2025, Vol. 46
2. 长安大学旱区地下水文与生态效应教育部重点实验室, 西安 710064
2. Key Laboratory of Subsurface Hydrology and Ecological Effect in Arid Region, Ministry of Education, Chang'an University, Xi'an 710064, China
随着城市化进程的加快及大批工业的发展, 产生了大量的污染物进入河流周边土壤, 导致河流周边土壤环境严重污染[1].河流是水生生态系统的重要组成部分, 也是人类生产生活的重要水源地, 河流周边土壤环境质量直接影响人类用水安全[2].重金属易累积、难降解, 是土壤中危害性最严重的污染物之一[3], 富集在土壤中会影响农作物的产量和质量, 并通过食物链累积在人体中, 严重威胁人类健康[4], 还会通过水土流失和雨水冲刷等方式进入河流, 成为河流重金属污染的源[5].因此, 研究流域土壤重金属风险来源对河流周边城市污染防治和人体健康具有重要意义.
针对流域土壤重金属污染, 国内外学者从其污染特征[6]、源解析[7, 8]和风险评价[9 ~ 11]等方面展开了大量研究.颜常春等[7]利用单因子指数和内梅罗指数法评价了北京市密云水库上游周边土壤重金属污染特征, 并通过相关性分析和主成分分析发现其土壤重金属来源于矿山开采、选矿及运输等活动.黄华斌等[8]基于正定矩阵因子分解(positive matrix factorization, PMF)模型识别了九龙江流域农田土壤重金属主要来自于自然源、农业活动、燃煤释放和工业活动.彭超月等[9]运用相关性分析、主成分分析和绝对因子得分-多元线性回归(APCS-MLR)定量解析了黄河下游饮用水源地土壤重金属来源于: 自然源、交通源、农业源, 通过地累积指数与污染负荷指数发现研究区整体处于轻度污染水平.Gao等[10]利用地累积指数、潜在生态风险模型及人体健康风险模型等评价了桂江中游流域土壤重金属污染水平及风险, 发现研究区整体处于轻度至中度污染, Hg和Cd的污染程度严重, As和Cr具有显著的健康危害.施建飞等[11]利用单因子污染指数、污染负荷指数、潜在生态风险指数和生态风险预警指数对额尔齐斯河流域尾矿库区周边土壤重金属污染程度以及生态风险进行评价, 发现研究区土壤呈现重度污染, 土壤潜在危害程度等级处于很强生态风险水平, 生态风险预警水平处于重度预警.对于土壤重金属源解析方法, 相关性分析、主成分分析等多元统计方法仅能识别重金属来源而无法量化各污染源贡献率, 绝对主成分/多元线性回归模型和PMF模型等受体模型不仅可以识别源也能定量解析各污染源贡献率, 其中PMF模型可以根据每个土壤样品中重金属的浓度识别源和贡献率, 操作简单并无需源成分谱, 是目前常用的源解析方法之一[12].上述研究分别对流域土壤重金属的来源和环境风险展开了研究, 但少有将重金属来源与其生态风险结合进行基于源的生态风险研究.受地理环境和人类活动的影响, 土壤重金属来源复杂, 不同来源对土壤造成的生态风险也不同, 仅通过对土壤重金属的源解析并不能有效识别优先控制污染源[13].已有学者们通过将PMF模型或APCS-MLR模型与风险评价模型相结合, 提出了重金属污染特定源生态风险评价方法[14 ~ 16], 如李军等[17]用APCS-MLR模型定量解析重金属的污染源及其相对贡献, 并结合综合生态风险指数和人体健康风险评估模型来定量解析了兰州黄河风情线绿地土壤重金属不同污染源的生态和健康风险贡献率, 从而确定As和Ni为优先控制元素, 自然-农业源为优先控制污染源.上述研究虽然量化了不同污染源的生态风险, 但没有考虑地理环境要素和空间数据分层异质性对土壤重金属累积的影响.地理探测器是基于空间分层异质性理论探索环境因素与因变量的相互关系, 其广泛应用于土壤重金属污染影响机制的研究中[18].为此, 本文将PMF模型和潜在生态风险评价模型相结合, 构建了基于源的潜在生态风险评价模型, 并采用地理探测器模型, 综合考虑土壤母质、高程、土地利用类型和距离因子等环境要素对土壤重金属污染的影响, 揭示土壤重金属生态风险污染源及其主要影响因子.
金陵河是渭河北岸较大的支流, 供应宝鸡市内工业用水和农业灌溉.研究区所在的金陵河下游是宝鸡市的老城区, 该流域人口众多, 交通密集、工业活动频繁, 对该流域土壤重金属污染的研究却相对较少, 为此, 本文以宝鸡市金陵河下游土壤为研究对象, 采集8种重金属污染元素Cr、Mn、Ni、Cu、Zn、As、Cd和Pb, 利用高精度X射线荧光光谱仪(HDXRF)测定重金属元素浓度, 借助相关性分析和PMF模型识别和量化重金属的污染源及其贡献率, 并将PMF模型源解析的结果与潜在生态风险模型结合, 量化不同污染源的潜在生态风险, 进一步利用地理探测器分析研究区土壤重金属污染源生态风险的影响因素, 以期为河谷型工业城市土壤重金属污染防治提供理论和实践依据.
