2023, Vol. 44
2. 四川农业大学建筑与城乡规划学院, 成都 611830
2. College of Architecture and Urban-Rural Planning, Sichuan Agricultural University, Chengdu 611830, China
土壤是地球上生命的关键要素, 土壤重金属关系农产品的质量安全, 直接或间接影响人体健康, 从而广泛受到关注.随着农业集约化的发展, 农业耕作中各种化学农药和化肥的过度使用, 农田土壤中重金属的积累已成为一个严重问题[1].重金属可通过多种途径进入人体(例如摄入土壤、吸入灰尘、皮肤接触土壤以及食用在受污染土壤中生长的农作物)[2, 3], 引发心血管、肾脏和神经系统等疾病, 甚至癌症[3].据统计, 每年全世界约6亿人在食用污染农作物后患病, 超过42万人死亡[4].已有研究表明, 农作物重金属主要来源于其生长的土壤环境, 不同作物间的富集及积累差异明显[5].因此, 评价土壤和农作物重金属对人体健康的危害具有重要的现实意义.
近年来, 国内外学者就土壤-农作物系统方面开展了大量的研究[4~18], 其研究热点集中在重金属含量、污染评估与来源识别、农作物安全性和健康风险评价[4~18]等方面, 农作物种类包括水稻[5, 6, 9, 15]、玉米[12]、小麦[12]、蔬菜[7, 17]、水果[18]和茶叶[10]等.土壤-农作物间污染特征和健康风险仍是当前的研究热点.然而, 以往的研究区域大多数以污染场地或典型农田区块为主[4~18], 区域性的研究工作略显不足.因此, 开展区域性土壤-作物重金属协同健康风险评估研究工作有助于优化调整农产品结构, 避免食源性危害.
长江流域安徽段农业资源条件优越, 是我国水稻、小麦和玉米等重要的农产品产区和国家商品粮生产基地之一[19, 20].流域内农田土壤和农作物中均存在Cd、Hg、As、Pb、Fe和Mn等重金属超标或异常现象[20, 21], 研究区土壤重金属的研究主要集中在单个城市的小尺度范围[19], 对整个流域土壤-作物系统中的重金属研究更少[22].尤其在土壤与农作物重金属污染水平、潜在来源和生态环境及健康风险的评价研究相对不足, 尚不能全面了解区域土壤-作物系统的污染特征和健康状况.鉴于此, 本研究旨在评估长江流域安徽段土壤-作物中重金属污染特征及对人体健康的危害, 研究内容主要包括：①测定土壤-农作物(水稻和小麦)中的重金属含量; ②评价土壤-作物系统重金属污染程度, 确定土壤重金属的污染来源; ③协同评估不同暴露途径土壤-作物的健康风险. 以期为土壤和农作物重金属污染评价、治理和风险管控提供科学参考.
1 材料与方法 1.1 研究区概况研究区位于安徽省中部, 地理坐标东经115°45′~119°23′, 北纬29°34′~33°10′.区域面积7.58万km2, 涉及合肥、芜湖、安庆、池州、铜陵、马鞍山和滁州等46个市县区.属亚热带湿润季风气候和暖温带半湿润气候, 年平均气温为15.7~16.6℃, 年均降水量为1 500~1 800 mm[23].区内形成了平原、丘陵、低山为主的复杂地貌类型, 地势南北高、中间低, 整体上自西南向东北倾斜; 区内江河纵横交错, 湖泊众多, 主要集中分布于长江两岸.
研究区地跨华北地台、秦岭褶皱系、扬子地台3个一级地质单元, 岩浆岩、沉积岩和变质岩均有分布, 地质构造复杂, 成矿条件优越, 各类金属和非金属矿产资源种类多, 储量也较为丰富[19, 20], 其中铜陵矿集区是长江中下游铁铜硫金成矿带的重要组成部分.研究区土壤母质主要以河流冲积物母质、晚更新世黄土母质、红土母质(蠕虫状网纹)、基岩风化残-坡积物(洪积物)母质为主[19, 20].土壤类型主要为水稻土和红壤.土地利用类型主要为农用地(包括水田、旱地和园地)和林地[19].粮食作物以水稻和小麦为主, 经济作物主要有棉花、油菜籽、茶叶、山核桃、丹皮和生姜等.
1.2 样品采集与测试2017年7~8月在研究区采集水稻和小麦及其根系土样品338组(图 1), 其中水稻及其根系土285组, 小麦及其根系土53组.采用GPS定位采样点, 农作物样品采集按照五点梅花法选取4~5个样点, 每个样点取60 cm×60 cm样方一个, 分别采集然后组合成一个样品, 样品重量不低于1 000 g.根系土壤样品与农作物样品同点采集, 主要采用网格化布点, 平均采样密度为8点·km-2, 采集0~20 cm的连续土壤柱, 土壤样品由3~5个子样等量混合而成.
|
图 1 研究区位置及土壤-农作物采样点分布示意 Fig. 1 Location and distribution of sampling sites |
依据《生态地球化学评价动植物样品分析方法》(DZ/T 0253-2014)标准, 农作物重金属测试采用电感耦合等离子体光谱法(ICP-AES)、电感耦合等离子体质谱法(ICP-MS)为主, 以原子荧光法(AFS)和比色法(COL)为辅的分析方法配套方案进行测试.以《区域地球化学样品分析方法》(DZ/T 0279-2016)为依据, 根系土使用X射线荧光光谱法(XRF)测定Cr、Ni、Cu、Pb和Zn等5种元素, 电感耦合等离子体质谱法(ICP-MS)测定Cd, 原子荧光法(AFS)测定As和Hg, 离子选择性电极法(ISE)测定pH.各重金属的检出限如表 1所示.测试过程中采用试样空白、平行双样和国家标准样品进行质量保证和控制, 加标回收率在95%~105%.所有样品分析误差均小于10%.
