2024, Vol. 45
2. 安徽文川环保有限公司, 铜陵 244002
2. Anhui Wenchuan Environmental Protection Co., Ltd., Tongling 244002, China
根据全国土壤污染调查公报[1], 我国土壤重金属污染不容乐观, 总检测点位超标率达16.1%, 其中耕地土壤超标率达19.4%.从污染来源看, 矿区周边土壤重金属污染往往主要由矿产资源的开采、加工和运输等活动造成[2].重金属元素不仅可以被生物富集并通过食物链进入人体[3], 还可借助灰尘和大气颗粒物等环境介质, 通过皮肤接触和呼吸活动等暴露途径在人体累积[4], 从而造成健康危害.国外有关重金属污染的研究起步较早, 提出了一批经典的污染评价和风险评估技术方法[5, 6], 关注的热点大多集中在矿业开采导致的土壤重金属污染方面[7~10].近年来, 土壤重金属污染引起了我国政府的重视, 有关金属矿山、涉重企业及工厂搬迁遗留场地重金属污染的调查、评价和修复日趋增多, 相关研究主要涉及重金属赋存形态分析[11]、来源解析[12]、生态风险评价及健康风险评估[13, 14]等.目前, 土壤重金属污染评价和生态风险评估模型方法已较为成熟, 而对土壤重金属污染来源解析方法的研究则还处在不断探索中, 除常用的相关性分析和主成分分析等方法外, 近年来出现的正定矩阵因子分解模型因为可以量化识别未知污染源个数及污染贡献占比, 深受众多学者的青睐[15~18].
铜陵是著名的有色多金属矿区, 是我国重要的有色金属基地之一, 具有2 000多年连绵不断的铜采冶历史.该市矿产种类多且储量丰富, 优势金属矿种主要为Cu、Au和硫铁矿等, 矿产地主要分布在铜官山、狮子山、新桥和凤凰山等矿区.近年来, 不断有学者开展铜陵矿区（包括尾矿库）土壤和水体重金属污染研究[19~21], 但多针对有色金属矿区；对于硫铁矿的研究, 大多都是从地质学或地球化学角度, 探究成矿原因和作用等, 且研究成果基本都集中在规模较大的新桥硫铁矿[22, 23].目前, 绿色矿山建设已上升为国家战略, 推动了中国矿业绿色发展和矿山生态修复.作为具有悠久采冶历史的有色金属矿业城市, 铜陵市将一批废弃矿坑的环境综合治理纳入到了长江经济带废弃矿山生态修复计划并付诸实施.本研究拟以铜陵市钟鸣镇某废弃硫铁矿为例, 尝试就矿区周边土壤重金属污染特征和生态风险进行分析, 解析土壤重金属污染来源, 以期为后续矿区生态环境综合治理和生态修复提供依据.
1 研究区概况铜陵市位于安徽省中南部、长江下游南岸, 地处长江铜铁成矿带, 是全国矿产资源种类最多且储量最丰富的城市之一, 素有“中国古铜都、当代铜基地”的美誉.本研究的废弃硫铁矿位于该市东部钟鸣镇境内, 地处东经118°03′30″~118°05′04″, 北纬30°56′08″~30°59′08″范围, 属于亚热带湿润季风气候, 平均气温16.2℃, 年均降水量1 375.9 mm.该硫铁矿位于山体北坡, 地势由南向北逐渐降低, 矿区东、西两侧为山地, 总体呈西南-东北方向分布, 矿区位于铜陵复式褶皱中的舒家店背斜北东段北西翼[24].部分外露边坡岩性为黄红壤（黄棕壤）、石灰（岩）土和红壤性麻砂土.矿区周边山地林木茂密, 主要有阔叶天然次生林、灌木林及少量竹林.累计查明铁矿石总储量约13.094万t, 金属量6.582万t, 全铁品位50.27%.整个采矿场占地约0.8 km², 西南风为次主导风向.采矿场南部为山坡且大部分已实施生态修复, 植被覆盖程度较高.该矿于1976年开采, 2008年停采, 2011年闭矿.前期为露天开采, 后期转为地下平硐, 酸性矿山废水由矿区排出后进入狮牡河, 再向北经黄浒河和荻港河等, 最终汇入长江.据报道, 狮牡河中上游河段Cd污染颇为严重[25].由于当地利用河水灌溉农作物, 导致农田土壤重金属污染.尽管该硫铁矿已闭矿多年, 但仍不断有酸性矿坑废水从平硐口流出（pH值约2.01）, 废水中ρ（Cd）、ρ（Cu）和ρ（Zn）平均值分别高达2.12、65.3和61.0 mg·L-1, ρ（As）达35.0 mg·L-1.2020年钟鸣镇政府出资建设了一座处理能力3 000 m3·d-1污水处理站, 并委托安徽文川环保有限公司运营管理, 推动了矿区下游河流水体水质改善.
