新光农场位于钦州市钦北区与灵山县交界处(图1), 地处亚热带季风气候区, 地貌类型以河流冲洪积平原和丘陵为主, 出露主要地层为志留纪碎屑岩、泥盆纪碳酸盐岩和碎屑岩、三叠纪酸性侵入岩、白垩纪紫红色碎屑岩、古近纪土黄色砂砾岩、第四纪冲洪积砂土层等。土壤类型主要为赤红壤、小部分为水稻土, 主要土地利用类型为林地、园地、耕地。研究区农作物以荔枝、龙眼、水稻为主。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 研究区地质简图 1.第四系; 2.古近系; 3.白垩系; 4.泥盆系; 5.志留系; 6.三叠纪花岗岩; 7.地名Fig.1 Geological sketch of the study area

2019年10月, 采用网格布点法采集研究区农用地表层土壤样品348件, 采样深度为0~20 cm, 平均采样密度为4件/km²。采用四分法采样, 在采样点10~20 m内向四周辐射4个采样点, 等份混合成一个样品。样品重量大于2 kg, 样品置于布袋内系紧, 现场记录并标记。样品经过充分自然晾干后过10目筛, 取400 g置入聚乙烯瓶中, 送入实验室测试。

土壤样品主要测试氧化物、微量元素、pH值、有机质等28个指标。样品分析由南宁矿产资源监督检测中心负责。Se测定采用氢化物发生-原子荧光光谱法, 主要氧化物、S等元素测定由X射线荧光光谱法完成, Ge、Zn、Ni元素测定采用耦合等离子体质谱法, pH值采用pH计测定, 有机质由滴定管测定。测试过程中利用GSS-22、GSS-23、GSS-29、GSS-30控制测试质量, 精密度和准确度的计算公式为

ΔlgC-=|lgCi--lgCs ,(1)

RSD=∑i=1n(Ci-Cs)2n-1Cs 。(2)

式中: ΔlgC-为准确度; RSD为精密度, %; C_i为标准样品的检测结果; C_s为标准值。

计算结果见表1, 质量控制均符合规范要求。

表1

Tab.1

表1(Tab.1)

表1 研究区主要测试指标检出限、准确度、精密度 Tab.1 Detection limit, accuracy and precision of main test indicators in the study area 测试指标 检出限(μ g/g) 准确度 精密度/% Al2O3 0.02* 0.009 3.05 Fe2O3 0.05* 0.000 0.28 K2O 0.05* 0.021 6.25 有机质 0.10* 0.017 4.15 Ge 0.10 0.005 2.85 Ni 2.00 0.030 7.81 S 30.00 0.033 7.98 Se 0.01 0.016 7.70 Zn 4.00 0.008 2.31 pH值 0.10* * 0.003 0.76 注: “ * ” 单位为%, “ * * ” 为无量纲。

表1 研究区主要测试指标检出限、准确度、精密度 Tab.1 Detection limit, accuracy and precision of main test indicators in the study area

地理探测器是探测空间分异性及其驱动力的统计学方法, 要求因变量为连续变量, 自变量为类型变量^[8]。对于为连续变量的自变量, 通常利用ArcGIS中的自然断点法转化为类型变量^[9]。本文利用地理探测器中的因子探测和交互探测进行分析。

1.4.1 因子探测

因子探测的目的是为了了解各自变量因子对因变量结果是否具有解释力以及解释力的大小, 其理论模型为

q=1-∑h=1LNhσh2Nσ2=1-SSWSST ,(3)

SSW=∑h=1LNhσh2 ,(4)

SST=Nσ2。(5)

式中: h为因子X的分类; N_h和N分别为分类h的数量和全部的数量; σh2和σ ²分别为分类h的方差和全域Y值的方差; SSW和SST分别为层内方差之和和全区总方差; q值越大, 表明该自变量X对Y的解释力越强。

1.4.2 交互探测

交互探测目的是识别不同因子之间的相互作用, 即不同因子共同作用时是否会增强或减弱对因变量的解释力。不同因子之间的交互作用可分为非线性减弱、单因子非线性减弱、双因子增强、独立、非线性增强5种。

