2021, Vol. 42
2. 兰州海关技术中心, 兰州 730010;
3. 甘肃农业大学食品科学与工程学院, 兰州 730070
2. Lanzhou Customs Technology Center, Lanzhou 730010, China;
3. College of Food Science and Engineering, Gansu Agricultural University, Lanzhou 730070, China
多环芳烃(polycyclic aromatic hydrocarbons, PAHs)持久普遍存在于环境中, 不少具有较强的毒性和致癌性[1, 2]; 主要源于化石燃料和生物质燃烧、石油挥发或泄漏、机动车尾气和工业排放等[3, 4]. PAHs可通过大气干湿沉降进入土壤, 土壤作为PAHs的“汇”[5], 据报道称约90%的PAHs留存在土壤中[6].土壤也是PAHs的“源”, 由于其亲脂性、持久性和疏水性特征, PAHs在土壤环境中大量积聚且很难被降解, 通过雨水和地表径流进入水环境中, 造成水体或其他环境介质的污染[7, 8].城市土壤作为人类活动的主要场所, 也是PAHs的重要“源”和“汇”[9].因此, 了解和识别城市土壤PAHs的来源, 对研究区控源减排措施的制定十分重要.
城市土壤是PAHs重要的“源-汇”[9], 源解析及贡献分析是其风险管理和控源减排的前提[10, 11].目前, PAHs源解析的定性方法有特征化合物比值法[12], 定量方法有多元统计法、UMIX模型[13]、正定矩阵因子分析法(PMF)[14]和绝对主成分分析与多元线性回归模型(APCS-MLR)[15]等.其中, APCS-MLR模型不仅可以识别污染源, 而且可以计算各源的贡献率及每个因子对单个样本的源贡献率[16]; 该模型在大气和水环境中应用较多, 可以解析自然或者人为污染源的贡献[17, 18], 近年来被用于土壤污染物, 如武威市和张掖市[19, 20]以及宁夏中宁县枸杞地[21]的土壤重金属源解析.
兰州市是“丝绸之路经济带”核心节点城市和西北地区重要的工业基地, 包括石油化工、能源电力、有色冶金、装备制造和高新技术等行业, 城市发展过程中化石燃料的消耗会释放大量的PAHs进入城市土壤和生态环境[22].因此, 本文在兰州市主城区表层土壤PAHs污染特征分析的基础上, 运用APCS-MLR模型分析其PAHs的来源和各因子源贡献量, 结合地统计方法评价其空间分布特征, 以期为土壤PAHs污染防控提供理论依据.
1 材料与方法 1.1 研究区概况兰州市位于35.57°~37.12°N, 102.59°~104.57°E, 研究区为兰州市4个主城区, 包括城关、七里河、安宁和西固区(图 1).兰州市面积13 086 km2, 常住人口436万[23]; 温带大陆性气候, 年平均气温11.2℃, 年均降水量327 mm, 主要集中在6~9月; 地势西北高, 东南低, 南北群山对峙, 黄河自西向东穿城而过, 高山与盆地相间.
|
图 1 研究区土壤采样点分布示意 Fig. 1 Distribution of sampling sites |
2020年5月, 参照文献[24], 按照网格布点法采集主城区0~20 cm表层土壤62份(图 1), 去除样品中杂质后, 采用四分法取样将约300 g的土壤样品装入棕色玻璃瓶中于4℃下保存, 待测PAHs.
1.3 样品分析与测定 1.3.1 样品分析参考文献[25]方法提取土壤中PAHs.称取5 g土样, 加入等量的无水硫酸钠混合, 同时加入2-氟联苯和4, 4-三联苯-d14作为替代物, 用30 mL丙酮-正己烷(1∶1, 体积比)混合溶剂超声萃取25 min, 振荡3 min, 9 000 r·min-1离心5 min, 重复两次, 合并萃取溶剂50 mL, 使用平行浓缩仪浓缩萃取液至1 mL左右.将萃取柱固定在固相萃取装置上, 先用4 mL二氯甲烷淋洗, 再加10 mL正己烷平衡Florisil固相萃取柱.移取浓缩液至固相萃取柱中, 用10 mL二氯甲烷∶正己烷(1∶9, 体积比)混合溶剂洗脱目标物, 收集全部洗脱液.用氮吹法浓缩洗脱液近干, 用色谱纯正己烷置换原有溶剂, 定容.加入内标物(萘-d8、苊烯-d10、菲-d10、-d12和苝-d12), 涡旋混匀后过0.22 μm有机相滤膜, 待测.
