基于土壤重金属及PAHs来源的人体健康风险定量评价:以北京某工业污染场地为例

引用本文

吴志远, 张丽娜, 夏天翔, 贾晓洋, 李慧颖, 王世杰. 基于土壤重金属及PAHs来源的人体健康风险定量评价:以北京某工业污染场地为例[J]. 环境科学, 2020, 41(9): 4180-4196.

WU Zhi-yuan, ZHANG Li-na, XIA Tian-xiang, JIA Xiao-yang, LI Hui-ying, WANG Shi-jie. Quantitative Assessment of Human Health Risks Based on Soil Heavy Metals and PAHs Sources:Take a Polluted Industrial Site of Beijing As an Example[J]. Environmental Science, 2020, 41(9): 4180-4196.

基于土壤重金属及PAHs来源的人体健康风险定量评价:以北京某工业污染场地为例

吴志远^1,2, 张丽娜¹, 夏天翔¹, 贾晓洋¹, 李慧颖¹, 王世杰¹

1. 北京市环境保护科学研究院, 污染场地风险模拟与修复北京市重点实验室, 北京 100037;
2. 中国矿业大学(北京), 地球科学与测绘工程学院, 北京 100083

收稿日期: 2019-10-22; 修订日期: 2020-03-18

作者简介: 吴志远(1987~), 男, 博士, 主要研究方向为土壤污染修复, E-mail:wuzhiyuan@cee.cn

通信作者: 张丽娜, E-mail:zhln2011@163.com

摘要: 以北京某工业污染场地为研究对象，采集130个表层土壤样本，测定了As、Be、Cd、Cu、Cr、Hg、Ni、Pb、Sb、Ti和Zn这11种重金属元素和16种多环芳香烃（polycyclic aromatic hydrocarbons，PAHs）元素的含量.运用正矩阵分解模型（positive matrix factorization，PMF）解析重金属及PAHs污染源，并对各个污染源致癌风险及非致癌风险贡献率进行了分析.结果表明，研究场地土壤重金属含量均在不同程度超出北京土壤环境质量背景值，其中Cd、Hg、Pb、Zn和Cu这5种重金属超标率均>50%，污染最为严重.130个采样点中低环（2~3环）PAHs和高环（4~6环）PAHs含量分别占∑16PAHs含量的39.6%和60.4%，77%的采样点PAHs含量大于1000 μg ·kg^-1，属于PAHs严重污染.污染源分析Be、Ti、As和Ni这4种重金属为自然来源.其余7种重金属和16种PAHs具有3种污染来源，分别为煤炭燃烧源（Hg和∑16PAHs），冶炼源（Cu、Cr、Pb和Zn）和交通源（Sb和Cd）.3种污染源对130个采样点内7种污染重金属和16种PAHs平均含量的贡献率依次为8.46%、90.61%和0.94%.人体健康评价结果显示130个采样点中各污染物的致癌风险值分布在4.17×10^-6~39.38×10^-4之间，非致癌风险分布在0~32.23之间，致癌风险和非致癌风险最大值均位于焦化厂附近，其中BaP是影响土壤致癌风险的主要污染物，Zn是影响土壤非致癌风险的主要污染物.煤炭燃烧源的平均致癌风险值为2.16×10^-4，占总平均致癌风险的50.26%.冶炼源的平均非致癌风险值为0.834，占总平均非致癌风险的56.43%，这2种污染源是影响该工业污染场地土壤重金属和PAHs人体健康风险的主要因素.本研究结果能够为相似工业污染场地土壤修复及生产工艺优化提供参考.

关键词: 重金属多环芳香烃(PAHs) 正矩阵分解模型(PMF) 源分析人体健康风险评价

Quantitative Assessment of Human Health Risks Based on Soil Heavy Metals and PAHs Sources:Take a Polluted Industrial Site of Beijing As an Example

WU Zhi-yuan^1,2 , ZHANG Li-na¹ , XIA Tian-xiang¹ , JIA Xiao-yang¹ , LI Hui-ying¹ , WANG Shi-jie¹

1. Beijing Key Laboratory for Risk Modeling and Remediation of Contaminated Sites, Beijing Municipal Research Institute of Environmental Protection, Beijing 100037, China;
2. School of Geosciences&Surveying Engineering, China University of Mining and Technology(Beijing), Beijing 100083, China

Abstract: In this study, 130 surface soil samples were collected at an industrial pollution site in Beijing and the contents of As, Be, Cd, Cu, Cr, Hg, Ni, Pb, Sb, Ti, Zn, and 16 PAHs were determined. The positive matrix factorization (PMF) model was used to analyze the sources of heavy metals and PAHs, and the contributions of these sources to carcinogenic risk and hazard index in the study area were calculated. The results showed that the contents of Cd, Cu, Pb, Hg, As, Zn, and Cr in the soil exceeded the background values in different degrees; Cd, Hg, Pb, Zn, and Cu exceeded the background values by>50%. Low molecular weight PAHs (two and three rings) and high molecular weight PAHs (four to six rings) accounted for 39.6% and 60.4% of the total content of 16 PAHs. The PAH content at 77% of the sampling points at the target site was more than 1000 μg ·kg^-1, which suggests severe PAH pollution at the site. Heavy metals Be, Ti, As, and Ni mainly originated from natural sources. There are three major sources of 7 heavy metals and 16 PAHs at the site: coal combustion (Hg and ∑16PAHs), smelting (Cu, Cr, Pb, and Zn), and traffic (Sb and Cd). The contribution rates of these sources to the total average contents of seven heavy metals and sixteen PAHs at 130 sampling sites were 8.46% (coal combustion), 90.61% (smelting), and 0.94% (traffic). Human health risk assessment results showed that the carcinogenic risk of seven heavy metals and ∑16PAHs ranged from 4.17×10^-6 to 39.38×10^-4, and the hazard index ranged from 0 to 32.23. The maximum carcinogenic risk and hazard index values were calculated near the coking plant. Benzo[α]pyrene was the PAH that posed the highest carcinogenic risk and Zn was the heavy metal that had the highest hazard index value. The average carcinogenic risk of coal combustion was 2.16×10^-4, accounting for 50.26% of the total average carcinogenic risk. The average hazard index of smelting was 0.834, accounting for 56.43% of the total average non-carcinogenic risk. These two pollution sources are responsible for the high levels of heavy metals and PAHs in the soil of the steel smelting sites that pose the most severe health risks. The results of this study can provide reference for soil remediation and process optimization at other heavily polluted industrial sites.

Key words: heavy metals polycyclic aromatic hydrocarbons(PAHs) positive matrix factorization (PMF) source analysis human health risk assessment

近年来, 随着城市化进程的日益深入, 钢铁企业逐渐搬出了城市^{[1, 2]}.搬迁后的钢铁企业生产场地性质将发生根本性改变, 由工业用地转变为居住用地或商业用地等.钢铁企业生产活动中炼焦、烧结、炼铁、炼钢和轧钢等生产活动导致大量重金属及多环芳香烃(polycyclic aromatic hydrocarbons, PAHs)的产生和排放^[3~5].因此在进行土地再利用前, 必须要对受污染场地进行土壤修复工作^{[6, 7]}.研究显示焦化厂、炼钢厂、炼铁厂及其周边地区的土壤中的重金属和PAHs污染水平较高^[8~10].重金属和PAHs均存在性质稳定、难降解、毒性强的特点; 且均易被土壤吸附, 并能在土壤中不断积累, 具有很强的生态毒性^[11].同时, 重金属和PAHs均可通过食物链转移和富集人体内, 对人体健康造成危害^[12].在进行场地污染修复前, 需要对钢铁生产场地污染物含量来源及人体健康风险进行分析和评价.

