2019, Vol. 40
2. 重庆市土地质量地质调查重点实验室, 重庆 400038;
3. 中国地质大学(北京) 地球科学与资源学院, 北京 100083;
4. 重庆大学资源及环境科学学院, 重庆 400044;
5. 成都理工大学地球科学学院, 成都 610059
2. Chongqing Key Laboratory of Land Quality Geological Survey, Chongqing 400038, China;
3. School of Earth Sciences and Resources, China University of Geosciences, Beijing 100083, China;
4. College of Resources and Environment Science, Chongqing University, Chongqing 400044, China;
5. College of Earth Sciences, Chengdu University of Technology, Chengdu 610059, China
土壤作为一种不可再生的自然资源, 是人类生存和发展的基础[1~4].随着社会经济的发展, 城市化进程不断加快, 重金属污染对人类健康和经济发展的影响不断加剧[5~7].由于土壤重金属具有难降解、隐蔽性高、易被富集和可以通过食物链进入人体等特点, 土壤重金属污染成为近些年来国内外研究的热点问题之一[8~12].
土壤中重金属的主要来源有自然来源和人为来源.有研究表明, 重金属的自然来源主要与成土过程密切相关, 重金属主要来自于对母岩的继承, 人为来源主要与人类活动相关, 包括农业活动和工业活动等, 农业活动主要包括农药和化肥的使用, 采矿等工业行为也会加快重金属向土壤中迁移的速率[13~16].重金属元素不仅会影响植物的生长, 也会通过土壤-农作物发生迁移转换进入食物链中, 从而影响人类健康[17, 18].土壤酸碱度会影响重金属元素的生物有效性, 土壤呈酸性时, 会促进土壤中一些以碳酸盐、氢氧化物等形式存在的重金属元素溶解, 生物有效性提高[19~21].
土壤污染风险筛选值是指农用地土壤中污染物含量等于或者低于该值的, 对农产品质量安全、农作物生长或土壤生态环境的风险低, 一般情况下可以忽略; 超过该值的, 对农产品质量安全、农作物生长或土壤生态环境可能存在风险, 应当加强土壤环境监测和农产品协同监测, 原则上应当采取安全利用措施.土壤污染风险筛选值对土地质量评价、生态评估以及土地安全区划及安全利用均具有重要意义, 《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB 15618-2018)[22]给出了我国土壤环境质量的风险筛选值, 但由于不同地区土壤组分及理化性质等方面的差异, 使得该值对某些地区存在局限性.本文提出划分建议筛选值方法, 以期为完善区域土壤重金属及健康元素阈值提供借鉴和参考.
1 材料与方法 1.1 研究区概况本研究区位于重庆市东南部, 包括秀山、酉阳以及黔江部分区域(图 1).研究区分布有震旦系、寒武系、二叠系和三叠系碳酸盐岩及砂岩、泥岩和板岩, 以喀斯特地貌为主, 其间分布有流水侵蚀形成的低山和丘陵.主要土壤类型包括黄壤、石灰岩土及黄棕壤.气候属于亚热带湿润季风气候, 年平均气温14~16℃, 年平均降水量为1 000~1 350 mm, 降水多集中在5~9月, 占全年总降水量的70%左右, 年平均相对湿度多在70%~80%, 年日照时数1 000~1 400 h, 日照百分率仅为25%~35%, 冬、春季日照更少, 仅占全年的35%左右.
|
图 1 研究区地理位置示意 Fig. 1 Location map of the study area |
采集研究区主要大宗农作物, 包括水稻、玉米, 采用星形法和蛇形法等方法, 进行多植株混合采样.在农作物样品同点位采集根系土样品, 多株农作物根系土充分混合均匀后, 四分法留取1.0~1.5 kg装入样品袋.
