2025, Vol. 46
2. 安徽省矿山生态修复工程实验室, 合肥 230601;
3. 安徽建筑大学环境与能源学院, 合肥 230093;
4. 深部煤炭开采与环境保护国家重点实验室, 淮南 232001
2. Mine Ecological Restoration Engineering Laboratory of Anhui Province, Hefei 230601, China;
3. School of Environment and Energy, Anhui Jianzhu University, Hefei 230093, China;
4. State Key Laboratory of Deep Coal Mining and Environmental Protection, Huainan 232001, China
煤矸石是煤炭开采及洗选过程产生的伴生物, 尽管目前已有煤矸石制水泥、陶粒及其他复合材料的再利用方式, 但其资源利用化程度仍然较低[1, 2]. 煤矸石堆积不但占用大量土地资源, 而且煤矸石内部的有害重金属在降雨淋滤等作用下会不断释放到周边环境中. 重金属污染具有不可生物降解、持久性和隐蔽性强等特点, 易在不同环境介质中累积[3, 4]. 过量的重金属被摄入到人体内可对肾、肝脏和骨骼等造成损伤, 甚至导致严重的全身性健康问题[5]. 因此, 充分探究不同来源作用下的煤矸石堆积区土壤重金属健康风险, 有助于实现土壤重金属污染的精细化环境管理, 保护生态环境和人类健康.
有效地控制和缓解重金属污染需要准确地了解其来源. 以往研究常利用主成分分析和聚类分析等方法[6, 7], 结合重金属含量、空间分布和土地利用类型等信息, 以此实现定性判断重金属污染来源的目的. 受体模型如绝对主成分分析-多元线性回归（APCS-MLR）和PMF等的出现满足了定量计算各污染源贡献率的需求[8]. PMF作为一种受体模型和多元因子分析工具, 可用于量化不同来源对样本的贡献, 近些年被广泛应用于污染物来源解析[9 ~ 12]. PMF最早被开发用于大气污染的源解析, 随后被应用于水体、沉积物和土壤等环境介质[13]. PMF模型不需要测定源指纹谱以及气象和地形参数等信息, 并且相比于其他受体模型其具有能够处理低于检出限的数据以及可获得非负贡献度的优点[14]. 近年来有多项研究利用PMF模型联合多元统计和地统计学等方法实现了对农田土壤多种重金属来源的定量解析[15, 16]. 然而, 由于不同重金属所表现的生物毒性及有效性有显著差异, 从而产生对重金属含量贡献率高的污染源并未产生较高健康风险的现象[17, 18]. 为实现量化特定污染源健康风险的目的, 有学者通过系统整合源解析受体模型和健康风险评估模型, 提出重金属特定源-健康风险评价方法[19]. 该方法能够有效识别引发人体健康风险的优先控制污染源, 有助于区域健康风险的有效防控, 已在土壤[20]和水体[21]特定源健康风险评价研究中得到广泛应用.
淮南潘一矿是我国东部地区重要的煤炭生产基地, 长期的煤炭开采活动导致大量的煤矸石堆积. 煤矸石堆积区通常具有复杂的人类活动, 重金属污染来源广泛并在一定范围内发生叠加. 尽管已有研究[22, 23]对该区域土壤重金属污染特征进行过调查, 但在重金属来源解析和不同来源健康风险方面仍缺乏系统的研究. 因此, 本文以淮南潘一煤矸石堆积区为研究对象, 测定土壤中Cd、Zn、Cu、Fe、Mn、Ni、Cr和Pb等元素的含量, 分析重金属的污染特征；基于PMF模型定量解析土壤重金属污染源贡献, 并结合特定源-健康风险评价模型计算不同污染源的健康风险, 从而确定研究区优先控制污染源, 并进一步明确了不同来源健康风险贡献率的空间分布特征, 以期为煤矸石堆积区土壤重金属健康风险精准防控提供理论支撑.
1 材料与方法 1.1 研究区概况淮南市潘一矿位于潘集区境内, 是全国煤炭系统首批命名的15个现代化样板矿之一. 潘一矿于1983年12月投产使用, 2018年8月停止生产. 研究区地理位置坐标为东经116.81°~116.85°, 北纬32.79°~32.82°. 区域地处亚热带和暖温带的过渡地带, 四季分明, 季风气候明显, 雨热同季, 光照充足, 春季干旱多风, 夏季雨量集中, 秋季温和凉爽, 冬季干冷少雪；年平均气温15.3 ℃, 年降水量937.2 mm, 降雨集中在每年6~9月, 7月最多, 全年无霜期223.7 d.
煤矸石山位于研究区东南侧, 坡度为9.0°~52.5°, 平均高程为21.95 m, 最高位70.06 m, 占地面积约为67 607 m2, 煤矸石堆存量约780 000 m3. 煤矸石山表层经覆土处理, 覆土深度约1 m. 煤矸石山覆土及周边区域进行了人工复绿, 主要树种为杨树、女贞和水杉等. 研究区土地利用类型主要有耕地、林地和工矿仓储用地等, 有一省道沿东北-西南方向穿过. 通过搜集近年来发表的包括潘一矿在内的淮南煤矸石堆积区土壤重金属相关的研究[22 ~ 26], 发现土壤中重金属含量普遍超过或接近淮南土壤背景值, 对当地居民产生潜在的健康威胁. 因此, 探究该区域不同土壤重金属特定污染源健康风险具有重要的现实意义.
