2024, Vol. 45
2. 中国环境监测总站, 北京 100012;
3. 有机污染物环境化学行为与生态毒理重庆市重点试验室, 重庆 401147;
4. 国家环境保护环境监测质量控制重点实验室, 北京 100012
2. China National Environmental Monitoring Centre, Beijing 100012, China;
3. Key Laboratory of Organic Pollutants in Environmental Chemical Behavior and Ecological Toxicology of Chongqing, Chongqing 401147, China;
4. State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, Beijing 100012, China
煤炭作为中国最主要的一次能源, 约占我国一次能源消费总量的70%, 为我国国民经济快速增长做出了突出贡献, 但在开采和洗选过程中会产生大量煤矸石, 约占煤炭总产量的10%~15%[1 ~ 4]. 目前, 我国煤矸石堆存量已超70亿t, 已成为排放最多的工业废弃物之一[5]. 煤矸石长期大量堆存不仅造成土地资源浪费, 还会通过淋溶、风化和渗滤作用释放重金属等有毒有害物质, 并随地表径流迁移至周边土壤, 影响作物生长和威胁人体健康[6 ~ 9]. 有研究表明, 不同地区煤矸山对周边土壤影响程度各不相同, 但总体表现为距煤矸山越近, 重金属污染程度越重[10 ~ 13]. 鉴于土壤重金属污染成因较多, 除受煤矸山影响外, 还可能受工业排放、污水灌溉、农药化肥使用和成土母岩风化等因素影响[14 ~ 17]. 因此, 开展煤矸山周边土壤重金属源解析, 探索影响土壤重金属含量分布因素具有重要意义.
土壤重金属源解析主要包含源排放清单法和受体模型两类, 受体模型因不需要明确排放因子的传输过程和污染源成分谱, 且操作简便, 运行高效而被广泛应用[10, 18, 19]. 其中, 绝对因子得分-多元线性回归（absolute principal component scores-multiple linear regression, APCS-MLR）模型是最常用的受体模型之一, 以主成分分析（PCA）结果为基础, 计算因子绝对真实得分（APCS）, 再结合多元线性回归（MLR）计算污染源贡献率, 其优点在于能合理确定因子个数, 使解析结果定量化[7, 20 ~ 22].
然而, 受体模型中未考虑土壤重金属含量空间分布特征和环境因子之间的关系[23]. 因此, 有关学者应用王劲峰等开发的地理探测器（一种探测空间分异性, 并揭示其背后驱动力的统计学方法）, 探讨环境因子对重金属含量空间分布的影响力, 以及各因子交互后对重金属含量空间分布的影响力[24], 其优点在于地理探测器不仅能表征线性关系, 还能表征非线性关系, 能够有效避免因子间的冗余性和共线性的问题, 使分析精度更高和分析结果更全面[25]. 如龚仓等[26]利用地理探测器解释了镇域尺度下土壤Cd、Hg、As、Cu、Pb、Cr、Zn和Ni等8种重金属与15种环境因子的相互作用关系, 发现土壤重金属与土壤性质、地形和人类活动密切相关；Dong等[27]发现农业土壤Cd、Cu和Zn主要受土地利用和高程影响, Cd、Hg和Pb主要受年沉降通量影响, As主要受土壤性质、高程和年沉降通量影响；孙思静等[28]和Fei等[29]则将PMF受体模型和地理探测器联用, 通过纳入环境因子, 能更全面地反映影响研究区土壤重金属污染的来源和因素. 但当前将APCS-MLR模型与地理探测器联用的研究较少.
因此, 本研究选取重庆市某煤矸山周边土壤为研究对象, 测定土壤重金属Cd、Hg、Pb、Cr、Cu、Ni和Zn含量, 运用APCS-MLR模型开展土壤源解析, 考虑坡度、高程、土壤点位与煤矸山、居民点和主干道距离等5个环境因子, 运用地理探测器开展土壤影响因素分析, 以期为研究区土壤污染防治提供技术支撑, 为土壤污染来源分析提供研究思路.
