2022, Vol. 43
2. 中国科学院大学, 北京 100049;
3. 太原理工大学环境科学与工程学院, 晋中 030600;
4. 北京农学院生物与资源环境学院, 北京 102206
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. College of Environmental Science and Engineering, Taiyuan University of Technology, Jinzhong 030600, China;
4. College of Bioscience and Resources Environment, Beijing University of Agriculture, Beijing 102206, China
我国是传统的农业大国, 耕地的数量和质量对保障我国粮食安全至关重要[1].改革开放以来, 我国经济快速增长, 工业化水平越来越高, 但同时带来的环境问题也日益严峻[2], 大量含有重金属离子的废水、废气和废渣等排放进入土壤, 造成农田土壤重金属污染[3, 4], 给我国的农业可持续发展带来了困难[5].文献[6]显示, 全国土壤总超标率为16.1%, 耕地点位超标率达19.4%, 工业废弃地、固体废弃物集中处理处置场地、采矿区和污灌区的超标点位分别占到34.9%、21.3%、33.4%和26.4%.
土壤环境保护是保障我国“米袋子”、“菜篮子”甚至“水缸子”安全的基础, 2017年河北省发布了“净土行动”土壤污染防治工作方案, 将栾城区作为土壤污染综合防治先行区建设点之一.石家庄市栾城区是粮食高产区的典型代表[7], 同时也是化工和机械制造等企业的聚集区, 工业生产以及污水灌溉等使土壤中积累了一定量的重金属, 给周边农田土壤安全生产带来风险, 影响食品健康安全[8].长期食用种植在受污染农田的重金属超标食物会对人体肝脏等器官造成伤害, 因此亟需摸清石家庄市栾城区境内农田土壤重金属污染的整体情况[9].
目前, 已有一些研究针对栾城区洨河沿岸污水灌溉区的农田土壤开展了调查, 但针对栾城区农田土壤重金属污染的整体分布特征以及重金属来源尚未明晰.另外, 针对食用该研究区作物中的重金属对人体可能造成的健康风险仍鲜有研究.目前健康风险评价方法大部分采用的是简单的目标风险系数法, 即假定多个确定的参数得出确定的结果, 但实际情况下, 这些参数往往存在很大的不确定性, 造成评估的风险偏高且无法确定风险发生的可能性[10~12].近年来, 概率风险评价(probabilistic risk assessment, PRA)备受关注, 它通过将参数输入为概率分布的形式, 利用Monte Carlo模拟得到一个风险概率分布, 可有效地解决上述问题, 提高健康风险评价的科学性.
本文以石家庄市栾城区全域农田为研究对象, 调查该地区土壤和作物中重金属含量, 明晰土壤重金属的空间分布及污染物来源、迁移转运特征, 并进一步分析摄入研究区农作物的非致癌健康风险, 基于此提出栾城区农用地土壤合理的管控措施, 以期为栾城区土壤重金属污染修复和防控提供理论依据, 对改善土壤环境质量、保证食品安全和降低人体健康风险具有重要意义.
1 材料与方法 1.1 研究区概况与样品采集本研究在河北省石家庄市栾城区开展, 该地属温带大陆性季风气候, 土壤类型为潮褐土壤, 耕地面积约为262.84 km2, 占辖区面积的75%以上[8], 年平均降水量474.0 mm.地势自西北向东南缓慢倾斜, 海拔45~66 m.境内存在多家化工、装备制造、涂料和农药生产等涉污涉重企业, 在生产过程中, 可能排放重金属进入土壤, 造成该区域土壤重金属污染.此外, 该地水资源严重短缺, 境内洨河流经栾城区南部, 为市区等排污泄洪河道, 同时承担着栾城区等沿途农田土壤的灌溉, 污染严重.
为了调查栾城区境内农田土壤重金属污染情况, 保证每个村落均有采样点, 在洨河的上游装备制造基地、下游污灌区以及东南部分高标准农田建设区进行加密采样, 其余村落均设有采样点, 共采集土壤样品327份(图 1).同时在作物成熟期分别采集小麦(n=94)和玉米(n=83)籽粒样品待测.
|
图 1 研究区的地理位置以及采样点的空间分布示意 Fig. 1 Location map of the study area and distribution of sampling sites |
土壤样品自然风干后, 去除样品中的根系、石砾等杂质, 分别过20目和100目尼龙筛.土壤pH采用玻璃电极法(GB 7859-87)进行测定.土壤重金属前处理方法参考USEPA(1996)Method 3050B, 称取过100目土壤样品0.2 g于锥形瓶中, 经HNO3+H2O2(优级纯)微波消解后待测.作物样品采用HNO3-HClO4(5 ∶1, 体积比)法进行消解待测.待测液中砷(As)含量采用原子荧光光度计(AFS-9800型, 海光, 国产)进行测定; 铬(Cr)、铜(Cu)、汞(Hg)、锌(Zn)和镍(Ni) 的含量采用电感耦合等离子体发射光谱仪(ICP-OES, Optima 5300 DV, Perkin Elmer, 美国)进行测定; 镉(Cd)和铅(Pb)的含量采用电感耦合等离子体质谱仪(ICP-MS, Elan DRC-e, Perkin Elmer, 美国)进行测定, 其中As、Cr、Ni和Zn的检出限小于1 μg·kg-1, Cd、Cu和Pb检出限范围小于0.1 μg·kg-1, Hg检出限范围为1~10 μg·kg-1.测试设置2%的平行样, 样品中包含土壤标准物质样品GBW07402 (GSS-2)以及作物标准物质GBW07603 (GSV-2), 监控样品中重金属的回收率(90%±10%), 平行样相对偏差、标准物质回收率均满足质量控制要求.