1.2 样品采集与处理本研究在综合考虑煤矸石山周边地形地貌、风向等环境条件的前提下, 根据研究区内农田、林地及煤矸石山等土地利用类型信息, 采用分区布点与网格布点结合的方法共采集50个表土（0~20 cm）样品, 其中包含15个煤矸石山表层覆土样品, 为使煤矸石山表层覆土样品更具代表性, 分中下两层采集. 每个采样点样品通过梅花布点法混合采集半径1 m内5个表层土壤样品, 混匀后利用四分法将1 kg左右土壤装入聚乙烯密封袋. 利用GPS标记采样点位置信息, 具体采样点位置见图 1.
|
图 1 采样点分布示意 Fig. 1 Distribution of sampling sites |
土壤样品经自然风干后, 去除植物残体及根系、石块等异物, 研磨后过100目尼龙筛, 放在聚乙烯密封袋中低温保存备用. 使用HNO3-HCl-HF-HClO4消解体系对样品进行微波消解, 经电感耦合等离子体质谱仪（ICP-MS, Agilent 7500cx, USA）测定样品中Cd、Zn、Cu、Fe、Mn、Cr、Ni和Pb元素含量. Cd、Zn、Cu、Fe、Mn、Cr、Ni和Pb检出限分别为0.005、0.03、0.04、0.5、0.05、0.001、0.003和0.004 mg·kg-1. 在测试过程中, 为了最大限度地降低灵敏度漂移所带来的影响, 每测试10个样品, 再加测1个已知浓度的标准溶液（QC）来进行外标校正. 采用国家土壤标准参照物（GSS-3a）进行质量控制, 每5个样品做1个平行样, 控制误差在5%左右.
1.3 PMF模型PMF模型是美国环境保护局推荐的源解析工具. 本研究借用PMF模型对土壤中重金属的主要污染源进行了识别和测定. 根据EPA PMF 5.0基本原理和使用指南（USEPA 2014）, 基本方程如下：
|
(1) |
式中, Xij 为第i个样品中第j种重金属的含量, g ik 为第k种源对第i个样品的贡献, f kj 为第k种源中第j种重金属的含量, e ij 为第i个样品中第j种重金属的残差矩阵. PMF解根据估计的数据不确定性 u 和对所有矩阵元素（ g ik 和 f kj ）的非负约束最小化目标函数 Q . 通过最小化目标函数 Q , 得到最优的因子贡献度和因子剖面矩阵：
|
(2) |
式中 u ij 为第i个样品中第j种重金属的不确定度. 不确定度计算如下：
|
(3) |
式中, c为重金属的含量, MDL为方法检出限, σ为标准偏差.
1.4 特定源-健康风险评估模型本研究采用USEPA提出的健康风险评价模型估算特定来源金属摄入量. 关注人群为儿童（1~17岁）和成年人（18岁以上）. 考虑到毒性参数的可获取性以及重金属含量的测定结果, 针对Cd、Zn、Cu、Ni、Cr和Pb这6种重金属进行非致癌风险评价, 对Cd、Cr、Ni和Pb这4种重金属进行致癌风险评价. 人类对土壤中重金属的暴露主要有经手-口接触摄入土壤、皮肤接触和呼吸系统吸入（USEPA 2016）. 特定污染源的健康风险计算公式如下：
|
(4) |
|
(5) |
|
(6) |
式中, Cijk为第i个样品中来自第k个来源的第j种重金属的含量, ADDij, ingk、ADDij, inhk和ADDij, derk分别为第i个样品中第k个来源的第j种重金属经手-口摄食途径、呼吸系统途径和皮肤接触这3种途径的土壤颗粒日均剂量[mg∙（kg∙d）-1], 公式中其它毒理学参数含义及数值参考Yang等[27]的研究.
非致癌风险计算公式如下：
|
(7) |
式中, HI k 为第k种污染源的危害指数（HI）. HQijk为危害系数, 即第i个样品中第k种来源的第j种重金属通过手口摄食途径、吸入途径和皮肤接触这3种途径的非致癌风险. 由于缺少多种重金属相互作用的证据, 因此多种非致癌金属所构成的危害指数根据每种金属的HQ之和利用公式确定（USEPA, 2009）. RfDing、RfDder和RfDinh分别为土壤手⁃口摄入、皮肤接触和吸入途径不同暴露途径下的毒性参考剂量.
致癌风险计算公式如下：
|
(8) |
式中, TCR k 为第k种污染源的总癌症风险（TCR）, CRijk为第i个样品中第k个来源的第j种重金属的癌症风险（CR）. SFing、SFder和SFinh分别为重金属通过土壤手⁃口摄入、皮肤接触和吸入途径的致癌斜率因子[mg∙（kg∙d）-1]. 美国环保署在综合风险信息系统（IRIS）中公布了不同暴露途径下的各种物质的毒理学参数, 上述RfD和SF值从IRIS数据库查询得出.
1.5 数据处理采用格拉布斯（Grubbs）法识别土壤测试数据中的异常值, 最终保留了48个表层土壤样点数据. 采用SPSS软件中的描述性统计功能对处理后数据进行统计分析；利用Origin 2023b软件进行图形绘制和相关性分析；采样点分布图和特定源健康风险空间分布图采用ArcGIS 10.8绘制；源解析采用EPA PMF 5.0（USEPA 2014）软件.
