2024, Vol. 45
2. 内蒙古自治区水资源保护与利用重点实验室, 呼和浩特 010018
, SHI Xiao-hong1,2
, ZHAO Sheng-nan1,2 , LU Jun-ping1,2 , ZHANG Hao1 , LIU Ying-hui1 , GUO Xin1 , WANG Yan-jun1
2. Water Resources Protection and Utilization Key Laboratory, Inner Mongolia Agricultural University, Hohhot 010018, China
湖泊是地球生态系统重要的组成部分, 在人类涵养水源, 维持生态系统水循环过程中发挥着重要作用[1].伴随着城市化、工业化的快速发展, 大量重金属污染物富含在工业废水、生活污水、农田退水和工业废气中经地表径流和大气沉降等方式进入湖泊水环境系统中[2].重金属作为典型的积累性和非降解性污染物[3], 具有隐蔽性、持久性、不可逆性和高生物毒性的特点, 易通过沉淀和絮凝作用沉积到河流、湖泊和海洋底部, 进而造成沉积物中重金属含量超标, 危害水生生态环境.而当水环境发生变化时, 沉积物中重金属则会重新进入水体, 引发二次污染[4].沉积物作为湖泊生态系统的重要组成部分, 是水生动植物生长的重要场所[5], 沉积物中的重金属可通过水体生物代谢活动进入食物链, 进一步影响人类健康[6, 7].因此, 探究湖泊沉积物中重金属的分布及迁移规律对保护湖泊生态安全, 维持湖泊流域内生态平衡具有重要意义.
近年来国内外学者对湖泊沉积物重金属污染进行了大量研究, 发现矿石开采[8, 9]、金属冶炼[10 ~ 12]、农业生产活动[13, 14]、地质风化及大气降水[15, 16]等因素的影响会使沉积物重金属污染特征产生差异性, 而识别污染源是湖泊沉积物重金属污染防治的重要前提.目前, 多元统计分析是最常见的重金属污染源解析方法, 主成分分析法（PCA）、聚类分析法（CA）和相关性分析被广泛应用于不同介质中重金属污染源的分析与确认, 但常规的多元统计方法普遍只能对污染源进行定性分析, 难以获得污染元素的具体来源贡献[17], 因此往往需要使用受体模型来提高污染源的识别精度, 使分析结果定量化[18].受体模型主要包括化学质量平衡模型（CMB）, 正定矩阵因子分解模型（PMF）和绝对因子得分-多元线性回归模型（APCS-MLR）等, 其中APCS-MLR模型是基于主成分分析同时结合多元线性回归所得到的受体模型, 不仅能够定量确定不同重金属元素在各个污染源中的载荷, 还可以将不同污染源对某种重金属元素的贡献率进行量化呈现, 普遍被用于确定土壤[19, 20]、大气沉降[21]和沉积物[22]中的重金属来源分析.
乌梁素海是黄河流域内面积最大的湖泊, 也是全球荒漠化半荒漠化地区极为少见的大型多功能浅水湖泊[23], 是中国西北寒旱区重要的生态屏障.乌梁素海属于温带大陆性气候, 冬季寒冷漫长, 每年11月下旬左右开始结冰, 至翌年3月开始消融, 冰封期长达5个月左右.冰封期的存在使污染物在不同时期呈现出不同的分布迁移规律.由于地处河套灌区排灌尾端, 乌梁素海接纳了几乎整个河套地区的农田退水、工业废水和生活污水[24], 导致湖中重金属含量不断上升, 水质恶化严重.国内众多学者对乌梁素海重金属的研究主要集中于重金属在水体、冰体及沉积物中的污染评价[25]、赋存状态[26, 27]和空间分布特征[28]等, 而对冰封与非冰封不同期沉积物表层重金属的分布、潜在生态风险程度评估及差异性特征缺少深入分析研究, 尤其国内学者联合运用PCA法-APCS法-MLR模型展开沉积物重金属溯源研究尚鲜有成果报道.因此, 解析寒区湖泊表层沉积物中重金属冰封与非冰封期分布规律、评估潜在生态风险和开展污染源溯源对保护湖泊生态安全, 科学合理防治湖泊重金属污染具有重要意义.本文以乌梁素海表层沉积物重金属为研究对象, 重点分析了冰封期与非冰封期两个不同时期中As、Cd、Cr、Cu、Ni、Pb、Zn和Hg的空间分布特征, 评估了潜在生态风险等级、污染等级, 并基于主成分分析和绝对因子得分-多元线性回归模型（APCS-MLR）定量解析表层沉积物中重金属来源, 以期为乌梁素海重金属污染防治提供科学依据和理论性指导.
1 材料与方法 1.1 研究区概况乌梁素海位于内蒙古自治区乌拉特前旗境内（40°36'~41°03'N, 108°43'~108°57'E）, 湖区呈东西束窄, 南北狭长的形态, 现维持着4~5亿m3的蓄水量, 湖泊面积293 km2, 明湖岸线周长130 km, 平均水深为1.8 m, 是河套灌区的重要组成部分, 也是连通河套灌区和黄河的关键纽带.年平均气温为7.1℃, 四季温差较大, 降水稀少且主要集中于夏季.每年冰封期为4~5个月, 由于整体水深较浅, 所以湖泊冰封期冰厚普遍超过了水深的1/3.其补给水源主要是河套灌区的农田退水, 占总补水量的80%左右, 其次为工业废水、生活污水及周边山区洪水[29].
1.2 样品的采集与测定按照我国湖泊湿地调查规范, 综合考虑水文地质条件、支流汇水、航道分布和植物覆盖等实际情况, 按均匀分布的原则, 共布设了20个采样点（见图 1）.分别于2020年12月、2021年1月、2月（冰封期）及2021年6月、7月、8月（非冰封期）进行6次采样, 每次采样均由GPS提前定位, 保证采样位置的精确, 以进行原位采样, 共采集表层沉积物样品120个（冰封期及非冰封期各60个）.冰封期采样时先使用油锯将冰面打碎, 再使用抓斗式取泥器, 于冰上在每个采样点采集0~5 cm沉积物500 g, 各采样点在1 m×1 m的范围内采集3份平行样品, 现场混匀为一个样品放入聚乙烯塑封袋中.非冰封期采样时使用抓斗式取泥器采集表层沉积物, 采集时确保水面清澈, 样品采集后小心去除上覆水体, 选取未被扰动的沉积物上部0~5 cm部分作为表层沉积物, 每个采样点同冰封期采集3份表层沉积物, 混合后装入聚乙烯自封袋低温保存待测.
