环境科学  2024, Vol. 45 Issue (9): 5485-5493   PDF    
引用本文
侯聪, 王绍凯, 王琦, 侯晨晓, 李维翠, 王聪, 马振华. 黄河山东段沿岸县市表层土壤重金属污染特征及源解析[J]. 环境科学, 2024, 45(9): 5485-5493.
HOU Cong, WANG Shao-kai, WANG Qi, HOU Chen-xiao, LI Wei-cui, WANG Cong, MA Zhen-hua. Pollution Characteristics and Source Apportionment of Heavy Metals in Topsoil of Counties Along the Shandong Section of the Yellow River[J]. Environmental Science, 2024, 45(9): 5485-5493.
黄河山东段沿岸县市表层土壤重金属污染特征及源解析
侯聪1, 王绍凯1, 王琦1, 侯晨晓1, 李维翠2, 王聪1, 马振华3     
1. 山东省生态环境监测中心, 济南 250000;
2. 山东省科学技术情报研究院, 济南 250000;
3. 曲阜师范大学地理与旅游学院, 日照 276826
收稿日期: 2023-11-03; 修订日期: 2023-12-26
基金项目: 山东省自然科学基金青年项目（ZR2021QD005）
作者简介: 侯聪（1989~）, 女, 硕士, 工程师, 主要研究方向为土壤重金属监测及污染防治, E-mail：huayao_hc@163.com
通信作者: 王琦, E-mail：wdys60@163.com
摘要: 黄河干流山东段流经的25县市区是山东省推动黄河流域生态保护和高质量发展的核心区, 研究该区域表层土壤重金属污染现状、来源及潜在风险具有重要的意义. 以黄河干流流经山东的25县市区为研究区, 采集并测定了103个表层土壤样品中8种（As、Cu、Pb、Cr、Zn、Ni、Cd和Hg）重金属的含量, 采用地累积指数法与潜在生态风险指数法对重金属污染特征进行分析和评价, 利用相关性分析和正定矩阵因子分解（PMF）模型对土壤重金属进行来源解析. 结果表明, Cu和Cr含量平均值低于山东省土壤背景值, As、Pb、Zn、Ni、Cd和Hg含量平均值分别是背景值的1.16、1.42、1.05、1.14、2.29和1.85倍, 8种重金属元素含量平均值均远低于农用地土壤污染风险筛选值；从不同重金属变异情况看, As、Pb、Cr、Zn、Ni和Hg为中度变异, Cd和Cu为高度变异；研究区Cd和Hg呈轻度污染, 其余6种元素无污染；Cd和Hg属于中等潜在生态风险水平, 其余重金属处于低风险；联合受体模型表明研究区表层土壤重金属来源受农业活动、自然来源、工业排放和大气降尘等4种因素影响, 综合贡献率分别为32.4%、34.9%、16.5%和16.2%.
关键词: 黄河流域山东段      表层土壤      重金属      污染特性      来源解析      正定矩阵因子分解（PMF）     
Pollution Characteristics and Source Apportionment of Heavy Metals in Topsoil of Counties Along the Shandong Section of the Yellow River
HOU Cong1 , WANG Shao-kai1 , WANG Qi1 , HOU Chen-xiao1 , LI Wei-cui2 , WANG Cong1 , MA Zhen-hua3     
1. Shandong Provincial Eco-environment Monitoring Center, Jinan 250000, China;
2. Shandong Institute of Scientific and Technical Information, Jinan 250000, China;
3. School of Geography and Tourism, Qufu Normal University, Rizhao 276826, China
Abstract: The 25 counties along the Shandong section of the Yellow River are the core areas for promoting the ecological protection and high-quality development of the Yellow River in Shandong Province. Moreover, it is of great significance to study the current situation, sources, and potential risks of heavy metal pollution in the topsoil in this region. In this study, 103 soil samples were collected from the 25 counties along the Shandong section of the Yellow River, and the contents of eight heavy metals (As, Cu, Pb, Cr, Zn, Ni, Cd, and Hg) were determined. The pollution characteristics of heavy metals were analyzed and evaluated using the geological accumulation index and potential ecological risk index. Correlation analysis and the positive matrix factorization (PMF) model were used to analyze the sources of heavy metals. The results showed that the average contents of Cu and Cr were lower than that of the background values of soils, whereas the average contents of As, Pb, Zn, Ni, Cd, and Hg were 1.16, 1.42, 1.05, 1.14, 2.29, and 1.85 times higher than that of the background values, respectively, and the average contents of all eight elements were lower than the screening value of soil pollution risk in agricultural land. In terms of different heavy metal variations, the coefficient of variation (CV) of Cu and Cd was higher than 0.500, indicating high variations, whereas As, Pb, Cr, Zn, Ni, and Hg showed moderate variation. Cd and Hg were slightly polluted, whereas the other six elements were not polluted. Cd and Hg had a moderate potential ecological risk level, whereas the other six elements were at a low level. Correlation analysis and PMF model showed that the sources of heavy metals in the study area were influenced by four factors, i.e., agricultural activities, natural sources, industrial emissions, and atmospheric dust from coal combustion and vehicle exhaust emissions, and the relative contribution rates were 32.4%, 34.9%, 16.5%, and 16.2%, respectively.
Key words: Shandong section of the Yellow River      topsoil      heavy metals      pollution characteristic      source apportionment      positive matrix factorization (PMF)     