2 结果与讨论 2.1 重金属含量统计分析由表 1可知, 研究区表层土壤重金属ω（Cd）、ω（Zn）、ω（Cu）、ω（Fe）、ω（Mn）、ω（Ni）、ω（Cr）和ω（Pb）的区间分别为0.10 ~0.58、50.73~564.00、8.72~32.57、10 468~26 435、125.18~496.65、10.67~28.80、24.25~57.55和9.68~39.78 mg·kg-1, 平均值分别为0.28、135.04、18.42、18 349.03、277.76、20.06、41.84和19.28 mg·kg-1. 本文背景值采用陈兴仁等[28]的研究成果, 根据当地的地质背景以及物质来源进行综合考虑. 土壤样品中Cd和Zn平均值分别是背景值的4.65和2.16倍, 表明研究区土壤Cd和Zn污染应引起重点关注.
|
表 1 研究区重金属含量的描述性统计1） Table 1 Descriptive statistics of heavy metal concentration in the study area |
变异系数可用来衡量不同样点之间数据的变异程度, 以此判断控制土壤重金属空间分布差异的主要控制因素[29]. 根据变异系数的大小可以将其分为：低变异（< 16%）、中等变异（16%~36%）和高变异（> 36%）, 变异系数越大, 受人为因素影响的可能性越大[30]. 研究区8种重金属的变异系数大小排序为：Zn（67.80%） > Mn（35.93%） > Cd（34.93%） > Pb（31.36%） > Cu（30.87%） > Fe（24.52%） > Ni（22.53%） > Cr（21.87%）. Zn属于高变异, 其累积主要受人为因素影响, 其他7种重金属都属于中等变异范围, 受自然和人为因素的共同影响[31].
2.2 重金属污染源解析基于相关性强弱可推测不同重金属之间是否存在共同来源. 利用Origin 2024分析重金属之间的相关性, 在P < 0.05条件下得到Pearson相关系数. 相关性系数矩阵显示（图 2）, Cr和Ni之间相关性达到了0.97, 表明其来源可能相同. Cr、Ni、Mn和Fe元素相关系数大于等于0.8, Cu与Cr、Pb和Ni之间的相关系数大于0.7, 呈显著正相关, 说明其来源相似或者相同. Pb和Ni、Cr之间的相关系数大于0.5, Zn与Cu、Cr和Ni之间的相关系数介于0.35~0.45之间, Cd与Cu、Pb和Ni之间的相关系数在0.3~0.4之间, 其来源可能存在重叠. 上述之外其余重金属之间相关性较弱, 表明其来源存在较大差异或不同.
|
色柱表示相关性系数 图 2 重金属相关性系数矩阵 Fig. 2 Correlation coefficient matrix of heavy metals |
本研究应用PMF模型定量解析研究区土壤重金属污染来源的贡献. 通过现场实地踏勘, 确定可能的重金属污染端元数量, 设置模型的因子数为2~5, 起始种子数随机获取, 运行次数为20次. 为保证分析合理性设置不同的因子数以判断模型拟合效果, 结果表明因子数设置为4时, QRobust/Qtrue（104.8/104.8）趋于稳定且处于收敛最小值, 残差介于-3~3之间. 除Cu的决定系数R 2为最低（为0.687）外, 其余重金属的R 2均大于0.9. 上述结果表明PMF模型结果可信度高, 能够充分解析污染源信息, 输出的源成分谱及污染源贡献率见图 3和图 4.
|
图 3 PMF模型重金属污染源成分谱 Fig. 3 Composition spectrum of heavy metal pollution sources in PMF model |
|
图 4 源贡献分析结果 Fig. 4 Analysis results of source contribution |
因子1（F1）载荷较高的元素是Cd, 贡献率达51.3%. 此外F1同时对其他7种重金属元素具有一定的贡献, 范围在20%~30%之间. 张永康等[32]对某废弃煤矿区的研究结果表明, 煤矸石堆积导致矿区土壤多种重金属含量超标, 其中Cd污染最为显著. Jiang等[33]对吉林省煤矸石堆积区周围土壤的生态风险进行了评估, 结果显示Cd累积是导致研究区生态风险的主要因素. 根据土壤重金属含量描述性统计结果, Cd变异系数较高且含量平均值显著高于背景值, 相较于其他重金属污染更为严重, 与上述研究结果高度一致. 殷文文等[34]和徐仲雨等[35]对淮南矿区煤矸石重金属含量和生物有效性的调查发现Cd含量显著超过土壤背景值, 并且具有一定的迁移性. 因此推测F1是煤矸石堆积污染源.
因子2（F2）载荷较高的元素是Pb、Cd和Cu, 贡献率分别为30.6%、29.7%和27.5%. 相关性分析显示Pb、Cu和Cd这三者之间有一定相关性, 可能存在共同来源. 相关研究表明Pb元素是交通活动机动车尾气排放的标志性元素[36], 使用含铅汽油的机动车尾气排放后会导致Pb进入周边环境. Zhang等[37]对某工业区农田土壤的重金属Cd来源进行了研究, 结果表明交通活动是其来源之一. 此外, 使用含铜的汽车润滑油和轮胎磨损也是环境中Cu的重要来源[38, 39]. 根据以上可判断F2是交通活动污染源.
