近年来, 随着我国城市化发展的加速, 城市居民生活、交通和工业生产等人类活动所产生的大气及地表污染物持续增加, 而大范围建设的人工地貌与不透水面积驱动城市环境中污染物地理化学循环过程与机制发生变化, 加剧了这些污染物在城市下垫面的沉降累积^{[1, 2]}.在此情况下, 降雨径流对下垫面的冲刷转运了大量污染物进入河道水体, 成为威胁城市水生态环境安全的重要因素^[3].如何控制雨水径流污染已成为当前城市水环境整治修复工作的焦点, 而解析雨水径流中的污染物成分是实现其有效控制的关键前提.

溶解性有机物(dissolved organic matter, DOM)是雨水径流污染物的主要成分, 可作为底物参与生物体能量代谢及碳氮元素的生物地理化学过程^{[4, 5]}.同时, DOM也能与多种有机(如有机氯农药、多溴联苯醚等)或无机(如铁、锰及铬等金属离子)污染物发生配位作用, 从而强烈地影响这些污染物的迁移转化、生物有效性及毒性水平^[6].因此, 当雨水径流DOM进入城市水体后, 其自身参与并促进生化降解过程, 或是与其他环境因子的相互作用, 都将会对水体的生态环境过程产生长期负面的影响.研究城市雨水径流中DOM的组成及其与环境因子的关联性, 对于明晰其来源及环境行为过程而言具有重要意义, 可为实现径流污染的削减与控制提供科学依据.

目前的研究中, 对DOM的表征主要应用紫外可见光谱^[7]、三维荧光光谱^[8]、质子磁共振波谱^[9]和四级杆飞行时间质谱法^[10]等常规方法.但是, 由于DOM本身的复杂性^[3]和检测原理的限制, 这些方法仅能够提供DOM局部的成分和性质信息, 而DOM全谱成分的分子化学多样性及其与环境因子之间的关联尚不清楚, 这严重阻碍了对DOM复杂来源及环境行为的解析判断.因此, 迫切需要从更高准确度、更高分辨率的分子信息层面来解析DOM组成, 这需要建立在更为先进的质谱技术与数据处理方法上.傅里叶变换离子回旋共振质谱(fourier transform ion cyclotron resonance mass spectrometer, FT-ICR-MS)是具有超高分辨率和质量精度的新型质谱技术^[11].已有研究报道证明, 该质谱技术可识别海洋^[12]、湖泊^{[13, 14]}、河流^[15]、冰盖^[16]以及土壤^{[17, 18]}等自然环境中上万种由不同元素组成的DOM分子, 并解析这些分子成分参与的环境行为.但是, 对于雨水径流DOM这种受到人为因素影响的混合物质, 相关的研究分析至今很少.应用FT-ICR-MS对雨水径流DOM进行表征, 将从分子化学多样性的角度更为准确地解析其成分的潜在来源与影响因素.

因此, 本研究以我国高度城市化地区——上海市为例, 将该地区典型汇水区内中心城区道路与郊区植被区的不透水路面雨水径流(pavement runoff, PR)和绿地雨水径流(green-land runoff, GR)作为研究对象, 应用FT-ICR-MS技术对PR-DOM和GR-DOM的分子分布和组分进行表征, 并通过分析PR-DOM和GR-DOM分子水平参数与悬浮固体(SS)、总氮(TN)和溶解性有机碳(dissolved organic carbon, DOC)等环境因子的斯皮尔曼(Spearman)相关性, 以解析DOM成分及其来源的差异.

PR样品采集于上海市某两条道路(A和B)沿线的雨水箅, 且均无沿街污水等污染源排水.GR样品采集于市郊3块(C、D和E)面积大于0.1 km²的绿化区域.采集的雨水径流均为初期径流样品, 即在径流形成后15 min以内, 每个采样点采集3个样品作为平行样.其中, 采样点信息见表 1, 采样点具体位置见图 1, 雨水径流样品信息见表 2.

