1 引　言

Se是人体必需的微量元素之一（黄冰霞等，2019），人体对Se的摄入不足会处于不健康或亚健康状态，并引发多种疾病。据统计，中国人群Se摄入量为13.3 μg/d（周国华，2020），远低于中国营养学会对成年人摄入量60~400 μg/d的推荐值。目前，通过食物摄入补充人体Se元素是一条安全有效的途径。大米是中国最重要的主食之一（刘冰权等，2021），而大米Se含量普遍不高（平均值为0.032 mg/kg）（张栋等，2017），在很大程度上限制了人体对Se的摄入，因此利用富Se土地种植天然富Se农产品具有重要意义。

由于农作物吸收土壤Se的影响因素十分复杂，仅依靠土壤Se含量进行富Se土地区划存在一定的局限性（马旭东等，2022）。为此，部分学者利用土壤理化指标与Se生物富集系数的密切联系，构建了农作物籽实Se含量的预测模型，提高了富Se土地资源开发规划的准确性（Gu et al., 2019）。但此类富Se土地评价多针对土壤Se含量和预测农作物Se含量来展开，缺乏土地地力评价和环境质量评价，导致难以全面准确地指导地方政府进行富Se土地开发（徐雪生等，2022）。因此，在科学预测农作物籽实Se元素含量的基础上，提出一种既考虑农作物籽实富Se水平，又兼顾土地地力条件和环境质量状况的富Se土地评价方案，精细指导地方政府进行富硒产业规划成为了目前亟待解决的科学问题。

本文以湖南省龙山县西北部为研究区，利用1∶50000土地质量地球化学调查取得的土壤水稻数据和全国土地调查成果数据，在研究土壤水稻籽实Se分布规律和水稻Se生物富集系数影响因素的基础上，建立水稻籽实Se含量预测模型，预测出水稻籽实Se含量，再结合地块耕地地力等级和环境质量状况进行地块尺度的富Se耕地区划。研究成果对地方政府进行富Se土地资源开发利用具有重要参考示范意义。

2 材料与方法 2.1 研究区概况及样品采集

研究区位于湖南省龙山县西北部石羔街道，处于109°24′E~109°29′E，29°27′N~29°34′N，区内地势由西北向东南逐渐升高，出露地层主要为白垩系砂质泥岩和砾岩等陆源碎屑岩地层以及沿着酉水河南侧分布的第四系冲洪积松散堆积物（图1）。研究区雨热同期，四季分明，属亚热带季风湿润气候，土地利用类型以集中连片分布的耕地为主。

按照《土地质量地球化学评价规范》（DZ/T 0295—2016）相关规定，在研究区内共采集1∶50000表层土壤样品174件，水稻样品35件。采集土壤样品时，在采样点周围100 m或更大范围内用梅花形布点法或蛇形布点法等量采集3~5个子样，通过缩分组成一个样品。农作物样品于作物集中成熟期采集，同时还采集对应农作物根系土，其采集深度0~20 cm。

土壤样品过20目的孔径筛后混匀称重，再用混匀法（四分法）对样品进行分解。对于新鲜动植物样品，按照《食品安全国家标准食品中多元素的测定》（GB 5009.268—2016）的要求进行样品加工，对于谷物等低含水量样品，取可食部分，经高速粉碎机粉碎均匀，保存待测。

2.2 样品分析测试

本次分析测试由湖北省地质实验测试中心（自然资源部武汉矿产资源监督检测中心）完成，具体分析方法和检出限如表1所示。土壤样品分析时候插入12个国家一级标准物质，水稻籽实样品插入2个国家一级标准物质进行准确度和精密度控制，计算测定值与标准值的绝对偏差，所有标准物质测定值与标准物质推荐值之间的相对误差均小于10%，测定值的准确度和精密度合格率均为100%。另随机抽取样品总数的5%编为密码样进行重复性检验，计算基本分析结果和重复性检验数据之间的相对双差，检验测试数据质量，土壤样品重复性检验总合格率均大于98%，符合规范要求。综上，各分析方法的检出限、准确度和精密度均符合《土地质量地球化学评价规范》（DZ/T 0295—2016）要求，分析质量可靠。

