下载:
-
植物群落具有显著的温湿效益，在热岛效益不断加剧的城市中发挥着重要的微气候调节作用[1-4]。植物群落的冠层结构，如郁闭度、叶面积指数、绿量、覆盖率等会影响群落的降温增湿效益[5-8]，但是针对不同树冠形态和布局形式对群落微气候环境影响的研究还较为欠缺。乔木树冠反射和吸收了大量的太阳辐射，是乔木能为林下空间提供降温增湿效应的主要原因，而不同的树冠形态也会显著影响其遮阳效果[9]。关于布局形式对微气候影响的研究多集中在竖向结构上乔灌草的合理搭配[10-11]，对于横向上树种的平面布局形式却较少提及。ENVI-met是一款微气候模拟软件。该软件基于热力学和流体力学原理，较为全面地考虑气候因子及其相互作用，能够动态模拟城市小尺度范围内的表面、空气和植被之间的相互作用[12]。已有较多研究从街道[13]、居住区[14]、城市中心区[15]、古典园林[16]、森林[17]等多种尺度对ENVI-met进行了校验，证实ENVI-met在模拟上的可靠性和准确性。基于上述研究基础，也有很多学者运用该软件进行纯模拟研究，如研究城市步行街空间形态对其微气候的影响[18]，探讨城市空间形态指标与热环境的相关性[19]，模拟分析高层住宅小区建筑形态对微气候的影响[20]，以及不同绿地布局模式下居住区的夏季微气候特征[21]等。说明在条件有限且研究内容较繁杂的情况下，纯模拟的研究方式也有很高的应用价值。南京市位于长江三角洲，夏季炎热多雨，在中国夏季高温高湿气候特征的城市中具有一定代表性。为进一步探讨树冠形态和平面布局形式对夏季植物群落微气候的影响，本研究以南京市的绿地为例，运用ENVI-met软件，以纯乔木林环境为研究对象，设计多种模拟工况，分析不同树冠形态和布局形式下植物群落的温湿效应及人体热舒适度，为改善夏季微气候环境，以科学的栽植设计来适应不同类型的人群行为活动需求，提供合理的参考依据。
-
南京位于中国东部，地处长江下游，属于北亚热带中部季风气候区，四季分明，光照充足，无霜期长，热量充裕。年平均降水量为1 106.5 mm，相对湿度为76.0%，平均气温为15.4 ℃。南京是典型的夏热冬冷地区。冬季以东北风为主，1月平均最低气温为-1.6 ℃；夏季以东南风为主，7月平均最高气温为30.6 ℃。
-
由于本研究只针对树冠形态和平面布局形式对微气候的影响，但在实际情况中很难排除其他环境因素的干扰，所以实际测量的方法对本研究不具实际可行性。因此，本研究选择ENVI-met软件，使用纯模拟方法，将所有模拟工况周边环境都设置为相同条件，以保证结果的相对可靠性。
-
选取南京市理想情况下的纯乔木林群落为研究对象。通过前期预模拟，在确保温湿效果显著和便于模拟的前提下，根据常见的植物群落面积，最终确定模型大小为160 m × 160 m × 50 m，网格数为80 × 80 × 25，单个网格的分辨率为2 m × 2 m × 2 m。模型中共布局36株同种乔木来模拟纯林环境。
-
① 乔木树冠形态。乔木的树冠形态可分为规则形和不规则形，有学者[22]将常见的规则型树冠按照遮挡太阳辐射量的关系简化分成圆柱形、三角形、倒三角形、圆形和半圆形等5种基本树冠形态。通过文献资料分析，对南京地区园林中常用的100种乔木的树冠形态进行分类，确定了5种包含植物种类较多的常见树冠形态（表 1），分别为圆柱形、圆球形、倒卵形、三角形和倒三角形[23-29]。在ENVI-met中建立这5种具有典型树冠形态的乔木模型，模型剖面图如图 1所示。为保证数据可比性，所建植物模型的高度一致，均为15 m，实际栽植参考时可进行等比例缩小。圆柱形、圆球形和三角形树冠的乔木冠幅均为11 m，倒卵形树冠的乔木冠幅为13 m，倒三角形树冠的乔木冠幅为15 m。由于研究只针对树冠形态，因此将5种乔木的叶片属性、根系形态等都设置为相同指标。②平面布局形式。选择3种园林中常见的乔木群落布局形式，规则散点式、集中块状式和自然集群式（图 2）。其中规则散点式为6 × 6的点阵式排列，相邻乔木的中心点之间相距10个像素格，即20 m。集中块状式为4个3 × 3的规则散点式布局组合而成，相邻乔木的中心点之间相距6个像素格，即12 m。自然集群式中各乔木以自然界常见的集群形式分散布局。通过不同树冠形态和群落布局形式的排列组合，得出共计15种不同的模拟工况。
表 1 南京常见园林乔木及其树冠形态分类
Table 1. 100 common arbors in Nanjing and the classification of their canopy shapes
树冠形态 常见树种 数量/种 圆柱形 毛白杨Populus tomentosa，日本珊瑚树Viburnum odoratissimum var. awabuki，塔柏Sabina chinensis ‘Pyramidalis’，加杨（Populus × canadensis，意杨Populus × canadensis subsp. I-214 5 圆球形 白玉兰Magnolia denudata，二乔玉兰Magnolia soulangeana，乐昌含笑Michelia chapensis，深山含笑Michelia maudiae，杜仲Eucommia ulmoides，栾树Koelreuteria paniculata，樟树Cinnamomum camphora，浙江楠Phoebe chekiangensis，紫楠Phoebe sheareri，大叶樟Cinnamomum austrosinense，毛泡桐Paulownia tomentosa，重阳木Bischofia polycarpa，皂荚Gleditsia sinensis，国槐Sophora japonica，刺槐Robinia pseudoacacia，金枝槐Sophora japonica‘Golden Stem’，无患子Sapindus mukorossi，榆树Ulmus pumila，朴树Celtis sinensis，珊瑚朴Celtis julianae，榔榆Ulmus parvifolia，臭椿Ailanthus altissima，黄连木Pistacia chinensis，东京樱花Cerasus yedoensis，日本晚樱Cerasus serrulata var. lannesiana，山樱花Cerasus serrulata，女贞Ligustrum lucidum，杨梅Myrica rubra，苦槠Castanopsis sclerophylla，青冈Cyclobalanopsis glauca，麻栎Quercus acutissima，栓皮栎Quercus variabilis，苦楝Melia azedarach，香椿Toona sinensis，臭椿Ailanthus altissima，桑树Morus alba，构树Broussonetia papyrifera，美国山核桃Carya illinoensi，柿Diospyros kaki，白蜡Fraxinus chinensis，小蜡Ligustrum sinense 41 倒卵形 木莲Manglietia fordiana，乌桕Sapium sebiferum，广玉兰Magnolia grandiflora，枫香Liquidambar formosana，桂花Osmanthus fragrans，喜树Camptotheca acuminata，枫杨Pterocarya stenoptera，二球悬铃木Platanus acerifolia，银杏Ginkgo biloba，七叶树Aesculus chinensis，南京椴Tilia miqueliana，石楠Photinia serrulata，椤木石楠Photinia davidsoniae，枇杷Eriobotrya japonica，杜梨Pyrus betulifolia，山楂Crataegus pinnatifida，黄檀Dalbergia hupeana，色木槭Acer mono，茶条槭Acer ginnala，梧桐Firmiana platanifolia，梓树Catalpa ovata，楸树Catalpa bungei 22 三角形 杉木Cunninghamia lanceolata，水杉Metasequoia glyptostroboides，池杉Taxodium ascendens，柳杉Cryptomeria fortunei，落羽杉Taxodium distichum，马尾松Pinus massoniana，金钱松Pseudolarix amabilis，雪松Cedrus deodara，日本五针松Pinus parviflora，白皮松Pinus bungeana，黑松Pinus thunbergii，火炬松Pinus taeda，湿地松Pinus elliottii，油松Pinus tabuliformis，圆柏Sabina chinensis，龙柏Sabina chinensis ‘Kaizuca’，金叶桧Sabina chinensis ‘Aurea’，香榧Torreya grandis ‘Merrillii’，罗汉松Podocarpus macrophyllus，鹅掌楸Liriodendron chinense，三角枫Acer buergerianum，杜英Elaeocarpus decipiens 22 倒三角形 榉树Zelkova serrata，合欢Albizia julibrissin，垂丝海棠Malus halliana，湖北海棠Malus hupehensis，西府海棠Malus × micromalus，紫叶李Prunus cerasifera f. atropurpurea 6 垂枝形 垂柳Salix babylonica，旱柳Salix matsudana，龙爪槐Sophora japonica var. japonica f. pendula 3 棕榈形 棕榈Trachycarpus fortunei 1 总计 100 
