Processing math: 100%

盐渍红黏土电阻率影响因素的试验分析

杨晨, 潘剑伟, 钱伦, 槐玉鹿, 刘懿, 陈开银, 李涛. 盐渍红黏土电阻率影响因素的试验分析[J]. 环境工程学报, 2025, 19(2): 437-445. doi: 10.12030/j.cjee.202401137
引用本文: 杨晨, 潘剑伟, 钱伦, 槐玉鹿, 刘懿, 陈开银, 李涛. 盐渍红黏土电阻率影响因素的试验分析[J]. 环境工程学报, 2025, 19(2): 437-445. doi: 10.12030/j.cjee.202401137
YANG Chen, PAN Jianwei, QIAN Lun, HUAI Yulu, LIU Yi, CHEN Kaiyin, LI Tao. Experimental study on factors affecting electrical resistivity of saline red clay[J]. Chinese Journal of Environmental Engineering, 2025, 19(2): 437-445. doi: 10.12030/j.cjee.202401137
Citation: YANG Chen, PAN Jianwei, QIAN Lun, HUAI Yulu, LIU Yi, CHEN Kaiyin, LI Tao. Experimental study on factors affecting electrical resistivity of saline red clay[J]. Chinese Journal of Environmental Engineering, 2025, 19(2): 437-445. doi: 10.12030/j.cjee.202401137

盐渍红黏土电阻率影响因素的试验分析

    作者简介: 杨晨(1999—),女,硕士研究生,研究方向为电法勘探,yc522626@126.com
    通讯作者: 潘剑伟(1988—),男,博士,副教授,研究方向为电磁法勘探,pjw1988@126.com
  • 基金项目:
    贵州省科技计划资助项目([2020]1Y173);国家自然科学基金青年基金资助项目(42004122)
  • 中图分类号: X825

Experimental study on factors affecting electrical resistivity of saline red clay

    Corresponding author: PAN Jianwei, pjw1988@126.com
  • 摘要: 盐渍土的存在不仅影响着植物的生长,还会引起一些工程地质问题。电阻率法凭借其简便高效、精确可靠等特点被广泛应用于各类土体的污染检测中。以盐渍红黏土为研究对象,通过室内试验,对比分析了NaCl浓度、含水率及孔隙率变化对电阻率的影响特征,并根据正交试验判断其影响的主次顺序;最后依据Archie公式及试验结果,建立了基于这3 种影响因素共同作用下的电阻率预测模型。结果表明:其电阻率与NaCl浓度的一次方程呈倒数相关,与含水率、孔隙率则均呈幂函数关系,其中与NaCl浓度、含水率呈负相关变化,与孔隙率呈正相关变化;这3 种影响因素对其电阻率影响的主次顺序为:NaCl浓度>含水率>孔隙率;根据构建的电阻率预测模型计算得到的预测电阻率值与实测电阻率值之间的吻合性较好,该模型对盐渍红黏土检测、修复前的调查评价工作具有一定的意义。
  • 多环芳烃 (polycyclic aromatic hydrocarbons,PAHs)是一类由2个及2个以上苯环组成的有机污染物,原型及其衍生物达400多种[1]。美国环保局(USEPA)将16种对人体健康危害较大的PAHs列入了优先控制污染物名单[2],其中苯并[a]芘(BaP)被确定为强致癌物质。

    多环芳烃广泛分布在各种环境介质中。由于具有疏水性和亲脂性,PAHs在水中的溶解性较差,主要被悬浮颗粒物吸附,并可随悬浮颗粒物沉降至沉积物,沉积物中的PAHs经过解吸和再悬浮作用重新进入水体,成为新的污染源,同时通过生物积累和生物放大对生态系统和人体健康构成潜在危害。随着研究工作的广泛开展,不同类型地表水和沉积物中PAHs研究取得较大进展。我国对水体和沉积物中PAHs的研究主要集中在水库[3-4]、河流[5-7]、湖泊[8-10]、江海[11]及地下河[12]等,积累了大量数据;浅层地下水中PAHs的研究较少,主要集中在江苏[13]、河北[14]、安徽[15]和河南[16];然而在我国广大农村地区,沟塘数量众多且分布广泛。2016—2018年在淮河流域5个区县调查显示,49.7%(1272/2559)的农村居民报告住宅周边有沟塘,而且报告沟塘水体质量较差,24.3%(622/2559)的沟塘有异味。我国尚未开展农村地区沟塘水和沉积物中PAHs水平及其对周边浅层地下水影响的研究。

    本文选取地处河南省西平县的5个沟塘水、3个沉积物和21户居民家中的浅层地下水作为研究对象,在2016年8月采集浅层地下水、沟塘水及沉积物样品,测定16种PAHs(各多环芳烃化合物的缩写详见表1)的含量,分析PAHs的空间分布特征和组分特征,评价农村地区沟塘水对其周边浅层地下水的影响,评估沟塘水和沉积物的生态风险及浅层地下水的人群健康风险。

    表 1  浅层地下水、沟塘水及沉积物中PAHs含量
    Table 1.  Concentration of PAHs in the surface sediment, surrounding shallow groundwater and ditch pond water
    化合物Compounds环数RingsTEF浅层地下水Shallow groundwater(N=21)沟塘水Ditch pond water(N=5)沉积物Surface sediment(N=3)
    检出率/%Detection ration平均值/(ng·L−1)Average concentration范围/(ng·L−1)Concentration range检出率/%Detection ration平均值/(ng·L−1)Average concentration范围/(ng·L−1)Concentration range检出率/%Detection ration平均值/(ng·kg−1)Average concentration范围/(ng·kg−1)Concentration range
    奈 (Nap)2环0.00195.23.17ND.—10.260.03.88N.D.—13.61008.491.07—12.2
    苊烯(Acy)3环0.00176.24.73ND.—39.20.00N.D.ND.1005.571.36—12.2
    苊(Ace)3环0.00195.214.3ND.—83.71005.560.299—25.610012. 610.3—15.1
    芴(Flu)3环0.00185.79.42ND.—55.91002.060.245—5.3966.73.13ND.—5.59
    菲(Phe)3环0.00110051.10.61—34910045.77.09—18066.713.7ND.—22.3
    蒽(Ant)3环0.0185.713.1ND.—10140.011.4ND.—54.91002.770.167—4.81
    荧蒽(Fl)4环0.00110040.61.39—24310082.72.59—39010028.21.63—74.7
    芘(Pyr)4环0.00110040.50.782—35610048.41.35—22810023.10.0940—61.9
    苯并(a)蒽(BaA)4环0.110014.50.706—12210025.00.710—1151007.701.53—18.8
    䓛(Chr)4环0.0110015.90.601—1156028.9ND.—136.10020.97.74—39.0
    苯并(b)荧蒽(BbF)5环0.11003.930.547—27.810011.10.825—50.566.714.4ND.—37.5
    苯并(k)荧蒽(BkF)5环0.11001.340.203—7.741005.180.295—23.81007.841.74—19.0
    苯并芘(BaP)5环11002.720.164—17.310011.10.0420—55.010016.02.18—41.4
    二苯并[a,h]蒽(DBA)5环11000.830.111—5.3310011.20.274—50.210055.30.624—161
    苯并[g,h,i]芘(BP)6环0.011001.810.168—10.280.017.2ND.—85.110025.40.0520—67.8
    茚并[1,2,3-cd]芘(InP)6环0.11000.810.320—2.871007.300.633—28.310010.92.27—26.2
    7PAHs40.03.36—29899.72.84—41413321.9—191
    16PAHs2198.39—123431715.4—1372256101—458
    TEQ(BaP)75.770.727—39.827.50.568—83.175.64.01—167
    TEQ(BaP)166.090.763—41.828.00.589—85.376.04.16—167
      注:1) 粗体为国际癌症研究机构(IARC)划定的7种致癌性PAHs;2) ND.表示未检出;3) TEF表示毒性当量。  Note: 1) In bold means the seven carcinogenic PAHs as defined by the International Agency for Research on Cancer (IARC); 2) ND.means no detected; 3) TEF means toxic equivalent.
     | Show Table
    DownLoad: CSV