表 1 (Table 1)

表 1 采样点特征 Table 1 Sampling point characteristics 采样点名称 区域位置 区域概况 路面类型 行车密度/辆·d-1 道路A 徐汇区钦州南路 以居民区为主 沥青 8 000 道路B 徐汇区钦州路 以居民区为主 沥青 6 000 绿地C 奉贤区上海海湾国家森林公园 以灌木带, 草坪为主 土壤 —1) 绿地D 奉贤区上海海湾国家森林公园 以灌木带, 草坪为主 土壤 — 绿地E 奉贤区上海海湾国家森林公园 以灌木带, 草坪为主 土壤 — 1)“—”表示文章中没有相关数据

表 1 采样点特征 Table 1 Sampling point characteristics

图 1

Fig. 1

(a)路面径流；(b)绿地径流 图 1 采样点区域位置示意 Fig. 1 Position diagram of sampling point areas

表 2 (Table 2)

表 2 雨水径流特征 Table 2 Stormwater runoff characteristics 样品名称 采样点名称 采集时间 (月-日) 总降雨量 /mm 持续时间 /h 前期晴天数 /d DOC /mg·L-1 TN /mg·L-1 Pb /μg·L-1 SS /mg·L-1 A1 道路A 08-27 8.6 0.5 5 22.72 3.7 1.627 344 B1 道路B 08-27 8.6 0.5 5 17.90 2.9 1.354 74 A2 道路A 09-10 15.2 1.5 7 39.71 10.3 3.127 168 B2 道路B 09-10 15.2 1.5 7 36.59 9.8 2.746 128 C2 绿地C 09-10 15.2 1.5 7 3.219 1.8 0.168 678 D2 绿地D 09-10 15.2 1.5 7 3.129 1.6 0.18 544 E2 绿地E 09-10 15.2 1.5 7 4.089 1.5 0.077 592

表 2 雨水径流特征 Table 2 Stormwater runoff characteristics

样品采集后使用聚乙烯桶迅速转运至实验室, 并于4℃避光保存.测定SS浓度后, 应用0.45 μm玻璃纤维滤膜对样品进行预处理, 以去除大颗粒固体并保留DOM.所有化学分析在样品采集后24 h内完成.

根据国家标准方法测定样品TN(GB 11894-89)和SS(GB 11901-89)浓度.溶解态铅(Pb)浓度利用电感耦合等离子质谱仪(PerkinElmer NexION 2000, 美国)进行测定.DOC浓度测定基于总有机碳分析仪(Shimadzu TOC-L, 测试精度为0.001 mg ·L^-1, 日本).

雨水径流样品中DOM的提取与富集基于固相萃取方法：向经过0.45 μm玻璃纤维滤膜后的样品加入盐酸(优级纯)酸化至pH=2, 以提高含羧基类和酚类有机物的萃取效率^[19].应用PPL小柱(Agilent, PPL小柱容积为6 mL, 填料为500 mg, 美国)对样品进行脱盐并萃取DOM^[20], 萃取前分别使用10 mL甲醇(色谱级)和10 mL pH值为2的盐酸溶液对小柱进行活化, 活化控制流速约为2 mL ·min^-1.样品过柱体积由样品DOC浓度及上机要求浓度决定, 萃取时控制流速约为5 mL ·min^-1.萃取后小柱再用10 mL盐酸溶液冲洗, 并使用高纯氮气进行干燥.使用5 mL甲醇(色谱级)将干燥小柱上富集的DOM洗脱至试管中, 置于-20℃避光保存待测.本研究中样品DOM的平均提取效率为47.2% ~64.3%.

本研究使用了配备电喷雾离子化(electrospray ionization, ESI)源与15.0 T超导磁体的傅里叶变换离子回旋共振质谱(Bruker SolariX, 德国).DOM样品经固相萃取后, 使用FT-ICR-MS负离子模式进行表征^[21]：进样速率为120 μL ·h^-1, ESI源毛细管电压为~3.8 kV, 离子积累时间为0.2 s, m/z扫描范围为150~1200的条件下扫描150次后进行叠加, 检出信噪比大于6作为有效质谱峰.单次检测后使用超纯水与甲醇体积比为1 :1的溶液冲洗注射器和进样管路, 避免样品之间的相互干扰.

得到样品的质谱数据后, 通过OmicShare工具(http://www.omicshare.com)绘制PR样品与GR样品相对分子质量的核密度估计图.使用Bruker数据分析软件和MATLAB(R2018a)程序计算质谱峰分子式.计算过程中控制测量值与匹配计算值的质量误差在1×10^-6以内, 分子式中元素比值符合0.2≤H/C≤2.25和0≤O/C≤1, 双键等价值(double bond equivalence, DBE)小于30, 分子式中元素数量范围为C_1~100H_1~100O_0~50N_0~3S_0~1.DOM质谱分子数据的累计、绝对峰强度归一化、求和及降序排序计算均基于MATLAB软件.

