2019, Vol. 39
[PDF全文]
2. 中国科学院大学, 北京 100049;
3. 广东工业大学环境科学与工程学院, 广州 510006
2. University of Chinese Academy of Sciences, Beijing 100049;
3. School of Environmental Science and Engineering, Guangdong University of Technology, Guangzhou 510006
土壤是生态系统的重要组成部分, 且土壤污染具有隐蔽性、潜伏性和长期性的特点, 其造成的严重后果可通过不同暴露途径给动物和人类健康造成危害(Muchuweti et al., 2006;Lottermoser et al., 2012;李锋等, 2018), 进而直接影响到人类的生存质量.目前全球多地都显现出土壤污染问题, 成为人类可持续发展的巨大威胁.随着我国城市化、工业化进程的不断深入, 人地矛盾愈演愈烈, 土壤环境污染问题也正在侵蚀着农业用地(Wang et al., 2010;Li et al., 2015;Huang et al., 2019).2014年《全国土壤污染状况调查公报》结果显示, 全国土壤总超标率为16.1%, 耕地土壤点位超标率为19.4%, 其中以无机污染为主, 南方土壤污染重于北方, 长江三角洲、珠江三角洲、东北老工业基地等地的土壤污染问题较为突出, 西南、中南地区土壤重金属超标范围较大(李勇等, 2015;Jiang et al., 2017;Cai et al., 2012;Gu et al., 2014;Zhu et al., 2018);同时, 伴随“镉大米”、重金属污染蔬菜等一系列事件的不断曝光(王北洪等, 2015;龚梦丹等, 2016;阿吉古丽·马木提等, 2017;Song et al., 2018), 区域农用地污染问题也十分值得关注和研究.
国内外学者和政府部门都对重金属污染问题给予了高度的重视(Lv et al., 2013;Balkhair et al., 2016), 并一直致力于解决该问题.我国学者对快速城镇化地区进行了土壤污染源解析(张海珍2014;邱孟龙等, 2015;Xia et al., 2018;Lv et al., 2018), 以及污染风险评价等研究(陈凤等, 2017;谷阳光等, 2017, 林媚珍等, 2016).珠江三角洲、长江三角洲是我国重要的加工制造和出口基地, 该地区自改革开放以来已经积累了严重的环境污染问题(Cai et al., 2012; Gu et al., 2014;李勇等, 2015;Jiang et al., 2017;Zhu et al., 2018), 尤其是土壤重金属污染, 根据土地利用类型对本文涉及研究区土地生态风险进行的评价结果表明, 高生态风险区面积为902.51 km2, 已占土地总面积比例的51.23%, 且其土地利用结构仍在向高生态风险方向演化, 因此必须加以重视; 同时, 有关我国南方地区重金属污染的源汇关系的研究也有待进一步深入.因此, 本文以我国南方地区的典型城市化区域为研究对象, 分析该区域8种重金属(Cr、Ni、Cu、Zn、As、Cd、Pb、Hg)的污染状况与工业布局的关系, 探究该区域土壤重金属污染的源汇关系, 以期为快速城市化区域的土壤保护措施制定和土壤污染防控提供依据.
2 材料与方法(Materials and methods) 2.1 研究区概况研究区位于我国南方工业化和城市化水平较高的地区, 属于亚热带季风性气候, 年平均气温21.8 ℃, 属丰水地区, 年降雨量1738 mm.该区域以冲积平原为主, 为低山丘陵台地错落其间的水乡地形地貌, 种植的农作物以水稻和蔬菜为主, 表层和亚表层土壤pH测定范围分别为4.16~6.88和3.85~6.72, 平均值分别为5.81和5.71, 土壤偏酸性.同时, 研究区域也是国内最大的电子制造业中心之一, 有大量的化工、印染、电镀、造纸等工业企业, 由此造成了严重的环境污染问题, 耕地土壤中的重金属存在明显的积聚趋势.研究前期通过当地环保部门的配合调查发现, 该区域土壤存在重金属Cd污染问题.
