Processing math: 100%

小尺度水平上植被格局对城市绿地土壤污染物累积的影响

张媛, 谢天, 王美娥. 小尺度水平上植被格局对城市绿地土壤污染物累积的影响[J]. 环境工程学报, 2020, 14(5): 1343-1353. doi: 10.12030/j.cjee.201910088
引用本文: 张媛, 谢天, 王美娥. 小尺度水平上植被格局对城市绿地土壤污染物累积的影响[J]. 环境工程学报, 2020, 14(5): 1343-1353. doi: 10.12030/j.cjee.201910088
ZHANG Yuan, XIE Tian, WANG Meie. Impact of vegetation pattern on soil contaminant accumulation in urban green land at small scale[J]. Chinese Journal of Environmental Engineering, 2020, 14(5): 1343-1353. doi: 10.12030/j.cjee.201910088
Citation: ZHANG Yuan, XIE Tian, WANG Meie. Impact of vegetation pattern on soil contaminant accumulation in urban green land at small scale[J]. Chinese Journal of Environmental Engineering, 2020, 14(5): 1343-1353. doi: 10.12030/j.cjee.201910088

小尺度水平上植被格局对城市绿地土壤污染物累积的影响

    作者简介: 张媛(1995—),女,硕士研究生。研究方向:土壤污染与生态风险评价。E-mail:yuanzang2016_st@rcees.ac.cn
    通讯作者: 王美娥(1975—),女,博士,副研究员。研究方向:城市生态风险评价。E-mail:mewang@rcees.ac.cn
  • 基金项目:
    国家自然科学基金青年基金项目(41907354)
  • 中图分类号: X53

Impact of vegetation pattern on soil contaminant accumulation in urban green land at small scale

    Corresponding author: WANG Meie, mewang@rcees.ac.cn
  • 摘要: 小尺度水平上土壤污染物累积特征不仅与人们的生活直接相关,与社区环境管理和园林规划也有密切联系。选择北京市五环内具有不同植被格局(围绕式、行列式、混合式和群点式)的典型居民区为研究对象,通过小区内绿地的多点布点,调查分析表层土壤中的7种重金属元素(Cr、Ni、Cu、Zn、Cd、Pb、Mn)和16种优先控制多环芳烃(PAHs)的浓度;探究小尺度水平上,植被格局对绿地土壤重金属及多环芳烃累积的影响。结果表明:Cu、Zn、Cd和Pb为主要的重金属污染物;居民区土壤中,16种多环芳烃总量(Σ16PAHs)的浓度为88.1~2 844 μg·kg−1,其主要来源于煤炭燃烧而非石油及其产物燃烧;行列式植被格局的绿地土壤中,主要重金属和PAHs污染物的浓度分布较为分散,高浓度污染物也往往出现在该类植被格局的土壤中;而群点式植被格局土壤中,主要重金属污染物以及本地指示性多环芳烃Ant、BaA和BaP的浓度中位值都较其他3种植被格局低。对行列式植被格局的小区进行土壤质量调查时,需要采集较多的样品数量才能获得代表性污染物浓度;同时,行列式植被格局有利于对污染物的截获,使绿地土壤起到吸纳污染物的作用,而群点式植被格局的绿地土壤环境质量较好,但是不利于发挥吸纳污染物的生态功能。
  • 好氧颗粒污泥(aerobic granular sludge, AGS)是微生物细胞在一定选择压下自凝聚形成的一种规则而紧密的颗粒状污泥[1]。与普通活性污泥相比,AGS具有结构紧密、沉降性优良、微生物量高、同步脱氮除磷、耐有机负荷等优点[2-3],AGS形成机制日益成为污水处理领域的研究热点。污泥中的胞外聚合物(extracellular polymeric substances, EPS)是微生物在一定环境条件下分泌的高分子物质,其主要成分是蛋白质(protein, PN)和多糖(polysaccharides, PS),还有少量的腐殖酸、脂质、核酸以及富里酸类物质[4]。EPS作为细胞菌胶团的重要组分,其含量变化可改变微生物细胞表面特性,影响细胞间的相互凝聚能力[5],促进AGS形成和维持其颗粒状立体结构[6],对好氧污泥颗粒化具有重要作用。

    目前,有关AGS的EPS成分的研究结果具有较大差异。OLIVERIRA等[7]认为,在好氧污泥颗粒化过程中PN是EPS的主要成分,而LIN等[8]则发现EPS中PS含量最高。TAY等[9]认为,EPS中的PS可提高微生物细胞间的凝聚力,具有强化AGS结构稳定性的功能。WANG等[10]和ADAV等[11]也证明 PS作为AGS的核心并构成内部骨架以支撑整个颗粒状立体结构。但Liu等[12]和MCSWAIN等[13]声明PN是AGS的核心,CHEN等[14]亦发现PN是维持AGS结构稳定的关键物质。因此,在EPS对好氧污泥颗粒化的影响研究方面仍存在分歧。

    本研究考察了污泥EPS中PN含量和污泥表面特性的相关性,采用三维荧光光谱(three-dimensional fluorescence spectrum, 3D-EEM)和傅里叶变换红外光谱(fourier transform infrared spectroscopy, FT-IR)等技术对接种污泥和AGS EPS组分和官能团进行了比较,明确接种污泥和好氧颗粒污泥中EPS组成成分的差异,同时使用激光扫描共聚焦显微镜(confocal laser scanning microscope, CLSM)确定AGS EPS的分布情况,进一步了解EPS中PN对好氧污泥颗粒化的影响,以期为AGS形成机理研究及其技术发展提供参考。

    实验所用的接种污泥取自广州市猎德污水处理厂四期二沉池的回流污泥,接种污泥的理化特性为:接种污泥为絮状,污泥浓度为7 588 mg·L−1,污泥沉降比为84%,污泥容积指数为110.7 mL·g−1,污泥沉降速度为12.36 m·h−1。接种前淘洗掉污泥中的杂质,并对其进行曝气24 h。接种污泥的体积为3.7 L,约占序批式反应器(sequencing batch reactor, SBR)有效容积的1/2。

    实验用水采用人工配制的模拟废水,以C6H12O6和CH3COONa为混合碳源,NH4Cl为氮源,KH2PO4为磷源,用NaHCO3调节进水pH至7.5左右,并向进水中添加1 mL·L−1的微量元素溶液。人工配置的模拟废水水质组成如表1所示。

    表 1  模拟废水质组成
    Table 1.  Water quality of simulated wastewater
    成分质量浓度/(mg·L−1)成分质量浓度/(mg·L−1)
    C6H12O6500~1 200FeCl3·6H2O500
    CH3COONa300~600CuCl2·2H2O30
    NH4Cl40~90MnCl2·4H2O120
    KH2PO48~18ZnCl2·6H2O120
    [CH2N(CH2COOH)2]2100H3BO3150
    MgSO4·7H2O30KI30
    FeSO4·7H2O30Na2MoO4·2H2O60
    EDTA20CoCl2·6H2O150
      表1右列成分为微量元素溶液组成。
     | Show Table
    DownLoad: CSV

    1)实验装置。在SBR中培养AGS,反应器主体为有机玻璃制成的圆柱体,其内径为9.8 cm,总高度为100 cm,有效高度为98 cm,有效高径比为10,反应器有效容积为 7.39 L。装置如图1所示。

    图 1  SBR装置示意图
    Figure 1.  Schematic diagram of SBR

    2)运行方式。在好氧污泥颗粒化过程中,SBR运行过程包括进水、曝气、沉淀、排水和闲置5个阶段,运行周期为6 h,包括进水4 min,曝气338~351 min,沉淀2~15 min,排水1 min,闲置2 min。反应器液体表面上升气速为0.86~4.64 cm·s−1,进水有机物浓度(以COD计)为800~1 800 mg·L−1,容积交换率为50%,通过水浴加热使SBR温度维持在25 ℃。采用调控COD、表面上升气速和污泥沉降时间以培养AGS。SBR运行的具体参数见表2