目前土壤中重金属来源解析方法主要有富集因子方法^{[13, 14]}和聚类分析方法等^{[15, 16]}; PAHs源分析方法主要有分子比值法等^{[17, 18]}.由于工业场地内的重金属和PAHs来源复杂多样, 因此仅仅利用上述方法难以获取重金属及PAHs的精确来源^{[19, 20]}.近年来国内外学者将正定矩阵因子模型(PMF)运用到土壤重金属及多环芳香烃(PAHs)源解析及其贡献率分析中^[21~23].葛蔚等^[24]利用比值法和正定矩阵因子模型对山东省农田表层土壤PAHs来源进行解析, 结果显示燃煤和生物质燃烧占42.7%, 交通产生的石油燃烧占19.3%, 此外炼焦排放占22.8%, 石油污染占15.2%.与之相似, 姚宏等^[25]利用分子比值法与PMF模型对沈抚新城、沈阳以及抚顺内Σ21PAHs的来源进行解析, 显示表层土壤PAHs来源主要为煤燃烧源与交通源(石油燃烧)等.比拉力·依明等^[26]利用正矩阵分解模型对准东露天矿区表层土壤重金属污染源解析显示燃煤、交通运输、大气降尘、工业排放和自然因素着5种污染源的贡献率分别为20.79%、16.83%、16.83%、27.72%和17.82%.陈志凡等^[27]运用正定矩阵因子分析法对城郊农田重金属污染来源及其贡献率进行了解析, 结果显示工农业生产(64.02%)是造成城郊农田土壤重金属染的主要来源.Ciarkowska等^[28]利用正定矩阵模型对波兰南部城市土壤中多环芳烃来源解析, 显示不同城市的多环芳香烃来源不同, 在Krakow土壤中, 多环芳烃主要来源于交通排放、石油燃烧和钢铁工业, 而在Zakopane土壤中, 多环芳烃主要来源于房屋供暖的煤炭和生物质燃烧, 其次是汽车和汽油排放.Qi等^[29]利用PMF模型确定意大利南部卡瑟塔省境内土壤中多环芳烃分别为化学生产和金属冶炼来源、车辆排放来源和煤/生物质燃烧来源.Yang等^[30]对比PMF模型与元线性回归(MLR)、Unmix模型污染源解析结果显示, PMF模型得到的解析结果更加丰富、有效.同时Boroumandi等^[31]利用正定矩阵模型(PMF)、主成分分析(PCA)和聚类分析(CA)对伊朗Zanjan盆地土壤重金属来源解析显示该地区土壤重金属有4个来源, 分别为成土母质源、农业生产源、工业生产源和工业废物排放源, 同时研究结果表明PMF模型相比PCA模型误差小, 解析结果更为合理.

目前基于土壤样品重金属和PAHs的人体健康风险评价已经得到了大量的研究^[32~35].但对于工业污染场地, 不同的污染源对人体健康风险的贡献不同, 而且对重金属含量贡献最大的污染源未必是造成人体风险最大的污染源^[32], 因此需要通过风险评估和基于污染源的风险分析找出工业生产过程中需要优先控制的污染源.同时对不同污染源的人类健康风险分析有助于了解各类污染源对土壤中重金属及PAHs潜在危害的影响.台凌宇^[36]对垃圾焚烧场地不同土壤污染源的人体健康风险进行评价分析显示, 垃圾焚烧是非致癌风险的主要来源, 自然源是致癌风险的主要来源.Liu等^[37]对白银市土壤重金属来源及人体健康风险评价表明, 煤炭燃烧等相关活动是对该地区土壤重金属致癌风险和非致癌风险影响最大的污染源, 其认为利用污染源进行人体健康风险评估比仅仅使用致癌风险阈值和非致癌风险阈值进行人体健康风险评估更有意义.

本文以北京首钢石景山厂区污染场地为研究对象, 检测了11种重金属和16种PAHs在表层土壤中的含量, 分析重金属及16种PAHs的混合污染特征.利用污染元素数据结合PMF模型对污染场地内重金属及PAHs来源进行分析, 同时对污染场地的人体健康风险进行了评价, 并分析不同重金属及PAHs来源对人体致癌风险和非致癌风险的贡献率.本研究建立的方法可以应用于定量分析不同污染源的风险评估和优先控制的污染源管理, 以期为保护工业污染场地生态环境和人类健康提供参考.

1 材料与方法 1.1 研究区概况

研究的污染场地为总面积5.6 km²(图 1), 在工厂建设初期, 由于生产工艺和污染控制水平的限制, 现场环境污染较为严重.其中, 对人体有害和致癌物质的排放是造成工厂及周边环境恶化的主要原因.污染场地内的炼钢厂、炼铁厂、焦化厂、油罐区、苯车间和污泥处理场等所产生的废水和固体废物中含有各种重金属、苯并(a)芘、苯酚和氰化物等有害物质, 其中重金属和PAHs污染物最为突出.这些污染物可直接或间接进入厂区及周边地区的空气、土壤和地下水, 造成环境污染.

图 1 研究区及采样点位置示意 Fig. 1 Study area location and sampling site layout

1.2 样品采集

2014年10~12月, 结合整个研究区域污染区域内各工厂的生产工艺, 采用判断法采集目标场地表层土壤样品(0~20 cm).共设置了130个采样点(图 1).土壤样品在通风避光的实验室内自然风干后粗研磨, 去除碎石、杂物、作物的根茎等, 用四分法分割压碎样品, 过孔径为0.838 mm的尼龙筛, 之后将其充分混匀.然后对样品进行细研磨, 通过孔径为0.149 mm的尼龙筛, 充分混合均匀后, 分装于牛皮纸袋内备用.

1.3 重金属和PAHs样品处理

土壤重金属测定:为测定土壤中总重金属含量, 将0.5 g干土(< 2 mm)直接称重到聚四氟乙烯消解容器, 加入王水(5 mL).按照美国环保署的方法SW 3051 (USEPA 1997), 土壤悬浮物在微波加速反应系统(CEM- MARS X^®)中消解.消解后, 提取土壤悬液50 mL, 利用0.45 μm过滤器(微孔)进行过滤.所有消解土壤样品一式两份, 每批包含标准对照材料和空白, 以验证消化操作.采用Agilent 7500c电感耦合等离子体质谱仪(ICPMS)对消解液中的重金属含量进行了分析.

土壤PAHs测定:称取土壤样品2 g, 并用10 mL二氯甲烷超声提取60 min.取2 mL上清液过硅胶柱子, 承接的溶液旋蒸至约1 mL后, 加入7~8 mL正己烷, 蒸至约0.5 mL, 加内标、定容1 mL待测.PAHs采用气相色谱AGILENT 6890进行测定.分析条件:HP-5MS 30 m×0.25 mm毛细色谱柱, 载气为氦气, 柱前压0.03 MPa, 线速度37 cm·s^-1, 进样口温度300℃, 初始温度60℃, 以5℃·min^-1速度上升至300℃, 保留20 min至样品完全流出.测试过程中每10个样品做一次平行样品.

1.4 正定矩阵因子分析法(PMF)

Paatero在1993年提出了正定矩阵因子(PMF)定量源解析方法^[38], 其模型原理是利用最小迭代二乘法将原始矩阵E_ik分解成A_ij和B_ik两个因子矩阵和残差矩阵ε_ik.PMF通过对原始矩阵E_ik进行多次计算分解, 获取最优矩阵A和B, 进而使得目标函数Q达到最小值.模型基本公式如下所示:

(1)

(2)

式中, E_ik为第i个样品第k个污染元物的含量; A_ij为第i个样品在第j个源中贡献; B_ik为第k个污染物在第j个源中贡献含量, σ_ik表示E_ik不确定度.

本次研究采用EPA PMF 5.0软件进行污染源解析, 在操作过程中需要输入污染物含量值和污染物不确定度的值^{[24, 39]}.不确定度的值有两种, 当污染物含量小于或等于相应的方法检出限(MDL)时, 不确定度的值计算公式为:

(3)

当污染物含量大于相应的MDL时, 不确定度的值计算公式为:

(4)

式中, σ为相对标准偏差; C为污染物含量; MDL为方法检出限^[39].

另外本研究还采用描述性统计分析方法和多变量统计分析对样本数据进行分析.描述性统计分析包括最大值、最小值、平均值、中位数、偏度、峰度和变异系数等.采用SPSS 21.0软件进行统计分析, Arcgis 10.6软件进行污染源分析和制图.

1.5 人体健康风险评估方法

利用PMF模型对每个污染源的人体健康风险贡献进行定量分析, 定量分析数学表达式如式(5)~(14)所示^[37].各公式参数值参照建设用地土壤污染风险评估技术导则(HJ 25.3-2019)^[40]以及伯鑫等^[41]和郭瑾等^[42]的研究结果.其中风险暴露途径主要为经口摄入、皮肤接触和呼吸吸入这3种.表 1为各污染物3种暴露途径的非致癌参考剂量和致癌斜率因子, 表 2为人体健康风险评价相关参数取值.

