一种岩溶地质高背景区土壤重金属源解析方法与流程

本发明涉及金属源解析，特别涉及一种岩溶地质高背景区土壤重金属源解析方法。

背景技术：

1、岩溶地区土壤重金属污染来源复杂，既包含碳酸盐岩风化过程中微量元素次生富集形成的地质高背景，也包含工业排放、农业投入等人为输入。准确区分自然源与人为源是岩溶区土壤环境评价与污染管控的关键前提。当前，土壤重金属源解析技术主要依赖受体模型方法，如正矩阵因子分解模型、主成分分析等，通过将土壤重金属含量数据分解为若干因子来推断污染源类型及贡献率。同时，部分研究引入地球化学背景值作为判别基准，以超出背景值倍数作为人为污染判定依据。此外，同位素示踪技术、地统计空间分析及机器学习算法也在源解析领域逐步应用，为提升解析精度提供了多元技术手段。

2、然而，现有技术存在以下不足：现有技术中采用统一背景值作为全区判别基准，无法反映岩溶区成土过程的空间异质性，导致地质高背景区被误判为污染区或人为污染被地质背景掩盖，进而使源解析结果失真。岩溶地区碳酸盐岩风化过程中caco3和mgco3易淋失、难溶组分富集，导致微量元素在空间上呈显著异质性分布，不同岩性单元、不同岩溶发育程度区域的土壤重金属本底水平差异显著。统一背景值以整个研究区或更大范围区域的统计平均值作为分界基准，忽略了这种空间变异特征，使得基于该背景值的源解析方法在岩溶高背景区适用性极差，无法精确刻画自然源本底水平，最终导致自然源与人为源的混淆误判。

3、鉴于此，需要一种岩溶地质高背景区土壤重金属源解析方法。

技术实现思路

1、针对现有技术中存在的采用统一背景值无法反映岩溶区成土过程空间异质性而导致源解析结果失真的问题，本发明提供了一种岩溶地质高背景区土壤重金属源解析方法，能够通过深层剖面垂向判别、分区地球化学基线建立、矿物-元素耦合约束、受体模型解析、同位素示踪验证、地统计空间耦合及机器学习不确定性评估的递进式耦合，构建了四阶段闭环迭代分析框架。该方案以子区基线替代统一背景值，以多方法相互验证替代单一模型推断，以不确定性量化替代确定性输出，有效解决了岩溶高背景区自然源与人为源混淆误判的技术瓶颈，显著提升了源解析结果的客观性、空间合理性与可靠性。具体技术方案如下：

2、一种岩溶地质高背景区土壤重金属源解析方法，包括以下步骤：

3、s1：沿土壤剖面按固定深度间隔采集分层样品，测定各层重金属含量，比较垂向变化趋势，若含量从表层至深层逐层递增且深层显著高于表层，则判定为地质成因型；若从表层至深层逐层递减且表层显著高于深层，则判定为人为输入型；若无显著规律或出现中间层富集，则判定为混合成因型；

4、s2：依据岩溶发育程度、岩性类型及地貌单元将研究区划分为若干子区，筛选地质成因型采样点数据，分别计算各子区重金属含量的统计基线值，以子区基线替代全区统一背景值，将实测含量与所在子区基线值对比，超出阈值者判定为受人为源影响；