重金属是指密度大于5 g·cm-3的金属元素, 具有持续性、高迁移性、高毒性、难降解性及难以有效去除等特点[1~3]. 重金属已成为全球环境的重要威胁, 水、土壤、食物和空气等环境中重金属的存在会降低其质量[4, 5], 其中土壤是重金属的最终储存库, 也是重金属向水体、生物体等迁移的通道[6]. 土壤中重金属含量受自然因素（土壤母质[7]、火山喷发[8]等）或人为因素（农业输入[4]、生活排放[9]、工业排放[10]等）的影响. 随着农业集约化、工业化和城镇化的加速, 土壤重金属污染日益严重[11, 12], 累积的重金属一方面会改变土壤的理化性质, 导致土壤养分流失和功能退化, 进而造成作物减产[13], 另一方面还会通过吸入、接触或摄入等途径进入人体, 严重威胁人类健康[14].

众多指标手段可实现重金属的污染环境与健康风险评价、重金属累积研究和土壤重金属污染来源解析. 地累积指数法（Igeo）[15, 16]、污染指数法（PI）[17]、富集因子法（EF）[18]和潜在生态风险指数法（RI）[15]等可用于评价重金属相对于背景值、地球化学基准线或阈值的含量, 同时, 危害指数（HI）[19]和致癌风险（CR）[20]用来评价重金属累积对人体健康的影响. 重金属空间分布通常联合地理信息系统（GIS）[21]来测定污染源和确认污染热点[22]. 另外, 相关性分析[23]、PCA分析[15]和聚类分析等多元统计分析, 以及正定矩阵因子分解（PMF）模型[24]和绝对因子得分-多元线性回归分析（APCS-MLR）模型[25]等定量源受体模型广泛用来判定土壤重金属污染源. 其中, 地累积指数法是通过综合考虑人为污染、地球化学背景等的共同影响来判别污染土壤生态风险程度的评价方法, 现已广泛用于土壤重金属污染评价[10]；潜在生态风险指数法可了解多种重金属对土壤的综合生态风险水平[15]；正定矩阵因子分解模型（positive matrix factorization, PMF）是一种操作简单有效、可用于未知源成分谱解析的新型源解析方法, 能对因子分解矩阵进行非负约束, 使结果更准确[26]；另外, 土壤重金属污染的隐蔽性、累积性和滞后性使得单一分析工具可能会导致结果的误判, 常将两种以上手段联合使用[7].

国内外学者对土壤中重金属污染特征及来源解析进行了大量研究, 研究区域主要集中在耕地（火山典型区域农田[4]、工业区农田[11]、矿区周边耕地[25, 26]、花卉种植区[7]、流域耕地[27]）、矿区[28]、工业区[1, 29]和城市[30]的土壤. 随着黄河流域生态保护和高质量发展上升为国家战略, 黄河流域重金属污染受到国内学者的广泛关注[6, 31], 已有大量关于黄河流域沉积物[32, 33]、引黄灌区作物[34, 35]、湿地[36]、水体[37]、滩区土壤[6, 28]和近河道煤矿区土壤[38]等重金属污染特征、生态风险评价及来源解析的研究. 黄河山东段重金属污染相关研究主要集中在黄河近河道煤矿区土壤[38]和黄河三角洲地区土壤[39, 40]等, 鲜见关于黄河干流沿岸各县市区表层土壤重金属污染现状及源解析的研究.

本研究以黄河干流流经山东的25县市区表层土壤为研究对象, 研究土壤中As、Cu、Pb、Cr、Zn、Ni、Cd和Hg等8种重金属污染情况, 基于土壤重金属总量的评价方法, 分析土壤重金属的污染程度, 对潜在的生态风险进行评价, 结合PMF模型和相关性分析对研究区土壤重金属进行来源解析, 以期为黄河流域山东段表层土壤重金属污染防治、生态修复及环境保护提供参考依据, 并为山东省黄河流域生态保护和高质量发展奠定数据基础.

1 材料与方法 1.1 研究区概况

黄河山东段[38]位于黄河的下游, 全长628 km, 自菏泽市东明县入境, 依次流经鄄城县、郓城县、牡丹区、梁山县、东平县、东阿县、平阴县、长清区、章丘区和济阳区等25个县市区, 最后从垦利县入渤海. 研究区地处暖温带季风气候区域, 雨热同季, 年平均气温11~14℃, 60%~70%的降雨集中在7~9月, 年降雨量一般在550~950 mm之间. 整个流域包括鲁西平原、鲁北平原、黄河三角洲冲积平原以及泰山丘陵地带, 地势较为平坦.

1.2 土壤样品采集与分析

研究区位于沿黄25县市区, 土壤类型均为农用地, 以耕地农田为主, 林地和果园次之. 2023年3~7月期间以网格布点法为基础进行点位布设进行采样工作, 每个采样点均设定20 m×20 m采样区, 利用GPS定位仪记录采样点经纬度, 在设定的采样区内按五点混合采样法进行样品采集, 共计103个点位, 采样布点见图 1. 样品采集参照《土壤质量土壤采样技术指南》（GB/T 36197-2018）[41], 每个点均使用木铲采集表层0~20 cm的土壤, 混合后使用四分法留取2 kg样品, 用聚乙烯自封袋密封保存. 样品经过自然风干, 去除砂砾和植物根系等杂物, 研磨, 过100目尼龙筛后保存待测.

