2023, Vol. 44
2. 重庆市地质调查院, 重庆 401122
, WANG Jia-bin1
, WANG Rui1 , WANG Yu1 , NING Mo-huan2 , ZHANG Yun-yi1 , SU Li-ming1 , DONG Jin-xiu1
2. Chongqing Institute of Geological Survey, Chongqing 401122, China
土壤是农业生产和人类赖以生存的基础, 土壤重金属污染不仅影响土壤性质和功能、降低农产品的产量和质量, 而且可以通过农作物累积进入食物链, 危及人体健康[1, 2].随着改革开放以来我国经济的快速增长, 土壤环境问题愈发严重, 文献[3]数据显示, 全国耕地土壤点位超标率达19.4%, 其中西南地区由于广泛发育喀斯特岩溶地貌, 母岩在成土过程中发生次生富集, 造成土壤中重金属的富集, 是我国地质高背景引起土壤重金属污染较为突出的地区之一[3].根据文献[4]调查显示, 我国西南地区已查明的污染耕地面积达219.5万hm2, 占全国污染耕地总面积的28.9%.目前, 已有不少学者针对西南地质高背景区土壤重金属的来源和生态风险展开了研究[5~7], 国家也陆续发布了相关计划和法律文件[8, 9], 土壤重金属已引起了学术界和政府的广泛关注.
准确识别并定量评估环境中重金属的来源及其生态风险, 对西南地质高背景区开展土壤重金属污染防治具有重要的现实意义[9, 10].目前识别重金属来源的主要方法有相关性分析、聚类分析、主成分分析法和多元统计分析等, 这些方法主要从定性统计对土壤重金属来源进行了分析[11~15].APCS-MLR模型是基于主成分分析, 并结合多元线性回归发展而来的受体模型, 回归系数用来计算污染因子对每个污染元素的贡献率[16], 因此该模型被广泛应用于土壤重金属来源的定量分析[17~22].穆德苗等[20]基于APCS-MLR模型对云南安宁市农田土壤重金属进行来源解析, 结果表明As、Cu、Cr和Ni以自然源为主, 贡献率分别为39.34%、44.53%、47.32%和50.23%; Zn和Pb以工业活动源和交通源为主, 贡献率分别为30.53%、31.93%和22.17%、23.36%; Cd以农业活动源为主, 贡献率达53.63%.洪涛等[21]利用APCS-MLR受体模型对滇东南土壤重金属进行源解析, 结果表明Cd、Cr和Ni的来源以化石燃烧为主, Pb和Zn的主要来源为交通运输, Cu主要受自然背景控制(77.86%, 贡献率), 农业生产是Hg的主导来源(70.37%, 贡献率), 化石燃烧和农业生产对As的贡献率最大, 分别为46.71%和49.46%.同时在定量识别土壤重金属来源的基础上, 对土壤重金属进行污染评价和生态风险评价, 通过定量的污染源贡献分析有助于制定更加有效的土壤重金属污染风险管控策略.
近年来, 有关土壤重金属风险评价的报道较多, 主要集中在县级以上大尺度的区域[22, 23]和流域、矿区等周边农田的小尺度范围[24], 而针对乡镇尺度进行耕地土壤综合生态风险评价相对较少.重庆喀斯特地貌十分发育, 碳酸岩出露面积3.2万km2, 约占重庆幅员总面积的38.9%[25], 但以往的研究主要集中在广西和云南等省份[5, 7, 20, 21], 对重庆碳酸盐地区土壤重金属来源解析及风险评价的研究较少.本文选择重庆市奉节县青龙镇为研究区, 该区域广泛发育碳酸盐岩, 并且煤、煤矸石和硫铁矿等各类矿产资源储量丰富, 土壤重金属生态风险较高, 亟需开展区域土壤污染和风险评价.因此, 本文基于乡镇尺度, 调查研究区耕地土壤重金属含量, 量化耕地土壤重金属污染来源, 开展耕地土壤重金属风险评价, 以期为重庆地质高背景区耕地土壤重金属污染防治、保障农作物安全提供科学依据.
1 材料与方法 1.1 研究区概况青龙镇位于重庆市奉节县, 海拔500~1 800 m, 幅员面积107.84 km2, 耕地面积33.77 km2(图 1), 发育黄色石灰土、黄壤和紫色土.镇内交通发达, 奉恩、奉利主干线穿镇而过.青龙镇山峦起伏, 沟壑纵横, 山高坡陡, 是典型的高山地形, 呈山地气候, 年平均气温16.4℃, 年平均降水量1 132 mm.境内侏罗系、三叠系和二叠系地层均有出露(图 2), 三叠系和二叠系以深灰、浅灰和灰白色中至厚层状灰岩发育为主, 侏罗系以砂泥岩出露为主.青龙镇煤、煤矸石和硫铁矿等各类矿产资源储量丰富, 现已探明煤储量为6 000万t, 享有“奉节煤海”之美誉.