2.2 采样与分析方法根据研究区土地利用状况及随机取样原则, 表层设置106个土壤样点, 亚表层采集98个土壤样品, 每个采样点在50 m×50 m范围内取5个点, 混合后通过四分法取样.在研究区C05、C04、C01、C15、C09、C10、C18、C17、C20、C22、C24区域共布设11个柱状采样点, 大致分为北部、中部、东南部3个大区, 使用不锈钢土钻分别采集土壤剖面样品, 每隔20 cm采集一个土壤样品, 采集从表层至1 m深度共55份剖面样品, 采样点位置使用GPS仪记录.各样点具体空间位置参见图 1.
 |
| 图 1 研究区采样布点示意图 Fig. 1 Study area and sampling sites |
在风干室将采集的土壤样品放置于风干盘中, 摊成2~3 cm的薄层, 自然风干.在磨样室将风干的样品倒在玛瑙研钵内压碎, 拣出杂质, 混匀, 并用四分法取压碎样, 过2 mm尼龙筛.过筛后样品全部置于无色聚乙烯薄膜上, 并充分搅拌混匀, 再采用四分法取其中两份, 一份于样品库存放, 另一份样品用于细磨.其中, 用于细磨的样品用研钵磨到全部过孔径0.15 mm(100目)筛, 球磨罐内部及球体均为玛瑙, 以避免样品与金属材质接触造成实验误差, 混匀后备用.研磨混匀后的样品装于塑封无色聚乙烯塑料袋内, 并做好土壤标签.
土壤样品中砷、铅、镉、铜、锌、铬、镍含量的测定参照国家标准(HJ803—2016), 采用王水提取-电感耦合等离子体质谱法对土壤进行前处理, 通过电感耦合等离子体质谱仪(ICP-MS)测定.土壤样品中汞含量的测定参照USEPA 7473, 采用冷原子吸收测汞仪(DMA-80)测定.
2.3 质量控制和数据分析30个土壤样品编为1组, 选取3个平行样, 2个全程序空白样品和2个平行质控样, 双平行样测定结果的误差均在土壤环境监测技术规范(HJ/T166—2004)允许误差范围内, 空白样品与土壤样品采用相同的预处理方法进行制备与测定, 保证每组样品至少2个空白样, 其测定结果均低于测定下限.质控样品回收率均处于70%~125%之间, 检测过程中所使用的内标物质Ge的响应值介于70%~130%之间, 满足要求.检测全过程保证每20个样品回测标准曲线中间浓度, 满足测定结果浓度在标准浓度的90%~110%范围内.
土壤样品的采集、研磨、前处理严格遵守实验室规范操作, 严防交叉污染.实验过程中所使用的器皿洗净后于20%硝酸溶液中浸泡超过24 h, 实验前用去离子水洗净晾干后使用.检测土壤样品过程中, 每批样品每个重金属项目分析时将根据相应国家标准配置标准曲线, 标准曲线浓度梯度不少于6个, 保证现配现用, 标准曲线的可决系数均大于0.995.
数据采用SPSS 19.0 for windows和Microsoft Office Excel 2013及Oringin 2018进行统计分析.
2.4 评价方法单项污染指数是一种评价污染程度的无量纲指数, 可以反映超标倍数和污染程度.本研究采用单项污染指数法对土壤重金属污染状况进行评价, 计算公式如下所示：
|
(1) |
式中, Pi为单项污染指数; Ci为土壤中重金属实测含量; Si为农用地土壤污染风险筛选值.Pi≤1, 表示无污染; 1 < Pi≤2, 表示轻度污染; 2 < Pi≤3, 表示中度污染; 3 < Pi, 表示重度污染, 且Pi越大说明受到污染越严重.