    表 2  SBR运行参数
    Table 2.  Operating parameters of SBR
    运行时间/d进水/min曝气/min沉淀/min排水/min闲置/min表面上升气速/(cm·s−1)COD/(mg·L−1)
    1~13433815120.86800
    14~28434112121.251 000
    29~43434310121.861 200
    44~5743458122.651 600
    58~7543485123.871 600
    76~11043512124.641 800
     | Show Table
    DownLoad: CSV

    1)常规指标分析。采用热提取法[15]提取EPS,EPS含量由PN和PS总含量表示;PS含量采用苯酚-硫酸法[16]测定;PN含量采用BCA(bicinchoninic acid)分光光度法[17]测定,其中EPS、PN和PS含量均以MLSS计;污泥Zeta 电位采用Zeta 电位分析仪(Zetasizer Nano ZS, Malvern)测定。

    以RH表征污泥表面相对疏水性。RH的具体测定过程如下:取泥水混合液10 mL,用 pH为7的三羟基甲基氨基甲烷缓冲液清洗2次;置于冰水浴中,用超声波细胞破碎仪(JY92-IIN, SCIENTZ)在 48 W 条件下超声 2 min;将超声后的悬浮液与10 mL正十六烷在分液漏斗中混合、摇匀 5min;静置 30 min后测定相关污泥浓度,污泥浓度采用国家标准方法[18]进行测定。RH根据式(1) [19]进行计算。

    RH=(1Q1Q0)×100% (1)

    式中:Q0为原污泥浓度,mg·L−1Q1为分液后水相中的污泥浓度,mg·L−1

    2) 3D-EEM分析。采用荧光光谱仪(FluoroMax-4, HORIBA Jobin Yvon)对EPS进行分析。激发波长(excitation wavelength,Ex)和发射波长(emission wavelength, Em)分别为220~400 nm和290~500 nm,增量均为 5 nm,激发和发射狭缝宽度为3.6 nm,扫描速度为1 200 nm·min−1,响应时间为0.1 s。采用origin 8.0软件进行数据处理。

    3) FTIR分析。采用傅里叶变换红外光谱仪(Nicolet IS50, Thermofisher)对EPS溶液进行官能团测定。操作过程如下:将提取的EPS溶液置于−80 ℃的冷冻干燥机(Virtis 4K, VIRTIS)内冷冻干燥至无水;将干燥后的EPS和溴化钾以质量比为1∶100的比例研磨并混合均匀,混合粉末压片成型后用红外光谱仪以分辨率为4 cm−1,扫描次数为32次,在4 000~500 cm−1内进行扫描,用origin 8.0软件进行数据处理。

    4)荧光染色和CLSM分析。用荧光染料对AGS进行染色,以观察AGS样品中PN、PS、活细胞和死细胞的分布,选用的荧光染料如表2[20-21]所示。染色后的AGS样品使用激光共聚焦显微镜(LSM 800 with Airyscan, Carl Zeiss)进行观察。

    污泥在SBR不同运行阶段的外观变化如图2所示。接种污泥为灰褐色、絮状,结构松散。当SBR运行到第30 天时出现少量细小的污泥颗粒,但絮状污泥占主体;在第50天,初期AGS形成,粒径较小。随着SBR持续运行,沉降性能较差的颗粒状污泥进一步被筛选出反应器,第70 天时AGS呈淡黄色,表面有一层绒毛,颗粒粒径主要集中在1.0~1.5 mm。第110 天时AGS培养成功,其外观为橙黄色,表面光滑,整体呈球状或椭球状的立体结构,颗粒粒径集中分布在1.43~2.26 mm。

    图 2  污泥外观随时间的变化
    Figure 2.  Change of sludge appearance with time

    好氧污泥颗粒化过程中EPS、PN和PS含量以及PN/PS变化情况如图3所示,接种污泥的EPS、PN和PS含量分别为29.86、13.98、15.88 mg·g−1,PN/PS为0.88。在SBR运行初期,EPS、PN和PS含量均逐渐增加,PS含量略高于PN含量,这是因为污泥中的微生物在选择压的刺激下需分泌大量PS来维持正常的生命活动[22]。随后因选择压加强,干扰了微生物细胞间的信息交流和信号分子传递,打破了污泥中微生物生理活动的平衡,导致微生物新陈代谢活动受到抑制,因此,EPS、PN和PS含量从第45 天起均呈下降趋势,PN/PS出现明显波动。从第65 天起,可能是因为SBR中有大量细小颗粒污泥,微生物量较大且活性较高;另一方面,因为SBR长期运行,污泥中的部分微生物细胞自溶,所以EPS中的PN和PS含量增加。但微生物的代谢活动可消耗EPS中的PS,而PS含量的增加可能与其消耗近似处于平衡状态,所以PN/PS值随着PN含量的增加而增大[23]。第110 天时AGS培养成功,AGS的EPS、PN和PS的含量分别为68.60、41.86和26.74 mg·g−1,PN/PS为1.57,约是SBR启动时的2倍。在整个好氧污泥颗粒化过程中,EPS和PN含量及PN/PS变化整体均呈增大趋势,而PS维持在15.88~26.74 mg·g−1,说明AGS EPS成分以PN占主导,这与CHEN等[20]研究结果相同。

    图 3  EPS、PN和PS含量以及PN/PS随时间的变化
    Figure 3.  Changes of EPS, PN, PS contents and PN/PS with time

    污泥Zeta电位变化及PN含量与Zeta电位之间的关系如图4所示。由图4(a)可知,接种污泥的Zeta电位为−27.64 mV,在SBR运行前30 d内,因接种污泥要适应新的环境,其生长状态不稳定,所以污泥Zeta电位有一定波动。随后污泥Zeta电位开始下降,在第100天,污泥Zeta电位下降到−18.27 mV。在第110天时AGS培养成功,其Zeta电位为−18.31 mV。如图4(b)所示,PN含量和污泥Zeta电位呈负相关,相关系数(r)为0.950。由于PN可与水中的金属离子发生离子键作用,压缩双电层,降低污泥Zeta电位[24]。此外,PN中带有正电荷的氨基类物质能够中和部分羟基和磷酸根基团中的负电荷,进一步降低污泥Zeta电位[25]。因此,污泥Zeta电位的降低可促进微生物间的相互凝聚,最终形成AGS。在本次实验过程中,PN含量基本处于增加趋势,而污泥Zeta电位趋于下降趋势,这说明EPS中PN含量增加,污泥Zeta电位降低。

    图 4  污泥Zeta电位变化及PN含量与Zeta电位的关系
    Figure 4.  Change of Zeta potential of sludge and the relationship between PN content and Zeta potential

    RH变化及PN含量与RH之间的关系如图5所示。在好氧污泥颗粒化过程中,RH整体呈增加趋势。接种污泥的RH为27.27%,在SBR运行初期,RH基本呈缓慢增加趋势,在第70天RH达到60.01%。随后因为初期AGS大量形成,反应器中絮状污泥被颗粒状污泥代替,所以RH开始显著增加,在第100天时RH为77.58%。随着AGS逐渐成熟稳定,第110 天时AGS的RH为76.80%,约是接种污泥的2.8倍(图5(a))。LIU等[26]发现RH和SBR运行期间的选择压密切相关,因此,其在好氧污泥颗粒化过程中具有重要作用。同样,DIGANCE等[27]的研究表明, 污泥EPS中的PN是污泥的主要疏水成分。在本实验中发现PN含量变化与RH变化存在密切关系,如图5(b)所示。PN含量和RH呈正相关关系,r为0.934。此外,张丽丽等[28]发现AGS的PN含量与RH密切相关,污泥RH随PN含量的增加而增大。结合第2.4节的结果可知,在好氧污泥颗粒化过程中,PN含量增加,污泥Zeta电位降低且RH升高,有利于微生物细胞间的相互聚集,促进AGS形成。

    图 5  RH变化及PN含量与RH的关系
    Figure 5.  Change of RH and the relationship between PN content and RH

