2024, Vol. 45
2. 广西岩溶地区水污染控制与用水安全保障协同创新中心, 桂林 541004;
3. 桂林理工大学地球科学学院, 桂林 541004
2. Guangxi Collaborative Innovation Center for Water Pollution Control and Water Security in Karst Area, Guilin 541004, China;
3. College of Earth Science, Guilin University of Technology, Guilin 541004, China
土壤重金属污染造成的土壤质量及生态环境问题, 已受到人们的广泛关注[1].与其他污染物相比, 土壤重金属具有迁移转化慢、易累积等特点[2], 可通过自然或人为输入在环境介质中积累和转移[3], 进而威胁农产品质量、生态安全和人类健康[4, 5].目前已证实重金属会引发多种人类疾病[6, 7], 直接接触高浓度铬会增加皮肤敏感性和癌症的风险[8], 摄入过多铅会损害神经及免疫系统[9].因此, 研究土壤重金属污染状况及来源, 对于进一步认识重金属所引发的生态风险和人类健康风险具有重要意义.
土壤重金属污染程度确定及其潜在污染源识别是有效控制重金属污染程度的前提[10].确定土壤重金属的污染程度的传统方法有地累积指数法（Igeo）、富集系数法（EF）、潜在生态指数法（RI）等[11~13], 其中RI采用毒性反应系数计算不同重金属的综合影响, 能够较好地评价土壤重金属的生态风险[14].土壤重金属的主要来源为自然来源及人为输入[15], 主成分分析（PCA）[16]、正定矩阵因子分解法（PMF）[17]和绝对主成分-多元线性回归（APCS-MLR）[18]等均可用于土壤重金属的确源解析, 其中, PMF和APCS-MLR均可计算出重金属来源的贡献率[17, 18], APCS-MLR较PMF在识别来源时不用事先了解来源数量, 且算法较为简单明了, 复查成本较低[19, 20].现今随着科技的发展, 机器学习方法已逐渐应用于土壤重金属来源解析[21], 其中随机森林模型（RF）不仅具备传统机器学习方法的优点, 亦可对输入数据特征变量的重要性进行定量和排序, 完成土壤重金属的定量解析[22].土壤重金属风险评价及源解析已成为当前研究热点[23, 24], 但目前对于它们之间的联合机制进行的研究相对较少[25, 26].不同来源的重金属对土壤的潜在危害贡献不同, 仅仅依靠污染源对重金属总浓度的贡献并不能有效识别优先污染源[27].
铅锌矿在开采和冶炼过程产生的废物导致周边土壤重金属超标严重, 植被被污染和破坏, 对当地生态环境和居民健康带来较大风险[2, 28].经口摄入是铅锌矿废物中重金属的主要暴露途径, 并且儿童比成人更易于受到影响[29].因此, 土壤重金属风险成为目前急需解决的环境问题.
研究区选定桂北典型铅锌矿区, 位于广西壮族自治区桂林市兴坪镇, 前人研究结果表明Pb、Zn、Cu和Cd存在超标现象, 土壤重金属污染程度严重[30~34].为了能够定量分析不同来源的风险水平, 将APCS-MLR模型与生态风险和人体健康风险相结合进行计算, 综合考虑不同来源重金属的贡献率及其相应毒性, 可更加准确地识别高风险污染源.本次工作研究目的为：①查明研究区土壤重金属生态风险及人体健康风险；②分析土壤重金属可能来源；③基于重金属来源分析土壤生态风险及人体健康风险, 识别风险较高的重金属来源, 以期为受重金属污染区域的农田土壤的合理利用提供科学依据.
1 材料与方法 1.1 研究区概况研究区属亚热带湿润季风气候, 年平均气温19.3℃.年平均降雨量1 596.1 mm, 全年75%的降雨集中在3~8月, 年均日照为1 482.5 h.发源于上游铅锌矿区的思的河是区内唯一的地表水流, 汇水面积约14 km2, 矿区面积约21 km2.矿山于20世纪50年代正式开采, 2012年停产.矿山开采产生的尾砂堆放于思的河上游, 后经河流运输进入研究区, 且在20世纪70年代中一次强降雨导致尾砂库坍塌, 尾砂沿河谷泄入河流, 导致研究区受到严重的重金属污染.
1.2 样品采集与处理对已有资料进行研究分析, 基于研究区土壤成因、范围以及地质背景等因素, 在2021年7月垂直思的河下游方向布置24个钻孔, 采集土壤样品进行分析, 为进一步验证和完善采样点信息, 2022年4月加密布置9个钻孔进行土壤样品采集.采样点布置于玉米地、柑橘地和桑葚地等农用地, 共采集127个土壤样品, 其中0~20、20~40和40~60 cm深度上各采集33个样品, 60~80 cm深度上采集28个样品, 见图 1.现场采集土壤样品后, 除去石块和根系后, 留取约1 kg样品装入密封袋中, 带回室内进行自然风干, 然后用陶瓷研钵研磨, 过2 mm和0.149 mm孔径尼龙筛, 保存于干净密封袋中待测.
|
图 1 研究区地理位置及采样点布置 Fig. 1 Geographical location and sampling site layout of the study area |
土壤样品利用HNO3-H2O2进行消解, 用原子荧光光谱法（AFS-9700）测定As, 其余重金属利用电感耦合等离子体发射光谱法（Optima 7000DV）测定.分析过程加入标准土壤样品（GSS-4）和空白样品进行质量控制, 所用试剂纯度均为优级纯, 所用水为超纯水, 结果显示样品回收率在90%~110%之间, 符合要求.