1.3.2 样品测定使用QP-2010 Ultra气相色谱质谱联用仪检测萘(Nap)、苊烯(Acy)、苊(Ace)、芴(Flu)、菲(Phe)、蒽(Ant)、荧蒽(Fla)、芘(Pyr)、(Chry)、苯并[a]蒽(BaA)、苯并[b]荧蒽(BbF)、苯并[k]荧蒽(BkF)、苯并[a]芘(BaP)、二苯并[a, h]蒽(DahA)、茚并[1, 2, 3-cd]芘(InP)和苯并[g, h, i]苝(BghiP)等16种优先控制PAHs.HP- 5MS(30 m×0.25 mm×0.25 μm)毛细管柱, 高纯氦气载气, 流速0.8 mL·min-1; 柱温箱升温程序为初始温度50℃, 保持1 min, 以10 ℃·min-1升至180℃, 保持2 min, 再以20 ℃·min-1升至220℃, 保持2 min, 最后以7℃·min-1升至290℃, 保持5 min; 恒压分流, 分流比为10∶1; 离子源温度为230℃, 进样口温度280℃, EI电力源为70 eV; 扫描方式为全扫描(Scan), 扫描范围45~450 u.使用内标法和多点校正曲线对PAHs进行定量分析.
1.3.3 质量控制与保证为保证分析的精密度和准确性, 采用空白样品和基质加标, 每间隔8个样品进行重复分析[26].重复分析(n=3)的相对标准偏差(RSD)小于7%.替代物的回收率在76.2%~104.5%之间.用正己烷做溶剂, 制备PAHs质量浓度分别为0.1、0.5、0.8、1、2、5、8和10 μg·mL-1的校正曲线, 相关系数R2>0.995.
1.4 绝对主成分分析-多元线性回归受体模型(APCS-MLR)APCS-MLR由Thurston等[27]提出, 将原始数据标准化后, 在因子分析的基础上得到绝对主成分因子得分(APCS), 结合多元线性回归模型计算各因子对单个样本的贡献率.
(1) 首先, 对原始数据进行标准化得到因子分数:
|
(1) |
式中, Zij为标准化后的因子分数(无纲量), Cij为第i个样本中第j个PAHs的浓度, j和δj为多环芳烃j的平均浓度和标准偏差.
(2) 对所有PAHs引入1个含量为0的人为样本, 并进行标准化得到因子分数:
|
(2) |
(3) 每个PAHs的APCS是通过每个样本的因子得分减去0含量样本的因子得分来估计的.
(4) 以PAHs实测浓度为因变量和APCS为自变量进行多元线性回归分析, 得到的回归系数可将APCS转化为每个污染源对每个样本的含量贡献：
|
(3) |
式中, Cj为污染物的总浓度, b0j为多环芳烃j做多元回归所得常数, bkj为源k对多环芳烃j的回归系数; p为因子个数, bkj·APCSk为源p对Cj的贡献, 所有样本的bkj·APCSk平均值为绝对贡献量.
1.5 数据处理与分析土壤中PAHs的含量以干重表示[28].实验数据统计使用Excel 2016, 空间分析和制图在ArcGIS 10.1和Origin 2018中完成, 多元线性回归使用SPSS 21.0软件.
2 结果与分析 2.1 描述性统计特征分析兰州市主城区表层土壤样品中16种PAHs的含量统计结果见表 1.∑16PAHs为1 069~7 377 μg·kg-1, 平均值为2 423 μg·kg-1.低环PAHs(2~3环)占∑16PAHs的27.19%, 高环PAHs(4~6环)为72.81%. 7种致癌PAHs的总含量为323.41~3 173.34 μg·kg-1, 平均含量为1 126.15 μg·kg-1, 占∑16PAHs的46.13%. Phe、Fla和Pyr对16种PAHs的平均贡献率分别为11.82%、11.31%和9.84%.其中强致癌单体BaP的含量为66.34~675.80 μg·kg-1, 平均含量为160.15 μg·kg-1, 占∑PAHs含量的6.63%.根据《土壤环境质量建设用地土壤污染风险管控标准》(GB 36600- 2018)的筛选值, 所有采样点的单体PAH污染指数均为无污染状态, 城市土壤环境污染状况相对乐观.
|
表 1 土壤PAHs描述性特征及相关标准1)/μg·kg-1 Table 1 Descriptive statistics and related standards for PAHs in the study area/μg·kg-1 |
变异系数(CV)是表示数据离散程度的一个归一化量度, 可以反映土壤中元素的变异性和离散特性[29].Flu和Ant的变异系数值为0.22和0.27, 属于中度变异(0.16 < CV < 0.36), 其它PAHs的变异系数值均为高度变异(CV>0.36)[30].变异系数越大, 表明研究区土壤PAHs空间差异越显著.峰度和偏度主要用来衡量数据的分布状态[31], 除Acy、Ace和InP外, 其余PAHs的偏度值均大于1, 属于正偏状态, 表明土壤PAHs的含量分布受到不同程度的外界影响.