1 材料与方法 1.1 研究区概况金陵河发源于陇县吴山, 流经杨家坡村、金河镇和葛家新庄等地后在渭滨区金陵桥下注入渭河, 是渭河的左岸一级支流, 在宝鸡境内河流干流长56 km, 流域面积427.1 km2.金陵河下游流域属千陇黄土高原, 温带大陆性季风气候, 年均气温13 ℃, 年降水量654.0 mm. 研究区地势呈中间低两边高的河谷地形, 平均海拔为786 m, 土壤类型以褐土、黄绵土为主, 主要农作物为小麦、玉米.研究区河流两岸工业、居名点与商业网点密集, 路网密布, 交通便利, 省道S212从中间穿过, 研究区概况见图 1.
|
图 1 研究区概况与采样点示意 Fig. 1 Overview of the study area and schematic diagram of sampling sites |
于2022年6月, 采集金陵河下游研究区表层土壤(0~20 cm)样品41份.根据研究区土地利用类型, 采用1 km×1 km网格布点法进行样品的采集. 实际采样中, 考虑研究区工矿企业与路网分布状况, 利用梅花形采样法在采样点周围50 m×50 m范围内, 采集5个子样品利用随机混合的方法混合成一个样品, 每个混合样重约1.0 kg, 装入聚乙烯自封袋.运回实验室自然风干, 样品剔除其中的植物残体、石块等杂质, 用研钵研磨后过100目筛.然后采用高精度X射线荧光光谱仪(HDXRF, E-MAX500, 佳谱科技)测定土壤样品中Cr、Mn、Ni、Cu、Zn、As、Cd和Pb 8种重金属的含量.每份样品进行3次重复测定, 结果取平均值.在HDXRF测试中, 使用土壤成分分析标准物质(GSS-29)作为测试质量控制.
1.3 正定矩阵因子分解模型正定矩阵因子模型(PMF)是针对未知源成分谱分析的一种操作简单有效的源解析方法[19, 20], 其操作原理是将元素浓度矩阵分解为因子得分矩阵(g)、因子载荷矩阵(f)和残差矩阵(e), 公式如下:
|
(1) |
式中, Xij为第i个样品中第j种元素的含量；gik为源k对第i个样品的贡献率；fkj为源k中第j种元素的含量；eij为残差矩阵；p为因子的个数, 各参数均无量纲.
通过PMF模型分解原始矩阵X, 得到最优矩阵g和f, 使目标函数Q达到最小化.目标函数Q定义如下:
|
(2) |
式中, uij表示第i个样品中第j个元素的不确定度大小, 不确定度u根据EPA PMF5.0用户指南估算, 公式如下:
|
(3) |
|
(4) |
式中, C为重金属元素浓度实测值(mg·kg-1), RSD为重金属浓度的相对标准偏差, MDL为元素测量仪器的方法检出限.各重金属的MDL取值(mg·kg-1)如下: Cr=3、Mn=6、Ni=1.5、Cu=1、As=0.5、Cd=0.06、Zn=0.8和Pb=0.2.
1.4 基于源的潜在生态风险评价模型潜在生态风险指数法是瑞典学者Hakanson建立的一套应用沉积学原理评价重金属污染及生态危害的方法[21].该方法是将重金属的生态效应、环境效应与毒理学联系在一起评价重金属的污染程度.其公式如下:
|
(5) |
式中, Ci为重金属i的实测含量；Cb为对应重金属的陕西省土壤重金属背景值；Tir为重金属的毒性响应系数, 本研究中Cr、Mn、Ni、Cu、Zn、As、Cd和Pb的Tir分别为2、1、5、5、1、10、30和5[22, 23]；Eir为重金属i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.
基于来源的潜在生态风险评价是根据PMF模型得出的重金属来源及贡献率数据并结合潜在生态风险指数评价重金属污染源生态风险的一种方法[24], 计算公式如下:
|
(6) |
式中, RIkij为样品i中污染源k对多种重金属的生态风险；Ekr ij为样品i中污染源k对重金属j的生态风险；Ckij为样品i中污染源k对重金属j的质量贡献(mg·kg-1), 其计算公式为:
|
(7) |
式中, 
地理探测器是基于空间分异理论, 采用空间统计方法, 探测并定量分析影响因子间交互作用的工具[25].该模型由因子探测器、生态探测器、风险探测器和交互探测器这4个子模型组成, 其中因子探测器是核心部分.模型如下:
|
(8) |
式中, q为影响因子对重金属污染源生态风险空间分布的解释力, n为总的研究区单元数, nD, i为因子D中第i分区的单元数, σ为因变量的总标准差, σD, i为影响因子D中第i分区的标准差. q的大小表示空间分异程度的强弱, q∈[0, 1], 当q值越接近1时, 则空间分异性越强, 反之亦然.