图 1 乔木模型示意图
Figure 1. Diagram of arbor models
图 2 群落平面布局形式示意图
Figure 2. Diagram of layout forms of community
-
选择的模拟日期为夏至日，为确保模拟的普适性，以中国气象数据网上公布的南京站点气象数据为参考，计算南京近10 a来夏至日的平均温湿度和风速，确定模拟当天的初始气象数据，即整个模拟环境的初始温湿度和风速数据。模拟时间从7：00到17：00，为保证模拟的准确性，去掉模拟最开始的1 h，以8：00至17：00，共计10 h作为重点分析时段，1 h输出1次模拟结果。当天每小时的温湿度值以ENVI-met的simple force模拟数据为准（表 2）。
表 2 模拟参数设置
Table 2. Setup of simulation parameters
模拟时间 气象参数 数值 土壤参数 数值 2017-06-21 10 m高度处风速 3.0 m·s-1 表层0~20 cm初始温度 300 K （7:00－18:00） 风向（0为北风，180为南风） 135 表层0~20 cm土壤湿度 50% 测量场地的粗糙长度 0.01 中层20~50 cm初始温度 300 K 大气的初始温度 297 K 中层20~50 cm土壤湿度 51% 模型顶端的绝对湿度（2 500 m） 9.5 g·kg-1 深层50 cm以下初始温度 298 K 2 m高度处的相对湿度 50% 深层50 cm以下土壤湿度 45% simple forcing—温度 最小值在5：00时，292 K 最大值在15：00时，302 K simple forcing—湿度 最小值在15：00时，40% 最大值在5：00时，60% -
从计算的模拟结果中导出各模拟工况的气温、相对湿度和PMV指数。将模拟得出的温湿度数据进行整理，首先计算出整个场地的逐时温湿度值，即80 × 80、共6 400个像素格的温湿度平均值，并利用SPSS对各工况之间的逐时温湿度进行成对样本t检验。第2步筛选出所有乔木树冠的垂直投影部分作为树荫下区域，其余为非树荫区域，分别计算出2个区域每小时的温湿度平均值，以树荫和非树荫区域的温湿度差值作为该工况乔木群落的降温增湿强度，分别用Tp和Hp表示。Tp＝Tfi-Ti。其中：Tfi是第i时刻的非树荫区域的平均气温（℃），Ti为第i时刻树荫区域的平均气温（℃）。Hp＝Hi-Hfi。其中：Hi为第i时刻树荫区域的平均湿度（%），Hfi是第i时刻的非树荫区域的平均湿度（%）。PMV热舒适模型是将环境变量（气温、湿度、风速和平均辐射温度）和人为因素（新陈代谢率和服装热阻）综合计算，得出用于表征人体热反应（冷热感）的评价指标，它将热感觉分为从-3（冷）到3（热）的7个等级，其中0为舒适值[30-31]。ENVI-met软件在此基础上，综合考虑了气温、平均辐射温度、水汽、风速、人体产生的能量、人体穿衣造成的皮肤温度、人体表面皮肤与空气的水汽交换、呼吸造成的能量交换等因素计算PMV指数[32]。IPMV＝（0.028+0.303×e（-0.036m）+0.0275）×q。其中：m为人体新陈代谢率；q为热舒适系统的能量传输率，计算需要的变量有气温、平均辐射温度、水汽压和风速、服装热阻、人体行走产生的能量等。
-
整体来看，树冠形态对群落温湿度有显著影响（图 3）。3种布局形式下都是三角形树冠的群落日均气温最高[分别为（26.91±0.95），（26.93 ±0.96），（26.95±0.97）℃]，日均湿度最低（分别为48.49%±3.38%，48.46%±3.40%，49.10%±3.70%）；倒卵形或倒三角形日均气温最低[分别为（25.84±0.81），（26.12±0.84），（26.27±0.89）℃]，日均湿度最高（分别为51.03%±3.11%，50.13%±2.98%，50.03%±3.52%）。
图 3 不同树冠形态工况的日均温湿度比较
Figure 3. Comparison of daily average temperature and humidity of simulated condition with different canopy shapes
-
布局形式对植物群落日均温湿度也有一定影响（图 4）。日均气温方面，圆柱形、圆球形、三角形和倒三角形树冠形态的乔木都是在自然集群式布局时日均气度最高[分别为（26.90±0.96），（26.89±0.96），（26.95±0.97），（26.44±0.91）℃]，规则散点式布局时最低[分别为（26.31±0.99），（26.86±0.96），（26.91±0.95），（25.93±0.75）℃]；倒卵形树冠形态的乔木在集中块状式布局时日均气温最高（26.45±0.91）℃，规则散点式时最低（25.84±0.81）℃。日均湿度方面，圆柱形、圆球形、倒卵形和倒三角形树冠形态的乔木在规则散点式布局时日均湿度最高（分别为49.91%±3.49%，49.31%±3.70%，51.03%±3.11%，50.93%±2.77%），三角形树冠的乔木在自然集群式布局时日均湿度最高（49.10%±3.70%）。圆球形、倒卵形和三角形在集中块状式布局时日均湿度最低（分别为48.47%±3.43%，49.09%±3.19%，48.46%±3.40%），圆柱形和倒三角形树冠的乔木在自然集群式布局时日均湿度最低（分别为49.15%±3.67%，50.03%±3.52%）。
图 4 不同布局形式工况的日均温湿度比较
Figure 4. Comparison of daily average temperature and humidity of simulated condition with different layout forms
-
相同布局形式下，不同树冠形态的群落降温增湿强度之间有显著性差异（P＜0.05）（图 5）。总体来看，在3种布局形式下，均是倒卵形或倒三角形树冠的群落日均降温增湿强度最大[分别为（0.84±0.15）℃/（2.52%±0.54）%，（1.16±0.22）℃/（2.25%±0.78%），（0.98±0.20）℃/（1.92%±0.67%）]，圆球形树冠最小[分别为（0.61±0.12）℃/（1.22%±0.42%），（0.88±0.15）℃/（1.80%±0.56）%，（0.73±0.14）℃/（1.48%±0.47%）]。
图 5 不同树冠形态工况的日均降温增湿强度比较
Figure 5. Comparison of daily average cooling and humidification intensity of simulated condition with different canopy shapes
-
从图 6可以看出：布局形式对植物群落的日平均降温增湿强度具有显著的影响。总体来看，5种树冠形态都在集中块状式布局时日均降温增湿强度最大[分别为（0.96±0.18）℃/（2.08%±0.69%），（0.88±0.15）℃/（1.80%±0.56%），（1.16±0.22）℃/（2.25%±0.78%），（0.97±0.18）℃/（2.08%±0.65%），（0.92±0.15）℃/（1.95%±0.57%）]。除了倒三角形树冠的乔木群落在自然集群式布局时日均降温增湿强度最小以外[（0.82±0.14）℃/（1.74%±0.51%）]，其余4种树冠形态的群落都是在规则散点式布局时日均降温增湿强度最小[分别为（0.66±0.14）℃/（1.45%±0.52%），（0.61±0.12）℃/（1.55%±0.42%），（0.77±0.15）℃/（1.52%±2.54%），（0.68±0.14）℃/（1.46%±0.49%）]。说明集中块状式布局时群落的降温增湿效应最好。
图 6 不同布局形式工况的日均降温增湿强度比较
Figure 6. Comparison of daily average cooling and humidification intensity of simulated condition with different layout forms
