2017, Vol. 8
表 1(Table 1)
图 1(Fig. 1)
GIS在土壤重金属污染评价和安全预警的应用
陶美霞
,
陈明
,
杨泉
,
胡兰文
,
杨涛
引用本文 |
陶美霞, 陈明, 杨泉, 胡兰文, 杨涛. GIS在土壤重金属污染评价和安全预警的应用[J]. 有色金属科学与工程, 2017, 8(6): 92-97. DOI: 10.13264/j.cnki.ysjskx.2017.06.015.
TAO Meixia, CHEN Ming, YANG Quan, HU Lanwen, YANG Tao. Assessment in soil heavy metal pollution and safety pre-warning based on GIS[J]. Nonferrous Metals Science and Engineering, 2017, 8(6): 92-97.DOI: 10.13264/j.cnki.ysjskx.2017.06.015.
| GIS在土壤重金属污染评价和安全预警的应用 |  [PDF全文] |
江西理工大学资源与环境工程学院，江西 赣州 341000
摘要：日趋严重的土壤重金属污染问题，不仅会对人类健康造成危害，而且可能引起其他的环境污染.但由于土壤污染面源广且污染程度不均匀，造成土壤污染状况难以被科学的评价和有效的安全预警.地理信息系统（GIS）因其强大的空间分析功能可以有效地解决土壤重金属评价及安全预警的问题而得到越来越广泛的应用.文中综述了国内外GIS技术的发展并探讨了GIS与地统计分析方法的有效结合在土壤重金属污染评价与预测预警方面的应用，结合赣州市城区土壤重金属污染问题的研究，提出了GIS在土壤重金属污染评价与安全预警方面的发展前景.
关键词：土壤污染 重金属 GIS 评价 预警
Assessment in soil heavy metal pollution and safety pre-warning based on GIS
School of Resources and Environmental Engineering, Jiangxi University of Science and Technology, Ganzhou 341000, China
Abstract: The growing problem of soil heavy metal pollution will not only harm human health, but also cause other environmental pollution. However, the soil pollution status is hard to be scientifically evaluated and effective safety warning due to the wide source of soil pollution and the uneven degree of pollution. Because of its powerful spatial analysis function, GIS can solve the problem of soil heavy metal evaluation and safety early warning and get more and more widely application. This paper summarizes the development of GIS technology both at home and abroad and discusses the application of the effective combination of GIS and geostatistical analysis methods in the evaluation and prediction of heavy metal pollution in soils. On the basis of the study on heavy metal pollution in urban soils of Ganzhou City, this paperprospects the pollution evaluation and early warning on safety development.
Key words:
soil pollution heavy metal GIS evaluation pre-warning
土壤是农业生产链环中物质与能量循环的枢纽，是自然界中具有可再生作用的自然资源，更是农业生态系统的重要组成部分[1]. 20世纪以来，各国工业化水平取得了很大的发展，但是土壤重金属污染的问题也日趋严重.重金属污染物的来源众多，其中包括工业废弃物以及农业和种植业所施用的化肥以及交通业的快速发展所带来的污染[2].重金属污染主要具有普遍性、潜伏性和积累性等方面的特性，土壤一旦受到重金属的污染，难以修复和治理，并且它易于在生物体内富集，再经食物链的输送，进入人体后可能会导致各类疾病，危害人们的生命安全，因此重金属污染物潜在危害性极大[3].就目前的理论技术和评价手段而言，我国的土壤污染问题已经十分严峻，这在很大程度上制约了我国经济的发展.因此对土壤重金属污染问题进行评价和治理已成为全世界重点关注的问题之一[4].
GIS（地理信息系统）产生于20世纪60年代初，它主要是对空间相关数据进行储存、分析和处理过程.从计算机的角度来说，GIS是一个能够对研究区域的空间相关数据进行收集、管理、分析和可视化输出的计算机信息系统.并且GIS具有与众不同的空间分析功能（如空间叠置分析和空间插值分析等），可以对环境监测网络进行合理规划，并准确的传达出分析所需要的信息，科学分析和评价该地的环境状况[5].它可以根据设计产生各种地图、图表、文字等信息，其最大特点是可以产生新信息[6].