2.2 污染源解析 2.2.1 污染源识别本研究采用数据标准化的方法, 将原始数据进行标准化处理, 采用KMO-Bartlett球形检验(KMO为0.875, P < 0.01)说明各变量的相关性显著, 表明PAHs的初始数据适合进行因子分析.主成分分析提取3个因子(F1、F2和F3)的累计方差贡献率为84.05%, 旋转后各指标变量对各因子的载荷如图 2所示.
|
图 2 旋转因子载荷矩阵 Fig. 2 Rotation factor loading matrix |
F1解释了总方差的47.52%, 主要载荷变量为高分子量多环芳烃(HMW PAHs), 包括BaP、DahA、BkF、BaA、BghiP和Ant.有研究表明, HMW PAHs与汽车尾气排放和化石燃料燃烧有关, BaP和InP代表柴油燃烧排放[32], DahA和BghiP标识汽油燃烧[33].因此, F1指示汽车尾气排放的交通污染源.F2占总方差的18.71%, 因子载荷较大的是Nap, Nap可能来源包括石油及相关产品的挥发泄漏[34], 为石油源示踪剂.F3占总方差的17.82%, 以Acy、Ace、Fla和Pyr为主, 这类低分子量多环芳烃(LMW PAHs)是生物质燃烧的标志产物[35], Fla和Pyr被认为是煤炭燃烧的示踪剂[36], 即F3为生物质和煤炭燃烧的混合来源.可见, 石油源、煤炭和生物质燃烧以及汽车尾气排放是研究区PAHs污染的主要来源.
2.2.2 APCS-MLR模型分析在PCA识别研究区各主要污染源组成的基础上, 利用APCA-MLR模型建立了各污染源与PAHs浓度的函数关系, 基于该函数关系, 预测了各PAH单体浓度, 并将预测浓度与实测浓度进行线性拟合(图 3).图 3表明, 利用APCA-MLR模型预测的16种PAHs浓度与实测浓度线性拟合的R2为0.55~0.94, 意味着该模型的3个因子可用于研究区土壤16种PAHs的源分析, 说明其对PAHs来源分配估算的效果较好.例如, Pyr、Chry、DahA和BghiP预测值与测量值的R2分别为0.953、0.950、0.951和0.964, 较LMW PAHs(低分子量多环芳烃)的R2更接近于1.这是因为LMW PAHs相对更容易挥发或者降解; 而HMW PAHs相对更稳定, 更容易留存在排放源周边的土壤环境中[8], 使该模型对HMW PAHs的预测结果更准确.
|
图 3 PAHs预测浓度与实测浓度对比 Fig. 3 Predict concentration of PAHs compared with measured concentration |
根据多元线性回归方程的回归系数分别计算各PAHs来源的贡献率(图 4).因子1(交通排放源)对土壤PAHs贡献率为35.42%, 其对BaP、DahA和BghiP的贡献率均超过45%, 而这些化合物是汽车尾气排放的典型产物, 与采样点主要位于兰州市主城区、交通道路密集和车流量大相关.因子2对NaP的贡献率(59.18%)远高于其它因子.有研究发现, Nap的可能来源包括Nap产品的合成生产(即染料中间体、橡胶助剂和杀虫剂)以及精炼作业(如焦炭、重油和钢铁冶炼工业)[37]等.兰州市石油化工相关行业发达, 因此, 可认为因子2是与未经燃烧的石油原油和石油制品相关的石油源.因子3对Acy、Ace、Fla、Pyr和Flu的贡献率相对较高, 分别为47.50%、82.51%、85.43%、41.12%和53.34%.一般认为Fla、Pyr和Flu是工业锅炉、热电厂和发电厂等燃煤产生的污染物[36], 说明研究区可能大量使用煤炭作为燃烧能源; Acy和Ace是生物质燃烧的标志物[35], 因此可认为因子3代表煤炭和生物质高温燃烧源.
|
图 4 研究区土壤PAHs污染源贡献率 Fig. 4 Source contribution ratios of soil PAHs in the study area |
用ArcGIS绘制兰州市表层土壤PAHs空间分布(图 5), PAHs分布特征整体在研究区西部区域含量最高.其中, Acy、Ace和DahA的分布相似, 中东部区域呈团状分布格局, 其含量值明显高于周边. Chry、BbF、Phe、Pyr、Fla和BaP的空间分布特征相似, 除西北部的高值区外, 中东部北部区域含量也较高, 低值主要分布于中部偏南. BghiP、BkF和InP的分布特征相似, 中东部主要为低值且差异较小.研究区土壤中Nap的高值分布最广.Flu含量低值区主要分布于中东部两侧.Ant高值在西北部, 低值在中东部的北侧边缘和东部南部. BahA呈斑块状分布, 高值零星分布于西北部和南部, 低值分布于中部和东部南侧区域.
|
图 5 研究区土壤PAHs空间分布 Fig. 5 Spatial distribution of soil PAHs in the study area |
根据土壤PAHs来源贡献率空间分布表明(图 6).因子1代表的交通排放源贡献率超过40%的高值分布在研究区西北部、东南部和中部区域.因子2代表石油源, 源贡献率大于37%的高值区呈分散团状, 主要分布在西北偏北侧与中东部偏南区域, 个别区域的贡献率高达62%; 其次是高值区域周边范围和中东部北侧区域, 石油源贡献率均高于27%.因子3代表煤炭和生物质燃烧源, 源贡献率超过39%的高值区主要分布在西部、中部北侧边缘和东部区域, 大部分区域的贡献率超过33%.
