基于GWRK的富硒區(qū)表層土壤鎘含量預(yù)測及農(nóng)業(yè)產(chǎn)業(yè)規(guī)劃研究

項劍橋　戴云哲

摘要：構(gòu)建回歸克里格模型（RK）和地理加權(quán)回歸克里格（GWRK）模型，以土壤硒含量為基礎(chǔ)，構(gòu)建對土壤鎘含量進行預(yù)測的模型，探索在只具備土壤硒含量數(shù)據(jù)的條件下進行土壤鎘含量預(yù)測的方法，以及鎘污染風(fēng)險評估防治和富硒農(nóng)業(yè)規(guī)劃。結(jié)果表明，①柴湖鎮(zhèn)富硒耕地面積達到5 316.57 hm2，具備發(fā)展富硒農(nóng)業(yè)的條件；②耕地土壤鎘背景值處于《土壤環(huán)境質(zhì)量標準》Ⅱ類中含量偏低的水平，基本不會對植物和環(huán)境造成危害和污染；③土壤硒含量與鎘含量之間存在顯著的正相關(guān)關(guān)系；④利用GWRK預(yù)測的土壤鎘含量與檢測值較為接近，精度明顯高于RK的預(yù)測結(jié)果，可作為區(qū)域土壤鎘含量評估的依據(jù)；⑤RK和GWRK模型的預(yù)測結(jié)果都存在值域向中值收縮的現(xiàn)象，是造成模擬精度下降的主要原因，而在中值附近預(yù)測的精度明顯更高。GWRK模型可以用于在已知土壤硒含量的情況下鎘含量的預(yù)測，根據(jù)不同區(qū)域耕地土壤硒含量和鎘含量的差異，進行差別化的農(nóng)業(yè)規(guī)劃。

關(guān)鍵詞：地理加權(quán)回歸克里格（GWRK）模型；富硒；鎘；農(nóng)業(yè)規(guī)劃

中圖分類號：S153.6+1 文獻標識碼：A 文章編號：0439-8114（2017）10-1832-07

DOI：10.14088/j.cnki.issn0439-8114.2017.10.009

Prediction for Cadmium in Surface Soil and Agricultural Industrial Planning in Selenium Enriched Area Based on GWRK

XIANG Jian-qiao1， DAI Yun-zhe2

（1.Hubei Selenium Industrial Research Institute，Wuhan 430034，China；

2.College of Public Administration，China University of Geosciences （Wuhan）， Wuhan 430074，China）

Abstract： Geographically weighted regression Kriging（GWRK） model and regression Kriging（RK） model were employed. On the basis of soil selenium content， the model to predict the soil cadmium content was constructed， which was explored the soil cadmium content prediction method under the condition of only having soil selenium content data. And cadmium pollution prevention and control of risk assessment and selenium-rich agricultural planning were explored. The results indicated that ①Chaihu is qualified for establishing selenium industry as the area of selenium-rich cultivated land reached 5 316.57 hm2. ②The cadmium background value in soil fits the class Ⅱ standard of Soil Environmental Quality Standard of China，which is safe for plants and the environment. ③There exists significant positive correlation between selenium content and cadmium content in soil. ④GWRK model is qualified for predicting cadmium content in soil based on the data of selenium content in soil， and which is much better than RK does. ⑤Both RK and GWRK model have a similar issue of value range shrinkage， which leads the decline in simulation accuracy， and the accuracy of prediction is significantly higher in the vicinity of the median. Overall， GWRK model could be used for predicting cadmium content based on selenium content， and different plating plans should be carried out for cultivated land according to the differentiation of selenium content and cadmium content in soil.