图 1 研究区内采样点位示意 Fig. 1 Distribution of sampling sites in the study area

采用《土壤和沉积物总汞的测定催化热解-冷原子吸收分光光度法》（HJ 923-2017）[42]方法测定土壤中总汞的含量；采用《土壤和沉积物无机元素的测定波长色散X射线荧光光谱法》（HJ 780-2015）[43]方法测定土壤中铜、铅、锌、铬、镍和砷的含量；采用《土壤和沉积物12种金属元素的测定王水提取-电感耦合等离子体质谱法》（HJ 803-2016）[44]方法测定土壤中镉的含量. 实验过程中同步分析土壤成分分析标准物质（GBW07405、GBW07408和GBW07386）, 各元素均在标准物质认定值范围内；每批次抽取10%样品进行平行样测定, 相对标准偏差控制在≤10%.

1.3 重金属污染评价方法 1.3.1 地累积指数法

地累积指数法（Igeo）[15, 16], 是通过综合考虑人为因素、地球化学背景值和自然成岩作用的共同影响, 定量评价土壤中重金属累积程度的一种方法. 计算公式如下：

(1)

式中, Cn为重金属n在土壤中的实际含量（mg·kg-1）, K为考虑地域差异可能会引起背景值的变动而采取的修正系数, 常取1.5；Bn为土壤中重金属元素n的地球化学背景（mg·kg-1）, 参照山东重金属的背景值[45].

1.3.2 潜在生态风险指数法

确定毒性响应系数[46], 计算重金属潜在生态指数, 可综合反映重金属对生态环境的影响, 计算公式如下：

(2)

式中, Cfi为重金属i的污染系数；Ci为土壤中重金属i实测含量（mg·kg-1）；Cni为重金属i的区域背景值. 单种重金属污染物潜在生态风险系数参见公式：

(3)

式中, Tri为重金属i的毒性响应系数, 揭示了重金属对人体的危害和对水生生态系统的危害, 总风险参数之和RI参见公式：

(4)

土壤中重金属污染评价方法及程度分级见表 1.

表 1 土壤中重金属污染评价方法及程度分级 Table 1 Evaluation method and grading standards of soil heavy metal pollution

1.4 重金属正定矩阵因子分解模型（PMF）分析

PMF是USEPA推荐使用的由Paatero等[47]于1994年提出的一种受体模型分析方法, 与其他源解析方法相比, 不需测量源成分谱, 且分解矩阵中元素贡献率为非负值, 同时能够利用数据标准偏差进行优化, 处理遗漏数据和不精确数据. 该分析方法将多维度数据原始矩阵Xij通过因子化分解成两个矩阵：源剖面矩阵（Fkj）和贡献矩阵（Gik）及残差矩阵（eij）, 其公式为[29]：

(5)

因子贡献和分布用最小化目标函数Q来确定, 其公式为：

(6)

式中, uij为第i个样品中重金属j 的不确定度, 不确定度的计算对于检测含量低于和高于物种检出限的物种分别采用以下公式.

当实测含量C≤MDL时：

当实测含量C > MDL时：

式中, Error Fraction为相对不确定度, MDL为分析方法对于元素检出限, 见表 2.

表 2 土壤中重金属检出限 Table 2 Detection limits of soil heavy metals

1.5 数据统计与处理

采用Origin 2021和Excel进行重金属污染评价数据统计和绘图, 采用SPSS 26.0对重金属元素进行描述性统计分析和相关性分析, 采用ArcGIS 10.7进行土壤样点布设、地统计学分析、空间插值分析, 采用EPA PMF 5.0对土壤重金属元素进行正定矩阵因子分解模型分析, 用以源解析.

2 结果与讨论 2.1 表层土壤重金属元素描述性统计

研究区103件表层土壤中重金属含量统计分析结果见表 3, 土壤重金属含量平均值依次为：ω（Zn）（66.6 mg·kg-1） > ω（Cr）（63.4 mg·kg-1） > ω（Ni）（29.4 mg·kg-1） > ω（Cu）（23.8 mg·kg-1） > ω（Pb）（22.4 mg·kg-1） > ω（As）（10.8 mg·kg-1） > ω（Cd）（0.183 mg·kg-1） > ω（Hg）（0.037 mg·kg-1）. 对比山东省土壤背景值, Cu和Cr含量平均值均低于背景值, 其余6种重金属（As、Pb、Zn、Ni、Cd和Hg）含量平均值分别超背景值16%、42%、4.9%、13.9%、129%和85%. 其中, Cd含量是背景值的2.29倍, Hg含量是背景值的1.85倍, 该区域Cd和Hg存在明显富集. 经统计, 研究区土壤pH值变化范围为6.47~8.87, 其中5.5 < pH≤6.5点位1个, 6.5 < pH≤7.5点位3个, pH > 7.5点位99个, 土壤整体呈碱性. 根据点位的pH值, 参照《土壤环境质量农用地土壤污染风险管控标准》（GB 15618-2018）风险筛选值比对发现, 表层土壤样品中除As和Cu各存在1个点位超过风险筛选值外, 其余6种重金属元素均低于风险筛选值. 此外, 与黄河流域其他研究区相比, 8种重金属含量均值表现为有高有低的特征, 这与各个研究区产业结构、人类活动和地质背景影响有关系.