1.3 风险评价模型 1.3.1 潜在生态风险评价（potential ecological risk assessment, RI）RI是由Hakanson提出用来评价沉积物重金属生态风险的方法[13], 目前也常用于评价土壤重金属生态风险, 其公式如下：
|
(1) |
式中, Ci为i重金属的实测含量；Cni为i重金属的参比值, 本研究选用广西西江流域背景值作为参比值[35]；Tri为i重金属的毒性响应系数, Pb、Zn、Cu、Cr、As和Cd的毒性响应系数分别为5、1、5、2、10和30[36]；Eri为i重金属的单项潜在生态风险指数；RI为n个重金属总的潜在生态风险指数；生态风险等级划分标准见表 1.
|
表 1 潜在生态风险分级标准 Table 1 Potential ecological risk classification criteria |
1.3.2 健康风险评价（health risk assessment, HRA）
利用美国环保署（United States Environmental Protection Agency, USEPA）的健康风险模型, 分别从经口摄入、呼吸摄入和皮肤摄入这3种暴露途径对研究区土壤重金属进行健康风险评价, 计算公式如下：
|
(2) |
|
(3) |
|
(4) |
式中, ADDing、ADDinh和ADDder分别为经口摄入、呼吸摄入和皮肤摄入土壤的日均暴露量.其余参数含义及取值见表 2[37~39].
|
|
表 2 土壤重金属健康风险评价参数定义及取值 Table 2 Definition and value of soil heavy metal health risk assessment parameters |
人体健康风险分为非致癌风险和致癌风险, 其计算公式为：
|
(5) |
|
(6) |
式中, HQi为i重金属非致癌风险指数；HI为所有重金属总非致癌风险指数, 若HI小于1则非致癌风险处于安全等级, 反之存在非致癌健康风险.CRi为i重金属致癌健康风险指数；CR为所有重金属总致癌健康风险指数, CR小于1.00E-06则不存在致癌风险, 在1.00E-06~1.00E-04之间, 属可接受范围内, 大于1.00E-04, 为不可接受致癌风险.RfDi和SF定义及取值见表 3[37~39].
|
|
表 3 土壤重金属参考剂量及斜率因子1） Table 3 Soil heavy metal reference dose and slope factor |
1.4 绝对主成分-多元线性回归受体（APCS-MLR）模型
APCS-MLR是基于主成分分析（PCA）得到绝对主成分因子得分（APCS）, 将APCS作为自变量, 重金属元素含量作为因变量, 进行多元线性回归分析, 最后计算得到不同来源的贡献率[18], 计算公式如下：
|
(7) |
|
(8) |
|
(9) |
式中, Zni为第n个样本中第i个重金属含量标准化值, Cni为第n个样本中第i个重金属的含量；Ci为i种重金属的含量均值；δi为i种重金属的标准偏差；Z0i为第i种重金属元素含量为0时标准化值；Ci为重金属i种重金属的实测含量；bi为多元回归常数项；p为主成分因子个数；bmi为来源m对i种重金属的回归系数；APCSmi为绝对主成分因子得分.
1.5 随机森林模型（RF）RF是基于分类和回归集成机器学习算法, 其特点是利用Bootstrap抽样法, 从样本数据中有放回地随机抽取多个样本数据作为训练集, 建立决策树, 且重复抽样和训练步骤建立大量决策树, 最终形成随机森林, 基于均方误差来表征变量特征重要性[22], 将经过处理得到的因子得分矩阵输入RF进行后续分析[21].本研究将APCS-MLR计算得到的APCS矩阵为自变量, 分别预测不同重金属元素含量, 并计算各因子（源）对不同元素的特征重要性以表示源贡献率.
1.6 基于来源的风险评价模型结合APCS-MLR模型和RI建立一种基于来源的生态风险评价方法, 其公式如下：
|
(10) |
式中, Con（RI）ij为第i个样本第j个来源重金属风险计算值；Cij为第i个样本第j个来源重金属含量, 其余参数含义与前文一致.
结合APCS-MLR模型和HRA建立一种基于来源的生态风险评价方法, 其公式如下：
|
(11) |
|
(12) |
|
(13) |
|
(14) |
|
(15) |
式中, Con（ADDing）ij、Con（ADDinh）ij和Con（ADDder）ij分别为第i个样本第j个来源的经口摄入、呼吸摄入和皮肤摄入土壤的日均暴露量；Con（HI）ij和Con（CR）ij分别为第i个样本第j个来源所有重金属总非致癌和致癌健康风险指数.
1.7 数据处理利用Excel 2019和SPSS 26.0进行土壤重金属数据的统计和数据差异性分析, 利用Matlab 2018a进行随机森林计算, 利用CorelDRAW X4、OriginPro 2023和ArcGIS 10.2进行绘图.
2 结果与分析 2.1 重金属数据统计分析对研究区土壤重金属含量进行统计分析结果见表 4.Pb、Zn和Cd在不同深度内含量均值均大于背景值和风险筛选值, 呈显著差异性（P < 0.05）, 其中Pb和Zn在0~20 cm深度上的含量最高, 为717.66 mg·kg-1和896.37 mg·kg-1, Cd在20~40 cm深度上含量最高, 为4.42 mg·kg-1；Pb、Zn和Cd的变异系数（CV）较大（Pb：1.22~1.55, Zn：0.91~1.30, Cd：1.03~2.19）, 表明研究区土壤中Pb、Zn和Cd受人为影响较大.Cu在不同深度含量均值均大于背景值, 除60~80 cm深度外, 其余深度含量均值均大于风险筛选值；且不同深度含量均值呈显著差异（P < 0.05）, 在表层（0~20cm）的含量均值最大, 为84.25 mg·kg-1, 变异系数较大（0.73~1.08）.Cr在不同深度的含量均值接近（56.60~62.31 mg·kg-1）, 均小于背景值与风险筛选值, 差异不显著（P > 0.05）, 变异系数较小（0.35~0.40）.As在不同深度上含量分布相差不大（16.63~17.79 mg·kg-1）, 在深度为0~20 cm和60~80 cm上, 含量均值大于背景值, 差异不显著（P > 0.05）, 变异系数为0.35~0.52.