-
各模拟工况的日均PMV指数如图 7所示。3种布局形式中，均是倒卵形或倒三角树冠形态的群落PMV指数最小（分别为2.36±0.24，2.36±0.25，2.26±0.24），圆球形树冠的群落PMV指数最大（分别为2.66±0.27，2.68±0.27，2.36±0.27），说明“上大下小”型（倒三角形和倒卵形）树冠群落中，人体热舒适感觉相对较好。相同的树冠形态在不同的布局形式时，虽然PMV指数排序各有不同，但总体来看，集中块状式布局时PMV指数相对较高（最大值为2.68±0.27），而自然集群式种植时PMV指数较小（最小值为2.26±0.25）。说明自然集群式栽植时人体热舒适体验更好。
图 7 不同布局形式及树冠形态工况的日均PMV指数
Figure 7. Comparison of PMV of simulated condition with different layout forms and canopy shapes
-
倒卵形和倒三角形这类“上大下小”型树冠的乔木群落对整体区域和林冠下方区域的降温增湿效果都表现最好，主要原因是“上大下小”型树冠的乔木能为林下提供更好的遮阳空间。吴翼[9]对树木遮阳效果的研究中提出，树冠形态与遮阳位置（在平面和立面上）、阵幅宽窄、遮阳面大小有直接关系，且各类树木由于其形态不同，表现差别很大；一般横展性强的树木在为行人减免日晒的作用上有显著的优越性。吴力立等[33]的研究也表明：树木在地面上影子的面积取决于树木的冠长、冠幅及太阳高度角，而与树木的高度关系不大，也就是与树木的形态有关。在高度一致的情况下，相比较其他形态的树冠，倒卵形和倒三角形树冠的冠幅更长，能为林下空间提供更好的遮阳效果。因此，在进行植物选择时，若想在夏季提供良好的降温增湿效益，可以多考虑“上大下小”型、树冠横展性强的乔木，如榉树、枫香、合欢、乌桕、七叶树等作为主要树种，而松柏类等三角形或圆球形树冠的乔木可在群落中搭配种植，提高林冠线及景观的丰富性。另外对乔木进行修剪时，也可考虑在尊重其原有树冠形态、确保植株正常生长的基础上，将植株适当修剪成“上大下小”型，进一步提高群落的降温增湿效果。
-
不同的平面布局形式对群落的降温增湿作用具有显著影响。规则散点式布局对整体区域的降温效果较好；集中块状式布局对整体区域的增湿效果及林下空间的降温增湿效益表现都比较好。因此在布局设计时，要根据实际情况合理选择植物布局形式。若要提高开阔的广场中整体区域的降温效果，缓解微尺度上城市热岛效应，可以选择规则散点排列的树阵式布局；在较为干旱的区域，可以通过集中块状布局，提高场地整体区域的湿度；如要加强林下区域的降温增湿效果，可优先选择集中块状式布局，提供大片连续的遮阴空间；若场地中有地形，不方便进行集中块状布局时，可以选择相对自然的集群式分布，更具有变化性，同时也能提供一定的增湿效果。
-
南京地区夏季高温高湿，虽然集中块状式布局时群落的降温增湿强度最高，但其PMV指数也相对最高，说明其在夏季虽然起到了很好的降温增湿效果，但在这种布局形式的群落中，人体的热舒适体验却不是很理想，反而自然集群式布局时PMV指数最低，热舒适体验更好。在树冠形态方面，倒卵形和倒三角形树冠的群落PMV值明显低于其他树冠，这与降温增湿效果的比较结果一致。所以考虑到人体热舒适度时，不能单纯以降温增湿效果作为衡量指标，尤其是在中国亚热带地区，夏季高温高湿，更应从人体舒适度角度，选择合适冠形的植物，并合理布局。
结合实际人群行为活动分别考虑，规则散点式布局时，热舒适度体验较好的区域较为分散，单个面积较小，林下适合布置小型的休憩区域，比如单人健身、棋牌类等相对分散且单个参与人数较少的活动；集中块状式布局时，热舒适度体验较好的区域较为集中，整体连接起来的面积较大且规整，适合参与人数较多的活动；自然集群式布局时，热舒适度体验较好的区域也比较集中，整体面积较大但形状自由、边界松散，林下适合布置儿童游乐、素质拓展等随机性大，鼓励自由参与的活动设施。另外，热舒适度不仅与温湿度有关，还与风速[34]、太阳辐射[35]、人群行为活动[36]以及游人心理[37]等有关，这也将是未来微气候环境设计及热舒适度研究的重点方向。本研究通过多种模拟工况比较得出乔木树冠形态和群落布局形式确实对温湿度有显著影响，虽是纯模拟研究，但部分结论也与其他学者的研究成果相契合，因此本研究对探讨如何改变群落自身结构特点来提高其微气候环境的降温增湿效益具有很好的参考价值。后续研究将与实际规划设计相结合，进一步修改周边环境因素，深入探讨群落自身结构与周边环境因子对微气候环境的双重影响。
Microclimate changes with simulated canopy spatial structures
-
摘要: 随着城市化水平的提高，人们对于健康舒适的公共空间的要求也日益增加。为了更加科学地从空间结构的角度对微气候环境提出改善策略，运用ENVI-met模拟软件，以理想状态下的纯乔木林环境为研究对象，针对南京市的气候条件，分析5种常见的乔木树冠形态（圆柱形、圆球形、倒卵形、三角形和倒三角形）和3种平面布局形式（规则散点式、集中块状式、自然集群式）对微气候环境的温度、湿度及人体热舒适度（PMV指数）的影响。研究表明：树冠形态和布局形式对群落的降温增湿效应具有显著影响（P < 0.05）。“上大下小”型的倒卵形和倒三角形树冠的乔木群落降温增湿强度最高、人体热舒适度体验也最好。集中块状式布局的群落降温增湿强度要明显高于规则散点式和自然集群式，但自然集群式布局时人体热舒适度体验更好。Abstract: The microclimatic environment created by a plant community could provide wonderful rest space for people. This study focused on how to regulate the microclimate by improving the structure and characteristics of a plant community. The microclimatic environment of Nanjing, a typical city with high temperature and humidity in summer, was studied. Using simulation software, ENVI-met, pure forests in ideal conditions were selected to analyze the impact of five common canopy shapes (cylindrical, spheroidal, obovate, triangular, and inverted triangular) and three layout forms (regular-scatter, centralized-block, and natural-distribution) on temperature, humidity, and thermal comfort (PMV) of a plant community in Nanjing during summer. Results indicated that canopy shapes and layout forms had a significant influence on the cooling and humidification effect of a plant community (P < 0.05). The tree communities with an obovate canopy or inverted triangular canopy, which were typically large in the upper part of the canopy and small in the lower part, had the highest cooling and humidification efficiency which could provide the best thermal comfort experience. The cooling and humidification efficiency of the communities planted in a centralized-block form were higher than those in a regular-scatter or natural-distribution form; whereas, the thermal comfort experience of the community planted in a natural-distribution form was better.