3 结果与讨论(Results and discussion) 3.1 土壤重金属含量研究区8种重金属元素含量的分析结果见表 1, 可见研究区土壤重金属含量均值除Cr外均高于当地土壤背景值, 表层及亚表层Cd的平均含量分别为背景值的6.69和7.32倍, 表层和亚表层Cu、Zn、Ni和As的平均含量均约为背景值的2倍, 这与前人关于涉重金属企业周边土壤污染的研究结果一致(李泗清等, 2014), 均表现为Cd的重金属含量水平较高.本研究主要采样点位为农用地, 故采用农用地土壤污染风险筛选值对土壤进行质量评价, 结果显示, 表层和亚表层土壤仅Cd含量平均值超过了农用地筛选值.
| 表 1 研究区土壤重金属含量 Table 1 Concentration of soil heavy metals in study area |
 |
为了甄别人为干扰及空间异质性对研究结果的影响, 本文对所检测的8种重金属含量进行了变异系数分析.研究区域内Zn、Pb、Cu、Ni、Cr、Cd、As、Hg的变异系数分别为36.23%、42.62%、48.12%、48.99%、49.65%、51.28%、64.62%、69.23%, 从小到大依次为Zn＜Pb＜Cu＜Ni＜Cr＜Cd＜As＜Hg, 变异系数均超过30%, 属中等及以上变异, 表明土壤受外界干扰比较显著, 空间分异较大(李泗清等, 2014).这种分异可能归结于工业、农业、交通等人为活动的影响(Pan et al., 2016;Wang et al., 2016;Wang et al., 2018).
根据国家土壤环境质量农用地土壤污染风险筛选值对其进行质量评价, 其中, 表层超标情况的散点图如图 2所示.由图可知, Cd、Cu、Pb、As、Zn、Ni、Cr、Hg的超标率分别为71.70%、40.57%、4.72%、3.77%、0.94%、0、0、0, 从大到小依次为Cd>Cu>Pb> As>Zn>Ni=Cr=Hg.其中, Cd的超标率高达71.70%, 60.38%的样品是筛选值的1~2倍, 10.38%的样品是筛选值的2~3倍, 0.94%的样品是筛选值的3~4倍; 其次Cu的超标率较高为40.57%, 其中39.63%的样品为筛选值的1~2倍, 0.94%的样品为筛选值的2~3倍; Pb的超标率为4.72%, 3.77%的样品为筛选值的1~2倍, 0.94%的样品为筛选值的2~3倍; As的超标率为3.77%, 2.83%的样品为筛选值的1~2倍, 0.94%的样品为筛选值的2~3倍; Zn的超标率为0.94%, 超标范围为筛选值的1~2倍; Ni、Cr、Hg未出现超标情况.整体上研究区重金属Cd的超标率最高, 其中, 轻微污染占超标点位的84.21%, 中度污染占超标点位的14.47%, 重度污染占1.32%;Cu超标点位中97.67%为轻微污染, 2.33%为中度污染.总体而言, 依据农用地土壤污染风险筛选值, 研究区表层土壤中重金属Cd的超标情况较为普遍, 但大部分处于轻度污染水平, 亚表层土壤重金属与表层土壤重金属的超标情况基本一致.通过数据的统计分析, 拟确定研究区的表层土壤关键污染重金属为Cd, 并以此作为重点关注的重金属.
 |
| 图 2 表层土壤8种重金属超标倍数散点分布 Fig. 2 Scatter distribution of eight heavy metals over the surface |
由于研究区土壤中Cd的分布表现出较强的南北区域分化性(余姝洁等, 2016), 以下通过对研究区各个单元表层和亚表层土壤中Cd含量均值的统计及超标率情况分析说明Cd的污染状况, 并结合研究区各个单元工业分布分析污染来源.按照南北区域划分, 将C01、C02、C03、C04、C05、C08、C09、C10、C11、C07、C06、C15划分为北区.图 3中的条形图列出了研究区各个单元表层及亚表层土壤Cd含量的超标状况.不同行政区域土壤重金属积累特征也具有一定的差异, 反映出人类活动对土壤环境的影响(Zhao et al., 2018).
