2023, Vol. 44
目前, 全球超过一半的人口居住在城市中, 人类活动排放的大量污染物对城市环境质量造成了负面影响, 阻碍了城市生态系统的可持续发展[1].As、Pb和Cd等潜在有害元素(potential harmful elements, PHEs)进入环境很难被降解, PHEs通过不同途径进入人体并在人体内不断富集, 引起急性或慢性疾病, 甚至威胁到人类的生命[2].街道尘土是指经自然搬运, 干湿沉降积聚于城市地表的颗粒物, 它是城市环境系统的重要组成部分, 也是城市环境质量的重要指示器[3].由于具有大的比表面积, 街道尘土极易吸附PHEs, 是城市中PHEs的重要载体[4].此外, 街道尘土吸附的PHEs可以频繁的在不同环境介质中迁移, 如街道尘土中的PHEs随着尘土的再悬浮可以进入大气环境, 或通过降水后的径流进入水体, 最终影响城市环境质量并危害人体健康[5].因此, 对城市街道尘土中PHEs污染的研究可以为后续制定城市整体环境治理方案提供重要的理论依据和数据支撑.
国内外已对城市街道尘土中PHEs的来源和危害进行了许多研究[3, 6~8].有研究表明, 城市街道尘土中PHEs的含量普遍高于当地土壤[3, 6, 7], 此外街道尘土中PHEs的来源较为复杂, 如Men等[8]发现北京市街道尘土中PHEs除来自工业和交通排放以外, 建筑脱落物和城市绿化带所用杀虫剂和化肥都是尘土中PHEs的重要来源.不同来源对PHEs含量的贡献率不同, 这些来源排放的PHEs对生态环境以及人体健康造成的风险也是不同的[9].目前的研究往往只关注来源对PHEs含量的贡献, 而忽视不同来源释放的PHEs造成的危害, 同时缺乏有效手段识别尘土中PHEs的关键来源, 使后续的污染物防控事倍功半[10].多属性决策方法(multiple attribute decision making, MADM)可以计算出不同因子的权重, 并从所有选项(污染来源)中选出影响力最大的选项(关键污染来源)[11].目前MADM已经广泛使用在计算机科学[12]和激光物理学[13]等不同领域, 使用MADM识别城市街道尘土中PHEs的关键来源可以有效提高污染管控的效率.
太原市作为中国北方重要的能源化工基地, 长期被认为是全国环境污染最严重的城市之一[14], 特别是在冬季极易出现灰霾天气, 携带大量PHEs的颗粒物随着干湿沉降到达地面形成尘土, 危害城市居民健康[15].目前, 对太原市冬季街道尘土中PHEs的研究未见报道.本研究对太原市冬季街道尘土中7种PHEs(As、Cd、Pb、Ni、Cr、Cu和Zn)的污染程度、危害和来源进行了分析, 并使用MADM识别了尘土中PHEs的关键来源, 旨在为太原市环境质量改善提供理论依据, 同时本研究所用方法可为相关研究提供参考.
1 材料与方法 1.1 研究区域太原市坐落于山西中部(北纬37°27′~38°25′, 东经111°30′~113°09′), 总面积超过6 900 km2, 全国第七次人口普查结果显示, 太原市人口超过530万, 其中85%的人口居住在城区[16].太原市是全国重要的冶金和煤炭能源基地, 大量的人口和特殊的工业结构使得污染对太原市区域环境造成很大压力, 亟需重点关注[17].
1.2 样品采集和实验处理本研究以1 km为间隔沿着太原市市区中环路采集街道尘土样本, 共采集40个样本(图 1).采集时间为2020年12月31日, 所有样品在当天采集完成.样品采集当天天气晴朗无风, 样品采集前14 d, 太原市区未出现降水天气.在每个采样点, 使用塑料刷和簸箕在2~3 m2的区域内采集约100 g尘土样本, 并准确记录采样点的土地利用类型, 交通状况以及经纬度信息.所有样本保存在密封的聚乙烯袋中带回实验室.
|
图 1 研究区域和采样点示意 Fig. 1 Study region and sampling locations |
40个尘土样本经60℃烘干48 h.使用石英杵和研钵研磨烘干后的样本, 并过200目的尼龙筛.尘土中Cd、Pb、Cr、Ni、Cu和Zn这6种PHEs的处理参照固体废弃物金属元素的测定国家标准(HJ-766 2015)进行[18], 使用电感耦合等离子体质谱仪(NexION-2000, 美国)测定6种PHEs的含量.样本中As的处理参照土壤质量总汞、总砷和总铅的测定国家标准(GB/T 22105.2-2008)进行[19], 使用原子荧光光谱仪(AFS8520, 中国)测定As的含量.实验过程中每10个样本设置1个复制样本, 同时采用标准物质(GSS-28)进行质量控制, 结果显示标准物质元素回收率介于88% ~112%, 复制样本相对标准偏差 < 5%.本次实验As、Cd、Cr、Cu、Ni、Pb和Zn的检出限分别为0.01、0.03、0.4、0.6、0.3、2和2 mg·kg-1.
