环境pH对香溪河流域磷矿废石释磷特性的影响
Effects of environmental pH on phosphorus leaching characteristics of phosphate waste rock deposited within Xiangxi River watershed
-
摘要: 为了评价三峡库区香溪河流域内所堆存的磷矿废石对地表水体的磷污染风险,以香溪河支流高岚河流域内具有不同风化时间的6座磷矿废石堆体为研究对象,依据US EPA Method 1313所规定的实验方法,开展了9种不同pH(2.0~13.0)条件下磷矿废石磷素浸出特性的实验研究,探讨了液相环境pH对磷矿废石磷素浸出浓度的影响。结果表明:在酸性环境下磷矿废石的磷素浸出浓度与pH呈负相关关系;中性及碱性环境下的磷素浸出浓度总体上低于酸性条件,其大小与环境pH之间无显著关系存在,但在pH=10.5±0.5范围内存在小幅升高;自然条件下磷矿废石堆体内部的液相环境为弱碱性(pH=7.8~8.8),且不会受当地酸雨长期淋滤的影响,在此条件下6种磷矿废石的磷素平均浸出浓度为0.7 mg/L,超标率为33 %。因此,研究区内的磷矿废石堆体可以形成点源形式的磷污染。在香溪河库湾水体富氧化问题日趋严重的前提下,应考虑将流域内堆存的磷矿废石作为第II类一般工业固体废物进行妥善处置,以降低其对香溪河库湾水体环境的磷污染风险。Abstract: To evaluate the potential phosphorus pollution risk of phosphate waste rocks deposited within Xiangxi River watershed of the Three Gorges Reservoir, six phosphate waste rocks with different weathering degrees stacked in Gaolan River, which is one tributaries of Xiangxi River, were selected as the study objectives. The leaching behaviors of the phosphate waste rock under nine different pH conditions (2.0 to 13.0) were characterized following the US EPA Method 1313 and the effect of liquid environmental pH on phosphorus leaching concentration was discussed. The results indicate that the phosphorus released from phosphate waste rocks inversely depended on liquid pH in acidic environment. While in neutral and alkaline environment, there was no significant relationship between the phosphorus leaching concentrations and environmental pH values. The phosphorus leaching concentrations were found to be generally smaller than that under acidic condition, while a slightly increase presented around the pH 10.5±0.5. The inner environment of phosphate waste rock piles would remain in weak alkaline (pH is 7.8 to 8.8) under natural conditions and would not be changed by long-term leaching of local acid rain. Under natural conditions, the average phosphorus leaching concentration of six phosphate waste rock samples was 0.7 mg/L with 33% standard-exceeding rate. Therefore, the phosphate waste rock piles dumped in study area could form phosphorus pollution as point sources. Considering the increasing problem of water eutrophication of Xiangxi River bay, the phosphate waste rocks should be considered as the second type of general industrial solid waste to reduce their environmental pollution risk.