1.3 重金属污染评价方法 1.3.1 单因子指数法单因子指数法(Pi)表示实测含量与污染物土壤筛选值的比值, 是国际上普遍采用的方法之一, 表达式为：
|
式中, Pi为土壤中重金属i的单因子指数; Ci为重金属i的实测含量(mg·kg-1); Si为重金属i在土壤中的筛选值(mg·kg-1), 评价标准参考国家土壤环境质量标准(GB 15618-2018)筛选值(表 1).
|
表 1 农用地土壤污染风险筛选值1)/mg·kg-1 Table 1 Screening value of farmland in national soil environment quality standard/mg·kg-1 |
1.3.2 地累积指数法
地累积指数法(Igeo)是综合考虑人为污染因素、环境地球化学背景值, 以及岩石各地差异引起的背景值变动的影响, 用于评价土壤重金属污染状况, 其表达式为：
|
式中, Igeo为土壤中重金属的地累积指数; Ci为重金属i的实测含量(mg·kg-1); Bi为重金属i在土壤中的环境背景值(mg·kg-1).河北省土壤环境背景值[13]如表 2所示.按照地累积指数的大小, 将其分为7级, 污染程度从无到极强逐级递增[14~16], 如表 3所示.
|
|
表 2 河北省土壤环境背景值/mg·kg-1 Table 2 Background values of soil in Hebei province/mg·kg-1 |
|
|
表 3 地累积指数分级标准 Table 3 Classification of geo-accumulation index |
1.3.3 潜在生态风险评价
重金属潜在生态风险指数法(PER)不仅考虑了重金属的生物毒性, 而且考虑了多种污染物的综合作用[17, 18], 被广泛应用, 其计算公式为：
|
式中, RI为综合潜在生态风险指数; Ei为重金属i的潜在生态风险指数; Tri为重金属i的毒性系数, 如表 4所示[19]; Cfi为重金属i的污染系数; Cpi为重金属i的实测值; Cni为重金属i的背景值.潜在生态风险指数、综合潜在生态风险指数以及等级和风险程度划分见表 5[20].
|
|
表 4 重金属的毒性系数 Table 4 Toxicity coefficient of heavy metals |
|
|
表 5 重金属潜在生态风险评价和风险程度分级标准 Table 5 Classifying standards of potential ecological risk index and pollution degree of heavy metals |
1.3.4 人体健康风险评价方法
分别对摄入研究区小麦和玉米中的As、Cd、Cr、Cu、Hg、Ni、Pb和Zn对人体产生的非致癌风险进行评价, 计算公式如下：
|
式中, THQ为目标危险系数; EF为暴露频率(d·a-1), 为350 d[21]; ED为暴露年限(a), 为30 a; FIR为摄入量(g·d-1); C为小麦和玉米中的重金属含量(mg·kg-1); RfD为有毒污染物的参考暴露剂量[μg·(kg·d)-1], 7种重金属的参考暴露剂量如表 6所示; BW为受体体重(kg); AT为平均暴露时间, 非致癌风险为ED×365[22]. TTHQ为复合目标危险系数, 是多种污染元素非致癌风险的和, 若TTHQ≤1, 表明没有明显的负面影响, TTHQ>1, 则有很大可能产生负面影响, 而TTHQ>10, 表明存在慢性毒性[23, 24].
|
|
表 6 重金属非致癌反应剂量 Table 6 Non-carcinogenic reaction dose of heavy metals |
采用Monte Carlo模型, 本研究将上述公式中的体重、小麦和玉米摄入量和重金属浓度定义为一种概率分布.在进行健康风险评估时Monte Carlo模拟从定义分布的数值中随机抽取10 000次, 将得到的10 000组数值作为风险公式的输入参数进行模型计算, 所得结果构成一个新的分布.变量参数的概率分布取值如表 7所示.
|
|
表 7 参数概率分布取值 Table 7 Probability distributions of parameters |
1.4 PMF源解析
PMF是一种定量确定污染因子贡献率的源解析技术, 广泛用于环境污染来源解析, 其思路是利用权重计算出各污染因子的误差, 后通过最小二乘法确定其主要的污染源和其贡献率, 其表达式为[27, 28]：
|
(1) |
|
(2) |
|
(3) |
式中, Xik为样品i中k污染因子的含量(mg·kg-1); gin为样品i在污染源n中的贡献; fnk为污染因子k在n源中的贡献; eik根据Qi目标函数得到, uik为k污染因子在第i土样中的不确定度.当污染因子含量大于方法检出限时(MDL), 不确定度公式如式(3)所示, δ为相对偏差, 取0.1, C为不同污染因子含量, MDL为方法检出限.
