2. 中国科学院大学, 北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049
土壤是人类赖以生存的基本要素和重要资源, 是全球陆地生态系统的重要组成部分(陈晶中等, 2003).随着现代化工业和农业的发展, 大量污染物进入土壤, 引起土壤结构和功能的改变甚至恶化(Cui et al., 2015;Liang et al., 2017).其中, 土壤重金属污染因具有多元性、积蓄性及污染后难以恢复和治理的特点引起了人们的广泛关注(Aelion et al., 2008;Liang et al., 2017).土壤中的重金属来源主要有两个:一是成土母质, 二是人类活动.成土母质即土壤重金属的自然来源, 是岩石或沉积物经过风化及成土作用形成的土壤矿物骨架(李苹等, 2018).人为来源的重金属主要来自工农业生产过程中的工业废气、工业废料、化学燃料燃烧、肥料、农药施用、污水灌溉及汽车尾气排放、大气沉降等过程(张小敏等, 2014;Meng et al., 2016;Ke et al., 2017).过去50年中, 大约有2.2×104 t Cr、9.39×105 t Cu、7.83×105 t Pb和1.35×106 t Zn排入到全球环境中, 其中绝大部分进入了土壤, 引起土壤重金属污染(Singh et al., 2003).重金属污染不仅能够引起土壤质量下降, 更为重要的是, 重金属还可以通过食物链逐级富集进而直接对人类健康产生危害(Liu et al., 2013;Ma et al., 2018).
环渤海地区指包括渤海在内的环绕着渤海全部及黄海部分沿岸地区所组成的广大经济区域, 是我国最具综合优势和发展潜力的经济增长区之一, 加快环渤海地区的合作发展, 是推动落实“一带一路”、京津冀协同发展重大国家战略和深入实施区域发展总体战略的重要举措(中国政府网, 2015).然而, 随着该地区工、农业生产的迅速发展和新型产业的崛起, 其环境问题也日益突显.其中, 由工业和农业快速发展带来的土壤重金属污染是其中关系到该地区工农业可持续发展的重大问题.
目前, 针对环渤海地区范围内的重金属污染研究已有丰富的案例, 例如, Huo等(2010)研究了农业活动对土壤重金属的影响, 在北京周边采集了385个土壤样品并评估了北京地区农田土壤重金属的污染状况; 李晓秀等(2006)采集了北京郊县有代表性的45处基本农田土壤样品, 评估分析了北京地区农田保护区的土壤污染状况; 蔡燕子等(2018)在山东黄河三角洲自然保护区现行黄河入海口的实验区内采集了90个耕层土壤样品并分析了土壤重金属含量, 以此评估黄河三角洲土壤重金属污染风险; 茹淑华等(2018)为了解河北省典型蔬菜产地重金属污染特征和土壤环境质量现状, 采集了河北典型蔬菜产区的149个耕层样品, 分析并评估了该地区蔬菜种植带来的重金属污染风险; Yu等(2016)采集了560个农田土壤样品并分析评估了山东莱芜地区的土壤污染状况, 以期为土壤环境调控及修复提供理论基础; Lu等(2012)为了评估北京地区农田土壤重金属的污染状况, 在北京顺义地区采集了412个农田耕层土壤, 分析其重金属含量并进行风险评估.这些研究均以小尺度地域为研究范围, 缺乏将环渤海地区作为一个整体的重金属污染研究.近年来, 我国虽然也进行了全国土壤污染普查工作, 但由于种种原因, 土壤重金属污染的调查信息并未公布(宋伟等, 2013).因此, 环渤海地区作为一个整体的土壤重金属状况研究目前仍属空白.
为了在区域尺度上把握土壤重金属的污染状态, 本研究采用整合分析的方法, 收集环渤海地区近30年发表的经同行评议的文献数据, 集成为环渤海地区土壤重金属数据集并对数据进行再分析.采用国家《土壤环境质量标准》(GB-15618—2018试行)中的农用地土壤污染风险筛选值, 结合内梅罗综合污染指数及生态风险评价等方法评估该地区重金属的富集状况.同时, 利用多元统计分析及空间分析等方法, 研究土壤重金属的空间分布特征并对重金属的可能来源进行分析, 以期为环渤海地区土壤重金属风险预警及生态环境质量的监控提供科学依据.