-
Key words:
- Xiangxi River /
- phosphate waste rock /
- leaching /
- environmental pH /
- phosphorus pollution
-
镉 (Cd) 是人体非必需的有剧毒的重金属元素[1-2]，极易在小麦等农作物中富集，并通过食物链对人体健康产生威胁[3-5]。近年来河南[6]、甘肃[7]和陕西[8]等地均相继出现不同程度的小麦Cd含量超标现象。SONG等[9]指出小麦对我国北方人群Cd摄入量的贡献高达29.8%。土壤-小麦系统Cd污染风险识别与评估是小麦Cd污染防治策略制定的前提和重要参考。
近年来国内外研究人员对土壤-小麦污染风险进行了大量研究，多集中于应用不同评价指标对Cd污染土壤和小麦进行污染等级划分与定性评估[5,10-11]。其中，MULLER开发的地积累指数法被广泛用于土壤及河道沉积物Cd污染风险研究[12]。HAKANSON提出的潜在生态风险指数综合考虑了Cd毒性效应和相对贡献度等参数，在农田土壤Cd累积研究中应用较多[13]。ZHUANG等[14]应用地积累指数法对我国主要小麦产区土壤Cd生态风险进行了量化评估。李艳玲等[15]应用潜在生态指数对济源市平原区小麦田Cd污染特征进行了评估分析。美国环保署开发的健康风险评估模型建立了Cd暴露途径与人体Cd摄入量的定量关系，被广泛用于评估污染小麦摄入风险评估的研究中[8,16]。然而土壤Cd累积周期长，影响因素繁杂，不同区域农田土壤Cd空间异质性显著[1,11,17-18]。贵州土壤Cd背景值 (0.66 mg·kg−1) 约为内蒙古土壤Cd背景值 (0.05 mg·kg−1) 的13.2倍[17]。上述评价模型多使用固定评价因子和参考标准，难以对区域农田Cd污染风险进行量化分析[19-20]。同时，我国幅员辽阔，不同地区农田土壤理化性质、社会经济水平和人群生活习惯与国外研究差别较大，固定参数的直接应用使评价结果存在较大偏差[21-22]，难以充分反映区域土壤-小麦系统Cd污染风险变化趋势。
基于以上问题，本研究以河南省某地为研究对象，基于部分区域大面积调查和不确定性理论，将Monte-Carlo随机模拟方法引入到区域农田Cd污染风险综合评估中，获取该地区土壤和小麦Cd污染风险概率分布情况，探讨有效可行的污染防控目标，以期为区域小麦Cd污染风险管理提供理论指导。
1. 材料与方法
1.1 研究区概况和样点采集
研究区位于河南省某地，年平均温度为15.5 ℃，年平均降水量为546.6~686.2 mm[2]，研究区概况如图1所示。区域调查共布设635个采样点位，样点具体分布见图1。另外，10个土壤背景样品采集自研究区远离工矿企业和人类活动干扰的山区[6]。每个采样点应用五点混合采样法采集耕作层土壤 (0~20 cm) 样品1.0 kg左右，同时采集5~10株对应小麦样品，样品标记后带回实验室进行处理分析。
1.2 实验室分析
土壤样品经风干、研磨和过筛后置于自封袋密封备用。小麦样品经去泥、洗净分出籽粒后再用去离子水冲洗2~3遍，晾干后置于烘干箱中105 ℃杀青30 min，60 ℃烘干至恒重，脱壳后研磨粉碎，置于自封袋密封备用。土壤pH使用电极法测定，土水比为1∶2.5。土壤有机质 (SOM，乙二胺四乙酸—乙酸铵溶液浸提法) 和阳离子交换量 (CEC，盐酸浸提法) 具体测定方法方法参见文献[23]。应用四酸法HCl-HNO3-HF-HCIO4消解土壤样品，应用HNO3-HClO4消解小麦样品[6,24]。使用ICP-MS (7500A，Agilent，USA) 测定样品Cd含量，测定过程中应用国家标准物质 (GBW 07427华北平原土壤；GBW 10046河南小麦) 进行质量控制，回收率在91.8%~108.7%之间。
1.3 数据处理
小麦Cd富集系数 (BCF) 常被用来分析土壤-小麦系统Cd富集特征，并可在一定程度上消除区域环境因子影响差异[13,21]。其计算公式见式(1)。
BCF=WCd/SCd (1) 式中：BCF表示小麦籽粒Cd富集因子；WCd表示小麦籽粒Cd含量，mg·kg−1；SCd表示土壤Cd含量，mg·kg−1。
Moran’s I指数多用于空间自相关分析，可有效衡量同一区域内观测值间的依存效应[25]，具体计算公式见式(2)~式(3)。
Moran’sI=∑ni∑nj≠iwij(xi−ˉx)(xj−ˉx)/∑ni∑nj≠iwij(xi−ˉx)(xj−ˉx)(S2×∑ni∑nj≠iwij)(S2×∑ni∑nj≠iwij) (2) S2=(1/n)×∑ni(xi−ˉx)2 (3) 式中：n表示空间对象数量；wij表示空间对象i和空间对象j的空间权重矩阵，如果i和j是相邻的，则权重为1，否则为0；xi和xj代表在空间对象i和空间对象j的属性值 (i，j=1，2，3……n) ；
ˉx 地积累指数 (Igeo) 考虑了自然地质条件下土壤Cd背景值的影响，是区分和快速判断人类活动影响程度的重要参数[12,14]，具体计算公式见式(4)。
