宁夏不同土地利用方式土壤重金属生态风险评价及来源解析

引用本文

陈轲林, 李虹, 马建军, 张雅琪, 李玉蓉, 杨玲, 冯乐英, 代睿明, 马琨, 庞丹波, 陈林. 宁夏不同土地利用方式土壤重金属生态风险评价及来源解析[J]. 环境科学, 2026, 47(9): 6422-6432.

CHEN Ke-lin, LI Hong, MA Jian-jun, ZHANG Ya-qi, LI Yu-rong, YANG Ling, FENG Le-ying, DAI Rui-ming, MA Kun, PANG Dan-bo, CHEN Lin. Ecological Risk Assessment and Source Analysis of Soil Heavy Metals in Different Land Use Patterns in Ningxia[J]. Environmental Science, 2026, 47(9): 6422-6432.

宁夏不同土地利用方式土壤重金属生态风险评价及来源解析

陈轲林¹, 李虹², 马建军², 张雅琪³, 李玉蓉³, 杨玲¹, 冯乐英³, 代睿明¹, 马琨^1,4,5, 庞丹波^1,4,5, 陈林^1,4,5

1. 宁夏大学生态环境学院，银川 750021;
2. 宁夏农业环境保护监测站，银川 750002;
3. 宁夏大学林业与草业学院，银川 750021;
4. 宁夏大学西北退化生态系统恢复与重建教育部重点实验室，银川 750021;
5. 宁夏大学西北土地退化与生态恢复国家重点实验室培育基地，银川 750021

收稿日期: 2025-04-07; 修订日期: 2025-10-12

基金项目: 宁夏农业资源环境监测与保护项目（2130135）；第三批宁夏青年科技人才托举工程项目（TJGC2018068）

作者简介: 陈轲林（1999~），女，硕士研究生，主要研究方向为土壤环境监测，E-mail：2956352724@qq.com

通信作者: 陈林, E-mail：chenlin198388@163.com

摘要: 以宁夏地区不同土地利用方式土壤为研究对象，在分析测定样品中As、Hg、Cr、Ni、Cu、Zn、Cd和Pb含量特征的基础上，利用地累积指数和潜在生态风险指数评估金属污染风险，并结合相关性分析、主成分分析和绝对主成分得分-多元线性回归（APCS-MLR）模型对重金属污染来源进行溯源分析. 结果表明，旱地土壤重金属元素Hg、Zn和Cd的含量平均值，以及水浇地和水田土壤中的Hg、Cu、Zn、Cd和Pb的含量平均值均超过了宁夏的土壤背景值. 不同土地利用方式下土壤8种重金属含量平均值均低于风险筛选值和管制值；地累积指数和潜在风险指数均显示Hg和Cd在这3类用地中较其他元素污染最为严重，是3种不同用地方式土壤的主要污染因子；APCS-MLR模型分析显示，旱地的污染来源包括农业源、自然源、工业源和未知源，占比分别为36.6%、20.1%、14.1%和29.2%. 水浇地的污染来源为自然-交通-农业的混合源、农业源、工业源和未知源，占比分别为50.08%、31.32%、6.65%和11.94%. 水田的污染来源包括自然-农业的复合源、农业源、工业源和未知源，占比分别为46.81%、21.24%、12.65%和19.30%. 通过深入分析污染来源和影响因素，可为制定针对性的污染防控措施提供重要依据，推动了农业可持续发展及生态环境保护的进程.

关键词: 土壤重金属土地利用方式污染评价 APCS-MLR模型源解析

Ecological Risk Assessment and Source Analysis of Soil Heavy Metals in Different Land Use Patterns in Ningxia

CHEN Ke-lin¹ , LI Hong² , MA Jian-jun² , ZHANG Ya-qi³ , LI Yu-rong³ , YANG Ling¹ , FENG Le-ying³ , DAI Rui-ming¹ , MA Kun^1,4,5 , PANG Dan-bo^1,4,5 , CHEN Lin^1,4,5

1. School of Ecology and Environment, Ningxia University, Yinchuan 750021, China;
2. Agriculture Environmental Protection Monitoring Station of Ningxia, Yinchuan 750002, China;
3. School of Forestry and Prataculture, Ningxia University, Yinchuan 750021, China;
4. Key Laboratory for Restoration and Reconstruction of Degraded Ecosystem in Northwest China of Ministry of Education, Ningxia University, Yinchuan 750021, China;
5. Breeding Base for State Key Laboratory of Land Degradation and Ecological Restoration in Northwest China, Ningxia University, Yinchuan 750021, China

Abstract: Taking the soil with different land use patterns in Ningxia as the research object, based on the analysis and determination of the content characteristics of As, Hg, Cr, Ni, Cu, Zn, Cd, and Pb in the samples, the geoaccumulation index and the potential ecological risk index were used to evaluate the risk of metal pollution, and the traceability analysis of the sources of heavy metal pollution was carried out by combining correlation analysis, principal component analysis, and the absolute principal component score-multiple linear regression (APCS-MLR) model. The average contents of Zn and Cd, as well as the average contents of Hg, Cu, Zn, Cd, and Pb in irrigated and paddy field soils exceeded the soil background values in Ningxia. The eight heavy metals in the soil under different land use patterns were lower than the risk screening and control values. The land accumulation index and potential risk index showed that Hg and Cd were the most polluted compared to other elements in these three types of land and were the main soil pollution factors of the three different land use methods. The analysis of the APCS-MLR model showed that the pollution sources of dryland included agriculture, nature, industry, and their mixtures, accounting for 36.6%, 20.1%, 14.1%, and 29.2%, respectively. The pollution sources of irrigated land were nature, transportation-agriculture mixed sources, agricultural sources, industrial sources, and nature-transportation-agriculture-industry mixed sources, accounting for 50.08%, 31.32%, 6.65%, and 11.94%, respectively. The pollution sources of paddy fields included natural-agricultural composite sources, agricultural sources, industrial sources, and natural-agricultural-industrial mixed sources, accounting for 46.81%, 21.24%, 12.65%, and 19.30%, respectively. Through in-depth analysis of pollution sources and influencing factors, this study provides an important basis for formulating targeted pollution prevention and control measures and promotes the process of sustainable agricultural development and ecological environmental protection.

Key words: soil heavy metals land use patterns pollution assessment APCS-MLR model source analysis

土壤是农业生产力与食品安全的关键^[1，2]. 近年来，随着工业化进程的加速和农业现代化的持续推进，土壤重金属污染已成为当前全球面临的重大环境问题之一^[3]，重金属可通过多种途径进入土壤，包括大气沉降、污水灌溉以及化肥和农药的使用^[2，4，5]. 重金属的毒性，加上其难以被土壤微生物分解的特性以及能够通过食物链进入人体的途径，共同对人类健康构成了潜在的威胁^[6，7]. 此外，重金属污染还会影响土壤微生物群落的结构和数量、抑制土壤酶的活性以及干扰农作物的生长发育^[8].

