自适应FCM土壤表层重金属污染评价——以南京市炼油厂及生活区为例

陈红华,王 璐,余爱华

自适应FCM土壤表层重金属污染评价——以南京市炼油厂及生活区为例

陈红华1,2*,王 璐3,余爱华1

(1.南京林业大学土木工程学院,江苏 南京 210037；2.东华理工大学江西省数字国土重点实验室,江西 南昌 330013；3.江苏省地质矿产局第一地质大队,江苏 南京 210041)

采用自适应模糊C均值聚类(FCM)挖掘土壤重金属的污染程度信息,以实现污染程度分类数的自动获取,确保类别划分的合理性,真实地反映重金属污染的空间聚集特征.以江苏省南京市炼油厂及生活区为研究对象,采集土壤中Cr、Cd、Ni、Pb、Zn、Cu重金属浓度值,首先运用自适应FCM对浓度值进行聚类分析,然后利用地统计学空间插值,揭示污染的空间聚集性.结果表明,研究区存在不同程度的污染,自适应FCM算法比传统聚类算法能更合理地划分重金属污染程度,挖掘出样本潜在的污染信息,可为分析污染成因及土壤环境治理修复提供参考.

自适应FCM；土壤表层重金属；污染评价；混乱指数法；空间插值

土壤重金属污染具有持久性、稳定性特点,难以被土体净化、降解,不仅对生态平衡造成破坏,更是威胁人类健康[1-3].在对土壤重金属污染程度进行空间预测时,通常根据样本点某一重金属元素的浓度值,直接利用地统计学方法插值出未采样点的浓度值[4-5],最后依据环境质量分级标准对研究区重金属污染程度进行划分,然而此方法存在两方面的不足,一方面只能获得关于单一重金属元素的污染信息,而实际上土壤污染受多种重金属元素的综合影响[6-8].另一方面,通过判断浓度值属于或不属于哪个污染级别,得到的是非此即彼的划分结果,无法反映重金属污染固有的连续性与渐变性特点[9].而将模糊分类应用到重金属污染评价中,可以获得样点关于某个污染级别的隶属程度,不仅能反映污染的渐变性特点,而且随着隶属程度的增加,便于锁定污染源.模糊C均值聚类分析是土壤学领域应用最广泛的模糊分类方法[10],然而由于该方法本身的局限性,在缺少先验信息的情况下,需要人为设定分类数,使得分类结果无法保证可靠性与一致性,从而无法准确揭示土壤污染程度的真实情况[11].

本文采用自适应模糊C均值聚类算法(FCM),在传统聚类算法的基础上增设有效性函数,利用自适应FCM对南京市炼油厂及生活区土壤采样点进行聚类分析,再运用地统计学手段进行空间插值,探讨研究区重金属污染的空间聚集特征.

1 自适应模糊C均值聚类分析

土壤重金属污染具有空间聚集性[12-13], FCM是一种无人监督和管理的自动分类方法[14],广泛运用于自动分类中.FCM对众多样本数据进行迭代优化求解,得到样本集的多个分类,但准确获取分类数很难,且目标函数有非凸性,对初始化十分敏感,迭代过程易陷入局部极小值,无法获得全局最优解[15-16],对于相同的数据集,给定不同的聚类数,产生的聚类结果会有很大差异.FCM的目标函数如式1所示:

自适应模糊C均值聚类建立在FCM的基础上,通过构造有效性函数来约束聚类划分的分明程度[17],有效性函数如式2所示:

根据自适应模糊C均值聚类的原理,设计其算法如图1所示.

此算法可避免因用户盲目确定分类数导致分类结果偏离实际,实现了聚类计算过程的一体化,同时,利用有效性函数控制聚类过程,对于相同的数据集,自适应FCM算法每次得到的聚类结果一致,保证了结果的可靠性.

图1 自适应模糊C均值聚类算法

2 土壤表层重金属污染评价

2.1 研究区概况

以江苏省南京市炼油厂(原金陵石化炼油厂)以及生活区为研究区域.南京炼油厂座落于南京东郊,是一座有着60余年厂史的国有大型石化企业,是长江沿线最大的原油、成品油储运基地,主要生产产品包括多种高品质油品和聚丙烯树脂、工业硫磺、偏三甲苯、石油液化气等.炼油厂生活区与工业厂区紧密相邻,生活区有办公区、中学、小学、休闲区,人群密集,如果土壤环境质量受到工业生产影响,将对周围的居民产生严重的影响[18-20],其空间分布如图2所示.

2.2 数据采集及处理

研究区数据主要包含两部分内容:土地利用信息及采样点重金属浓度值.使用Erdas软件对研究区土地利用信息进行提取,利用美国Innov-X(伊诺斯)便携式X射线荧光土壤重金属检测仪获取研究区表层土壤中Cr、Cd、Ni、Pb、Zn、Cu 6种元素的浓度数据.共选取80个采样点,样点空间分布均匀,西至炼油厂厂区,南至栖霞大道(图2).