1.3 人体健康风险评估本研究使用美国环境保护署(USEPA)推荐的方法评估尘土中PHEs对太原市居民造成的健康风险.街道尘土中的PHEs可通过摄入(手口)、皮肤接触和呼吸吸入这3种暴露途径进入人体引发健康风险[20].对于非致癌风险, 摄入、皮肤接触和呼吸的日均暴露量(average daily dose, ADD)分别用以下公式计算[21]：
|
(1) |
|
(2) |
|
(3) |
式中, C为PHEs含量(mg·kg-1), IRs和IRi分别为尘土摄入量(mg·d-1)和尘土颗粒吸入率(m3·d-1); EF和ED分别为暴露频率(d·a-1)和暴露年限(a); BW和AT分别为受体体重(kg)和平均作用时间(d); SA、AF和ABS分别为可能接触尘土的皮肤面积(cm2)、皮肤对尘土的吸附系数[kg·(cm2·d)-1]和皮肤吸附系数; PEF为尘土颗粒分散系数(m3·kg-1).
对于致癌风险, 需要将人体在儿童期和成人期的总暴露量分摊到全部生命周期中.人体终生日均暴露量(life average daily dose, LADD)计算公式如下[21]：
|
(4) |
式中, AR为摄入、皮肤接触或吸入强度, 对于摄入和呼吸途径, 分别表示为AR=IRs和AR=IRi, 对于皮肤接触, AR=SA×AF×ABS.
非致癌风险(hazard quotient, HQ)是用人体对PHEs的暴露量与参考剂量(reference dose, RfD)的比值确定的, 即HQ=ADD/RfD.多种PHEs多途径造成的总的人体非致癌风险(total hazard index, THI)表示为：
|
(5) |
式中, m和n分别为暴露途径和污染物种类, i和j分别为i种PHEs和j种暴露途径.
致癌风险(carcinogenic risk, CR)是用PHEs的终生日均暴露量与致癌斜率因子(slope factor, SF)的乘积确定的, 即CR=LADD×SF.多种PHEs多途径造成的总的人体致癌风险(total cancer risk, TCR)表示为：
|
(6) |
式中, m、n、i和j的含义和式(5)相同.
当HQ和THI < 1时, 认为污染物造成的非致癌风险可以忽略不计, 当HQ和THI>1时, 则认为污染物对人体造成了非致癌风险, 必须引起重视[21].当TCR < 10-4时, 认为污染物对人体造成的致癌风险在可以接受的程度[22].本节公式(1)~(6)中各个参数的解释和数值见文献[9, 23].
1.4 生态风险评估内梅罗综合污染指数(nemerow integrated pollution index, NIPI)和潜在生态危害指数(potential ecological risk index, RI)是最常用的两种评估PHEs污染和生态危害的方法.NIPI的计算公式如下[24]：
|
(7) |
|
(8) |
式中, Ci和Di分别为元素i的检测值和标准值(mg·kg-1), Pi为单个元素的污染指数.本研究使用太原市土壤中元素背景值[25]作为标准值.RI的计算公式如下[14]：
|
(9) |
|
(10) |
式中, Ci和Di的含义与公式(7)相同, Ti为元素的毒性响应系数, Eri为元素i的潜在生态危害指数.尽管NIPI和RI在环境科学研究中应用甚广, 可是二者都存在缺陷.不同元素之间毒性响应系数可能差距数十倍, NIPI忽视了这种差距, 造成结果无法反映元素造成实际危害[26].尽管RI考虑到了毒性响应系数, 可是考察元素数量的多少会对RI的结果造成很大影响[8].为了克服两种方法的缺陷, Men等[8]结合NIPI和RI创建了一种新的方法内梅罗综合危害指数法(nemerow integrated risk index, NIRI), 该方法既考虑了毒性响应系数, 结果也不会随着考察的元素数量变化而波动.NIRI的计算公式如下：
|
(11) |
式中, Er maxi和Er avei分别为Eri的最大值和平均值.As、Cd、Pb、Ni、Cr、Cu和Zn的毒性响应系数分别是10、30、5、5、2、5和1[27].本研究使用NIPI和NIRI两种方法评估PHEs的污染程度, NIPI和NIRI的分级标准如表 1所示.