Key words： geographically weighted regression Kriging（GWRK） model； selenium enrichment； cadmium； agricultural industrial planning

硒是人體和動物必需的微量元素之一，而中國72%的地區(qū)屬于缺硒或低硒地區(qū)，2/3的人口存在不同程度的硒攝入不足，普遍存在潛在的健康危機[1]。富硒食品具有提高人體免疫力、預(yù)防各種疾病的作用，而富硒土壤是開發(fā)富硒農(nóng)產(chǎn)品的天然載體[2]，因此，科學(xué)合理利用富硒土壤資源，是提高富硒農(nóng)產(chǎn)品品質(zhì)的主要途徑。鎘是一種非必需且生物毒性極強的重金屬元素[3]，土壤中自然存在的鎘一般不會對人類造成危害，但長期大量攝入鎘會影響鈣和磷的代謝，誘發(fā)骨質(zhì)疏松等疾病[4]。

富硒土壤往往伴生重金屬[5]，而硒對金屬元素具有較強的親和能力，可能會影響到重金屬在土壤-農(nóng)作物系統(tǒng)中的分布和富集轉(zhuǎn)移性[6]，富硒區(qū)農(nóng)業(yè)規(guī)劃中應(yīng)當(dāng)高度關(guān)注重金屬污染的潛在風(fēng)險。土壤樣品多因子的檢測工作會大量增加財力、人力和時間上的消耗。在完成土樣硒含量的測定之后，如果能夠利用硒含量的檢測結(jié)果直接對土壤鎘含量進行達到一定精度的預(yù)測，將能在不增加財力、人力和時間成本的情況下完成富硒地區(qū)鎘含量評估以及響應(yīng)農(nóng)業(yè)規(guī)劃策略的研究工作。因此，本研究基于回歸克里格（RK）和地理加權(quán)回歸克里格（GWRK）兩種方法，分別以土壤硒含量為基礎(chǔ)，對土壤鎘含量進行預(yù)測模型的構(gòu)建，探索在只具備土壤硒含量數(shù)據(jù)的條件下進行土壤鎘含量預(yù)測的方法，以及鎘污染風(fēng)險評估防治和富硒農(nóng)業(yè)規(guī)劃等。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

柴湖鎮(zhèn)位于湖北省鐘祥市南20 km，地處江漢平原，漢江由北繞西南環(huán)抱柴湖。研究區(qū)位于漢水以西主要的生產(chǎn)生活區(qū)域，面積為18 575.94 hm2。柴湖鎮(zhèn)地質(zhì)分布屬江漢平原一級沉降區(qū)晚近期構(gòu)造帶。由于受漢江上游的砂巖、頁巖、片麻巖等風(fēng)化物的影響，地層上部有灰青、灰黑色的亞黏土；下部為砂和砂礫石層，并夾有淤泥質(zhì)粉細沙和淤泥層。地貌為北高南低，海拔高程多在38～46 m。柴湖鎮(zhèn)氣候為北亞熱帶季風(fēng)氣候，四季分明，寒暖干濕較為明顯，雨量在時空分布上變差較大，并從南向北遞增。年平均氣溫16 ℃，年平均降雨量811.2 mm。根據(jù)柴湖鎮(zhèn)第二次全國土地調(diào)查變更成果（2013）統(tǒng)計得出，區(qū)內(nèi)耕地面積為12 284.13 hm2，占全區(qū)總面積的66.13%，其中旱地11 505.19 hm2，水澆地6.83 hm2，水田772.11 hm2。

1.2 數(shù)據(jù)來源與處理

依托湖北省“金土地”工程——高標準基本農(nóng)田地球化學(xué)調(diào)查項目（JTD20140101），于2014年5月在柴湖鎮(zhèn)采集表層土壤土樣共計1 244份。在釆樣的同時，以1980西安坐標系（西安大地原點）作為記錄樣點的實際大地坐標。土壤樣品采集完成后，送至土壤重構(gòu)實驗室，由專業(yè)檢測人員對土壤樣品進行測試分析，得出土壤中各元素的化驗數(shù)據(jù)，作為土壤硒含量和鎘含量評價及后續(xù)農(nóng)業(yè)規(guī)劃研究的基礎(chǔ)數(shù)據(jù)。