2 材料与方法 2.1 样品采集与分析在废弃硫铁矿区选择5种主要土地利用类型, 大致均匀布设50个采样点（图 1）, 其中采矿场设置采样点3个、农田19个、村庄11个、山林7个、河流10个, 采集表层土壤及沉积物样.在每个采样点1 m²范围内取4处表层（0~20 cm）土壤（合计约1 kg）, 混合均匀后装入自封袋；对于沉积物样, 针对每个采样点（断面）, 分别在河道两侧水面下采集表层（0~10 cm）沉积物（合计约1 kg）, 混合均匀后装入自封袋.样品采集均使用非金属工具, 并以GPS记录采样点位置坐标.在实验室, 将样品放在阴凉通风处自然风干, 剔除碎石和杂物后研磨, 过100目筛, 装入自封袋备测.
|
图 1 研究区基本情况 Fig. 1 Basic situation of the study area |
采用HNO3-HCl-HClO4对土壤进行加热消解.这里, Zn、Cr、Cu、Pb和Ni采用火焰原子吸收法（TAS-990 AFG原子吸收分光光度计, 北京普析通用仪器）分析测试, Cd采用石墨炉原子吸收法（TAS-990 AFG原子吸收分光光度计, 北京普析通用仪器）测试, As使用氢化物发生原子荧光法（AFS-8510原子荧光光谱仪, 北京海光仪器）测试.Zn、Cr、Cu、Pb、Ni和Cd的检出限分别为1、4、1、10、3和0.05 mg·kg-1、As检出限为0.01 mg·kg-1.针对Fe元素的检测, 也采用HNO3-HCl-HClO4加热消解, 使用火焰原子吸收法（TAS-990 AFG原子吸收分光光度计, 北京普析通用仪器）测定, 检出限为25 mg·kg-1.所有样品均做空白实验, 并使用标准物质进行质量控制, 各元素平行实验偏差均小于10%.样品pH值使用pH计测定（去离子水与样品比例为5∶1）.相关分析测试工作均在安徽创怡环保科技有限公司完成.
2.2 评价方法 2.2.1 内梅罗污染指数内梅罗污染指数是环境污染评价中使用较为广泛的一种评价方法, 数学模型如下：
|
(1) |
|
(2) |
式中, Pi为重金属i污染指数；Ci为样品中重金属i实测值, mg·kg-1；Si为重金属i背景值, mg·kg-1；PN为内梅罗综合污染指数；Pmax为单因子指数的最大值；Pavg为单因子指数平均值.
对于单因子污染指数, Pi ≤ 1, 为无污染；1 < Pi ≤ 2, 为轻度污染；2 < Pi ≤ 3, 为中度污染；Pi > 3, 为重度污染.对于内梅罗综合污染指数, PN ≤ 0.7, 为无污染；0.7 < PN ≤ 1, 为警戒水平；1 < PN ≤ 2, 为轻度污染；2 < PN ≤ 3, 为中度污染；PN > 3, 为重度污染.
2.2.2 潜在生态风险指数1980年, 瑞典学者Hakanson[6]基于水环境沉积学原理, 提出了潜在生态风险指数法, 其中与风险评估关系密切的数学模型如下：
|
(3) |
式中, Cfi为重金属i单项污染系数；Ci为重金属i实测值, mg·kg-1；Cni为重金属i背景值, mg·kg-1；Eri为重金属i潜在生态风险系数；Tri为重金属i毒性响应系数, 其中Zn、Cr、Cu、Pb、Ni、Cd和As毒性响应系数分别取1、2、5、5、5、30和10；RI为潜在生态风险指数.
本研究的重金属种类和数量与经典潜在生态风险指数法存在差异, 为此考虑对原有评价标准做适当调整.参照文献[26], 将Cfi最低上限值（1）与Tri最大毒性响应系数（30）相乘, 并将结果（30）作为E ri最低级别上限值, 其余级别上限值依次加倍；最后对于RI分级标准的最低上限值, 由各种金属Tri之和（58）与Cfi最低级别上限值相乘后取10的整数得到（58, 取整为60）, 其余级别依次加倍.概括地, 本研究采用的风险分级标准如下.
单项指标生态风险分级标准：若Eri < 30, 为轻微风险；30 ≤ Eri < 60, 为中等风险；60 ≤ Eri < 120, 为高风险；120 ≤ Eri < 240, 为很高风险；Eri ≥ 240, 为极高风险.
潜在生态风险分级标准：若RI < 60, 为轻微风险；60 ≤ RI < 120, 为中等风险；120 ≤ RI < 240, 为高风险；RI ≥ 240, 为很高风险.
2.3 正定矩阵因子分解模型正定矩阵因子分解模型（PMF）是Paatero等[27]提出的一种基于受体模型并利用样本组成对污染源进行定量化解析的统计方法.其基本原理为将原始数据矩阵分解为因子分数矩阵、因子载荷矩阵和残差矩阵, 通过求解结果定量分析各因子的贡献率.具体计算模型参见文献[16].
2.4 数据处理采用Arcmap 10.8软件, 利用普通克里金插值法绘制重金属含量空间分布图；使用SPSS软件开展土壤重金属相关性分析与主成分分析（PCA）, 以EPA PMF 5.0软件完成重金属PMF来源解析, 并以Excel软件绘制PMF模型分布图.