5、s3：对土壤样品进行x射线衍射矿物学分析，识别重金属赋存矿物相，结合元素共生组合特征建立矿物-元素耦合判别矩阵，输出矿物学辅助判别标签；

6、s4：将s1至s3获取的垂向判别结果、分区基线值及矿物学信息作为约束条件输入正矩阵因子分解模型，初步识别污染源类型并估算各源贡献率；

7、s5：选取关键重金属元素进行同位素比值测定，利用同位素指纹特征验证s4的源识别结果，对误判或贡献率偏差较大的因子进行校正；

8、s6：运用克里金插值与gis空间分析耦合方法，将s5校正后的源贡献率空间化，验证源分布的空间合理性，并识别驱动重金属空间分布的关键环境因子；

9、s7：基于s1至s6的多阶段数据，采用机器学习算法评估各阶段源解析结果的不确定性，构建源贡献率的置信区间，输出最终源解析报告。

10、优选的，步骤s1包括：

11、根据研究区岩溶发育特征、地貌类型及土地利用状况布设采样点，沿土壤剖面自上而下按发生层或固定深度间隔采集样品；

12、将采集的土样自然风干、研磨过尼龙筛后，采用电感耦合等离子体质谱法或原子吸收光谱法测定各层样品中目标重金属元素的含量，目标元素包括镉、铅、铬、砷、汞、铜、锌、镍中的至少一种。

13、优选的，步骤s2包括：

14、基于研究区地质图、岩性分布图、地貌图及岩溶发育程度数据将研究区划分为若干子区，分区依据包括碳酸盐岩类型、岩溶发育程度、地貌单元及土壤类型；

15、筛选标准为采样点周边设定范围内无工业污染源、无规模化养殖、无污灌历史，且步骤s1判别结果为地质成因型或混合成因型中地质贡献占优者；

16、采用迭代剔除异常值后的算术平均值或中位数法计算地球化学基线值，剔除标准为超出平均值加减两倍标准差范围的异常值，迭代直至无异常值剔除为止；

17、将各子区边界矢量数据、基线值及统计参数录入地理信息系统，构建分区地球化学基线空间数据库。

18、优选的，步骤s3具体包括：

19、从步骤s1采集的各层土壤样品中选取代表性样品，采用x射线衍射仪进行全岩矿物相分析，通过与标准矿物数据库比对鉴定样品中主要矿物组成，重点识别含重金属的矿物相；

20、结合扫描电镜-能谱分析确定重金属元素在矿物晶格中的赋存状态，若重金属以类质同象形式替代进入方解石、白云石晶格，或吸附于铁锰氧化物表面，则判定其赋存状态与碳酸盐岩风化产物相关；

21、测定样品中主量元素及微量元素含量，计算元素间相关系数矩阵，识别与重金属元素具有显著正相关关系的伴生元素组合，综合矿物相识别结果与元素共生组合特征建立矿物-元素耦合判别矩阵，将判别结果分为地质成因型、人为输入型及混合型，输出各采样点的矿物学辅助判别标签。

22、优选的，步骤s4具体包括：

23、收集研究区全部采样点的重金属含量数据构建样品-元素浓度矩阵；

24、将步骤s1的成因类型判别结果作为样品初始分类标签，步骤s2的各子区地球化学基线值作为自然源本底浓度参考，步骤s3的矿物学辅助判别标签作为因子载荷初始值的约束条件；

25、基于步骤s1的成因类型判别结果和步骤s3的矿物-元素耦合判别结果初步确定污染源因子数，将样品-元素浓度矩阵及约束条件输入正矩阵因子分解模型，迭代求解过程中以步骤s2的分区基线值约束地质成因因子的成分谱范围，以步骤s3的矿物学判别标签约束对应因子的元素组合特征；

26、根据分解得到的源成分谱矩阵识别各因子对应的污染源类型，根据源贡献率矩阵计算各污染源对各采样点及研究区整体的平均贡献率。

27、优选的，步骤s5具体包括：

28、依据步骤s4的源识别结果，选取在各污染源因子中贡献率差异显著且具有稳定同位素体系的重金属元素作为关键示踪元素，优先选取pb、cd、zn或hg元素；

29、针对各污染源类型分别采集代表性端元样品，自然源端元包括碳酸盐岩母岩、风化残积物、铁锰结核及典型土壤剖面深层样品，人为源端元包括周边工业排放物、大气沉降物、农业投入品及交通源沉积物；

30、对各端元样品及土壤样品进行同位素比值测定；

31、将各端元样品的同位素比值测定结果汇总构建污染源同位素指纹特征库，将土壤样品的同位素比值数据与端元特征库进行比对，采用二元或三元混合模型计算各样品中不同端元的贡献比例；