土壤样品在自然条件下阴干, 在此过程中要经常揉搓样品, 以免胶结, 并去除土壤中的砾石以及植物根系.晾干后的样品在过筛前用木槌轻轻敲打, 以便使土壤样品恢复至自然粒级状态.样品晾干后用尼龙筛截取2 mm(10目)粒级的样品装聚四氟乙烯样瓶, 送实验室进一步处理以便测试.农作物样品在无污染、无扬尘、通风的条件下自然风干后, 脱粒, 送至实验室进一步处理.各类样品分析测试由重庆市地质矿产测试中心完成.
分析测试方法参照《土地质量地球化学评价规范》(DZ/T 0295-2016)[23]和《区域地球化学样品分析方法》(DZ/T0279-2016)[24], 选择使用电感耦合等离子体质谱法(ICP-MS)测定Cd元素; 离子选择性电极法(ISE)测定pH.按照规范的要求, 本次样品分析方法的最低检出限均等于或优于相关规定(表 1).
|
表 1 指标分析方法检出限 Table 1 Detection limit of indicator analysis method |
样品分析测试过程中采用国家一级标准物质(GBW07405、GBW07407、GBW07447、GBW07449、GBW07451、GBW07452、GBW07453和GBW07455)的测试结果进行准确度(相对误差, RE)检验.随机抽样分析(数量为每批次试样数的20%~30%)进行精密度检验.样品分析测试结果符合《土地质量地球化学评价规范》(DZ/T 0295-2016)[23]要求, 数据质量可靠.
土壤Cd形态分析包括水溶态、离子交换态、碳酸盐结合态、腐殖酸结合态、铁锰氧化态、强有机结合态以及残渣态.土壤Cd形态分析采用七步法进行, 前处理方法分别为, 水溶态2.500 0 g样25 mL水提取; 离子交换态利用25 mL MgCl溶液提取; 碳酸盐结合态利用25 mL NaAc溶液提取; 腐殖酸结合态利用50 mL Na4P2O7溶液提取; 铁锰氧化态利用25 mL HONH3Cl溶液提取; 强有机结合态利用8 mL H2O2-HNO3溶液恒温水浴提取; 残渣态利用HNO3-HClO4溶解, 经处理的样品利用ICP-AES法进行形态分析.
Cd形态分析精密度控制：按照样品总数的50%随机抽取重复样, 基本样品与重复样一同分析, 计算相对方差(RD), 形态检查分析监控限见表 2.元素形态分析的合格率大于85%, 符合《土地质量地球化学评价规范》(DZ/T 0295-2016)[23]要求.
|
|
表 2 形态检查分析监控限 Table 2 Morphological examination of the analysis of monitoring limits |
农作物样品所测指标为Cd元素含量.准确度控制:每一批样品插入同类型标准物质1~2个与样品同时分析, 并计算单个样品单次测试值的相对误差, 要求相对误差≤30%.精密度控制:采用重复分析的方法控制样品分析的精密度, 每件样品进行重复分析, 双份分析的相对双差≤30%.
数据处理方法：数据整理利用Excel完成, 图件绘制利用CorelDRAW12、ArcGIS10.2和IBM SPSS Statistics 20完成.
1.3 研究方法土壤污染物建议筛选值确定方法如图 2所示, 在既定土壤污染风险筛选值下, 土壤不超标且农作物不超标以及土壤超标且农作物超标的区域即为正确区, 土壤不超标但农作物超标的区域即为遗漏区, 土壤超标但农作物不超标的区域即为误判区.分别统计在不同筛选值下, 落入正确区、遗漏区、误判区的点数, 得到落入正确区点数最多的筛选值, 即为建议筛选值.根据研究区农作物种植情况, 将玉米作为旱地主要大宗农作物, 水稻为水田主要大宗农作物进行研究.
|
图 2 土壤污染物筛选值确定方法示意 Fig. 2 Schematic diagram of the method for determining the screening value of soil pollutants |
《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB 15618-2018)[22]针对水田以土壤pH为5.5、6.5和7.5划分出4个区间, 分别给出了不同土壤pH区间土壤Cd的污染风险筛选值(表 3), 结合《食品安全国家标准食品中污染物限量》(GB 2762-2017)[25]给出的水稻中Cd限值0.2 mg ·kg-1, 划分出不同土壤pH区间土壤Cd污染风险建议筛选值.投点结果见图 3, 统计结果见表 4和图 4.
