我国蔬菜播种面积和产量均居世界首位^{[1, 2]}. 但受工业化和城市化影响，蔬菜重金属污染日益严重，以镉(Cd)超标最为突出，这对我国蔬菜生产和出口造成了巨大影响^[3~5]. 长期食用Cd超标蔬菜会增加人体患病及致癌风险^{[6, 7]}. 如何控制和预防蔬菜Cd污染，提高蔬菜品质，已成为我国改善民生，优化蔬菜生产格局的重要一环，受到政府和民众的广泛关注^{[2, 3, 8]}. 蔬菜对Cd 的累积与环境因子(土壤性质、 灌溉条件、 气候条件和施肥条件等)关系密切^{[5-7, 9, 10]}. 而目前有关蔬菜Cd累积影响因子的研究主要集中在土壤总Cd含量，土壤酸化程度，土壤理化性质或不同蔬菜种类等单一因素^{[1, 8, 11]}，缺乏对蔬菜Cd累积有显著贡献的土壤条件、 气候条件、 灌溉条件和施肥条件的综合分析.

本文以湖南省主要蔬菜产区攸县为研究对象，运用典型相关分析(CCA)和路径分析模型，对研究区蔬菜Cd含量及其与土壤Cd含量、 土壤理化性质、 气候条件和灌溉条件的相互作用关系进行综合分析，定量化各环境因子对蔬菜Cd累积影响程度，以期为区域蔬菜Cd污染现状改善提供科学支撑.

攸县位于湖南省东南部(图 1)，下辖17个乡镇，总面积为2 648 km²，总人口80.4万，为中亚热带季风湿润气候. 湖南攸县为我国重要的粮食和蔬菜基地，近年来的“镉米”事件对该地农业生产造成了一定的经济损失，但该地蔬菜Cd含量特征仍不明确^[12]. 根据攸县蔬菜分布特征进行野外实地考察和采样，用手持GPS精确定位.

图 1

Fig. 1

图 1 研究区概况及采样点分布 Fig. 1 Research area and distribution of sampling stations

每个样点随机布设2~3个2 m×2 m的样方，记录样方内蔬菜名称，种属，类别，采集5~10株完整蔬菜(叶菜)后密封保存于样品袋中，共采集625个叶菜样品，涉及26个品种，分别为白菜苔、 包菜、 菠菜、 白菜芯、 大白菜、 冬苋、 儿菜、 红菜苔、 花菜、 芥菜、 芥蓝、 毛葱、 芹菜、 上海青、 生菜、 水葱、 塔菜、 茼蒿、 香菜、 小白菜、 小青菜、 油菜苔、 油菜芯、 油麦菜、 榨菜和紫甘蓝.

在每个蔬菜采样点对应采集土壤样品1份(5点混合采样法，采样深度0~10 cm)，共采集625个土壤样品，密封保存. 在蔬菜生长区域采集相应灌溉水样品，保存于酸化后的50 mL样品瓶中低温保存. 共采集灌溉水样品585个，灌溉水pH采用便携式pH计进行现场测定.

土壤样品经风干、 研磨、 过100目尼龙筛后密封保存，用于测定土壤pH，有机质含量(SOM)，粒度，阳离子交换量(CEC)等基本物理性质，测定方法参见文献^[13]. 应用四酸法(HCl-HNO₃-HF-HClO₄)^[12]消解土壤样品. 蔬菜样品经自来水冲洗后去除不可食用部分，再用去离子水清洗后于105℃下杀青30 min，60℃烘至恒重，粉碎后用HNO₃-HClO₄^[12]法消解.

应用石墨炉原子吸收分光光度法(GB/T 17141-1997)检测样品Cd含量，应用GSS-5和GSB-5对土壤和蔬菜进行质量控制，标准回收率在81.3%~118%之间.

植物富集因子(PUF)^[9]常被用在生态风险评价中，以分析植物对某微量元素的富集水平，也可用来降低不同土壤环境引起的不确定性^[10]. 计算方程如下：

(1)

式中，PUF为植物Cd富集因子，V_Cd和S_Cd分别为蔬菜和土壤中的Cd含量.

对蔬菜Cd富集因子(PUF)分布情况的分析有助于更全面地分析Cd在土壤-蔬菜系统中的富集情况. 本研究中应用3参数Gaussian分布方程^{[3, 10]}对研究区蔬菜Cd富集因子(PUF)进行拟合，拟合方程为：

(2)

式中，y表示PUF在x时的概率，a为常数，PUF累积概率通过经验方程计算获得：

(3)

式中，F(x)表示PUF ≤x时的累积概率，erf为误差函数^[10]，x₀和b表示观测值的平均值和标准差.

