随着工业化与城市化的快速发展, 矿产采冶等过程排放的重金属为我国农田土壤环境带来了巨大的考验.2014年国家环境保护部与国土资源部联合发布的《全国土壤污染状况调查公报》显示, 农田土壤重金属污染超标率达19.4%, 并以镉(Cd)为主要污染物, 而据最新的中国粮食主产区土壤污染报告分析则表明重金属点位超标率已达21.49%, 每年因重金属污染无法食用的粮食超过了2 000万t^{[1, 2]}, 这会对粮食安全和人体健康造成极大的威胁^{[3, 4]}.玉米作为我国北方地区的主要作物之一, 也是我国种植面积最大的旱田作物之一^{[5, 6]}.近年来, 有关玉米产区的重金属污染报道层出不穷.周艳等^[7]对我国西南地区铅锌矿区的调研指出, 玉米籽粒中Cd平均含量达0.21 mg·kg^-1, 超标率高达60%.王世玉等^[8]的研究发现, 我国部分典型污灌区农田的玉米籽粒中Cd含量达到0.18 mg·kg^-1, 已不可食用.陈凤等^[6]的研究也发现, 贵州省某典型矿区的玉米籽粒的Cd具有较大的健康风险.为保证土壤资源利用和粮食安全生产, 国务院在2016年发布的《土壤污染行动计划》中将农用地土壤划分为3种类型: 优先保护类(宜产区)、安全利用类(限产区)以及严格管控类(禁产区)^[9].但由于我国经纬度跨度较大, 不同地区的土壤和作物类型均存在较大差异, 导致依据我国现行的《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB 15618-2018)及《食品安全国家标准食品中污染物限量》(GB 2762-2017)标准规定, 部分地区仍无法实现土壤的准确风险评价^[10].例如, 朱志军等^[11]在对广西地区土壤-稻米系统的研究中指出, 实际中存在土壤Cd含量不超标而稻米籽粒Cd含量超标的情况.由此可见, 探究土壤-作物系统重金属的定量关系是推导土壤阈值以及产区划分的重要前提.另外, 重金属在土壤-作物系统中的转运及富集情况可能与作物不同品种本身的富集特性^[5]、区域气候条件、土壤质地和理化性质等因素有关^[12], 在探究土壤-作物系统重金属的定量关系时需考虑这些因素的影响^[13].物种敏感度分布(SSD)曲线法是一种统计学外推法, 可用于多重因素影响下的生态风险评估以及生态阈值推导, 常见的分布函数模型有Log-logistic和Burn-Ⅲ等^{[14, 15]}.基于文献[16]可知, SSD曲线法在对于不同指标、不同量纲的复杂环境下推导某受体的土壤生态阈值具有良好的效果^[17].但目前对我国北方玉米产区土壤-玉米Cd的定量关系运用SSD曲线法进行的研究尚不多见, 有关在跨区域尺度下Cd污染土壤玉米生产阈值及产区划分仍少有报道.为此, 本研究以我国北方部分玉米主产区为研究地点, 结合土壤-作物系统中各因素对玉米籽粒Cd的影响和定量关系, 利用多元线性回归法和SSD曲线法构建模型进行阈值推导, 进而划分不同玉米的产区, 以期为我国北方玉米主产区农田的分类分级管控及玉米安全生产提供科学依据.

本研究中土壤及玉米的采样区选取原则为: ①研究区为我国北方玉米的主要产区与消费地, 取样区域为正常耕作的农田; ②研究区农田附近有冶炼厂、工业基地等污染源或曾进行污水灌溉, 农田可能短期或长期遭受不同程度的重金属污染或者未遭受污染.基于这一原则, 本研究小组于2017~2020年的10~11月共4个阶段, 从陕西省西安市临潼区、宝鸡市凤县和渭南市潼关县共获取土壤-玉米样品76套, 甘肃省定西市临洮县、武威市民勤县和白银市平川区共获取样品34套, 河南省新乡市卫辉市获取样品19套, 共129套土壤-玉米有效样品, 采集的玉米样品的品种分别为盛玉367、五谷631、郑单958、纪元1号和华农887.采样过程中根据实际地形和种植模式, 采用“S”型或梅花型布点法采集样品, 每个样品所在的田块区域的采样点至少布设5个样点并将样品混合, 土壤采样深度为0~20 cm, 混合土样装入一次性塑封袋, 约2.5 kg.采集玉米时, 避免因人为或病虫灾害等外在因素而损坏的植株, 采集的玉米样品保存于网状编织袋.土壤和玉米样品对应编号, 并记录GPS坐标等信息.