對土壤樣品數(shù)據(jù)進行測試統(tǒng)計，結(jié)果見表1。將有效土樣的土壤硒含量和土壤鎘含量與1990年全國土壤背景值[7]進行對比，硒含量大于0.4 mg/kg的樣品數(shù)量為616個，最大值為0.600 mg/kg，最小值為0.170 mg/kg，平均值為0.389 mg/kg，明顯高于全國背景值，變異系數(shù)為19.36%，屬于低變異。鎘含量大于0.4 mg/kg的樣品平均值為0.405 mg/kg，變異系數(shù)為19.48%，屬于低變異。此外，硒和鎘樣品的峰度分別為2.742和3.172，說明觀察量較為集中；兩者的偏度都較低，因此數(shù)據(jù)在后續(xù)的計算和應(yīng)用中無需進行指數(shù)變換或Box-Cox變換。

依據(jù)GB15618-1995[8]，對柴湖鎮(zhèn)1 244個土樣的鎘含量進行測試，從表1可以看出，土壤鎘含量總體比1990年全國背景值略高，處在《土壤環(huán)境質(zhì)量標準》二級標準的范圍內(nèi)，可作為一般農(nóng)田、蔬菜地、茶園、果園、牧場等土壤，基本上對植物和環(huán)境不造成危害和污染。

2 方法

2.1 回歸克里格（RK）

當(dāng)目標變量與輔助變量有相關(guān)關(guān)系時，先建立目標變量與環(huán)境變量的多元（或一元）回歸關(guān)系，并根據(jù)無數(shù)據(jù)位置0處環(huán)境變量的值和回歸關(guān)系推算x0處目標變量的確定性趨勢項m（x0）和殘差e（x0）；最后由式（1）得到x0處的估計值z（x0），計算公式如式（1）所示。

z（x0）=m（x0）+e（x0） （1）

2.2 地理加權(quán)回歸克里格（GWRK）

回歸克里格（RK）使用的線性回歸方法是基于普通最小二乘法（Ordinary least squares，OLS）的全局回歸技術(shù)，沒有考慮到回歸關(guān)系的空間非平穩(wěn)性。而GWR是一種空間局部回歸方法，可以用來探測和建?？臻g關(guān)系的非平穩(wěn)性[9]。地理加權(quán)回歸克里格（GWRK）則是用GWR的局部回歸部分代替回歸克里格中的全局回歸部分，而殘差仍然采用克里格插值的一種混合插值方法[10]，它將確定性和不確定性的兩個部分分開進行模擬，并且相較于回歸克里格方法更加準確高效[11]。它在普通線性回歸模型中增加了一個權(quán)函數(shù)。該函數(shù)僅考慮在特定空間鄰域范圍內(nèi)的樣點，待測點離樣點越近將被賦予更高的權(quán)重，反之權(quán)重較小[12]。GWR模型為：

式中，yi是因變量，xij是因子變量，？著i為誤差項；（μi，vi）為第i個樣點的坐標；？茁k（μi，vi）是第i個樣點上的第k個回歸系數(shù)，是地理空間位置函數(shù)。

2.3 半方差函數(shù)分析

半方差函數(shù)是地統(tǒng)計學(xué)解釋土壤理化性質(zhì)空間變異結(jié)構(gòu)的重要理論基礎(chǔ)，包含3個主要參數(shù)：塊金值（Nugget）、變程（Major range）和基臺值（Sill），其中變程反映土壤性質(zhì)的空間變異特性，在變程范圍外土壤性質(zhì)表現(xiàn)為空間不相關(guān)，在變程范圍內(nèi)表現(xiàn)為空間相關(guān)。塊金值是由測量誤差和最小取樣間距內(nèi)土壤性質(zhì)的隨機性因子（耕作條件、施肥劑量與頻率、作物布局等）引起?；_值反映因子區(qū)域化變量受結(jié)構(gòu)性因子（地形、氣候、成土母質(zhì)、植被等）影響的程度。土壤性質(zhì)的空間相關(guān)性可根據(jù)塊金值與基臺值之比C0/C進行劃分[13]，C0/C值越低，則說明因子的空間相關(guān)性越強烈[14]：①當(dāng)C0/C≤25%時，因子在其最大變程范圍內(nèi)具有十分強烈的空間相關(guān)性，結(jié)構(gòu)性因素是主導(dǎo)空間變異大小程度的主要因素；②當(dāng)25%