|
表 1 NIPI和NIRI的分级标准 Table 1 Classification of NIPI and NIRI |
1.5 PMF和尘土PHEs造成风险的来源分配
本研究中使用USEPA推荐的正定矩阵因子分解模型(positive matrix factorization, PMF)对街道尘土中PHEs的来源进行解析.PMF是一个基于最小迭代二乘法的多变量因素分析工具, 在环境污染源解析的研究中有广泛的应用[28].PMF的公式如下[29]：
|
(12) |
式中, x为样本的污染物含量数据, g为来源贡献率矩阵, f为来源成分矩阵, e为残差矩阵. i、j和k分别为第i个样本, 第j种污染物和第k种污染来源.PMF分解原始含量矩阵, 得到最优的结果矩阵使得目标函数Q达到最低. Q的定义为：
|
(13) |
式中, m和n分别为n个样本和m种污染物, u为不确定度, 计算方式如下：
|
式中, MDL为检出限, δ为相对标准偏差.
本研究基于PMF的结果, 计算了不同来源对尘土中PHEs的总含量, PHEs造成的生态风险, 非致癌风险(成人和儿童)以及致癌风险5种因子的贡献率.PHEs总含量和造成健康风险的来源分配方法可见文献[9].PHEs生态风险的来源分配方法如下[8]：
|
(14) |
|
(15) |
式中, i和j分别为第i种元素和第j种来源, RAj为第j种来源释放的PHEs造成的生态风险, Cij和RAij分别为第j种来源释放的元素i的含量和第j种来源释放的元素i造成的生态风险. Cij由PMF计算得出, Di的含义和公式(7)相同.
1.6 识别尘土中PHEs的关键来源本研究中综合总PHEs含量、生态风险、非致癌风险(成人和儿童)和致癌风险5种因子选出尘土中PHEs的关键来源.MADM法结合了信息熵法(information entropy method, IEM)和简单加权法(simple additively weighted, SAW), 用于识别尘土中PHEs的关键来源[30].IEM用于给多属性决策问题中的不同属性(因子)进行加权, 它的计算方法如下[30]：
|
(16) |
|
(17) |
|
(18) |
|
(19) |
式中, N为不同来源的多因子决策矩阵, αif为来源i释放的PHEs造成的因子f的值, 本研究中f=1表示来源对尘土中总PHEs含量的贡献值, f为2、3、4和5时分别代表来源对生态风险、成人的非致癌风险、儿童的非致癌风险和致癌风险的贡献值; Pbc为来源b对于因子c的贡献率; k为常数, k=ln(i), 其中i为尘土中PHEs的来源数量; Bc为因子c的熵值; Wc为最终各因子的权重值, 0≤Wc≤1, 并且5个因子的Wc值相加等于1.
根据IEM计算的各因子的权重值, 通过SAW计算得出最终不同来源的Zp值：
|
(20) |
通过比较不同来源的Zp值识别尘土中PHEs的关键来源, 拥有最大Zp值的来源为PHEs的关键来源.
2 结果与讨论 2.1 太原市街道尘土PHEs含量太原市街道灰尘中7种PHEs含量全部超过太原市土壤中相应元素的背景值, 特别是Cd、Pb和Cu均超过各自土壤背景值的两倍, Zn超过了其土壤背景值的3倍(表 2), 以上结果一方面表明尘土中PHEs的含量受到人类活动的影响已经出现明显的富集现象, 另一方面也是因为太原市东西北三面环山, 中间为盆地, 造成正常的大气流动受阻, 冬季寒冷天气和逆温现象加剧了颗粒物的聚集, 附着在颗粒物上的污染物随着颗粒物干湿沉降到达地面, 富集在尘土中, 使得冬季尘土中包括PHEs在内的污染物含量增加[15]. Liu等[17]和黄浩等[14]分别调查了太原市土壤和室内尘土中PHEs的污染情况.除Ni元素以外, 街道尘土中PHEs的含量均远高于土壤中相应元素的含量值, 但是比室内尘土中相应元素的含量值小, 这和Cheng等[1]对成都市区室内和街道尘土中PHEs对比的结果一致.
|
|
表 2 太原市道路尘土PHEs含量统计/mg·kg-1 Table 2 Summary statistics of PHEs content in urban dust of Taiyuan City/mg·kg-1 |
国内其它城市与太原市街道尘土中PHEs含量的对比情况如表 3所示.太原市街道尘土中As, Pb, Cr和Cu的含量处于中等水平, Cd、Ni和Zn的含量处在较低水平, 整体来看太原市尘土中PHEs的含量处于中低水平.需要指出的是, 尽管对比不同地区环境介质中PHEs的含量在相关研究中较为常见, 但是不同城市具有不同的影响PHEs分布的特点, 所以对比的结果并不能准确体现不同城市人类活动对PHEs含量的影响程度.此外, 到目前为止针对环境介质中PHEs的研究没有统一的采样和实验处理规范, 这也是亟待解决的问题.