|
|
表 3 GB 15618-2018给出的水田土壤Cd污染风险筛选值 Table 3 Screening value of Cd pollution risk in paddy soil given by GB 15618-2018 |
|
图 3 土壤Cd含量与水稻籽实Cd含量散点图 Fig. 3 Scatter plots of soil Cd content and Cd content of rice |
|
|
表 4 不同土壤pH值对应的正确区、遗漏区和误判区样品数 Table 4 Number of correct, missing, and misrepresented samples corresponding to different soil pH values |
|
(a)pH≤5.5; (b)5.5 |
结果显示, 土壤pH≤5.5时, 以土壤污染风险值等于0.3 mg ·kg-1进行统计, 正确率、误判率和遗漏率分别为33.8%、58.5%和7.7%.逐步提高土壤污染风险筛选值, 分别取0.4、0.5、0.6和0.7 mg ·kg-1, 误判率逐渐降低, 但遗漏率逐渐提高, 当土壤污染风险筛选值取0.4 mg ·kg-1时, 正确率最高.同样的方法可以得到, 土壤5.5<pH≤6.5、6.5<pH≤7.5和pH>7.5时, 土壤污染风险筛选值分别取0.7、2.0和3.0 mg ·kg-1, 对应正确率最高.
2.1.2 旱地土壤Cd筛选值的确定《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB 15618-2018)[22]针对旱地以土壤pH =7.5将土壤划分为2个区间, 分别给出了不同土壤pH区间土壤Cd的污染风险筛选值(表 5), 结合《食品安全国家标准食品中污染物限量》(GB 2762-2017)[25]给出的玉米中Cd限值0.1 mg ·kg-1, 划分出不同土壤pH区间土壤Cd污染风险筛选值.投点结果见图 5, 统计结果见表 6和图 6.
|
|
表 5 GB 15618-2018给出的旱地土壤Cd污染风险筛选值 Table 5 Screening values of Cd pollution risk in dryland soil given by GB 15618-2018 |
|
图 5 土壤Cd含量与玉米籽实Cd含量散点图 Fig. 5 Scatter plots of soil Cd content and Cd content of corn |
|
|
表 6 不同土壤pH值对应的正确区、遗漏区和误判区样品数 Table 6 Number of correct, missing, and misrepresented samples corresponding to different soil pH values |
|
(a)pH≤7.5; (b)pH>7.5 图 6 不同土壤Cd污染风险筛选值投点统计结果柱状图 Fig. 6 Histogram of statistical results of Cd pollution risk screening values of different soils |
结果显示, 当土壤pH≤7.5时, 以土壤污染风险值等于0.3 mg ·kg-1进行统计, 正确率、误判率和遗漏率分别为26.2%、72.6%和1.2%.逐步提高土壤污染风险筛选值, 分别取0.4、0.6、0.8、1.0、2.0和3.0 mg ·kg-1, 误判率逐渐降低, 但遗漏率逐渐提高, 当土壤污染风险筛选值取2.0 mg ·kg-1时, 正确率最高.土壤pH>7.5时, 土壤污染风险筛选值取4.0 mg ·kg-1, 正确率最高.
根据以上讨论分析, 提出研究区土壤Cd污染风险建议筛选值, 见表 7.
|
|
表 7 研究区土壤Cd污染风险建议筛选值 Table 7 Suggested screening values for soil Cd pollution risk in the study area |
2.2 土壤Cd污染风险评价
依据《土地质量地球化学评价规范》(DZ/T 0295-2016)[23]给出的单元素土地质量地球化学评价方法, 参考《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB 15618-2018)[22]给出的土壤污染风险筛选值及前文给出的土壤污染风险建议筛选值(表 6), 进行土地质量等级划分, 将土壤Cd测试值小于筛选值的区域定义为安全区, 大于筛选值的区域定义为风险区, 并利用ArcGis 10.2进行插值分析(图 7), 分别统计两种筛选值下安全区和风险区所占全区面积比例(表 8).