|
|
表 4 研究区土壤重金属统计分析1） Table 4 Statistical analysis of soil heavy metals in the study area |
变异系数（CV）在一定程度上可以反映人类活动对土壤重金属的影响程度[41].CV值较小时, 表明土壤重金属空间分布较为均匀, 受人为因素影响较弱；当CV值较大时, 表明土壤重金属受到人为因素影响较大[42].Pb、Zn和Cd在不同深度内含量均值均大于背景值和风险筛选值, 且CV值较大（0.73~2.19）, 表明研究区受到人为因素影响较大且污染较为严重.Cu在不同深度含量均值大于背景值, 小于风险筛选值, 表明其在研究区的污染程度较低.研究区中Cr含量均值较为接近（56.60~62.31 mg·kg-1）, 变异系数较小（0.35~0.40）, 且小于背景值与风险筛选值, 表明研究区中Cr受人为因素影响较小, 污染程度较轻微.As含量与背景值较接近（16.63~17.79 mg·kg-1, 17.04 mg·kg-1）, 变异系数较小（0.35~0.52）, 表明As受人为因素影响较小, 污染程度较低, 与前人的研究结果相似[28].
2.2 土壤重金属潜在生态风险评价对研究区的土壤重金属进行潜在生态风险评价, 结果见表 5和图 2.评价结果表明Zn、Cu、Cr和As存在轻微生态风险（Er < 40）, Pb在0~20cm深度上存在中等风险（Er为70.75）, Cd在0~20 cm和20~40 cm深度上存在强风险（Er为172.90和236.95）, 在40~60 cm和60~80 cm深度上存在较强风险（Er为113.69和135.40）, 全深度总体潜在生态呈现为中等风险（RI在162.33~303.30）.
|
|
表 5 研究区土壤重金属潜在生态风险评价分析 Table 5 Potential ecological risk assessment of soil heavy metals in the study area |
|
不同颜色表示不同RI值 图 2 不同深度中土壤重金属潜在风险评价 Fig. 2 Potential risk assessment of soil heavy metals in different depths |
在垂向分布上, Pb、Zn、Cu和As在0~20 cm深度上潜在生态风险最大, Cd在20~40 cm上潜在生态风险最高.水平分布上（图 2）, 思的河山前潜在生态风险最高, 沿思的河沿岸而逐渐降低, 随着接近地下河入口处而逐渐增大.
由表 5可知, 研究区土壤重金属潜在生态风险大小顺序为：Cd > Pb > Cu > Zn > As > Cr, 其中Cu、Zn、As和Cr的Er值均小于40, 风险程度为轻微风险, 表明其潜在生态风险较低；Pb在0~20 cm深度上Er均值为70.75, 风险程度为中等风险, 其他深度上Er均值小于40, 表明其在0~20 cm深度上存在一定潜在生态风险；Cd全深度上的Er值为113.69~236.95, 在0~40 cm深度上为强风险（Er值为172.90和236.95）, 表明Cd对研究区存在较大的潜在生态风险, 且在0~40 cm深度上更为严重.研究区总潜在生态值RI为162.33~303.30, 风险程度主要为中等风险, 存在一定的潜在生态风险.
2.3 土壤重金属人体健康风险评价土壤重金属的人体健康风险评价结果见表 6和表 7.Pb、Zn、Cu和As在0~20 cm深度上的非致癌风险最大, Cr在40~60 cm深度上最大, Cd在20~40 cm深度上最大, 而致癌风险（As、Cr和Cd）在深度分布上与非致癌风险一致.总非致癌健康风险评价（成年人和儿童）则是在0~20cm深度上最大（8.22E-02和5.90E-01）, 但HI均值小于1（成人：4.01E-02~8.22E-02, 儿童：2.87E-01~5.90E-01）, 表明非致癌健康风险处于安全等级；总致癌风险在20~40 cm深度上最大（7.95E-06和5.10E-05）, 其CR均值位于10E-04~10E-06之间, 表明致癌风险较低.由图 3可知, 土壤各元素成年人和儿童的HQ均值依次为：Pb > As > Cr > Cd > Zn > Cu, 表明Pb对成年人和儿童非致癌风险更大；CR均值依次为：Cr > As > Cd, 显示Cr是致癌风险的主要因素.
|
|
表 6 研究区土壤重金属非致癌健康风险评价 Table 6 Non-carcinogenic health risk assessment of soil heavy metals in the study area |
|
|
表 7 研究区土壤重金属致癌健康风险评价 Table 7 Health risk assessment of soil heavy metals in the study area |
|
图 3 不同风险评价中各重金属占比 Fig. 3 Proportion of heavy metals in different risk assessments |
对研究区土壤重金属进行相关性分析, 结果见图 4.Pb、Zn、Cu和Cd之间的相关系数绝对值在0.36~0.85内, 呈极显著正相关性, 表明这些元素存在同源的可能性较大.Cr与上述4种元素的相关性在-0.32~-0.44内, 呈极显著负相关性, 表明Cr与其同源可能性较小.As与Cr的相关性为0.17, 呈显著正相关性, 与Pb、Zn和Cu的相关系数为0.33、0.38和0.52, 也存在显著正相关性, 表明As可能有多种来源.
|
**为P < 0.01, 为P < 0.05；相关性系数绝对值越大, 小方框越大；相关性系数接近1, 颜色趋向蓝色, 接近-1, 颜色趋向红色 图 4 研究区土壤重金属相关性 Fig. 4 Correlation of soil heavy metals in the study area |
对研究区土壤重金属数据进行标准化处理, 然后进行KMO-Bartlett球形检验, 结果表明数据适合进行主成分分析（KMO > 0.50, P < 0.01）.提取到2个特征值> 1（3.26和1.25）的主成分（表 8）, 其累积方差贡献率为75.09%, 可以代表原始数据绝大多数信息.第一主成分（PC1）中Pb、Zn、Cu和Cd的载荷分别为0.802、0.929、0.862和0.724, 第二主成分（PC2）中Cr和As的载荷较高, 分别为0.678和0.773.
