2023, Vol. 44
2. 中国地质大学(武汉)环境学院, 武汉 430074
2. School of Environmental Studies, China University of Geosciences, Wuhan 430074, China
洞庭湖平原是我国重要的粮食基地, 有研究表明[1], 洞庭湖区域水质及其土壤中重金属污染日益严峻.土壤中重金属可通过生物富集作用进入人体, 从而危害人体健康[2], 控制土壤重金属含量已经成为该区域重要工作.当前, 土壤重金属污染控制主要从污染源、污染传播途径及重金属摄入三方面出发, 其中, 污染源分析和管控是土壤重金属治理工作的重点.如王锐等[3]对重庆市酉阳县南部农田污染进行来源解析, 发现矿业活动引起的农田污染; 同样, 刘书淮等[4]对天府新区青龙片区城乡融合区土壤重金属来源进行分析, 发现受工业、农业和城市交通等综合影响的土壤区域.本研究拟从污染源出发, 探讨土壤重金属的主要来源, 为该研究区域污染源管理和源头控制农田重金属污染, 降低重金属的生态毒害风险提供支撑.
国内外对于重金属源解析主要采用的方法有：主成分/绝对主成分分析法(PCA/APCS)、UMIX模型、化学质量平衡法(CMB)和正定矩阵因子分析法(PMF)等方法.PMF模型早期主要应用于大气污染源解析工作[5], 近年来逐步推广至土壤和水系中, 其优点是能很好地对污染源进行分类, 并分配其各污染元素对于污染源的贡献率[6].黄华斌等[7]基于PMF模型的九龙江流域农田土壤重金属来源解析, 陈志凡等[8]基于正定矩阵因子分析模型的城郊农田重金属污染源解析, 并采用不同计算公式对不同元素的不确定度进行计算, 从而提高了源解析准确度[9, 10].本研究拟采用主成分-多元线性回归法(PCA-MLR)以及PMF模型对土壤中重金属进行源解析, 并通过两种方法分析对比, 确定其污染源, 双向验证PCA-PMF方法的合理性.通过对研究区土壤中As、Cd、Pb、Cu、Zn、Ni、Cr和Hg这8种重金属污染特征、空间分布、生态风险和来源解析进行分析, 以期为研究区土壤重金属污染防治提供科学依据.
1 材料与方法 1.1 样品采集研究区土地类型以耕地为主, 此外存在少量建筑用地和极少量的林地, 成土母质为河湖沉积物, 研究区内土壤类型均为水稻土, 质地偏黏, 多为黏土及壤土.研究区面积约186 km2, 区域内水系发达, 西部为北向的A江, 东部为西北向的B江, 北部为洞庭湖, 灌溉能力强.
于2020年4~8月, 结合土地利用和耕地类型, 采用航迹监控在研究区设置500 m×500 m的网格, 从而进行定点均匀采样, 共采集土壤样品1 589件(图 1).土壤样品采取的平均采样密度为9点·km-2, 在每个采样格子中选择能够代表该采样单元格的主要土地利用方式区域采集样品.各土地类型采样深度为0~20 cm, 采用“X”型或“S”型采样法进行采样, 由4~6个子样等量混合组成1件样品, 保留大约2 kg土样带回.将取回的土壤样品登记编号, 经前处理后进行土壤分析测定.
|
图 1 研究区土地利用和点位分布 Fig. 1 Land use and point distribution in the study area |
沿着垂直于A江方向, 间距为每点2 km, 布设土壤垂向剖面, 其点位自西向东分别为CP01~05, 每个土壤垂向剖面共分9层, 分层方法为：0~40 cm层位取10 cm为一层, 40~140 cm层位取20 cm为一层, 经分层处理后进行土壤分析测定.
1.2 样品分析土壤样品分析单位为湖南省地质测试研究院, 样品经自然风干除杂后研磨, 无污染样品过100目、200目筛, 称取10.0 g样品, 加入25 mL去离子水, 用玻璃棒搅动1 min, 静置30 min, 通过离子选择性电极法(ISE)测定pH.采用硝酸、氢氟酸和高氯酸溶样, Cu、Zn、Cr和Ni采用电感耦合等离子体发射光谱法(ICP-OES)测试; Pb和Cd采用电感耦合等离子质谱法(ICP-MS)测试; As和Hg经王水沸水浴溶样, 采用原子荧光光谱法(HG-AFS)测试, Cu、Pb、Zn、Cr、Ni、Cd、Hg和As元素的检出限分别为0.5、1.5、1、0.4、0.2、0.017、0.000 47和0.5 mg·kg-1.
1.3 质量保证与控制按所送样品总数随机抽取5%试样进行编码, 交由分析技术人员单独进行重复分析, 计算基本分析与重复性分析的相对偏差.样品日常分析精密度控制采用分析国家一级标准物质进行控制.选择4个不同的国家一级标准物质, 均匀插入每一分析批中(50个号码), 与试样一起分析, 每批分析完毕后, 按每个标准物质计算测量值与标准值对数偏差(ΔlgC)和对数标准偏差(λ), 用以衡量样品分析精密度.4个标准物质的选择, 根据测区样品性质、主要分析元素种类及含量情况, 选取接近背景含量, 兼顾高、中、低含量的标准物质进行控制, 每种元素的分析精密度合格率要求≥98%.样品分析测试质量均通过了样品分析质量监控单位的验收.