|
图 1 研究区表层沉积物采样点示意 Fig. 1 Sampling sites of surface sediment in the study area |
沉积物样品经过冷冻干燥后去除杂质, 研磨并过100目筛备用.采用微波消解法预处理重金属检测沉积物样品, 将样品经初筛、研磨后过100目筛, 称取0.10 g样品放入聚四氟乙烯管中, 依次加入4.5 mL盐酸、1.5 mL浓硝酸和1 mL氢氟酸后放入消解仪进行消解, 消解结束后加入1 mL高氯酸后将溶液赶酸至2 mL, 用0.22 μm水系滤膜过滤并定容至50 mL, 低温保存待测.本研究使用电感耦合等离子体质谱仪（ICP-MS, Agilent7700cx型）测定样品中的Ni、Pb、Cu、Cd、Cr、Zn. As和Hg的测定使用原子荧光光谱法（仪器：iCap Qa, 美国赛默飞世尔）.在重金属分析测定过程中, 通过设置空白对照组、平行对照组和标准物质组（国家土壤、沉积物成分标准物质GBW07451）对分析过程进行质量监控, 空白对照组中各重金属均远低于样品浓度, 平行对照组的测定结果的相对偏差 < 10%, 标准物质的回收率满足（100±20）%.本实验所用试剂均为优级纯, 实验用水均为超纯水, 实验所用的玻璃器皿在使用前均用10%的HNO3溶液浸泡24 h, 并依次用自来水和超纯水冲洗干净.
1.3 重金属污染评价方法 1.3.1 沉积物质量基准法（SQGs）由于我国尚未建立统一的湖泊沉积物环境质量标准, 本研究选取国际上应用较多的沉积物质量基准法（SQGs）来评估沉积物质量和水生生态系统的污染程度.该方法由MacDonald等[30]于2000年提出, SQGs法通过设置不同生态效应水平来确定相关污染物是否对湖泊水环境造成威胁, 具体包括阈值效应水平（TEL）和可能效应水平（PEL）, 当数值低于TEL时, 通常不会出现不良生物效应；当数值介于TEL和PEL之间时, 会偶尔出现不良生物效应；而当数值超过PEL时, 会频繁出现不良生物效应.
1.3.2 沉积物污染指数法沉积物污染指数法（SPI）被广泛应用于沉积物生态环境评价, 该方法通过综合各种重金属实测值来定量衡量沉积物重金属造成的的生态风险, 其计算公式为[31]：
|
(1) |
式中, Ci为第i种重金属实际测定值, mg·kg-1；Bi为内蒙古自治区水系沉积物重金属i的背景值, mg·kg-1；Tf为生态风险毒性系数.本研究中As、Cd、Cr、Cu、Ni、Pb、Zn和Hg的毒性系数见表 1, SPI值的重金属污染生态风险等级被分为自然状态（SPI < 2）、低风险（2≤SPI < 5）、中风险（5≤SPI < 10）、高风险（10≤SPI < 20）和极高风险（SPI > 20）共5个等级.
|
表 1 毒性系数及背景值 Table 1 Toxicity coefficient of heavy metal element soil background values |
1.3.3 地累积指数法
地累积指数法是广泛用于沉积物中重金属的评价方法[34], 其可定量分析特定点位中特定重金属的污染程度, 计算公式如下：
|
(2) |
式中, Igeo为地累积污染指数；Cn为重金属元素n的实测含量, mg·kg-1；Bn为所测重金属元素n的环境背景值, 本研究选取内蒙古自治区水系沉积物背景值见表 1；K为成岩过程中重金属元素含量的自然波动一般取定值1.5；Igeo与重金属污染水平的划分为：Igeo值小于0为无污染；0~1之间为轻度污染；1~2之间为偏中度污染；2~3之间为中度污染；3~4之间为偏重度污染；4~5为重度污染；大于5为极重度污染.
1.3.4 重金属生态风险评价方法本文采用Hakanson潜在生态风险指数法对不同时期乌梁素海沉积物重金属污染情况及生态风险进行综合评价.Hakanson潜在生态风险指数法[32]是目前最为常见一种的重金属质量评价方法, 通过综合考虑重金属元素的种类、含量、毒性及水体对其敏感程度等因素, 对重金属元素进行指标量化, 根据重金属潜在生态风险指数等级划分对重金属的潜在风险进行评级, 可综合反映沉积物中重金属的生态风险状况, 本文参照马建华等[35]所提出的研究方法对Hakanson所提出的原分级标准进行修正, 修正后具体分级标准见表 2, 计算公式如下：
|
|
表 2 潜在生态风险评价标准 Table 2 Potential ecological risk assessment indicators and classification in sediment |
|
(3) |
|
(4) |
|
(5) |
式中, Cfi为单项污染系数, Ci为第i种重金属的实测值, CNi为第i种重金属的背景参照值, Eri为第i种重金属的潜在生态风险参照值, Tri为第i种重金属的毒性系数, RI是多种重金属综合潜在生态风险指数.背景参照值及毒性系数见表 2.
1.4 重金属来源分析 1.4.1 相关性分析相关性分析（CA）是通过对两个或多个具有相关性的变量元素进行分析, 来衡量不同变量因素之间的相关密切程度的多元统计方法.通过分析不同重金属元素之间相关性, 可判断不同重金属是否具有相同或相似的来源[36].
1.4.2 绝对因子分析-多元线性回归受体模型绝对因子分析-多元线性回归受体模型（APCS-MLR）是通过对传统的主成分分析（PCA）进行改进得来的用于元素来源定量分析的方法, 其基本原理为将因子分析中的主因子得分转化为绝对主因子得分（APCS）, 再以各重金属含量为因变量, APCS计算结果为自变量进行多元线性回归（MLR）, 计算各因子对表层沉积物重金属污染的贡献率, 定量表征不同污染源对表层沉积物质量的共享, 得出各主成分对各重金属的影响程度.其主要分析过程和相关计算公式如下.
（1）将各重金属元素进行标准化处理, 经PCA分析得到归一化的因子得分.
（2）引入含量为0的人为样本, 并计算0含量样本的因子得分：
|
(6) |
（3）PCA归一化因子分数减Zi0得到绝对主成分因数（APCS）.