ArcGIS软件中的地统计分析模块有效的结合了地统计分析方法和GIS的优点，通过各类专题地图的制作实现数据的可视化.专题地图在土壤重金属的污染评价和安全预测预警中极为重要，ArcGIS软件在保证采样点的精确度的同时能够通过各专题地图生动反映出采样点的周边环境，使得科学合理的土壤重金属评价与安全预警更易于实现.因此合理的利用GIS结合智能信息处理系统来进行土壤重金属污染、土壤质量评价指标和安全预警技术体系的应用，能够在可视化环境下对土壤重金属数据进行更加直观的分析，可以充分的挖掘所需的空间数据和属性数据，借助多种污染评价模型为土壤重金属的污染数据的现状分析提供可视化研究平台，为准确作出污染评价提供了可靠性依据，更好更快的实现土壤重金属污染的预警预测.
土壤重金属污染评价与预警即包含对具体时间点的预警, 也包括对特定时间段内动态变化趋势的预警, 因而有多种预警的类型，无论何种预警类型都是以土壤重金属的评价及安全预警系统为基础平台，以研究区域内各环境污染因素的空间含量特征为现实依据，为深入研究土壤环境质量以及合理利用土壤资源提供可靠参考，为后续的修复提供了理论支撑，这对于政府制定修复措施、平衡城市化发展和保护土壤环境具有非常重要现实意义[7].文中所阐述的方法主要是运用ArcGIS软件中的空间数据的可视化及地统计分析模块中的各功能对数据进行分析，结合各专题图以及分析所需的其他数据对研究区域的土壤重金属状况进行分析和预警，最后将信息进行公布，从而起到安全预警的作用.
1 国内外研究现状伴随全球化信息技术的快速发展，网络技术也得到了迅速发展, 信息技术的应用领域越来越广泛，GIS作为信息技术的产物在处理带有地理位置信息的数据（包括数据容量、数据类型、数据结构等）的日益复杂问题方面存在很大优势，因而在信息化时代也得到了快速的发展.从大数据与GIS的概念出发, 通过分析大数据对GIS发展的影响, 从数据采集、数据管理、空间分析与可视化3个方面对大数据GIS的发展进行阐述探讨.在研究土壤重金属污染进程中，精准模拟出研究区域土壤重金属含量的空间分布对于污染评价具有重大意义.当前，国内外学者大多基于地统计学法对重金属的空间分布与空间结构进行讨论分析.从国内的研究现状来看，郝丽红等[8]利用地理信息系统（GIS）及地统计学方法，对海南岛农用地中的Hg、Cd、Cr、Pb以及As 5种重金属进行了科学系统的分析与评价；王芬、彭国照等[9]基于双层神经网络与GIS的可视化以四川省川芎主产区为例，综合评价川芎主产区土壤重金属污染；孙贤斌、李玉成[10]通过测定土壤重金属元素质量比，结合GIS技术对淮南大通煤矿的重金属污染特征进行分析，同时评价其潜在生态风险, 分析其空间变化趋势，严加永等在对土壤重金属污染安全预测中重点介绍了3种预警类型:污染状态预警迅速恶化预警, 缓慢恶化预警[11].从国外的研究现状来看，KHEIR等[12]使用地理信息系统和回归树建模精确量化4种有毒重金属与16种环境参数之间的关系材料，并将其作为黎巴嫩土壤污染预测模型中加权输入数据的最重要参数进行检测；MAREK等[13]基于GIS方法的普通克里金对苏格兰松和银桦对Pb-Zn矿石开采和加工厂增强的重金属的累积反应进行研究；RENATA等[14]利用地理信息系统评估库纳哈运河流域和瓜拉巴巴湾以西的重金属污染.
对比国内外关于GIS在土壤重金属方面的研究现状，可以发现国内外都在合理借助GIS技术对土壤重金属污染状况进行分析，且所用的方法大多相同.相较于GIS在土壤重金属污染评价中的广泛运用，其在土壤重金属预测方面的应用则相对较少，主要是受到技术方面的限制[15-18].同时，除了在环境污染研究方面广泛运用到GIS技术，国内外在其他方面也都合理利用了GIS技术.国内学者合理的在地质勘探中和课程教学利用了GIS技术[19-20]；REINE等[21]提出了一种地理和计算建模方法来探索如何使用GIS平台从不同角度测量可访问性允许土地利用本身的时间和空间不连续性的分析；ANIRUDDHA等[22]使用地理信息系统（GIS）划定区域边界的程序以便明确表示印度经历的各种气候；在SALWA和RECEP[23-24]的研究中均使用遥感和GIS广泛应用于地下水测绘以及确定静态地下水的水位，此外国外还侧重在划定区域边界、估计风电场的年平均能量产量等方面研究中运用GIS技术.随着人们对GIS技术的不断深入研究，GIS技术的应用领域不断拓展.