DOM分子式经匹配后, 根据元素比值和芳香度指数(aromaticity index, AI)对分子数据进行群组划分^[17], 包括：燃烧产生的多环芳烃类化合物(AI>0.66), 植物产生的多酚类化合物(0.5 < AI≤0.66), 高度不饱和酚类化合物(AI≤0.5, H/C < 1.5), 脂肪族化合物(1.5≤H/C≤2.0), 脂肪类(0≤O/C < 0.3, 1.5 < H/C≤2.0), 蛋白质类(0.3≤O/C < 0.67, 1.5 < H/C≤2.2, N/C≥0.05), 糖类(0.67≤O/C≤1.2, 1.5 < H/C≤2.0), 不饱和碳氢化合物(0≤O/C < 0.1, 0.7≤H/C≤1), 木质素类(0.1≤O/C < 0.67, 0.7≤H/C≤1.5, AI < 0.67), 多环芳烃类(0≤O/C≤0.67, 0.2≤H/C < 0.7, AI≥0.67), 丹宁酸类(0.67≤O/C≤1.2, 0.5≤H/C≤1.5, AI < 0.67).

雨水径流中DOM分子的相对丰度与环境因子(SS、DOC、TN和溶解态Pb)之间的斯皮尔曼(Spearman)相关性系数基于MATLAB计算得到.应用OriginPro 2018绘制范克雷维伦(van Krevelen)图.

PR-DOM分子累计曲线和秩丰度曲线如图 2(a)和2(b)显示, PR样品中共识别出12 498种DOM分子, 且随着样品数量的增加, 样品中特有分子种类的增加逐渐趋于平缓, 最后两个样品的累计分子数量超过总数的90%, 总相对强度值在前15%的分子存在于所有样品中, 总相对强度值在前30%的分子则至少存在于75%的样品中.GR样品中共识别出7 015种DOM分子, 且最后两个样品的累计分子数量也超过总数的90%, 总相对强度值前20%的分子中绝大多数(90%以上)存在于所有样品中[图 2(c)和2(d)].由此可知, 尽管这些DOM分子的多样性及相对丰度在各自样品中有所差异, 但其主要分子组成在本研究环境范围内存在普遍共性.因此, 这也说明FT-ICR-MS较完整地表征了PR及GR样品的主体DOM分子.

图 2

Fig. 2

红线表示95%的分子数, 圆点的颜色表示存在于样品中的百分比 图 2 雨水径流DOM分子的分布情况 Fig. 2 Molecular distributions of DOM of stormwater runoff

PR-DOM与GR-DOM的相对分子质量分布见图 3.PR-DOM的相对分子质量主要分布于150~750, 且在400左右最为集中.相比之下, GR-DOM分子的相对分子质量分布范围更广, 主要分布在150~850, 并集中于450左右, 这表明PR-DOM的相对分子质量普遍小于GR-DOM.从高相对分子质量有机物更难以降解角度来推测^[22~24], PR-DOM的生物可降解性可能要大于GR-DOM.因此, 在降雨事件中, 相比于GR-DOM, 进入城市河道水体的PR-DOM可能在好氧微生物的作用下引起更多溶解氧的消耗, 从而对水体碳氮循环及自然生态系统可能造成更大的影响.

图 3

Fig. 3

颜色代表样品类型：白点表示中位数；黑色矩形表示下四分位数到上四分位数的范围；黑色矩形外部形状表示核密度估计；纵轴方向长度表征相对分子质量弥散程度, 横轴方向宽度表征在该相对分子质量下DOM分子的集中度, 即其长度越长代表相对分子质量分布范围越广, 宽度越大代表DOM分子在该相对分子质量下越集中 图 3 雨水径流DOM分子的相对分子质量分布 Fig. 3 Distribution of molecular mass of DOM for stormwater runoff

事实上, 雨水径流DOM的组分是造成自然水体水质变化的关键驱动因素.而在城市中, 造成两种雨水径流组分产生差异的原因很可能是人为活动影响.为了进一步表征雨水径流的污染物情况, 验证从分子分布特征上对雨水径流DOM性质的推测, 使得分析两种雨水径流的组分情况是十分必要的.因此, 本研究从DOM分子元素组成和群组划分两个方面表征了PR和GR的组分, 比对两者在成分上的差别, 并对其典型成分的来源进行初步分析.

根据各样品DOM分子相对丰度的平均值分别计算了PR-DOM与GR-DOM元素组成的相对丰度[图 4(a)], 数据显示PR-DOM元素组成分别为CHOS(丰度占比45.56%)、CHO(28.63%)、CHONS(13.15%)及CHON(12.67%), 而GR-DOM为CHO(57.54%)、CHON(22.86%)、CHONS(9.82%)及CHOS(9.78%).因此, PR-DOM与GR-DOM元素组成的最大差别在于其主要成分, 即CHOS和CHO分子.