    研究区域位于河南省西平县的滞洪区内,浅层地下水埋藏深度为30—45 m,含水层中含水介质导水性差,地下水径流缓慢,径流方向由西北和西南向东南。

    选择5个常年有水、周围居住人群较为密集的沟塘为研究对象,沟塘水体面积约为100—200 m2. 沟塘水体均呈现重度浑浊并伴有较强的嗅味,表面漂浮大量绿藻和生活垃圾(塑料、餐盒、秸秆、农药瓶等);调查的21户居民中有13户(占61.9%)报告会将生活垃圾和生活污水直接倾倒或排放到附近沟塘里,有9户(占42.9%)在沟塘里或周围养殖禽畜,其中2家直接将养殖废水排放到沟塘中。

    在拟定沟塘和距离1500 m范围内采集水样,浅层地下水的采集以沟塘为原点向南或东南方向布设,在拟定点位附近的住户家中采样,沟塘水和沉积物的采集点位尽量布设在靠近沟塘中心部位,点位布设参见图1。共采集浅层地下水样21个、沟塘水样5个、沉积物3个,浅层地下水的平均井深为34 m(10.0—50.0 m)。采样方法参照《地表水和污水监测技术规范》(HJ/T91—2002)、《地下水环境监测技术规范》(HJ/T164—2004)和《土壤环境监测技术规范》(HJ/T166—2004)。采样器和盛水容器用稀盐酸 (优级纯)清洗,采样前用目标水样清洗3次。测量记录pH值和温度等基本信息后,用2.5L棕色广口瓶采集水样2瓶。以纯净水作为现场采样和样品运输保存的空白样。

    图 1  浅层地下水、沟塘水及沉积物采样示意图
    Figure 1.  Sampling sites of in the surface sediment, surrounding shallow groundwater and ditch pond water

    Waters alliance e2695高效液相色谱仪,配备Waters 2998光电二极管阵列检测器、Waters 2475多波长荧光检测器和四元泵(美国Waters公司);Waters PAH C18色谱柱,4.6 mm×250 mm×5.0 μm(Part No. 186001265,美国Waters公司);Mettler Toledo XS205十万分之一分析天平;IKA MS3 basic旋涡振荡器(德国IKA);KQ-250DV超声仪(昆山市超声仪器有限公司);N-EVAPTM112氮吹浓缩仪(美国Organomation Associates公司);0.22 μm有机系针筒式微孔滤膜过滤器(天津津腾公司);50 mL聚丙烯离心管。

    16种多环芳烃混合标准溶液(100 μg·mL−1溶于甲醇,美国Chem Service公司),存放于-20 ℃冰箱中。乙腈(色谱纯,德国Merck公司)。实验用水为Milli-Q Plus超纯水制备系统(美国Millipore公司)临用现制的超纯水(电阻率>18 MΩ·cm)。氮气(纯度大于99.999%)。

    底泥样品在通风柜中自然干燥后磨至80目以下,干燥、阴凉密封保存。称取5 g样品于50 mL离心管(聚丙烯材质)中,加入8 mL乙腈,震荡摇匀。30 ℃下超声30 min后,4000 r·min−1离心2 min. 提取上清液至15 mL的离心管(聚丙烯材质),再用5 mL乙腈萃取残余淤泥,震荡摇匀,同样的条件下超声、离心,重复2次,提取液移到同一离心管中,氮吹浓缩至0.5 mL以下,再用乙腈定容至1.5 mL. 用振荡器将定容后的提取液摇匀,过0.22 μm的滤膜,存于2 mL的色谱瓶中,−20 ℃冷冻保存待测。

    取1000 mL沟塘水或浅层地下水样品缓慢加入经二氯甲烷、甲醇活化的C18 SPE小柱过滤,小柱4℃冰箱保存。用13 mL甲醇洗脱,经氮吹浓缩至0.5 mL以下,加入3 mL乙腈,氮吹浓缩至0.5 mL以下,再精确定容至0.5 mL,存于2 mL的色谱瓶中,−20 ℃冷冻保存待测。样品实行平行操作测定。

    采用乙腈-水梯度洗脱,进样量为20 μL,以色谱保留时间和各通道响应信号的一致程度定性,采用外标法峰面积定量。分别进行高、低浓度的加标回收试验,相对标准偏差(RSD) 为5.2%—8.6%。试验结果满足样品分析质量控制的要求,表明分析方法准确可靠。

    采用SPSS 10.0进行数据的处理及相关统计分析.

    浅层地下水、沟塘水及沉积物中PAHs含量、TEQ(BaP)(Toxic Equivalent Quantity, BaP毒性当量浓度)如表1所示。

    沉积物中PAHs单体的检出率均高于浅层地下水和沟塘水。浅层地下水中,∑16PAHs(16种PAHs总量)为219 ng·L−1(8.39—1234 ng·L−1),其中Phe、Fl和Pyr对∑16PAHs的贡献大,合计占比为60.4%,w(Bap)(Bap的质量分数)为2.72 ng·L−1 (0.164—17.3 ng·L−1),其中1个点位高于我国地下水环境质量标准(GB /T 14848—2017)中Ⅲ类水质规定的限值(10 ng·L−1),超标倍数为0.733倍,与国内其他区域的研究结果相比较发现,该研究中浅层地下水中∑16PAHs和w(Bap)较低;沟塘水中,∑16PAHs为317 ng·L−1 (15.4—1372 ng·L−1),同浅层地下水一样,Phe、Fl和Pyr对∑16PAHs的贡献大,合计占比为55.8%,w(Bap)为11.1 ng·L−1 (0.0420—55.0 ng·L−1),其中1个样品高于我国地表水环境质量标准(GB 3838—2002)限值(2.8 ng·L−1),超标倍数为18.6倍;沉积物中,∑16PAHs为256 ng·kg−1 (101—458 ng·kg−1),其中DBA、Fl、BP、Pyr和Chr对∑16PAHs的贡献大,合计占比为59.7%,w(Bap)为16.0 ng·kg−1 (2.18—41.4 ng·kg−1)。

    国际癌症研究机构(IARC)划定7种致癌性PAHs[17]。本研究浅层地下水中,这7种PAHs的质量分数(∑7PAHs)为40.0 ng·L−1 (3.36—298 ng·L−1),占∑16PAHs的18.3%;沟塘水的∑7PAHs为99.7 ng·L−1 (2.84—414 ng·L−1),占∑16PAHs的31.5%.;沉积物的∑7PAHs为133 ng·kg−1 (21.9—191 ng·kg−1),占∑16PAHs的52.0%。

    采用毒性当量因子计算浅层地下水、沟塘水及沉积物中PAHs的TEQ(BaP),结果显示,浅层地下水中,TEQ(Bap)7为5.77 ng·L−1 (0.727—39.8 ng·L−1),TEQ(Bap)16为6.09 ng·L−1 (0.763—41.8 ng·L−1);沟塘水中,TEQ(Bap)7为27.5 ng·L−1 (0.568—83.1 ng·L−1),TEQ(Bap)16为28.0 ng·L−1 (0.589—85.3 ng·L−1);沉积物中,TEQ(Bap)7为75.6 ng·kg−1 (4.01—167 ng·kg−1),TEQ(Bap)16为76.0 ng·kg−1 (4.16—167 ng·kg−1). BaP含量、TEQ(BaP)含量、∑7PAHs占比依次为:沉积物>沟塘水>浅层地下水。

    图2为沟塘1南向浅层地下水中PAHs单体的情况. 可以明显看出,距离沟塘越近,浅层地下水中PAHs含量越高,其中Fl的相关系数为0.9464,BaP的相关系数为0.7359,∑16PAHs的相关系数为0.9011,TEQ(BaP)16的相关系数为0.9541,表明沟塘水质对浅层地下水中PAHs的影响较大。

    图 2  浅层地下水中PAHs水平与其距沟塘1距离的散点图
    Figure 2.  The scatter plots of PAHs in the shallow groundwater and their distances to the ditch pond1