 |
| 图 3 各研究单元表层、亚表层Cd含量均值及超标率 Fig. 3 Subsurface layer′s mean cadmium content and over-standard rate in the of each township |
如图 3所示, 表层土壤Cd均值最高值点位于C05, 为0.64 mg·kg-1, 含量最高值点也位于C05, 为0.92 mg·kg-1, 约为筛选值的3倍.亚表层土壤Cd均值最高值点位于C03, 为0.60 mg·kg-1, 含量最高值点位于C04, 为1.00 mg·kg-1, 约为筛选值的3倍.分析结果与各单元的实际经济生产活动联系密切, 不同单元的重金属来源受到镇区的主要经济活动的影响
如图 3所示, 研究区北部地区表层土壤重金属Cd含量整体均值为0.49 mg·kg-1, 南部地区表层土壤重金属Cd含量的整体均值为0.25 mg·kg-1, 北部地区Cd整体超标情况较南部地区更严重.依据农用地土壤风险筛选值计算得出的超标情况显示, 106个表层土壤样品中, 超标点位共76个, 其中, 北部地区55个表层土壤样品中, 超标点位52个, 整体超标率为95%, 南部地区51个表层土壤样品中, 超标点位24个, 整体超标率为47%.按农用地土壤风险筛选值计算出的C01、C02、C03、C04、C05、C09、C10、C07和C15单元超标率均为100%, C11、C06和C08单元超标率分别为86%、83%、67%.南部地区重金属Cd超标率相对北部地区较低, C14、C16、C24的超标率高于50%, 其余南部单元超标率均低于50%.研究区土壤重金属Cd污染较为严重的区域为西北片区和C10片区.
研究区北部地区亚表层土壤重金属Cd含量整体均值为0.46 mg·kg-1, 南部地区表层土壤重金属Cd含量的整体均值为0.31 mg·kg-1, 较北部地区略高, 可推断随土壤污染迁移, 重金属Cd进行了一定程度累积.北部地区Cd整体超标情况较南部地区更严重, 此规律与表层一致, 依据土壤环境质量农用地土壤风险筛选值计算得出的超标情况显示, 98个亚表层土壤样品中, 超标点位共76个, 其中, 北部地区55个亚表层土壤样品中, 超标点位48个, 整体超标率为87%, 南部地区43个亚表层土壤样品中, 超标点位23个, 整体超标率为53%.按土壤环境质量农用地土壤风险筛选值计算的C01、C03、C05、C09、C10、C15超标率均为100%, C04、C08、C11、C07和C06超标率分别为83%、67%、88%、83%、83%.南部地区重金属Cd超标率相对北部地区较低, C14、C12、C16、C23、C24的超标率高于50%, 其余南部研究单元超标率均低于50%.
图 4结果表明, 研究区北部单元的重金属Cd含量均值与中值均普遍高于南部单元, 工业较为集中的北部单元重金属Cd含量也较高：C01、C02、C03、C04、C05、C09、C10、C07、C11、C06、C08和C15土壤中Cd含量平均值分别为0.52、0.47、0.56、0.51、0.64、0.44、0.49、0.41、0.42、0.53、0.39、0.46 mg·kg-1.
 |
| 图 4 各研究单元表层、亚表层Cd含量均值与中值分布 Fig. 4 Subsurface layer′s mean and median cadmium content of villages and towns in study area |
研究区土壤剖面均为沙土或沙壤土, 土壤板结程度轻, 土壤偏酸性, 各土层土壤重金属含量都未超过农用地土壤污染风险管控值.基于农用地土壤风险筛选值判定, Cd元素超过农用地土壤污染风险筛选值相对较多, 55份剖面土壤样品中32份超过土壤筛选值, 总超标率为58.18%, 但超标范围均在2倍以内.P1、P2、P3、P5、P11等5个位点的25份剖面样品Cd含量均超过农用地土壤污染风险筛选值, 这5个超标点位分别位于C01、C04、C09、C10、C20单元, 分布在研究区北部, 可见北部地区土壤剖面污染较为严重.