根据2014年发布的《全国土壤污染状况调查公报》显示，我国耕地土壤的超标点位占比达到了19.4%，其中轻微污染点位占13.7%，轻度污染点位占2.8%，中度和重度污染点位的比例分别为1.8%和1.1%^[9]. 目前，关于重金属的污染主要集中在单一用地类型土壤、局部典型的工业企业和工厂及农业示范区，例如，董天浩等^[10]对煤矿区周边农田土壤的重金属来源解析发现，煤矿开采是导致该区域重金属污染的主要因素. 田弘等^[11]对危废焚烧处置场地展开分析后指出，场地中的重金属污染主要源自危废焚烧过程. Sun等^[12]对吉林黑土区重金属来源进行解析时发现，交通和农业是其主要的污染源. 关于不同用地方式土壤重金属的研究，主要聚焦于耕地与其他用地类型之间的对比分析，如耕地、林地以及建设用地等之间的差异性探讨^[13~15]，相比之下，针对不同类型耕地之间土壤重金属状况的对比研究则较为匮乏. 因此，探究不同耕地类型中土壤重金属污染的来源是有必要的，这不仅关乎农业生产的安全与可持续发展，也直接影响生态环境的平衡与人类健康. 通过分析各类耕地土壤中重金属污染的成因与路径，人们能够为精准治理和科学防控提供关键依据，从而有效降低污染风险，保护土地资源的长久价值.

宁夏回族自治区地处我国西北，是唯一一个全省区位于黄河流域的省份^[16]，得益于其独特的地理环境和水利设施的持续发展，该地区形成了水田、水浇地和旱地这3种主要的耕作模式. 在不同的耕作模式下，土壤理化性质、重金属的富集情况以及重金属来源均会存在差异^[17]. 有研究指出，由于当地灌溉体系多依赖河流和地下水水源，受到工业废水及农业化肥的影响，且滴灌通过影响土壤中重金属的迁移和积累来改变土壤中重金属的变化^[18]，目前已有学者对宁夏引黄灌区^[19，20]、工业区^[21~23]和不同生态区^[24，25]的土壤重金属做了研究，然而，关于不同耕地类型土壤的相关研究仍显匮乏. 鉴于此，本文聚焦于宁夏不同土地利用方式下的土壤重金属污染问题，通过系统的土壤样品分析与生态风险评估，深入探讨其来源，以期为不同土地利用方式下的土壤分类管控与精准修复提供数据支撑

1 材料与方法 1.1 研究区概况

宁夏回族自治区，位于中国西北部（35°26′~39°30′N，104°50′~107°40′E）^[26]. 东临陕甘，北部接内蒙古自治区，黄河从中北部穿过，总面积约为6.64万km². 研究区属于典型的大陆性气候，光照充足，年平均降水量约为200~680 mm，年平均气温为5~9℃^[27]，地形多样，包括平原、丘陵和高原等多种地貌. 根据自然地理特征分为北部引黄灌区、中部干旱区和南部黄土丘陵区这3种生态区类型^[6]；有旱地、水浇地和水田等不同土地利用方式，旱地主要分布在宁夏中部干旱带以及南部山区，水浇地主要分布在北部引黄灌区、中部扬黄灌区以及南部河谷川道，而水田主要分布在北部引黄灌区的银川平原和卫宁平原.

1.2 样品采集与测试方法

样品的采集依据县域农田分布面积以及等比例尺度采样原则，在2017~2021年的作物成熟期（6~9月），共采集表层（0~20 cm）土壤727件，其中包括旱地土壤125件、水浇地土壤503件和水田土壤99件. 每个样品均由5个位于半径50 m范围内的表层土样以“S”形方式混合而成，将采集的样品装至自封袋内，内外贴上标签，运至实验室自然风干，避免阳光直射，研磨过筛用来测重金属的含量. 根据土壤环境质量农用地土壤风险管控标准中的土壤污染物分析方法进行检测，具体检测方法如表 1，为确保实验结果的准确性与精密度，所使用的试剂均为优级纯，所采用的水为超纯水，Cu、Pb、Cr、Cu、Zn和Ni采用硝酸和氢氟酸185℃消解4 h，冷却后定容，过滤备用；As和Hg用王水消解后定容备用. 每批样品均抽取10%进行平行测定，且相对标准偏差控制在≤5%. 土壤样品的分析测试工作由内蒙古谱尼测试技术有限公司负责完成，As、Cr、Ni、Cu、Zn、Cd、Hg和Pb的检出限分别为0.08、4、3、1、1、0.01、0.002和0.1 mg·kg^-1.

表 1 各项目分析测试方法 Table 1 Analysis of test methods for each item

1.3 分析方法 1.3.1 地累积指数法

地累积指数（I_geo）又称为Muller指数. 地累积指数法是由Muller在1969年提出的重金属污染评价方法，该方法不仅考虑到了人为因素和土壤环境背景值的影响，还可以体现出重金属在土壤中的累积程度^[28]，计算方法如下：

I_{g e o} = l o g_{2} (C_{i} / 1.5 B_{n})

(1)

式中，I_geo为地累积指数，C_i为实测元素，B_n为地球化学背景值，本文采用的是宁夏的土壤背景值，1.5为校正常数. 地累积指数评分标准如表 2.

表 2 地累积指数分级标准 Table 2 Grading criteria for the accumulation index

1.3.2 潜在生态风险指数法

潜在生态风险指数法，是由瑞典科学家Hakanson在1980年提出的重金属污染评价方法，该方法以土壤重金属背景值和重金属的生物毒性系数为基础，对单项重金属潜在生态危害指数（E_rⁱ）和多种重金属的综合潜在生态风险指数（RI）进行计算^[29].

E_{r}^{i} = T_{r}^{i} \times C_{f}^{i}

(2)

R I = \sum_{i = 1}^{n} E_{r}^{i}

(3)

式中，E_rⁱ为土壤重金属元素i的潜在生态风险指数，T_rⁱ为单个土壤重金属的生物毒性因子，C_rⁱ为土壤重金属i的污染指数，RI为多种金属构成的潜在生态风险指数，本文参考Hakanson^[29]提出来的重金属生物毒性系数，即：As（10）、Cr（2）、Ni（5）、Cu（5）、Zn（1）、Cd（30）、Hg（40）和Pb（5）.

鉴于潜在风险指数法的广泛适用性和精确度，本文参考了李春芳等^[17]和卢合峰等^[30]的计算方法，对综合潜在生态风险指数的分级标准进行了调整，具体方法如下：

R I = \frac{l_{1}}{T C}

(4)

L_{1} = \sum_{i = 1}^{8} T C \times R I

(5)

式中，RI为单位毒性系数分级值，l₁为Hakanson模型中的第一级分级界限值，TC为该模型中8种污染物的毒性系数总和，L₁为经过调整后的第一级界限值^[17]，最后根据第一级界限值计算出其余的界限值，调整后的潜在生态风险指数分级标准如表 3.

表 3 潜在生态风险指数和分级标准 Table 3 Potential ecological risk index and grading criteria

潜在生态风险指数（ $E_{r}^{i}$ ）	综合潜在生态风险指数（RI）	风险等级
$E_{r}^{i} < 40$	RI<111	低风险
$40 \leq E_{r}^{i} < 80$	111≤RI<222	中风险
$80 \leq E_{r}^{i} < 160$	222≤RI<444	较高风险
$160 \leq E_{r}^{i} < 320$	RI≥444	高风险
$E_{r}^{i} \geq 320$		极高风险

表 3 潜在生态风险指数和分级标准 Table 3 Potential ecological risk index and grading criteria

1.3.3 绝对主成分得分-多元线性回归模型

受体模型用于土壤的污染源解析采用了两种统计技术，多元线性回归（MLR）和绝对主成分得分（APCS）的组合^[31，32]. 该模型以绝对因子得分为自变量，绝对主成分得分-多元线性回归模型（APCS-MLR）无需了解污染源个数，其核心是利用主成分分析识别源类型，然后利用转换后的APCS的多元线性回归系数计算贡献率^[33，34]，具体计算步骤参考文献[4，10]：

Z_{i j} = \frac{C_{i j} - {\bar{C}}_{i}}{σ_{i}}

(6)

式中，σ_i为重金属i的标准差， ${\bar{C}}_{i}$ 为重金属i的含量平均值，C_ij为第j个样本中重金属i的含量.