土壤样品经自然风干除去植物残体、碎石等杂质, 研磨后分成两部分分别通过0.1 mm和0.149 mm的尼龙筛网备用; 从同一田地不同玉米棒上采集玉米籽粒混合后用自来水和蒸馏水分别冲洗3次, 装入信封置于80℃的烘箱烘至恒重, 经充分研磨后, 过0.149 mm尼龙筛网备用.土壤pH用PHSJ-3F型酸度计测定(水土比2.5∶1).土壤ω(SOM)和土壤CEC以文献[18]推荐的方法测定.土壤ω(黏粒)(< 0.002 mm)使用MS2000型激光粒度仪测定.土壤经王水-高氯酸(HCl∶HNO₃∶HClO₄=3∶1∶1)电热板消解后, 以日立Z-5000型石墨炉-原子吸收光谱仪测定Cd总量.玉米样品经HNO₃-H₂O₂(体积比3∶1)消解后, 以安捷伦7900型电感耦合等离子体质谱仪测定Cd含量.实验中, 以标准物GBW07406(GSS-6)和GBW10012(GSB-3)进行内标质量控制, 每隔20个样品插入一组内标, 回收率在96%~108%之间.本实验中所用的试剂均为优级纯, 所有实验设定3个重复.

以Excel 2020和SPSS 19.0软件对数据进行处理和统计分析, 以皮尔森(Pearson)相关性分析法在P < 0.05和P < 0.01的水平下进行数据显著性检验, 以Origin 2016软件绘图并进行数据拟合.

表 1为研究区的部分土壤理化性质.由于研究的区域在我国北部, 按照土壤酸碱度标准划分, 所有土壤样品呈中性或碱性, pH介于7.46~9.22之间, 平均值8.59, 中位数8.72, 碱性土壤占比99.22%.土壤ω(SOM)范围为10.52~30.54 g·kg^-1, 平均值15.14 g·kg^-1, 中位数13.57 g·kg^-1, 根据《耕地质量等级》标准(GB/T 33469-2016)判断, 研究区土壤条件适合农业种植.变异系数反映某一特定指标的空间分布均匀程度, 系数越高表示该指标的离散程度越大^{[19, 20]}.本研究中, 因采样区域跨度较大, 土壤ω(SOM)的变异系数高达26.55%.土壤CEC介于5.62~25.32 cmol·kg^-1之间, 平均值16.48 cmol·kg^-1; 土壤ω(黏粒)为11.20%~26.39%, 平均值与中位数分别为17.09%和16.85%, 属较高水平.与土壤ω(SOM)一样, 土壤CEC和土壤ω(黏粒)可能由于天然或人为因素的影响, 变异系数较高, 分别为23.47%和15.59%.

表 1 (Table 1)

表 1 土壤样品部分理化性质、DTPA-Cd和Cd总量及对应玉米籽粒Cd含量特征(n=129) Table 1 Statistics of soil properties, DTPA-Cd extract able and total content of Cd in soil and related maize grains (n=129) 指标参数 最小值 最大值 平均数 标准偏差 中位数 变异系数/% pH 7.46 9.22 8.59 0.39 8.72 4.58 土壤ω(SOM)/g·kg-1 10.52 30.54 15.14 4.02 13.57 26.55 土壤CEC/cmol·kg-1 5.62 25.32 16.48 3.87 17.45 23.47 土壤ω(黏粒)/% 11.20 26.39 17.09 2.66 16.85 15.59 DTPA提取量/mg·kg-1 0.04 1.55 0.49 0.43 0.28 89.30 土壤ω(Cd总量)/mg·kg-1 0.17 21.43 3.43 2.63 3.10 76.78 玉米籽粒ω(Cd)/mg·kg-1 0.00 1.81 0.36 0.45 0.1 126.12

