd、Ni、Pb、Zn、Cu 6種元素的濃度數(shù)據(jù).共選取80個采樣點,樣點空間分布均勻,西至煉油廠廠區(qū),南至棲霞大道(圖2).

聚類分析之前,首先對采集的80個樣本數(shù)據(jù)進行描述性統(tǒng)計分析.南京市絕大部分城區(qū)土壤pH值呈弱堿性,土壤平均pH值為7.68[21],以南京市土壤元素背景值[22]、《GB 15618-2018土壤環(huán)境質量農(nóng)用地土壤污染風險管控標準(試行)》[23]篩選值為評價標準,初步評估其污染程度,統(tǒng)計結果如表1所示.

圖2 研究區(qū)樣點空間分布

從統(tǒng)計數(shù)據(jù)可以看出,各重金屬元素平均濃度均超過背景值,說明土壤環(huán)境已在一定程度上受到人類活動的影響,總體上,雖然各重金屬平均濃度均未超過土壤污染風險篩選值,但部分樣本的Cd、Pb、Cu重金屬含量仍超標,且Cd、Ni元素的變異系數(shù)較大,說明土壤環(huán)境受到了不同程度的污染.從描述性統(tǒng)計信息的角度只能掌握研究區(qū)污染程度的大致情況,無法清晰區(qū)分各重金屬元素污染水平的差異,尚需通過聚類分析進一步挖掘污染程度的特征信息.

表1 土壤重金屬含量的描述性統(tǒng)計

2.3 自適應FCM污染評價結果

現(xiàn)利用自適應FCM對80組樣本數(shù)據(jù)進行聚類分析,樣本構成80行6列的濃度值矩陣,設置加權指數(shù)=2,迭代最大次數(shù)max=500,迭代停止閾值= 0.0001.經(jīng)聚類計算,可將樣本集自動劃分為3大類,聚類結果如表2所示.依據(jù)南京市土壤元素背景值[22]以及《GB 15618-2018土壤環(huán)境質量農(nóng)用地土壤污染風險管控標準(試行)》[23]中規(guī)定的重金屬污染篩選值,將污染風險程度劃分為3類:無風險、低風險、潛在風險,當重金屬含量小于背景值為無風險,超過背景值但小于污染風險篩選值為低風險,超過篩選值為潛在風險.據(jù)此,對樣本集的聚類中心進行污染風險性評價,結果見表2.

表2 土壤重金屬濃度樣本集的類別中心

聚類結果揭示了樣本集的特征結構,表明研究區(qū)土壤重金屬分為3種污染情況,各重金屬元素在不同的污染情況中污染程度不同,根據(jù)嚴重性大小,將各情況中污染程度最嚴重的元素設定為代表性污染元素,在第1種情況中Cd元素的污染風險比其余元素高,第2種情況總體污染水平較低,其中Pb元素表現(xiàn)為潛在污染風險,第3種情況的代表性污染元素為Cr、Cd、Pb、Zn.總體上,Cd元素對研究區(qū)的土壤環(huán)境質量影響較大.Cd對土壤的污染是目前世界上需要解決的一大問題,其來源廣泛,有工業(yè)、礦業(yè)、農(nóng)業(yè)等[24-27].本研究區(qū)的現(xiàn)狀調查表明Cd元素污染最為嚴重,在很大程度上與該煉油廠的工業(yè)生產(chǎn)活動有關.

本文同時利用未加有效性函數(shù)的傳統(tǒng)模糊C均值聚類方法對樣本集進行分析,人工設定分類數(shù)分別為2～9,相同的分類數(shù)下進行5遍聚類計算,最后對不同聚類結果得到的混亂指數(shù)進行統(tǒng)計,結果如圖3所示.

圖3 模糊C均值聚類結果的混亂指數(shù)

由圖3可知,傳統(tǒng)模糊分類的最佳分類數(shù)為3,與自適應聚類得到的結果一致,根據(jù)樣本數(shù)據(jù)的分布結構,如果將分類數(shù)設置為2顯然不合理,對于其他取值,給定相同分類數(shù)卻產(chǎn)生了不一致的聚類結果,且聚類結果的混亂指數(shù)較大,由此可見,傳統(tǒng)聚類算法不僅不能得到穩(wěn)定一致的聚類結果,而且結果的不確定性較大,模糊分類的分明性較差[30].當樣本集數(shù)量龐大時,若對每種分類數(shù)均進行試探,工作量將會很大,那么,在缺乏先驗信息的情況下,分類數(shù)若選取不合理將嚴重影響聚類效果,無法獲得樣本集真實的特征結構,導致土壤污染評價偏離實際.

