2023, Vol. 44
2. 生态环境部土壤与农业农村生态环境监管技术中心, 北京 100012;
3. 北京林业大学国家林草局水土保持重点实验室, 北京 100083
2. Technical Centre for Soil, Agriculture and Rural Ecology and Environment, Ministry of Ecology and Environment, Beijing 100012, China;
3. Key Laboratory of State Forestry Administration on Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China
重金属(As、Cd、Cr、Cu、Hg、Ni、Pb和Zn)因毒性高、停留时间长和能够被生物持久利用而被认为是主要的有害微量元素[1~3]. 土壤重金属污染来源广泛, 工矿业和农业等人为活动和土壤环境背景值高是造成土壤污染或超标的主要原因, 其中有色金属的开采和加工活动往往被认为是最突出的污染来源[4].因此, 工矿区周边土壤重金属污染受到了世界各国的广泛关注.国外学者对矿区土壤重金属污染问题的研究起步较早, 成果较多[5~7].近年来, 随着我国对环境污染和生态修复问题的日益重视, 针对矿区土壤重金属赋存形态分析[8]、污染来源解析[9, 10]、污染风险评价[8, 10]和健康风险评估[11, 12]等方面的研究日趋活跃, 为矿区周边土壤重金属污染防治研究和巩固提升受污染土壤安全利用水平提供了依据.
目前, 粤北矿区和工业区污染问题虽然已得到了学者们的广泛关注, 如郑堃等[13]和李强等[14]通过调查韶关工矿企业周边土壤, 发现8种重金属(As、Cd、Cr、Cu、Hg、Ni、Pb和Zn)均存在不同程度的污染; Zeng等[15]、Wang等[16]和陈洁宜等[17]分别对粤北工矿区周边土壤重金属评估, 发现Cu、Zn、Pb、Cd、Cr和Ni易集聚在水稻中对人体构成潜在风险, Cu、Pb和Al等重金属易从土壤中释放并被植物吸收累积等; 但以上研究存在污染物范围集中和样点少等问题, 鲜见针对粤北矿区8种重金属污染物富集特征和风险评价的大样本研究.位于南岭多金属成矿带上以曲江区为主的区域, 矿产资源和煤炭储量极为丰富, 金属冶炼加工有近50年的历史, 被誉为“有色金属之乡”.作为矿产品加工和生产等活动较为活跃的城乡地区, 无论是从耕地安全管理还是从重金属污染防治角度, 探明该区土壤重金属空间分布特征, 掌握土壤重金属污染状况和潜在生态风险水平都是十分必要的.
因此, 本文在调查研究区土壤pH值和表层土壤中8种重金属(As、Cd、Cr、Cu、Hg、Ni、Pb和Zn)含量的基础上, 参比中国土壤背景值[18]和广东省土壤环境背景值[19]剖析重金属积累特征, 利用地统计学中的克里金插值方法剖析重金属空间分布特征, 并利用主成分分析法解析土壤重金属来源; 此外, 采用地累积污染指数和潜在生态危害指数法系统评估土壤重金属污染程度和潜在生态风险水平, 以期为提升粤北地区耕地质量和重金属污染防治提供科学依据和决策支持.
1 研究区概况研究区位于广东省韶关市中南部, 地理坐标介于北纬23°53′~25°31′、东经112°53′~114°45′之间, 总面积为1 620 km2.总体地势北高南低, 山峦起伏, 中低山广布.地貌以中低山为主, 丘陵和岩溶准平原次之, 局部为山前冲积平原和山间洪积平原, 平均海拔为205m.属中亚热带季风气候, 年均气温为20.1℃, 年均降雨量为1 640 mm, 气候温和, 雨量充沛, 无霜期长.区内大部分表土、土层较深厚, 成土母质多为砂页岩、碳酸盐岩和第四纪沉积物, 是丘陵红壤土分布区.本文的研究区自然资源丰富, 2020年, 实现地区生产总值192.39亿元, 是广东省重点工业生产基地, 产业门类齐全, 形成了冶金、电力、机械和化工等门类比较齐全的产业体系.地理位置上连接长三角经济圈和珠三角经济圈, 已逐渐成为珠三角经济辐射内地的战略通道, 境内铁路、公路和北江纵横交错, 区位优势明显.