3 结果与讨论 3.1 研究区土壤Se含量特征

研究区表层土壤Se含量范围为0.19~0.84 mg/kg，平均值0.48 mg/kg，高于中国表层土壤Se背景值（0.26 mg/kg）和湖南省表层土壤Se背景值（0.45 mg/kg）（侯青叶等，2020），是全国表层土壤背景值的2.24倍。从研究区表层土壤Se含量空间分布特征（图2）来看，研究区表层土壤Se含量由低到高总体上沿东南−西北走向展布。此外，研究区内表层土壤Se含量的变异系数CV值为26%，说明工作区内表层土壤Se含量相对均匀，含量变化差异不是很明显。

按照《土地质量地球化学评价规范》（DZ/T0295—2016）的评价标准，本文对研究区土壤Se元素含量进行分级。如表2所示，绝大部分表层土壤样品Se含量范围在 0.4~3.0 mg/kg，即是说绝大部分表层土壤样品Se含量等级为高，所占比例为72%。表明研究区存在丰富的富Se土壤资源，具有广阔的开发前景，不存在硒缺乏现象。

3.2 水稻籽实及根系土中Se含量

根据国家标准《富硒稻谷》（GB/T 22499—2008）规定，将水稻籽实Se含量0.04~0.30 mg/kg作为富Se水稻参考值。研究区水稻籽实及根系土Se含量（表3）显示，根系土Se含量范围为0.25~0.75 mg/kg，平均值为0.45 mg/kg；水稻籽实Se含量范围为0.02~0.23 mg/kg，平均含量为0.10 mg/kg，研究区水稻籽实富Se率为83%，仅有3件水稻样品Se含量低于0.04 mg/kg，说明研究区水稻籽实中Se含量十分丰富，有开发富Se稻米的巨大潜力。

3.3 水稻籽实吸收Se影响因素

元素生物富集系数就是某元素在生物体内的含量与该元素在环境（以土壤为主）中含量的比值，是评价元素从土壤到农作物迁移的重要指标，反映了土壤−农作物系统中元素迁移的难易程度（廖启林等，2013；王吉秀等，2013；窦韦强等，2021），是一个无量纲数据（方如康，2003）。生物富集系数计算公式如下：

$ \mathrm{BCF}_{ \mathit{i} } \mathrm= \frac{\mathit{C} _{ \mathit{i} } \mathrm{作物籽实}}{ \mathit{C} _{ \mathit{i} } \mathrm{根系土}} $

(1)

式中，BCF_i（Bioconcentration factor）是元素i的生物富集系数；C_i作物籽实是作物籽实中i元素的含量；C_i根系土是根系土中i元素的含量。

根据式（1），可得研究区水稻Se生物富集系数范围为0.05~0.67，平均值为0.22。影响农作物吸收Se等微量元素的因素非常复杂，既与农作物种类、品种和农业活动有关，又与土壤中微量元素赋存状态以及土壤理化性质密切相关（陈雪龙等，2012；袁知洋等，2017）。

由图3可以看出，水稻籽实和根系土中Se含量相关性一般，这说明水稻籽实中Se含量水平并不简单地取决于土壤Se含量，还受到土壤其他组分含量的影响。研究表明，水稻吸收土壤Se主要受土壤理化性质的影响，如有机质、氧化物及土壤pH等（吴俊，2018；陈秋菊等，2019；袁知洋等，2019；付中彪等，2019；周文龙等，2022）。

