2023, Vol. 44
2. 昆明理工大学环境科学与工程学院, 昆明 650500
2. Faculty of Environmental Science and Engineering, Kunming University of Science and Technology, Kunming 650500, China
扬尘是大气颗粒物的重要来源之一[1~3].随着中国经济的迅速发展, 工业活动和城市道路建设较为活跃, 道路扬尘污染问题逐渐凸显[4~7].道路扬尘作为道路环境向大气环境迁移的媒介之一, 存在多种有害物质, 是人类健康危害的潜在来源.在道路扬尘相关的各种污染物中, 重金属由于具有不可生物降解的性质和较长的停留期在城市地区受到广泛关注[8].在起尘过程中, 重金属往往是一种高于本底浓度的迁移过程[9, 10], 道路扬尘也通过扩散和沉积, 逐渐成为城市生态系统中重金属污染物的源[11~13].扬尘中的重金属可通过多种途径进入人体, 长期接触重金属的人群易引发贫血、中毒、癌症、肺细胞损伤和其他呼吸疾病[14~16], 存在较大的健康风险.目前, 道路扬尘重金属研究主要集中在与人群密切接触的城市[17], 如中国苏州[18]、中国东营[19]、中国天津[20]、波兰Lublin[21]和孟加拉Dhaka[22]等城市, 重点研究了城市道路扬尘重金属含量特征、来源识别和健康风险.不同地理环境的扬尘源的化学特征不同[23], 对于道路扬尘中重金属的含量特征和风险评价等相关研究多集中于中国东部、北部和西北部地区[24~26].云南省位于中国西南高原地区, 素有“有色金属王国”之称, 采矿和有色金属冶炼活动频繁, 且云南城市均处于特殊的“坝子”地形, 导致城区人口密集, 道路车流密度大; 道路扬尘容易向周边环境释放潜在有害元素(Zn、Pb和Cd等), 对人群健康造成更大且更广的影响[27].目前, 有关云南地区道路扬尘PM2.5中重金属的研究鲜见报道[10, 17].因此, 本文从道路扬尘重金属含量出发, 对昆明、保山、文山、玉溪和昭通这5座城市的道路扬尘PM2.5中重金属含量、来源和健康风险开展研究, 以期为云南高原城市道路扬尘防治和改善类似区域的环境空气质量提供科学依据.
1 材料与方法 1.1 研究区域昆明市(102°10′~103°40′E, 24°23′~26°22′N)、保山市(98°25′~100°02′E, 24°08′~25°51′N)、文山市(103°35′~106°12′E, 22°40′~24°48′N)、玉溪市(101°16′~103°09′E, 23°19′~24°53′N)和昭通市(102°52′~105°19′E, 26°55′~28°36′N)位于中国西南高原, 均隶属云南省.云南属低纬度高原山地季风气候, 四季温差小, 干湿季分明[28].云南大部地区在旱季(11月至次年4月)受西南干暖流影响, 天气晴朗温暖, 降水量少[29].在云南降水丰富的雨季(5~10月), 来自印度洋的西南季风气流和来自北太平洋的东南季风气流占优势[30].昆明是云南省省会, 也是云南主要的工业基地之一, 形成了以钢铁制造、化学原料、化学品制造和烟草制品等为主的综合性工业体系.保山是滇西的政治、经济和文化中心, 被誉为“滇西粮仓”, 以钢铁、矿业采选和精制茶产业为主.文山是典型的岩溶石山区, 工业上以三七、烟草和金属冶炼加工等行业为主.玉溪是云南主要的重工业城市, 矿业采选、钢铁制造加工和磷化工生产等行业较为发达.昭通褐煤储量居云南省首位, 煤炭开采、洗选业较为发达.
1.2 样品采集和处理本研究参考《防治城市扬尘污染技术规范》[31]采集了云南5城市道路扬尘样品.城市道路根据其所在路段不同, 可分为支路、快速路、主干道和次干道.支路和快速路较短, 主干道和次干道较长.以路名为单位进行城市道路扬尘的采集.路面需干燥3~7 d, 在代表性路段采用清扫方式进行样品采集, 对每条路每隔2.5 km采集一个样品, 每个样品至少需要3个子样品混合, 且每个采样点的尘样质量不少于500 g.每个城市采集不少于5条代表性道路的尘样.采样点信息和地理位置如表 1和图 1所示.
|
表 1 云南5城市道路扬尘采集点信息 Table 1 Information of road fugitive dust collection sites in five cities of Yunnan |
|
图 1 云南5城市城区道路扬尘采样路段位置和空间分布 Fig. 1 Locations and spatial distributions of the sampling sites for road fugitive dust in five cities of Yunnan |
采样前, 滤膜置于60℃的烘箱中烘烤2 h以去除滤膜上的杂质, 之后将滤膜置于恒湿和恒温的环境中平衡24 h后再进行称重以供采样使用.在样品处理时, 应先除去样品中砂石、树叶等杂物, 并在通风、避光和室温条件下自然晾干; 其次, 采用150目的不锈钢筛进行分类筛选; 随后通过再悬浮技术将过筛的尘样采集至直径为47 mm的Teflon膜上, 最终得到PM2.5样品.
1.3 样品分析和质量保证首先, 将一半滤膜样品剪碎置于锥形瓶中, 加入少量去离子水润湿, 再加入15 mL HNO3和5 mL HClO4, 用电炉加热消解并将温度控制在100℃以下, 当瓶内剩余液体约为3 mL时, 冷却锥形瓶, 加入去离子水, 过滤残渣并定容至15 mL[32].随后, 采用美国Agilent公司的Agilent7500a型电感耦合等离子体质谱仪(ICP-MS)测定Cr、Ni、Mn、Cu、Zn、As、Cd和Pb等重金属.另一半滤膜样品按碱熔法[33]消散后采用美国PerkinElmer公司的Optima7000DV型电感耦合等离子体光谱仪(ICP-OES)测定铝(Al)元素进行富集因子计算.每10个样品执行为一个重复样品分析, 重金属含量的相对误差均小于10%.采用空白膜加标准样品进行加标回收分析, GBW 07407 (GSS-7) 为加标物质, 回收率均在90%~110%内.空白实验中, 每10个样品执行一个空白分析, 空白分析中重金属含量值均低于2倍方法检出限.空白样品均值均在样品分析最终数据中扣除[23].