2 GIS中的地统计分析模块在重金属污染预测预警中的应用ArcGIS地统计分析功能是借助于ArcGIS地统计分析模块来实现的. ArcGIS地统计分析模块在地统计学与GIS之间构建起一座桥梁，使得复杂的地统计方法在软件中得以实现.它综合考虑了样本数量、样本空间位置以及各采样点之间距离，在克服经典统计学忽视空间方位缺陷的同时，借用专业软件ArcGIS为研究区域土壤重金属的分析与预警提供了更加便利准确的途径[25-28].
ArcGIS地统计分析模块是通过增加一个探索性空间数据分析工具条并提供一个向导来帮助用户在ArcGIS软件中实现地统计分析的功能，该模块使得ArcGIS得数据管理、可视化和图形工具之间更加协调，它主要包括3个模块，分别是探索性数据分析、地统计分析向导以及生成数据子集.利用这些模块的基本功能可以更加方便地完成多种地统计分析，创建完善的专题地图（表面预测）[29-31].
2.1 探索性数据分析在ArcGIS中进行探索性数据分析工具主要包括Histogram（直方图）、Normal QQ plot（正态QQ plot分布图）、Trend Analysis（趋势分析）、Voronoi MAP（Voronoi地图）、Semivariogram/Covariance Cloud（半变异/协方差函数云）和Cross covariance Cloud（正交协方差函数云）.不同的数据分析适用不同的探索性数据分析工具（见表 1）.探索性数据分析可以更加清楚的反应探索数据的属性、分布以及空间数据的变异性和相关性，从而反应分析数据的变化趋势，从而利用已知数据来对未知拟合数据进行推测，为相关问题的分析和决策提供数据分析基础[32].
| 表 1 数据分析及适用的探索性数据工具类型 Table 1 Data analysis and applicable exploratory data tool types |
 |
| 点击放大 |
2.2 空间确定性插值
对采样数据进行分析和对采样区地理特征进行深入了解后，要选择合适的空间插值法对数据进行深入分析.主要的空间插值法有2类，一类是确定性插值方法，它主要包括反距离加权插值法和样条函数插值法；另一类是地统计插值，也就是克里格插值[33].
反距离加权插值法是空间插值集合方法的一种，也是一种加权平均内插法，它认为任何一个观测值都会对研究区域产生一定的影响.该方法的优点在于观察点本身是绝对准确的，而且可以限制插值点的个数.样条函数插值法使用样条函数来对空间点进行插值，然而它有一些基本条件限制，例如表面必须完全通过样本点以及表面的二阶曲率最小.该方法的优点在于进行分析时能够更加准确地通过采样点拟合出光滑不间断的表面.尽管有明显的优越性但这两种方法在土壤重金属污染含量分析专题图的制作中，并不能反映出数据的关系，达不到理想预期的效果.克里格插值法则具有明显的优越性，它可以表示隐含在数据中的趋势，因而得到了较为广泛的应用.克里格（Kriging）插值法是在有限的区域内对区域化变量进行无偏最优古迹的一种方法，主要分为普通克里格、泛克里格、简单克里格、指示克里格等，不同的克里格插值法也有不同的使用范围（见表 2）.克里格插值法进行插值时，能够考虑到待预测点与邻近样点数据的和各充分样点之间的空间关系，合理利用各采样点数据的空间位置特征，使得最终的结果更加符合实际情况，更有效的避免误差.正是因为GIS具有其他方法所不具备的优点，因而被广泛地应用于地下水的模拟、城乡规划和土壤制图等领域，是一种应用极为广泛的地质统计格网化方法.利用克里格插值法制作土壤重金属含量分布图来研究该区域的土壤重金属的空间分布特征已成为热点之一[34-36].
| 表 2 克里格插值分类和适用范围 Table 2 Kriging interpolation classification and scope of application |
 |
| 点击放大 |
2.3 变异分析
半变异/协方差函数云所表示的是数据集中所有样点对的理论半变异值和协方差，并把它们用两点间的距离函数来表示，以此函数作图来表示.
2.3.1 半变异函数半变异函数作为地统计分析的特有函数，又称为半变差函数、半变异矩，公式表示为：
| $r\left( h \right) = \frac{1}{{2N\left( h \right)}}\sum\limits_{i = 1}^{N\left( h \right)} {{{\left[ {Z\left( {{x_i}} \right) - Z\left( {{x_i} + h} \right)} \right]}^2}} $ | (1) |
式（1）中，区域变量Z（x）在点X和X+h处的值Z（xi）和Z（Xi+h）差的方差的一半称为区域化变量Z（x）的半变异函数.