第二步，将含量为0的人为样本分别导入到各重金属元素，计算出各重金属0浓度样本的因子得分并且转化为主成分得分：

(Z_{0})_{i} = \frac{0 - {\bar{C}}_{i}}{σ_{i}}

(7)

第三步，用土壤各重金属含量与APCS进行多元线性回归分析，得到回归方程：

C_{i j} = b_{i 0} + \sum_{k = 1}^{p} b_{k i} \times A P C S_{k}

(8)

式中，b_ki为污染源k对重金属i的回归系数，b_i₀为回归方程的常数项.

最后，根据回归方程计算污染源和未知源的贡献率.

污染源k对重金属i贡献率为：

P C_{k i} = \frac{|b_{k i} \times \bar{A P C S_{k}}|}{|b_{i}| + \sum_{k = 1}^{p} |b_{k i} \times \bar{A P C S_{k}}|}

(9)

未知源的贡献率计算公式为：

P C_{k i} = \frac{|b_{i}|}{|b_{i}| + \sum_{k = 1}^{p} |b_{k i} \times \bar{A P C S_{k}}|}

(10)

1.4 数据处理

数据处理使用Excel 2022和SPSS 26.0软件进行，所有图使用Origin 2024绘制.

2 结果与讨论 2.1 土壤重金属含量特征

不同土地利用方式的土壤，其重金属含量存在差异. 从表 4可以看出，汞（Hg）、锌（Zn）和镉（Cd）在3种土地利用方式土壤中的含量平均值均超过了宁夏的土壤背景值^[35]，分别为宁夏土壤背景值的1.71、1.17和1.86倍. 与全国土壤背景值相比，Cd在3种土地利用方式下的土壤含量平均值均高于中国表层土壤的背景值. 尤其是在水田中，Cd的积累程度最为显著，其含量达到了我国土壤背景值的2.14倍. 此外，水田与水浇地土壤中Cu和Pb的含量平均值也超过了宁夏的土壤背景值. 与此同时，旱地土壤中的Ni、水浇地土壤中的Ni和As以及水田土壤中的Cu，其含量平均值也高于中国土壤的背景值，说明在不同土地利用方式的土壤类型下，土壤重金属的累积情况存在显著差异.

表 4 土壤重金属浓度描述性统计分析^1） Table 4 Descriptive statistical analysis of soil heavy metal concentrations in different agricultural land types

项目		As	Hg	Cr	Ni	Cu	Zn	Cd	Pb
旱地	样本数	125	125	125	125	125	125	125	125
	最小值/mg·kg^-1	7.06	0.002	31.00	19.00	11.73	40.00	0.02	13.21
	最大值/mg·kg^-1	17.30	0.13	77.00	50.00	29.00	90.00	0.31	39.00
	平均值/mg·kg^-1	10.791	0.026	56.068	30.071	21.816	62.566	0.158	20.129
	偏度	0.375	2.258	-0.407	1.045	-0.294	0.294	0.310	1.791
	峰度	0.413	6.748	-0.354	0.923	-0.080	0.323	1.009	2.539
	变异系数/%	16.99	79.97	17.79	19.65	15.60	15.84	28.01	27.69
水浇地	样本数	503	503	503	503	503	503	503	503
	最小值/mg·kg^-1	0.30	0.002	17.00	13.00	10.10	30.00	0.03	12.40
	最大值/mg·kg^-1	18.00	0.40	139.00	54.00	45.10	172.00	0.47	53.00
	平均值/mg·kg^-1	11.042	0.035	57.970	30.456	22.806	66.149	0.189	21.155
	偏度	-0.114	5.227	0.318	0.421	0.029	1.052	0.809	1.648
	峰度	0.420	45.292	3.061	0.269	0.735	5.884	1.140	2.480
	变异系数/%	21.80	93.72	22.17	20.10	20.43	21.95	34.42	29.86
水田	样本数	99	99	99	99	99	99	99	99
	最小值/mg·kg^-1	5.35	0.002	26.00	16.00	10.54	35.00	0.09	6.80
	最大值/mg·kg^-1	16.60	0.12	90.00	58.00	36.00	116.00	0.35	45.00
	平均值/mg·kg^-1	10.887	0.036	57.381	29.991	23.301	69.025	0.208	21.318
	偏度	-0.032	1.084	-0.188	1.166	-0.179	0.056	0.201	1.316
	峰度	-0.199	1.789	-0.123	3.455	-0.333	0.826	-0.739	2.007
	变异系数/%	22.68	57.73	23.90	21.97	21.00	19.89	30.71	28.92
中国表层土壤背景值^[37]/mg·kg^-1		11.0	0.065	61	27.0	23.0	74.0	0.097	26.0
宁夏土壤元素背景值^[35]/mg·kg^-1		11.9	0.021	60	36.5	22.1	58.8	0.112	20.9
筛选值（pH>7.5）^[38]/mg·kg^-1		25.0	3.400	250	190.0	100.0	300.0	0.600	170.0
管制值（pH>7.5）^[38]/mg·kg^-1		100.0	6.000	1 300	—	—	—	4.000	1 000.0
1）“—”表示无数值

表 4 土壤重金属浓度描述性统计分析^1） Table 4 Descriptive statistical analysis of soil heavy metal concentrations in different agricultural land types

然而，将上述土壤中的重金属含量与我国农田土壤污染风险的管制值和筛选值进行对比后发现，所有重金属浓度均低于限值. 这说明无论是旱地、水浇地还是水田，其土壤的污染风险较低，整体处于相对安全的状态.

变异系数（CV）是标准差与均值的比值，能够反映样本数据的离散程度及变异性强度. 本文采用了管孝艳等^[36]提出的分级标准：0~15%表示弱变异性；16%~35%为中等变异性；大于36%则为强变异性. CV值越高，表明受人类活动影响的程度越大. 不同土地利用方式下土壤重金属的变异系数排序如下：旱地重金属的顺序为Hg>Cd>Pb>Ni>Cr>As>Zn>Cu；水浇地则为Hg>Cd>Pb>Cr>Zn>As>Cu>Ni；而水田的顺序为Hg>Cd>Pb>Cr>As>Ni>Cu. 在这3种土地利用方式的土壤中，Hg均表现出强变异性（CV≥36%），表明Hg的含量可能受到人类活动的影响较大. 而其余7种重金属则均为中等变异性（16%~35%），表明在这3种不同土地利用方式下的土壤中，As、Cr、Ni、Cu、Zn、Cd和Pb的空间分布差异性比较低.