2 数据分析 2.1 富集因子法富集因子法(EF)是用来评价和判断环境中污染物来源的一种有效方法, 也是识别元素污染来源的重要指标[34].其公式如下：
|
(1) |
式中, EFi为道路扬尘中测量元素i的富集因子; Ci和Cn分别为样品中测量i和参比元素n的含量; Bi和Bn分别为土壤背景值中测量元素i和参比元素n的含量.本研究使用Al作为参比元素, 选用中国土壤元素背景值中的云南省表层(A层)土壤背景值作为各重金属背景值[35].若EF≤10, 则主要受自然源和轻微人为源影响; 若EF＞10, 则受一定程度的人为源影响, 且EF越大, 说明人类活动对该元素污染程度越大[36].
2.2 相关性分析法相关性反映的是随机变量之间线性关系, 用于衡量变量之间的关联度.元素之间的相关性越高, 其来自同一源的可能性越大.因此, 元素间的相关性可以反映其是否具有同源性, 从而判断其来源.本研究采用Pearson相关系数(r)以反映重金属间的相关性, 使用SPSS软件进行Pearson相关性分析. 当P＜0.05时, 认为重金属间存在显著相关.同时, 当r为正数时, 认为变量间为正相关; 当r为负数时, 认为变量间为负相关; 当r＝0时, 变量间无相关性.r可分为高度相关(0.7≤|r|＜1)、中度相关(0.5≤|r|＜0.7)和低度相关(|r| < 0.5)[37].为保证数据和分析的准确性, 不对样品数量少于重金属数量的城市数据进行分析, 故不对保山市的数据进行来源分析.
2.3 主成分分析法为了确定重金属的来源, 本研究采用主成分分析法进行多元统计分析.主成分分析可以分析数据集的相互关系并生成替代参数, 其核心是利用降维的思想, 压缩变量维数, 将几个相互关联的变量组成一类, 减少了自变量的数量, 使其更易于分析[38].本文利用SPSS 24.0对重金属含量数据进行KMO和Bartlett检验, 经验证KMO＞0.5, Bartlett＜0.05, 表明本研究数据适合进行因子分析.基于主成分方法, 采用Kaiser标准化的正交旋转法并采用最大方差法对因子载荷矩阵进行正交旋转.根据重金属含量特征值的方差累计贡献率, 截取特征值大于1的因子, 进一步探讨重金属的来源[39].
2.4 健康风险评价方法道路扬尘中的有害元素通过摄食、呼吸吸入和皮肤接触这3种途径进入人体, 美国环保署(USEPA)提供的健康风险评价模型可对道路扬尘中重金属的3种暴露途径进行评价.本研究中, 8种重金属Cr、Mn、Ni、Cu、Zn、As、Cd和Pb属于非致癌物质, 同时, Cr、Ni、As和Cd还属于致癌物质.本研究仅对儿童和成人两个群体进行评价, 3种途径日均暴露量的计算公式如下：
|
(2) |
|
(3) |
|
(4) |
式中, Ding、Dinh和Ddermal分别为摄食、呼吸吸入和皮肤接触的日均暴露剂量, mg·(kg·d)-1; C为重金属含量, mg·kg-1; 其余参数见表 2.
|
|
表 2 重金属暴露量参数[40] Table 2 Exposure parameters of heavy metals |
目前EPA中仅有呼吸吸入的致癌风险参数, 因此本研究只考虑儿童(child)和成人(adult)的呼吸吸入的致癌风险, 其终身日均暴露量(LADD)计算公式为:
|
(5) |
重金属的非致癌总风险值(HI)和终身致癌总风险值(RT)计算公式如下：
|
(6) |
|
(7) |
式中, HQij为重金属i在j途径的非致癌风险值; Ri为重金属i的致癌风险值; RFDij为重金属i在j途径暴露的参考剂量, mg·(kg·d)-1; SF为致癌斜率因子, mg·(kg·d)-1, 具体参数见表 3.若HI＜1.00E+00, 则表示非致癌风险较小或可以忽略; 若HI≥1.00E+00, 则表示存在非致癌风险, 且HI值的增大会导致非致癌风险变高; 当RT＜1.00E-06时, 认为致癌风险较低; 当RT介于1.00E-06~1.00E-04时, 认为存在一定致癌风险, 需引起重视; 当RT≥1.00E-04时, 认为致癌风险较高, 需进行致癌风险防控.
|
|
表 3 重金属参考剂量和致癌斜率因子[41]/mg·(kg·d)-1 Table 3 Reference doses and carcinogenic slope factors of heavy metals/mg·(kg·d)-1 |
3 结果与讨论 3.1 重金属含量水平特征
如表 4所示, 昆明、保山、文山、玉溪和昭通PM2.5中8种重金属的总量分别为1 694.41、1 865.69、2 332.06、3 986.69和2 293.68 mg·kg-1.除昆明市的Mn、As、Cd和昭通市的Mn没有超过云南土壤背景值外, 其余重金属值均严重超过云南土壤背景值.从研究区域总体上来看, 云南省道路扬尘PM2.5中Mn、Ni和Pb的含量平均值要高于中国苏州和波兰Dhaka等国内外城市.