-
Key words:
- forest ecology /
- ENVI-met /
- canopy shapes /
- layout forms /
- microclimate
-
土壤是人类赖以生存的自然环境，也是农业生产的重要资源。然而，随着国民经济的加速发展，城市化、工业化进程的不断加快，农药、化肥的长期使用和污水灌溉等，农田土壤中的重金属不断累积，引发农田土壤重金属污染问题，导致农产品重金属积累和污染，并通过食物链进入人体，威胁人类的健康。农产品重金属污染问题变得越来越严峻[1-4]。土壤重金属污染具有隐蔽性、不可逆性和长期性的特点[5-6]，治理难度大。对土壤重金属污染状况进行监测，预防土壤重金属污染，开展土壤重金属污染农产品的风险评价极为重要，这也是国内外研究和社会关注的热点[7-9]。土壤重金属污染状况的正确评价可以为土壤安全利用、保障农产品安全生产及政府制定土壤保护政策等提供科学依据。评价土壤重金属污染的方法较多，常见的有内梅罗综合指数法、富集系数法、地累积指数法、潜在生态危害指数法等，迄今尚未形成一个成熟的方法和统一的标准[10-13]。水稻Oryza sativa是世界第二大粮食作物，也是中国第一大粮食作物。镉容易被水稻吸收，也是目前中国水稻生产中最主要的重金属污染元素[14]。在浙江省农产区不同土地利用类型中，稻田土壤中重金属平均含量最高[15]，但对稻米重金属污染状况的调查，特别是土壤和稻米协同采样的调查和污染评价研究却甚少[16]。嘉兴是浙江省杭嘉湖平原区重要产粮基地之一。已有文献报道：嘉兴市稻田土壤重金属总体状况良好，也存在着一些零星分布的土壤重金属超标区域，但尚未开展土壤-水稻系统协同采样和进行风险评价。基于此，本研究于2018年在水稻收获季，以已报道嘉兴市受重金属污染的稻田土壤区域及重点企业周边区域为主要对象，开展土壤-水稻样品协同采样，测定土壤和稻米中镉、铅、铬、砷等4种重金属元素质量分数，结合GB 15618−2018《土壤环境质量 农用地土壤污染风险管控标准(试行)》、GB/T 36869−2018《水稻生产的土壤镉、铅、铬、汞、砷安全阈值》和GB 2762−2017《食品中污染物限量》，对土壤重金属污染状况和对水稻安全生产的污染风险进行评价，旨在进一步保护和利用土壤，为今后嘉兴市水稻土质量安全管理和土壤重金属污染治理方案的确定提供科学依据。
1. 材料与方法
1.1 研究区概况
嘉兴市地处浙江省东北部、长江三角洲杭嘉湖平原腹地，30°21′~31°02′N，120°18′~121°06′E。全市现辖海宁、桐乡、平湖、海盐、嘉善5个县(市)和南湖、秀洲2个区，陆地总面积4275.05 km2，全市户籍人口352.12万人。该市地处北亚热带南缘，属东亚季风区，冬夏季风交替，四季分明，气温适中，雨水丰沛，日照充足，年平均气温15.9 ℃，年平均降水量1168.6 mm，年平均日照2 017.0 h。地势低平。土壤母质主要为浅海沉积物、河流冲积物及湖沼相沉积物。
1.2 土壤样品采集与处理
以公开报道的嘉兴市土壤重金属信息为导向，并结合实地咨询和调查，本研究试验区域覆盖重金属接近和达到污染的土壤，同时兼顾选取重点行业企业等污染源周围稻田土壤(疑似)，并开展土壤和水稻样品协同采集。采用全球定位系统(GPS)定位，于2018年10月水稻收获时期，采集稻田0~20 cm土层土样，同时采集对应的水稻籽粒样品。为确保样品的代表性，在每个取样点以周围5 m×5 m正方形范围内设置6~8个采样点。每个采样点取土约0.5 kg，均匀混合为1份，按四分法保留分析样品约1.0 kg。土壤样品自然风干后混匀磨碎，过2.00 mm筛，用以测定pH和重金属有效态质量分数；取其中一部分过0.15 mm筛，用以测定土壤有机质和重金属全量。水稻样品选取籽粒部分，以自来水冲洗和去离子水洗净，70 ℃烘干至恒量，脱壳粉碎后备用。
1.3 样品分析与测定
土壤重金属全量采用硝酸-盐酸-高氯酸(HNO3-HCl-HClO4)混合酸微波消解后测定；土壤重金属镉有效态采用0.1 mol·L−1盐酸提取剂提取后测定；水稻籽粒重金属采用硝酸微波消解后测定。待测液中的镉、铅采用石墨炉原子吸收光谱仪测定，铬采用火焰原子吸收光谱仪测定，砷采用原子荧光光谱仪测定。测定时均加入国家标准土壤标样和大米国家标准参比物分别进行质量控制，分析结果符合质量控制要求。土壤pH用pH计按水土比2.5∶1.0浸提测定；土壤有机质采用重铬酸钾氧化-外加热法测定[17]。
1.4 污染评价方法与标准
目前，对于重金属污染的评价方法有很多，根据评价结果反映的主体可分为2类: 以重金属元素为主体的评价方法和以采样点为主体的评价方法[18]。本研究主要选取以重金属元素为主体的评价方法，单因子指数法和内梅罗综合指数法、富集系数法和地累积指数法、潜在生态指数评价法和生态风险预警指数法对嘉兴市水稻土壤重金属污染及其生态危害做出定量评价和风险预估。
1.4.1 单因子污染指数评价法和内梅罗综合指数法
单因子污染指数法[19]针对土壤中单一污染物的污染程度进行评价。其计算公式为：
$${P_i} = {C_i}/{S_i}{\text{。}}$$ (1) 式(1)中：Pi为重金属元素i的污染指数；Ci为重金属元素i的实测质量分数(mg·kg−1)；Si为重金属元素i的评价标准(mg·kg−1)。Pi的分级标准参见文献[19]。
内梅罗综合污染指数法[19]是在单因子指数的基础上对重金属污染进行综合评价。其计算公式为：
$$ P=\sqrt{\frac{{P}_{i\mathrm{m}\mathrm{a}\mathrm{x}}^{2}+{P}_{i\mathrm{a}\mathrm{v}\mathrm{e}}^{2}}{2}}{\text{。}}$$ (2) 式(2)中：P为土壤污染综合指数；Piave为土壤中各污染指数平均值；Pimax为土壤中各污染指数最大值。P的分级标准参见文献[19]。
1.4.2 富集系数法和地累积指数法
采用富集系数法[12]主要是评估和识别污染物来源。富集系数(E)的计算公式如下：
$$ E=\frac{({C}_{i}/{C}_{{\rm{n}}})_\mathrm{s}}{({C}_{i}/{C}_{{\rm{n}}})_{\rm{r}}}{\text{。}}$$ (3) 式(3)中：(Ci/Cn)s为土壤样品中重金属元素i与标准化元素n的测量质量分数比值，(Ci/Cn)r为土壤中重金属元素i与标准化元素n的背景值比。本研究选择锰为参比元素[20-21]。E值越大，富集程度就越高。E的分级标准参见文献[12]。
地累积指数(Igeo)法[12]被应用于人为活动产生的重金属对土壤污染的评价。Igeo的计算公式如下：
$$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}}={\mathrm{log}}_{2}\left[\frac{{C}_{i}}{k {B}_{i}}\right]{\text{。}}$$ (4) 式(4)中：Igeo为地累积指数；Ci为重金属元素i的实测值(mg·kg−1)；Bi为重金属元素i的地球化学背景值(mg·kg−1)；k为考虑造岩运动导致重金属背景值存在差异而设定的系数，一般为1.5。Igeo的分级标准参见文献[12]。
1.4.3 潜在生态风险评价指数法和生态风险预警指数法
潜在生态风险采用Hakanson提出的生态风险指数法进行评价。潜在生态风险指数IR的计算公式如下：
$${F_{{\rm{r}}i}} = {C_i}/{C_{\rm{n}}}\text{；}$$ (5) $${E_{{\rm{r}}i}} = {T_{{\rm{r}}i}} {F_{{\rm{r}}i}}\text{；}$$ (6) $$ {I}_{\mathrm{R}}=\sum\limits_{i=1}^{n}{E}_{\mathrm{r}i}\text{。} $$ (7) 式(5)~式(7)中：Ci为重金属元素i的实测值；Cn为重金属元素i的参比值(采用浙江省土壤环境背景值)[22]。Fri、Tri、Eri分别为第i种重金属污染系数、毒性响应系数和潜在生态危害指数。镉、铅、铬、砷的毒性响应系数分别为30、10、2、10[23]。潜在生态危害指数(Eri)越高，表明土壤受某个重金属污染的风险越高；IR被称为潜在生态风险指数，为多种重金属元素的潜在生态风险综合值，其值越大，土壤风险越高，据此可以根据Er和IR进行分类和风险评价[24]。
采用Rapan提出的生态风险预警指数(IER)对水稻土生态风险进行预警评估。IER的计算公式为：
$$ {I}_{\mathrm{E}\mathrm{R}}=\sum\limits_{i=1}^{n}{I}_{\mathrm{E}{\mathrm{R}}{i}}=\sum\limits_{i=1}^{n}\left(\frac{{C}_{{\mathrm{A}}{i}}}{{C}_{{\mathrm{R}}{i}}-1}\right)\text{。} $$ (8) 式(8)中：IER为生态风险预警指数；IERi为重金属元素i的生态风险指数；CAi为重金属元素i的实测质量分数；CRi为重金属元素i的参比值。预警分级标准根据IER进行分类和风险评价[25]。
1.5 数据处理与分析
采用Excel 2018对土壤重金属进行描述性统计分析。采用SPSS 22.0进行Spearman相关性分析。数据统计图表的绘制由Excel 2018和Origin 11.0完成。
2. 结果与分析
2.1 土壤pH和有机质质量分数
土壤重金属的生物有效性受诸多因子的影响。在水稻生产上，土壤pH和有机质质量分数对土壤重金属有效性的影响极为重要。相同的重金属质量分数，土壤高pH、高有机质有利于重金属有效性的降低，抑制水稻吸收积累重金属，稻米重金属污染风险下降。因此，国家标准中将土壤pH和有机质质量分数状况列为2个参数，制定土壤中重金属元素镉、铅、铬、汞、砷的最大允许质量分数，其允许值(阈值)随土壤pH和有机质质量分数的提高而增大，如当pH＜5、有机质质量分数＜20 g·kg−1时，土壤镉的安全阈值定为0.2 mg·kg−1；而当土壤pH≥7、有机质质量分数≥20 g·kg−1时，土壤镉的安全阈值定为0.5 mg·kg−1(GB/T 36869−2018《水稻生产的土壤镉、铅、铬、汞、砷安全阈值》)。调研结果显示：本研究所调查的水稻土土壤pH和有机质质量分数的变化都较大，土壤pH为5.0~8.0，pH相差达3个单位，而土壤有机质质量分数为6.8~61.0 g·kg−1，相差近10倍(表1)，因而，允许的土壤重金属阈值不同。
表 1 土壤pH和有机质状况Table 1 Soil pH and organic matter content项目 pH 有机质/(g·kg−1) 项目 pH 有机质/(g·kg−1) 最小值 4.96 6.84 标准差 0.74 14.43 最大值 7.99 60.97 变异系数/% 12.06 39.91 平均值 6.15 36.15 2.2 土壤和大米重金属质量分数状况