表 1 土壤样品部分理化性质、DTPA-Cd和Cd总量及对应玉米籽粒Cd含量特征(n=129) Table 1 Statistics of soil properties, DTPA-Cd extract able and total content of Cd in soil and related maize grains (n=129)

在获得的129个土壤样品中, ω(Cd总量)在0.17~21.43 mg·kg^-1, 均高于当地土壤Cd背景值, 表明研究区域土壤受到了不同程度的污染, 污染范围较广.土壤ω(Cd总量)的平均值和中位数分别为3.43 mg·kg^-1和3.10 mg·kg^-1, 高出《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB 15618-2018)规定的中性和碱性土壤污染风险筛选值10倍以上, 超标率达99.22%, 属重度污染水平.变异系数为76.78%, 说明不同区域土壤Cd空间分布差异较大, 可能与局部地区存在点源污染如冶炼厂等有关.通常来说, 重金属在土壤中赋存的形态与土壤的基本理化性质有关, 土壤中的重金属被植物所浸提的量取决于其生物有效性^[21], 有效态Cd含量与Cd全量的比值为土壤中Cd的生物有效性系数, 可以直观地反映Cd对土壤以及作物可能产生的影响^{[22, 23]}.研究区中土壤样品ω(DTPA-Cd)从0.04~1.55 mg·kg^-1, 平均数与中位数分别为0.49 mg·kg^-1和0.28 mg·kg^-1; 参考土壤Cd总量, 研究区土壤Cd生物有效性系数的平均值和中位数分别为14.29%和9.03%, 暗示了土壤Cd的迁移性和可利用性较低, 这可能与当地的实际污染情况有关, 也可能与土壤pH较高等因素有关.

玉米籽粒ω(Cd)范围为0~1.81 mg·kg^-1, 平均值和中位数分别为0.36 mg·kg^-1和0.1 mg·kg^-1.参考《食品安全国家标准食品中污染物限量》(GB 2762-2017)标准中规定的0.1 mg·kg^-1, 超标率为49.61%, 表明存在一定的人体安全风险.其变异系数为126.12%, 属于极高的变异水平, 说明研究区域内的玉米籽粒Cd含量空间分布差异较大, 部分玉米已不可食用; 同时, 也说明了研究区域内的不同玉米品种的籽粒Cd富集能力之间存在较大差异.

在农田系统中, 玉米对土壤中Cd的吸收和积累除受自身品种的特征影响外, 主要取决于农田土壤的污染水平及理化性质^[2].为了解土壤Cd总量和玉米积累Cd含量间的关系, 研究中首先对土壤Cd总量及玉米籽粒Cd含量数据进行对数转换, 此后通过线性回归法建立相对关系(图 1).经分析可知, 土壤Cd总量与玉米籽粒Cd含量呈显著正相关关系(P < 0.05, n=129), 说明随着土壤中Cd总量的增加, 玉米籽粒中Cd含量随之增加, 该结果也与诸多研究报道相吻合.此外, 在本研究中, 土壤Cd总量和玉米籽粒Cd含量之间虽呈显著相关关系, 但相关系数较低(r=0.26^*), 这是由于本研究的区域为真实农田环境, 比盆栽实验的环境条件更为复杂^{[7, 13]}. 此外, 对土壤Cd有效态含量(DTPA-Cd)和玉米籽粒Cd富集系数BCF之间的线性回归分析表明(图 1), 土壤DTPA-Cd含量与BCF呈极显著性正相关关系(P < 0.01), 相关系数r=0.78, 玉米籽粒Cd富集能力随土壤DTPA-Cd含量的增加而增大, 说明土壤DTPA-Cd含量也是影响玉米籽粒富集Cd的主控因子之一.