|
|
表 4 道路扬尘PM2.5中重金属含量1)/mg·kg-1 Table 4 Heavy metals in PM2.5 from road fugitive dust/mg·kg-1 |
玉溪道路扬尘PM2.5中Pb含量显著高于表 4中其他城市, Zn和Cd的含量也相对较高.玉溪市周边有色金属冶炼工业发达, 冶炼尘中含有大量的Pb、Zn和Cd元素[42], 对玉溪道路扬尘PM2.5中各重金属可能有重要贡献.昆明道路扬尘PM2.5中Cr和Ni含量较高, 两种重金属含量分别占云南省5城市Cr和Ni总含量的44.5%和20.96%, Cr的含量远高于云南其他4城市, 亦高于苏州[18]、东营[19]、Lublin[21]和Dhaka[22]等城市的报道, 说明昆明市道路扬尘Cr和Ni受到相对较重的重金属污染.昭通市道路扬尘PM2.5中各重金属的含量约为云南省土壤背景值的3.33~98.21倍, 这可能与昭通当地燃煤活动有关, 而燃煤活动会产生潜在的有毒重金属元素, 如Cr、Ni、As和Cd等[43].文山市和保山市道路扬尘PM2.5中Cu和Zn含量较高, 可能与当地道路车辆密度大和机动车数量急剧增多有关.此外, 保山、文山和玉溪的Mn与其他城市相比含量较高, 这可能与不同地区的地质条件差异有关, 因为Mn通常源于地壳物质[44].
3.2 重金属来源分析 3.2.1 富集因子法由图 2可知, 各城市道路扬尘中Mn和As的EF＜10, 为轻度富集, 主要受自然源影响.部分城市的Ni(昆明)、Cu(昆明、保山、文山、昭通)、Zn(昆明、昭通)、Pb(昆明、玉溪、昭通)和Cd(文山、玉溪)的EF在10~100之间, 表现为中度富集, 表明主要受人为干扰.Cr和Cd分别在昆明市和昭通市道路扬尘中的EF＞100, 达到强烈富集等级, 受到强烈的人为污染.Cr主要来自于金属冶炼, 冶炼过程中Cr蒸气以氧化物形式沉积在大气颗粒物表面[45], 昆明市Cr含量水平为其他4座城市的2.68~8.98倍, 结合富集因子表明, 昆明市重金属污染主要受到工业源影响.昭通市Cd含量水平高于其他4座城市, Cd是燃煤的主要产物之一[46]; 昭通市As虽表现为轻微富集, 但其元素含量水平为其他4座城市的1.69~19.36倍, As为燃煤的标志性元素[47], 结合元素含量水平和富集因子表明, 昭通市重金属污染主要受到燃煤源影响.
|
图 2 5城市道路扬尘PM2.5中重金属富集因子 Fig. 2 Enrichment factors of heavy metals in PM2.5 from road fugitive dust of five cities |
元素间的相关性可以反映其是否具有同源性, 将富集因子和相关性结合分析可以反映元素之间是否同质, 使用SPSS软件(24.0)进行重金属之间的相关性分析.
由图 3可知, 在昆明道路扬尘PM2.5中, Cr-Ni、Mn-Ni、Mn-Cu、Mn-Zn、Mn-Pb、Ni-Pb、Ni-Cu、Pb-Cu和Zn-Pb呈现出显著相关, 表明昆明道路扬尘PM2.5中的重金属存在多种人为来源.昆明道路扬尘PM2.5中Mn的EF低于10, 且Mn通常源于地壳物质[48], 因此Mn主要源于土壤源.Cr常与金属冶炼和不锈钢制造等生产过程有关[49]; Ni被广泛用于钢铁制造业[50], 且Cr和Ni是钢铁制造加工的标志组分, 故Cr和Ni主要与钢铁制造加工有关[51].昆明年均钢铁产量约为1 400万t, 全省最高.Zn不仅存在于汽车尾气中, 也作为轮胎磨损的标志元素; Cu作为刹车片磨损的标志性元素; Pb作为燃油或燃煤飞灰的典型元素; Ni主要作为柴油车废气和燃油燃烧的标志物; 故昆明道路扬尘中的Ni、Cu、Zn和Pb与机动车污染物排放和磨损有关[52, 53].因此, 昆明道路扬尘PM2.5中的重金属主要受土壤源、钢铁冶炼源和交通源影响.
|
(a)昆明, (b)文山, (c) 玉溪, (d) 昭通; * 表示P≤0.05, **表示P≤0.01, *** 表示P≤0.001; 保山市样品数量较少, 未做相关性分析研究 图 3 4城市道路扬尘PM2.5中重金属含量的Pearson相关系数 Fig. 3 Pearson's correlation coefficients of heavy metals in PM2.5 from road fugitive dust |
文山道路扬尘PM2.5中Cr、Mn、Ni、Zn、As和Pb的EF在1~10之间, Cu和Cd的EF在10~100之间.Cr-Ni、Cr-As、Mn-Zn、Mn-Cd、Mn-Pb、Ni-As、Zn-Cd、Zn-Pb和Cd-Pb呈现出显著相关性.文山石漠化程度是云南省最严重的地区之一, 石漠化土地面积达646 967.7 hm2, 且Cr、Ni和As在云南地区常具有典型的母岩继承性[38]; Cu、Zn、Cd和Pb是铅锌冶炼区的典型污染重金属[54, 55]; Zn、Cu和Pb是机动车污染源的特征元素[34], 主要与燃油燃烧、机动车抗氧化剂、轮胎摩擦、润滑油使用和刹车片磨损有关[52, 53].因此, 文山市道路扬尘PM2.5中的重金属主要受土壤源、有色金属冶炼源和交通源影响.