|
表 1 重金属检出限/mg·kg-1 Table 1 Detection limits for the examined heavy metals/mg·kg-1 |
1.3 评价方法 1.3.1 内梅罗污染指数法
内梅罗污染指数法既可反映土壤和农作物中单一重金属元素的污染水平, 也能评价多种重金属的综合污染水平, 计算公式如下：
|
(1) |
|
(2) |
式中, PIi为土壤或农作物中重金属元素i污染指数; Ci为土壤或农作物重金属i的实测值, mg·kg-1; Si为土壤或农作物重金属i的评价标准, mg·kg-1; NPI为内梅罗综合污染指数, Pave为重金属i单项污染指数的平均值; Pmax为重金属i单项污染指数的最大值.
根系土重金属污染评价标准采用《土壤环境质量农用地污染风险管控标准(试行)》(GB 1568-2018)筛选值.农作物籽实的重金属污染评价标准采用《食品安全国家标准食品中污染物限量》(GB 2762-2017), 污染指数评价标准见表 2.
|
|
表 2 污染指数及潜在生态风险分级标准 Table 2 Classification criteria of pollution index method and potential ecological hazards |
1.3.2 潜在生态风险评价
潜在生态风险指数由瑞典学者Hakanson基于重金属的理化性质和环境的相互作用提出, 用以评价重金属污染程度及其潜在生态危害[24].采用如下公式计算：
|
(3) |
式中, RI为综合生态风险指数, 无量纲; Eri为重金属i的潜在生态风险指数, 无量纲; Tri为重金属i的毒性响应系数, 无量纲; Wi为重金属元素i的实测值, mg·kg-1; Bi为重金属元素i的背景值, mg·kg-1.重金属Cu、As、Cd、Cr、Hg、Zn、Ni和Pb的毒性响应系数分别为5、10、30、2、5、5、5和5[25]; 重金属As、Cd、Cr、Cu、Hg、Ni、Pb和Zn的背景值分别为9.40、0.104、69.4、24.9、0.041、25.0、25.9和53.2 mg·kg-1[23].潜在生态风险指数评价标准见表 2.
1.3.3 富集系数富集系数反映生物富集、累积和吸收能力与程度的数量关系, 可定量评估农作物中重金属累积的风险和危害程度, 是评估食物链重金属对人类暴露量的重要指标[15].计算公式如下：
|
(4) |
式中, BCF为富集系数, Cp为农作物中重金属实测值, mg·kg-1; Cs为土壤重金属实测值, mg·kg-1.
1.3.4 健康风险评价采用美国环保署推荐的健康风险评价模型对研究区成人和儿童的致癌和非致癌健康风险进行评价. 儿童和成人通过上述4种暴露途径的日均摄入量采用如下公式计算[13~17]：
|
(5) |
|
(6) |
|
(7) |
|
(8) |
重金属对人体的非致癌和致癌风险指数计算如下：
|
(9) |
|
(10) |
式中, ADI为重金属日均摄入量, mg·(kg·d)-1; HI和HQ分别为重金属综合和单项元素非致癌健康风险指数; TCR和CR分别为重金属综合和单项重金属致癌健康风险指数.公式(5)~(8)中所用参数的含义和取值见表 3; 公式(9)~(10)中所用参数的含义和取值见表 4.
|
|
表 3 健康风险评价日均暴露参数 Table 3 Health risk assessment exposure parameters |
重金属的非致癌风险可分为无风险(HQi/HI＜1)和有风险(HQi/HI＞1); 致癌风险可分为无风险(CRi/TCR＜10-6)、有人体可耐受的风险(10-6＜CRi/TCR＜10-4)和有人体不可耐受的风险(CRi/TCR≥10-4).
1.4 实验数据处理采用ArcGIS 10.8软件制作研究区域分布示意图, Excel 2013和SPSS 26.0软件进行数据统计分析, 基于Origin 2021软件绘制相关图件.
2 结果与讨论 2.1 根系土重金属含量及污染特征研究区根系土pH在4.58~8.38, 平均值为6.31, 整体偏酸性水平(表 5).水稻根系土和小麦根系土重金属平均含量由高到低依次为：Zn＞Cr＞Cu＞Pb＞Ni＞As＞Cd＞Hg和Cr＞Zn＞Ni＞Cu＞Pb＞As＞Cd＞Hg, 均高于江淮流域背景值[23], 表明重金属在根系土中都有一定程度的累积.水稻根系土中ω(As)、ω(Cd)、ω(Cu)、ω(Cr)、ω(Hg)、ω(Ni)、ω(Pb)和ω(Zn)平均值分别为10.93、0.31、41.47、71.93、0.08、30.43、35.62和84.27mg·kg-1; 为背景值[23]的1.16、3.12、1.67、1.04、2.02、1.22、1.38和1.58倍; 小麦根系土中为11.50、0.15、31.00、88.78、0.05、44.96、27.33和72.94 mg·kg-1(表 5), 为背景值[23]的1.22、1.52、1.24、1.28、1.36、1.80、1.06和1.37倍.水稻根系土中Cd和Hg累积最为明显; 而小麦根系土中为Cd和Ni.