|
图 1 研究区采样点位分布示意 Fig. 1 Location of sampling sites in the study area |
|
图 2 研究区土壤重金属含量分布和地质情况示意 Fig. 2 Spatial distribution of heavy metal contents and brief geological information in the study area |
本次样品采集采用“网格兼顾图斑”的原则进行耕地土壤样品布设, 在研究区的耕地进行样点布设, 采样密度为9点·km-2, 每个采样点由四周4~6个分样点等份组成一个混合样品, 采样深度为0~20 cm, 严格按照《土地质量地球化学评价规范》(DZ/T 0295-2016)[26]规定完成, 共采集土壤样品307件.土壤样品在室内自然风干后, 去除样品中的植物根系、砾石等杂质后, 用玛瑙研钵磨细过10目筛, 置于密封袋中, 以供后续实验室分析.土壤样品由重庆市地质矿产勘查开发集团检验检测有限公司完成.
土壤样品分析pH、As、Cd、Cr、Cu、Hg、Ni和Zn等指标, 样品分析测试方法和检出限见表 1.样品分析方法和质量控制严格按照文献[26, 27]的有关规定执行.土壤样品采用国家一级标准物质进行准确度和精密度控制, 每批样品(50个号码)中密码插入4个不同含量的国家一级土壤标准物质控制精密度, 经中国地质科学院地球物理地球化学勘查研究所解密, 单个元素的合格率均达到90%以上, 符合规范(≥90%)要求.相关系数r值均大于0.900, 符合规范(≥0.900)要求.
|
表 1 土壤元素分析方法与检出限/mg·kg-1 Table 1 Element analysis methods and detection limit of soil/mg·kg-1 |
1.3 评价方法 1.3.1 土壤重金属污染评价
单因子污染指数(Pi)和内梅罗综合指数(P综)可以反映各重金属元素污染等级及研究区综合污染水平, 内梅罗综合指数既涵盖了各单项污染指数, 又突出了高浓度污染物在评价结果中的权重[28], 是中国土壤环境监测技术规范推荐的评价方法.计算公式如下：
|
(1) |
|
(2) |
式中, Pi为土壤中重金属i的单项污染指数; Ci为土壤重金属i的测试含量; Cn为重金属i的评价标准, 本文选择文献[29]给出的土壤重金属污染筛选值作为评价标准.P综为内梅罗指数; Piave为8项重金属污染指数的平均值; Pimax为8项重金属污染指数中的最大值.Pi和P综土壤污染评价等级见表 2[28].
|
|
表 2 内梅罗指数土壤污染评价等级 Table 2 Nemero index soil pollution evaluation level |
1.3.2 土壤重金属生态风险评价
潜在生态指数法是由瑞典著名科学家Hakanson创建, 是目前最常用的土壤重金属污染程度和生态风险评价的方法[30].其计算公式如下：
|
(3) |
式中, Cfi为金属i的污染指数; Ci为土壤中重金属i的测试含量; CNi为重金属i参比值, 采用重庆市土壤重金属背景值[31]; Eri为重金属i的潜在生态风险指数; Tri为重金属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[32]; RI为总的潜在生态风险指数.根据Eri和RI, 将单因子潜在生态危害和总潜在生态危害进行分级.因Hakanson研究是针对PCB、Hg、Cd、As、Pb、Cu、Cr和Zn这8种污染物提出Eri和RI的分级标准, 因此在应用RI进行生态风险评价时, 必须根据污染种类、数量和毒性系数进行调整.本文根据文献[33]的研究方法对分级标准进行了相应地调整, 调整后重金属潜在生态风险指标分级标准如表 3所示.
|
|
表 3 土壤重金属潜在生态风险指标分级标准 Table 3 Classification criteria of soil heavy metal potential ecological risk index |
1.3.3 绝对因子分析-多元线性回归受体模型(APCS-MLR)
APCS-MLR模型是由Thurston[34]在1985年提出用以计算各污染物来源贡献率的一种模型, 其原理：首先将原始数据标准化, 然后在因子分析的基础上将主因子得分转化为主成分因子得分(APCS), 最后分别对各重金属含量的APCS进行多元线性回归, 计算各个主因子对应污染源对土壤中某重金属含量的贡献率[35, 36].APCS-MLR源解析主要步骤如下：
首先对测定的原始数据进行标准化, 计算公式为：
|
(4) |
式中, Zij为标准化后的因子分数; Cij为样品重金属i实测值, mg·kg-1; Ci为重金属i的平均值; σi为重金属i的标准差, mg·kg-1.
然后, 对各重金属元素引入一个浓度为0的因子, 计算公式为：
|
(5) |
将式(3)中的Zij减去式(4)的Zi0得到每个重金属元素的APCS.最后用重金属实测浓度量和APCS做多元线性回归分析, 得到的回归系数：
|
(6) |
式中, bi0为对重金属i做多元线性回归所得常数; bpi为源p对重金属元素i 的回归系数; bpi×APCSp为源p对Ci的含量贡献率, %; 所有样本bpi×APCSp平均值为污染源平均绝对贡献率, %[37].