1 材料与方法 1.1 研究区概况研究区位于重庆市綦江区南部, 海拔高度650~900 m. 研究区位于山谷之间, 北侧、东侧和南侧山体坡度较大, 以林地为主. 研究区则以旱地为主, 主要作物为玉米和蔬菜, 占地约30 hm2, 土壤以紫色土为主. 研究区内有2个居民集中区, 占地面积约2 hm2, 并有主干道贯穿其中, 出行便利. 研究区东侧为煤矸山, 占地面积约7 hm2, 高30 m, 堆存约40 a, 现已封场, 不再有新增煤矸石堆存. 2010年煤矸山和研究区之间修筑林地隔离带, 占地面积约3 hm2, 从现场调查看, 隔离带能有效防止煤矸石在地表径流作用下冲刷至耕地中（图 1）.
|
图 1 研究区区位和土壤采样点位分布示意 Fig. 1 Location of the study area and distribution of soil sampling |
为保证研究区点位布设具有代表性, 根据现场情况, 按照60 m×60 m的网格, 在面积较大的耕作田块上布设土壤监测点位, 共计19个（图 1）. 用双对角线5点混合法采集0~20 cm的表层土壤, 经自然风干后, 将测定Cd和Hg土壤过0.150 mm孔径筛, 经盐酸-硝酸-氢氟酸-高氯酸消解, 用石墨炉火焰原子吸收分光光度计（ZEEnit700P）测定Cd含量[30]；经硝酸-盐酸混合试剂在沸水浴中加热消解后, 用原子荧光光度计（AFS-9750）测定Hg含量[31]. 将测定Pb、Cr、Cu、Zn和Ni的土壤过0.075 mm孔径筛, 用X射线荧光光谱仪（S8 TIGER）测定其含量[32]. 测试过程加入1个平行样和1个土壤成分分析标准物质, 平行样中各重金属含量相对偏差均在8%以内, 标准物质各重金属含量也均在限值范围内, 符合质量控制要求.
1.3 研究方法 1.3.1 APCS-MLR模型APCS-MLR模型是将PCA和MLR相结合的受体模型, 以PCA结果作为基础, 然后计算APCS, 再结合MLR计算污染源贡献率[7, 19, 20]. 具体步骤如下：
首先, 对各重金属含量数据标准化, 并引入1个含量为0的人为样本, 计算各重金属0含量样本的因子分数, 如式（1）和式（2）：
|
(1) |
|
(2) |
式中, Zij为j种重金属第i个样本的含量标准化值, Cij为j种重金属第i个样本的含量值, Cj为j种重金属含量的平均值, δj为j种重金属含量的标准偏差. Zj0为j种重金属的0含量样本值.
其次, 由主因子得分减去0含量样本因子分数得到每个样本的APCS, 将APCS作为自变量, 各重金属含量为因变量进行多元线性回归分析, 利用回归系数计算各污染源对土壤重金属的贡献量, 如式（3）：
|
(3) |
式中, Cj为j种重金属的贡献量, bj0为j种重金属多元回归常数项, bpj为j种重金属对污染源p的回归系数, APCSp为绝对主成分因子得分, P为污染源个数, bpj ×APCSp为污染源p对Cj的贡献率.
1.3.2 地理探测器地理探测器是探测和利用空间分异性的工具, 通过计算分类后各自变量方差之和与因变量方差之和的比来衡量自变量对因变量的贡献[24, 26, 28], 本研究主要运用因子和交互2种探测器.
其中, 因子探测用于探测因变量的空间分异性以及各自变量对因变量影响程度的解释力, 如式（4）：
|
(4) |
式中, q为解释力, 值越大说明自变量X的影响程度越大；L为变量Y或自变量X的分类数；Nh为分类h的单元数, N为整个区域内的单元数, σ2为整个区域Y值的方差, σh2为分类h的Y值方差.
交互作用探测是通过探测2个自变量X同时作用后的q值, 并判断对变量Y的影响程度（表 1）.
|
表 1 自变量X对变量Y交互作用的类型 Table 1 Types of interactions of factors X on variable Y |
1.4 环境因子指标选取及数据处理
根据研究区实际勘察情况, 并考虑数据获取的难易程度, 选取坡度、高程、土壤点位距煤矸山距离、居民点距离和主干道距离等5个环境因子. 高程、土壤点位距煤矸山距离、居民点距离和主干道距离数据来自91卫图助手, 坡度数据通过ArcGIS 10.2提取. 采用自然断点法将5个环境因子分别划分为5类, 利用地理探测器GeoDetector软件进行分析. 利用SPSS 24.0软件进行APCS-MLR模型分析, 利用ArcGIS 10.2绘制空间分布, 利用Microsoft Office Excel 2013和Origin 2021完成绘图.