表 3 研究区表层土壤重金属元素含量统计 Table 3 Statistics of soil heavy metal contents in the study area

变异系数（coefficient of variance, CV）是一种反映重金属元素含量空间分布离散程度的指标, 通过判断CV的大小可分为低度变异（CV < 20%）、中度变异（20%≤CV < 50%）和高度变异（50%≤CV < 100%）[48]. 一般来说, 变异程度越高, 离散程度越大, 重金属含量的空间分布差异越大, 受人类活动影响程度越大[10]. 由表 3可知, 研究区表层土壤重金属的变异系数CV值由大到小依次为：Cd > Cu > 50% > Cr > Hg > Ni > As > Pb > Zn > 20%. 其中, As、Pb、Cr、Zn、Ni和Hg变异系数介于20%和50%之间（中度变异）, 说明这6种元素受外界因素的影响比较一致, 空间分异不显著；Cd和Cu变异系数大于50%（高度变异）, 说明这2种元素受外界干扰比较显著, 空间分异较大[10]. 总体而言, 研究区表层土壤中8种重金属元素均具有一定的空间分布差异性, 受地域背景和人类活动影响的程度较大.

2.2 重金属元素空间分布特征

使用ArcGIS 10.7软件对8种重金属元素的空间分布情况进行插值分析, 可以看出各元素的空间分布差异性较大, 研究区内各元素空间部分布见图 2. Cr、Ni、Pb和As的高值区主要集中在下游冲积平原地区, 其中Cr和Ni的整体含量水平较低, Pb和As整体含量水平较为中等, Cr、Ni和Pb的高值区分布最为接近, 且Cr明显呈现从东北至西南含量升高的趋势. Cu和Zn高值区集中在鲁中丘陵地区, Cu的整体含量水平较低, Zn的含量差异性较大, 除了鲁中丘陵的高值区外, 其他地区也零星存在有含量较高的情况. Cd的高值区集中在河口三角洲地区, 其他地区整体含量水平较低. Hg的高值区则较为分散, 在下游冲积平原地区和鲁中丘陵地区均有分布, 且在不同地区的含量差异性较大.

图 2 研究区内重金属含量空间分布特征 Fig. 2 Spatial distribution of soil heavy metal contents in the study area

2.3 土壤重金属污染评价 2.3.1 地累积指数评价

研究区表层土壤重金属地累积指数Igeo评价结果如图 3所示, 该区域土壤重金属Igeo均值由高到低依次是：Cd（0.61） > Hg（0.30） > Pb（-0.08） > As（-0.37） > Ni（-0.40） > Zn（-0.52） > Cu（-0.60） > Cr（-0.64）. 其中, Pb、As、Ni、Zn、Cu和Cr元素为无污染（Igeo < 0）, Cd和Hg元素为轻度污染（0≤Igeo < 1）. 从图 3（a）可以看出, 土壤中8种重金属污染程度都具有多样性, 这也与土壤8种重金属元素均具有一定的空间分布差异性相吻合. Hg和Cd元素的污染程度最严重, 其最大值已达到中强污染程度；虽然Pb、As、Ni、Zn、Cu和Cr元素的Igeo < 0, 但均存在局部点出现污染情况, 其中Cu、Cr和Ni元素最大值处于中度污染程度, Pb、As和Zn元素最大值处于轻度污染程度. 从图 3（b）中可以看出, Cd元素污染最为严重, 无污染样点仅占13.6%；其次是Hg元素, 无污染样点占45.6%, 但是中度污染样点占比（占比为11.6%）高于Cd元素（占比为9.71%）. 总体来说, 研究区表层土壤中Hg和Cd元素污染相对严重, 污染范围较广, Pb、As、Ni、Zn、Cu和Cr元素呈现局部污染, 可能存在点源污染.

图 3 研究区土壤重金属地累积指数 Fig. 3 Soil heavy metal geological accumulation index in the study area

2.3.2 潜在生态风险评价

研究区表层土壤中重金属潜在生态风险等级指数见表 4. 从中可知, 研究区8种重金属潜在生态风险指数平均值依次为：Hg > Cd > As > Pb > Ni > Cu > Cr > Zn. 除Cd和Hg外其余6种重金属Er平均值小于40, 属于低生态风险；Cd和Hg的Er平均值大于40, 属于中等生态风险. 从全部103个采样点位分析, Cd和Hg中等生态风险以上点位存在占比分别为95.1%和81.5%, 更是说明了土壤中Hg和Cd污染范围较广, 同地累积指数评价分析一致.

表 4 研究区土壤8种重金属元素潜在生态危害评价特征值统计 Table 4 Statistics of characteristic values of potential ecological hazard assessment of eight heavy metals in the soil of study area

2.4 土壤重金属的来源解析 2.4.1 相关性分析

相关性分析可以为土壤重金属的来源提供参考, 对不同重金属元素是否同源进行判别, 来源相同或相似的重金属元素之间相关性较为显著[25]. 运用SPSS 26.0对研究区土壤重金属进行皮尔逊（Pearson）相关性分析, 结果显示（表 5）, Cr-Ni、Pb-Cr、Pb-Ni和As-Pb相关系数均大于0.6, 表现出极显著正相关性, 存在共同变化的趋势[7], 说明具有相似的来源或富集、迁移等地球化学行为；Cd-As、Cd-Cu、Cd-Pb、Cd-Zn、As-Cu、As-Cr、As-Zn、As-Ni、Cu-Pb、Cu-Zn、Cu-Ni和Pb-Zn相关系数在0.323~0.580之间, 存在中度或者低度的相关性关系, 说明这几种金属可能存在相同来源, 也可能存在多种复合来源；Hg与其他7种元素相关系数均小于0.25, 存在较低的相关关系, 表明与其他金属元素同源性极小.