2 结果与讨论 2.1 土壤pH和重金属元素含量特征研究区307件耕地土壤样品土壤pH和重金属的统计性分析结果见表 4.从中可知, 土壤pH值在4.12~8.16之间, 平均值为6.27, 其中土壤pH < 7占64.82%, 表明研究区耕地表层土壤整体偏酸性.ω(As)、ω(Cd)、ω(Cr)、ω(Cu)、ω(Hg)、ω(Ni)、ω(Pb)和ω(Zn)平均值分别为13.6、0.61、81.6、30.4、0.08、33.6、27.6和89.8 mg·kg-1.除Pb外, 其余7项耕地土壤重金属平均值和中位数均超过重庆市土壤背景值[31], As、Cd、Cr、Cu、Hg、Ni和Zn含量平均值为重庆市土壤背景值的2.05、2.18、1.09、1.23、1.15、1.06和1.10倍, 显示耕地表层土壤中Cd、As累积效应较为明显.根据文献[29]规定的As、Cd、Cr、Cu、Hg、Ni、Pb和Zn风险筛选值和管制值, 研究区耕层土壤重金属元素含量大于筛选值的样本占总样本的比例由大到小依次为：Cd(52.12%)>Cu(3.28%)>As(0.98%)>Cr(0.65%)=Zn(0.65%)>Ni(0.33%)=Hg(0.33%)>Pb (0%), 并且有9件样品Cd含量超过管制值(超标率2.93%), 这说明研究区耕地土壤中Cd存在一定的污染风险.
|
|
表 4 研究区耕地土壤重金属含量特征1)/mg·kg-1 Table 4 Concentrations of heavy metals in the cultivated soils in the study area/mg·kg-1 |
变异系数可以反映元素在土壤中的均匀性和变异性[38], 土壤Cd和Hg的变异系数均大于0.5, 表明空间变异性较强, 存在明显的局部聚合, 尤其是Cd(变异系数达到2.64).
2.2 土壤重金属空间分布特征利用GS+ 9.0软件对研究区耕地土壤Cd含量进行半方差函数拟合, 结果见表 5.其中R2表示决定系数, RSS表示残差值.当R2越接近1, RSS越小时, 表示拟合的模型效果越好[39, 40].研究区耕地土壤重金属块金效应均小于0.75, 有效变程在1 650~17 390 m之间, 决定系数均接近1, 插值模型的选取基本符合要求.基于半变异函数的拟合结果, 对研究区耕地土壤重金属进行空间插值分析, 最终结果显示, 研究区耕地土壤重金属元素在空间上的分布呈现出一定的规律性, As、Cd、Cr、Cu、Hg、Ni、Pb和Zn含量高值区主要分布在研究区东南部, 呈条带状分布; 北部高值呈点状零星分布(图 2).
|
|
表 5 土壤重金属半变异函数拟合模型及参数 Table 5 Semi-variogram fitting model and parameter values of heavy metals in soil |
块金系数表示元素空间异质性程度, 是反映区域化变量空间相关性程度的指标, 研究区耕地土壤Cr和Zn的块金系数小于0.25, 说明Cr和Zn主要受地质背景等区域性自然因素影响; As、Cd、Cu、Hg、Ni和Pb的块金系数均在0.25~0.75之间, 说明As、Cd、Cu、Hg、Ni和Pb在地质背景等区域性自然因素控制外, 还受人为活动等随机性因素控制.研究区耕地土壤重金属高值区主要受地层分布控制, 主要分布在中二叠统茅口组(P2m)、栖霞组(P2q)和梁山组(P2l), 上二叠统吴家坪组(P3w)和长兴组(P2c), 其次在下三叠统大冶组(T1d)和嘉陵江组(T1j)也呈现一定的高值区.中二叠统梁山组上部为灰黑色炭质页岩夹煤线, 栖霞组和茅口组以灰岩发育为主, 研究区中二叠统主要以团状发育于研究区最南部; 上二叠统吴家坪组下段为黑色页岩, 上段为长兴组均以灰岩发育为主; 下三叠统大冶组和嘉陵江组主要为浅海及潟湖相的碳酸盐岩组成, 主要分布在研究区南部以及西北角, 说明不同地质背景影响形成的土壤, 重金属元素次生富集程度差异较大.此外, 零星分布的高值点与村庄分布具有一定的重叠, 反映了人为活动对村庄周边耕地土壤具有一定的影响.