在不同剖面点位中, 整体Cd的含量相差很大, 最大值出现在P5位点, 为0.56 mg·kg-1, 最小值出现在P9位点, 为0.005 mg·kg-1, 北部和东南部地区的Cd含量都明显高于中部地区(图 4).P6位于公园绿地, P7位于C15, P9位于C22, 这3个中部地区土壤剖面为相对自然剖面, P6、P7、P9位点均为沙土, 重金属元素含量低, 尤其是与人类活动有关的Cd含量极低, 这与土壤质地较粗、远离污染源且土壤成熟度较低有关.不同土壤剖面深度上, 重金属元素含量随土壤质地不同而不同, 一般重金属元素随土壤粘性增加其含量相对较高.研究区土壤母质的重金属含量与这3个点的重金属含量相近, 可以推断研究区北部的土壤重金属高值区, 主要以后期输入为主, 且主要受到人为因素的影响.在中部地区的P6、P7、P9位点, 大致呈现出随土壤深度增加而Cd含量下降的趋势, 在其余的北部和东南部位点其规律不甚明显, 都在较小的值域呈波动状态.
P4、P5、P9、P10、P11等5个位点为菜地, 其中, P4、P5、P9、P10位点从亚表层(20~40 cm)开始Cd含量呈现随深度增加而下降的趋势, 由于农用地化学品投入较多, 使得表层、亚表层Cd含量与底层相比较高.P11位点虽为菜地, 但土壤湿重, 在采集剖面到达1 m深度即见地下水, 可能由于土壤的性质导致下层剖面没有阻隔, 使重金属Cd传输到底层, 导致底层Cd含量呈现增加的趋势.P1、P3位点为香蕉地, Cd含量从表层至60~80 cm层随深度增加呈上升的趋势, 到80~100 cm层Cd含量又出现降低, 说明在这2个位点的Cd从表层土壤迁移累积到土壤下层, 但到80~100 cm层受到阻隔, 没有继续向下传输, 导致80~100 cm层的Cd含量有所降低.
各个地区的土壤剖面没有明显线性相关性, 各土层重金属含量较为相近, 土壤质地多为沙壤土且湿度较大, 板结程度轻, 由此可推断, 研究区土壤重金属容易在垂向上传输, 且北部和东南部地区的历史排放量较高, 以后期输入为主, 土壤的淋溶现象影响了整个剖面的重金属含量, 导致北部和东南部地区的剖面土壤重金属含量整体上高于中部相对自然的剖面土壤样品.
3.4 土壤重金属源汇关系研究区重点排污单位主要位于北部地区, 根据研究区重点排污单位名录中所列的95个排污单位, 北部地区有72个, 南部地区有23个.研究区重点工业区及重点排污单位分布如图 6所示, 存在大型电镀、染织工业园区, 污染行业集中在9个工业集聚区, 包括以电镀为主的C04电镀基地; 以电镀、化工及印染、洗水为主的C09化工区; 以印染、洗水、化工为主的C10化工区; C10化工产业集聚区、C01化工集聚区、C08精细化工产业集聚区、C05配套化工产业集聚区、C15工业区、C15-2工业区.位于研究区北部重金属高值区的C04和C09单元, 分别分布有重点排污单位15个和35个, 且有较多的电镀公司、金属表面处理公司.从风场角度看, 研究区常年主导风向为偏北风, 污染物易从北部的污染源输送到研究区并在本地累积.从废水排放路径来看, 研究区“排污户”包括五金表面处理企业、印花企业、垃圾转运企业及医院等多数企业直排、偷排和漏排的废水都直接进入城区内河涌, 河涌为研究区主要的灌溉水来源, 此外据统计数据显示, 2015年研究区工业废水排放量为7455.24万t, 可见土壤重金属污染来源主要受到长期大量废水排放的影响, 研究区从2015年开始计划实现中心城区内河涌流域企业零排放, 并规范化管理排污口, 但历史上的污水排放已经造成土壤中重金属污染的累积.