Igeo=log2[SCd/(1.5×Bn)] (4) 式中：SCd表示土壤Cd含量 (mg·kg−1) ，Bn表示土壤Cd背景值，本研究采用研究区土壤Cd背景值 ((0.324±0.105) mg·kg−1) [6]。地积累指数评价结果划分为7个等级，具体等级见表1。
表 1 土壤风险指数分级Table 1. Grade of of soil risk index分级 0 1 2 3 4 5 6 Igeo值 <0 0~1 1~2 2~3 3~4 4~5 >5 污染程度 无 轻度 轻~中 中度 中~重 重度 极严重 Er值 — <40 40~80 80~160 160~320 >320 — 生态风险 — 低 中等 中~高 高 极高 — | Show Table
DownLoad:
CSV
潜在生态风险指数 (Er) 考虑了土壤Cd毒理效应和环境生态效应对生态环境造成的影响[13,15]，其具体计算公式见式(5)。
Er=Tr×SCd/Bn (5) 式中：Tr表示Cd生物毒性系数 (Tr-Cd=30) ，SCd表示土壤Cd含量 (mg·kg−1) ，Bn表示土壤Cd背景值，本研究采用研究区土壤Cd背景值 (0.324±0.105 mg·kg−1) [6]。潜在生态风险指数评价结果分为5个等级，具体分级情况见表1。
健康风险评估模型建立了暴露途径与人体健康风险的定量关系[6,16]，计算公式见式(6)。
ADD−WCd=(WCd×IR×f)/BW (6) 式中：ADD-WCd为区域成人经摄食小麦摄入的Cd日均暴露剂量，mg·kg−1·d−1；WCd为小麦Cd含量，mg·kg−1；IR为研究区成人日均小麦食用量，g·d−1；f为河南省居民食用自产小麦的比例，%；BW为研究区成人平均体重，kg。
耦合公式(1)和(6)，人体健康评估模型可进一步用来表征土壤-小麦系统Cd富集量与人体健康风险的量化关系，其计算公式见式(7)。
ADD−SCd=(SCd×BCF×IR×f)/BW (7) 暴露参数对健康风险评价的结果具有关键性影响[9,21]。本研究中，成人日均小麦食用量 (IR) 和平均体重 (BW) 来自于区域人群健康调查，分别设定为 (307.6±98.8) g·d−1的对数正态分布变量和 (58.6±5.6) kg的正态分布变量[6]。河南省居民食用自产小麦的比例 (f) 参考中国人群暴露参数手册河南部分设定为80.2%[26]。蒙特卡洛 (Monte-Carlo) 模拟是一种基于概率抽样的数理统计方法[19]，通过对观测样本已知分布内的随机抽样，获取目标变量的概率分布[20,22]。本研究应用monte carlo模拟方法来降低土壤-小麦系统Cd污染综合风险评估结果的不确定性。
1.4 数据分析
应用SPSS 25.0进行农田Cd富集特征统计分析，应用ArcGIS 10.8和Origin 2021进行空间分析和制图，应用Matlab R2021a进行Monte-Carlo随机模拟，设定随机模拟的迭代次数为10000次。
2. 结果与讨论
2.1 土壤-小麦系统Cd富集特征分析
研究区土壤-小麦系统Cd富集特征统计结果如表2所示。区域土壤pH在5.44~8.60之间，平均值为8.05，其中94.7%土壤采样点pH均为碱性。耕作层土壤Cd平均含量为1.45 mg·kg−1，为农用地土壤风险筛选值 (0.6 mg·kg−1，《土壤环境质量农用地土壤污染风险管控标准 (试行) 》GB 15618-2018) [27]的2.42倍，约92.8%的土壤样点超过农用地土壤风险筛选值。土壤Cd变幅高达3.78 mg·kg−1，属强变异水平。以上结果说明区域土壤Cd污染形势严峻且受人为活动影响较为剧烈。
表 2 区域土壤基本性质及土壤-小麦Cd含量特征Table 2. Descriptive statistics of soil properties and Cd concentration in the soil-wheat system being investigated检测参数 最小值 最大值 平均值 中值 标准差 土壤pH 5.44 8.60 8.05 8.23 0.56 土壤有机质/(g·kg−1) 10.90 72.90 23.80 21.80 8.82 黏粒/% 16.50 47.30 28.50 28.00 5.54 阳离子交换量 10.60 27.50 18.20 17.8 3.35 土壤Cd/(mg·kg−1) 0.11 3.89 1.45 1.40 0.63 小麦Cd/(mg·kg−1) 0.04 0.51 0.18 0.17 0.09 小麦Cd-BCF 0.022 3.24 0.16 0.12 0.18 | Show TableDownLoad:
CSV