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

表 1 重金属和PAHs的非致癌参考剂量(RfD)和致癌斜率因子(S_F) ¹⁾ Table 1 Reference dose (RfD) and slope factor (S_F) of HMs and PAHs

项目	非致癌参考剂量/mg·(kg·d)^-1			致癌斜率因子/kg·d·mg^-1
项目	经口摄入(RfD_o)	皮肤接触(RfD_d)	呼吸吸入(RfD_i)	经口摄入(S_Fo)	皮肤接触(S_Fd)	呼吸吸入(S_Fi)
As	3.00E-04	3.00E-04	3.00E-04	1.50E+00	3.66E+00	1.50E+01
Hg	1.60E-04	1.60E-04	8.75E-05	—	—	—
Zn	3.00E-01	3.00E-01	3.00E-01	—	—	—
Pb	1.40E-04	1.40E-04	—	—	—	—
Cu	4.00E-02	4.00E-02	—	—	—	—
Cr	1.5 E+00	1.95E-02	2.86E-05	—	—	—
Cd	1.00E-03	2.50E-05	5.71 E-05	—	—	6.30E+00
Ni	2.00E-02	8.00E-04	2.06E-02	1.70E+00	4.25E+01	9.01E-01
Sb	4.00E-04	—	—	—	—	—
Be	2.00E-03	—	2.00E-05	—	—	2.4E+00
Ti	—	—	—	—	—	—
Nap	4.00E-02	2.00E-02	8.57E-04	—	—	—
Ace	6.0E-02	3.0E-02	D	—	—	—
Acy	6.0E-02	6.0E-02	D	—	—	—
Flu	4.0E-02	2.0E-02	D	—	—	—
Phe	3.0E-02	1.5E-02	D	—	—	—
Ant	3.0E-01	1.5E-01	D	—	—	—
Fla	4.0E-02	2.0E-02	D	—	—	—
Pyr	3.0E-02	1.5E-02	D	—	—	—
BghiP	3.0E-02	1.5E-02	D	—	—	—
BaA	—	—	—	7.3E-01	1.46	3.85E-01
Chry	—	—	—	7.3E-03	1.46E-02	3.85E-02
BbF	—	—	—	7.3E-01	1.46	3.85E-01
BkF	—	—	—	7.3E-02	1.46E-01	3.85E-01
BaP	—	—	—	7.3	1.46E+01	3.85
InP	—	—	—	7.3E-01	1.46	3.85E-01
DahA	—	—	—	7.3	1.46E+01	4.2
1)D表示未分类; “—”表示无数据

表 1 重金属和PAHs的非致癌参考剂量(RfD)和致癌斜率因子(S_F) ¹⁾ Table 1 Reference dose (RfD) and slope factor (S_F) of HMs and PAHs

表 2 人体健康风险评价相关参数取值 Table 2 Values of relevant parameters in human health risk assessment

参数	符号	数值	单位
成人每日摄入土壤量	OSIR_a	100	mg·d^-1
儿童每日摄入土壤量	OSIR_c	200	mg·d^-1
成人暴露期	ED_a	24	a
儿童暴露期	ED_c	6	a
成人暴露频率	EF_a	350	d·a^-1
儿童暴露频率	EF_c	350	d·a^-1
成人体重	BW_a	65	kg
儿童体重	BW_c	19.2	kg
经口摄入吸收效率因子	ABS_o	1	无量纲
致癌效应平均时间	AT_ca	27 740	d
非致癌效应平均时间	AT_nc	2 190	d
暴露于土壤的参考剂量分配系数	SAF	1	无量纲
成人皮肤表面土壤粘附系数	SSAR_a	0.07	mg·cm^-2
儿童皮肤表面土壤粘附系数	SSAR_c	0.2	mg·cm^-2
每日皮肤接触事件频率	E_v	1	次^-1
成人平均身高	H_a	161.5	cm
儿童平均身高	H_c	113.15	cm
成人暴露皮肤所占面积比	SER_a	0.32	无量纲
儿童暴露皮肤所占面积比	SER_c	0.36	无量纲
空气中可吸入浮颗粒物含量	PM₁₀	0.074	mg·m^-3
成人日空气呼吸量	DAIR_a	16.3	m³·d^-1
儿童日空气呼吸量	DAIR_c	7.5	m³·d^-1
吸入土壤颗粒物在体内滞留比例	PIAF	0.75	无量纲
室内空气中来自土壤的颗粒物所占比例	fspi	0.8	无量纲
室外空气中来自土壤的颗粒物所占比例	fspo	0.5	无量纲
成人室内暴露频率	EFI_a	262.5	d·a^-1
儿童室内暴露频率	EFI_c	262.5	d·a^-1
成人室外暴露频率	EFO_a	87.5	d·a^-1
儿童室外暴露频率	EFO_c	87.5	d·a^-1
空气中可吸入颗粒物	PM₁₀	0.119	mg·m^-3

表 2 人体健康风险评价相关参数取值 Table 2 Values of relevant parameters in human health risk assessment

式中, Con_ij是第i个元素第j种来源的含量; Con(CR_经口)_ij是第i个元素第j种来源的经口途径致癌风险; Con(HQ_经口)_ij是第i个元素第j种来源的经口途径非致癌风险; Con(CR_皮肤)_ij是第i个元素第j种来源的皮肤接触途径致癌风险; Con(HQ_皮肤)_ij是第i个元素第j种来源的皮肤接触途径非致癌风险; Con(CR_呼吸)_ij是第i个元素第j种来源的呼吸吸入途径致癌风险; Con(HQ_呼吸)_ij是第i个元素第j种来源的呼吸吸入途径非致癌风险; Con(CR_k)_ij是第i个元素第j种来源的3种途径致癌风险; Con(HI_k)_ij是第i个元素第j种来源的3种途径非致癌风险; Con(Total-CR_k)_ij是第i个元素第j种来源的总致癌风险, Con(Total-HI_k)_ij是第i个元素第j种来源的总非致癌风险.

2 结果与讨论 2.1 土壤重金属和PAHs含量及分布 2.1.1 重金属含量及分布特征

首钢污染场地中超标重金属含量平均值从大到小依次为Zn (227.45 mg·kg^-1)>Cr (74.2 mg·kg^-1)>Pb (48.39 mg·kg^-1)>Cu (33.87 mg·kg^-1)>Ni (21.81 mg·kg^-1)>As (7.38 mg·kg^-1)>Sb (2.24 mg·kg^-1)>Hg (0.52 mg·kg^-1)>Be (0.49 mg·kg^-1)>Cd (0.48 mg·kg^-1)>Ti (0.27 mg·kg^-1)(表 3).从重金属元素的平均含量来看, Be、As、Ni和Ti元素平均含量均小于当地背景值, 这与韩鹏等^[43]的研究结果相同. Cd、Cu、Pb、Hg、Sb、Zn和Cr这7种重金属元素的平均含量均已超出当地土壤背景值, 最大超标倍数分别为48.37、8.91、33.9、913.04、15.12、93.66和10.91, 表明土壤已受到严重的重金属污染. 11种土壤重金属质量分数的变异系数在0.39~4.32之间, 属于中~高变异.除重金属Ti和Be外, 其余9种重金属都出现了较多的异常值, 表明土壤重金属质量分数受钢铁厂人类活动影响强烈, 区域差异明显.从金属的统计分析结果可见, 外源重金属, 尤其是Cd、Hg、Pb、Zn和Cu元素超标率均>50%, 已经对研究区土壤产生了极大的污染, 需对其污染程度及其污染来源进行密切关注.

表 3 土壤重金属含量描述性统计¹⁾(n=130) Table 3 Descriptive statistics of soil heavy metal concentrations (n=130)

重金属	最小值/mg·kg^-1	最大值/mg·kg^-1	平均值/mg·kg^-1	标准差	变异系数	背景值/mg·kg^-1	超标率/%	最大超标倍数	第一类建设用地污染风险筛选值(GB 36600-2018)
Sb	0.25	18.30	2.24	3.77	1.68	1.21	30	15.12	—
As	0.50	17.90	7.38	3.18	0.43	9.8	22	1.83	15
Be	0.25	4.50	0.49	0.66	1.34	1.95	4	2.31	—
Cd	0.11	6.53	0.48	0.85	1.76	0.135	98	48.37	0.20
Cu	1.50	205	33.87	30.18	0.89	23	53	8.91	35
Pb	0.25	722	48.39	97.32	2.01	21.3	51	33.90	35
Ni	1.00	84.70	21.81	11.12	0.54	30	15	2.82	40
Hg	0.03	21	0.52	2.23	4.32	0.023	100	913.04	0.15
Cr	3.40	745.00	74.2	92.77	1.25	68.3	32	10.91	90
Ti	0.21	1.15	0.27	0.11	0.39	0.62	2	1.85	—
Zn	4.90	6 200	227.45	670.32	2.95	66.2	70	93.66	100
1)“—”表示无数据

表 3 土壤重金属含量描述性统计¹⁾(n=130) Table 3 Descriptive statistics of soil heavy metal concentrations (n=130)

从130个采样点11种重金属含量空间分布可以看出(图 2), 不同重金属的污染分布情况不同, 重金属As、Be、Ni和Ti超标点位较少, 主要呈点源污染.Hg在整个场地内均显示超标, 但最大含量主要分布在焦化厂附近. Cd、Cr、Cu、Pb、Sb和Zn的含量超标点位较多, 在场地内分布广泛, 但较大的超标点位主要集中在炼钢厂、炼铁厂、焦化厂和型材厂附近, 表明超标重金属含量与生产工艺具有一定的相关性.

