2026, Vol. 47
2. 东北农业大学资源与环境学院，哈尔滨 150030
2. College of Resources and Environment, Northeast Agricultural University, Harbin 150030, China
贵州省位于我国西南低温成矿区域，广泛分布黑色页岩、玄武岩、碳酸盐岩和磷酸盐岩等，是典型地质高背景地区[1]. 土壤Cd、Pb和Zn等污染严重[2]，农用地重金属污染面积全国第一[3]. 近年来，贵州省土壤和作物重金属污染问题受到众多学者关注[4~6]. 阮玉龙等[7]对喀斯特地区农田土壤污染情况进行研究，发现贵州省农田土壤受重金属污染较为严重，其中主要污染物为Cd. 此外，陈凤等[8]对贵州省矿区土壤重金属潜在生态风险的评价结果显示，研究区作物分别有42.3%、35.2%、21.1%和1.41%处于强烈、较强、中等和轻微生态风险等级.
高背景区土壤总体表现出“总量高，活性低”[9]，而作物重金属累积则呈现“高背景、低风险”的特征[10]. 前人通过采集贵州喀斯特地质高背景区112对土壤和稻米样品发现，土壤Cd和As含量较农用地筛选值标准相比超标率分别为31.2%~81.1%和16.7%~76.2%，而与国家食品安全标准中污染物限量标准相比，稻米As超标率达到20.0%~41.2%，稻米ω（Cd）最大值为4.9 mg·kg-1[11]. 张迪等[12]研究发现，遵义地区土壤中Cd、Ni、Cu和Zn含量高于贵州省土壤元素的背景值. 同时，水稻中Cr和Ni含量，玉米中Cr和Pb含量，以及红薯中Cr、Ni、Cd和Pb含量均超过标准限量. 可能存在土壤重金属超标，而作物重金属不超标现象[10，13]，对土壤重金属风险评价尤为困难[14]，尤其是对地质高背景区受污染耕地类别划分的指导作用有限[9]. 因此，亟需开展地质高背景区土壤-稻田系统重金属污染特征和健康风险系统研究，明确保障稻米安全生产的农田土壤重金属安全阈值，对维护人体健康和推动农业绿色发展极为关键.
基于此，本研究以贵州省地质高背景区稻田土壤为研究对象，通过测定土壤和水稻中Cd、Pb、Cr、Ni、Cu和Zn的全量和有效态含量，以及土壤理化性质，运用单因子污染指数法、土壤和农产品综合质量影响指数法对重金属元素的生态风险进行评价. 此外，利用敏感度分布曲线（SSD）和多元线性回归模型，分析土壤-水稻系统中重金属的富集特征和安全阈值，旨在为高背景区重金属污染防治提供科学依据.
1 材料与方法 1.1 研究区概况本研究选取贵州省某地（E108°47′53″~109°9′54″，N27°07′43″~27°31′41″，图 1）稻田为研究对象，位于云贵高原与湘西丘陵之间的过渡区域，四季分明，年平均降水量为1 200~1 400 mm. 土壤类型丰度多样，地形以喀斯特地貌为主；土地利用类型以耕地和林地为主，粮食作物主要为玉米和水稻；区域内拥有丰富的Hg、Pb、Zn和Mn等矿产资源.
|
图 1 研究区域采样点分布示意 Fig. 1 Distribution of sampling sites in the research area |
2023年10月水稻成熟期间，采集水稻和土壤样品. 利用Bigemap GIS软件进行网格布点，确定采样点经纬度信息（图 1）. 采用五点法进行土壤和水稻样品一对一采样，共采集197对，采样时通过经纬度结合实际勘测对样点进行校准，现场标注样品点位信息. 在实验室中处理土壤样本，首先去除其中的石子和杂草，让其自然风干，将样本研磨并分别过10、60和100目的尼龙筛，最后将处理好的土壤样本存放在自封袋中. 水稻样品烘干后脱壳，研磨后保存于自封袋.
土壤pH值、EC采用水土比5∶1（体积质量比）浸提，电位法测定. 土壤中Cd、Pb、Cr、Ni、Cu和Zn的总量采用HNO3-HClO4-HF消解体系，电感耦合等离子体质谱法（ICP-MS，Thermo-iCAP Q，美国）测定；As和Hg总量采用王水消解，原子荧光光度计测定（AFS-8510，北京海光仪器有限公司，中国）；土壤中Cd、Pb、Cr、Ni、Cu和Zn有效态含量采用DTPA浸提法结合ICP-MS测定；Hg和As有效态含量分别采用Na2S2O3和NaH2PO4浸提，原子荧光光度计测定；水稻籽粒中Cd、Pb、Cr、Ni、Cu和Zn含量采用HNO3消解法，ICP-MS测定；As和Hg含量采用王水消解，原子荧光光度计测定.
1.3 污染评价与方法 1.3.1 综合污染指数法内梅罗综合污染指数（PN）是以单因子污染指数（Pi）为基础，通过综合考虑单因子污染指数的最大值和平均值，对研究区各重金属元素污染状况进行综合评价[15]，计算公式如下：
| (1) |
| (2) |
式中，Pi为重金属i的单项污染指数，Ci和Si为i含量的实测值和污染限量标准值；PN为内梅罗综合污染指数，Pmax为重金属单项污染指数的最大值，Pave为重金属单项污染指数的平均值. Pi分级为：无污染（Pi≤0.7），尚未污染（0.7 < Pi≤1.0），轻度污染（1.0 < Pi≤2.0），中度污染（2.0 < Pi≤3.0），重度污染（Pi > 3.0）；PN分级为：无污染（PN≤0.7），尚未污染（0.7 < PN≤1.0），轻度污染（1.0 < PN≤2.0），中度污染（2.0 < PN≤3.0），重度污染（PN > 3.0）.