    环境中PAHs的来源可分为天然和人为两种,绝大部分环境中的PAHs都与人类的生产生活紧密相关[18],其中,人为来源主要包括未经燃烧的煤和石油类产品(如石油挥发和泄漏、公路建设材料等)和各种不充分燃烧(如机动车尾气的排放、工业炼焦、电解铝、炼油、火力发电、煤炭、秸秆与薪材燃烧和吸烟等)。不同分子量的PAHs在土壤中的分布与其来源密切相关[19]。高环(4环及以上)PAHs主要来源于煤和石油类等化石燃料的高温燃烧,低环(2—3环)PAHs主要来源于有机物的低温转化和石油产品的泄露[20-22]因此通过不同环数PAHs的分析比较可以解析其来源。该研究将16种PAHs单体分为2—3环、4环、5—6环3组进行分析比较(见图3)。浅层地下水PAHs组分中,2—3环PAHs占38.42%(9.63%—79.27%),4环PAHs占51.78%(17.36%—79.80%),5—6环PAHs占9.80%(1.60%—28.32%);沟塘水中2—3环PAHs占45.09%(18.55%—68.12%),4环PAHs占35.80%(21.63%—63.40%),5—6环PAHs占19.11%(8.31%—42.29%);沉积物中2—3环PAHs占25.74%(7.69%—54.80%),4环PAHs占25.57%(9.78%—42.45%),5—6环PAHs占48.69%(20.73%—82.53%)。从整体来看,浅层地下水中PAHs以4环居多,沟塘水中PAHs以2—3环居多,沉积物中PAHs以5—6环居多. 5—6环PAHs占比依次为沉积物>沟塘水>浅层地下水,说明PAHs在环境介质之间迁移分配的过程中,具有致癌性的5—6环PAHs化合物更容易存蓄在沉积物中。在采样过程中观察到从事家庭养殖活动的沟塘占40.00%,PAHs亲脂疏水特性使其可以在生物体内大量富集,通过食物链最终进入人体,从而对人体健康产生影响,因此需要对沟塘PAHs污染开展防治工作,特别需要对日积月累堆积的含高环的致癌性PAHs较多的沉积物加以治理。

    图 3  浅层地下水、沟塘水及沉积物中不同环数PAHs组成
    Figure 3.  The composition of PAHs with different rings in the surface sediment, surrounding shallow groundwater and ditch pond water

    Ant/(Ant+Phe)和Fl/(Fl+Pyr)的比值可用来判断环境中PAHs污染物的来源[23-25]。研究表明[25],当Ant/(Ant+Phe)比值小于0.10为石油源,大于0.10为燃烧源;Fl/(Fl+Pyr)比值小于0.40,表明PAHs主要来自石油源,大于0.50表明PAHs主要是生物质和煤炭的燃烧源,介于0.40—0.50则是石油燃烧源。图4为浅层地下水、沟塘水及沉积物中PAHs的Ant/(Ant+Phe)和Fl/(Fl+Pyr)分子比率图,浅层地下水中Ant/(Ant+Phe)比率为0.16(0.00—0.48),沟塘水为0.07(0.00—0.23),沉积物为0.40(0.01—1.00);浅层地下水中Fl/(Fl+Pyr)比率为0.59(0.15—0.64),沟塘水为0.64(0.60—0.66),沉积物为0.68(0.54—0.95)。除了浅层地下水一个点位,其余所有采样点的Fl/(Fl+Pyr)值都大于0.5,说明污染主要来源于燃烧,并以生物质和煤炭燃烧为主。浅层地下水、沟塘水及沉积物中PAHs有相似的来源,在采样过程中发现有40.00%的沟塘中有纳污现象,当地居民用燃烧煤炭和生物质来做饭和取暖,直接将底灰倾倒在沟塘内,或者直接在沟塘边燃烧秸杆和枯枝树叶等生物质,这些可能与浅层地下水、沟塘水及沉积物中PAHs的存在有密切关系。

    图 4  浅层地下水、沟塘水及沉积物中PAHs异构体比值源解析
    Figure 4.  Cross plot for the isomeric rations of Ant/(Ant+Phe)vs. Fl/(Fl+Pyr)in the surrounding shallow groundwater,ditch pond water and surface sediment

    浅层地下水曾经广泛作为农村地区的饮用水,目前仍有局部区域人群以其作为饮用水。因此,在健康风险评估时仅考虑经口摄入的暴露途径,健康风险评估方法参考美国国家科学院(NAS)提出的四步法[26],采用US EPA模型计算当地人群的浅层地下水PAHs经口暴露剂量,公式如下:

    ADD=C×IR×EF××EDBW×AT (1)

    式中,ADD为PAHs的日平均暴露剂量[mg·(kg·d)−1];C为浅层地下水中PAHs的浓度(mg·L−1);IR为日均饮水摄入量(L·d−1);EF为暴露频率(d·a−1),本文中为365 d·a−1;ED为暴露持续时间(a),成人的ED为30 a[26];BW为人群体重(kg);AT为平均接触时间(d),对于致癌风险AT为:70 a×365 d·a−1,对于非致癌风险,AT为ED×365 d·a−1。IR和BW分别参照河南省数据[27-29]

    非致癌健康风险和致癌风险的计算公式(2)和(3)如下:

    HQ=ADDRfD (2)
    RI=ADD×SF (3)

    式中,HQ为发生某种特定有害健康效应而造成的危险度;RI为人群患癌终身超额危险度;RfD为PAHs经口暴露的非致癌毒性参考剂量[mg·(kg·d)−1];SF为PAHs经口暴露的致癌斜率系数,[mg·(kg·d)−1]−1。RfD、SF和关键效应来源于美国EPA的风险评估信息系统(RAIS)[30]和综合风险信息系统(IRIS)[31]

    9 种非致癌PAHs的暴露剂量的P95非致癌风险(HQ)在6.1×10−4—1.9×10−2之间,远小于1,见图5,表明饮用此浅层地下水摄入的9种PAHs的非致癌风险为可接受水平。

    图 5  不同人群经饮水入PAHs的非致癌健康风险(HQ)和致癌健康风险(RI)
    Figure 5.  Non-carcinogenic health risks (HQ) and carcinogenic health risks (R) of PAHs through drinking water for different subpopulations

    PAHs的P95致癌风险(RI)在1.8×10−8—7.0×10−6之间,如果从出生就开始饮用该浅层地下水,在6岁时RI为1.1×10−6,且女孩高于男孩,超出一般可接受的致癌风险水平(1×10−6),主要产生致癌风险的污染物为BaP和BaA(图6)。2018年,我们开展的问卷调查中,西平县有23.5%的农村居民饮用浅层地下水,以浅层地下水作为饮用水的健康风险亟需关注。

    图 6  总致癌风险贡献比
    Figure 6.  The contribution rates of carcinogenic risk

    污染物的暴露途径一般包括经口摄入(饮水)、呼吸和皮肤的3种. 本文只讨论了16种PAHs单体经饮水途径的健康风险,没有考虑经污染的水产品或农副产品摄入所致健康风险,也没有考虑另外两种途径(呼吸和皮肤)的暴露;而且健康风险评估仅涉及9种非致癌和7种致癌的PAHs,因此可能低估其非致癌和致癌健康风险。

    本研究中沟塘水中BaP含量变化范围为0.042—54.974 ng·L−1,均值为11.12 ng·L−1。参照国家《地表水环境质量标准》(GB 3838—2002),20.00%沟塘水体中BaP含量高于标准限值(2.8 ng·L−1)。然而,上述标准仅能对BaP的生态风险作出评价,未能充分考虑16种PAHs单体的生态风险。为全面了解沟塘内水体中∑PAHs的综合毒性,采用风险商值法[16] (risk quotient,RQ),综合评价沟塘水中PAHs的生态风险,结果见表2。沟塘水中BaA和BbF的RQMPCs≥1,表明沟塘水中这些单体为高风险,另外12种多环芳烃的RQMPCs<1,而RQNCs≥1,表明上覆水中Ace、Flu、Phe、Ant、Fl、Pyr、Chr、BkF、BaP、DBA、BP和InP均为中等风险。B4沟塘水中有6种PAHs单体(Fl、Pyr、BaA、BbF、BaP和BP)的RQMPCs≥1,且RQΣ PAHs(MPCs)≥1,RQΣPAHs(NCs)≥800,表明B4沟塘水中多环芳烃处于高风险水平,应当重点关注该类污染物. 在采样过程中发现,该沟塘主要用于纳污,需立即采取必要措施,B4沟塘水中BaA对生态风险RQMPCs的贡献最大,达到40.69%,虽然B4沟塘水中Fl的浓度最高,但是其对生态风险RQMPCs的贡献较小。B3沟塘水中有12种PAHs单体(Ace、Flu、Phe、Ant、Fl、Pyr、BaA、Chr、BbF、BkF、DBA和BP)的RQNCs≥1,DBA的RQMPCs≥1,且RQΣPAHs(MPCs)≥1,RQΣPAHs(NCs)<800,表明B3沟塘水中PAHs处于中等风险2水平,应予以关注。在采样过程中也发现,该沟塘主要用于纳污,需考虑控制和修复措施。B3沟塘水中DBA和BaA对生态风险RQMPCs的贡献最大,分别达到36.89%和23.60%。