|
|
表 5 不同根系土重金属参数描述性分析 Table 5 Descriptive statistics for heavy metals in soil |
水稻根系土重金属的变异系数依次为：Cu(190.89%)＞Cd(95.16%)＞Pb(90.54%)＞As(78.13%)＞Ni(63.02%)＞Hg(54.56%)＞Zn(41.51%)＞Cr(40.72%), 小麦根系土Ni(115.61%)＞Hg(92.34%)＞Cd(71.15%)＞Cr(63.95%)＞As(47.51%)＞Cu(33.67%)＞Zn(31.21%)＞Pb(21.11%).水稻根系土Cu为异常的强变异, Cd、Pb、As、Ni和Hg为强变异; 小麦根系土中Ni为异常的强变异, Hg、Cd和Cr为强变异.表明研究区土壤重金属具有明显的空间异质性, 受人类活动影响较大.研究区农田根系土重金属平均含量高于安徽省北部农田表层土壤重金属含量[12], 但低于采矿活动强烈的铜陵地区[27].与长江三角洲[31]和珠江三角洲[4]农作物根系土重金属平均含量相比较, 区内农作物根系土中Cr、Cd、Cu、Ni和As等重金属的平均含量明显偏高, 呈明显富集.研究区属长江中下游典型的铁铜硫金成矿带, 具有较高的高地质背景值[32], 推测Cu、Ni和Cd的富集受采矿、冶炼活动影响, 另外, 随着城镇化进程的加快, 区内农业节约、集约化程度高, 大量施用农业和化肥, 也导致重金属的富集[15, 17].
以土壤环境质量筛选值(GB 1568-2018)为评价标准, 水稻根系土中除Cr和Hg不超标外, As、Cd、Cu、Cr、Ni、Pb和Zn均存在不同程度的超标, Cd超标较为严重(超标率13.33%); 小麦根系土中除Hg、Pb和Zn不超标外, As、Cd、Cu、Cr和Ni有少量的超标, 以Ni超标较为严重(超标率2.11%)(表 5).水稻根系土重金属的单因子污染平均值指数(PI)依次为：Cu(0.83)＞Cd(0.78)＞Ni(0.43)＞Zn(0.42)＞As(0.36)=Pb(0.36)＞Cr(0.29)＞Hg(0.16).小麦根系重金属的单因子污染平均值指数(PI)依次为Ni(0.64)＞Cu(0.62)＞Cd(0.38)=As(0.38)＞Cr(0.36)=Zn(0.36)＞Pb(0.27)＞Hg(0.11)(表 5), 根系土单因子污染指数(PI)均值均小于1, 污染等级为清洁.水稻土内梅罗综合污染指数(NPI)为0.87, 污染等级为尚清洁, 小麦根系土的综合污染指数为0.65, 污染等级为清洁.需要关注水稻土的重金属污染, 尤其是Cu、Cd元素的污染.
2.2 根系土潜在生态风险评价研究区根系土pH整体处于偏酸性水平, 酸性条件下容易提高重金属的活性, 增加土壤重金属污染的生态风险水平.比较8种重金属Eir的平均值可知(表 6), 研究区根系土重金属元素的风险值由大到小依次为：Cd(82.84)＞Hg(74.94)＞As(11.72)＞Cu(8.00)＞Pb(6.62)＞Ni(6.54)＞Cr(2.15)＞Zn(1.55). Cd和Hg是生态危害较为严重的两种重金属元素, 根系土Cd采样点中有78.40%的样品处于中度危害以上污染水平, 其中较重危害水平的占21.01%, 中度危害的占8.58%, 严重危害的占1.78%.根系土Hg有79.88%的样品处于中度危害以上污染水平, 其中较重危害水平的占28.40%, 重度危害的占5.03%, 严重危害的占0.30%.此外, As、Cu、Ni和Pb元素均有个别采样点的生态风险较高.根系土样品点中Cr和Zn两种元素的潜在生态风险均处于轻度危害水平.
|
|
表 6 根系土重金属潜在生态风险评价指数 Table 6 Potential ecological risk assessment index of heavy metals in root soils |
研究区根系土潜在生态风险综合指数RI介于68.44~847.51, 均值为194.37.按风险等级划分属于中度风险级别.轻度、中度、重度和严重这4种风险等级的样品点比例分别为43.49%、43.20%、12.13%和1.18%(表 6).潜在风险主要来源于Cd和Hg, 可能与农作物种植大量施用农药、化肥导致Cd、Hg的富集相关[33~35].其结果与中国东部地区[36]及长江三角洲地区相一致[31].考虑了重金属的毒性指数, 导致潜在生态风险评价与内梅罗污染指数评价具有一定差异.
2.3 土壤重金属溯源重金属元素之间的关系可以为重金属的来源提供重要的信息.研究区根系土中Cr和Ni之间互为极显著正相关关系(P＜0.01, 图 2), 其相关系数达0.95, 指示着Cr和Ni可能具有一致的来源.Zn、Pb、Cd和Cu这4种元素之间互为显著的正相关性(P＜0.01), 表明他们之间可能具有相似的来源.Hg与Cr和Ni表现为显著的负相关性(P＜0.01), 说明Hg与Cr和Ni的来源不同.此外, Cr与Cd和Pb之间, Ni和Cu、Pb、As之间相关性不显著, 指示着上述元素可能具有不同的来源.
|
*表示相关系数在0.05水平上显著, **表示相关系数在0.01水平上显著; 椭圆长轴方向表示相关系数的正负, 右上-左下方向对应正值, 左上-右下方向对应负值, 椭圆越扁, 对应绝对值较大的相关系数, 反之越小, 色柱表示相关系数的范围 图 2 根系土重金属元素相关性 Fig. 2 Plot of Pearson correlation coefficients of heavy metals in soil |
主成分分析适宜性检验结果表明, KMO值为0.557, Bartlett球形检验显著性水平为0.00(P＜0.01), 表明分析结果具有统计学的意义.按照特征值大于1的原则提取, 提取了3个主成分, 相应的特征值分别为2.262、2.082和1.090, 累计贡献率为67.929%.可以解析8种元素的绝大部分信息(表 7).