玉溪道路扬尘PM2.5中Cd-Pb之间呈现出显著正相关, Cd和Pb的EF在10~100之间; Cr、Ni、Mn、Zn、Cu和As之间呈显著正相关, Cr、Ni、Mn、Zn、Cu和As的EF在1~10之间.Cd和Pb主要源于有色金属冶炼等活动[56]; Cr、Ni、Mn和As在云南地区常具有典型的母岩继承性[38]; Cu、Mn、Zn和As之间的相关性系数大于0.85, 有研究指出As和Mn在一定程度上来源于土壤[57], 由于大气降尘使得土壤颗粒物与汽车尾气尘混合形成二次污染的交通尘, 且Cu和Zn是机动车污染的典型元素[34].因此, 玉溪市道路扬尘PM2.5中的重金属主要受土壤源、有色金属冶炼源和轻微的交通源影响.
昭通道路扬尘PM2.5中Cr、Mn、Ni和As的EF在1~10之间, Cu、Zn和Pb的EF在10~100之间, Cd的EF大于100.As和Cd与其它元素之间无显著相关性, Pb-Zn和Pb-Cu之间r＞0.6, 具有一定的相关性, 而Cr、Mn和Ni之间呈显著正相关, 表明Cr、Mn和Ni与具有同源性.昭通地处地球化学异常带, 而Cr、Ni、Mn和Cu在该地具有典型的成土母岩继承性[38].富集因子分析也显示这些重金属主要受土壤源影响, 而在燃煤活动中也会产生Cr、Ni和Cd等重金属[43].有研究指出人为排放到空气中的Cd主要来自燃煤、金属冶炼、水泥生产和磷肥生产等[46], 而矿冶加工和褐煤化工是昭通的七大支柱产业之一, 且居民用煤也占一定比例, 昭通市2019年居民能源消耗量(以标准煤计)为106.9万t, 占总能源消耗的13.85%[58].Cu、Zn和Pb作为机动车污染的特征元素[34, 52, 53], 与交通污染有关.因此, 昭通市道路扬尘PM2.5中的重金属主要受土壤源、燃煤源和交通源影响.
3.2.3 主成分分析为了进一步判断不同城市道路扬尘中重金属的来源, 对不同城市重金属含量进行主成分来源解析[59].由于Mn和As在各城市中的富集因子数均小于10, 主要受自然源影响, 故仅对Cr、Ni、Cu、Zn、Cd和Pb进行主成分分析.将云南4城市PM2.5中含有的重金属通过软件SPSS 24.0进行主成分分析, 正交旋转后得到成分矩阵(见表 5).
|
|
表 5 云南4城市道路扬尘PM2.5中重金属主成分分析1) Table 5 Principal analysis of PM2.5 heavy metals in road fugitive dust of four cities in Yunnan |
昆明市道路扬尘PM2.5中重金属解析获得2个主成分, 累计方差为87.368%.因子1解释方差为55.068%, 重金属载荷数较高的为Ni、Cu、Zn和Pb, EF在10~100之间, 表现为中度富集, 结合相关性分析判断, 因子1为交通源[52, 53].因子2解释方差为32.300%, 重金属载荷数较高的为Cr和Cd, Cd的EF在1~10之间, 表现为轻度富集, 主要来源于土壤源; Cr的EF超过100, 表现为强烈富集.Cr主要与钢铁冶炼有关[49].结合相关性分析和富集因子值表明, 因子2为土壤源和钢铁冶炼源.
文山市道路扬尘PM2.5中重金属解析获得2个主成分, 累计方差为88.283%.因子1解释方差为52.250%, 重金属载荷数较高的为Zn、Cu、Cd和Pb, Cu和Cd的EF在10~100之间, 表现为中度富集, Zn和Pb的EF在1~10之间表现为轻度富集.结合相关性分析和富集因子值表明, 因子1为有色金属冶炼源和交通源.因子2解释方差为36.033%, 重金属载荷数较高的为Cr和Ni, EF在1~10之间, 表现为轻度富集, 结合富集因子值和相关性分析, 因子2为土壤源.
玉溪市道路扬尘PM2.5中重金属解析获得2个主成分, 累计方差为83.531%.因子1解释方差为51.120%, 重金属载荷数较高的为Cr、Cu和Zn, EF在1~10之间, 表现为轻微富集, 故因子1为土壤源.因子2解释方差为32.410%, 重金属载荷数较高的为Cd和Pb, EF在10~100之间, 表现为中度富集.Cd和Pb与玉溪有色金属冶炼活动有关, 有色金属冶炼尘中常含有大量的Cd和Pb等重金属元素[60].结合相关性分析和富集因子值表明, 因子2为有色金属冶炼源.
昭通市道路扬尘PM2.5中重金属解析获得2个主成分, 累计方差为80.794%.因子1解释方差为49.471%, 重金属载荷数较高的为Cr、Ni和Cd, Cr和Ni的EF在1~10之间, 而Cd的EF超过100, 结合相关性分析和富集因子值表明, 因子1为土壤源和燃煤源.因子2解释方差为31.323%, 重金属载荷数较高的为Zn和Pb, EF在10~100之间, 表现为中度富集.结合相关性分析和富集因子值表明, 因子2为交通源.