2 材料与方法 2.1 样点布设和样本采集本研究于2021年6月结合研究区企业分布、母质类型、土地利用、河流水系和交通干线等因素, 通过GPS精准定位进行网格法布点.实地调查采样时, 由于企业主要沿河流和铁路干线两侧集中分布于研究区中部, 东西部企业分布较少, 因而在研究区中部河流和铁路干线两侧加密布设采样点, 布点精度为1.5 km×1.5 km, 在东西部区域相应降低点位布设密度, 布点精度为4 km×4 km.最终确定布设209个采样点, 如图 1和图 2所示.利用双对角线法5点采样, 垂直采集0~20 cm的表层土壤, 每个分样点采样方法与单独样品采集方法相同, 5点采样量基本一致, 共计采样量不少于1.5 kg, 混合均匀后采用四分法留取1 kg混合土样, 并进行现场采样记录.
|
图 1 研究区采样点分布示意 Fig. 1 Research area and sampling site distribution |
|
图 2 研究区成土母质和土地利用分布示意 Fig. 2 Soil matrix and land use distribution |
土壤样品在室内自然风干, 去除植物根系和砾石等杂质, 经研磨过2 mm孔径筛后, 按《土壤pH值的测定电位法》(HJ 962-2018)要求进行土壤pH测定[20].根据《土壤质量总汞、总砷、总铅的测定原子荧光法》(GB/T 22105.1-2008)[21], 采用原子荧光光谱法测定土壤中As和Hg的含量; 根据《土壤质量铅、镉的测定》(GB/T 17141-1997)[22], 采用石墨炉原子吸收分光光度法测定Cd的含量; 根据《土壤和沉积物铜、锌、铅、镍、铬的测定火焰原子吸收分光光度法》(HJ 491-2019)[23], 采用火焰原子吸收分光光度法, 测定Cr、Cu、Ni、Pb和Zn的含量.土壤中As、Cd、Cr、Cu、Hg、Ni、Pb和Zn的检出限分别为0.01、0.01、4.0、1.0、0.002、3.0、10.0和1.0 mg ·kg-1.分析所用的试剂均为优级纯, 所用水为超纯水.所有土壤样品均平行试验3次, 并用国家标准土样(ESS-2)进行回收试验.结果显示, 3次重复性样品检验合格率为99.8%, 标准土样回收率88% ~95%, 8种重金属和对应的元素分析准确度、精密度合格率和元素报出率均符合相关要求[24].
2.3 数据处理与分析对采集和测定的209个样点8种重金属(As、Cd、Cr、Cu、Hg、Ni、Pb和Zn)含量以及土壤pH进行平均值、标准差、变异系数等描述性统计分析, 利用GS+9.0软件进行半方差分析, 并对8种重金属的浓度利用ArcGIS软件进行克里金插值, 根据背景值阈值创建土壤重金属累积污染分布.
2.4 评价方法 2.4.1 地累积指数法由德国科学家Müller提出的地累积指数法[25], 是研究土壤和沉积物中重金属污染程度的定量指标, 近年来已被广泛应用于人为活动产生的土壤重金属污染评价[26], 其公式为：
|
(1) |
式中, Igeo为重金属i的地累积指数; Ci为土壤中重金属i的实测值; Si为参比值, 选用广东省土壤重金属元素背景值.重金属地累积指数Igeo分级与污染程度关系如表 1所示.
|
表 1 地累积指数污染程度划分标准 Table 1 The Igeo index and the criteria of pollution grade |
2.4.2 潜在生态危害指数法
潜在生态危害指数法是由瑞典科学家Hakanson[27]于20世纪80年代创建, 是目前最为常用的评价土壤重金属污染程度的方法之一, 该方法主要结合重金属的生物毒性系数、生态效应和环境效应[28], 计算出综合重金属生态危害指数(RI值), 其计算公式如下：
|
(2) |
式中, Cfi为某一金属i的污染指数; Ci为土壤中某重金属i的实测值; Cdi为某重金属i的参比值, 采用广东省土壤重金属背景值; Eri为单项重金属i的潜在生态风险指数; Tri为某重金属i的毒性响应参数, 各重金属毒性系数为：Zn=1＜Cr=2＜Cu=Ni=Pb=5＜As=10＜Cd=30＜Hg=40; 本文参考马建华等[29]的研究方法, 根据污染种类、数量和毒性系数对分级标准进行调整.重金属潜在生态风险指标分级标准如表 2所示.
|
|
表 2 土壤重金属潜在生态风险指标分级标准 Table 2 Classification criteria of soil heavy metal potential ecological risk index |
3 结果与分析 3.1 土壤重金属的描述性统计
土壤重金属描述性统计结果表明(表 3), ω(As)、ω(Cd)、ω(Cr)、ω(Cu)、ω(Hg)、ω(Ni)、ω(Pb)和ω(Zn)的平均值分别为32.76、0.82、68.63、39.4、0.21、22.6、85.53和164.47 mg ·kg-1, 8种重金属元素均值均超过广东省背景值, 超标率分别为85.17%、89.47%、72.25%、80.38%、89.47%、59.33%、70.33%和91.87%, 其中As、Cd和Zn含量平均值分别是广东省背景值的3.68、14.64和3.48倍.与全国背景值相比, 除Ni以外, 其余7种重金属元素含量平均值均超过全国背景值, 显示研究区为典型的土壤重金属高背景区, 特别是As、Cd、Hg、Pb和Zn含量平均值分别为各自全国背景值的2.34、4.16、3.66、3.05和1.96倍, Cd和Zn的最大值更是分别达到全国背景值的55.33倍和55.60倍, 表明研究区土壤重金属存在不同程度的累积.总体来看, 除Cd外, 研究区大多数土壤重金属含量平均值均低于农用地和建设用地土壤污染风险筛选值, 土壤环境整体较为清洁.
