2025, Vol. 57
2. 西北农林科技大学水土保持科学与工程学院, 陕西杨凌 712100;
3. 陕西省林业科学院, 西安 710082;
4. 中国科学院大学, 北京 100049
土壤中的微量元素含量较低，然而其对生物体的生长、发育和代谢过程却起着至关重要的作用，且对植物的养分供应、农作物的生长发育和品质形成具有重要影响[1]。微量元素在土壤中的循环是一个复杂的生物地球化学过程[2]。近年来，人类活动的不断加剧和环境的变化导致土壤微量元素的分布和循环发生了显著变化，这些变化可能对生态系统的结构与功能产生重大影响，进而威胁生物多样性和生态平衡[3]。因此，研究土壤微量元素的空间分布特征及影响因素，有助于理解土壤形成过程和土壤生态环境的演变，为土壤改良和农业可持续发展提供指导。
目前，众多学者对不同地区土壤微量元素的空间分布特征及其影响因素进行了研究[4-6]，并取得了重要发现。如，武婕等[7]研究指出，南四湖区农田土壤微量元素Mn、Cu和Zn含量呈现中部高、南北两端低的分布趋势，土壤类型、耕层质地、坡度、土地利用类型和地貌类型对土壤微量元素Fe、Mn、Zn和Cu(除B外)的空间分布具有显著影响；曾妍妍等[8]对新疆若羌县土壤的研究发现，Fe、Mn、Zn和Cu的分布呈现从四周向中心含量逐渐增大的格局，而Mo和B则显示从南向北含量逐渐增加的趋势，土壤有机质、pH、成土母质、土壤类型和土地利用方式对土壤微量元素含量具有不同程度的影响；罗源群等[9]以靖西市植烟区为研究对象，发现该区土壤中有效B、Zn、Mn含量存在空间聚集现象，而有效Fe含量则表现出空间随机性，这些元素含量受土壤pH、有效硫、速效钾、有效磷和交换性钙等多种因子综合影响。综上所述，由于自然环境和人类活动等因素的影响，不同地区的土壤微量元素结果具有区域差异性，需针对特定区域进行特定分析。此外，目前关于土壤微量元素的研究主要集中在土壤表层(0 ~ 20 cm)[10-12]，而表层的微量元素会通过淋溶作用、土壤胶体吸附与解吸以及植物吸收等过程逐渐向下层移动[13]，但关于20 cm深度以下土壤微量元素的分布特征及其影响因子的研究相对较少，仍待进一步探索和研究。
关中平原作为我国的核心农业生产基地，其地形平坦、光照条件优越，以灌溉农业为主导，土壤结构优良，复种指数较高[14]。深入探究关中平原土壤微量元素的分布特征及其影响因素，对于提升该区域的农业生产效率和保护生态环境具有重大意义。基于此，本研究以关中平原为研究对象，针对0 ~ 100 cm深度土壤Fe、Mn、Zn、Cu、Ba和Co 6种微量元素开展分析，探讨其空间变异性特征及影响因素，以期为关中平原的农业可持续发展和生态环境保护提供科学支持和理论依据。
1 材料与方法 1.1 研究区概况研究区关中平原位于我国陕西省中部，亦被称为渭河平原(107°30′E ~ 110°30′E，34°00′N ~ 35°40′N，图 1)。该区西部狭窄、东部较宽，东西长约300 km，海拔400 m左右，地势西部高、东部低。年均气温为12 ~ 13.6 ℃，年均降水量为530 ~ 700 mm，其中7—9月的降水量约占全年总降水量的45%，年蒸发量介于1 000 ~ 1 200 mm，是典型的温带半干旱半湿润季风气候。区内地势平坦，土壤肥沃，主要土壤类型包括黄绵土、黑垆土、塿土等，适宜农业生产。研究区因灌溉农业而闻名，素有“八百里秦川”的美称，是我国工业、农业和文化相对发达的地区之一，也是全国重要的麦棉产区。
|
图 1 研究区采样点分布 Fig. 1 Soil sampling points in research area |