1.4 潜在生态风险评价法本研究采用潜在生态风险指数法[11](ERI)分析土壤重金属污染水平, 评估其潜在生态风险, 其计算公式为：
|
(1) |
式中, ERI为综合潜在生态风险指数, i为一种重金属污染物, RIi为污染物i的潜在生态风险指数, Ci为污染物的测量浓度, Si为污染物的土壤背景值(本文采用文献[12]中洞庭-江汉平原土壤背景值, 表 1), Ti为根据污染物i的毒性响应的参数[13].
|
表 1 土壤背景值与毒性响应参数 Table 1 Soil background value and toxicity response parameter |
潜在风险评价指数既可以定量评价单一元素的风险等级, 也可以评价多元素综合的风险等级, 根据RI和ERI的大小划分潜在生态危害等级, Hakanson提出的RI生态风险评价分级标准是通过计算参数和毒性系数权重之和进行估算, 本次研究的重金属元素略有不同, 因此将生态风险评估等级对应的RI及ERI值进行了调整[14, 15], 调整后的标准等级划分如表 2.
|
|
表 2 潜在生态危害等级标准划分 Table 2 Standard classification of potential ecological hazards |
1.5 正定矩阵因子分析法(PMF)
PMF是一种多变量因子分析工具, 其原理基于最小迭代二乘算法[16], 将样品矩阵X分解成两个矩阵：浓度矩阵gik (factor contributions)和因子谱fkj (factor profiles)以及残差矩阵eij. PMF模型是基于来源的组成或来源对样本的贡献的数学方法.组成或物种形成是使用适合介质的分析方法确定的, 需要关键物种或物种组合来分离影响.一个指定的数据集可以通过j视为i的数据矩阵X, 其中测量了i个样本数和j个化学物质, 不确定度为u.受体模型的目标是解决测量的物种浓度和源分布之间的化学质量平衡(CMB)[17], 包括因子数p、每个源的物种分布f和每个因素对每个单独样本贡献的质量g[见式(2)]：
|
(2) |
式中, eij为残差矩阵, 其数值由目标函数Q的最小值来计算[见式(3)]：
|
(3) |
式中, uij为i样本中j元素的不确定度.
当元素的浓度小于等于其检出限(MDL)时, 其不确定度计算方法为：
|
(4) |
当元素的浓度大于其检出限(MDL)时, 其不确定度计算方法有以下两种：
|
(5) |
|
(6) |
式中, unc为不确定度, θ为各元素含量变异系数, C为实测重金属元素含量, MDL为元素检出限.为提高模型准确度, 以上两种不确定度的计算方法可以基本概括为平方根之和与算数和两种形式, 在经过多次的不同组合分析, 考虑了样品浓度以及仪器检测特性对不确定度的影响[8], 本研究对于不同元素的不确定计算方法为：As、Zu和Cu采用式(5), Hg、Cd、Pb、Cr和Ni采用式(6).
1.6 主成分-多元线性回归法(PCA-MLR)PCA方法是利用各变量的少数几个线性组合, 解释多维变量的协方差结构, 挑选最佳变量子集, 简化数据, 揭示变量间关系的一种多元统计分析方法[18].在本文中的应用过程：通过因子分析确定参评土壤指标主成分特征值和特征向量, 根据主成分累计贡献率, 选择关键主成分, 建立主成分方程, 计算各主成分得分.其适用性检验方法为KMO(Kaiser-Meyer-Olkin-Measure of sampling adequacy)检验与巴特莱特球性检验(Bartlett test of sphercity), KMO取样适切性量值越接近1, 则越适合进行主成分分析.而MLR是通过得出PCA的结果后, 定量计算各污染源的贡献率[19], 其基本原理如下：
|
(7) |
式中, y为污染物的总浓度, k为主成分分析提取的因子数, ah为第h个因子的标准化回归系数, xh为主成分分析提取的第h个因子的得分, b为常数.
2 结果与分析 2.1 土壤重金属特征分析 2.1.1 土壤重金属含量分析研究区土壤中8种重金属的含量统计如表 3所示, 土壤重金属ω(Zn)、ω(Cr)、ω(Pb)、ω(Cu)、ω(Ni)、ω(As)、ω(Cd)和ω(Hg)平均值依次为：118.18、82.21、52.1、33.76、32.81、18.25、0.42和0.13 mg·kg-1.研究区域土壤以弱酸性为主, pH介于3.96~7.90之间, 以《土壤环境质量农用地土壤污染风险管控标准》(GB 15618-2018)[20]为参考标准, 所有元素均处于风险筛选值之下.根据曾春芳[12]测定的洞庭-江汉平原表层土壤数据与研究区土壤各项元素的比值, 得出不同元素的富集系数, 如表 3和图 2所示, As、Hg、Zn、Cd和Pb元素的相对洞庭-江汉平原富集系数分别为1.56、1.57、1.38、1.5和1.71, 而Cr、Cu和Ni元素相对富集系数接近于1.土壤变异系数可以反映土壤中重金属的均匀性和变异性, 根据变异系数(CV)的大小分级依据[21], Cd、As和Hg属于高度变异(CV＞0.36), 分别为0.64、0.44和0.42, Pb、Cu、Ni、Zn和Cr属于中度变异(0.16＜CV＜0.36), 分别为0.27、0.23、0.22、0.22和0.17.研究区内无低变异元素(CV＜0.16), 8种重金属元素均属于中、高变异, 表明研究区各重金属元素均受到外来因素的影响较大, 其很大程度可能受到人类活动影响, 例如耕种、施肥打药及更换种植制度等[22].