2.3.2 协方差函数协方差函数又称为半方差，表示两随机变量之间的变异.在统计学中的协方差函数可表示为：
| $C\left( h \right) = \frac{1}{{N\left( h \right)}}\sum\limits_{i = 1}^{N\left( h \right)} {\left[ {Z\left( {{x_i}} \right) - \bar Z\left( {{x_i}} \right)} \right]\left[ {Z\left( {{x_i} + h} \right) - \bar Z\left( {{x_i} + h} \right)} \right]} $ | (2) |
式（2）中，Z（x）为区域化随机变量，并满足二阶平稳假设，即随机变量Z（x）的空间分布规律不因位移而改变；h为两样本点空间分隔距离；Z（xi）为Z（x）在空间点Xi处的样本值；Z（xi+h）是Z（x）在xi处距离偏离h的样本值；N（h）是分割距离为h时的样本点对总数；Z（xi）和Z（xi+h）分别为Z（xi）和Z（xi+h）的样本平均数[37].
2.4 土壤重金属污染预测就目前而言，用于土壤重金属污染预测的模型主要有灰色预测模型、回归预测模型、土壤重金属污染物的动力学预测方法以及对时间的3种动态预测模型、非线性动力学模型和正交多项式逼近模型等.
3 应用实例为了全面系统地分析城市土壤重金属污染问题并开展有效的预警，首先要对研究地区进行土壤采集.为使样点具有较好的代表性，采用近似网格法对采样点进行布点，在各个功能区进行采集土样.根据采样点的所在地点，然后用特有的仪器进行检测，从而得到各个样本中所含各种重金属元素（包括了Cd、Cr、Cu、Pb、Zn和As）的含量数据.此外，按照一定的间距在研究区域进行取样，将其作为该城区土壤中元素的背景值.通过利用ArcGIS软件制作采样点的分布图和各重金属的浓度分布图，来确定该区域的土壤重金属含量的来源和城区表层土壤重金属的污染程度，并为对该区的重金属污染造成的潜在生态风险、污染负荷状况及对人体影响的分析提供较为直观的依据.
实验在赣州市6大功能区（居民区、商业区、工业区、交通区、科教区以及绿化区）共取了48个点的样品，使用手持GPS测得每个采样点的具体经纬度坐标，然后在通过实验获取所需数据，通过ArcGIS软件统计分析功能得出采样点分布图（如图 1）、点密度图（如图 2）和含量分析图（如图 3以Cd的含量分析图为例）. 图 2中通过对采样点进行密度分析，基于6个字段值将字段的定量值表示为一系列图案填充.会基于字段值用点来填充各个面而不对数据进行分类.每个点都代表一个特定值.其中图 3的土壤重金属污染分布图是利用地统计插值模块的克里格插值法所作的重金属元素Cd含量等值线图, 制图过程中将数据的75 %用来做泛克里格插值，留下25 %的数据做模型误差检验，按照一定间距对不同范围内的数据进行逐层设色，结果如图 3所示，这种操作可以更好地预测实验误差和反应研究区域土壤重金属的污染特征.
 |
| 图 1 采样点分布示意 Fig. 1 Sampling point distribution |
 |
| 图 2 点密度分布 Fig. 2 Point density distribution |
 |
| 图 3 Cd的含量分布情况 Fig. 3 Cd content distribution |
4 发展趋势
土壤重金属污染已成为世界性问题之一，而土壤污染是由多方面因素共同造成的. GIS完备的空间分析功能, 能够对土壤重金属污染状况进行实时有效可靠的监测, 从而在更高程度上实现对重金属污染状况进行有效预测. GIS在土壤重金属研究中具有不可取代的优越性，主要表现为专题图的制作以及在此基础上对研究对象的分析.目前，世界各国均利用GIS的空间分析功能来对重金属的污染进行有效客观的评价和预测，并且应用的范围也越来越广.随着科学技术的进一步发展, GIS在土壤重金属治理中的作用会变得更加有用.
1）目前地理信息系统采用的格式没有固定的形式，数据间没有灵活的互通性，标准的数据库系统是构建环境资源信息系统的重要构成基础，也是进行环境质量动态分析、评价和监测的基础，只有在有效利用完整的数据库的基础上，对数据进行空间和安全预警分析，才能够发挥GIS在土壤重金属污染中的作用.因而地理信息系统的数据标准化迫在眉睫.