    采用3D-EEM技术对接种污泥和AGS的EPS组分进行比较。接种污泥和AGS的EPS的3D-EEM如图6所示。接种污泥和AGS的EPS的3D-EEM中均出现荧光峰A(Ex: 270~285 nm,Em: 295~320 nm)、荧光峰B(Ex: 270~295 nm,Em: 325~390 nm)和荧光峰 C(Ex: 310~380 nm,Em: 400~470 nm),其中荧光峰A和荧光峰B分别代表酪氨酸和色氨酸类蛋白质,均属于溶解性微生物代谢产物,酪氨酸类蛋白质是AGS形成的重要成分,可促进絮状污泥颗粒化[29-30];而色氨酸类蛋白质为疏水性物质,其与EPS中芳环氨基酸结构共同作用,可提高AGS结构稳定性[31]。AGS的EPS的荧光峰A和荧光峰B的荧光强度明显高于接种污泥,这表明在好氧污泥颗粒化过程中,污泥EPS中酪氨酸和色氨酸类蛋白质含量有所增加。AGS的EPS的3D-EEM出现2个新荧光峰:即代表芳香族蛋白类物质的荧光峰D(Ex: 220~230 nm,Em: 290~310 nm)和代表富里酸类物质的荧光峰E(Ex: 220~240 nm,Em: 400~470 nm),而芳香族蛋白类物质的存在有利于AGS的形成[28]

    图 6  EPS 的3D-EEM 图谱
    Figure 6.  3D-EEM spectra of EPS

    为了确定接种污泥和AGS的EPS官能团的差异,在4000~500 cm−1内进行了EPS的FT-IR分析,结果如图7所示。1 650~1 600 cm−1吸收峰是由蛋白质二级结构(酰胺Ⅰ)中的C=O拉伸震动引起的β-折叠和α-螺旋,1 550 cm−1吸收峰是由酰胺Ⅱ中的N—H弯曲产生[32-33]。AGS EPS在1 650~1600 cm−1和1 550 cm−1处的吸收峰面积分别为133.87、52.51(见表3)。有研究[34-35]发现,酰胺Ⅰ中的蛋白质二级结构具有促进微生物絮凝,加快推进好氧污泥颗粒化进程的作用,而从接种污泥提取的 EPS中未出现相似的吸收峰。

    表 3  荧光染料
    Table 3.  Fluorescent dye
    荧光染料Em/nmEx/nm标记目标染色时间/min
    异硫氰酸荧光素488500~550PN60
    刀豆蛋白A543550~600PS30
    碘化丙啶535615死细胞30
    4',6-二脒基-2-苯基吲哚346454活细胞10
     | Show Table
    DownLoad: CSV
    图 7  EPS的FT-IR
    Figure 7.  FT-IR spectra of EPS

    接种污泥和AGS的EPS分别在1 400 cm−1和1 410 cm−1处出现与C=O对称拉伸有关的吸收峰[36]。接种污泥的EPS中存在与PN(酰胺Ⅲ)有关的C—N拉伸所产生的1 260 cm−1吸收峰,吸收峰面积为36.43(见表3),而从AGS中提取的EPS中并未出现类似吸收峰。因PS中C—O伸缩震动和C—OH变形震动造成在1 140 cm−1和1 100 cm−1处出现吸收峰,2处吸收峰面积分别为85.89、108.65(见表3),表明好氧污泥颗粒化过程中PS含量没有明显变化,这与PS含量测定结果(图3)相一致。

    表 4  EPS中各类物质吸收峰面积
    Table 4.  Absorption peak area of various substances in EPS
    EPS来源PNPS(1 140~1 100 cm−1)核酸(993~893 cm−1)
    酰胺Ⅰ(1 650~1 660 cm−1)酰胺Ⅱ(1 550 cm−1)酰胺Ⅲ(1 260 cm−1)
    接种污泥36.4385.893.93
    AGS133.8752.51108.657.10
     | Show Table
    DownLoad: CSV

    为确定AGS EPS分布情况,采用CLSM对AGS EPS分布进行了研究。如图8所示,AGS表面附着PN(绿色区域)和PS(蓝色区域)。EPS分布在AGS外表层,从而将微生物细胞包裹在EPS中。一方面,EPS在AGS表面形成保护层,在一定程度上可用来抵御环境恶化以及有毒物质对微生物细胞的危害;另一方面,在营养物质匮乏时,微生物将EPS作为新的能源物质来维持自身的生命活动。AGS表面的PS为高分子粘性物质,可以作为细胞间的连接基质,与丝状菌嵌合形成交叉的网状骨架结构(图8(b)),为微生物细胞与其他微小颗粒间形成架桥。在外界选择压的改变下,附着在AGS表面的PN改变细胞表面的特性,进一步促进微生物细胞间以及微生物与污泥微粒间的相互凝聚并形成微生物聚集体,最终形成好氧颗粒污泥。由图8(b)图8(d)图发现,绿色区域面积大于蓝色区域面积,表明AGS EPS中PN含量高于PS含量,与图3测定结果相符合。

    图 8  AGS表面的CLSM图像
    Figure 8.  CLSM images of AGS surface

    1)在好氧污泥颗粒化过程中,EPS中PN含量增加明显,由接种污泥的13.98 mg·g−1增加到AGS的41.86 mg·g−1,PS含量维持在15.88~26.74 mg·g−1,PN/PS整体呈增大趋势,由0.88增加到1.57,表明AGS EPS成分以PN为主导。

    2) PN含量和污泥Zeta电位、RH分别呈负相关和正相关,r分别为0.950、0.934。PN含量增加,污泥Zeta电位降低,污泥RH升高,有利于微生物细胞间的相互聚集,促进好氧污泥颗粒化。

    3) EPS中代表酪氨酸和色氨酸类蛋白质的荧光强度增强,AGS EPS中出现芳香族蛋白和富里酸类物质以及含有N—H官能团的蛋白质,为好氧污泥颗粒化奠定物质基础。

    4)EPS分布在AGS表层并包裹微生物细胞。

  • 图 1  居民区植被格局分布

    Figure 1.  Distribution of vegetation pattern in residential area

    图 2  采样点分布

    Figure 2.  Distribution of soil samples

    图 3  土壤PAHs来源分析比值散点图

    Figure 3.  Scatter plots for the characteristic ratio of source analysis of PAHs in soil

    图 4  不同植被格局下土壤主要重金属污染物的浓度数值分布

    Figure 4.  Numerical distribution of concentrations of major heavy metal pollutants in soil with different vegetation patterns

    图 5  不同植被格局下土壤PAHs的浓度数值分布

    Figure 5.  Numerical distribution of concentrations of PAHs in soil with different vegetation patterns

    图 6  不同植被格局下指示性多环芳烃的浓度数值分布

    Figure 6.  Numerical distribution of concentrations of local indicative PAHs in soil with different vegetation patterns

    表 1  研究区表层土壤中7种重金属浓度及其变异系数

    Table 1.  Concentrations and variation coefficients of seven heavy metals in surface soil of study area

    重金属元素浓度最小值/(mg·kg−1)浓度最大值/(mg·kg−1)浓度平均值/(mg·kg−1)浓度中位值/(mg·kg−1)变异系数/%
    实测背景1)实测背景1)实测背景1)实测背景1)实测背景1)
    Cr32.750.663.416345.968.146.564.415.023.4
    Ni14.517.028.248.921.92922.227.414.425.7
    Cu13.015.015910129.123.622.323.788.119.8
    Zn33.248.224522671.8102.665.197.537.634.5
    Cd0.1040.0050.2350.3390.1560.0740.1500.07319.178.9
    Pb13.210.013246.031.225.423.224.185.624.8
    Mn3354196481 03940070538468516.022.7
      注:1)背景值参考已有研究中的数值[30]
    重金属元素浓度最小值/(mg·kg−1)浓度最大值/(mg·kg−1)浓度平均值/(mg·kg−1)浓度中位值/(mg·kg−1)变异系数/%
    实测背景1)实测背景1)实测背景1)实测背景1)实测背景1)
    Cr32.750.663.416345.968.146.564.415.023.4
    Ni14.517.028.248.921.92922.227.414.425.7
    Cu13.015.015910129.123.622.323.788.119.8
    Zn33.248.224522671.8102.665.197.537.634.5
    Cd0.1040.0050.2350.3390.1560.0740.1500.07319.178.9
    Pb13.210.013246.031.225.423.224.185.624.8
    Mn3354196481 03940070538468516.022.7
      注:1)背景值参考已有研究中的数值[30]
    下载: 导出CSV