图 1

Fig. 1

**表示在P < 0.01水平上极显著相关，* 表示在P < 0.05水平上极显著相关 图 1 玉米籽粒Cd含量与土壤Cd含量和土壤DTPA-Cd含量与BCF的相关关系(n=129) Fig. 1 Relationship between Cd contents in soil and maize grains and the relationship between DTPA-Cd contents in soil and BCF (n=129)

土壤理化性质是影响作物富集重金属的重要因素^[24], 其与玉米籽粒Cd富集系数BCF的关系如图 2所示.从中可知, 玉米籽粒Cd积累量随着土壤pH的升高而下降, 土壤pH与BCF呈极显著负相关(P < 0.01), 相关系数r=0.59^**.这是因为土壤在碱性条件下, 较高的OH^-含量会降低Cd²⁺的活性, 使其难被玉米吸收, 从而减少了玉米Cd从地下向地上的转运量, 这一结果也与诸多学者的研究发现相印证^{[25, 26]}.土壤ω(SOM)与BCF之间也呈极显著负相关关系(P < 0.01), 相关系数r=0.35^**[图 2(b)], 表明了增加土壤有机质投入可抑制玉米籽粒对Cd的富集^[27], 这可能与SOM中的腐殖质等物质与Cd²⁺形成络合物或沉淀, 从而降低了土壤Cd的生物有效性有关^[28].一般而言, 土壤CEC增加会提供更多可以固定重金属离子的点位, 从而降低离子的迁移性^{[29, 30]}.本研究中土壤CEC与BCF呈极显著正相关性(P < 0.01), 相关系数r=0.43^**[图 2(c)], 也是影响玉米籽粒富集Cd的主控因子之一, 即: 土壤中溶解性的Cd含量随着土壤CEC增大而增加, 使Cd更易于被作物吸收^[31].本研究中土壤ω(黏粒)与BCF间的相关性不显著(r=0.09), 说明土壤ω(黏粒)不是影响玉米籽粒富集Cd的主控因子.

图 2

Fig. 2

**表示在P < 0.01水平上极显著相关 图 2 土壤理化性质与BCF的相关关系(n=129) Fig. 2 Relationship between properties of soil and BCF (n=129)

基于2.2节中土壤理化性质、Cd含量和玉米籽粒Cd富集系数的相关性分析结果, 依次将主控因子引入回归方程(表 2).当预测方程中只引入自变量土壤DTPA-Cd含量时, 方程(1)可解释77.6%的变异, 达到了极显著水平(P < 0.01); 当再引入自变量土壤pH时, 方程(2)的预测能力达到了79.6%(P < 0.01); 继续将自变量CEC引入方程(3)后, 可解释83.4%的变异(P < 0.01); 再引入最后一个自变量土壤ω(SOM)后, 方程(4)的预测能力达到了最高水平, 可解释86.9%的变异(P < 0.01).当以土壤pH、土壤ω(SOM)和土壤CEC等土壤理化性质作为自变量时, 方程(5)预测玉米籽粒Cd富集量也达到了极显著水平(P < 0.01), 预测能力为71.9%, 此方程适用于不同标准土壤情景下土壤Cd阈值的推导.同时, 对方程(4)做数学变化可得到等式:

表 2 (Table 2)

表 2 玉米籽粒Cd富集系数多元回归预测方程1)(n=129) Table 2 Multiple regression equation for predicting Cd enrichment coefficient of maize grain (n=129) 方程编号 方程 r (1) lg [BCF]=1.37 lg [DTPA-Cd]-0.68 0.78** (2) lg [BCF]=1.29 lg [DTPA-Cd]-0.35pH+2.25 0.80** (3) lg [BCF]=1.10 lg [DTPA-Cd]-0.37pH+1.62 lg [CEC]+0.42 0.83** (4) lg [BCF]=0.99 lg [DTPA-Cd]-0.43pH+0.89 lg [CEC]-2 lg [SOM]+4.05 0.87** (5) lg [BCF]=-0.67pH-2.88 lg [SOM]+1.79 lg [CEC]-0.60 0.72**