采用野外调查与网格布点(20 km × 20 km)相结合的方法，在宝鸡、咸阳、渭南和西安等地设置124个采样点，其中农田95个，果园29个(图 1)，于2018年12月至2019年2月开展采样工作。各样点采集深度为1 m，采样时在各采样点运用土钻分层钻取0 ~ 10、10 ~ 20、20 ~ 40、40 ~ 60和60 ~ 100 cm土层土样，且每个样点沿“S”形钻取5个子样(间距保持2 m)，将5个子样的土壤混合均匀后，部分装入铝盒用于测定土壤含水量，其余装入塑封袋用于测定其他理化性质。采样同时，利用GPS记录样点的空间位置信息，询问当地居民获取灌溉条件等信息。
室内处理时，铝盒样品置于105℃的烘箱中烘干8 h至恒重，通过烘干前后样品的质量差计算土壤含水量；塑封袋样品于室温条件下自然风干，去除其中杂质后进行研磨操作，再经过筛(0.149 mm和2 mm)处理，而后装袋备测。其中，采用HNO3-HF-HCIO4电热板消解法对土壤样品进行消解，采用电感耦合等离子体质谱法(Thermo Scientific，Waltham，MA，USA)测定微量元素的含量，并在每20个样品中加入4个标准物质进行质量控制，样品回收率保持在96% ~ 100%，以保障测量的准确性。土壤有机质含量的测定采用重铬酸钾容量法。土壤颗粒组成分析利用马尔文激光粒度仪(Marlven Instruments，Malvern，England)。土壤pH的测定采用玻璃电极法。
1.3 气象数据获取本研究从中国气象数据共享服务平台(http://cdc.cma.gov.cn/)获取2010—2019年关中平原89个气象站的年均降水量(MAP)和年均气温(MAT)，利用克里金法进行插值，得到区域内各个采样点的MAP和MAT值。
1.4 数据处理与分析利用经典统计和地统计方法分析土壤微量元素的空间变异特征，SPSS 22.0软件对数据开展描述性统计分析，GS+9.0软件对数据进行半方差函数分析及模型拟合，ArcGIS 10.8软件进行普通克里金插值并绘制土壤微量元素的空间分布图，SPSS 28.0软件进行变量间结构方程模型的构建。
2 结果与分析 2.1 土壤微量元素描述性统计特征研究区0 ~ 10 cm土层中Fe、Mn、Zn、Cu、Ba和Co含量均值分别为34 180.93、647.92、73.77、21.91、473.63和17.20 mg/kg，由高到低顺序为Fe > Mn > Ba > Zn > Cu > Co，其他土层微量元素含量大小顺序与0 ~ 10 cm土层保持一致(表 1)。随着土层深度的增加，不同元素含量变化趋势不同，其中Fe、Ba和Co逐渐升高，而Zn和Cu逐渐降低，Mn则先升高后降低，这可能与土壤的物理化学性质和生物活动存在关联。与陕西省土壤背景值[15]相比，不同土层Fe、Mn和Co含量均值均高于背景值，Zn和Cu含量均值在背景值附近波动，Ba含量均值则均低于背景值。
|
表 1 研究区土壤微量元素描述性统计 Table 1 Descriptive statistics of soil trace elements in research area |
变异系数(Coefficient of variation，CV)是表示各观测值变异程度的一个统计量。当0 < CV≤10%时，为弱变异；10% < CV < 100%时，为中等变异；CV ≥ 100%时，为强变异[16]。根据变异程度分级可知：除0 ~ 10 cm土层的Fe和Ba以及10 ~ 20 cm土层的Ba属于弱变异外，其余不同土层的微量元素均属于中等程度变异。K-S(Kolmogorov-Smirnov)检验是描述统计数据分布形状的检验方法之一。表 1中不同土层的6种微量元素均有着不同程度的高低偏斜情况，除60 ~ 100 cm土层的Mn外，其余元素均不符合正态分布，因此对其余元素进行相应转换(对数、平方根等)，以便进行下一步分析。