3 结果与分析 3.1 土壤重金属含量矿区土壤pH变化范围为3.57~7.86（平均值6.32）, 呈弱酸性.有关土壤和沉积物重金属含量的统计结果见表 1.这里, Zn、Cr、Cu、Pb、Ni、Cd和As含量平均值分别为铜陵市土壤背景值的1.13、1.19、1.76、4.30、0.63、1.84和3.73倍.显然, 除Ni外, 其他元素含量都高于铜陵市土壤背景值, 更显著高于安徽省土壤背景值, 特别是一类重金属污染物Pb、Cd和As含量, 意味着矿区土壤重金属已有相当高的富集.这里, Ni仅在采矿场和河道中表现出相对明显的富集现象, 含量高于铜陵市土壤背景值, 并与该市沉积物背景值接近, 其他陆域采样点含量均不高.除Zn和Cr变异系数相对较小外, 其它元素变异系数均高于100%, 表明这些元素空间离散度较高, 即分布不均, 受人为活动影响较大.由表 1可知, 土壤中Fe含量远高于安徽省土壤背景值, 且变异系数仅6.23%, 意味着评价区Fe含量分布较为均匀.
|
表 1 表层土壤及沉积物金属含量统计结果1） Table 1 Characteristics of heavy metal contents in surface soils and sediments |
3.2 土壤重金属空间分布特征
矿区土壤重金属含量空间分布特征见图 2.可以看出, Zn、Pb和As极高值均出现在采矿场及临近区域, 并表现出向山下平坦地带逐步下降的扩散趋势.Cr也表现为采矿场富集程度较高, 而在其他大部分空间富集水平接近.Cu的高值区不仅出现在采矿场及周围地区, 在矿区中北部大范围内也出现较高的富集.这里, Ni和Cd都表现出在采矿场和沿狮牡河水流方向显著富集的特点, 其中Ni的高值区呈现斑块状, 而Cd则表现为面状高富集现象, 并向河道两侧农田和村庄方向扩展.另外, Zn、Cu和Cd在河道内的富集程度高于农田和村庄, 而远离河道的农田和村庄土壤重金属含量接近铜陵市背景值, 表明狮牡河承载着矿区重金属污染向下游地区传输的通道作用.同时, 黑金属Fe含量分布总体较为均匀, 且矿区相对较高, 与As具有大体相似的空间分布态势.
|
图 2 研究区土壤重金属含量空间分布 Fig. 2 Spatial distribution characteristics of soil metal contents in the study area |
整体上看, 矿区土壤重金属空间分布呈现西南高、东北低的特点, 污染区域呈面状、片状或斑块状分布特征, 可能与长期的铁矿开采活动导致重金属元素通过大气扩散、沉降或雨水冲刷、沉积等途径进入矿区周边土壤有关[16, 30].当然, 硫铁矿周边其他金属矿区的开采活动, 可能也在一定程度上影响了硫铁矿区土壤和沉积物重金属含量的空间分布.
3.3 土壤重金属污染评价计算各采样点的内梅罗单项污染指数, 得到每一重金属对各污染等级的百分占比.总体上, 7种重金属差别较为明显, 其中Pb的重度污染点位占比高达38%, As、Cd和Cu占比达18%~22%, 其他重金属则不存在重度污染点位.这里, Zn、Cr、Cu、Pb、Ni、Cd和As处于无污染和轻度污染两个等级的采样点占比, 分别达96%、96%、72%、52%、100%、68%和78%.
整个研究区土壤重金属的内梅罗污染指数统计结果见表 2. 7种重金属的单项污染指数（Pi）平均值大小排序为：Pb > As > Cd > Cu > Cr > Zn > Ni, 其中Pb和As的Pi平均值达到了重度污染水平, Cu和Cd达到了中度污染水平, Zn和Cr达到了轻度污染水平, Ni则属于无污染.这里, Pb、As、Cd和Cu的重度污染采样点均出现在采矿场、狮牡河及连通两者的排水沟中, 且相应的Pi远大于其他用地类型；Zn仅在采矿场与沉积物中出现了中度污染, Cr的轻度污染区主要集中在采矿场、农田及村庄, 其余点位为未污染；Ni仅在采矿场和山林的部分采样点出现轻度污染.
|
|
表 2 基于内梅罗污染指数的重金属污染评价结果 Table 2 Pollution assessment of heavy metals based on the Nemero index method |
5种用地类型内梅罗综合污染指数均值排序为：采矿场（25.30） > 河道（17.17） > 山林（2.55） > 农田（1.75） > 村庄（1.36）.其中, 采矿场和河道中所有点位均处于重度污染, 林地中处于中度及以上污染水平的采样点占比高达71%, 尽管农田和村庄总体上属于轻度污染水平, 但仍有13%的采样点处于重度污染等级, 需要引起注意.
3.4 土壤重金属潜在生态风险评价在所有的50个采样点中, 每种重金属的潜在生态风险系数处于各风险等级的占比情况见表 3.显然, 仅有Pb和As在部分采样点达到了极高风险水平, 其中Pb处于高风险及以上风险等级的采样点占20%, As达16%；其次是Cd, 处于高风险和很高风险的采样点占比分别达12%和6%；Cu处于高风险的采样点占4%, 而Zn、Cr和Ni则全部处于轻微风险水平.
|
|
表 3 所有采样点中每种重金属对各生态风险等级的占比 Table 3 Percentage of each heavy metal to each ecological risk level in all sampling sites |
整个研究区每种重金属潜在生态风险系数统计结果见表 4. 7种重金属的潜在生态风险系数Eri均值排序为：Pb > As > Cd > Cu > Cr > Ni > Zn, 其中Pb、As和Cd的Eri均值远大于其他4种元素, 但均属于中等风险, 其他元素则均处于轻微风险水平.总体上, 整个采矿区土壤潜在生态风险指数RI均值为166.69, 达到高风险等级, 其中Pb、As和Cd对于RI的贡献率分别高达33.27%、27.39%和20.22%.整个研究区50个采样点中, RI值隶属于轻微风险、中等风险、高风险和很高风险等级的采样点占比, 分别为50%、24%、6%和20%.