交互作用探测器衡量双因子对污染源生态风险的解释力, 若值越靠近1, 则表示交互作用越明显[26].判断依据如表 1.本文根据因子探测器和交互作用探测器的结果, 揭示地理、环境和气象要素对金陵河下游土壤重金属污染源的影响.
|
表 1 交互作用结果划分 Table 1 Interaction result partitioning |
1.6 指标选取与数据处理
综合考虑研究区土壤重金属可能的来源并参考国内相关文献资料[27 ~ 29], 选取高程、年均降水量、NDVI、土地利用类型、人口密度、土壤类型、砂土含量、距公路距离、距河流距离和距重点企业距离这10个指标作为影响因素.高程数据从地理空间数据云获得, 其他环境数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/), 在ArcGIS 10.2中处理成150 m×150 m的渔网数据, 提取相应的渔网中心值, 以进行地理探测器分析.各环境因子空间分布如图 2所示.
|
图 2 影响因子空间分布 Fig. 2 Spatial distribution of impact factors |
金陵河下游土壤重金属的描述性统计分析见表 2. Cr、Mn、Ni、Cu、Zn、As、Cd和Pb这8种土壤重金属元素平均值均低于土壤污染风险筛选值, 但都高于陕西省土壤背景值, Cr、Mn、Ni、Cu、Zn、As、Cd和Pb分别是陕西省土壤背景值的1.34、1.40、1.17、1.72、1.71、1.02、3.67和2.25倍.同时, Zn、Cd和Pb的变异系数分别为0.52、0.61和0.96, 属于高度变异, 表明研究区内这3种重金属在土壤中存在一定的空间变异性且受人为影响因素大[30].
|
|
表 2 重金属元素描述性统计分析1) Table 2 Descriptive statistical analysis of heavy metal elements |
将8种重金属元素通过反距离权重法进行插值得到各元素的空间分布, 如图 3所示, Mn、Ni和As的空间分布较相似, 高值区都出现在研究区北部；Cr、Zn和Cd在研究区整体含量较低, 在中部及南部含量较高；Cu和Pb含量的高值区主要在研究区的东南部. 金陵河下游土壤中各重金属元素的空间分布整体呈现出南、北高中间低的趋势.
|
图 3 土壤重金属空间分布 Fig. 3 Spatial distribution of heavy metals in soil |
对金陵河下游土壤中8种重金属含量进行相关性分析, 结果如图 4所示, Cr、Cu、Zn和Cd, Mn、Ni、Cu和As, Cu、Zn、Cd和Pb相互之间呈显著正相关(P < 0.01), 表明它们相互之间可能具有同一来源；As与Cd、Pb之间呈显著负相关, 说明As与Cd和Pb不是同一来源.此外, Cr与其他重金属元素之间都具有一定相关性, 说明其来源复杂, 可能受多种污染源影响[31].
|
红色椭圆表示正相关, 蓝色椭圆表示负相关, 椭圆面积大小表示相关性大小, 椭圆的不同方向表示正相关或负相关；*表示P≤0.05, **表示P≤0.01 图 4 金陵河下游土壤重金属含量相关性分析 Fig. 4 Correlation analysis of heavy metal content in soil in the lower reaches of the Jinling River |
通过PMF模型进一步分析研究区土壤重金属污染来源及其贡献率, 设置2~5个因子数, 分别进行20次迭代运算, 当因子数为4时, Qrob/Qexp最小, 且绝大部分残差值均集中于-3~3之间, 除Mn以外, 其他元素的R2都大于0.8, 说明PMF模型源解析结果整体较好[19].基于PMF模型的金陵河下游土壤重金属来源解析结果如图 5所示, 4个因子的相对贡献率分别为16.51%、23.68%、51.08%、8.72%.因子1中主要载荷元素为Pb和Cu, 其贡献率分别为61.98%和38.83%；因子2中, Cd和Zn具有较高载荷, 其贡献率分别67.05%和46.45%；因子3中As、Ni和Mn为主要载荷元素, 贡献率分别为80.75%、65.31%、60.45%；因子4中Cr贡献率最高, 为46.66%.
|
(a) 土壤重金属与污染源之间的关系, (b) 因子贡献率, 阴影部分表示各因子贡献率, 圆的颜色深浅表示重金属元素在各因子中的贡献率大小 图 5 基于PMF模型的金陵河下游土壤重金属来源解析 Fig. 5 Source analysis of heavy metals in soil |
结合PMF模型量化不同来源重金属含量并进行潜在生态风险评价, 不同污染因子潜在生态风险的空间分布如图 6所示.不同污染因子的平均RI值为: 因子2(85.03) > 因子1(34.11) > 因子4(21.19) > 因子3(16.76).各污染因子对生态风险的贡献率分别为: 53.53%, 22.00%, 13.66%, 10.81%, 因子2是RI的首要污染源.从图 6可以看出, 除因子3外, 其他3个污染因子的潜在生态风险空间分布特征非常相似, 其高值区都分布在研究区东南部, 且Cr, Cu、Zn和Cd这4种元素在采样点2处含量最高, 导致研究区东南部的生态风险也较高, 这可能与研究区东南部人口密集, 交通与工业活动频繁有关.因子3的整体潜在生态风险较低, 在研究区北部有明显高值区, As、Mn和Ni在研究区北部含量也较高, 这可能与土壤性质有关.
|
图 6 不同污染源潜在生态风险的空间分布 Fig. 6 Spatial distribution of potential ecological risks from different pollution sources |
使用因子探测器探测10个环境因子对不同污染因子生态风险的解释力, 用q统计值量化每个环境因子对污染源贡献率的影响力, 环境因子对不同污染因子的潜在生态风险的解释力如图 7所示, 最大q统计值表示影响因子贡献率的主要影响因素.由图 7可知, 因子1生态风险主要影响因素大小为: 距重点企业距离(0.30) > 距公路距离(0.27) > 高程(0.17) > 人口密度(0.15).因子2生态风险的主要影响因素大小为: 距公路距离(0.33) > 距重点企业距离(0.27) > 土地利用类型(0.20) > 距河流距离(0.13).因子3生态风险的主要影响因素大小为: 砂土含量(0.23) > 土地利用类型(0.22) > 土壤类型(0.20) > NDVI(0.17).因子4生态风险的主要影响因素大小为: 土地利用类型(0.30) > 距公路距离(0.27) > 距重点企业距离(0.17) > 人口密度(0.15).