本研究所调查区域水稻土重金属质量分数变幅较大，因不同元素而异。测定结果及描述性统计分析见表2和表3。土壤镉、铅、铬、砷质量分数范围分别为0.01~1.92、17.60~34.80、47.00~123.00、3.97~9.89 mg·kg−1，平均分别为0.36、25.78、72.73、7.55 mg·kg−1。土壤重金属质量分数与浙江省土壤重金属背景值相比，镉、铅、铬、砷分别有68.18%、13.64%、22.73%、54.55%的样品超过浙江省土壤背景值；与土壤环境质量标准[GB 15618−2018《土壤环境质量 农用地土壤污染风险管控标准(试行)》]中农用地土壤污染风险筛选值相比，只有部分稻田土壤镉质量分数有所超标，点位超标率为22.73%，但都低于风险管制值；与水稻安全生产标准(GB/T 36869−2018《水稻生产的土壤镉、铅、汞、砷安全阀值》)的土壤安全阈值相比，也只有镉质量分数超过规定限值，点位超标率为31.82%。
表 2 水稻土和稻米重金属质量分数Table 2 Contents of heavy metals in paddy soils and rice grains序号 土壤重金属/(mg·kg−1) 稻米镉/
(mg·kg−1)序号 土壤重金属(mg·kg−1) 稻米镉/
(mg·kg−1)镉 铅 铬 砷 镉 铅 铬 砷 1 1.07 28.00 69.00 6.86 0.056 12 0.17 27.70 68.00 7.47 0.024 2 0.14 25.60 68.00 7.69 0.006 13 0.01 24.90 123.00 7.30 0.029 3 0.22 23.80 78.00 7.53 0.019 14 0.17 22.20 65.00 6.95 0.045 4 0.09 19.90 69.00 7.64 0.004 15 0.11 27.30 69.00 7.63 0.061 5 0.45 17.60 63.00 6.92 0.024 16 0.15 27.60 73.00 7.98 0.026 6 0.30 27.90 67.00 8.35 0.015 17 0.09 23.30 59.00 5.89 0.005 7 0.27 29.40 90.00 9.64 0.041 18 0.56 23.90 61.00 6.56 0.030 8 0.24 29.10 69.00 7.85 0.018 19 0.09 20.30 73.00 7.86 0.028 9 0.17 34.20 64.00 7.40 0.009 20 0.33 23.80 98.00 8.19 0.025 10 0.47 34.80 73.00 9.89 0.051 21 0.18 21.00 47.00 3.97 0.049 11 0.29 24.10 61.00 8.13 0.009 22 1.92 30.70 93.00 8.49 0.062 表 3 水稻土重金属质量分数空间变异状况及超标率Table 3 Variation of heavy metal contents and exceeding standard rate in paddy soils重金属 重金属/(mg·kg−1) 标准差 变异系数/% 超标率Ⅰ/% 超标率Ⅱ/% 最小值 最大值 平均值 镉 0.01 1.92 0.36 0.41 120.10 31.82 22.73 铅 17.60 34.80 25.78 4.30 16.70 0 0 铬 47.00 123.00 72.73 15.66 21.53 0 0 砷 3.97 9.89 7.55 1.18 15.56 0 0 说明：超标率Ⅰ以水稻生产的安全阈值(GB/T 36869−2018)为参比值；超标率Ⅱ以风险筛选值(GB 15618−2018)为参比值。 变异系数可以反映一定区域内重金属元素的分布和污染程度的差异，变异系数越大代表元素质量分数差异越大、离散度越高，重金属质量分数受外界因素影响越大[26]。由表2可以看出：土壤重金属质量分数变异系数最大的是镉，达120.10%，表明土壤中镉的空间分布差异比较大，可能受人类活动及周边环境(企业工厂)的影响所致，其他重金属元素铅、铬、砷的变异系数都很小，为15.56%~21.53%，在空间上存在相似的污染程度。
表2与图1结果表明：除部分样点镉质量分数高于对应的风险筛选值和安全阈值外，土壤镉、铅质量分数水平均未超出对应安全阈值，说明被调查的土壤重金属污染(疑似)区域内水稻土虽然存在普遍的镉、铬、铅富集，但铬、铅未超出国家相关标准限值。土壤砷质量分数均低于水稻生产安全阈值和农用土壤污染风险筛选值。因此，对水稻安全生产而言，土壤镉累积现象最为凸显，可能会影响水稻的安全生产。
图 1 水稻土重金属质量分数分布箱线图Figure 1 Box plot of soil heavy metal content distribution in paddy soils虽然研究区域内有部分稻田土壤镉超过国家标准限值，但是稻米测定结果显示所采集的稻谷稻米镉质量分数为0.006~0.062 mg·kg−1，平均为0.029 mg·kg−1，均在安全范围以内，没有超过GB 2762–2017《食品中污染物限量》限额(0.200 mg·kg−1)。说明目前的土壤环境对所栽水稻品种是安全的。除了水稻自身因素外，稻米镉质量分数积累低还可能与重金属镉污染土壤的环境条件特别是土壤pH和有机质质量分数较高有关[27]。但是在本研究中，研究区稻米镉质量分数与土壤全量镉、有效态镉质量分数和土壤pH、有机质质量分数的相关性都不高，显示水稻土中全量镉、有效态镉、有机质质量分数和pH都不是影响稻米中镉质量分数高低的决定性因素(表4)。虽然稻米镉积累与有效态镉、有机质质量分数有一定的正相关性，而与pH呈负相关，但许多研究表明重金属的有效性会随着有机质的增加而降低[28]。说明稻米镉质量分数、土壤镉有效性与土壤环境条件关系复杂，同时这些结果还可能与水稻品种有关。因为水稻基因型是影响土壤-水稻系统中重金属的转移和生物利用度的主要因素，不同的水稻品种对土壤重金属的吸收、转移、富集能力不同，导致籽粒中重金属质量分数的差异。镉低积累水稻品种籽粒吸收积累镉少，在一定的土壤镉污染超标条件下，大米镉不会超标[19, 29]。
表 4 土壤全量镉、有效态镉、稻米镉和土壤pH、有机质的相关性分析Table 4 Correlation analysis of total soil Cd, available Cd, rice grain Cd, soil pH and SOM项目 土壤全量镉 土壤有效态镉 稻米镉 土壤pH 有机质 土壤全量镉 1 土壤有效态镉 0.508* 1 稻米镉 −0.090 0.138 1 pH 0.007 −0.169 −0.013 1 有机质 −0.233 −0.107 0.296 −0.306 1 说明：*表示在0.05水平上相关 2.3 水稻土重金属污染评价
2.3.1 单因子指数评价和内梅罗综合指数评价
以国家水稻生产的土壤安全阈值(GB/T 36869−2018《水稻生产的土壤镉、铅、铬、汞、砷安全阈值》)为依据，计算研究区域水稻土土壤重金属的单项污染指数和综合污染指数。从表5可以看出：土壤重金属镉、铅、铬、砷的单项污染指数平均值分别为0.96、0.25、0.42、0.36。所有重金属单因子污染指数均小于1.00，属于清洁水平，说明研究区域水稻土处于安全水平。与稻米重金属质量分数测定结果一致。
表 5 水稻土重金属污染指数Table 5 Heavy metal pollution index of paddy soil统计指标 单因子污染指数 综合指数 镉 铅 铬 砷 最大值 3.84 0.46 0.82 0.52 2.84 最小值 0.04 0.09 0.24 0.20 0.28 平均值 0.96 0.25 0.42 0.36 0.81 标准差 0.84 0.10 0.12 0.08 0.57 变异系数/% 86.92 40.15 28.72 21.66 70.36 根据各重金属元素不同污染级别样点数占比可知(表6)，有68.18%的样点土壤镉单因子污染指数小于1.00，其余31.82%样点的土壤镉超标，其中轻度污染、中度污染、重度污染样点数分别占样点总数的22.73%、4.55%、4.55%。铅、铬、砷等3种元素的单因子污染指数全部都小于1.00，不存在污染情况。由此，镉是4种元素中积累最为严重的重金属元素。从内梅罗综合指数(表5和表6)看，研究区域土壤镉、铅、铬、砷重金属综合指数为0.28~2.84，各点位差异较明显。所有点位中63.64%的样点综合污染指数均小于0.70，也说明嘉兴市水稻土环境状况整体良好。处于警戒线的占13.64%，受污染的占22.72%，其中轻度污染的占18.18%，中度污染的占4.54%，无重度污染。对于处于警戒线，特别是部分已处于中、轻度污染的土壤应当引起高度重视。
表 6 基于污染指数法重金属污染程度占比Table 6 Proportion of heavy metal pollution based on pollution index method单因子指数 污染等级 各污染等级点位占比/% 综合指数 污染等级 各污染等级
点位占比/%镉 铅 铬 砷 P≤1 清洁 68.18 100 100 100 Pi≤0.7 安全 63.64 1＜P≤2 轻度污染 22.72 0 0 0 0.7＜ Pi≤1.0 警戒 13.64 2＜P≤3 中度污染 4.55 0 0 0 1.0＜ Pi≤2.0 轻度污染 18.18 P＞3 重度污染 4.55 0 0 0 2.0＜ Pi≤3.0 中度污染 4.54 2.3.2 富集系数评价和地累积指数评价
以浙江省土壤背景值作为依据，以锰元素作为校准元素进行对比，计算富集系数。对4种重金属元素的富集系数(E)进行分析比较(表7)，可以得出：4种重金属元素富集程度从大到小依次为镉、砷、铬、铅。铅、铬、砷区域富集污染程度为Ⅱ级，属于轻微富集、轻微污染；镉区域富集污染程度为Ⅲ级，属于中度富集、中度污染。镉、铅、铬、砷分别有18.18%、36.36%、27.27%、13.64%的采样点呈现无富集、无污染状态；分别有31.82%、59.09%、68.18%、81.82%的采样点表现为重金属轻微富集、轻微污染；分别有31.82%、4.55%、4.55%、4.55%的采样点表现为重金属中度富集、中度污染；还有18.18%的样点存在镉元素显著富集、强污染。