|
|
表 3 土壤重金属描述性统计结果1) Table 3 Descriptive statistical results of heavy metals in soils |
从土壤中重金属的变动趋势来看, ω(As)、ω(Cd)、ω(Cr)、ω(Cu)、ω(Hg)、ω(Ni)、ω(Pb)和ω(Zn)的变化幅度都很大, 分别为1.11~344、0.02~10.90、6~340、4~475、0.01~1.51、3~279、13~920和26~4 670 mg ·kg-1.研究区土壤pH的平均值为6.23, 分布在5.50~6.50间的样点为158个, 占比为75.6%, 土壤整体呈酸性.相关研究表明酸性条件下, 土壤中重金属容易发生迁移[30, 31], 随着时间累积, 土壤中重金属在人类生产活动影响下受到外源重金属污染的影响趋势明显.就变异系数(CV)而言, 除pH值属于中度变异外, 8种重金属元素全部达到高度变异, 表明可能存在由于人为影响产生的异常值而导致土壤中重金属分布不均匀[32].
3.2 土壤重金属污染源解析和相对贡献 3.2.1 相关性分析土壤重金属的相关性可以推断出重金属的来源是否相同, 若各元素之间具有显著正相关, 则表明各元素之间具有相似的来源; 若各元素之间具有显著负相关, 说明各元素的来源存在差异, 甚至有一定的拮抗作用[35].研究区土壤中不同元素之间的相关性分析结果表明(表 4)：As与Cu、Cr和Pb之间呈现显著正相关(P＜0.01), 表明这4种元素可能具有同一污染源; Cd与Cu、Hg、Pb和Zn存在显著(P＜0.01)的正相关关系, 表明这5种元素可能有类似来源; Cr和Ni两者之间呈显著正相关, 说明两元素间可能有相似污染源; Ni与Hg、As两两之间无显著相关性, 表明3种元素可能来自不同污染源.
|
|
表 4 土壤中不同元素之间的相关性1) Table 4 Correlation between different elements in soils |
3.2.2 土壤重金属的主成分分析
本文利用SPSS 20.0首先对原始数据进行KMO和Bartlett检验, 经验证, KMO值为0.702＞0.5, 显著性水平(Sig.)为0.00＜0.05, 表明原始数据适合进行因子分析.从表 5可以看出共提取了3个主成分, 累积贡献率为76.29%, 基本能够代表数据所包含的信息[32, 36].主成分1(PC1)的方差贡献率为43.56%, Cd、Cu、Pb和Zn的因子载荷分别达到了0.789、0.700、0.776和0.869, 4种元素的均值均明显超过了各自的土壤背景值(表 3), 其最大值也分别达到了广东省背景值的55.33、17.59、32.86和55.6倍, 表明这些元素主要受人类活动的影响, 但可能来自于不同的人为排放源; 主成分2(PC2)的方差贡献率为19.50%, Cr和Ni的因子载荷分别为0.706和0.697, 这2种元素的含量平均值均超过了广东省土壤背景值; 主成分3(PC3)的方差贡献率为13.23%, As和Hg的因子载荷分别为0.830和0.698, 这2种元素的含量平均值均明显超过广东省背景值, 最大值分别为广东省土壤背景值的38.65倍和19.36倍.
|
|
表 5 土壤重金属主成分分析矩阵 Table 5 Matrix analysis of heavy metals in soils |
3.2.3 土壤重金属在不同土地利用类型与成土母质的含量差异
土地利用和成土母质是反映人类活动和地质背景相互作用的代表性因素, 利用单因素方差分析(ANOVA)对不同组间的重金属含量进行比较可以更加深入地揭示重金属来源(表 6).在成土母质方面, 不同母质类型的重金属含量存在差异. ω(As)、ω(Cr)、ω(Cu)、ω(Pb)和ω(Zn)在砂页岩中的平均值最高, 分别为40.51、68.39、45.05、99.64和201.48 mg ·kg-1; 在土地利用方面, 不同土地利用类型对重金属含量具有明显影响, 其中, ω(As)、ω(Cd)、ω(Cu)、ω(Hg)和ω(Zn)平均值最高的地类均为建设用地, 分别为40.88、1.91、45、0.22和213.17 mg ·kg-1, 显著高于其他土地利用类型, 明显超过广东省背景值.Cr和Ni含量平均值在不同土地利用类型间无显著性差异, 说明基本不受人为活动的干扰.总体而言, 方差分析的结果进一步支撑了多元统计分析结果.