3.3 健康风险评价 3.3.1 非致癌风险评价通过计算道路扬尘中重金属非致癌风险值得到表 6和表 7.从中可知, 3种儿童非致癌风险的暴露途径表现为：摄食＞皮肤接触＞呼吸吸入, 不同城市HQing占HI的57.1%~96.5%, 说明儿童非致癌风险的主要暴露途径是摄食.而3种成人非致癌风险的暴露途径表现为：皮肤接触＞摄食＞呼吸吸入, 不同城市HQdermal占HI的33.1%~64.4%, 说明成人重金属非致癌风险的主要暴露途径是皮肤接触.这一结果和已有研究的结论一致[61].
|
|
表 6 PM2.5中重金属非致癌风险(儿童) Table 6 Non-carcinogenic risk of heavy metals in PM2.5 (child) |
|
|
表 7 PM2.5中重金属非致癌风险(成人) Table 7 Non-carcinogenic risk of heavy metals in PM2.5 (adult) |
各城市重金属的非致癌风险总值大小顺序为：玉溪＞昆明＞昭通＞文山＞保山.昆明、保山、文山、玉溪和昭通道路扬尘PM2.5中重金属儿童非致癌总风险值(HI)分别为3.36E+00、1.22E+00、1.59E+00、4.14E+00和2.93E+00.5城市道路扬尘PM2.5中重金属儿童非致癌总风险值(HI)均超过1.00E+00.昆明市、玉溪市和昭通市的Cr、Pb和As对儿童具有明显的非致癌风险, 上述这3种重金属在摄入途径中存在非致癌风险, 而昆明市的Cr在皮肤接触途径中也存在非致癌风险.对成年人来说, 昆明、保山、文山、玉溪和昭通8种重金属的HI分别为：5.62E-01、1.95E-01、2.57E-01、6.42E-01和5.31E-01.儿童重金属的HI分别是成人的5.98、6.26、6.19、6.45和5.52倍.对于重金属的非致癌风险, 5城市儿童非致癌风险均高于成人, 故儿童对道路扬尘PM2.5中重金属的敏感性更高, 儿童通过摄食摄入大量灰尘, 更易接触到重金属, 因此重金属对这一群体造成的影响更大, 应加强5城市对儿童的道路扬尘风险防护.
除此之外, 各城市的其余重金属非致癌风险值均小于1, 说明对人体无明显非致癌风险, 主要原因在于城市道路由于禁止运输矿石、矿渣等车辆进入, 重金属含量小, 风险值低.Mn、Cu和As的非致癌风险值都大于1.00E-02, 其非致癌风险水平并不显著, 但不能忽视其长期暴露的风险[62].
3.3.2 致癌风险评价表 8为5城市道路扬尘中Cr、Ni、As和Cd的终身致癌暴露剂量和终身致癌风险值.昆明的Cr超过致癌风险阈值(1.00E-06), 存在一定的致癌风险.其余4座城市重金属值均低于1.00E-06, 表明存在较低的致癌风险.在4种重金属中, 各城市的致癌风险总体表现为：昭通＞玉溪＞文山＞保山＞昆明.各城市道路扬尘中Cr的终身致癌总风险值在R中占比最高, 分别占R的99.34%(昆明)、88.23%(保山)、88.21%(文山)、89.54%(玉溪)和90.95%(昭通).因此道路扬尘的PM2.5中的Cr通过吸入具有较高的致癌风险, 应引起更多关注.
|
|
表 8 道路扬尘中重金属的终身致癌暴露剂量和终身致癌风险值 Table 8 Lifetime exposure doses and lifetime carcinogenic risk values of heavy metals of road fugitive dust in the five cities |
4 结论
(1) 云南5城市道路扬尘重金属总量远高于国内外其他研究城市, 昆明、保山、文山、玉溪和昭通道路扬尘PM2.5中8种重金属的含量之和分别为1 694.41、1 865.69、2 332.06、3 986.69和2 293.68mg·kg-1.各城市Cr、Ni、Cu、Zn和Pb等重金属含量较高, 远超云南土壤背景值.
(2) 富集因子表明, 昭通市的Cd和昆明市的Cr在道路扬尘PM2.5中受强烈的人为活动影响.昆明市的Ni、Cu、Zn和Pb, 保山市的Cu, 文山市的Cu和Cd, 玉溪市的Cd和Pb, 昭通市的Cu、Zn和Pb在道路扬尘PM2.5中受一定程度的人为源影响.
(3) 相关性分析和主成分分析表明, 云南5城市均受土壤源和交通源影响; 不同类型城市道路扬尘来源具有较大的差异性：昆明市受钢铁冶炼源影响, 文山和玉溪市受有色金属冶炼源影响, 昭通市受燃煤源影响.
(4) 健康风险评价分析, 昆明、玉溪和昭通地区的Cr、Pb和As为道路扬尘中主要的儿童非致癌风险源, 且昆明地区的Cr既存在终身致癌风险也存在儿童非致癌风险, 3种元素多为工业活动和道路交通的产物, 应加强云南地区工业源和交通源的防治.