2.3 土壤重金属来源分析为了进一步准确识别和量化研究区耕地土壤中重金属的来源, 本文利用APCS-MLR模型对土壤中重金属来源进行分析.首先利用SPSS Statistics 22软件对研究区耕地土壤数据进行KMO检验, 得到的统计量为0.796, Bartlett球度检验相伴概率为0.000, 说明数据适宜进行因子分析, 并且处理效果较好, 分析结果见表 6.对Kaiser标准化后的因子进行Varimax正交旋转, 得到两个特征值大于1的主成分, 方差贡献率分别为46.48%、25.90%, 累积贡献率为72.37%, 可以解释土壤重金属的大部分信息.第一主成分(F1)载荷较高的重金属元素为Cd、Cr、Cu、Ni和Zn, 第二主成分(F2)载荷较高的重金属元素为As、Pb、Hg和Cd.
|
|
表 6 土壤重金属主成分分析矩阵 Table 6 Matrix analysis matrix of soil heavy metals |
根据1.3节中给出的步骤, 建立绝对因子分析-多元线性回归(APCS-MLR)受体模型, 得到8种重金属元素与2个绝对因子的多元线性回归方程, As、Cd、Cr、Cu、Hg、Ni、Pb和Zn这8种重金属元素回归方程的相关系数R分别为0.792、0.832、0.918、0.845、0.689、0.967、0.775和0.951, 拟合效果较好.根据APCS-MLR受体模型, 分别计算主成分F1和F2对各元素的贡献率, 统计结果见表 7和图 3.可以看出, Cr、Cu、Ni和Zn的来源主要受F1自然源控制, F1对Cr、Cu、Ni和Zn的贡献率分别为86.62%、64.34%、76.44%和85.46%; As、Pb和Hg的来源主要受F2工业源的控制, F2对As、Pb和Hg的贡献率分别为74.63%、61.90%和73.49%; F1自然源和F2工业源对Cd的贡献率相差不大, 分别为47.74%和39.56%.
|
|
表 7 绝对因子分析-多元线性回归(APCS-MLR)受体模型 Table 7 Absolute principal component score-multiple linear regression (APCS-MLR) model |
|
图 3 土壤重金属污染源贡献率 Fig. 3 Source contribution ratios of heavy metals in soil |
第一主成分(F1)的主要成分载荷重金属元素包括Cr、Ni、Zn、Cu和Cd, 一般而言, Cr在土壤中的累积程度主要受成土母质影响[41], 研究区除侏罗系外, 广泛发育碳酸盐岩, 碳酸盐岩易发生淋溶作用, 表层土壤中黏土矿物含量较高, 对岩石风化产物中的元素具有较强的富集作用[42].如图 2所示, Cr、Cu、Ni、Zn和Cd等重金属的高值区主要集中在研究区东南部, 呈条带状分布, 与研究区二叠系地层分布基本一致.王锐等[42]对渝东南地区土壤重金属的来源研究表明, 土壤Cd等重金属的来源主要与二叠系灰岩有关, 并且二叠系地层在渝东南地区多呈条带状分布, 与本研究的结果相似.此外, 前人研究表明黑色岩系多富集Cr、Cd、Cu、Zn、Ni、Mo、V、Sb、Ba和U等元素[42], 研究区二叠系主要发育碳酸盐岩和黑色页岩, 因此研究区土壤Cr、Cu、Ni、Zn和Cd等重金属的空间分布特征可能与二叠系成土母质有关.综合分析, 第一主成分F1的重金属累积主要来源于成土母质, 为自然源.
第二主成分(F2)载荷较高的重金属元素为As、Pb、Hg和Cd, 矿产资源的开发利用, 尤其是煤矿开发利用过程中产生的废渣、酸性废水和粉尘是周边土壤中As、Cd和Pb等重金属的主要来源[43].贾亚琪等[44]在对贵州织金县煤矿周边土壤重金属来源分析中指出Hg和As来源于煤矿开采产生的粉尘和当地煤炭燃烧产生的降尘, Cd等重金属主要来源于煤炭开采过程中三废的排放; 刘晓双等[45]在广东云浮硫铁矿区土壤重金属分布及来源研究中发现, Pb、Cd等重金属与矿石加工企业以及矿渣的堆放密切相关.图 4为研究区矿产及工矿企业分布, 青龙镇煤矿和硫铁矿主要共生分布在上二叠统吴家坪组(P3w), 以高硫含量为特征, 硫铁矿和煤层中重金属元素富集, 其中砷的含量尤为突出.青龙镇大窝社区茱衣坝一磺厂和覃家村刘家田三磺厂主要通过硫铁矿和煤矿的开采, 以煤为燃料, 进行硫酸亚铁和硫磺的生产, 矿产的开采的粉尘和煤燃烧产生的降尘进一步造成了周边耕地土壤As、Pb、Hg和Cd等重金属的富集.因此, 第二主成分F2来源主要为煤和硫铁矿的开发利用, 可以识别为工业源.
|
图 4 研究区矿产和工业企业分布 Fig. 4 Spatial distribution of mineral resources and industrial enterprises in the study area |
此外, 研究区耕地土壤重金属元素也受到一定程度的其他来源控制, 尤其是As, 其他来源贡献率达22.51%. As作为杀虫剂和除草剂的有效成分, 长期使用含As农药, 会导致耕地土壤中As元素的累积[46]; 此外, As对于畜类的生长也能够起到一些积极作用, 例如可以改善猪的毛色并加快生长, 故饲料中也会添加一定量的As元素[42, 47, 48], As随着动物粪便通过农家肥施用进入耕地土壤, 也会导致耕地土壤中As的富集.因此, 其他来源可能与农业等人类活动有关.