1.3.2 土壤和农产品综合质量影响指数法土壤和农产品综合质量影响指数法是对土壤和农产品二者兼顾的一种重金属污染评价方法，其计算公式如下[16，17]：
| (3) |
| (4) |
| (5) |
| (6) |
| (7) |
| (8) |
| (9) |
式中，N为所评价重金属的种类，N=8；n为单一元素i的价态；Ci和CAPi为土壤中和农产品中重金属元素i含量（mg·kg-1）；CBi为重金属元素i的背景值；CSi为重金属元素i的土壤环境质量标准筛选值，CLSi为重金属元素i的农产品安全标准限值，X和Y分别为土壤元素含量超过环境质量标准值和背景值的数目；Z为农产品中超过污染物限量标准的元素数目；k为背景校正因子，取5；综合质量影响指数（IICQ）分级为：清洁（IICQ≤1），轻微污染（1 < IICQ < 2），轻度污染（2 < IICQ≤3），中度污染（3 < IICQ≤5），重度污染（IICQ > 5）.
1.3.3 健康风险评价健康风险评价采用美国环保署（USEPA）提出的健康风险评估模型，基于土壤污染和稻米摄入情况，对研究区的健康风险进行评估. 评估方法是通过计算人体摄入化学物质的剂量来评估致癌及非致癌健康风险，暴露途径为土壤摄入、皮肤接触、呼吸摄入和农作物摄入. 在上述途径下，成人和儿童的重金属暴露量用ADD表示，计算模型如下[18]：
| (10) |
| (11) |
| (12) |
| (13) |
式中，Cs为土壤重金属含量（mg·kg-1）；Cc为农作物重金属含量（mg·kg-1）；相关参数的具体含义及取值见表 1.
|
表 1 土壤重金属含量特征 Table 1 Characteristics of heavy metal content in root soil |
HI和HQ分为综合和单一非致癌风险危害指数，TCR和CR分别为综合和单一致癌风险指数，当HI < 1，认为风险较小或者可忽略；当HI > 1，则认为存在非致癌风险. 当CR或TCR < 10-6，无明显致癌风险；当CR或TCR介于10-6~10-4之间，存在潜在致癌风险；若CR或TCR≥10-4，致癌风险显著. 计算公式为[19]：
| (14) |
| (15) |
式中，i为重金属元素的数量，j为暴露途径（土壤摄入、皮肤接触和吸入），RfD为不同暴露途径下每个重金属元素的参考计量，SF为不同暴露途径下每个重金属元素对应的斜率因子，具体数值见表 2.
|
|
表 2 水稻重金属含量特征1） Table 2 Characteristics of heavy metal content in rice |
1.3.4 SSD曲线拟合及安全阈值的确定
生物富集系数为土壤中重金属迁移到植物中的迁移强度[20]，公式为：
| (16) |
式中，BCF为稻米中重金属元素富集系数，Pi稻米为稻米中重金属i含量（mg·kg-1）；Si土壤为土壤中重金属i含量（mg·kg-1）.
根据重金属富集系数（BCF），对水稻样品按其大小进行排列，并按照顺序排列相应的序数R，进而计算出累计概率值（P），公式如下[21]：
| (17) |
式中，P为水稻对应的累计概率值，R为水稻从小到大排列的序号，N为样本总数.
土壤安全阈值计算采用敏感度分布曲线法（SSD），在Origin 2021中以1/BCF为横坐标，P为纵坐标，采用Log-gistic分布模型拟合不同区域水稻样品对重金属的物种敏感度分布曲线[18]，公式如下：
| (18) |
式中，a、b和c为拟合参数值，y为对应的水稻累计概率数值（%），x为1/BCF.
通过上述方程反推出水稻存在超标风险的1/BCF值，采用Log-gistic分布模型拟合的SSD曲线，计算保护95%水稻所对应的1/BCF值[22]，以《食品安全国家标准食品中污染物限量》（GB 2762-2022）为基准，反向推导得出土壤重金属安全阈值[23]，计算公式如下：
| (19) |
式中，Csoil为土壤重金属的环境质量类别划分阈值（mg·kg-1）；Ccrop为国家标准中水稻重金属含量限值（mg·kg-1）；HC5为保护95%水稻对应的1/BCF值.
1.4 数据统计与绘图采用Excel 2016与SAS 9.4软件完成相关计算与分析，同时采用Origin 2021绘图，使用Oracle Crystal Ball软件进行蒙特卡洛模拟，采用Matlab软件依据随机森林模型对水稻籽粒重金属积累进行分析.
2 结果与讨论 2.1 区域土壤和水稻重金属含量和污染特征 2.1.1 土壤重金属含量和污染特征本研究区域土壤pH介于5.48~7.9之间，平均值为7.07，中位值为7.30. 土壤中8种重金属含量特征如表 1所示，8种重金属平均含量从高到低依次为：Ni、Zn、Pb、As、Cu、Cr、Hg和Cd，除Hg和As外，其他重金属含量平均值均低于背景值，表明Hg和As在土壤中积累程度较其他重金属偏高. 土壤中ω（Hg）、ω（Cd）、ω（As）、ω（Pb）、ω（Cr）、ω（Ni）、ω（Cu）和ω（Zn）平均值依次为0.72、0.52、26.33、32.62、13.36、36.63、19.38和34.64 mg·kg-1，分别为背景值的6.55、0.74、1.32、0.93、0.14、0.94、0.61和0.35倍，其中Hg和As在土壤中积累最明显. 参考土壤环境质量筛选值（GB 1568-2018）[24]，土壤中Hg、Cd和As皆有不同程度的超标情况，Pb、Cr、Ni、Cu和Zn则几乎没有超标情况，其中Hg、Cd和As超标率为48%、30%和53%.
变异系数（CV）值常被用于衡量土壤重金属元素在空间上的变异性和分散程度：CV≤15%表示弱变异，15% < CV≤35%为中等变异，CV > 35%则为强变异，CV值越高，表明受人类活动影响就越大[24]. 研究区土壤重金属CV依次为：Hg（95.64%） > Pb（53.90%） > Cd（44.82%） > Ni（39.38%） > As（37.54%） > Zn（30.55%） > Cu（21.53%） > Cr（17.96%）. 土壤Hg、Pb、Cd、Ni和As为强变异，Zn、Cu和Cr为中等变异，表明研究区土壤中Hg具有明显的空间异质性，受人类活动影响较大[25].