    表 2  研究区土壤各元素浓度旋转后的因子载荷分析

    Table 2.  Principal component loadings of elements concentrations in studied soils after rotation

    元素主成分1主成分2主成分3主成分4
    Cr0.2810.0780.886−0.003
    Ni0.0650.0010.9140.117
    Cu0.9600.1350.037−0.064
    Zn0.9510.0640.200−0.050
    Cd1)0.6640.1530.476−0.170
    Pb0.9040.1180.140−0.206
    Mn1)0.7370.6060.114−0.008
    Na−0.209−0.135−0.0960.808
    K−0.0320.1780.1680.879
    Fe0.2270.857−0.045−0.031
    Ca1)0.3610.5890.499−0.327
    Mg−0.0230.9050.2440.039
    Al0.1310.880−0.0680.068
      注:1)表示在2组以上主成分中占有相似比例的载荷。
    元素主成分1主成分2主成分3主成分4
    Cr0.2810.0780.886−0.003
    Ni0.0650.0010.9140.117
    Cu0.9600.1350.037−0.064
    Zn0.9510.0640.200−0.050
    Cd1)0.6640.1530.476−0.170
    Pb0.9040.1180.140−0.206
    Mn1)0.7370.6060.114−0.008
    Na−0.209−0.135−0.0960.808
    K−0.0320.1780.1680.879
    Fe0.2270.857−0.045−0.031
    Ca1)0.3610.5890.499−0.327
    Mg−0.0230.9050.2440.039
    Al0.1310.880−0.0680.068
      注:1)表示在2组以上主成分中占有相似比例的载荷。
    下载: 导出CSV

    表 3  土壤样品中各元素浓度的偏度、峰度、正态性检验(K-S检验)

    Table 3.  Skewness, kurtosis and normal test (K-S testing) of heavy metal concentrations in studied soils

    元素峰度偏度P
    Cr0.0530.1000.200
    Ni−0.342−0.3210.200
    Cu22.04.220.000*
    Zn14.33.170.000*
    Cd0.3160.5290.200
    Pb7.212.600.000*
    Mn6.312.020.008*
    Na2.831.490.000*
    K−0.245−.07250.004*
    Fe0.6370.9220.017*
    Ca−0.257−0.1640.200
    Mg2.291.230.068
    Al1.610.6780.200
      注:*表示差异显著(P<0.05)。
    元素峰度偏度P
    Cr0.0530.1000.200
    Ni−0.342−0.3210.200
    Cu22.04.220.000*
    Zn14.33.170.000*
    Cd0.3160.5290.200
    Pb7.212.600.000*
    Mn6.312.020.008*
    Na2.831.490.000*
    K−0.245−.07250.004*
    Fe0.6370.9220.017*
    Ca−0.257−0.1640.200
    Mg2.291.230.068
    Al1.610.6780.200
      注:*表示差异显著(P<0.05)。
    下载: 导出CSV