表 2 玉米籽粒Cd富集系数多元回归预测方程1)(n=129) Table 2 Multiple regression equation for predicting Cd enrichment coefficient of maize grain (n=129)

根据GB 2762-2017标准中规定的玉米籽粒Cd的临界值(0.1 mg·kg^-1)并代入上述等式, 可得到反推土壤Cd含量的方程:

此方程可根据涉及到的具体指标数值, 计算我国玉米籽粒食品安全标准允许下的土壤Cd最大阈值.

我国北方土壤以碱性为主, 因地域跨度较大导致各地区的土壤ω(SOM)和土壤CEC等理化性质以及环境背景值、区域Cd污染分布差异性较大, 因此在建立土壤生态阈值时需要考虑这些差异带来的影响^{[10, 32]}. SSD曲线法是基于物种本身固有的敏感度进行分析与推导, 在其实际运用中常可将不同物种或同种物种的不同品种在不同条件的环境下通过归一化处理转化为统一标准, 以此消除不同量纲指标引起的差异^[28].参考文献[16]设定归一化条件为:

式中, BCF_标准为归一化至标准条件后的值; pH为标准土壤条件下的值; BCF、pH₁和土壤性质₁为实际土壤条件下的实测值; a、b分别为土壤pH和土壤其它理化性质指标的影响程度系数(无量纲).为了合理推导北方农田土壤Cd的不同生态阈值, 结合本研究中实际土壤pH、土壤ω(SOM)、土壤CEC的范围、平均值与中位数以及前人^{[15, 33]}利用K-均值聚类分析得到的中国土壤典型情景, 设定3种中国北方农田土壤的典型情景进行阈值推导.情景1为: 中性土壤(6.5 < pH≤7.5), 土壤ω(SOM)=15 g·kg^-1, 土壤CEC=15 cmol·kg^-1; 情景2为: 碱性土壤(7.5 < pH < 8.5), 土壤ω(SOM)=20 g·kg^-1, 土壤CEC=20 cmol·kg^-1; 情景3为: 石灰性土壤(pH≥8.5), 土壤ω(SOM)=17g·kg^-1, 土壤CEC=17 cmol·kg^-1.以表 2中方程(5)作为土壤Cd富集预测模型, 将情景1~3的土壤理化性质指标值分别代入方程(5), 计算出3种典型情景下的BCF值.

危险浓度(HC)是SSD曲线法中的重要参数, 代表某一污染物对特定物种的毒害程度.当污染物的有效浓度小于某一特定值所对应的概率如HC5, 则代表 95%的该物种处于相对安全状态^[34].参考前人的研究结果以及欧洲部分国家推荐的HC值^{[34, 35]}, 本研究采用HC5与HC50对应的Cd浓度作为玉米产区的土壤阈值.以未归一化和3种情景下归一化处理后的1/BCF由小到大排列作为横坐标, 以其相对应的排列序数按公式: P=100Q/(n+1)计算得到的累积频率作为纵坐标, 式中, P为累积频率, Q为排列序数, n为样本数(129), 利用Logistic函数模型计算几种情景下HC5和HC50所对应的浓度, 得到不同标准土壤情景下的推导结果, 并绘制对应的SSD曲线.如图 3所示, 4种不同情景下玉米对土壤Cd积累的敏感度分布拟合SSD曲线中, 分布于曲线上端的点位代表该玉米品种对Cd的富集性较差难以出现超标情况, 位于曲线下端的点位代表该部分玉米对Cd富集能力强易超标. 4种情景下大部分点位都位于1/BCF值0~120之间, 表明了不同土壤理化性质条件下玉米对Cd的累积存在显著差异.图 4为不同品种玉米对Cd的敏感性分布, 敏感性大小顺序为: 盛玉367＜五谷631＜郑单958＜纪元1号＜华农887.相比而言, 盛玉367对土壤Cd的敏感度小, 富集程度低, 可作为优势品种进行大范围种植, 其它敏感度较大的品种需在有安全保障的农田土壤下进行种植.