|
|
表 3 国内其它城市道路尘土中PHEs含量1)/mg·kg-1 Table 3 Concentrations of PHEs in road dust of selected cities from China/mg·kg-1 |
2.2 生态风险评估
太原市街道尘土中PHEs的NIRI平均值、25分位数、中位值和75分位数分别为: 63.86、43.78、55.34和71.64[图 2(a)], 均属于中度风险.如图 2(b)所示, 10%的街道尘土样本中PHEs处于低风险, 67.5%的样本处于中度风险, 20%的样本处于较高风险, 只有1个样本(2.5%)中PHEs处于高风险, 表明太原市尘土中PHEs的污染整体处于可控状态.不同元素的值差别很大, Cd的平均值为87.85, 属于较高风险, 而其它6种元素的平均值均小于20; 在40个街道尘土样本PHEs的值最大的全部是Cd, 说明Cd是影响尘土中PHEs生态风险的主要元素, 原因是Cd的毒性响应系数远远高于其它6种元素.
太原市街道尘土中PHEs的NIPI平均值和中位值分别是3.46和3.12, 均属于重度污染.如图 2(d)所示, 7.5%的样本处于轻度污染, 35%的样本处于中度污染, 57.5%的样本处于重度污染.Zn的Pi平均值为3.74, 属于重度污染, Cu、Pb和Cd的Pi平均值分别2.81、2.90和2.93, 均属于中度污染.有24个样本Zn的Pi值最高, 6个样本Cd的Pi值最高, 有5个样本中Cu的Pi值最高, 4个样本中Pb的Pi值最高, 1个样本中As的Pi值最高.对比NIPI和NIRI的结果发现：NIPI的评估结果显示的污染情况比NIRI严重; 元素方面, 在NIRI评估起主导作用的是Cd, 而在NIPI评估中Zn起主要作用.造成这些差异原因是在NIRI评估中加入了元素的毒性响应系数.不同元素的毒性差异很大, NIRI的评估结果突出了毒性最强的Cd的作用, 而在NIPI评估结果中起最大作用的元素是毒性响应系数最低的Zn.Men等[8]认为NIPI的评估结果会夸大污染的情况, 这与本研究的结果一致.总体来看, NIRI考虑到了不同元素的毒性差异, 突出了毒性强的元素的作用, 并消除了考察元素的多少对最终结果的影响, 其在污染和生态风险评估方面有很强应用前景.
|
图 2 尘土中PHEs的生态危害评估结果 Fig. 2 Results of ecological risk assessment for PHEs in dust |
太原市街道尘土中PHEs通过不同途径造成的健康风险如图 3所示.街道尘土中7种PHEs都参与到非致癌风险的计算当中, 结果表明THI-成年人和THI-儿童的平均值分别是0.22和0.99, 二者都小于1, 表明太原市尘土中PHEs没有造成严重的非致癌风险, 但是对儿童造成的风险已经接近临界值, 必须要特别注意.不同暴露途径造成的非致癌风险差别很大, 手口摄入造成的非致癌风险分别占到THI-成人和THI-儿童的82.87%和80.09%, 皮肤接触分别占到THI-成人和THI-儿童的16.71%和19.83%, 表明摄入途径和皮肤接触分别是尘土中PHEs引发居民非致癌风险的最重要途径和次要途径, 而摄入途径也是造成THI-儿童数值偏高的主要原因.因为Cu和Zn不是致癌物, 所以二者未参与致癌风险的计算.TCR的平均值为8.22×10-5, 在可接受的范围之内.手口摄入造成的致癌风险占到TCR的98.49%, 皮肤接触分别占到TCR的1.01%, 呼吸吸收仅占TCR的0.5%.总体来看, 手口摄入是街道尘土中PHEs引发居民健康风险的主要途径, 并且作用远远大于其余两种途径.儿童的生活习惯(如舔手指等), 会增加污染物经手口摄入途径进入身体的机会, 对儿童良好习惯的培养有利于降低其受到污染物的危害[33].
|
图 3 街道尘土中PHEs造成的非致癌风险(THI)和致癌风险(TCR) Fig. 3 Non-carcinogenic (THI) and carcinogenic (TCR) risks imposed by road dust PHEs |
不同元素的HQ值(成人和儿童)和CR值如图 4所示.As造成的健康风险分别占到THI-成人, THI-儿童和TCR的42.42%, 41.25%和33.60%, Cr造成的健康风险分别占到THI-成人, THI-儿童和TCR的39.33%, 40.83%和65.69%, 二者是尘土中PHEs引发居民健康风险的最重要的元素.对不同环境介质中PHEs污染的研究都指出As和Cr是造成健康风险最大的两个元素, 如对关中地区[9]、德国易北河周边土壤[34]、诺维萨德市(塞尔维亚)[33]和西宁市街道尘土[31]的研究都有相同的结论.因此需要明晰两种元素的来源, 以制定后续的治理方案.Pb造成的健康风险分别占到THI-成人、THI-儿童和TCR的14.68%、14.41%和0.71%, 是7种PHEs中造成健康风险第三大的元素, 不过相比较Cr和As, Pb对健康风险的作用小得多.健康分析评估的整体结果表明, 太原市尘土中PHEs并未对居民造成严重的健康风险, 处在可控状态, 这和NIRI评估的生态风险结果一致.