（4）以重金属含量为因变量, APCS为自变量, 进行多元线性回归, 通过回归系数计算每个重金属的源贡献量, 其计算公式为：
|
(7) |
式中, Ci为重金属i的实测值, Ci为重金属i的含量平均值, σi为该重金属元素的标准差, bi0为回归方程中的常数项, bpi为源p对重金属元素i的回归系数, APCSp为调整后因子p的分数, bpi× APCSp为源p对该元素的贡献量, 所有样本所计算的bpi× APCSp的平均值即为源p的贡献平均值.
1.5 数据处理方法利用Excel 2019进行数据整理, 利用SPSS 25.0进行相关性分析、主成分分析和绝对因子分析-多元线性回归受体模型分析, 利用ArcGIS 10.7完成重金属空间分布图, 其余图表的绘制由Origin 2021完成.
2 结果与讨论 2.1 不同时期表层沉积物重金属含量统计通过对不同时期表层沉积物含量的分析可知（表 3）, 冰封期8种重金属ω（As）、ω（Cd）、ω（Cr）、ω（Cu）、ω（Ni）、ω（Pb）、ω（Zn）和ω（Hg）平均值分别为：10.53、0.38、43.56、24.00、78.02、19.28、60.47和0.18 mg∙kg-1, 其中As、Cd、Cu、Ni、Zn和Hg共6种重金属的最大值超过了中国水系沉积物的背景值和内蒙古地区背景值.Ni的平均值超过了SQGs标准中的PEL值, 表明其极易引起生物毒性效应.As和Hg两种重金属的平均值高于TEL低于PEL, 两种重金属元素有引发生态毒性效应的可能.
|
|
表 3 不同时期表层沉积物重金属含量统计1） Table 3 Statistical analysis of heavy metal content in surface sediments during different periods |
在非冰封期ω（As）、ω（Cd）、ω（Cr）、ω（Cu）、ω（Ni）、ω（Pb）、ω（Zn）和ω（Hg）平均值分别为：22.55、0.13、43.18、23.11、109.20、21.81、70.20和0.24 mg∙kg-1, 其中As、Cd、Cu、Ni、Pb、Zn和Hg共7种重金属的最大值超过了中国水系沉积物背景值及内蒙古水系沉积物背景值, 其中Ni在非冰封期所有的采样点的含量均超过了上述两种背景值, 超标率为100%.As和Ni的平均含量超过了PEL的限值, 有极大的可能引起生物毒性效应.Hg和Cr的平均含量介于TEL和PEL之间, 也有引发生物毒性效应的可能.
总体来看, 表层沉积物中重金属在两个时期呈现出不同的规律, 各重金属含量范围变化较大.As、Ni、Pb、Zn和Hg在非冰封期的平均含量大于冰封期, Cu和Cd则表现为冰封期平均含量大于非冰封期平均含量, Cr在两个时期的含量平均值极为接近（冰封期：43.56 mg∙kg-1, 非冰封期：43.18 mg∙kg-1）, 且Cr变异系数小于0.5, 表明与其他重金属元素相比Cr的空间含量分布受人类活动相对影响较小.Cd和Hg两种重金属均属于高度变异, 且平均含量在两个时期均超过了内蒙古水系沉积物背景值, 表明人类活动对这两种重金属元素的影响时间可能持续全年.
2.2 不同时期表层沉积物重金属空间分布冰封期乌梁素海表层沉积物重金属的空间分布见图 2, 从中可知, 冰封期乌梁素海表层沉积物重金属呈现出中北部较高, 南部较低的特点.在冰封期As、Cd、Cr、Cu、Zn和Hg这6种重金属主要集中于湖区中部和北部, As和Cr在湖区南部航道及出水口附近也有较高的含量.Ni和Pb则呈现出与其他重金属不同的分布规律, Ni绝大部分高值含量集中于湖区中部的N13、P11和O10点, 在I12点的含量也较高.Pb含量的高值点在冰封期则主要集中于湖区南部O10点.
|
图 2 冰封期表层沉积物重金属含量空间分布 Fig. 2 Spatial distribution of heavy metal contents in surface sediments during ice-sealing period |
非冰封期乌梁素海表层沉积物重金属空间分布如图 3, 在非冰封期部分表层沉积物重金属元素呈现出与冰封期不同的空间分布规律, 其中Cd和Hg在非冰封期主要分布于湖区中部和南部.As、Cu、Pb和Zn的高含量点则主要集中于湖区的北部.Cr在非冰封期的分布主要集中于湖区中部, 但位于J11、K12等湖区北部的点位也有较高的含量.Cu的分布则呈现出与非冰封期相似的规律, 即湖区中部和北部的含量大于湖区南部的含量, 这表明Cu的分布在两个时期较为均衡, 受人类活动影响的可能性较小
|
图 3 非冰封期表层沉积物重金属含量空间分布 Fig. 3 Spatial distribution of heavy metal contents in surface sediments during non-ice-sealing period |
总体来看, 不同时期表层沉积物重金属分布规律存在差异, 表明表层沉积物中重金属的迁移转化会受到冬季冰盖的影响, 这与前期众多研究者对乌梁素海不同介质中其他污染物研究的结果相似[25, 26, 38].
2.3 不同时期表层沉积物重金属污染特征及生态风险评价 2.3.1 沉积物污染指数评价通过对整个研究区不同时期全部采样点的分析来看, 乌梁素海表层沉积物总体上处于中风险水平, 同时存在多种重金属的复合污染.乌梁素海冰封期和非冰封期SPI值分别介于4.40~9.53之间和5.86~9.92之间（图 4）, 冰封期和非冰封期的平均值为6.79和8.04, 整体上看非冰封期表层沉积物污染程度相对较高.在非冰封期全部的采样点都处于中风险水平.冰封期有I12、K12和N13共3个采样点处于低风险水平, 其余各采样点均处于中风险水平, 表明乌梁素海表层沉积物存在较为严重的污染.