|
|
表 8 土壤重金属主成分分析结果1） Table 8 Principal component analysis of soil heavy metals |
基于主成分识别研究区土壤重金属主要来源, 利用APCS-MLR模型建立不同来源与重金属的函数关系, 计算出土壤重金属来源贡献率, Pb、Zn、Cu、Cr、As和Cd的拟合度R2为0.62~0.88, 重金属预测值与实测值的比值均接近1, 表明APCS-MLR的拟合
度良好, 具有较高的可信度, 结果见图 5.
|
（a）基于APCS-MLR解析；（b）基于RF解析 图 5 研究区土壤重金属来源解析 Fig. 5 Source apportionment of soil heavy metals in the study area |
综合APSC-MLR和RF模型, 研究区土壤重金属不同来源贡献率分析结果见图 5.Pb、Zn、Cu和Cd主要由来源Ⅰ贡献（Pb：45.09%和46.37%；Zn：39.66%和65.68%；Cu：47.83%和31.83%；Cd：41.85%和60.01%；分别为APCS-MLR和RF模型计算得出的贡献率, 下同）.Cr和As主要由未知源和来源Ⅱ贡献（Cr未知源：45.56%和44.09%, Cr来源Ⅱ：32.34%和42.97%, As未知源：68.90%和41.49%, As来源Ⅱ：23.63%和38.14%）.
2.5 土壤重金属不同源解析风险评价基于APCS-MLR模型量化不同来源的重金属含量, 并进行风险评价（表 9和图 6）.在不同来源下, 总非致癌风险值均小于1, 在0~20 cm深度上风险最高；总致癌风险值在10E-04~10E-07之间, 表明不同来源对人体的致癌风险较小, 并且成人的非致癌和致癌风险均低于儿童.除来源Ⅰ在0~20 cm和20~40 cm深度上RI值大于150外, 其余均小于150, 表明来源Ⅰ对研究区生态环境存在一定威胁, 且主要在土壤表层（0~40 cm）, 其余来源对研究区生态环境的威胁不显著.由图 6可知, 非致癌风险来自来源Ⅰ和来源Ⅱ（成人：58.72%, 儿童：59.50%）, 致癌风险部分来自来源Ⅰ和来源Ⅱ（成人：27.01%, 儿童：27.94%）, 潜在生态风险主要来自来源Ⅰ（62.43%）.
|
|
表 9 不同来源重金属风险评价 Table 9 Risk assessment of heavy metals from different sources |
|
图 6 不同重金属来源风险评价对比 Fig. 6 Comparison of risk assessment of different heavy metal sources |
从图 3可知, 潜在生态风险主要以Cd为主, 致癌风险主要以Cr和As为主, 非致癌风险主要以Pb和As为主.造成RI和HRA结果差异的原因可能是：RI引入重金属毒性响应系数, 将重金属环境生态效应与毒理学进行联系, 进而呈现不同重金属元素对生态环境的潜在风险[32], HRA则是通过计算不同暴露途径下重金属对人体的健康风险[38, 39].综合RI和HRA能够更加客观、全面地反映土壤重金属的风险状况.
土壤重金属风险评价（图 2）显示在思的河山前和地下河入口处RI值最大, 在0~40 cm深度上RI值较大, 总体呈现沿思的河先减小后增大的变化趋势, 并且思的河山前和地下河入口处潜在生态风险达到了高风险（RI > 300）, 其原因可能与土壤中重金属来源具有较大关系, 表明该区域潜在生态风险较高.由图 3可知, Cd对研究区生态环境的潜在生态风险最大.已有研究表明, Cd极易通过食物链进入人体进而危害生命安全, 长期食用被Cd污染土壤产出的粮食, 可造成高血压等疾病[43].因此, 需要重点监测研究区土壤中Cd含量变化.
非致癌重金属评价结果显示, Pb、Cr和As的健康风险高于其余重金属（表 6）, 其中Cr和As还存在致癌风险, 因此进行健康风险评价时, 需重点关注.已有研究表明Cr和As具有较高的健康风险[44].长期接触低含量Cr会对人体产生毒性, 并有一定的致癌作用[15].人体可以通过接触重金属污染土壤而吸收As, 引发胃、肠道和中枢神经系统疾病[45], 短暂接触高含量As会导致死亡, 长期接触低含量As则会导致白细胞和红细胞减少、血管损伤和手脚疼痛等[46, 47].健康风险评价结果显示其具有一定的非致癌和致癌风险（表 6和表 7）, Cr和As对人体健康的危害不容小觑, 应对土壤中Cr和As进行监测, 严格控制其含量.由于儿童天生的行为和特征, 土壤重金属对儿童的健康风险会高于成年人[48, 49], 本文的研究结果也验证了这一点.因此, 注意个人卫生是减少重金属对儿童影响的关键措施.
3.2 土壤重金属来源解析研究区土壤重金属源解析结果显示Pb、Zn、Cu和Cd主要由来源Ⅰ贡献（图 5）.前人研究表明铅锌矿开采与冶炼活动是矿区周边土壤重金属主要来源[50~52].Pb、Zn、Cu和Cd均大于背景值, 存在不同程度污染情况, 其原因可能是受研究区上游铅锌矿开采和尾矿库影响, 矿渣经思的河搬运并堆积在研究区[30].由图 7可知, 在思的河山前和地下河入口处来源Ⅰ贡献最大, 也表明土壤中重金属来源与上游矿区关系密切.因而可推断来源Ⅰ为矿山开采活动.
|
不同颜色表示重金属来源占比 图 7 研究区土壤重金属不同来源分布 Fig. 7 Distribution of different sources of soil heavy metals in the study area |
主成分分析结果显示（表 8）, PC2上Cr和As具较高的荷载（0.678和0.773）, 且研究区中Cr和As接近或小于背景值, 污染程度较小, 表明其主要受自然因素控制.在研究区高冈区及其西侧, 重金属来源主要由来源Ⅱ贡献（图 7）.高冈区为原始冲洪积物堆积而成, 其西侧基底岩性主要为灰岩和泥灰岩[30], 表明高冈区及西侧区域与成土母质及地层岩性关系密切.有研究表明Cr与成土母质关系密切[53, 54], 土壤中Cr和As受人为因素影响较小[55].因此, 可推断来源Ⅱ为成土母质及原生地层等自然因素.