|
|
表 7 研究区根系土重金属元素旋转主成分矩阵 Table 7 Rotated component matrix for principal component analysis loadings for heavy metals in soil |
成分1(PC1)以Cu、Pb、Zn和Cd的载荷最高, 分别为0.429、0.772、0.865和0.785, 其方差贡献率为28.280%.相关性分析也指示Cu、Pb、Zn和Cd这4种元素之间两两之间具有显著的正相关.有研究表明, 工业废气、汽车尾气排放是大气重金属污染的主要来源, 大气中的重金属元素以干湿沉降的方式进入农业土壤, 能引起土壤中的Cd、Cu、Pb和Zn等重金属含量升高[37].如大气沉降对英格兰和威尔士农业中土壤的Cd、Cu、Pb和Zn的贡献率分别为52.90%、38.93%、77.73%和48.78%[37]; 对长江三角洲地区农田土壤中的Zn和Pb的贡献率在72%~84%之间, 对Cd和Cu的贡献率也在35%左右[38].近年来, 研究区城镇化进程加快, 尤其是融入长三角一体化发展以来, 工业及采矿业飞速发展, 如芜湖的轻纺和机电产业, 铜陵和池州的有色金属开采冶炼及化工业, 马鞍山的钢铁制造业等, 这些传统的化工企业、冶炼企业、有色金属企业和采矿业等均是土壤中重金属元素的主要来源.研究区为安徽省典型的集约化农业区, 现代化农业生产过程中大量使用的化肥、农药和除草剂等农业化学投入品等也会导致重金属富集, 尤其是Cu和Zn的大量累积[37].当地居民常年养殖畜禽, 并有一部分规模化畜禽养殖场, 畜禽饲料和防疫用品等一般富含Cu和Zn等元素.因此推断Cd、Cu、Pb和Zn主要来自工业源和农业源等人类活动.
PC2以Cr、Ni的载荷最大, 分别为0.974和0.978, 其方差贡献率达26.022%.污染指数表明研究区Cr处于无污染状态.相关性分析表明Ni和Cr具有极显著的相关性(0.96, P＜0.01), 变异系数也相对较小.Cr和Ni在土壤中的含量与其在成土母质中含量相近, 与成岩成分有关, 受人为影响较小[39].如意大利Piemonte地区[40]和欧洲地中海地区[41]农业土壤中Cr和Ni主要受控于成土母质.研究区属于典型的地质高背景带[32], 尤其是基性岩浆岩中Cr和Ni的含量均高于背景值[42].故推断Cr和Ni来源主要为自然源.
PC3为As和Hg组合, 载荷分别为0.692和0.461, 方差贡献率达13.626%. Hg和As是农药的重要组成元素, 农药施用导致农业土壤Hg和As富集.我国每年大约有5.5×107 t农业化肥流入土壤之中[43].研究区是典型的农业区[20], 每年农业种植也施用大量的农药和化肥, 据2020年安徽省统计年鉴显示, 安徽省化肥和农药使用量分别为289.90万t和8.33万t.李宏薇等[44]也证实研究区As和Hg主要来源于农业活动.因而认为As和Hg通过施用化肥和农药进入土壤并进行积累.据此判断As和Hg为农业源.
2.4 农作物重金属含量及污染特征水稻籽实中ω(As)、ω(Cd)、ω(Cu)、ω(Cr)、ω(Hg)、ω(Ni)、ω(Pb)和ω(Zn)平均值分别为0.10、0.12、3.86、0.13、0.003、0.54、0.06和21.24mg·kg-1, 小麦籽实中为0.05、0.05、6.15、0.16、0.003、0.69、0.12和30.32 mg·kg-1(表 8).从重金属变异系数来说, 水稻籽实中Cd(173.04%)为异常的强变异, Ni(82.54%)和Hg(57.50%)为强变异, 其余为中等强度变异; 小麦籽实中Ni(69.40%)、Cd(70.64%)和Hg(72.21%)为强变异, 其余元素均为中等强度变异.说明研究区农作物重金属来源受外源干扰较大, 可能与区内矿产开采、冶炼和农业生产等人为活动有关.
|
|
表 8 农作物重金属含量特征 Table 8 Concentration distributions of heavy metals in crops |
鉴于食品安全国家标准(GB 2762-2017)未给出水稻和小麦Cu、Zn和Ni等3种重金属的限量标准, 因此本研究仅对农作物的As、Cd、Cr、Hg和Pb的污染状况进行评价.与食品安全国家标准(GB 2762-2017)相比, 水稻中Cd和Hg超标率为17.19%和1.05%, 小麦中Cd和Pb的超标率为7.55%和1.89%(表 8).农作物中As、Cd、Cr、Hg和Pb的单污染指数(PI)均值都小于1, 水稻籽实和小麦籽实的内梅罗综合指数(NPI)均值为0.53和0.47(表 8), 总体来说研究区农作物基本安全.
综合农作物重金属含量、重金属超标元素、超标率和污染指数等指标可知, 研究区农作物中Cd的风险最高, 这可能与Cd具有较高的迁移能力有关[19].水稻污染程度高, 小麦受污染程度相对较低, 可以通过调整种植结构对Cd进行防治与管控.