|
图 7 两种筛选值下Cd元素土壤污染风险评价结果 Fig. 7 Results of soil pollution risk assessment of Cd elements under two screening values |
|
|
表 8 两种筛选值下Cd土壤污染风险评价结果统计 Table 8 Statistical table of Cd soil pollution risk assessment results under two screening values |
评价结果显示, 两种筛选值下Cd土壤污染风险评价结果存在明显差异, 按照《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB 15618-2018)[22]给出的筛选值进行评价, 安全区面积仅占全区面积的25.7%, 风险区面积高达74.3%, 而根据建议筛选值进行评价, 安全区面积所占比例为78.9%, 风险区面位所占比例为21.2%.
3 讨论参照《食品安全国家标准食品中污染物限量》(GB 2762-2017)[25]给出的农作物中Cd的限量, 分别统计研究区采集的水稻及玉米样品Cd超标情况, 结果见表 9.
|
|
表 9 农作物中Cd含量统计 Table 9 Statistical table of Cd content in crops |
评价及统计结果显示, 研究区土壤中Cd的生物有效性较低.有研究表明, 元素生物有效性主要取决于元素在土壤中的赋存状态, 土壤中Cd形态包括水溶态、离子交换态、碳酸盐结合态、腐殖酸结合态、铁锰氧化态、有机结合态以及残渣态, 其中水溶态及离子交换态易被植物吸收, 称为生物有效态; 碳酸盐结合态、铁锰氧化物结合态和有机物态被称为生物潜在可利用态; 残渣态被称为生物不可利用态, 而元素在土壤中的赋存状态主要受到土壤组分及理化性质的影响, 包括黏土矿物, 有机质及土壤酸碱度等[26]. 表 10为研究区土壤中各形态Cd含量与农作物中Cd含量相关系数, 可以看出, 水溶态和离子交换态Cd与农作物中Cd含量相关性较高, 可作为生物有效Cd研究.
|
|
表 10 农作物Cd含量与土壤中各形态Cd含量相关系数 Table 10 Correlation coefficient between Cd content of crops and Cd content of various forms in soil |
研究区土壤中Cd的生物有效态、生物潜在可利用态和不可利用态分别占全量的5.48%、72.66%和21.86%, 其中有机结合态占全量的45.13%, 即研究区土壤中Cd生物有效态含量相对较低[27].
建议筛选值以元素生物有效态的含量为基础, 同时考虑了农作物中Cd的含量及土壤中Cd的赋存状态, 与国标筛选值存在一定差异.经过上述讨论可以发现, 研究区土壤中Cd含量处于较高水平, 而主要大宗农作物中Cd的含量处于相对较低水平, 即研究区主要特征表现为土壤Cd含量高而农作物Cd含量低, 主要原因为研究区土壤中有机质含量丰富, 有机质对Cd具有较强的吸附作用, 有机结合态Cd含量较高, Cd生物有效性较低[28, 29].同样地, 该方法也适用于农作物Cd含量较高的典型地区, 例如湘江流域水口山、郴州和长株潭等地区, 土壤中Cd的生物有效性较高, 主要原因为该地区土壤多为酸性, 土壤溶液中H+含量较高, 由于H+电负性较高, 使得重金属多以离子态存在, 易被植物吸收利用[30~31].此外, Se对Cd存在一定的拮抗作用, 会影响植物对Cd的吸收, 例如湖北恩施高Se高Cd地区[32].此方法可为上述类似地区完善土壤重金属及健康元素阈值提供借鉴和参考.
4 结论(1) 通过本文提出的方法, 得到研究区土壤Cd污染风险建议筛选值.水田以土壤pH为5.5、6.5和7.5划分出4个区间的污染风险建议筛选值, 分别为0.4、0.7、2.0和3.0 mg ·kg-1.旱地以土壤pH为7.5划分出两个区间的污染风险建议筛选值, 分别为2.0 mg ·kg-1和4.0 mg ·kg-1.