1.5 数据处理与分析采用反距离插值法进行土壤重金属含量空间插值.数据统计和分析使用Microsoft Excel和SPSS Statistics 19完成, 污染源解析使用EPA PMF 5.0完成, 健康风险概率计算使用@risk完成, 图表制作采用Origin Pro 2021完成, 空间分析和制图在ArcGIS Pro 2.5中完成.
2 结果与分析 2.1 研究区表层土壤重金属含量及生态风险评价 2.1.1 研究区表层土壤重金属含量特征研究区表层土壤呈碱性(pH值8.09~8.27), 土壤中8种重金属含量的平均值均低于相应筛选值(n=327), 8种重金属含量低于土壤环境背景值的比例分别为97.55%、5.5%、60.6%、11.0%、47.1%、71.6%、70.3%和8.0%(表 8). ω(Cd)、ω(Cr)、ω(Cu)、ω(Pb)和ω(Zn)分别为0.06~1.08、22.14~473.47、12.83~150.74、10.75~577.72和62.23~652.78 mg·kg-1, 部分点位超过农用地土壤污染筛选值, 超标点位个数分别为6、4、2、2和4个, 超标率分别为1.83%、1.22%、0.61%、0.61%和1.22%. ω(As)、ω(Hg)和ω(Ni)的平均值分别为(9.49±1.66)、(0.05±0.09)和(28.17±6.43) mg·kg-1, 采集的样品均低于相应筛选值.研究区除pH外, 其余8种重金属变异系数均较高, 由大到小顺序为：Hg(180.00)>Pb(151.11)>Cr(63.42)>Cd(57.14)>Zn(45.26)>Cu(38.70)>Ni(22.83)>As(17.49).
|
|
表 8 研究区农田表层土壤pH值及重金属含量 Table 8 Descriptive statistics of pH and heavy metal concentrations of soils in the study area |
2.1.2 研究区表层土壤重金属污染特征
由图 2可知, 研究区内重金属含量较高的点位主要分布在研究区的中部、西部和南部. Cd、Cu、Hg、Pb和Zn在研究区内有零星点位重金属含量较高, 主要分布在研究区中部和南部, 其中土壤Hg含量最大值仍低于农用地土壤污染风险筛选值.Cr含量较高的区域主要聚集在研究区的西部, As和Ni含量较高区域分布范围比较相似, 主要集中在研究区的中西部到南部.
|
图 2 研究区农田土壤重金属的水平分布 Fig. 2 Horizontal distribution of heavy metal concentrations along soil profiles |
研究区存在重金属Cd 1级污染(无-中度污染), Cd和Hg中等强度潜在生态风险(2级), 其余重金属无污染(表 9).重金属的地累积指数Igeo评价结果表明, 除Cd外, 所有样品的平均地累积指数Igeo均小于0, 污染等级为0, 无污染, Cd为无-中度污染.研究区内8种重金属的综合潜在生态风险呈中等强度生态危害(2级), 重金属的单元素潜在生态风险从强到弱排序为：Cd(67.02)>Hg(55.55)>As(6.98)>Cu(6.90)>Pb(5.34)>Ni(4.57)>Cr(2.18)>Zn(1.48), Hg和Cd为中等潜在生态风险(2级), 其余均为低潜在生态风险(1级).
|
|
表 9 研究区土壤重金属污染程度及生态风险评价结果 Table 9 Pollution degree and potential ecological risk of heavy metals in the study area |
2.1.4 农田土壤重金属来源解析
采用PMF模型对栾城区农田土壤重金属含量进行来源解析, 8种重金属污染因子的信噪比(S/N)均为9(>2), 为“strong”变量[28, 29].根据主成分分析结果设置最佳因子数.主成分分析结果显示, 特征值大于1的成分有3个, 因此, 本研究选取3为最佳因子进行污染源解析.
研究区8种重金属污染源解析结果如图 3所示, 因子1贡献率较大的元素有As、Cr、Cu、Ni、Pb和Zn, 贡献率分别为74.43%、69.20%、68.28%、76.18%、69.18%和57.14%.因子2中Hg占有较大的载荷, 贡献率为81.61%.因子3对Cd的贡献率最高, 为94.67%, 对Cr、Cu、Pb和Zn的贡献率分别为25.26%、26.05%、25.38%和37.60%. 3个因子的贡献率分别为52.05%、14.97%和32.98%.
|
图 3 PMF源解析因子分析 Fig. 3 PMF source analytic factor analysis |
研究区采集的小麦和玉米样品ω(Cd)分别为(0.026±0.018)mg·kg-1和(0.007±0.016)mg·kg-1, 部分样品超出《食品安全国家标准食品中污染物限量》(GB 2762-2017), 超标率分别为2.13%和1.20%.此外, 部分小麦样品中Pb含量也超过相应限量值, 且超标率相对较高, 为5.32%.在采集的作物样品中, As、Cr含量均在食品污染物限量值以下, 符合食品安全国家标准(表 10).