2 材料与方法(Materials and methods) 2.1 研究区域及数据来源环渤海地区位于我国华北、东北、西北三大区域结合部, 行政上包括北京、天津两市及河北、辽宁、山东三省.陆域面积112万km2, 2014年末常住人口3.14亿人, 地区生产总值18.5万亿元, 分别占全国的11.7%、23%和27%(中国政府网, 2015).目前, 环渤海地区作为一个整体, 有关其土壤重金属富集状况的研究还比较缺乏, 但已有许多位于该区域的调查研究、相关数据和结果已在国内外发表.通过对这些土壤重金属污染案例数据的检索和收集, 构建耕地土壤重金属污染数据库, 可以在一定程度上反映我国环渤海地区的土壤重金属污染状况.
相关文献检索的原则是:①重金属污染案例以区域为主, 在该区域内多点取样, 分析重金属元素含量, 避免金属矿场、试验样地等小尺度土壤重金属污染案例文献; ②数据采集点为农田或耕地, 具有较多采样点, 避免样点过少、代表性不足的文献; ③土壤重金属样品采集年份较新(主要为2000年以后), 不同区域具有可比性; ④文献能够提供耕地土壤重金属的原始数值, 且尽可能包含土壤的其它理化性状, 如pH、有机质等与土壤重金属含量相关的内容.基于以上几点, 在Web of Science、CNKI、维普、学位论文等数据库中通过对2000多篇文献进行检索、分析, 最终建立了包含土壤重金属数值、种类、时间、地点、植被、土地利用类型、土壤理化性状等在内的环渤海地区土壤重金属污染数据库.最终选择158篇文献中的185个典型区域的土壤案例(位置见图 1)进行研究.
从筛选出的符合标准的文献资料中提取以下相关数据:①发表文章/研究论文的作者、标题、出版年份; ②研究区域位置(包括经度和纬度)、采样点数量、研究区域面积(若研究中没有明确指出研究区域的面积, 可以用研究区域所在的行政区域面积进行估算); ③研究区域的土壤类型及植被, 该区域内主要土壤类型包括褐土、潮褐土、潮土、棕壤等, 植被主要为大田作物(包括水稻、玉米、小麦)、林地、菜田等; ④采集土层深度及采样时间; ⑤土壤基础理化性质, 如pH、有机质等, 以及8种土壤重金属的含量平均值、标准差及样本量.
2.2 研究方法计算环渤海地区土壤重金属含量时, 采用整合分析中的合并效应量作为重金属含量的平均值.由于实际选择的文献案例中, 采样点数及所代表的地域面积大小有差异, 其代表性及对环渤海地区土壤重金属含量平均值的贡献率不同, 不能以算术平均值来代表该地区的平均值.因此, 本研究参考黄颖(2018)的计算方法, 将各案例的采样点数、所代表的研究区域面积及标准差考虑在内, 综合计算权重(Wi)进而计算加权平均值(C)代替算术平均值, 具体计算公式如下:
(1) |
(2) |
式中, Ai和Ni分别代表每个研究中研究区域面积大小和采样点的数量, Si为每个元素的方差, Ci为重金属的含量.
在应用整合分析计算合并效应时, 需检验数据是否服从正态分布.由SPSS 19.0分析频率直方图可以得出, Pb、Cd、Hg为偏态分布, 说明收集到的数据中存在极值, 由此计算的加权平均值不能代表总体的平均水平.因此, 本研究将权重进行对数转换后引入加权平均值进行计算, 计算公式如下:
(3) |
本研究采用内梅罗(Nemerow)综合污染指数法和潜在生态风险系数法对环渤海地区土壤重金属的富集程度进行评估.内梅罗综合污染指数可综合反映各项重金属对土壤环境的作用, 同时可以突出高浓度污染物对土壤环境的影响(郭笑笑等, 2011), 计算方法如下(Nemerow, 1974):
(4) |
(5) |
式中, Pi为土壤中某一重金属i的单项污染指数; Ci为重金属i的实测值(mg·kg-1); Bi为重金属i的评价标准(mg·kg-1), 本研究参照2018年8月1日起实施的《土壤环境质量·农用地土壤污染风险管控标准》(GB-15618—2018试行)中农用地土壤污染风险筛选值作为土壤污染的评价标准(Bi)(表 1).公式(5)中, I为土壤重金属内梅罗综合污染指数, Pimax为各土壤重金属单项污染指数的最大值, Piave为土壤重金属污染指数的平均值.
本研究以我国《土壤环境质量标准》(GB15618—2018)中的标准值作为标准, 根据内梅罗综合污染指数可将土壤环境质量分为5个等级, 具体见表 2(宋伟等, 2013;黄颖, 2018).