|
红色表示SPI值较大, 蓝色表示SPI值较小 图 4 不同时期表层沉积物SPI值 Fig. 4 SPI values of surface sediments during different periods |
不同时期地累积指数统计结果见图 5, As、Ni、Pb、Zn和Hg的非冰封期地累积指数平均值大于冰封期平均值, Cd和Cu的冰封期地累积指数平均值大于非冰封期平均值, Cr在两个时期的地累积指数值相近.冰封期各重金属地累积指数平均值大小顺序为：Hg > Cd > Ni > Cu > As > Zn > Pb > Cr, 非冰封期地累积指数平均值大小顺序为：Hg > Ni > As > Cd > Cu > Zn > Pb > Cr.在两个时期Hg和Ni均是造成沉积物污染的主要元素.就污染程度来看在冰封期Hg有55%的采样点处于中度及以上污染水平, 在非冰封期全部的采样点均处于偏重度污染水平.Ni在冰封期有45%的采样点处于轻度污染, 有55%的采样点处于偏中度污染水平, 在非冰封期则有95%的采样点处于轻度污染水平, 5%的采样点处于偏中度污染水平.Cd在冰封期有80%的采样点处于轻度污染到中度污染水平之间, 在非冰封期则有30%的采样点处于轻度-偏中度污染水平.Zn在冰封期处于清洁状态, 在非冰封期仅有10%的采样点处于轻度污染水平.Cu在两个时期均有采样点处于轻度污染水平, 所占比例分别为20%和45%.As在冰封期无污染, 在非冰封期全部的采样点都处于轻度-偏中度污染水平.Cr和Pb在两个时期均处于清洁状态, 几乎对表层沉积物不造成污染.
|
（a）地累积指数箱线图, （b）重金属污染程度比例；A.冰封期, B.非冰封期 图 5 不同时期表层沉积物地累积指数分布 Fig. 5 Geoaccumulation index of surface sediments during different periods |
不同时期表层沉积物潜在生态风险统计结果见表 4, 从中可知, 在冰封期和非冰封期As、Cr、Cu、Ni、Pb和Zn的Eri值均小于40, 处于低生态风险水平.Hg和Cd在冰封期的Eri的平均值分别为358.27和79.49, 其中Hg有80%的采样点处于高生态风险和极高生态风险水平, Cd则有65%的采样点处于中生态风险到高生态风险水平之间.在非冰封期Hg在全部采样点都处于高生态风险和极高生态风险, Cd则有30%的采样点处于中等生态风险以上.因此Hg和Cd是造成两个时期表层沉积物生态风险的主要元素, 这与地累积指数的分析结果类似.Ni虽然污染程度较高但其所造成的潜在生态风险较低, 这与其毒性指数较低有关.
|
|
表 4 不同时期表层沉积物生态风险指数值 Table 4 Potential ecological risk index of heavy metals in surface sediments in different periods |
通过潜在生态风险指数（RI）结果可以得出, 在冰封期仅有15%的采样点处于轻度生态风险, 有12个采样点的RI值介于220~440之间, 处于较强生态风险水平；有2个采样点的RI值介于440~880之间, 处于强潜在生态风险水平.Hg和Cd不仅是表层沉积物中主要的污染物, 也是冰封期潜在生态风险的主要来源, 两种元素在冰封期对RI值的贡献率之和超过了90%, 远远大于其他6种重金属元素的贡献率.各个采样点非冰封期RI值普遍高于冰封期RI值, 有40%采样点的RI值介于440~880之间, 处于强潜在生态风险水平, 有25%采样点处于极强潜在生态风险水平.相较于冰封期, 非冰封期Hg和Cd对RI值的贡献率略有下降, 但这两种元素仍是造成非冰封期潜在生态风险的主要元素.As在非冰封期造成的生态风险相较于冰封期略有提高, 但仍处于轻度生态风险水平.综上所述, Hg和Cd是乌梁素海表层沉积物中造成生态风险的主要元素, 相较于其他元素, 这两种重金属对整个湖区生态风险的贡献率之和在两个时期均在90%以上, 是需要在今后的研究中重点关注的两种重金属元素.
2.4 沉积物重金属污染源解析 2.4.1 表层沉积物重金属相关性分析对表层沉积物8种重金属进行相关性分析, 根据相关系数的大小可初步判断不同重金属元素是否存在相同或相似的来源, 一般来说, 相关性系数越大表明不同重金属元素之间关联性越强, 同源的可能性越高[39].相关性分析的结果见图 6, 从中可知, 研究区表层沉积物中Cr、Cu和Zn这3种重金属元素两两之间呈显极著性正相关（P < 0.001）, 相关系数介于0.30~0.77之间, 表明这3种重金属元素之间具有较强的同源性；Hg、Pb和As这3种元素两两之间也在0.001水平上显著正相关, 相关系数介于0.46~0.66之间, 表明这3种重金属离子具有相似的地球化学行为或相同的来源；As与Cd和Cu分别在0.001水平和0.01水平上呈现显著负相关, 表明As与Cd和Cu之间可能存在拮抗作用[40], 具有相同来源的可能性很低.