因子3（F3）载荷较高的元素是Mn、Fe、Cr和Ni, 贡献率分别为48.7%、45.7%、41.6%和41.3%. 研究区Mn、Cr和Ni元素含量平均值都低于当地背景值, 且Fe、Cr和Ni的变异系数在8种重金属元素中相对较低, 表明其受人为活动影响程度小. 根据相关性分析结果, Mn、Fe、Cr和Ni这4种元素之间具有较强的相关性, 表明4种元素有共同来源. 相关研究报道土壤中Cr、Ni、Fe和Mn主要来源于成土母质, 受自然来源影响控制[40, 41]. 因此F3可理解为一种自然母质成土来源.
因子4（F4）载荷较高的元素是Zn, 贡献率为72.2%. 研究区土壤中Zn元素变异系数高, 含量平均值高于背景值, 受人为活动影响强烈. 过量施用杀虫剂等农药和化肥会导致一定量的Zn输入到土壤中, 并在土壤环境中不断累积[42, 43]. Sun等[44]研究显示, 化肥施用等农业活动是宁波市城郊土壤中Zn的主要来源. 此外, 研究区农田灌溉用水主要取自周边沉陷区积水, 煤矸石堆积以及农业活动对沉陷区积水造成一定程度的重金属污染[45]. 水体中重金属可通过灌溉水污染途径迁移至土壤中, 已有研究表明长期的污水灌溉会造成农田土壤中重金属的积累[46]. 陈从磊等[47]在淮南某采煤沉陷区水体质量的调查中发现, 重金属Zn出现一定程度的污染现象, 含量超过了Ⅲ类地表水标准值. 基于上述讨论, F4可看做农药化肥施用以及污水灌溉混合的农业活动污染源.
综上讨论, 研究区土壤重金属共有4种来源：煤矸石堆积污染源、交通活动污染源、自然母质成土源和农业活动污染源, 来源贡献率分别为27.5%、16.4%、30.4%和25.6%.
2.3 源健康风险评价在健康风险计算结果的基础上, 明确了研究区两组人群分别遭受的特定来源非致癌与致癌风险, 具体健康风险值见表 2和表 3. 污染源对儿童和成人的重金属HI分别为：9.55E-01和9.97E-02. 当HQ和HI小于1时, 认为非致癌健康风险不严重, 如果大于1, 则可能出现显著的毒性效应（USEPA, 2009）. 本研究中单一重金属HQ对儿童的均小于1, 排序为：Zn > Pb > Cu > Cr > Ni > Cd, 表明单一重金属对儿童的非致癌风险均处于可接受水平. 然而儿童的总HI接近风险临界值, 相比于成人的HI高1个数量级. 此外部分元素未纳入健康风险的计算, 如As和Hg. As元素可通过饮食和吸入等途径进入人体, 导致神经系统和消化系统等疾病, 对人体健康造成一定风险[48]. 因此研究区实际HI在一定程度上高于本研究计算的HI, 说明土壤重金属对儿童引起的非致癌风险需要重点关注. 这可能是因为儿童在环境中暴露较多, 而成人对环境污染的危害具有一定的防护能力. 当CR和TCR超过1E-04时, 被认为是不可接受的水平, 而当CR和TCR低于1E-04时, 则不会产生显著的致癌效应（USEPA, 2009）. 本研究计算对儿童的CR排序为：Cr > Pb > Cd > Ni, 对成人的CR排序为：Cr > Cd > Pb > Ni. 土壤重金属Cr、Pb、Ni和Cd对研究区两组人群的CR都处于可接受范围之内.
|
|
表 2 不同来源重金属对两组人群非致癌风险评价 Table 2 Evaluation of non-carcinogenic health risks in two population groups from different sources of heavy metals |
|
|
表 3 不同来源重金属对两组人群致癌风险评价 Table 3 Evaluation of carcinogenic health risks in two population groups from different sources of heavy metals |
图 5显示了不同污染源对两组人群非致癌风险和致癌风险的贡献率大小. 4种来源对研究区两类人群非致癌风险的贡献排序均为：F4 > F1 > F2 > F3, 对致癌风险的贡献排序为：F3 > F1 > F4 > F2. 不同来源对HI和CR的贡献均低于风险临界值. 农业活动是造成非致癌风险的主要污染源, 其主要载荷元素是Zn, 对Cd、Cr和Ni等重金属也具有一定贡献. Zn是对维持人体健康重要的元素, 但在环境含量过高会对人体产生毒性效应[49]. F3对致癌风险的贡献最大, 并且其同样是研究区重金属含量的主要贡献者. Cr是F3的主要载荷元素之一, 具有较高的致癌风险. 已有研究表明自然来源会对人体健康风险产生较大的影响, 这与本研究的结果一致[50]. 鉴于研究区土壤重金属对成人的非致癌风险以及两组人群的致癌风险均处于可接受水平, 然而对儿童的非致癌风险接近风险临界值, 需要引起足够的重视. 由于F4为对儿童的非致癌风险贡献率最高（59.3%）, 因此农业活动是研究区土壤重金属人体健康风险防控的优先控制源.