|
|
表 6 土地利用和成土母质的方差分析结果1)/mg ·kg-1 Table 6 Analysis of variance of land use and soil matrix/mg ·kg-1 |
3.3 土壤重金属的空间分布特征 3.3.1 变异函数理论模型拟合
通过对土壤重金属进行变异函数分析以获得最佳的变异函数模型(表 7), 其中As、Cr和Ni属于高斯模型, Cd、Cu和Hg属于球状模型, Pb和Zn属于指数模型.各变量的有效变程介于5 100~33 760 m之间, 所有元素的决定系数均大于0.6, 残差均较小, 说明选取的模型基本符合要求[32, 37].Cr的块金值/基台值小于0.25, 说明该元素是结构性为主的空间变异, 较大程度上受地形和地质背景等要素的影响; As、Cd、Cu、Ni、Pb和Zn的块金值/基台值均在0.25~0.75之间, 空间相关性为中等强度, 受不确定性因素影响的可能性较大; Hg的块金值/基台值大于0.75, 说明受到强烈的人为活动的干扰.
|
|
表 7 土壤重金属含量变异函数模型统计 Table 7 Soil heavy metal content variability function model statistics |
3.3.2 重金属元素的空间分布特征
在变异函数模型拟合的基础上, 对研究区土壤重金属含量进行普通克里格插值(图 3).整体来看, 研究区各重金属含量空间分布比较集中, 高含量区域主要分布在研究区中部地带.具体地, As和Pb元素均呈现西北-东南向条带状分布[图 3(a)和3(g)], 其中As元素浓度较高的地区主要分布在研究区中部和南部, 而Pb元素的高浓度区域集中于研究区北部的乡镇交界处.Cd、Cu、Hg和Zn元素含量分布特征相似, 总体上呈中部向四周同心圆状递减分布[图 3(b)、3(d)、3(e)和3(h)], 其中Cd、Hg和Zn元素的高含量区域集中于研究区北部, Cu元素含量较高的地区则位于研究区中部.Cr和Ni元素的分布特征与其他元素差别较大, 其中Cr元素的高含量区域广泛分布于研究区东北部, 而Ni元素分布比较均匀, 整体含量较低.
|
图 3 土壤重金属积累空间分布 Fig. 3 Spatial distribution of heavy metal accumulation in soils |
地积累指数不仅反映了重金属分布的自然变化特征, 而且可以判别人为活动对环境的影响.从土壤重金属的地积累指数来看, As、Cd、Cr、Cu、Hg、Ni、Pb和Zn的样点总污染率分别为73.68%、82.30%、37.68%、48.80%、70.81%、34.98%、49.28%和74.64%, 地累积指数均值分别为0.19、0.56、-0.11、0.02、0.14、-0.11、0.03和0.18, 风险程度依次为：Cd>As>Zn>Hg>Pb>Cu>Cr=Ni(表 8), 其中Cr和Ni元素处于无风险水平, As、Cu、Hg、Pb和Zn元素处于中低风险水平, 而Cd元素处于高风险水平, 这可能与该区域相关污染行业可能存在一定的关系.
|
|
表 8 基于样点的地累积指数评价 Table 8 Evaluation of the Igeo index based on the sampling site |
潜在生态危害指数可以作为定量评价土壤重金属污染程度的重要指标.通过公式(2)计算得到, As、Cd、Cr、Cu、Hg、Ni、Pb和Zn的潜在生态危害指数平均值分别为26.52、472.18、1.03、8.03、54.51、4.68、8.48和2.59, 潜在生态危害指数由大到小排序为：Cd>Hg>As>Pb>Cu>Ni>Zn>Cr.根据调整后的等级标准, As、Cr、Cu、Ni、Pb和Zn总体上具有轻度的潜在生态风险, 而Hg存在中等生态风险, Cd达到极高的生态风险, 表明土壤中潜在危害较大的重金属是Hg和Cd.研究区中部的高值区存在ω(Hg)和ω(Cd)极高的样点, 最大值达到1.51 mg ·kg-1和10.9 mg ·kg-1, 是广东省背景值的19.36倍和194.64倍.研究区的综合生态风险指数(RI)为522.66, 整体处于高生态风险等级.其中, 58个样点为中度生态风险等级, 主要分布在远离城区的西北部; 67个样点处于较高风险等级, 面积最大, 主要分布在研究区的东北部; 而研究区重金属的高风险和极高风险分别有43个和32个样点, 集中分布在城区中部工业密集地带和重要的交通干线附近(图 4).
