-
湖泊是一种生物与环境、生物与生物之间相互依存与制约的复杂系统。一般情况下,这个系统是处于相对平衡的状态,过于频繁的人类活动会打破原本的平衡状态。2018年中华人民共和国生态环境部发布的关于湖库富营养化现状调查结果[1]显示,在所有被调查的湖库中,中营养占比为61.7%,中营养以上占比为29%,仅有9.3%营养化程度为贫营养。底泥是湖泊水体重要的营养源,在湖泊自净能力范围内,沉积物表现为营养物的“源”,超过其承载力时则表现为“汇”。由于浅水湖泊具有环境比较封闭、流动性差、水深较浅、易污染等特点,所以外界环境极易对湖泊水环境造成干扰,使得沉积物中的污染物释放到水体中形成二次污染。
氮磷过量输入是导致湖泊富营养化的直接原因,进入湖泊水体的氮磷来源于2个方面:一是外源的直接输入;另一重要来源则是底泥向上覆水的内源释放。近年来,国内外学者在对非洲的东非湖[2]、美国的太浩湖[3]、中国的乌梁素海[4]和太湖梅梁湾[5]等研究中,也证实了底泥污染物质对水质有较大的影响,因此,对因底泥营养盐释放引起水体二次污染的问题进行了极大的关注,并展开了一系列的相关研究。这些研究主要包括沉积物中污染物含量及分布[6]、污染程度评价[7]、底泥的释放机理[8]等。掌握污染物在沉积物-上覆水间的迁移对内源污染防治至关重要,迁移作用主要包括扩散、吸附-解吸、矿化、溶解和分解等。在这些过程中,pH[9]、溶解氧[10]、温度[11]、盐度[12]、微生物或藻类[13]、扰动(包括物理和生物扰动)[14]等因素会影响沉积物-上覆水间物质的交换。目前,关于此方面的研究多是从单因素角度定性地对环境因子和污染物释放间的关系进行分析[15-16]。张强等[17]在研究中发现,高扰动强度增加了TN和COD的释放通量,缩短了TP的吸附-解吸平衡时间,而对氨氮的影响较小。实际上各因子是协同作用的,也有部分学者通过设计正交实验,揭示了多因子共同作用下底泥的释放规律。张茜[18]通过正交实验得出温度、pH、溶解氧对总氮和总磷释放速率有着显著的差异,沉积物中总氮和总磷的释放与环境因子间的显著性排序为pH>温度>溶解氧。张硕等[19]研究发现,温度和溶解氧交互作用对正磷酸盐交换通量影响显著,对氨氮和硝氮交换通量无显著影响。但正交实验也存在一定的局限性,其分析的是离散型数据,所求得的因素最佳组合只能局限在所设计的工况中,但在现实情况中,各因子的变化是连续的,离散型数据会降低所得结果的精度。
雁鸣湖2#湖(图1)位于西安市,属于浅水人工湖,从浐河引水,属于河道外湖泊。湖西面为黄土源,雨季时雨水夹带着塬上的污染物会流入2#湖,加上受污染的浐河水体会直接进入2#湖,这些因素都会导致湖泊水环境受到污染。在进行本研究前,监测发现,2#湖底泥和水体已经受到一定程度的污染,底泥颜色呈现深褐色至黑色,并散发有难闻气味,水体中TN、TP已经远超过国际上规定的富营养化发生的阈值[20](TN为0.2 mg·L−1,TP为0.025 mg·L−1)。针对雁鸣湖内源污染的研究很少,然而污染现状已不容忽视。本研究以雁鸣湖为研究对象,在单因子实验的基础上,结合响应面法,分别考察了温度、溶解氧、pH对沉积物-上覆水界面氮磷释放规律的影响,此实验方法规避了正交实验工况离散、回归精度较低等不足,分析了单因子作用及交互作用对界面氮磷释放的影响,并通过建立回归模型量化反映环境因子与释放量间的对应关系,研究结果对雁鸣湖富营养化防治具有一定的参考价值。
-
于2019年秋季进行样品采集,实验所用底泥采自西安市雁鸣湖2#湖中心,具体位置见图1。底泥通过抓斗式采样器获得,上覆水通过有机玻璃采样器获得。将采集的上覆水装入水桶,底泥装进自封袋迅速带回实验室备用。
在实验室将采回来的泥样平铺于有机玻璃柱底部,将上覆水缓缓加入底泥上部进行实验,培养装置如图2所示。选取的环境因子有温度、溶解氧、pH(X1、X2、X3)。上覆水温度的调节通过恒温培养箱控制;溶解氧的调节通过向水中充氮气或氧气实现;pH的调节通过向原水中加盐酸或氢氧化钠来调控。
在单因子实验中,环境因子水平值的设置参考湖泊历史实测值。每个因子设置5个水平值:温度分别为5、10、17.5、25、30 ℃;溶解氧分别为3、4.5、6、7.5、9 mg·L−1;pH分别为 5、6、7、8、9,共15个培养柱。每隔12 h取一次上覆水,检测其中TN、TP、
NH+4 -N、PO3−4 -P的含量,每个指标测定3个平行样,整个实验周期共持续7 d。每次取完水样补充相同体积的上覆水。响应面实验根据Box-Behnken模型设计要求设有17个培养柱,为估计实验误差,其中有5组中心点重复实验。所测营养盐种类同单因子实验,每个指标测定3个平行样。因子水平数的设置根据单因子的设置及Box-Behnken模型设计要求决定,最终设置的变量水平及对应编码如表1所示。
-
上覆水中TN、TP、
NH+4 -N、PO3−4 -P,参照文献中的方法[21]测定,温度、pH、溶解氧用便携式多参数测定仪测定。本研究采用实验室培养法进行交换通量的估算,具体计算方法[22]如式(1)所示。
式中:F为交换通量,mg·(m2·h)−1,F>0表示污染物从沉积物向上覆水扩散,否则,从上覆水向沉积物扩散;A为沉积物与水界面营养盐交换面积,m2;t为培养时间,h;Mt为t时间段内营养盐的质量变化量,mg,计算方法如式(2)所示。
式中:V为培养柱中上覆水的总体积,L;Ct为t时刻测得的上覆水中营养盐浓度,mg·L−1;Dt−1为t−1时刻上覆水中实际的营养盐浓度,mg·L−1,计算方法如式(3)所示。
式中:V0为每次所取的上覆水体积,L;C0和Ct−1分别为原始时刻和t−1时刻上覆水中营养盐的浓度,mg·L−1。
-
图3为氮磷通量随温度变化的趋势。氨氮和总氮、正磷酸盐和总磷表现出一致性的变化规律,通量均随温度增加呈现明显的上升趋势。30 ℃下的氨氮和总氮通量分别为5 ℃时的1.8倍和2.2倍。一方面是由于温度较高时微生物活性有所增强,直接加速有机氮的矿化作用[23];另一方面是由于微生物代谢和运动强度的增加,会消耗环境中氧气,使沉积物-上覆水界面处于厌氧环境,从而增强反硝化作用,进而加速界面间氮扩散。由图3可知,温度为5 ℃时的磷通量最小,正磷酸盐和总磷通量仅为0.166 mg·(m2·h)−1和0.315 mg·(m2·h)−1,随着温度逐渐升高,磷通量也逐渐增大,在30 ℃时正磷酸盐、总磷通量分别增加至0.243 mg·(m2·h)−1和0.566 mg·(m2·h)−1。这是因为升温会增加体系中离子的活性,促进离子交换反应的进行,加快磷酸盐的溶解及扩散作用;同时由于生物活动增强导致界面间耗氧增强,厌氧条件加速了Fe3+还原成Fe2+、Mn4+还原成Mn2+的速率[24],使铁锰结合态磷得到释放。