|
|
表 4 重金属的潜在生态风险系数与风险指数 Table 4 Potential ecological risk coefficient and risk index of heavy metals |
5种土地利用类型RI均值排序为：采矿场（630.46） > 河道（449.73） > 山林（64.42） > 农田（54.20） > 村庄（42.27）, 其中采矿场和河道处于很高风险水平, 山林处于中等风险水平, 而农田和村庄仅为轻微风险等级.当然, 每种用地类型中各采样点的RI值也存在差异性, 如采矿场3个采样点RI值分别为146.54、713.51和1 031.32；河道沉积物RI变化范围为179.40~739.79, 其中8个采样点处于很高风险等级、2个处于高风险等级；山林7个采样点中4个处于中等风险、3个处于轻微风险等级；农田和村庄的采样点几乎都处于轻微风险等级.值得注意的是, 农田中等风险采样点（即15、18、20、24、29和32号）全部分布于狮牡河两侧, 村庄中处于中等风险的40号和41号采样点则出现在靠近采矿场的牧东村.
概括地, 废弃硫铁矿区以露天采矿场与河道的潜在生态风险最为突出, 且对RI贡献最高的是Pb、As和Cd, 这与其他有关铜陵地区土壤重金属污染研究的结论基本一致[31].由于Pb、As和Cd的毒性较高、健康危害性较大, 在矿区生态修复和环境综合治理中需要格外关注.
3.5 土壤重金属来源解析众所周知, 影响土壤重金属污染来源的因素很多且关系复杂, 往往难以通过一种方法即可获得有说服力的评判结果, 需要借助多种方法的综合运用.本研究采用相关性分析、PCA分析和PMF模型相结合的方法, 从定性和定量相结合的角度, 判别采矿区土壤重金属污染来源.
3.5.1 相关性分析废弃硫铁矿区土壤重金属元素的Spearman相关系数见表 5.可以看出, 除Cr外, 其他重金属元素都与Fe具有显著或极显著相关性, 表明这些重金属与硫铁矿开采有着密切的联系.而且, Zn、Cu、Cd、Pb和As之间也都表现出显著或极显著相关关系, 表明同源性或伴生关系十分显著.这里, 虽然Ni与Fe也具有显著相关性, 但逊色于其他元素与Fe的关系, 而且Ni与Cu、Pb和As都没有表现出显著相关性, 意味着硫铁矿开采并不是Ni的主要来源.至于Cr元素, 不仅与Fe没有显著的相关关系, 与Cu、Pb和As也如此, 意味着硫铁矿开采活动对土壤Cr影响微弱, 即Cr应该存在其他主要污染来源.
|
|
表 5 相关性分析结果1） Table 5 Correlation analysis results |
3.5.2 PCA分析
采用Bartlett球形度检验和KMO检验, 开展土壤重金属含量数据分析, 得到KMO值为0.576（P < 0.05）, 表明数据可用于主成分分析[32, 33], 结果见表 6.
|
|
表 6 主成分分析结果 Table 6 Principal component analysis results |
这里, 共筛选出3种主成分, 其中第一主成分贡献率为54.28%, 载荷较高元素为Zn、Cu、Pb、Cd和As；第二主成分贡献率为26.43%, 载荷较高元素是Cr和Ni, 两种主成分的累计贡献率80.71%, 可以较好地解释原有数据的大部分信息.显然, 第三主成分中Cr和Ni依然具有较大载荷, 对比第二、三主成分的载荷信息, 可以推断Cr和Ni来源不完全相同, 即不受单一污染因素制约.不难看出, PCA分析与相关性分析结果相同, 即Zn、Cu、Pb、Cd和As具有同源性, 而Ni和Cr可能受其他不同污染来源的控制.
3.5.3 PMF模型模拟使用EPA PMF 5.0软件导入实验数据, 所有元素的信噪比（S/N）均为9.0左右, 全部属于“strong”分类.当设置因子数为3时, QRobust与QTrue相接近, 且样品的大部分残差处于-3~3之间, 真实含量值与模型预测值之间达到最佳的拟合效果, 此时除了Cu和Cd的拟合曲线r²值稍低（分别为0.556和0.446）, 其余元素的r²值均大于0.9, 说明PMF模型拟合效果较好, 所选因子数较为真实地解释了实测数据.图 3展示了PMF模型得到的采矿区土壤重金属污染来源解析结果.
|
图 3 各重金属元素来源PMF模型 Fig. 3 Sources of heavy metals in PMF model |
由图 3, 第一主成分载荷元素为Zn、Cu、Pb、Cd和As, 贡献率分别为39.09%、58.03%、68.96%、64.13%和76.09%；第二主成分载荷元素为Cr, 贡献率为87.78%；第三主成分载荷元素为Ni, 贡献率为95.20%.显然, PMF模型模拟结果与前述两种方法一致, 即Zn、Cu、Pb、Cd和As具有同源性, 而Cr和Ni主要来自其他污染源, 且两者不受同一污染源主导.
综合3种方法的分析结果, 参考其他学者有关铜陵市新桥硫铁矿重金属污染来源识别成果[34, 35], 可以判定Zn、Cu、Pb、Cd和As主要来自硫铁矿开采活动.成晓梦等[14]和贾晗等[36]在对硫铁矿区重金属污染来源解析的研究中, 也发现Zn、Cu、Pb、Cd和As受地质高背景和矿产开采活动共同影响较大.由图 2可以看出, 矿区河流沉积物Cr含量低于周边农田和林地, 说明露天采矿场以外区域的土壤Cr不大可能受硫铁矿开采活动控制.事实上, 化肥和农药的大量使用也可能带来土壤Cr含量的增高[37, 38].结合研究区总体较为均匀的Cr分布特征, 初步推断土壤成土母质及农业生产等可能是Cr的主要来源.至于矿区土壤Ni元素, 由于整体水平低于铜陵市土壤背景值, 且高值区仅局限于采矿场及矿区河道, 加之与Fe表现出显著相关性, 可推测受成土母质和硫铁矿开采活动共同影响的可能性较大.