|
|
表 10 研究区作物样品重金属含量 Table 10 Heavy metal concentrations of crop samples |
2.2.2 研究区作物重金属健康风险评价
由表 11可知, 成年男性和女性摄入研究区小麦和玉米中的单个重金属对人体健康产生的非致癌健康风险(P75)均小于1(THQ＜1), 摄入小麦产生的健康风险高于玉米.不同重金属产生的非致癌健康风险由高到低排序为：As>Cr>Zn>Cu>Ni>Pb>Cd.由图 4可知, 摄入研究区小麦在第20百分位时对人体健康没有产生明显的负面影响(TTHQ＜1), 摄入研究区玉米在第99百分位时对人体健康没有明显的负面影响(TTHQ＜1).摄入该研究区小麦产生的非致癌健康风险表现为男性>女性, 而摄入研究区玉米产生的健康风险表现为女性>男性.
|
|
表 11 摄入研究区小麦和玉米对成年男性和女性产生的非致癌健康风险 Table 11 Noncarcinogenic health risks of wheat and corn intake to adult men and women in the study area |
|
图 4 摄入研究区小麦和玉米对成年男性和女性产生的非致癌健康风险 Fig. 4 Noncarcinogenic health risks of wheat and corn intake to adult men and women in the study area |
研究区内, 8种重金属的变异系数均大于15%, 呈现中等及中等以上强度的变异[30], 说明研究区重金属受人为活动影响强烈[31].结合PMF源解析结果(图 3)和标准化贡献值(图 5), 综合分析研究区污染来源.研究区重金属主要有3个来源, 其中因子3对Cd污染的载荷最高, 为94.67%, 对Cr、Cu、Pb和Zn的贡献率分别为25.26%、26.05%、25.38%和37.60%.研究区是一个历史污灌区[32, 33], 主要利用洨河水进行农业灌溉[34], 2015年检测发现, 洨河水质Cd含量是农田灌溉水质标准(GB 5084-2005)Cd含量限值(0.01 mg·kg-1)的10倍(数据未发表), 不适用于农田灌溉.虽然目前研究区已经停止污水灌溉, 但历史污灌可能积累了一定量的Cd在土壤中.茹淑华等[34]曾对栾城污灌区土壤重金属含量检测发现, 污水灌溉积累了一定量的Cd在栾城土壤中[污灌区ω(Cd)>0.6 mg·kg-1明显高于清灌区].此外, 研究区是一个化工、机械设备、医药、农药生产和金属加工等工业聚集区.在工业生产过程中, 可能排放了一定量的重金属, 通过大气沉降、废水排放、固体废弃物堆积等方式进入环境, 在土壤中积累, 造成研究区局部土壤重金属污染[35].在研究区的中部和南部, 分布着涂料、颜料、化工生产和杀虫剂等企业, 在涂料生产过程中, 使用的颜料大多为含有重金属的无机颜料, 如镉黄、镉红、氧化亚铜、金属颜料铜粉、锌白和锌绿等, 颜料中的重金属可能通过大气干湿沉降、废水排放等方式进入土壤, 引起研究区Cd、Cu和Zn污染[36], 在研究区的中部, 分布着化工生产企业, 如生产苯二甲酸时会产生大量的苯二甲酸污泥, 该污泥经过脱水后含有多种重金属[37], 排放进入环境, 造成土壤Cd和Pb等重金属污染, 在研究区的西部, 聚集着装备制造企业, 如化学农药制造企业, 还原钛、氧化铬绿、助剂等生产厂, 生产过程中可能会排放一定量的Cr进入土壤, 造成土壤Cr污染.因此, 本研究推测因子3为工业生产和历史污灌混合的人为污染源.因子2对Hg的贡献率最高, 为81.61%, 有研究表明, 农田土壤Hg污染主要有两个来源, 一个是大气沉降, 另外一个是化肥和农药的施用[28].由于Hg含量较高的区域相对聚集, 考虑其污染来源于大气沉降, 因此, 对研究区Hg的大气沉降量进行了监测, 发现大气沉降中Hg含量较高的区域主要分布在南高乡、刘林屯乡和窦妪镇, 沉降含量分别为0.002 8、0.002 6和0.001 5 mg·kg-1, 对应研究区的东南部、东北部和西部, 与土壤表层土壤Hg含量较高点位分布区域相近, 结合前人的研究结果[32], 推测Hg来源于燃煤过程中Hg的挥发, 以大气沉降的形式积累在研究区土壤中.因子1对As、Cu、Cr、Ni、Pb和Zn这6种重金属土壤污染均有一定的贡献, 且因子1标准化贡献值的空间分布显示, 与因子2和因子3相比, 因子1的标准化贡献值分布相对均匀, 且土壤重金属含量(表 8)结果显示, 土壤As、Cr、Ni、Pb低于土壤环境背景值的比例均较高, 分别为97.55%、60.6%、71.6%和70.3%, 因此推测因子1是以土壤母质为主的污染源.