|
图 4 不同元素造成的HQ(成人和儿童)、CR值及其相应的贡献率 Fig. 4 HQ (for adults and children), CR values, and the corresponding contribution rate of various elements |
主成分分析(principal component analysis, PCA)在识别污染物来源的研究中有广泛应用, 并且可以为后续PMF的污染物来源分配提供重要信息(来源数量)[9].根据特征值大于1的原则, 从尘土PHEs含量数据提取出2个因子, 累积方差贡献率为70.72%.因子1的方差贡献率为48.09%, Cr、Ni、Cu、Zn和Pb在因子1的载荷较高(>0.4), 因子2的方差贡献率为22.63%, As、Cd、Pb、Zn和Cu在因子2的载荷较高.因子载荷图可以直观地展示不同元素的关系, 两个元素的直线距离越近表明两个元素相关关系越强(图 5)[9].由图 5可知7种元素可以分成3组：第一组Cr和Ni; 第二组Pb、Cu和Zn; 第三组As和Cd.
|
图 5 PCA的因子载荷图 Fig. 5 Biplot of PC loadings based on PCA |
聚类分析(cluster analysis, CA)得出的树状图可以明确地反映不同元素之间的联系, 能够验证PCA的结果[3].本研究使用Z-score对PHEs的含量数据进行标准化, 计算不同元素相似性的欧氏距离, 并使用Ward法对数据进行分层聚类.CA结果如图 6所示, As和Cd为第一类, Cr和Ni为第二类, Zn、Pb和Cu为第三类, CA结果和PCA结果一致.
|
图 6 街道尘土中PHEs聚类分析 Fig. 6 Cluster analysis of PHEs in road dust |
使用PMF软件进一步明确尘土中PHEs的来源, 并计算不同来源对PHEs含量的贡献率.为了确保找到准确和合理的污染来源, PMF的成分数设定为2、3和4, 运算次数设定为20次.PMF运行的结果表明, 当成分是3时, 其Q值小于成分为2时的Q值, 尽管成分设定为4时Q值更小, 但是此时As的自然来源贡献率为0. Zhi等[35]认为当PMF计算得出元素的自然来源贡献率为0时, PMF的结果是不合理的.此外, 当成分为3时, 模型计算得出的大部分残差在-3~3之间, As、Cd、Pb、Ni、Cr、Cu和Zn的拟合曲线R2分别为0.69、0.42、0.85、0.92、0.93、0.71和0.58, 这些都表明PMF得出了合理的结果.PMF的计算结果如图 7所示, 成分1对Cr和Ni的贡献较高, 分别为55.40%和58.30%.尘土中Cr和Ni的平均值接近太原市土壤中两个元素的背景值, 相关研究表明环境介质中Cr和Ni主要来自土壤母质, 如对陕西省关中地区农业土壤[9]和福建九龙江地区农业土壤[28]等的研究.因此, 成分1确定为自然来源.成分2对Pb和Zn的贡献较高, 分别为58.90%和51.40%, 对Cu和Cd也有一定贡献率, 分别为36.00%和30.70%. Pb广泛应用在汽车部件的生产过程中, 此外Pb也曾经作为抗爆剂被加入汽油中, 因此Pb在不同环境介质中都被认为是交通排放的标志性污染物, 尽管含铅汽油已经被禁用, 但是由于具有较长的半衰期, Pb仍然残留在不同的环境介质中[9].汽车部件和轮胎磨损分别是城市环境中Cu和Zn的主要来源, 这两个来源也会释放Cd进入环境[24].近些年来, 太原市的汽车保有量呈现逐年增长的趋势, 截止到2019年末, 太原市居民汽车保有量超过168万辆, 大量的污染物随着交通出行被排放到城市环境中[15].因此, 成分2确定为交通来源.成分3对As和Cd的贡献较高, 分别为67.40%和44.10%. As是煤炭燃烧的标志性元素, 其在煤炭中的含量为25mg·kg-1, 随着煤炭燃烧As会被排放到环境中[36].Cd在城市环境中主要来源是金属冶炼等工业行为[7].尽管政府不断推进能源和工业结构转型, 可是现阶段金属冶炼, 机械制造和煤炭产业仍然是太原市支柱型产业[14].因此, 成分3确定为工业排放.