4 讨论在狮牡河沉积物中, 大多数重金属表现出了明显的富集特征, 且呈现出由河道向两侧空间扩展的变化趋势.Galán等[8]研究发现, 河流沉积物中Zn、Cu和Cd大部分以可交换态或酸溶态的形式存在, 易于通过解吸或离子交换向环境中释放, 并随水流或地形影响进行扩散；As和Pb以可还原态吸附在氢氧化铁颗粒中, 可迁移性较差；Cr和Ni大多以残渣态存在于矿物颗粒的晶体结构中, 同样不易随水流迁移, 因此对于Zn、Cu和Cd, 往往可以明显观察出随河流扩散的趋势.本研究中, 矿区河流沉积物Cr含量低于周边农田与林地（图 2）, 在一定程度上说明硫铁矿开采不是土壤Cr的主要贡献源；而研究区Cr含量较为均匀的分布特征, 也印证了这一推断.有研究认为, 土壤中Cr含量不仅受成土母质影响较大[15, 39, 40], 化肥和农药的大量使用也可能带来农田和林地土壤Cr含量的增高[37, 38], 推断Cr受地质背景和农业活动共同影响具有合理性.本研究中, Ni含量高于背景值的高值区呈斑块状分布于河道中, 其余区域平均含量低于铜陵市土壤背景值, 推断矿区Ni主要受成土母质影响同样具有合理性.当然, Ni与Zn和Cd呈现的极显著相关性, 与Fe表现出的显著相关性, 暗示了矿山开采也影响了Ni来源.另外, 由Ni与Cr表现出的极显著负相关, 说明两者的主要污染来源存在出入.众所周知, 石油和煤炭等化石燃料的燃烧可能释放多种重金属元素[41~43], 包括Zn、Pb、Cd、Ni和As等.铜陵市属于矿业城市, 近几十年来金属冶炼加工对于石油与煤炭等能源消耗量巨大.矿业开采活动导致大型燃油运输车辆往来频繁, 加之高速公路和省级高等级公路穿越评价区域, 巨大的车流量也在一定程度上影响了评价区土壤重金属含量.此外, 当地居民生产生活也都消耗大量的煤炭, 因此化石燃料燃烧对Ni贡献可能也不容忽视.实际上, 其他学者在对铜陵市土壤重金属污染问题的研究中, 也发现Cr和Ni与其他重金属（Zn、Cu、Pb、Cd和As等）在来源方面存在较为明显的出入, 如陈婧[44]在对铜陵市土壤和灰尘重金属污染的研究中, 发现Ni和Cr与其它重金属元素无明显相关性；汪峰等[45]在对铜陵市东部城区的顺安镇、钟鸣镇和义安经济开发区表层土壤重金属来源解析中, 也发现Ni和Cr有着不同的污染来源.
本研究中, 废弃硫铁矿已闭矿多年, 但对周边生态环境的影响一直存在.2020年铜陵市义安区钟鸣镇政府出资建设了设计能力为3 000 m3·d-1的污水处理站, 通过EPCO模式交由安徽文川环保有限公司运营管理.两年多来, 虽然该污水处理站较好地执行了《污水综合排放标准》中一级排放标准, 但河道沉积物依旧呈现出显著的重金属富集.笔者以为可能有3个方面的原因：①自硫铁矿开采以来产生的酸性废水基本上都为直接排放, 导致河道底部重金属负荷量较大, 河道上覆水水质状况的改善虽有利于底泥中部分重金属的释放, 但短期内很难从根本上削减内源负荷；②尽管近年来矿区下游河流水系进行了水环境综合治理和修复工作, 但相关工作并不充分, 特别是底泥疏浚和生态清淤方面, 导致沉积物中重金属（如Cd等）仍旧富集严重；③矿区下游河道不仅接纳硫铁矿酸性废水, 同时也是周边其他金属矿山酸性废水的受纳水体.因此, 全面开展汇流区矿山环境综合治理、推进河道生态疏浚十分必要.至于狮牡河呈现的两侧土壤重金属向外扩散趋势, 可能主要来自两方面原因, 即一方面可能与暴雨期间河水泛滥, 雨水裹挟着采矿场露天矿坑废水和平峒酸性废水淹没两侧大片土地并沉积下来有关[13]；另一方面可能与当地村民长期使用狮牡河水灌溉两侧土地, 导致土壤重金属富集有一定关系.
在土壤污染程度评价方面, 已有一些经典的评价方法, 但从实际应用情况看, 并非所有评价方法都具有普遍适用性, 需要结合具体情况合理选用.特别是, 对于毒性强、生态危害性大的重金属, 及时引起关注可能更为重要.笔者也曾采用地累积指数（Igeo）评价了该矿区土壤重金属污染状况, 结果发现仅Pb达到轻微污染水平, 其他元素均为未污染状态, 这与Zn、Cr、Cu、Pb、Cd和As含量平均值高于铜陵市土壤背景值的实际情况不大相符.本研究中, 不同用地类型每种重金属含量也存在较大差异性, 采用整体评价可能弱化重金属含量高值点位的影响.由于内梅罗污染指数强调了整体数据中最不利因素, 相应放大了极高值带来的不良影响, 从而可以起到很好的预警效果[45, 46].由此, 笔者认为基于内梅罗污染指数的评价结果更符合该废弃硫铁矿区重金属污染的真实状况.