|
|
表 3 研究区土壤重金属元素参数统计1) Table 3 Statistics of soil heavy metal element parameters in the study area |
|
图 2 研究区土壤各项指标箱线图 Fig. 2 Box diagram of soil indexes in the study area |
与国内其他粮食基地农田区土壤中重金属含量相比, 洞庭湖农田区重金属含量处于中等偏高水平, 如表 4所示.单个元素的含量高低略有差异, 其中Cd、Zn、As和Cr的含量均高于其他农田区; 而Hg的含量低于松嫩平原区, 高于三江平原区; Cu的含量高于鄱阳湖平原区, 低于太湖平原与三江平原区; Pb的含量低于太湖平原与三江平原区, 高于鄱阳湖平原区与松嫩平原区.通过对比发现, 研究区Cd的含量要远高于其余农田区, 这可能与洞庭湖平原地区Cd元素背景值高有关, 由于Cd元素在土壤中富集能力更强, 更容易被农作物吸收[27].因此, 亟需加强对本研究区域Cd的关注.
|
|
表 4 典型农田区土壤重金属含量平均值1)/mg·kg-1 Table 4 Average content of heavy metals in soil of typical farmland area/mg·kg-1 |
2.1.2 土壤重金属潜在生态风险评价
依据潜在生态危害指数法的分类依据[27, 28]将单元素潜在生态危害指数RI划分为5个等级, 将综合潜在生态危害指数ERI划分为4个等级, 如表 5所示.单元素潜在生态危害评价结果表明, As、Cr、Cu、Ni、Zn和Pb元素均处于低潜在生态风险污染, 而Hg和Cd元素具有中等潜在风险污染.其中Hg潜在风险性最高, 整体区域较高以上的潜在风险占比为23%, 中等潜在风险占比为65%.Cd较高以上潜在风险占比为12%, 中等潜在风险占比为32%.
|
|
表 5 研究区单元素潜在生态风险评价样品污染程度划分和占比/% Table 5 Contamination degree division and proportion of single element potential ecological hazard assessment samples in the study area/% |
研究区内综合潜在生态危害评价等级ERI轻度风险和中度风险占比分别为41%和42%, 而强风险和极强风险占比则分别为15%和2%.总体来看, 研究区内土壤重金属存在潜在的生态环境风险, 其中Cd和Hg对研究区综合生态风险指数的占比最高, 初步表明Cd和Hg是研究区土壤中的主要污染物, 应针对性地对这两种元素采取相应的治理措施[29].
2.1.3 重金属元素的空间分布特征空间插值法通常被广泛应用于环境方向用来分析各类元素空间分布情况[30], 本文采用Kriging差值法对研究区内8种重金属元素共1 589个点位进行空间分析, 如图 3所示.空间分析结果表明, Cu、Zn、As和Pb元素其空间分布高度相似, 呈西北高, 东南低的趋势, 西南方向有一个峰值区, 结合图 1可知, 其西南方向为城区, 其土地利用多为建筑用地, 出现高值的原因应与土地利用方式有关[31].Cr和Ni元素其空间分布程度较为相似, 从西北向东南递减, 于西南城区地区并无明显峰值, Ni元素其波动起伏较大, 出现明显峰值, Cr元素空间变化较为平缓, 无明显高值也无明显低值.Hg元素空间分布梯度性较强, 含量从西北至东南呈梯度下降, 分布有规律性.调查可知, 研究区内风向大多为东南风, 呈洞庭湖往内陆风向, 与Hg元素下降趋势一致.从Cd元素空间分布可以看出, 其峰值呈环状列于洞庭湖与A江, 点源特征明显, 在研究区东南角B江上游段有极低值.总体来看, 研究区内各重金属元素空间分布具有较高的一致性, 与研究区的水系分布息息相关, 整体大趋势为西北高, 东南低, 同时, 不同元素峰值分布又具有一定的差异性.
|
图 3 各元素空间分布 Fig. 3 Spatial distribution of elements |
对研究区内的各类重金属元素进行PMF定量源解析, 基于EPA PMF5.0软件, 设定因子数(3~6), 运行速度为20次, 依次运行PMF模型, 通过比较不同因子数下Qrob/Qexp确定最佳因子个数, 结果表明因子个数为4时, 计算方案最为稳定, 通过该模型进行源解析, 拟合值结果显示：除Cu元素R2为0.65, 其余元素R2均在0.8以上, 因此PMF模型的因子数可以充分地解释原始数据中所包含的信息[32].根据PMF模型所得的各污染源贡献比如图 4所示, 同时, 为了验证各污染源与其污染因子之间对应关系, 判断各污染源影响的空间位置, 对PMF模型所得的各污染因子进行含量换算形成含量梯度进行克里金空间差值分析, 得出其污染因子影响空间分布(图 5), 通过对比重金属的空间分布特征与PMF模型得出的结论, 验证模型的正确性.
|
图 4 研究区土壤重金属PMF源解析贡献 Fig. 4 Contribution of PMF source analysis of soil heavy metals in the study area |
|
图 5 研究区土壤重金属来源因子空间分布 Fig. 5 Spatial distribution of soil heavy metal source factors in the study area |
由图 4可知, 因子1占比为17.05%, 其中Cd和As的载荷较高, 贡献率分别为61.89%和41.63%, Cd和As的变异系数分别为64%和44%, 是研究区内8种重金属元素中变异系数最大的两种元素, 代表其受人为因素影响最大.通过对比其空间分布发现(图 3), Cd元素峰值主要位于环A江与洞庭湖区域, 且由图 5可知, 因子1影响区域重点在西部, 且自西向东逐步递减, 与A江垂直流向吻合.经实地调查, 20世纪初至今, 研究区西部地区长期使用A江水灌溉, 研究表明, Cd和As元素部分来源于工业三废[33], 西南角为该城区区域, 有较多工厂位于此地, 其一定程度上有工业废水排入A江, 研究区西部地区受A江地区长期水土交换的过程, 导致靠近A江流域的土壤中存在一定程度的Cd及As污染, 因此, 推断因子1为水土交换源.