在不同溶解氧浓度的条件下,底泥的氮磷释放规律呈现一定的差异性。图4为氮磷通量随溶解氧浓度的变化趋势。氨氮通量为2.102~3.109 mg·(m2·h)−1,总氮通量为3.342~5.942 mg·(m2·h)−1,即溶解氧从最高水平(9 mg·L−1)减小到最低水平(3 mg·L−1)时,氨氮和总氮通量分别增加了1.5倍和1.8倍,在厌氧条件下的氮通量显著有所增加,低溶解氧水平下会促进底泥中有机氮的矿化[25],同时反硝化作用剧烈,无机氮主要以氨氮的形式释放,使得氮通量有明显的增加。对于磷的释放,在高溶解氧(9 mg·L−1)水平下,正磷酸盐通量为实验范围内最小,为0.183 mg·(m2·h)−1;而在厌氧条件下(3 mg·L−1),其通量达到0.333 mg·(m2·h)−1,为好氧条件下的1.8倍,总磷通量也由好氧条件下的0.456 mg·(m2·h)−1增加到0.566 mg·(m2·h)−1。这是因为厌氧条件促使Fe3+还原成Fe2+,使得原本被氢氧化铁胶体吸附的磷释放出来;而在高溶解氧条件下,体系处于氧化状态,Fe2+会被氧化成Fe3+,形成的氢氧化铁胶体会吸附部分磷沉积在底部[26];同时,Fe3+也会直接与部分磷酸盐结合成沉淀吸附在沉积物表层,从而降低磷的交换通量。
pH对沉积物中氮磷释放的影响如图5所示。可以看出,在偏酸或碱性条件下的氮通量显著大于中性条件下。在pH=7时,氨氮和总氮通量最低;在pH=5时,氨氮和总氮通量达到最大值,均为最小值的1.3倍。在酸性条件下,存在较多H+,会和体系中
NH+4 竞争吸附在胶体上[27],pH越低,竞争作用越强,氮释放越强;在碱性条件下,上覆水中存在的OH−会和NH+4 反应生成气态NH3,其可从上覆水中逸出,上覆水中氨氮减少,使得两相间浓度差变大,促进了底泥中氮向上覆水的释放。pH对底泥磷的影响主要通过吸附-解吸和离子交换2种作用得以实现。由图5可知:在中性条件下,正磷酸盐通量最小,在pH=9时达到最大,为中性条件下的1.4倍;随着pH增加,总磷通量也由最小值0.490 mg·(m2·h)−1 (pH=7时)增加到最大值0.536 mg·(m2·h)−1 (pH=9时)。在碱性条件下,磷释放主要以离子交换为主[28],体系中OH−会与磷酸根发生离子交换,碱性愈强,交换作用愈强,导致磷通量增加;在酸性条件下,难溶性磷酸盐及吸附了磷的氢氧化物胶体会溶解,使磷脱离底泥进入上覆水,酸性愈强趋势越明显,磷通量越大;而在pH=7时,磷酸盐主要以HPO2−4 及H2PO−4 的形式存在,此时离子易与体系中的金属离子结合被底泥吸附,使得底泥中的磷不容易释放。 -
1) BBD设计方案及测定结果。根据Box-Behnken模型设计要求,以温度、溶解氧、pH为自变量,以各营养盐交换通量为响应值进行实验设计。设有3组平行样,实测结果如表2所示,实验工况设计及通量平均值如表3所示。
2)模型的建立和方差分析。利用BBD模型,对表3中的结果进行数据回归拟合,温度(X1)、溶解氧(X2)、pH(X3)与TN通量(FTN)、TP通量(FTP)、
NH+4 -N通量(FNH+4−N) 、PO3−4 -P通量(FPO3−4−P) 4个响应值的二次多项式回归模型分别如式(4)~式(7)所示。对4个模型方程分别进行了方差分析和显著性分析,结果如表4所示。4个模型的P值均<0.01,说明显著性高,失拟项也均大于0.5,即所得方程和实际拟合中非正常误差所占比例小,这说明所得模型可信度高,模拟精确。TN、TP、
NH+4 -N及PO3−4 -P模型的变异系数分别为0.077、0.044 4、0.075 4、0.032 7,即数据离散程度较小,表明各方程拟合度好,模型回归性较好。4个模型的校正决定系数R2Adj 分别为0.907 5、0.922 8、0.914 5、0.958 2,即4个模型分别能解释90.75%、92.28%、91.45%、95.82%各自响应值的变化,总变异度分别有9.25%、7.72%、8.55%、4.18%不能用模型解释;且R2Adj 和R2值接近。在此基础上,用回归方程进行模拟,图6为氮磷交换通量的实际值和预测值的对比,过原点的斜率为1的直线代表实际值和预测值完全吻合的情况[29]。可以看出,部分点落在直线上,其余点基本均匀地分布在直线两侧且偏离较小,这进一步说明4个模型与实验结果吻合度较高。由此可知,所建立的4个模型稳定性较高,拟合度良好,能够用来分析各环境因子对底泥氮磷交换通量的影响效果。由表4可知,单因子温度(X1)和溶解氧(X2)对各营养盐通量的影响显著(P<0.01),pH(X3)无显著影响。交互项X1X2对
PO3−4 -P通量影响显著(P<0.01),对TP和NH+4 -N通量影响显著(P<0.05),对TN无显著影响;X1X3对TN和NH+4 -N通量影响显著(P<0.05),对TP和PO3−4 -P通量无显著影响;X2X3对4种营养盐通量均无显著影响。模型X11 、X22 和X33 对各响应值的均有显著影响(P<0.01),说明环境因子与响应值之间不是简单的线性关系,二次项对响应值有着较大的影响。从整体显著性来看,与TN和TP相比,环境因子对离子态的NH+4 -N及PO3−4 -P的交换通量影响作用更大。3)响应面交互作用分析。为直观反映温度、溶解氧、pH 3个环境因子及其交互作用对各营养盐交换通量的影响,利用回归方程建立对应的等值线和响应面图。一般来说,等高线越接近于椭圆状,响应面坡度越大,说明交互作用越明显[30-31]。根据回归模型,本研究中选取交互作用效果较好的等高线图和曲面图。