    表 2  风险评价参数及评价结果
    Table 2.  Risk evaluation parameters and results
    PAHs经口摄入非致癌参考剂量RfDo/(mg·(kg·d)−1)经口摄入致癌斜率因子SFo/ (kg·d ·mg−1)沟塘水Ditch pond water沉积物Surface sediment
    中国标准China standardEPA标准EPA standard水体Water body评价结果Evaluation result质量基准法阈值/(ng·g−1)Quality reference method threshold评价结果Evaluation result质量标准法阈值/(ng·g−1)Quality reference method threshold评价结果Evaluation result
    NCsMPCsRQNCsRQMPCsERLERMRCF>1RELTELOELPELFEL区间Range点位Point position
    奈(Nap)4.0×10−212.012000.3240.00324160210017351203901200
    苊烯(Acy)6.0×10−21.2×1060.77000165003.35.930130340TEL-OELC3
    苊(Ace)6.0×10−20.7707.940.0794446403.76.72189940TEL-OELC1、C2、C3
    芴(Flu)4.0×10−21.3×1060.7702.940.0294195401021611401200
    菲(Phe)3.0×10−23.030015.20.152240150025421305201100
    蒽(Ant)3.0×10−19.6×1060.77016.20.16285.3110016471102401100
    荧蒽(Fl)4.0×10−23×1053.030027.60.27660051004711045024004900REL-TELC3
    芘(Pyr)3.0×10−29.6×1050.77069.20.692665260029532308801500TEL-OELC3
    苯并(a)蒽(BaA)7.3×10−14.40.1102502.5026116001432120390760REL-TELC3
    䓛(Chr)7.3×10−34.43.43408.490.0849384280026572408601600REL-TELC3
    苯并(b)荧蒽(BbF)7.3×10−14.40.1101101.10N.A.N.A.
    苯并(k)荧蒽(BkF)7.3×10−24.40.44012.90.129N.A.N.A.
    苯并芘(BaP)7.32.84.40.55022.20.222430160011321507803200TEL-OELC3
    二苯并[a,h]蒽(DBA)7.34.40.55022.40.22463.4260C13.36.243140200REL-FELC1、C3
    苯并[g,h,i]芘(BP)3.0×10−20.33057.20.572
    茚并[1,2,3-cd]芘(InP)7.3×10−14.40.44018.30.183
    ∑PAHs6416.41
      1) “—”表示无数据;2) NCs表示沟塘水中PAHs最低风险标准值,MPCs表示沟塘水中PAHs最高风险标准值.  1) “—” means no data;2) NCs means minimum risk standard value of PAHs in ditch pond water, MPCs means maximum risk standard value of PAHs in ditch pond water.
     | Show Table
    DownLoad: CSV

    本研究采用质量基准法[32]和质量标准法[33]评估沉积物中PAHs潜在生态风险,评价结果见表2。质量基准法分为效应低值(ERL)对生物体毒副作用发生的风险几率<10%和对生物体毒副作用发生的风险几率>50%的效应中值(ERM),相对污染系数RCF是对沉积物中PAHs污染的定量表征,RCF为沉积物中PAHs浓度与效益低值的比值;质量标准法分为5个阈值REL、TEL、OEL、PEL和FEL,分别表示罕见效应、临界效应、偶然效应、可能效应以及频繁效应的浓度阈值,将16种PAHs任一种超过最高限值的点位给标注出。

    质量基准法评价结果显示,沟塘沉积物中只有DBA在C1超出ERL,介于ERL—ERM之间,证明沟塘沉积物中PAHs潜在生态风险发生几率不大。但在沟塘沉积物中无最低安全阈值的致癌PAHs单体BkF和InP在沟塘沉积物中检出率均高达100%,无最低安全阈值的PAHs只要存在于环境中就会对生物体产生毒副作用。

    质量标准法评价结果显示,C2介于TEL和OEL之间,对生物的不良影响概率较低;C1、C3介于REL和FEL之间,且PAHs含量也较高,需要引起关注,并对沉积物毒性风险进行评估,对PAHs污染采取治理措施。沟塘沉积物中检出的PAHs浓度效应值都低于FEL值,表明沟塘对生物体潜在风险不高,但C1和C2沟塘从事家庭养殖活动,PAHs势必会通过食物链进入人体,影响人体健康,因此该区域需要重点开展清淤工作,清淤后的底泥需要妥善处置,以免引起二次污染。结合质量基准法和质量标准法可以看出,沟塘沉积物中最易对生物造成危害的PAHs单体化合物是DBA以及没有最低安全限值的BbF和BkF,对生物的不良影响概率最高处是C1.

    (1)本研究中BaP含量、TEQ(BaP)含量、∑7PAHs、高环PAHs占比依次为:沉积物>沟塘水>浅层地下水。浅层地下水、沟塘水及沉积物中PAHs有相似的来源,主要源于燃烧,并以生物质和煤炭燃烧为主;沟塘水对浅层地下水中PAHs的影响较大,采样点距离沟塘越近,浅层地下水中PAHs含量越高。

    (2)经饮水摄入浅层地下水中7种致癌PAHs的P95致癌风险在1.8×10−8—7.0×10−6之间,在6岁时为1.1×10−6,且女孩高于男孩,超出一般可接受的致癌风险水平(1×10−6),主要产生致癌风险的污染物为BaP和BaA,以浅层地下水作为饮用水的健康风险亟需关注;P95非致癌风险在6.1×10−4—1.9×10−2之间,HQ均小于1,为可接受水平。

    (3)纳污的4号沟塘水中PAHs处于高生态风险水平,对生态风险贡献最大的污染物是BaA,达40.69%,需立即采取必要措施。同样纳污的3号沟塘水中PAHs处于中等风险2水平,对生态风险贡献最大的污染物是DBA和BaA,分别达到了36.89%和23.60%。

    (4)沟塘沉积物中各PAHs化合物的浓度只有C1超过效应区间中值(ERM),所有沉积物中PAHs均超过了TEL,说明沟塘沉积物的PAHs污染已经具有一定程度的“临界效应”,需要采取相应的措施进行污染控制和削减,尤其是C1沟塘需要立即停止养殖活动,采取清淤治理。

  • 图 1  对称四极法示意图

    Figure 1.  Schematic diagram of the symmetrical quadrupole method

    图 2  试样测量装置及测量过程

    Figure 2.  Specimen measuring device and measurement process

    图 3  不同含水率下土体电阻率与NaCl浓度间的关系曲线

    Figure 3.  Relationship curve between soil electrical resistivity and NaCl concentration under different moisture content

    图 4  不同NaCl浓度下土体电阻率与含水率间的关系曲线

    Figure 4.  Relationship curve between soil electrical resistivity and moisture content at different NaCl concentrations

    图 5  不同NaCl浓度下土体电阻率与孔隙率间的关系曲线

    Figure 5.  Relationship curves between soil electrical resistivity and porosity under different NaCl concentrations

    图 6  归一化电阻率与NaCl浓度间的关系曲线

    Figure 6.  Relationship between normalized electrical resistivity and NaCl concentration

    图 7  未污染红黏土体积含水率-电阻率预测模型及验证

    Figure 7.  Prediction model and verification of volumetric moisture content-electrical resistivity of unpolluted red clay

    表 1  试验土样基本参数

    Table 1.  Basic parameters of the tested soil samples

    塑性指数 液性指数 天然含水率 天然密度/(g·cm−3 最大干密度/(g·cm−3 土粒相对密度/(g·cm−3
    20.90 0.29 31.90% 1.86 1.90 2.74
    塑性指数 液性指数 天然含水率 天然密度/(g·cm−3 最大干密度/(g·cm−3 土粒相对密度/(g·cm−3
    20.90 0.29 31.90% 1.86 1.90 2.74
    下载: 导出CSV