|
图 7 3种来源对街道尘土中PHEs的贡献率 Fig. 7 ontributions of three sources to road dust PHEs |
根据PMF的结果, 计算了3个来源对街道尘土中7种PHEs的总含量, 造成的生态风险, 非致癌风险(成人和儿童)和致癌风险5种因子的贡献率, 结果如图 8所示.交通排放对尘土中总PHEs的贡献率最高, 达到40.25%, 自然来源对PHEs的总含量贡献率为35.95%, 工业来源对PHEs的总含量贡献率最小, 为23.80%. 3个来源对PHEs造成的生态风险和健康风险的贡献率和三者对PHEs总含量的贡献率差别很大.工业来源对NIRI、THI-成人和THI-儿童的贡献程度都是最高的, 分别为43.93%、44.57%和44.23%, 自然来源对TCR的贡献率最高, 达到43.83%.尽管交通排放释放了更多含量的PHEs, 但是交通排放对另外4个因子的贡献程度相对较低, 造成这种现象的原因是不同因子有不同的主导元素, 如对于NIRI值, Cd是其主导元素, 而对于人体健康风险评估, As和Cr是最重要的两个主导元素, 这也是自然来源贡献TCR较高的原因.
|
图 8 不同来源对尘土中PHEs总含量和造成风险的贡献率 Fig. 8 Contributions of various sources to total contents of and risks for dust PHEs |
基于5种因子的来源分配结果, MADM计算了3种来源的Zp值, 结果显示工业来源的Zp值为0.39, 在3种来源中最高, 自然来源和交通排放的Zp值分别为0.34和0.27.尽管工业来源对太原市街道尘土中PHEs的总含量贡献最小, 但是由于其释放的PHEs能够造成更严重的生态和居民健康风险, 工业来源被认为是太原市冬季尘土中PHEs的关键来源.该结论也表明在污染源管控中, 如果只关注污染来源对污染物含量的贡献率, 排放出毒性更强污染物的来源可能会被忽视, 让污染源管控不能达到最好的效果.
3 结论(1) 太原市冬季街道尘土中PHEs平均含量高于土壤中相应元素的背景值, NIRI的评价结果表明, 太原市街道尘土中PHEs造成的生态风险属于中度风险, 处在可控的状态.
(2) 太原市冬季街道尘土中PHEs对成人和儿童造成的非致癌风险分别为0.22和0.99, 均小于1; PHEs造成的致癌风险为8.22×10-5, 小于1×10-4.健康风险评估的结果表明街道尘土中PHEs并未对居民造成严重的健康风险, 但是儿童非致癌风险已经接近阈值.由手口摄入的风险是造成儿童非致癌风险较高的主要原因, 需要重点关注.
(3) 太原市冬季街道尘土中PHEs的来源有3个, 分别是自然来源, 交通来源和工业来源, 其中Cr和Ni主要来自自然来源, Pb、Cu和Zn主要来自交通来源, As和Cd主要来自工业来源.
(4) 不同因子来源分配的结果表明, 虽然交通来源是贡献尘土中PHEs含量最大的来源(40.25%), 但是交通来源排放出的PHEs造成的生态和健康风险都较小.而工业来源的情况恰恰相反, 虽然它是贡献尘土中PHEs含量最小的来源(23.82%), 但是工业来源排放出的PHEs造成的风险较大.MADM计算结果表明, 工业排放是太原市街道尘土中PHEs的关键来源, 需要重点控制.