图7反映了温度和pH对TN通量交互作用的影响。可以看出,等高线图呈现明显的椭圆形状,且由图7(b)可以看出,最小响应值在曲面上,与沿着单一因子坐标轴走向的最小值不重合,表明温度和pH对TN通量有交互作用。图8为温度和溶解氧对TP通量交互作用的影响,等高线接近椭圆,响应面存在一定弯曲,表明温度和溶解氧交互作用对TP通量有一定的影响。由等高线图8(a)可知,沿溶解氧轴方向上的等高线比沿温度轴方向上的密集且陡峭,表明相对于温度,溶解氧对TP通量影响更为显著,这与方差分析结果一致(表4)。由图9可知,温度和溶解氧、温度和pH的交互作用均对
NH+4 -N通量的等高线呈椭圆,且响应面有一定坡度,表明温度和溶解氧交互作用、温度和pH交互作用均对NH+4 -N通量影响显著。由图9(a)和图9(c)可知,在实验范围内,当温度一定时,NH+4 -N通量随pH变化波动很小,而随溶解氧变化很大,表明溶解氧对响应值的贡献更大,即溶解氧对NH+4 -N通量的影响作用比pH更显著,这与方差分析结果一致。由图10可知,等高线及响应面形状表明了温度和溶解氧之间存在交互作用。由图10(a)可知,当溶解氧一定时,PO3−4 -P通量随温度变化很小;当温度一定时,PO3−4 -P通量却随溶解氧的增大而减小,这说明相比于温度,溶解氧对PO3−4 -P通量影响更显著。4)最不利释放条件的预测与结果验证。在对内源污染进行防控时,可通过对环境因子的控制使得底泥释放量较小,所以对雁鸣湖底泥最不利释放(即释放量最小)条件进行了预测。图7~图10也显示响应面开口向上,即响应值有极小值。以响应面优化得到条件组合,通过响应面分析得出氮磷释放量最小时自变量的数值分别为X1=10 ℃、X2=7.87 mg·L−1、X3=7.13。温度为10 ℃、溶解氧为7.87 mg·L−1、pH为7.13时,各响应值取最小值,TN交换通量为3.956 mg·(m2·h)−1,TP交换通量为0.471 mg·(m2·h)−1,
NH+4 -N交换通量为1.469 mg·(m2·h)−1,PO3−4 -P交换通量为0.146 mg·(m2·h)−1。为了检验响应面法所得的实验结果,通过实验加以验证,结合实验情况将条件修正为:X1=10 ℃、X2=8.0 mg·L−1、X3=7.0,即在温度为10 ℃、溶解氧为8.0 mg·L−1、pH为7.0的条件下,进行了3次平行实验,实验结果如下:TN交换通量为3.779 mg·(m2·h)−1,TP交换通量为0.488 mg·(m2·h)−1,
NH+4 -N交换通量为1.409 mg·(m2·h)−1,PO3−4 -P交换通量为0.141 mg·(m2·h)−1,与预测值很接近,误差均在5%以内,表明预测结果是可靠的,进一步说明所得模型能较好地预测雁鸣湖界面间营养盐的交换通量。因此,园区应注意对温度、溶解氧及pH进行控制,以防止内源释放对雁鸣湖环境造成更严重的污染。 -
1)控制单因子变化条件下,雁鸣湖沉积物-上覆水界面间氮磷通量随着温度的升高而增加,30 ℃时达到最大;随溶解氧浓度的增加而减小,在缺氧条件下(DO=3 mg·L−1),氮磷通量取得最大值;pH为中性条件下最小,氮通量在酸性条件下(pH=5)达到最大,磷通量在碱性条件下(pH=9)达到最大。
2)对环境因子与雁鸣湖沉积物-上覆水界面间营养盐通量的关系进行拟合,结果表明4种营养盐通量与环境因子间均符合二次多项式回归模型。
3) 方差分析及响应面结果表明,温度和pH交互作用对TN通量影响显著;温度和溶解氧交互作用对TP通量影响显著;温度和溶解氧交互作用、温度和pH交互作用对
NH+4 -N通量影响显著;温度和溶解氧交互作用对PO3−4 -P通量影响极显著。4)响应面优化结果表明,温度为10 ℃、溶解氧为7.87 mg·L−1、pH为7.13是雁鸣湖底泥释放的最不利条件,此时TN交换通量为3.956 mg·(m2·h)−1,TP交换通量为0.471 mg·(m2·h)−1,
NH+4 -N交换通量为1.469 mg·(m2·h)−1,PO3−4 -P交换通量为0.146 mg·(m2·h)−1,各响应值取最小值。
环境因子对雁鸣湖沉积物氮磷释放的影响
Effects of environmental factors on the release of nitrogen and phosphorus from the sediment of the Yanming Lake, China
-
摘要: 为探明环境因子对雁鸣湖沉积物-上覆水界面间氮磷释放的影响,通过单因子实验和响应面实验分析探究了温度、溶解氧及pH对氮磷释放通量的影响。单因子实验结果表明:雁鸣湖沉积物-上覆水界面间氮磷通量随着温度的升高而增加;随溶解氧浓度的升高而减小;当pH为中性时,氮磷通量最小,氮通量在pH=5时达到最大值,磷通量在pH=9时达到最大值。BBD模型拟合结果显示,各环境因子与氮磷通量间拟合关系均为二次多项式。响应面实验结果表明:温度和pH交互作用对TN通量影响显著;温度和溶解氧交互作用对TP通量影响显著;温度和溶解氧交互作用、温度和pH交互作用对
NH+4 -N通量影响均为显著;温度和溶解氧交互作用对PO3−4 -P通量影响极显著;雁鸣湖底泥释放的最不利条件为T=10 ℃、DO=7.87 mg·L−1、pH=7.13,此时的TN交换通量为3.956 mg·(m2·h)−1,TP交换通量为0.471 mg·(m2·h)−1,NH+4 -N交换通量为1.469 mg·(m2·h)−1,PO3−4 -P交换通量为0.146 mg·(m2·h)−1。以上研究结果可为雁鸣湖富营养化防治提供参考。