|
图 7 环境因子对不同污染源生态风险的解释力q值 Fig. 7 Explanatory power of environmental factors on the ecological risk of different pollution source q values |
各环境因子对不同污染源生态风险交互探测结果如图 8所示. 由交互作用探测结果可知, 任意两个环境因子的交互作用对4种污染因子生态风险影响的解释程度均大于单个因子的解释程度, 强度略有差异, 交互后多为非线性增强作用.对于因子1, 大小为: 距重点企业距离∩人口密度(0.45) > 距公路距离∩人口密度(0.42) > 距重点企业距离∩降水(0.41)；对于因子2, 大小为: 距公路距离∩距河流距离(0.44) > 距公路距离∩人口密度(0.42) > 距公路距离∩距重点企业距离(0.38)；因子3中, 大小为: 土地利用类型∩砂土含量(0.52) > 土地利用类型∩土壤类型(0.50) > 砂土含量∩NDVI(0.47)；因子4中, 大小为: 土地利用类型∩人口密度(0.44) > 土地利用类型∩NDVI(0.42) > 距重点企业距离∩土地利用类型(0.41).
|
1.高程, 2.NDVI, 3.降水, 4.人口密度, 5.土壤类型, 6.砂土含量, 7.距公路距离, 8.距河流距离, 9.距重点企业距离, 10.土地利用类型 图 8 环境因子对不同污染源生态风险的交互作用 Fig. 8 Interaction of environmental factors on the ecological risk of different pollution sources |
从研究区重金属含量水平来看, 金陵河下游土壤各重金属元素的含量均值虽高于陕西省土壤背景值, 但除Zn、Cd和Pb这3个元素的个别点位超过了农田土壤污染风险筛选值外, 其余元素均未超过, 并且这3个元素的变异系数均大于0.5, 属于强变异, 这可能与研究区工业与交通等人类活动有关.金陵河下游区域分布有以石油装备制造和机床工具配套为园区主导产业, 研究区北部分布有长乐钢铁制品厂和西北煤炭物流园；中部有金河工业园和机床配套产业园；南部接近市区人口密集, 交通线路遍布, 汽车站和火车站都分布在此.范亚宁[32]和张军等[28]研究表明矿产资源开采、机械加工和交通排放等会产生Pb、Cu、Cr、Cd和Zn, 导致土壤重金属污染.
从土壤重金属源解析结果来看, 因子1中主要载荷元素为Pb和Cu, 其贡献率分别为61.98%和38.83%.由前述分析可知, Pb属于强变异, 被认为受人类活动影响大.Pb和Cu在空间分布上具有一定相似性, 其高值区都位于研究区东南部, 该地区分布有砂轮钻采和机械制造等工业.相关性分析结果显示Pb和Cu的相关性系数为0.651, 表明这两个元素具有同源性.据已有研究, 城市土壤中的Pb与采选业、工业活动, 金属冶炼、化石燃料的燃烧和车辆交通有关[33]；钢材加工过程中常加入Cu以增强钢材的耐蚀性, 电镀工业常用Cu做电镀的衬底以此增强电镀面的附着稳定性[34].因此, 因子1被认为是工业污染源.因子2中, Cd和Zn具有较高载荷, 其贡献率分别67.05%和46.45%.Cd和Zn的含量在空间分布上呈现西北部低、东南部高的趋势.相关性分析结果表明Cd和Zn具有相同来源.这两种元素的变异系数都大于0.5, 属于强变异, 可能受人为因素影响.有研究表明Zn和Cd多用于汽车零部件和路面交通标志线生产[35], 车辆轮胎磨损、镀锌部件腐蚀、汽车尾气排放和润滑油耗损等交通源是土壤Zn和Cd等重金属的重要来源[36], 研究区南部公路密集, 省道S212与陇海线在此交汇. 杨秀云等[37]研究表明, 轮胎磨损、机动车尾气排放和汽油添加剂的使用, 会加剧土壤Zn和Pb的富集.因此, 认为因子2为交通污染源.因子3中As、Ni和Mn为主要载荷元素, 贡献率分别为80.75%、65.31%和60.45%. Mn的含量在空间分布上整体较低, 在研究区北部有零星的高值区. Mn是一种受人为因素影响较小的来源物质, 其主要受到地壳运动等因素的影响[38], As和Ni空间分布较相似, 除中南部外整体含量较高.有研究表明, 土壤中As的来源主要受土壤母质、大气沉降、农业活动及交通等影响[39], 成土母质的风化是土壤Ni的主要来源[40], 研究区土壤中Mn、As和Ni的变异系数相对较小, 可能受研究区土壤母质的影响. 王玉等[41]研究表明, 土壤中的As、Mn和Ni与成土母质有关, 因此, 因子3为自然源.因子4中Cr贡献率最高, 为46.66%, 研究区Cr含量超过陕西省土壤背景值1.34倍, 变异系数0.4, 属中度变异.相关性分析发现Cr与其他重金属具有一定相关性, 可能具有多个来源, 有研究发现Cr除了受成土母质和地球化学作用影响之外, 也与农药喷洒、化肥施用和污水灌溉以及工业排放, 特别是电镀行业等人类活动有关[42]. Cr含量在空间上呈现西北低东南部高的趋势, 可能与研究区内各种机械制造工厂和生态养殖基地有关, 有研究表明畜禽粪便、农药、化肥等会增加土壤重金属的含量, 影响土壤重金属的溶出性[3], 研究区北部有家禽养殖厂和生态养殖场等, 其农业活动可能导致研究土壤重金属的富集, 这与李军等[43]的研究结果一致.因此, 因子4可能是由农业和工业活动共同影响下的农业-工业混合源.