2 结果与讨论 2.1 土壤重金属含量及空间分布特征研究区土壤重金属含量如表 2所示. ω（Cd）、ω（Hg）、ω（Pb）、ω（Cr）、ω（Cu）、ω（Zn）和ω（Ni）均值分别为1.33、0.29、32.9、142、68.8、118和54.6 mg·kg-1. 与《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618-2018）中的风险筛选值相比, Cd均值高于风险筛选值, 其他重金属元素均值均低于风险筛选值, 说明Cd是研究区首要污染物.
|
|
表 2 土壤重金属含量统计情况 Table 2 Statistical characteristics of heavy metal concentrations in soil |
变异系数能反映变量的分散程度, 常用于反映土壤重金属受人为活动影响的程度, 当变异系数小于15%为弱变异, 15%~36%为中等变异, 大于36%为强变异[33]. 研究区土壤重金属变异系数表现为Cd（111%） > Hg（58.6%） > Cu（38.0%） > Pb（34.5%） > Zn（26.5%） > Ni（21.2%） > Cr（9.42%）. Cd和Hg为强变异, 说明受人为活动影响较大, Cr为弱变异, 说明受人为活动影响最小.
从空间分布看（图 2）, Cd、Hg和Pb分布具有相似性, 含量较大值出现在煤矸山周边, 且距煤矸山越远, 含量逐步降低. Cu、Zn和Ni分布具有相似性, 含量较大值出现在居民集中区和主干道附近. Cr含量较大值出现在居民集中区和煤矸山周边.
|
图 2 土壤重金属含量空间分布 Fig. 2 Spatial distributions of heavy metal contents in soil |
相关性分析能在一定程度上反映土壤重金属之间的同源性[17]. 研究区土壤重金属相关性结果表明（表 3）, Cd、Hg和Pb之间存在显著正相关关系（P < 0.01）, 相关系数介于0.63~0.77之间, 说明Cd、Hg和Pb可能存在同源性. 此外, Hg和Cr之间也存在显著正相关关系（P < 0.01）相关系数为0.72, 说明Hg来源相对复杂. Cu、Zn和Ni之间存在显著正相关关系（P < 0.01）, 相关系数介于0.60~0.73之间, 说明Cu、Zn和Ni可能存在同源性.
|
|
表 3 土壤重金属含量相关性分析结果1） Table 3 Correlation between the heavy metals in soil |
结合相关性分析结果, 开展主成分分析, 设置主因子数为3, 一般把因子载荷分为强载荷（> 0.75）、中等载荷（0.5~0.75）和弱载荷（0.3~0.5）, 因子载荷越高, 说明受影响程度越大[34]. 结果如表 4所示, 三因子累积解释率达88.3%, 第一主因子解释率为34.6%, 主要重金属元素为Cd、Hg和Pb, 旋转后载荷系数分别为0.951、0.833和0.802, 均表现为强载荷, 此外Cr旋转后载荷系数为0.373, 表现为弱载荷. 第二主因子解释率为33.1%, 主要重金属元素为Cu、Zn和Ni, 旋转后载荷系数分别为0.896、0.949和0.687, Cu和Zn表现为强载荷, Ni表现为中等载荷. 第三主因子解释率为20.6%, 主要重金属元素为Cr, 旋转后载荷系数分别为0.876, 表现为强载荷, 此外Ni旋转后载荷系数为0.623, 表现为中等载荷, Hg旋转后载荷系数为0.457, 表现为弱载荷.
|
|
表 4 主因子影响因素 Table 4 Influence factors of the principal factors |
2.2.2 APCS-MLR模型解析
以主成分分析结果为基础, 运用APCS-MLR模型分析, Cd、Hg、Pb、Cr、Cu、Zn和Ni拟合度R2分别为0.97、0.90、0.78、0.91、0.83、0.94和0.86, 说明拟合效果较好. 各因子和金属贡献率如图 3所示, 因子1、因子2和因子3贡献率分别为37.1%、36.2%和26.7%. 其中, 因子1中Cd、Hg和Pb贡献率最高, 分别为78.8%、62.9%和60.7%. 有研究表明, 煤矸石长期堆存, 重金属会在淋溶作用下以硫酸盐形式析出, 并迁移至周边土壤环境[35, 36]. 结合前述空间分布情况, Cd、Hg和Pb均表现为距煤矸山越近, 含量越高, 且相互之间具有显著相关关系. 因此, 推断因子1为矿业源, 受煤矸石长期堆存影响.