传统的相关分析和回归分析不能充分表征各因子交互性，易造成指标信息量缺失^[6]. 路径分析模型(PA)可以将因子相关系数分割成直接效应和间接效应，并检验各效应关系显著性水平^[14]. 本文应用路径分析模型(PA)来研究各环境因子与蔬菜Cd富集因子(PUF)的直接和间接效应关系^[4](图 2)，其中直接效应(路径系数)表示为P_j7，用单箭头表示； 间接效应表示为r_ij×P_i7，用双箭头表示. 相关系数、 直接效应和间接效应间的相互关系参见方程(4) .

(4)

图 2

Fig. 2

图 2 PUF与环境因子相关关系的路径分析模型 Fig. 2 Schematic depiction of the path analysis model for the relationship between PUF and environmental factors

PA模型显著性应用可决系数(R²)和均方根误差(RMSE)进行检验^[4]. 大样本分析中，多变量正态性水平难以充分满足，因此应用Bootstrap模拟对各变量直接和间接效应进行检验^[14].

相关报道指出降雨量、 蒸发量、 气温和辐射量均对蔬菜Cd吸收有一定影响^{[9, 15]}，因此将这4个变量作为气候因子引入到环境因子分析中. 2010～2014年攸县年均降雨量、 蒸发量、 辐射量和气温分别为(1 484.2±356.8) mm、 (1 485.7±46.8) mm、 (1.24±0.06)MJ·(m²·d)^-1和(18.1±0.6)℃. 气候数据(栅格数据集)来自于攸县气象局. 不同化肥施肥量与蔬菜生长关系密切^[10]，因此氮肥、 钾肥、 磷肥和复合肥这4种当地主要施用肥料也作为环境因子引入到环境因子分析中. 施肥量数据通过分镇入户调查的方式获取，攸县氮肥、 钾肥、 磷肥和复合肥年均施肥量分别为(332±60)、 (109±18)、 (159±30)和(480±70) kg·hm^-2.

土地利用数据采用2014年TM影像数据，利用ENVI 4.8和ArcGIS 10.0参照中国遥感解译分类标准^[16]进行影像解译. 相关分析和数据拟合应用Matlab 7.14，典型相关分析(CCA)应用Canoco 4.5,路径分析模型构建和Bootstrap模拟检验应用Amos 17.0.

研究区土壤pH平均值为5.26(表 1)，有69.8%的样点(436/625)pH均低于5.5. 与湖南省第二次土壤普查值相比^[17](pH=5.9)，攸县土壤酸化较为严重. 土壤、 灌溉水及蔬菜中Cd含量变辐均较大，变异系数分别为65.8%、 106.4%和134.3%. 土壤Cd富集程度较高，平均含量为0.47mg·kg^-1，为湖南省土壤Cd背景值^[18](0.126mg·kg^-1)的3.7倍，超标率为98.1%(613/625)，为国家农田土壤环境标准^[19](GB 15618-1995，0.30mg·kg^-1)的1.6倍，超标率为69.6%(435/625)； 灌溉水Cd平均含量为0.12 μg·L^-1，各灌溉水样品均低于国家地表水环境质量标准^[20](GB 3838-2002，Grade Ⅲ，5 μg·L^-1)； 蔬菜Cd平均含量为0.06mg·kg^-1，相对土壤Cd含量较低.

表 1 (Table 1)

表 1 攸县水体、 土壤和蔬菜中Cd含量及主要环境因子测定值 Table 1 Descriptive statistics of Cd concentration in water,soil and vegetables as well as major environmental factors in the Youxian prefecture 统计量 土壤pH 灌溉水pH 黏粒/% 土壤有机质/g·kg-1 阳离子交换量/mol·kg-1 土壤Cd含量/mg·kg-1 灌溉水Cd含量/μg·L-1 蔬菜Cd含量/mg·kg-1 最小值 3.40 4.08 43.3 5.3 4.1 0.01 0.01 0.003 最大值 7.98 7.50 79.2 93.4 15.9 3.00 1.50 1.81 平均值 5.26 5.53 66.8 21.1 8.1 0.47 0.12 0.06 标准差 0.83 0.77 10.7 11.8 1.7 0.31 0.13 0.08 变异系数/% 15.7 13.8 16.0 56.2 21.4 65.8 106.4 134.3

表 1 攸县水体、 土壤和蔬菜中Cd含量及主要环境因子测定值 Table 1 Descriptive statistics of Cd concentration in water,soil and vegetables as well as major environmental factors in the Youxian prefecture

应用重金属暴露风险评价模型^{[5, 7]}对研究区成人经食用蔬菜摄入Cd风险水平进行评估(暴露参数选取见文献^{[21, 22]})，结果显示经蔬菜摄入的日平均Cd暴露剂量(以BW计，下同)为0.11 μg·(kg·d)^-1，略高于美国毒物与疾病登记署(ATSDR)规定的相应标准^[23][0.1μg·(kg·d)^-1]，存在一定健康风险. 考虑到湖南省人群蔬菜平均摄入量达到357.3 g·d^-1，在我国各省份中仅次于湖北省^[22]，因此经食用蔬菜摄入Cd的潜在危害也较大，应引起当地政府部门和民众的足够重视.