Abstract: To investigate the effect of environmental factors on the release of nitrogen and phosphorus between the sediment-overlying water interface of the Yanming Lake, the effects of temperature, dissolved oxygen and pH on the release flux of nitrogen and phosphorus were investigated by single factor test and response surface analysis. The results of single factor experiment showed that the nitrogen and phosphorus fluxes between the sediment-overlying water interface of the Yanming Lake increased with the increase of temperature, and decreased with the increase of dissolved oxygen concentration. At neutral pHs, the lowest nitrogen and phosphorus fluxes occurred. The nitrogen flux reached its maximum value at pH=5 and the phosphorus flux reached its maximum value at pH=9. The fitting results of the BBD model showed that the fitting relationships between environmental factors and the fluxes of nitrogen and phosphorus were quadratic polynomial equations. The results of response surface test showed that the interaction between temperature and pH had a significant effect on TN flux. The interaction between temperature and dissolved oxygen had a significant effect on TP flux. The interactions between temperature and dissolved oxygen, temperature and pH had a significant effect onNH+4 -N flux. The interaction between temperature and dissolved oxygen had a very significant effect on the flux ofPO3−4 -P; the most unfavorable conditions for the release from the Yanming Lake sediment were temperature of 10 ℃, dissolved oxygen of 7.87 mg·L−1, pH 7.13, at which the exchange flux of TN was 3.956 mg·(m2·h)−1, the exchange flux of TP was 0.471 mg·(m2·h)−1, and the exchange flux ofNH+4 -N was 1.469 mg·(m2·h)−1, the exchange flux ofPO3−4 -P was 0.146 mg·(m2·h)−1. The research results can provide a reference for the eutrophication prevention of the Yanming Lake. -
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及其程度。
1. 材料与方法
1.1 调查区域介绍
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]。
1.2 居民区植被格局概况
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]。
1.3 采样点选择及采样方法
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。
1.4 实验材料
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)。
1.5 实验方法
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。
2. 结果与讨论
2.1 研究区土壤重金属污染物识别及统计学分析
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。
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) Cr 32.7 50.6 63.4 163 45.9 68.1 46.5 64.4 15.0 23.4 Ni 14.5 17.0 28.2 48.9 21.9 29 22.2 27.4 14.4 25.7 Cu 13.0 15.0 159 101 29.1 23.6 22.3 23.7 88.1 19.8 Zn 33.2 48.2 245 226 71.8 102.6 65.1 97.5 37.6 34.5 Cd 0.104 0.005 0.235 0.339 0.156 0.074 0.150 0.073 19.1 78.9 Pb 13.2 10.0 132 46.0 31.2 25.4 23.2 24.1 85.6 24.8 Mn 335 419 648 1039 400 705 384 685 16.0 22.7 注:1)背景值参考已有研究中的数值[30]。 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。