2.5 农作物迁移富集特征水稻对重金属的平均富集系数大小分别为：Cd(0.436)＞Zn(0.283)＞Cu(0.124)＞Hg(0.075)＞Ni(0.020)＞As(0.012)＞Cr(0.002)=Pb(0.002); 小麦对重金属的平均富集系数大小：Zn(0.448)＞Cd(0.390)＞Cu(0.213)＞Hg(0.077)＞Ni(0.022)＞As(0.005)=Pb(0.005)＞Cr(0.002), 见图 3.
|
图 3 重金属在土壤-作物系统的富集系数 Fig. 3 Biological concentration factors of heavy metals in soil-crop systems |
结果显示水稻和小麦对Cd、Cu和Zn的富集系数较高, 而其余元素的富集系数较低, 说明研究区重金属Cd、Zn和Cu的生物有效性较强, 易于造成生物富集.水稻和小麦的Cd的迁移系数相对来说偏高, 这可能是由于Cd在土壤中以生物可利用态为主, 有利于被迁移富集到农作物中[19].特定环境下Cu、Zn和Cd具有一定的协同作用, 也可能导致Cu和Zn元素的富集.水稻和小麦中Pb、Cr和As的迁移系数相对较低, 这可能与农作物中Pb、Cr和As的来源有关, 土壤中的Pb、Cr和As可能不是农作物的主要来源.因此农田土壤重金属污染防治工作应特别关注Cd、Cu和Zn的污染.
2.6 重金属健康风险评价 2.6.1 根系土重金属健康风险评价成人和儿童经口摄入、皮肤接触和呼吸吸入这3种暴露途径的重金属单项非致癌健康风险指数(HQ)和非致癌风险总指数(HI)如表 9所示.非致癌风险评价结果表明, 对于同一重金属元素不同暴露途径的非致癌风险, 成人和儿童的HQ依次为：经口摄入＞皮肤接触＞呼吸吸入.表明重金属经口摄入是导致非致癌风险的主要暴露途径, 这与前人相关研究结果基本一致[6, 7].水稻根系土和小麦根系土在3种不同暴露途径的HQ由高到低均表现为：As＞Cr＞Pb＞Ni＞Cu＞Cd＞Hg＞Zn, 水稻根系土和小麦根系土8种重金属HQ均小于1, 表明单一重金属不会威胁区内居民健康.
|
|
表 9 根系土不同途径重金属非致癌暴露风险值 Table 9 Risk of non-carcinogenic exposure to heavy metals in different pathways in different crop root soils |
不同重金属元素3种途径的非致癌总风险指数HI表明, 儿童在小麦根系土中HI为1.01, 略大于1, 显示小麦根系土对儿童具有非致癌风险; 而对于成人来说水稻根系土和小麦根系土的HI均小于1, 说明根系土对成年人可能不存在非致癌风险.根系土中As、Cr和Pb这3种元素对HI贡献最为明显, 上述3种元素对成人和儿童的HI贡献率近95%以上.表明As、Cr和Pb为根系土中构成非致癌健康风险的主要污染物.
各根系土对成人和儿童的单项致癌风险指数(CR)和致癌风险总指数(TCR)如表 10所示.不同根系土对儿童的CR均大于成人.对于水稻土来说, 除As和Cd的CR在10-6~10-4之间外, Cr、Ni和Pb均小于10-6, 小麦土除As的CR在10-6~10-4之间外, 其余均小于10-6, 说明根系土重金属引起的单项致癌风险尚在可接受范围.
|
|
表 10 根系土不同途径重金属致癌暴露风险值 Table 10 Risk of carcinogenic exposure to heavy metals in different pathways in different crop root soils |
不同作物根系土对儿童的TCR均大于成人, 但均小于10-4, 介于10-6~10-4之间, 说明根系土对成人和儿童的致癌风险在可接受范围内.根系土中As元素对TCR的贡献尤为显著, 水稻根系土中成人和儿童的贡献率分别为83.54%和85.04%, 而在小麦根系土中其贡献率分别为87.60%和89.58%.说明根系土中As元素为构成致癌健康风险的主要污染物.
2.6.2 农作物重金属健康风险评价成人和儿童可食用作物摄入的重金属单项非致癌健康风险指数(HQ)和非致癌风险总指数(HI)如表 11所示.成人和儿童的HQ和HI大小均表现为水稻＞小麦.对于儿童来说, 水稻中As、Cd和Cu元素的HQ均大于1; 就成人来说, 仅有水稻的As的HQ大于1.结果显示, As、Cd和Cu元素对儿童构成非致癌健康风险, 成人仅有As构成非致癌健康风险.
|
|
表 11 农作物不同途径重金属非致癌暴露风险值 Table 11 Risk of non-carcinogenic exposure to heavy metals in different pathways in different crops |
食用水稻和小麦引发的非致癌健康风险总指数(HI)均大于1, 表现为儿童＞成人.表明食用研究区水稻和小麦存在一定的非致癌健康风险.农作物中As、Cd和Cu这3种元素对HI的贡献率最大, 占76.08%.因此需要特别关注对农作物As、Cd和Cu这3种元素的管控, 以避免造成较大的食源性危害.
食用农作物对成人和儿童的单项致癌风险指数(CR)和致癌风险总指数(TCR)如表 12所示.结果显示, 农作物CR和TCR基本表现为水稻＞小麦, 且成人＞儿童, 大部分CR和TCR高于USEPA推荐的最大可接受水平(10-6), 故食用研究区的水稻和小麦对附近居民健康构成严重威胁, 具有不可接受的致癌风险.另外, 农作物中Cd元素对TCR的贡献率占81.70%, 说明农作物中Cd元素构成致癌健康风险的关键因子.为降低当地居民通过稻米摄入重金属的风险, 建议在综合考虑土壤污染和农作物对根系土中重金属富集能力的基础上, 将Cd作为重金属污染防控工作中优先控制的元素, 采取适当措施开展对研究区土壤进行治理.