2.4 土壤重金属风险评价 2.4.1 单因子指数和内梅罗综合指数评价参照农用地土壤筛选值(GB 15618-2018), 单因子污染指数(Pi)和内梅罗综合指数(P综)的污染评价结果如图 5和表 8所示.单因子污染指数结果显示, 8种重金属元素Pi平均值降序依次为：Cd(1.71)>As(0.52)>Cu(0.47)>Cr(0.46)>Ni(0.40)>Zn(0.39)>Pb(0.29)>Hg(0.15), 其中Cd的污染程度最高(图 5), 轻度污染、中度污染和重度污染的占比分别为41.69%、4.23%和6.19%.内梅罗综合指数(P综)的变化范围为0.25~34.34, 平均值为1.29, 研究区内清洁和尚清洁土壤占比达72.96%, 但分别有62、7和15个样点达到了轻度污染(占比20.20%)、中度污染(占比2.28%)和重度污染(占比4.89%), 其中Cd的贡献最大.
|
图 5 单因子指数法评价结果 Fig. 5 Evaluation results of single factor index method |
|
|
表 8 不同污染级别样点数占总数比例 Table 8 Percentages of sites at different pollution levels |
2.4.2 潜在生态风险评价
将重庆市土壤背景值作为评价标准, 对研究区耕地土壤重金属开展潜在生态危害风险评价.如表 9和图 6所示, 研究区耕地土壤Cr、Cu、Ni、Pb和Zn生态风险等级较低, 均属于轻微生态风险; As以轻微风险为主, 中等风险样品仅占1.3%; Cd风险指数范围为6.75~2 046, 存在轻微至极强的生态风险, 以轻微风险和中等风险为主, 分别占62.8%和28.3%; Hg风险指数范围为7.54~492.2, 存在轻微至极强的生态风险, 以轻微风险和中等风险为主, 分别占39.41%和53.42%.因此, 研究区总体以轻微生态风险为主, 中等生态风险以上主要来自Cd和Hg.
|
|
表 9 土壤重金属的潜在生态危害指数统计 Table 9 Potential ecological risk coefficient for heavy metals in soil |
|
图 6 生态危害指数法评价结果统计 Fig. 6 Statistics of the evaluation results of potential ecological risk coefficient |
研究区耕地土壤重金属RI分布范围为51.77~2 228, 存在轻微至极强的生态风险, 以轻微风险和中等风险为主, 所占比例分别为46.6%和45.4%.土壤重金属对RI贡献指数升序依次为：Zn(1.10)＜Cr(2.19)＜Pb(4.91)＜Ni(5.31)＜Cu(6.17)＜As(20.54)＜Hg(47.89)＜Cd(65.44), 贡献率分别为0.71%、1.43%、3.20%、3.46%、4.02%、13.38%、31.19%和42.62%(图 6).RI空间分布显示(图 7), 研究区大部分地区处于轻微-中等风险, 中等以上风险区主要位于东南部矿产及工业活动区域及周边, 土壤呈现Cd和Hg复合污染状态.
|
图 7 研究区土壤生态风险等级分布 Fig. 7 Spatial distribution of total potential ecological grade |
综合分析表明, 研究区东南部耕地土壤中Cd和Hg生态风险较高, 在矿产及企业活动区周边耕地土壤Cd元素存在超过农用土壤管制值的严格管控类耕地, 不建议种植可食用农产品, 可以采取调整种植结构, 例如种植桑树发展养殖业[49]; 北部主要为轻微-中等风险区, 可以采取农艺调控措施, 例如推广低累积品种, 通过叶面喷施含Si、Se和Zn等营养阻隔剂等措施, 保障农产品安全.
3 结论(1) 研究区耕地表层土壤As、Cd、Cr、Cu、Hg、Ni和Zn平均值和中位数高于重庆市土壤背景值, 其中Cd元素富集现象较为突出, 有52.12%的样品超过《土壤环境质量农用地土壤污染风险管控标准》(GB 15618-2018) 规定的筛选值, 并且有2.93%样品超过管制值.
(2) 研究区耕地表层土壤重金属含量空间分布格局呈现出南部整体高, 高值区呈条带状分布; 北部整体低, 高值区呈点状分布, 土壤重金属高值区受地层分布控制明显.
(3) 主成分分析和APCS-MLR模型分析表明, 研究区耕地土壤重金属Cr、Cu、Ni和Zn的来源以自然源为主, 受地质背景控制; As、Pb和Hg的来源以工业源为主, 受煤矿和硫铁矿开发利用活动影响; Cd受自然源和工业源影响相差不大, 贡献率分别为47.74%和39.56%.此外, 农业活动也是As等重金属来源之一.