1.5.1 全局莫兰指数

全局莫兰指数是空间相关性检验的常用方法, 可以表示属性值在空间上是否聚集^{[10, 11]}。其公式为

I=n×∑i=1n∑j=1nwij(xi-x-)(xj-x-)∑i=1n∑j=1nwi, j×∑i=1n(xi-x-)2 ,(6)

Z=1-E(I)var(I)。(7)

式中: I为全局莫兰指数, x_i、x_j分别为位置i、j的属性值, x-为所有i、j点属性的平均值, n为数据个数。w_{i, j}为栅格单元的权重; Z为莫兰指数显著性检验得分, E(I)和var(I)为莫兰指数的期望值和变异数。莫兰指数小于0表示数据空间负相关, 等于0表示不相关, 大于0表示正相关。当|Z|分别大于1.65、1.96、2.58时, 表明显著性检验P值分别小于0.1, 0.05, 0.01。

1.5.2 热点分析

全局莫兰指数可以反映属性的空间聚集情况, 不能确定具体聚集的区域, 利用热点分析(Getis-Ord Gi*)可以有效识别空间具有统计显著性的聚类区域^{[11, 12]}。其公式为

Gi* =∑j=1nwijxj∑i=1nxj ,(8)

$Z\left(G_{i}^{*}\right)=\frac{\left(G_{i}^{*}-E\left(G_{i}^{*}\right)\right)}{\sqrt{\operatorname{var}\left(G_{i}^{*}\right)}}$。(9)

式中: Gi*为热点指数, Z( Gi*)为标准化的热点指数, E( Gi*)和var( Gi*)分别为 Gi*的期望数和变异数, 其余指标含义同上文。若Z( Gi*)> 0, 表明位置i周围值高于均值, 属于高值聚集热点区; 若Z( Gi*)< 0, 表明位置i周围值低于均值, 属于低值聚集冷点区Z( Gi*)与显著性检验Gi^* (P)的关系如上文。

研究区表层土壤中Se含量为0.07~2.56 mg/kg, 平均值为0.91 mg/kg, 标准差为0.41。变异系数为0.45, 表明空间分布受到多种因素影响^[13]。研究区表层土壤Se平均值高于全国A层土壤背景值(0.29 mg/kg)^[14]、北部湾地区土壤背景值(0.44 mg/kg)^[15]和南宁市土壤背景值(0.57 mg/kg)^[16]。研究区表层土壤较高的Se含量可能与其成土母质沉积-构造背景密切相关。根据硒生态景观分级标准对硒进行评价^{[8, 17]}, 显示绝大多数土壤属于足硒-富硒土壤范围(表2)。

表2

Tab.2

表2(Tab.2)

表2 研究区Se含量等级表 Tab.2 Selenium content levels in the study area 含量分级 分级标准/ (mg· kg-1) 硒效应 样品数 比例/% 缺乏 (0, 0.125] 硒不足 3 0.84 边缘 (0.125-0.175] 潜在硒不足 3 0.84 中等 (0.175-0.400] 足硒 32 8.94 高 (0.400-3.000] 富硒 320 89.38 过剩 ≥ 3 000 硒中毒 0 0.00

表2 研究区Se含量等级表 Tab.2 Selenium content levels in the study area

利用ArcGIS 10.7克里金插值法, 得到表层土壤Se含量平面分布图(图2)。研究区西部存在Se分布的高值区, 含量为1.34~1.48 mg/kg, 其余高值区在研究区西北部和东部零星分布; Se含量低值区主要分布在研究区南部, 部分分布在研究区中部, Se含量多为0.07~0.64 mg/kg。利用莫兰指数进行全局空间自相关分析, 莫兰指数为0.432, Z得分为8.344, P< 0.05, 具有统计学意义, 表明表层土壤中Se含量分布具有显著的空间自相关性^[18]。冷热点分析表明(图3): 热点区域Gi^* (P)< 0.01的样品点占比为6.14%, 主要位于研究区西部, Gi^* (P)< 0.05的样品点占比为3.35%, 主要分布在研究区西部和西北部; 冷点区域Gi^* (P)< 0.05的样品点占比为5.59%, 主要分布在研究区中部和南部。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 研究区表层土壤Se含量分布Fig.2 Distribution of selenium content in surface soil of the study area