|
图 5 PMF标准化贡献值空间分布 Fig. 5 Spatial distribution of PMF source contribution |
研究区土壤重金属含量结果表明, 栾城区农田土壤重金属平均含量均低于相应筛选值, 8种重金属中均有部分点位低于土壤环境背景值, 部分样品Cd、Cr、Cu、Pb和Zn含量高于农用地土壤污染风险筛选值(表 8), 存在中等强度潜在生态风险.总体而言, 栾城区大部分耕地表层土壤未受到明显重金属污染.研究区是一个化工、机械设备、医药、农药生产和金属加工等工业聚集区, 在工业生产过程中, 排放了一定量的重金属进入环境, 土壤中的重金属可向作物中转移, 通过食物链进入人体, 增加了摄入研究区农作物对人体健康产生的风险[38].本研究发现, 不同性别成年人摄入该研究区农产品玉米对人体产生的复合非致癌风险均小于1, 没有明显的负面作用.摄入该研究区小麦对人体产生的健康风险均明显高于玉米, 产生负面作用的可能性很大, 相关研究表明, 与玉米相比, 小麦的重金属积累能力更强, 重金属含量更高[39], 此外, 小麦作为主要农产品之一, 其日均消费量明显高于玉米, 因此对人体产生的健康风险更高.不同性别的成年人摄入研究区小麦和玉米产生的健康风险有所不同, 男性摄入研究区小麦产生的健康风险大于女性, 而女性摄入研究区玉米产生的健康风险大于男性, 但差别不大, 这可能是因为与女性相比, 男性小麦摄入量明显高于女性, 而玉米摄入量与女性相差不大, 男性的体重明显高于女性, 摄入小麦的FIR/BW(摄入量/体重)更高, 相同重金属浓度作物条件下, 男性产生的健康风险更高, 而摄入玉米时则表现为女性的FIR/BW更高, 因此, 产生的健康风险也就更高.研究区小麦和玉米积累的As含量均相对较低, 但产生的风险却最高, 这是因为与其它6种重金属相比, As的非致癌反应剂量更低, 毒性更强, 因此产生的健康风险也就更高.而Zn和Cu虽然非致癌反应剂量高, 但同时小麦和玉米中积累的Zn和Cu含量也更多, 因此产生的健康风险也相对较高.研究区小麦和玉米中积累的Cd和Pb含量均较低, 且非致癌反应剂量高于As, 因此产生的健康风险也相对较低.综合分析, 食用该研究区的小麦和玉米对人体产生的健康风险不高, 但该研究区仍存在少量的小麦、玉米重金属含量超过食品安全国家标准(GB 2762-2017)的现象, 为实现栾城区高标准农田土壤建设, 应对该研究区进行管控[40, 41].
3.3 研究区重金属污染土壤管控根据《土壤环境质量农用地土壤污染风险管控标准》(GB 15618-2018), 将农用地土壤划分为优先保护类(低于筛选值)、安全利用类(低于管控值)和严格管控类(高于管控值).栾城区作为土壤污染综合防治先行区建设点之一, 土壤环境质量总体良好, 大部分土壤重金属含量低于农用地土壤风险筛选值.
将研究区内存在污染的重金属Cd、Cr、Cu、Pb和Zn的单因子污染指数和8种重金属综合潜在风险指数采用反距离法进行空间插值(图 6), 栾城全区域北部和东部农田土壤中不同重金属含量均低于农用地土壤污染风险筛选值, 应划分为优先保护类, 集中建设高标准农田.同时严格控制在优先保护类耕地集中区域新建有色金属冶炼、石油加工、化工、焦化、电镀、涂料、制药、铅酸蓄电池行业企业.西部、中部和南部均有部分点位土壤重金属超出农用地土壤污染风险筛选值, 如西部存在部分点位Cr含量超标(4个), 最高可达到473.47 mg·kg-1, 超标率为1.22%, 中部和南部存在部分点位Cd、Cu、Pb和Zn含量超标, 超标点位个数分别为6、2、2和4个, 其含量最高可达到1.08、150.74、577.72和652.78 mg·kg-1, 超标率分别为1.83%、0.61%、0.61%和1.22%, 可划分为安全利用类.在研究区的西部、中部和南部分布着大量的化工、涂料、装备制造和农药生产企业, 在生产过程中, 可能排放了一定量的Cd、Pb、Cu和Zn等重金属进入环境, 造成部分点位重金属含量超标.因此, 严格把控污染物输入, 如加强农业灌溉用水水质监测, 强化农药化肥施用管理, 严禁将城镇生活垃圾、污泥、工业废物等直接用作肥料, 对排放的废水等处理, 达标后排放.针对安全利用类土壤, 主要管理措施为因地制宜采取农艺调控、替代种植、轮耕休耕等, 降低农产品超标风险.种植重金属低累积作物品种, 利用作物对重金属低累积特性, 减少土壤中重金属向农产品籽粒中转移, 或向土壤中添加钝化材料, 降低土壤重金属活性, 减少其向植物体内迁移.同时建立农产品质量安全检测制度, 每年开展农产品质量抽样检测, 及时掌握土壤质量和农产品质量状况.