(4) 内梅罗指数和潜在生态危害指数均显示土壤Cd污染程度最高, 中等以上风险区主要位于东南部工业源周边区域, 不建议种植食用农产品; 北部主要为轻微-中等风险区, 可以采取农艺调控措施, 保障农产品安全.
| [1] |
赵方杰, 谢婉滢, 汪鹏. 土壤与人体健康[J]. 土壤学报, 2020, 57(1): 1-11. Zhao F J, Xie W Y, Wang P. Soil and human health[J]. Acta Pedologica Sinica, 2020, 57(1): 1-11. |
| [2] | Drobnik T, Greiner L, Keller A, et al. Soil quality indicators-from soil functions to ecosystem services[J]. Ecological Indicators, 2018, 94: 151-169. |
| [3] |
陈能场, 郑煜基, 何晓峰, 等. 《全国土壤污染状况调查公报》探析[J]. 农业环境科学学报, 2017, 36(9): 1689-1692. Chen N C, Zheng Y J, He X F, et al. Analysis of the report on the national general survey of soil contamination[J]. Journal of Agro-Environment Science, 2017, 36(9): 1689-1692. |
| [4] | 国土资源部中国地质调查局. 中国耕地地球化学调查报告(2015年)[EB/OL]. http://www.cgs.gov.cn/upload/201506/20150626/gdbg.pdf, 2015-06-25. |
| [5] |
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. |
| [6] |
刘意章, 肖唐付, 熊燕, 等. 西南高镉地质背景区农田土壤与农作物的重金属富集特征[J]. 环境科学, 2019, 40(6): 2877-2884. Liu Y Z, Xiao T F, Xiong Y, et al. Accumulation of heavy metals in agricultural soils and crops from an area with a highgeochemical background of cadmium, southwestern China[J]. Environmental Science, 2019, 40(6): 2877-2884. |
| [7] |
杨琼, 杨忠芳, 张起钻, 等. 中国广西岩溶地质高背景区土壤-水稻系统Cd等重金属生态风险评价[J]. 中国科学: 地球科学, 2021, 64(8): 1317-1331. Yang Q, Yang Z F, Zhang Q Z, et al. Ecological risk assessment of Cd and other heavy metals in soil-rice system in the karst areas with high geochemical background of Guangxi, China[J]. Science China Earth Sciences, 2021, 64(7): 1126-1139. |
| [8] |
胡文友, 陶婷婷, 田康, 等. 中国农田土壤环境质量管理现状与展望[J]. 土壤学报, 2021, 58(5): 1094-1109. Hu W Y, Tao T T, Tian K, et al. Status and prospect of farmland soil environmental quality management in China[J]. Acta Pedologica Sinica, 2021, 58(5): 1094-1109. |
| [9] | 全国人民代表大会常务委员会. 中华人民共和国土壤污染防治法[EB/OL]. http://www.npc.gov.cn/zgrdw/npc/lfzt/rlyw/2018-08/31/content_2060840.htm, 2018-08-31. |
| [10] | Zhao Y C, Wang Z G, Sun W X, et al. Spatial interrelations and multi-scale sources of soil heavy metal variability in a typical urban-rural transition area in Yangtze River delta region of China[J]. Geoderma, 2010, 156(3-4): 216-227. DOI:10.1016/j.geoderma.2010.02.020 |
| [11] | Lv J S. Multivariate receptor models and robust geostatistics to estimate source apportionment of heavy metals in soils[J]. Environmental Pollution, 2019, 244: 72-83. DOI:10.1016/j.envpol.2018.09.147 |
| [12] |
居字龙, 袁航, 张小波, 等. 县域生态地质调查土壤重金属污染评价及来源分析——以红安县为例[J]. 资源环境与工程, 2022, 36(1): 124-131. Ju Z L, Yuan H, Zhang X B, et al. Evaluation and source analysis of soil heavy metal pollution in county ecological geological survey: take Hong'an county as an example[J]. Resources Environment & Engineering, 2022, 36(1): 124-131. |
| [13] | Huang J H, Peng S Y, Mao X M, et al. Source apportionment and spatial and quantitative ecological risk assessment of heavy metals in soils from a typical Chinese agricultural county[J]. Process Safety and Environmental Protection, 2019, 126: 339-347. DOI:10.1016/j.psep.2019.04.023 |
| [14] | Li S Y, Zhang Q F. Response of dissolved trace metals to land use/land cover and their source apportionment using a receptor model in a subtropicriver, China[J]. Journal of Hazardous Materials, 2011, 190(1-3): 205-213. DOI:10.1016/j.jhazmat.2011.03.026 |
| [15] | Huang J H, Cheng W J, Shi Y H, et al. Honeycomb-like carbon nitride through supramolecular preorganization of monomers for high photocatalytic performance under visible light irradiation[J]. Chemosphere, 2018, 211: 324-334. DOI:10.1016/j.chemosphere.2018.07.171 |
| [16] |
瞿明凯, 李卫东, 张传荣, 等. 基于受体模型和地统计学相结合的土壤镉污染源解析[J]. 中国环境科学, 2013, 33(5): 854-860. Qu M K, Li W D, Zhang C R, et al. Source apportionment of soil heavy metal Cd based on the combination of receptor model and geostatistics[J]. China Environmental Science, 2013, 33(5): 854-860. DOI:10.3969/j.issn.1000-6923.2013.05.014 |