因子2占比32.94%, 其中Cr、Ni和As元素载荷较高, 贡献率分别为49.41%、45.65%和52.17%, Cr和Ni元素在研究区内分布均匀, 并无明显的高值区和低值区, 其变异系数较小, 受人类活动影响较小, 其成因一般与成土母质有关[34].对比各元素空间分布发现(图 3), Cr和Ni元素高值区域位于东北角和东部的小部分区域, 东北部靠近B江, 在研究区外东北方向有少量潮土, 潮土容易富集As等重金属元素, 图 5中因子2的影响程度分布在全区并无峰值, 这与研究区内地质背景有关, 研究区大部分区域为第四系地层, 地层结构较为单一, 因此推断因子2为自然源.
因子3占比36.98%, 其中Cu、Zn和Pb元素载荷较高, 贡献率分别为40.19%、51.13%和39.41%.图 5显示, 因子3影响覆盖区域较大, 除了西南城区及洞庭湖区域影响较小外, 整个区域均一定程度受因子3影响.研究区为全国商品粮基地, 研究区内机械化程度高, 施肥打药技术高效, 而Cu和Zn的累积与农用品的投入有较大关系[35].此外, 有机肥料中普遍含有较多的Pb元素[36], 因此推测因子3为农业活动源, 其高占比也表明农业活动是本研究区域重金属的主要来源.
因子4占比13.03%, 其中Hg元素的载荷最高, 贡献率为75.94%, 而其他元素对因子4的载荷几乎无影响.Hg元素来源比较复杂, 受各类因素影响较大[37].图 5显示其影响区域主要位于西部地区, 大气沉降是Hg元素的重要来源[38], 研究区外部的工厂排放的含Hg气体通过大气沉降的方式随气团扩散至整个研究区.经调查发现, 研究区风向为东南风向, 也符合因子4的影响范围由西北至东南递减的趋势.对比空间分布发现(图 3), 研究区Hg元素的含量相对均匀, 没有明显的高值区和低值区, 大气中的元素进入土壤的沉降过程不同于其他方式进入土壤中, 其富集能力相比于其他方式较弱, 进一步说明Hg的含量受大气影响分布相对均匀有关.因此, 因子4可认为是大气沉降污染源.
2.2.2 PCA-MLR分析为探究研究区内土壤重金属各元素之间关系, 对土壤重金属含量数据进行主成分分析, 使用KMO与Bartlett法对数据进行检验[39], 得KMO取样适切性量数为0.84, 表明数据分析具有可靠性, 通过相关性分析, 各元素间相关性较强, 选取前3个主成分(表 6), 旋转后主成分对各因子的方差贡献率分别为39.68%、31.65%和14.51%, 累计方差贡献率达85.84%.
|
|
表 6 土壤中各重金属元素旋转后的成分矩阵1) Table 6 Composition matrix of each heavy metal element in soil after rotation |
因子1主要成分包括As、Zn、Cd、Pb和Cu等元素, 方差贡献率为39.68%, Pearson相关性检验表明这5类重金属元素呈显著相关, 具有同源性, 其空间分布图表明变化趋势较为一致, 均为西北高, 东南低, 研究区为90%以上的区域为农耕区, 有研究表明Cd是农业生产中农耕的标志性元素[40], 前文中也有提及Cu、Zn和Pb受农业活动影响较大, 调查发现研究区内存在使用禽畜粪便浇灌农田, 而As普遍存在于饲料中, 长期施肥会导致土壤中Cd、Pb、Cu和Zn等元素累积[41].因此推断因子1主要为农业活动源.
因子2主要成分包括Cr和Ni元素, 方差贡献率为31.65%.Cr和Ni元素主要受成土母质影响[42], 通过对比空间分布图发现, Cr和Ni元素分布规律基本一致, 且Cr和Ni元素变异系数也较小, 基本表明Cr和Ni元素来源于自然源.因此推断因子2主要为自然源.
因子3主要成分为Hg元素, 方差贡献率为14.51%.Hg元素主要受人类活动等因素综合影响, 其主要来源为各类企业产生的大气中含有的Hg元素通过大气沉降到土壤中[43], 对土壤中重金属积累产生影响.因此推断因子3是大气沉降源.
根据主成分分析法得出的结果对研究区进行多元线性回归分析, 得出研究区的回归方程：
|
(8) |
式中, F1、F2和F3为3种因子, R2为该方程的拟合系数, P为显著性水平, 可以看出该方程的拟合系数高, 且P符合0~0.01区间水平, 所以可以判定该方程具有统计学意义, 即自变量和因变量之间存在线性关系.主成分-多元线性回归法结果表明, 研究区内主要污染源为农业活动源, 其源贡献率为68.04%, 其次为自然源(31.02%)和大气干湿沉降源(0.94%).