2.4 污染程度空間分布及成因

聚類結果只能反映研究區(qū)土壤重金屬污染程度的大致劃分,為了進一步分析污染成因,需把握研究區(qū)污染程度的空間分布特征.本文根據(jù)聚類輸出的隸屬矩陣,利用ArcGIS,分別對3種污染情況的隸屬度值進行空間插值,得到3種不同情況的污染程度分布,隸屬度關系越明確的區(qū)域代表越符合這類污染情況.IDW法基于相似相近原理,認為距離越近影響程度越大[31],由于研究區(qū)樣點分布均勻,故選取反距離加權插值法進行空間插值.

由圖4(a)可見,隸屬度較高的區(qū)域分布在研究區(qū)西北角,Cd元素對此區(qū)域土壤生態(tài)環(huán)境存在一定污染風險,其余元素的污染風險性較低,該區(qū)域為南京市煉油廠廠區(qū),Cd元素污染程度較高一定程度上與該區(qū)域大規(guī)模的化工生產(chǎn)有關,此外,生產(chǎn)過程常使用含鎳催化劑對有機化工原料進行合成加工,排放到外界的重金屬通過大氣或污水沉積到土壤中,對土壤環(huán)境造成一定程度的污染.圖4(b)中,對于第二類污染情況隸屬度較高的區(qū)域分布在中東部,該區(qū)域土壤環(huán)境受Pb元素的影響較大,其它元素的污染風險較低,可以認為土壤環(huán)境質量較好.該區(qū)域屬于生活區(qū),道路上來往車輛較多,車輛排放的尾氣及含鉛汽油燃燒成為土壤重金屬污染的主要來源[32],而在此處有許多植被、綠化帶,對環(huán)境凈化發(fā)揮了良好的作用.圖4(c)中隸屬于第三類污染情況的土壤集中分布在研究區(qū)南部,土壤環(huán)境質量主要受到Cr、Cd、Pb、Zn元素的影響,但污染風險較低,該區(qū)域為南京市二氧化碳廠廠區(qū),土壤環(huán)境一定程度上受到了工業(yè)生產(chǎn)活動的影響.

圖4 三種污染情況的空間分布

總體而言,在工業(yè)活動的影響下,重金屬污染物對研究區(qū)土壤生態(tài)環(huán)境造成了一定程度污染風險,尤其是西北角與南部的土壤質量受工業(yè)生產(chǎn)影響較大;同時,不難發(fā)現(xiàn),工廠生產(chǎn)活動產(chǎn)生的重金屬通過大氣、地表及地下水的滲入與擴散作用,進入到土壤中,對其周邊住宅區(qū)、生活區(qū)的土壤都存在一定程度的污染.評價結果如實反映了研究區(qū)污染現(xiàn)狀,由于研究區(qū)仍有許多居民在此生活,環(huán)境整治工作需要規(guī)范持續(xù)地開展下去.

3 結論

3.1 自適應FCM,相比傳統(tǒng)聚類方法,不僅能實現(xiàn)樣本集分類數(shù)的自動獲取,避免用戶盲目選取造成聚類結果失效,而且能保證結果的穩(wěn)定性,提高聚類劃分的明確性,適用于挖掘土壤重金屬濃度這類高維度樣本集的特征信息,能夠反映研究區(qū)真實污染狀況.

3.2 通過空間插值實現(xiàn)樣點隸屬關系在地理空間上的可視化表達,可揭示不同區(qū)域的不同代表性污染元素,從而為鎖定污染源,因地制宜開展土壤治理修復提供參考依據(jù).

3.3 研究區(qū)土壤表層重金屬污染水平隨空間分布而不同,鄰近煉油廠廠區(qū)及二氧化碳廠區(qū)域的污染水平較嚴重,居民區(qū)及綠化設施配備完善的區(qū)域污染風險較低.

[1] 謝龍濤.平原農(nóng)區(qū)土壤重金屬空間分布特征及污染評價——以南京市江寧區(qū)周崗鎮(zhèn)為例 [D]. 南京:南京農(nóng)業(yè)大學, 2019.

Xie L T. Spatial distribution characteristics and pollution assessment of heavy metals in soil based on plain farming areas: Zhougang Town of Jiangning, Nanjing [D]. Nanjing: Nanjing Agricultural University, 2019.