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 研究区Se含量冷热点分析Fig.3 Analysis of cold and hot spots of selenium lontent in the study area

土壤中Se含量分布呈现明显的自相关, 且冷热点区域与Se含量分布的低值区和高值区具有较好的对应关系, 这为系统讨论土壤中Se的来源提供了较好的基础。

2.3.1 成土母质

土壤中的Se常与地质背景有关, 主要来源于成土母质, 并与土壤性质、气候等相关^{[19, 20, 21]}。本次统计了研究区不同母质土壤中Se含量, 平均含量由高到低依次为泥盆纪碎屑岩和碳酸盐岩母质、志留纪碎屑岩母质、三叠纪花岗岩母质、第四纪冲洪积层母质、古近纪碎屑岩母质、白垩纪碎屑岩母质(图4)。第四纪冲洪积层由于成土时间短, 其物质组成及元素含量与上游地层密切相关^[22], 钦江流域上游主要为志留纪碎屑岩。Se含量最高的为泥盆纪碎屑岩和碳酸盐岩母质, 含量达1.39± 0.46 mg/kg, 该区域为热点区; Se含量最低的为白垩纪碎屑岩母质, 为0.45± 0.20 mg/kg, 为主要的冷点区。这表明土壤中Se含量主要受土壤母质控制。志留纪和泥盆纪碳酸盐岩、碎屑岩为母质的土壤, Se含量较高, 总体表现为不同成土母质Se含量碳酸盐岩> 碎屑岩> 酸性岩浆岩的特征, 这表明不同的沉积-构造背景形成的岩石系列组合, 对Se含量有着控制作用。有研究认为, 碳酸盐岩母质的土壤往往由较厚的原岩形成, 因此Se形成了初次富集^[23], 成土过程中碳酸盐的大量淋失, 形成二次富集^[18]。杨志强等^[15]对研究区南部和北部湾沿海地区土壤硒元素成土母质分析表明, Se含量具有随沉积时代由老到新逐渐降低的趋势, 其研究的志留纪和泥盆纪碎屑岩Se含量为0.53 mg/kg, 比本文同时代地层土壤Se含量低, 这表明还存在其他因素控制Se的分布。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 研究区不同成土母质Se含量统计Fig.4 Statistics of selenium content in different soil forming parent material of the study area

2.3.2 土壤类型

研究区主要土壤类型为赤红壤, 少量为水稻土。根据统计结果, 水稻土中Se含量为0.84± 0.22 mg/kg, 赤红壤中Se含量为0.91± 0.42 mg/kg(图5)。赤红壤中Se含量变化范围较大, 变异系数较高, 表明受人类活动影响较大。与研究区南部滨海地区滨海盐土相比, 研究区Se含量明显偏高, 这可能是由于滨海盐土呈碱性, 土壤淋滤作用强, Se易发生迁移淋滤^[16]。以上对比表明, 土壤类型对Se含量分布有一定影响作用。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 研究区不同土地利用和土壤类型Se含量统计Fig.5 Statistics of selenium content in different land use and soil types of the study area

2.3.3 土地利用类型

耕地、林地、园地中表层土壤Se含量分别为0.80± 0.39 mg/kg、1.01± 0.49 mg/kg、0.94± 0.35 mg/kg(图5)。受人类活动影响较小的林地Se含量大于人类活动影响较大的耕地, 表明人类活动对Se含量有一定的影响。林地中受人类活动较小, 形成土壤—植物—土壤的循环作用, 使得Se富集于表层土壤, 而耕地由于人类活动加速土壤中有机质分解, 导致Se迁移和被吸收^[24]。不同植物对Se的吸收效率不同, 也可能导致不同土地类型Se含量的差异。