图 2 表层土壤130个采样点11种重金属含量空间分布 Fig. 2 Spatial distribution of eleven heavy metals concentrations at one hundred and thirty sampling sites of the topsoil

2.1.2 PAHs含量及分布特征

研究场地内采集的土壤样品16种PAHs(Σ16PAHs)均有检出, Σ16PAHs总量分布在0.04~1 099.56 mg·kg^-1之间, 平均值为45.26 mg·kg^-1(表 4).其中低环(2~3环)PAHs含量分布在0.017 5~602.1mg·kg^-1之间, 平均为17.92mg·kg^-1, 占Σ16PAHs含量的39.6%.中-高环(4~6环)PAHs含量分布在0.022 5~497.46mg·kg^-1之间, 平均含量分别为27.34 mg·kg^-1, 占Σ16PAHs量的60.4%, 场地内PAHs以中-高环为主(4~6环). 7种致癌PAHs的含量分布在0.02~340.76 mg·kg^-1之间, 平均为18.04 mg·kg^-1, 占Σ16PAHs含量的39.86%. Maliszewska^[44]根据欧洲国家土壤PAHs数据建立了土壤PAHs污染评价标准.依据该标准, 目标场地内128个采样点处Σ16PAHs含量大于污染临界值0.2 mg·kg^-1, 91个采样点Σ16PAHs含量大于1 mg·kg^-1, 表明场地内表层土壤受到严重PAHs污染.PAHs空间分布特征表明(图 3), 研究场地内表层土壤PAHs在整个区域均显示为超标, 污染呈片状, 含量最大采样点主要位于焦化厂.

表 4 土壤多环芳烃含量的描述性统计¹⁾(n=130) Table 4 Descriptive statistics of soil PAHs concentrations(n=130)

PAHs	最小值/mg·kg^-1	最大值/mg·kg^-1	平均值/mg·kg^-1	标准差	变异系数	中值/mg·kg^-1
Nap	0.002 5	86.5	1.87	9.41	5.03	0.05
Acy	0.002 5	19.7	0.93	3.2	3.46	0.05
Ace	0.002 5	132	1.78	12.39	6.94	0.05
Flu	0.002 5	147	6.32	19.43	3.08	0.535
Phe	0.002 5	130	4.45	16.35	3.67	0.38
Ant	0.002 5	37.3	1.21	4.32	3.56	0.05
Fla	0.002 5	49.6	1.36	5.89	4.35	0.05
Pyr	0.002 5	109	4.81	14.66	3.05	0.465
BaA	0.002 5	61.4	3.21	9.19	2.86	0.28
Chry	0.002 5	65.4	3.49	9.68	2.77	0.45
BbF	0.002 5	102	5.23	15.54	2.97	0.605
BkF	0.002 5	31.5	1.56	4.36	2.79	0.195
BaP	0.002 5	64.2	3.44	9.74	2.83	0.325
InP	0.002 5	41.7	2.61	7.72	2.96	0.2
DahA	0.002 5	10.9	0.64	1.75	2.75	0.05
Bghip	0.002 5	37.9	2.35	6.85	2.92	0.205
Σ2~3 PAHs	0.017 5	602.1	17.92	61.8	3.45	1.32
Σ4~6 PAHs	0.022 5	497.46	27.34	77.33	2.83	2.95
Σ7PAHs cars	0.02	340.76	18.04	52.14	2.89	1.88
Σ16 PAHs	0.04	1 099.56	45.26	135.42	2.99	4.06
1)Σ16 PAHs指USEPA优控的16种PAHs的总含量; Σ2~3 PAHs代表相对分子质量小的具有急性毒性效应的Nap、Ace、Acy、Flu、Phe、Ant和Flu的总含量; Σ4~6 PAHs代表相对分子质量大的具有慢性毒性效应的Pyr、BaA、Chry、BbF、BkF、BaP、InP、DahA和BghiP的总含量; Σ7PAH cars代表USEPA规定的具有致癌作用的7种多环芳烃(BaA、Chry、BbF、BkF、BaP、InP和DahA)的总含量

表 4 土壤多环芳烃含量的描述性统计¹⁾(n=130) Table 4 Descriptive statistics of soil PAHs concentrations(n=130)

图 3 表层土壤130个采样点2~3环、4~6环PAHs及16PAHs总含量空间分布 Fig. 3 Spatial distribution of PAHs contents in 2-3 ring, 4-6 ring, and 16PAHs in one hundred and thirty sampling sites of topsoil

2.2 重金属(HMs)和PAHs来源分析 2.2.1 相关性分析

利用相关性分析能够划分出具有相似来源的土壤元素^[45].重金属Cd、Cu、Pb、Ti和Zn两两之间均呈显著性相关(P < 0.05), 表明这5种金属具有相似的来源, 其中Pb和Zn呈极显著性相关(P < 0.01), 相关系数为0.699, 表明这2种金属具有相同来源(表 5). Ni、As和Cr均呈极显著性相关(P < 0.01), 但As和Cr呈极显著性负相关(P < 0.01), 表明这3种金属的来源具有相似性.Sb与Cu呈极显著性相关, 相关系数为0.434, 但Sb与其他金属无相关性.Be与Zn, Pb均呈显著性相关(P < 0.05), 表明这3种金属具有相似来源.Hg除了与Ni呈显著性负相关外(P < 0.01), 与其他重金属无相关性, 但与16种PAHs均呈极显著性相关(P < 0.01), 相关系数在0.545~0.907之间, 表明Hg与16种PAHs具有相同来源. 16种PAHs两两之间均呈极显著性相关(P < 0.01), 相关系数在0.375~0.998之间, 表明16种PAHs具有相同来源.由相关性分析可知重金属来源具有多样性, 而PAHs来源较为单一.

表 5 11种重金属和16种多环芳香烃相关性分析¹⁾ Table 5 Correlation analysis of eleven heavy metals and sixteen PAHs

	Sb	As	Be	Cd	Cu	Pb	Ni	Hg	Cr	Ti	Zn	Nap	Acy	Ace
Sb	1
As	-0.133	1
Be	-0.117	-0.108	1
Cd	0.153	0.072	0.129	1
Cu	0.434^**	0.253^**	-0.052	0.265^**	1
Pb	0.166	0.171	0.189^*	0.556^**	0.613^**	1
Ni	0.039	0.384^**	-0.124	0.049	0.446^**	0.365^**	1
Hg	-0.07	-0.034	0.006	0.006	0.153	0.056	-0.188^*	1
Cr	0.127	-0.284^**	-0.098	-0.059	-0.029	-0.01	0.242^**	-0.114	1
Ti	-0.065	0.215^*	0.15	0.514^**	0.334^**	0.531^**	0.198^*	-0.014	-0.008	1
Zn	0.14	0.089	0.269^**	0.520^**	0.191^*	0.699^**	0.021	0.1	-0.035	0.295^**	1
Nap	-0.079	-0.056	-0.036	0.014	0.124	0.029	-0.215^*	0.868^**	-0.11	0.03	-0.024	1
Acy	-0.04	0.041	0.035	0.014	0.111	0.046	-0.114	0.734^**	-0.078	-0.025	-0.012	0.375^**	1
Ace	-0.085	0.018	0.013	0.235^**	0.278^**	0.286^**	-0.138	0.683^**	-0.125	0.258^**	0.101	0.618^**	0.554^**	1
Flu	-0.086	-0.085	-0.055	0.062	0.162	0.1	-0.152	0.705^**	-0.113	0.05	-0.001	0.675^**	0.458^**	0.884^**
Phe	-0.096	-0.12	-0.07	-0.017	0.097	0.021	-0.207^*	0.710^**	-0.113	-0.039	-0.04	0.733^**	0.368^**	0.848^**
Ant	-0.092	-0.12	-0.063	0.05	0.152	0.08	-0.193^*	0.697^**	-0.106	0.037	-0.004	0.762^**	0.303^**	0.852^**
Fla	-0.087	-0.064	-0.023	-0.011	0.125	0.031	-0.224^*	0.907^**	-0.122	-0.045	-0.035	0.759^**	0.746^**	0.860^**
Pyr	-0.083	-0.116	-0.076	-0.016	0.104	0.021	-0.16	0.701^**	-0.101	-0.047	-0.047	0.655^**	0.481^**	0.820^**
BaA	-0.087	-0.042	-0.033	0.168	0.220^*	0.203^*	-0.073	0.626^**	-0.1	0.171	0.057	0.607^**	0.424^**	0.879^**
Chry	-0.087	-0.042	-0.032	0.161	0.218^*	0.195^*	-0.068	0.645^**	-0.098	0.16	0.052	0.612^**	0.455^**	0.868^**
BbF	-0.087	0.034	0.021	0.345^**	0.320^**	0.363^**	0.021	0.545^**	-0.081	0.374^**	0.159	0.508^**	0.425^**	0.847^**
BkF	-0.09	-0.049	-0.02	0.128	0.206^*	0.162	-0.085	0.691^**	-0.1	0.131	0.032	0.635^**	0.502^**	0.870^**
BaP	-0.088	-0.009	-0.013	0.239^**	0.265^**	0.268^**	-0.028	0.629^**	-0.091	0.249^**	0.096	0.604^**	0.451^**	0.867^**
InP	-0.091	0.012	0.003	0.233^**	0.256^**	0.271^**	-0.031	0.588^**	-0.098	0.248^**	0.094	0.509^**	0.522^**	0.881^**
DahA	-0.087	-0.012	-0.017	0.134	0.198^*	0.182^*	-0.074	0.600^**	-0.109	0.138	0.037	0.519^**	0.533^**	0.870^**
Bghip	-0.09	0.036	0.022	0.276^**	0.283^**	0.313^**	-0.009	0.547^**	-0.096	0.302^**	0.12	0.469^**	0.505^**	0.870^**