|
内圈表述危害指数, 外圈表述总癌症风险 图 5 不同污染源对两组人群危害指数和总癌症风险的贡献率 Fig. 5 Contribution rates of different pollution sources to the hazard index and the total cancer risk for two groups of individuals |
进一步明确土壤重金属不同来源对儿童非致癌风险的贡献率空间分布（图 6）, 可为研究区健康风险防控提供更为现实的理论依据. F1对儿童非致癌风险在煤矸石山东侧小范围区域有较高贡献, 经现场调查发现该位置属于煤矸石山的汇水区域. 郝威铎[51]研究表明雨水淋滤是煤矸石堆积造成土壤污染的主要途径之一, 因此造成此现象的原因很大程度上是受煤矸石淋溶影响. 此外, 大气沉降作用是重金属向地表环境输入的主要途径之一, 煤矸石受风化侵蚀后转化为粉尘会向下风向区域迁移, 从而导致土壤重金属的累积[52]. 然而F1对煤矸石山西北区域（下风向）风险贡献率没有造成明显影响. 这是由于煤矸石覆土处理的方式一定程度上避免了煤矸石随大气沉降途径的迁移, 从而降低了煤矸石含有的重金属在研究区的流动性. F2和F3对儿童非致癌风险贡献率普遍低于20%, 风险贡献率空间分布没有明显特征. F4对儿童非致癌风险贡献率高值区在煤矸石山之外区域有大范围分布, 已有研究[4]报道农业活动对人体健康风险有重要的影响. 特别是持续的农业活动会导致重金属不断地输入到土壤, 从而可能导致农业活动对健康风险的影响越来越显著, 因此需要对农业活动的影响引起足够的重视. 建议采取针对性的环境管理措施以减少农药和化肥的使用, 保证研究区居民的健康安全.
|
图 6 不同来源对儿童非致癌风险的贡献率空间分布 Fig. 6 Spatial distribution of contribution rates from different sources to non-carcinogenic risks for children |
（1）研究区土壤重金属Cd、Zn含量平均值分别为土壤背景值的4.65和2.16倍, 其余重金属含量平均值均低于背景值. 土壤中Zn的空间差异性较大, 受人类活动影响最大.
（2）PMF源解析表明, 研究区土壤重金属来源可分为煤矸石堆积污染源、交通活动污染源、自然母质成土来源和农业活动污染源4种, 贡献率分别为27.5%、16.4%、30.4%和25.6%. Cd主要受煤矸石堆积的影响, 贡献率为51.3%；Mn、Fe、Cr和Ni主要受自然母质成土过程影响, 贡献率分别为48.7%、45.7%、41.6%和41.3%；Pb受交通活动和自然成土过程影响, 贡献率分别为30.6%和30.3%；Zn主要受农业活动影响, 贡献率为72.2%.
（3）研究区土壤重金属对成人的非致癌风险以及两组人群的致癌风险均处于可接受水平, 对儿童的非致癌风险接近风险临界值, 需要引起重点关注. 特定源-健康风险评价结果表明, 农业活动对儿童非致癌风险的贡献率最高（59.3%）, 是研究区土壤重金属人体健康风险的优先控制源.
（4）特定源对儿童非致癌风险空间分布表明, 煤矸石淋溶是造成煤矸石堆积对儿童非致癌健康风险的主要原因, 应加强煤矸石的资源化利用, 并对煤矸石淋滤液进行收集处理. 农业活动是研究区土壤重金属人体健康风险的主要贡献者, 应针对性采取相应的环境管理措施减少农药和化肥的使用.
| [1] |
全翠, 王福栋, 郭爱军, 等. 煤矸石基沸石分子筛的制备及其对CO2捕集性能研究[J]. 煤炭学报, 2024, 49(S1): 375-381. Quan C, Wang F D, Guo A J, et al. Synthesis of zeolite molecular sieve from coal gangue and its performance on CO2 capture[J]. Journal of China Coal Society, 2024, 49(S1): 375-381. |
| [2] |
李彦龙, 徐明远, 房振全, 等. 污泥/菱镁尾矿/煤矸石陶粒制备工艺优化研究[J]. 环境工程, 2023, 41(S1): 404-409. Li Y L, Xu M Y, Fang Z Q, et al. Study on the preparation process of sludge, magnesite tailings and coal gangue ceramsite[J]. Environmental Engineering, 2023, 41(S1): 404-409. |
| [3] | Clemens S, Aarts M G M, Thomine S, et al. Plant science: the key to preventing slow cadmium poisoning[J]. Trends in Plant Science, 2013, 18(2): 92-99. DOI:10.1016/j.tplants.2012.08.003 |
| [4] |
方嘉, 何影, 黄乃涛, 等. 基于PMF模型的农田土壤重金属源暴露风险综合评价: 以浙江省某电子垃圾拆解区为例[J]. 环境科学, 2023, 44(7): 4027-4038. Fang J, He Y, Huang N T, et al. Integrated analysis on source-exposure risk of heavy metals in farmland soil based on PMF model: a case study in the e-waste dismantling area in Zhejiang Province[J]. Environmental Science, 2023, 44(7): 4027-4038. |
| [5] | Dong M L, Huang R, Mao P, et al. Immobilization of cadmium by molecular sieve and wollastonite is soil pH and organic matter dependent[J]. International Journal of Environmental Research and Public Health, 2021, 18(10). DOI:10.3390/ijerph18105128 |
| [6] |
杨娅, 季宏兵. 贵州煤矿区表层土壤微量重金属污染风险评价[J]. 环境科学与技术, 2015, 38(S2): 365-373, 378. Yang Y, Ji H B. Study on trace heavy metals risk assessment in surface soils of coal mine area, Guizhou Province[J]. Environmental Science & Technology, 2015, 38(S2): 365-373, 378. |
| [7] |
张永慧, 麻冰涓, 张东, 等. 南太行山山前平原工业园区土壤重金属污染特征及来源[J]. 环境化学, 2017, 36(8): 1821-1830. Zhang Y H, Ma B J, Zhang D, et al. Contamination and sources of heavy metals in the soils of industrial cluster in piedmont plain of South Taihang Mountain[J]. Environmental Chemistry, 2017, 36(8): 1821-1830. |
| [8] |
戴文婷, 张晖, 吴霞, 等. 黄河流域山东段近河道煤矿区土壤重金属污染特征及源解析[J]. 环境科学, 2024, 45(5): 2952-2961. Dai W T, Zhang H, Wu X, et al. Pollution characteristics and source analysis of soil heavy metal in coal mine area near the Yellow River in Shandong[J]. Environmental Science, 2024, 45(5): 2952-2961. |
| [9] |