2.2 土壤微量元素空间结构特征表 2为研究区土壤微量元素半方差模型及拟合参数。整体上，不同土层中大部分元素的最优模型均为指数模型。此外，同一土层不同元素拟合系数不同，如10 ~ 20 cm土层不同元素Fe、Mn、Zn、Cu、Ba和Co的拟合系数分别为0.121、0.509、0.372、0.658、0.092和0.546，且同一种元素在不同土层中的拟合效果也不同，如Fe在不同土层中的拟合系数分别为0、0.121、0.937、0.803和0。
|
|
表 2 土壤微量元素半方差模型及拟合参数 Table 2 Half variance models and fitting parameters for soil trace elements |
基台值(C0+C)代表系统内的总变异程度，此值越大，表明总的空间异质性程度越高[17]。由表 2知，随土层深度的增加，不同土层中基台值最大的均为Fe，最小的基台值除60 ~ 100 cm土层外其他土层均为Ba。块金值与基台值之比(C0/(C+C0))表示空间异质比，定量描述了随机变异在总变异中所占的比例，当比值≤25%时，系统空间相关性显著；25% < 比值≤75%时，相关性中等；比值> 75%时，相关性较弱[17]。由表 2知，0 ~ 10 cm土层的Fe、10 ~ 20 cm土层的Ba与60 ~ 100 cm土层的Zn，在各自土层中空间相关性较弱，表明其主要受人为因素(种植制度、施肥、灌溉、农药等)的影响。10 ~ 20 cm土层的Cu、20 ~ 40 cm土层的Fe、Zn、Cu和Co，以及40 ~ 60 cm土层的Fe、Mn、Zn、Ba和Co，空间相关性程度中等，受人为因素和非人为因素(土壤、气候、地形因素等)共同影响。其余元素在相应土层空间相关性较强，受自然因素影响较大[18]。
变程(A)是研究区域内土壤性质的空间相关性范围，此值越小，土壤性质在空间上的相互作用距离就越短，变异性就越强，一旦样点间距超过变程，则不具有相关性[19]。研究区不同土层中6种微量元素变程各异，受土壤性质、元素自身特性和人类活动等因素综合影响。变程在0 ~ 10和40 ~ 60 cm土层中最大的均为Fe，10 ~ 20 cm土层中最大的为Cu，20 ~ 40和60 ~ 100 cm土层中最大的均为Zn，而变程在0 ~ 10 cm土层中最小的为Zn，10 ~ 20 cm土层中最小的为Fe，20 ~ 40和40 ~ 60 cm土层中最小的为Ba，60 ~ 100 cm土层中最小的为Fe和Mn。对于不同元素，变程最大分别出现在40 ~ 60(Fe)、20 ~ 40(Mn)、20 ~ 40(Zn)、10 ~ 20(Cu)、10 ~ 20(Ba)以及40 ~ 60 cm(Co)，最小的分别出现在60 ~ 100(Fe)、60 ~ 100(Mn)、0 ~ 10 (Zn)、0 ~ 10和60 ~ 100(Cu)、60 ~ 100(Ba)和0 ~ 10 cm(Co)。
2.3 土壤微量元素空间分布特征为更直观展示研究区土壤微量元素含量的空间分布特点，采用ArcGIS 10.8软件进行普通克里金插值，绘制研究区各微量元素含量的空间分布图(图 2)。
|
图 2 研究区0 ~ 100 cm土壤微量元素空间分布图 Fig. 2 Spatial distributions of soil trace elements in 0–100 cm depth in research area |