    表 2  土体电阻率ρ与NaCl浓度C的拟合关系

    Table 2.  Fitting relationship between soil electrical resistivity (ρ) and NaCl concentration (C)

    含水率ω 孔隙率n 拟合公式 相关系数(R2
    20% 0.45 ρ=5.569/(0.011+0.320×C) 0.999 8
    0.46 ρ=5.726/(0.010+0.292×C) 0.999 7
    0.47 ρ=6.024/(0.009+0.310×C) 0.999 8
    0.50 ρ=6.165/(0.009+0.293×C) 0.999 7
    0.52 ρ=6.537/(0.009+0.275×C) 0.999 6
    27% 0.45 ρ=3.069/(0.020+0.543×C) 0.999 5
    0.46 ρ=2.650/(0.017+0.452×C) 0.999 6
    0.47 ρ=2.224/(0.014+0.369×C) 0.999 7
    0.50 ρ=4.093/(0.024+0.659×C) 0.999 7
    0.52 ρ=3.609/(0.019+0.573×C) 0.999 8
    含水率ω 孔隙率n 拟合公式 相关系数(R2
    20% 0.45 ρ=5.569/(0.011+0.320×C) 0.999 8
    0.46 ρ=5.726/(0.010+0.292×C) 0.999 7
    0.47 ρ=6.024/(0.009+0.310×C) 0.999 8
    0.50 ρ=6.165/(0.009+0.293×C) 0.999 7
    0.52 ρ=6.537/(0.009+0.275×C) 0.999 6
    27% 0.45 ρ=3.069/(0.020+0.543×C) 0.999 5
    0.46 ρ=2.650/(0.017+0.452×C) 0.999 6
    0.47 ρ=2.224/(0.014+0.369×C) 0.999 7
    0.50 ρ=4.093/(0.024+0.659×C) 0.999 7
    0.52 ρ=3.609/(0.019+0.573×C) 0.999 8
    下载: 导出CSV

    表 3  土体电阻率ρ与含水率ω的拟合关系

    Table 3.  Fitting relationship between soil electrical resistivity (ρ) and moisture content (ω)

    NaCl浓度C 孔隙率n 拟合公式 相关系数(R2
    0% 0.45 ρ=1.360×107×ω3.423 0.924 3
    0.46 ρ=6.720×107×ω3.890 0.949 8
    0.47 ρ=1.080×108×ω3.998 0.972 0
    0.50 ρ=5.930×107×ω3.790 0.962 2
    0.52 ρ=6.150×107×ω3.777 0.976 3
    5% 0.45 ρ=0.500×104×ω2.600 0.990 0
    0.46 ρ=2.320×107×ω5.138 0.989 7
    0.47 ρ=5.730×108×ω6.119 0.988 1
    0.50 ρ=9.000×1010×ω7.659 0.990 5
    0.52 ρ=6.990×1011×ω8.241 0.996 1
    NaCl浓度C 孔隙率n 拟合公式 相关系数(R2
    0% 0.45 ρ=1.360×107×ω3.423 0.924 3
    0.46 ρ=6.720×107×ω3.890 0.949 8
    0.47 ρ=1.080×108×ω3.998 0.972 0
    0.50 ρ=5.930×107×ω3.790 0.962 2
    0.52 ρ=6.150×107×ω3.777 0.976 3
    5% 0.45 ρ=0.500×104×ω2.600 0.990 0
    0.46 ρ=2.320×107×ω5.138 0.989 7
    0.47 ρ=5.730×108×ω6.119 0.988 1
    0.50 ρ=9.000×1010×ω7.659 0.990 5
    0.52 ρ=6.990×1011×ω8.241 0.996 1
    下载: 导出CSV

    表 4  土体电阻率ρ与孔隙率n的拟合关系

    Table 4.  Fitting relationship between soil electrical resistivity (ρ) and porosity (n)

    NaCl浓度C 含水率ω 拟合公式 相关系数(R2
    0% 20% ρ=3898.795×n2.435 0.806 2
    25% ρ=4266.171×n3.846 0.910 5
    27% ρ=454.269×n1.356 0.799 0
    30% ρ=512.089×n1.521 0.967 0
    33% ρ=373.995×n1.351 0.808 2
    5% 20% ρ=8364.428×n9.684 0.961 0
    25% ρ=9.710×n2.622 0.729 1
    27% ρ=2.350×n1.036 0.869 2
    30% ρ=1.590×n1.005 0.811 6
    33% ρ=1.370×n1.212 0.951 6
    NaCl浓度C 含水率ω 拟合公式 相关系数(R2
    0% 20% ρ=3898.795×n2.435 0.806 2
    25% ρ=4266.171×n3.846 0.910 5
    27% ρ=454.269×n1.356 0.799 0
    30% ρ=512.089×n1.521 0.967 0
    33% ρ=373.995×n1.351 0.808 2
    5% 20% ρ=8364.428×n9.684 0.961 0
    25% ρ=9.710×n2.622 0.729 1
    27% ρ=2.350×n1.036 0.869 2
    30% ρ=1.590×n1.005 0.811 6
    33% ρ=1.370×n1.212 0.951 6
    下载: 导出CSV