2.2 土壤重金属污染特征及风险评价 2.2.1 地累积指数法

以本研究区的土壤背景值作为标准，不同土地利用方式下土壤重金属地累积指数的分析结果如图 1所示，旱地土壤中8种重金属元素的I_geo均值均为负值，且低于水田和水浇地土壤各元素的I_geo均值，说明旱地的土壤基本上是安全的，水田和水浇地的重金属元素中，除Cd外，其余元素的I_geo均值均处于无污染等级. 结合图 2，3种不同土地利用方式下土壤各元素污染等级的占比分析，气泡的大小与样点污染等级占比呈正相关，占比越大，气泡越大. 从图 2（a）可见，在旱地中，Hg、Zn、Cd和Pb的样点分别有24%、8%、40.8%和9.6%处于轻度污染状态. 而在水浇地中，Cd元素在0.03%、55.2%和42.1%的样点中分别处于中度、轻度和无污染状态；Hg元素中，除了59.7%的样点处于无污染状态外，还有0.4%、2.2%、7.1%和30.6%的样点分别处于严重、重度、中度和轻度污染状态. As、Cr、Cu、Zn和Pb则主要以无污染为特征，分别占99.8%、99.2%、99.2%、93.7%和88.7%；Ni的所有样点均处于无污染状态. 在水田土壤中，如图 2（c）所示，Cd元素在2.0%和67.7%的样点中分别处于中度和轻度污染状态，仅有30.3%的样点为无污染状态；Hg元素中，43.4%的样点处于无污染状态，另有12.1%和44.4%的样点分别处于中度和轻度污染状态；而Cr、Ni、Cu、Zn和Pb则同样主要表现为无污染，分别占99.0%、99.0%、99.0%、95.0%和90.9%；As元素的所有样点均为无污染. 因此，Hg和Cd为3种不同土地利用方式下的主要污染元素.

图 1 不同土地利用方式土壤重金属地累积指数分析结果 Fig. 1 Analysis results of soil heavy metal accumulation index under different land use patterns

（a）旱地，（b）水浇地，（c）水田；气泡的大小与污染等级占比呈正相关，占比越大，气泡越大图 2 不同土地利用方式土壤重金属地累积指数污染等级占比 Fig. 2 Proportion of pollution level of soil heavy metal accumulation index in different land use patterns

2.2.2 潜在生态风险指数评价法

图 3是研究区域不同土地利用方式土壤潜在生态风险的统计分析结果. 可以看到旱地、水浇地以及水田的潜在风险指数显示Hg和Cd元素存在不同程度的生态风险，而其他元素则呈现出较低的风险水平. 在旱地土壤[图 3（a）]，Hg在中等、较高和高风险样点的占比分别为34.4%、11.2%和2.4%；Cd在中等和较高风险样点的占比为0.8%和56.0%. 在水田中[图 3（c）]，Hg在中等、较高和高生态风险样点的占比分别为47.5%、27.3%和2.0%；Cd在中等和较高风险样点的占比则为68.7%和10%. 与水田和旱地相比，水浇地土壤中[图 3（b）]Hg元素有0.4%的样点处于极高风险状态，这表明水浇地土壤存在点源污染问题. 此外，水浇地土壤中Hg在中等、较高和高生态风险样点的占比分别为41.7%、19.5%和4.8%；Cd在中等和较高风险样点的占比则分别为66.2%和6.4%.

（a）旱地，（b）水浇地，（c）水田图 3 不同土地利用方式土壤重金属潜在生态风险评价结果 Fig. 3 Evaluation results of potential ecological risk of soil heavy metals under different land use types

通过综合潜在生态风险指数的分析，如图 4所示，旱地的综合生态风险指数（RI）主要表现为低风险，占比为51.2%，其次是中度风险，而较高风险的比例较低，占比仅为3.2%，水田和旱地均未出现高风险样点. 水浇地和水田的RI值主要集中在中度风险和低风险，占比分别为66.4%和77.8%，较高生态风险点位的占比分别为6%和7.1%，其中水浇地存在高风险点位，占比为0.4%.

图 4 不同土地利用方式土壤重金属综合潜在生态风险等级占比 Fig. 4 Proportion of soil heavy metals in different land use patterns

综上所述，3种不同土地利用方式土壤中，Hg和Cd为主要污染因子，且对RI值的贡献率最大，这与陈林等^[19]和丛鑫等^[39]的分析结果一致.

2.3 土壤重金属源解析 2.3.1 相关性分析

通过Pearson相关性分析法揭示了3种不同土地利用方式土壤重金属的关联特征（图 5），在旱地土壤中，Ni、Cd、Zn和Cu元素两两呈现极显著正相关关系（P<0.01），As-Zn与As-Cr同样达到极显著正相关水平，同时As-Cu间存在显著正相关（P<0.05）；水浇地样本数据显示：Ni、Cu、Zn、Cd和Pb两两之间呈现极显著正相关（P<0.01），水田样本数据则呈现As-Ni-Cu-Zn-Cd极显著正相关（P<0.01），这些关联特征表示其潜在同源性^[40，41]. 值得注意的是，旱地样本数据中Pb-As、Pb-Cr及Cr-Ni表现出极显著负相关；水浇地Cr-Pb与Cr-Cd和水田中Cr-Pb各组均呈现极显著负相关，表示其可能存在拮抗作用或差异化的污染来源^[4，42].

**表示P<0.05，*表示P<0.01 图 5 不同土地利用方式土壤重金属相关性分析 Fig. 5 Correlation analysis of soil heavy metals under different land use types

2.3.2 主成分分析

对3种不同土地利用方式土壤样本数据进行了主成分分析检验. KMO值的检验结果显示（表 5）：旱地为0.677、水浇地为0.696和水田为0.76，均超过0.5的临界值，并且Bartlett检验结果均为0.000，显著小于0.001，表明3种不同土地利用方式的样本数据均适合进行因子分析^[43，44]. 采用最大方差法进行旋转，结果如表 5所示，旱地、水田和水浇地的土壤各自存在3个特征值大于1的因子.

表 5 土壤重金属主成分分析旋转后成分矩阵 Table 5 Principal component analysis of heavy metals in soil for different agricultural land types and matrix of the rotated components

具体而言，在旱地中，第一主成分（F1）的方差贡献率为29.42%，累计方差贡献率为29.42%，载荷较高的元素主要有Ni、Cu、Zn和Cd元素，其载荷系数分别为0.619、0.791、0.747和0.697，且Ni-Cu-Zn-Cd呈极显著正相关性（图 5），表明其同源性较高. 第二主成分（F2）中，方差贡献率和累计方差贡献率为25.437%和54.856%，As和Cr的载荷系数较高且呈正相关极显著（图 5），载荷系数为0.606和0.827；第三主成分（F3）中载荷系数较高的是Hg（0.923），方差贡献率和累计方差贡献率分别为14.571%和69.427%. 而在水浇地中，F1上具有较高载荷的元素为Ni、Cu、Zn、Cd和Pb构成，其载荷系数分别为0.772、0.755、0.708、0.679和0.713，这5种元素两两之间也呈极显著正相关，方差贡献率和累计方差贡献率为34.426%；F2中，载荷较高的元素为As和Cr，载荷系数为0.73和0.861，方差贡献率和累计方差贡献率为21.39%和55.815%；F3主要为Hg，载荷系数为0.96，方差贡献率和累计方差贡献率为13.885%和69.7%. 在水田中，第一主成分（F1）包含的载荷较高的元素为As、Ni、Cu、Zn和Cd，载荷系数分别为0.687、0.85、0.857、0.864和0.623，方差贡献率为40.668%，且这4种元素之间也表现出极显著相关性；和旱地和水浇地相似，第二主成分（F2）载荷较高的元素为As和Cr，载荷系数为0.546和0.867，第三主成分（F3）载荷较高的为Hg，其载荷值系数为0.987.