5 结论（1）采矿区土壤pH呈弱酸性, 且除Ni以外, 其他重金属平均含量均明显高于铜陵市土壤背景值, 总体表现出沿采矿场向坡下农田、山林和村庄扩散的趋势, 而且Ni和Cd在狮牡河富集现象相对较为显著.
（2）采矿区土壤Pb和As总体属于重度污染, Cu和Cd为中度污染, Zn和Cr为轻度污染, Ni为无污染状态；根据内梅罗综合污染指数, 采矿场和河道属于重度污染, 林地处于中度污染, 农田和村庄基本属于轻度污染.
（3）采矿区土壤Pb、As和Cd均属于中等潜在生态风险水平, 其他元素为轻微风险, Pb、As和Cd对潜在生态风险指数的贡献率分别为33.27%、27.39%和20.22%；在用地类型方面, 采矿场和河道属于高风险水平, 其他均属于轻微风险.
（4）采用多种方法综合识别土壤重金属来源, 既可以相互印证, 也提高了识别结果的可靠性, 初步判定Zn、Cu、Pb、Cd和As主要来自硫铁矿开采活动, Cr主要来自成土母质和农业生产, Ni主要受成土母质和硫铁矿开采活动的共同影响.
| [1] | 环境保护部, 国土资源部. 全国土壤污染状况调查公报[R]. 北京: 环境保护部, 国土资源部, 2014. |
| [2] | Zhong X, Chen Z W, Li Y Y, et al. Factors influencing heavy metal availability and risk assessment of soils at typical metal mines in eastern China[J]. Journal of Hazardous Materials, 2020, 400. DOI:10.1016/j.jhazmat.2020.123289 |
| [3] | Sun R G, Gao Y, Yang Y. Leaching of heavy metals from lead-zinc mine tailings and the subsequent migration and transformation characteristics in paddy soil[J]. Chemosphere, 2022, 291. DOI:10.1016/j.chemosphere.2021.132792 |
| [4] | Gope M, Masto R E, George J, et al. Bioavailability and health risk of some potentially toxic elements (Cd, Cu, Pb and Zn) in street dust of Asansol, India[J]. Ecotoxicology and Environmental Safety, 2017, 138: 231-241. DOI:10.1016/j.ecoenv.2017.01.008 |
| [5] | Müller G. Index of geoaccumulation in sediments of the Rhine River[J]. GeoJournal, 1969, 2(3): 108-118. |
| [6] | 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 |
| [7] | Azizi M, Faz A, Zornoza R, et al. Environmental pollution and depth distribution of metal(loid)s and rare earth elements in mine tailing[J]. Journal of Environmental Chemical Engineering, 2022, 10(3). DOI:10.1016/j.jece.2022.107526 |
| [8] | Galán E, Gómez-Ariza J L, González I, et al. Heavy metal partitioning in river sediments severely polluted by acid mine drainage in the Iberian Pyrite Belt[J]. Applied Geochemistry, 2003, 18(3): 409-421. DOI:10.1016/S0883-2927(02)00092-6 |
| [9] | Beattie R E, Henke W, Davis C, et al. Quantitative analysis of the extent of heavy-metal contamination in soils near Picher, Oklahoma, within the Tar Creek Superfund Site[J]. Chemosphere, 2017, 172: 89-95. DOI:10.1016/j.chemosphere.2016.12.141 |
| [10] | Hosseini S M, Rezazadeh M, Salimi A, et al. Distribution of heavy metals and arsenic in soils and indigenous plants near an iron ore mine in northwest Iran[J]. Acta Ecologica Sinica, 2018, 38(5): 363-367. DOI:10.1016/j.chnaes.2018.02.004 |
| [11] |
李如忠, 姜艳敏, 潘成荣, 等. 典型有色金属矿山城市小河流沉积物重金属形态分布及风险评估[J]. 环境科学, 2013, 34(3): 1067-1075. Li R Z, Jiang Y M, Pan C R, et al. Fraction distribution and risk assessment of heavy metals in stream sediments from a typical nonferrous metals mining city[J]. Environmental Science, 2013, 34(3): 1067-1075. |
| [12] | He B H, Zhao X L, Li P, et al. Lead isotopic fingerprinting as a tracer to identify the pollution sources of heavy metals in the southeastern zone of Baiyin, China[J]. Science of the Total Environment, 2019, 660: 348-357. DOI:10.1016/j.scitotenv.2018.11.339 |
| [13] | Wang Z X, Yu Y J, Ye T T, et al. Distribution characteristics and environmental risk assessment following metal(loid)s pollution incidents at Southwest China mining site[J]. Transactions of Nonferrous Metals Society of China, 2022, 32(12): 4062-4075. DOI:10.1016/S1003-6326(22)66078-3 |
| [14] |
成晓梦, 孙彬彬, 吴超, 等. 浙中典型硫铁矿区农田土壤重金属含量特征及健康风险[J]. 环境科学, 2022, 43(1): 442-453. Cheng X M, Sun B B, Wu C, et al. Heavy metal concentration characteristics and health risks of farmland soils in typical pyrite mining area of the central Zhejiang province, China[J]. Environmental Science, 2022, 43(1): 442-453. |
| [15] |
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. |
| [16] |