|
（a）各因子解释率, （b）各重金属解释率 图 3 APCS-MLR模型土壤重金属污染源贡献率 Fig. 3 Source contribution ratios of heavy metals in soil based on APCS-MLR model |
因子2中Cu、Zn和Ni贡献率最高, 分别为79.5%、78.5%和50.6%. 有研究表明, 长期施用有机肥、复合肥和农药等可能导致重金属在土壤中累积[15, 37]. 实地调查发现研究区耕地以施用畜禽粪便有机肥和磷肥为主. 沃惜慧等[38]研究表明, 在鸡粪中Cu、Zn和Ni含量较高, 而长期施用会增加耕地土壤重金属污染风险. 何梦媛等[39]研究表明, 猪粪带入Cu和Zn在耕作土壤中的累积率分别为76.4%~119%和14.2%~20.4%, 说明农业活动是研究区土壤Cu、Zn和Ni累积的因素之一. 此外, 有研究表明, Cd、Pb、Cu、Zn和Ni是常见的交通源, 如汽车轮胎、刹车片磨损、柴油燃烧和尾气排放等也可能造成周边土壤重金属累积[40 ~ 42]. 从空间分布看, 研究区Cu、Zn和Ni含量较大值还出现在居民集中区和主干道附近, 车流量相对较大, 同时Cd和Pb在因子2的贡献率也相对较大, 分别为19.4%和21.4%, 说明交通源是研究区土壤Cd、Pb、Cu、Zn和Ni累积的因素之一. 综上, 推断因子2为农业和交通混合源, 受农药化肥施用和交通排放共同影响.
因子3中Cr贡献率最高, 为69.4%. 从变异系数看, Cr变异系数为弱变异（9.42%）, 说明受人为活动影响最小, 这与大量研究认为Cr主要受成土母质等自然源影响一致[43 ~ 45]. 因此, 推测因子3为自然源, 主要受成土母岩风化等影响.
2.3 土壤重金属影响因素分析 2.3.1 因子探测5个环境因子的因子探测结果如图 4所示, Cd、Hg和Pb在环境因子“与煤矸山距离”解释力最强, 分别为0.52、0.31和0.44, 这与前述Cd、Hg和Pb空间分布和源解析结果一致, 说明与煤矸山距离越近, Cd、Hg和Pb含量越高. Cr、Cu、Zn和Ni在环境因子“与居民点距离”解释力最强, 分别为0.39、0.42、0.51和0.34, 这与Cr、Cu、Zn和Ni空间分布基本一致. 有研究表明, 耕作距离与聚落格局存在制约关系, 临近居民点和交通设施完善的耕地区域更容易被村民利用[46 ~ 48]. 因此, 可支撑APCS-MLR模型对Cu、Zn和Ni的解析结果, 即主要来源于农业和交通源影响. 而Cr的源解析表明主要受成土母岩风化等影响, 与因子探测存在差异, 其原因可能在于本次研究具有一定局限性, 并未选取成土母岩有关的环境指标. 此外, 农业和交通源对Cr的贡献率仅为1.1%, 也远低于矿业源（29.5%）, 与因子探测结果存在差异, 其原因可能是APCS-MLR模型主要分析两变量间的线性关系, 而地理探测器则分析两变量间的线性和非线性关系, 分析结果更全面, 应对源解析结果进行适当修正. 综上, “与煤矸山距离”和“与居民点距离”2个环境因子是影响重金属含量空间分布的主要因素.