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 Cr 0.281 0.078 0.886 −0.003 Ni 0.065 0.001 0.914 0.117 Cu 0.960 0.135 0.037 −0.064 Zn 0.951 0.064 0.200 −0.050 Cd1) 0.664 0.153 0.476 −0.170 Pb 0.904 0.118 0.140 −0.206 Mn1) 0.737 0.606 0.114 −0.008 Na −0.209 −0.135 −0.096 0.808 K −0.032 0.178 0.168 0.879 Fe 0.227 0.857 −0.045 −0.031 Ca1) 0.361 0.589 0.499 −0.327 Mg −0.023 0.905 0.244 0.039 Al 0.131 0.880 −0.068 0.068 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。
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 K-S p Cr 0.053 0.100 0.200 Ni −0.342 −0.321 0.200 Cu 22.0 4.22 0* Zn 14.3 3.17 0* Cd 0.316 0.529 0.200 Pb 7.21 2.60 0* Mn 6.31 2.02 0.008* Na 2.83 1.49 0* K −0.245 −.0725 0.004* Fe 0.637 0.922 0.017* Ca −0.257 −0.164 0.200 Mg 2.29 1.23 0.068 Al 1.61 0.678 0.200 注:*表示差异显著(P<0.05)。 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。
2.2 研究区土壤16种多环芳烃浓度分布及来源分析
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%。
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/% 萘 Nap 2 3.79 15.4 33.9 51.6 苊 Ace 3 1.23 3.49 28.6 103 苊烯 Acy 3 0.140 1.05 8.25 114 芴 Flu 3 0.710 2.60 13.1 72.9 菲 Phe 3 5.60 26.6 204 105 蒽 Ant 3 1.07 3.72 47.5 140 荧蒽 Fla 4 9.29 30.5 346 124 芘 Pyr 4 7.09 22.7 283 132 苯并(a)蒽 BaA 4 5.68 19.8 188 111 屈 Chry 4 7.99 29.2 289 115 苯并(b)荧蒽 BbF 5 11.3 41.3 269 85.8 苯并(k)荧蒽 BkF 5 6.39 22.4 226 118 苯并(a)芘 BaP 5 6.60 23.3 250 130 二苯并(a,h)蒽 DahA 5 2.60 10.5 91.4 113 苯并(g,h,i)苝 BghiP 6 9.09 34.3 288 108 茚并(1,2,3-cd)芘 InP 6 9.44 44.1 288 94.4 低环PAHs LMW PAHs 2~3 12.6 49.9 326 85.6 高环PAHs HMW PAHs 4~6 75.5 278 2 518 111 总PAHs Σ16PAHs 2~6 88.1 327 2 844 107 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主要来源于石油源;当Ant/(Ant+Phe)>0.1时,表明PAHs主要来源于燃烧源;当Fla/(Fla+Pyr)<0.4时,表明PAHs主要来自石油源;当0.4<Fla/(Fla+Pyr)<0.5时,表明PAHs来源于来自燃油排放尾气;当Fla/(Fla+Pyr)>0.5时,表明PAHs主要来源于煤炭和生物质燃烧。根据Ant/(Ant+Phe)(图3(a)),除了个别样点以外,绝大部分样点的燃烧来源明显;所有样点的Fla/(Fla+Pyr)比值都大于0.5,即PAHs主要由生物质、煤炭高温燃烧产生。同时,BaA/(BaA+Chry)和InP/(InP+BghiP)也可以用来判定PAHs来源[38](图3(b))。当BaA/(BaA+Chry)<0.2或InP/(InP+BghiP)<0.2时,表明PAHs为石油源;当0.2<BaA/(BaA+Chry)<0.35时,一般认为PAHs来源于石油或煤炭燃烧混合源;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。样点的PAHs几乎都来源于生物质和煤炭燃烧(图3(b)),汽车燃料燃烧来源相关性较小。产生这一结果的原因可能是,燃烧过程产生的细颗粒物,在城市区域中均匀背景沉降所导致。PENG等[25]的研究也表明,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。
2.3 不同植被格局土壤重金属污染物累积特征比较
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。
2.4 不同植被格局土壤16种PAHs的累积特征比较
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。
3. 结论
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。
-
表 1 响应面实验的因子与水平编码
Table 1. Factors and level codes for response surface tests
编码 环境因子 水平 −1 0 1 X1 温度/℃ 5 17.5 30 X2 溶解氧/(mg·L−1) 3 6 9 X3 pH 5 7 9 表 2 BBD实验实测值
Table 2. Experimental results of BBD