|
|
表 12 农作物不同途径重金属致癌暴露风险值 Table 12 Risk of carcinogenic exposure to heavy metals in different pathways in different crops |
2.7 根系土与农作物重金属相关性分析
为明确研究区土壤对农作物重金属累积的影响, 根据根系土和农作物的重金属含量的测试结果, 对土壤-农作物(水稻和小麦)系统中的重金属含量进行了Pearson相关性检验分析(图 4).
|
*表示相关系数在0.05水平上显著, **表示相关系数在0.01水平上显著; 椭圆长轴方向表示相关系数的正负, 右上-左下方向对应正值, 左上-右下方向对应负值, 椭圆越扁, 对应绝对值较大的相关系数, 反之越小, 色柱表示相关系数的范围 图 4 土壤-农作物系统重金属含量相关性 Fig. 4 Relation analysis of heavy metals in soil-crop systems |
结果表明, 土壤-农作物系统中Cd元素具有一定的相关性, 相关系数为0.47(P＜0.01, 图 4), 表明Cd在土壤-农作物系统中具有一定的迁移富集, 与富集系数研究结果相一致.除Cd元素外, 根系土中其余重金属元素与农作物重金属元素相关性不明显, 与前人的结论一致[45], 表明农作物从土壤中吸收和富集重金属的能力与土壤中的重金属的含量并无线性关系.土壤重金属在农作物生长过程的迁移转化、富集行为相当复杂, 农作物中的重金属含量可能与土壤中重金属的化学形态、生物有效性等因素有关[9].往后的研究工作应重点关注重金属不同形态对生物吸收的贡献程度, 评价其生物有效性, 提出合理的防治措施.
3 结论(1) 长江流域安徽段农作物根系土中As、Cd、Cr、Cu、Hg、Ni、Pb和Zn元素均高于江淮流域背景值.以Cd、Hg和Ni最为突出, 且变异系数较大, 受人类活动影响明显.根系土重金属主要分为3种来源, Cu、Pb、Zn和Cd为工业源和农业源, Cr和Ni为自然源, As和Hg为农业源.As、Cd和Cu是农作物根系土的主要超标元素.潜在生态风险危害主要表现为Cd和Hg, 以中度危害以上污染水平为主, 根系土整体上处于轻微~中度潜在生态风险水平.
(2) 研究区水稻和小麦中Zn的含量均是最大, 其次为Cu、Ni和Cr, Hg含量最低.以Cd的超标最为严重, 超标率分别为17.19%和7.55%.水稻对重金属的富集强度依次分别为：Cd＞Zn＞Cu＞Hg＞Ni＞As＞Cr=Pb, 小麦对重金属的吸收富集强度依次分别为：Zn＞Cd＞Cu＞Hg＞Ni＞As=Pb＞Cr.除Cd元素外, 农作物中其余重金属元素与根系土重金属元素相关性不明显.
(3) 根系土8种重金属不同暴露途径下HQ均小于1, 表明单一重金属不会威胁区内居民健康.非致癌总风险指数(HI)显示小麦根系土对儿童具有一定的非致癌健康风险.根系土重金属引起成人和儿童的单项致癌风险指数(CR)和致癌风险总指数(TCR)尚在可接受范围.
(4) 水稻和小麦中As、Cd和Cu元素对儿童构成非致癌健康风险, As对成人构成非致癌健康风险, 食用研究区的水稻和小麦存在一定的非致癌风险.食用研究区的水稻和小麦具有不可接受的致癌风险, 农作物中Cd元素构成致癌健康风险的关键因子.
| [1] | Wuana R A, Okieimen F E. Heavy metals in contaminated soils: a review of sources, chemistry, risks and best available strategies for remediation[J]. ISRN Ecology, 2011, 2011. DOI:10.5402/2011/402647 |
| [2] | Gu Q B, Yu T, Yang Z F, et al. Prediction and risk assessment of five heavy metals in maize and peanut: a case study of Guangxi, China[J]. Environmental Toxicology and Pharmacology, 2019, 70. DOI:10.1016/j.etap.2019.103199 |
| [3] | Khan K, Lu Y L, Khan H, et al. Heavy metals in agricultural soils and crops and their health risks in Swat District, northern Pakistan[J]. Food and Chemical Toxicology, 2013, 58: 449-458. DOI:10.1016/j.fct.2013.05.014 |
| [4] | Zheng S N, Wang Q, Yuan Y Z, et al. Human health risk assessment of heavy metals in soil and food crops in the Pearl River Delta urban agglomeration of China[J]. Food Chemistry, 2020, 316. DOI:10.1016/j.foodchem.2020.126213 |
| [5] | 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. DOI:10.1016/j.catena.2018.12.029 |
| [6] |
尹伊梦, 赵委托, 黄庭, 等. 电子垃圾拆解区土壤-水稻系统重金属分布特征及健康风险评价[J]. 环境科学, 2018, 39(2): 916-926. Yin Y M, Zhao W T, Huang T, et al. Distribution characteristics and health risk assessment of heavy metals in a soil-rice system in an e-waste dismantling area[J]. Environmental Science, 2018, 39(2): 916-926. |
| [7] |
张浩, 王辉, 汤红妍, 等. 铅锌尾矿库土壤和蔬菜重金属污染特征及健康风险评价[J]. 环境科学学报, 2020, 40(3): 1085-1094. Zhang H, Wang H, Tang H Y, et al. Heavy metal pollution characteristics and health risk evaluation of soil and vegetables in various functional areas of lead-zinc tailings pond[J]. Acta Scientiae Circumstantiae, 2020, 40(3): 1085-1094. |
| [8] |
叶脉, 张景茹, 张路路, 等. 广东鼻咽癌高发区土壤-作物系统重金属迁移特征及健康风险评价[J]. 环境科学, 2020, 41(12): 5579-5588. Ye M, Zhang J R, Zhang L L, et al. Transfer factor and health risk assessment of heavy metals in a soil-crop system in a high incidence area of nasopharyngeal carcinoma, Guangdong[J]. Environmental Science, 2020, 41(12): 5579-5588. |
| [9] |
林承奇, 蔡宇豪, 胡恭任, 等. 闽西南土壤-水稻系统重金属生物可给性及健康风险[J]. 环境科学, 2021, 42(1): 359-367. Lin C Q, Cai Y H, Hu G R, et al. Bioaccessibility and health risks of the heavy metals in soil-rice system of southwest Fujian province[J]. Environmental Science, 2021, 42(1): 359-367. |
| [10] |
韩伟, 王成文, 彭敏, 等. 川南山区土壤与农作物重金属特征及成因[J]. 环境科学, 2021, 42(5): 2480-2489. Han W, Wang C W, Peng M, et al. Characteristics and origins of heavy metals in soil and crops in mountain area of southern Sichuan[J]. Environmental Science, 2021, 42(5): 2480-2489. |
| [11] |