综合因子探测和交互探测的结果, 工业源主要受距重点企业距离、距道路距离、人口密度和降水的影响.工业源生态风险在研究东南布分布较高, 这是因为研究区南部工矿企业密集, 分布有砂轮机械、钻采机械和彩钢厂等大型工业基地.有研究发现, 石油和钢材制造中产生的扬尘和废气易携带Pb和Cu等元素沉降于附近地区, 导致周围区域土壤中重金属的输入和潜在生态风险的升高, 这与宋恒飞等[44]的研究结果较一致, 即距离越近, 生态风险越大.交通源的主要影响因素是距公路距离、距重点企业距离和土地利用类型, 这是由于研究区内省道S212从中穿过, 南部有宝鸡汽车站以及陇海线.在城市, 道路上机动车尾气和车辆轮胎磨损等释放了大量的重金属元素在降雨等气候因素的影响下沉降进入土壤, 因为受到地面植被与地形的影响, 会在较近的距离累积[45].交通源生态风险的空间分布与工业源相似, 都分布在研究区东南部, 一方面是因为研究区东南部交通密集, 另一方面是该地区分布有大型工厂, 以上工厂的运输导致了重金属的富集, 从而导致工业源和交通源的生态风险在东南部都较高.自然源的主要影响因素是砂土含量、土地利用类型、土壤类型和NDVI.有研究表明土壤性质影响重金属在土壤间的分布和降解, 从而影响土壤潜在生态风险[46].农业-工业混合源的主要影响因素是土地利用类型、人口密度和距重点企业距离.研究区主要土地利用类型以耕地为主, 农药喷洒和施肥等农业活动可能导致了较高的潜在生态风险, 此外人口密度一定程度上反映了人类活动强度, 人口的增加造成就业压力, 促进了产业的发展以及资源的消耗, 产业发展的同时也造成了区域环境的污染, 王琳杰等[47]的研究也表明重金属污染与人口数量有关.
金陵河下游土壤重金属、污染源与潜在生态风险的关系如图 9所示, 研究区土壤重金属的4种污染源对潜在生态风险的贡献率从高到低依次为: 交通源(53.53%) > 工业源(22.00%) > 农业-工业混合源(13.66%) > 自然源(10.81%).由此可见, 交通源对研究区的综合生态风险的贡献率最高, 这与PMF源解析的结果具有一定的差异性.PMF源解析结果显示, 具有较高载荷As、Ni和Mn元素的自然源是对重金属贡献最高的污染来源, 贡献率为51.08%, 但对潜在生态风险贡献仅有10.81%.这主要是由于Ni和Mn的毒性较低, 但仍需要防范自然源污染造成的风险, 特别是潜在的致癌元素As.具有高载荷Cd和Zn的交通源, 其潜在生态风险最高, 贡献率达53.53%, 主要因为Cd的毒性较高.重金属潜在生态风险与元素的毒性高低有关, 也进一步证实了具有高贡献率的污染源并不一定具有高的生态风险[15, 48, 49].有研究表明, 过量Cd会影响植物中叶绿素的合成或通过破坏根系细胞膜而抑制叶片光合作用, 环境中的Cd元素会通过手口、呼吸和皮肤等途径进入人体, 引起肾脏、神经和呼吸系统等疾病[50].综上所述, Cd是研究区土壤生态风险优先控制的污染元素, 交通源是优先控制污染源.研究区应加强对企业三废处理的管理, 提倡使用低毒的有机肥, 在交通主干道旁架设隔板或铺设绿化带等来降低交通源对土壤的生态风险.
|
虚线椭圆框表示优先控制元素与优先控制污染源 图 9 重金属、污染源与潜在生态风险的关系 Fig. 9 Relationship between heavy metals, pollution sources, and potential ecological risks |
(1) 金陵河下游土壤重金属平均值由高到低为: Mn > Zn > Cr > Pb > Cu > Ni > As > Cd, 8种重金属含量均值都超过了陕西省土壤背景值, 但都未超过国家土壤污染风险筛选值.其中Zn、Cd和Pb变异系数为0.52、0.61和0.96, 属于高度变异.
(2) 金陵河下游土壤重金属受工业源、交通源、自然源和农业-工业混合源共同影响.不同重金属来源贡献率分别为16.51%、23.68%、51.08%和8.72%, 其中交通源和自然源占比最大.各源的潜在生态风险指数RI均值由高到低是: 交通源(85.03) > 工业源(34.11) > 农业-工业源(21.19) > 自然源(16.76), Cd是优先控制元素, 交通源是优先控制源.