图 4

Fig. 4

(a)DOM元素群组；(b)DOM成分群组 图 4 雨水径流DOM群组的相对丰度 Fig. 4 Relative abundance of DOM composition of stormwater runoff according to different formula classes

基于分子重复出现率和相对丰度越高, 其代表性越强的原则, 应用MATLAB编写程序进一步筛选了PR和GR的CHOS成分中重复出现率超过75%且相对丰度前10%的分子.经过与化学专业数据库(http://www.organchem.csdb.cn/scdb/default.asp)比对可知, PR-DOM中部分CHOS化合物为磺酸类物质, 如直链烷基苯磺酸盐和烷基萘磺酸盐等.Gonsior等^[25]应用FT-ICR-MS分析加利福尼亚州污水处理厂二级出水中有机物分子特征时也发现了类似的物质, 这些正是人工合成表面活性剂的主要成分, 并不来自于自然环境.因此, 可以推测, PR中占比较大的CHOS化合物也很可能来源于表面活性剂, 也就是说, PR-DOM较大程度上受到人为污染影响.

另外, 通过计算PR-DOM和GR-DOM中CHO成分O/C和H/C的加权平均值发现, 两者O/C平均值(O/C_av)和H/C平均值(H/C_av)的分布范围存在明显差异(表 3).其中GR-DOM中CHO成分的O/C_av和H/C_av与太平洋深层海水^[26]、Bragança河水及底泥^[27]含有的丹宁酸类及木质素类等天然有机物(natural organic matter, NOM)(O/C_av为0.5~0.8, H/C_av为1.0~1.5)十分一致^[28], 这说明GR-DOM中的CHO成分应当是以NOM成分为主.因此, 作为城市绿地而言, GR-DOM总体上受到人为活动影响较小.

表 3 (Table 3)

表 3 绿地径流中DOM分子参数 Table 3 DOM molecular parameters of greenland runoff 样品名称 O/Cav H/Cav A1 0.43 1.23 B1 0.43 1.21 A2 0.46 1.26 B2 0.40 1.15 C2 0.55 1.01 D2 0.53 1.08 E2 0.55 1.02

表 3 绿地径流中DOM分子参数 Table 3 DOM molecular parameters of greenland runoff

为了进一步探究雨水径流成分组成, 本研究基于碳氢氧元素比值和AI指数对其DOM分子进行群组划分, 显示出PR-DOM和GR-DOM在分子群组上同样具有显著差别[图 4(b)和图 5].其中, 图 5(a)中包含的DOM分子是A1、B1、A2和B2叠加所得, 图 5(b)中包含的DOM分子是C2、D2和E2叠加所得(同一分子的相对强度进行求和计算).GR-DOM含有大量NOM成分, 如木质素类(66.76%)和丹宁酸类化合物(20.17%), 但脂肪类和蛋白质类化合物的相对丰度很低, 分别为1.22%和0.66%.相比之下, PR-DOM的组分中存在显著的脂肪类(6.45%)和蛋白质类化合物(4.71%).

图 5

Fig. 5

圆点代表一个DOM分子式, 其总数量以n; 表示；颜色深度表示DOM分子的总相对强度大小, 颜色越深代表强度越大 图 5 雨水径流DOM的van Krevelen图 Fig. 5 The van Krevelen plots for stormwater runoff

根据先前的分析, 木质素类化合物和丹宁酸类化合物成分性质较为稳定^[29], 主要存在于植物残体内^[30], 并经进一步的生化降解.因此, 群组划分的结果验证了从元素组成角度对GR-DOM分子化学多样性的分析, 即GR-DOM中主要成分属于NOM, 且其受人为活动影响较小.而脂肪类和蛋白质类化合物可能更多地来源于人为活动^[4], 由于来源和过程影响因素的不同, 造成两种雨水径流DOM部分成分的相对丰度存在着显著差别.同时, 由于这些成分的可生化性更强, 当大量进入自然水体后, 可作为潜在的代谢底物参与微生物生化反应^[27], 进而影响水体水质, 甚至引发水体黑臭及生态退化等问题^[31], 使得对这些成分的来源进行分析变得尤为重要.

城市雨水径流DOM的分子化学多样性特征与其来源属性密切相关.基于FT-ICR-MS高分辨率解析PR-DOM和GR-DOM的成分来源, 可为城市雨水径流污染的源头控制及过程削减提供更富价值的科学依据.因此, 本研究进一步将雨水径流DOM分子的相对丰度与环境因子进行Spearman相关性分析, 以论证对PR-DOM及GR-DOM成分来源的推测.