采用单因子及内梅罗污染指数法计算土壤重金属单因子污染指数（Pi）和内梅罗综合污染指数（PN），评价结果如图 2（a）. 内梅罗综合污染指数（PN）平均值为1.15，污染等级分为未污染、尚未污染、轻度污染、中度污染和重度污染[26]，各等级占比分别为25.38%、23.35%、47.21%、2.54%和1.52%. 进一步研究各污染指标所占比例[图 2（b）]，Pi分级占比结果显示，研究区土壤中主要污染因子为Hg、Cd和As. 土壤Hg的污染等级包括未污染、轻度污染、中度污染和重度污染，占比分别为52.28%、27.92%、16.24%和3.55%；Cd和As的污染等级均为未污染、轻度污染和中度污染，其中，轻度污染以上占比分别为98.98%和95.94%，中度污染占比表现为Cd（1.02%） < As（4.06%）；其他重金属元素无污染风险.
|
图 2 土壤重金属内梅罗污染指数评价及分级占比 Fig. 2 Pollution index and classification proportion of heavy metal Nemero in soil |
8种重金属ω（Hg）、ω（Cd）、ω（As）、ω（Pb）、ω（Cr）、ω（Ni）、ω（Cu）和ω（Zn）平均值分别为0.06、0.03、0.22、0.08、0.49、0.20、1.18和12.88 mg·kg-1（表 2）. 鉴于食品安全国家标准（GB 2762-2017）未明确限定水稻中Ni、Zn和Cu的含量标准，因此本文仅对水稻Hg、Cd、As、Pb和Cr含量进行污染评价. 由表 2可知，水稻重金属Hg、Cd、As、Pb和Cr的超标率分别为86.29%、6.09%、50.25%、5.08%和9.14%. 籽粒重金属超标的原因与土壤不同，籽粒对重金属的富集不仅与土壤重金属含量有关，还与水稻品种、土壤理化性质、周边矿物开采或污水灌溉等因素相关[27].
综合对水稻籽粒中重金属的变异系数分析发现，水稻籽粒中Hg、Cd、As、Pb和Cr的变异系数大小表现为：Cd（219.14%） > Pb（193.15%） > As（98.77%） > Hg（93.21%） > Cr（76.49%），且均表现为强变异，这表明研究区作物重金属含量受到显著的外源干扰.
根据公式（1）和公式（2）计算Pi和PN，评价结果如图 3（a）所示. PN平均值为2.30，研究区水稻籽粒样品中存在着未污染、尚未污染、轻度污染、中度污染和重度污染这5个等级，分别占10.15%、8.12%、36.40%、27.92%和17.77%. Pi分级占比结果显示[图 3（b）]，水稻籽粒存在不同程度的重金属污染，其中Hg污染最为严重. 水稻籽粒中Hg未污染、尚未污染、轻度污染、中度污染和重度污染占比分别为9.64%、4.06%、25.89%、22.84%和37.56%，轻度污染及以上占比达86.29%；水稻籽粒中As污染等级分布为：轻度污染、中度污染和重度污染占比分别为46.70%、1.02%和2.54%. 综上所述，研究区采集的水稻籽粒样品中Hg污染极为严重，这可能与水稻对Hg的富集能力较强有关，需要采取相应的修复措施以降低水稻对Hg的富集[28].
|
图 3 水稻重金属内梅罗污染指数及分级占比 Fig. 3 Pollution index and classification proportion of heavy metal Nemero in rice |
土壤-农作物系统综合质量影响指数法（IICQ）是综合考量土壤环境质量标准、土壤背景值以及农产品限量标准等参数，能够更全面地反映研究区土壤污染状况[29]. 如图 4所示，研究区土壤综合质量指数（IICQS）表明，清洁、轻微污染、轻度污染、中度污染和重度污染的点位占比分别为29.44%、28.93%、8.12%、15.23%和18.27%，其中清洁和轻微污染的区域占比相对较高；水稻综合质量指数（IICQAP）显示处于轻微污染点位占比约为68.53%，远高于其他4种污染等级. IICQ结果显示，清洁、轻微污染、轻度污染、中度污染和重度污染的点位占比分别为6.09%、13.20%、11.17%、16.75%和52.79%，整体以重度污染为主.
|
图 4 土壤-水稻综合质量影响指数评价及污染占比 Fig. 4 Evaluation of soil-rice comprehensive quality influence index and pollution proportion |
综上，研究区总体污染状况以重度污染为主，且轻微、轻度和重度污染较为平均，在评价为中度和重度污染的土壤中，农作物不超标的占比仅为2.61%，这表明研究区水稻籽粒对重金属的富集能力较弱. 相比之下，采用内梅罗指数法评价为中度和重度污染的土壤中，农作物不超标的占比为25%，以农产品超标情况为判断依据时，表明内梅罗指数法具有局限性[30，31]. 两种方法对比发现，综合质量影响指数法显著提高了评价的准确率，这与杨赵等[30]的研究结果相似.