|
图 6 研究区土壤PAHs来源贡献率空间分布 Fig. 6 Spatial distribution of source contributions to soil PAHs in the study area |
城市化进程加快导致城市人口、交通、工业分布格局和土地利用类型变化[38], 对城市土壤也带来一定的污染, 了解城市土壤PAHs的污染特征具有重要意义.兰州市主城区表层土壤PAHs含量的平均值(2 423 μg·kg-1)高于石嘴山市土壤(489.8 μg·kg-1)[39], 低于扬州市工业区土壤(5 817 μg·kg-1)[40]和山东省某工业园区土壤PAHs(3 089 μg·kg-1)[41].与中国土壤PAHs污染的风险筛选值相比, 16种PAHs的污染指数值均低于1; 但是, 强致癌单体BaP(66.34~675.80 μg·kg-1)在个别土壤样品中含量较高, 因此有必要加强兰州市城市土壤PAHs污染的防治.
PAHs源解析对控源减排至关重要, 不同区域土壤PAHs来源受能源消耗、人类活动和社会经济等因素影响而复杂多样[42, 43].利用APCS-MLR受体模型得出研究区土壤PAHs主要来源有3种, 即交通排放源(35.42%), 石油源(29.88%)和煤炭与生物质燃烧源(33.91%).研究区土壤PAHs的不同污染源贡献率差异较小, 交通排放源超过30%, 主要原因是主城区人口密集、活动频繁, 汽车保有量多且交通繁忙.同时, 作为西北地区重要的交通枢纽, 交通运输过程中导致的路面扬尘、磨损的轮胎和沥青成分等成为土壤PAHs的重要污染源[44].煤炭和生物质燃烧源超过30%, 与兰州市热力、电力、冶金和石化行业的能源构成(以煤炭为主)[23]有关; 结合Acy的空间分布可知(图 5), 其高值除在研究区重工业基地西固区外, 还出现在中东部南侧的郊区区域, 这一发现可以解释生物质燃料燃烧也是该范围的生产生活方式[45], 故煤炭和生物质燃烧源所占比例也高.石油源贡献率接近30%, 是由于兰州市西固区是中国西部最大的石油化工基地, 有大量的原油储备和相应的石油化工生产过程和产品; 其中, 因子2对易挥发石油源示踪剂Nap[37]的贡献率为59.18%, 故石油源的贡献率也较高.程明超[46]的研究利用APCS-MLR模型确定山西省土壤PAHs的主要来源为机动车和燃煤源(72.64%)、焦化源(17.20%)和生物质燃烧源(10.16%); 而利用PMF模型确定来源为燃煤源(42.98%)、生物质燃烧源(10.68%)、焦化源(18.96%)和机动车源(27.38%), 两种模型源解析的结果基本吻合.本文基于APCA-MLR模型确定的兰州市主城区表层土壤中PAHs的预测值和实测值之间的线性拟合较好(图 3), 表明可以利用APCS-MLR方法定量解析研究区土壤PAHs的污染来源.
结合PAHs空间分布可以看出, 16种PAHs均在研究区西北区域出现高值, 这是由于西北部是兰州市石油化工、装备与新材料制造、冶金和热电工业聚居区, 大量的工业污染物[47]最终汇入土壤; 低值区在中部南侧区域, 结合兰州市土地利用类型分布分析, 源贡献率小的区域主要为研究区两边的山地和公园等, 这些区域人为活动相对较少, 且山地和公园海拔较高, 污染物不易迁移扩散到该区域, 污染相对较轻.
交通排放源贡献率的空间分布表明, 贡献率高值区在交通枢纽或市中心, 除工业中心西固区外, 城关区和七里河区也有高值区.这是由于西固区作为重要的化工产品输出产地, 交通运输业较为发达, 工业活动和汽车尾气都会对该区域造成一定PAHs污染, 这与沈阳和扬州等城市研究结果相一致[40, 48].而城关区和七里河区是兰州市人口与交通最为密集地区, 这与相关研究结果相一致[49, 50].石油源贡献率空间分布表明, 高值区在各功能区呈分散团状分布, 并且PAHs含量由污染区域向四周逐渐扩散, 影响范围较广.这是由于石油源指示剂低分子量多环芳烃的熔点和沸点较低, 易挥发逸散[51], 如焦炭和重油等精炼作业, 染料中间体、橡胶加工剂和杀虫剂等合成生产均会释放大量的Nap.煤炭和生物质燃烧源贡献率的高值区主要分布在兰州市主城区的西部、中部北侧和东部, 这里西有兰炼兰化等大型石化企业, 东有能源电力、有色冶金、装备制造和高新技术等支柱企业, 北部为以科教文化为主, 人口密度和交通流量较高[52]以及具有一定规模航天器材、电子仪表与信息产品等生产企业的安宁区.综上所述, 基于地统计分析的PAHs空间分布研究, 能够进一步明确土壤PAHs的污染源, 说明应用APCS-MLR模型结合地统计分析进行土壤PAHs源解析的效果较好, 有助于识别土壤PAHs的污染来源和污染规律, 能够为控源减排提供科学依据.