3 讨论 3.1 源解析方法对比讨论PMF方法对8种重金属元素来源解析结果表明, 研究区土壤重金属来源贡献率依次为：农业活动源(36.98%)、自然源(32.94%)、水土交换源(17.05%)、大气干湿沉降源(13.03%); 而PCA结果表明研究区土壤重金属主要来源于农业活动源(68.04%)、自然源(31.02%)和大气沉降源(0.94%).对比两种源解析结果, 可以发现PCA-MLR法和PMF模型源解析在结果上总体上趋于一致, 即农业活动是研究区内土壤重金属主要来源.
其差异主要体现在具体的源的分配率计算上, 主成分分析法将PMF模型中所得出水土交换源列为了农业活动源, 其本质是由人为水源灌溉等农业生产因素影响的来源.PCA分析提取3个主成分因子, 可以得出各污染源的贡献元素, 只能对各污染源进行分类, 但无法直接给出一个完整的源贡献率[44], 通过多元线性回归方程, 即可算出其完整的源贡献率.而PMF源解析可以给出每个源个数及各源贡献的元素, 还可以给出各个元素的贡献率, 但其也存在局限性, 在计算不确定度值其存在的误差可能对结果产生一定的影响, 但尽量将Qrob/Qexp调整至1左右, 能较为准确地找出其污染源及更加定量化的源解析结果[45].通过Kriging差值得出PMF模型4种污染因子其受污染源影响的空间具体位置, 两种源解析方法基本吻合, 能够较好地解析土壤中重金属来源.
3.2 土壤元素迁移特征研究土壤重金属迁移在空间上可以表现为纵向及横向两个方向的迁移, 通过设置土壤剖面可以得出其垂直分布的规律性, 而重金属污染具有表聚性[46], 即进入土壤环境中的重金属的迁移能力较差, 主要富积于表层土壤, 而农田区域受其耕种翻土、灌溉等影响而发生迁移, 从而对深层土壤造成污染.本次研究从西向东设置了土壤垂向剖面5条(图 6), 分别为CP01~CP05, 通过研究不同层位以及距离A江远近等原因探索分析研究区元素纵向及横向的迁移规律, 更深层次探讨研究区内8种重金属元素污染来源.制作土壤垂向剖面元素含量变化点线图.
|
图 6 垂向土壤剖面土壤重金属含量变化 Fig. 6 Variation in soil heavy metal content in vertical soil profile |
由图 6可知, 从元素的纵向迁移变化来看, Cr、Ni和Cu其变化幅度较小, 元素含量变化率较低, 代表其受外来原因影响较小, 其土壤特性较为稳定, 也进一步证实了前文中这类元素所代表的其载荷值较高的自然源.Cr含量深层普遍高于表层.有研究表明[47], Cr在表生条件下容易被氧化形成含氧酸根离子从而发生迁移, 从而导致表层土壤中的Cr低于深层土壤中.Cd、Hg和Pb在纵向分布上具有较高的一致性, 其含量呈表层高, 深层低的趋势, 其人为输入现象明显.土壤中的Cd和Pb属于累积型污染物, 这两种重金属元素较易在表层富积, 但极难向下层中迁移, 其表层富积的Cd在耕作层中呈断崖式下降[48], Cd是研究区内最主要的污染元素, 研究区土壤呈酸性, 而酸性条件下Cd其生物有效性较强[49], 容易造成农作物中Cd超标, 因此应采取相应措施治理表层Cd富积.As其纵向规律符合自然规律, 呈深层高, 表层较低的变化规律, 代表其很大程度上不受外来因素的干扰.
5条剖面横向规律表明, 各土壤重金属元素从深层到表层均逐步降低, A江对研究区重金属元素含量影响较大, 多年的水土交换过程, 明显影响了研究区重金属含量.重金属元素在土壤中的富集取决于很多因素, 不仅与元素含量有关, 而且与土壤类型、理化性质和周边环境息息相关.综上所述, 研究区内人为因素是该地区污染的主导因素.
4 结论(1) 研究区内土壤8种金属元素均属于中、高度变异.从单一元素潜在风险来看, Hg和Cd存在较高的潜在风险污染.
(2) 各元素空间分布大致均呈西北至东南递减, 其中Cu、Zn、As和Pb等元素空间分布规律相似, Cr、Ni元素其空间分布规律相似.
(3) PMF模型分析结果表明：As和Cd以水土交换源为主, Cr、Ni和As以自然源为主, Cu、Zn和Pb以农业生产源为主, Hg以大气沉降源为主, 各污染源贡献率分别为：17.05%、32.94%、36.98%和13.03%; PCA-MLR分析结果表明：As、Cd、Zn和Pb以农业活动源为主, Cr和Ni以自然源为主, Hg以大气沉降源为主, 其贡献率分别为68.04%、31.02%和0.94%.
(4) 两种源解析结果表明, PCA-MLR法和PMF模型源解析在结果上总体趋于一致, 即农业活动是研究区内土壤重金属主要来源, 土壤纵向及横向迁移规律受河流影响较大, Cd主要为表层土壤富积.