潜在风险系数评价方法由瑞典科学家Hakanson提出, 同时将重金属的毒性水平、不同重金属间的协同作用及生态环境对重金属的敏感性等因素考虑在内, 潜在生态风险系数(Ei)由以下公式计算(Hakanson, 1980):
(6) |
式中, Ti为土壤中某一重金属的毒性响应系数(Cu、Zn、Pb、Cd、Cr、Hg、As、Ni的毒性响应系数分别为5、1、5、30、2、40、10、5), Ci为土壤中重金属含量(mg·kg-1), C0为土壤重金属的背景值, 本研究选择国家环境监测中心发布的《中国土壤元素背景值》中相应重金属的背景值.潜在生态风险指数(RI)为单一潜在生态风险指数(Ei)的总和, RI由公式(7)计算.潜在生态风险系数(Ei)与潜在生态风险指数(RI)的分级标准见表 3.
除采用整合分析方法计算土壤重金属含量的平均值以外, 数据处理和统计分析使用Microsoft Excel 2010, 相关图表使用Sigmaplot 12.5绘制, 使用SPSS 19聚类分析(CA)及最大方差旋转法的主成分分析(PCA)对重金属的来源进行分析.采用ArcMap 10.4分析土壤中重金属含量的空间分布.
3 结果(Results) 3.1 环渤海地区土壤重金属含量由文献数据计算加权平均值来表示环渤海地区8种土壤重金属含量的平均值(表 4).收集到的8种土壤重金属中, Pb的案例数量最多, 为176个; Ni的案例数量最少, 为100个.从该地区8种重金属的含量来看, 与全国土壤背景值相比, Cu、Cd和Hg有不同程度的累积, 其中, Cd和Hg的累积量较大, 分别为土壤背景值的4.3倍和2.0倍, 是环渤海地区土壤背景值的4.7倍和2.7倍.Pb的含量高于环渤海地区土壤背景值, 但低于全国土壤景值.Zn、Cr、As和Ni 4种重金属的含量低于全国土壤背景值和环渤海地区土壤背景值.8种土壤重金属的含量与我国环境质量标准所规定的重金属含量相比, Cd的含量超过环境质量标准(0.3 mg·kg-1), 其它7种重金属的含量远小于我国环境质量标准规定的重金属含量.本研究在计算环渤海地区土壤重金属含量加权平均值的同时, 也将数据分成了普通耕地和位于工矿企业周边或污水灌溉的耕地, 以便分析产生变异的原因.由表 4可知, 与普通耕地重金属含量相比, 矿区或污灌土壤重金属含量均有不同程度的升高.其中, 矿区或污灌土壤的Cd含量是普通农田土壤的6倍, Hg含量是普通农田土壤的4倍.普通农田土壤与全国土壤背景值及环渤海地区土壤背景值相比则相差不大, 甚至低于全国土壤背景值及环渤海地区土壤背景值.
由本研究所搜集的有效研究数据, 绘制环渤海地区耕地土壤重金属含量的空间分布图(图 2).由图可知, 北京、天津两市及山东省的研究案例分布较多, 而河北省北部及东部、辽宁东南部地区案例分布较少.从不同重金属的分布来看, 8种土壤重金属按照是否超过我国环境质量标准中的农用地土壤污染风险筛选值, 可以分为两类.第一类包括Cu、Zn、Cr、Ni 4种重金属, 在整个研究区域的含量分布较为均匀, 即绝大部分案例处于中低水平, 有部分案例重金属处于累积状态但均未超过我国环境质量标准中的农用地土壤污染风险筛选值.而Pb、Cd、Hg、As 4种重金属的含量则两极分化明显, 处于较低水平和较高水平的案例均较多, 且除Hg外均有部分案例重金属含量超过我国环境质量标准的农用地土壤污染风险筛选值, 超标案例多集中于北京、天津两市及山东省的部分地区.从超过环境质量标准的比例来看, Cd超出环境质量标准的案例最多, 占所有案例的26.9%, Pb和As超出环境质量标准的案例较少, 分别为3.5%和3.1%.