4 结论(1) 兰州市主城区表层土壤中16种PAHs的含量为1 069~7 377 μg·kg-1, 平均值为2 423 μg·kg-1. PAHs以高分子量多环芳烃(4~6环)为主.所有采样点的PAHs含量均低于中国土壤污染风险管控值.除Flu和Ant外, 其余PAHs含量的变异系数均高于0.36, 表明PAHs含量的空间分布差异明显.
(2) APCS-MLR模型解析结果显示, 兰州市主城区表层土壤PAHs的来源为混合源, 交通排放源、石油排放源和煤炭与生物质燃烧源对本研究区PAHs的贡献率分别为35.42%、29.88%和33.91%, 各污染源贡献差异不大.因此应该重点关注交通和工业活动排放源.
(3) PAHs含量空间分布显示, 高值区主要出现在西部工业区, 低值区在中东部偏南郊区范围.各源贡献率的高值区(贡献率均超过46%)较分散, 交通源高值区在西北部、东南部和中部, 石油源高值区主要在西北部偏北侧与中东部的南侧, 煤炭和生物质燃烧源高值区在中部北侧和东部.可根据污染源贡献率拟定兰州市主城区表层土壤PAHs污染的防治措施.
| [1] | Tong R P, Cheng M Z, Zhang L, et al. The construction dust-induced occupational health risk using Monte-Carlo simulation[J]. Journal of Cleaner Production, 2018, 184: 598-608. DOI:10.1016/j.jclepro.2018.02.286 |
| [2] | Tong R P, Yang X Y, Su H R, et al. Levels, sources and probabilistic health risks of polycyclic aromatic hydrocarbons in the agricultural soils from sites neighboring suburban industries in Shanghai[J]. Science of the Total Environment, 2018, 616-617: 1365-1373. DOI:10.1016/j.scitotenv.2017.10.179 |
| [3] |
杜芳芳, 杨毅, 刘敏, 等. 上海市表层土壤中多环芳烃的分布特征与源解析[J]. 中国环境科学, 2014, 34(4): 989-995. Du F F, Yang Y, Liu M, et al. Distribution and source apportionment of polycyclic aromatic hydrocarbons in surface soils in Shanghai[J]. China Environmental Science, 2014, 34(4): 989-995. |
| [4] | Aichner B, Bussian B M, Lehnik-Habrink P, et al. Regionalized concentrations and fingerprints of polycyclic aromatic hydrocarbons (PAHs) in German forest soils[J]. Environmental Pollution, 2015, 203: 31-39. DOI:10.1016/j.envpol.2015.03.026 |
| [5] | Cetin B. Investigation of PAHs, PCBs and PCNs in soils around a heavily industrialized area in Kocaeli, Turkey: Concentrations, distributions, sources and toxicological effects[J]. Science of the Total Environment, 2016, 560-561: 160-169. DOI:10.1016/j.scitotenv.2016.04.037 |
| [6] |
鲁垠涛, 向鑫鑫, 张士超, 等. 不同土地利用类型的土壤中多环芳烃的纵向迁移特征[J]. 环境科学, 2019, 40(7): 3369-3377. Lu Y T, Xiang X X, Zhang S C, et al. Vertical distribution characteristics of PAHs in soils with different land use types during rapid urbanization[J]. Environmental Science, 2019, 40(7): 3369-3377. |
| [7] | Watanabe H, Nakajima F, Kasuga I, et al. Toxicity evaluation of road dust in the runoff process using a benthic ostracod Heterocypris incongruens[J]. Science of the Total Environment, 2011, 409(12): 2366-2372. DOI:10.1016/j.scitotenv.2011.03.001 |
| [8] |
李英红, 饶志国, 谭吉华, 等. 兰州大气细颗粒物中多环芳烃污染特征及来源分析[J]. 环境科学, 2016, 37(7): 2428-2435. Li Y H, Rao Z G, Tan J H, et al. Pollutional characteristics and sources analysis of polycyclic aromatic hydrocarbons in atmospheric fine particulate matter in Lanzhou City[J]. Environmental Science, 2016, 37(7): 2428-2435. |
| [9] | Haritash A K, Kaushik C P. Biodegradation aspects of polycyclic aromatic hydrocarbons (PAHs): a review[J]. Journal of Hazardous Materials, 2009, 169(1-3): 1-15. DOI:10.1016/j.jhazmat.2009.03.137 |
| [10] | Khanal R, Furumai H, Nakajima F, et al. Carcinogenic profile, toxicity and source apportionment of polycyclic aromatic hydrocarbons accumulated from urban road dust in Tokyo, Japan[J]. Ecotoxicology and Environmental Safety, 2018, 165: 440-449. DOI:10.1016/j.ecoenv.2018.08.095 |
| [11] | Liu H, Yu X L, Liu Z R, et al. Occurrence, characteristics and sources of polycyclic aromatic hydrocarbons in arable soils of Beijing, China[J]. Ecotoxicology and Environmental Safety, 2018, 159: 120-126. DOI:10.1016/j.ecoenv.2018.04.069 |
| [12] |