图 3

Fig. 3

图 3 北方玉米产区不同情景下玉米籽粒Cd的SSD曲线(n=129) Fig. 3 Sensitivity distribution curves of maize in the maize-production area of northern China (n=129)

图 4

Fig. 4

图 4 北方玉米产区不同品种玉米籽粒Cd的SSD曲线 Fig. 4 Sensitivity distribution curves of different maize varieties in the maize-production area of northern China

Logistic函数模型的计算结果如表 3所示.本研究中将HC5对应的土壤Cd浓度作为玉米的粮食宜产区生态阈值, 代表当土壤Cd浓度小于此值时可以保护95%的玉米籽粒中Cd含量不超过食品安全标准GB 2762-2017规定的0.1 mg·kg^-1, 可以广泛种植绝大多数品种的玉米; 当土壤Cd浓度处于HC5与HC50对应浓度之间时, 将该区域划定为玉米的粮食限产区, 表明此时已有超过5%并且至多50%的玉米籽粒Cd含量已经超标.此时应当对该区域的农业生产进行严格管控, 可以尝试种植敏感度较小的玉米品种如盛玉367, 或者使用其他不易富集Cd的农作物和经济作物进行代替; 当土壤Cd浓度大于HC50对应的浓度时, 表明区域内至少一半的玉米无法食用, 此区域为粮食禁产区并应当禁止生产玉米或者其他农作物, 需要进行适当方式的土壤修复以恢复或者开展退耕还林等措施保证土地的可利用性.

表 3 (Table 3)

表 3 基于Logistic模型计算不同情景下的土壤Cd阈值/mg·kg-1 Table 3 Cd thresholds values of soil under different situations based on Logistic model fitting/mg·kg-1 项目 粮食安全生产 饲料安全生产 HC5 HC50 HC5 HC50 情景1 3.00 8.95 14.94 44.93 情景2 3.80 9.10 18.90 45.40 情景3 3.11 7.21 15.55 36.05 未归一化 2.33 6.54 11.65 32.69

表 3 基于Logistic模型计算不同情景下的土壤Cd阈值/mg·kg-1 Table 3 Cd thresholds values of soil under different situations based on Logistic model fitting/mg·kg-1

由表 3可知, 当土壤6.5 < pH≤7.5, 土壤ω(SOM)=15 mg·kg^-1, 土壤CEC=15 cmol·kg^-1(情景1)时, 土壤中ω(Cd)≤3.00 mg·kg^-1时该区域可作为玉米的粮食宜产区; 土壤ω(Cd)≥8.95 mg·kg^-1时该区域为粮食禁产区不可种植玉米; 当土壤ω(Cd)处于3.00~8.95 mg·kg^-1之间时为粮食限产区, 需要进行严格控制生产模式.同样, 当土壤处于情景2时, 土壤ω(Cd) < 3.80 mg·kg^-1的区域可划分为粮食宜产区; 土壤ω(Cd)>9.10 mg·kg^-1的区域划分为粮食禁产区, 土壤ω(Cd)为3.80~9.10 mg·kg^-1划分为粮食限产区.情景3同理.

同时考虑到玉米作为饲料成分的主要来源之一, 参考饲料卫生标准(GB 13078-2017)中对于Cd的最低限值规定为0.5 mg·kg^-1, 可以得出土壤环境处于情景1、2和3下玉米饲料宜产区阈值分别为14.94、18.90和15.55 mg·kg^-1, 禁产区阈值分别为44.93、45.4和36.05 mg·kg^-1, 两者之间的产区划分为饲料限产区.