研究区土壤Cd含量与蔬菜Cd含量显著相关(r =0.299^**)，但土壤Cd对蔬菜Cd累积程度解释率较低(R²=0.15，P<0.05)，与其他研究结果类似^{[4, 10]}. 应用蔬菜Cd富集因子(PUF)对Cd在土壤-蔬菜系统中的富集程度进行标准化，结果表明研究区PUF平均值为0.15，变化幅度较大(0.007~2.1). 与其他地区报道的蔬菜Cd富集特征相比(表 2)，研究区PUF变化范围较小，平均水平较低，这种差异可能与区域环境因子不同相关^[9]. 对PUF进行对数转换后，应用3参数Gaussian分布方程对其进行拟合，拟合结果如图 3所示，其中R²=0.97，RMSE=0.002，拟合方程显著(P<0.001)，可见研究区PUF服从自然对数正态分布. 由图 3可知，研究区PUF对数平均值(x₀)为0.13，变化幅度近3个数量级，主要集中在0.05~0.26之间(对25%和75%分布进行对数转换).

表 2 (Table 2)

表 2 蔬菜Cd富集因子变化范围和均值比较 Table 2 Means and ranges of PUF of Cd in vegetables for different studies 样本量 最小值 最大值 平均值 文献 158 0.045 12.3 1.03 [3] 747 0.12 1.31 0.41 [9] 70 0.11 8.71 1.77 [10] / 0.004 13.3 0.68 [24] 625 0.007 2.1 0.15 本研究

表 2 蔬菜Cd富集因子变化范围和均值比较 Table 2 Means and ranges of PUF of Cd in vegetables for different studies

图 3

Fig. 3

图 3 蔬菜Cd富集因子(对数转换)可能性概率分布 Fig. 3 Measured and predicted cumulative probability distribution of PUF (log-transformation) of Cd in vegetables

应用3参数Gaussian分布方程，Zhang等^[3]对我国蔬菜Cd富集因子PUF进行拟合，Chen等^[10]对美国加州蔬菜Cd富集因子进行拟合. 与两者的拟合结果相比，研究区PUF在数量特征和分布特征上均有一定相似性(图 3). 可见本文所研究PUF具有一定的代表性，可以在该区域进行的健康风险评价中起到表征作用，并对其他地区有关PUF的研究提供参考.

相关分析表明(表 3)土壤pH、 土壤阳离子交换量(CEC)、 土壤有机质(SOM)、 灌溉水pH和降雨量与PUF呈显著负相关. 施肥量与PUF呈显著正相关，以氮肥施肥量影响最为显著(r=0.240^**). 应用典型相关分析(CCA)研究各环境因子与土壤Cd、 蔬菜Cd和PUF变化关系，结果表明前3个排序轴可解释Cd在土壤-蔬菜系统富集变异程度的91.8%，其中第1排序轴解释量占到43.9%. 根据CCA排序关系，各环境因子可分为3个方向(图 4)，第1方向包括灌溉水pH和SOM，其中SOM为该方向主要影响因子； 第2方向包括降雨量，CEC和土壤pH，其中土壤pH在该方向作用显著； 不同化肥施肥量均位于第3方向，其中氮肥施肥量(N)为该方向主要影响因子.

表 3 (Table 3)

表 3 各环境因子相关关系及其对PUF的直接作用1) Table 3 Relationship between each environmental factor and their direct effects on PUF SOM 土壤pH CEC 灌溉水pH 降雨 氮肥施肥量 SOM -0.411** 土壤pH 0.119** -0.686** CEC 0.059 -0.003 -0.055* 灌溉水pH 0.128** 0.122** -0.017 -0.118** 降雨 0.203** 0.127** 0.006 0.130** -0.156** 氮肥施肥量 -0.310** -0.196** -0.112** -0.201** -0.315** 0.240** 直接作用 -0.511*** -0.254*** -0.128 0.002 -0.011 0.022 1)对角线数字为各因子与PUF的相关性水平，其余数字表示各环境因子间的相关系数；*表示在0.05水平(双侧)上显著相关，**表示在0.01水平(双侧)上显著相关，***表示在0.001水平(双侧)上显著相关