 |
| 图 5 剖面土壤中重金属Cd的垂向分布 Fig. 5 Vertical distribution of eight heavy metals in profile soils |
 |
| 图 6 研究区重点工业区及重点排污单位分布 (图中数据表示该单元Cd含量平均值, 单位为mg·kg-1; 不同颜色线段代表不同种类排污单位(见图例颜色), 线段数代表排污单位数量; 工业区分布中是研究区现存的10个工业聚集区, 其中9个分布在研究区北部, 只有C19分布在南部) Fig. 6 Distribution of key industrial areas and key pollutant discharge units in study area |
C09工业园包括五金加工区、电子及线路板工业区、纺织与印染工业区、公用工程工业区和综合加工工业区等, 2013年该区电镀企业中发现有9家企业废气治理设施运行不正常, 4家企业车间地面防腐层破损, 1家企业电镀污水收集管断裂, 1家企业违章处置危险废物, 4家企业未经审批擅自扩建或建成投产, 导致电镀污水厂频繁超标排放.由此可推断, 历史上土壤重金属Cd的积累受到排污企业影响的可能性很大(Dong et al., 2018), 北部地区的电镀行业企业及金属表面处理公司等排污造成周边土壤重金属累积严重(Wang et al., 2018), 且污染范围较为广泛.研究区电镀企业历史悠久, 且基本都集中在本研究所确定的土壤重金属Cd重污染区域, 同时除了大中型电镀企业外, 散布于研究区尤其是C15、C16、C14等单元的排污企业也是造成土壤重金属Cd污染的重要原因.从总体格局来看, 研究区工业分布与研究区重金属Cd含量高值区分布格局较一致, 表层土壤样品Cd含量高值区完全位于北部工业密集区, 其在亚表层的分布规律与表层基本一致, 主要受到电镀和化工产业“三废”排放的影响, HJ开发区排污单位较多, 但因其为新建设单元, 重金属Cd的历史积累较短, 因此, 重金属Cd含量相对较低.
3.5 研究区重金属Cd污染管控对策为避免研究区土壤重金属Cd污染的进一步恶化, 本文提出针对“源”、“汇”、“管”的对策与建议.如图 7所示, 根据分析结果选择重点管控源头、重点监测区域、重点单位进行污染管控, 然后构建监测体系, 根据研究区域实际情况因地制宜进行三方协同监管, 以期达到降低并控制环境中重金属Cd污染水平的目的.
 |
| 图 7 研究区重金属Cd污染管控对策 Fig. 7 Measures to control heavy metal cadmium pollution in study area |
1) 研究区土壤中8种重金属元素平均含量除Cd外均未超过国家土壤环境质量农用地土壤污染风险筛选值, 但部分采样点的Cu、Pb、As、Zn存在超标.研究区土壤中重金属Cd超标情况较为普遍, 大部分处于轻度污染水平, 亚表层土壤重金属与表层土壤重金属的超标情况基本一致, 确定研究区土壤的关键污染重金属为Cd.
2) 根据剖面的重金属分布情况, 可以推断出研究区土壤重金属超标区域主要以后期输入为主, 土壤的淋溶现象影响了整个剖面重金属的含量, 导致北部和东南部地区的剖面土壤重金属含量整体高于中部相对自然的剖面土壤样品.
3) 根据不同类型重点排污单位的空间分布、历史排污状况及重金属高检出区的一致性, 可以推断出研究单元土壤重金属污染受到工业企业的排污影响.