聚类分析之前,首先对采集的80个样本数据进行描述性统计分析.南京市绝大部分城区土壤pH值呈弱碱性,土壤平均pH值为7.68[21],以南京市土壤元素背景值[22]、《GB 15618-2018土壤环境质量农用地土壤污染风险管控标准(试行)》[23]筛选值为评价标准,初步评估其污染程度,统计结果如表1所示.

图2 研究区样点空间分布

从统计数据可以看出,各重金属元素平均浓度均超过背景值,说明土壤环境已在一定程度上受到人类活动的影响,总体上,虽然各重金属平均浓度均未超过土壤污染风险筛选值,但部分样本的Cd、Pb、Cu重金属含量仍超标,且Cd、Ni元素的变异系数较大,说明土壤环境受到了不同程度的污染.从描述性统计信息的角度只能掌握研究区污染程度的大致情况,无法清晰区分各重金属元素污染水平的差异,尚需通过聚类分析进一步挖掘污染程度的特征信息.

表1 土壤重金属含量的描述性统计

2.3 自适应FCM污染评价结果

现利用自适应FCM对80组样本数据进行聚类分析,样本构成80行6列的浓度值矩阵,设置加权指数=2,迭代最大次数max=500,迭代停止阈值= 0.0001.经聚类计算,可将样本集自动划分为3大类,聚类结果如表2所示.依据南京市土壤元素背景值[22]以及《GB 15618-2018土壤环境质量农用地土壤污染风险管控标准(试行)》[23]中规定的重金属污染筛选值,将污染风险程度划分为3类:无风险、低风险、潜在风险,当重金属含量小于背景值为无风险,超过背景值但小于污染风险筛选值为低风险,超过筛选值为潜在风险.据此,对样本集的聚类中心进行污染风险性评价,结果见表2.

表2 土壤重金属浓度样本集的类别中心

聚类结果揭示了样本集的特征结构,表明研究区土壤重金属分为3种污染情况,各重金属元素在不同的污染情况中污染程度不同,根据严重性大小,将各情况中污染程度最严重的元素设定为代表性污染元素,在第1种情况中Cd元素的污染风险比其余元素高,第2种情况总体污染水平较低,其中Pb元素表现为潜在污染风险,第3种情况的代表性污染元素为Cr、Cd、Pb、Zn.总体上,Cd元素对研究区的土壤环境质量影响较大.Cd对土壤的污染是目前世界上需要解决的一大问题,其来源广泛,有工业、矿业、农业等[24-27].本研究区的现状调查表明Cd元素污染最为严重,在很大程度上与该炼油厂的工业生产活动有关.

本文同时利用未加有效性函数的传统模糊C均值聚类方法对样本集进行分析,人工设定分类数分别为2～9,相同的分类数下进行5遍聚类计算,最后对不同聚类结果得到的混乱指数进行统计,结果如图3所示.

图3 模糊C均值聚类结果的混乱指数

由图3可知,传统模糊分类的最佳分类数为3,与自适应聚类得到的结果一致,根据样本数据的分布结构,如果将分类数设置为2显然不合理,对于其他取值,给定相同分类数却产生了不一致的聚类结果,且聚类结果的混乱指数较大,由此可见,传统聚类算法不仅不能得到稳定一致的聚类结果,而且结果的不确定性较大,模糊分类的分明性较差[30].当样本集数量庞大时,若对每种分类数均进行试探,工作量将会很大,那么,在缺乏先验信息的情况下,分类数若选取不合理将严重影响聚类效果,无法获得样本集真实的特征结构,导致土壤污染评价偏离实际.

2.4 污染程度空间分布及成因

聚类结果只能反映研究区土壤重金属污染程度的大致划分,为了进一步分析污染成因,需把握研究区污染程度的空间分布特征.本文根据聚类输出的隶属矩阵,利用ArcGIS,分别对3种污染情况的隶属度值进行空间插值,得到3种不同情况的污染程度分布,隶属度关系越明确的区域代表越符合这类污染情况.IDW法基于相似相近原理,认为距离越近影响程度越大[31],由于研究区样点分布均匀,故选取反距离加权插值法进行空间插值.

由图4(a)可见,隶属度较高的区域分布在研究区西北角,Cd元素对此区域土壤生态环境存在一定污染风险,其余元素的污染风险性较低,该区域为南京市炼油厂厂区,Cd元素污染程度较高一定程度上与该区域大规模的化工生产有关,此外,生产过程常使用含镍催化剂对有机化工原料进行合成加工,排放到外界的重金属通过大气或污水沉积到土壤中,对土壤环境造成一定程度的污染.图4(b)中,对于第二类污染情况隶属度较高的区域分布在中东部,该区域土壤环境受Pb元素的影响较大,其它元素的污染风险较低,可以认为土壤环境质量较好.该区域属于生活区,道路上来往车辆较多,车辆排放的尾气及含铅汽油燃烧成为土壤重金属污染的主要来源[32],而在此处有许多植被、绿化带,对环境净化发挥了良好的作用.图4(c)中隶属于第三类污染情况的土壤集中分布在研究区南部,土壤环境质量主要受到Cr、Cd、Pb、Zn元素的影响,但污染风险较低,该区域为南京市二氧化碳厂厂区,土壤环境一定程度上受到了工业生产活动的影响.