实验组号 TN通量/(mg·(m2·h)−1) TP通量/(mg·(m2·h)−1) NH+4 -N通量/(mg·(m2·h)−1)PO3−4 -P通量/(mg·(m2·h)−1)平行样1 平行样2 平行样3 平行样1 平行样2 平行样3 平行样1 平行样2 平行样3 平行样1 平行样2 平行样3 1 8.445 7.754 8.559 0.756 0.764 0.673 3.375 3.115 2.974 0.236 0.234 0.217 2 5.012 5.689 5.541 0.623 0.645 0.651 2.045 1.997 2.289 0.186 0.215 0.195 3 7.415 7.525 7.894 0.574 0.701 0.681 2.852 2.682 2.962 0.203 0.211 0.225 4 7.551 7.045 7.541 0.676 0.678 0.636 2.942 2.964 2.675 0.195 0.221 0.215 5 4.604 5.197 4.141 0.468 0.451 0.431 1.589 1.576 1.786 0.137 0.151 0.139 6 5.212 4.634 4.791 0.473 0.475 0.504 1.841 1.846 1.619 0.149 0.142 0.155 7 8.111 8.697 8.119 0.664 0.727 0.671 3.047 3.202 3.105 0.229 0.221 0.197 8 5.789 5.865 6.436 0.612 0.627 0.589 2.412 2.276 2.248 0.197 0.189 0.190 9 4.789 5.327 5.214 0.523 0.554 0.475 1.825 2.241 1.965 0.161 0.169 0.151 10 5.589 6.549 6.989 0.678 0.697 0.679 2.758 2.388 2.587 0.216 0.197 0.214 11 4.707 4.784 4.314 0.467 0.504 0.441 1.772 1.590 1.810 0.142 0.145 0.162 12 6.417 6.124 5.585 0.650 0.617 0.563 2.357 2.412 2.057 0.178 0.192 0.196 13 4.321 4.012 4.338 0.463 0.525 0.518 1.669 1.559 1.496 0.166 0.145 0.154 14 8.807 7.981 8.913 0.711 0.789 0.765 3.321 3.197 3.124 0.224 0.245 0.232 15 3.974 3.954 3.515 0.524 0.503 0.531 1.416 1.482 1.329 0.171 0.160 0.146 16 7.258 7.569 7.841 0.607 0.547 0.643 2.791 2.760 3.060 0.196 0.174 0.200 17 7.305 7.394 7.211 0.678 0.697 0.611 2.804 2.649 2.717 0.196 0.221 0.213 表 3 BBD实验设计及通量平均值
Table 3. BBD experiment design and average flux
实验组号 环境因子 TN通量/(mg·(m2·h)−1) TP通量/(mg·(m2·h)−1) NH+4 -N通量/(mg·(m2·h)−1)PO3−4 -P通量/(mg·(m2·h)−1)温度/℃ 溶解氧/(mg·L−1) pH 1 17.5 3 5 8.253 0.731 3.155 0.229 2 17.5 9 5 5.414 0.640 2.110 0.199 3 30 3 7 7.611 0.691 2.832 0.213 4 30 6 5 7.379 0.663 2.860 0.210 5 17.5 6 7 4.373 0.450 1.650 0.142 6 17.5 6 7 4.879 0.484 1.769 0.149 7 30 6 9 8.309 0.687 3.118 0.216 8 17.5 9 9 6.030 0.609 2.312 0.192 9 17.5 6 7 5.110 0.517 1.895 0.160 10 30 9 7 6.769 0.685 2.578 0.209 11 17.5 6 7 4.602 0.471 1.724 0.150 12 5 6 9 6.042 0.610 2.275 0.189 13 5 9 7 4.224 0.502 1.575 0.155 14 17.5 3 9 8.567 0.755 3.214 0.234 15 17.5 6 7 3.814 0.519 1.409 0.159 16 5 6 5 7.556 0.599 2.870 0.190 17 5 3 7 7.303 0.662 2.723 0.210 表 4 底泥释放通量回归方程方差分析
Table 4. Analysis of variance for regression equation of the release flux from sediment
方差来源 TN通量回归分析 TP通量回归分析 NH+4 -N通量回归分析PO3−4 -P通量回归分析df F P>F 显著性 df F P>F 显著性 df F P>F 显著性 df F P>F 显著性 模型 9 18.45 0.000 4 ** 9 22.26 0.000 2 ** 9 20.02 0.000 3 ** 9 41.79 < 0.000 1 ** X1 1 13.19 0.008 4 ** 1 21.68 0.002 3 ** 1 14.95 0.006 2 ** 1 35.61 0.000 6 ** X2 1 46.65 0.000 2 ** 1 28.42 0.001 1 ** 1 44.41 0.000 3 ** 1 56.5 0.000 1 ** X3 1 0.065 0.806 7 1 0.14 0.717 1 1 0.022 0.885 2 1 0.03 0.868 2 X1X2 1 5.4 0.053 1 1 8.33 0.023 4 * 1 6.32 0.040 2 * 1 17.13 0.004 4 ** X1X3 1 6.45 0.038 7 * 1 0.054 0.822 5 1 5.76 0.047 5 * 1 0.32 0.587 8 X2X3 1 0.098 0.762 9 1 1.02 0.345 7 1 0.16 0.699 8 1 0.95 0.362 6 X21 1 21.53 0.002 4 ** 1 15.41 0.005 7 ** 1 22.46 0.002 1 ** 1 29.29 0.001 ** X22 1 12.61 0.009 3 ** 1 53.2 0.000 2 ** 1 14.26 0.006 9 ** 1 90.08 < 0.000 1 ** X23 1 51.16 0.000 2 ** 1 58.57 0.000 1 ** 1 61.8 0.000 1 ** 1 120.78 < 0.000 1 ** 残差 7 7 7 7 失拟项 3 0.83 0.541 3 0.55 0.672 9 3 0.94 0.500 1 3 0.23 0.868 4 纯误差 4 4 4 4 总值 16 16 16 16 变异系数 0.077 0.044 4 0.075 4 0.032 7 R2 0.959 5 0.966 2 0.962 6 0.981 7 R2Adj 0.907 5 0.922 8 0.914 5 0.958 2 注:**表示P <0.01下差异显著;*表示P<0.05下差异显著;df表示自由度。 -
[1] 中华人民共和国生态环境部. 2018中国生态环境状况公报[EB/OL]. [2019-12-01]. http://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb. [2] RUSSEL J M, HOPMANS E C, LOOMIS S E, et al. Distributions of 5- and 6-methyl branched glycerol dialkyl glycerol tetraethers (brGDGTs) in East African lake sediment: Effects of temperature, pH, and new lacustrine paleotemperature calibrations[J]. Organic Geochemistry, 2018, 117: 56-69. doi: 10.1016/j.orggeochem.2017.12.003 [3] BEUTEL M W, HORNE A J. Nutrient fluxes from profundal sediment of ultra-oligotrophic lake tahoe, california/nevada: Implications for water quality and management in a changing climate[J]. Water Resources Research, 2018, 54(3): 1549-1559. doi: 10.1002/2017WR020907 [4] 韩宝红, 宋蕾, 李浩, 等. 不同温度条件下稳定剂对沉积物中镉稳定化的影响[J]. 环境科学学报, 2019, 39(8): 2610-2616. [5] 李鑫, 耿雪, 王洪伟, 等. 外源输入对底泥疏浚新生表层磷恢复及迁移的影响[J]. 环境科学, 2019, 40(8): 3539-3579. [6] OKOGBUE C O, OYESANYA O U, ANYIAM O A, et al. Evaluation of the extent of pollution of discharged oil field brine in the Bonny estuary, Niger Delta, Nigeria[J]. Environmental Earth Sciences, 2018, 77(10): 382-396. doi: 10.1007/s12665-018-7542-z [7] MAIERYEMU Y, MAMAT S, NIGELA T, et al. Distribution of heavy metal pollution and assessment of its potential ecological risks in Ugan-Kuqa River Delta of Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(20): 226-233. [8] 郭赟, 赵秀红, 黄晓峰, 等. 原位活性覆盖抑制河道底泥营养盐释放的效果研究及工程化应用[J]. 环境工程, 2018, 36(6): 6-11. [9] 雷晓玲, 韩亚鑫, 冉兵, 等. 环境因子对三峡库区底泥污染物释放的影响研究[J]. 环境工程, 2016, 34(1): 47-50. [10] KAISER D, UNGER D, QIU G, et al. Natural and human influences on nutrient transport through a small subtropical Chinese estuary[J]. Science of the Total Environment, 2013, 450-451: 92-107. doi: 10.1016/j.scitotenv.2013.01.096 [11] LIANG Z, LIU Z, ZHEN S, et al. Phosphorus speciation and effects of environmental factors on release of phosphorus from sediments obtained from Taihu Lake, Tien Lake, and East Lake[J]. Toxicological & Environmental Chemistry Reviews, 2015, 97(3/4): 335-348. [12] LI R F, FENG CH, WANG D X. Role of salinity in the multiphase redistribution of polycyclic aromatic hydrocarbons (PAHs) in sediment suspension[J]. Environmental Earth Sciences, 2016, 75(2): 116-122. doi: 10.1007/s12665-015-5014-2 [13] 张文斌, 董昭皆, 徐书童, 等. 