|
红色表示正相关, 蓝色表示负相关；色带的深浅和圆圈的大小表示相关系数P值绝对值的大小；*、**和***分别表示在0.05、0.01和0.001水平上显著相关 图 6 乌梁素海表层沉积物相关性系数 Fig. 6 Correlation coefficients of heavy metals in surface sediments in Lake Ulansuhai |
通过主成分分析对表层沉积物重金属进行进一步解析, 结果显示KMO值为0.630（大于0.500）, Bartlett球形度检验结果为0.00（小于0.050）, 表明各重金属之间存在较强的相关性, 可以进行主成分因子分析, 并结合相关性分析结果, 设置因子系数为4, 结果见表 5, 前4个因子可累积解释总方差的83.10%, 可以代表原始数据所包含的大部分信息.其中第一主成分（PC1）的贡献率为30.03%, 重金属As、Pb和Hg的旋转后的载荷较高, 分别为0.805、0.856和0.894, 而这3种重金属之间两两在0.001水平上呈显著性正相关, 且各个时期空间分布规律类似, 各采样点平均含量普遍高于内蒙古水系沉积物背景值, 前文数理统计分析部分的结果显示在冰封期As、Pb和Hg这3种重金属的变异系数分别为33%、31%和50%, 在非冰封期变异系数分别为58%、52%和58%, 表明这3种重金属元素在非冰封期受人类活动影响相对较大, 有研究表明冰封期冰盖的存在会影响水-沉积物界面中污染物的地球化学行为[38], 导致污染物在冰封期的含量、空间分布及迁移转化规律产生变化, 同时冰盖的存在阻碍了大气沉降中重金属进入水体, 通常在矿石开采和煤化工等冶炼行业生产活动产生的废气、废渣和废水等会导致Hg和As含量的升高[41, 42], Pb的主要来源通常为交通尾气[2]、煤炭燃烧[40]以及铅锌矿的生产活动[43, 44], 考虑到乌梁素海临近乌拉山矿区, 采矿生产活动频繁, 根据前期研究结果显示[45], 矿区生产活动所排出的含Hg的废气经大气沉降进入乌梁素海水体占到总入湖量的近50%.经过对研究区域附近工矿企业生产活动的实地调查, 发现冰封期由于气候、生产成本和生产安全等诸多因素的实际考量, 各工矿开采企业往往会在冰封期降低生产强度和生产频率, 而在非冰封期, 矿石开采等工业活动更为频繁, 这可能是引起两个时期的数理统计结果产生差异的原因, 因此PC1可能主要代表采矿活动源.第二主成分（PC2）解释了总方差的25.68%, Cr、Cu和Zn在第二主成分当中具有较高的旋转载荷, 分别为0.588、0.918和0.911, 通过相关性分析可知, Cr、Cu和Zn这3种重金属相关性极强, 具有相同来源的可能性较高, 且3种重金属的变异系数均小于50%, 表明空间分布不显著, 受人为因素影响较小, Cr在两个时期的平均值均小于内蒙古水系沉积物背景值, Cu和Zn在两个时期的平均值略大于内蒙古水系沉积物背景值, 但低于中国水系沉积物背景值, 3种重金属所造成的污染指数和生态风险均较低, 多数研究表明Cr、Cu和Zn是受土壤环境生物地球化学作用和成土母质控制等自然因素影响较大的元素[2, 41, 46], 表明这3种重金属主要受自然过程的影响, 因此PC2主要代表成土母质风化等自然来源.第三主成分（PC3）当中只有Cd旋转载荷较高为0.944, 其解释总方差的17.16%, 由数理统计分析的结果可知, Cd的变异系数为75%, 在两个时期均有采样点位处于污染状态, 同时存在较高的生态风险, 表明Cd受人类活动影响较大, 而Cd是磷矿石中最常见的杂质, 在磷肥中的含量可达0.6 mg∙kg-1[47], 因此Cd通常被认作农业活动的标志性元素[8, 19, 40, 42, 48, 49], 是化肥和农药的主要成分, 乌梁素海上游河套灌区种植的农作物以玉米、小麦和向日葵为主, 每年会消耗大量的磷肥[50], 通过农田退水导致Cd富集在沉积物中, 因此PC3可能主要代表农业源.第四主成分（PC4）当中, 只有Ni具有较高的旋转载荷为0.974, 且Ni是引起水环境生态风险的主要重金属, 其在两个时期的含量均高于背景值, 根据变异系数, 有研究表明车辆轮胎和镀锌镍汽车零件的腐蚀会导致Ni含量的显著增高[51], 同时矿山尾矿和矿石冶炼厂所排放的废气中也会含有较多的Ni[52], 因此PC4可能为交通运输与大气沉降的混合源.
|
|
表 5 沉积物重金属元素旋转成分矩阵1） Table 5 Rotating component matrix of heavy metal content in sediments |
2.4.3 基于APCS-MLR模型的源解析和污染贡献率计算
基于APCS-MLR模型的原理, 将主成分分析中的因子分数转化为绝对因子分数（APCS）, 以绝对因子分数为自变量, 以沉积物中实测重金属含量为因变量进行多元线性回归分析, 将计算所得的各重金属元素拟合值与实测值进行拟合, 得到各元素的可决系数（R 2）, 结果表明As、Cd、Cr、Cu、Ni、Pb、Zn和Hg的R 2值分别为0.818、0.899、0.688、0.877、0.962、0.754、0.848和0.800, 各重金属元素R 2均大于0.6, 各重金属元素利用受体模型的预测含量与实测含量比值均接近于1, 表明APCS-MLR受体模型分析的结果与表层沉积物中重金属元素的拟合结果较好, 分析的可信度较高[17].由主成分分析的结果可知第一主成分和第四主成分主要受人类工业活动影响较大, 因此在APCS-MLR模型分析中将PC1和PC4归为人类工业活动共同分析.在主成分分析的基础上, 通过APCS-MLR模型计算出3个确定污染源的贡献率和1个未知污染源的贡献率.结果表明（图 7）, 研究区沉积物中主要来源于工业源的重金属为As、Ni、Pb和Hg, 工业源对这4种重金属贡献率分别为62.67%、75.31%、77.47%和80.11%；Cu和Zn的主要来源为自然源, 其贡献率分别为78.43%和82.65%；Cd的主要污染来源为农业源, 贡献率达到了81.57%；Cr的来源表现为受多种因素的共同影响, 工业源、自然来源、农业源和未知源的贡献率分别为22.48%、34.28%、20.84%和22.39%, 而在相关性分析中Cr与多种重金属呈现显著性相关, 在主成分分析中Cr在第二、三主成分也有相接近的载荷系数, 表明Cr除受成岩风化等自然因素的影响较大外, 人类活动在现阶段也对其空间分布和含量造成了一定影响.此外, 研究区表层沉积物中重金属的来源还受到一定程度未知来源的影响, 通常的未知源包括酸性废水的排放、养殖业中饲料的使用和燃煤等, 需要在未来的工作中进一步探究.APCS-MLR模型分析的表明, 表层沉积物中重金属的来源具有多源性, 单一重金属的来源往往受到多个影响因素共同作用的结果, 这与诸多的研究结果相一致[17, 19, 22, 46].
|
图 7 表层沉积物重金属污染源贡献率 Fig. 7 Contribution rate of heavy metal pollution sources in surface sediments |
基于上述分析的结果, 建议在上游河套灌区减少磷肥、氮肥的使用比例, 通过使用调理剂等方法调节农田pH, 提升肥力, 同时要及时对流域附近工矿企业进行检查和监督, 积极引进新的环保技术和设备, 工业废气、废水等要及时处理达标后排放, 采取物理方法和化学方法相结合的方式, 在源头上减少重金属污染物对水环境的破坏.
3 结论（1）研究区表层沉积物重金属中, As、Cd、Cu、Ni、Pb、Zn和Hg共7种重金属在冰封期的最大值超过了内蒙古水系沉积物背景值, 在冰封期Ni极易引起生物毒性效应, As和Hg也有引起生物毒性效应的可能性；在非冰封期中As、Cd、Cu、Ni、Pb、Zn和Hg共7种重金属的最大值超过了内蒙古水系沉积物背景值, As和Ni有极大的可能引起生物毒性效应, Hg和Cr也有引起毒性生态效应的可能.