环渤海地区土壤重金属污染等级划分如表 5所示.在185个研究案例中, 有22个案例的土壤重金属综合污染指数大于1, 存在土壤重金属污染的概率为11.9%.发生土壤重金属污染的案例约占所有研究案例的1/8, 低于目前常被学者和国土资源部门广泛引用的我国有近1/5的耕地受到重金属污染的结论(徐子成等, 2013).土壤属于清洁的比例最高, 占所有案例的74.6%, 其次为尚清洁的案例, 占所有案例的13.5%, 轻污染的案例占所有案例的9.7%, 处于中污染等级的案例占所有案例的2.2%, 没有达到重度污染的案例.虽然环渤海地区处于清洁的土壤占绝大部分, 但需要警惕的是仍有13.5%的土壤处于重金属污染警戒线(尚清洁)范围内, 这部分土壤如果没有进行重金属污染防控, 放任土壤重金属快速累积, 则很容易转化为轻污染状态.由内梅罗综合污染指数的空间分布情况来看(图 3), 轻度及中度污染的案例在北京、天津两市, 以及山东、河北、辽宁三省均有分布.
潜在生态风险系数及风险等级见表 6.环渤海地区土壤中Cu、Zn、Pb、Cr、As及Ni的潜在生态风险系数均小于40, 处于低风险状态.Cd和Hg的潜在生态风险系数平均值较高, 分别为78.53和64.52, 处于中等风险状态.由各重金属潜在生态风险系数之和所得各案例的潜在生态风险指数见图 4.按照潜在生态风险指数的分级标准, 环渤海地区大部分案例(70.3%)处于轻度生态风险状态, 另外, 25.9%的案例处于中度生态风险状态, 但也有少部分案例(3.7%)为强度生态风险.从空间分布来看, 在京津冀及山东、辽宁地区均有中度到强度生态风险的案例出现, 且京津地区更为集中.
将本研究中计算的环渤海地区土壤重金属含量与我国其它地区的土壤重金属含量研究结果及其它国家农田土壤重金属含量研究结果进行比较, 结果见表 7.本研究中环渤海地区土壤Cd含量为0.42 mg·kg-1, 宋伟等(2013)对全国138个农田土壤重金属含量研究得出, 全国农田土壤Cd含量为0.25 mg·kg-1; 黄颖(2018)通过整合分析方法计算全国368个农田土壤重金属案例, 得出全国土壤Cd含量为0.24 mg·kg-1.除Cd外, 本研究中其余7种重金属含量与其它研究相比差别不大, 也说明了本研究在计算环渤海地区土壤重金属含量时结果的可靠性.与我国其它地区土壤重金属含量相比, 环渤海地区土壤Cd含量也处于较高的水平, 说明环渤海地区Cd富集状况比较突出, 需要引起足够的重视进行调控或治理.环渤海地区土壤Hg也存在一定程度的富集, 本研究计算得出环渤海地区土壤Hg含量是我国土壤背景值的2倍, 是环渤海地区土壤背景值的2.7倍(表 4).本研究结果与欧美等地的研究结果相比, Cd、Hg含量略高于平均水平, 其它土壤重金属含量与欧美地区土壤重金属含量持平.
主成分分析及聚类分析是进行重金属来源分析的常用方法(Yu et al., 2016;Liu et al., 2017).土壤重金属主要来源于成土母质和人类活动, 通过主成分分析可有效判别重金属元素的来源(戴彬等, 2015).本研究对环渤海地区土壤重金属进行主成分分析, 所得特征值及贡献率计算结果见表 8.根据特征值大于1的原则, 可以提取3个主成分, 累积方差贡献率达82.1%.主成分1可解释总变量方差的23.4%, 主成分2占40.6%, 主成分3占18.0%.在同一主成分上具有较高载荷的重金属元素可能具有同源性.其中, Zn、Cr、Ni在主成分1上有较高的载荷, 这些元素的平均值小于各自的土壤背景值(表 4), 且在研究区域内分布均匀, 较好地服从正态分布, 因此, 判断Zn、Cr、Ni受人为活动影响较小, 主要受成土母质及地质活动的影响.一般来说, Cr、Ni是我国城市土壤污染程度最低的重金属(Lv et al., 2014).戴彬等(2015)研究了山东省典型工业城市土壤重金属的污染状况, 发现Cr、Ni在该研究区域的分布并未受到该区域内钢铁冶炼等工业因素的影响.吕建树等(2012)对日照市的研究表明, Zn、Cr、Ni来源于成土母质.另外, Facchinelli等(2001)的研究也有相似的结论(Liu et al., 2017;宁翠萍等, 2017).因此, 可以认为主成分1代表自然源.