| [1] |
胡光伟, 张明, 刘珍, 等. 洞庭湖水质变化及其形成机制分析[J]. 水资源与水工程学报, 2019, 30(3): 39-45. Hu G W, Zhang M, Liu Z, et al. Analysis of water quality change and its formation mechanism of Dongting Lake[J]. Journal of Water Resources and Water Engineering, 2019, 30(3): 39-45. |
| [2] |
陈卫平, 杨阳, 谢天, 等. 中国农田土壤重金属污染防治挑战与对策[J]. 土壤学报, 2018, 55(2): 261-272. Chen W P, Yang Y, Xie T, et al. Challenges and countermeasures for heavy metal pollution control in farmlands of China[J]. Acta Pedologica Sinica, 2018, 55(2): 261-272. |
| [3] |
王锐, 邓海, 严明书, 等. 重庆市酉阳县南部农田土壤重金属污染评估及来源解析[J]. 环境科学, 2020, 41(10): 4749-4756. Wang R, Deng H, Yan M S, et al. Assessment and source analysis of heavy metal pollution in farmland soils in Southern Youyang County, Chongqing[J]. Environmental Science, 2020, 41(10): 4749-4756. |
| [4] |
刘书淮, 王德伟, 施泽明, 等. 城乡融合区土壤元素地球化学特征与源解析: 以天府新区青龙片区为例[J]. 环境科学, 2022, 43(3): 1535-1545. Liu S H, Wang D W, Shi Z M, et al. Geochemical characteristics and source apportionment of soil elements in an urban-rural integration area: a case study in the Qinglong area of Tianfu new district[J]. Environmental Science, 2022, 43(3): 1535-1545. |
| [5] | Paatero P, Tapper U. Positive matrix factorization: a non-negative factor model with optimal utilization of error estimates of data values[J]. Environmetrics, 1994, 5(2): 111-126. DOI:10.1002/env.3170050203 |
| [6] | United States Environmental Protection Agency. "Supplemental guidance for dermal risk assessment", part E of risk assessment guidance for superfund, human health evaluation manual (volume I)[R]. Washington: United States Environmental Protection Agency, 2004. |
| [7] |
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 G, 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. |
| [8] |
陈志凡, 化艳旭, 徐薇, 等. 基于正定矩阵因子分析模型的城郊农田重金属污染源解析[J]. 环境科学学报, 2020, 40(1): 276-283. Chen Z F, Hua Y X, Xu W, et al. Analysis of heavy metal pollution sources in suburban farmland based on positive definite matrix factor model[J]. Acta Scientiae Circumstantiae, 2020, 40(1): 276-283. |
| [9] | Wu Q M, Hu W Y, Wang H F, et al. Spatial distribution, ecological risk and sources of heavy metals in soils from a typical economic development area, Southeastern China[J]. Science of the Total Environment, 2021, 780. DOI:10.1016/j.scitotenv.2021.146557 |
| [10] |
胡杰, 赵心语, 王婷婷, 等. 太原市汾河河岸带土壤重金属分布特征、评价与来源解析[J]. 环境科学, 2022, 43(5): 2500-2509. Hu J, Zhao X Y, Wang T T, et al. Distribution characteristics, evaluation, and source analysis of heavy metals in soils of Fenhe riparian zone in Taiyuan City[J]. Environmental Science, 2022, 43(5): 2500-2509. |
| [11] | Liu L, Zhang X Y, Zhong T Y. Pollution and health risk assessment of heavy metals in urban soil in China[J]. Human and Ecological Risk Assessment: An International Journal, 2015, 22(2): 424-434. |
| [12] | 曾春芳. 洞庭湖-江汉平原土地质量地球化学评估报告[R]. 宜昌: 宜昌地质矿产研究所, 2009. |
| [13] |
周亚龙, 郭志娟, 王成文, 等. 云南省镇雄县土壤重金属污染及潜在生态风险评估[J]. 物探与化探, 2019, 43(6): 1358-1366. Zhou Y L, Guo Z J, Wang C W, et al. Assessment of heavy metal pollution and potential ecological risks of soils in Zhenxiong County, Yunnan province[J]. Geophysical and Geochemical Exploration, 2019, 43(6): 1358-1366. |
| [14] | Wu J, Lu J, Li L M, et al. Pollution, ecological-health risks, and sources of heavy metals in soil of the northeastern Qinghai-Tibet Plateau[J]. Chemosphere, 2018, 201: 234-242. DOI:10.1016/j.chemosphere.2018.02.122 |
| [15] |
王玉, 辛存林, 于奭, 等. 南方丘陵区土壤重金属含量、来源及潜在生态风险评价: 以江西省兴国县西北部为例[J]. 环境科学, 2022, 43(9): 4756-4766. Wang Y, Xin C L, Yu S, et al. Evaluation of heavy metal content, sources, and potential ecological risks in soils of southern hilly areas: an example from northwestern Xingguo county, Jiangxi province[J]. Environmental Science, 2022, 43(9): 4756-4766. |
| [16] | Vaccaro S, Sobiecka E, Contini S, et al. The application of positive matrix factorization in the analysis, characterisation and detection of contaminated soils[J]. Chemosphere, 2007, 69(7): 1055-1063. DOI:10.1016/j.chemosphere.2007.04.032 |
| [17] |