吴凯章, 刘明, 罗中华, 等. 大宝山矿区周边大气重金属来源与风险评估[J]. 中国环境科学, 2023, 43(12): 6270-6280. Wu K Z, Liu M, Luo Z H, et al. Sources and risk assessment of atmospheric heavy metals in the vicinity of Dabao Mountain mining area[J]. China Environmental Science, 2023, 43(12): 6270-6280. DOI:10.3969/j.issn.1000-6923.2023.12.005 |
| [10] |
杨晨晨, 王卓微, 李睿, 等. 蕉门水道沉积物重金属分布特征及定量源解析[J]. 中国环境科学, 2023, 43(9): 4819-4827. Yang C C, Wang Z W, Li R, et al. Spatial distribution and quantitative source identification of heavy metals in sediment cores of Jiaomen Waterway[J]. China Environmental Science, 2023, 43(9): 4819-4827. DOI:10.3969/j.issn.1000-6923.2023.09.040 |
| [11] |
李军, 高占栋, 台喜生, 等. 典型旅游城市土壤重金属特定源生态风险评价及优先控制源分析[J]. 环境科学, 2024, 45(8): 4837-4846. Li J, Gao Z D, Tai X S, et al. Identification priority source of heavy metals in urban soils based on source-specific ecological risk analysis in a typical tourist city[J]. Environmental Science, 2024, 45(8): 4837-4846. |
| [12] | Wang Y M, Zhang L X, Wang J N, et al. Identifying quantitative sources and spatial distributions of potentially toxic elements in soils by using three receptor models and sequential indicator simulation[J]. Chemosphere, 2020, 242. DOI:10.1016/j.chemosphere.2019.125266 |
| [13] | Lv J S. Multivariate receptor models and robust geostatistics to estimate source apportionment of heavy metals in soils[J]. Environmental Pollution, 2019, 244: 72-83. DOI:10.1016/j.envpol.2018.09.147 |
| [14] | Lei M, Li K, Guo G H, et al. Source-specific health risks apportionment of soil potential toxicity elements combining multiple receptor models with Monte Carlo simulation[J]. Science of the Total Environment, 2022, 817. DOI:10.1016/j.scitotenv.2021.152899 |
| [15] | Guan Q Y, Wang F F, Xu C Q, et al. Source apportionment of heavy metals in agricultural soil based on PMF: a case study in Hexi Corridor, northwest China[J]. Chemosphere, 2018, 193: 189-197. DOI:10.1016/j.chemosphere.2017.10.151 |
| [16] | Wang Z, Zhang J Q, Watanabe I. Source apportionment and risk assessment of soil heavy metals due to railroad activity using a Positive Matrix Factorization approach[J]. Sustainability, 2023, 15(1). DOI:10.3390/su15010075 |
| [17] | Guo G H, Wang Y T, Zhang D G, et al. Source-specific ecological and health risks of potentially toxic elements in agricultural soils in southern Yunnan Province and associated uncertainty analysis[J]. Journal of Hazardous Materials, 2021, 417. DOI:10.1016/j.jhazmat.2021.126144 |
| [18] |
李军, 李旭, 李开明, 等. 基于特定源-风险评估模型的兰州黄河风情线绿地土壤重金属污染优先控制源分析[J]. 环境科学, 2024, 45(4): 2428-2439. Li J, Li X, Li K M, et al. Identification priority source of heavy metal pollution in greenspace soils based on source-specific ecological and human health risk analysis in the Yellow River custom tourist line of Lanzhou[J]. Environmental Science, 2024, 45(4): 2428-2439. |
| [19] | 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 |
| [20] | Jiang H H, Cai L M, Hu G C, et al. An integrated exploration on health risk assessment quantification of potentially hazardous elements in soils from the perspective of sources[J]. Ecotoxicology and Environmental Safety, 2021, 208. DOI:10.1016/j.ecoenv.2020.111489 |
| [21] | Chen X, Fu X Y, Li G L, et al. Source-specific probabilistic health risk assessment of heavy metals in surface water of the Yangtze River Basin[J]. Science of the Total Environment, 2024, 926. DOI:10.1016/j.scitotenv.2024.171923 |
| [22] | Niu S P, Gao L M, Zhao J J. Heavy metals in the soils and plants from a typical restored coal-mining area of Huainan coalfield, China[J]. Environmental Monitoring and Assessment, 2017, 189(10). DOI:10.1007/s10661-017-6207-9 |
| [23] | Zhang W T, You M, Hu Y H. The distribution and accumulation characteristics of heavy metals in soil and plant from Huainan coalfield, China[J]. Environmental Progress & Sustainable Energy, 2016, 35(4): 1098-1104. |
| [24] |