管贤贤, 齐安安, 雷春妮, 等. 兰州市大气苯系物的化学活性特征与健康风险评价[J]. 环境科学学报, 2020, 40(2): 459-468. Guan X X, Qi A A, Lei C N, et al. Chemical activity characteristics and health risk assessment of atmospheric benzene homologues in Lanzhou[J]. Acta Scientiae Circumstantiae, 2020, 40(2): 459-468. |
| [13] | Hou D Y, O'Connor D, Nathanail P, et al. Integrated GIS and multivariate statistical analysis for regional scale assessment of heavy metal soil contamination: a critical review[J]. Environmental Pollution, 2017, 231: 1188-1200. DOI:10.1016/j.envpol.2017.07.021 |
| [14] | Liu Y G, Gao P, Su J, et al. PAHs in urban soils of two Florida cities: Background concentrations, distribution, and sources[J]. Chemosphere, 2019, 214: 220-227. DOI:10.1016/j.chemosphere.2018.09.119 |
| [15] |
孟利, 左锐, 王金生, 等. 基于PCA-APCS-MLR的地下水污染源定量解析研究[J]. 中国环境科学, 2017, 37(10): 3773-3786. Meng L, Zuo R, Wang J S, et al. Quantitative source apportionment of groundwater pollution based on PCA-APCS-MLR[J]. China Environmental Science, 2017, 37(10): 3773-3786. DOI:10.3969/j.issn.1000-6923.2017.10.020 |
| [16] | Cao A Y, Xin B M, Wang B B, et al. Spatiotemporal distribution, source, and ecological risk of polycyclic aromatic hydrocarbons (PAHs) in the urbanized semi-enclosed Jiaozhou Bay, China[J]. Science of the Total Environment, 2020, 717. DOI:10.1016/j.scitotenv.2020.137224 |
| [17] |
费蕾蕾. 闪电活动对近地面大气中氮氧化物、臭氧及颗粒物的影响[D]. 广州: 中国科学院广州地球化学研究所, 2017. Fei L L, Effect of lightning activities on surface atmospheric nitrogen dioxides, ozone and particles[D]. Guangzhou: Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, 2017. |
| [18] |
杜展鹏, 王明净, 严长安, 等. 基于绝对主成分-多元线性回归的滇池污染源解析[J]. 环境科学学报, 2020, 40(3): 1130-1137. Du Z P, Wang M J, Yan C A, et al. Pollution source apportionment of Lake Dianchi based on absolute principal component score-multiple linear regression[J]. Acta Scientiae Circumstantiae, 2020, 40(3): 1130-1137. |
| [19] | Guan Q Y, Zhao R, Pan N H, et al. Source apportionment of heavy metals in farmland soil of Wuwei, China: comparison of three receptor models[J]. Journal of Cleaner Production, 2019, 237. DOI:10.1016/j.jclepro.2019.117792 |
| [20] | Zhao R, Guan Q Y, Luo H P, et al. Fuzzy synthetic evaluation and health risk assessment quantification of heavy metals in Zhangye agricultural soil from the perspective of sources[J]. Science of the Total Environment, 2019, 697. DOI:10.1016/j.scitotenv.2019.134126 |
| [21] |
白一茹, 张兴, 赵云鹏, 等. 基于GIS和受体模型的枸杞地土壤重金属空间分布特征及来源解析[J]. 环境科学, 2019, 40(6): 2885-2894. Bai Y R, Zhang X, Zhao Y P, et al. Spatial distribution characteristics and source apportionment of soil heavy metals in Chinese Wolfberry Land based on GIS and the receptor model[J]. Environmental Science, 2019, 40(6): 2885-2894. |
| [22] |
张慧, 郭文建, 朱晨, 等. 不同类型企业周边土壤中多环芳烃来源解析与风险评价[J]. 环境监测管理与技术, 2019, 31(4): 28-32. Zhang H, Guo W J, Zhu C, et al. Hydrocarbons in soils around different type of enterprises[J]. The Administration and Technique of Environmental Monitoring, 2019, 31(4): 28-32. DOI:10.3969/j.issn.1006-2009.2019.04.007 |
| [23] | Lanzhou Bureau of Satistics, Lanzhou Investigation Team of National Bureau of Statistics. Lanzhou statistical yearbook 2019[M]. Beijing: China Statistics Press, 2019. |
| [24] | HJ/T 166-2004, 土壤环境监测技术规范[S]. |
| [25] | HJ 805-2016, 土壤和沉积物多环芳烃的测定气相色谱-质谱法[S]. |
| [26] | Zheng H, Xing X L, Hu T P, et al. Biomass burning contributed most to the human cancer risk exposed to the soil-bound PAHs from Chengdu Economic Region, western China[J]. Ecotoxicology and Environmental Safety, 2018, 159: 63-70. DOI:10.1016/j.ecoenv.2018.04.065 |