黄钟霆, 易盛炜, 陈贝贝, 等. 典型锰矿区周边农田土壤-农作物重金属污染特征及生态风险评价[J]. 环境科学, 2022, 43(2): 975-984. Huang Z T, Yi S W, Chen B B, et al. Pollution properties and ecological risk assessment of heavy metals in farmland soils and crops around a typical manganese mining area[J]. Environmental Science, 2022, 43(2): 975-984. |
| [12] | Zhang T, Xu W X, Lin X N, et al. Assessment of heavy metals pollution of soybean grains in north Anhui of China[J]. Science of the Total Environment, 2019, 646: 914-922. DOI:10.1016/j.scitotenv.2018.07.335 |
| [13] | Zheng S N, Wang Q, Yuan Y Z, et al. Human health risk assessment of heavy metals in soil and food crops in the Pearl River Delta urban agglomeration of China[J]. Food Chemistry, 2020, 316. DOI:10.1016/j.foodchem.2020.126213 |
| [14] | Setia R, Dhaliwal S S, Singh R, et al. Phytoavailability and human risk assessment of heavy metals in soils and food crops around Sutlej river, India[J]. Chemosphere, 2021, 263. DOI:10.1016/j.chemosphere.2020.128321 |
| [15] | Baruah S G, Ahmed I, Das B, et al. Heavy metal(loid)s contamination and health risk assessment of soil-rice system in rural and peri-urban areas of lower Brahmaputra valley, Northeast India[J]. Chemosphere, 2021, 266. DOI:10.1016/j.chemosphere.2020.129150 |
| [16] | Kharazi A, Leili M, Khazaei M, et al. Human health risk assessment of heavy metals in agricultural soil and food crops in Hamadan, Iran[J]. Journal of Food Composition and Analysis, 2021, 100. DOI:10.1016/j.jfca.2021.103890 |
| [17] | Liu X M, Gu S B, Yang S Y, et al. Heavy metals in soil-vegetable system around E-waste site and the health risk assessment[J]. Science of the Total Environment, 2021, 779. DOI:10.1016/j.scitotenv.2021.146438 |
| [18] | Yang L, Ren Q, Zheng K X, et al. Migration of heavy metals in the soil-grape system and potential health risk assessment[J]. Science of the Total Environment, 2022, 806. DOI:10.1016/j.scitotenv.2021.150646 |
| [19] |
周葆华, 胡睿鑫, 赵宽, 等. 皖江经济带土壤Cd空间分布特征与生态风险评价[J]. 自然资源学报, 2021, 36(12): 3261-3270. Zhou B H, Hu R X, Zhao K, et al. Spatial distribution characteristic of Cd in soils and its ecological risk assessment in the economic belt of Yangtze River in Anhui[J]. Journal of Natural Resources, 2021, 36(12): 3261-3270. |
| [20] |
李子杰, 孟源思, 郑梦蕾, 等. 某流域农田土壤-水稻系统重金属空间变异特征及生态健康风险评价[J]. 农业环境科学学报, 2021, 40(5): 957-968. Li Z J, Meng Y S, Zheng M L, et al. Spatial variability and ecological health risk assessment of heavy metals in farmland soil-rice system in a watershed of China[J]. Journal of Agro-Environment Science, 2021, 40(5): 957-968. |
| [21] |
王茜, 张光辉, 田言亮, 等. 皖江经济区基本农田地球化学特征及成因[J]. 地质学报, 2016, 90(8): 1988-1997. Wang Q, Zhang G H, Tian Y L, et al. The character and influencing factors of geochemical distribution in basic farmland of economic zone along Yangzte River in Anhui[J]. Acta Geologica Sinica, 2016, 90(8): 1988-1997. DOI:10.3969/j.issn.0001-5717.2016.08.026 |
| [22] |
鲁潇, 于坤, 孙庆业, 等. 铜陵矿区周边莲藕重金属元素含量及健康风险评价[J]. 农业环境科学学报, 2019, 38(9): 2049-2056. Lu X, Yu K, Sun Q Y, et al. Heavy metal content and health risk assessment of lotus roots around the Tongling mining area, China[J]. Journal of Agro-Environment Science, 2019, 38(9): 2049-2056. |
| [23] |
陈兴仁, 陈富荣, 贾十军, 等. 安徽省江淮流域土壤地球化学基准值与背景值研究[J]. 中国地质, 2012, 39(2): 302-310. Chen X R, Chen F R, Jia S J, et al. Soil geochemical baseline and background in Yangtze River-Huaihe River basin of Anhui Province[J]. Geology in China, 2012, 39(2): 302-310. |
| [24] | Håkanson L. An ecological risk index for aquatic pollution control. a sedimentological approach[J]. Water Research, 1980, 14(8): 975-1001. |
| [25] |
徐争启, 倪师军, 庹先国, 等. 潜在生态危害指数法评价中重金属毒性系数计算[J]. 环境科学与技术, 2008, 31(2): 112-115. Xu Z Q, Ni S J, Tuo X G, et al. Calculation of heavy metals toxicity coefficient in the evaluation of potential ecological risk index[J]. Environmental Science & Technology, 2008, 31(2): 112-115. |
| [26] | US EPA. Exposure factors handbook[R]. Washington, DC: US EPA, 2011. |
| [27] | Li Y B, Fang F M, Wu M H, et al. Heavy metal contamination and health risk assessment in soil-rice system near Xinqiao mine in Tongling city, Anhui province, China[J]. Human and Ecological Risk Assessment: An International Journal, 2018, 24(3): 743-753. |