(2)《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB 15618-2018)所给筛选值污染风险评价结果显示, 安全区面积所占比例为25.7%, 风险区面积所占比例为74.3%.建议筛选值污染风险评价结果显示, 安全区面积所占比例为78.9%, 风险区面积所占比例为21.2%.
(3) 建议筛选值以元素生物有效态的含量为基础, 同时考虑了农作物中Cd的含量及土壤中Cd的赋存状态.该方法可为土壤Cd含量高农作物Cd含量低、土壤Cd含量低而农作物Cd含量高、土壤硒镉含量较高等典型地区完善土壤重金属及健康元素阈值提供借鉴和参考.
| [1] | Zheng N, Wang Q C, Zheng D M. Health risk of Hg, Pb, Cd, Zn, and Cu to the inhabitants around Huludao zinc plant in China via consumption of vegetables[J]. Science of the Total Environment, 2007, 383(1-3): 81-89. DOI:10.1016/j.scitotenv.2007.05.002 |
| [2] | Jallad K N. Heavy metal exposure from ingesting rice and its related potential hazardous health risks to humans[J]. Environmental Science and Pollution Research, 2015, 22(20): 15449-15458. DOI:10.1007/s11356-015-4753-7 |
| [3] | Lei M, Tie B Q, Song Z G, et al. Heavy metal pollution and potential health risk assessment of white rice around mine areas in Hunan Province, China[J]. Food Security, 2015, 7(1): 45-54. |
| [4] | Yuan G L, Sun T H, Han P, et al. Source identification and ecological risk assessment of heavy metals in topsoil using environmental geochemical mapping:typical urban renewal area in Beijing, China[J]. Journal of Geochemical Exploration, 2014, 136: 40-47. DOI:10.1016/j.gexplo.2013.10.002 |
| [5] |
谢小进, 康建成, 闫国东, 等. 黄浦江中上游地区农用土壤重金属含量特征分析[J]. 中国环境科学, 2010, 30(8): 1110-1117. Xie X J, Kang J C, Yan G D, et al. Heavy metal concentration in agricultural soils around the upper-middle reaches of Huangpu River[J]. China Environmental Science, 2010, 30(8): 1110-1117. |
| [6] |
王农, 郑庆祥, 孙约兵, 等. 关于耕地土壤重金属污染综合防治的思考[J]. 天津农业科学, 2019, 25(3): 88-90. Wang N, Zheng Q X, Sun Y B, et al. Thoughts on comprehensive prevention and control of heavy metal pollution in farmland soil[J]. Tianjin Agricultural Sciences, 2019, 25(3): 88-90. DOI:10.3969/j.issn.1006-6500.2019.03.020 |
| [7] |
陈生涛, 苗安洋, 温婷婷, 等. 辽东湾表层沉积物重金属污染特征及潜在生态危害评价[J]. 海洋环境科学, 2019, 38(2): 256-262. Chen S T, Miao A Y, Wen T T, et al. Heavy metals in the surface sediment of Liaodong bay and their potential ecological risk[J]. Marine Environmental Science, 2019, 38(2): 256-262. |
| [8] | Zhao L, Xu Y F, Hou H, et al. Source identification and health risk assessment of metals in urban soils around the Tanggu chemical industrial district, Tianjin, China[J]. Science of the Total Environment, 2014, 468-469: 654-662. DOI:10.1016/j.scitotenv.2013.08.094 |
| [9] | Chai Y, Guo J, Chai S L, et al. Source identification of eight heavy metals in grassland soils by multivariate analysis from the Baicheng-Songyuan area, Jilin Province, Northeast China[J]. Chemosphere, 2015, 134: 67-75. DOI:10.1016/j.chemosphere.2015.04.008 |
| [10] |