| [1] | Liu J W, Chen Y J, Chao S H, et al. Emission control priority of PM2.5-bound heavy metals in different seasons: a comprehensive analysis from health risk perspective[J]. Science of the Total Environment, 2018, 644: 20-30. DOI:10.1016/j.scitotenv.2018.06.226 |
| [2] |
吴明, 吴丹, 夏俊荣, 等. 成都冬季PM2.5化学组分污染特征及来源解析[J]. 环境科学, 2019, 40(1): 76-85. Wu M, Wu D, Xia J R, et al. Analysis of pollution characteristics and sources of PM2.5 chemical components in Chengdu in winter[J]. Environmental Science, 2019, 40(1): 76-85. |
| [3] |
张剑飞, 姜楠, 段时光, 等. 郑州市PM2.5化学组分的季节变化特征及来源解析[J]. 环境科学, 2020, 41(11): 4813-4824. Zhang J F, Jiang N, Duan S G, et al. Seasonal chemical composition characteristics and source apportionment of PM2.5 in Zhengzhou[J]. Environmental Science, 2020, 41(11): 4813-4824. |
| [4] | Hou S N, Zheng N, Tang L, et al. Pollution characteristics, sources, and health risk assessment of human exposure to Cu, Zn, Cd and Pb pollution in urban street dust across China between 2009 and 2018[J]. Environment International, 2019, 128: 430-437. DOI:10.1016/j.envint.2019.04.046 |
| [5] | Li H H, Chen L J, Yu L, et al. Pollution characteristics and risk assessment of human exposure to oral bio-accessibility of heavy metals via urban street dusts from different functional areas in Chengdu, China[J]. Science of the Total Environment, 2017, 586: 1076-1084. DOI:10.1016/j.scitotenv.2017.02.092 |
| [6] | Cai K, Li C. Street dust heavy metal pollution source apportionment and sustainable management in a typical city-Shijiazhuang, China[J]. International Journal of Environmental Research and Public Health, 2019, 16(14). DOI:10.3390/ijerph16142625 |
| [7] | Eqani S A M A S, Kanwal A, Bhowmik A K, et al. Spatial distribution of dust-bound trace elements in Pakistan and their implications for human exposure[J]. Environmental Pollution, 2016, 213: 213-222. DOI:10.1016/j.envpol.2016.02.017 |
| [8] | Bisht L, Gupta V, Singh A, et al. Heavy metal concentration and its distribution analysis in urban road dust: A case study from most populated city of Indian state of Uttarakhand[J]. Spatial and Spatio-temporal Epidemiology, 2022, 40. DOI:10.1016/j.sste.2021.100470 |
| [9] | Wei B G, Yang L S. A review of heavy metal contaminations in urban soils, urban road dusts and agricultural soils from China[J]. Microchemical Journal, 2010, 94(2): 99-107. DOI:10.1016/j.microc.2009.09.014 |
| [10] |
庞晓晨, 韩新宇, 史建武, 等. 昭通市周边扬尘重金属污染特征及健康风险[J]. 环境科学, 2022, 43(1): 180-188. Pang X C, Han X Y, Shi J W, et al. Pollution characteristics and health risk of heavy metals in fugitive dust Around Zhaotong city[J]. Environmental Science, 2022, 43(1): 180-188. DOI:10.13227/j.hjkx.202106018 |
| [11] | Ho K F, Wu K C, Niu X Y, et al. Contributions of local pollution emissions to particle bioreactivity in downwind cities in China during Asian dust periods[J]. Environmental Pollution, 2019, 245: 675-683. DOI:10.1016/j.envpol.2018.11.035 |
| [12] | Pan Y P, Tian S L, Li X R, et al. Trace elements in particulate matter from metropolitan regions of Northern China: Sources, concentrations and size distributions[J]. Science of the Total Environment, 2015, 537: 9-22. DOI:10.1016/j.scitotenv.2015.07.060 |
| [13] | Han Q, Wang M S, Cao J L, et al. Health risk assessment and bioaccessibilities of heavy metals for children in soil and dust from urban parks and schools of Jiaozuo, China[J]. Ecotoxicology and Environmental Safety, 2020, 191. DOI:10.1016/j.ecoenv.2019.110157 |
| [14] | 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 |
| [15] | Kim J, Park J, Hwang W. Heavy metal distribution in street dust from traditional markets and the human health implications[J]. International Journal of Environmental Research and Public Health, 2016, 13(8). DOI:10.3390/ijerph13080820 |
| [16] | Zheng L G, Tang Q, Fan J M, et al. Distribution and health risk assessment of mercury in urban street dust from coal energy dominant Huainan city, China[J]. Environmental Science and Pollution Research, 2015, 22(12): 9316-9322. DOI:10.1007/s11356-015-4089-3 |
| [17] |
冯于耀, 史建武, 钟曜谦, 等. 有色冶炼园区道路扬尘中重金属污染特征及健康风险评价[J]. 环境科学, 2020, 41(8): 3547-3555. Feng Y Y, Shi J W, Zhong Y Q, et al. Pollution characteristics and health risk assessment of heavy metals in road dust from non-ferrous smelting parks[J]. Environmental Science, 2020, 41(8): 3547-3555. DOI:10.13227/j.hjkx.201911084 |
| [18] | Wu F Q, Kong S F, Yan Q, et al. Sub-type source profiles of fine particles for fugitive dust and accumulative health risks of heavy metals: a case study in a fast-developing city of China[J]. Environmental Science and Pollution Research, 2020, 27(14): 16554-16573. DOI:10.1007/s11356-020-08136-1 |
| [19] |
孔少飞. 大气污染源排放颗粒物组成、有害组分风险评价及清单构建研究[D]. 天津: 南开大学, 2012. Kong S F. Study on the chemical composition, risk assessment and emission inventory establishment for hazardous components in particulate matter from atmospheric pollution sources[D]. Tianjin: Nankai University, 2012. |
| [20] |