|
图 4 研究区重金属综合生态风险等级 Fig. 4 Comprehensive ecological risk level of heavy metals in the research area |
因子1中Cd、Cu、Pb和Zn的因子载荷较大, 分别达到0.789、0.700、0.776和0.869.结合现场调查发现研究区分布着多家矿产品加工厂, 主要进行铅锌铜矿开采和选冶, 而生产过程中所排放的废水、废气和废渣是土壤中Cd、Cu、Pb和Zn的重要来源[38].在调查中发现, 一些矿产品加工厂存在原料和尾渣露天堆放问题, 雨水冲刷浸泡可能导致重金属污染物溢流到周边地区, 存在严重的环境安全隐患.部分学者发现了相似的结论, 如Ma等[39]和魏迎辉等[40]对铅锌矿周边土壤的研究均表明有色金属的开采和选冶明显影响土壤中Cd、Pb和Zn含量.此外, 研究区交通网络四通八达, 境内3条高速公路横跨东西, 国道贯穿南北, 轮胎磨损和汽车尾气排放也会造成周围土壤中Pb和Zn含量升高, 甚至对土壤中Pb累积的影响长期存在[41].
除了发达的工矿业, 研究区种植业发展势头良好.通过对研究区农用地布设采样, 检测结果显示, 66.7%的调查样点Cd含量和22.4%的调查样点Zn含量高于土壤环境风险筛选值, 说明农用地中存在一定程度的农田土壤重金属Cd污染.Cd作为磷矿石中的杂质而存在于磷肥中, 含量平均值为0.6 mg ·kg-1[42], 故其常常被视为化肥施用的标志元素.结合调查结果, 可以推断化肥农药的施用可能是本研究区域内Cd的另一重要来源.部分学者也发现了相似的结论, 如Lv等[30]的研究发现, 土壤中Cd、Cu和Zn的含量与总磷的含量呈一定程度的相关关系, 并认为化肥与农药的施用是Cd、Cu和Zn来源.此外, Cu和Zn常作为禽畜饲料的添加剂, 但95%以上的Cu和Zn并不能完全得到利用, 因此施用动物粪便等有机肥可以明显增加土壤中Cu和Zn的含量[43, 44].因此, 推测PC1代表了铅锌矿选冶、交通排放和农业生产等人为来源.
因子2中Cr和Ni的因子载荷分别为0.706和0.697.一般来说, Cr和Ni是我国城市土壤污染程度最低的重金属, Chai等[45]对吉林白城和Wang等[46]对江苏省的研究均发现土壤中Cr和Ni未受到明显的人类活动影响.在研究区内, 以上两种元素含量平均值分布相对比较均匀, 表明受人为活动影响较小.Cr和Ni这两种元素主要受到成土母质的控制, 应该是受到研究区石灰岩、沉积岩和河流冲洪积物具有较高背景值的影响, 这与Cai等[47]对广东省不同地区的土壤重金属来源研究发现一致.因此, 推测PC2代表了自然来源.
因子3中As和Hg的因子载荷最高, 分别达到0.830和0.698.通过现场踏勘和文献研究发现, 研究区内有多个有色金属冶炼厂和火力发电厂, 燃煤锅炉产生的废气中含有大量的As和Hg, 是造成土壤中两种元素积累的重要因素[40].尽管工厂配备了高效除尘设施, 但仍然有一定比例的粉煤灰逃逸, 对周围区域土壤造成威胁.有研究表明, 在一定气压条件下, Hg能够以稳定状态在大气中存在半年之久, 主要通过大气干湿沉降和地表径流进入土壤中, 导致其在土壤中的含量不断上升[48].因此, 可认为PC3中的As和Hg主要来源于有色金属冶炼和火力发电等工业活动.
4.2 土壤重金属的空间分布特征和生态环境风险评价砂页岩、沉积物和碳酸盐岩发育的土壤之间的Hg含量平均值非常接近, 无明显差异, 说明Hg基本不受成土母质的影响[14, 31, 33]; As、Cu、Pb和Zn含量在砂页岩中的平均值明显高于其他母质类型, 说明这些元素一定程度上受土壤母质的影响[33].在土地利用方面, 不同土地利用类型对重金属含量具有明显影响, 其中, As、Cd、Cu和Zn含量平均值最高的地类均为建设用地, 说明这些元素受到工业生产活动的影响; Cd、Cu和Zn含量在耕地中的平均值仅次于建设用地, 再次表明农业生产施入化肥和农药可能是导致重金属含量升高的重要原因.