郑永红, 张治国, 姚多喜, 等. 煤矿复垦区土壤重金属含量时空分布及富集特征研究[J]. 煤炭学报, 2013, 38(8): 1476-1483. Zheng Y H, Zhang Z G, Yao D X, et al. Characteristics of temporal-spatial distribution and enrichment of heavy metals in coal mine reclaimed soil[J]. Journal of China Coal Society, 2013, 38(8): 1476-1483. |
| [25] |
郑刘根, 李超, 程桦, 等. 采煤沉陷复垦区重金属分布特征及生态风险评价[J]. 水土保持学报, 2014, 28(4): 247-251. Zheng L G, Li C, Cheng H, et al. Distribution characteristics and ecological risk assessment of heavy metals in the mining subsidence reclamation area[J]. Journal of Soil and Water Conservation, 2014, 28(4): 247-251. |
| [26] | Tang Q, Li L Y, Zhang S, et al. Characterization of heavy metals in coal gangue-reclaimed soils from a coal mining area[J]. Journal of Geochemical Exploration, 2018, 186: 1-11. DOI:10.1016/j.gexplo.2017.11.018 |
| [27] | Yang S Y, He M J, Zhi Y Y, et al. An integrated analysis on source-exposure risk of heavy metals in agricultural soils near intense electronic waste recycling activities[J]. Environment International, 2019, 133. DOI:10.1016/j.envint.2019.105239 |
| [28] |
陈兴仁, 陈富荣, 贾十军, 等. 安徽省江淮流域土壤地球化学基准值与背景值研究[J]. 中国地质, 2012, 39(2): 302-310. Chen X R, Chen F R, Jia S J, et al. Soil geochemical baseline and background in Yangtze River–Huaihe River basin of Anhui Province[J]. Geology in China, 2012, 39(2): 302-310. DOI:10.3969/j.issn.1000-3657.2012.02.004 |
| [29] |
张春晖, 王明仕, 孙昂, 等. 人为-自然因素相互作用对沁河底泥重金属污染和空间分布的量化影响[J]. 环境科学学报, 2023, 43(9): 176-186. Zhang C H, Wang M S, Sun A, et al. Quantitative effects of anthropogenic and natural interactions on heavy metal pollution and spatial distribution in sediment of Qinhe River[J]. Acta Scientiae Circumstantiae, 2023, 43(9): 176-186. |
| [30] |
于路加, 马海军, 王翠平. 银川市黄河滩区土壤重金属污染特征、生态风险评价与来源解析[J]. 环境科学, 2024, 45(5): 2971-2982. Yu L J, Ma H J, Wang C P. Characteristics, ecological risk assessment, and source apportionment of soil heavy metals in the Yellow River floodplain of Yinchuan city[J]. Environmental Science, 2024, 45(5): 2971-2982. |
| [31] |
陈林, 马琨, 马建军, 等. 宁夏引黄灌区农田土壤重金属生态风险评价及来源解析[J]. 环境科学, 2023, 44(1): 356-366. Chen L, Ma K, Ma J J, et al. Risk assessment and sources of heavy metals in farmland soils of Yellow River irrigation area of Ningxia[J]. Environmental Science, 2023, 44(1): 356-366. |
| [32] |
张永康, 曹耀华, 冯乃琦, 等. 某废弃煤矿区土壤重金属污染风险评价[J]. 煤炭学报, 2024, 49(7): 3188-3198. Zhang Y K, Cao Y H, Feng N Q, et al. Risk assessment of heavy metals in the soil of an abandoned coal mine area[J]. Journal of China Coal Society, 2024, 49(7): 3188-3198. |
| [33] | 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 |
| [34] |
殷文文, 张理群, 丁丹, 等. 淮南潘一矿煤基固废精细化学结构及重金属生态风险评价[J]. 煤田地质与勘探, 2023, 51(12): 176-184. Yin W W, Zhang L Q, Ding D, et al. Coal-based solid waste from the Panyi Mine in the Huainan mining area: fine-scale chemical structure and ecological risk assessment of heavy metals[J]. Coal Geology & Exploration, 2023, 51(12): 176-184. DOI:10.12363/issn.1001-1986.23.05.0238 |
| [35] |
徐仲雨, 周春财, 孙浩, 等. 新庄孜矿区土壤重金属分布与来源分析[J]. 中国煤炭地质, 2017, 29(9): 41-44. Xu Z Y, Zhou C C, Sun H, et al. Soil heavy metal distribution and source analysis in Xinzhuangzi coalmine area[J]. Coal Geology of China, 2017, 29(9): 41-44. DOI:10.3969/j.issn.1674-1803.2017.09.08 |
| [36] | Zhou L F, Zhao X L, Meng Y B, et al. Identification priority source of soil heavy metals pollution based on source-specific ecological and human health risk analysis in a typical smelting and mining region of South China[J]. Ecotoxicology and Environmental Safety, 2022, 242. DOI:10.1016/j.ecoenv.2022.113864 |
| [37] | Zhang X W, Yan Y, Wadood S A, et al. Source apportionment of cadmium pollution in agricultural soil based on cadmium isotope ratio analysis[J]. Applied Geochemistry, 2020, 123. DOI:10.1016/j.apgeochem.2020.104776 |
| [38] |