2.3.3 APCS-MLR模型分析

在主成分分析的基础上，运用APCS-MLR模型，针对3种不同用地方式的土壤重金属（As、Hg、Cr、Ni、Cu、Zn、Cd和Pb）开展了多元线性回归分析. 结果如表 6所示，除了旱地土壤中As的R²相对较低外，旱地土壤中的其他元素以及水浇地和水田土壤中的所有元素的R²均超过了0.5. 此外，3种不同用地类型土壤重金属的预测值与真实值的比值均接近于1，这表明该模型具有较高的拟合度和可信度，能够有效反映实际情况^[45].

表 6 土壤重金属APCS-MLR模型及相关参数 Table 6 APCS-MLR model of soil heavy metals and related parameters

在主成分与多元线性回归分析的基础上，计算出了不同污染源对不同农业用地土壤重金属含量的贡献率如图 6所示.

（a）旱地；（b）水浇地；（c）水田图 6 基于APCS-MLR模型的土壤重溯源解析 Fig. 6 Soil back-source analysis based on APCS-MLR model

旱地土壤重溯源解析结果显示，F1源对Cu、Zn和Cd的贡献率较高，分别为66.59%、64.77%和52.40%[图 6（a）]，Cd是主要的农业来源重金属^[46]，化肥和农药的施用会导致土壤中Cu和Cd含量的增加，特别是杀虫剂和除草剂的应用会导致农田中Cu的富集^[47]，而磷肥则是土壤中Cu、Zn和Cd的重要来源^[48]，值得注意的是，地膜的长期使用也会导致土壤中Cd含量的增加^[49]，在采样过程中发现，部分旱地样点存在地膜覆盖保湿的现象，这可能进一步加剧Cd的累积风险. 此外，旱地土壤中Zn和Cd的平均含量已超出宁夏地区的土壤背景值，通过地累积指数分析可知，这两种元素在部分取样点呈现出轻度污染的迹象. 因此，可以推断旱地土壤的第一主要污染源（F1）为农业活动来源；旱地的F2源对Cr和As的贡献率相对较高，分别为50.23%和34.93%[图 6（a）]，已有研究表明Cr和Ni的来源与土壤母质的风化有关^[50~52]，此外，施用氮肥、磷肥和粪肥的农业活动也会提高土壤中Cr的含量^[53~55]. 而旱地土壤中的Cr的平均含量远低于宁夏土壤背景值，地累积指数和潜在风险指数的评估结果均显示其处于无污染和低生态风险水平，因此旱地土壤的F2源可视为自然来源. 研究区域内3种不同用地类型的F3源对Hg污染的贡献率相对较高，旱地为51.43%[图 6（a）]，水浇地为40.14%[图 6（b）]，水田为59.36%[图 6（c）]，且3种不同土地利用方式下的土壤中Hg的变异系数均最高（CV≥36%），地累积指数和潜在风险评价结果表明Hg在各用地类型中均存在不同程度的污染，说明其含量受人为影响较大. Hg是一种全球性污染物，通常以气态形式存在，通过大气沉降作用进入到农田中^[48]，有研究表明，Hg主要源于工业污染，例如燃煤发电、废弃物焚烧以及石油生产等活动^{[8，56，57]}. 研究区内存在煤矿、有色金属加工厂、水泥厂以及能源化工等多类工业企业. 基于此，本研究将3种土地利用方式土壤的F3源均界定为工业源.

水浇地土壤的源解析结果表明，F1源对Ni、Cu、Zn、Cd和Pb的贡献率相对较高，分别为76.58%、64.64%、70.03%、65.40%和50.32%[图 6（b）]. 其中，除Ni元素外，其余元素的地累积指数显示部分取样点存在轻度污染. 在水田土壤中，F1源对As、Ni、Cu、Zn和Cd的贡献率也较显著，分别为60.24%、68.15%、74.54%、76.79%和49.02%[图 6（c）]，其中Ni、Cu、Zn和Cd的地累积指数分析结果均表明存在不同程度的污染. 此外，水田和水浇地的Cu、Zn、Cd及Pb的平均浓度均高于宁夏的土壤元素背景值. 当前研究表明，汽车尾气排放、汽油添加剂以及轮胎磨损等诸多因素均会导致土壤中Pb含量的增加^[58，59]，尽管国家已明令禁止生产含Pb汽油，但由于Pb元素半衰期较长，其在土壤中的残留量依然处于较高水平^[60]，此外，沥青和轮胎碎片中含有较高浓度的Zn和Pb，这些物质可通过大气沉降途径进入农田土壤^[61]. 水浇地土壤多分布于引黄灌区，交通相对便利，公路密集度高，铁路运输量大，大量农田依交通道路分布^[19]，因此，Pb的污染源可追溯至交通源. Cd元素的来源除了上述因素外，农业机械作业排放的尾气也将导致Cd浓度升高^[62]. Ni元素除了自然源外，还与农业活动相关，例如使用含镍盐的杀菌剂可能提升土壤中Ni的浓度^[63]. As元素主要与人为活动有关，如含无机砷化合物的杀虫剂或除草剂（如砷酸钙、砷酸铅和砷酸钠等）可导致土壤中As浓度的增加^[41，64]，同时也源于自然源，主要受土壤形成中所涉及的母质的影响^[65]. 在采样过程中发现，部分种植户存在一种特殊的施肥和施药方式：将水溶肥，或是杀虫剂、杀菌剂等化学制剂直接投入水中，用于农田灌溉. 这将会导致As和Ni的增加，因此，水浇地的F1源为自然-交通-农业为主的混合源，水田的F1源为自然-农业的复合源；水浇地和水田的F2源均为农业源.

综上所述，旱地的污染来源主要可分为农业源、自然源、工业源和未知源，其占比分别为36.6%、20.1%、14.1%和29.2%[图 7（a）]. 由此可见，农业源是旱地污染的主要来源. 相比之下，水浇地的污染来源则呈现不同的分布特征，主要包括自然-交通-农业的混合源、农业源、工业源和未知源，占比分别为50.08%、31.32%、6.65%和11.94%[图 7（b）]，其中，自然-交通-农业相关的混合源是水浇地的主要污染来源. 对于水田而言，其污染来源的构成同样具有独特性，主要包括自然-农业的复合源、农业源、工业源和未知源，占比分别为46.81%、21.24%、12.65%和19.30%[图 7（c）]. 由此可见，自然-农业源是水田污染的主要来源. 总体来看，不同土地利用方式土壤的污染来源呈现出显著差异.

图 7 土壤污染源贡献率 Fig. 7 Contribution rate of soil pollution sources

3 结论

（1）在旱地土壤中，重金属元素Hg、Zn和Cd的含量，以及水浇地和水田土壤中的重金属元素Hg、Cu、Zn、Cd和Pb均高于宁夏的土壤背景值，3种土地利用方式下的土壤中Hg元素表现出显著的变异性.