|
图 6 研究区农田土壤污染单因子指数和综合潜在生态风险空间分布 Fig. 6 Spatial distribution of signal pollution index and potential ecological risk in study area |
研究区受化工、农药、机械装备等企业聚集、地质背景、历史污灌区和大气沉降等影响, 农田土壤中重金属部分点位Cd、Cr、Cu、Pb和Zn超标, 其中Cd最为严重, 存在中等强度生态风险, 并进一步向作物中转移, 小麦存在Cd和Pb超标点位, 且玉米存在Cd超标点位, 但通过健康风险评价, 食用研究区玉米对人体没有产生明显的负面影响, 食用研究区小麦对人体产生负面影响的可能性较大.结合PMF源解析和空间分析结果, 重金属As和Ni受土壤母质影响, 大部分土壤As和Ni含量低于土壤环境背景值; 受历史污灌和工业生产厂的分布影响, Cd、Cr、Cu、Pb和Zn主要分布在研究区中部、西部和南部, 洨河沿岸附近Cd含量较高; 受大气沉降的影响, Hg主要聚集在研究区西北部.研究区北部和东部土壤重金属含量较低, 划分为优先保护类土壤, 西部、中部和南部部分点位重金属含量超标, 划分为安全利用类.针对安全利用类土壤, 应严控污染物的输入, 采用农艺调控等措施, 减少重金属向农作物的转移, 降低食品安全健康风险.
| [1] | Chen Y F, Li X D, Liu Y. Increasing China's agricultural labor productivity: comparison and policy implications from major agrarian countries[J]. Journal of Resources and Ecology, 2018, 9(6): 575-584. DOI:10.5814/j.issn.1674-764x.2018.06.001 |
| [2] |
孟晓飞, 郭俊娒, 杨俊兴, 等. 河南省典型工业区周边农田土壤重金属分布特征及风险评价[J]. 环境科学, 2021, 42(2): 900-908. Meng X F, Guo J M, Yang J X, et al. Spatial distribution and risk assessment of heavy metal pollution in farmland soils surrounding a typical industrial area of Henan Province[J]. Environmental Science, 2021, 42(2): 900-908. |
| [3] | Wang X, Cui Y X, Zhang X C, et al. A novel extracellular enzyme stoichiometry method to evaluate soil heavy metal contamination: evidence derived from microbial metabolic limitation[J]. Science of the Total Environment, 2020, 738. DOI:10.1016/j.scitotenv.2020.139709 |
| [4] | López J J, Echeverría J, Martín I S, et al. Dynamic testing in columns for soil heavy metal removal for a car park SUDS[J]. Science of the Total Environment, 2020, 738. DOI:10.1016/j.scitotenv.2020.140229 |
| [5] |
王冕. 栾城农田大气氨影响因素分析及减排措施研究[D]. 石家庄: 河北科技大学, 2019. Wang M. Analysis of factors affecting atmospheric ammonia in Luancheng farmland and study on emission reduction measures[D]. Shijiazhuang: Hebei University of Science & Technology, 2019. |
| [6] | 全国土壤污染状况调查公报[J]. 中国环保产业, 2014, (5): 10-11. |
| [7] |
周淑梅, 武菁, 王国贞. 华北平原农田生态系统服务评价及灌溉效益分析[J]. 中国生态农业学报, 2017, 25(9): 1360-1370. Zhou S M, Wu J, Wang G Z. Evaluation of agro-ecosystem services and analysis of irrigation benefit in the North China Plain[J]. Chinese Journal of Eco-Agriculture, 2017, 25(9): 1360-1370. |
| [8] |
陈兆进, 李英军, 邵洋, 等. 新乡市镉污染土壤细菌群落组成及其对镉固定效果[J]. 环境科学, 2020, 41(6): 2889-2897. Chen Z J, Li Y J, Shao Y, et al. Bacterial community composition in cadmium-contaminated soils in Xinxiang city and its ability to reduce cadmium bioaccumulation in Pak Choi (Brassica chinensis L.)[J]. Environmental Science, 2020, 41(6): 2889-2897. |
| [9] |
姚荣江, 杨劲松, 谢文萍, 等. 江苏沿海某设施农区土壤重金属累积特点及生态风险评价[J]. 农业环境科学学报, 2016, 35(8): 1498-1506. Yao R J, Yang J S, Xie W P, et al. Accumulation and potential ecological risk assessment of heavy metals in greenhouse soils from coastal area of Jiangsu Province[J]. Journal of Agro-Environment Science, 2016, 35(8): 1498-1506. |
| [10] | National Research Council, Committee on Risk Assessment of Hazardous Air Pollutants. Science and judgment in risk assessment[M]. Washington: National Academies Press, 1994. |
| [11] | Yang S Y, Zhao J, Chang S X, et al. Status assessment and probabilistic health risk modeling of metals accumulation in agriculture soils across China: a synthesis[J]. Environment International, 2019, 128: 165-174. DOI:10.1016/j.envint.2019.04.044 |
| [12] |
崔祥芬, 张琴, 田森林, 等. 中国稻田土壤镉污染及务农性暴露概率风险[J]. 中国环境科学, 2021, 41(8): 3878-3886. Cui X F, Zhang Q, Tian S L, et al. Status of paddy soil Cd pollution and probabilistic health risk via agricultural contact in China[J]. China Environmental Science, 2021, 41(8): 3878-3886. DOI:10.3969/j.issn.1000-6923.2021.08.045 |