表 7 水稻土重金属元素富集系数和地累积指数评价特征值统计Table 7 Evaluation eigen value statistics of heavy metal element enrichment coefficient and geoaccumulation idex in paddy soil重金属 E E≤1 1＜E≤2 2＜E≤5 5＜E≤20 20＜E≤40 变化范围 平均值 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 镉 0.10~9.86 2.81 4 18.18 7 31.82 7 31.82 4 18.18 0 0 铅 0.60~2.13 1.23 8 36.36 13 59.09 1 4.55 0 0 0 0 铬 0.84~2.40 1.33 6 27.27 15 68.18 1 4.55 0 0 0 0 砷 0.87~2.13 1.41 3 13.64 18 81.82 1 4.55 0 0 0 0 重金属 Igeo Igeo≤0 0＜Igeo≤1 1＜Igeo≤2 2＜Igeo≤3 3＜Igeo≤4 变化范围 平均值 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 镉 −4.51~3.07 −0.11 12 54.55 6 27.27 2 9.09 1 4.55 1 4.55 铅 −1.37~−0.39 −0.84 22 100.00 0 0 0 0 0 0 0 0 铬 −1.31~0.08 −0.71 21 95.45 1 4.55 0 0 0 0 0 0 砷 −1.52~−0.20 −0.61 22 100.00 0 0 0 0 0 0 0 0 仍以浙江省土壤背景值进行参比。4种重金属的地累积指数法统计结果如表7所示。可以看出：4种元素Igeo从大到小依次为镉、砷、铬、铅。在所有样点中，砷、铅的地累积指数均小于0，呈现无富集无污染状态。污染最严重的重金属为镉，其平均地累积指数为−0.11，处于轻微污染的边界。但是各样点指数差异悬殊，特别是镉，在研究区中仅有54.55%的样点处于无富集、无污染状态，27.27%的样点处于轻微富集状态，9.09%的样点处于中度富集状态，4.55%的样点处于中强富集状态，4.55%的样点处于强富集状态。总体而言，该地区在人类生产、生活活动的影响下，镉元素积累明显，富集程度高；个别样点存在镉元素轻微富集污染，其他元素富集污染程度均为无污染。
2.3.3 稻田土壤中重金属潜在生态风险评价分析
以水稻生产的土壤安全阈值(GB/T 36869−2018《水稻生产的土壤镉、铅、铬、汞、砷安全阈值》)指标为参比值，根据生态风险划分标准，对水稻土重金属污染进行潜在生态风险评价，评价结果(表8)显示：研究区域水稻土不同重金属单项潜在生态危害指数(Er)平均值从大到小表现为镉、砷、铅、铬。所有样点铅、铬、砷的潜在生态风险指数(IR)均小于40，处于轻微风险水平。土壤镉的潜在生态危害程度最高，平均值为28.83，生态危害系数变化幅度大，最高值为115.2，最低值为1.2，变异系数为86.92%。达到中等、较强生态危害的样点数分别占样点总数的18.18%、4.55%。土壤重金属综合潜在生态风险指数(IR)变化范围为9.08~121.36，平均值为35.73，变异系数为70.01%，呈现轻微生态风险水平，主要贡献因子是镉。从变异系数可以看出：研究区域内生态危害分布差异性大。但是所有样点的IR均小于150，全部样点均处于轻微生态风险水平。而土壤生态风险预警指数(IER)变化范围为−2.97~0.73，平均值为−2.01，处于无风险至预警级，仅有1个样点最大的IER为0.73，也在轻度预警级别。因此，采用潜在生态风险评价指数法和生态风险预警指数法都表明：研究区土壤重金属处于安全级别，污染风险较小。
表 8 水稻土重金属潜在生态风险评价Table 8 Potential ecological risk assessment of heavy metals in paddy soil统计指标 潜在生态危害指数(Er) 潜在生态风险
指数(IR)土壤生态风险
预警指数(IER)镉 铅 铬 砷 最大值 115.20 4.56 1.64 5.24 121.36 0.73 最小值 1.20 0.90 0.48 1.99 9.08 −2.97 平均值 28.83 2.47 0.84 3.58 35.72 −2.01 标准差 25.06 0.99 0.24 0.78 25.02 0.83 变异系数/% 86.92 40.15 28.72 21.66 70.01 −41.15 采用不同的方法对研究区域稻田土壤重金属污染风险评价的结果都表明：研究区域总体上处于安全水平；就单个重金属而言，土壤铅、铬、砷属于没有污染风险或轻微风险水平，而镉在某些点位稻田土壤中呈显著富集、轻中度污染，对水稻安全生产构成一定的风险。本研究协同采样测定结果显示：稻米各项指标均符合国家粮食安全标准(GB 2762−2017《食品中污染物限量》)。考虑到不同水稻品种对土壤镉吸收积累的差异，以及土壤环境条件特别是pH易受人为施肥管理等措施的影响，对土壤镉质量分数较高的点位，在今后的水稻生产管理中需要加强动态监测，关注土壤镉形态转化和有效性的变化，以保障水稻粮食生产安全[26, 28]。
3. 结论
采用多种方法对研究区域稻田土壤重金属污染风险进行评价，结果显示：研究区域水稻土壤总体上处于安全水平。协同采样测定结果显示：稻米各项指标均符合国家粮食安全标准(GB 2762−2017《食品中污染物限量》)。
采用E和Igeo的评价结果均得出4种元素富集程度从大到小依次为镉、砷、铬、铅，潜在生态危害由强至弱依次为镉、砷、铅、铬。研究区内镉富集(污染)最为明显，个别样点存在镉元素中轻度污染，镉是当前最主要的生态风险因子。
目前的土壤环境对当地的水稻栽培品种来说是安全的。在今后的水稻生产管理中仍需加强动态监测，关注土壤镉形态转化和有效性的变化，充分保障水稻粮食生产安全。
-
图 3 不同树冠形态工况的日均温湿度比较
Figure 3 Comparison of daily average temperature and humidity of simulated condition with different canopy shapes
图 4 不同布局形式工况的日均温湿度比较
Figure 4 Comparison of daily average temperature and humidity of simulated condition with different layout forms
图 5 不同树冠形态工况的日均降温增湿强度比较
Figure 5 Comparison of daily average cooling and humidification intensity of simulated condition with different canopy shapes
图 6 不同布局形式工况的日均降温增湿强度比较
Figure 6 Comparison of daily average cooling and humidification intensity of simulated condition with different layout forms
图 7 不同布局形式及树冠形态工况的日均PMV指数
Figure 7 Comparison of PMV of simulated condition with different layout forms and canopy shapes
表 1 南京常见园林乔木及其树冠形态分类
Table 1. 100 common arbors in Nanjing and the classification of their canopy shapes
树冠形态 常见树种 数量/种 圆柱形 毛白杨Populus tomentosa，日本珊瑚树Viburnum odoratissimum var. awabuki，塔柏Sabina chinensis ‘Pyramidalis’，加杨（Populus × canadensis，意杨Populus × canadensis subsp. I-214 5 圆球形 白玉兰Magnolia denudata，二乔玉兰Magnolia soulangeana，乐昌含笑Michelia chapensis，深山含笑Michelia maudiae，杜仲Eucommia ulmoides，栾树Koelreuteria paniculata，樟树Cinnamomum camphora，浙江楠Phoebe chekiangensis，紫楠Phoebe sheareri，大叶樟Cinnamomum austrosinense，毛泡桐Paulownia tomentosa，重阳木Bischofia polycarpa，皂荚Gleditsia sinensis，国槐Sophora japonica，刺槐Robinia pseudoacacia，金枝槐Sophora japonica‘Golden Stem’，无患子Sapindus mukorossi，榆树Ulmus pumila，朴树Celtis sinensis，珊瑚朴Celtis julianae，榔榆Ulmus parvifolia，臭椿Ailanthus altissima，黄连木Pistacia chinensis，东京樱花Cerasus yedoensis，日本晚樱Cerasus serrulata var. lannesiana，山樱花Cerasus serrulata，女贞Ligustrum lucidum，杨梅Myrica rubra，苦槠Castanopsis sclerophylla，青冈Cyclobalanopsis glauca，麻栎Quercus acutissima，栓皮栎Quercus variabilis，苦楝Melia azedarach，香椿Toona sinensis，臭椿Ailanthus altissima，桑树Morus alba，构树Broussonetia papyrifera，美国山核桃Carya illinoensi，柿Diospyros kaki，白蜡Fraxinus chinensis，小蜡Ligustrum sinense 41 倒卵形 木莲Manglietia fordiana，乌桕Sapium sebiferum，广玉兰Magnolia grandiflora，枫香Liquidambar formosana，桂花Osmanthus fragrans，喜树Camptotheca acuminata，枫杨Pterocarya stenoptera，二球悬铃木Platanus acerifolia，银杏Ginkgo biloba，七叶树Aesculus chinensis，南京椴Tilia miqueliana，石楠Photinia serrulata，椤木石楠Photinia davidsoniae，枇杷Eriobotrya japonica，杜梨Pyrus betulifolia，山楂Crataegus pinnatifida，黄檀Dalbergia hupeana，色木槭Acer mono，茶条槭Acer ginnala，梧桐Firmiana platanifolia，梓树Catalpa