[2] 張 浙,盧 然,伍思揚,等.長江經(jīng)濟帶礦山土壤重金屬污染及健康風險評價 [J]. 環(huán)境科學, 2022,43(7):3763-3772.DOI:10.13227/j. hjkx.202109102.

Zhang Z, Lu R, Wu S Y, et al. Heavy metal pollution and health risk assessment of mine soil in Yangtze river economic belt [J]. Environmental Science, 2022,43(7):3763-3772.DOI:10.13227/j.hjkx. 202109102.

[3] Du B Y, Zhou J, Lu B X, et al. Environmental and human health risks from cadmium exposure near an active lead-zinc mine and a copper smelter, China [J]. Science of the Total Environment, 2020,720.Doi: 10.1016/j.scitotenv.2020.137585.

[4] 秦旭芝,鄭涵文,何瑞成,等.農(nóng)用地土壤重金屬污染調查最優(yōu)網(wǎng)格尺度及布點優(yōu)化方法 [J]. 環(huán)境工程技術學報, 2021,5(11):861-868.

Qin X Z, Zheng H W, He R C, et al. Optimal grid scale and sampling design optimization method for heavy metal pollution investigation in farmland soil [J]. Journal of Environmental Engineering Technology, 2021,5(11):861-868.

[5] 郭志娟,周亞龍,王喬林,等.雄安新區(qū)土壤重金屬污染特征及健康風險 [J]. 中國環(huán)境科學, 2021,41(1):431-441. DOI:10.19674/j.cnki. issn1000-6923.2021.0049.

Guo Z J, Zhou Y L, Wang Q L, et al. Characteristics of soil heavy metal pollution and health risk in Xiong’an New District [J]. China Environmental Science, 2021,41(1):431-441.DOI:10.19674/j.cnki. issn1000-6923.2021.0049.

[6] 汪 峰,黃言歡,李如忠,等.有色金屬礦業(yè)城市典型村鎮(zhèn)土壤重金屬污染評價及來源解析 [J]. 環(huán)境科學, 2022,43(9):4800-4809.DOI: 10.13227/j.hjkx.202112016.

Wang F, Huang Y H, Li R Z, et al. Contamination assessment and source apportionment of soil heavy metals in typical villages and towns in a nonferrous metal mining city [J]. Environmental Science, 2022,43(9):4800-4809.DOI:10.13227/j.hjkx.202112016.

[7] Liu X Y, Bai Z K, Shi H D, et al. Heavy metal pollution of soils from coal mines in China [J]. Natural Hazards, 2019,99(2):1163-1177.

[8] Ding Q, Cheng G, Wang Y, et al. Effects of natural factors on the spatial distribution of heavy metals in soils surrounding mining regions [J]. Science of the Total Environment, 2017,578:577-585.

[9] 李 巖.典型工業(yè)聚集區(qū)土壤重金屬污染特征及成因研究 [D]. 北京:中國地質大學(北京), 2020.

Li Y. Study on the characteristics and causes of heavy metal pollution in typical industrial areas [D]. Beijing: China University of Geosciences (Beijing), 2020.

[10] Gao Y L, Wang D X, Pan J Y. A novel fuzzy c-means clustering algorithm using adaptive norm [J]. International Journal of Fuzzy Systems, 2020,21(8):2632-2649.

[11] 檀滿枝,陳 杰,鄭海龍,等.模糊c-均值聚類法在土壤重金屬污染空間預測中的應用 [J]. 環(huán)境科學學報, 2006,26(12):2086-2092.DOI: 10.13671/j.hjkxxb.2006.12.024.

Tan M Z, Chen J, Zheng H L, et al. Spatial prediction of soil heavy metal pollution using fuzzy c-mean algorithm [J]. Acta Scientiae Circumstantiae, 2006,26(12):2086-2092.DOI:10.13671/j.hjkxxb.2006. 12.024.

[12] 王海燕.快速城市化地區(qū)耕地土壤重金屬含量空間變異與來源分析 [D]. 南京:南京大學, 2012.

Wang H Y. Spatial variability of heavy metals in cultivated soil of rapid-urbanizing regions: a case study of Xishan district, Wuxi [D]. Nanjing: Nanjing University, 2012.

[13] 尹 芳,封 凱,尹翠景,等.青海典型工業(yè)區(qū)耕地土壤重金屬評價及源解析 [J]. 中國環(huán)境科學, 2021,41(11):5217-5226.DOI:10.19674/ j.cnki.issn1000-6923.20210506.002.