（2）3种土地利用方式下的土壤总体为无污染水平，I_geo结果显示旱地的Zn和Pb为轻度污染，水浇地的As、Cr、Cu、Zn和Pb亦存在轻度污染，水田的Cr、Ni、Cu、Zn和Pb同样呈现轻度污染；综合潜在生态风险指数结果表示Hg和Cd为3种土地利用方式下土壤主要污染因子.

（3）APCS-MLR模型的定量分析结果表明，旱地的污染源包括农业活动、自然因素、工业和未知源；水浇地的污染源则由自然-交通-农业源、农业源、工业源和未知源构成；水田的污染源包括自然-农业源、农业源、工业源和未知源.

参考文献

[1]	Sun S J, Wang J L, Mu L Y, et al. Source-risk-driver analysis of heavy metal pollution in karst soils: an integrated assessment in eastern Yunnan, China[J]. Ecological Indicators, 2025, 176. DOI:10.1016/j.ecolind.2025.113699
[2]	Qi C, Xu M Z, Liu J D, et al. Source analysis and contribution estimation of heavy metal contamination in agricultural soils in an industrial town in the Yangtze River Delta, China[J]. Minerals, 2024, 14(3). DOI:10.3390/min14030279
[3]	Adnan M, Zhao P, Xiao B H, et al. Heavy metal pollution and source analysis of soils around abandoned Pb/Zn smelting sites: environmental risks and fractionation analysis[J]. Environmental Technology & Innovation, 2025, 38. DOI:10.1016/j.eti.2025.104084
[4]	罗旭, 杨林, 申小歌, 等. 重庆市铜梁区菜地土壤重金属污染现状、源解析及健康风险评估[J]. 环境科学, 2025, 46(9): 6037-6045. Luo X, Yang L, Shen X G, et al. Current pollution status, health risk assessment and source apportionment of heavy metals in vegetable soil in Tongliang district, Chongqin[J]. Environmental Science, 2025, 46(9): 6037-6045. DOI:10.13227/j.hjkx.202407282
[5]	Xu S H, Li C H, Wang Y, et al. Characteristics and evaluation of heavy metal pollution in a soil–wheat system of an arid oasis city in northwest China[J]. Ecotoxicology and Environmental Safety, 2024, 271. DOI:10.1016/j.ecoenv.2024.115958
[6]	陈林, 杨玲, 李虹, 等. 宁夏农田土壤和农产品镉含量特征、健康风险评价及其环境基准[J]. 环境科学, 2025, 46(4): 2580-2589. Chen L, Yang L, Li H, et al. Cadmium content characteristics, health risk assessment, and soil environmental benchmarks in farmland soil and agricultural products in Ningxia[J]. Environmental Science, 2025, 46(4): 2580-2589. DOI:10.13227/j.hjkx.202404161
[7]	张敏. 宁夏平原引黄灌区重金属污染特征及其两种土地利用类型源解析研究[D]. 北京: 中央民族大学, 2020.
[8]	Liu P F, Wu Z Q, Luo X R, et al. Pollution assessment and source analysis of heavy metals in acidic farmland of the karst region in southern China—a case study of Quanzhou County[J]. Applied Geochemistry, 2020, 123. DOI:10.1016/j.apgeochem.2020.104764
[9]	环境保护部, 国土资源部. 全国土壤污染状况调查公报(2014年4月17日)[J]. 环境教育, 2014(6): 8-10.
[10]	董天浩, 潘淑芳, 张仁杰, 等. 基于APCS-MLR和PMF模型的石煤矿区及周边区域农田土壤重金属污染来源解析[J]. 环境科学, 2025, 46(5): 3209-3219. Dong T H, Pan S F, Zhang R J, et al. Source apportionment of heavy metal pollution in farmland soil of a stone coal mining area and its surrounding area based on APCS-MLR and PMF models[J]. Environmental Science, 2025, 46(5): 3209-3219. DOI:10.13227/j.hjkx.202403278
[11]	田弘, 刘芳, 杨洁. 典型危废焚烧处置场地土壤重金属分布特征、来源解析及风险评价[J]. 环境科学, 2025, 46(2): 1089-1097. Tian H, Liu F, Yang J. Distribution characteristics, sources analysis, and potential ecological risk assessment of heavy metals in soils of typical hazardous waste incineration disposal sites[J]. Environmental Science, 2025, 46(2): 1089-1097. DOI:10.13227/j.hjkx.202402016
[12]	Sun P, Chen Y, Wang X Y, et al. Quantification of an integrated approach to heavy metal source apportionment and probabilistic health risk assessment in the black soil region of central Jilin Province, China[J]. Ecotoxicology and Environmental Safety, 2025, 299. DOI:10.1016/j.ecoenv.2025.118358
[13]	哈力旦·艾赛都力, 阿不都艾尼·阿不里, 孙小丽, 等. 基于GIS的不同土地利用方式土壤重金属污染评价及来源解析[J]. 中国矿业, 2023, 32(5): 53-64. Halidan A, Abudugheni A, Sun X L, et al. Assessment and source analysis of heavy metal pollution in soils with different land use patterns based on GIS[J]. China Mining Magazine, 2023, 32(5): 53-64.
[14]	李楠, 曹明杰, 郝喆, 等. 基于不同土地利用方式的土壤重金属污染与潜在风险评价: 以辽河流域(浑太水系)山水林田湖草沙一体化保护和修复工程为例[J]. 现代地质, 2023, 37(6): 1655-1664. Li N, Cao M J, Hao Z, et al. Soil heavy metal pollution and potential risk assessment based on different ways of land use: a case study of integrated protection and restoration project of mountains, rivers, forests, fields, lakes, grass and sand in the Liaohe river basin (Huntai river system)[J]. Geoscience, 2023, 37(6): 1655-1664.
[15]	谢娜, 冯备战, 李春亮. 不同土地利用方式土壤有机碳变化特征及与重金属的相关性分析[J]. 中国农学通报, 2019, 35(26): 115-120. Xie N, Feng B Z, Li C L. Soil organic carbon under different land use patterns: change characteristics and its correlation with soil heavy metals[J]. Chinese Agricultural Science Bulletin, 2019, 35(26): 115-120.
[16]	田慧慧, 孙占锋, 李杨杨, 等. 基于土地利用变化的宁夏生态系统服务价值时空演变研究[J]. 中国水土保持, 2024(12): 59-66, 83.
[17]	李春芳, 曹见飞, 吕建树, 等. 不同土地利用类型土壤重金属生态风险与人体健康风险[J]. 环境科学, 2018, 39(12): 5628-5638. Li C F, Cao J F, Lü J S, et al. Ecological risk assessment of soil heavy metals for different types of land use and evaluation of human health[J]. Environmental Science, 2018, 39(12): 5628-5638. DOI:10.13227/j.hjkx.201804228
[18]	Tudi M, Wang L, Wei B G, et al. Effects of drip and flood irrigation on soil heavy metal migration and associated risks in China[J]. Ecological Indicators, 2024, 161. DOI:10.1016/j.ecolind.2024.111986
[19]	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. DOI:10.13227/j.hjkx.202204121
[20]	李谦, 王泽岚, 孙少忆, 等. 宁夏引黄灌区水稻种植区土壤重金属污染特征及风险评价[J]. 化学试剂, 2025, 47(3): 59-67. Li Q, Wang Z L, Sun S Y, et al. Characteristics and risk assessment of heavy metal pollution in paddy soil in Ningxia Yellow River irrigation area[J]. Chemical Reagents, 2025, 47(3): 59-67.
[21]	童晓玉, 郭静静, 高瑞丽, 等. 宁夏某工业园周边农田土壤重金属分布特征及风险评估[J]. 环境监测管理与技术, 2025, 37(1): 50-56. Tong X Y, Guo J J, Gao R L, et al. Distribution characteristics and risk assessment of heavy metals in farmland soil around an industrial park in Ningxia[J]. The Administration and Technique of Environmental Monitoring, 2025, 37(1): 50-56.