    表 4  研究区表层土壤中PAHs浓度

    Table 4.  PAHs concentrations in surface soil of study area

    化合物缩写环数极小值/(μg·kg−1)中位值/(μg·kg−1)极大值/(μg·kg−1)变异系数/%
    Nap23.7915.433.951.6
    Ace31.233.4928.6103
    苊烯Acy30.1401.058.25114
    Flu30.7102.6013.172.9
    Phe35.6026.6204105
    Ant31.073.7247.5140
    荧蒽Fla49.2930.5346124
    Pyr47.0922.7283132
    苯并(a)蒽BaA45.6819.8188111
    Chry47.9929.2289115
    苯并(b)荧蒽BbF511.341.326985.8
    苯并(k)荧蒽BkF56.3922.4226118
    苯并(a)芘BaP56.6023.3250130
    二苯并(a,h)蒽DahA52.6010.591.4113
    苯并(g,h,i)苝BghiP69.0934.3288108
    茚并(1,2,3-cd)芘InP69.4444.128894.4
    低环PAHsLMW PAHs2~312.649.932685.6
    高环PAHsHMW PAHs4~675.52782 518111
    总PAHsΣ16PAHs2~688.13272 844107
    化合物缩写环数极小值/(μg·kg−1)中位值/(μg·kg−1)极大值/(μg·kg−1)变异系数/%
    Nap23.7915.433.951.6
    Ace31.233.4928.6103
    苊烯Acy30.1401.058.25114
    Flu30.7102.6013.172.9
    Phe35.6026.6204105
    Ant31.073.7247.5140
    荧蒽Fla49.2930.5346124
    Pyr47.0922.7283132
    苯并(a)蒽BaA45.6819.8188111
    Chry47.9929.2289115
    苯并(b)荧蒽BbF511.341.326985.8
    苯并(k)荧蒽BkF56.3922.4226118
    苯并(a)芘BaP56.6023.3250130
    二苯并(a,h)蒽DahA52.6010.591.4113
    苯并(g,h,i)苝BghiP69.0934.3288108
    茚并(1,2,3-cd)芘InP69.4444.128894.4
    低环PAHsLMW PAHs2~312.649.932685.6
    高环PAHsHMW PAHs4~675.52782 518111
    总PAHsΣ16PAHs2~688.13272 844107
    下载: 导出CSV
  • [1] VRSCAJ B, POGGIO L, MARSAN F A. A method for soil environmental quality evaluation for its management and planning in urban areas[J]. Landscape and Urban Planning, 2008, 88(2/3/4): 81-94.
    [2] 房城, 王成, 郭二果, 等. 城市绿地与城市居民健康的关系[J]. 东北林业大学学报, 2010, 38(4): 114-116. doi: 10.3969/j.issn.1000-5382.2010.04.034
    [3] 符娟林, 章明奎, 厉仁安. 杭州市居民区土壤重金属形态和酸可溶性研究[J]. 科技通报, 2004, 20(1): 6-10. doi: 10.3969/j.issn.1001-7119.2004.01.002
    [4] 章迪, 曹善平, 孙建林, 等. 深圳市表层土壤多环芳烃污染及空间分异研究[J]. 环境科学, 2014, 35(2): 711-718.
    [5] SUMAN S, SINHA A, TARAFDAR A. Polycyclic aromatic hydrocarbons (PAHs) concentration levels, pattern, source identification and soil toxicity assessment in urban traffic soil of Dhanbad, India[J]. Science of the Total Environment, 2017, 545/546: 353-360.
    [6] 王梦梦, 原梦云, 苏德纯. 我国大气重金属干湿沉降特征及时空变化规律[J]. 中国环境科学, 2017, 37(11): 4085-4096. doi: 10.3969/j.issn.1000-6923.2017.11.010
    [7] XU D C, ZHOU P, ZHAN J, et al. Assessment of trace metal bioavailability in garden soils and health risks via consumption of vegetables in the vicinity of Tongling mining area, China[J]. Ecotoxicology and Environmental Safety, 2013, 90: 103-111. doi: 10.1016/j.ecoenv.2012.12.018
    [8] 田壮, 方淑波, 印春生, 等. 盐城海岸带景观格局变化和重金属空间分布相关分析[J]. 上海海洋大学学报, 2013, 22(6): 912-921.
    [9] CAO H B, CHAO S H, QIAO L, et al. Urbanization-related changes in soil PAHs and potential health risks of emission sources in a township in southern Jiangsu, China[J]. Science of the Total Environment, 2017, 575: 692-700. doi: 10.1016/j.scitotenv.2016.09.106
    [10] HUANG Y P, LIU M, WANG R Q, et al. Characterization and source apportionment of PAHs from a highly urbanized river sediments based on land use analysis[J]. Chemosphere, 2017, 184: 1334-1345. doi: 10.1016/j.chemosphere.2017.06.117
    [11] 王静, 刘明丽, 张士超, 等. 沈抚新城不同土地利用类型多环芳烃含量、来源及人体健康风险评价[J]. 环境科学, 2017, 38(2): 703-710.
    [12] 郭伟, 孙文惠, 赵仁鑫, 等. 呼和浩特市不同功能区土壤重金属污染特征及评价[J]. 环境科学, 2013, 34(4): 1561-1567.
    [13] 符娟林, 章明奎, 厉仁安. 基于GIS的杭州市居民区土壤重金属污染现状及空间分异研究[J]. 土壤通报, 2005, 36(4): 575-578. doi: 10.3321/j.issn:0564-3945.2005.04.026
    [14] 符娟林. 杭州市居民区土壤环境质量的空间分异及其与土地利用历史的关系[D]. 杭州: 浙江大学, 2004.
    [15] 陈潇霖, 杨丹, 胡迪青, 等. 北京土壤重金属分布及评价: 以五环以内为例[J]. 环境科学与技术, 2012, 35(S2): 78-81.
    [16] 陈秀端, 卢新卫. 西安城市居民区土壤重金属健康风险评价[J]. 土壤通报, 2017, 48(4): 961-968.
    [17] 吴新民, 李恋卿, 潘根兴, 等. 南京市不同功能城区土壤中重金属Cu、Zn、Pb和Cd的污染特征[J]. 环境科学, 2003, 24(3): 105-111. doi: 10.3321/j.issn:0250-3301.2003.03.021
    [18] MIELKE H W, GONZALES C R, SMITH M K, et al. The urban environment and children’s health: Soils as an integrator of lead, zinc and cadmium in New Orleans, Louisiana, U. S. A[J]. Environmental Research, 1999, 81(2): 117-129. doi: 10.1006/enrs.1999.3966
    [19] 姚宏, 张士超, 刘明丽, 等. 基于城镇化进程表层土壤多环芳烃来源解析及风险评价[J]. 环境科学, 2018, 39(2): 889-898.
    [20] 赵利容, 孙省利, 柯盛. 湛江市区不同利用类型土壤的PAHs污染特征和来源[J]. 土壤学报, 2012, 49(4): 830-834. doi: 10.11766/trxb201105180179
    [21] SOUKARIEH B, EL HAWARI K, EL HUSSEINI M, et al. Impact of lebanese practices in industry, agriculture and urbanization on soil toxicity. Evaluation of the polycyclic aromatic hydrocarbons (PAHs) levels in soil[J]. Chemosphere, 2018, 210: 85-92. doi: 10.1016/j.chemosphere.2018.06.178
    [22] 北京市统计局, 国家统计局北京调查总队. 北京统计年鉴2018[EB/OL]. [2019-10-11]. http://www.bjstats.gov.cn/tjsj/.pdf, 2018.
    [23] 宋爱春. 北京建成区居住绿地植物多样性及其景观研究[D]. 北京: 北京林业大学, 2014.
    [24] XIE T, WANG M E, CHEN W P, et al. Impacts of urbanization and landscape patterns on the accumulation of heavy metals in soils in residential areas in Beijing[J]. Journal of Soils and Sediments, 2019, 19(1): 148-158. doi: 10.1007/s11368-018-2011-6
    [25] PENG C, OUYANG Z Y, WANG M E, et al. Assessing the combined risks of PAHs and metals in urban soils by urbanization indicators[J]. Environmental Pollution, 2013, 178: 426-432. doi: 10.1016/j.envpol.2013.03.058
    [26] 杨伟光, 王美娥, 陈卫平. 新疆干旱区某矿冶场对周围土壤重金属累积的影响[J]. 环境科学, 2019, 40(1): 445-452.
    [27] 彭驰. 城市土壤重金属与多环芳烃累积过程模拟[D]. 北京: 中国科学院大学, 2013.
    [28] 张枝焕, 卢另, 贺光秀, 等. 北京地区表层土壤中多环芳烃的分布特征及污染源分析[J]. 生态环境学报, 2011, 20(4): 668-675. doi: 10.3969/j.issn.1674-5906.2011.04.014
    [29] WANG M E, MARKERT B, CHEN W P, et al. Identification of heavy metal pollutants using multivariate analysis and effects of land uses on their accumulation in urban soils in Beijing, China[J]. Environmental Monitoring and Assessment, 2012, 184(10): 5889-5897. doi: 10.1007/s10661-011-2388-9
    [30] 中国环境监测总站. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990.
    [31] YANG Z P, LU W X, LONG Y Q, et al. Assessment of heavy metals contamination in urban topsoil from Changchun City, China[J]. Journal of Geochemical Exploration, 2011, 108(1): 27-38. doi: 10.1016/j.gexplo.2010.09.006
    [32] WU S, XIA X H, LIN C Y, et al. Levels of arsenic and heavy metals in the rural soils of Beijing and their changes over the last two decades (1985-2008)[J]. Journal of Hazardous Materials, 2010, 179(1/2/3): 860-868.
    [33] 王学松, 秦勇. 利用对数正态分布图解析徐州城市土壤中重金属元素来源和确定地球化学背景值[J]. 地球化学, 2007, 36(1): 98-102. doi: 10.3321/j.issn:0379-1726.2007.01.011
    [34] EDWARD N T J. Polycyclic aromatic hydrocarbons (PAHS) in the terrestrial environment: A review[J]. Journal of Environmental Quality, 1983, 12(4): 427-441.
    [35] LIANG M, LIANG H D, RAO Z, et al. Characterization of polycyclic aromatic hydrocarbons in urban-rural integration area soil, North China: Spatial distribution, sources and potential human health risk assessment[J]. Chemosphere, 2019, 234: 875-884. doi: 10.1016/j.chemosphere.2019.06.119
    [36] SONG S, LU Y L, WANG T Y, et al. Urban-rural gradients of polycyclic aromatic hydrocarbons in soils at a regional scale: Quantification and prediction[J]. Environmental Manage, 2019, 249: 109406.
    [37] YUNKER M B, MACDONALD R W, VINGAZAN R, et al. PAHs in the Fraser River basin: A critical appraisal of PAH ratios as indicators of PAH source and composition[J]. Organic Geochemistry, 2002, 33(4): 489-515. doi: 10.1016/S0146-6380(02)00002-5
    [38] 张俊叶, 俞菲, 俞元春. 中国主要地区表层土壤多环芳烃含量及来源解析[J]. 生态环境学报, 2017, 26(6): 1059-1067.
  • 期刊类型引用(2)

    1. 黄琪琪,陈皑,曲丹,王渝超,史鑫磊. 下凹式绿地内气压变化及其对雨水蓄渗过程的影响. 环境工程学报. 2024(03): 790-798 . 本站查看
    2. 李婷婷. 地产开发监管对降低城市土壤生态环境污染的影响研究. 环境科学与管理. 2021(03): 136-140 . 百度学术

    其他类型引用(2)