刘巍, 杨建军, 汪君, 等. 准东煤田露天矿区土壤重金属污染现状评价及来源分析[J]. 环境科学, 2016, 37(5): 1938-1945. Liu W, Yang J J, Wang J, et al. Contamination assessment and sources analysis of soil heavy metals in opencast mine of East Junggar basin in Xinjiang[J]. Environmental Science, 2016, 37(5): 1938-1945. |
| [18] |
董騄睿, 胡文友, 黄标, 等. 基于正定矩阵因子分析模型的城郊农田土壤重金属源解析[J]. 中国环境科学, 2015, 35(7): 2103-2111. Dong L R, Hu W Y, Huang B, et al. Source appointment of heavy metals in suburban farmland soils based on positive matrix factorization[J]. China Environmental Science, 2015, 35(7): 2103-2111. |
| [19] |
苏业旺, 刘威杰, 毛瑶, 等. 华中地区夏季PM2.5中水溶性离子污染特征及来源分析[J]. 环境科学, 2022, 43(2): 619-628. Su Y W, Liu W J, Mao Y, et al. Characteristics and source analysis of water-soluble inorganic pollution in PM2.5 during summer in central China[J]. Environmental Science, 2022, 43(2): 619-628. |
| [20] | GB 15618-2018, 土壤环境质量农用地土壤污染风险管控标准(试行)[S]. |
| [21] |
管孝艳, 王少丽, 高占义, 等. 盐渍化灌区土壤盐分的时空变异特征及其与地下水埋深的关系[J]. 生态学报, 2012, 32(4): 1202-1210. Guan X Y, Wang S L, Gao Z Y, et al. Spatio-temporal variability of soil salinity and its relationship with the depth to groundwater in salinization irrigation district[J]. Acta Ecologica Sinica, 2012, 32(4): 1202-1210. |
| [22] |
杨忠芳, 成杭新, 奚小环, 等. 区域生态地球化学评价思路及建议[J]. 地质通报, 2005, 24(8): 687-693. Yang Z F, Cheng H X, Xi X H, et al. Regional ecological geochemical assessment: ideas and prospects: ideas and prospects[J]. Geological Bulletin of China, 2005, 24(8): 687-693. |
| [23] |
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. |
| [24] |
李良忠, 杨彦, 蔡慧敏, 等. 太湖流域某农业活动区农田土壤重金属污染的风险评价[J]. 中国环境科学, 2013, 33(S1): 60-65. Li L Z, Yang Y, Cai H M, et al. Health risk assessment of heavy metal pollution in farmland soils in Taihu lake basin agricultural area[J]. China Environmental Science, 2013, 33(S1): 60-65. |
| [25] |
张继舟, 吕品, 于志民, 等. 三江平原农田土壤重金属含量的空间变异与来源分析[J]. 华北农学报, 2014, 29(S1): 353-359. Zhang J Z, Lv P, Yu Z M, et al. Spatial variability and source analysis of heavy metal content of agricultural soil in Sanjiang plain[J]. Acta Agriculturae Boreali-Sinica, 2014, 29(S1): 353-359. |
| [26] |
王粟, 史风梅, 裴占江, 等. 松嫩平原农田土壤污染现状分析与评价--以黑龙江省绥化地区为例[J]. 东北农业大学学报, 2015, 46(5): 75-83. Wang S, Shi F M, Pei Z J, et al. Evaluation and analysis of farmland soils pollution status of Songnen Plain: for example Suihua area of Heilongjiang province[J]. Journal of Northeast Agricultural University, 2015, 46(5): 75-83. |
| [27] |
周亚龙, 杨志斌, 王乔林, 等. 雄安新区农田土壤-农作物系统重金属潜在生态风险评估及其源解析[J]. 环境科学, 2021, 42(4): 2003-2015. Zhou Y L, Yang Z B, Wang Q L, et al. Potential ecological risk assessment and source analysis of heavy metals in soil-crop system in Xiong'an new district[J]. Environmental Science, 2021, 42(4): 2003-2015. |
| [28] |
张富贵, 彭敏, 王惠艳, 等. 基于乡镇尺度的西南重金属高背景区土壤重金属生态风险评价[J]. 环境科学, 2020, 41(9): 4197-4209. Zhang F G, Peng M, Wang H Y, et al. Ecological risk assessment of heavy metals at township scale in the high background of heavy metals, Southwestern, China[J]. Environmental Science, 2020, 41(9): 4197-4209. |
| [29] |
林承奇, 胡恭任, 于瑞莲, 等. 九龙江近岸表层沉积物重金属污染评价及来源解析[J]. 中国环境科学, 2016, 36(4): 1218-1225. Lin C Q, Hu G R, Yu R L, et al. Pollution assessment and source analysis of heavy metals in offshore surface sediments from Jiulong River[J]. China Environmental Science, 2016, 36(4): 1218-1225. |
| [30] | Mao C P, Song Y X, Chen L X, et al. Human health risks of heavy metals in paddy rice based on transfer characteristics of heavy metals from soil to rice[J]. CATENA, 2019, 175: 339-348. |
| [31] |
孙雪菲, 张丽霞, 董玉龙, 等. 典型石化工业城市土壤重金属源解析及空间分布模拟[J]. 环境科学, 2021, 42(3): 1093-1104. Sun X F, Zhang L X, Dong Y L, et al. Source Apportionment and spatial distribution simulation of heavy metals in a typical petrochemical industrial city[J]. Environmental Science, 2021, 42(3): 1093-1104. |
| [32] |
吴松泽, 王冬艳, 李文博, 等. 农产品视角的城郊黑土地农田重金属风险分区[J]. 环境科学, 2022, 43(1): 454-462. Wu S Z, Wang D Y, Li W B, et al. Risk zoning of heavy metals in a peri-urban area in the black soil farmland based on agricultural products[J]. Environmental Science, 2022, 43(1): 454-462. |
| [33] |