(3) 距重点企业距离、距公路距离、砂土含量和土地利用类型分别是工业源、交通源、自然源和农业-工业混合源潜在生态风险的主要影响因子, 各环境因子对不同污染源潜在生态风险的交互作用以非线性增强为主.
| [1] |
张双银, 吴琳娜, 张广映, 等. 都柳江上游沿岸喀斯特地区土壤重金属污染及健康风险分析[J]. 环境科学学报, 2022, 42(7): 421-433. Zhang S Y, Wu L N, Zhang G Y, et al. Soil heavy metal pollution analysis and health risk assessment in Karst areas along the upper reaches of the Du Liujiang River[J]. Acta Scientiae Circumstantiae, 2022, 42(7): 421-433. |
| [2] |
周睿, 秦超, 任何军, 等. 水源地周边土壤重金属分布特征及潜在风险—以深圳市为例[J]. 中国环境科学, 2022, 42(6): 2734-2743. Zhou R, Qin C, Ren H J, et al. Distribution characteristics and potential risk of heavy metals in soil around water source: a case study of Shenzhen city[J]. China Environmental Science, 2022, 42(6): 2734-2743. |
| [3] |
安永龙, 殷秀兰, 李文娟, 等. 张家口市万全区某种植区土壤重金属污染评价与来源分析[J]. 环境科学, 2023, 44(6): 3544-3561. An Y L, Yin X L, Li W J, et al. Evaluation and source analysis of soil heavy metal pollution in a planting area in Wanquan district, Zhangjiakou city[J]. Environmental Science, 2023, 44(6): 3544-3561. |
| [4] | Guo G H, Chen S Q, Lei M, et al. Spatiotemporal distribution characteristics of potentially toxic elements in agricultural soils across China and associated health risks and driving mechanism[J]. Science of The Total Environment, 2023, 887. DOI:10.1016/j.scitotenv.2023.163897 |
| [5] |
陆晨遨, 曹郁, 夏宇欣, 等. 呼伦贝尔市城郊河岸带土壤与河流沉积物重金属污染现状分析[J]. 地球环境学报, 2023, 14(1): 110-120. Lu C A, Cao Y, Xia Y X, et al. Analysis on the current heavy metal pollution situation in the riparian zone and river in the suburbs and urbans of Hulun Buir[J]. Journal of Earth Environment, 2023, 14(1): 110-120. |
| [6] | 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 |
| [7] |
颜常春, 田志君, 吴大鹏, 等. 密云某流域土壤重金属污染特征及评价[J]. 城市地质, 2019, 14(2): 67-72. Yan C C, Tian Z J, Wu D P, et al. Characteristics and pollution assessment of heavy metals in soil of a river Basin in Miyun district[J]. Urban Geology, 2019, 14(2): 67-72. |
| [8] |
黄华斌, 林承奇, 胡恭任, 等. 基于PMF模型的九龙江流域农田土壤重金属来源解析[J]. 环境科学, 2020, 41(1): 430-437. Huang H B, Lin C Q, Hu G R, et al. Source appointment of heavy metals in agricultural soils of the Jiulong River Basin based on positive matrix factorization[J]. Environmental Science, 2020, 41(1): 430-437. |
| [9] |
彭超月, 任翀, 申浩欣, 等. 黄河下游悬河段饮用水源地土壤重金属污染、来源及健康风险[J]. 环境科学, 2023, 44(12): 6710-6719. Peng C Y, Ren C, Shen H X, et al. Soil heavy metal contamination, sources, and health risk of typical drinking water sources in the suspended reach of the lower Yellow River[J]. Environmental Science, 2023, 44(12): 6710-6719. |
| [10] | Gao Z J, Tan M H, Liu J T, et al. Characterization of soil trace metal pollution, source identification, and health risk assessment in the middle reaches of the Guihe River Basin[J]. Environmental Monitoring and Assessment, 2024, 196(2). DOI:10.1007/s10661-023-12280-9 |
| [11] |
施建飞, 靳正忠, 周智彬, 等. 额尔齐斯河流域典型尾矿库区周边土壤重金属污染评价[J]. 生态环境学报, 2022, 31(5): 1015-1023. Shi J F, Jin Z Z, Zhou Z B, et al. Evaluation of heavy metal pollution in the soil around a typical tailing reservoir in Irtysh River Basin[J]. Ecology and Environmental Sciences, 2022, 31(5): 1015-1023. |
| [12] |
张胜楠, 孟福军, 尤永军, 等. APCS-MLR结合PMF模型的塔里木河上游沉积物重金属源解析与风险评估[J]. 环境化学, 2023, 42(12): 4264-4277. Zhang S N, Meng F J, You Y J, et al. APCS-MLR combined with PMF model for sediment heavy metal source analysis and risk assessment in the upper Tarim River Basin[J]. Environmental Chemistry, 2023, 42(12): 4264-4277. |
| [13] | Sun J X, Zhao M L, Huang J L, et al. Determination of priority control factors for the management of soil trace metal(loid)s based on source-oriented health risk assessment[J]. Journal of Hazardous Materials, 2022, 423. DOI:10.1016/j.jhazmat.2021.127116 |
| [14] |
石文静, 周翰鹏, 孙涛, 等. 矿区周边土壤重金属污染优先控制因子及健康风险评价研究[J]. 生态环境学报, 2022, 31(8): 1616-1628. Shi W J, Zhou H P, Sun T, et al. Research on priority control factors and health risk assessment of heavy metal pollution in soil around mining areas[J]. Ecology and Environmental Sciences, 2022, 31(8): 1616-1628. |
| [15] |
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. |