|
图 4 环境因子对重金属影响程度的解释力 Fig. 4 Explanatory power of environmental factors on the degree of influence of heavy metals |
5个环境因子的因子交互作用探测结果如图 5所示, 7种重金属的不同影响因子交互后结果包括非线性增强和双因子增强, 各项交互后的值均高于单因子探测的值, 说明两两因子共同作用后, 对重金属影响力有一定提升, 这与有关研究发现土壤污染来源复杂, 重金属空间含量特征一般由多种影响因素相互作用的结论一致[25, 26, 28]. 如前所述, Cd、Hg和Pb在环境因子“与煤矸山距离”解释力最强, 分别与“坡度”交互后, 影响力提升最大, 为0.98、0.99和0.96, 说明Cd、Hg和Pb受“与煤矸山距离”和“坡度”复合影响. 从空间分布看, 距离煤矸山越近, 地势较为平坦, 坡度越小, 有研究表明, 煤矸石在自然条件下发生淋溶, 重金属会以硫酸盐形式析出, 通过雨水冲刷迁移至周边土壤中, 而土壤地面坡度小, 不利于在地表径流作用下重金属再次迁移[7, 49]. Cr、Cu、Zn和Ni在环境因子“与居民点距离”解释力最强, 分别与其他因子交互后, 发现影响力均有较大提升, 说明Cr、Cu、Zn和Ni受多因素复合影响.
|
矩阵中数字表示解释力（q） 图 5 环境因子交互后对重金属的影响程度 Fig. 5 Effect of interaction of different influencing factors on heavy metals |
（1）研究区土壤Cd是首要污染物, 从变异系数看, Cd和Hg为强变异, 受人为活动影响较大, Cr为弱变异, 受人为活动影响最小. 从空间分布看, Cd、Hg和Pb距煤矸山越近, 含量越高. Cu、Zn和Ni含量在居民集中区和主干道附近较大. Cr含量在居民集中区和煤矸山周边较大.
（2）土壤源解析结果表明, 研究区受矿业源、农业和交通源、自然源影响, 其中：矿业源主要受煤矸石长期堆存影响, 贡献率为37.1%, 污染因子以Cd、Hg和Pb为主；农业和交通源主要受农药化肥施用和交通排放共同影响, 贡献率为36.2%, 污染因子以Cu、Zn和Ni为主；自然源主要受成土母岩风化等影响, 贡献率为26.7%, 污染因子以Cr为主.
（3）因子探测结果表明, Cd、Hg和Pb在环境因子“与煤矸山距离”解释力最强, Cr、Cu、Zn和Ni在环境因子“与居民点距离”解释力最强. 交互作用探测结果表明, 因子两两交互后, 影响力均有提升, 说明土壤重金属空间含量分布特征受多因子复合影响.
（4）APCS-MLR模型和地理探测器联用, 可以在源解析和影响因素分析上相互验证, 使解析结果更加全面、准确和可靠, 能为研究区土壤污染防治提供技术支撑, 为土壤污染来源和影响分析提供研究思路.
| [1] | Hao Y, Zhang Z Y, Liao H, et al. China's farewell to coal: A forecast of coal consumption through 2020[J]. Energy Policy, 2015, 86: 444-455. DOI:10.1016/j.enpol.2015.07.023 |
| [2] |
刘峰, 曹文君, 张建明, 等. 我国煤炭工业科技创新进展及"十四五"发展方向[J]. 煤炭学报, 2021, 46(1): 1-15. Liu F, Cao W J, Zhang J M, et al. Current technological innovation and development direction of the 14th five-year plan period in China coal industry[J]. Journal of China Coal Society, 2021, 46(1): 1-15. |
| [3] | Wang J, Wei Z Y, Wang Q B. Evaluating the eco-environment benefit of land reclamation in the dump of an opencast coal mine[J]. Chemistry and Ecology, 2017, 33(7): 607-624. DOI:10.1080/02757540.2017.1337103 |
| [4] | Li J Y, Wang J M. Comprehensive utilization and environmental risks of coal gangue: a review[J]. Journal of Cleaner Production, 2019, 239. DOI:10.1016/j.jclepro.2019.117946 |
| [5] |
马杰, 佘泽蕾, 王胜蓝, 等. 重庆市煤矸山周边农产品镉健康风险评价及土壤环境基准值推导[J]. 环境科学, 2023, 44(9): 5264-5274. Ma J, She Z L, Wang S L, et al. Health risk assessment and environmental benchmark of cadmium in farmland soils around the gangue heap of coal mine, Chongqing[J]. Environmental Science, 2023, 44(9): 5264-5274. |
| [6] | Rodríguez R, Díaz M B, Vigil H, et al. Development of a user-friendly method to assess the present condition of old abandoned mining waste dumps in Asturias (Spain)[J]. International Journal of Mining, Reclamation and Environment, 2011, 25(1): 6-31. DOI:10.1080/17480930.2010.538548 |
| [7] |
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. |
| [8] | Wu D, Wang Y Y, Wang M C, et al. Basic characteristics of coal gangue in a small-scale mining site and risk assessment of radioactive elements for the surrounding soils[J]. Minerals, 2021, 11(6). DOI:10.3390/min11060647 |
| [9] |
尚誉, 桑楠. 煤矸石堆积区周边土壤重金属污染特征与植物毒性[J]. 环境科学, 2022, 43(7): 3773-3780. Shang Y, Sang N. Pollution characteristics and phytotoxicity of heavy metals in the soil around coal Gangue accumulation area[J]. Environmental Science, 2022, 43(7): 3773-3780. |