	Flu	Phe	Ant	Fla	Pyr	BaA	Chry	BbF	BkF	BaP	InP	DahA	Bghip
Flu	1
Phe	0.963^**	1
Ant	0.941^**	0.976^**	1
Fla	0.866^**	0.873^**	0.841^**	1
Pyr	0.986^**	0.950^**	0.916^**	0.862^**	1
BaA	0.972^**	0.892^**	0.884^**	0.783^**	0.947^**	1
Chry	0.969^**	0.883^**	0.872^**	0.790^**	0.949^**	0.998^**	1
BbF	0.850^**	0.718^**	0.737^**	0.657^**	0.797^**	0.941^**	0.942^**	1
BkF	0.975^**	0.894^**	0.879^**	0.826^**	0.961^**	0.990^**	0.994^**	0.920^**	1
BaP	0.926^**	0.824^**	0.833^**	0.753^**	0.894^**	0.984^**	0.987^**	0.977^**	0.972^**	1
InP	0.911^**	0.791^**	0.773^**	0.745^**	0.880^**	0.971^**	0.974^**	0.969^**	0.963^**	0.978^**	1
DahA	0.940^**	0.841^**	0.797^**	0.780^**	0.926^**	0.969^**	0.972^**	0.914^**	0.970^**	0.949^**	0.982^**	1
Bghip	0.877^**	0.744^**	0.730^**	0.699^**	0.838^**	0.952^**	0.875^**	0.975^**	0.941^**	0.966^**	0.996^**	0.968^**	1
1)表示在0.05的水平上相关性显著; *表示在0.01的水平上相关性显著2.2.2实测污染物含量值与模型预测值拟合结果

表 5 11种重金属和16种多环芳香烃相关性分析¹⁾ Table 5 Correlation analysis of eleven heavy metals and sixteen PAHs

2.2.2 实测污染物含量值与模型预测值拟合结果

利用PMF模型进行污染源解析时需要运用模型进行反复多次地运算, 以使模拟值与实测值具有最优的相关性, 获取最小Q值, 进而得到最优的因子数.为了精确获得目标函数Q的最小值, 将Fpeak设置为-0.52, 因子迭代次数为20.PMF模型模拟所得Cd、Cu、Hg、Sb、BaA、BaP、Fla和Pyr这8种污染物的预测含量与实测含量之间的相关性显示(图 4), Sb、BaA、BaP、Fla和Pyr的实测含量与预测含量间的相关性较好, r²分别为0.967、0.907、0.828、0.934和0.972, 拟合程度最高.Cd、Cu和Hg的实测含量与预测含量间的相关性r²分别为0.48、0.537和0.66, 拟合程度较好.结果显示利用该解析值能够满足模拟结果的需要.

图 4 正定矩阵因子模型(PMF)预测所得重金属和PAHs含量与实测含量对比 Fig. 4 Comparisons of observed content and predicted values from the positive matrix factorization (PMF) model

2.2.3 基于PMF的污染源分析

由于As、Be、Ni和Ti平均含量不超过背景值, 含量超过背景值的采样点较少, 分别为22%、4%、15%和2%, 且As和Ni的含量平均值不超过一类建设用地土壤污染风险筛选值(表 3), 可以推测这4种重金属主要为自然来源.为了精确确定重金属及PAHs的污染来源, 采用PMF模型对130个采样点中Hg、Cu、Cr、Pb、Zn、Sb和Cd这7种超标重金属和16种PAHs的数据集进行污染来源识别.在因子可解释性较强, Q值较低(4.3)的基础上, 本研究选取了4个主因子(图 5).

图 5 基于正定矩阵的7种重金属和16种PAHs主因子分析 Fig. 5 Contribution of different sources to seven heavy metals and sixteen PAHs based on positive matrix factorization analysis

16种PAHs和Hg主要在因子1和因子3上具有较高载荷.其中Phe (81.3%)、Fla (66.8%)、BaA (70.1%)、Chry (70.1%)、BbF(80.7%)、BkF (80.7%)、BaP (73.3%)、InP (79.4%)、Pyr (64.8%)和BghiP (78.2%)这10种PAHs在因子1上载荷最高, 且主要为高环(4~6环) PAHs.前人研究显示4环及以上的PAHs主要来自于煤等化石燃料的燃烧^{[46, 47]}.从130个采样点高环PAHs分布情况可以看出, 焦化厂附近高环芳香烃的含量最高, 这与焦化厂生产过程中使用大量的煤炭作为燃烧源有关.Hg (72.9%)、Nap (84.4%)、Ace (85%)、Acy (85.8%)、Flu (85.1%)、Ant (84.2%)和BaA (79.4%)这7种污染物在因子3上载荷最高.Hg是煤炭燃烧的标识物^{[48, 49]}, 首钢场地内Hg在全区内均有污染, 且污染含量最大处同样位于焦化厂, 随后Hg随着大气沉降在整个场地表层沉积, 致使地表土壤Hg含量超标.查阅首钢场地生产历史显示场地内并无石油泄漏来源, 由于首钢场地生产历史长, 推测这些低环PAHs主要是由高环PAHs沉降至地表后经过长时间的物理化学作用降解而成, 因此首钢工业场地内16种PAHs均来源于煤炭燃烧.因子1和因子3代表煤炭燃烧源.

Cu、Cr、Pb和Zn这4种重金属在因子2上载荷最高, 分别为70.5%、90.2%、75.2%和71.5%.从Pb和Zn在场地内分布情况可知(图 2), 这两种金属在炼铁厂和高炉附近含量较高.高炉炼铁产生的炉灰含有大量的铅锌及其氧化物, 这些炉灰在炼铁厂和高炉附近沉降会提高表层土壤Pb和Zn的含量.Cu同样也是炼铁高炉烟尘中的主要重金属.Cr含量最大的点位主要位于场地内西南地区, 该区域内含有第一、三炼钢厂和燕山水泥厂.Cr是炼钢工艺的主要添加剂, 同时利用各种冶金渣和燃煤灰渣生产水泥时也会产生大量的Pb、Cu、Zn和Cr污染^[50].因此这4种重金属主要与炼钢、炼铁和水泥生产等工业活动有关, 因子2代表冶炼源.

Cd和Sb这2种重金属在因子4上具有较高载荷, 分别为96.6%和79.3%.土壤中Cd的来源较多, 工业生产活动和人类活动等均会对土壤中Cd含量产生影响. 130个采样点分布显示Cd含量最大值主要位于研究区西北部, 该区域临近阜石路, 晏星等^[51]对北京城区交通边缘带土壤重金属污染研究显示, 交通干道两边土壤中Cd的污染含量最高, 因此推测Cd主要为交通和人为活动来源.Sb含量超过北京市土壤重金属背景值的采样点主要位于首钢运输轨道附近, 推测同样为交通来源.因此因子4代表交通来源.

图 6为130个采样点中3种污染物源对土壤中7种污染重金属和16种PAHs平均含量的贡献率.其中冶炼源贡献了最多的污染物, 占130个采样点污染物平均含量的90.61%.煤炭燃烧源对130个采样点污染物平均含量的贡献率为8.46%, 主要集中在焦化厂附近.交通来源贡献了130个采样点污染物平均含量的0.94%.由此可见冶炼和煤炭燃烧是造成土壤重金属污染和PAHs污染的主要因素.