由于APCS-MLR是基于主成分分析提取的贡献率75.09%进行来源解析, 因而仍有24.91%的未知来源未进行解析.由图 4可知, 未知源为Cr和As的主要来源之一, 表明Cr和As除已知来源外, 主要受到其他污染源的影响, 如农业活动和大气颗粒物沉降等[56, 57].
3.3 基于土壤重金属来源进行风险评价基于来源对土壤重金属进行风险评价, 有利于确定高风险重金属的来源, 是制定有针对性的重金属污染防治措施的关键[15, 58].矿山开采活动（来源Ⅰ）带来的重金属高值主要分布在思的河山前和地下河入口处, 主要集中在0~40 cm深度上, 且在0~40 cm深度上潜在生态风险为中等风险, 其余均为低风险.因此, 研究区潜在生态风险主要来自矿山开采活动（图 6）.
本研究从不同来源上量化土壤重金属风险评价（表 9）, 非致癌风险评价结果显示已知来源（Ⅰ和Ⅱ）贡献较大一部分风险, 而致癌风险评价结果显示已知来源（Ⅰ和Ⅱ）贡献部分风险, 由于部分重金属在低浓度下也会对人体健康产生危害, 需密切关注其可能造成的健康风险[59, 60].
从表 9可知, 成土母质及原生地层等自然来源（来源Ⅱ）, 在解释重金属总含量方面占有一定比例, 但在本研究中对非致癌风险和致癌风险的贡献最低（图 6）, 表明主要污染源不一定产生更高的人类健康风险, 其原因可能是产生更高风险的重金属（如Cr和As）主要在其他未知污染源中[61, 62].因此, 如果仅是控制已知污染源排放, 可能无法有效保护人体健康[63].在已知来源和未知源中, 未知源对人体健康生态风险的贡献最大（图 6）, 其原因可能是Cr和As主要由未知来源贡献, 且Cr和As对人体具有更高的毒性[61, 62].因此, 在针对性控制矿山开采活动造成的污染外, 还需进一步查明未知来源.
本研究基于源解析的联合风险评价模型, 将不同来源的风险特征作为确定优先污染源的重要依据, 可以综合考虑不同来源的重金属排放量及其相应的毒性, 从而更精准地查明高风险污染源.该模型与传统的重金属风险评估方法相比, 可以针对重金属来源方式及累积区域, 提供较为具体和有效的控制措施及修复土壤措施.
4 结论（1）研究区土壤中ω（Pb）、ω（Zn）、ω（Cu）、ω（Cr）、ω（As）和ω（Cd）均值分别为342.77、693.34、61.27、60.26、17.05和3.08 mg·kg-1, 其中Pb、Zn、Cu和Cd含量大于背景值, 存在不同程度污染情况.
（2）Cd和Pb是对研究区生态风险影响最大的重金属, 主要集中分布在思的河山前和地下河入口处0~40 cm深度上；Pb、Cr和As是主要非致癌健康风险影响因子, Cr和As是主要的致癌健康风险影响因子, 儿童相较于成年人更加容易受到重金属的影响.
（3）源解析结果显示, Pb、Zn、Cu和Cd主要由矿山开采活动（来源Ⅰ）贡献, Cr和As主要由未知源和来源Ⅱ（成土母质及原生地层）贡献.
（4）基于源解析的联合风险评价模型进行土壤重金属风险量化结果表明, 研究区潜在生态风险主要来自矿山开采活动, 成土母质及原生地层等自然来源对人体健康风险贡献较低, 未知源中Cr和As对人体健康生态风险的贡献最大, 仍需进一步查明未知来源.基于土壤重金属来源进行土壤重金属风险量化, 对从源头上控制污染、降低风险起到至关重要的作用.
| [1] |
张义, 周心劝, 曾晓敏, 等. 长江经济带工业区土壤重金属污染特征与评价[J]. 环境科学, 2022, 43(4): 2062-2070. Zhang Y, Zhou X Q, Zeng X M, et al. Characteristics and assessment of heavy metal contamination in soils of industrial regions in the Yangtze River Economic Belt[J]. Environmental Science, 2022, 43(4): 2062-2070. |
| [2] |
周艳, 陈樯, 邓绍坡, 等. 西南某铅锌矿区农田土壤重金属空间主成分分析及生态风险评价[J]. 环境科学, 2018, 39(6): 2884-2892. Zhou Y, Chen Q, Deng S P, et al. Principal component analysis and ecological risk assessment of heavy metals in farmland soils around a Pb-Zn mine in Southwestern China[J]. Environmental Science, 2018, 39(6): 2884-2892. |
| [3] | Zhang J R, Li H Z, Zhou Y Z, et al. Bioavailability and soil-tocrop transfer of heavy metals in farmland soils: A case study in the Pearl River delta, South China[J]. Environmental Pollution, 2018, 235: 710-719. DOI:10.1016/j.envpol.2017.12.106 |
| [4] |
陈雅丽, 翁莉萍, 马杰, 等. 近十年中国土壤重金属污染源解析研究进展[J]. 农业环境科学学报, 2019, 38(10): 2219-2238. Chen Y L, Weng L P, Ma J, et al. Review on the last ten years of research on source identification of heavy metal pollution in soils[J]. Journal of Agro-Environment Science, 2019, 38(10): 2219-2238. DOI:10.11654/jaes.2018-1449 |
| [5] | Lu J Z, Lu H W, Lei K W, et al. Trace metal element pollution of soil and water resources caused by small-scale metallic ore mining activities: a case study from a sphalerite mine in North China[J]. Environmental Science and Pollution Research, 2019, 26(24): 24630-24644. DOI:10.1007/s11356-019-05703-z |
| [6] | Wei L L, Wang K, Noguera D R, et al. Transformation and speciation of typical heavy metals in soil aquifer treatment system during long time recharging with secondary effluent: Depth distribution and combination[J]. Chemosphere, 2016, 165: 100-109. DOI:10.1016/j.chemosphere.2016.09.027 |
| [7] |
李沛轩, 钟理, 郭蕊. 重金属镉致心血管疾病的潜在机制及治疗对策[J]. 中国科学: 生命科学, 2021, 51(9): 1241-1253. Li P X, Zhong L, Guo R. Potential mechanism and treatment of heavy metal cadmium-induced cardiovascular disease[J]. Scientia Sinica (Vitae), 2021, 51(9): 1241-1253. |
| [8] | Chervona Y, Arita A, Costa M. Carcinogenic metals and the epigenome: Understanding the effect of nickel, arsenic, and chromium[J]. Metallomics, 2012, 4(7): 619-627. DOI:10.1039/c2mt20033c |
| [9] | Zhang X W, Yang L S, Li Y H, et al. Impacts of lead/zinc mining and smelting on the environment and human health in China[J]. Environmental Monitoring and Assessment, 2012, 184(4): 2261-2273. DOI:10.1007/s10661-011-2115-6 |
| [10] | Sakizadeh M, Zhang C S. Source identification and contribution of land uses to the observed values of heavy metals in soil samples of the border between the Northern Ireland and Republic of Ireland by receptor models and redundancy analysis[J]. Geoderma, 2021, 404. DOI:10.1016/j.geoderma.2021.115313 |