由图 2可知，0 ~ 10 cm土层中Fe、Mn、Zn、Cu和Co总体呈现块状分布，高值区集中于西部和中南部，Ba为点状分布；10 ~ 20 cm土层中Ba和Co为点状分布，其他元素则为块状分布；20 ~ 40 cm土层中Fe、Mn、Zn、Cu和Co总体呈现块状分布，高值区集中在中部和南部，Ba为点状分布；40 ~ 60 cm土层中Fe、Mn、Zn和Cu均为块状分布，高值区主要分布于西部和中部，Ba和Co则呈点状分布；60 ~ 100 cm土层中Fe、Mn、Cu和Co均为块状分布，高值区集中在西部和中南部，Zn和Ba则为点状分布。总体上，关中平原土壤微量元素含量空间分布由西向东呈现下降趋势。
2.4 土壤微量元素影响因素为明确土壤微量元素的影响因素，本文选取了气候因子(年平均降水量MAP、年平均气温MAT)、土地利用类型LUT(农田、果园)、管理措施(灌溉、未灌溉)和土壤理化性质(含水量、pH、颗粒组成、有机碳)4类因素，采用结构方程模型对其进行分析，通过卡方自由比(χ2/df)、比较拟合指数(CFI)、拟合优度指数(AGFI)和近似误差均方根(RMSEA)等指标来评判模型的拟合状况[20]。如图 3所示，不同土层χ2/df < 2，CFI > 0.9、AGFI > 0.8以及RMSEA < 0.1，表明模型拟合良好。
|
(蓝线和*表示在P < 0.05水平上显著；黄线和**表示在P < 0.01水平上显著；红线和***表示在P < 0.001水平上显著；灰线表示无显著效应。实线表示直接效应，虚线表示间接效应。线上数字为标准化路径系数，正负号分别代表正向和负向影响) 图 3 0 ~ 100 cm土壤微量元素空间结构方程模型图 Fig. 3 Model diagram of spatial structure equation of soil trace elements in 0–100 cm depth |
由图 3可知，各土层情况各异。0 ~ 10 cm土层，砂粒对微量元素产生直接显著效应，含水量和灌溉则对其产生间接显著效应，总效应绝对值大小顺序为：0.341(含水量) > –0.276(砂粒) > –0.071(灌溉)。10 ~ 20 cm土层，含水量、pH与砂粒对元素具有直接显著效应，含水量、MAP和灌溉对其形成间接显著效应，总效应绝对值大小顺序为：0.448(含水量) > –0.321(砂粒) > –0.273(pH) > 0.147(MAP) > 0.019(灌溉)。20 ~ 40 cm土层，含水量、pH、砂粒和有机碳对元素有直接显著效应，含水量、pH、砂粒、MAP、MAT、LUT和灌溉有间接显著效应，总效应绝对值大小顺序为：–0.592(砂粒) > 0.471(含水量) > –0.342(pH) > 0.158 (MAT) > 0.153(有机碳) > –0.106(灌溉) > 0.068(MAP) > –0.001(LUT)。40 ~ 60 cm土层，砂粒、有机碳和MAP对其具有直接显著效应，含水量、pH、砂粒、MAT和灌溉具有间接显著效应，总效应绝对值大小顺序为：–0.417(砂粒) > 0.231(有机碳) > 0.175(MAP) > –0.134 (pH) > –0.057(灌溉) > 0.056(含水量) > 0.046(MAT)。60 ~ 100 cm土层，含水量、砂粒、有机碳和LUT对元素有直接显著效应，含水量、pH、砂粒、MAT和灌溉呈间接显著效应，总效应绝对值大小顺序为：–0.493 (砂粒) > 0.413(含水量) > 0.274(有机碳) > –0.183 (LUT) > –0.085(pH) > 0.064(MAT) > –0.044(灌溉)。
综上，不同土层中微量元素的影响因素各有差异，同时不同因素对其影响程度也不同。其中，0 ~ 10 cm土层主要影响因素为含水量和砂粒，10 ~ 20 cm土层为含水量和砂粒，20 ~ 40 cm土层为含水量、砂粒和pH，40 ~ 60 cm土层为砂粒，60 ~ 100 cm土层为含水量和砂粒。