| [10] | Ma J, Shen Z J, Wang S L, et al. Source apportionment of heavy metals in soils around a coal gangue heap with the APCS-MLR and PMF receptor models in Chongqing, southwest China[J]. Journal of Mountain Science, 2023, 20(4): 1061-1073. DOI:10.1007/s11629-022-7819-2 |
| [11] | Jiang X, Lu W X, Zhao H Q, et al. Potential ecological risk assessment and prediction of soil heavy-metal pollution around coal Gangue dump[J]. Natural Hazards and Earth System Sciences, 2014, 14(6): 1599-1610. DOI:10.5194/nhess-14-1599-2014 |
| [12] | Alekseenko V A, Bech J, Alekseenko A V, et al. Environmental impact of disposal of coal mining wastes on soils and plants in Rostov Oblast, Russia[J]. Journal of Geochemical Exploration, 2018, 184: 261-270. DOI:10.1016/j.gexplo.2017.06.003 |
| [13] | Ge H, Feng Y, Li Y, et al. Heavy metal pollution diagnosis and ecological risk assessment of the surrounding soils of coal waste pile at Naluo coal mine, Liupanshui, Guizhou[J]. International Journal of Mining, Reclamation and Environment, 2016, 30(4): 312-318. DOI:10.1080/17480930.2015.1050840 |
| [14] | Liu C X, Wang C X, Li Y C, et al. Spatiotemporal differentiation and geographic detection mechanism of ecological security in Chongqing, China[J]. Global Ecology and Conservation, 2022, 35. DOI:10.1016/j.gecco.2022.e02072 |
| [15] | Atafar Z, Mesdaghinia A, Nouri J, et al. Effect of fertilizer application on soil heavy metal concentration[J]. Environmental Monitoring and Assessment, 2010, 160(1-4): 83-89. DOI:10.1007/s10661-008-0659-x |
| [16] | Chaoua S, Boussaa S, El Gharmali A, et al. Impact of irrigation with wastewater on accumulation of heavy metals in soil and crops in the region of Marrakech in Morocco[J]. Journal of the Saudi Society of Agricultural Sciences, 2019, 18(4): 429-436. DOI:10.1016/j.jssas.2018.02.003 |
| [17] |
马杰, 葛淼, 王胜蓝, 等. 基于源导向的农用地土壤重金属健康风险评估及优先控制因子分析[J]. 环境科学, 2024, 45(1): 396-406. Ma J, Ge M, Wang S L, et al. Health risk assessment and priority control factors analysis of heavy metals in agricultural soils based on source-oriented[J]. Environmental Science, 2024, 45(1): 396-406. |
| [18] |
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. |
| [19] |
马杰, 沈智杰, 张萍萍, 等. 基于APCS-MLR和PMF模型的煤矸山周边耕地土壤重金属污染特征及源解析[J]. 环境科学, 2023, 44(4): 2192-2203. Ma J, Shen Z J, Zhang P P, et al. Pollution characteristics and source apportionment of heavy metals in farmland soils around the gangue heap of coal mine based on APCS-MLR and PMF receptor model[J]. Environmental Science, 2023, 44(4): 2192-2203. |
| [20] | 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. DOI:10.1016/0004-6981(85)90132-5 |
| [21] | Xie D, Li X, Zhou T T, et al. Estimating the contribution of environmental variables to water quality in the postrestoration littoral zones of Taihu Lake using the APCS-MLR model[J]. Science of the Total Environment, 2023, 857. DOI:10.1016/j.scitotenv.2022.159678 |
| [22] |
于旦洋, 王颜红, 丁茯, 等. 近十年来我国土壤重金属污染源解析方法比较[J]. 土壤通报, 2021, 52(4): 1000-1008. Yu D Y, Wang Y H, Ding F, et al. Comparison of analysis methods of soil heavy metal pollution sources in China in last ten years[J]. Chinese Journal of Soil Science, 2021, 52(4): 1000-1008. |