克里格插值采用的半方差函數(shù)相關(guān)參數(shù)如表2所示，插值的模型全部采用球面模型，硒檢測值的C0/C為47.46%，具有較強的空間相關(guān)性；鎘的檢測值的C0/C為60.66%，空間相關(guān)性不強，但仍能反映出一定的空間相關(guān)性。RK和GWRK方法下鎘的C0/C分別為47.37%和36.84%，具有較強的空間相關(guān)性。

2.4 模型擬合精度評價

對模型預(yù)測精度的評價一般有R2、MEE、MAEE、RMSE、RPD等指標[10，16，17]，計算公式見式（3）至式（7）。

從表3中MEE、MAEE和RMSE這幾個指標來看，RK和GWRK的預(yù)測結(jié)果都有一定的偏差。就MEE而言，RK小于GWRK，說明檢測值在RK擬合模型的兩側(cè)分布更為均勻，而在GWRK模型的一側(cè)分布更多。GWRK的MAEE和RMSE都比RK小，表明檢測值更加接近GWRK模型。RK模型的R2為0.56，在模型質(zhì)量中等的范疇中精度相對較差，而GWRK模型的R2為0.76，雖然質(zhì)量也是中等水平，但明顯高于RK模型，已經(jīng)接近高質(zhì)量模型R2≥0.80的標準。另外，RK模型的RPD低于1.4，擬合精度較差，GWRK模型的RPD=1.717，處于中高水平。綜上所述，GWRK方法明顯優(yōu)于RK方法，且預(yù)測的結(jié)果是有效而可靠的。

3 結(jié)果與分析

3.1 土壤硒分布情況及評價

李家熙等[18]將土壤硒含量分為缺硒土壤（<0.1 mg/kg）、低硒土壤（0.1～0.2 mg/kg）、中硒土壤（0.2～0.4 mg/kg）、富硒土壤（0.4～3.0 mg/kg）和硒過剩土壤 （>3.0 mg/kg），并以土壤硒含量低于0.05 mg/kg為臨界值，表示當(dāng)植物性飼料硒含量低于0.05 mg/kg時，可引發(fā)動物缺硒的相關(guān)癥狀。依據(jù)此標準對柴湖鎮(zhèn)土壤富硒研究的指標同樣分為5級。土壤硒含量分布如圖1所示，統(tǒng)計結(jié)果見表4。由表4可知，硒含量為0.4～3.0 mg/kg的比例達到樣品總量的49.60%；含量在0.2～0.4 mg/kg之間的樣品所占比例最大，占樣品總量的50.40%。表明柴湖鎮(zhèn)土壤硒含量以中硒為主，同時具有規(guī)?？捎^的富硒土壤。進一步統(tǒng)計不同硒含量的土地面積可得出，富硒區(qū)總面積達到6 869.90 hm2，占研究區(qū)土地面積的36.98%，其中耕地面積為5 316.57 hm2。主要分布在柴湖鎮(zhèn)的中北部和南部。柴湖鎮(zhèn)富硒區(qū)土壤含硒量平均為0.45 mg/kg，與國內(nèi)其他富硒地區(qū)相比，屬于足硒或中等富硒的水平[1]，具備富硒農(nóng)業(yè)產(chǎn)業(yè)園區(qū)建設(shè)的條件。