ovata，楸树Catalpa bungei 22 三角形 杉木Cunninghamia lanceolata，水杉Metasequoia glyptostroboides，池杉Taxodium ascendens，柳杉Cryptomeria fortunei，落羽杉Taxodium distichum，马尾松Pinus massoniana，金钱松Pseudolarix amabilis，雪松Cedrus deodara，日本五针松Pinus parviflora，白皮松Pinus bungeana，黑松Pinus thunbergii，火炬松Pinus taeda，湿地松Pinus elliottii，油松Pinus tabuliformis，圆柏Sabina chinensis，龙柏Sabina chinensis ‘Kaizuca’，金叶桧Sabina chinensis ‘Aurea’，香榧Torreya grandis ‘Merrillii’，罗汉松Podocarpus macrophyllus，鹅掌楸Liriodendron chinense，三角枫Acer buergerianum，杜英Elaeocarpus decipiens 22 倒三角形 榉树Zelkova serrata，合欢Albizia julibrissin，垂丝海棠Malus halliana，湖北海棠Malus hupehensis，西府海棠Malus × micromalus，紫叶李Prunus cerasifera f. atropurpurea 6 垂枝形 垂柳Salix babylonica，旱柳Salix matsudana，龙爪槐Sophora japonica var. japonica f. pendula 3 棕榈形 棕榈Trachycarpus fortunei 1 总计 100 
下载: 导出CSV
表 2 模拟参数设置
Table 2. Setup of simulation parameters
模拟时间 气象参数 数值 土壤参数 数值 2017-06-21 10 m高度处风速 3.0 m·s-1 表层0~20 cm初始温度 300 K （7:00－18:00） 风向（0为北风，180为南风） 135 表层0~20 cm土壤湿度 50% 测量场地的粗糙长度 0.01 中层20~50 cm初始温度 300 K 大气的初始温度 297 K 中层20~50 cm土壤湿度 51% 模型顶端的绝对湿度（2 500 m） 9.5 g·kg-1 深层50 cm以下初始温度 298 K 2 m高度处的相对湿度 50% 深层50 cm以下土壤湿度 45% simple forcing—温度 最小值在5：00时，292 K 最大值在15：00时，302 K simple forcing—湿度 最小值在15：00时，40% 最大值在5：00时，60%
下载: 导出CSV
-
[1] 陈自新, 苏雪痕, 刘少宗, 等.北京城市园林绿化生态效益的研究(2)[J].中国园林, 1998, 14(2):51-54. CHEN Zixin, SU Xuehen, LIU Shaozong, et al. Ecological benefits of urban landscaping in Beijing (2)[J]. Chin Landscape Arch, 1998, 14(2):51-54. [2] 刘娇妹, 李树华, 杨志峰.北京公园绿地夏季温湿效应[J].生态学杂志, 2008, 27(11):1972-1978. LIU Jiaomei, LI Shuhua, YANG Zhifeng. Temperature and humidity effect of urban green spaces in Beijing in summer[J]. Chin J Ecol, 2008, 27(11):1972-1978. [3] HATHWAY E A, SHARPLES S. The interaction of rivers and urban form in mitigating the urban heat island effect:a UK case study[J]. Build Environ, 2012, 58(15):14-22. [4] MOHAN M, KANDYA A, BATTIPROLU A. Urban heat island effect over national capital region of India:a study using the temperature trends[J]. J Environ Prot, 2011, 2(4):465-472. [5] 秦仲, 李湛东, 成仿云, 等.北京园林绿地5种植物群落夏季降温增湿作用[J].林业科学, 2016, 52(1):37-47. QIN Zhong, LI Zhandong, CHENG Fangyun, et al. Cooling and humidifying effects of five landscape plant communities on summer days in Beijing[J]. Sci Silv Sin, 2016, 52(1):37-47. [6] 秦仲, 李湛东, 成仿云, 等.夏季栾树群落冠层结构对其环境温湿度的调节作用[J].应用生态学报, 2015, 26(6):1634-1640. QIN Zhong, LI Zhandong, CHENG Fangyun, et al. Impact of canopy structural characteristics on inner air temperature and relative humidity of Koelreuteria paniculata community in summer[J]. Chin J Appl Ecol, 2015, 26(6):1634-1640. [7] 潘剑彬, 李树华.北京城市公园绿地热舒适度空间格局特征研究[J].中国园林, 2015, 31(10):91-95. PAN Jianbin, LI Shuhua. Study on spatial pattern of the function of thermal comfort improvement on Beijing city parks[J]. Chin Landscape Arch, 2015, 31(10):91-95. [8] 赵晓龙, 卞晴, 赵冬琪, 等.寒地城市公园春季休闲体力活动强度与植被群落微气候调节效应适应性研究[J].中国园林, 2018, 34(2):42-48. ZHAO Xiaolong, BIAN Qing, ZHAO Dongqi, et al. Research on the adaptability between the leisure physical activity intensity and micro-climate regulation of vegetation community of cold region parks in Spring[J]. Chin Landscape Arch, 2018, 34(2):42-48. [9] 吴翼.树木遮荫与街道绿化[J].园艺学报, 1963, 2(3):295-308, 335-336. WU Yi. Tree-shading and avenue-tree planting[J]. Acta Hortic, 1963, 2(3):295-308, 335-336. [10] 高吉喜, 宋婷, 张彪, 等.北京城市绿地群落结构对降温增湿功能的影响[J].资源科学, 2016, 38(6):1028-1038. GAO Jixi, SONG Ting, ZHANG Biao, et al. The relationship between urban green space community structure and air temperature reduction and humidity increase in Beijing[J]. Resour Sci, 2016, 38(6):1028-1038. [11] 王明月.基于微气候改善的城市景观设计[D].南京: 南京林业大学, 2013. WANG Mingyue. Urban Landscape Design for Improving the Microclimate[D]. Nanjing: Nanjing Forestry University, 2013. [12] KNEZ I, THORSSON S. Thermal, emotional and perceptual evaluations of a park:cross-cultural and environmental attitude comparisons[J]. Build Environ, 2008, 43(9):1483-1490. [13] 王振.夏热冬冷地区基于城市微气候的街区层峡气候适应性设计策略研究[D].武汉: 华中科技大学, 2008. WANG Zhen. Design Strategies for the Climate Adaptability of Street Canyon based on Urban Microclimate in Hot-summer and Cold-winter Zone[D]. Wuhan: Huazhong University of Science and Technology, 2008. [14] 陈卓伦.绿化体系对湿热地区建筑组团室外热环境影响研究[D].广州: 华南理工大学, 2010. CHEN Zhuolun. Research of Vegetation System's Effects on Outdoor Thermal Environment of Residential Communities in Hot-humid Climate[D]. Guangzhou: South China University of Technology, 2010. [15] 祝善友, 高牧原, 陈亭, 等.基于ENVI-met模式的城市近地表气温模拟与分析:以南京市部分区域为例[J].气候与环境研究, 2017, 22(4):499-508. ZHU Shanyou, GAO Muyuan, CHEN Ting, et al. Simulation and analysis of urban near-surface air temperature based on ENVI-met model:a case study in some areas of Nanjing[J]. Clim Environ Res, 2017, 22(4):499-508. [16] 薛思寒, 冯嘉成, 肖毅强.