元素Cu、Pb、Cd、Hg在主成分2上有较高的载荷, 这几种重金属元素的平均值均不同程度地超出各自的土壤背景值(表 4), 且在研究区域内均为偏态分布, 变异程度也较高, 因此, 判断这几种重金属在该研究区域内受人为影响较大, 并且可能受到不同人为源的影响.Cu经常作为畜禽饲料的添加剂用来防治疾病和促进生长, 但Cu并不能被动物完全消化利用, 因此, 在畜禽粪便中常常含有较高量的Cu(董占荣, 2006).当畜禽粪便作为有机肥施用到土壤中时, 也相应地增加了土壤中Cu的含量.煤炭燃烧和汽车尾气的排放是土壤中Pb的重要来源(吕建树等, 2012;戴彬等, 2015).Pb常被用来作为机动车污染的标志性元素, 如交通密集的地方土壤中Pb含量相对较高(李苹等, 2018).陆晓华等(1995)的研究也表明, 煤炭燃烧产生的粉煤灰中Pb含量可达139.4 mg·kg-1, 因此, 一些工业密集的地区往往会出现土壤Pb含量升高的现象.土壤中的Cd、Hg污染问题也受到研究者的普遍关注, 曾引发了著名的日本“痛痛病”事件和“水俣病”事件.Cd在土壤中的累积可来源于多方面, 如工业“三废”的排放(张倩等, 2015), 以及化肥和农药的施用(Han et al., 2007), 如Cd常常作为磷矿石中的杂质而存在于磷肥中, 并随着磷肥施入土壤中.矿石废料中也含有大量的Cd, 常引起矿区土壤中Cd的过度累积(孙宏飞等, 2010).另外, Cd和Hg在很多工业生产过程中被作为添加剂或催化剂, 如用于电池、荧光灯生产等.因此, 含Cd、Hg的工业产品, 如废旧电池当作普通垃圾填埋处理时也会导致这一类重金属的富集.人为排放的Hg主要来源于化石燃料的生产和消费, 如有色金属冶炼、钢铁和水泥的生产等(Qiu et al., 2006).含汞工业产品的生产过程中废气、废水的排放也是汞污染的主要来源, 如温度计、荧光灯等.由以上分析判断主成分2为以工业生产、农业活动及交通排放为代表的人为源.As在第3主成分上的载荷较高, 但As的平均值低于土壤元素背景值, 且在该研究区域内分布均匀, 分布频率服从正态分布, 因此, 认为主成分3也为自然源.
对8种重金属元素进行聚类分析, 通过分层聚类树状图可以直观地反映各土壤重金属之间同源关系的远近程度, 结果也验证了主成分分析的结果(图 5).根据聚类分析树形图可以将8种重金属分为3类, 其中, Cu、Zn、Pb、Cr和Ni为一类; As单独为一类, 但在树状图中轴距离Cu、Zn等较近; Cd和Hg为一类.
本研究采用内梅罗综合污染指数法、潜在生态风险指数法评价环渤海地区土壤重金属的富集状态.两种不同方法的评价结果中, 均有部分案例达到较高等级的污染状态, 如使用内梅罗评价方法时有2.2%的案例达到中等污染, 使用潜在生态风险指数方法时有25.9%的案例处于中度生态危害风险, 3.7%的案例为强度生态危害风险.由内梅罗综合污染指数及潜在生态危害风险指数的空间分布图中污染较严重的地区追溯造成重金属污染的原因时发现, 这些案例主要可以分为以下几类:①采矿厂周边农田土壤, 如辽宁省阜新市煤矿和金矿分布较多, 因此, 矿业密集区土壤重金属存在富集状况(李艳霞等, 2007);山东省平度市新河镇金矿周边农田土壤中重金属含量大大超过山东省土壤背景值, 如Cd、Pb含量分别高达3.1 mg·kg-1、215 mg·kg-1(陈璐等, 2018);②北京、天津、沈阳和石家庄等地的污灌区的污水灌溉土壤(Rothenberg et al., 2007;Gao et al., 2015), 如Meng等(2016)研究中使用污水灌溉38年的土壤中Cd含量为0.85 mg·kg-1, Hg含量为1.72 mg·kg-1; ③工业区周边农田土壤, 如山东省莱芜市有“钢铁煤都”之称, 其农田土壤中Cd、Hg、Pb、Zn存在明显的富集(Yu et al., 2016).因此, 结合重金属污染风险较高地区存在的实际情况, 选择不同的重金属污染防治措施, 才能防止重金属富集状况不断加剧.