阿吉古丽·马木提, 麦麦提吐尔逊·艾则孜, 艾尼瓦尔·买买提, 等. 2017. 开都河下游绿洲耕地土壤重金属污染及潜在生态风险[J]. 环境科学学报, 2017, 37(6): 2331–2341.
|
Balkhair K S, Ashraf M A. 2016. Field accumulation risks of heavy metals in soil and vegetable crop irrigated with sewage water in western region of Saudi Arabia[J]. Saudi Journal of Biological Sciences, 23(1): 32–44.
DOI:10.1016/j.sjbs.2015.09.023
|
Cai L M, Xu Z C, Ren M Z, et al. 2012. Source identification of eight hazardous heavy metals in agricultural soils of Huizhou, Guangdong Province, China[J]. Ecotoxicology and Environmental Safety, 78: 2–8.
DOI:10.1016/j.ecoenv.2011.07.004
|
陈凤, 董泽琴, 王程程, 等. 2017. 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.
|
Dong B, Gan Y D, Zhang R Z, et al. 2018. Multiple methods for the identification of heavy metal sources in cropland soils from a resource-based region[J]. Science of the Total Environment, 651: 3127–3138.
|
龚梦丹, 朱维琴, 顾燕青, 等. 2016. 杭州蔬菜基地重金属污染及风险评价[J]. 环境科学, 2016, 37(6): 2329–2337.
|
谷阳光, 高富代. 2017. 我国省会城市土壤重金属含量分布与健康风险评价[J]. 环境化学, 2017, 36(1): 62–71.
|
Gu Y G, Li Q S, Fang J H, et al. 2014. Identification of heavy metal sources in the reclaimed farmland soils of the Pearl River estuary in China using a multivariate geostatistical approach[J]. Ecotoxicology and Environmental Safety, 105: 7–12.
DOI:10.1016/j.ecoenv.2014.04.003
|
Huang S, Wang L, Zhao Y. 2018. Ecological risk assessment from the perspective of soil heavy metal accumulations in Xiamen City, China[J]. International Journal of Sustainable Development & World Ecology, 25(5): 411–419.
|
Huang Y, Wang L Y, Wang W J, et al. 2019. Current status of agricultural soil pollution by heavy metals in China:A meta-analysis[J]. Science of the Total Environment, 651: 3034–3042.
DOI:10.1016/j.scitotenv.2018.10.185
|
Jiang Y X, Chao S H, Liu J W, et al. 2017. Source apportionment and health risk assessment of heavy metals in soil for a township in Jiangsu Province, China[J]. Chemosphere, 168: 1658–1668.
DOI:10.1016/j.chemosphere.2016.11.088
|
李锋, 刘思源, 李艳, 等. 2019. 工业发达城市土壤重金属时空变异与源解析[J]. 环境科学, 2019, 40(2): 1–15.
|
李泗清, 杨满芽. 2014. 中山市不同类型企业周边土壤重金属污染特性及潜在生态风险评价[J]. 地球与环境, 2014, 42(4): 525–531.
|
李勇, 余天虹, 赵志忠, 等. 2015. 珠三角土壤镉含量时空分布及风险管理[J]. 地理科学, 2015, 35(3): 373–379.
|
Li J G, Pu L J, Liao Q L, et al. 2015. Geological survey of Jiangsu Province[J]. Environmental Earth Sciences, 73(4): 1823–1835.
DOI:10.1007/s12665-014-3536-7
|
林媚珍, 葛志鹏, 纪少婷, 等. 2016. 中山市土地利用变化及其生态风险响应[J]. 生态科学, 2016, 35(5): 96–104.
|
Lottermoser B G. 2012. Effect of long-term irrigation with sewage effluent on the metal content of soils, Berlin, Germany[J]. Environmental Geochemistry & Health, 34(1): 67–76.
|
Lv J S, Liu Y, Zhang Z L, et al. 2013. Factorial kriging and stepwise regression approach to identify environmental factors influencing spatial multi-scale variability of heavy metals in soils[J]. Journal of Hazardous Materials, 261: 387–397.