利用SPSS软件对水稻籽实Se生物富集系数与土壤理化指标进行相关分析，结果如表4所示，水稻籽实Se生物富集系数仅与土壤S、Cd和TC呈0.01水平显著负相关。Se是典型的亲硫元素，无论是在土壤还是在动植物体中，都普遍存在Se和S的相互作用。相关研究表明，植物对Se的吸收是通过硫酸盐转运，S对Se生物有效性的影响是双向的（王晓芳等，2014）。当土壤S含量较低时，硒酸盐与硫酸盐表现为协同作用；当土壤S含量较高时，硒酸盐与硫酸盐则表现为拮抗作用，其主要原因是当土壤S和Se含量较高时，SO₄²⁻比SeO₄²⁻先进入植物体内，进而抑制植物对SeO₄²⁻的吸收，而当土壤S和Se含量较低时，SO₄²与SeO₄²⁻同时进入植物体内，表现为协同作用（Girling, 1984）。水稻籽实Se生物富集系数与土壤Cd呈显著负相关，有研究表明，土壤硒与重金属存在一定的拮抗关系，硒的高含量能抑制生物对重金属的吸收，降低重金属的毒性（Wan et al., 2016；王锐等，2019），在高硒环境下，稻谷对重金属的吸收能力显著下降（刘冰权等，2021）。水稻籽实Se富集系数与TC呈显著负相关，主要原因可能是TC可以将Se吸附或与Se发生配位反应形成螯合物，对土壤中的Se具有固定作用，从而抑制农作物对Se的吸收（Wang et al., 2016）。

3.4 水稻籽实Se富集系数预测模型的构建

利用研究区水稻籽实和对应根系土的数据，构建水稻籽实Se富集系数预测模型，选取与水稻籽实Se富集系数显著相关的S、Cd、TC作为预测变量，为减少由于变量数值大小对方程的影响、消除量纲的影响，采用对数模型。随机选取25套水稻籽实及其对应根系土样品进行多元线性回归建模，再用剩余的10套样品对建立的模型进行验证，得到水稻籽实Se富集系数多元回归模型为lgBCF_Se =−0.277lgS−1.141lgCd−1.193lgTC−1.95。

F检验通过比较两组数据的方差确定数据是否有显著性差异，F值与给定显著水平的标准F值相比越大，说明随机误差越小，处理效果越明显（郭鸿飞，2019；王锐等，2020）。对预测模型进行F检验，F=11.149>F_{0.01, 3.24}=4.718, 说明回归方程通过了0.01水平下的显著性检验。预测模型的相关系数R为0.763，说明方程拟合性良好。归一化平均误差（NME）代表模型得出的预测值与实测值之间的平均偏差（式2），可以体现模型的准确度；归一化均方根差（NRMSE）代表模型得出的预测值与实测值之间的偏离程度（式3），可以体现模型的精确度（Vries et al., 2011）。

$ {{\mathrm{NME}}=}\frac{ \overline{{e}}- \overline{{o}}}{ \overline{{o}}} $

(2)

$ {{\mathrm{NRMSE}}}=\dfrac{\sqrt{\dfrac{{1}}{{n}}{\sum }_{{i}{=1}}^{{n}}{\left({{e}}_{{i}}-{{o}}_{{i}}\right)}^{{2}}}}{ \overline{o}} $

(3)

式中，ē和ō分别代表水稻籽实Se富集系数的预测值平均值与实测值平均值；e_i和o_i分别代表了第i件样品水稻籽实Se富集系数的预测值与实测值；n代表样品数量。NME绝对值和NRMSE值越小，说明水稻籽实Se富集模型准确度、精密度越高。

水稻籽实Se富集预测模型的归一化平均误差为0.0743，归一化均方根差为0.302，说明水稻籽实Se富集模型的准确度和精确度都比较好。利用测试集数据对模型进行检验，结果（图4）显示水稻Se的预测值与实测值相关性良好，相关系数R为0.712，且方程斜率接近1，表明所建的模型能够较好地预测水稻籽实Se含量。