本研究的数据来源于已经发表的文献, 而研究者在选择研究区域时, 势必选择更为典型、重金属污染明显的区域作为研究对象, 因此, 不可避免地使本研究计算的重金属含量在一定程度上高于实际状况.总体来看, 我国环渤海地区重金属污染比例低于目前被学者普遍引用的“我国约有1/5的耕地遭受重金属污染”这一状况, 但由于本研究所能收集到的案例在整个环渤海地区分配并不均匀, 部分地区案例集中, 另有部分地区案例较少, 因此, 本研究测算的土壤重含量数据及污染状况可能存在一定的偏差.
5 结论(Conclusions)1) 环渤海地区土壤Cu、Zn、Pb、Cd、Cr、Hg、As、Ni的含量分别为27.7、71.7、25.1、0.4、57.4、0.1、9.2、25.3 mg·kg-1.8种重金属中, Zn、Cr、As、Ni 4种重金属含量低于土壤背景值, Cu、Pb、Cd、Hg 4种重金属含量高于土壤背景值, 且Cd、Hg的累积量较大, 与研究区域内存在的工矿企业及污水灌溉农田有关.
2) 采用内梅罗综合指数法及潜在生态风险指数法评价环渤海地区土壤重金属的污染状况得出, 有11.9%的土壤已受到重金属污染, 另有13.5%的土壤处于重金属污染警戒线范围内, 如果没有得到有效的污染控制, 也存在转变为污染状态的风险.部分案例生态风险等级较高, 有25.9%的案例处于中度生态风险状态, 更有少部分案例(3.7%)为强度生态风险.
3) 应用主成分分析及聚类分析研究重金属的来源表明, 第一类元素包括Zn、Cr、Ni, 其平均值低于土壤元素背景值, 且服从正态分布, 说明这类元素受人类影响较小, 判断其来源为自然源; 第二类元素包括Cu、Pb、Cd、Hg, 其平均含量不同程度的高于土壤元素背景值, 且分布频率不服从正态分布, 变异系数较大, 结合研究区域的实际情况, 判断其主要来源为以工业生产、农业活动及交通排放为代表的人为源; 第三类元素为As, 因其平均值低于土壤元素背景值, 且其分布频率很好的服从正态分布, 因此, 认为As地主要来源也为自然源.
Aelion C M, Davis H T, Mcdermott S, et al. 2008. Metal concentrations in rural topsoil in South Carolina: potential for human health impact[J]. Science of the Total Environment, 402(2): 149–156.
|
Breward N. 2003. Heavy-metal contaminated soils associated with drained fenland in Lancashire, England, UK, revealed by BGS soil geochemical survey[J]. Applied Geochemistry, 18(11): 1663–1670.
DOI:10.1016/S0883-2927(03)00081-7
|
蔡燕子, 谢湉, 于淑玲, 等. 2018. 黄河三角洲农田土壤-作物系统重金属污染风险评估[J]. 北京师范大学学报(自然科学版), 2018, 54(1): 48–55.
|
陈晶中, 陈杰, 谢学俭, 等. 2003. 土壤污染及其环境效应[J]. 土壤, 2003, 35(4): 298–303.
DOI:10.3321/j.issn:0253-9829.2003.04.006 |
陈璐, 王凯荣, 王芳丽, 等. 2018. 平度市金矿区农田土壤-玉米系统重金属污染风险评价[J]. 农业资源与环境学报, 2018, 35(2): 161–166.
|
Cui X, Sun X L, Hu P J, et al. 2015. Concentrations of heavy metals in suburban horticultural soils and their uptake by artemisia selengensis[J]. Pedosphere, 25(6): 878–887.
DOI:10.1016/S1002-0160(15)30068-0
|
戴彬, 吕建树, 战金成, 等. 2015. 山东省典型工业城市土壤重金属来源、空间分布及潜在生态风险评价[J]. 环境科学, 2015, 36(2): 507–515.
|
董占荣.2006.猪粪中的重金属对菜园土壤和蔬菜重金属积累的影响[D].杭州: 浙江大学
http://cdmd.cnki.com.cn/Article/CDMD-10335-2006085292.htm |
Facchinelli A, Sacchi E, Mallen L. 2001. Multivariate statistical and GIS-based approach to identify heavy metal sources in soils[J]. Environmental Pollution, 114(3): 313–324.