表 5 研究区土壤重金属Pearson相关系数1） Table 5 Pearson correlation coefficient of soil heavy metals in the study area

2.4.2 PMF解析金属来源

采用PMF模型对研究区表层土壤8种重金属进行源解析, 运行EPA PMF 5.0软件, 将样品含量和不确定度数据表导入, 设置运行次数100次, 因子数3~7, 随机选择初始迭代次数进行运算. 当因子数为4时, QRobust/QTrue相对趋于稳定处于收敛最小值, 8种重金属含量残差处于-3~3之间, 说明达到最佳模型拟合效果. 从表 6中可以看出, 除Cd和Cu外其他金属元素拟合R2均大于0.7, 表明PMF模型整体解析效果较好, 所以选择因子数可以较充分解释原始数据所包含的信息, 能满足源解析的需求, 分析结果见表 7.

表 6 基于PMF模型的土壤重金属含量实测值与预测值拟合结果 Table 6 Scatter-fitting for observed and predicted values of soil heavy metal concentrations based on PMF model

表 7 PMF模型解析出的各源成分谱及其贡献率 Table 7 Composition and contribution rate of heavy metals analyzed by PMF model

因子1对Zn、Cu、Cd和Pb的贡献率相对较高, 依次为54.1%、48.8%、46.2%和35.9%. 从表 5可以看出Zn、Cu、Cd和Pb均具有显著的正相关关系, 说明4种重金属具有一定的同源性. 有研究表明, Zn、Cu、Cd和Pb与农业活动有关, 肥料和农药对这几种金属都有一定的贡献[49]. 农药生产中会使用大量Cu, 主要以CuSO4的形式用作杀虫剂. 肥料中也多含有Zn、Cu、Cd和Pb, 这说明Zn、Cu、Cd和Pb的累积与肥料的投入量有很大的关系. 研究区为农用地, 长期使用化肥（主要为氮肥、磷肥和复合肥）、有机肥和农药（主要为杀虫剂和除草剂）, 使得重金属在土壤中滞留并逐渐累积. 因此推断因子1为农业活动源.

因子2对Cr和Ni的贡献率相对较高, 分别为69.3%和36.7%. 从表 5中可以看出, 两种金属间呈显著的正相关关系, 表现出高度同源性. 从表 3中可知, 土壤中Cr含量低于山东省土壤背景值, 土壤中Ni含量仅为山东省土壤背景值的1.14倍, 且Cr和Ni的变异系数（分别为37.9%和35.7%）均较小, 说明主要受自然地质背景的影响. 有研究表明土壤中Cr和Ni通常与成土母质、成土过程和地质活动显著相关[18], Ni是一种易于与土壤中氧化物结合的铁族元素, 与成土母质有密切联系, 极大可能参与土壤成岩过程, 因此推断因子2为受土壤母质影响的自然来源.

因子3对Hg的贡献率最高, 达到64.2%. 有研究表明Hg来源复杂, 受土壤母质、工业排放、交通、农业等多因素影响, 燃煤等化石燃料的燃烧对土壤中Hg的累积的影响十分显著[50]. Hg含量为山东省土壤背景值的1.85倍, 污染范围较广, 说明与人类活动密切相关. 另外从表 7可知, 该因子对Cr的贡献率为22.9%. Cr的主要来源为合金制造厂、电镀厂、皮革厂等, 产生的废水废渣会对表层土壤产生一定的影响. 研究区内有多个工业园区, 长期的工业生产会产生大量的污染物, 不断沉降富集到土壤中, 所以Hg和Cr的累积与研究区内工业园区生产有一定的关系. 因此推断因子3为工业排放源.

因子4对As、Cd、Hg和Pb的贡献率相对较高, 分别为64.1%、40.4%、34.5%和32.4%. Pb作为交通运输的主要特征标志物, 随着时间的积累, 一定量的Pb随着降尘沉降到表层土壤中, 说明研究区受到周边道路汽车尾气的影响. 冬季取暖季在当年11月至次年3月, 为此研究区周边各个县市都会有1~2个供应取暖的热电厂. 由于热电厂生产过程不可避免会产生大量的含As和Hg等重金属的煤飞灰, 通过大气排放以沉降的方式不断富集到表层土壤中, 对土壤中重金属不断累积产生一定的影响. 因此推断因子4为燃煤释放与汽车尾气排放引起的大气降尘污染源.

综上结果可知, 研究区表层土壤中重金属来源受农业活动源、自然来源、工业排放源和大气降尘等4种因素影响, 其综合贡献率分别为32.4%、34.9%、16.5%和16.2%.

3 结论

（1）研究区表层土壤重金属受人为活动影响较为显著, Cu和Cr含量平均值低于山东省土壤背景值, As、Pb、Zn、Ni、Cd和Hg均高于背景值, 8种重金属元素均低于国标（GB 15618-2018）土壤重金属风险筛选值. As、Pb、Cr、Zn、Ni和Hg为中度变异, Cd和Cu为高度变异, 说明研究区表层土壤中8种重金属均具有一定的空间分布差异性, 受地域背景和人类活动影响的程度较大.

（2）地累积指数法和潜在生态风险法评价结果表明, 研究区表层土壤中8种重金属污染程度呈现多样性, 与土壤中重金属元素具有一定的空间分布变异性相吻合. 土壤Hg和Cd处于中等生态风险, 污染范围较广；土壤Pb、As、Ni、Zn、Cu和Cr处于低生态风险, 呈现局部污染, 可能存在点源污染.