| [27] | Thurston G D, Spengler J D. A quantitative assessment of source contributions to inhalable particulate matter pollution in metropolitan Boston[J]. Atmospheric Environment (1967), 1985, 19(1): 9-25. DOI:10.1016/0004-6981(85)90132-5 |
| [28] | Yurdakul S, Çelik I, Çelen M, et al. Levels, temporal/spatial variations and sources of PAHs and PCBs in soil of a highly industrialized area[J]. Atmospheric Pollution Research, 2019, 10(4): 1227-1238. DOI:10.1016/j.apr.2019.02.006 |
| [29] |
李娇, 滕彦国, 吴劲, 等. 基于PMF模型及地统计法的乐安河中上游地区土壤重金属来源解析[J]. 环境科学研究, 2019, 32(6): 984-992. Li J, Teng Y G, Wu J, et al. Source apportionment of soil heavy metal in the middle and upper reaches of Le'an river based on PMF model and geostatistics[J]. Research of Environmental Sciences, 2019, 32(6): 984-992. |
| [30] |
韩琳, 徐夕博. 基于PMF模型及地统计的土壤重金属健康风险定量评价[J]. 环境科学, 2020, 41(11): 5114-5124. Han L, Xu X B. Quantitative evaluation of human health risk of heavy metals in soils based on positive matrix factorization model and geo-statistics[J]. Environmental Science, 2020, 41(11): 5114-5124. |
| [31] | McGrath D, Zhang C S, Carton O T. Geostatistical analyses and hazard assessment on soil lead in Silvermines area, Ireland[J]. Environmental Pollution, 2004, 127(2): 239-248. DOI:10.1016/j.envpol.2003.07.002 |
| [32] | Ili Dc' P, Niši Dc' T, Farooqi Z U R. Polycyclic aromatic hydrocarbons contamination of soil in an industrial zone and evaluation of pollution sources[J]. Polish Journal of Environmental Studies, 2021, 30(1): 155-162. |
| [33] | Riaz R, Ali U, Li J, et al. Assessing the level and sources of polycyclic aromatic hydrocarbons (PAHs) in soil and sediments along Jhelum riverine system of lesser Himalayan region of Pakistan[J]. Chemosphere, 2019, 216: 640-652. DOI:10.1016/j.chemosphere.2018.10.139 |
| [34] | Khairy M A, Lohmann R. Source apportionment and risk assessment of polycyclic aromatic hydrocarbons in the atmospheric environment of Alexandria, Egypt[J]. Chemosphere, 2013, 91(7): 895-903. DOI:10.1016/j.chemosphere.2013.02.018 |
| [35] | Qu Y J, Gong Y W, Ma J, et al. Potential sources, influencing factors, and health risks of polycyclic aromatic hydrocarbons (PAHs) in the surface soil of urban parks in Beijing, China[J]. Environmental Pollution, 2020, 260. DOI:10.1016/j.envpol.2020.114016 |
| [36] |
杜远江. 呼和浩特土壤中持久性有机污染物分布特征、来源及健康风险评价[D]. 呼和浩特: 内蒙古大学, 2019. Du Y J. Characteristic distribution and source of POPs pollution in soil of Hohhot[D]. Hohhot: Inner Mongolia University, 2019. |
| [37] | Yang J, Yang Y, Chen R S, et al. Modeling and evaluating spatial variation of polycyclic aromatic hydrocarbons in urban lake surface sediments in Shanghai[J]. Environmental Pollution, 2018, 235: 1-10. DOI:10.1016/j.envpol.2017.12.032 |
| [38] |
姚宏, 张士超, 刘明丽, 等. 基于城镇化进程表层土壤多环芳烃来源解析及风险评价[J]. 环境科学, 2018, 39(2): 889-898. Yao H, Zhang S C, Liu M L, et al. Sources and risk assessment of polycyclic aromatic hydrocarbons from the urbanization process of topsoil[J]. Environmental Science, 2018, 39(2): 889-898. |
| [39] |
夏子书, 王玉玉, 钟艳霞, 等. 基于GIS和PMF模型的石嘴山市土壤多环芳烃空间分布及来源解析[J]. 环境科学, 2020, 41(12): 5656-5667. Xia Z S, Wang Y Y, Zhong Y X, et al. Spatial distribution characteristics and source apportionment of soil PAHs in Shizuishan city based on GIS and PMF model[J]. Environmental Science, 2020, 41(12): 5656-5667. |
| [40] |
姚成, 倪进治, 刘瑞, 等. 扬州市不同功能区表层土壤中多环芳烃的含量、来源及其生态风险[J]. 环境科学, 2020, 41(4): 1847-1854. Yao C, Ni J Z, Liu R, et al. Contents, sources, and ecological risk assessment of polycyclic aromatic hydrocarbons (PAHs) in surface soils of various functional zones in Yangzhou city, China[J]. Environmental Science, 2020, 41(4): 1847-1854. DOI:10.3969/j.issn.1000-6923.2020.04.053 |