    表 5  正交试验设计与计算结果

    Table 5.  Orthogonal experimental design and calculation results

    试验号 因素 试验结果(电阻率/(Ω·m))
    A(NaCl浓度) B(含水率) C(孔隙率)
    1 A1(0.3%) B1(20%) C1(0.45) 53.40
    2 A1(0.3%) B2(25%) C2(0.47) 23.54
    3 A1(0.3%) B3(30%) C3(0.52) 14.83
    4 A2(1%) B1(20%) C2(0.47) 14.64
    5 A2(1%) B2(25%) C3(0.52) 7.58
    6 A2(1%) B3(30%) C1(0.45) 2.97
    7 A3(5%) B1(20%) C3(0.52) 13.26
    8 A3(5%) B2(25%) C1(0.45) 1.20
    9 A3(5%) B3(30%) C2(0.47) 0.77
    K1 91.77 81.30 57.57
    K2 25.19 32.32 38.95
    K3 15.23 18.57 35.67
    k1 30.59 27.10 19.19
    k2 8.40 10.77 12.98
    k3 5.08 6.19 11.89
    极差R 25.51 20.91 7.30
    试验号 因素 试验结果(电阻率/(Ω·m))
    A(NaCl浓度) B(含水率) C(孔隙率)
    1 A1(0.3%) B1(20%) C1(0.45) 53.40
    2 A1(0.3%) B2(25%) C2(0.47) 23.54
    3 A1(0.3%) B3(30%) C3(0.52) 14.83
    4 A2(1%) B1(20%) C2(0.47) 14.64
    5 A2(1%) B2(25%) C3(0.52) 7.58
    6 A2(1%) B3(30%) C1(0.45) 2.97
    7 A3(5%) B1(20%) C3(0.52) 13.26
    8 A3(5%) B2(25%) C1(0.45) 1.20
    9 A3(5%) B3(30%) C2(0.47) 0.77
    K1 91.77 81.30 57.57
    K2 25.19 32.32 38.95
    K3 15.23 18.57 35.67
    k1 30.59 27.10 19.19
    k2 8.40 10.77 12.98
    k3 5.08 6.19 11.89
    极差R 25.51 20.91 7.30
    下载: 导出CSV
  • [1] LI L P, HAN L F, LIU A J, et al. Imperfect but hopeful: New advances in soil pollution and remediation[J]. International Journal of Environmental Research and Public Health, 2022, 19(16): 10164. doi: 10.3390/ijerph191610164
    [2] 汪林, 甘泓, 于福亮, 等. 西北地区盐渍土及其开发利用中存在问题的对策[J]. 水利学报, 2001(6): 90-95.
    [3] 廖义玲, 毕庆涛, 姜国萍, 等. 碳酸盐岩地表岩溶与红黏土[J]. 地球与环境, 2005(4): 17-23.
    [4] 吴漩, 郑子成, 李廷轩, 等. 灌水对不同次生盐渍化水平设施土壤氮、磷迁移特征的影响[J]. 水土保持学报, 2013, 27(4): 23-28.
    [5] 苏生瑞, 彭建兵. 西北地区重大工程地质问题研究[J]. 工程地质学报, 2003(1): 105-110. doi: 10.3969/j.issn.1004-9665.2003.01.018
    [6] 魏本杰, 文新宇, 朱生翠, 等. 湘江流域某冶炼厂周边土壤重金属含量检测及污染评价[J]. 中南大学学报(自然科学版), 2013, 44(12): 5180-5187.
    [7] 张笑辰, 刘煜, 张兴绘, 等. 江西省主要城市土壤重金属污染及风险评价[J]. 环境科学与技术, 2022, 45(8): 206-217.
    [8] 韩立华, 刘松玉, 杜延军. 一种检测污染土的新方法——电阻率法[J]. 岩土工程学报, 2006(8): 1028-1032.
    [9] FUKUE M, MINATO T, MATSUMOTO M, et al. Use of a resistivity cone for detecting contaminated soil layers[J]. Engineering Geology, 2001, 60(1-4): 361-369. doi: 10.1016/S0013-7952(00)00116-2
    [10] ZOU H F, LIU S Y, CAI G J, et al. Probabilistic identification of contaminated soils using resistivity piezocone penetration tests[J]. Acta Geotechnica, 2020, 15(3): 761-779. doi: 10.1007/s11440-018-0708-8
    [11] 吕美彤, 曹智国, 章定文. 基于电阻率法的固化重金属污染土碳化深度评价方法[J]. 中南大学学报(自然科学版), 2021, 52(10): 3571-3580.
    [12] 刘家旭, 潘剑伟, 孙旭, 等. 磷石膏渗滤液在不同渗漏运移模式下电阻率分布特征[J]. 环境工程学报, 2023, 17(2): 682-691.
    [13] ABDULIAH W, ALIARALLAH R, ALRASHIDI A. Hydrocarbon oil-contaminated soil assessment using electrical resistivity topography[J]. Journal of Engineering Research, 2014, 2: 1-20. doi: 10.7603/s40632-014-0001-4
    [14] 王乐凡, 余承华, 顾强康, 等. 不同含盐量饱和盐渍土电阻率试验[J]. 空军工程大学学报(自然科学版), 2014, 15(4): 25-28.
    [15] 罗述伟. 钠盐盐渍土的电阻率特性分析[D]. 咸阳: 西北农林科技大学, 2019.
    [16] 张润霞, 王益权, 解迎革, 等. 盐分对土壤电阻率的影响研究[J]. 干旱地区农业研究, 2015, 33(2): 208-213.
    [17] DUAN Z, YAN X S, SUN Q, et al. Effects of water content and salt content on electrical resistivity of loess[J]. Environmental Earth Sciences, 2021, 80(14): 469. doi: 10.1007/s12665-021-09769-2
    [18] 廖义玲, 余培厚. 红黏土的微结构及其概化模型[J]. 工程地质学报, 1994(1): 27-37.
    [19] ARCHIE G E. The electrical resistivity log as an aid in determining some reservoir characteristics[J]. Transactions of the AIME, 1942, 146(1): 54-62. doi: 10.2118/942054-G
    [20] KELLER G, FRISCHKNECHT F. Electrical methods in geophysical prospecting[M]. New York: Pergamom Press, 1966.
    [21] WAXMAN M, SMITS L. Electrical conductivity in oil-bearing shaly sand[J]. Society of Petroleum Engineers Journal, 1968, 65: 1577-1584.
    [22] 储亚, 刘松玉, 蔡国军, 等. 重金属污染黏性土电阻率影响因素分析及其预测模型[J]. 东南大学学报(自然科学版), 2016, 46(4): 866-871.
    [23] LIU J J, ZHA F S, XU L, et al. Mechanism of stabilized/solidified heavy metal contaminated soils with cement-fly ash based on electrical resistivity measurements[J]. Measurement, 2019, 141: 85-94. doi: 10.1016/j.measurement.2019.03.070
    [24] 卢廷浩. 土力学[M]. 北京: 高等教育出版社, 2010: 31-36.
    [25] 查甫生, 刘松玉, 杜延军, 等. 非饱和黏性土的电阻率特性及其试验研究[J]. 岩土力学, 2007(8): 1671-1676.
    [26] 刘瑞江, 张业旺, 闻崇炜, 等. 正交试验设计和分析方法研究[J]. 实验技术与管理, 2010, 27(9): 52-55.
    [27] 陈议城, 黄翔, 陈学军, 等. 含水率及孔隙率对黏性土电阻率影响的试验研究——以桂林红黏土、粉质黏土为例[J]. 科学技术与工程, 2020, 20(33): 13777-13783.
  • 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2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-04020406080Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 4.0 %DOWNLOAD: 4.0 %HTML全文: 89.9 %HTML全文: 89.9 %摘要: 6.1 %摘要: 6.1 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 100.0 %其他: 100.0 %其他Highcharts.com
图( 7) 表( 5)
计量
  • 文章访问数:  268
  • HTML全文浏览数:  268
  • PDF下载数:  4
  • 施引文献:  0
出版历程
  • 收稿日期:  2024-01-29
  • 录用日期:  2024-04-02
  • 刊出日期:  2025-02-26
杨晨, 潘剑伟, 钱伦, 槐玉鹿, 刘懿, 陈开银, 李涛. 盐渍红黏土电阻率影响因素的试验分析[J]. 环境工程学报, 2025, 19(2): 437-445. doi: 10.12030/j.cjee.202401137
引用本文: 杨晨, 潘剑伟, 钱伦, 槐玉鹿, 刘懿, 陈开银, 李涛. 盐渍红黏土电阻率影响因素的试验分析[J]. 环境工程学报, 2025, 19(2): 437-445. doi: 10.12030/j.cjee.202401137
YANG Chen, PAN Jianwei, QIAN Lun, HUAI Yulu, LIU Yi, CHEN Kaiyin, LI Tao. Experimental study on factors affecting electrical resistivity of saline red clay[J]. Chinese Journal of Environmental Engineering, 2025, 19(2): 437-445. doi: 10.12030/j.cjee.202401137
Citation: YANG Chen, PAN Jianwei, QIAN Lun, HUAI Yulu, LIU Yi, CHEN Kaiyin, LI Tao. Experimental study on factors affecting electrical resistivity of saline red clay[J]. Chinese Journal of Environmental Engineering, 2025, 19(2): 437-445. doi: 10.12030/j.cjee.202401137

盐渍红黏土电阻率影响因素的试验分析

    通讯作者: 潘剑伟(1988—),男,博士,副教授,研究方向为电磁法勘探,pjw1988@126.com
    作者简介: 杨晨(1999—),女,硕士研究生,研究方向为电法勘探,yc522626@126.com
  • 1. 贵州大学资源与环境工程学院,贵阳 550025
  • 2. 贵州大学喀斯特地质资源与环境教育部重点实验室,贵阳 550025
  • 3. 贵州省地质矿产勘查开发局 111地质大队,贵阳 550008
基金项目:
贵州省科技计划资助项目([2020]1Y173);国家自然科学基金青年基金资助项目(42004122)

摘要: 盐渍土的存在不仅影响着植物的生长,还会引起一些工程地质问题。电阻率法凭借其简便高效、精确可靠等特点被广泛应用于各类土体的污染检测中。以盐渍红黏土为研究对象,通过室内试验,对比分析了NaCl浓度、含水率及孔隙率变化对电阻率的影响特征,并根据正交试验判断其影响的主次顺序;最后依据Archie公式及试验结果,建立了基于这3 种影响因素共同作用下的电阻率预测模型。结果表明:其电阻率与NaCl浓度的一次方程呈倒数相关,与含水率、孔隙率则均呈幂函数关系,其中与NaCl浓度、含水率呈负相关变化,与孔隙率呈正相关变化;这3 种影响因素对其电阻率影响的主次顺序为:NaCl浓度>含水率>孔隙率;根据构建的电阻率预测模型计算得到的预测电阻率值与实测电阻率值之间的吻合性较好,该模型对盐渍红黏土检测、修复前的调查评价工作具有一定的意义。