  • 加载中
    Created with Highcharts 5.0.7访问量Chart context menu近一年内文章摘要浏览量、全文浏览量、PDF下载量统计信息摘要浏览量全文浏览量PDF下载量2024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-042025-050Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 2.5 %DOWNLOAD: 2.5 %HTML全文: 89.1 %HTML全文: 89.1 %摘要: 8.4 %摘要: 8.4 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 83.8 %其他: 83.8 %Anwo: 0.1 %Anwo: 0.1 %Beijing: 5.1 %Beijing: 5.1 %Chang'an: 0.1 %Chang'an: 0.1 %Changsha: 0.1 %Changsha: 0.1 %Chifeng: 0.2 %Chifeng: 0.2 %Chongqing: 0.2 %Chongqing: 0.2 %Dongguan: 0.1 %Dongguan: 0.1 %Emeryville: 0.2 %Emeryville: 0.2 %Guangzhou: 0.1 %Guangzhou: 0.1 %Gujrat: 0.7 %Gujrat: 0.7 %Gulan: 0.1 %Gulan: 0.1 %Hangzhou: 0.2 %Hangzhou: 0.2 %Huadian: 0.2 %Huadian: 0.2 %Islamabad: 0.2 %Islamabad: 0.2 %Jinrongjie: 0.1 %Jinrongjie: 0.1 %Kunming: 0.1 %Kunming: 0.1 %Kunshan: 0.1 %Kunshan: 0.1 %Mountain View: 0.2 %Mountain View: 0.2 %Nanqiao: 0.1 %Nanqiao: 0.1 %Shanghai: 0.4 %Shanghai: 0.4 %Taiyuan: 0.2 %Taiyuan: 0.2 %Tianjin: 0.1 %Tianjin: 0.1 %Xiangfan: 0.1 %Xiangfan: 0.1 %Xiangtan: 0.1 %Xiangtan: 0.1 %XX: 6.2 %XX: 6.2 %Yuncheng: 0.2 %Yuncheng: 0.2 %Yuzhong Chengguanzhen: 0.4 %Yuzhong Chengguanzhen: 0.4 %Zhengzhou: 0.1 %Zhengzhou: 0.1 %北京: 0.2 %北京: 0.2 %太原: 0.1 %太原: 0.1 %济南: 0.1 %济南: 0.1 %深圳: 0.1 %深圳: 0.1 %石家庄: 0.1 %石家庄: 0.1 %长治: 0.1 %长治: 0.1 %阳泉: 0.1 %阳泉: 0.1 %鞍山: 0.1 %鞍山: 0.1 %其他AnwoBeijingChang'anChangshaChifengChongqingDongguanEmeryvilleGuangzhouGujratGulanHangzhouHuadianIslamabadJinrongjieKunmingKunshanMountain ViewNanqiaoShanghaiTaiyuanTianjinXiangfanXiangtanXXYunchengYuzhong ChengguanzhenZhengzhou北京太原济南深圳石家庄长治阳泉鞍山Highcharts.com
图( 6) 表( 4)
计量
  • 文章访问数:  4209
  • HTML全文浏览数:  4209
  • PDF下载数:  51
  • 施引文献:  4
出版历程
  • 收稿日期:  2019-10-17
  • 录用日期:  2020-03-07
  • 刊出日期:  2020-05-01
张媛, 谢天, 王美娥. 小尺度水平上植被格局对城市绿地土壤污染物累积的影响[J]. 环境工程学报, 2020, 14(5): 1343-1353. doi: 10.12030/j.cjee.201910088
引用本文: 张媛, 谢天, 王美娥. 小尺度水平上植被格局对城市绿地土壤污染物累积的影响[J]. 环境工程学报, 2020, 14(5): 1343-1353. doi: 10.12030/j.cjee.201910088
ZHANG Yuan, XIE Tian, WANG Meie. Impact of vegetation pattern on soil contaminant accumulation in urban green land at small scale[J]. Chinese Journal of Environmental Engineering, 2020, 14(5): 1343-1353. doi: 10.12030/j.cjee.201910088
Citation: ZHANG Yuan, XIE Tian, WANG Meie. Impact of vegetation pattern on soil contaminant accumulation in urban green land at small scale[J]. Chinese Journal of Environmental Engineering, 2020, 14(5): 1343-1353. doi: 10.12030/j.cjee.201910088

小尺度水平上植被格局对城市绿地土壤污染物累积的影响

    通讯作者: 王美娥(1975—),女,博士,副研究员。研究方向:城市生态风险评价。E-mail:mewang@rcees.ac.cn
    作者简介: 张媛(1995—),女,硕士研究生。研究方向:土壤污染与生态风险评价。E-mail:yuanzang2016_st@rcees.ac.cn
  • 1. 中国科学院生态环境研究中心,城市与区域生态国家重点实验室,北京 100085
  • 2. 中国科学院大学,北京 100049
基金项目:
国家自然科学基金青年基金项目(41907354)

摘要: 小尺度水平上土壤污染物累积特征不仅与人们的生活直接相关,与社区环境管理和园林规划也有密切联系。选择北京市五环内具有不同植被格局(围绕式、行列式、混合式和群点式)的典型居民区为研究对象,通过小区内绿地的多点布点,调查分析表层土壤中的7种重金属元素(Cr、Ni、Cu、Zn、Cd、Pb、Mn)和16种优先控制多环芳烃(PAHs)的浓度;探究小尺度水平上,植被格局对绿地土壤重金属及多环芳烃累积的影响。结果表明:Cu、Zn、Cd和Pb为主要的重金属污染物;居民区土壤中,16种多环芳烃总量(Σ16PAHs)的浓度为88.1~2 844 μg·kg−1,其主要来源于煤炭燃烧而非石油及其产物燃烧;行列式植被格局的绿地土壤中,主要重金属和PAHs污染物的浓度分布较为分散,高浓度污染物也往往出现在该类植被格局的土壤中;而群点式植被格局土壤中,主要重金属污染物以及本地指示性多环芳烃Ant、BaA和BaP的浓度中位值都较其他3种植被格局低。对行列式植被格局的小区进行土壤质量调查时,需要采集较多的样品数量才能获得代表性污染物浓度;同时,行列式植被格局有利于对污染物的截获,使绿地土壤起到吸纳污染物的作用,而群点式植被格局的绿地土壤环境质量较好,但是不利于发挥吸纳污染物的生态功能。

English Abstract

  • 城市绿地为居民提供了良好的环境、景观和游憩场所,城市绿地功能的发挥离不开土壤,城市的居住适宜程度和环境质量以及人类的生活品质等都与城市绿地土壤密切相关[1-2]。然而,随着城市化的发展,城市土壤环境问题日渐严峻,大量污染物进入土壤当中,尤为突出的是土壤重金属和多环芳烃(PAHs)污染日益加剧[3-4]。因此,土壤重金属和多环芳烃污染问题是阻碍城市发展、影响城市居民健康的重要因素之一。

    城市土壤中的重金属和PAHs主要来自大气中吸附有环境污染物的细颗粒物的干湿沉降[5-6],而城市中的植被格局在很大程度上,影响着大气颗粒物的传输和沉降过程[7]。目前,城市中观尺度上土地利用类型、城市化程度、城区植被类型及覆盖度等因素对土壤重金属和多环芳烃的影响均有较多研究[8-10]。由于不同的土地利用类型(商业区、居民区、工业区等)对土壤污染物的累积影响较大[11-12],因此,选择相同的土地利用类型来研究某种因素的影响能够较为明确地揭示目标因素的影响作用。居民区是城市区域中人口最为集中的地方之一,且占地面积较大,与人居环境质量息息相关[13]。有研究[14]表明,杭州市居民区土壤重金属元素均有不同程度的积累,以Cd最为明显。居民区土壤重金属可能是人体重金属的重要来源之一[15]。陈秀端等[16]发现,在西安市居民区土壤中,重金属污染对成人与儿童的健康都具有风险。其中,儿童所接受的重金属元素As、Ba、Co、Cr、Pb和Zn污染的健康风险远高于成人。吴新民等[17]应用MIELKE等[18]提出的儿童健康标准的土壤Pb全量指标进行研究,发现南京市老居民区土壤Pb浓度超标75%以上。此外,有研究[19-21]表明,不同城市化强度、城市土地利用类型以及植被类型对土壤PAHs累积均具有显著影响。然而,以上的研究均在城市区域尺度上进行,对于小尺度(如居民区尺度)水平上植被格局对土壤污染物累积的影响研究较少。

    小尺度水平上的植被格局是城市绿地园林设计和规划的重要内容,研究小尺度水平上植被格局对土壤重金属和PAHs等污染物累积的影响能够为城市绿地园林设计和绿地管理提供依据,能够使其同时兼顾环境美观和健康。因此,本研究选择居民区土地利用类型作为研究对象,对不同植被格局下,居民区土壤重金属和PAHs累积特征进行调查分析,旨在探明小尺度水平上,植被格局对土壤污染物累积的影响程度。