2）当前大多数的研究工作是基于数字高程模型或不规则三角所构建的地图对土壤表层的污染状况的研究，属于二维空间层次的研究，并没有实现从真三维角度研究土壤重金属空间分布特征，因而三维GIS的建立迫在眉睫.
3）GPS可以实现空间准确定位，RS能够快速、全方位、大面积获取空间影像，并且GIS是实现空间实体的空间信息的收集、储存、处理、分析、显现的有效办法.土壤重金属在土壤中的形态在每一个环节它的污染状况都会发生不同改变.这三者的有效结合，可以对土壤重金属的污染状况做一个动态的模拟.
5 结论GIS技术能够有效地利用于土壤重金属污染评价与预测预警.基于GIS强大的空间分析功能与地统计学分析方法的数据处理功能，可以有效提高土壤重金属污染评价与预测预警的效率.同时，虽然取得极大地进步，但也仍存在不足之处，需要世界各国的共同努力去解决.
参考文献
| [1] |
陆欣.
土壤肥料学[M]. 北京: 中国农业大学出版社, 2002.
|
| [2] |
郭笑笑, 刘丛强, 朱兆洲, 等. 土壤重金属污染评价方法[J].
生态学杂志, 2011, 30(5): 889–896.
|
| [3] |
陈优良, 史琳, 王兆茹. 基于模糊数学的矿区土壤重金属污染评价——以信丰稀土矿区为例[J].
有色金属科学与工程, 2016(4): 127–133.
|
| [4] |
贾小飞, 崔颖, 李勇. 我国污染土壤修复研究现状分析[J].
科技创新与应用, 2016(4): 147–147.
|
| [5] |
张艳, 邓扬悟, 罗仙平, 等. 土壤重金属污染以及微生物修复技术探讨[J].
有色金属科学与工程, 2012(1): 63–66.
|
| [6] |
汤国安, 杨昕.
ARCGIS地理信息系统空间分析实验教程[M]. 北京: 科学出版社, 2010.
|
| [7] |
王幼奇, 白一茹, 王建宇. 基于GIS的银川市不同功能区土壤重金属污染评价及分布特征[J].
环境科学, 2016, 37(2): 710–716.
|
| [8] |
郝丽虹. 基于GIS的海南岛农用地土壤重金属污染评价[J].
中国科技投资, 2013(11): 41–44.
DOI: 10.3969/j.issn.1673-5811.2013.11.037. |
| [9] |
王芬, 彭国照, 蒋锦刚, 等. 基于双层神经网络与GIS可视化的土壤重金属污染评价[J].
农业工程学报, 2010, 26(4): 162–168.
|
| [10] |
孙贤斌, 李玉成. 基于GIS的淮南煤矿废弃地土壤重金属污染生态风险评价[J].
安全与环境学报, 2015, 15(2): 348–352.
|
| [11] |
严加永, 吕庆田, 葛晓立. GIS支持下的土壤重金属污染测预警研究[J].
吉林大学学报(地球科学版), 2007, 37(3): 592–596.
|
| [12] |
KHEIR R B, SHOMAR B, GREVE M B, et al. On the quantitative relationships between environmental parameters and heavy metals pollution in mediterranean soils using GIS regression-trees: the case study of lebanon[J].
Journal of Geochemical Exploration, 2014(147): 250–259. |
| [13] |
MAREK P, WIKTOR H, MICHAL G.Accumulative response of scots Pine (Pinus sylvestris L.) and Silver Birch (Betula pendula Roth) to heavy metals enhanced by Pb-Zn ore mining and processing plants: explicitly spatial considerations of ordinary kriging based on a GIS approach[J]. Chemosphere, 2016(9):1-9.
|
| [14] |
RENATA C B, VANESSA G C, FRANCISCO F L, et al. Use of GIS for the evaluation of heavy metal contamination in the cunha canal watershed and west of the guanabara bay, Rio de Janeiro, RJ[J].
Marine Pollution Bulletin, 2014, 89(1): 75–84. |
| [15] |
NORZAILAWATI M N, M.Z A. Alias A.Sustainable urban regeneration: GIS and hedonic pricing method in determining the value of green space in housing area[J]. Procedia -Social and Behavioral Sciences, 2015, 170(27): 669-679.
|
| [16] |
CHABUKDHARA M, NEMA A K. Heavy metals assessment in urban soil around industrial clusters in ghaziabad, India:probabilistic health risk approach[J].