| [23] | Shi T Z, Hu Z W, Shi Z, et al. Geo-detection of factors controlling spatial patterns of heavy metals in urban topsoil using multi-source data[J]. Science of the Total Environment, 2018, 643: 451-459. DOI:10.1016/j.scitotenv.2018.06.224 |
| [24] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [25] |
龚仓, 王顺祥, 陆海川, 等. 基于地理探测器的土壤重金属空间分异及其影响因素分析研究进展[J]. 环境科学, 2023, 44(5): 2799-2816. Gong C, Wang S X, Lu H C, et al. Research progress on spatial differentiation and influencing factors of soil heavy metals based on geographical detector[J]. Environmental Science, 2023, 44(5): 2799-2816. |
| [26] |
龚仓, 王亮, 王顺祥, 等. 基于地理探测器的镇域尺度土壤重金属含量空间分异及其影响因素分析[J]. 环境科学, 2022, 43(10): 4566-4577. Gong C, Wang L, Wang S X, et al. Spatial differentiation and influencing factor analysis of soil heavy metal content at town level based on geographic detector[J]. Environmental Science, 2022, 43(10): 4566-4577. |
| [27] | Dong S W, Pan Y C, Guo H, et al. Identifying influencing factors of agricultural soil heavy metals using a geographical detector: a case study in Shunyi district, China[J]. Land, 2021, 10(10). DOI:10.3390/land10101010 |
| [28] |
孙思静, 董春雨, 张好, 等. 基于PMF模型和地理探测器的土壤重金属源解析及影响因素分析[J]. 环境科学, 2024, 45(9): 5474-5484. Sun S J, Dong C Y, Zhang H, et al. Source and influence factors analysis of soil heavy metals based on PMF model and GeoDetector[J]. Environmental Science, 2024, 45(9): 5474-5484. |
| [29] | Fei X F, Lou Z H, Xiao R, et al. Contamination assessment and source apportionment of heavy metals in agricultural soil through the synthesis of PMF and GeogDetector models[J]. Science of the Total Environment, 2020, 747. DOI:10.1016/j.scitotenv.2020.141293 |
| [30] | GB/T 17141-1997, 土壤质量铅、镉的测定石墨炉原子吸收分光光度法[S]. |
| [31] | GB/T 22105.1-2008, 土壤质量总汞、总砷、总铅的测定原子荧光法第1部分: 土壤中总汞的测定[S]. |
| [32] | HJ 780-2015, 土壤和沉积物无机元素的测定波长色散X射线荧光光谱法[S]. |
| [33] |
郑永立, 温汉辉, 蔡立梅, 等. 基于PMF模型的县域尺度土壤重金属来源分析及风险评价[J]. 环境科学, 2023, 44(9): 5242-5252. Zheng Y L, Wen H H, Cai L M, et al. Source analysis and risk assessment of heavy metals in soil of county scale based on PMF model[J]. Environmental Science, 2023, 44(9): 5242-5252. |
| [34] | Liu C W, Lin K H, Kuo Y M. Application of factor analysis in the assessment of groundwater quality in a blackfoot disease area in Taiwan[J]. Science of the Total Environment, 2003, 313(1-3): 77-89. |
| [35] |
杨娅, 季宏兵. 新化矿区煤矸石中微量元素赋存形态及浸出特征[J]. 地球与环境, 2016, 44(1): 36-46. Yang Y, Ji H B. A study on chemical forms and leaching characteristics of trace elements in coal gangue from Xinhua coal mine in Guizhou province, China[J]. Earth and Environment, 2016, 44(1): 36-46. |
| [36] | Sun Y Q, Xiao K, Wang X D, et al. Evaluating the distribution and potential ecological risks of heavy metal in coal gangue[J]. Environmental Science and Pollution Research, 2021, 28(15): 18604-18615. |
| [37] | Wu H X, Ge Y. Excessive application of fertilizer, agricultural non-point source pollution, and farmers' policy choice[J]. Sustainability, 2019, 11(4). DOI:10.3390/su11041165 |
| [38] |