（2）在不同时期研究区表层沉积物重金属呈现出不同的空间分布规律, 在冰封期高含量点主要集中于湖区中心和南部航道区域, 在非冰封期则主要集中于湖区南部和北部.
（3）沉积物质量评价法表明乌梁素海沉积物整体处于中低风险水平, 冰封期污染水平要高于非冰封期；地累积指数表明冰封期各重金属地累积指数平均值大小顺序为：Hg > Cd > Ni > Cu > As > Zn > Pb > Cr, 非冰封期地累积指数平均值大小顺序为：Hg > Ni > As > Cd > Cu > Zn > Pb > Cr, 在两个时期Hg和Ni均是造成沉积物污染的主要元素；生态风险指数计算结果为冰封期平均生态风险指数为472.61, 非冰封期平均生态风险指数为524.04, Hg和Cd是造成两个时期生态风险的主要元素.
（4）将PCA分析与APCS-MLR受体模型相结合的计算结果显示, 研究区表层沉积物重金属的主要来源为工业源、农业源和自然来源.主要受工业源影响的重金属有As、Ni、Pb和Hg, 贡献率分别为62.67%、75.31%、77.47%和80.11%, 农业活动对Cd含量的贡献率为81.57%, Cu和Zn主要来源为自然源, Cr的来源主要受自然因素的影响, 同时工业活动、农业活动和未知来源对Cr分别有22.48%、20.84%和22.39%的贡献率.
| [1] | Wang M H, Liu X Y, Yang B, et al. Heavy metal contamination in surface sediments from lakes and their surrounding topsoils of China[J]. Environmental Science and Pollution Research, 2021, 28(23): 29118-29130. DOI:10.1007/s11356-020-12091-2 |
| [2] |
杨安, 邢文聪, 王小霞, 等. 西藏中部河流、湖泊表层沉积物及其周边土壤重金属来源解析及风险评价[J]. 中国环境科学, 2020, 40(10): 4557-4567. Yang A, Xing W C, Wang X X, et al. Source and risk assessment of heavy metals in surface sediments of rivers, lakes and their surrounding soils in central Tibet[J]. China Environmental Science, 2020, 40(10): 4557-4567. DOI:10.3969/j.issn.1000-6923.2020.10.043 |
| [3] | Islam S, Hossain M B, Matin A, et al. Assessment of heavy metal pollution, distribution and source apportionment in the sediment from Feni River estuary, Bangladesh[J]. Chemosphere, 2018, 202: 25-32. DOI:10.1016/j.chemosphere.2018.03.077 |
| [4] | Xiao H, Shahab A, Li J Y, et al. Distribution, ecological risk assessment and source identification of heavy metals in surface sediments of Huixian karst wetland, China[J]. Ecotoxicology and Environmental Safety, 2019, 185. DOI:10.1016/j.ecoenv.2019.109700 |
| [5] |
尹宇莹, 彭高卓, 谢意南, 等. 洞庭湖表层沉积物中营养元素、重金属的污染特征与评价分析[J]. 环境化学, 2021, 40(8): 2399-2409. Yin Y Y, Peng G Z, Xie Y N, et al. Characteristics and risk assessment of nutrients and heavy metals pollution in sediments of Dongting Lake[J]. Environmental Chemistry, 2021, 40(8): 2399-2409. |
| [6] | Sun C Y, Zhang Z X, Cao H N, et al. Concentrations, speciation, and ecological risk of heavy metals in the sediment of the Songhua River in an urban area with petrochemical industries[J]. Chemosphere, 2019, 219: 538-545. DOI:10.1016/j.chemosphere.2018.12.040 |
| [7] | Ni X, Zhao G M, Ye S Y, et al. Spatial distribution and sources of heavy metals in the sediment and soils of the Yancheng coastal ecosystem and associated ecological risks[J]. Environmental Science and Pollution Research, 2023, 30(7): 18843-18860. |
| [8] |
李星谕, 李朋, 苏业旺, 等. 汤逊湖表层沉积物重金属污染与潜在生态风险评价[J]. 环境科学, 2022, 43(2): 859-866. Li X Y, Li P, Su Y W, et al. Pollution and potential ecological risk assessment of heavy metals in surface sediments of Tangxun Lake[J]. Environmental Science, 2022, 43(2): 859-866. |
| [9] | Dai L J, Wang L Q, Li L F, et al. Multivariate geostatistical analysis and source identification of heavy metals in the sediment of Poyang Lake in China[J]. Science of the Total Environment, 2018, 621: 1433-1444. DOI:10.1016/j.scitotenv.2017.10.085 |
| [10] | Lécrivain N, Aurenche V, Cottin N, et al. Multi-contamination (heavy metals, polychlorinated biphenyls and polycyclic aromatic hydrocarbons) of littoral sediments and the associated ecological risk assessment in a large lake in France (Lake Bourget)[J]. Science of the Total Environment, 2018, 619-620: 854-865. DOI:10.1016/j.scitotenv.2017.11.151 |
| [11] | Ji Z H, Zhang H, Zhang Y, et al. Distribution, ecological risk and source identification of heavy metals in sediments from the Baiyangdian Lake, Northern China[J]. Chemosphere, 2019, 237. DOI:10.1016/j.chemosphere.2019.124425 |
| [12] | Obrist D, Kirk J L, Zhang L, et al. A review of global environmental mercury processes in response to human and natural perturbations: Changes of emissions, climate, and land use[J]. Ambio, 2018, 47(2): 116-140. DOI:10.1007/s13280-017-1004-9 |
| [13] | Niu Y, Jiang X, Wang K, et al. Meta analysis of heavy metal pollution and sources in surface sediments of Lake Taihu, China[J]. Science of the Total Environment, 2020, 700. DOI:10.1016/j.scitotenv.2019.134509 |
| [14] | Kumar V, Sharma A, Pandita S, et al. A review of ecological risk assessment and associated health risks with heavy metals in sediment from India[J]. International Journal of Sediment Research, 2020, 35(5): 516-526. DOI:10.1016/j.ijsrc.2020.03.012 |
| [15] | Wang J M, Ge J W, Yang X J, et al. Distribution and ecological risk assessment of heavy metals in sediments of Dajiuhu Lake Wetland in Shennongjia, China[J]. Environmental Science and Pollution Research, 2023, 30(10): 25999-26011. |