Yin F, Feng K, Yin C J, et al. Evaluation and source analysis of heavy metal in cultivated soil around typical industrial district of Qinghai province [J]. China Environmental Science, 2021,41(11):5217-5226. DOI:10.19674/j.cnki.issn1000-6923.20210506.002.

[14] 史慧峰,馬曉寧.一種自適應的模糊C均值聚類算法 [J]. 無線通信技術, 2016,25(3):40-45.

Shi H F, Ma S N. An adaptive fuzzy C-means clustering algorithm [J]. Wireless Communication Technology, 2016,25(3):40-45.

[15] 汪慶淼.基于目標函數(shù)的模糊聚類新算法及其應用研究 [D]. 鎮(zhèn)江:江蘇大學, 2014.

Wang Q M. Research of new fuzzy clustering algorithms based on objective function and its applications [D]. Zhenjiang: Jiangsu University, 2014.

[16] 張利瑞,彭鑫波,馬延龍,等.蘭州市耕地“五毒”重金屬的風險評價與歸因分析 [J]. 環(huán)境科學, 2022,43(9):4767-4778.DOI:10.13227/ j.hjkx.202112226.

Zhang L R, Peng X B, Ma Y L, et al. Risk assessment and attribution analysis of "five toxic" heavy metals in cultivated land in Lanzhou [J]. Environmental Science, 2022,43(9):4767-4778. DOI:10.13227/j.hjkx. 202112226.

[17] 謝季堅,劉承平.模糊數(shù)學方法及其應用(第四版) [M]. 武漢:華中科技大學出版社, 2013.

Xie J J, Liu C P. Fuzzy mathematical methods and their applications (Fourth edition) [M]. Wuhan: Huazhong University of Science and Technology Press, 2013.

[18] Gao Z, Fu W, Zhang M, et al. Potentially hazardous metals contamination in soil-rice system and its spatial variation in Shengzhou City, China [J]. Journal of Geochemical Exploration, 2016, 167:62-69.

[19] 孫 慧,畢如田,郭 穎,等.廣東省土壤重金屬溯源及污染源解析[J]. 環(huán)境科學學報, 2018,38(2):704-714.

Sun H, Bi R T, Guo Y, et al. Source apportionment analysis of trace metal contamination in soils of Guangdong province, China [J]. Acta Scientiae Circumstantiae, 2018,38(2):704-714.

[20] Zhang P Y, Qin C Z, Hong X, et al. Risk assessment and source analysis of soil heavy metal pollution from lower reaches of Yellow River irrigation in China [J]. Science of The Total Environment, 2018,633:1136-1147.

[21] 王 紅,徐 靜,謝曉金,等.南京市綠地土壤養(yǎng)分特征及空間分布 [J]. 江蘇農(nóng)業(yè)科學, 2021,49(6):212-218.

Wang H, Xu J, Xie X J, et al. Characteristics and spatial distribution of soil nutrients in Nanjing green space [J]. Jiangsu Agricultural Sciences, 2021,49(6):212-218.

[22] 中國環(huán)境監(jiān)測總站.中國土壤元素背景值 [M]. 北京:中國環(huán)境科學出版社, 1990:73-74.

China Environmental Monitoring Station. Background values of soil elements in China [M]. Beijing: China Environmental Science Press, 1990:73-74.

[23] GB 15618-2018 土壤環(huán)境質量農(nóng)用地土壤污染風險管控標準(試行) [S].

GB 15618-2018 Soil environmental quality Soil pollution risk control standards for agricultural land (trial implementation) [S].

[24] 陳思慧.修復植物殘體生物炭制備、改性及對重金屬Cd污染農(nóng)田土壤的修復研究 [D]. 南京:東南大學, 2019.

Chen S H. Preparation and modification of biochar from phytoremediation residue and its remediation of Cd polluted farmland soil [D]. Nanjing: Southeast University, 2019.

[25] 劉勝然,王鐵宇,湯 潔,等.典型城市單元的土壤重金屬溯源方法與實證研究[J]. 生態(tài)學報, 2019,39(4):1278-1289.

Liu S R, Wang T Y, Tang J, et al. Source apportionment methods of soil heavy metals in typical urban units: an empirical study [J]. Acta Ecologica Sinica, 2019,39(4):1278-1289.

[26] 謝志宜,張雅靜,陳丹青,等.土壤重金屬污染評價方法研究——以廣州市為例[J]. 農(nóng)業(yè)環(huán)境科學學報, 2016,35(7):1329-1337.

Xie Z Y, Zhang Y J, Chen D Q, et al. Research on assessment methods for soil heavy metal pollution:A case study of Guangzhou [J]. Journal of Agro-Environment Science, 2016,35(7):1329-1337.