图4 三种污染情况的空间分布

总体而言,在工业活动的影响下,重金属污染物对研究区土壤生态环境造成了一定程度污染风险,尤其是西北角与南部的土壤质量受工业生产影响较大;同时,不难发现,工厂生产活动产生的重金属通过大气、地表及地下水的渗入与扩散作用,进入到土壤中,对其周边住宅区、生活区的土壤都存在一定程度的污染.评价结果如实反映了研究区污染现状,由于研究区仍有许多居民在此生活,环境整治工作需要规范持续地开展下去.

3 结论

3.1 自适应FCM,相比传统聚类方法,不仅能实现样本集分类数的自动获取,避免用户盲目选取造成聚类结果失效,而且能保证结果的稳定性,提高聚类划分的明确性,适用于挖掘土壤重金属浓度这类高维度样本集的特征信息,能够反映研究区真实污染状况.

3.2 通过空间插值实现样点隶属关系在地理空间上的可视化表达,可揭示不同区域的不同代表性污染元素,从而为锁定污染源,因地制宜开展土壤治理修复提供参考依据.

3.3 研究区土壤表层重金属污染水平随空间分布而不同,邻近炼油厂厂区及二氧化碳厂区域的污染水平较严重,居民区及绿化设施配备完善的区域污染风险较低.

[1] 谢龙涛.平原农区土壤重金属空间分布特征及污染评价——以南京市江宁区周岗镇为例 [D]. 南京:南京农业大学, 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] 张 浙,卢 然,伍思扬,等.长江经济带矿山土壤重金属污染及健康风险评价 [J]. 环境科学, 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,郑涵文,何瑞成,等.农用地土壤重金属污染调查最优网格尺度及布点优化方法 [J]. 环境工程技术学报, 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,周亚龙,王乔林,等.雄安新区土壤重金属污染特征及健康风险 [J]. 中国环境科学, 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,黄言欢,李如忠,等.有色金属矿业城市典型村镇土壤重金属污染评价及来源解析 [J]. 环境科学, 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 岩.典型工业聚集区土壤重金属污染特征及成因研究 [D]. 北京:中国地质大学(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] 檀满枝,陈 杰,郑海龙,等.模糊c-均值聚类法在土壤重金属污染空间预测中的应用 [J]. 环境科学学报, 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.快速城市化地区耕地土壤重金属含量空间变异与来源分析 [D]. 南京:南京大学, 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 凯,尹翠景,等.青海典型工业区耕地土壤重金属评价及源解析 [J]. 中国环境科学, 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,马晓宁.一种自适应的模糊C均值聚类算法 [J]. 无线通信技术, 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] 汪庆淼.基于目标函数的模糊聚类新算法及其应用研究 [D]. 镇江:江苏大学, 2014.

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

[16] 张利瑞,彭鑫波,马延龙,等.兰州市耕地“五毒”重金属的风险评价与归因分析 [J]. 环境科学, 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] 谢季坚,刘承平.模糊数学方法及其应用(第四版) [M]. 武汉:华中科技大学出版社, 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] 孙 慧,毕如田,郭 颖,等.广东省土壤重金属溯源及污染源解析[J]. 环境科学学报, 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 红,徐 静,谢晓金,等.南京市绿地土壤养分特征及空间分布 [J]. 江苏农业科学, 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] 中国环境监测总站.中国土壤元素背景值 [M]. 北京:中国环境科学出版社, 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 土壤环境质量农用地土壤污染风险管控标准(试行) [S].

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

[24] 陈思慧.修复植物残体生物炭制备、改性及对重金属Cd污染农田土壤的修复研究 [D]. 南京:东南大学, 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] 刘胜然,王铁宇,汤 洁,等.典型城市单元的土壤重金属溯源方法与实证研究[J]. 生态学报, 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] 谢志宜,张雅静,陈丹青,等.土壤重金属污染评价方法研究——以广州市为例[J]. 农业环境科学学报, 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,韩 玲,谢丹妮,等.矿区周边农田土壤重金属分布特征及污染评价 [J]. 环境科学, 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 艳,纪晶华.统计学基础(第2版) [M]. 北京:机械工业出版社, 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] 刘朝霞.基于非线性Kdv-KSV方程平衡泛函的优化聚类算法[J]. 科技通报, 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] 费 坤,汪甜甜,邹文嵩,等.土壤重金属污染空间插值及其验证方法研究综述[J]. 环境监测管理与技术, 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] 宋卫华,姚 靖,王文芳.土壤重金属污染来源、分布及风险评价研究[J]. 资源节约与环保, 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

陈红华(1976-),女,江西鄱阳人,副教授,博士,主要研究方向为土壤表层重金属污染评价,基础地理信息数据中心建设方案,基于主体学习的城市空间增长微动力模拟模型研究等.发表论文20余篇.

2022-04-28

东华理工大学江西省数字国土重点实验室开放研究基金资助项目(DLLJ202101);国家自然科学基金资助项目(42101430)

* 责任作者, 副教授, chenhh@njfu.edu.cn