张静, 张衍杰, 方小珍, 等. 道路扬尘PM2.5中金属元素污染特征及健康风险评价[J]. 环境科学, 2017, 38(10): 4071-4076. Zhang J, Zhang Y J, Fang X Z, et al. Characteristics and health risk assessment of metallic elements in PM2.5 fraction of road dust[J]. Environmental Science, 2017, 38(10): 4071-4076. |
| [21] | Zgłobicki W, Telecka M, Skupiński S, et al. Assessment of heavy metal contamination levels of street dust in the city of Lublin, E Poland[J]. Environmental Earth Sciences, 2018, 77(23). DOI:10.1007/s12665-018-7969-2 |
| [22] | Rahman M S, Khan M D H, Jolly Y N, et al. Assessing risk to human health for heavy metal contamination through street dust in the southeast Asian Megacity: Dhaka, Bangladesh[J]. Science of the Total Environment, 2019, 660: 1610-1622. DOI:10.1016/j.scitotenv.2018.12.425 |
| [23] | Chow J C, Watson J G, Houck J E, et al. A laboratory resuspension chamber to measure fugitive dust size distributions and chemical compositions[J]. Atmospheric Environment, 1994, 28(21): 3463-3481. DOI:10.1016/1352-2310(94)90005-1 |
| [24] | Zhang R, Cao J J, Tang Y R, et al. Elemental profiles and signatures of fugitive dusts from Chinese deserts[J]. Science of the Total Environment, 2014, 472: 1121-1129. DOI:10.1016/j.scitotenv.2013.11.011 |
| [25] | Cao J J, Chow J C, Watson J G, et al. Size-differentiated source profiles for fugitive dust in the Chinese Loess Plateau[J]. Atmospheric Environment, 2008, 42(10): 2261-2275. DOI:10.1016/j.atmosenv.2007.12.041 |
| [26] |
张启钧, 吴琳, 张衍杰, 等. 隧道环境PM2.5载带重金属污染特征与健康风险[J]. 中国环境科学, 2018, 38(12): 4706-4712. Zhang Q J, Wu L, Zhang Y J, et al. Characteristics and health risk assessment of heavy metal in PM2.5 in tunnel environment[J]. China Environmental Science, 2018, 38(12): 4706-4712. |
| [27] |
李雅. 基于土壤发生分类的云南省土壤重金属空间分异及污染评估[D]. 昆明: 云南大学, 2019. Li Y. Spatial distribution and pollution assessment of soil heavy metals in Yunnan Province based on soil genetic classification[D]. Kunming: Yunnan University, 2019. |
| [28] | Yang K, Teng M F, Luo Y, et al. Human activities and the natural environment have induced changes in the PM2.5 concentrations in Yunnan Province, China, over the past 19 years[J]. Environmental Pollution, 2020, 265. DOI:10.1016/j.envpol.2020.114878 |
| [29] | Guo W, Zhang Z Y, Zheng N J, et al. Chemical characterization and source analysis of water-soluble inorganic ions in PM2.5 from a plateau city of Kunming at different seasons[J]. Atmospheric research, 2020, 234. DOI:10.1016/j.atmosres.2019.104687 |
| [30] | 云南省统计局. 云南统计年鉴[M]. 北京: 中国统计出版社, 2019. |
| [31] | 国家环保总局. 防治城市扬尘污染技术规范[M]. 北京: 中国环境科学出版社, 2008. |
| [32] |
王燕, 彭林, 李丽娟, 等. 晋城城市扬尘化学组成特征及来源解析[J]. 环境科学, 2016, 37(1): 82-87. Wang Y, Peng L, Li L J, et al. Chemical compositions and sources apportionment of re-suspended dust in Jincheng[J]. Environmental Science, 2016, 37(1): 82-87. DOI:10.13227/j.hjkx.2016.01.012 |
| [33] |
HJ777-2015, 空气和废气 颗粒物中金属元素的测定 电感耦合等离子体发射光谱法[S]. HJ777-2015, Ambient air and waste gas from stationary sources emission-determination of metal elements in ambient particle matter-inductively coupled plasma optical emission spectrometry[S]. |
| [34] | Wang H B, Qiao B Q, Zhang L M, et al. Characteristics and sources of trace elements in PM2.5 in two megacities in Sichuan Basin of southwest China[J]. Environmental Pollution, 2018, 242: 1577-1586. DOI:10.1016/j.envpol.2018.07.125 |
| [35] | 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. |
| [36] | Zhou S Z, Yuan Q, Li W J, et al. Trace metals in atmospheric fine particles in one industrial urban city: spatial variations, sources, and health implications[J]. Journal of Environmental Sciences, 2014, 26(1): 205-213. DOI:10.1016/S1001-0742(13)60399-X |
| [37] |
王伟. 南京市大气PM2.5中重金属元素时空分布、来源及健康风险评价[D]. 南京: 南京信息工程大学, 2017. Wang W. Spatial-temporal variation, sources and risk assessment of heavy metals in ambient PM2.5 of Nanjing[D]. Nanjing: Nanjing University of Information Science and Technology, 2017. |
| [38] | Musa A A, Hamza S M, Kidak R. Street dust heavy metal pollution implication on human health in Nicosia, North Cyprus[J]. Environmental Science and Pollution Research, 2019, 26(28): 28993-29002. DOI:10.1007/s11356-019-06028-7 |
| [39] |
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. DOI:10.19674/j.cnki.issn1000-6923.20210324.002 |
| [40] | Peng J, Zhang S, Han Y, et al. Soil heavy metal pollution of industrial legacies in China and health risk assessment[J]. Science of the Total Environment, 2022, 816. DOI:10.1016/j.scitotenv.2021.151632 |
| [41] | US EPA. Integrated Risk Information System(IRIS)[EB/OL]. http://www.epa.gov/iris/, 2022-01-01. |
| [42] | Long Z J, Zhu H, Bing H J, et al. Contamination, sources and health risk of heavy metals in soil and dust from different functional areas in an industrial city of Panzhihua City, southwest China[J]. Journal of Hazardous Materials, 2021, 420. DOI:10.1016/j.jhazmat.2021.126638 |