  • 本次研究区为北京市五环内区域(北纬39°45′17″~40°01′13″,东经116°12′18″~116°33′13″),五环内区域覆盖了包括东城区、西城区、海淀区、朝阳区、石景山区以及丰台区在内的6个行政管辖区,截至2017年末,该区域人口数量约为1.2×107[22]

  • 居民区是城市极具代表性的土地利用类型,其内部绿地依托建筑物的布局形式呈现不同的植被格局。我国居民区常见的植被格局类型包括围绕式、行列式、混合式和群点式等,不同的居民区植被格局如图1所示。围绕式绿地格局(图1(a))一般集中围绕在建筑物周边分布,面积较大,并且可分为单周边及双周边;行列式绿地格局(图1(b))通常依托建筑物的布局总体呈现线性排列布局形式,为了便于居民使用,多为楼间绿地;群点式绿地格局(图1(c))通常依托建筑物呈点状或组群布局,以中心公共绿地作为核心,延伸到周边绿地,且该类型居民区的建筑多为散点分布,建筑物密度较高;混合式绿地格局(图1(d))综合了以上3种形式,该类型可能包含以上多种布置形式,但基本仍以其中一种布局为主导[23]

  • 本研究采样主要针对不同植被格局类型居民区内公共绿地草本植物覆盖的表层土壤。在北京市五环区域内,沿南北方向上选取了12个居民区(图2),每种植被格局(围绕式、行列式、混合式、群点式)分别选取3个具有代表性的居民区。为了消除区域尺度和/或中观尺度污染物分布格局对结果的影响,本次研究的调查点设置充分考虑到主要重金属污染物和多环芳烃在北京市五环内的分布特征,即2类污染物的浓度随着离市中心距离的增加而呈现降低的趋势[24-25]。因此,每种植被格局的3个代表性居民区分别分布在五环到市中心的范围内。根据居民区公共绿地的面积和分布,在每个居民区的公共绿地分别设置2~3个采样点。围绕式和行列式植被格局由于整个小区绿地斑块分布较为均匀,而且斑块面积大小类似,因此在小区不同方位分别布置3个采样点;群点式和混合式在大面积主要公共绿地斑块布置2个采样点,在超过100 m2的小面积绿地斑块增加1个采样点。于每个采样点在10 m×10 m面积内,采用5点混合法采集表层(0~10 cm)土壤,采集1 kg土壤样品于自封袋中,共采集31个土壤样品。土壤样品运送至实验室后,一部分样品冷冻干燥并过100目筛后,装入棕色玻璃瓶中,储存于−25 ℃冰箱中,供PAHs分析。剩余的样品自然风干后去除植物叶片、根系等杂质,磨碎后,使样品通过100目筛,以供测试土壤金属元素指标。

  • 金属元素检测试剂:盐酸(HCl)、硝酸(HNO3)、氢氟酸(HF)、高氯酸(HClO4)均为优级纯;超纯水(Mili-Q)。

    金属元素检测仪器:赶酸电热板(GS-Ⅲ,南京瑞尼克科技开发有限公司)、电感耦合等离子体光谱仪(ICP-OES,Prodigy7,美国Leeman labs公司)、电感耦合等离子体质谱仪(ICP-MS,NexION300x,美国PerkinElmer公司)。

    多环芳烃检测试剂:丙酮(CH3COCH3)、正己烷(C6H14)、二氯甲烷(CH2Cl2)均为农残级;无水硫酸钠(Na2SO4)为分析纯。

    标准样品:EPA16种优控多环芳烃混标;替代物选用氘代三联苯和2-氟联苯;内标选用5种半挥发物氘代多环芳烃(氘代菲、氘代屈、氘代萘、氘代苊、氘代苝)。

    多环芳烃检测仪器:快速溶剂萃取仪(ASE 350型,美国戴安公司)、旋转蒸发仪(RE-201D型,郑州科泰实验设备有限公司)、固相萃取仪(Visiprep DL SPE 12孔,美国Supelco公司)、氮吹仪(DC-12型,上海安谱实验科技股份有限公司)、串联四极杆气相色谱-质谱联用仪(7890B-7000D)。

  • 土壤金属元素检测采用四酸法 (HCl-HNO3-HF-HClO4,10∶3∶3∶1)[26];土壤PAHs检测采用加速溶剂萃取-旋蒸浓缩-GC/MS分析方法[27-28]

    使用电感耦合等离子体光谱仪测定重金属Mn及其他金属元素Na、K、Fe、Ca、Mg和Al的浓度[29];采用电感耦合等离子体质谱仪测定重金属Cr、Ni、Cu、Zn、Cd和Pb的浓度[26]。在实验过程中,使用国家土壤标准物质GBW07401进行质量控制,测得标准回收率为72.1%~103.2%。土壤PAHs分析过程采用空白、样品平行样、内标和替代物控制等进行质量控制,内标回收率为50.8%~98.4%,所有多环芳烃浓度的数据均高于方法检测限。

  • 研究区表层土壤中的7种重金属浓度统计学特征如表1所示。Cu的平均值、最大值以及变异系数均高于其相应的背景值,其中,变异系数高达88.1%,约是其背景值的4倍;土壤Cd的平均值、最小值和中位值均远高于其对应背景值;在土壤Pb的所有统计值中,除中位值外,均大于其对应的背景值,变异系数约为背景值的3倍;土壤Zn的最大值和变异系数略高于背景值,其他值低于背景值。除此之外,其他3种重金属元素的各项统计值均低于相应的背景值。因此,可以表明,居民区土壤中Cu、Zn、Cd和Pb存在一定程度的累积。

    在环境领域的研究中,主成分分析法用于对一组数据进行降维,通过提取少数综合指标来反映多个因素之间的关系[31]。元素之间的相关关系往往能够反映土壤重金属来源,同时也能够判断出哪些土壤元素浓度受到人为因素的明显影响。所以,为了进一步分析居民区土壤中重金属的来源,识别出受到人为扰动较强的首要污染物,在调查重金属元素的基础上,本研究还同时调查了6种金属元素(Na、K、Fe、Ca、Mg、Al)的浓度,并对以上 13 种金属元素进行了主成分分析,结果如表2所示。可以看出,本研究共提取4个主成分,累积解释总变量方差为84.7%。主成分1占总变量方差的30.4%,具有较高载荷的元素为Cu、Zn和Pb;主成分2占24.3%,占较高载荷的元素为 Fe、Mg和Al;主成分3占17.5%,载荷较高的元素有Cr和Ni;主成分4占12.5%,较高载荷的是Na和K元素。元素Cd、Mn和Ca这3种元素分别在2个甚至3个主成分上的载荷值都类似。说明这些元素的累积受到多个因素的贡献相似。Cu、Zn、Cd和Pb通常是城市土壤中普遍存在的受人为活动影响较为严重的重金属污染物,而Fe、Mg和Al元素尽管受到人为活动干扰较大(如建筑材料等垃圾输入),但是由于其在成土母质中的浓度也非常高,因此,人类活动对这些元素在土壤中的浓度的影响相对较小[32]。除了点源污染,Cr和Ni在土壤中的浓度与成土母质有关。Na和K元素在土壤中来源广泛,并且浓度很高,其在土壤中的浓度变化一般也较大。由此可见,北京市居民区土壤中Cu、Zn、Cd和Pb的主要来源为人为源,并且重金属浓度变化受人类活动影响较大。

    元素浓度是否服从正态分布是评价土壤重金属是否存在人为活动干扰的依据之一。当浓度数据为非正态分布时,说明存在人为扰动[33]。如表3所示,在原始数据中,只有Cr、Ni、Cd、Ca、Mg和Al等6种元素的K-S检验为不显著(P>0.05),呈现为正态分布,这说明人为干扰因素较少;而其他7种元素的浓度都呈现明显的人为干扰趋势。