Ecotoxicology and Environmental Safety, 2013, 87(1): 57–64. |
| [17] |
STEFANO G, SVEN J H, MARTIN R. Assessment of the wake effect on the energy production of onshore wind farms using GIS[J].
Applied Energy, 2014, 136(31): 827–837. |
| [18] |
MOONMOON H, BARUAH D C. GIS mapping of rice straw residue for bioenergy purpose in a rural area of assam, India[J].
Biomass and Bioenergy, 2014(71): 125–133. |
| [19] |
WEINDORF D C, ZHU Y, et al. Use of portable X-ray flourescence spectrometry for environmental quality assessment of peri-urban agriculture[J].
Environ Monit Assess, 2012(184): 217–227. |
| [20] |
WANG L H, ZHANG Y W, QIANS Q, et al. A study of regional sustainable development based on GIS/RS and SD model——case of hadaqi industrial corridor[J].
Journal of Cleaner Production, 2017, 142(2): 654–662. |
| [21] |
REINE M B, OMAR C, KATALIN B. Spatial and temporal dimensions of land use change in cross border region of luxembourg. development of a hybrid approach integrating GIS, cellular automata and decision learning tree model[J].
Applied Geography, 2016(67): 94–108. |
| [22] |
ANIRUDDHA S P, MAHUA M, SHANKARA R. Thermal comfort design zone delineation for india using GIS[J].
Building and Environment, Volume, 2015(87): 193–206. |
| [23] |
SALAN F E. An overview of integrated remote sensing and GIS for groundwater mapping in egypt, ain shams[J].
Engineering Journal, 2015, 6(1): 1–15. |
| [24] |
RECEP Ç. Temporal changes in the groundwater level in the upper tigris basin, turkey, determined by a GIS technique[J].
Journal of African Earth Sciences, 2015(107): 134–143. |
| [25] |
陈翠华, 倪师军, 何彬彬, 等. 基于污染指数法和GIS技术评价江西德兴矿区土壤重金属污染[J].
吉林大学学报(地球科学版), 2008, 38(1): 105–111.
|
| [26] |
张军, 余江, 陈文清. 基于GIS的土壤重金属污染评价研究[J].
安徽农业科学, 2011, 39(29): 18106–18107.
DOI: 10.3969/j.issn.0517-6611.2011.29.128. |
| [27] |
李冰茹, 王纪华, 马智宏, 等. GIS在土壤重金属污染评价中的应用[J].
测绘科学, 2015, 40(2): 119–122.
|
| [28] |
张红侠, 李睿康. GIS应用于土壤重金属污染研究的文献分析[J].
现代农业科技, 2013(17): 238–240.
DOI: 10.3969/j.issn.1007-5739.2013.17.152. |
| [29] |
胡超华. 论ArcGIS在土壤重金属区域评价中的应用[J].
科协论坛(下半月), 2012(10): 108–109.
DOI: 10.3969/j.issn.1007-3973.2012.10.060. |
| [30] |
葛文杰, 郭宇辉. 基于GIS的矿山重大安全隐患决策支持系统探讨[J].
有色金属科学与工程, 2007(2): 40–41.
|
| [31] |
黄云, 徐伟, 周赟, 等. 三维GIS的发展与前景概述[J].
东华理工大学学报(自然科学版), 2016, 39(增刊1): 60–62.
|
| [32] |
陈宜龙. 浅谈GIS的发展趋势[J].
科技创新与应用, 2016(21): 300.
|
| [33] |
王尔琪, 王少华. 未来GIS发展的技术趋势展望[J].
测绘通报, 2015(增刊2): 66–69.
|
| [34] |
李瑞平, 姜咏栋, 李光德, 等. 基于GIS的农田土壤重金属空间分布研究:以山东省泰安市为例[J].
山东农业大学学报(自然科学版), 2012, 43(2): 232–238.
|
| [35] |
陈优良, 史琳, 王兆茹. 基于模糊数学的矿区土壤重金属污染评价——以信丰稀土矿区为例[J].
有色金属科学与工程, 2016, 7(4): 127–133.
|
| [36] |
冯秀娟, 肖敏志, 阎思诺, 等. 赣州不同级公路沿线农田土壤重金属污染评价研究[J].
有色金属科学与工程, 2011, 2(1): 68–72.
|
| [37] |
夏师. 地统计分析方法在土壤重金属污染预测中的应用[J].
黑龙江科技信息, 2011(36): 39–40.
DOI: 10.3969/j.issn.1673-1328.2011.36.058. |