2.2 研究区域土壤和水稻健康风险评价 2.2.1 土壤重金属健康风险评价根据非致癌健康评估模型及相关参数，土壤重金属非致癌健康风险指数（HI）结果如图 5（a）所示，成人和儿童在不同重金属和暴露途径下的HI值分别为0.17和0.99，均小于1，表明土壤中重金属对两类人群产生的非致癌风险较低. 研究区成人和儿童的非致癌风险排序均表现为：经口摄入 > 皮肤接触 > 呼吸吸入，表明经口摄入是主要的非致癌风险来源. 此外，两类人群的单项非致癌风险HQ从高到低排序为：As > Pb > Cr > Hg > Ni > Cu > Cd > Zn，其中As在两类人群的总非致癌风险贡献率加和均超过80%，分别为83.08%和83.19%，表明As是造成研究区非致癌风险的重要元素. 成人（2.38×10-5）和儿童（3.42×10-5）的TCR均处于10-6~10-4范围内[图 5（b）]，表明研究区农田土壤中重金属可能对不同人群产生潜在的致癌风险[19]. 从暴露途径角度出发，两类人群的致癌风险排序为：经口摄入 > 皮肤接触 > 呼吸摄入，经口摄入是造成不同人群的主要致癌风险. 此外，两类人群的单一重金属CR由大到小依次为：As > Cd > Cr > Ni，其中As是主要的致癌风险贡献元素，分别占成人和儿童TCR的92.41%和92.52%.
|
图 5 土壤中重金属不同暴露途径非致癌风险指数和致癌风险指数 Fig. 5 Non-carcinogenic risk index and carcinogenic risk index of heavy metals in soil by different exposure pathways |
考虑到参数的不确定性，采用蒙特卡洛模型进行人体健康风险的不确定性分析，为了更加准确反映健康风险[32]. 通过对10 000次模拟得出的结果进行分析，本研究可以看到成人和儿童面临的风险情况. 从成人和儿童的非致癌风险累计概率可以看出，儿童可能面临更高的健康风险. 具体来说，通过图 6（a）可知，成人的平均HI模拟值为0.17，且所有的模拟值都小于1，这说明成人在非致癌风险方面并不明显. 然而，儿童的平均HI模拟值为0.98，而其中有39.29%的模拟值超过了1，这表明儿童面临着更高的非致癌风险. 至于致癌风险方面，通过图 6（b）可以看出，成人和儿童都存在一定的致癌风险. 成人的平均TCR模拟值为2.4×10-5，而儿童的平均值为3.4×10-5，其中99.86%的模拟值处于10-6~10-4之间，呈现出一定的致癌风险. 特别需要关注的是，有0.14%的模拟值超过了10-4，这表明儿童面临的致癌风险较高. 因此，研究表明在研究区域，儿童受到土壤中Hg、Cd、As、Pb、Cr、Ni、Cu和Zn的非致癌风险的影响更为明显，而Cd、As、Cr和Ni对成人和儿童的致癌风险也非常值得重视. 通过蒙特卡洛模型分析，本研究可以更全面地了解土壤中重金属污染对人体健康的影响，为制定相应的防范措施提供科学依据.
|
5%表示5%的置信区间，95%表示95%的置信区间 图 6 成人和儿童HI和TCR累计概率 Fig. 6 Cumulative probability of HI and TCR for adults and children |
水稻籽粒中重金属在经口摄入途径下成人和儿童的非致癌风险如图 7（a）所示. 成人HI（1.23） < 儿童HI（8.88），表明儿童对环境污染物的敏感性更强. 此外，HI > 1，表明经口摄入水稻籽粒会遭受严重的非致癌健康风险威胁. 其中，As和Hg对成人造成的HQ分别为3.69和1.02，均 > 1，占HI的59.23%和16.37%；As、Hg和Cr对儿童造成的HQ分别为5.26、1.46和1.17，占HI的59.23%、16.37%和13.8%. 其中，As对成人和儿童的HQ大于1且远高于其他元素，表明As是导致非致癌风险的重要元素.
|
图 7 农作物中重金属经口摄入途径下的非致癌风险指数和致癌风险指数 Fig. 7 Non-carcinogenic risk index and carcinogenic risk index under oral heavy metal ingestion pathway in crops |
水稻籽粒中重金属经口摄入下成人和儿童的致癌风险如图 7（b）所示. 成人和儿童TCR分别为9.94×10-4和3.54×10-4，成人受到的致癌风险高于儿童，由于TCR≥10-4，表明经口摄入水稻籽粒对成人和儿童可能产生显著致癌风险. 经口摄入水稻籽粒对成人造成的CR排序为：As（5.69×10-4） > Cr（4.24×10-4） > Pb（8.76×10-7） > Cd（2.39×10-7）；经口摄入水稻籽粒对儿童造成的CR排序为：As（2.03×10-4） > Cr（1.51×10-4） > Pb（3.12×10-7） > Cd（8.50×10-8）. 其中As和Cr对成人和儿童的CR≥10-4，且远高于其他元素. 综上所述，研究区水稻籽粒对当地居民造成显著的非致癌风险和致癌风险. 在不同重金属中，水稻籽粒中As和Hg是引起当地居民非致癌风险的主要元素，As和Cr是引起居民致癌风险的主要元素，其中As的贡献率最大[33].
2.3 研究区域水稻籽粒重金属含量预测在采用模型预测之前，先利用Mantel test分析了影响稻米重金属积累的主要因素. 由图 8可以看出除水稻中Cr与土壤pH等理化性质有较强的相关性外，水稻中重金属与土壤中重金属总量、有效态含量和理化性质之间没有显著相关性. 因此，选用土壤pH和EC等理化性质、土壤重金属总量和土壤重金属有效态含量作为特征变量构建随机森林模型（RF）对水稻的重金属含量进行预测（图 9）. 结果显示，RF模型对Hg（R2=0.43，RMSE=0.033 mg·kg-1）的预测效果明显优于对Cd（R2=0.16，RMSE=0.067 mg·kg-1）、As（R2=0.14，RMSE=0.10 mg·kg-1）和Pb（R2=0.006，RMSE=0.26 mg·kg-1）的预测效果.