利用采集的表层土壤S、Cd、TC含量数据，通过GeoIPAS软件土地质量地球化学调查模块，运用幂指数加权法进行地块插值，保证研究区每一个地块内至少有一个实测点或插值点，再将所有地块的土壤S、Cd、TC含量数据代入所建立的水稻籽实Se富集模型，得出研究区水稻籽实Se富集系数，再结合土壤Se含量，计算出研究区地块水稻籽实Se含量。

3.5 地块尺度的富硒耕地质量评价

为更准确进行富Se土地区划，指导地方政府进行富Se农业产业规划，本研究提出了一种基于农作物富Se水平、耕地地力等级和耕地环境质量的地块尺度富Se土地质量评价方案。按照水稻籽实Se含量是否大于0.04 mg/kg判定水稻籽实是否富Se，耕地地力等级和耕地环境质量等级根据徐雪生等（2022）提出的耕地质量评价体系进行判定。首先，根据耕地的立地条件、土壤理化性质、土壤养分和土地管理水平对每一块耕地图斑的地力等级进行综合判定，然后根据《土地质量地球化学评价规范》（DZ/T 0295—2016）确定土壤环境单指标分级标准，以土壤环境单指标最差等级确定土壤环境综合等级，本研究土壤环境单指标选择Cd、Hg、As、Pb、Cr五种主要土壤重金属（陈文轩等，2020），最后选择建模预测的水稻籽实Se含量作为农作物富硒水平评价指标，富Se耕地质量评价指标及对应权重见表5。对每一地块的农作物富Se水平、耕地地力等级和耕地环境质量进行叠加评价，按照农作物富Se水平和环境质量占主导，耕地地力等级为次要的原则，将研究区耕地划分为无公害富硒中高产耕地、无公害中高产耕地、无公害低产耕地、安全利用富Se耕地和谨慎利用耕地五大类，划分标准见表6。

研究区地块尺度的富Se耕地质量评价结果（图5）显示，主要以无公害富Se中高产耕地（1等）为主，面积为11.23 km²，占比78%，集中连片分布，富Se开发潜力巨大；无公害中高产耕地（2等）和无公害低产耕地（3等）面积相对较小，分别占13%和4%；潜在可开发富Se耕地（4等）和谨慎利用耕地（5等）面积分别占4%和1%，呈零星点状分布。对于无公害富Se中高产耕地应加强土壤质量和土壤及农作物富Se监测，防止新的外源污染输入，并进行富Se土地和富Se农产品开发（蔡海生等，2020）。对于无公害中高产耕地和无公害低产耕地，建议采取地力提升措施，提高土壤肥力。对于安全利用富Se耕地和谨慎利用耕地，一方面应进行土壤酸碱度调控，降低土壤重金属活性（王锐等，2022），另一方面建议种植农作物重金属低积累品种，进而降低Cd的生态风险（陈小华等，2019）。

4 结　论

（1）研究区土壤Se含量为0.19~0.84 mg/kg，平均值为0.48 mg/kg，是全国表层土壤的2.24倍。水稻籽实Se含量为0.02~0.23 mg/kg，平均含量为0.10 mg/kg，富Se率为83%，表明研究区水稻籽实中Se含量相对较高，具备开发富Se水稻的潜力。

（2）相关分析表明，水稻籽实Se生物富集系数与土壤Cd、S、和TC呈极显著负相关关系，相关系数分别−0.617、−0.452和−0.574，利用多元线性回归模型构建了水稻籽实Se含量预测模型。

（3）为更准确进行富Se土地质量评价，本研究构建了一种基于农作物富Se水平、耕地地力和环境质量的地块尺度富Se土地质量评价体系，结果显示，研究区以无公害富Se中高产耕地为主，面积占比78%，无公害中高产耕地和无公害低产耕地面积相对较小，面积分别占13%和4%；安全利用富Se耕地和谨慎利用耕地面积分别占4%和1%。

致谢：对编辑和审稿专家提出的宝贵修改意见和建议表示由衷的感谢。