3.2 土壤鎘分布預(yù)測及評價

參照國家環(huán)境保護局1995年頒布的國家標準《土壤環(huán)境質(zhì)量標準》，將土壤鎘含量分為Ⅰ類（0～0.2 mg/kg）、Ⅱ類（0.2～1.0 mg/kg）、Ⅲ類（1.0～1.5 mg/kg）三個類別[8]。Ⅰ類主要適用于國家規(guī)定的自然保護區(qū)（原有背景重金屬含量高的除外）、集中式生活飲用水源地、茶園、牧場和其他保護地區(qū)的土壤，土壤質(zhì)量基本保持自然背景水平。Ⅱ類主要適用于一般農(nóng)田、蔬菜地、茶園、果園、牧場等土壤，土壤質(zhì)量基本對植物和環(huán)境不造成危害和污染。Ⅲ類主要適用于林地土壤及污染物容量較大的高背景值土壤和礦產(chǎn)附近等地的農(nóng)田土壤（蔬菜地除外），土壤質(zhì)量基本對植物和環(huán)境不造成危害和污染。土壤鎘含量統(tǒng)計結(jié)果見表5。由表5可知，土壤鎘含量為Ⅰ類的樣品僅有11個，比例為樣品總量的0.884%；絕大部分樣品（1 233個）的鎘含量在0.2～1.0 mg/kg之間，等級為Ⅱ類，平均值為0.405 mg/kg，占樣品總量的99.116%。研究區(qū)全部表層土壤的鎘元素含量均為0.2～1.0 mg/kg，柴湖鎮(zhèn)土壤鎘含量基本為Ⅱ類，符合農(nóng)作物種植和供給畜牧養(yǎng)殖的牧草生長的土壤條件，對植物和環(huán)境不會造成污染和危害。

根據(jù)RK和GWRK的預(yù)測值進行克里格插值得到的土壤鎘含量分布見圖2。圖2顯示的值域均存在縮短的現(xiàn)象，RK的預(yù)測結(jié)果相較于檢測值而言值域明顯縮短，從[0.248，0.588]縮短到[0.280，0.502]，相比而言，GWRK預(yù)測結(jié)果的值域則沒有明顯變化，僅縮短為[0.244，0.540]。按每隔0.1 mg/kg為一個區(qū)間統(tǒng)計，RK對土壤鎘含量面積分布的預(yù)測正確率為75%。其中，利用檢測值對土壤鎘含量<0.3 mg/kg的預(yù)測面積為691.44 hm2，而RK的預(yù)測面積為274.88 hm2，其中重合區(qū)域面積為273.80 hm2，正確率為40%；檢測值預(yù)測的鎘含量在0.3～0.4 mg/kg之間的區(qū)域面積為7 619.00 hm2，RK預(yù)測面積為8 574.56 hm2，重合區(qū)域面積為5 997.54 hm2，預(yù)測正確率達79%；根據(jù)檢測值預(yù)測的鎘含量在0.4～0.5 mg/kg之間的區(qū)域面積為9 731.35 hm2，RK預(yù)測面積為9 724.53 hm2，重合區(qū)域面積為7 570.72 hm2，預(yù)測正確率達78%；檢測值預(yù)測的鎘含量>0.5 mg/kg的區(qū)域面積為534.24 hm2，RK的預(yù)測結(jié)果中則沒有面積分布，預(yù)測正確率為0（表6）。

相比RK，GWRK的預(yù)測精度要高出很多，合計預(yù)測正確率達到89%。其中，土壤鎘含量<0.3 mg/kg的區(qū)域的GWRK預(yù)測面積為705.52 hm2，重合區(qū)域面積為586.36 hm2，正確率為85%；含量在0.3～0.4 mg/kg之間的區(qū)域預(yù)測面積為7 769.39 hm2，重合區(qū)域面積為6 836.39 hm2，預(yù)測正確率達90%；含量在0.4～0.5 mg/kg之間的區(qū)域預(yù)測面積為9 771.07 hm2，重合區(qū)域面積為8 874.78 hm2，預(yù)測正確率達91%；含量>0.5 mg/kg的區(qū)域預(yù)測面積為329.99 hm2，重合區(qū)域面積為301.36 hm2，預(yù)測正確率為56%（表7）。