沃惜慧, 杨丽娟, 曹庭悦, 等. 长期定位施肥下设施土壤重金属积累及生态风险的研究[J]. 农业环境科学学报, 2019, 38(10): 2319-2327. Wo X H, Yang L J, Cao T Y, et al. Accumulation and ecological risk of heavy metals in greenhouse soil under long-term fertilization[J]. Journal of Agro-Environment Science, 2019, 38(10): 2319-2327. |
| [39] |
何梦媛, 董同喜, 茹淑华, 等. 畜禽粪便有机肥中重金属在土壤剖面中积累迁移特征及生物有效性差异[J]. 环境科学, 2017, 38(4): 1576-1586. He M Y, Dong T X, Ru S H, et al. Accumulation and migration characteristics in soil profiles and bioavailability of heavy metals from livestock manure[J]. Environmental Science, 2017, 38(4): 1576-1586. |
| [40] |
南维鸽, 董治宝, 薛亮, 等. 青藏高原重要交通国道路侧土壤重金属分布特征及生态风险评价[J]. 环境科学, 2024, 45(8): 4825-4836. Nan W G, Dong Z B, Xue L, et al. Distribution characteristics and ecological risk assessment of heavy metals in roadside soil of important transportation countries on the Qinghai-Tibet plateau[J]. Environmental Science, 2024, 45(8): 4825-4836. |
| [41] | Yan G, Mao L C, Liu S X, et al. Enrichment and sources of trace metals in roadside soils in Shanghai, China: a case study of two urban/rural roads[J]. Science of the Total Environment, 2018, 631-632: 942-950. |
| [42] | Lu S G, Bai S Q, Cai J B, et al. Magnetic properties and heavy metal contents of automobile emission particulates[J]. Journal of Zhejiang University Science B, 2005, 6(8): 731-735. |
| [43] | Huang J L, Wu Y Y, Sun J X, et al. Health risk assessment of heavy metal(loid)s in park soils of the largest megacity in China by using Monte Carlo simulation coupled with positive matrix factorization model[J]. Journal of Hazardous Materials, 2021, 415. DOI:10.1016/j.jhazmat.2021.125629 |
| [44] | Dong R Z, Jia Z M, Li S Y. Risk assessment and sources identification of soil heavy metals in a typical county of Chongqing Municipality, Southwest China[J]. Process Safety and Environmental Protection, 113, 275-281. |
| [45] | Liu H, Anwar S, Fang L Q, et al. Source apportionment of agricultural soil heavy metals based on PMF model and multivariate statistical analysis[J]. Environmental Forensics, 2024, 25(1-2): 40-48. |
| [46] |
李学东, 杨玥, 杨波, 等. 基于耕作半径分析的山区农村居民点布局优化[J]. 农业工程学报, 2018, 34(12): 267-273. Li X D, Yang Y, Yang B, et al. Layout optimization of rural settlements in mountainous areas based on farming radius analysis[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(12): 267-273. |
| [47] |
赵元, 胡月明, 张新长, 等. 农村居民点耕作距离空间分布特征估测分析[J]. 地理科学, 2016, 36(5): 760-765. Zhao Y, Hu Y M, Zhang X C, et al. Pattern of farming distance in rural area using ESDA[J]. Scientia Geographica Sinica, 2016, 36(5): 760-765. |
| [48] |
唐丽静, 王冬艳, 王霖琳. 基于耕作半径合理布局居民点研究——以山东省沂源县城乡建设用地增减挂钩项目区为例[J]. 中国人口·资源与环境, 2014, 24(6): 59-64. Tang L J, Wang D Y, Wang L L. Rational distribution of rural settlements based on farming radius —a case study in rural-urban construction land in Yiyuan County, Shandong Province[J]. China Population Resources and Environment, 2014, 24(6): 59-64. |
| [49] |
刘娟, 张乃明, 于泓, 等. 沘江两岸耕地土壤重金属径流迁移模拟研究[J]. 安全与环境学报, 2021, 21(4): 1823-1831. Liu J, Zhang N M, Yu H, et al. Simulated research on the heavy metal runoff migration from the farmland soil on the both sides of Bijiang River[J]. Journal of Safety and Environment, 2021, 21(4): 1823-1831. |