土壤As和Pb含量的高值区域与矿产品加工厂和有色金属冶炼厂所在的区域基本一致; 火电厂和无机盐厂同处该区域, 还分布着冶金公司和机械制造厂等工业企业, 铅锌选冶、火力发电、工业排放和矿石堆放等活动导致了该区域重金属含量较高; Cd、Cu、Hg和Zn含量的高值区域与工业企业位置基本吻合, 此外, 多条公路穿过高值区域, 其中就有京珠高速曲江段, 工业“三废”和汽车尾气排放造成了Cd、Cu、Pb和Zn含量的高值; Cr和Ni的空间分布与工业企业等污染源的位置没有直接对应关系, 结合成土母质和土地利用空间分布(图 2), 发现上述元素的高值区主要为沉积岩母质区, 可以认为主要受成土母质的控制.
研究区重金属的高风险和极高风险集中分布在城区中部工业密集地带和重要的交通干线附近, 说明剧烈的人为活动导致了该区域生态风险升高, 故城区附近和部分工业企业厂区应作为环境治理工作的重点.总体来说, 研究区具有一定的重金属生态风险, 土壤重金属存在较高程度的富集.
5 结论(1) 本文的研究区8种土壤重金属平均值均高于广东省土壤背景值, 除Ni以外, 其余7种元素均超过全国背景值, 但是低于污染风险筛选值, 表明在人类生产活动的影响下, 研究区土壤重金属存在一定程度的积累现象.
(2) 土壤重金属来源可分为3类：Cd、Cu、Pb和Zn主要受铅锌矿选冶、交通排放和农业生产等人类活动影响; Cr和Ni主要受成土母质影响, 属于自然来源; As和Hg主要受有色金属冶炼和火力发电等工业活动影响.
(3) 土壤重金属空间分布各异, As和Pb呈西北-东南向条带状分布, Cd、Cu、Hg和Zn呈中部向四周同心圆状递减分布, 这些元素高值区域主要集中在研究区中部, 与工业企业位置基本吻合.Cr和Ni的分布则主要受成土母质控制.
(4) 研究区表层土壤总体处于无风险至低风险等级, 8种重金属的风险程度排序为：Cd>As>Zn>Hg>Pb>Cu>Cr=Ni, Cd元素处于高风险水平, 应重点治理, 其他区域为污染易发区域, 应重点防范.
| [1] | 全国土壤污染状况调查公报[J]. 中国环保产业, 2014, (5): 10-11. |
| [2] | Liu P, Liu Z H, Hu Y M, et al. Integrating a hybrid back propagation neural network and particle swarm optimization for estimating soil heavy metal contents using hyperspectral data[J]. Sustainability, 2019, 11(2). DOI:10.3390/su11020419 |
| [3] | Jia X L, Fu T T, Hu B F, et al. Identification of the potential risk areas for soil heavy metal pollution based on the source-sink theory[J]. Journal of Hazardous Materials, 2020, 393. DOI:10.1016/j.jhazmat.2020.122424 |
| [4] | Du B Y, Zhou J, Lu B X, et al. Environmental and human health risks from cadmium exposure near an active lead-zinc mine and a copper smelter, China[J]. Science of the Total Environment, 2020, 720. DOI:10.1016/j.scitotenv.2020.137585 |
| [5] | Fuge R, Laidlaw I M S, Perkins W T, et al. The influence of acidic mine and spoil drainage on water quality in the mid-Wales area[J]. Environmental Geochemistry and Health, 1991, 13(2): 70-75. DOI:10.1007/BF01734297 |
| [6] | Dragović S, Mihailović N, Gajić B. Heavy metals in soils: distribution, relationship with soil characteristics and radionuclides and multivariate assessment of contamination sources[J]. Chemosphere, 2008, 72(3): 491-495. DOI:10.1016/j.chemosphere.2008.02.063 |
| [7] | Hadzi G Y, Ayoko G A, Essumang D K, et al. Contamination impact and human health risk assessment of heavy metals in surface soils from selected major mining areas in Ghana[J]. Environmental Geochemistry and Health, 2019, 41(6): 2821-2843. DOI:10.1007/s10653-019-00332-4 |
| [8] |
周颖, 王雪梅, 蒋玉琢, 等. 北京市平谷区金矿区周边土壤砷、汞赋存形态特征及生态风险评价[J]. 环境工程, 2021, 39(8): 203-210, 164. Zhou Y, Wang X M, Jiang Y Z, et al. Speciation and ecological risk assessment of arsenic and mercury in soil around a gold mining area in Pinggu district, Beijing[J]. Environmental Engineering, 2021, 39(8): 203-210, 164. |
| [9] |
王蕊, 陈楠, 张二喜, 等. 龙岩市某铁锰矿区土壤重金属地球化学空间分布特征与来源分析[J]. 环境科学, 2021, 42(3): 1114-1122. Wang R, Chen N, Zhang E X, et al. Geochemical patterns and source analysis of soil heavy metals in an iron and manganese ore area of Longyan City[J]. Environmental Science, 2021, 42(3): 1114-1122. DOI:10.13227/j.hjkx.202007142 |
| [10] |
王锐, 邓海, 贾中民, 等. 汞矿区周边土壤重金属空间分布特征、污染与生态风险评价[J]. 环境科学, 2021, 42(6): 3018-3027. Wang R, Deng H, Jia Z M, et al. Spatial distribution characteristics, pollution, and ecological risk assessment of soil heavy metals around mercury mining areas[J]. Environmental Science, 2021, 42(6): 3018-3027. |
| [11] | Li Z Y, Ma Z W, van der Kuijp T J, et al. A review of soil heavy metal pollution from mines in China: pollution and health risk assessment[J]. Science of the Total Environment, 2014, 468-469: 843-853. DOI:10.1016/j.scitotenv.2013.08.090 |