| [1] | Cheng Z, Chen L J, Li H H, et al. Characteristics and health risk assessment of heavy metals exposure via household dust from urban area in Chengdu, China[J]. Science of the Total Environment, 2018, 619-620: 621-629. DOI:10.1016/j.scitotenv.2017.11.144 |
| [2] |
孙宗斌, 周俊, 胡蓓蓓, 等. 天津城市道路灰尘重金属污染特征[J]. 生态环境学报, 2014, 23(1): 157-163. Sun Z B, Zhou J, Hu B B, et al. Characteristics of heavy metal pollution in urban street dust of Tianjin[J]. Ecology and Environmental Sciences, 2014, 23(1): 157-163. DOI:10.3969/j.issn.1674-5906.2014.01.023 |
| [3] | Fan X Y, Lu X W, Yu B, et al. Risk and sources of heavy metals and metalloids in dust from university campuses: a case study of Xi'an, China[J]. Environmental Research, 2021, 202. DOI:10.1016/j.envres.2021.111703 |
| [4] | Tang R L, Ma K M, Zhang Y X, et al. The spatial characteristics and pollution levels of metals in urban street dust of Beijing, China[J]. Applied Geochemistry, 2013, 35: 88-98. DOI:10.1016/j.apgeochem.2013.03.016 |
| [5] | Al-Awadhi J M, AlShuaibi A A. Dust fallout in Kuwait city: deposition and characterization[J]. Science of the Total Environment, 2013, 461-462: 139-148. DOI:10.1016/j.scitotenv.2013.03.052 |
| [6] |
宋怡, 卢新卫, 周潇, 等. 邢台市区道路可悬浮灰尘重金属污染特征及来源识别[J]. 环境科学, 2020, 41(7): 3130-3135. Song Y, Lu X W, Zhou X, et al. Source identification and pollution characteristics of heavy metals in suspended particles of urban road dust from Xingtai City[J]. Environmental Science, 2020, 41(7): 3130-3135. DOI:10.13227/j.hjkx.201912153 |
| [7] | Shi G T, Chen Z L, Xu S Y, et al. Potentially toxic metal contamination of urban soils and roadside dust in Shanghai, China[J]. Environmental Pollution, 2008, 156(2): 251-260. DOI:10.1016/j.envpol.2008.02.027 |
| [8] | Men C, Liu R M, Xu L B, et al. Source-specific ecological risk analysis and critical source identification of heavy metals in road dust in Beijing, China[J]. Journal of Hazardous Materials, 2020, 388. DOI:10.1016/j.jhazmat.2019.121763 |
| [9] | Deng W B, Liu W J, Li X X, et al. Source apportionment of and potential health risks posed by trace elements in agricultural soils: a case study of the Guanzhong Plain, northwest China[J]. Chemosphere, 2020, 258. DOI:10.1016/j.chemosphere.2020.127317 |
| [10] | Chao S H, Liu J W, Chen Y J, et al. Implications of seasonal control of PM2.5-bound PAHs: an integrated approach for source apportionment, source region identification and health risk assessment[J]. Environmental Pollution, 2019, 247: 685-695. DOI:10.1016/j.envpol.2018.12.074 |
| [11] | Escolar S, Villanueva F J, Santofimia M J, et al. A multiple-attribute decision making-based approach for smart city rankings design[J]. Technological Forecasting and Social Change, 2019, 142: 42-55. DOI:10.1016/j.techfore.2018.07.024 |
| [12] | Li J R, Li X Y, Zhang R. Cross-layer collaboration handoff mechanism based on multi-attribute decision in mobile computation offloading[J]. Soft Computing, 2019, 23(1): 323-341. DOI:10.1007/s00500-017-2881-3 |
| [13] | Garnaeva G I, Nefediev L A, Akhmedshina E N. Information entropy method and the description of echo hologram formation in gaseous media[J]. Laser Physics, 2018, 28(2). DOI:10.1088/1555-6611/aa9815 |
| [14] |
黄浩, 徐子琪, 严俊霞, 等. 太原市城乡居民区采暖季室内灰尘中重金属的污染特征及其生态风险评价[J]. 环境科学, 2021, 42(5): 2143-2152. Huang H, Xu Z Q, Yan J X, et al. Characteristics of heavy metal pollution and ecological risk evaluation of indoor dust from urban and rural areas in Taiyuan city during the heating season[J]. Environmental Science, 2021, 42(5): 2143-2152. |
| [15] |
李常青, 吕茜, 王莉. 2018~2020年太原市PM2.5中重金属元素污染分析[J]. 预防医学论坛, 2021, 27(11): 842-844. Li C Q, Lv Q, Wang L. Analysis on pollution characteristics of heavy metals in PM2.5, Taiyuan City, 2018-2020[J]. Preventive Medicine Tribune, 2021, 27(11): 842-844. |
| [16] | 太原市统计局. 太原统计年鉴[M]. 北京: 中国统计出版社, 2021. |
| [17] | Liu Y, Wang H F, Li X T, et al. Heavy metal contamination of agricultural soils in Taiyuan, China[J]. Pedosphere, 2015, 25(6): 901-909. DOI:10.1016/S1002-0160(15)30070-9 |
| [18] |
HJ 766-2015, 固体废物金属元素的测定电感耦合等离子体质谱法[S]. HJ 766-2015, Solid waste-determination of metals-inductively coupled plasma mass spectrometry (ICP-MS)[S]. |
| [19] |