| [11] | Muller G. Index of Geoaccumulation in Sediments of the Rhine River[J]. GeoJournal, 1969, 2(3): 109-118. |
| [12] | Reimann C, De Caritat P. Intrinsic flaws of element enrichment factors (EFs) in environmental geochemistry[J]. Environmental Science & Technology, 2000, 34(24): 5084-5091. |
| [13] | 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 |
| [14] | Duodu G O, Goonetilleke A, Ayoko G A. Comparison of pollution indices for the assessment of heavy metal in Brisbane River sediment[J]. Environmental Pollution, 2016, 219: 1077-1091. DOI:10.1016/j.envpol.2016.09.008 |
| [15] | Tian J, Guan Q Y, Shao W Y, et al. A joint method to quantify source contributions of heavy metals to ecological and human health risks in oasis farmland soil[J]. Soil Science Society of America Journal, 2021, 85(5): 1600-1619. DOI:10.1002/saj2.20287 |
| [16] | Zhang Y X, Li T S, Guo Z H, et al. Spatial heterogeneity and source apportionment of soil metal (loid) s in an abandoned lead/zinc smelter[J]. Journal of Environmental Sciences, 2023, 127: 519-529. DOI:10.1016/j.jes.2022.06.015 |
| [17] | Cheng W, Lei S G, Bian Z F, et al. Geographic distribution of heavy metals and identification of their sources in soils near large, open-pit coal mines using positive matrix factorization[J]. Journal of Hazardous Materials, 2020, 387. DOI:10.1016/j.jhazmat.2019.121666 |
| [18] |
孙雪菲, 张丽霞, 董玉龙, 等. 典型石化工业城市土壤重金属源解析及空间分布模拟[J]. 环境科学, 2021, 42(3): 1093-1104. Sun X F, Zhang L X, Dong Y L, et al. Source apportionment and spatial distribution simulation of heavy metals in a typical petrochemical industrial city[J]. Environmental Science, 2021, 42(3): 1093-1104. |
| [19] |
刘楠, 唐莹影, 陈盟, 等. 基于APCS-MLR和PMF的铅锌矿流域土壤重金属来源解析[J]. 中国环境科学, 2023, 43(3): 1267-1276. Liu N, Tang Y Y, Chen M, et al. Source apportionment of soil heavy metals in lead-zinc area based on APCS-MLR and PMF[J]. China Environmental Science, 2023, 43(3): 1267-1276. DOI:10.3969/j.issn.1000-6923.2023.03.028 |
| [20] |
管贤贤, 周小平, 雷春妮, 等. 基于GIS及APCS-MLR模型的兰州市主城区土壤PAHs来源解析[J]. 环境科学, 2021, 42(8): 3904-3912. Guan X X, Zhou X P, Lei C N, et al. Source apportionment of soil PAHs in Lanzhou based on GIS and APCS-MLR model[J]. Environmental Science, 2021, 42(8): 3904-3912. |
| [21] | Huang H, Zhou Y, Liu Y J, et al. Source Apportionment and ecological risk assessment of potentially toxic elements in cultivated soils of Xiangzhou, China: A combined approach of geographic information system and random forest[J]. Sustainability, 2021, 13(3). DOI:10.3390/su13031214 |
| [22] | Stojić A, Stojić S S, Reljin I, et al. Comprehensive analysis of PM10 in Belgrade urban area on the basis of long-term measurements[J]. Environmental Science and Pollution Research, 2016, 23(11): 10722-10732. DOI:10.1007/s11356-016-6266-4 |
| [23] | Sun L, Guo D K, Liu K, et al. Levels, sources, and spatial distribution of heavy metals in soils from a typical coal industrial city of Tangshan, China[J]. CATENA, 2019, 175: 101-109. DOI:10.1016/j.catena.2018.12.014 |
| [24] | Yang Q Q, Li Z Y, Lu X N, et al. A review of soil heavy metal pollution from industrial and agricultural regions in china: Pollution and risk assessment[J]. Science of the Total Environment, 2018, 642: 690-700. DOI:10.1016/j.scitotenv.2018.06.068 |
| [25] | Wang H Z, Cai L M, Wang Q S, et al. A comprehensive exploration of risk assessment and source quantification of potentially toxic elements in road dust: A case study from a large Cu smelter in central China[J]. CATENA, 2021, 196. DOI:10.1016/j.catena.2020.104930 |
| [26] | Ackah M. Soil elemental concentrations, geoaccumulation index, non-carcinogenic and carcinogenic risks in functional areas of an informal e-waste recycling area in Accra, Ghana[J]. Chemosphere, 2019, 235: 908-917. DOI:10.1016/j.chemosphere.2019.07.014 |
| [27] | Jiang H H, Cai L M, Wen H H, et al. An integrated approach to quantifying ecological and human health risks from different sources of soil heavy metals[J]. Science of the Total Environment, 2020, 701. DOI:10.1016/j.scitotenv.2019.134466 |
| [28] |
李俊凯, 张丹, 周培, 等. 南京市铅锌矿采矿场土壤重金属污染评价及优势植物重金属富集特征[J]. 环境科学, 2018, 39(8): 3845-3853. Li J K, Zhang D, Zhou P, et al. Assessment of heavy metal pollution in soil and its bioaccumulation by dominant plants in a lead-zinc mining area, Nanjing[J]. Environmental Science, 2018, 39(8): 3845-3853. |