（3）运用正定矩阵因子分解模型（PMF）解析得出研究区农田土壤中重金属主要来源有4个, 分别为农业活动源、自然来源、工业排放源以及燃煤释放与汽车尾气排放引起的大气降尘污染源. 其中, 农业活动源对Zn、Cu、Cd和Pb的贡献率较高, 分别为54.1%、48.8%、46.2%和35.9%, 自然来源对Cr和Ni的贡献率较高, 分别为69.3%和36.7%, 工业排放源对Hg的贡献率较高, 为64.2%, 燃煤释放与汽车尾气排放的大气降尘污染源对As、Cd、Hg和Pb的贡献率较高, 分为64.1%、40.4%、34.5%和32.4%. 农业活动源、自然来源、工业排放源和大气降尘污染源对表层土壤中重金属的综合贡献率分别为32.4%、34.9%、16.5%和16.2%.

参考文献
[1] 高越, 吕童, 张蕴凯, 等. PMF和RF模型联用的土壤重金属污染来源解析与污染评价: 以西北某典型工业园区为例[J]. 环境科学, 2023, 44(6): 3488-3499.
Gao Y, Lv T, Zhang Y K, et al. Source apportionment and pollution assessment of soil heavy metal pollution using PMF and RF model: a case study of a typical industrial park in Northwest China[J]. Environmental Science, 2023, 44(6): 3488-3499.
[2] Luch A. Molecular, clinical and environmental toxicology[M]. Boston: Birkhäuser Verlag, 2012.
[3] Qin Y Y, Zhang Z H, Li L, et al. Inductively coupled plasma orthogonal acceleration time-of-flight mass spectrometry (ICP-oa-TOF-MS) analysis of heavy metal content in Indocalamus tesselatus samples[J]. Food Chemistry, 2013, 141(3): 2154-2157. DOI:10.1016/j.foodchem.2013.04.103
[4] Karimyan K, Alimohammadi M, Maleki A, et al. Human health and ecological risk assessment of heavy metal(loid)s in agricultural soils of rural areas: a case study in Kurdistan Province, Iran[J]. Journal of Environmental Health Science and Engineering, 2020, 18(2): 469-481. DOI:10.1007/s40201-020-00475-y
[5] Liu K, Hou S G, Wu S Y, et al. Assessment of heavy metal contamination in the atmospheric deposition during 1950-2016 A.D. from a snow pit at Dome A, East Antarctica[J]. Environmental Pollution, 2021, 268. DOI:10.1016/j.envpol.2020.115848
[6] 于路加, 马海军, 王翠平. 银川市黄河滩区土壤重金属污染特征、生态风险评价与来源解析[J]. 环境科学, 2024, 45(5): 2971-2982.
Yu L J, Ma H J, Wang C P. Characteristics, ecological risk assessment, and source apportionment of soil heavy metals in the Yellow River floodplain of Yinchuan City[J]. Environmental Science, 2024, 45(5): 2971-2982.
[7] 赵庆令, 李清彩, 安茂国, 等. 基于PMF-PCA/APCS与PERI的菏泽油用牡丹种植区表层土壤重金属潜在来源识别及生态风险评估[J]. 环境科学, 2023, 44(9): 5253-5263.
Zhao Q L, Li Q C, An M G, et al. Potential source identification and ecological risk assessment of heavy metals in surface soil of Heze oil peony planting area based on PMF-PCA/APCS and PERI[J]. Environmental Science, 2023, 44(9): 5253-5263.
[8] Wang H X, Li X M, Chen Y, et al. Geochemical behavior and potential health risk of heavy metals in basalt-derived agricultural soil and crops: a case study from Xuyi County, eastern China[J]. Science of the Total Environment, 2020, 729. DOI:10.1016/j.scitotenv.2020.139058
[9] Rajendran S, Priya T A K, Khoo K S, et al. A critical review on various remediation approaches for heavy metal contaminants removal from contaminated soils[J]. Chemosphere, 2022, 287. DOI:10.1016/j.chemosphere.2021.132369
[10] 汤金来, 赵宽, 胡睿鑫, 等. 滁州市表层土壤重金属含量特征、源解析及污染评价[J]. 环境科学, 2023, 44(6): 3562-3572.
Tang J L, Zhao K, Hu R X, et al. Heavy metal concentration, source, and pollution assessment in topsoil of Chuzhou City[J]. Environmental Science, 2023, 44(6): 3562-3572.
[11] Lu A X, Li B R, Li J, et al. Heavy metals in paddy soil-rice systems of industrial and township areas from subtropical China: levels, transfer and health risks[J]. Journal of Geochemical Exploration, 2018, 194: 210-217. DOI:10.1016/j.gexplo.2018.08.003
[12] Liao S Y, Jin G Q, Khan M A, et al. The quantitative source apportionment of heavy metals in peri-urban agricultural soils with UNMIX and input fluxes analysis[J]. Environmental Technology & Innovation, 2021, 21. DOI:10.1016/j.eti.2020.101232
[13] Wei M C, Pan A F, Ma R Y, et al. Distribution characteristics, source analysis and health risk assessment of heavy metals in farmland soil in Shiquan County, Shaanxi Province[J]. Process Safety and Environmental Protection, 2023, 171: 225-237. DOI:10.1016/j.psep.2022.12.089
[14] Lo Dico G M, Galvano F, Dugo G, et al. Toxic metal levels in cocoa powder and chocolate by ICP-MS method after microwave-assisted digestion[J]. Food Chemistry, 2018, 245: 1163-1168. DOI:10.1016/j.foodchem.2017.11.052