總體來說，無論是采用RK方法還是GWRK方法，都表現(xiàn)出在檢測值域中部預(yù)測精度較高，而在檢測值域兩側(cè)預(yù)測精度較低的趨勢，這是由于處于正態(tài)分布兩側(cè)的樣點距離擬合的函數(shù)較遠造成的。各含量梯度的面積分布預(yù)測結(jié)果也顯示出GWRK優(yōu)于RK，這與之前兩種方法的評價結(jié)果是一致的。

3.3 耕地利用分區(qū)

由于GWRK方法的精度高于RK方法，且本研究的重點是在有土壤硒含量數(shù)據(jù)而缺少鎘含量數(shù)據(jù)的情況下的農(nóng)業(yè)規(guī)劃，因此，耕地等別的區(qū)劃基于GWRK方法獲得的土壤鎘含量分布情況見圖3。

耕地資源利用的合理性是由多方面因素共同決定的，針對不同區(qū)域土壤硒和鎘的含量，需要采取不同的耕地利用策略。低于0.4 mg/kg的土壤鎘含量的耕地在《土壤環(huán)境質(zhì)量標準》中屬于Ⅱ類標準下含量偏低的區(qū)域，通過合理的農(nóng)業(yè)工程措施可以在一定程度上降低土壤鎘含量，甚至有可能使部分耕地的鎘含量降低到0.2 mg/kg以下，從而成為符合Ⅰ標準的高質(zhì)量耕地。結(jié)合柴湖鎮(zhèn)種植小麥、油菜、麥冬、花生、棉花、大蒜等作物的農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)和土壤硒、鎘的分布情況，將耕地劃分為三類：鎘含量較低且非富硒的耕地、富硒耕地、其他耕地，結(jié)果見表8，分別采取不同的規(guī)劃管理方式。

1）鎘含量較低（<0.4 mg/kg）且非富硒（<0.4 mg/kg）的耕地，這類耕地是需要重點改良的部分。從統(tǒng)計結(jié)果來看，鎘含量低于0.4 mg/kg的耕地共5 044.83 hm2，能夠滿足普通中端農(nóng)產(chǎn)品生產(chǎn)的需要，而硒含量低于0.4 mg/kg的耕地有6 966.74 hm2，兩者重疊的區(qū)域達到4 611.70 hm2。施用硒肥并增施石灰能夠提高土壤中有效硒的含量，并能明顯降低土壤可溶性鎘含量[19]。因此，在此類耕地使用增硒降鎘技術(shù)、提高土壤硒含量的同時降低土壤鎘含量是具有實施空間的。通過一定時間的土壤改良，有可能在部分區(qū)域達到富硒和鎘含量低于0.2 mg/kg的效果。

2）富硒（>0.4 mg/kg）耕地面積達到5 316.57 hm2，是發(fā)展富硒農(nóng)業(yè)的根基所在。有研究表明，鄂西南高鎘環(huán)境同時又高硒，使得鎘的毒性大為減小，至今未見鎘中毒的報道[20]。這是由于硒具有一定的解毒作用，硒拮抗鎘毒性的作用可能與形成Se-Cd復(fù)合物有關(guān)[21]。研究區(qū)土壤硒和鎘的含量都遠低于鄂西南地區(qū)，Ⅱ類的土壤鎘含量使生產(chǎn)出的農(nóng)作物導(dǎo)致食用者發(fā)生鎘中毒的概率幾乎可忽略不計，因此，可以安全地發(fā)展富硒農(nóng)業(yè)。一般情況下，富硒農(nóng)產(chǎn)品較常規(guī)農(nóng)產(chǎn)品價格至少高出1倍[22]，結(jié)合柴湖鎮(zhèn)目前的農(nóng)作物種植情況，著力發(fā)展富硒水稻、小麥、大蒜、花生和麥冬生產(chǎn)基地。其中，大蒜具有比其他絕大部分作物更強的聚硒能力[23]，而且柴湖鎮(zhèn)本來就是遠近聞名的大蒜之鄉(xiāng)[24]，應(yīng)考慮成為重點發(fā)展對象。