    综合土壤中重金属元素浓度与背景值的统计比较、主成分分析以及正态分布检验结果发现,这些小区土壤中的重金属Cu、Zn、Pb这3种元素与人为活动因素相关性较大;Cd元素有一定的相关性,但是影响相对较小。本研究结果与前期在北京市建成区及建成区居民区的调查研究结果一致,即,主要重金属污染物为Cu、Zn、Cd和Pb[24, 29];同时,有相关研究[29]表明,北京市建成区这4种典型重金属主要来源于交通排放,并且随着城市化发展在土壤中逐年累积。

  • 在研究区内,居民区表层土壤PAHs浓度统计结果如表4所示。研究区土壤16种PAHs总量(Σ16PAHs)的浓度范围为88.1~2 844 μg·kg−1,中位值为327 μg·kg−1,远超过土壤中内源性 PAHs 的浓度(1~10 μg·kg−1)[34]。因此,研究区土壤多环芳烃主要受外源输入影响较大(表4)。并且,在16种PAHs中,除Nap和Flu外,其余14种单体的变异系数均大于80%。

    PAHs同分异构体比值法是用于来源分析的主要手段[35-36]。YUNKER等[37] 认为:当Ant/(Ant+Phe)<0.1时,表明PAHs主要来源于石油泄露;当Ant/(Ant+Phe)>0.1时,表明PAHs主要来源于煤炭、生物质以及石油燃烧;当Fla/(Fla+Pyr)<0.4 时,表明PAHs主要来自石油泄露;当0.4<Fla/(Fla+Pyr)<0.5时,表明PAHs来源于石油燃烧;当Fla/(Fla+Pyr)>0.5时, 表明PAHs主要来源于煤炭和生物质燃烧。土壤PAHs来源分析比值散点图见图3。根据Ant/(Ant+Phe) (图3(a)),除了个别样点以外,绝大部分样点的Ant/(Ant+Phe)>0.1,并且所有样点的Fla/(Fla+Pyr)>0.5,因此,以上两对同分异构体比值表明,研究区土壤PAHs以煤炭、生物质以及石油燃烧等燃烧来源为主。同时,BaA/(BaA+Chry)和InP/(InP+BghiP)也可以用来判定PAHs来源[38]。当BaA/(BaA+Chry)<0.2或InP/(InP+BghiP)<0.2时,表明PAHs 为石油泄露;当0.2<BaA/(BaA+Chry)<0.35 时,一般认为PAHs 来源于石油或煤炭燃烧;当0.2<InP/(InP+BghiP)<0.5 时,PAHs 的来源主要为石油燃烧,包括汽车排放和原油燃烧;当InP/(InP+BghiP)>0.5或者BaA/(BaA+Chry)>0.35 时,表明PAHs 主要来源为生物质或者煤炭燃烧。如图3(b)所示,研究区样点的BaA/(BaA+Chry)>0.35,并且InP/(InP+BghiP)>0.5,因此说明主要来源于生物质和煤炭燃烧,汽车燃料燃烧来源相关性较小。以上研究结果与PENG等[25]在对北京市土壤多环芳烃来源的研究报道类似,即,北方城市集中供暖期所引起的长期煤炭燃烧是北方城市土壤中多环芳烃的主要来源。

  • 不同植被格局的样点土壤重金属污染物Cu、Zn、Cd和Pb的浓度数值分布如图4所示。可以看出,重金属Cu(图4(a))和Pb(图4(d))的中位值在4种植被格局中的变化不明显,而Cd(图4(c))和Zn(图4(b))元素的中位值稍有变化,即围绕式和混合式稍高,行列式和群点式稍低。从数据分布的情况看:首先,在4种植被格局中,行列式植被格局土壤中的重金属污染物浓度数据分散性相对较高;其次,Cd元素浓度分散性比其他3种元素高(图4(c)),Cu(图4(a))和Pb元素(图4(d))在围绕式和混合式植被格局土壤中的浓度分布较为集中,Zn元素在除了行列式以外的3种植被格局土壤中的分布都较为稳定。从采样调查研究的角度来说,对于行列式植被格局的小区绿地,需要适当增加样点数量才能获得较为客观的重金属浓度;而从环境管理的角度来说,行列式植被格局更有可能吸纳重金属污染物而起到净化环境的作用。土壤Cd元素浓度的分散性较大主要原因是由于城市土壤Cd浓度一般较低。本研究中Cd的浓度大多为0.1~0.2 mg·kg−1,导致系统误差的影响较大。因此,在城市土壤调查中对于Cd元素最需要关注的是异常高值。

  • 图5分别展示了LMW PAHs(图5(a))、HMW PAHs(图5(b))和∑16PAHs(图5(c))在4种植被格局下的浓度数值分布。不同植被格局下,居民区土壤∑16PAHs浓度中位值顺序为:围绕式(444 μg·kg−1)>行列式(408 μg·kg−1)>群点式(292 μg·kg−1)>混合式(271 μg·kg−1)。行列式植被格局小区,土壤∑16PAHs浓度中位值在4种格局小区内处于较高水平;并且,该格局类型下,土壤∑16PAHs最大值高达2 844 μg·kg−1,约为其他3种植被格局的4~5倍。此外,与重金属的浓度分布类似,行列式植被格局的土壤中LMW PAHs、HMW PAHs和∑16PAHs的浓度分布都较为分散;而且,HMW PAHs和∑16PAHs浓度的中位值在混合式和群点式植被格局土壤中较低。有研究[37]指出,Ant、BaA和BaP这3种PAHs的光敏性最强,尤其在夏季消失很快。因此,土壤中,这3种PAHs通常不会远距离迁移,因而被认为是最好的本地排放指标。由图6可知,相较于其他3种植被格局,Ant(图6(a))、BaA(图6(b))和BaP(图6(c))这3种PAHs在行列式植被格局土壤中的浓度水平均较为分散,说明在这种植被格局下,当地即时产生的PAHs变异也较大。同时,群点式植被格局的土壤中这3种PAHs浓度的中位值都最低,说明在这种植被格局下当地产生的PAHs在土壤中累积较少。植被覆盖类型能够影响下垫面地表土壤中重金属和多环芳烃的浓度,有研究[25]发现,城市中16种优控多环芳烃主要经由大气沉降过程进入土壤,而这一过程受到植被垂直结构的影响较大。对北京市的调查[27]发现,乔木覆盖下的土壤污染物的浓度明显比草地或灌木-草本覆盖类型高。其中,林灌草和林地土壤中多环芳烃浓度是草地土壤的2~3倍(P<0.05)。由于行列式植被格局大多由乔木或乔木-灌木的植被覆盖类型组成,而群点式植被格局中的大面积绿地由于会考虑到居民户外活动的方便,多为草地,这可能是导致行列式植被格局土壤中污染物含量相对较高,而群点式植被格局相对较低的原因。

  • 1)本研究结果表明,所选的31个典型居民区绿地土壤样点主要重金属污染物为Cu、Zn、Cd、Pb;土壤PAHs来源主要与煤炭及生物质燃烧有关,石油及其产物燃烧不是土壤PAHs的主要来源。

    2)行列式植被格局的土壤中重金属污染物Cu、Zn、Cd、Pb及高环和低环PAHs的浓度分布都较为分散,污染物高浓度的样点也往往出现在这种植被格局的绿地土壤样品中。这是因为行列式植被格局的绿地植被覆盖类型往往为乔木或乔木-灌木类型。

    3)群点式植被格局的土壤中重金属污染物和Ant、BaA和BaP这3种光敏性较强的本地指示性PAHs浓度都较其他3种植被格局土壤低。这与群点式植被格局的绿地植物覆盖类型多为草地有关。

    4)在对行列式植被格局小区进行采样调查时,需要布置多个采样点才能获得代表性污染物浓度;同时,行列式植被格局有利于土壤截获污染物,发挥绿地土壤吸纳污染物的生态功能,而群点式植被格局不利于土壤截获和吸纳污染物。但是,该植被格局下绿地环境质量相对较好,适合居民户外活动。

参考文献 (38)

返回顶部

目录

/

返回文章
返回