DOI:10.1016/j.jhazmat.2013.07.065
|
Lv J S, Wang Y M. 2018. Multi-scale analysis of heavy metals sources in soils of Jiangsu Coast, Eastern China[J]. Chemosphere, 212: 964–973.
DOI:10.1016/j.chemosphere.2018.08.155
|
Muchuweti M, Birkett J W, Chinyanga E, et al. 2005. Heavy metal content of vegetables irrigated with mixtures of wastewater and sewage sludge in Zimbabwe:Implications for human health[J]. Agriculture, Ecosystems and Environment, 112(1): 41–48.
|
Pan L B, Ma J, Wang X L, et al. 2016. Heavy metals in soils from a typical county in Shanxi Province, China:Levels, sources and spatial distribution[J]. Chemosphere, 148: 248–254.
DOI:10.1016/j.chemosphere.2015.12.049
|
邱孟龙, 李芳柏, 王琦, 等. 2015. 工业发达城市区域耕地土壤重金属时空变异与来源变化[J]. 农业工程学报, 2015, 31(2): 298–305.
DOI:10.3969/j.issn.1002-6819.2015.02.041 |
Song Y X, Li H M, Li J Z, et al. 2018. Multivariate linear regression model for source apportionment and health risk assessment of heavy metals from different environmental media[J]. Ecotoxicology and Environmental Safety, 165: 555–563.
DOI:10.1016/j.ecoenv.2018.09.049
|
王北洪, 马智宏, 冯晓元, 等. 2015. 北京市蔬菜重金属含量及健康风险评价[J]. 食品安全质量检测学报, 2015, 6(7): 2736–2745.
|
Wang J Y, Liu R H, Ling M, et al. 2010. Heavy metals contamination and its sources in the Luoyuan Bay[J]. Procedia Environmental Sciences, 2: 1188–1192.
DOI:10.1016/j.proenv.2010.10.128
|
Wang L J, Tao W D, Smardon R C, et al. 2018. Department of Environmental Science, College of Tourism and Environment, Shaanxi Normal University[J]. Frontiers of Earth Science, 12(2): 397–407.
DOI:10.1007/s11707-017-0658-8
|
Wang X Q, Zeng X D, Liu C P, et al. 2016. Heavy metal contaminations in soil-rice system:source identification in relation to a sulfur-rich coal burning power plant in Northern Guangdong Province, China[J]. Environmental Monitoring and Assessment, 188(8): 460.
DOI:10.1007/s10661-016-5468-z
|
Wang Z Q, Hong C, Xing Y, et al. 2018. Spatial distribution and sources of heavy metals in natural pasture soil around copper-molybdenum mine in Northeast China[J]. Ecotoxicology and Environmental Safety, 154: 329–336.
DOI:10.1016/j.ecoenv.2018.02.048
|
余姝洁, 李名, 张保见, 等. 2016. 中山市工业园周边土壤重金属污染及风险评估[J]. 武汉理工大学学报, 2016, 38(4): 70–75.
|
Xia F, Qu L Y, Wang T, et al. 2018. Distribution and source analysis of heavy metal pollutants in sediments of a rapid developing urban river system[J]. Chemosphere, 207: 218–228.
DOI:10.1016/j.chemosphere.2018.05.090
|
张海珍, 唐宇力, 陆骏, 等. 2014. 西湖景区土壤典型重金属污染物的来源及空间分布特征[J]. 环境科学, 2014, 35(4): 1516–1522.
|
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.
|
Zhu D W, Li G. 2018. Research on the nutrient and heavy metal pollution characteristics of sediment in Zaoxia River in Shenzhen City[J]. IOP Conference Series:Earth and Environmental Science, 170(3).
DOI:10.1088/1755-1315/170/3/032101
|