马宏宏, 余涛, 杨忠芳, 等. 典型区土壤重金属空间插值方法与污染评价[J]. 环境科学, 2018, 39(10): 4684-4693. Ma H H, Yu T, Yang Z F, et al. Spatial interpolation methods and pollution assessment of heavy metals of soil in typical areas[J]. Environmental Science, 2018, 39(10): 4684-4693. |
| [11] |
龚梦丹, 朱维琴, 顾燕青, 等. 杭州蔬菜基地重金属污染及风险评价[J]. 环境科学, 2016, 37(6): 2329-2337. Gong M D, Zhu W Q, Gu Y Q, et al. Evaluation on heavy metal pollution and its risk in soils from vegetable bases of Hangzhou[J]. Environmental Science, 2016, 37(6): 2329-2337. |
| [12] |
宋金茜, 朱权, 姜小三, 等. 基于GIS的农业土壤重金属风险评价研究——以南京市八卦洲为例[J]. 土壤学报, 2017, 54(1): 81-91. Song J Q, Zhu Q, Jiang X S, et al. GIS-based heavy metals risk assessment of agricultural soils-a case study of Baguazhou, Nanjing[J]. Acta Pedologica Sinica, 2017, 54(1): 81-91. DOI:10.11766/trxb201603100033 |
| [13] |
周旭, 吕建树. 山东省广饶县土壤重金属来源、分布及生态风险[J]. 地理研究, 2019, 38(2): 414-426. Zhou X, Lv J S. Sources, distribution and ecological risk of soil heavy metals in Guangrao county, Shandong province[J]. Geographical Research, 2019, 38(2): 414-426. |
| [14] |
汤波. 陕南铅锌尾矿区土壤重金属污染特征及来源分析[J]. 江苏农业科学, 2018, 46(18): 271-275. Yang B. Characteristics and sources of heavy metal pollution in soils of lead-zinc tailings in southern Shaanxi[J]. Jiangsu Agricultural Sciences, 2018, 46(18): 271-275. |
| [15] |
吕悦风, 孙华. 浙北某县域耕地土壤重金属空间分异特征、污染评价及来源分析[J]. 农业环境科学学报, 2019, 38(1): 95-102. Lü Y F, Sun H. Spatial differentiation characteristics, pollution evaluation, and source analysis of heavy metals in farmland soil in a county in northern Zhejiang Province, China[J]. Journal of Agro-Environment Science, 2019, 38(1): 95-102. |
| [16] | Cai L M, Xu Z C, Ren M Z, et al. Source identification of eight hazardous heavy metals in agricultural soils of Huizhou, Guangdong Province, China[J]. Ecotoxicology and Environmental Safety, 2012, 78: 2-8. DOI:10.1016/j.ecoenv.2011.07.004 |
| [17] |
刘辉, 邹继颖, 边红枫, 等. 菜地土壤重金属污染状况及对蔬菜安全性分析[J]. 食品研究与开发, 2018, 39(22): 175-180. Liu H, Zou J Y, Bian H F, et al. Heavy metal pollution in vegetable soils and analysis of vegetable safety[J]. Food Research and Development, 2018, 39(22): 175-180. DOI:10.3969/j.issn.1005-6521.2018.22.030 |
| [18] |
徐永梅, 字润祥, 卞世闻. 云龙水库周边土壤中重金属的危害评价[J]. 环境科学导刊, 2019, 38(1): 88-91. Xu Y M, Zi R X, Bian S W. Hazard assessment of heavy metal in the soil around Yunlong reservoir[J]. Environmental Science Survey, 2019, 38(1): 88-91. |
| [19] |
张婷, 刘爽, 宋玉梅, 等. 柘林湾海水养殖区底泥中重金属生物有效性及生态风险评价[J]. 环境科学学报, 2019, 39(3): 706-715. Zhang T, Liu S, Song Y M, et al. Bioavailability and ecological risk assessment of heavy metals in sediments of marine aquaculture in Zhelin Bay[J]. Acta Scientiae Circumstantiae, 2019, 39(3): 706-715. |