研究区小麦籽粒Cd平均含量为0.18 mg·kg−1，为《食品安全国家标准食品中污染物限量》GB 2762-2022 (0.1 mg·kg−1) 1.84倍[28]，显著高于我国河北 (0.05 mg·kg−1) [29]和陕西 (0.02 mg·kg−1) 等[8]小麦产区的小麦籽粒Cd含量，略低于甘肃地区 (0.23 mg·kg−1) [7]小麦籽粒Cd含量。区域小麦籽粒样品超标率高达84.0%，可见区域小麦富Cd现象广泛存在且较为严重。小麦Cd富集系数 (BCF) 可以量化Cd在土壤-小麦的转移过程，表征小麦吸收积累Cd的能力[24,29]。研究区BCF范围为0.02~3.24，平均值为0.16。Gaussian分布方程[19]拟合结果显示区域小麦BCF服从对数正态分布 (图2) ，拟合结果显著 (p<0.001) 。进一步对中国和美国小麦Cd-BCF拟合发现研究区小麦Cd-BCF显著低于美国小麦Cd-BCF (美国小麦Cd-BCF平均值为3.98±5.29，中值为1.96，图2) [19]。另外，中国小麦Cd-BCF大田观测结果 (小麦Cd-BCF平均值为0.28±0.35，中值为0.19) [10,29]和温室观测结果 (小麦Cd-BCF平均值为0.43±0.22，中值为0.44) [30]与区域小麦Cd-BCF累积分布较为相似，可见研究区小麦Cd富集特征具备一定的典型性。
图 2 小麦Cd富集因子累积分布特征Figure 2. Cumulative probability distributions of the Cd BCF for wheat plants2.2 空间异质特征分析
研究区土壤-小麦Cd含量空间自相关分析结果如图3所示。区域土壤-小麦Cd含量Moran’s I指数在0~20 km内均为正值，p值均<0.05，Z值均>2，超过20 km后p值>0.05，说明在该范围内 (0~20 km) 区域土壤-小麦Cd含量存在显著空间自相关关系[25]。土壤Cd含量Moran’s I指数在0~10 km范围内变化较大，整体上呈现先显著下降，再轻微上升，再持续下降的趋势。小麦Cd含量Moran's I指数在0~10 km内下降幅度较大，之后趋于平缓。由此可知区域土壤-小麦系统Cd分布特征存在较强的空间聚集性，这种现象可能是由于当地的工矿企业作业和交通运输活动的干扰所致[6]。整体来看，区域土壤-小麦系统Cd含量Moran’s I指数在0~20 km内均表现出随距离增加而逐渐降低的趋势，这表明可以进一步进行空间插值分析。
图 3 研究区土壤-小麦 Cd含量 Moran's I指数Figure 3. Moran’s I coefficient of Cd concentration in soil-wheat system in the study area采用反距离加权法对研究区土壤-小麦Cd含量进行空间插值，空间分布如图4所示。由图4(a)可知，土壤Cd含量整体由西北向东南逐渐降低。土壤Cd高值区 (土壤Cd>1.8 mg·kg−1) 主要分布在研究区西北部和中东部区域。LI等[6]对研究区麦田土壤Cd污染进行溯源分析，指出区域西北部靠近铅锌冶炼厂区，中东部靠近人口密集区，频繁的人类活动容易造成土壤Cd累积。同时，区域土壤Cd含量高值区靠近当地主要河流上游，存在通过河流进行Cd迁移的风险。由图4(b)可知，研究区西北部和中部出现小麦Cd富集现象。空间尺度上，区域土壤和小麦Cd含量在研究区西北部表现出一定的相关性，均出现了较高水平的Cd富集现象。但研究区中东部区域存在一定空间差异，出现土壤Cd含量较高而小麦Cd含量较低现象。由以上结果可知区域工矿企业活动对于小麦Cd富集趋势影响显著，针对该地区的污染风险评估是确保研究区耕地安全利用的关键。
图 4 研究区土壤和小麦Cd含量空间分布特征Figure 4. Spatial distribution of Cd concentration in soil and wheat grain of the study area2.3 综合风险评估
应用地积累指数 (Igeo) 和潜在生态风险指数 (Er) 开展基于固定参数的区域土壤Cd污染风险评估，评价结果见图5。由图5(a)可知，区域土壤Cd地积累指数平均值为1.42±0.73，隶属于轻中度污染等级 (表1) 。由图5(b)可知，区域土壤Cd潜在生态风险指数平均值为134±58.7，属中高等污染水平 (表1) 。考虑到区域土壤Cd含量的强空间异质性水平，进一步开展基于不确定性理论的区域土壤Cd污染风险评估 (图5) 。由图5(a)可知，区域土壤Cd地积累指数主要集中在1.01~1.89之间 (25%~75%分布) ，所调查样点隶属于无污染、轻度、轻中度、中度、中重度污染等级的比例分别为4.4%、21.5%、48.1%、23.2%和2.5%。由图5(b)可知，区域土壤Cd潜在生态风险指数主要集中在90.9~167之间 (25%~75%分布) ，所调查样点隶属于低污染、中等、中高等、高等和极高等污染等级的比例分别为3.2%、1.7%、4.7%、29.2%和4.3%。可见区域土壤Cd生态风险普遍处在高位，需对耕地上风向和河流上游的工矿企业排污进行治理 (图4) ，并避免出现新的污染源以加重区域土壤Cd累积趋势。