| [29] | Kan X Q, Dong Y Q, Feng L, et al. Contamination and health risk assessment of heavy metals in China's lead-zinc mine tailings: A meta-analysis[J]. Chemosphere, 2021, 267. DOI:10.1016/j.chemosphere.2020.128909 |
| [30] |
陈盟, 潘泳兴, 黄奕翔, 等. 阳朔典型铅锌矿区流域土壤重金属空间分布特征及来源解析[J]. 环境科学, 2022, 43(10): 4545-4555. Chen M, Pan Y X, Huang Y X, et al. Spatial distribution and sources of heavy metals in soil of a typical lead-zinc mining area, Yangshuo[J]. Environmental Science, 2022, 43(10): 4545-4555. |
| [31] |
宋波, 田美玲, 庞瑞, 等. 桂北某铅锌矿影响区土壤和柑橘中重金属含量及柑橘产业再优化研究[J]. 生态与农村环境学报, 2019, 35(10): 1268-1273. Song B, Tian M L, Pang R, et al. Concentrations of heavy metal contents in soil and citrus, and citrus industry optimization near a lead and zinc mine in Northern Guangxi[J]. Journal of Ecology and Rural Environment, 2019, 35(10): 1268-1273. |
| [32] |
张云霞, 宋波, 杨子杰, 等. 广西某铅锌矿影响区农田土壤重金属污染特征及修复策略[J]. 农业环境科学学报, 2018, 37(2): 239-249. Zhang Y X, Song B, Yang Z J, et al. Characteristics and remediation strategy of heavy-metal polluted agricultural soil near a lead and zinc mine in Guangxi[J]. Journal of Agro-Environment Science, 2018, 37(2): 239-249. |
| [33] | 林炳营. 广西某铅锌矿区土壤-作物镉污染研究[J]. 土壤通报, 1997, 28(5): 235-237. |
| [34] | Pan Y X, Chen M, Wang X T, et al. Ecological risk assessment and source analysis of heavy metals in the soils of a lead-zinc mining watershed area[J]. Water, 2023, 15(1). DOI:10.3390/w15010113 |
| [35] |
王佛鹏, 宋波, 周浪, 等. 广西西江流域土壤重金属背景值再研究[J]. 环境科学学报, 2018, 38(9): 3695-3702. Wang F P, Song B, Zhou L, et al. Redistribution of heavy metal background in soil of Xijiang River Basin in Guangxi[J]. Acta Scientiae Circumstantiae, 2018, 38(9): 3695-3702. |
| [36] |
王玉, 辛存林, 于奭, 等. 南方丘陵区土壤重金属含量、来源及潜在生态风险评价[J]. 环境科学, 2022, 43(9): 4756-4766. Wang Y, Xin C L, Yu S, et al. Evaluation of heavy metal content, sources, and potential ecological risks in soils of southern hilly areas[J]. Environmental Science, 2022, 43(9): 4756-4766. |
| [37] |
张利瑞, 彭鑫波, 马延龙, 等. 兰州市耕地"五毒"重金属的风险评价与归因分析[J]. 环境科学, 2022, 43(9): 4767-4778. Zhang L R, Peng X B, Ma Y L, et al. Risk assessment and attribution analysis of "five toxic" heavy metals in cultivated land in Lanzhou[J]. Environmental Science, 2022, 43(9): 4767-4778. |
| [38] | US EPA. Exposure factors handbook[R]. Washington, DC: US EPA, 2011. |
| [39] | Kong F J, Chen Y C, Huang L, et al. Human health risk visualization of potentially toxic elements in farmland soil: A combined method of source and probability[J]. Ecotoxicology and Environmental Safety, 2021, 211. DOI:10.1016/j.ecoenv.2021.111922 |
| [40] | 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]. |
| [41] | Manta D S, Angelone M, Bellanca A, et al. Heavy metals in urban soils: A case study from the city of Palermo (Sicily), Italy[J]. Science of the Total Environment, 2002, 300(1-3): 229-243. DOI:10.1016/S0048-9697(02)00273-5 |
| [42] | Yu B, Lu X W, Fan X Y, et al. Analyzing environmental risk, source and spatial distribution of potentially toxic elements in dust of residential area in Xi'an urban area, China[J]. Ecotoxicology and Environmental Safety, 2021, 208. DOI:10.1016/j.ecoenv.2020.111679 |
| [43] |
朱亮亮, 王佛鹏, 唐乐斌, 等. 柳州地源性镉异常区稻米重金属积累效应与健康风险[J]. 环境科学, 2022, 43(8): 4219-4231. Zhu L L, Wang F L, Tang L B, et al. Accumulation effects and health risks of heavy metals in rice in location-based cadmium anomaly area in Liuzhou[J]. Environmental Science, 2022, 43(8): 4219-4231. |
| [44] | Cao S Z, Duan X L, Zhao X G, et al. Health risk assessment of various metal (loid) s via multiple exposure pathways on children living near a typical lead-acid battery plant, China[J]. Environmental Pollution, 2015, 200: 16-23. DOI:10.1016/j.envpol.2015.02.010 |
| [45] | Li J, Li C, Sun H J, et al. Arsenic relative bioavailability in contaminated soils: Comparison of animal models, dosing schemes, and biological end points[J]. Environmental Science & Technology, 2016, 50(1): 453-461. |
| [46] | Roy P, Saha A. Metabolism and toxicity of arsenic: A human carcinogen[J]. Current Science, 2002, 82(1): 38-45. |