|
*表示P < 0.05，**表示P < 0.01 图 8 特征变量对稻米重金属含量的影响差异 Fig. 8 Effects of characteristic variables on heavy metal content in rice |
|
图 9 随机森林模型对稻米重金属积累的实测值与预测值 Fig. 9 Measured and predicted values of heavy metal accumulation in rice by random forest model |
此外，本研究使用测试集分析模型18个输入特征的重要性. 采用重要性分析评价各输入特征对RF预测不同重金属积累的影响，结果如图 10所示，预测Hg时，12个特征为重要特征，其中DTPA-Hg、pH、Hg和Zn影响最大，分别为44.67%、29.63%、26.97%和26.61%；预测Cd时，10个特征为重要特征，其中As、Pb、EC和Cd影响最大，分别为44.46%、39.29%、24.09%和21.73%；预测As时，11个特征为重要特征，其中pH、DTPA-Hg和Hg影响最大，分别为31.25%、18.52%和19.96%；预测Pb时，6个特征为重要特征，其中Hg和Zn影响最大，分别为38.89%和19.44%. 本研究中土壤中重金属总量对预测Hg、Cd和Pb影响最明显，分别占45.9%、64.4%和65.5%；土壤中重金属有效态对As影响最明显，占40.4%.
|
图 10 特征变量对预测稻米重金属积累模型的重要性 Fig. 10 Importance of characteristic variables in predicting heavy metal accumulation models in rice |
水稻对重金属的平均富集系数大小如表 3所示，分别为：Zn（0.400） > Hg（0.110） > Cd（0.073） > Cu（0.064） > Cr（0.038） > As（0.009） > Ni（0.006） > Pb（0.003），其中水稻对土壤中重金属Zn、Hg、Cd和Cu的富集系数较高，说明以上重金属元素在土壤中的生物有效性较强，易被水稻富集[34]. Zn和Cu作为作物生长所需要的营养元素，作物对其需求量较大，因而富集能力较强[35，36]；在土壤中，Cd主要以离子交换态的形式存在，其迁移能力强，故水稻对Cd的富集系数较大[37]；Cr、Ni、As和Pb在土壤中多以残渣态形式存在[38，39]，因此水稻对以上重金属元素富集系数较低；此外，水稻对Hg的富集系数较大，这与多项研究结果差异较大[11，40]. 这可能因为研究区域内采集的稻米Hg含量分布差异较大，部分样点水稻Hg含量过高导致富集系数平均值变大.
|
|
表 3 土壤-水稻系统中水稻籽粒对重金属富集系数 Table 3 Heavy metal enrichment coefficient in paddy soil-rice system |
土壤重金属安全阈值是一个界定土壤是否安全的数值，当重金属含量超过这个值，土壤即受到污染，反之则土壤安全[41]. 不同pH范围的SSD曲线见图 11，可计算保护95%水稻籽粒安全的阈值HC5. 鉴于pH对土壤中重金属的重要影响，本文依照《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618—2018）对研究区土壤pH划分区间[24]，把研究区水稻划分为3类pH > 7.5（82组）、6.5 < pH≤7.5（63组）和5.5 < pH≤6.5（51组），水稻土壤中pH < 5.5的样品仅1组，故不进行统计，结果根据表 4和图 11所示，拟合系数R2均在0.955以上.
|
图 11 3种pH范围的稻田中稻米重金属SSD全量曲线 Fig. 11 Full amount curve of heavy metal SSD in rice in three pH ranges |
|
|
表 4 研究区保护95%稻米安全临界值 Table 4 Safe critical value of 95% rice protection in the study area |
通过拟合得到稻田土壤Hg安全阈值分别为0.08（5.5 < pH≤6.5）、0.07（6.5 < pH≤7.5）和0.06 mg·kg-1（pH > 7.5），远低于现行农用地土壤污染风险筛选值，分别为筛选值的16.0%、11.7%和6.0%. 何雪等[41]通过对多种作物进行的田间试验结果表明，水稻对Hg的富集系数为0.075，土壤Hg在6.5 < pH≤7.5条件下安全阈值为0.08，与本研究结果极相似. 拟合计算出的土壤Cd安全阈值分别为1.13（5.5 < pH≤6.5）、0.99（6.5 < pH≤7.5）和1.89 mg·kg-1（pH > 7.5），均高于现行农用地土壤污染风险筛选值. 王东哲等[42]通过对辣椒进行田间试验，得出Cd阈值为1.00、1.26和2.50 mg·kg-1，与本研究阈值趋势相似. 拟合计算出的土壤As安全阈值分别为14.99（5.5 < pH≤6.5）、7.52（6.5 < pH≤7.5）和8.82 mg·kg-1（pH > 7.5），低于当前农用地土壤污染风险筛选值. 拟合计算出的土壤Pb安全阈值分别为22.23（5.5 < pH≤6.5）、29.17（6.5 < pH≤7.5）和17.90 mg·kg-1（pH > 7.5），远低于当前农用地土壤污染风险筛选值；拟合计算出的Cr安全阈值分别为12.99（5.5 < pH≤6.5）、11.93（6.5 < pH≤7.5）和10.79 mg·kg-1（pH > 7.5），低于现行农用地土壤污染风险筛选值（5.5 < pH≤6.5，250 mg·kg-1；6.5 < pH≤7.5，300 mg·kg-1；pH > 7.5，350 mg·kg-1）. 综上，土壤As、Pb和Cr的保护95%水稻安全阈值在3种pH条件下均低于现行农用地土壤污染风险筛选值，其中Pb和Cr远低于筛选值，这可能是研究区土壤As、Pb和Cr在土壤中赋存形态大多属于残渣态，富集系数过低所导致[38].
根据反推的安全阈值，当5.5 < pH≤6.5时，稻田土壤中Hg、Cd、As、Pb和Cr的点位超标率分别为100.00%、0.00%、94.12%、92.16%和58.82%；当6.5 < pH≤7.5时，稻田土壤中Hg、Cd、As、Pb和Cr的点位超标率分别为100.00%、0.00%、100.00%、57.14%和71.43%；在pH > 7.5条件下，稻田土壤中Hg、Cd、As、Pb和Cr的点位超标率分别为100.00%、1.22%、100.00%、97.56%和82.93%. 可见，基于保护研究区域95%种植水稻反推的土壤重金属安全阈值中除Cd外，其余重金属元素Hg、As、Pb和Cr均严格低于当前的农用地土壤污染风险筛选值.