DOI:10.1016/S0269-7491(00)00243-8
|
Gao R T, Liang Q, Zhang Y, et al.2015.Effects of long-term irrigation with water from wastewater receiving river on soil chemical and microbiological properties in Hebei, China[C].International Conference on Circuits and Systems.San Francisco, USA: 33-38
|
郭笑笑, 刘丛强, 朱兆洲, 等. 2011. 土壤重金属污染评价方法[J]. 生态学杂志, 2011, 30(5): 889–896.
|
Hakanson L. 1980. An ecological risk index for aquatic pollution control.a sedimentological approach[J]. Water Research, 14(8): 975–1001.
DOI:10.1016/0043-1354(80)90143-8
|
Han J L, Jin F S, Egashira K. 2007. Environmental impact assessment of tea garden soils by the heavy metal concentration in Shandong Province, China[J]. Journal of the Faculty of Agriculture, Kyushu University, 52(1): 135–139.
|
Holmgren G. 1993. Cadmium, lead, zinc, copper, and nickel in agricultural soils of the United States of America[J]. Journal of Environmental Quality, 22(2): 335–348.
|
Huo X N, Hong L, Dan F S, et al. 2010. Multi-scale spatial structure of heavy metals in agricultural soils in Beijing[J]. Environmental Monitoring and Assessment, 164(1/4): 605–616.
|
黄颖. 2018.不同尺度农田土壤重金属污染源解析研究[D].杭州: 浙江大学, 16-27
http://cdmd.cnki.com.cn/Article/CDMD-10335-1018206590.htm |
Ke X, Gui S F, Huang H, et al. 2017. Ecological risk assessment and source identification for heavy metals in surface sediment from the Liaohe River protected area, China[J]. Chemosphere, 175: 473–481.
DOI:10.1016/j.chemosphere.2017.02.029
|
李苹, 黄勇, 林赟, 等. 2018. 北京市怀柔区土壤重金属的分布特征、来源分析及风险评价[J]. 现代地质, 2018, 32(1): 86–94.
|
李晓秀, 陆安祥, 王纪华, 等. 2006. 北京地区基本农田土壤环境质量分析与评价[J]. 农业工程学报, 2006, 22(2): 60–63.
DOI:10.3321/j.issn:1002-6819.2006.02.014 |
李艳霞, 徐理超, 熊雄, 等. 2007. 典型矿业城市农田土壤重金属含量的空间结构特征—以辽宁省阜新市为例[J]. 环境科学学报, 2007, 27(4): 679–687.
DOI:10.3321/j.issn:0253-2468.2007.04.023 |
Li S Y, Jia Z M. 2018. Heavy metals in soils from a representative rapidly developing megacity(SW China): Levels, source identification and apportionment[J]. Catena, 163: 414–423.
DOI:10.1016/j.catena.2017.12.035
|
Li W L, Xu B B, Song Q J, et al. 2014. The identification of 'hotspots' of heavy metal pollution in soil-rice systems at a regional scale in eastern China[J]. Science of the Total Environment, 472: 407–420.
DOI:10.1016/j.scitotenv.2013.11.046
|
Liang J, Feng C T, Zeng G M, et al. 2017. Spatial distribution and source identification of heavy metals in surface soils in a typical coal mine city, Lianyuan, China[J]. Environmental Pollution, 225: 681–690.
DOI:10.1016/j.envpol.2017.03.057
|
Liu H W, Zhang Y, Zhou X, et al. 2017. Source identification and spatial distribution of heavy metals in tobacco-growing soils in Shandong Province of China with multivariate and geostatistical analysis[J]. Environmental Science and Pollution Research International, 24(6): 5964–5975.
DOI:10.1007/s11356-016-8229-1
|
Liu X M, Song Q J, Tang Y, et al. 2013. Human health risk assessment of heavy metals in soil-vegetable system: A multi-medium analysis[J]. Science of the Total environment, 463-464: 530–540.
DOI:10.1016/j.scitotenv.2013.06.064
|
Lu A X, Wang J H, Qin X Y, et al. 2012. Multivariate and geostatistical analyses of the spatial distribution and origin of heavy metals in the agricultural soils in Shunyi, Beijing, China[J]. Science of the Total Environment, 425: 66–74.
DOI:10.1016/j.scitotenv.2012.03.003
|
陆晓华, 曾汉才, 欧阳中华, 等. 1995. 燃煤电厂排放细微灰粒中痕量元素的分布与富集规律[J]. 环境化学, 1995(6): 489–493.
|
Lv J S, Liu Y, Zhang Z L, et al. 2014. Multivariate geostatistical analyses of heavy metals in soils: Spatial multi-scale variations in Wulian, Eastern China[J]. Ecotoxicology and Environmental Safety, 107(9): 140–147.
|
吕建树, 张祖陆, 刘洋, 等. 2012. 日照市土壤重金属来源解析及环境风险评价[J]. 地理学报, 2012, 67(7): 971–984.
|
Ma W C, Tai L Y, Qiao Z, et al. 2018. Contamination source apportionment and health risk assessment of heavy metals in soil around municipal solid waste incinerator:A case study in North China[J]. Science of the Total Environments, 631-632: 348–357.