| [28] | Liu Y M, Liu D Y, Zhang W, et al. Health risk assessment of heavy metals (Zn, Cu, Cd, Pb, As and Cr) in wheat grain receiving repeated Zn fertilizers[J]. Environmental Pollution, 2020, 257. DOI:10.1016/j.envpol.2019.113581 |
| [29] | US EPA. Supplemental guidance for developing soil screening levels for superfund sites[R]. Washington, DC: US EPA, 2002. |
| [30] | Huang J L, Wu Y Y, Sun J X, et al. Health risk assessment of heavy metal(loid)s in park soils of the largest megacity in China by using Monte Carlo simulation coupled with Positive matrix factorization model[J]. Journal of Hazardous Materials, 2021, 415. DOI:10.1016/j.jhazmat.2021.125629 |
| [31] | Hu W Y, Wang H F, Dong L R, et al. Source identification of heavy metals in peri-urban agricultural soils of Southeast China: an integrated approach[J]. Environmental Pollution, 2018, 237: 650-661. |
| [32] |
江红艳, 王寅. 皖东地质高背景区土壤重金属污染分析及人体健康风险评价[J]. 安徽农业科学, 2020, 48(14): 78-82. Jiang H Y, Wang Y. Analysis of heavy metal pollution and risk assessment of human health in soil with high geological background area in eastern Anhui province[J]. Journal of Anhui Agricultural Sciences, 2020, 48(14): 78-82. |
| [33] | Teng Y, Ke Y Y, Zhou Q X, et al. Derived regional soil-environmental quality criteria of metals based on Anhui soil-crop systems at the regulated level[J]. Science of the Total Environment, 2022, 825. DOI:10.1016/j.scitotenv.2022.154060 |
| [34] | Dong B, Zhang R Z, Gan Y D, et al. Multiple methods for the identification of heavy metal sources in cropland soils from a resource-based region[J]. Science of the Total Environment, 2019, 651: 3127-3138. |
| [35] | Wang H F, Wu Q M, Hu W Y, et al. Using multi-medium factors analysis to assess heavy metal health risks along the Yangtze River in Nanjing, Southeast China[J]. Environmental Pollution, 2018, 243: 1047-1056. |
| [36] | 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 |
| [37] | Nicholson F A, Smith S R, Alloway B J, et al. An inventory of heavy metals inputs to agricultural soils in England and Wales[J]. Science of the Total Environment, 2003, 311(1-3): 205-219. |
| [38] | Hou Q Y, Yang Z F, Ji J F, et al. Annual net input fluxes of heavy metals of the agro-ecosystem in the Yangtze River Delta, China[J]. Journal of Geochemical Exploration, 2014, 139: 68-84. |
| [39] | Luo L, Ma Y B, Zhang S Z, et al. An inventory of trace element inputs to agricultural soils in China[J]. Journal of Environmental Management, 2009, 90(8): 2524-2530. |
| [40] | Facchinelli A, Sacchi E, Mallen L. Multivariate statistical and GIS-based approach to identify heavy metal sources in soils[J]. Environmental Pollution, 2001, 114(3): 313-324. |
| [41] | Micó C, Recatalá L, Peris M, et al. Assessing heavy metal sources in agricultural soils of an European Mediterranean area by multivariate analysis[J]. Chemosphere, 2006, 65(5): 863-872. |
| [42] |
陶春军, 贾十军, 陈永宁, 等. 滁州地区土壤地球化学基准值与背景值研究[J]. 安徽地质, 2013, 23(4): 286-291. Tao C J, Jia S J, Chen Y N, et al. A study on geochemical baseline value and environmental background value of soils in the Chuzhou area[J]. Geology of Anhui, 2013, 23(4): 286-291. |
| [43] | Liang J, Feng C T, Zeng G M, et al. Spatial distribution and source identification of heavy metals in surface soils in a typical coal mine city, Lianyuan, China[J]. Environmental Pollution, 2017, 225: 681-690. |
| [44] |
李宏薇, 尚二萍, 张红旗, 等. 耕地土壤重金属污染时空变异对比—以黄淮海平原和长江中游及江淮地区为例[J]. 中国环境科学, 2018, 38(9): 3464-3473. Li H W, Shang E P, Zhang H Q, et al. Comparative research on spatio-temporal variability of heavy metal pollution in cultivated soils—A case study of Huang-Huai-Hai Plain and middle reaches of the Yangtze River and Jianghuai Region[J]. China Environmental Science, 2018, 38(9): 3464-3473. |
| [45] |
陈洁, 王娟, 王怡雯, 等. 影响不同农作物镉富集系数的土壤因素[J]. 环境科学, 2021, 42(4): 2031-2039. Chen J, Wang J, Wang Y W, et al. Influencing factors of cadmium bioaccumulation factor in crops[J]. Environmental Science, 2021, 42(4): 2031-2039. |