| [43] | Hao Y F, Luo B, Simayi M, et al. Spatiotemporal patterns of PM2.5 elemental composition over China and associated health risks[J]. Environmental Pollution, 2020, 265. DOI:10.1016/j.envpol.2020.114910 |
| [44] |
夏子书, 白一茹, 王幼奇, 等. 基于PMF模型的宁南山区小流域土壤重金属空间分布及来源解析[J]. 环境科学, 2022, 43(1): 432-441. Xia Z S, Bai Y R, Wang Y Q, et al. Spatial distribution and source analysis of soil heavy metals in a small watershed in the mountainous area of southern Ningxia based on PMF model[J]. Environmental Science, 2022, 43(1): 432-441. |
| [45] | Lv W W, Wang Y X, Querol X, et al. Geochemical and statistical analysis of trace metals in atmospheric particulates in Wuhan, central China[J]. Environmental Geology, 2006, 51(1): 121-132. DOI:10.1007/s00254-006-0310-5 |
| [46] | Shao X, Cheng H G, Li Q, et al. Anthropogenic atmospheric emissions of cadmium in China[J]. Atmospheric Environment, 2013, 79: 155-160. DOI:10.1016/j.atmosenv.2013.05.055 |
| [47] | Yan Q, Kong S F, Yan Y Y, et al. Emission and spatialized health risks for trace elements from domestic coal burning in China[J]. Environment International, 2022, 158. DOI:10.1016/J.ENVINT.2021.107001 |
| [48] |
刘桓嘉, 贾梦珂, 刘永丽, 等. 新乡市大气PM2.5载带金属元素季节分布, 来源特征与健康风险[J]. 环境科学, 2021, 42(9): 4140-4150. Liu H J, Jia M K, Liu Y L, et al. Seasonal variation, source identification, and health risk of PM2.5-bound metals in Xinxiang[J]. Environmental Science, 2021, 42(9): 4140-4150. |
| [49] |
邓林俐, 张凯山, 殷子渊, 等. 基于PMF模型的PM2.5中金属元素污染及来源的区域特征分析[J]. 环境科学, 2020, 41(12): 5276-5287. Deng L L, Zhang K S, Yin Z Y, et al. Characterization of metal pollution of regional atmospheric PM2.5 and its source based on the PMF model[J]. Environmental Science, 2020, 41(12): 5276-5287. |
| [50] | Wang Q, Bi X H, Wu J H, et al. Heavy metals in urban ambient PM10 and soil background in eight cities around China[J]. Environmental monitoring and assessment, 2013, 185(2): 1473-1482. DOI:10.1007/s10661-012-2646-5 |
| [51] | Liu Y Y, Xing J, Wang S X, et al. Source-specific speciation profiles of PM2.5 for heavy metals and their anthropogenic emissions in China[J]. Environmental Pollution, 2018, 239: 544-553. DOI:10.1016/j.envpol.2018.04.047 |
| [52] | Guven E D. Heavy metal contamination in street dusts and soils under different land uses in a major river basin in an urbanized zone of Aegean region, Turkey[J]. Journal of Environmental Health Science and Engineering, 2019, 17(2): 917-930. DOI:10.1007/s40201-019-00408-4 |
| [53] |
翟诗婷, 王申博, 张栋, 等. 郑州市典型污染过程PM1中重金属浓度、来源及健康风险评估[J]. 环境科学, 2022, 43(3): 1180-1189. Zhai S T, Wang S B, Zhang D, et al. Concentration, source, and health risk assessment of PM1 heavy metals in typical pollution processes in Zhengzhou[J]. Environmental Science, 2022, 43(3): 1180-1189. |
| [54] | Xie J J, Yuan C G, Xie J, et al. Comparison of arsenic fractions and health risks in PM2.5 before and after coal-gas replacement[J]. Environmental Pollution, 2020, 259. DOI:10.1016/j.envpol.2019.113881 |
| [55] |
张富贵, 彭敏, 贺灵, 等. 贵州省典型铅锌矿区潜在有毒元素(PTEs)物源甄别、生态风险评价及控制因素[J]. 环境科学, 2022, 43(4): 2081-2093. Zhang F G, Peng M, He L, et al. Sources identification, ecological risk assessment, and controlling factors of potentially toxic elements in typical lead-zinc mine area, Guizhou province, Southwest China[J]. Environmental Science, 2022, 43(4): 2081-2093. |
| [56] | Zhou X T, Strezov V, Jiang Y J, et al. Contamination identification, source apportionment and health risk assessment of trace elements at different fractions of atmospheric particles at iron and steelmaking areas in China[J]. PLoS One, 2020, 15(4). DOI:10.1371/journal.pone.0230983 |
| [57] |
黄文, 王胜利. 兰州市采暖期和非采暖期大气降尘重金属的分布特征及来源[J]. 环境科学, 2022, 43(2): 597-607. Huang W, Wang S L. Distribution characteristics and sources of heavy metals in atmospheric deposition during heating and non-heating period in Lanzhou[J]. Environmental Science, 2022, 43(2): 597-607. |
| [58] | 云南省统计局. 2020年云南统计年鉴[EB/OL]. http://www.yn.gov.cn/sjfb/tjnj_2/202103/t20210326_219312.html, 2020-11-25. |
| [59] | Taiwo A M, Harrison R M, Shi Z B. A review of receptor modelling of industrially emitted particulate matter[J]. Atmospheric Environment, 2014, 97: 109-120. DOI:10.1016/j.atmosenv.2014.07.051 |
| [60] | Yang S C, Li P, Liu J L, et al. Profiles, source identification and health risks of potentially toxic metals in pyrotechnic-related road dust during Chinese New Year[J]. Ecotoxicology and Environmental Safety, 2019, 184. DOI:10.1016/j.ecoenv.2019.109604 |
| [61] | Zhang M, Li X P, Yang R, et al. Multipotential toxic metals accumulated in urban soil and street dust from Xining City, NW China: spatial occurrences, sources, and health risks[J]. Archives of Environmental Contamination and Toxicology, 2019, 76(2): 308-330. |
| [62] |
程轲, 季婉婉, 郝炜伟, 等. 城市生活垃圾露天焚烧排放PM2.5中重金属污染特征及其暴露健康风险[J]. 环境科学, 2019, 40(10): 4337-4344. Cheng K, Ji W W, Hao W W, et al. Characteristics of heavy metal pollutants of PM2.5 from open burning of Municipal Solid Waste (MSW) and the associated exposure health risks[J]. Environmental Science, 2019, 40(10): 4337-4344. |