3 结论（1）研究区域土壤和稻米重金属含量差异较大，土壤Hg、Cd和As超标率分别为48%、30%和53%，稻米Hg、Cd、As、Pb和Cr超标率分别为86.29%、6.09%、50.25%、5.08%和9.14%.
（2）单因子与内梅罗污染指数法评估结果表明，除Hg、Cd和As外，其他土壤重金属元素无污染风险，且稻米Hg污染最严重. 土壤-水稻综合质量指数法显示，研究区整体以重度污染为主，水稻主要表现为轻微污染.
（3）人体健康风险指数结果表明，土壤中重金属对儿童产生的致癌、非致癌风险均显著高于成人，且经口摄入是影响成人和儿童健康风险的主要途径；水稻籽粒中的重金属对儿童的非致癌风险高于成人，而对成人的致癌风险高于儿童.
（4）研究区土壤Hg、As、Pb和Cr的安全阈值均低于现行农用地土壤污染风险筛选值（GB 1568-2018），而Cd的安全阈值高于现行标准. 随机森林（RF）模型在预测Hg时表现最佳（R2=0.43，RMSE=0.033 mg·kg-1），特征重要性表明，土壤中重金属总量是影响Hg、Cd和Pb的关键因素.
| [1] |
张仁甫, 刘超琦, 张语馨, 等. 岩溶地质高背景区农田土壤重金属污染特征、风险评价与来源解析研究[J]. 环境科学学报, 2025, 45(2): 268-280. Zhang R F, Liu C Q, Zhang Y X, et al. Pollution characteristics, risk assessment and source analysis of heavy metal in agricultural soils of karst geological high background areas[J]. Acta Scientiae Circumstantiae, 2025, 45(2): 268-280. |
| [2] | Zhao Y F, Li D S, Xiao D F, et al. Co-exposure of heavy metals in rice and corn reveals a probabilistic health risk in Guizhou Province, China[J]. Food Chemistry: X, 2023, 20. DOI:10.1016/j.fochx.2023.101043 |
| [3] |
简槐良, 刘鸿雁, 梅雪, 等. 地质高背景区外源污染叠加条件下大白菜对Cd、Pb、Zn累积途径探究[J]. 环境科学, 2023, 44(8): 4448-4457. Jian H L, Liu H Y, Mei X, et al. Accumulation pathway of Cd, Pb, and Zn in Chinese cabbage under the condition of exogenous pollution superposition in high geological background area[J]. Environmental Science, 2023, 44(8): 4448-4457. |
| [4] |
张语馨, 孙约兵, 张仁甫, 等. 汞污染对土壤有机碳稳定性和固碳功能微生物群落的影响[J]. 环境科学, 2024, 45(12): 7358-7367. Zhang Y X, Sun Y B, Zhang R F, et al. Effects of mercury pollution on soil organic carbon stability and carbon-fixing microbial communities[J]. Environmental Science, 2024, 45(12): 7358-7367. |
| [5] | Zhao F J, Ma Y B, Zhu Y G, et al. Soil contamination in China: current status and mitigation strategies[J]. Environmental Science & Technology, 2015, 49(2): 750-759. |
| [6] |
朱丹尼, 邹胜章, 周长松, 等. 不同耕作类型下土壤-农作物系统中汞、砷含量与生态健康风险评价[J]. 中国地质, 2021, 48(3): 708-720. Zhu D N, Zou S Z, Zhou C S, et al. Hg and As contents of soil-crop system in different tillage types and ecological health risk assessment[J]. Geology in China, 2021, 48(3): 708-720. |
| [7] |
阮玉龙, 李向东, 黎廷宇, 等. 喀斯特地区农田土壤重金属污染及其对人体健康的危害[J]. 地球与环境, 2015, 43(1): 92-97. Ruan Y L, Li X D, Li T Y, et al. Heavy metal pollution in agricultural soils of the Karst areas and its harm to human health[J]. Earth and Environment, 2015, 43(1): 92-97. |
| [8] |
陈凤, 董泽琴, 王程程, 等. 锌冶炼区耕地土壤和农作物重金属污染状况及风险评价[J]. 环境科学, 2017, 38(10): 4360-4369. Chen F, Dong Z Q, Wang C C, et al. Heavy metal contamination of soils and crops near a zinc smelter[J]. Environmental Science, 2017, 38(10): 4360-4369. |
| [9] |
李敏敏, 魏恒, 于泓, 等. 石林县地质高背景区基于辣椒安全生产的土壤Cd风险阈值探究[J]. 地球与环境, 2025, 53(4): 537-545. Li M M, Wei H, Yu H, et al. Exploration of the soil cadmium thresholds for safe pepper production in the high geochemical background area of Shilin County[J]. Earth and Environment, 2025, 53(4): 537-545. |
| [10] |
胡鹏杰, 詹娟, 刘娟, 等. 土壤重金属地质高背景成因、风险与管控研究进展[J]. 土壤学报, 2023, 60(5): 1363-1377. Hu P J, Zhan J, Liu J, et al. Research progress on the causes, risks, and control of high geological background of heavy metals in soils[J]. Acta Pedologica Sinica, 2023, 60(5): 1363-1377. |
| [11] |
冀宏伟, 徐晓航, 许志东, 等. 贵州省岩溶地质高背景地区稻田土壤-水稻系统重金属污染及健康风险评价[J]. 生态学杂志, 2025, 44(1): 185-195. Ji H W, Xu X H, Xu Z D, et al. Heavy metal pollution and health risk assessment of paddy soil-rice system in Guizhou Karst geological high background area[J]. Chinese Journal of Ecology, 2025, 44(1): 185-195. |
| [12] |
张迪, 周明忠, 杨善进, 等. 贵州遵义下寒武统黑色页岩区土壤重金属综合污染评价及来源分析[J]. 贵州师范大学学报(自然科学版), 2025, 43(2): 68-76. Zhang D, Zhou M Z, Yang S J, et al. Assessment and source analysis of heavy metal comprehensive pollution in soils in the Lower Cambrian black shale area, Zunyi, Guizhou Province[J]. Journal of Guizhou Normal University (Natural Sciences), 2025, 43(2): 68-76. |
| [13] |
薛强, 赵元艺, 张佳文, 等. 基于农作物食用安全的土壤重金属风险阈值[J]. 地质通报, 2014, 33(8): 1132-1139. Xue Q, Zhao Y Y, Zhang J W, et al. The risk threshold value method of soil heavy metals based on crop safety[J]. Geological Bulletin of China, 2014, 33(8): 1132-1139. |