| [17] |
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 heavymetal pollution in surface soil of Qinghai-Tibet Plateau[J]. Environmental Science, 2020, 41(2): 886-894. |
| [18] |
陈秀端, 卢新卫. 基于受体模型与地统计的城市居民区土壤重金属污染源解析[J]. 环境科学, 2017, 38(6): 2513-2521. Chen X D, Lu X W. Source apportionment of soil heavy metals in city residential areas based on the receptor model and geostatistics[J]. Environmental Science, 2017, 38(6): 2513-2521. |
| [19] | Zhang H, Wang Z F, Zhang Y L, et al. Identification of traffic-related metals and the effects of different environments on their enrichment in roadside soils along the Qinghai-Tibet highway[J]. Science of the Total Environment, 2015, 521-522: 160-172. DOI:10.1016/j.scitotenv.2015.03.054 |
| [20] |
穆德苗, 陈艳秋, 胡涛, 等. 基于田块尺度的农田土壤重金属污染评价及来源解析[J]. 农业环境科学学报, 2022, 41(6): 1271-1283. Mu D M, Chen Y Q, Hu T, et al. Assessment and source analysis of heavy metals pollution in farmland soil at the field scale[J]. Journal of Agro-Environment Science, 2022, 41(6): 1271-1283. |
| [21] |
洪涛, 孔祥胜, 岳祥飞. 滇东南峰丛洼地土壤重金属含量、来源及潜在生态风险评价[J]. 环境科学, 2019, 40(10): 4620-4627. Hong T, Kong X S, Yue X F. Concentration characteristics, source analysis, and potential ecological risk assessment of heavy metals in a peak-cluster depression area, southeast of Yunnan Province[J]. Environmental Science, 2019, 40(10): 4620-4627. |
| [22] |
郭晗, 孙英君, 王绪璐, 等. 县域城市土壤重金属空间分布特征及来源解析[J]. 环境科学学报, 2022, 42(1): 287-297. Guo H, Sun Y J, Wang X L, et al. Spatial distribution characteristics and source analysis of soil heavy metals in county-level city[J]. Acta Scientiae Circumstantiae, 2022, 42(1): 287-297. |
| [23] |
赵红安, 臧亮, 张贵军, 等. 县域尺度土壤重金属污染特征及源解析——以赵县为例[J]. 土壤通报, 2018, 49(3): 710-719. Zhao H A, Zang L, Zhang G J, et al. Soil heavy metal pollution characteristics and source apportionment at county scale-Take Zhaoxian county as an example[J]. Chinese Journal of Soil Science, 2018, 49(3): 710-719. |
| [24] |
卢鑫, 胡文友, 黄标, 等. 基于UNMIX模型的矿区周边农田土壤重金属源解析[J]. 环境科学, 2018, 39(3): 1421-1429. Lu X, Hu W Y, Huang B, et al. Source apportionment of heavy metals in farmland soils around mining area based on UNMIX model[J]. Environmental Science, 2018, 39(3): 1421-1429. |
| [25] | Li Y B, Xie D T, Wang S J, et al. Impact of land cover types on the soil characteristics in karst area of Chongqing[J]. Journal of Geographical Sciences, 2006, 16(2): 143-154. |
| [26] | DZ/T 0295-2016, 土地质量地球化学评价规范[S]. |
| [27] | DD 2005-03, 生态地球化学评价样品分析技术要求(试行)[S]. |
| [28] |
刘洋, 刘明庆, 王磊, 等. 云南某废弃硅厂周边农田土壤重金属污染评价[J]. 农业环境科学学报, 2022, 41(4): 785-793. Liu Y, Liu M Q, Wang L, et al. Evaluation of heavy metal pollution in farmland soil around an abandoned silicon plant in Yunnan[J]. Journal of Agro-Environment Science, 2022, 41(4): 785-793. |
| [29] | GB15618-2018, 土壤环境质量农用地土壤污染风险管控标准(试行)[S]. |
| [30] | Hakanson L. An ecological risk index for aquatic pollution control.a sedimentological approach[J]. Water Research, 1980, 14(8): 975-1001. |
| [31] |
鲍丽然, 邓海, 贾中民, 等. 重庆秀山西北部农田土壤重金属生态健康风险评价[J]. 中国地质, 2020, 47(6): 1625-1636. Bao L R, Deng H, Jia Z M, et al. Ecological and health risk assessment of heavy metals in farmland soil of northwest Xiushan, Chongqing[J]. Geology in China, 2020, 47(6): 1625-1636. |
| [32] |
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, TuoX 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. |
| [33] |
李一蒙, 马建华, 刘德新, 等. 开封城市土壤重金属污染及潜在生态风险评价[J]. 环境科学, 2015, 36(3): 1037-1044. Li Y M, Ma J H, Liu D X, et al. Assessment of heavy metal pollution and potential ecological risks of urban soils in Kaifeng city, China[J]. Environmental Science, 2015, 36(3): 1037-1044. |