| [41] |
郭瑾, 葛蔚, 柴超, 等. 化学工业区周边土壤中多环芳烃含量、来源及健康风险评估[J]. 环境化学, 2018, 37(2): 296-309. Guo J, Ge W, Chai C, et al. Concentrations, sources, and health risk of polycyclic aromatic hydrocarbons in soils around chemical plants[J]. Environmental Chemistry, 2018, 37(2): 296-309. |
| [42] |
董捷, 黄莹, 李永霞, 等. 北方某大型钢铁企业表层土壤中多环芳烃污染特征与健康风险评价[J]. 环境科学, 2016, 37(9): 3540-3546. Dong J, Huang Y, Li Y X, et al. Pollution characteristics and health risk assessment of polycyclic aromatic hydrocarbons in the surface soils of a large steel enterprise in the north of China[J]. Environmental Science, 2016, 37(9): 3540-3546. |
| [43] |
胡伟, 钟秦, 袁青青, 等. 不同类型机动车尾气中的多环芳烃含量分析[J]. 环境科学学报, 2008, 28(12): 2493-2498. Hu W, Zhong Q, Yuan Q Q, et al. The analysis of PAHs concentrations of vehicular tail gas in different types[J]. Acta Scientiae Circumstantiae, 2008, 28(12): 2493-2498. DOI:10.3321/j.issn:0253-2468.2008.12.014 |
| [44] | Suman S, Sinha A, Tarafdar A. Polycyclic aromatic hydrocarbons (PAHs) concentration levels, pattern, source identification and soil toxicity assessment in urban traffic soil of Dhanbad, India[J]. Science of the Total Environment, 2016, 545-546(68): 353-360. |
| [45] |
张希. 上海交通沿线农田土壤中PAHs赋存、来源及风险评价[D]. 上海: 华东师范大学, 2019. Zhang X. PAHs distribution Characteristics, source analysis and risk assessment in farmland soil along Shanghai traffic line[D]. Shanghai: East China Normal University, 2019. |
| [46] |
程明超. 山西省土壤中PAHs分布特征及影响因素研究[D]. 太原: 太原科技大学, 2018. Cheng M C. Characteristics of polycyclic aromatic hydrocarbons distribution and its influence factors in soil in Shanxi province, China[D]. Taiyuan: Taiyuan University of Science and Technology, 2018. |
| [47] | Davis E, Walker T R, Adams M, et al. Source apportionment of polycyclic aromatic hydrocarbons (PAHs) in small craft harbor (SCH) surficial sediments in Nova Scotia, Canada[J]. Science of the Total Environment, 2019, 691: 528-537. DOI:10.1016/j.scitotenv.2019.07.114 |
| [48] |
侯伟, 刘伟, 万志强, 等. 沈阳市不同功能区地表土壤多环芳烃(PAHs)污染特征研究[J]. 气象与环境学报, 2020, 36(1): 108-112. Hou W, Liu W, Wan Z Q, et al. Study on PAHs pollution characteristics of surface soil in different functional areas in Shenyang[J]. Journal of Meteorology and Environment, 2020, 36(1): 108-112. |
| [49] |
张希, 杨静, 刘敏, 等. 上海交通沿线农田土壤中PAHs分布特征及源解析[J]. 中国环境科学, 2019, 39(2): 741-749. Zhang X, Yang J, Liu M, et al. Distribution characteristics and source analysis of PAHs in farmland soils along Shanghai traffic artery[J]. China Environmental Science, 2019, 39(2): 741-749. DOI:10.3969/j.issn.1000-6923.2019.02.037 |
| [50] |
胡梦珺, 王佳, 张亚云, 等. 基于随机森林评价的兰州市主城区校园地表灰尘重金属污染[J]. 环境科学, 2020, 41(4): 1838-1846. Hu M J, Wang J, Zhang Y Y, et al. Assessment of heavy metal pollution in surface dust of Lanzhou schools based on random forests[J]. Environmental Science, 2020, 41(4): 1838-1846. |
| [51] | Qi P Z, Qu C K, Albanese S, et al. Investigation of polycyclic aromatic hydrocarbons in soils from Caserta provincial territory, southern Italy: Spatial distribution, source apportionment, and risk assessment[J]. Journal of Hazardous Materials, 2020, 383. DOI:10.1016/j.jhazmat.2019.121158 |
| [52] | Cao H B, Chao S H, Qiao L, et al. Urbanization-related changes in soil PAHs and potential health risks of emission sources in a township in Southern Jiangsu, China[J]. Science of the Total Environment, 2017, 575: 692-700. DOI:10.1016/j.scitotenv.2016.09.106 |