杨昱莹, 刘亮, 陈明, 等. 长三角地区南京市表土重金属污染特征及源解析[J]. 中国环境科学, 2024, 44(7): 3910-3918. Yang Y Y, Liu L, Chen M, et al. Characterization and source analysis of topsoil heavy metal pollution in Nanjing, Yangtze River delta region[J]. China Environmental Science, 2024, 44(7): 3910-3918. |
| [39] | Zhao D, Wu Q, Zheng G D, et al. Quantitative source apportionment and uncertainty analysis of heavy metal(loid)s in the topsoil of the Nansi Lake nature reserve[J]. Sustainability, 2022, 14(11). DOI:10.3390/su14116679 |
| [40] | Liu H W, Zhang Y, Yang J S, et al. Quantitative source apportionment, risk assessment and distribution of heavy metals in agricultural soils from southern Shandong peninsula of China[J]. Science of the Total Environment, 2021, 767. DOI:10.1016/j.scitotenv.2020.144879 |
| [41] |
杨安, 王艺涵, 胡健, 等. 青藏高原表土重金属污染评价与来源解析[J]. 环境科学, 2020, 41(2): 886-894. Yang A, Wang Y H, Hu J, et al. Evaluation and source of heavy metal pollution in surface soil of Qinghai-Tibet plateau[J]. Environmental Science, 2020, 41(2): 886-894. |
| [42] | Jiang Y X, Chao S L, 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. DOI:10.1016/j.chemosphere.2016.11.088 |
| [43] | Alengebawy A, Abdelkhalek S T, Qureshi S R, et al. Heavy metals and pesticides toxicity in agricultural soil and plants: ecological risks and human health implications[J]. Toxics, 2021, 9(3). DOI:10.3390/toxics9030042 |
| [44] | Sun L, Carey M, Yang L, et al. Source identification of trace elements in peri-urban soils in eastern China[J]. Exposure and Health, 2019, 11(3): 195-207. DOI:10.1007/s12403-018-0290-1 |
| [45] |
任永乐, 董少春, 姚素平. 淮南塌陷塘重金属空间分布特征研究[J]. 煤田地质与勘探, 2018, 46(1): 125-134. Ren Y L, Dong S C, Yao S P. Spatial distribution characteristics of heavy metals in Huainan subsidence pond[J]. Coal Geology & Exploration, 2018, 46(1): 125-134. DOI:10.3969/j.issn.1001-1986.2018.01.022 |
| [46] |
刘德新, 孟凡磊, 段海静, 等. 基于APCS-MLR和PMF的污灌与工业复合区农田土壤重金属来源解析[J]. 环境科学, 2024, 45(8): 4812-4824. Liu D X, Meng F L, Duan H J, et al. Analysis of heavy metal sources in farmland soil of sewage irrigation and industrial complex area based on APCS-MLR and PMF[J]. Environmental Science, 2024, 45(8): 4812-4824. |
| [47] |
陈从磊, 谢毫, 陈业禹, 等. 淮南迪沟采煤沉陷区水体水质特征与评价[J]. 水资源与水工程学报, 2021, 32(2): 58-65. Chen C L, Xie H, Chen Y Y, et al. Evaluation and characteristics of surface water quality of Digou coal mining subsidence area in Huainan[J]. Journal of Water Resources & Water Engineering, 2021, 32(2): 58-65. |
| [48] | Zhang L Q, Zhou H H, Chen X, et al. Study of the micromorphology and health risks of arsenic in copper smelting slag tailings for safe resource utilization[J]. Ecotoxicology and Environmental Safety, 2021, 219. DOI:10.1016/j.ecoenv.2021.112321 |
| [49] | Skierszkan E K, Mayer K U, Weis D, et al. Molybdenum and zinc stable isotope variation in mining waste rock drainage and waste rock at the Antamina mine, Peru[J]. Science of the Total Environment, 2016, 550: 103-113. DOI:10.1016/j.scitotenv.2016.01.053 |
| [50] | Wu J, Li J, Teng Y G, et al. A partition computing-based positive matrix factorization (PC-PMF) approach for the source apportionment of agricultural soil heavy metal contents and associated health risks[J]. Journal of Hazardous Materials, 2020, 388. DOI:10.1016/j.jhazmat.2019.121766 |
| [51] |
郝威铎. 煤矸石堆放对土壤、水体和植物的环境影响-案例研究[D]. 徐州: 中国矿业大学, 2015. Hao W D. Environmental impacts of coal mine wastes stacking on the soil, waterbody and vegetation-cases study[D]. Xuzhou: China University of Mining and Technology, 2015. |
| [52] |
季丽英, 周来, 冯启言, 等. 某矿区煤矸石堆周围土壤重金属污染特征研究[J]. 矿业安全与环保, 2007, 34(1): 14-16. Ji L Y, Zhou L, Feng Q Y, et al. Study on heavy metal pollution of soil nearby coal gangue dump in a coal mining area[J]. Mining Safety & Environmental Protection, 2007, 34(1): 14-16. DOI:10.3969/j.issn.1008-4495.2007.01.006 |