| [20] |
元妙新, 俞栋, 肖愉, 等. 重金属的生物有效性影响因素[J]. 化工设计通讯, 2018, 44(8): 208. Yuan M X, Yu D, Xiao Y, et al. Heavy metal bioavailability factors[J]. Chemical Engineering Design Communications, 2018, 44(8): 208. DOI:10.3969/j.issn.1003-6490.2018.08.180 |
| [21] |
元妙新, 林德坡, 潘佑祥, 等. 重金属生物有效性评价方法[J]. 化工设计通讯, 2018, 44(8): 222. Yuan M X, Lin D P, Pan Y X, et al. Evaluation method of bioavailability of heavy metals[J]. Chemical Engineering Design Communications, 2018, 44(8): 222. DOI:10.3969/j.issn.1003-6490.2018.08.193 |
| [22] | 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]. |
| [23] | DZ/T 0295-2016, 土地质量地球化学评价规范[S]. |
| [24] | DZ/T 0279-2016, 区域地球化学样品分析方法[S]. |
| [25] | GB 2762-2017, 食品安全国家标准食品中污染物限量[S]. |
| [26] |
朱亮, 邵孝侯. 耕作层中重金属Cd形态分布规律及植物有效性研究[J]. 河海大学学报, 1997, 25(3): 50-56. Zhu L, Shao X H. Chemical form distribution and plant availability of Cd in plough horizon[J]. Journal of Hohai University, 1997, 25(3): 50-56. DOI:10.3321/j.issn:1000-1980.1997.03.009 |
| [27] |
邓朝阳, 朱霞萍, 郭兵, 等. 不同性质土壤中镉的形态特征及其影响因素[J]. 南昌大学学报(工科版), 2012, 34(4): 341-346. Deng Z Y, Zhu X P, Guo B, et al. Distribution and influence factors of Cd speciation on the soil with different properties[J]. Journal of Nanchang University (Engineering & Technology), 2012, 34(4): 341-346. DOI:10.3969/j.issn.1006-0456.2012.04.009 |
| [28] |
王英杰, 邹佳玲, 杨文弢, 等. 组配改良剂对稻田系统Pb、Cd和As生物有效性的协同调控[J]. 环境科学, 2016, 37(10): 4004-4010. Wang Y J, Zou J L, Yang W T, et al. Synergetic control of bioavailability of Pb, Cd and As in the rice paddy system by combined amendments[J]. Environmental Science, 2016, 37(10): 4004-4010. |
| [29] | He Y Z, Zhang W, Guo T, et al. Drug nanoclusters formed in confined nano-cages of CD-MOF:dramatic enhancement of solubility and bioavailability of azilsartan[J]. Acta Pharmaceutica Sinica B, 2019, 9(1): 97-106. DOI:10.1016/j.apsb.2018.09.003 |
| [30] |
刘俊, 朱允华, 胡劲松, 等. 湘江中游江段沉积物重金属污染特征及生态风险评价[J]. 生态与农村环境学报, 2017, 33(2): 135-141. Liu J, Zhu Y H, Hu J S, et al. Characteristics and potential ecological risk assessment of heavy metal pollution in the sediments of middle reaches of Xiangjiang river[J]. Journal of Ecology and Rural Environment, 2017, 33(2): 135-141. |
| [31] | Chen Z B, Hu S S. Heavy metals distribution and their bioavailability in earthworm assistant sludge treatment wetland[J]. Journal of Hazardous Materials, 2019, 366: 615-623. DOI:10.1016/j.jhazmat.2018.12.039 |
| [32] |
王锐, 余涛, 杨忠芳, 等. 富硒土壤硒生物有效性及影响因素研究[J]. 长江流域资源与环境, 2018, 27(7): 1647-1654. Wang R, Yu T, Yang Z F, et al. Bioavailability of soil selenium and its influencing factors in selenium-enriched soil[J]. Resources and Environment in the Yangtze Basin, 2018, 27(7): 1647-1654. |