| [12] | 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 |
| [13] |
郑堃, 任宗玲, 覃小泉, 等. 韶关工矿区水稻土和稻米中重金属污染状况及风险评价[J]. 农业环境科学学报, 2018, 37(5): 915-925. Zheng K, Ren Z L, Qin X Q, et al. Status and risk assessment of heavy metal pollution in paddy soil and rice grains from the industrial and mining area of Shaoguan, Guangdong Province[J]. Journal of Agro-Environment Science, 2018, 37(5): 915-925. |
| [14] |
李强, 曹莹, 何连生, 等. 典型冶炼行业场地土壤重金属空间分布特征及来源解析[J]. 环境科学, 2021, 42(12): 5930-5937. Li Q, Cao Y, He L S, et al. Spatial distribution characteristics and source analysis of soil heavy metals at typical smelting industry sites[J]. Environmental Science, 2021, 42(12): 5930-5937. |
| [15] | Zeng L P, Zhou F, Zhang X C, et al. Distribution of heavy metals in soils and vegetables and health risk assessment in the vicinity of three contaminated sites in Guangdong province, China[J]. Human and Ecological Risk Assessment: An International Journal, 2018, 24(7): 1901-1915. DOI:10.1080/10807039.2018.1431043 |
| [16] | Wang Z H, Qin H Y, Liu X Y. Health risk assessment of heavy metals in the soil-water-rice system around the Xiazhuang uranium mine, China[J]. Environmental Science and Pollution Research, 2019, 26(6): 5904-5912. DOI:10.1007/s11356-018-3955-1 |
| [17] |
陈洁宜, 刘广波, 崔金立, 等. 广东大宝山矿区土壤植物体系重金属迁移过程及风险评价[J]. 环境科学, 2019, 40(12): 5629-5639. Chen J Y, Liu G B, Cui J L, et al. Mobilization of heavy metals in a soil-plant system and risk assessment in the Dabaoshan mine area, Guangdong province, China[J]. Environmental Science, 2019, 40(12): 5629-5639. |
| [18] | 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. |
| [19] | DB4402/T 08-2021, 土壤环境背景值[S]. |
| [20] | HJ 962-2018, 土壤pH值的测定电位法[S]. |
| [21] | GB/T 22105.1-2008, 土壤质量总汞、总砷、总铅的测定原子荧光法第1部分: 土壤中总汞的测定[S]. |
| [22] | GB/T 17141-1997, 土壤质量铅、镉的测定石墨炉原子吸收分光光度法[S]. |
| [23] | HJ 491-2019, 土壤和沉积物铜、锌、铅、镍、铬的测定火焰原子吸收分光光度法[S]. |
| [24] | HJ/T 166-2004, 土壤环境监测技术规范[S]. |
| [25] | Müller G. Index of geo-accumulation in sediments of the Rhine River[J]. GeoJournal, 1969, 2(3): 108-118. |
| [26] | Li X Y, Zhang J R, Ma J, et al. Status of chromium accumulation in agricultural soils across China (1989-2016)[J]. Chemosphere, 2020, 256. DOI:10.1016/j.chemosphere.2020.127036 |
| [27] | 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 |
| [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] |
马建华, 韩昌序, 姜玉玲. 潜在生态风险指数法应用中的一些问题[J]. 地理研究, 2020, 39(6): 1233-1241. Ma J H, Han C X, Jiang Y L. Some problems in the application of potential ecological risk index[J]. Geographical Research, 2020, 39(6): 1233-1241. |
| [30] | Lv J S, Zhang Z L, Li S, et al. Assessing spatial distribution, sources, and potential ecological risk of heavy metals in surface sediments of the Nansi Lake, eastern China[J]. Journal of Radioanalytical and Nuclear Chemistry, 2014, 299(3): 1671-1681. |
| [31] |
杨琼, 杨忠芳, 刘旭, 等. 广西典型酸性火成岩地质低背景区土壤-水稻重金属积累特征及生态风险[J]. 华东地质, 2022, 43(1): 49-60. Yang Q, Yang Z F, Liu X, et al. Transfer characteristics and ecological risk assessment of heavy metals in soil-rice system in typical acid magmatic rock area with low geochemical background of Guangxi[J]. East China Geology, 2022, 43(1): 49-60. |
| [32] |
王乔林, 宋云涛, 王成文, 等. 滇西地区土壤重金属来源解析及空间分布[J]. 中国环境科学, 2021, 41(8): 3693-3703. Wang Q L, Song Y T, Wang C W, et al. Source identification and spatial distribution of soil heavy metals in Western Yunnan[J]. China Environmental Science, 2021, 41(8): 3693-3703. |