3）其他耕地面積為2 355.85 hm2，雖然不具備富硒稟賦，但作為普通糧食產(chǎn)區(qū)以及種植油菜、麥冬、花生、棉花、大蒜等作物是可行的。尤其在這部分耕地集中種植棉花等經(jīng)濟作物可以將原本占用的優(yōu)質(zhì)富硒耕地改為進行水稻、花生、大蒜等聚硒能力較強作物的生產(chǎn)，從而能夠創(chuàng)造更大的經(jīng)濟效益。

4 小結(jié)與討論

通過構(gòu)建回歸RK和GWRK模型，分析了柴湖鎮(zhèn)土壤硒含量和鎘含量之間的關(guān)系，得到如下結(jié)論。

1）柴湖鎮(zhèn)富硒耕地面積達5 316.57 hm2，占耕地總面積的43.28%，具備發(fā)展富硒農(nóng)業(yè)的土壤地球化學(xué)背景的條件。耕地土壤鎘背景值處于《土壤環(huán)境質(zhì)量標準》Ⅱ類中含量偏低的水平，基本不會對植物和環(huán)境造成危害和污染。

2）通過RK和GWRK模型的建立發(fā)現(xiàn)，土壤硒含量與鎘含量之間存在顯著的正相關(guān)關(guān)系，利用GWRK預(yù)測的土壤鎘含量與檢測值較為接近，精度明顯高于RK的預(yù)測結(jié)果，可作為區(qū)域土壤鎘含量評估的依據(jù)。

3）RK和GWRK模型的預(yù)測結(jié)果都存在值域向中值收縮的現(xiàn)象，是造成模擬精度下降的主要原因，而在中值附近預(yù)測的精度明顯更高。

基于上述結(jié)論，對各區(qū)域的發(fā)展分別提出建議：①利用土樣檢測數(shù)據(jù)和分析得出的結(jié)論，在低硒低鎘的耕地上合理施用硒肥，在提高土壤有效硒含量的同時降低鎘的有效性，提升耕地的土壤環(huán)境質(zhì)量，有助于從數(shù)量上擴大優(yōu)質(zhì)富硒農(nóng)產(chǎn)品的產(chǎn)區(qū)來源。②在耕地利用規(guī)劃工作中，將富硒耕地用于種植聚硒能力強的食用類作物，非食用類經(jīng)濟作物逐步轉(zhuǎn)移到非富硒且土壤鎘背景值相對較高的耕地上，科學(xué)高效地利用土地資源。③鑒于在取值較大和較小時對鎘含量的預(yù)測精度相對偏低的情況，可以在預(yù)測結(jié)果的高值區(qū)和低值區(qū)的核心區(qū)域?qū)ν翗拥逆k含量進行適當(dāng)數(shù)量的測定，用作修正預(yù)測結(jié)果，從而使其達到更高的擬合精度。

參考文獻：

[1] 酈逸根，董巖翔，鄭 潔，等.浙江富硒土壤資源調(diào)查與評價[J].第四紀研究，2005，25（3）：323-330.

[2] 李家煕，黃懷曾，劉曉端.環(huán)境地球化學(xué)在農(nóng)業(yè)和生命科學(xué)上的應(yīng)用研究[J].第四紀研究，1999，19（3）：224-230.

[3] MORENO C J，MORAL R，PERREZ E A，et al. Cadmium accumulation and distribution in cucumber plant[J].Plant Nutrition，2000，23（2）：243-250.

[4] 崔力拓，耿世剛，李志偉.我國農(nóng)田土壤鎘污染現(xiàn)狀及防治對策[J].現(xiàn)代農(nóng)業(yè)科技，2006（11）：184-185.