3 讨论本研究表明，关中平原土壤微量元素含量整体上从西向东呈现下降的趋势，高值区主要集中在宝鸡、咸阳和西安城市群，低值区主要位于渭南市，这与其他研究结果类似。如，雷凌明等[21]以陕西省泾惠渠灌区(咸阳市的三原县和泾阳县，西安市的高陵区、阎良区和临潼区)的土壤重金属为研究对象，发现土壤中Hg、As、Cd、Cr、Pb、Cu、Zn、Ni 8种重金属平均质量分数均超出土壤背景值[22]；Liu等[23]研究关中平原农田土壤中重金属的空间格局和危害区域表明，Pb、Cr、Ni、Zn和Cu 5种元素的中度污染阈值均高于研究区的背景值，污染热点和危险区位于关中平原南部；王凌青等[24]在西安市郊农田土壤环境地球化学研究中也发现，重金属元素Pb、Ni、Zn、Cr、Co、Mn、As等严重超标。这可能是由于该区域存在大量的工厂和企业，诸如陕西航空电气有限公司、陕西柴油机重工有限公司、陕西中粮公司、康师傅集团、中航工业集团[25]等，导致土壤富集大量重金属，致使关中平原土壤微量元素含量从西向东表现出下降的趋势。
随土层深度的递增，研究区内Fe、Ba和Co含量的平均值呈现上升的趋势，而Zn和Cu呈现下降的趋势，Mn则是先升高后降低，这与其他研究结果不一致。如，庞妍[26]在对关中平原主要矿区农田土壤样品中Cd、Cr、Cu、Pb和Zn含量的测定中，发现这5种重金属均在表层土壤中含量最高，且随土层深度增加而减少；朱舒等[27]以关中平原农田土壤剖面(0 ~ 1 m)重金属为研究对象，分析As、Cd、Cr、Cu、Ni、Pb和Zn 7种元素的空间分布和影响因素，结果表明，随深度的增加，除Ni和Cr外，其他元素含量均呈现降低的趋势。这可能有以下几种原因：其一，由于地理位置不同，土壤微量元素的空间分布特征具有区域差异性；其二，土壤微量元素的迁移受到自然(土壤质地、植被类型、气候条件等)和人类活动(耕作、施肥、灌溉等)的影响，导致最终结果的不同；其三，由于元素自身的特性，不同元素在土壤中的迁移速率各异[13]。
本研究还发现，土壤含水量、pH和土壤颗粒组成是影响微量元素空间分布的主要因素，这一结论与众多研究结果一致[28-29]。土壤含水量会影响微量元素的有效性和迁移性，其波动可改变土壤溶液浓度与离子强度，干扰微量元素溶解–沉淀动态平衡，改变微量元素的空间分布格局。适宜的含水量能够促进微生物代谢，促使微量元素形态转化，或利于植物吸收，或引发沉淀反应[30]。PH通过酸碱特性影响微量元素的溶解和吸附状态。酸性土壤中，H+富集，削弱土壤颗粒对微量元素的吸附力，促使某些微量元素(如Cu、Zn)的化合物溶解性增强，游离态增多，提升其可利用性。相反，碱性土壤中，OH-浓度增加，促使微量元素形成难溶性沉淀或化合物固定于土壤颗粒表面，降低其有效性[31]。不同颗粒组成的土壤，其固有的化学成分和结构特性不同，这直接影响了微量元素的吸附、固定和释放。例如，黏土矿物颗粒细、比表面积大、吸附位点多，可通过多种方式吸附并固定微量元素；砂质土颗粒大、比表面积小、吸附位点少，吸附固定力弱，使得微量元素易迁移流失[32]。综上，土壤含水量、pH和土壤颗粒组成均通过影响微量元素的有效性、溶解度和吸附状态等，进而决定其在土壤中的分布和含量。
4 结论1) 关中平原0 ~ 100 cm土层的Fe、Mn和Co含量均值均高于陕西省土壤背景值，Zn和Cu含量均值在背景值附近波动，Ba含量均值则均低于背景值。随土层深度的增加，Fe、Ba和Co含量的平均值呈现增加的趋势，而Zn和Cu呈现减少的趋势，Mn则是先升高后降低。