岭南名园余荫山房庭园空间的热环境模拟分析[J].中国园林, 2016, 32(1):23-27. XUE Sihan, FENG Jiacheng, XIAO Yiqiang. Research on the thermal environment simulation of the famous Lingnan Garden Yuyin Garden[J]. Chin Landscape Arch, 2016, 32(1):23-27. [17] 朱宇颐, 解潍嘉, 黄华国.基于三维模型ENVI-met对黑河森林和北方森林的潜热及显热通量模拟[J].浙江农林大学学报, 2018, 35(3):440-452. ZHU Yuyi, XIE Weijia, HUANG Huaguo. Modeling sensible flux and latent flux in Heihe and boreal forests based on a 3D ENVI-met model[J]. J Zhejiang A&F Univ, 2018, 35(3):440-452. [18] 李京津, 王建国.南京步行街空间形式与微气候关联性模拟分析技术[J].东南大学学报(自然科学版), 2016, 46(5):1103-1109. LI Jingjin, WANG Jianguo. Simulation analysis on relationship between spatial form and microclimate of pedestrian street in Nanjing[J]. J Southeast Univ Nat Sci Ed, 2016, 46(5):1103-1109. [19] 孙欣, 杨俊宴, 温珊珊.基于ENVI-met模拟的城市中心区空间形态与热环境研究: 以南京新街口为例[C]//中国城市规划学会.规划60年: 成就与挑战2016中国城市规划年会论文集(07城市生态规划).北京: 中国建筑工业出版社, 2016: 124-140. [20] 李笑寒, 胡聃, 韩风森, 等.高层住宅小区建筑形态对微气象影响研究[J].生态科学, 2018, 37(1):178-185. LI Xiaohan, HU Dan, HAN Fengsen, et al. The impact of architectural form on micrometeorology in high residential community[J]. Ecol Sci, 2018, 37(1):178-185. [21] 岳小智, 尹海伟, 孔繁花, 等.基于ENVI-met的绿地布局模式对微气候的影响研究:以南京市居住小区为例[J].江苏城市规划, 2018(3):34-40. YUE Xiaozhi, YIN Haiwei, KONG Fanhua, et al. The research about the influence of greenspace layout pattern on microclimate based on ENVI-met:taking residential communities in Nanjing as example[J]. Jiangsu Urban Plann, 2018(3):34-40. [22] SHUDO H, SUGIYARMA J, YOKOO N, et al. A study on temperature distribution influenced by various land uses[J]. Energy Build, 1997, 26(2):199-205. [23] 赵昶淇.南京滨江风光带植物景观研究与评价[D].南京: 南京农业大学, 2015. ZHAO Changqi. Research and Evaluation on Plant Landscape of Green Space in Nanjing Yangtse Riverside Scenic Belt[D]. Nanjing: Nanjing Agricultural University, 2015. [24] 杨骏.南京城市绿地木本植物群落多样性研究[D].南京: 南京农业大学, 2014. YANG Jun. Study on Diversity of Woody Plant Communities in Nanjing City Green Space[D]. Nanjing: Nanjing Agricultural University, 2014. [25] 吴博.南京市社区公园植物景观研究[D].南京: 南京农业大学, 2012. WU Bo. Research on Plant Landscape of the Community Park in Nanjing[D]. Nanjing: Nanjing Agricultural University, 2012. [26] 王静.南京城市公园绿地骨干树种调查研究[D].南京: 南京农业大学, 2009. WANG Jing. Investigation and Research on the Characteristic Trees and Shrubs of the Urban Park Green Space in Nanjing[D]. Nanjing: Nanjing Agricultural University, 2009. [27] 吴秀臣.南京绿道植物景观调查研究[D].南京: 南京林业大学, 2015. WU Xiuchen. Investigation and Study of Plant Landscape in Nanjing Greenways[D]. Nanjing: Nanjing Forestry University, 2015. [28] 李珍.南京城市湖滨公园植物景观研究[D].南京: 南京林业大学, 2012. LI Zhen. Study on Plant Landscape of the Lakeside Park in the City of Nanjing[D]. Nanjing: Nanjing Forestry University, 2012. [29] 顾亚春.南京郊野公园植物景观研究[D].南京: 南京林业大学, 2012. GU Yachun. Research on Plant Landscape of Country Parks in Nanjing[D]. Nanjing: Nanjing Forestry University, 2012. [30] American Society of Heating, Refrigerating and Air-Conditioning Engineers, Inc. 2005 ASHRAE Handbook: Fundamentals[M]. Atlanta: ASHRAE, 2005: 1-12. [31] FANGER P O. Thermal Comfort:Analysis and Application in Environmental Engineering[M]. Copenhagen:Danish Technical Press, 1970. [32] BRUSE M, FLEER H. Simulating surface-plant-air interactions inside urban environments with a three dimensional numerical model[J]. Environ Mod Software, 1998, 13(3/4):373-384. [33] 吴力立, 王宗淳.树冠遮荫动态研究[J].南京林业大学学报, 1991, 15(2):61-66. WU Lili, WANG Zongchun. A study on tree shadow movements[J]. J Nanjing For Univ, 1991, 15(2):61-66. [34] 冯娴慧.城市绿地与风的环境效应研究[J].中国园林, 2010, 26(2):82-85. FENG Xianhui. Study of the environmental effects of urban green space and wind[J]. Chin Landscape Arch, 2010, 26(2):82-85. [35] 李国杰.基于热舒适度的哈尔滨步行街行道树优选研究[D].哈尔滨: 哈尔滨工业大学, 2015. LI Guojie. Research on Optimizing Street Trees of Harbin Pedestrian Street based on Thermal Comfort[D]. Harbin: Harbin Institute of Technology, 2015. [36] 张德顺, 王振.高密度地区广场冠层小气候效应及人体热舒适度研究:以上海创智天地广场为例[J].中国园林, 2017, 33(4):18-22. ZHANG Deshun, WANG Zhen. Micro-climate effect and human thermal comfort of square canopy in dense habitat:a case study of Shanghai Knowledge and Innovation Community Square[J]. Chin Landscape Arch, 2017, 33(4):18-22. [37] LENZHOLZER S. Thermal comfort experience in urban public space:case-studies on Dutch urban squares[J]. Resour Conserv Recycl, 2012, 64:39-48. [38] 张明丽, 秦俊, 胡永红.上海市植物群落降温增湿效果的研究[J].北京林业大学学报, 2008, 30(2):39-43. ZHANG Mingli, QIN Jun, HU Yonghong. Effects of temperature reduction and humidity increase of plant communities in Shanghai[J]. J Beijing For Univ, 2008, 30(2):39-43. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2019.04.019
点击查看大图
计量
- 文章访问数: 4176
- HTML全文浏览量: 1053
- PDF下载量: 65
- 被引次数: 0