[5] 張運強，毛德玲.金華富硒區(qū)菜地土壤重金屬污染程度模糊綜合評判[J].湖南農(nóng)業(yè)科學(xué)，2012，12（1）：47-49.

[6] 于 洋，羅盛旭，肖鈺杰，等.富硒土壤-蔬菜中硒、鎘含量和鎘形態(tài)的分布及其相關(guān)性[J].環(huán)境化學(xué)，2015，34（4）：798-800.

[7] 魏復(fù)盛，陳靜生，吳燕玉，等.中國土壤環(huán)境背景值研究[J].環(huán)境科學(xué)，1991，12（4）：12-19.

[8] GB 15618-1995，土壤環(huán)境質(zhì)量標準[S].

[9] BRUNSDON C，F(xiàn)OTHERINGHAM A S，CHARLTON M E. Geographically weighted regression：A method for exploring spatial non-stationarity[J].Geographical Analysis，1996，28（4）：281-298.

[10] KUMAR S，LAL R，LIU D S. A geographically weighted regression Kriging approach for mapping soil organic carbon stock[J].Geoderma，2012，（189-190）：627-634.

[11] HARRIS P，F(xiàn)OTHERINGHAM A S，CRESPO R，et al. The use of geographically weighted regression for spatial prediction： An evaluation of models using simulated data sets[J].Mathematical Geosciences，2010，42（6）：657-680.

[12] JAIMES N B P，SENDRA J B，DELGADO M G，et al. Exploring the driving forces behind deforestation in the state of Mexico （Mexico） using geographically weighted regression[J].Applied Geography，2010，30：576-591.

[13] 鄭袁明，陳 煌，陳同斌，等.北京市土壤中Cr、Ni含量的空間結(jié)構(gòu)與分布特征[J].第四紀研究，2003，23（4）：436-445.

[14] LADO L R，POLYA D，WINKEL L，et al. Modelling arsenic hazard in Cambodia： A geostatistical approach using ancillary data[J].Applied Geochemistry，2008，23：3010-3018.

[15] 廖桂堂，李廷軒，王永東，等.基于GIS和地統(tǒng)計學(xué)的低山茶園土壤肥力質(zhì)量評價[J].生態(tài)學(xué)報，2007，27（5）：1978-1986.

[16] CHANG C C，LAIRD D，MAUSBACH J M，et al. Near-infrared reflectance spectroscopy-principal components regression analyses of soil properties[J].Soil Sci Soc Am，2001，65（3）：480-490.

[17] YANG Y，WU J P，CHRISTAKOS G. Prediction of soil heavy metal distribution using Spatiotemporal Kriging with trend model[J].Ecological Indicators，2015，56：125-133.

[18] 李家熙，張光弟，葛曉立，等.人體硒缺乏與過剩的地球化學(xué)環(huán)境特征及其預(yù)測[M].北京：地質(zhì)出版社，2000.

[19] 顏送貴，鄧正春，郝界州，等.栽培措施對稻米增硒降鎘效果研究[J].中國稻米，2014，20（6）：55-58.

[20] 毛大均，鄭寶山，嚴文祥.鄂西南石煤和石煤出露區(qū)土壤中硒與鎘的含量[J].湖北預(yù)防醫(yī)學(xué)雜志，1999，10（2）：1-2.

[21] 楊克敵.微量元素與健康[M].北京：科學(xué)出版社，2003.

[22] 張 洋，張 榮，孫小鳳，等.富硒大蒜的功效及開發(fā)利用研究[J].園藝與種苗，2011（6）：97-98，102.

[23] IZGI B，GUCER S，JACIMOVIC R. Determination of selenium in garlic （Allium sativum） and onion（Allium cepa） by electro thermal atomic absorption spectrometry[J].Food Chemistry，2006， 99：630-637.

[24] 戴光忠.湖北省鐘祥市柴湖硒產(chǎn)業(yè)示范區(qū)建設(shè)對策[J].安徽農(nóng)業(yè)科學(xué)，2013，41（29）：11861-11862，11865.