2) 半方差模型分析表明，整体上不同土层中大部分元素的最优插值模型均为指数模型，且不同土层中6种微量元素表现不同程度的空间相关性和变程差异，具有深度依赖性。此外，空间插值结果显示，关中平原的土壤微量元素含量总体上呈现西高东低的分布特点。
3) 结构方程模型结果显示，研究区0 ~ 10、10 ~ 20以及60 ~ 100 cm土层土壤微量元素空间分布的主要影响因素为含水量和砂粒含量；20 ~ 40 cm土层为含水量、pH和砂粒含量；40 ~ 60 cm土层为砂粒含量。
| [1] |
刘家友, 杨国宝, 王齐龙, 等. 减氮配施中微量元素肥对冬瓜产量和品质的影响[J]. 土壤, 2023, 55(1): 30-36 (  0) |
| [2] |
宋柳霆, 王中良, 滕彦国, 等. 贵州阿哈湖物质循环过程的微量元素地球化学初步研究[J]. 地球与环境, 2012, 40(1): 9-17 ( 0) |
| [3] |
肖海龙, 马源, 周会程, 等. 三江源退化高寒草原土壤微量元素与植被特征及其关系[J]. 草地学报, 2022, 30(8): 1925-1933 ( 0) |
| [4] |
徐兴阳, 邱学礼, 杨树明, 等. 昆明烟区植烟土壤pH与中微量元素时空变异性研究[J]. 土壤, 2023, 55(4): 887-893 DOI:10.13758/j.cnki.tr.2023.04.023 ( 0) |
| [5] |
陈涛, 常庆瑞, 刘京, 等. 黄土高原南麓县域耕地土壤速效养分时空变异[J]. 生态学报, 2013, 33(2): 554-564 ( 0) |
| [6] |
于保港, 张田萌, 李可力, 等. 曲周县农田土壤有效微量元素含量空间变异特征及影响因素初探[J]. 土壤通报, 2019, 50(2): 395-400 ( 0) |
| [7] |
武婕, 李玉环, 李增兵, 等. 南四湖区农田土壤有机质和微量元素空间分布特征及影响因素[J]. 生态学报, 2014, 34(6): 1596-1605 ( 0) |
| [8] |
曾妍妍, 周金龙, 陈云飞, 等. 新疆若羌县土壤微量营养元素的空间分布特征及影响因素[J]. 干旱地区农业研究, 2018, 36(4): 22-28 ( 0) |
| [9] |
罗源群, 贾海江, 范晓苏, 等. 靖西市植烟区土壤微量营养元素空间分布特征及影响因子分析[J]. 扬州大学学报(农业与生命科学版), 2023, 44(6): 47-55 ( 0) |
| [10] |
宋淑钧, 崔小茹, 陈其鲜, 等. 陇中旱区农田土壤微量元素特征及其对绿肥休耕的响应[J]. 水土保持学报, 2023, 37(6): 268-275 ( 0) |
| [11] |
褚宏欣, 党海燕, 王涛, 等. 我国主要麦区土壤有效铁锰铜锌丰缺状况评价及影响因素[J]. 土壤学报, 2024, 61(1): 129-139 ( 0) |
| [12] |
娜珠盼·斯德克江, 麦麦提吐尔逊·艾则孜, 杨秀云, 等. 新疆典型城-郊-乡梯度带土壤微量元素空间分布与来源[J]. 中国环境监测, 2023, 39(4): 158-166 ( 0) |
| [13] |
张晓霞, 李占斌, 李鹏, 等. 黄土高原林地土壤微量元素分布和迁移特征[J]. 应用基础与工程科学学报, 2011, 19(S1): 161-169 ( 0) |
| [14] |
赵业婷. 基于GIS的陕西省关中地区耕地土壤养分空间特征及其变化研究[D]. 杨凌: 西北农林科技大学, 2015.
( 0) |
| [15] |
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: 87–91.