PR-DOM与SS的Spearman相关性分析表明, 脂肪族成分(脂肪类、蛋白质类及糖类)相对丰度与SS浓度整体上呈正相关, 而高度不饱和酚类化合物和植物产生的多酚类物质成分的相对丰度则与SS浓度呈负相关[图 6(a)], 即SS浓度较高的PR样品中脂肪族化合物的相对丰度也相应较高.此外, PR-DOM与溶解态Pb、DOC及TN浓度的相关性分析显示, 大部分脂肪族成分的相对丰度与溶解态Pb、DOC及TN浓度整体上也呈正相关[图 6(b)~6(d)].因此, 这就说明PR-DOM中绝大多数脂肪族成分的来源很可能与该类样品的SS、溶解态Pb、DOC及TN来源一致.相比之下, GR样品中SS浓度与部分GR-DOM高度不饱和酚类化合物成分(木质素类、丹宁酸类)相对丰度呈正相关[图 6(e)], 这说明这些高度不饱和酚类化合物的来源很可能与该类样品的SS来源一致.但是, 这与PR-DOM的Spearman相关性分析结果恰好相反, 这说明两类样品的SS来源本身就具有较大差异.

图 6

Fig. 6

PR-DOM：(a)SS, (b)溶解态Pb, (c)DOC, (d)TN；GR-DOM：(e)SS, (f)溶解态Pb, (g)DOC, (h)TN；其中颜色代表相关性系数的大小, 红色代表正相关, 蓝色代表负相关 图 6 雨水径流中DOM分子与各环境因子的Spearman相关性分析 Fig. 6 Spearman rank correlation analysis between individual molecules and environmental factors for stormwater runoff

城市不透水路面沉降污染物如SS、溶解态Pb及TN等主要来源于城市交通^{[32, 33]}, 如SS主要源于路面磨损、尾气排放、车辆磨损和路面沉降等, 而溶解态Pb源于含铅汽油滴漏, TN源于尾气排放、车载物泄漏等.此外, 汽油和汽车尾气中的主要成分(甲基叔丁基醚^[34]、甲缩醛、5, 6-二甲基葵烷和2-甲基辛烷^[35]等)大多属于脂肪族化合物, 这与本研究通过FT-ICR-MS对PR-DOM分子化学多样性的分析十分一致[图 6(a)~6(d)].因此, 这些PR-DOM的脂肪族成分的应主要来源于交通污染.

相反的是, 绿地雨水径流中的SS主要来源于降雨过程对土壤表层的冲刷^[2].因此, 结合上文中对木质素类和丹宁酸类物质的来源分析可知, 这些高度不饱和酚类化合物应主要来源于降雨对土壤表层植物残体降解所形成的腐殖质的冲刷.需要指出的是, GR-DOM中部分高度不饱和酚类化合物与溶解态Pb、DOC及TN之间也存在一定的相关性[图 6(f)~6(h)], 但这些指标在GR样品中浓度很低(表 2), 特别是溶解态Pb.

因此, 总体而言, PR-DOM成分组成受人为活动影响较大, 特别是显著存在的脂肪族成分的主要来源应为交通污染, 且城市中心城区更高的交通密度可能是造成其成分比例显著增多的主因.同时, CHOS元素组成中明显存在人工合成的表面活性剂, 更加说明PR-DOM已受到较大程度的城市人为污染影响.GR-DOM存在与PR-DOM显著不同的分子化学多样性与来源, 其主要成分属于NOM, 特别是其中的大部分高度不饱和酚类化合物主要来源于降雨对土壤表层植物残体降解所形成的腐殖质的冲刷.

(1) 应用FT-ICR-MS较完整地表征了PR及GR的DOM分子化学多样性, 实现了对两者DOM分子分布、成分及其来源差异的解析.

(2) 在分子累计到达饱和状态下, PR-DOM的分子累计数量(12 498种)远大于GR-DOM(7 015种), 其相对分子质量分布(150~750)比GR-DOM(150~850)更为集中, 且相对分子质量普遍小于GR-DOM.

(3) 根据分子组成及其相关性分析, PR-DOM和GR-DOM的组分及来源存在明显差异.PR-DOM组成受人为活动影响较大, 其主要成分(CHOS)中含有大量可能来源于人为使用的表面活性剂的磺酸类物质, 且显著存在的脂肪族成分的主要来源应为交通污染.而GR-DOM组成受人为活动影响较小, 其主要成分(CHO)以NOM为主, 且大部分高度不饱和酚类化合物主要来源于降雨对土壤表层植物残体降解所形成的腐殖质的冲刷.