| [34] | Thurston G D, Spengler J D. A quantitative assessment of source contributions to inhalable particulate matter pollution in metropolitan Boston[J]. Atmospheric Environment (1967), 1985, 19(1): 9-25. |
| [35] |
杜展鹏, 王明净, 严长安, 等. 基于绝对主成分-多元线性回归的滇池污染源解析[J]. 环境科学学报, 2020, 40(3): 1130-1137. Du Z P, Wang M J, Yan C A, et al. Pollution source apportionment of Lake Dianchi based on absolute principal component score-multiple linear regression[J]. Acta Scientiae Circumstantiae, 2020, 40(3): 1130-1137. |
| [36] |
霍明珠, 高秉博, 乔冬云, 等. 基于APCS-MLR受体模型的农田土壤重金属源解析[J]. 农业环境科学学报, 2021, 40(5): 978-986. Huo M Z, Gao B B, Qiao D Y, et al. Source apportionment of heavy metals in farmland soil based on the APCS-MLR model[J]. Journal of Agro-Environment Science, 2021, 40(5): 978-986. |
| [37] | Cheng G W, Wang M J, Chen Y, et al. Source apportionment of water pollutants in the upstream of Yangtze River using APCS-MLR[J]. Environmental Geochemistry and Health, 2020, 42(11): 3795-3810. |
| [38] |
赵庆令, 李清彩, 谢江坤, 等. 应用富集系数法和地累积指数法研究济宁南部区域土壤重金属污染特征及生态风险评价[J]. 岩矿测试, 2015, 34(1): 129-137. Zhao Q L, Li Q C, Xie J K, et al. Characteristics of soil heavy metal pollution and its ecological risk assessment in south Jining district using methods of enrichment factor and index of geoaccumulation[J]. Rock and Mineral Analysis, 2015, 34(1): 129-137. |
| [39] | Luo K, Liu H Y, Zhao Z P, et al. Spatial distribution and migration of cadmium in contaminated soils associated with a geochemical anomaly: a case study in southwestern China[J]. Polish Journal of Environmental Studies, 2019, 28(5): 3799-3807. |
| [40] |
唐启琳, 刘秀明, 刘方, 等. 贵州罗甸北部喀斯特地区耕地土壤镉含量特征与风险评价[J]. 环境科学, 2019, 40(10): 4628-4636. Tang Q L, Liu X M, Liu F, et al. Cd accumulation and risk assessment for arable soils in the karst region of northern Luodian, Guizhou[J]. Environmental Science, 2019, 40(10): 4628-4636. |
| [41] |
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. |
| [42] |
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. |
| [43] |
刘硕, 吴泉源, 曹学江, 等. 龙口煤矿区土壤重金属污染评价与空间分布特征[J]. 环境科学, 2016, 37(1): 270-279. Liu S, Wu Q Y, Cao X J, et al. Pollution assessment and spatial distribution characteristics of heavy metals in soils of coal mining area in Longkou city[J]. Environmental Science, 2016, 37(1): 270-279. |
| [44] |
贾亚琪, 程志飞, 刘品祯, 等. 煤矿区周边农田土壤重金属积累特征及生态风险评价[J]. 土壤通报, 2016, 47(2): 474-479. Jia Y Q, Cheng Z F, Liu P Z, et al. Accumulation characteristics of heavy metals in agricultural soil around the mining area and ecological risk assessment[J]. Chinese Journal of Soil Science, 2016, 47(2): 474-479. |
| [45] |
刘晓双, 亦如瀚, 吴锦标, 等. 云浮硫铁矿矿区土壤重金属含量的空间分布[J]. 环境工程学报, 2010, 4(12): 2843-2847. Liu X S, Yi R H, Wu J B, et al. Spatial distribution of heavy metal contents in soils of YunFu pyrite mining area[J]. Chinese Journal of Environmental Engineering, 2010, 4(12): 2843-2847. |
| [46] |
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. |
| [47] | Wang H, Dong Y H, Yang Y Y, et al. Changes in heavy metal contents in animal feeds and manures in an intensive animal production region of China[J]. Journal of Environmental Sciences, 2013, 25(12): 2435-2442. |
| [48] |
王飞, 赵立欣, 沈玉君, 等. 华北地区畜禽粪便有机肥中重金属含量及溯源分析[J]. 农业工程学报, 2013, 29(19): 202-208. Wang F, Zhao L X, Shen Y J, et al. Analysis of heavy metal contents and source tracing in organic fertilizer from livestock manure in North China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(19): 202-208. |
| [49] |
王锐, 余京, 李瑜, 等. 地块尺度重金属污染风险耕地安全利用区划方法[J]. 环境科学, 2022, 43(8): 4190-4198. Wang R, Yu J, Li Y, et al. Zoning and safe utilization method of heavy metal contaminated cultivated land at block scale[J]. Environmental Science, 2022, 43(8): 4190-4198. |