2.3.4 土壤理化性质

土壤理化性质是影响Se含量及利用效率的关键因素之一^{[5, 6]}。表层土壤中Se含量与Ni、Zn及有机质含量相关性显著, 表明其可能主要来自成土母质和有机质的富集^[25]。研究区土壤中Se含量与Al₂O₃、Fe₂O₃、S等指标相关性显著(图6), 与前人认为的铝、铁等氧化物对Se有较明显的吸附作用结论相一致^{[19, 20]}, 这主要是由于Se容易与Fe的硫化物、氧化物发生沉淀反应, 使土壤中Se含量增加。Se含量与K呈负相关, 与Al₂O₃正相关, 表明黏土矿物对Se的吸附作用较强, 长石类对Se吸附较弱^[26]。前人研究认为, 有机质、铁铝矿物对Se的吸附与pH值密切相关, 在pH值为4~6时吸附最大^[27], 本次研究pH值为3.19~8.19, 中位数为4.83, 总体为酸性环境。在碱性土壤中, Se含量基本不受pH值影响, 多以硒酸盐形式存在, 易被植物吸收, 但同时也容易流失, 不易保存; 酸性土壤中, Se含量与pH值呈负相关, 而此时Se多以亚硒酸盐形式存在, 生物有效性较低^{[27, 28]}, 可能不利于植物的吸收。研究认为通过合理施肥, 控制土壤的pH值和有机质含量, 可能有利于作物对Se的吸收^[15]。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 研究区不同指标与Se相关性热图Fig.6 Heat map of the correlation between different indicators and selenium in the study area

利用地理探测器对研究区表层土壤中Se含量的影响因素进行分析, 将Al₂O₃、Fe₂O₃、有机质含量、pH值、采样高程5个指标利用自然断点法分别分为5类, 成土母质、土壤类型和土地利用类型按实际分类。

2.4.1 因子探测

研究区因子探测结果显示, 土壤类型对土壤Se含量不具有解释力。(P=0.588, P值确保解释力有意义, P值大于0.05则无解释力), 土地利用类型对土壤中Se含量解释力相对较差(P=0.000 3, q=0.04), 其余因子对土壤中Se含量解释力相对较好(P=0)。其中Al₂O₃、Fe₂O₃、成土母质、有机质含量具有较高的解释力, q值分别为0.497、0.393、0.345、0.207(图7), 而土壤的pH值和高程对土壤Se含量的解释力则相对较低, q值分别为0.082和0.066。这表明成土母质和土壤理化性质对土壤中Se含量具有较好的控制作用。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 研究区因子探测雷达图Fig.7 Radar chart of factor detection in the study area

2.4.2 交互探测

研究区交互探测结果见图8。不同因子交互探测作用显示, 其解释力均高于单个因子的解释力, 均为双因子增强或非线性增强, 无非线性减弱和单因子非线性减弱。其中双因子增强指的是交互作用解释力大于双因子最大解释力, 非线性增强指的是交互作用解释力大于双因子解释力之和。Al₂O₃与其他因子交互作用具有较强的解释力, q值均大于0.5, 其中与有机质含量因子交互作用q值最高, 达0.588。成土母质和Fe₂O₃与其他因子交互作用也具有较高的解释力, 均大于0.355。研究区表层土壤中有机质含量与土壤pH值、土壤类型、土地利用类型交互作用显示解释力较弱, q值均小于 0.30, 而与采样高程具有较高的解释力, q值为0.347。pH值、土壤类型、土地利用类型、采样高程两两之间交互作用显示解释能力较弱, q值均小于0.15。研究表明, 在热带亚热带地区, 土壤中Se、Ge等更容易被黏土矿物和Fe-Mn氧化物吸附^{[29, 30]}。广西较强的土壤风化作用以及成土母质中的方解石、白云石、长石等矿物分解, 使得K₂O、Na₂O、MgO大量流失, 生成大量含Al和Fe次生矿物, 强烈的吸附作用造成土壤中Se的富集^[26]。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 研究区交互探测热图Fig.8 Interactive detection heat map in the study area