梁家辉, 田亦琦, 费杨, 等. 华北典型工矿城镇土壤重金属来源解析及潜在生态风险评价[J]. 环境科学, 2023, 44(10): 5657-5665. Liang J H, Tian Y Q, Fei Y, et al. Source apportionment and potential ecological risk assessment of soil heavy metals in typical industrial and mining towns in North China[J]. Environmental Science, 2023, 44(10): 5657-5665. |
| [17] |
张恬雨, 胡恭任, 于瑞莲, 等. 基于PMF模型的垃圾焚烧厂周边农田土壤重金属源解析[J]. 环境科学, 2022, 43(12): 5718-5727. Zhang T Y, Hu G R, Yu R L, et al. Source analysis of heavy metals in farmland soil around a waste incineration plant based on PMF model[J]. Environmental Science, 2022, 43(12): 5718-5727. |
| [18] |
王成, 赵艳萍, 谢鸣捷. 苏南典型工农业交错区土壤铅富集特征及源解析——基于PCA-PMF方法[J]. 中国环境科学, 2021, 41(1): 279-287. Wang C, Zhao Y P, Xie M J. Characteristics of lead enrichment in the soil from a typical peri-urban agricultural area of the southern Jiangsu and source appointment based on the PCA-PMF method[J]. China Environmental Science, 2021, 41(1): 279-287. |
| [19] |
陆金, 赵兴青. 铜陵狮子山矿区土壤重金属污染特征及生态风险评价[J]. 环境化学, 2017, 36(9): 1958-1967. Lu J, Zhao X Q. Characteristics and ecological risk assessment of polluted soil by heavy metals in Shizishan, Tongling[J]. Environmental Chemistry, 2017, 36(9): 1958-1967. |
| [20] |
陈淑英. 铜陵市杨山冲尾矿土壤-植物典型重金属分布特征与污染研究[D]. 合肥: 合肥工业大学, 2020. Chen S Y. Distribution characteristics and pollution of typical heavy metals in soil-plant in Yangshan Chongwei Mine, Tongling City[D]. Hefei: Hefei University of Technology, 2020. |
| [21] |
王春光, 刘军省, 殷显阳, 等. 基于IDW的铜陵地区土壤重金属空间分析及污染评价[J]. 安全与环境学报, 2018, 18(5): 1989-1996. Wang C G, Liu J X, Yin X Y, et al. Spatial analysis and pollution assessment of heavy metals in the soils of Tongling urban area based on IDW[J]. Journal of Safety and Environment, 2018, 18(5): 1989-1996. |
| [22] |
张宇, 邵拥军, 周鑫, 等. 安徽铜陵新桥铜硫铁矿床胶状黄铁矿主、微量元素特征[J]. 中国有色金属学报, 2013, 23(12): 3492-3502. Zhang Y, Shao Y J, Zhou X, et al. Major and trace elements' characteristics of colloidal pyrites in Xinqiao Cu-S-Fe deposit, Tongling, Anhui Province, China[J]. The Chinese Journal of Nonferrous Metals, 2013, 23(12): 3492-3502. |
| [23] |
谢巧勤, 陈天虎, 范子良, 等. 铜陵新桥硫铁矿床中胶状黄铁矿微尺度观察及其成因探讨[J]. 中国科学: 地球科学, 2014, 44(12): 2665-2674. Xie Q Q, Chen T H, Fan Z L, et al. Morphological characteristics and genesis of colloform pyrite in Xinqiao Fe-S deposit, Tongling, Anhui Province[J]. Scientia Sinica Terrae, 2014, 44(12): 2665-2674. |
| [24] | 胡发卯, 陈雷, 林刚, 等. 安徽省铜陵县桃园硫铁矿核查矿区资源储量核查报告[R]. 马鞍山: 安徽省化工地质勘查总院地质分院, 2009. |
| [25] |
王宇, 郑青雅, 胡兆云, 等. 狮牡河重金属污染及生态风险评价[J]. 安徽农业大学学报, 2022, 49(3): 469-475. Wang Y, Zheng Q Y, Hu Z Y, et al. Pollution and ecological risk assessment of heavy metals in Shimu River[J]. Journal of Anhui Agricultural University, 2022, 49(3): 469-475. |
| [26] |
李如忠, 徐晶晶, 姜艳敏, 等. 铜陵市惠溪河滨岸带土壤重金属形态分布及风险评估[J]. 环境科学研究, 2013, 26(1): 88-96. Li R Z, Xu J J, Jiang Y M, et al. Fraction distribution and ecological risk assessment of soil heavy metals in the riparian zone of Huixi stream in Tongling city[J]. Research of Environmental Sciences, 2013, 26(1): 88-96. |
| [27] | Paatero P, Tapper U. Positive matrix factorization: a non-negative factor model with optimal utilization of error estimates of data values[J]. Environmetrics, 1994, 5(2): 111-126. DOI:10.1002/env.3170050203 |
| [28] |
陈兴仁, 陈富荣, 贾十军, 等. 安徽省江淮流域土壤地球化学基准值与背景值研究[J]. 中国地质, 2012, 39(2): 302-310. Chen X R, Chen F R, Jia S J, et al. Soil geochemical baseline and background in Yangtze River-Huaihe River Basin of Anhui Province[J]. Geology in China, 2012, 39(2): 302-310. |
| [29] | 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. |
| [30] | Zhang Y X, Song B, Zhou Z Y. Pollution assessment and source apportionment of heavy metals in soil from lead-Zinc mining areas of South China[J]. Journal of Environmental Chemical Engineering, 2023, 11(2). DOI:10.1016/j.jece.2023.109320 |
| [31] |
陈莉薇, 徐晓春, 王军, 等. 铜陵相思河流域重金属分布特征研究[J]. 环境科学, 2014, 35(8): 2967-2973. Chen L W, Xu X C, Wang J, et al. Distribution of heavy metals in Xiangsi River valley of Tongling, China[J]. Environmental Science, 2014, 35(8): 2967-2973. |