表 3 各环境因子相关关系及其对PUF的直接作用1) Table 3 Relationship between each environmental factor and their direct effects on PUF

图 4

Fig. 4

图 4 基于CCA分析的各环境因子与PUF、 土壤Cd和蔬菜Cd含量相关关系 Fig. 4 Influence of environmental factors on PUF,soil Cd,and vegetables Cd based on CCA analysis

Fu等^[25]指出同一方向内各环境因子对解释变量存在类似的驱动关系. Monte Carlo检验显示第1排序轴与土壤pH(r=0.60^***)与SOM(r=0.41^***)呈极显著正相关，与氮肥施肥量呈极显著负相关(r=-0.21^***). 因此推断研究区各环境因子中，土壤有机质(SOM)，土壤pH和氮肥施肥量(N)分别为3个方向上对Cd在土壤-蔬菜系统富集程度影响最为显著的环境因子. 各环境因子质心离土壤Cd较近，离蔬菜Cd和PUF距离较远，可见土壤Cd空间变异更易受较多环境因子影响，而PUF与蔬菜Cd的关系更为密切. 另外由结果可知，在多因子分析中，单一相关分析的应用不能充分反映各环境因子与主要变量之间的相互效应关系.

相关分析和典型相关分析(CCA)显示土壤pH、 SOM、 CEC、 灌溉水pH、 降雨量和氮肥施肥量为6个影响PUF变化的主要环境因子. 因此将这6个变量引入到路径分析模型(PA，图 2)中进一步分析各环境因子与PUF变化间的效应关系. 结果表明PA模型解释程度为0.582，RMSE=0.24，模型对各变量解释程度较好，通过显著性检验.

土壤pH(P₁₇=-0.254^***)与SOM(P₂₇=-0.511^***)对PUF变化有显著的直接作用(P表示直接作用，表 3)，可见土壤pH和SOM是PUF变化的主要驱动因子. 灌溉水pH及降雨量与PUF显著相关(相关系数分别为-0.118^*和-0.156^*)，但直接作用并不显著. 而灌溉水pH和降雨量与土壤pH和SOM均呈显著正相关(表 3)，可见灌溉水pH和降雨量通过影响土壤pH和SOM进而影响PUF变化. 相关报道指出降雨和灌溉水通过调节土壤水分含量，影响土壤微生物活动程度，改变土壤氧化还原状态，进而影响田间pH与SOM变化^[15]. 而研究区雨量充沛，灌溉用水资源便利，因此对土壤pH和SOM变化影响较为显著. 考虑到研究区土壤pH和有机质含量较低，蔬菜Cd累积风险需引起当地有关部门的一定关注.

氮肥施肥量与PUF呈显著正相关(r=0.240^**)，但对PUF直接作用并不显著，而氮肥施肥量与土壤pH和SOM呈显著负相关. 由此可见氮肥施肥量对PUF的影响也是通过其对土壤pH和SOM的间接效应实现. Liu等^[26]指出我国南方施肥量显著超标，造成了严重的土壤酸化和土壤微量元素流失等问题. 入户调查显示研究区各乡镇化肥平均施用量均接近300 kg·hm^-2，远远超过国际平均水平^[26]，而氮肥的过量施用加重了土壤酸化和土壤SOM的流失，进而促进了Cd在蔬菜中的富集. 相关研究指出Cd在土壤-蔬菜系统中的富集与土壤养分库中各微量元素(如Al、 Fe、 Mn和Zn)含量关系密切^{[1, 4, 5, 27]}，在将来的研究中，其他微量元素的引入有助于更全面地了解蔬菜Cd累积特性与各环境因子之间的相互效应关系.

攸县土壤Cd含量水平较高，研究区成人经食用蔬菜摄入Cd风险水平略高于ATSDR规定的标准值，具有一定的健康风险. 研究区PUF在风险评价中有一定参考作用，Gaussian分布方程对蔬菜Cd富集因子(PUF)拟合效果显著. 灌溉水pH，降雨和施肥量通过影响土壤pH和土壤有机质进而影响PUF变化. 土壤基本性质，气候条件，灌溉条件和施肥量对蔬菜Cd累积水平影响的综合研究有助于了解各环境因子在蔬菜Cd累积过程中的作用关系. 路径分析模型，典型相关分析(CCA)与传统多元分析方法的联用有助于深入了解各环境因子间的相互效应关系.