基于固定参数的小麦籽粒Cd人体健康风险评估结果如图6所示。结果显示，研究区成人Cd日均摄入量 (ADD) 为0.71±0.35μg BW·kg−1 d−1，略低于世界卫生组织 (WHO) 推荐的成人Cd摄入量安全值 (0.83 μg BW·kg−1·d−1) [31]。SONG等[9]对我国成人Cd摄入量的研究指出饮食结构的不同、小麦Cd含量差异等因素会促进健康风险评估结果的变异。简单的标准对比难以充分反映区域人群Cd摄入风险变化趋势。进一步开展基于不确定性理论的区域人群Cd摄入风险评估 (图6) 。由图6(a)可知区域人群经食用小麦Cd平均摄入量 (ADD) 主要集中在0.41~0.90 μg BW·kg−1·d−1之间 (25%~75%分布) ，近31.6%的区域人群Cd摄入量超过WHO推荐的安全值 (0.83 μg BW·kg−1·d−1) 。在小麦Cd含量较高的研究区西北部，该风险概率显著上升至79.3%，该区域ADD均值为1.12 μg BW·kg−1·d−1，为研究区人群经食用小麦摄入Cd量的1.58倍。考虑到研究区部分乡镇食用自产小麦比例接近100%，因此造成的危害也较大，在风险管理时应给予足够重视。
图 6 研究区成人Cd日均暴露风险评估Figure 6. Assessment of daily average exposure risk of adult Cd in the study area2.4 不同场景评估
国务院于2016年印发了《土壤污染防治行动计划》 (简称“土十条”) ，提出我国受污染耕地安全利用率到2030年要达到95%左右[4]。近年来，当地政府积极落实“土十条”各项指标，采取了诸如关闭重污染企业、优化产业格局、减少秸秆还田等手段以降低区域土壤Cd累积趋势，但是不同措施应用下区域人群Cd摄入风险仍不明确。基于不确定性理论应用所构建的人体健康风险评估模型 (公式7) 开展多场景评估，评价结果如图6(b)所示。由图6(b)可知，当区域小麦土壤Cd含量下降到0.80 mg·kg−1 (区域土壤Cd含量25%分布) 时，区域人群Cd摄入量由0.71 μg BW·kg−1·d−1显著下降至0.37 μg BW·kg−1·d−1，超过WHO推荐安全值 (0.83 μg BW·kg−1·d−1) [31]的风险概率由31.6%显著下降至14.1%。ÅKESSON和CHANEY[3]指出人体经饮食摄入Cd含量造成的危害随着Zn摄入量的增加而减小。增加牛奶、鸡蛋等高Zn食物在区域人群日常饮食中的比例[3,9]可进一步降低区域人群Cd摄入风险。
土壤酸化是影响Cd在土壤-小麦系统中富集的主要因子[5-6]。在本研究中，有9.61%的土壤pH<7.5，最小值 (pH=5.44，表2) 低于酸化土壤阈值 (pH=5.5，GB 15618-2018) [27]。为保证区域95%农田的安全利用，研究区土壤Cd含量应控制在0.6 mg·kg−1以下 (《土壤环境质量农用地土壤污染风险管控标准 (试行) 》GB 15618-2018) [27]。该场景下区域人群Cd摄入量为0.28 μg BW·kg−1·d−1，超标风险概率可进一步下降至7.3%。在这些土壤酸化区域增施石灰、生物炭等土壤调理剂可有效控制小麦Cd富集[24,32-33]，提升小麦质量水平并降低人群Cd摄入风险。众多研究指出土壤-小麦系统Cd累积量还受到距工业区、矿区和城镇区的距离，不同种类肥料的投入及气候条件等多种因素影响[5,34-35]。充分考虑这些因素的影响，基于不确定性分析原理评估区域Cd污染风险水平及相应概率，使评价过程更加稳健可靠，该方法与空间分析的联合使用更有助于风险决策的科学性和合理性。
3. 结论
将Monte-Carlo随机模拟方法引入到地积累指数、潜在风险因子指数和健康风险评价研究中，综合评估区域土壤-小麦系统Cd污染风险。案例分析说明研究区土壤-小麦系统Cd含量空间异质性强，污染风险较高，以区域西北部Cd富集现象最为显著。研究区成人通过食用当地小麦存在一定的健康风险，需引起当地政府足够重视，并根据不同地区概况采取适当防范措施以减少Cd污染危害，保障区域小麦的安全和高质生产。基于不确定性理论开展模拟分析，结果可同步展示不同场景下区域土壤Cd生态风险和小麦Cd健康风险的风险水平及其相应概率，为当地Cd污染防治提供决策支撑，对其他用地类型的重金属污染防治也有一定借鉴作用。
-
[1] 姚绪姣, 刘德富, 杨正健, 等. 三峡水库香溪河库湾冬季甲藻水华生消机理初探. 环境科学研究, 2012, 25(6): 645-651 Yao Xujiao, Liu Defu, Yang Zhengjian, et al. Preliminary studies on the mechanism of winter dinoflagellate bloom in Xiangxi Bay of the Three Gorges Reservoir. Research of Environmental Sciences, 2012, 25(6): 645-651(in Chinese) [2] 张宇, 刘德富, 纪道斌, 等. 干流倒灌异重流对香溪河库湾营养盐的补给作用. 环境科学, 2012, 33(8): 2621-2627 Zhang Yu, Liu Defu, Ji Daobin, et al. Effects of intrusions from Three Gorges Reservoir on nutrient supply to Xiangxi Bay. Environmental Science, 2012, 33(8): 2621-2627(in Chinese) [3] 梅裕, 毕永红, 胡征宇. 