DOI:10.1016/j.scitotenv.2018.03.011
|
Meng W Q, Wang Z W, Hu B B, et al. 2016. Heavy metals in soil and plants after long-term sewage irrigation at Tianjin China: A case study assessment[J]. Agricultural Water Management, 171: 153–161.
DOI:10.1016/j.agwat.2016.03.013
|
Nemerow N L.1974.Scientific Stream Pollution Analysis[M].Washington: McGrow Hill
|
宁翠萍, 李国琛, 王颜红, 等. 2017. 细河流域农田土壤重金属污染评价及来源解析[J]. 农业环境科学学报, 2017, 36(3): 487–495.
|
Qiu G L, Feng X B, Wang S F, et al. 2006. Environmental contamination of mercury from Hg-mining areas in Wuchuan, northeastern Guizhou, China[J]. Environmental Pollution, 142(3): 549–558.
DOI:10.1016/j.envpol.2005.10.015
|
Rothenberg S E, Du X, Zhu Y G, et al. 2007. The impact of sewage irrigation on the uptake of mercury in corn plants(Zea mays)from suburban Beijing[J]. Environment Pollution, 149(2): 246–251.
DOI:10.1016/j.envpol.2007.01.005
|
茹淑华, 徐万强, 孙世友, 等. 2018. 河北省典型蔬菜产地重金属污染特征与环境质量评价[J]. 河北农业科学, 2018, 22(1): 83–89.
|
Singh O, Labana S, Pandey G, et al. 2003. Phytoremediation: an overview of metallic ion decontamination from soil[J]. Applied Microbiology and Biotechnology, 61(5/6): 405–412.
|
宋伟, 陈百明, 刘琳. 2013. 中国耕地土壤重金属污染概况[J]. 水土保持研究, 2013, 20(2): 293–298.
|
孙宏飞, 李永华, 姬艳芳, 等. 2010. Environmental contamination and health hazard of lead and cadmium around Chatian mercury mining deposit in western Hunan Province, China[J]. Transactions of Nonferrous Metals Society of China, 2010, 20(2): 308–314.
|
Tóth G, Hermann T, Szatmári G, et al. 2016. Maps of heavy metals in the soils of the European Union and proposed priority areas for detailed assessment[J]. Science of the Total Environment, 565: 1054–1062.
DOI:10.1016/j.scitotenv.2016.05.115
|
Tian K, Huang B, Xing Z, et al. 2017. Geochemical baseline establishment and ecological risk evaluation of heavy metals in greenhouse soils from Dongtai, China[J]. Ecological Indicators, 72: 510–520.
DOI:10.1016/j.ecolind.2016.08.037
|
生态环境部.2018.土壤环境质量农用地土壤污染风险管控标准(试行)[OL].2018-11-19. http://kjs.mee.gov.cn/hjbhbz/bzwb/trhj/trhjzlbz/201807/t20180703_446029.shtml
|
徐子成, 陈思浩, 涂闽. 2013. 我国耕地重金属污染治理与防范刻不容缓[J]. 上海化工, 2013, 38(12): 1–2.
DOI:10.3969/j.issn.1004-017X.2013.12.001 |
Yu L, Cheng J, Zhan J, et al. 2016. Environmental quality and sources of heavy metals in the topsoil based on multivariate statistical analyses: A case study in Laiwu City, Shandong Province, China[J]. Natural Hazards, 81(3): 1435–1445.
DOI:10.1007/s11069-015-2130-y
|
张倩, 陈宗娟, 彭昌盛, 等. 2015. 大港工业区土壤重金属污染及生态风险评价[J]. 环境科学, 2015, 36(11): 4232–4240.
|
张小敏, 张秀英, 钟太洋, 等. 2014. 中国农田土壤重金属富集状况及其空间分布研究[J]. 环境科学, 2014, 35(2): 692–703.
|
中国环境监测总站. 1990. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社.
|
中国政府网.2015.环渤海地区合作发展纲要[OL].2018-11-19. http://www.gov.cn/foot/site1/20151024/84371445667586814.pdf
|