| [32] |
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. |
| [33] |
杨安, 王艺涵, 胡健, 等. 青藏高原表土重金属污染评价与来源解析[J]. 环境科学, 2020, 41(2): 886-894. Yang A, Wang Y H, Hu J, et al. Evaluation and source of heavy metal pollution in surface soil of Qinghai-Tibet Plateau[J]. Environmental Science, 2020, 41(2): 886-894. |
| [34] |
王银泉. 铜陵市新桥矿区土壤重金属污染评价及源解析研究[D]. 合肥: 合肥工业大学, 2014. Wang Y Q. Pollution assessment and source apportionment of heavy metals in soils around XinQiao mining area in Tongling, Anhui Province[D]. Hefei: Hefei University of Technology, 2014. |
| [35] | Jiang H, Nie J R, Fan S S, et al. Integrating GIS to determine the spatial distribution of principal components and the sources of heavy metals in farmland soils near mining area in Tongling, China[J]. Fresenius Environmental Bulletin, 2018, 27(5): 2662-2670. |
| [36] |
贾晗, 刘军省, 王晓光, 等. 安徽典型硫铁矿集中开采区土壤重金属污染特征及来源解析[J]. 环境科学, 2023, 44(9): 5275-5287. Jia H, Liu J X, Wang X G, et al. Pollution characteristics and sources of heavy metals in soil of a typical pyrite concentrated mining area in Anhui Province[J]. Environmental Science, 2023, 44(9): 5275-5287. |
| [37] | Men C, Liu R M, Wang Q R, et al. Spatial-temporal characteristics, source-specific variation and uncertainty analysis of health risks associated with heavy metals in road dust in Beijing, China[J]. Environmental Pollution, 2021, 278. DOI:10.1016/j.envpol.2021.116866 |
| [38] | Su C H, Wang J W, Chen Z W, et al. Sources and health risks of heavy metals in soils and vegetables from intensive human intervention areas in South China[J]. Science of the Total Environment, 2023, 857. DOI:10.1016/j.scitotenv.2022.159389 |
| [39] |
吕建树, 何华春. 江苏海岸带土壤重金属来源解析及空间分布[J]. 环境科学, 2018, 39(6): 2853-2864. Lü J S, He H C. Identifying the origins and spatial distributions of heavy metals in the soils of the Jiangsu Coast[J]. Environmental Science, 2018, 39(6): 2853-2864. |
| [40] |
孙雪菲, 张丽霞, 董玉龙, 等. 典型石化工业城市土壤重金属源解析及空间分布模拟[J]. 环境科学, 2021, 42(3): 1093-1104. Sun X F, Zhang L X, Dong Y L, et al. Source apportionment and spatial distribution simulation of heavy metals in a typical petrochemical industrial city[J]. Environmental Science, 2021, 42(3): 1093-1104. |
| [41] | Sanz-Robinson J, Williams-Jones A E. The solubility of Nickel (Ni) in crude oil at 150, 200 and 250℃ and its application to ore genesis[J]. Chemical Geology, 2020, 533. DOI:10.1016/j.chemgeo.2019.119443 |
| [42] | Oboirien B O, Thulari V, North B C. Enrichment of trace elements in bottom ash from coal oxy-combustion: effect of coal types[J]. Applied Energy, 2016, 177: 81-86. DOI:10.1016/j.apenergy.2016.04.118 |
| [43] |
白雯宇, 徐勃, 郭丽瑶, 等. 淄博市冬季PM2.5载带金属元素污染特征、生态风险评价及来源分析[J]. 环境科学, 2022, 43(5): 2336-2342. Bai W Y, Xu B, Guo L Y, et al. Characteristics, ecological risk assessment, and sources of the polluted metallic elements in PM2.5 during winter in Zibo City[J]. Environmental Science, 2022, 43(5): 2336-2342. |
| [44] |
陈婧. 典型金属矿山城市土壤重金属污染及健康风险评估[D]. 合肥: 合肥工业大学, 2013. Chen J. Pollution and health risk assessment of heavy metals in urban soil and dust near the mine[D]. Hefei: Hefei University of Technology, 2013. |
| [45] |
汪峰, 黄言欢, 李如忠, 等. 有色金属矿业城市典型村镇土壤重金属污染评价及来源解析[J]. 环境科学, 2022, 43(9): 4800-4809. Wang F, Huang Y H, Li R Z, et al. Contamination assessment and source apportionment of soil heavy metals in typical villages and towns in a nonferrous metal mining city[J]. Environmental Science, 2022, 43(9): 4800-4809. |
| [46] |
余高, 陈芬, 张晓东, 等. 锰矿区周边农田土壤重金属污染特征、来源解析及风险评价[J]. 环境科学, 2023, 44(8): 4416-4428. Yu G, Chen F, Zhang X D, et al. Pollution characteristics, source analysis, and risk assessment of heavy metals in the surrounding farmlands of manganese mining area[J]. Environmental Science, 2023, 44(8): 4416-4428. |