| [33] | 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]. |
| [34] | GB 36600-2018, 土壤环境质量建设用地土壤污染风险管控标准(试行)[S]. |
| [35] |
柴磊, 王新, 马良, 等. 基于PMF模型的兰州耕地土壤重金属来源解析[J]. 中国环境科学, 2020, 40(9): 3919-3929. Chai L, Wang X, Ma L, et al. Sources appointment of heavy metals in cultivated soils of Lanzhou based on PMF models[J]. China Environmental Science, 2020, 40(9): 3919-3929. |
| [36] |
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. |
| [37] |
于元赫, 吕建树, 王亚梦. 黄河下游典型区域土壤重金属来源解析及空间分布[J]. 环境科学, 2018, 39(6): 2865-2874. Yu Y H, Lü J S, Wang Y M. Source identification and spatial distribution of heavy metals in soils in typical areas around the lower Yellow River[J]. Environmental Science, 2018, 39(6): 2865-2874. |
| [38] | Yebpella G G, Magomya A M, Odoh R, et al. Impact of Pb-Zn mining on heavy metal levels in soil from Arufu mine field, Wukari, Nigeria[J]. International Research Journal of Pure and Applied Chemistry, 2020, 21(8): 62-70. |
| [39] | Ma Z W, Li T T, Qu C S, et al. Evaluation and source identification of trace element contamination of soils in the Qixia lead-zinc mining area, Jiangsu, China[J]. Journal of Soils and Sediments, 2014, 14(10): 1703-1712. |
| [40] |
魏迎辉, 李国琛, 王颜红, 等. PMF模型的影响因素考察——以某铅锌矿周边农田土壤重金属源解析为例[J]. 农业环境科学学报, 2018, 37(11): 2549-2559. Wei Y H, Li G C, Wang Y H, et al. Investigating factors influencing the PMF model: a case study of source apportionment of heavy metals in farmland soils near a lead-zinc ore[J]. Journal of Agro-Environment Science, 2018, 37(11): 2549-2559. |
| [41] | Hu Y, He K L, Sun Z H, et al. Quantitative source apportionment of heavy metal(loid)s in the agricultural soils of an industrializing region and associated model uncertainty[J]. Journal of Hazardous Materials, 2020, 391. DOI:10.1016/j.jhazmat.2020.122244 |
| [42] | Anegbe B, Okuo J M, Okieimen F E, et al. Pollution Indices as a tool for the assessment of heavy metals in soil of automobile workshops in Benin City[J]. Chemistry and Materials Research, 2020, 12(4): 19-27. |
| [43] | Gray C W, McDowell R W, Noble A D L. Total soil cadmium concentrations in the Winchmore long-term phosphorus fertiliser trial are still increasing[J]. New Zealand Journal of Agricultural Research, 2022, 65(1): 103-110. |
| [44] | Sizova E, Miroshnikov S, Lebedev S, et al. Use of nanoscale metals in poultry diet as a mineral feed additive[J]. Animal Nutrition, 2020, 6(2): 185-191. |
| [45] | Chai Y, Guo J, Chai S L, et al. Source identification of eight heavy metals in grassland soils by multivariate analysis from the Baicheng-Songyuan area, Jilin Province, Northeast China[J]. Chemosphere, 2015, 134: 67-75. |
| [46] | Wang Y Z, Duan X J, Wang L. Spatial distribution and source analysis of heavy metals in soils influenced by industrial enterprise distribution: case study in Jiangsu Province[J]. Science of the Total Environment, 2020, 710. DOI:10.1016/j.scitotenv.2019.134953 |
| [47] | Cai Y M, Chen W P, Peng C, et al. Spatial distribution and potential ecological risk assessment of heavy metals in soils and sediments in Shunde Waterway, Southern China[J]. Environmental Science, 2016, 37(5): 1763-1770. |
| [48] |
黄永达, 胡红云, 龚泓宇, 等. 燃煤电厂砷、硒、铅的排放与控制技术研究进展[J]. 燃料化学学报, 2020, 48(11): 1281-1297. Huang Y D, Hu H Y, Gong H Y, et al. Research progress on emission and control technologies of arsenic, selenium and lead in coal-fired power plants[J]. Journal of Fuel Chemistry and Technology, 2020, 48(11): 1281-1297. |