( 0) |
| [16] |
迪里木拉提·玉苏甫, 木合塔尔·艾买提, 玉苏甫·买买提, 等. 温宿县植棉土壤表层有效性微量元素空间分布特征[J]. 土壤通报, 2018, 49(5): 1115-1122 ( 0) |
| [17] |
Li H, Reynolds J F. On definition and quantification of heterogeneity[J]. Oikos, 1995, 73(2): 280 DOI:10.2307/3545921 ( 0) |
| [18] |
臧振峰, 南忠仁, 王胜利, 等. 黑河中游绿洲农田土壤微量元素含量的空间分布特征[J]. 干旱区资源与环境, 2013, 27(5): 190-195 ( 0) |
| [19] |
史文娇, 汪景宽, 魏丹, 等. 黑龙江省南部黑土区土壤微量元素空间变异及影响因子——以双城市为例[J]. 土壤学报, 2009, 46(2): 342-347 ( 0) |
| [20] |
牛犇, 王艳玲. 不同年限稻田红壤发生层土壤磷的固持容量及其释放潜能研究[J]. 土壤学报, 2023, 60(6): 1724-1736 ( 0) |
| [21] |
雷凌明, 喻大松, 陈玉鹏, 等. 陕西泾惠渠灌区土壤重金属空间分布特征及来源[J]. 农业工程学报, 2014, 30(6): 88-96 ( 0) |
| [22] |
薛澄泽, 肖玲, 吴乾丰, 等. 陕西省主要农业土壤中十种元素背景值研究[J]. 西北农林科技大学学报: 自然科学版, 1986, 14(3): 30-40 ( 0) |
| [23] |
Liu W J, Chai G L, Deng W B. A combination of finite mixture distribution model with geo-statistical models to study spatial patterns and hazardous areas of heavy metals in cropland soils of the Guanzhong Plain, Northwest China[J]. Chemosphere, 2021, 283: 131222 DOI:10.1016/j.chemosphere.2021.131222 ( 0) |
| [24] |
王凌青, 卢新卫, 贾晓丹. 西安市郊农田土壤环境地球化学研究[J]. 干旱区资源与环境, 2007, 21(3): 113-117 ( 0) |
| [25] |
田大刚. 从传统治所到工业重镇——明清以降兴平城市空间与城市形态演变研究[J]. 咸阳师范学院学报, 2019, 34(3): 75-79 ( 0) |
| [26] |
庞妍. 关中平原农田土壤重金属污染风险研究[D]. 杨凌: 西北农林科技大学, 2015.
( 0) |
| [27] |
朱舒, 李舒怡, 鱼洋, 等. 关中平原农田土壤剖面重金属空间分布、影响因素、风险评价及源解析[J]. 环境科学, 2025, 46(4): 2501-2511 ( 0) |
| [28] |
姚珂涵, 肖列, 李鹏, 等. 冻融循环次数和土壤含水率对油松林土壤团聚体及有效态微量元素的影响[J]. 水土保持学报, 2020, 34(3): 259-266 ( 0) |
| [29] |
宋丰骥, 常庆瑞, 钟德燕, 等. 黄土丘陵沟壑区土壤微量元素空间变异特征及其影响因素[J]. 干旱地区农业研究, 2012, 30(1): 36-42 ( 0) |
| [30] |
Johnson B G, Johnson D W. The influence of slash pile burning on meadow and upland forest soil micronutrients in the sierra Nevada mountains, United States[J]. Soil Science, 2019, 184(3): 78-86 DOI:10.1097/SS.0000000000000256 ( 0) |
| [31] |
于君宝, 刘景双, 王金达, 等. 典型黑土pH值变化对营养元素有效态含量的影响研究[J]. 土壤通报, 2003, 34(5): 404-408 ( 0) |
| [32] |
李红伟, 李立平, 邢维芹. 不同小尺度下潮土重金属有效性空间变异研究[J]. 土壤, 2006, 38(6): 782-789 ( 0) |
2. College of Soil and Water Conservation Science and Engineering, Northwest A & F University, Yangling, Shaanxi 712100, China;
3. Shaanxi Academy of Forestry, Xi'an 710082, China;
4. University of Chinese Academy of Sciences, Beijing 100049, China