通过大量的文献查阅分析后发现, 有关玉米重金属的文献数据缺乏和本研究相似的针对性指标, 并且部分研究缺乏与玉米相对应的土壤指标数据, 导致难以采用已有报道数据对本研究获得模型进行验证.为此, 本研究利用预测模型对本实验中的数据进行了验证分析.结果如图 5所示.我国现行农用地标准GB 15618-2018中规定的农用地土壤污染风险管制值为3.0 mg·kg^-1(6.5 < pH≤7.5)和4.0 mg·kg^-1(pH>7.5), 当土壤中Cd含量高于此值时食用农产品不符合标准且土壤污染风险处于较高水平, 原则上应当禁止种植食用农产品.以情景1为例, 本研究中推导的玉米粮食宜产区阈值为3.00 mg·kg^-1与国家标准完全一致; 当土壤ω(Cd)低于7.94 mg·kg^-1时, 有49.61%的玉米样品超出了国家食品标准限值0.1 mg·kg^-1, 此结果与预期保护50%的粮食安全生产相吻合; 对于情景2和情景3的玉米粮食宜产区阈值分别为3.80 mg·kg^-1(7.5 < pH < 8.5)和3.11 mg·kg^-1(pH≥8.5), 均低于国家标准4.0 mg·kg^-1(pH>7.5); 同时, 经计算, 本研究所得玉米饲料产区的宜产阈值可以保护71.32%的饲料安全生产, 即对难以满足粮食生产的土壤, 可考虑用作饲料种植, 以实现充分利用土地资源.虽然本研究推导的阈值在情景规定下的土壤环境中具有良好的适用性, 但在实际情况中, 应当根据不同产区、不同作物以及不同的土壤理化性质推导更为精确的土壤阈值作为当地标准, 以指导农业生产和实现土地资源的充分利用.

图 5

Fig. 5

图 5 粮食产区中玉米籽粒和土壤样品Cd含量及预测阈值之间的关系 Fig. 5 Relationship among Cd contents of maize grains and related soil and thresholds of maize-production in grain-production area

(1) 玉米研究区内的土壤样品呈中性或碱性, 土壤ω(SOM)和土壤CEC的平均值分别为15.14 g·kg^-1和25.32 cmol·kg^-1.依据我国标准GB 15618-2018中农用地土壤污染风险筛选值和食品安全标准GB 2762-2017的规定, 土壤ω(Cd)超标率达99.22%, 玉米籽粒ω(Cd)超标率达49.61%.

(2) 通过皮尔森相关性分析发现, 玉米籽粒的富集系数BCF与土壤pH和土壤ω(SOM)呈显著负相关性, 与土壤CEC以及土壤ω(DTPA-Cd)均呈显著正相关.

(3) 利用SSD曲线法的Logistic函数模型计算结果发现, 本研究所涉及的5个玉米品种中敏感性最小的品种为盛玉367, 敏感性最大的品种为华农887.归一化至3种土壤情景下[情景1: 6.5 < pH≤7.5, 土壤ω(SOM)=15 g·kg^-1, 土壤CEC=15 cmol·kg^-1; 情景2: 7.5 < pH < 8.5, 土壤ω(SOM)=20 g·kg^-1, 土壤CEC=20 cmol·kg^-1; 情景3: pH≥8.5, 土壤ω(SOM)=17g·kg^-1, 土壤CEC=17 cmol·kg^-1]的粮食宜产区阈值分别为3.00、3.80和3.11 mg·kg^-1; 禁产区阈值为8.95、9.10和7.21 mg·kg^-1, 当土壤Cd含量介于宜产区阈值与禁产区阈值之间时该区域划分为粮食限产区.

(4) 为充分利用土地资源, 对难以满足粮食生产的土壤, 可考虑用作饲料种植.参考饲料卫生标准(GB 13078-2017)对于Cd的最低限值规定为0.5 mg·kg^-1, 可以得出土壤环境处于情景1、2、3下饲料宜产区阈值分别为14.94、18.90和15.55 mg·kg^-1, 禁产区阈值分别为44.93、45.40和36.05 mg·kg^-1, 处于两者之间的区域划分为饲料限产区.