English Abstract

  • 在经济和工业不断发展的过程中,由于一些不合理的人类活动,导致土壤污染问题逐渐突出,使得土壤退化,耕地面积减少[1]。而土壤作为人类生存和发展及实现生态环境建设的重要自然资源和物质基础,在近些年土壤修复的问题则被广泛关注。其中,对于盐渍土的修复问题也被重视起来。盐渍土广泛分布于我国的西北部,且主要以氯盐和硫酸盐为主[2]。除此之外,在我国的西南地区,广泛分布碳酸盐岩,经地表岩溶作用后的产物则为红黏土[3],然而在不合理的人为活动及措施下,也将会导致黏土的次生盐渍化,特别是在农业灌溉中[4]。盐渍土的存在不仅会使得农业减产,还会因其溶陷、胀缩、腐蚀等性质对工程造成一定的危害[5]。因此,对盐渍土进行检测调查、治理修复后再加以重新利用的工作显得尤为重要。

    一些传统的检测方法,例如,内梅罗综合污染指数法、地质累积指数法等[6-7],虽然结果直观、准确,但并非原位试验,且其成本较高,费时耗力。而电阻率法作为一种简便高效、原位无损,精确可靠的勘察方法,基于污染物污染前后土壤的电阻率差异较大这一特性,可用于对污染土壤进行检测分析,并已有大量学者证明了该方法用于检测污染土壤的可行性[8-10]。目前,该方法在重金属污染[11]、渗滤液污染[12]、石油烃类污染[13]等方面应用较广。而针对盐渍土的电阻率特性,一些学者已开展了部分研究。如王乐凡等[14]以黄土为研究对象,对不同含盐量的氯盐、硫酸盐盐渍土的电阻率进行了测试,并分别建立了含盐量与电阻率之间的拟合关系式。罗述伟[15]同样以黄土为研究对象,通过分析不同钠盐种类、含量及含水率对盐渍土电阻率和无侧限抗压强度的影响,总结了钠盐盐渍土电阻率的变化特征,及其与无侧限抗压强度的关系。张润霞等[16]研究了不同盐分类型、浓度及其含量等影响因素分别对风沙土电阻率的影响。DUAN等[17]研究了分别在含水率、含盐量及测试频率影响下黄土电阻率的变化特征。

    综上,在已见的研究中,其研究的土体多为黄土,而红黏土作为一种具有典型多相介质、独特的结构和矿物成分的特殊土[18],让其在工程建设等人类活动中受到关注,但对于红黏土的结构特征与电阻率特性之间的关系的研究相对较少。此外,已有研究主要集中探讨了土体物理力学性质指标、含盐量及盐分类型等分别与盐渍土电阻率之间的相关关系,而针对多因素共同影响下,盐渍土电阻率的变化特征分析还相对较少。因此,本研究以Archie公式为理论依据,以红黏土为研究对象,用NaCl溶液污染红黏土以模拟盐渍红黏土。通过室内试验,研究在NaCl浓度、含水率及孔隙率3 种因素影响下电阻率的变化特征。并基于正交试验,探讨这3种影响因素对电阻率影响的主次顺序。最后通过室内试验结果,建立基于这3 种影响因素共同作用下的盐渍红黏土电阻率预测模型。旨在能够通过该电阻率模型掌握场地红黏土的盐渍化程度,为盐渍红黏土修复前的快速调查评价工作提供重要的参考价值,以减少人力、物力以及财力上不必要的浪费。

    • 1)Archie公式。Archie 在1942年首次建立了适用于饱和砂土的电阻率模型,该模型体现出了电阻率与孔隙水电阻率及孔隙率之间的相关关系,其关系式如式(1)所示[19]

      式中:ρ为实测土体电阻率,Ω·m;ρw为孔隙水电阻率,Ω·m;n为孔隙率;a为土性参数;m为胶结系数。

      最早的Archie公式由于仅适用于饱和的无黏性土中,存在一定的局限性。对此,有许多学者在原有的基础上进行了修正和改进,比如KELLER等[20]在Archie的基础上,重新提出了适用于非饱和无黏性砂土的电阻率结构模型,其关系式如式(2)所示。

      式中:Sr为饱和度;P为饱和度指数。

      而对于黏性土,WAXMAN[21]在此基础上,建立了非饱和黏性土的电阻率模型,其关系式如式(3)所示。

      式中:B为双电层中与土颗粒表面电性相反电荷的电导率;Q为单位土体孔隙中阳离子交换容量;S为黏土的比表面积;BQ为土体颗粒表面双电层的电导率。

      国内学者储亚等[22]也基于Archie公式建立了非饱和黏性土的电阻率模型,关系式如式(4)所示。

      式中:Pr为体积含水率,%;d为体积含水率系数;N为污染物掺量,mg·kg−1f为污染物掺量系数,D为拟合参数。

      从WAXMAN和储亚这2位学者针对于黏性土建立的电阻率模型来看,2种模型表达式的结构是一致的,而且第2 种模型中体积含水率也仅是与孔隙率和饱和度有关。

      2)室内电阻率测试原理。在室内电阻率测量中,主要采用对称四极法,常用的四极测试装置主要由供电电极A、B和测量电极M、N组成,如图1所示。分别测得其试样的电压及电流值后,即可通过欧姆定律改写公式求得试样的电阻率ρ[23],即如式(5)所示。

      式中:S为试样横截面面积,m2L为电极M、N之间的距离,m。

    • 本次试验所用红黏土取自贵州大学物探试验场地,取土深度为1~3 m。按照《土工试验方法标准》(GB/T 50123—2019)测取该土样的基本物性参数,其结果见表1所示。

    • 将取回的红黏土烘干、磨碎,过2.0 mm的筛进行颗粒级配筛分后,将土样再烘干冷却后密封保存备用。在《岩土工程勘察规范》(GB 50021—2001)中定义了盐渍土的含盐量界限值为0.3%,结合本次试验设定盐溶液浓度C为0%、0.3%、1.0%、5.0%、8.0%,即先用纯净水配制饱和NaCl溶液,并定义其饱和状态下的溶液初始浓度为100%,后续则对溶液样品进行稀释得到所需浓度。其次根据烘干法测得红黏土的天然含水率为31.9%,据此分别设置测试土样的含水率ω为20%、25%、27%、30%、33%。最后在制备试样的过程中,以最大干密度为限,根据式(6)[24],即可通过控制干土的质量得到不同的孔隙率,制备了5种不同的干密度,分别为1.52、1.49、1.44、1.38、1.33 g·cm−3,即对应的孔隙率n为0.45、0.46、0.47、0.50、0.52。在此次试验中共配制了125 种土样。

      式中:ms为干土质量,g;V为米勒盒体积,cm−3Gs为土粒相对密度,g·cm−3。在此次试验中通过比重瓶法测量其为2.74 g·cm−3

    • 本次测量试样电阻率的四极装置主要为由亚克力材料制作而成的Miller Soil Box,如图2(a)所示,其尺寸为19.5 cm×2.9 cm×3.2 cm。将上述配制好的土样分别填入该装置中,得到部分试样如图2(b)所示。其中装置的两侧利用铜片作为供电电极A、B,中间的测量电极M、N则由铜丝组成,间距为6.5 cm。通过WDJD-4多功能数字直流激电仪(WDJD-4,重庆奔腾数控技术研究所有限公司)测量试样的电压及电流值,即可根据式(5)计算该试样的电阻率值,其中测量过程如图2(c)所示。

    • 图3所示结果为试验过程中各含水率下部分土样电阻率随NaCl浓度变化的情况,其中图3(a)~(d)所属的含水率ω分别为20%、25%、27%、30%。由图可知,在各种含水率、孔隙率条件下,土体电阻率与NaCl浓度均呈负相关,即土体电阻率随着浓度的增大而降低,且在浓度开始增大时的初始阶段,电阻率下降趋势明显,而当浓度增大到一定值后,电阻率的下降趋势逐渐变缓。如以ω=20%、n=0.45的试样为例,当溶液浓度由0%增大至0.3%时,电阻率则由491.25 Ω·m降至53.40 Ω·m,降比达89.13%。而当溶液浓度继续增大至1%时,电阻率也继续降至12.99 Ω·m,降比为75.67%。通过曲线拟合的方法可以对其进行分析,得到NaCl浓度与电阻率之间的函数关系。以ω=20%和27%为例,拟合结果如表2所示,可知其电阻率与NaCl浓度的一次方程呈倒数相关,且相关系数在0.999 5~0.999 8之间,拟合效果较好。

