土壤重金属含量分布/Cd镉含量/Cr/Pb/Cu/Zn/As/Hg/土壤有机质ph

简介: 土壤重金属含量分布/Cd镉含量/Cr/Pb/Cu/Zn/As/Hg/土壤有机质ph

土壤是人类赖以生存和发展的重要资源之一,也是陆地生态系统重要的组成部分。近年来, 随着我国城市化进程加快,矿产资源开发、金属加工冶炼、化工生产、污水灌溉以及不合理的化肥农药施用等因素导致重金属在农田土壤中不断富集。重金属作为土壤环境中一种具有潜在危害的污染物, 通常不随水淋滤, 也不能被微生物所降解, 具有易积累、难挥发、毒性大和隐蔽性强等特点。当土壤遭受重金属污染时,不仅会影响土壤生物的生长发育, 更重要的是重金属元素还会通过食物链以及皮肤接触等方式在人体中积累,严重威胁人体健康。全国土壤污染物总超标率为16.1%,其中耕地土壤点位超标率为19.4%, 其主要污染物包括镉、铬、铅、铜、汞、砷以及部分有机污染物, 由此可见我国农田土壤污染形势较为严峻。


全国重金属采样样本点对应各农田土壤重金属含量。总体上采用随机采样法,选择在土壤表层(0~10cm或0~20cm)的深度范围内取样,所有样品经室内风干、压碎、过筛和消解后,用电感耦合等离子质谱法以及原子荧光分光光度法等方法测定各样本重金属含量,并且保证样品分析测试的平均偏差小于10%。

微信截图_20230111132525.png


编辑

结果显示, 农田土壤Cr、Cd、Pb、Cu、Zn、As和Hg的样本平均值分别为59.97、0.240、32.73、28.91、86.52、10.40和0.118 mg·kg-1, 其中全国土壤Cr和As的平均含量均未超出中国土壤背景值,而Cd、Pb、Cu、Zn以及Hg的平均含量分别超出中国土壤背景值2.47、1.26、1.11、1.17和1.82倍, 此外各元素的平均含量均未超过土壤环境质量标准。

通过ArcGIS软件,对样本点进行插值处理得到贵州省贵阳市Cd镉含量分布图,如下:

微信截图_20230111132534.png

相关文章
|
编解码 ice
Google Earth Engine——NOAA气候数据记录(CDR)的AVHRR叶面积指数(LAI)和吸收光合有效辐射的部分(FAPAR)数据集包含描述植物冠层和光合活动的衍生值
Google Earth Engine——NOAA气候数据记录(CDR)的AVHRR叶面积指数(LAI)和吸收光合有效辐射的部分(FAPAR)数据集包含描述植物冠层和光合活动的衍生值
613 0
Google Earth Engine——NOAA气候数据记录(CDR)的AVHRR叶面积指数(LAI)和吸收光合有效辐射的部分(FAPAR)数据集包含描述植物冠层和光合活动的衍生值
|
BI 定位技术
土壤重金属含量分布、Cd镉含量、Cr、Pb、Cu、Zn、As和Hg、土壤采样点、土壤类型分布
土壤重金属含量分布、Cd镉含量、Cr、Pb、Cu、Zn、As和Hg、土壤采样点、土壤类型分布
土壤重金属含量分布、Cd镉含量、Cr、Pb、Cu、Zn、As和Hg、土壤采样点、土壤类型分布
|
机器学习/深度学习
Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的PH数据,预测平均值和标准偏差
Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的PH数据,预测平均值和标准偏差
166 0
Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的PH数据,预测平均值和标准偏差
|
传感器 编解码 算法
Google Earth Engine ——MYD15A2H V6 MODIS综合叶面积指数(LAI)和光合有效辐射分数(FPAR)产品是一个500米分辨率的8天综合数据集
Google Earth Engine ——MYD15A2H V6 MODIS综合叶面积指数(LAI)和光合有效辐射分数(FPAR)产品是一个500米分辨率的8天综合数据集
482 0
Google Earth Engine ——MYD15A2H V6 MODIS综合叶面积指数(LAI)和光合有效辐射分数(FPAR)产品是一个500米分辨率的8天综合数据集
|
编解码 区块链
Google Earth Engine——WWF/HydroSHEDS/30DIR该数据集的分辨率为30弧秒。30角秒的数据集是水文条件下的DEM、排水(流)方向和流量累积。1km分辨率DEM
Google Earth Engine——WWF/HydroSHEDS/30DIR该数据集的分辨率为30弧秒。30角秒的数据集是水文条件下的DEM、排水(流)方向和流量累积。1km分辨率DEM
154 0
Google Earth Engine——WWF/HydroSHEDS/30DIR该数据集的分辨率为30弧秒。30角秒的数据集是水文条件下的DEM、排水(流)方向和流量累积。1km分辨率DEM
|
机器学习/深度学习
Google Earth Engine ——2001-2017年非洲土壤地表0-20 厘米和 20-50 厘米土壤深度处的可提取铝,预测平均值和标准偏差数据集
Google Earth Engine ——2001-2017年非洲土壤地表0-20 厘米和 20-50 厘米土壤深度处的可提取铝,预测平均值和标准偏差数据集
146 0
Google Earth Engine ——2001-2017年非洲土壤地表0-20 厘米和 20-50 厘米土壤深度处的可提取铝,预测平均值和标准偏差数据集
|
编解码 数据可视化 定位技术
Google Earth Engine——全球土壤6个标准深度(0、10、30、60、100和200厘米)的土壤pH值(H2O),分辨率为250米
Google Earth Engine——全球土壤6个标准深度(0、10、30、60、100和200厘米)的土壤pH值(H2O),分辨率为250米
464 0
Google Earth Engine——全球土壤6个标准深度(0、10、30、60、100和200厘米)的土壤pH值(H2O),分辨率为250米
|
机器学习/深度学习
Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的淤泥含量数据,预测平均值和标准偏差
Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的淤泥含量数据,预测平均值和标准偏差
118 0
Google Earth Engine ——2001-2017年非洲土壤在 0-20 厘米和 20-50 厘米的土壤深度处可提取的淤泥含量数据,预测平均值和标准偏差
|
传感器 编解码 算法
Google Earth Engine ——MOD15A2H V6是MODIS综合叶面积指数(LAI)和光合有效辐射分数(FPAR)产品500米分辨率的8天综合数据集
Google Earth Engine ——MOD15A2H V6是MODIS综合叶面积指数(LAI)和光合有效辐射分数(FPAR)产品500米分辨率的8天综合数据集
1061 0
Google Earth Engine ——MOD15A2H V6是MODIS综合叶面积指数(LAI)和光合有效辐射分数(FPAR)产品500米分辨率的8天综合数据集
|
机器学习/深度学习
Google Earth Engine ——2001-2017年非洲土壤在 土壤深度为 0-20 厘米和 20-50 厘米的美国农业部质地等级数据,预测平均值和标准偏差
Google Earth Engine ——2001-2017年非洲土壤在 土壤深度为 0-20 厘米和 20-50 厘米的美国农业部质地等级数据,预测平均值和标准偏差
134 0
Google Earth Engine ——2001-2017年非洲土壤在 土壤深度为 0-20 厘米和 20-50 厘米的美国农业部质地等级数据,预测平均值和标准偏差