微生物和藻类分解对荣成天鹅湖沉积物氮磷释放的影响[J]. 海洋环境科学, 2019, 38(4): 561-567. doi: 10.12111/j.mes20190412 [14] FERENCZ B, TOPOROWSKA M, JAROSLAW D, et al. Hydro-chemical conditions of shaping the water quality of shallow leczna-wlodawa lakes[J]. Clean-Soil Air Water, 2017, 45(5): 356-369. [15] DEVORE C L, RODRIGUEZ F L, MEHDI A, et al. Effect of bicarbonate and phosphate on arsenic release from mining-impacted sediments in the Cheyenne River watershed, South Dakota, USA[J]. Environmental Science: Processes and Impacts, 2019, 21(3): 456-468. doi: 10.1039/C8EM00461G [16] YAO C, HU X Z, LU S Y, et al. Repression of nitrogen and phosphorus release from lakeshore sediment by five littoral-zone plants[J]. Environmental Science, 2017, 38(2): 589-599. [17] 张强, 曹秀芹, 胡明, 等. 扰动对城市河道底泥污染物释放影响[J]. 环境工程, 2019, 37(9): 40-44. [18] 张茜. 漳泽水库沉积物和上覆水污染特征及氮磷释放规律研究[D]. 西安: 西安理工大学, 2019. [19] 张硕, 方鑫, 黄宏, 等. 基于正交试验的沉积物-水界面营养盐交换通量研究: 以海州湾海洋牧场为例[J]. 中国环境科学, 2017, 37(11): 4266-4276. doi: 10.3969/j.issn.1000-6923.2017.11.032 [20] 姜伟, 周川, 纪道斌, 等. 三峡库区澎溪河与磨刀溪电导率等水质特征与水华的关系比较[J]. 环境科学, 2017, 38(6): 2326-2335. [21] 国家环境保护总局. 水和废水监测分析方法[M]. 4版. 北京: 中国环境科学出版社, 2002. [22] 王圣瑞. 湖泊沉积物-水界面过程: 基本理论与常用测定方法[M]. 北京: 科学出版社, 2014. [23] JEROEN J M, CISKA C O, CHRISTIAN J J, et al. Effect of temperature on oxygen profiles and denitrification rates in freshwater sediments[J]. Wetlands, 2017, 37(5): 975-983. doi: 10.1007/s13157-017-0933-1 [24] 张红, 陈敬安, 王敬富, 等. 贵州红枫湖底泥磷释放的模拟实验研究[J]. 地球与环境, 2015, 43(2): 243-251. [25] BAREHA Y, GIRAULT R, JIMENEZ J, et al. Characterization and prediction of organic nitrogen biodegradability during anaerobic digestion: A bioaccessibility approach[J]. Bioresource Technology, 2018, 263: 425-436. doi: 10.1016/j.biortech.2018.04.085 [26] 郭念, 闫金龙, 魏世强, 等. 三峡库区消落带典型土壤厌氧呼吸对铁还原及磷释放的影响[J]. 水土保持学报, 2014, 28(3): 271-276. [27] LI Z, WANG S R, WU Z H. Coupling effect of pH and dissolved oxygen in water column on nitrogen release at water-sediment interface of Erhai Lake, China[J]. Estuarine Coastal and Shelf Science, 2014, 149: 178-186. doi: 10.1016/j.ecss.2014.08.009 [28] 袁和忠, 沈吉, 刘恩峰, 等. 模拟水体pH控制条件下太湖梅梁湾沉积物中磷的释放特征[J]. 湖泊科学, 2015, 21(5): 663-668. [29] 王荣杰, 沈本贤, 刘纪昌, 等. 响应面分析法优化不溶性硫黄萃取提浓工艺[J]. 应用化工, 2018, 47(7): 1457-1461. doi: 10.3969/j.issn.1671-3206.2018.07.035 [30] 闫晓涛, 李杰, 冯淑琪, 等. 响应面法优化混凝处理黄河兰州段低温低浊水[J]. 水资源与水工程学报, 2018, 29(6): 68-74. [31] 杜凤龄, 王刚, 徐敏, 等. 新型高分子螯合-絮凝剂制备条件的响应面法优化[J]. 中国环境科学, 2015, 35(4): 158-164. -