| [47] | Sah D, Verma P K, Kandikonda M K, et al. Pollution characteristics, human health risk through multiple exposure pathways, and source apportionment of heavy metals in PM10 at Indo-Gangetic site[J]. Urban Climate, 2019, 27: 149-162. DOI:10.1016/j.uclim.2018.11.010 |
| [48] | Rasmussen P E, Subramanian K S, Jessiman B J. A multi-element profile of house dust in relation to exterior dust and soils in the city of Ottawa, Canada[J]. Science of the Total Environment, 2001, 267(1-3): 125-140. DOI:10.1016/S0048-9697(00)00775-0 |
| [49] | Cai L M, Wang Q S, Wen H H, et al. Heavy metals in agricultural soils from a typical township in Guangdong Province, China: Occurrences and spatial distribution[J]. Ecotoxicology and Environmental Safety, 2019, 168: 184-191. DOI:10.1016/j.ecoenv.2018.10.092 |
| [50] | Li P Z, Lin C Y, Cheng H G, et al. Contamination and health risks of soil heavy metals around a lead/zinc smelter in southwestern China[J]. Ecotoxicology and Environmental Safety, 2015, 113: 391-399. DOI:10.1016/j.ecoenv.2014.12.025 |
| [51] | Chen J, Zhang J L, Qu M K, et al. Pollution characteristics and risk assessment of soil heavy metals in the areas affected by the mining of metal-bearing minerals in southwest China[J]. Bulletin of Environmental Contamination and Toxicology, 2021, 107(6): 1070-1079. DOI:10.1007/s00128-021-03378-2 |
| [52] |
王雪雯, 刘鸿雁, 顾小凤, 等. 地质高背景与污染叠加区不同土地利用方式下土壤重金属分布特征[J]. 环境科学, 2022, 43(4): 2094-2103. Wang X W, Liu H Y, Gu X F, et al. Distribution characteristics of heavy metals in soils affected by different land use types in a superimposed pollution area with high geological background[J]. Environmental Science, 2022, 43(4): 2094-2103. |
| [53] |
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. |
| [54] |
尹芳, 封凯, 尹翠景, 等. 青海典型工业区耕地土壤重金属评价及源解析[J]. 中国环境科学, 2021, 41(11): 5217-5226. Yi F, Feng K, Yi C J, et al. Evaluation and source analysis of heavy metal in cultivated soil around typical industrial district of Qinghai province[J]. China Environmental Science, 2021, 41(11): 5217-5226. |
| [55] |
周亚龙, 杨志斌, 王乔林, 等. 雄安新区农田土壤-农作物系统重金属潜在生态风险评估及其源解析[J]. 环境科学, 2021, 42(4): 2003-2015. Zhou Y L, Yang Z B, Wang Q L, et al. Potential ecological risk assessment and source analysis of heavy metals in soil-crop system in Xiongán new district[J]. Environmental Science, 2021, 42(4): 2003-2015. |
| [56] |
卢小慧, 余方中, 范一鸣, 等. 三门峡某铅厂遗留场地土壤重金属空间分布特征及来源解析[J]. 环境科学, 2023, 44(3): 1646-1656. Lu X H, Yu F Z, Fan Y M, et al. Spatial distribution characteristics and source analysis of heavy metals in soil of a lead plant in Sanmenxia[J]. Environmental Science, 2023, 44(3): 1646-1656. |
| [57] |
马杰, 刘萍, 刘今朝, 等. 重庆市煤矸山周边农用地土壤重金属污染评价和定量溯源解析[J]. 环境科学, 2022, 43(12): 5698-5709. Ma J, Liu P, Liu J Z, et al. Pollution evaluation and quantitative traceability analysis of heavy metals in farmland soils around the gangue heap of a coal mine in Chongqing[J]. Environmental Science, 2022, 43(12): 5698-5709. |
| [58] | Liu J, Liu Y J, Liu Y, et al. Quantitative contributions of the major sources of heavy metals in soils to ecosystem and human health risks: A case study of Yulin, China[J]. Ecotoxicology and Environmental Safety, 2018, 164: 261-269. DOI:10.1016/j.ecoenv.2018.08.030 |
| [59] | Chen H Y, Teng Y G, Lu S J, et al. Source apportionment and health risk assessment of trace metals in surface soils of Beijing metropolitan, China[J]. Chemosphere, 2016, 144: 1002-1011. DOI:10.1016/j.chemosphere.2015.09.081 |
| [60] | Niu L L, Yang F X, Xu C, et al. Status of metal accumulation in farmland soils across China: From distribution to risk assessment[J]. Environmental Pollution, 2013, 176: 55-62. DOI:10.1016/j.envpol.2013.01.019 |
| [61] | Jiang Y X, Chao S H, Liu J W, et al. Source apportionment and health risk assessment of heavy metals in soil for a township in Jiangsu Province, China[J]. Chemosphere, 2017, 168: 1658-1668. |
| [62] | Wang F F, Guan Q Y, Tian J, et al. Contamination characteristics, source apportionment, and health risk assessment of heavy metals in agricultural soil in the Hexi Corridor[J]. CATENA, 2020, 191. DOI:10.1016/j.catena.2020.104573 |
| [63] | Huang J H, Guo S T, Zeng G M, et al. A new exploration of health risk assessment quantification from sources of soil heavy metals under different land use[J]. Environmental Pollution, 2018, 243: 49-58. |