[15] Liu H W, Zhang Y, Yang J S, et al. Quantitative source apportionment, risk assessment and distribution of heavy metals in agricultural soils from southern Shandong Peninsula of China[J]. Science of the Total Environment, 2021, 767. DOI:10.1016/j.scitotenv.2020.144879
[16] Nkinahamira F, Suanon F, Chi Q Q, et al. Occurrence, geochemical fractionation, and environmental risk assessment of major and trace elements in sewage sludge[J]. Journal of Environmental Management, 2019, 249. DOI:10.1016/j.jenvman.2019.109427
[17] Wang F F, Guan Q Y, Tian J, et al. Contamination characteristics, source apportionment, and health risk assessment of heavy metals in agricultural soil in the Hexi Corridor[J]. CATENA, 2020, 191. DOI:10.1016/j.catena.2020.104573
[18] 徐祖奔, 伍艳, 赵越, 等. 黄河下游典型滩区土壤重金属污染特征及来源解析[J]. 农业工程学报, 2023, 39(15): 200-207.
Xu Z B, Wu Y, Zhao Y, et al. Source apportionment and pollution of soil heavy metals in typical floodplain in the lower reaches of the Yellow River[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(15): 200-207.
[19] Timofeev I, Kosheleva N, Kasimov N. Health risk assessment based on the contents of potentially toxic elements in urban soils of Darkhan, Mongolia[J]. Journal of Environmental Management, 2019, 242: 279-289.
[20] Mao C P, Song Y X, Chen L X, et al. Human health risks of heavy metals in paddy rice based on transfer characteristics of heavy metals from soil to rice[J]. CATENA, 2019, 175: 339-348. DOI:10.1016/j.catena.2018.12.029
[21] 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
[22] Zheng S N, Wang Q, Yuan Y Z, et al. Human health risk assessment of heavy metals in soil and food crops in the Pearl River Delta urban agglomeration of China[J]. Food Chemistry, 2020, 316. DOI:10.1016/j.foodchem.2020.126213
[23] 肖凯琦, 徐宏根, 甘杰, 等. 湘西南部地区土壤重金属污染溯源分析及环境质量评价[J]. 环境科学, 2024, 45(3): 1760-1768.
Xiao K Q, Xu H G, Gan J, et al. Traceability analysis and environmental quality assessment of soil heavy metal pollution in Southwest Hunan Province[J]. Environmental Science, 2024, 45(3): 1760-1768.
[24] Lv J S. Multivariate receptor models and robust geostatistics to estimate source apportionment of heavy metals in soils[J]. Environmental Pollution, 2019, 244: 72-83. DOI:10.1016/j.envpol.2018.09.147
[25] 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 model[J]. Environmental Science, 2024, 45(2): 1058-1068.
[26] 马杰, 沈智杰, 张萍萍, 等. 基于APCS-MLR和PMF模型的煤矸山周边耕地土壤重金属污染特征及源解析[J]. 环境科学, 2023, 44(4): 2192-2203.
Ma J, Shen Z J, Zhang P P, et al. Pollution characteristics and source apportionment of heavy metals in farmland soils around the gangue heap of coal mine based on APCS-MLR and PMF receptor Model[J]. Environmental Science, 2023, 44(4): 2192-2203.
[27] 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.
[28] Ajani M B, Maleka P P, Penabei S, et al. Health risk assessment of heavy metals concentration from soil; a case study of the Mayo-Dallah in Southern area of Chad[J]. Journal of Radiation Research and Applied Sciences, 2022, 15(1): 130-138. DOI:10.1016/j.jrras.2022.01.013
[29] 方嘉, 何影, 黄乃涛, 等. 基于PMF模型的农田土壤重金属源暴露风险综合评价: 以浙江省某电子垃圾拆解区为例[J]. 环境科学, 2023, 44(7): 4027-4038.
Fang J, He Y, Huang N T, et al. Integrated analysis on source-exposure risk of heavy metals in farmland soil based on PMF model: a case study in the E-waste dismantling area in Zhejiang Province[J]. Environmental Science, 2023, 44(7): 4027-4038.
[30] Odewande A A, Abimbola A F. Contamination indices and heavy metal concentrations in urban soil of Ibadan metropolis, southwestern Nigeria[J]. Environmental Geochemistry and Health, 2008, 30(3): 243-254. DOI:10.1007/s10653-007-9112-2
[31] 李军, 李旭, 李开明, 等. 黄河流域农田土壤重金属污染特征及其优先控制源分析[J]. 环境科学, 2024, 45(3): 1724-1738.
Li J, Li X, Li K M, et al. Characteristics and identification priority source of heavy metals pollution in farmland soils in the Yellow River Basin[J]. Environmental Science, 2024, 45(3): 1724-1738.
[32] 李军, 焦亮, 李开明, 等. 黄河兰州段城市河道重金属污染特征及健康风险评价[J]. 中国给水排水, 2023, 39(15): 81-88.