大饼图是3种污染源对130个采样点中7种重金属和16种PAHs的平均含量的贡献率（占比）图 6 130个采样点中3种污染源对重金属和16种PAHs含量的贡献比值 Fig. 6 Contribution ratio of three pollution sources to heavy metal and sixteen PAHs contents in 130 sampling sites

2.3 基于各污染物的致癌风险及非致癌风险评价

US EPA提出一般可接受的致癌风险水平为1×10^-6, 可接受的致癌风险水平上限为1×10^-4^[52]. 130个采样点内污染重金属Cd和7种致癌PAHs的致癌风险值分布显示[图 7 (a)], 超过致癌风险限制值(1×10^-4)的采样点主要为S14、S21、S22、S25和S99, 致癌风险值分别为15.9×10^-4、8.2×10^-4、7.25×10^-4、6.25×10^-4和3.46×10^-4. 7种致癌PAHs是影响场地内土壤致癌风险的主要污染物. 7种PAHs(Σ7PAHs cars)的致癌平均值为3.52×10^-5, 主要产生致癌风险的污染物为BaP[图 7 (b)].

图 7 130个采样点Cd和7种PAHs的致癌风险值及其平均值 Fig. 7 Carcinogenic risk values and their mean values for Cd and seven PAHs at one hundred and thirty sampling sites

一般认为非致癌风险指数大于1时对人体健康产生危害^[40].重金属Pb、Zn、Cu和Cr的非致癌风险值在多个采样点内大于1[图 8 (a)], 其平均非致癌风险分别为0.79、6.19、0.63和0.76[图 8 (b)].Zn是影响场地内非致癌风险的主要因素.

图 8 130个采样点重金属和PAHs的非致癌风险值及平均值 Fig. 8 Hazard index value and their mean values for heavy metals and PAHs at one hundred and thirty sampling sites

2.4 基于污染源的人体健康风险评价

130个采样点的7种超标重金属和16种PAHs的致癌风险值分布在4.17×10^-6~39.38×10^-4之间[图 9 (b)].其中重金属和多环芳香烃致癌风险值超过可接受水平上限(1×10^-4)的采样点主要分布在焦化厂附近.利用PMF模型获取3种污染源的致癌风险值及其对总致癌风险的贡献率显示[图 9 (b)], 130个采样点中煤炭燃烧源的平均致癌风险值为2.16×10^-4, 对总平均致癌风险值的贡献率为50.26%. 130个采样中点冶炼源的平均致癌风险值为1.44×10^-4, 对总平均致癌风险值的贡献率为42.96%. 130个采样点中交通源的平均致癌风险值为9.01×10^-6, 对总平均致癌风险值的贡献率为6.78%.煤炭燃烧源和冶炼源平均致癌风险超过致癌风险水平上限(1×10^-4).图 9(b)中大饼图为3种污染源对130个采样点总平均致癌风险(130个采样点中7种重金属和16种PAHs的平均致癌风险)的贡献率(占比), 图 9(b)中小饼图为3种污染源对每个采样点致癌风险(每个采样点中7种重金属和16种PAHs的致癌风险)的贡献率(占比).

图 9 130个采样点总致癌风险、总非致癌风险及3种污染源致癌风险和非致癌风险贡献率 Fig. 9 Total carcinogenic risk and total hazard index in one hundred and thirty sampling sites and the contribution rates of carcinogenic risk and hazard index of three pollution sources

130个采样点内3种途径的非致癌风险值分布在0~32.23之间[图 9 (c)], 非致癌风险值大于1的采样点主要位于焦化厂内.PMF模型计算3种污染源的非致癌风险贡献率显示[图 9 (d)], 130个采样点中煤炭燃烧源的平均非致癌风险值为0.22, 对总平均非致癌风险贡献率为14.63%. 130个采样点中冶炼源的平均非致癌风险值为0.834, 对总平均非致癌风险贡献率为56.43%. 130个采样点中交通源的平均非致癌风险指数为0.44, 对总平均非致癌风险贡献率为29.25%. 3种污染源的平均非致癌风险均未超过可接受水平上限.图 9(d)中大饼图为3种污染源对130个采样点的总平均非致癌风险(130个采样点中7种重金属和16种PAHs的平均非致癌风险)贡献率(占比), 图 9(d)中小饼图为3种污染源对每个采样点非致癌风险(每个采样点中7种重金属和16种PAHs的非致癌风险)的贡献率(占比).

3 讨论

Gao等^[34]对宝钢场地内重金属分析显示: Zn、Pb、Cr和Cu的含量分别为: 220.8、190.8、156.1和32.17 mg·kg^-1.谢团辉等^[53]对闽西某钢铁厂重金属研究显示: Zn、Pb、Cr和Cu的含量分别为499、200.4、46.31和34.54 mg·kg^-1.与这两个钢铁场地重金属含量相比, 首钢场地内主要超标重金属含量相对较低.但与韩鹏等^[43]对首钢场地及周围土壤重金属Zn(82.63 mg·kg^-1)、Pb(29.36 mg·kg^-1)、Cr(65.39 mg·kg^-1)和Cu (23.93 mg·kg^-1)的分析相比, 本次分析所得重金属含量较高, 这与韩鹏等采集的样品包括了首钢周边居民区的土壤, 而这些样品中的重金属含量较低有关.前人统计分析了杭州钢铁厂, 福建钢铁厂和南京钢铁厂场地内16种PAHs的总含量平均分别为1.435、5.085和4.292 mg·kg^-1^{[46, 54]}, 均远小于首钢场地内16种PAHs平均含量45.26 mg·kg^-1, 首钢场地内较高的PAHs含量与焦化厂生产周期较长有关.

钢铁场地内重金属的来源较多, 谢团辉等分析显示闽西某钢铁厂内Pb、Cd、Cu、Zn和As主要受炼钢厂排放的污染物影响, Cr和Ni主要受成土母质的影响.韩鹏对首钢及周边土壤重金属分析表明Ni和As主要来自成土母质, Cu、Zn、Pb和Cd这4种金属主要来自工业冶炼和交通排放源, Cr受成土母质和人为污染共同控制, 这与本次研究结果基本相同.但本次研究结果显示首钢场地内土壤中的汞与焦化厂燃煤有关, 而韩鹏等认为首钢及周围场地内土壤中的Hg主要为外源污染.造成该分析结果不同的主要原因可能是本次研究仅对首钢工业场地内的土壤Hg含量进行了测试, 未对场地周围地区土壤进行采样分析, 因此分析结果与韩鹏等人研究略有不同.

定量分析首钢工业场地内3种污染源对人体致癌风险和非致癌风险的影响结果显示, 煤炭燃烧源(占污染物平均含量的8.46%)对研究场地内表层土壤重金属和16种PAHs的平均总致癌风险贡献率最高, 达到50.26%.冶炼源(占污染物平均含量的90.61%)对平均总非致癌风险的贡献率最高, 为56.43%, 同时冶炼源还贡献率了42.96%的平均总致癌风险.由此可见煤炭燃烧源和冶炼源是造成钢铁生产场地内重金属和PAHs致癌风险和非致癌风险超过可接受水平上限的关键因素.需要注意的是, 交通源占污染物平均含量的比例较低, 为0.94%, 但贡献了6.78%的平均总致癌风险和29.25%的平均总非致癌风险, 同样需要密切关注.因此, 对于相似的钢铁生产企业, 应尽量使用清洁能源以降低重金属和PAHs的致癌风险, 同时应优化钢铁冶炼工艺以降低钢铁生产场地内土壤重金属和PAHs的非致癌风险.另外对于新建钢铁生产场地选址时应尽量远离交通运输道路.

4 结论

(1) 研究场地内重金属和PAHs均出现不同程度的超标现象, 其中超标最严重的重金属污染物主要为Cd、Hg、Pb、Zn和Cu, 130个采样点处16种PAHs含量大于污染临界值0.2 mg·kg^-1, 其中焦化厂是该场地内污染最为严重的地区.

(2) PMF模型将7种污染重金属和16种PAHs的来源分为煤炭燃烧源、冶炼源及交通源, 各污染源在平均污染物含量的占比分别为8.46%, 90.61%和0.94%.煤炭燃烧源和冶炼源是造成首钢工业场地重金属和PAHs含量超标的主要因素.其中BaP和Zn分别是影响人体致癌风险和非致癌风险的主要污染物.

(3) 基于污染源的人体健康风险定量分析显示, 煤炭燃烧源贡献了50.26%的平均总致癌风险, 冶炼源贡献率了56.43%的平均总非致癌风险.这两种污染源是影响钢铁场地内土壤重金属和PAHs人体健康风险的主要因素.

(3) 基于污染源的人体健康风险定量分析显示, 煤炭燃烧源贡献了50.26%的致癌风险, 冶炼源贡献率了56.43%的非致癌风险.这两种污染源是影响钢铁场地内土壤重金属和PAHs人体健康风险的主要因素.