环境因子对香溪河库湾淹没土壤磷释放的影响. 环境科学与技术, 2012, 35(3): 11-15 Mei Yu, Bi Yonghong, Hu Zhengyu. Environmental factors on release of phosphorus from submerged soils in Xiangxi Bay. Environmental Science & Technology, 2012, 35(3): 11-15(in Chinese) [4] 田泽斌, 刘德富, 杨正健, 等. 三峡水库香溪河库湾夏季蓝藻水华成因研究. 中国环境科学, 2012, 32(11): 2083-2089 Tian Zebin, Liu Defu, Yang Zhengjian, et al. Cyanobacterial bloom in Xiangxi Bay, Three Gorges Reservoir. China Environmental Science, 2012, 32(11): 2083-2089(in Chinese) [5] 曾辉, 宋立荣, 于志刚, 等. 三峡水库"水华"成因初探. 长江流域资源与环境, 2007, 16(3): 336-339 Zeng Hui, Song Lirong, Yu Zhigang, et al. Preliminary study on algal blooms within the Three Gorges Reservoir. Resources and Environment in the Yangtze Basin, 2007, 16(3): 336-339(in Chinese) [6] 熊超军, 刘德富, 纪道斌, 等. 三峡水库汛末175m实验蓄水过程对香溪河库湾水环境的影响. 长江流域资源与环境, 2013, 22(5): 648-656 Xiong Chaojun, Liu Defu, Ji Daobin, et al. Influence of the 175 m trial impoundment of the Three Gorges Reservoir on water environment in the Xiangxi Bay. Resources and Environment in the Yangtze Basin, 2013, 22(5): 648-656(in Chinese) [7] 李凤清, 叶麟, 刘瑞秋, 等. 三峡水库香溪河库湾主要营养盐的入库动态. 生态学报, 2008, 28(5): 2073-2079Li Fengqing, Ye Lin, Liu Ruiqiu, et al. Dynamics of the main nutrients input to Xiangxi Bay of Three Gorge Reservoir. Acta Ecologica Sinica, 2008, 28(5): 2073-2079(in Chinese) [8] 方涛, 付长营, 敖鸿毅,等. 三峡水库蓄水前后香溪河氮磷污染状况研究. 水生生物学报, 2006,30(1):26-30 Fang Tao, Fu Changying, Ao Hongyi, et al. The comparison of phosphorus and nitrogen pollution status of the Xiangxi Bay before and after the impoundment of the Three Gorges Reservoir. Acta Hydrobiologica Sinica, 2006, 30(1): 26-30(in Chinese) [9] 宋林旭, 刘德富, 过寒超, 等. 三峡库区香溪河流域不同源类氮、磷流失特征研究. 土壤通报, 2013, 44(2): 465-471 Song Linxu, Liu Defu, Guo Hanchao, et al. A study on nitrogen and phosphorus loss of different non-point sources in Xiangxi basin of Three Gorges Reservoir. Chinese Journal of Soil Science, 2013, 44(2): 465-471(in Chinese) [10] 蒋定国, 戴会超, 王冰伟, 等. 香溪河库湾春季营养盐空间差异性成因分析. 水利学报, 2013, 44(5): 562-569 Jiang Dinguo, Dai Huichao, Wang Bingwei, et al. Causing analysis on nutrients spatial difference in Xiangxi Bay of the Three Gorges Reservoir. Journal of Hydraulic Engineering, 2013, 44(5): 562-569(in Chinese) [11] 彭三国, 姚敬劬. 