| [16] | Tokatl C, Varol M. Variations, health risks, pollution status and possible sources of dissolved toxic metal(loid)s in stagnant water bodies located in an intensive agricultural region of Turkey[J]. Environmental Research, 2021, 201. DOI:10.1016/j.envres.2021.111571 |
| [17] |
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. |
| [18] |
庞阔, 李敏, 刘璐, 等. 基于蒙特卡洛模拟与PMF模型的黄河流域沉积物重金属污染评价及源解析[J]. 环境科学, 2022, 43(8): 4008-4017. Pang K, Li M, Liu L, et al. Evaluation and source analysis of heavy metal pollution in sediments of the Yellow River Basin based on Monte Carlo simulation and PMF model[J]. Environmental Science, 2022, 43(8): 4008-4017. |
| [19] |
张传华, 王钟书, 刘力, 等. 基于APCS-MLR受体模型和地统计法的矿区周边农用地土壤重金属来源解析[J]. 环境科学, 2023, 44(6): 3500-3508. Zhang C H, Wang Z S, Liu L, et al. Source analysis of soil heavy metals in agricultural land around the mining area based on APCS-MLR receptor model and geostatistical method[J]. Environmental Science, 2023, 44(6): 3500-3508. |
| [20] | Jia Z Y, Wang J X, Zhou X D, et al. Identification of the sources and influencing factors of potentially toxic elements accumulation in the soil from a typical karst region in Guangxi, Southwest China[J]. Environmental Pollution, 2020, 256. DOI:10.1016/j.envpol.2019.113505 |
| [21] |
石震宇, 卢俊平, 刘廷玺, 等. 典型生态脆弱区水库周边大气降尘重金属风险评价及APCS-MLR模型溯源[J]. 环境科学, 2023, 44(10): 5344-5355. Shi Z Y, Lu J P, Liu T X, et al. Risk assessment of heavy metals in dustfall around reservoirs in typical ecologically fragile areas and traceability based on APCS-MLR model[J]. Environmental Science:, 2023, 44(10): 5344-5355. |
| [22] | Chen C F, Lim Y C, Ju Y R, et al. Comparing the applicability of ecological risk indices of metals based on PCA-APCS-MLR receptor models for ports surface sediments[J]. Marine Pollution Bulletin, 2022, 185. DOI:10.1016/j.marpolbul.2022.114361 |
| [23] | Liu Y, Hao R N, Shi X H, et al. Application of a microplastic trap to the determination of the factors controlling the lakebed deposition of microplastics[J]. Science of the Total Environment, 2022, 843. DOI:10.1016/j.scitotenv.2022.156883 |
| [24] |
耿悦, 吕喜玺, 于瑞宏, 等. 乌梁素海悬浮颗粒物和沉积物有机碳同位素特征及来源[J]. 湖泊科学, 2021, 33(6): 1753-1765. Geng Y, Lv X X, Yu R H, et al. Isotopic characteristics and sources of organic carbon in suspended particulates and sediments in Lake Wuliangsuhai[J]. Journal of Lake Sciences, 2021, 33(6): 1753-1765. |
| [25] |
李卫平, 滕飞, 杨文焕, 等. 乌梁素海冰封期冰—水中污染物空间分布特征及污染评价[J]. 灌溉排水学报, 2020, 39(2): 122-128, 144. Li W P, Teng F, Yang W H, et al. Spatial distribution characteristics and pollution assessment of ice-water pollutants during the ice-sealing period in Wuliangsuhai[J]. Journal of Irrigation and Drainage, 2020, 39(2): 122-128, 144. |
| [26] |
孙驰, 王俊, 吴用, 等. 乌梁素海重金属在冰水介质中迁移效应研究[J]. 人民黄河, 2022, 44(8): 103-108. Sun C, Wang J, Wu Y, et al. Migration effect of heavy metals in ice water media of Lake Ulansuhai[J]. Yellow River, 2022, 44(8): 103-108. |
| [27] |
赵胜男, 史小红, 张汉蒙, 等. 乌梁素海水体重金属元素赋存形态模拟分析[J]. 生态环境学报, 2018, 27(2): 341-349. Zhao S N, Shi X H, Zhang H M, et al. Simulation on the species of heavy metals in Wuliangsuhai Lake water[J]. Ecology and Environmental Sciences, 2018, 27(2): 341-349. |
| [28] |
李卫平, 王晓云, 段浩洁, 等. 乌梁素海表层水中重金属元素的空间分布及生态风险评估[J]. 环境监测管理与技术, 2017, 29(5): 21-24, 32. Li W P, Wang X Y, Duan H J, et al. Spatial distribution and ecological risk assessment of heavy metal elements in surface water of Ulansuhai Lake[J]. The Administration and Technique of Environmental Monitoring, 2017, 29(5): 21-24, 32. DOI:10.3969/j.issn.1006-2009.2017.05.005 |
| [29] |
张帆, 史小红, 赵胜男, 等. 乌梁素海冰封期溶解氧的平衡性分析[J]. 湖泊科学, 2022, 34(5): 1570-1583. Zhang F, Shi X H, Zhao S N, et al. Equilibrium analysis of dissolved oxygen in Lake Wuliangsuhai during ice-covered period[J]. Journal of Lake Sciences, 2022, 34(5): 1570-1583. |
| [30] | MacDonald D D, Ingersoll C G, Berger T A. Development and evaluation of consensus-based sediment quality guidelines for freshwater ecosystems[J]. Archives of Environmental Contamination and Toxicology, 2000, 39(1): 20-31. DOI:10.1007/s002440010075 |
| [31] | Zhang J H, Li X C, Guo L Q, et al. Assessment of heavy metal pollution and water quality characteristics of the reservoir control reaches in the middle Han River, China[J]. Science of the Total Environment, 2021, 799. DOI:10.1016/j.scitotenv.2021.149472 |
| [32] | 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 |
| [33] |
刘汉粮, 聂兰仕, Shojin D, 等. 中蒙边界地区汇水域沉积物69种元素的背景值[J]. 地学前缘, 2020, 27(3): 202-221. Liu H L, Nie L S, Shojin D, et al. Background values of 69 elements in catchment sediments of the China-Mongolia boundary region[J]. Earth Science Frontiers, 2020, 27(3): 202-221. |
| [34] | Muller G. Index of geoaccumulation in sediments of the Rhine River[J]. GeoJournal, 1969, 2(3): 108-118. |
| [35] |