参考文献

[1]	王硕, 魏文侠, 李佳斌, 等. 某钢铁厂土壤中多环芳烃污染评价与风险评估[J]. 环境工程技术学报, 2019, 9(4): 447-452. Wang S, Wei W X, Li J B, et al. Evaluation and risk assessment of polycyclic aromatic hydrocarbons in soil of a steel plant[J]. Journal of Environmental Engineering Technology, 2019, 9(4): 447-452.
[2]	岳昌盛, 彭犇, 刘长波, 等. 钢铁企业污染土壤修复技术探讨及展望[J]. 环境工程, 2018, 36(S1): 731-735. Yue C S, Peng B, Liu C B, et al. Discussion and prospect on remediation technology of polluted soil in steel industry[J]. Environmental Engineering, 2018, 36(S1): 731-735.
[3]	刘俐. 钢铁生产场地的环境污染特征[J]. 世界环境, 2016(4): 41-45. Liu L. Characteristics of environmental pollution on steel production sites[J]. World Environment, 2016(4): 41-45.
[4]	李书鹏, 刘鹏. 钢铁企业污染场地修复经验探索——我国钢铁企业场地污染特征及常用修复技术简介[J]. 世界环境, 2016(4): 59-62. Li S P, Liu P. Exploration of China's iron and steel enterprises' experience in contaminated site remediation[J]. World Environment, 2016(4): 59-62.
[5]	董捷, 黄莹, 李永霞, 等. 北方某大型钢铁企业表层土壤中多环芳烃污染特征与健康风险评价[J]. 环境科学, 2016, 37(9): 3540-3546. Dong J, Huang Y, Li Y X, et al. Pollution characteristics and health risk assessment of polycyclic aromatic hydrocarbons in the surface soils of a large steel enterprise in the north of China[J]. Environmental Science, 2016, 37(9): 3540-3546.
[6]	白利平, 罗云, 刘俐, 等. 污染场地修复技术筛选方法及应用[J]. 环境科学, 2015, 36(11): 4218-4224. Bai L P, Luo Y, Liu L, et al. Research on the screening method of soil remediation technology at contaminated sites and its application[J]. Environmental Science, 2015, 36(11): 4218-4224.
[7]	黎子瑜, 钱谊, 王蒙. 某电镀厂搬迁后重金属污染场地的健康风险评价[J]. 环境工程, 2014, 32(S1): 831-835, 839. Li Z Y, Qian Y, Wang M. Health risk assessment of heavy metal contaminated sites of a relocated electroplating factory[J]. Environmental Engineering, 2014, 32(S1): 831-835, 839.
[8]	Viglianti C, Hanna K, de Brauer C, et al. Removal of polycyclic aromatic hydrocarbons from aged-contaminated soil using cyclodextrins:experimental study[J]. Environmental Pollution, 2006, 140(3): 427-435.
[9]	齐晓宝, 黄沈发, 沙晨燕, 等. 钢铁工业区下风向土壤中多环芳烃污染特征及源解析[J]. 环境科学研究, 2018, 31(5): 927-934. Qi X B, Huang S F, Sha C Y, et al. Pollution characteristics and source apportionment of polycyclic aromatic hydrocarbons in surface soil of the steel industrial downwind area[J]. Research of Environmental Sciences, 2018, 31(5): 927-934.
[10]	吴迪, 汪宜龙, 刘伟健, 等. 河北邯郸钢铁冶炼区周边麦田土和小麦籽粒的多环芳烃含量及其组分谱特征[J]. 环境科学, 2016, 37(2): 740-749. Wu D, Wang Y L, Liu W J, et al. Concentrations and component profiles PAHs in surface soils and wheat grains from the cornfields close to the steel smelting industry in Handan, Hebei province[J]. Environmental Science, 2016, 37(2): 740-749.
[11]	杨悦锁, 陈煜, 李盼盼, 等. 土壤、地下水中重金属和多环芳烃复合污染及修复研究进展[J]. 化工学报, 2017, 68(6): 2219-2232. Yang Y S, Chen Y, Li P P, et al. Research progress on co-contamination and remediation of heavy metals and polycyclic aromatic hydrocarbons in soil and groundwater[J]. CIESC Journal, 2017, 68(6): 2219-2232.
[12]	Gauthier P T, Norwood W P, Prepas E E, et al. Metal-PAH mixtures in the aquatic environment:a review of co-toxic mechanisms leading to more-than-additive outcomes[J]. Aquatic Toxicology, 2014, 154: 253-269.
[13]	Jiao X D, Teng Y G, Zhan Y H, et al. Soil Heavy metal pollution and risk assessment in Shenyang industrial district, northeast China[J]. PLoS One, 2015, 10(5): e0127736. DOI:10.1371/journal.pone.0127736
[14]	张国忠, 黄威, 潘月鹏, 等. 河北典型农田大气重金属干沉降通量及来源解析[J]. 中国生态农业学报, 2019, 27(8): 1245-1254. Zhang G Z, Huang W, Pan Y P, et al. Dry deposition flux of atmospheric heavy metals and its source apportionment in a typical farmland of Hebei Province[J]. Chinese Journal of Eco-Agriculture, 2019, 27(8): 1245-1254.
[15]	Gu Y G, Wang Z H, Lu S H, et al. Multivariate statistical and GIS-based approach to identify source of anthropogenic impacts on metallic elements in sediments from the mid Guangdong coasts, China[J]. Environmental Pollution, 2012, 163: 248-255.
[16]	Mahmoudabadi E, Sarmadian F, Moghaddam R N. Spatial distribution of soil heavy metals in different land uses of an industrial area of Tehran (Iran)[J]. International Journal of Environmental Science and Technology, 2015, 12(10): 3283-3298.
[17]	郭雪, 毕春娟, 陈振楼, 等. 滴水湖及其水体交换区沉积物和土壤中PAHs的分布及生态风险评价[J]. 环境科学, 2014, 35(7): 2664-2671. Guo X, Bi C J, Chen Z L, et al. Distribution and ecological risk assessment of polycyclic aromatic hydrocarbons in surface sediments and soils from Dishui lake and its water exchange areas[J]. Environmental Science, 2014, 35(7): 2664-2671.
[18]	徐绍箐, 马启敏, 李泽利, 等. 锦州湾表层沉积物中多环芳烃测定与生态风险评价[J]. 环境化学, 2011, 30(11): 1900-1905. Xu S Q, Ma Q M, Li Z L, et al. Determination and risk assessment of polycyclic aromatic hydrocarbons in surface sediment from Jinzhou bay, China[J]. Environmental Chemistry, 2011, 30(11): 1900-1905.
[19]	Dong B, Zhang R Z, Gan Y D, et al. Multiple methods for the identification of heavy metal sources in cropland soils from a resource-based region[J]. Science of the Total Environment, 2019, 651: 3127-3138.
[20]	Thavamani P, Megharaj M, Naidu R. Multivariate analysis of mixed contaminants (PAHs and heavy metals) at manufactured gas plant site soils[J]. Environmental Monitoring and Assessment, 2012, 184(6): 3875-3885.
[21]	Li C, Sun M H, Song C W, et al. Assessment of heavy metal contamination in the sediments of the Shuangtaizi estuary using multivariate statistical techniques[J]. Soil and Sediment Contamination:An International Journal, 2017, 26(1): 45-58.
[22]	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.
[23]	周艳, 陈樯, 邓绍坡, 等. 西南某铅锌矿区农田土壤重金属空间主成分分析及生态风险评价[J]. 环境科学, 2018, 39(6): 2884-2892. Zhou Y, Chen Q, Deng S P, et al. Principal component analysis and ecological risk assessment of heavy metals in farmland soils around a Pb-Zn mine in southwestern China[J]. Environmental Science, 2018, 39(6): 2884-2892.
[24]	葛蔚, 程琪琪, 柴超, 等. 山东省农田土壤多环芳烃的污染特征及源解析[J]. 环境科学, 2017, 38(4): 1587-1596. Ge W, Cheng Q Q, Chai C, et al. Pollution characteristics and source analysis of polycyclic aromatic hydrocarbons in agricultural soils from Shandong[J]. Environmental Science, 2017, 38(4): 1587-1596.
[25]	姚宏, 张士超, 刘明丽, 等. 基于城镇化进程表层土壤多环芳烃来源解析及风险评价[J]. 环境科学, 2018, 39(2): 889-898. Yao H, Zhang S C, Liu M L, et al. Sources and risk assessment of polycyclic aromatic hydrocarbons from the urbanization process of topsoil[J]. Environmental Science, 2018, 39(2): 889-898.
[26]	比拉力·依明, 阿不都艾尼·阿不里, 师庆东, 等. 基于PMF模型的准东煤矿周围土壤重金属污染及来源解析[J]. 农业工程学报, 2019, 35(9): 185-192. Imin B, Abliz A, Shi Q D, et al. Pollution and source identification of heavy metals in surrounding soils of Eastern Junggar Coalfield based on PMF model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(9): 185-192.