| [14] |
黄春阳, 黄娟, 钟晓宇, 等. 广西典型岩溶地区农田土壤重金属生态风险阈值研究——以Cd为例[J]. 中国岩溶, 2025, 44(1): 79-88. Huang C Y, Huang J, Zhong X Y, et al. Study on ecological risk threshold of farmland soil in typical karst regions of Guangxi: a case study of Cadmium[J]. Carsologica Sinica, 2025, 44(1): 79-88. |
| [15] |
余飞, 张风雷, 周皎, 等. 矿区周边耕地土壤-农作物系统重金属富集特征及风险评价[J]. 环境科学, 2025, 46(11): 7385-7394. Yu F, Zhang F L, Zhou J, et al. Enrichment characteristics and risk assessment of heavy metal in soil-crop system of cultivated land around mining area[J]. Environmental Science, 2025, 46(11): 7385-7394. |
| [16] |
王玉军, 刘存, 周东美, 等. 一种农田土壤重金属影响评价的新方法: 土壤和农产品综合质量指数法[J]. 农业环境科学学报, 2016, 35(7): 1225-1232. Wang Y J, Liu C, Zhou D M, et al. A new approach for evaluating soil heavy metal impact: a comprehensive index combined soil environmental quality and agricultural products quality[J]. Journal of Agro-Environment Science, 2016, 35(7): 1225-1232. |
| [17] |
李兆谊, 赵晗, 李伟, 等. 广西不同成土母质区土壤-作物重金属污染评价及管控建议[J]. 环境科学, 2024, 45(9): 5517-5525. Li Z Y, Zhao H, Li W, et al. Pollution evaluation and risk control suggestion of heavy metals in soil-crop system in different soil parent material areas of Guangxi[J]. Environmental Science, 2024, 45(9): 5517-5525. |
| [18] | Hickey G L, Craig P S. Competing statistical methods for the fitting of normal species sensitivity distributions: recommendations for practitioners[J]. Risk Analysis, 2012, 32(7): 1232-1243. DOI:10.1111/j.1539-6924.2011.01728.x |
| [19] | Bonanno G, Raccuia S A. Seagrass Halophila stipulacea: capacity of accumulation and biomonitoring of trace elements[J]. Science of the Total Environment, 2018, 633: 257-263. DOI:10.1016/j.scitotenv.2018.03.196 |
| [20] |
马杰, 王胜蓝, 秦启荧, 等. 基于源导向的锰矿尾矿库周边土壤重金属风险评估[J]. 环境科学, 2024, 45(12): 7166-7176. Ma J, Wang S L, Qin Q Y, et al. Risk assessment of heavy metals in soil surrounding manganese tailings pond based on source-oriented analysis[J]. Environmental Science, 2024, 45(12): 7166-7176. |
| [21] |
穆德苗, 孙约兵. 西南地质高背景区蔬菜Pb的安全生产阈值与土地质量类别划分[J]. 环境科学, 2022, 43(2): 965-974. Mu D M, Sun Y B. Safety production threshold and land quality classification of vegetable Pb in high geological background area of Southwest China[J]. Environmental Science, 2022, 43(2): 965-974. |
| [22] |
窦韦强, 安毅, 秦莉, 等. 我国南方水稻产地镉环境质量类别划分技术[J]. 环境科学, 2020, 41(12): 5562-5570. Dou W Q, An Y, Qin L, et al. Technological classification of cadmium quality in the rice producing areas of South China[J]. Environmental Science, 2020, 41(12): 5562-5570. |
| [23] | GB 2762-2017, 食品安全国家标准 食品中污染物限量[S]. |
| [24] | 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]. |
| [25] |
周艳, 万金忠, 李群, 等. 铅锌矿区玉米中重金属污染特征及健康风险评价[J]. 环境科学, 2020, 41(10): 4733-4739. Zhou Y, Wan J Z, Li Q, et al. Heavy metal contamination and health risk assessment of corn grains from a Pb-Zn mining area[J]. Environmental Science, 2020, 41(10): 4733-4739. |
| [26] |
李军, 脱新颖, 马利邦, 等. 黄河流域渭河支流泾河(崆峒段)河流表层沉积物重金属溯源解析[J]. 湖泊科学, 2024, 36(6): 1782-1795. Li J, Tuo X Y, Ma L B, et al. Source apportionment for heavy metals in surface sediments of the Kongtong section of the Jing River, a Wei River tributary in the Yellow River Basin[J]. Journal of Lake Sciences, 2024, 36(6): 1782-1795. |
| [27] |
吕留彦, 陈祥娥, 陈武, 等. 黔西北土法炼锌集聚区重金属污染评价及范围界定[J]. 农业工程学报, 2024, 40(18): 228-239. Lyu L Y, Chen X E, Chen W, et al. Assessment of heavy metal pollution and scope definition in the indigenous zinc smelting agglomeration areas of northwest Guizhou Province of China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(18): 228-239. |
| [28] |
李文博, 廖启林, 范健, 等. 江苏太湖地区水稻全株Cd、Hg、Pb分布富集特征[J]. 农业环境科学学报, 2025, 44(2): 330-341. Li W B, Liao Q L, Fan J, et al. Distribution of Cd, Hg and Pb in some whole rice plants and its accumulating features in the Taihu Lake areas, Jiangsu[J]. Journal of Agro-Environment Science, 2025, 44(2): 330-341. |
| [29] |