胡梦珺, 李春艳, 李娜娜, 等. 基于物元可拓模型的兰州市主城区公园表土重金属污染评价[J]. 环境科学, 2021, 42(5): 2457-2468. Hu M J, Li C Y, Li N N, et al. Using the matter-element extension model to assess heavy metal pollution in topsoil in parks in the main district park of Lanzhou city[J]. Environmental Science, 2021, 42(5): 2457-2468. |
| [34] |
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. |
| [35] |
王成龙, 邹欣庆, 赵一飞, 等. 基于PMF模型的长江流域水体中多环芳烃来源解析及生态风险评价[J]. 环境科学, 2016, 37(10): 3789-3797. Wang C L, Zou X Q, Zhao Y F, et al. Source apportionment and ecological risk assessment of polycyclic aromatic hydrocarbons in surface water from Yangtze river, China: based on PMF model[J]. Environmental Science, 2016, 37(10): 3789-3797. |
| [36] |
杨帆, 罗红雪, 钟艳霞, 等. 宁东能源化工基地核心区表层土壤中多环芳烃的空间分布特征、源解析及风险评价[J]. 环境科学, 2021, 42(5): 2490-2501. Yang F, Luo H X, Zhong Y X, et al. Spatial distribution characteristics, source apportionment, and risk assessment of topsoil PAHs in the core area of the Ningdong energy and chemical industry base[J]. Environmental Science, 2021, 42(5): 2490-2501. |
| [37] | Long Z J, Huang Y, Zhang W, et al. Effect of different industrial activities on soil heavy metal pollution, ecological risk, and health risk[J]. Environmental Monitoring and Assessment, 2021, 193(1): 20. |
| [38] |
管贤贤, 周小平, 雷春妮, 等. 基于GIS及APCS-MLR模型的兰州市主城区土壤PAHs来源解析[J]. 环境科学, 2021, 42(8): 3904-3912. Guan X X, Zhou X P, Lei C N, et al. Source apportionment of soil PAHs in Lanzhou based on GIS and APCS-MLR model[J]. Environmental Science, 2021, 42(8): 3904-3912. |
| [39] | Comero S, Vaccaro S, Locoro G, et al. Characterization of the Danube River sediments using the PMF multivariate approach[J]. Chemosphere, 2014, 95: 329-335. |
| [40] | Hu B F, Shao S, Ni H, et al. Current status, spatial features, health risks, and potential driving factors of soil heavy metal pollution in China at province level[J]. Environmental Pollution, 2020, 266. DOI:10.1016/j.envpol.2020.114961 |
| [41] |
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. |
| [42] |
陈亮, 张西营, 唐启亮, 等. 柴达木盆地表土重金属污染与来源分析[J]. 环境科学, 2021, 42(10): 4880-4888. Chen L, Zhang X Y, Tang Q L, et al. Evaluation and sources of heavy metal pollution in the surface soil of the Qaidam basin[J]. Environmental Science, 2021, 42(10): 4880-4888. |
| [43] |
王成, 赵艳萍, 谢鸣捷. 苏南典型工农业交错区土壤铅富集特征及源解析--基于PCA-PMF方法[J]. 中国环境科学, 2021, 41(1): 279-287. Wang C, Zhao Y P, Xie M J. Characteristics of lead enrichment in the soil from a typical peri-urban agricultural area of the southern Jiangsu and source appointment based on the PCA-PMF method[J]. China Environmental Science, 2021, 41(1): 279-287. |
| [44] |
杨安, 王艺涵, 胡健, 等. 青藏高原表土重金属污染评价与来源解析[J]. 环境科学, 2020, 41(2): 886-894. Yang A, Wang Y H, Hu J, et al. Evaluation and source of heavy metal pollution in surface soil of Qinghai-Tibet plateau[J]. Environmental Science, 2020, 41(2): 886-894. |
| [45] |
李悦昭, 陈海洋, 孙文超. "河-湖"沉积物重金属环境特征及来源解析[J]. 环境科学, 2020, 41(6): 2646-2652. Li Y Z, Chen H Y, Sun W C. Environmental characteristics and source apportionment of heavy metals in the sediments of a river-lake system[J]. Environmental Science, 2020, 41(6): 2646-2652. |
| [46] |
陈同斌, 李艳霞, 金燕, 等. 城市污泥复合肥的肥效及其对小麦重金属吸收的影响[J]. 生态学报, 2002, 22(5): 643-648. Chen T B, Li Y X, Jin Y, et al. The effects of compound fertilizer made from municipal sewage sludge compost on N P K and heavy metals uptake of wheat[J]. Acta Ecologica Sinica, 2002, 22(5): 643-648. |
| [47] |
庞阔, 李敏, 刘璐, 等. 基于蒙特卡洛模拟与PMF模型的黄河流域沉积物重金属污染评价及源解析[J]. 环境科学, 2022, 43(8): 4008-4017. Pang K, Li M, Liu L, et al. Evaluation and source analysis of heavy metal pollution in sediments of the yellow river basin based on Monte Carlo simulation and PMF model[J]. Environmental Science, 2022, 43(8): 4008-4017. |
| [48] |
张扣扣, 贺婧, 钟艳霞, 等. 基于GIS对宁夏某铜银矿区周边土壤重金属来源解析[J]. 环境科学, 2022, 43(11): 5192-5204. Zhang K K, He J, Zhong Y X, et al. Identification of soil heavy metal sources around a copper-silver mining area in Ningxia based on GIS[J]. Environmental Science, 2022, 43(11): 5192-5204. |
| [49] |
刘齐, 卢星林, 曾鹏, 等. 柳州市春季大气挥发性有机物污染特征及源解析[J]. 环境科学, 2021, 42(1): 65-74. Liu Q, Lu X L, Zeng P, et al. Characteristics and source apportionment of ambient VOCs in spring in Liuzhou[J]. Environmental Science, 2021, 42(1): 65-74. |