      分析出现上述现象的主要原因是因为在一定含水率情况下,当土体受到NaCl污染后,土体中的黏土矿物会吸附NaCl溶液中的导电离子,并随着浓度的增大,使得孔隙液中的导电离子数增多,从而土体的导电性增强,即只要土体一旦受到NaCl污染,即可引起电阻率的显著变化。然而当黏土矿物表面的吸附位逐渐达到饱和状态后,减弱了对导电离子的吸附能力,进而降低了导电离子的活动性,故而当NaCl浓度再增大时,电阻率的减小趋势也逐渐趋于平缓。

    • 含水率是影响电阻率变化的重要因素,其在各NaCl浓度下电阻率与含水率之间的变化关系曲线如图4所示,其中图4(a)~(d)所属的NaCl浓度C分别为0%、0.3%、5%、8%。从图4可以得出,未污染土(C=0%)和其他3 种NaCl溶液浓度污染下的土体电阻率均随含水率的增大而降低,并且先剧烈减小,当含水率增大到一定值时,电阻率减小的趋势就开始逐渐趋于平缓。以C=5%、n=0.50时的试样为例,当含水率由20%增大至25%,再继续增大至30%时,电阻率则由9.78 Ω·m降至1.39 Ω·m,再降至0.80 Ω·m,在这2个含水率区间段,降幅则由85.79%降为42.45%。同理,对所得数据结果进行拟合,以C=0%、5%为例,其结果如表3所示。从拟合结果可以看到土体电阻率与含水率基本呈幂函数关系,拟合相关系数都在0.924 3~0.996 1之间,这也说明了幂函数关系拟合的效果较好。

      在非饱和土中,电流的传播通道有3条,即沿孔隙水中、土颗粒之间以及土颗粒-水相连接而成的通道间[25]。当土体完全干燥或含水率较低时,土体中的电流主要通过相接触的土颗粒之间来传播,故其电阻率较高,当含水率增大,土体孔隙中逐渐被溶液填充,增大了土颗粒-水相间的路径及孔隙水之间的传导作用,增强了土体中的导电能力,从而电阻率减小。当含水率继续增大,使得土体中的孔隙几乎都被溶液所充填,增大了孔隙液间的连通性,这时土体中的孔隙水导电占据主导作用,继续增大含水率时,其电阻率降低幅度较之前会变得不明显,最终逐渐趋于土体中孔隙水的电阻率。

    • 孔隙率是表征土体密实度的物理指标,图5则为各NaCl浓度下电阻率与孔隙率之间的变化关系曲线,其中图5(a)~(d)所属的NaCl浓度C分别为0%、0.3%、1%、5%。由图5可知,在不同NaCl浓度、不同含水率条件下,土体电阻率与孔隙率呈正相关,且随孔隙率的增大而增大。以C=0.3%,ω=25%和30%时的两组试样为例,当孔隙率均由0.45增大至0.52时,电阻率则由21.02、11.09 Ω·m分别增大至25.63 Ω·m和14.83 Ω·m,即分别增大了4.61、3.74 Ω·m。对数据进行拟合分析,以C=0%、5%为例,其土体电阻率与孔隙率的关系表达式如表4所示,可以看出土体电阻率与孔隙率仍呈幂函数关系,拟合相关系数在0.729 1~0.967 0之间。而拟合的相关系数在0.8以上则可以认为拟合程度较好,从表4的拟合结果来看,仅有2条拟合曲线的相关系数在0.8以下。其原因可能是在试验的过程中由于人为操作不当或仪器等导致测量的数据有一定误差。

      分析其原因主要是在其他条件一定的情况下,当孔隙率较小时,土体较密实,孔隙水以及土颗粒间的连续性较好,即导电路径贯通性强,且导电通道增多,因此电阻率较小,而随着孔隙率的增大,土体逐渐变得相对疏松,粒团间的距离增大,导致孔隙水以及土颗粒间的连续性变差,导电路径减少,且电流传导路径变长,故其电阻率增大。

    • 正交试验通过对各因素的各种水平进行均衡搭配,从而能够以较少试验次数的结果掌握全面的试验情况,具有高效、省时等特点[26]

      本次设计了3因素3水平的正交试验,用以探讨NaCl浓度(A)、含水率(B)、孔隙率(C)这3 种因素对土体电阻率的影响主次。正交试验设计与计算结果如表5所示,表中K1、K2、K3分别代表三个因素的1、2、3水平所对应的试验结果之和,k1、k2、k3分别是K1、K2、K3的平均值,R为极差,由各列k的最大值减去最小值所得。这3 种因素对土体电阻率的影响主次即可通过极差R的大小来判断,极差越大,说明土体电阻率受该因素的影响也最大。

      表5可知,因素A、B、C的极差(RA、RB、RC)分别为25.51、20.91、7.30,即RA>RB>RC,故NaCl浓度对土体电阻率的影响最大,含水率次之,孔隙率则对土体电阻率的影响最小。

    • 为建立NaCl污染土电阻率ρ与未污染土电阻率ρun之间的关系,以25 种未污染土的电阻率为基数,将与之对应的不同NaCl浓度下相同含水率、孔隙率的电阻率进行归一化处理分析。并基于前面的NaCl浓度对电阻率影响的分析结果,建立归一化电阻率ρ/ρun与NaCl浓度的相关关系,其结果如图6所示。

      图6中,通过对归一化电阻率的拟合结果可知,ρ/ρun与NaCl浓度呈负相关,即ρ/ρun随着NaCl浓度的增大而减小,且先急速下降,再逐渐变缓,其二者之间的拟合关系式如式(7)所示。

    • 前面已经得到了ρρun之间的拟合关系,并且由试验结果分析可知,未污染土的电阻率与含水率、孔隙率之间均呈幂函数的关系变化。在此,本研究为了更好的将含水率和孔隙率与电阻率之间的关系联系起来,引用体积含水率Pr这一概念,即孔隙水体积Vw与土体总体积V之比,表达式如式(8)所示[22],且陈议诚等[27]学者研究得出其红黏土电阻率与体积含水率仍呈幂函数关系。

      式中:Vv为孔隙体积;Sr为土的饱和度;Gs为土粒相对密度。

      基于前述的Archie电阻率模型能够建立未污染土电阻率与体积含水率的函数。通过对25 种未污染土试样进行体积含水率计算后,构建其未污染红黏土电阻率ρun与体积含水率Pr间的函数关系,如图7(a)所示,其拟合函数如式(9)所示。

      将式(9)代入式(7)即可得到盐渍红黏土电阻率预测模型,表达式如下。

      最后,通过将以上预测模型计算得到的电阻率值与试验实测电阻率值进行对比分析,如图7(b)所示,图中横、纵坐标分别为实测电阻率与预测电阻率,红点线(y=x)则为二者之间的参考线。若数据点越靠近参考线,则说明拟合效果越好,即建立的模型越准确。从图7(b)中可以看出,数据点是比较接近参考线的,证明建立的该盐渍红黏土电阻率预测模型能够较好地反映出电阻率与NaCl浓度、含水率及孔隙率之间的关系,在一定程度上可用于NaCl污染红黏土的定量评价。

    • 1)盐渍红黏土电阻率与NaCl浓度的一次方程呈良好的倒数关系,而与含水率、孔隙率间则均呈良好的幂函数关系。其中电阻率随着孔隙率的增大而增大,而随着NaCl浓度、含水率的增大,电阻率则减小。

      2)基于3因素3水平的正交试验,通过极差法来判断这3 种影响因素对盐渍红黏土电阻率影响的主次顺序,其结果为:NaCl浓度影响最大、含水率次之,孔隙率最小。

      3)通过对NaCl浓度、含水率及孔隙率的综合分析,构建了基于这3 种主要影响因素共同作用下的盐渍红黏土电阻率预测模型。并根据该模型计算得到的预测电阻率值与实测电阻率值之间的吻合性较好,故而通过该模型能够为NaCl污染红黏土区域的污染程度判定提供一种评定方法。

    参考文献 (27)

返回顶部

目录

/

返回文章
返回