| [13] | 中国环境监测总站. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990. |
| [14] | Muller G. Index of geo-accumulation in sediments of the Rhine river[J]. GeoJournal, 1969, 2: 108-118. |
| [15] |
贾振邦, 周华, 赵智杰, 等. 应用地积累指数法评价太子河沉积物中重金属污染[J]. 北京大学学报(自然科学版), 2000, 36(4): 525-530. Jia Z B, Zhou H, Zhao Z J, et al. The application of the index of geoaccumulation to evaluate heavy metal pollution in sediments in the Benxi section of the Taizi river[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2000, 36(4): 525-530. DOI:10.3321/j.issn:0479-8023.2000.04.014 |
| [16] |
郭威, 殷淑华, 徐建新, 等. 三峡库区(重庆—宜昌段)沉积物中钒的污染特征及生态风险评价[J]. 环境科学, 2016, 37(9): 3333-3339. Guo W, Yin S H, Xu J X, et al. Pollution characteristics and ecological risk assessment of vanadium in sediments of the three gorges reservoir (Chongqing-Yichang section)[J]. Environmental Science, 2016, 37(9): 3333-3339. |
| [17] |
刘灵飞, 龙健, 万洪富, 等. 贵州喀斯特山区锑冶炼厂对农业土壤污染特征的影响及风险评价[J]. 土壤, 2013, 45(6): 1036-1047. Liu L F, Long J, Wan H F, et al. Distribution characteristics and risk assessment of heavy metals in agricultural soils in an abandoned antimony smelter in Guizhou Karst areas[J]. Soils, 2013, 45(6): 1036-1047. |
| [18] | Hakanson L. An ecological risk index for aquatic pollution control.a sedimentological approach[J]. Water Research, 1980, 14(8): 975-1001. DOI:10.1016/0043-1354(80)90143-8 |
| [19] |
沈城, 刘馥雯, 吴健, 等. 再开发利用工业场地土壤重金属含量分布及生态风险[J]. 环境科学, 2020, 41(11): 5125-5132. Shen C, Liu F W, Wu J, et al. Distribution and ecological risk of heavy metals in the soil of redevelopment industrial sites[J]. Environmental Science, 2020, 41(11): 5125-5132. |
| [20] |
张素荣, 王昌宇, 刘继红, 等. 雄安新区西南部土壤重金属污染特征及生态风险评价[J]. 地学前缘, 2021, 28(4): 238-249. Zhang S R, Wang C Y, Liu J H, et al. Assessments of heavy metal pollution in soils of the southwestern Xiong'an District and its ecological risk[J]. Earth Science Frontiers, 2021, 28(4): 238-249. |
| [21] |
熊佳, 韩志伟, 吴攀, 等. 独山锑冶炼厂周边土壤锑砷空间分布特征、污染评价及健康风险评估[J]. 环境科学学报, 2020, 40(2): 655-664. Xiong J, Han Z W, Wu P, et al. Spatial distribution characteristics, contamination evaluation and health risk assessment of arsenic and antimony in soil around an antimony smelter of Dushan County[J]. Acta Scientiae Circumstantiae, 2020, 40(2): 655-664. |
| [22] | 赵秀阁, 段小丽. 中国人群暴露参数手册(成人卷)概要[M]. 北京: 中国环境出版社, 2014. |
| [23] |
余志, 陈凤, 张军方, 等. 锌冶炼区菜地土壤和蔬菜重金属污染状况及风险评价[J]. 中国环境科学, 2019, 39(5): 2086-2094. Yu Z, Chen F, Zhang J F, et al. Contamination and risk of heavy metals in soils and vegetables from zinc smelting area[J]. China Environmental Science, 2019, 39(5): 2086-2094. DOI:10.3969/j.issn.1000-6923.2019.05.037 |
| [24] | HJ 25.3-2014, 污染场地风险评估技术导则[S]. |
| [25] | 于冬梅, 赵丽云, 赵文华. 中国成人谷类和膳食纤维摄入现状与趋势(1982-2015)[J]. Nutrition Reviews, 2020, 78(S1): 41-50. |
| [26] | 环境保护部. 中国人群暴露参数手册(成人卷)[M]. 北京: 中国环境出版社, 2013. |
| [27] |
陈雪, 刘鸿雁, 吴攀, 等. 基于GIS和PMF的铜仁植烟土壤重金属污染特征与来源解析[J]. 农业环境科学学报, 2022, 41(4): 794-801. Chen X, Liu H Y, Wu P, et al. Contamination characteristics and source apportionment of heavy metals in tobacco-planting soils in southwest China based on GIS and PMF methods[J]. Journal of Agro-Environment Science, 2022, 41(4): 794-801. |
| [28] |
陈航, 王颖, 王澍. 铜山矿区周边农田土壤重金属来源解析及污染评价[J]. 环境科学, 2022, 43(5): 2719-2731. Chen H, Wang Y, Wang S. Source analysis and pollution assessment of heavy metals in farmland soil around Tongshan mining area[J]. Environmental Science, 2022, 43(5): 2719-2731. |
| [29] |
李娇, 滕彦国, 吴劲, 等. PMF模型解析土壤重金属来源的不确定性[J]. 中国环境科学, 2020, 40(2): 716-725. Li J, Teng Y G, Wu J, et al. Uncertainty analysis of soil heavy metal source apportionment by PMF model[J]. China Environmental Science, 2020, 40(2): 716-725. DOI:10.3969/j.issn.1000-6923.2020.02.031 |