| [16] | Fei X F, Lou Z H, Xiao R, et al. Source analysis and source-oriented risk assessment of heavy metal pollution in agricultural soils of different cultivated land qualities[J]. Journal of Cleaner Production, 2022, 341. DOI:10.1016/j.jclepro.2022.130942 |
| [17] |
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. |
| [18] |
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. |
| [19] |
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. |
| [20] |
刘玥, 郭文强, 武晔秋. 基于PMF模型的大同市城区公园地表灰尘中重金属污染评价及来源解析[J]. 环境化学, 2022, 41(5): 1616-1628. Liu Y, Guo W Q, Wu Y Q. Pollution assessment and source analysis of surface dust heavy metals in parks of Datong city based on positive matrix factorization model[J]. Environmental Chemistry, 2022, 41(5): 1616-1628. |
| [21] | 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 |
| [22] |
黄志伟, 李文静, 李伟杰, 等. 东江流域土壤重金属污染特征及潜在风险评价[J]. 农业环境科学学报, 2022, 41(3): 504-515. Huang Z W, Li W J, Li W J, et al. Evaluation of heavy metal pollution characteristics and the potential risks of soil in the Dongjiang River Basin[J]. Journal of Agro-Environment Science, 2022, 41(3): 504-515. |
| [23] | Tan C, Wang H, Yang Q C, et al. An integrated approach for quantifying source apportionment and source-oriented health risk of heavy metals in soils near an old industrial area[J]. Environmental Pollution, 2023, 323. DOI:10.1016/j.envpol.2023.121271 |
| [24] | Wang W W, Lu N, Pan H, et al. Heavy metal pollution and its prior pollution source identification in agricultural soil: a case study in the Qianguo irrigation district, Northeast China[J]. Sustainability, 2022, 14(8). DOI:10.3390/su14084494 |
| [25] |
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. |
| [26] |
高煜, 王国兰, 金梓函, 等. 千河下游水体-沉积物重金属空间分布、风险及影响因素[J]. 环境科学, 2021, 42(11): 5333-5345. Gao Y, Wang G L, Jin Z H, et al. Spatial distribution, risk, and influencing factors of river water-sediment heavy metals in the lower reaches of the Qianhe River[J]. Environmental Science, 2021, 42(11): 5333-5345. |
| [27] |
张宏泽, 崔文刚, 刘绥华, 等. 基于地理探测器和多源数据的耕地土壤重金属来源驱动因子及其交互作用识别[J]. 环境科学, 2023, 44(4): 2177-2191. Zhang H Z, Cui W G, Liu S H, et al. Identifying driving factors and their interacting effects on sources of heavy metal in farmland soils with geodetector and multi-source data[J]. Environmental Science, 2023, 44(4): 2177-2191. |
| [28] |
张军, 董洁, 梁青芳, 等. 宝鸡市区土壤重金属污染影响因子探测及其源解析[J]. 环境科学, 2019, 40(8): 3774-3784. Zhang J, Dong J, Liang Q F, et al. Heavy metal pollution characteristics and influencing factors in Baoji arban soils[J]. Environmental Science, 2019, 40(8): 3774-3784. |
| [29] | Guo G H, Li K, Zhang D G, et al. Quantitative source apportionment and associated driving factor identification for soil potential toxicity elements via combining receptor models, SOM, and geo-detector method[J]. Science of The Total Environment, 2022, 830. DOI:10.1016/j.scitotenv.2022.154721 |
| [30] |
杨振宇, 廖超林, 邹炎, 等. 湘东北典型河源区土壤重金属分布特征、来源解析及潜在生态风险评价[J]. 环境科学, 2023, 44(9): 5288-5298. Yang Z Y, Liao C L, Zou Y, et al. Distribution characteristics, source analysis and potential ecological risk assessment of soil heavy metals in typical river source areas of Northeastern Hunan Province[J]. Environmental Science, 2023, 44(9): 5288-5298. |
| [31] |
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. |
| [32] |
范亚宁, 冯园, 张倩. 基于文献计量的关中地区农田土壤重金属污染特征及源解析[J]. 环境生态学, 2023, 5(9): 19-27, 48. Fan Y N, Feng Y, Zhang Q. Characteristics of heavy metal pollution and source analysis in farmland soil of Guanzhong area based on bibliometric analysis[J]. Environmental Ecology, 2023, 5(9): 19-27, 48. |
| [33] |
安江梅朵, 张瑞卿, 郭广慧, 等. 北京市城市公园土壤铅累积特征、来源及健康风险[J]. 环境科学, 2023, 44(11): 6287-6296. An J M D, Zhang R Q, Guo G H, et al. Accumulation characteristics, sources, and health risks of soil lead of urban parks in Beijing[J]. Environmental Science, 2023, 44(11): 6287-6296. |
| [34] |
黄昌辰, 温汉辉, 蔡立梅, 等. 广东揭阳市土壤铜的分布特征及其影响因素[J]. 现代地质, 2021, 35(1): 293-300. Huang C C, Wen H H, Cai L M, et al. Distribution characteristics and influencing factors of soil Cu in Jieyang city, Guangdong province[J]. Geoscience, 2021, 35(1): 293-300. |
| [35] |