[22]	王美娥, 彭驰, 陈卫平. 宁夏干旱地区工业区对农田土壤重金属累积的影响[J]. 环境科学, 2016, 37(9): 3532-3539. Wang M E, Peng C, Chen W P. Impacts of industrial zone in arid area in Ningxia province on the accumulation of heavy metals in agricultural soils[J]. Environmental Science, 2016, 37(9): 3532-3539. DOI:10.13227/j.hjkx.2016.09.035
[23]	张扣扣. 宁夏中卫某铜尾矿重金属溶出特征及生态风险研究[D]. 银川: 宁夏大学, 2023. Zhang K K. Study on heavy metal dissolution characteristics and ecological risk of a copper tailing in Zhongwei, Ningxia[D]. Yinchuan: Ningxia University, 2023.
[24]	夏子书, 白一茹, 王幼奇, 等. 基于PMF模型的宁南山区小流域土壤重金属空间分布及来源解析[J]. 环境科学, 2022, 43(1): 432-441. Xia Z S, Bai Y R, Wang Y Q, et al. Spatial distribution and source analysis of soil heavy metals in a small watershed in the mountainous area of southern Ningxia based on PMF model[J]. Environmental Science, 2022, 43(1): 432-441. DOI:10.13227/j.hjkx.202105128
[25]	杨亚芳, 何杰. 宁夏中部干旱带土壤重金属污染及生态风险评价[J]. 石河子大学学报(自然科学版), 2021, 39(5): 608-613. Yang Y F, He J. Pollution characteristics and ecological risk assessment of soil heavy metals in arid area of central Ningxia[J]. Journal of Shihezi University (Natural Science), 2021, 39(5): 608-613.
[26]	Xu J, Wang S, Xiao Y, et al. Mapping the spatiotemporal heterogeneity of ecosystem service relationships and bundles in Ningxia, China[J]. Journal of Cleaner Production, 2021, 294. DOI:10.1016/j.jclepro.2021.126216
[27]	Wang X D, Zheng W D, Tian W, et al. Groundwater hydrogeochemical characterization and quality assessment based on integrated weight matter-element extension analysis in Ningxia, upper Yellow River, northwest China[J]. Ecological Indicators, 2022, 135. DOI:10.1016/j.ecolind.2021.108525
[28]	Muller G. Index of geoaccumulation in sediments of the Rhine River[J]. Geojournal, 1969, 2(3): 108-118.
[29]	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
[30]	卢合峰, 王子祥, 张有军, 等. 典型工矿周边农田土壤重金属潜在生态风险评价的方法改进及不确定性分析[J]. 农业环境科学学报, 2026, 45(2): 411-423. Lu H F, Wang Z X, Zhang Y J, et al. Improvement of methodology and uncertainty analysis for potential ecological risks assessment of heavy metals in agricultural soils around typical industrial and mining sites[J]. Journal of Agro-Environment Science, 2026, 45(2): 411-423.
[31]	沈智杰, 李杰芹, 李彩霞, 等. 基于APCS-MLR和PMF模型的赤泥堆场周边耕地土壤重金属污染源解析[J]. 环境科学, 2024, 45(2): 1058-1068. Shen Z J, Li J Q, Li C X, et al. Pollution source apportionment of heavy metals in cultivated soil around a red mud yard based on APCS-MLR and PMF models[J]. Environmental Science, 2024, 45(2): 1058-1068. DOI:10.13227/j.hjkx.202212191
[32]	刘春英, 曹依, 李嘉薇, 等. 基于APCS-MLR模型的城市绿地土壤重金属污染源解析研究[J]. 干旱区资源与环境, 2024, 38(7): 146-154. Liu C Y, Cao Y, Li J W, et al. Heavy metals pollution sources in urban green space soils: an APCS-MLR model-based analysis[J]. Journal of Arid Land Resources and Environment, 2024, 38(7): 146-154.
[33]	王美华. PCA-APCS-MLR和地统计学的典型农田土壤重金属来源解析[J]. 环境科学, 2023, 44(6): 3509-3519. Wang M H. Source analysis of heavy metals in typical farmland soils based on PCA-APCS-MLR and geostatistics[J]. Environmental Science, 2023, 44(6): 3509-3519. DOI:10.13227/j.hjkx.202208002
[34]	杨崛园, 熊健, 李伟, 等. 基于PCA-APCS-MLR模型的西藏扎西岗湿地土壤重金属风险评价及来源解析[J]. 生态学杂志, 2024, 43(6): 1807-1816. Yang J Y, Xiong J, Li W, et al. Soil heavy metal risk evaluation and source analysis of Zhaxigang wetland in Tibet based on PCA-APCS-MLR Model[J]. Chinese Journal of Ecology, 2024, 43(6): 1807-1816.
[35]	迟清华, 鄢明才. 应用地球化学元素丰度数据手册[M]. 北京: 地质出版社, 2007.
[36]	管孝艳, 王少丽, 高占义, 等. 盐渍化灌区土壤盐分的时空变异特征及其与地下水埋深的关系[J]. 生态学报, 2012, 32(4): 1202-1210. Guan X Y, Wang S L, Gao Z Y, et al. Spatio-temporal variability of soil salinity and its relationship with the depth to groundwater in salinization irrigation district[J]. Acta Ecologica Sinica, 2012, 32(4): 1202-1210.
[37]	国家环境保护局, 中国环境监测总站. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990.
[38]	GB 15618-2018, 土壤环境质量农用地土壤污染风险管控标准(试行)[S].
[39]	丛鑫, 张怀迪, 张荣, 等. 基于Meta分析的近10年中国农田土壤重金属污染特征与风险解析[J]. 生态环境学报, 2024, 33(9): 1451-1459. Cong X, Zhang H D, Zhang R, et al. Pollution characteristics and risk analysis of heavy metal in farmland soils of China in recent 10 years based on meta analysis[J]. Ecology and Environmental Sciences, 2024, 33(9): 1451-1459.
[40]	Lu N, Yang X F, Chi H J, et al. Heavy metals pollution characteristics, source analysis, and risk assessment in soil based on Geographic Information System: a case study of a typical area in Three Parallel Rivers of Yunnan Protected Areas, China[J]. Microchemical Journal, 2024, 205. DOI:10.1016/j.microc.2024.111348
[41]	喜俊生, 王玲, 李新斌, 等. 陕西省韩城市凿开河流域土壤重金属来源分析与风险评价[J]. 环境生态学, 2024, 6(12): 1-8. Xi J S, Wang L, Li X B, et al. Source analysis and risk assessment of heavy metals in soil of Zaokai River Basin, Hancheng City, Shaanxi Province[J]. Environmental Ecology, 2024, 6(12): 1-8.
[42]	胡芬, 陈巧红, 姜烈, 等. 基于APCS-MLR和PMF模型的煤矿集中区农用地周边土壤重金属污染特征与来源解析[J]. 环境科学, 2026, 47(3): 2007-2019. Hu F, Chen Q H, Jiang L, et al. Contamination characteristics and source apportionment of heavy metals in soil around the agricultural land in coal mining concentration areas based on APCS-MLR and PMF models[J]. Environmental Science, 2026, 47(3): 2007-2019. DOI:10.13227/j.hjkx.202501218
[43]	蔡传双, 赵广明, 苏大鹏, 等. 黄河三角洲北部湿地沉积物重金属污染风险评价及来源分析[J]. 海洋地质与第四纪地质, 2024, 44(5): 176-188. Cai C S, Zhao G M, Su D P, et al. Risk assessment and source analysis of heavy metal pollution in wetland sediments in the northern Yellow River Delta[J]. Marine Geology & Quaternary Geology, 2024, 44(5): 176-188.