| [30] |
李春芳, 王菲, 曹文涛, 等. 龙口市污水灌溉区农田重金属来源、空间分布及污染评价[J]. 环境科学, 2017, 38(3): 1018-1027. Li C F, Wang F, Cao W T, et al. Source analysis, spatial distribution and pollution assessment of heavy metals in sewage irrigation area farmland soils of Longkou City[J]. Environmental Science, 2017, 38(3): 1018-1027. |
| [31] |
段友春. 基于GIS的鲁东南典型丘陵平原区农田土壤养分空间变异特征及影响因素研究[J]. 中国农学通报, 2021, 37(23): 61-68. Duan Y C. Spatial variability characteristics and influencing factors of soil nutrients in farmland in typical hilly and plain area of southeast Shandong[J]. Chinese Agricultural Science Bulletin, 2021, 37(23): 61-68. DOI:10.11924/j.issn.1000-6850.casb2020-0853 |
| [32] |
王诚煜, 李玉超, 于成广, 等. 葫芦岛东北部土壤重金属分布特征及来源解析[J]. 中国环境科学, 2021, 41(11): 5227-5236. Wang C Y, Li Y C, Yu C G, et al. Distribution characteristics and sources of soil heavy metals in soils in the area of northeastern Huludao City[J]. China Environmental Science, 2021, 41(11): 5227-5236. DOI:10.3969/j.issn.1000-6923.2021.11.031 |
| [33] |
崔邢涛, 栾文楼, 石少坚, 等. 石家庄污灌区土壤重金属污染现状评价[J]. 地球与环境, 2010, 38(1): 36-42. Cui X T, Luan W L, Shi S J, et al. Soil heavy metal pollution assessment in the sewage irrigation region of Shijiazhuang city[J]. Earth and Environment, 2010, 38(1): 36-42. |
| [34] |
茹淑华, 张国印, 王凌, 等. 河北省典型污灌区土壤和植物重金属累积特征研究[J]. 河北农业科学, 2008, 12(10): 78-81. Ru S H, Zhang G Y, Wang L, et al. Characteristics of heavy metals accumulation in soil and crops in typical sewage irrigation area of Hebei province[J]. Journal of Hebei Agricultural Sciences, 2008, 12(10): 78-81. DOI:10.3969/j.issn.1088-1631.2008.10.033 |
| [35] |
魏敬池. 洨河流域地表水质与地下水质污染研究[J]. 河北工业科技, 2014, 31(5): 407-411. Wei J C. Study of surface water and underground water pollution in the Xiao River basin[J]. Hebei Journal of Industrial Science and Technology, 2014, 31(5): 407-411. |
| [36] |
齐雁冰, 楚万林, 蒲洁, 等. 陕北某化工企业周围污灌区土壤-作物系统重金属积累特征及评价[J]. 环境科学, 2015, 36(4): 1453-1460. Qi Y B, Chu W L, Pu J, et al. Accumulation characteristics and evaluation of heavy metals in soil-crop system affected by wastewater irrigation around a chemical factory in Shenmu county[J]. Environmental Science, 2015, 36(4): 1453-1460. |
| [37] |
郭亮. 搬迁后的涂料企业污染场地土壤中重金属分布规律研究[D]. 长春: 吉林大学, 2015. Guo L. Study on distribution of heavy metals in contaminated sites after the removal of the coating factory[D]. Changchun: Jilin University, 2015. |
| [38] |
宋永伟, 周立祥, 刘奋武. 生物沥浸对精对苯二甲酸化工污泥脱水性能的提高及其重金属脱除效果[J]. 环境科学学报, 2012, 32(10): 2455-2460. Song Y W, Zhou L X, Liu F W. Removal of heavy metals and dewaterability of pure terephthalic acid sludge facilitated by bioleaching[J]. Acta Scientiae Circumstantiae, 2012, 32(10): 2455-2460. |
| [39] | Dinu C, Vasile G G, Buleandra M, et al. Translocation and accumulation of heavy metals in Ocimum basilicum L. plants grown in a mining-contaminated soil[J]. Journal of Soils and Sediments, 2020, 20(4): 2141-2154. DOI:10.1007/s11368-019-02550-w |
| [40] |
焦位雄, 杨虎德, 冯丹妮, 等. Cd Hg Pb胁迫下不同作物可食部分重金属含量及累积特征研究[J]. 农业环境科学学报, 2017, 36(9): 1726-1733. Jiao W X, Yang H D, Feng D N, et al. Heavy metal content and accumulation characteristics in the edible parts of different crops under Cd, Hg, and Pb stress[J]. Journal of Agro-Environment Science, 2017, 36(9): 1726-1733. |
| [41] |
秦越华, 强承魁, 曹丹, 等. 徐州市典型稻区土壤和稻米重金属含量及健康风险评价[J]. 生态环境学报, 2016, 25(9): 1546-1554. Qin Y H, Qiang C K, Cao D, et al. Contents and health risk assessment of heavy metals in soils and rice grains from typical rice-growing region of Xuzhou City[J]. Ecology and Environmental Sciences, 2016, 25(9): 1546-1554. |