湖北磷矿资源的保护. 中国矿业, 2005, 14(12): 30-33 Peng Sanguo, Yao Jingqu. Protection of phosphorus mineral resource in Hubei province of China. China Mining Magazine, 2005, 14(12): 30-33(in Chinese) [12] 黄羽, 张利. 宜昌市酸雨现状浅析. 环境科学与技术, 2013, 36(12M): 435-437 Huang Yu, Zhang Li. Analysis on current situation of acid rain in Yichang. Environmental Science & Technology, 2013, 36(12M): 435-437(in Chinese) [13] Fabrizio M. C., Frank A. M., Savino J. F. Procedures for formation of composite samples from segmented populations. Environmental Science & Technology, 1995, 29(5):1137-1144 [14] 雷立改, 马晓珍, 魏福祥, 等. 水中总氮、总磷测定方法的研究进展. 河北工业科技, 2011, 28(1): 72-76 Lei Ligai, Ma Xiaozhen, Wei Fuxiang, et al. Research progress of determination of total nitrogen and total phosphorus in seawater. Hebei Journal of Industrial Science & Technology, 2011, 28(1): 72-76(in Chinese) [15] 赵洋甬, 潘双叶, 陈元, 等. 水中总磷快速测定法研究. 福建测试分析, 2008, 17(4): 64-66 Zhao Yangyong, Pan Shuangye, Chen Yuan, et al. Rapid determination method of total phosphorus in water. Fujian Analysis & Testing, 2008, 17(4): 64-66(in Chinese) [16] Wahlstr?m M., Laine-Ylijoki J., Kaartinen T., et al. Acid neutralization capacity of waste-specification of requirement stated in landfill regulations. Copenhagen: TemaNord, 2009 [17] Johnson C. A., Sigg L. Acidity of rain and fog: Conceptual definitions and practical measurements of acidity. Chimia, 1985, 39: 59-61 [18] Astrup T. Characterization of leaching from waste incineration air-pollution-control residues. Denmark: Doctor Dissertation of Technical University of Denmark, 2004 [19] 王淀佐, 胡岳华. 浮选溶液化学. 长沙: 湖南科学技术出版社, 1989 [20] Filgueiras M. R. T., Mkhonto D., de Leeuw N. H. Computer simulations of the adsorption of citric acid at hydroxyapatite surfaces. Journal of Crystal Growth, 2006, 294(1): 60-68 [21] Pokrovsky O. S., Golubev S. V., Schott J. Dissolution kinetics of calcite, dolomite and magnesite at 25 ℃ and 0 to 50 atm pCO2. Chemical Geology, 2005, 217(3-4): 239-255 [22] Somasundaran P., Amankonah J. O., Ananthapadmabhan K. P. Mineral-solution equilibria in sparingly soluble mineral systems. Colloids and Surfaces, 1985, 15: 309-333 -
点击查看大图
计量
- 文章访问数: 1690
- HTML全文浏览数: 1246
- PDF下载数: 901
- 施引文献: 0