刘玥, 郭文强, 武晔秋. 大同市城区公园表层土壤重金属污染特征和健康风险及来源解析[J]. 土壤通报, 2023, 54(1): 180-191. Liu Y, Guo W Q, Wu Y Q. Pollution characteristics, health risks and source analysis of surface soil heavy metals in urban parks of Datong city[J]. Chinese Journal of Soil Science, 2023, 54(1): 180-191. |
| [36] | Hou S N, Zheng N, Tang L, et al. Pollution characteristics, sources, and health risk assessment of human exposure to Cu, Zn, Cd and Pb pollution in urban street dust across China between 2009 and 2018[J]. Environment International, 2019, 128: 430-437. |
| [37] |
杨秀云, 麦麦提吐尔逊•艾则孜, 阿地拉•艾来提, 等. 昌吉市地表灰尘重金属空间分布、污染及来源[J]. 干旱区资源与环境, 2021, 35(5): 108-115. Yang X Y, Mamattursun•Eziz M, Adila•Hayrat, et al. Spatial distribution, pollution and sources of heavy metals in surface dust in Changji[J]. Journal of Arid Land Resources and Environment, 2021, 35(5): 108-115. |
| [38] |
陈景辉, 马云, 郭毅, 等. 陕西省城市土壤重金属空间分布特征与来源解析[J]. 环境生态学, 2023, 5(10): 1-12. Chen J H, Ma Y, Guo Y, et al. Spatial distribution characteristics and source analysis of heavy metals in urban soils of Shaanxi province[J]. Environmental Ecology, 2023, 5(10): 1-12. |
| [39] |
徐祖奔, 伍艳, 赵越, 等. 黄河下游典型滩区土壤重金属污染特征及来源解析[J]. 农业工程学报, 2023, 39(15): 200-207. Xu Z B, Wu Y, Zhao Y, et al. Source apportionment and pollution of soil heavy metals in typical floodplain in the lower reaches of the Yellow River[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(15): 200-207. |
| [40] |
涂春霖, 和成忠, 马一奇, 等. 珠江流域沉积物重金属污染特征、生态风险及来源解析[J]. 地学前缘, 2024, 31(3): 410-419. Tu C L, He C Z, Ma Y Q, et al. Pollution characteristics, ecological risk and source apportionment of heavy metals in sediments of the Pearl River Basin[J]. Earth Science Frontiers, 2024, 31(4): 410-419. |
| [41] |
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. |
| [42] |
柳峰, 李龙飞, 刘雨博, 等. 河北省某铅锌矿区周边耕地土壤重金属污染评价及来源分析[J]. 干旱区资源与环境, 2023, 37(1): 136-142. Liu F, Li L F, Liu Y B, et al. Evaluation and sources of heavy metal pollution in soils of cultivated land around a lead-zinc mine area in Hebei province[J]. Journal of Arid Land Resources and Environment, 2023, 37(1): 136-142. |
| [43] |
李军, 李旭, 李开明, 等. 黄河流域农田土壤重金属污染特征及其优先控制源分析[J]. 环境科学, 2024, 45(3): 1724-1738. Li J, Li X, Li K M, et al. Characteristics and identification priority source of heavy metals pollution in farmland soils in the Yellow River Basin[J]. Environmental Science, 2024, 45(3): 1724-1738. |
| [44] |
宋恒飞, 吴克宁, 李婷, 等. 寒地黑土典型县域土壤重金属空间分布及影响因素分析——以海伦市为例[J]. 土壤通报, 2018, 49(6): 1480-1486. Song H F, Wu K N, Li T, et al. The spatial distribution and influencing factors of farmland heavy metals in the cold black soil region: a case of Hailun county[J]. Chinese Journal of Soil Science, 2018, 49(6): 1480-1486. |
| [45] |
刘世梁, 崔保山, 温敏霞, 等. 路域土壤重金属含量空间变异的影响因子[J]. 环境科学学报, 2008, 28(2): 253-260. Liu S L, Cui B S, Wen M X, et al. Influence factors of spatial variability of soil heavy metal contents along roadside[J]. Acta Scientiae Circumstantiae, 2008, 28(2): 253-260. |
| [46] |
孙花, 谭长银, 黄道友, 等. 土壤有机质对土壤重金属积累、有效性及形态的影响[J]. 湖南师范大学自然科学学报, 2011, 34(4): 82-87. Sun H, Tan C Y, Huang D Y, et al. Effects of soil organic matter on the accumulation, availability and chemical speciation of heavy metal[J]. Journal of Natural Science of Hunan Normal University, 2011, 34(4): 82-87. |
| [47] |
王琳杰, 曾贤刚, 段存儒, 等. 鄱阳湖沉积物重金属污染影响因素分析——基于STIRPAT模型[J]. 中国环境科学, 2020, 40(8): 3683-3692. Wang L J, Zeng X G, Duan C R, et al. Analysis on influencing factors of heavy metal pollution in sediments of Poyang Lake based on STIRPAT model[J]. China Environmental Science, 2020, 40(8): 3683-3692. |
| [48] |
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. |
| [49] |
陈莲, 邹子航, 张培珍, 等. 基于源导向和蒙特卡洛模型的广东省某城市土壤重金属健康风险评估[J]. 环境科学, 2024, 45(5): 2983-2994. Chen L, Zou Z H, Zhang P Z, et al. Health risk assessment of heavy metals in soils of a city in Guangdong province based on source oriented and Monte Carlo models[J]. Environmental Science, 2024, 45(5): 2983-2994. |
| [50] |
马娇阳, 保欣晨, 王坤, 等. 土壤镉污染的人体健康风险评价研究: 生物有效性与毒性效应[J]. 生态毒理学报, 2021, 16(6): 120-132. Ma J Y, Bao X C, Wang K, et al. Human health risk assessment of cadmium in soils: role of bioavailability and toxic effects[J]. Asian Journal of Ecotoxicology, 2021, 16(6): 120-132. |