马建华, 韩昌序, 姜玉玲. 潜在生态风险指数法应用中的一些问题[J]. 地理研究, 2020, 39(6): 1233-1241. Ma J H, Han C X, Jiang Y L. Some problems in the application of potential ecological risk index[J]. Geographical Research, 2020, 39(6): 1233-1241. |
| [36] | Shi W C, Li T, Feng Y, et al. Source apportionment and risk assessment for available occurrence forms of heavy metals in Dongdahe Wetland sediments, southwest of China[J]. Science of the Total Environment, 2022, 815. DOI:10.1016/j.scitotenv.2021.152837 |
| [37] |
史长义, 梁萌, 冯斌. 中国水系沉积物39种元素系列背景值[J]. 地球科学, 2016, 41(2): 234-251. Shi C Y, Liang M, Feng B. Average background values of 39 chemical elements in stream sediments of China[J]. Earth Science, 2016, 41(2): 234-251. |
| [38] |
姜涛, 张生, 赵胜男, 等. 冰封期乌梁素海沉积物-水界面氨氮的交换特征[J]. 湖泊科学, 2019, 31(1): 81-87. Jiang T, Zhang S, Zhao S N, et al. Exchange characteristics of ammonia nitrogen at the water and sediment interface during the ice-sealing period in Lake Ulansuhai[J]. Journal of Lake Sciences, 2019, 31(1): 81-87. |
| [39] | Li Y Z, Chen H Y, Teng Y G. Source apportionment and source-oriented risk assessment of heavy metals in the sediments of an urban river-lake system[J]. Science of the Total Environment, 2020, 737. DOI:10.1016/j.scitotenv.2020.140310 |
| [40] |
叶盼青, 阿不都艾尼·阿不里, 孙小丽, 等. 天山北坡经济带土壤重金属来源及污染评价[J]. 中国环境科学, 2022, 42(10): 4704-4712. Ye P Q, Abliz A, Sun X L, et al. Source analysis and pollution assessment of soil heavy metals in the economic belt on the northern slope of Tianshan Mountains[J]. China Environmental Science, 2022, 42(10): 4704-4712. DOI:10.3969/j.issn.1000-6923.2022.10.028 |
| [41] |
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. |
| [42] | Wei J H, Hu K Y, Xu J Q, et al. Determining heavy metal pollution in sediments from the largest impounded lake in the eastern route of China's South-to-North Water Diversion Project: Ecological risks, sources, and implications for lake management[J]. Environmental Research, 2022, 214. DOI:10.1016/j.envres.2022.114118 |
| [43] | Chen Y Z, Ning Y Q, Bi X Y, et al. Pine needles as urban atmospheric pollution indicators: Heavy metal concentrations and Pb isotopic source identification[J]. Chemosphere, 2022, 296. DOI:10.1016/j.chemosphere.2022.134043 |
| [44] |
李强, 曹莹, 何连生, 等. 典型冶炼行业场地土壤重金属空间分布特征及来源解析[J]. 环境科学, 2021, 42(12): 5930-5937. Li Q, Cao Y, He L S, et al. Spatial distribution characteristics and source analysis of soil heavy metals at typical smelting industry sites[J]. Environmental Science, 2021, 42(12): 5930-5937. |
| [45] |
尹琳琳, 贾克力, 史小红, 等. 乌梁素海大气重金属沉降入湖通量初步估算[J]. 湖泊科学, 2014, 26(6): 931-938. Yin L L, Jia K L, Shi X H, et al. Atmospheric deposition characteristics and fluxes of heavy metals in Lake Ulansuhai[J]. Journal of Lake Sciences, 2014, 26(6): 931-938. |
| [46] |
汤金来, 赵宽, 胡睿鑫, 等. 滁州市表层土壤重金属含量特征、源解析及污染评价[J]. 环境科学, 2023, 44(6): 3562-3572. Tang J L, Zhao K, Hu R X, et al. Heavy metal concentration, source, and pollution assessment in topsoil of Chuzhou City[J]. Environmental Science, 2023, 44(6): 3562-3572. |
| [47] |
王越, 莫莉, 余新晓, 等. 粤北典型工矿区土壤重金属富集特征、来源解析及风险评价[J]. 环境科学, 2023, 44(3): 1636-1645. Wang Y, Mo L, Yu X X, et al. Enrichment characteristics, source apportionment, and risk assessment of heavy metals in the industrial and mining area of Northern Guangdong Province[J]. Environmental Science, 2023, 44(3): 1636-1645. |
| [48] |
陆志华, 蔡梅, 王元元, 等. 太湖沿岸区浅层底泥重金属污染分析及生态风险评价[J]. 湖泊科学, 2022, 34(2): 455-467. Lu Z H, Cai M, Wang Y Y, et al. Heavy metal pollution analysis and ecological risk assessment of shallow sediments in the coastal area of Lake Taihu[J]. Journal of Lake Sciences, 2022, 34(2): 455-467. |
| [49] | Wang J H, Wu H H, Wei W X, et al. Health risk assessment of heavy metal(loid)s in the farmland of megalopolis in China by using APCS-MLR and PMF receptor models: taking Huairou District of Beijing as an example[J]. Science of the Total Environment, 2022, 835. DOI:10.1016/j.scitotenv.2022.155313 |
| [50] |
娄帅, 杨树青, 刘瑞敏, 等. 内蒙古河套灌区向日葵增产氮磷肥优化配施模式研究[J]. 灌溉排水学报, 2020, 39(8): 35-43. Lou S, Yang S Q, Liu R M, et al. Optimizing nitrogen and phosphorus fertilization to improve sunflower yield in Hetao irrigation district[J]. Journal of Irrigation and Drainage, 2020, 39(8): 35-43. |
| [51] | Li D P, Yu R D, Chen J, et al. Ecological risk of heavy metals in lake sediments of China: A national-scale integrated analysis[J]. Journal of Cleaner Production, 2022, 334. DOI:10.1016/j.jclepro.2021.130206 |
| [52] |
沈宸宇, 闫钰, 于瑞莲, 等. APCS-MLR结合PMF模型解析厦门杏林湾近郊流域沉积物金属来源[J]. 环境科学, 2022, 43(5): 2476-2488. Shen C Y, Yan Y, Yu R L, et al. APCS-MLR combined with PMF model to analyze the source of metals in sediment of Xinglin Bay suburban watershed, Xiamen[J]. Environmental Science, 2022, 43(5): 2476-2488. |