蔡立梅, 王秋爽, 罗杰, 等. 湖北大冶铜绿山矿区蔬菜重金属污染特征及健康风险研究[J]. 长江流域资源与环境, 2018, 27(4): 873-881. Cai L M, Wang Q S, Luo J, et al. Contamination characteristics and health risk for heavy metals via consumption of vegetables grown in regions affected by Tonglvshan Mine in Hubei, China[J]. Resources and Environment in the Yangtze Basin, 2018, 27(4): 873-881. |
| [30] |
杨赵, 和丽萍. 基于土壤和农产品综合质量指数法的区域农田土壤环境质量评价[J]. 环境科学导刊, 2021, 40(4): 84-88. Yang Z, He L P. Regional soil environment quality assessment based on a comprehensive index combined soil environmental quality and agricultural products quality[J]. Environmental Science Survey, 2021, 40(4): 84-88. |
| [31] |
郭笑笑, 刘丛强, 朱兆洲, 等. 土壤重金属污染评价方法[J]. 生态学杂志, 2011, 30(5): 889-896. Guo X X, Liu C Q, Zhu Z Z, et al. Evaluation methods for soil heavy metals contamination: a review[J]. Chinese Journal of Ecology, 2011, 30(5): 889-896. |
| [32] |
张秀秀, 朱昌达, 王飞, 等. 南京城郊不同土地利用类型农业土壤多环芳烃污染特征及风险评价[J]. 环境科学, 2023, 44(2): 944-953. Zhang X X, Zhu C D, Wang F, et al. Pollution characteristics and risk assessment of polycyclic aromatic hydrocarbons in agricultural soils of different land use types in Nanjing suburbs[J]. Environmental Science, 2023, 44(2): 944-953. |
| [33] |
胡芬, 姜烈, 陈巧红, 等. 赣西某煤矿集中区土壤重金属污染特征、来源解析与健康风险评价[J]. 环境科学, 2025, 46(8): 5237-5248. Hu F, Jiang L, Chen Q H, et al. Pollution characteristics, source analysis, and health risk assessment of heavy metals of soil in a certain coal mining area of Western Jiangxi Province[J]. Environmental Science, 2025, 46(8): 5237-5248. |
| [34] | Li T T, Zhou H R, Zhang J H, et al. Effects of silkworm excrement and water management on the accumulation of Cd and As in different varieties of rice and an assessment of their health risk[J]. Ecotoxicology and Environmental Safety, 2021, 228. DOI:10.1016/j.ecoenv.2021.112974 |
| [35] |
谢园君, 甄国强, 高卫虎, 等. 高海拔区旱地春油菜组织器官重金属迁移特征[J]. 食品安全质量检测学报, 2024, 15(14): 74-83. Xie Y J, Zhen G Q, Gao W H, et al. Characteristics of heavy metal transport in tissues and organs of spring Brassica napus L. in nonirrigated land[J]. Journal of Food Safety and Quality, 2024, 15(14): 74-83. |
| [36] |
林承奇, 蔡宇豪, 胡恭任, 等. 闽西南土壤-水稻系统重金属生物可给性及健康风险[J]. 环境科学, 2021, 42(1): 359-367. Lin C Q, Cai Y H, Hu G R, et al. Bioaccessibility and health risks of the heavy metals in soil-rice system of southwest Fujian Province[J]. Environmental Science, 2021, 42(1): 359-367. |
| [37] |
王菲, 费敏, 韩冬锐, 等. 山东省典型污灌区土壤-小麦重金属健康风险评估[J]. 环境科学, 2023, 44(6): 3609-3618. Wang F, Fei M, Han D R, et al. Health risk assessment of heavy metals in soil and wheat grain in the typical sewage irrigated area of Shandong Province[J]. Environmental Science, 2023, 44(6): 3609-3618. |
| [38] |
吴松泽, 王冬艳, 李文博, 等. 农产品视角的城郊黑土地农田重金属风险分区[J]. 环境科学, 2022, 43(1): 454-462. Wu S Z, Wang D Y, Li W B, et al. Risk zoning of heavy metals in a peri-urban area in the black soil farmland based on agricultural products[J]. Environmental Science, 2022, 43(1): 454-462. |
| [39] |
马宏宏, 彭敏, 刘飞, 等. 广西典型碳酸盐岩区农田土壤-作物系统重金属生物有效性及迁移富集特征[J]. 环境科学, 2020, 41(1): 449-459. Ma H H, Peng M, Liu F, et al. Bioavailability, translocation, and accumulation characteristic of heavy metals in a soil-crop system from a typical carbonate rock area in Guangxi, China[J]. Environmental Science, 2020, 41(1): 449-459. |
| [40] |
陈碧珊, 郑康慧, 王璟, 等. 雷州半岛土壤-农作物汞元素含量特征与健康风险分析[J]. 生态环境学报, 2022, 31(3): 572-582. Chen B S, Zheng K H, Wang J, et al. Content characteristics and health risk analysis of mercury in soil-crop system in Leizhou Peninsula[J]. Ecology and Environmental Sciences, 2022, 31(3): 572-582. |
| [41] |
何雪, 刘克, 陆引罡. 基于农作物富集系数的土壤重金属安全阈值研究及环境风险评价[J]. 西南大学学报(自然科学版), 2022, 44(8): 146-157. He X, Liu K, Lu Y G. Study on safety threshold and environmental risk assessment of soil heavy metal based on crop enrichment factor[J]. Journal of Southwest University (Natural Science Edition), 2022, 44(8): 146-157. |
| [42] |
王东哲, 宋静, 黄贝童, 等. 西南地质高背景区土壤镉释放动力学及辣椒安全阈值研究[J]. 农业环境科学学报, 2024, 43(11): 2506-2515. Wang D Z, Song J, Huang B T, et al. Kinetics of soil cadmium release and the safe threshold for pepper in a typical area with a high geological background in southwest China[J]. Journal of Agro-Environment Science, 2024, 43(11): 2506-2515. |