[44]	Zhao J Y, Cao C Y, Chen X, et al. Source-specific ecological risk analysis and critical source identification of heavy metal(loid)s in the soil of typical abandoned coal mining area[J]. Science of the Total Environment, 2024, 947. DOI:10.1016/j.scitotenv.2024.174506
[45]	赵琳兴, 雷红平, 王雁鹤, 等. 黄河上游典型工业园区周边土壤重金属污染评价及来源解析[J]. 环境科学, 2025, 46(6): 3890-3901. Zhao L X, Lei H P, Wang Y H, et al. Evaluation and source analysis of soil heavy metal pollution around typical industrial parks in Upper Reaches of Yellow River[J]. Environmental Science, 2025, 46(6): 3890-3901. DOI:10.13227/j.hjkx.202404210
[46]	Zhou W T, Li Z, Liu Y J, et al. Soil type data provide new methods and insights for heavy metal pollution assessment and driving factors analysis[J]. Journal of Hazardous Materials, 2024, 480. DOI:10.1016/j.jhazmat.2024.135868
[47]	徐皓帆, 王诗, 李舜, 等. 广东典型城乡结合带农田土壤重金属污染特征及来源解析[J]. 环境科学学报, 2024, 44(11): 277-287. Xu H F, Wang S, Li S, et al. Characteristics and source analysis of heavy metal pollution in farmland soil in typical urban-rural integration zones in Guangdong[J]. Acta Scientiae Circumstantiae, 2024, 44(11): 277-287.
[48]	Wang J, Wang B, Zhao Q B, et al. Sources analysis and risk assessment of heavy metals in soil in a polymetallic mining area in southeastern Hubei based on Monte Carlo simulation[J]. Ecotoxicology and Environmental Safety, 2025, 290. DOI:10.1016/j.ecoenv.2024.117607
[49]	Sun H R, Shi Y L, Li C H, et al. Factors controlling the heavy metal ion activity in soil contaminated bymicroplastics with different mulch durations: partial least squares path model[J]. Journal of Hazardous Materials, 2024, 464. DOI:10.1016/j.jhazmat.2023.133027
[50]	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. DOI:10.13227/j.hjkx.202201127
[51]	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
[52]	Xia F, Zhao Z F, Niu X, et al. Integrated pollution analysis, pollution area identification and sourceapportionment of heavy metal contamination in agricultural soil[J]. Journal of Hazardous Materials, 2024, 465. DOI:10.1016/j.jhazmat.2023.133215
[53]	艾建超, 王宁, 杨净. 基于UNMIX模型的夹皮沟金矿区土壤重金属源解析[J]. 环境科学, 2014, 35(9): 3530-3536. Ai J C, Wang N, Yang J. Source apportionment of soil heavy Metals in Jiapigou goldmine based on the UNMIX model[J]. Environmental Science, 2014, 35(9): 3530-3536.
[54]	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, 2017, 193: 189-197.
[55]	杨永, 刘航, 赵凯明, 等. 基于PCA-PMF模型的松嫩平原西北缘莫旗地区土壤重金属来源解析[J]. 环境科学, 2025, 46(5): 3220-3228. Yang Y, Liu H, Zhao K M, et al. Source apportionment of soil heavy metals in Moqi area on the northwest edge of Songnen Plain based on the PCA-PMF model[J]. Environmental Science, 2025, 46(5): 3220-3228. DOI:10.13227/j.hjkx.202404104
[56]	Liu L L, Liu Q Y, Ma J, et al. Heavy metal(loid)s in the topsoil of urban parks in Beijing, China: concentrations, potential sources, and risk assessment[J]. Environmental Pollution, 2020, 260. DOI:10.1016/j.envpol.2020.114083
[57]	Zhang J, Peng W H, Lin M L, et al. Environmental geochemical baseline determination and pollution assessment of heavy metals in farmland soil of typical coal-based cities: a case study of Suzhou City in Anhui Province, China[J]. Heliyon, 2023, 9(4). DOI:10.1016/j.heliyon.2023.e14841
[58]	Liu T S, Zhang Y K, Liu Y Y, et al. Multi-indicator assessment of heavy metal pollution in Qinzhou Harbour sediments: unraveling ecological and human health risks[J]. Marine Pollution Bulletin, 2025, 211. DOI:10.1016/j.marpolbul.2024.117442
[59]	Nakagawa K, Islam M S, Shah S S H, et al. Relationship between nitrate, heavy metal, and sterols contents in Japanese agricultural soils with risk of groundwater pollution[J]. Chemosphere, 2024, 361. DOI:10.1016/j.chemosphere.2024.142335
[60]	李福燕. 海南岛农用地重金属污染现状调查与评价研究[D]. 海口: 海南大学, 2010. Li F Y. The study on the investigation and evaluation of heavy metal pollution on farm land in Hainan Island[D]. Haikou: Hainan University, 2010.
[61]	Shao F L, Li K N, Ouyang D, et al. Sources apportionments of heavy metal(loid)s in the farmland soils close to industrial parks: integrated application of positive matrix factorization (PMF) and cadmium isotopic fractionation[J]. Science of the Total Environment, 2024, 924. DOI:10.1016/j.scitotenv.2024.171598
[62]	赛宁刚, 祁娟, 贾燕伟, 等. 东祁连山不同土地利用方式下土壤重金属污染评价[J]. 草业学报, 2022, 31(10): 99-109. Sai N G, Qi J, Jia Y W, et al. Evaluation of soil heavy metal pollution under different land use patterns in the eastern Qilian Mountains[J]. Acta Prataculturae Sinica, 2022, 31(10): 99-109.
[63]	Yang E Q, Wang Q Z, Zhang Z P, et al. Source-oriented health risk assessment of heavy metals in a soil-river continuum in northwest China[J]. International Journal of Sediment Research, 2024, 39(6): 916-928. DOI:10.1016/j.ijsrc.2024.09.001
[64]	Wang S, Cai L M, Wen H H, et al. Spatial distribution and source apportionment of heavy metals in soil from a typical county-level city of Guangdong Province, China[J]. Science of the Total Environment, 2019, 655: 92-101. DOI:10.1016/j.scitotenv.2018.11.244
[65]	Liu Z P, Wang L, Yan M J, et al. Source apportionment of soil heavy metals based on multivariate statistical analysis and the PMF model: a case study of the Nanyang Basin, China[J]. Environmental Technology & Innovation, 2024, 33. DOI:10.1016/j.eti.2024.103537


环境科学 2026, Vol. 47 Issue (9): 6422-6432	PDF