[27]	陈志凡, 化艳旭, 徐薇, 等. 基于正定矩阵因子分析模型的城郊农田重金属污染源解析[J]. 环境科学学报, 2020, 40(1): 276-283. Chen Z F, Hua Y X, Xu W, et al. Analysis of heavy metal pollution sources in suburban farmland based on positive definite matrix factor model[J]. Acta Scientiae Circumstantiae, 2020, 40(1): 276-283.
[28]	Ciarkowska K, Gambus F, Antonkiewicz J, et al. Polycyclic aromatic hydrocarbon and heavy metal contents in the urban soils in southern Poland[J]. Chemosphere, 2019, 229: 214-226.
[29]	Qi P Z, Qu C K, Albanese S, et al. Investigation of polycyclic aromatic hydrocarbons in soils from Caserta provincial territory, southern Italy:spatial distribution, source apportionment, and risk assessment[J]. Journal of Hazardous Materials, 2020, 383: 121158.
[30]	Yang B, Zhou L L, Xue N D, et al. Source apportionment of polycyclic aromatic hydrocarbons in soils of Huanghuai Plain, China:comparison of three receptor models[J]. Science of the Total Environment, 2013, 443: 31-39.
[31]	Boroumandi M, Khamechiyan M, Nikoudel M R, et al. Evaluation of soil pollution sources using multivariate analysis combined with geostatistical methods in Zanjan Basin, Iran[J]. Geopersia, 2019, 9(2): 293-304.
[32]	Towle K M, Garnick L C, Monnot A D. A human health risk assessment of lead (Pb) ingestion among adult wine consumers[J]. International Journal of Food Contamination, 2017, 4(1): 1-9.
[33]	Maghakyan N, Tepanosyan G, Belyaeva O, et al. Assessment of pollution levels and human health risk of heavy metals in dust deposited on Yerevan's tree leaves (Armenia)[J]. Acta Geochimica, 2017, 36(1): 16-26.
[34]	Gao J, Wang L C. Ecological and human health risk assessments in the context of soil heavy metal pollution in a typical industrial area of Shanghai, China[J]. Environmental Science and Pollution Research, 2018, 25: 27090-27105. DOI:10.1007/s11356-018-2705-8
[35]	Zha Y, Zhang Y L, Tang J, et al. Status, sources, and human health risk assessment of PAHs via foliar dust from different functional areas in Nanjing, China[J]. Journal of Environmental Science and Health, Part A, 2018, 53(6): 571-582.
[36]	台凌宇.垃圾焚烧厂周围土壤重金属污染源解析及人体健康风险评价[D].天津: 天津大学, 2018. 54-55. http://cdmd.cnki.com.cn/Article/CDMD-10056-1019701921.htm
[37]	Liu J, Liu Y J, Liu Y, et al. Quantitative contributions of the major sources of heavy metals in soils to ecosystem and human health risks:a case study of Yulin, China[J]. Ecotoxicology and Environmental Safety, 2018, 164: 261-269.
[38]	Paatero P, Tapper U. Analysis of different modes of factor analysis as least squares fit problems[J]. Chemometrics and Intelligent Laboratory Systems, 1993, 18(2): 183-194.
[39]	董騄睿, 胡文友, 黄标, 等. 基于正定矩阵因子分析模型的城郊农田土壤重金属源解析[J]. 中国环境科学, 2015, 35(7): 2103-2111. Dong L R, Hu W Y, Huang B, et al. Source appointment of heavy metals in suburban farmland soils based on positive matrix factorization[J]. China Environmental Science, 2015, 35(7): 2103-2111.
[40]	HJ 25.3-2019, 建设用地土壤污染风险评估技术导则[S]. HJ 25.3-2019, Technical guidelines for risk assessment of soil contamination of land for construction[S].
[41]	伯鑫, 王刚, 温柔, 等. 焦炉排放多环芳烃与人体健康风险评价研究[J]. 环境科学, 2014, 35(7): 2742-2747. Bo X, Wang G, Wen R, et al. Health risk assessment of coke oven PAHs emissions[J]. Environmental Science, 2014, 35(7): 2742-2747.
[42]	郭瑾, 葛蔚, 柴超, 等. 化学工业区周边土壤中多环芳烃含量、来源及健康风险评估[J]. 环境化学, 2018, 37(2): 296-309. Guo J, Ge W, Chai C, et al. Concentrations, sources, and health risk of polycyclic aromatic hydrocarbons in soils around chemical plants[J]. Environmental Chemistry, 2018, 37(2): 296-309.
[43]	韩鹏, 孙天河, 袁国礼, 等. 首钢地区表层土壤重金属的分布特征及污染评价[J]. 现代地质, 2012, 26(5): 963-971. Han P, Sun T H, Yuan G L, et al. Distribution and assessment of heavy metals in topsoil of capital steel factory in Beijing, China[J]. Geoscience, 2012, 26(5): 963-971.
[44]	Maliszewska-Kordybach B. Polycyclic aromatic hydrocarbons in agricultural soils in Poland:preliminary proposals for criteria to evaluate the level of soil contamination[J]. Applied Geochemistry, 1996, 11(1-2): 121-127.
[45]	张雷, 秦延文, 郑丙辉, 等. 丹江口水库迁建区土壤重金属分布及污染评价[J]. 环境科学, 2013, 34(1): 108-115. Zhang L, Qin Y W, Zheng B H, et al. Distribution and pollution assessment of heavy metals in soil of relocation areas from the Danjiangkou reservoir[J]. Environmental Science, 2013, 34(1): 108-115.
[46]	侯艳伟, 张又弛. 福建某钢铁厂区域表层土壤PAHs污染特征与风险分析[J]. 环境化学, 2012, 31(10): 1542-1548. Hou Y W, Zhang Y C. Assessment on contamination and risk of polycyclic aromatic hydrocarbons in soils in area of steel works in Fujian Province[J]. Environmental Chemistry, 2012, 31(10): 1542-1548.
[47]	王德高, 杨萌, 贾宏亮, 等. 原油及油制品中多环芳烃化学指纹的分布规律研究[J]. 环境污染与防治, 2008, 30(11): 62-65. Wang D G, Yang M, Jia H L, et al. Chemical fingerprinting of polycyclic aromatic hydrocarbons in crude oil and petroleum product samples[J]. Environmental Pollution and Control, 2008, 30(11): 62-65.
[48]	Liu X M, Zhang L, Zhang L. Concentration, risk assessment, and source identification of heavy metals in surface sediments in Yinghai:a shellfish cultivation zone in Jiaozhou Bay, China[J]. Marine Pollution Bulletin, 2017, 121(1-2): 216-221.
[49]	Wang C, Yang Z F, Zhong C, et al. Temporal-spatial variation and source apportionment of soil heavy metals in the representative river-alluviation depositional system[J]. Environmental Pollution, 2016, 216: 18-26.
[50]	肖忠明. 工业废渣用于水泥生产时重金属污染问题的思考[J]. 水泥, 2014(11): 13-17.
[51]	晏星, 罗娜娜, 赵文吉, 等. 北京城区交通边缘带土壤重金属污染研究[J]. 环境科学与技术, 2013, 36(12): 175-180. Yan X, Luo N N, Zhao W J, et al. Heavy metal pollution evaluation and spatial influence range analysis for main roads within the fifth ring road of Beijing urban[J]. Environmental Science & Technology, 2013, 36(12): 175-180.
[52]	郭鹏然, 雷永乾, 周巧丽, 等. 电镀厂周边环境中重金属分布特征及人体健康暴露风险评价[J]. 环境科学, 2015, 36(9): 3447-3456. Guo P R, Lei Y Q, Zhou Q L, et al. Distribution characteristics of heavy metals in environmental samples around electroplating factories and the health risk assessment[J]. Environmental Science, 2015, 36(9): 3447-3456.
[53]	谢团辉, 胡聪, 陈炎辉, 等. 某炼钢厂周边农田土壤重金属污染状况的调查与评价[J]. 农业资源与环境学报, 2018, 35(2): 155-160. Xie T H, Hu C, Chen Y H, et al. Investigation and evaluation of heavy metals pollution of agricultural soils near a steel plant[J]. Journal of Agricultural Resources and Environment, 2018, 35(2): 155-160.
[54]	田靖, 朱媛媛, 杨洪彪, 等. 大型钢铁厂及其周边土壤多环芳烃污染现状调查、评价与源解析[J]. 环境化学, 2013, 32(6): 1002-1008. Tian J, Zhu Y Y, Yang H B, et al. Investigation, assessment and source analysis of polycyclic aromatic hydrocarbons (PAHs) pollution in soil from a larg iron and steel plant and its surrounding areas, in China[J]. Environmental Chemistry, 2013, 32(6): 1002-1008.


环境科学 2020, Vol. 41 Issue (9): 4180-4196	PDF