[27] 王海洋,韓 玲,謝丹妮,等.礦區(qū)周邊農(nóng)田土壤重金屬分布特征及污染評價 [J]. 環(huán)境科學, 2022,43(4):2104-2114.DOI:10.13227/j.hjkx. 202106218.

Wang H Y, Han L, Xie D N, et al. Distribution characteristics of heavy metals in farmland soil around mining areas and pollution assessment [J]. Environmental Science, 2022,43(4):2104-2114.DOI:10.13227/j. hjkx.202106218.

[28] 徐 江,李 艷,紀晶華.統(tǒng)計學基礎(第2版) [M]. 北京:機械工業(yè)出版社, 2016.

Xu J, Li Y, Ji J H. Fundamentals of Statistics (2nd Edition) [M]. Beijing: China Machine Press, 2016.

[29] Liu L G, Wang X R, Sui X Y, et al. Heavy metal pollution and ecological risk assessment of cultivated land soil in the farming areas of coastal china: A case study of Donghai County, Jiangsu Province [J]. Agricultural Biotechnology, 2018,7(6):125-129.

[30] 劉朝霞.基于非線性Kdv-KSV方程平衡泛函的優(yōu)化聚類算法[J]. 科技通報, 2015,12(31):121-122,138.

Li Z X. Optimization clustering algorithm based on the nonlinear equation Kdv-KSV balance functional [J]. Bulletin of Science and Technology, 2015,12(31):121-122,138.

[31] 費 坤,汪甜甜,鄒文嵩,等.土壤重金屬污染空間插值及其驗證方法研究綜述[J]. 環(huán)境監(jiān)測管理與技術, 2020,2(34):1-6.

Fei K, Wang T T, Zou W S, et al. Review on spatial interpolation and its verification method of heavy metal pollution in soil [J]. Environmental Monitoring Management and Technology, 2020,2(34): 1-6.

[32] 宋衛(wèi)華,姚 靖,王文芳.土壤重金屬污染來源、分布及風險評價研究[J]. 資源節(jié)約與環(huán)保, 2018,(10):78-79.

Song W H, Yao J, Wang W H. Research on the source, distribution and risk assessment of soil heavy metal pollution [J]. Resource Conservation and Environmental Protection, 2018,(10):78-79.

Evaluation of heavy metal pollution in the soil surface of adaptive FCM——Taking the Nanjing refinery and its living area as an example.

CHEN Hong-hua1,2*, WANG Lu3, YU Ai-hua1

(1.School of Civil Engineering, Nanjing Forestry University, Nanjing 210037, China；2.Key Laboratory for Digital Land and Resources of Jiangxi Province, East China University of Technology, Nanchang 330013, China；3.The 1st Geological Brigade of Jiangsu Geology & Mineral Exploration Bureau, Nanjing 210041, China)., 2022,42(11)：5239～5245

Adaptive Fuzzy C-Mean Clustering (FCM) was used to excavate the pollution degree information of heavy metals in soil to achieve automatic acquisition of the classification of pollution degrees, in order to ensure the rationality of classification and truly reflect the spatial aggregation characteristics of heavy metal pollution. Taking the refinery and living area of Nanjing, Jiangsu Province as the research object, the heavy metal concentration values of Cr, Cd, Ni, Pb, Zn and Cu in the soil were collected. Firstly, the concentration values were analyzed by adaptive FCM, and then the spatial interpolation of geostatistical science was used to reveal the spatial agglomeration of pollution. The results indicated that there were different degrees of pollution in the study area; the degree of heavy metal pollution could be divided by the adaptive FCM algorithm more than the traditional clustering algorithm, the potential pollution information of the samples could be excavated, which could provide a reference for analyzing the causes of pollution and soil environmental remediation.

adaptive FCM；soil surface heavy metal；pollution evaluation；confusion index；spatial interpolation

X53

A

1000-6923(2022)11-5239-07

陳紅華(1976-),女,江西鄱陽人,副教授,博士,主要研究方向為土壤表層重金屬污染評價,基礎地理信息數(shù)據(jù)中心建設方案,基于主體學習的城市空間增長微動力模擬模型研究等.發(fā)表論文20余篇.

2022-04-28

東華理工大學江西省數(shù)字國土重點實驗室開放研究基金資助項目(DLLJ202101);國家自然科學基金資助項目(42101430)

* 責任作者, 副教授, chenhh@njfu.edu.cn