32、将同位素示踪计算得到的源贡献比例与步骤s4的受体模型估算结果进行对比，若差异超出预设阈值则判定存在误判或贡献率偏差，针对验证不通过的样品或因子进行校正。

33、优选的，步骤s6具体包括：

34、将步骤s5校正后的各采样点源贡献率数据与采样点空间坐标信息关联构建属性数据库，对各污染源贡献率数据分别计算实验变异函数值并拟合理论变异函数模型，选取拟合优度最高的模型作为克里金插值的基础；

35、采用普通克里金或泛克里金方法对各污染源贡献率进行空间插值，输出各污染源贡献率的空间连续分布栅格图层，栅格分辨率依据采样点平均密度确定；

36、将克里金插值得到的各源贡献率空间分布图与岩性分布图、土地利用图及地形地貌图进行空间叠加分析，验证源分布的空间合理性；

37、选取高程、坡度、坡向、岩性类型、岩溶发育程度、土壤类型、距污染源距离、土地利用类型及人口密度作为候选驱动因子，采用地理加权回归或随机森林方法计算各因子对重金属空间分布的相对重要性，根据重要性排名筛选出关键环境因子；

38、将关键环境因子的空间分布图层与源贡献率空间分布图层进行耦合分析，识别各污染源贡献率空间分布的主导驱动因子，建立源贡献率-环境因子响应关系。

39、优选的，步骤s7具体包括：

40、收集步骤s1至s6各阶段输出的数据构建多阶段源解析数据集，每条记录对应一个采样点，各阶段结果作为该采样点的多维属性；

41、分析各阶段数据的不确定性来源及量化指标；

42、采用集成学习算法构建不确定性评估模型，以s5校正后的源贡献率为基准真值参考，以s4初步贡献率与s5校正贡献率的偏差作为不确定性标签，采用随机森林或梯度提升树算法训练不确定性预测模型，模型特征包括各阶段不确定性指标、环境因子值及空间坐标；

43、基于不确定性评估模型输出的不确定性评分；

44、汇总各阶段分析结果输出最终源解析报告，判断各采样点源贡献率置信区间宽度是否超出预设阈值，若超出阈值则触发反馈机制返回步骤s4，调整受体模型因子数或约束条件，重新执行s4至s7，直至不确定性满足要求或达到最大迭代次数。

45、一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行如上所述的岩溶地质高背景区土壤重金属源解析方法。

46、一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行如上所述的岩溶地质高背景区土壤重金属源解析方法。

47、与现有技术相比，本发明的有益效果为：

48、本发明首先通过深层剖面垂向采样分析重金属垂向分布规律，从空间维度直接区分地质成因深层富集与人为输入表层富集，突破了传统依赖统一背景值的横向对比思路。其次，依据岩溶发育程度、岩性类型及地貌单元将研究区划分为若干子区，分别计算各子区地球化学基线值，以子区基线替代全区统一背景值，精确刻画各子区自然源本底水平，解决了统一背景值在岩溶高背景区的适用性问题。再次，通过x射线衍射矿物学分析识别重金属赋存矿物相，结合元素共生组合特征建立矿物-元素耦合判别矩阵，为受体模型提供先验约束信息，提升自然源因子识别的客观性。进而，将垂向判别结果、分区基线值及矿物学信息作为约束条件输入正矩阵因子分解模型，初步识别污染源类型并估算贡献率；选取关键重金属元素进行同位素比值测定，利用同位素指纹特征验证并校正源识别结果；运用克里金插值与gis空间分析耦合方法将校正后的源贡献率空间化，验证源分布的空间合理性并识别驱动因子；最终基于多阶段数据采用机器学习算法评估各阶段源解析结果的不确定性，构建源贡献率的置信区间并输出最终报告。通过上述递进式耦合与闭环迭代机制，显著提升了岩溶高背景区土壤重金属源解析的客观性、精准性与可靠性。