GB/T 22105.2-2008, 土壤质量总汞、总砷、总铅的测定原子荧光法第2部分: 土壤中总砷的测定[S]. GB/T 22105.2-2008, Soil quality-analysis of total mercury、arsenic and lead contents in soils-atomic fluorescence spectrometry part 2: analysis of total arsenic contents in soils[S]. |
| [20] |
张文超, 吕森林, 刘丁彧, 等. 宣威街道尘中重金属的分布特征及其健康风险评估[J]. 环境科学, 2015, 36(5): 1810-1817. Zhang W C, Lü S L, Liu D Y, et al. Distribution characteristics of heavy metals in the street dusts in Xuanwei and their health risk assessment[J]. Environmental Science, 2015, 36(5): 1810-1817. |
| [21] | USEPA. Exposure factors handbook: 2011 edition[R]. EPA/600/R-09/052F, Washington: U.S. Environmental Protection Agency, 2011. |
| [22] | Fryer M, Collins C D, Ferrier H, et al. Human exposure modelling for chemical risk assessment: a review of current approaches and research and policy implications[J]. Environmental Science & Policy, 2006, 9(3): 261-274. |
| [23] | Wang J H, Li S W, Cui X Y, et al. Bioaccessibility, sources and health risk assessment of trace metals in urban park dust in Nanjing, Southeast China[J]. Ecotoxicology and Environmental Safety, 2016, 128: 161-170. DOI:10.1016/j.ecoenv.2016.02.020 |
| [24] | Deng W B, Li X X, An Z S, et al. Identification of sources of metal in the agricultural soils of the Guanzhong Plain, northwest China[J]. Environmental Toxicology and Chemistry, 2017, 36(6): 1510-1516. DOI:10.1002/etc.3704 |
| [25] |
陈慧选, 吴家华, 白增森, 等. 太原市南郊区土壤8种重金属元素背景值的研究[J]. 山西农业科学, 1994, 22(2): 32-35. Chen H X, Wu J H, Bai Z S, et al. Environmental background data for agricultural soil in Taiyuan south-suburban[J]. Journal of Shanxi Agricultural Sciences, 1994, 22(2): 32-35. |
| [26] | Liu W J, Chai G L, Deng W B. A combination of finite mixture distribution model with geo-statistical models to study spatial patterns and hazardous areas of heavy metals in cropland soils of the Guanzhong Plain, Northwest China[J]. Chemosphere, 2021, 283. DOI:10.1016/j.chemosphere.2021.131222 |
| [27] | Fang X H, Peng B, Wang X, et al. Distribution, contamination and source identification of heavy metals in bed sediments from the lower reaches of the Xiangjiang River in Hunan province, China[J]. Science of the Total Environment, 2019, 689: 557-570. DOI:10.1016/j.scitotenv.2019.06.330 |
| [28] |
黄华斌, 林承奇, 胡恭任, 等. 基于PMF模型的九龙江流域农田土壤重金属来源解析[J]. 环境科学, 2020, 41(1): 430-437. Huang H B, Lin C Q, Hu G R, et al. Source appointment of heavy metals in agricultural soils of the Jiulong river basin based on positive matrix factorization[J]. Environmental Science, 2020, 41(1): 430-437. |
| [29] | Norris G, Duvall R, Brown S, et al. Epa positive matrix factorization (PMF) 5.0 fundamentals and user guide[R]. Washington: U.S. Environmental Protection Agency, Office of Research and Development, 2014. |
| [30] | Li L X, Li Y N, Ye F, et al. Carbon dioxide emissions quotas allocation in the Pearl River Delta region: evidence from the maximum deviation method[J]. Journal of Cleaner Production, 2018, 177: 207-217. |
| [31] | Li X P, Zhang M, Gao Y, et al. Urban street dust bound 24 potentially toxic metal/metalloids (PTMs) from Xining valley-city, NW China: spatial occurrences, sources and health risks[J]. Ecotoxicology and Environmental Safety, 2018, 162: 474-487. |
| [32] | Yu B B, Wang Y, Zhou Q X. Human health risk assessment based on toxicity characteristic leaching procedure and simple bioaccessibility extraction test of toxic metals in urban street dust of Tianjin, China[J]. PLoS One, 2014, 9(3). DOI:10.1371/journal.pone.0092459 |
| [33] | Škrbić B D, Buljovčić M, Jovanović G, et al. Seasonal, spatial variations and risk assessment of heavy elements in street dust from Novi Sad, Serbia[J]. Chemosphere, 2018, 205: 452-462. |
| [34] | Rinklebe J, Antoniadis V, Shaheen S M, et al. Health risk assessment of potentially toxic elements in soils along the Central Elbe River, Germany[J]. Environment International, 2019, 126: 76-88. |
| [35] | Zhi Y Y, Li P, Shi J C, et al. Source identification and apportionment of soil cadmium in cropland of Eastern China: a combined approach of models and geographic information system[J]. Journal of Soils and Sediments, 2016, 16(2): 467-475. |
| [36] | 王祖泽. 土壤砷污染的价态问题[J]. 农业环境科学学报, 1982(3): 1-4. |