Li J, Jiao L, Li K M, et al. Characteristics and health risk assessment of heavy metal contamination from urban river surface sediments in the Lanzhou reach of the Yellow River[J]. China Water & Wastewater, 2023, 39(15): 81-88.
[33] 庞阔, 李敏, 刘璐, 等. 基于蒙特卡洛模拟与PMF模型的黄河流域沉积物重金属污染评价及源解析[J]. 环境科学, 2022, 43(8): 4008-4017.
Pang K, Li M, Liu L, et al. Evaluation and source analysis of heavy metal pollution in sediments of the Yellow River Basin based on Monte Carlo Simulation and PMF model[J]. Environmental Science, 2022, 43(8): 4008-4017.
[34] 康国华, 张鹏岩, 李颜颜, 等. 黄河下游开封段引黄灌区小麦中重金属污染特征及健康风险评价[J]. 环境科学, 2018, 39(8): 3917-3926.
Kang G H, Zhang P Y, Li Y Y, et al. Pollution characteristics and health risk assessment of heavy metals in wheat grains cultivated in Kaifeng irrigation area of the Yellow River[J]. Environmental Science, 2018, 39(8): 3917-3926.
[35] 刘菊梅, 栗利曼, 沈渭寿, 等. 黄河包头段灌区玉米重金属污染及人群健康风险评价[J]. 南方农业学报, 2015, 46(9): 1591-1595.
Liu J M, Li L M, Shen W S, et al. Heavy metal pollution of corn and human health risk assessment in Baotou section of the Yellow River[J]. Journal of Southern Agriculture, 2015, 46(9): 1591-1595. DOI:10.3969/j:issn.2095-1191.2015.09.1591
[36] 马丽, 郭学良, 么秀颖, 等. 豫东黄河故道湿地土壤重金属污染评价及生态风险评估[J]. 中国土壤与肥料, 2022(6): 213-220.
Ma L, Guo X L, Yao X Y, et al. Assessment of heavy metal pollution and ecological risk in the wetlands of ancient bed of Yellow River in eastern Henan[J]. Soil and Fertilizer Sciences in China, 2022(6): 213-220.
[37] 曹占琪, 苟金明, 邱小琮, 等. 黄河宁夏段水体重金属时空分布特征及健康风险评价[J]. 环境监测管理与技术, 2022, 34(5): 33-38.
Cao Z Q, Gou J M, Qiu X C, et al. Spatial and temporal distribution characteristics and health Risk assessment of heavy metals in water of Ningxia section of the Yellow River[J]. The Administration and Technique of Environmental Monitoring, 2022, 34(5): 33-38.
[38] 戴文婷, 张晖, 吴霞, 等. 黄河流域山东段近河道煤矿区土壤重金属污染特征及源解析[J]. 环境科学, 2024, 45(5): 2951-2961.
Dai W T, Zhang H, Wu X, et al. Pollution characteristic and source analysis of soil Heavy metal in coal mine area near the Yellow River in Shandong[J]. Environmental Science, 2024, 45(5): 2951-2961.
[39] 陈晨, 王兵, 王寒冰, 等. 东营黄河三角洲地区土壤重金属污染及生态风险评价[J]. 自然保护地, 2023, 3(3): 94-102.
Chen C, Wang B, Wang H B, et al. Soil heavy metal pollution and ecological risk assessment in the Yellow River Delta Area of Dongying City[J]. Natural Protected Areas, 2023, 3(3): 94-102.
[40] 杨清香, 李小庆, 于淼成, 等. 黄河三角洲实验区表层沉积物重金属污染特征及防控策略[J]. 环境工程学报, 2023, 17(7): 2424-2432.
Yang Q X, Li X Q, Yu M C, et al. Characteristics and control strategies of heavy metal pollution in surface sediments of the Yellow River Delta experimental zone[J]. Chinese Journal of Environmental Engineering, 2023, 17(7): 2424-2432.
[41] GB/T 36197-2018, 土壤质量土壤采样技术指南[S].
[42] HJ 923-2017, 土壤和沉积物总汞的测定催化热解-冷原子吸收分光光度法[S].
[43] HJ 780-2015, 土壤和沉积物无机元素的测定波长色散X射线荧光光谱法[S].
[44] HJ 803-2016, 土壤和沉积物12种金属元素的测定王水提取-电感耦合等离子体质谱法[S].
[45] 国家环境保护局. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990.
[46] 王锐, 邓海, 贾中民, 等. 汞矿区周边土壤重金属空间分布特征、污染与生态风险评价[J]. 环境科学, 2021, 42(6): 3018-3027.
Wang R, Deng H, Jia Z M, et al. Spatial distribution characteristics, pollution, and ecological risk assessment of soil heavy metals around mercury mining areas[J]. Environmental Science, 2021, 42(6): 3018-3027.
[47] 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.
[48] Xu L, Dai H P, Skuza L, et al. Integrated survey on the heavy metal distribution, sources and risk assessment of soil in a commonly developed industrial area[J]. Ecotoxicology and Environmental Safety, 2022, 236. DOI:10.1016/j.ecoenv.2022.113462
[49] Lv J S, Liu Y, Zhang Z L, et al. Identifying the origins and spatial distributions of heavy metals in soils of Ju country (Eastern China) using multivariate and geostatistical approach[J]. Journal of Soils and Sediments, 2015, 15(1): 163-178.
[50] Pardyjak E R, Speckart S O, Yin F, et al. Near source deposition of vehicle generated fugitive dust on vegetation and buildings: model development and theory[J]. Atmospheric Environment, 2008, 42(26): 6442-6452.
黄河山东段沿岸县市表层土壤重金属污染特征及源解析
侯聪, 王绍凯, 王琦, 侯晨晓, 李维翠, 王聪, 马振华