-
高速发展的工业化进程以及粗放的生产方式,使得大量的重金属进入土壤,导致我国土壤重金属污染形势不容乐观。近年来频发的土壤污染事故,尤其是农田土壤重金属污染事故,引起了人们对重金属污染的研究关注及对其污染危害的广泛研究。
农田土壤重金属污染不仅会影响农产品质量,造成经济损失,还会通过食物链影响人类和其他动物的生命健康,因此,研究农田中土壤重金属污染,探究重金属在农田土壤中的空间分布,评价其可能的潜在风险,对土壤重金属污染的防治以及保护人类生命健康都具有十分重要的意义。
本研究以某村庄无主金矿矿区以北农田土壤为研究对象,对重金属在土壤环境中的空间分布进行研究分析并评价其污染状况,研究结果将为该区域土壤污染治理和防控提供基础理论依据。
-
研究区位于甘肃省岷县某金矿区附近(104.231715°~104.244558°E,34.511970°~34.515167°N),该区域地处西秦岭中低山区,地形平缓开阔,属于典型的构造侵蚀中低山地貌;当地气候处于温带半湿润向高寒湿润气候过渡带,高寒阴湿,常年主导风向西北风,平均风速1.3~1.5 m/s,最大风速24 m/s。研究区的土壤类型主要为黑土,土体疏松,结构良好。
-
本次研究参考了《岷县曙光金矿无主矿区土壤污染治理项目场地环境调查报告》[1]中23个具有代表性的农田土壤点位数据(2018年4月)进行评价点位分布,见图1。
-
本研究使用单因子指数、内梅罗综合污染指数、地质累积指数及潜在生态危害指数的分析方法对土壤中重金属的含量进行评价。各方法的评价标准,见表1。
-
变异系数是统计学中反应数据离散程度的指标,见式(1):
式中:
σ 为重金属i的标准偏差;μ 为重金属i的平均值。 -
使用Excel2016对土壤重金属含量、污染指数和生态风险指数进行统计;使用SPSS26.0对数据相关性进行分析;使用ArcGIS10.2绘制土壤点位分布图、重金属的空间分布图。
-
通过对研究区土壤中的As、Cd、Cu、Pb、Cr和Ni 6种金属元素进行克里金插值分析,对Zn、Hg 2种金属元素进行反距离插值分析,得到研究区内各重金属含量的空间分布情况,见图2。
图2可知,8种重金属分布极为相似,均呈现自西向东递减趋势。
-
土壤pH及重金属含量统计,见表2。
表2可知,研究区土壤pH处于7.03~7.74范围内,整体呈弱碱性。土壤中Hg、As、Cd、Cu、Pb、Cr、Zn和Ni含量分别为0.16~0.52 、12.20~22.40 、0.11~0.29、19.80~40.80、7.16~13.90、84.90~219.00、68.80~157.00和28.60~61.60 mg/kg。与国家标准相比,研究区土壤中8种重金属平均含量均不存在超标现象。与甘肃省背景值相比,研究区土壤中Hg、As、Cd、Cu、Cr、Zn和Ni 7种重金属平均含量超出该区域土壤环境的背景值,说明存在累积现象。
变异系数可反映人类活动对区域内重金属含量的影响程度。通过计算可知,Hg、Cd和Cr在研究区变异系数分别为0.30、0.25和0.22,处于0.2~0.5之间,变异性适度。As、Cu、Pb、Zn和Ni变异系数均低于0.2,变异性相对较弱[2-4]。由于变异系数数值越大,空间变异性越大,受人为干扰程度越大。因此,研究区Hg变异系数相对较高,偏度和峰度值也相对较高,可推测其受当地人为活动影响较大。
-
单因子污染指数能反映单项重金属在土壤中的污染程度;内梅罗指数则能反映土壤中多种重金属的综合污染程度。本研究分别以《土壤环境质量 农用地土壤污染风险管控标准(试行):GB 15618—2018》表1中的限值和甘肃省土壤中金属元素背景值为评价标准,使用上述2种方法对重金属的污染程度进行综合评价,统计,见表3。
当以背景值为评价标准时,研究区土壤中Hg、As、Cd、Cu、Pb、Cr、Zn和Ni的单因子污染指数范围分别为7.90~25.75、0.97~1.87、0.95~2.42、0.82~1.69、0.38~0.74、1.36~3.52、0.99~2.27和0.81~1.75之间,见表3。数据显示100%、91%、96%、87%、100%、96%和96%样点的Hg、As、Cd、Cu、Cr、Zn和Ni含量超过甘肃省土壤背景值。
当以GB 15618—2018限值为评价标准时,研究区Hg、As、Cd、Cu、Pb、Cr、Zn和Ni的单因子污染指数范围分别为0.046~0.215、0.407~0.747、0.228~0.967、0.198~0.408、0.047~0.116、0.425~1.095、0.275~0.628和0.151~0.616之间,见表4。除Cr轻微超标外,研究区内其余7种重金属元素含量均不超标。内梅罗综合指数显示研究区土壤处于清洁状态。
研究区土壤中重金属的地质累积指数统计,见表5。
表5可知,8种重金属的地质累积指数平均值由大到小依次为Hg>Cr>Cd>Zn>As>Ni>Cu>Pb。结果显示,除Hg、Cr和Cd以外,其余5种重金属均无污染程度。8种重金属地质累积指数的极大值均﹥0,表明研究区内存在重金属累积现象,其中Hg累积最严重,其次是Cr和Cd。
研究区域8种重金属潜在生态风险系数,见表6。
表6可知,8种重金属单项潜在生态风险指数均值大小顺序为Hg>Cd>As>Ni>Cu>Cr>Pb>Zn。其中,As、Ni、Cu、Cr、Pb和Zn潜在生态风险系数均值均﹤40,处于轻微危害水平;Hg潜在生态风险系数均值为457.04,明显高于其他重金属,处于极强危害水平;Cd潜在生态风险系数均值为48.01,处于中等危害水平。研究区多元素综合污染指数均值为539,整体潜在生态风险等级较高,主要贡献因子为Hg。
-
土壤重金属的来源主要包括自然源和人为源。通过重金属之间的相关性分析能够判断几种重金属的来源是否一致,若重金属间相关性较强,表现为显著正相关时,说明这些重金属的来源具有同一性。否则,可能有多个来源[5]。对研究区农田土壤重金属进行Spearman相关性分析,见表7。
表7可知,重金属Cu-Cd、Ni-Cu之间的相关系数分别为0.644、0.637,达到极显著正相关关系(P<0.01),Zn-As、Zn-Cd、Zn-Cu、Ni-Cr和Ni-Zn之间的相关系数分别为0.415、0.495、0.493、0.519和0.504,达到显著正相关关系(P<0.05),表明其来源具有同源性。
-
数据显示研究区内100%、91%、96%、87%、100%、96%和96%样点的Hg、As、Cd、Cu、Cr、Zn和Ni超过甘肃省土壤背景值,研究区土壤中重金属累积现象严重,其中以Hg的累积现象最为严重。这一结论与孙建伟等[6]、张江华等[7]和林荩等[8]对豫西金矿区、小秦岭金矿区和潼关金矿区的研究结果相似,进一步说明矿区周边农田土壤重金属污染主要是由开采活动造成的。
此外,牛真茹等[9]通过对某金属冶炼场浅层土壤重金属空间变异规律和分布特征的研究发现重金属渗滤液沿地形优势通道迁移,在局部地段累积,导致土壤中重金属污染严重。结合本次研究区和矿区的位置关系,推测造成研究区内土壤重金属累积现象的原因可能为长时间的雨水冲刷,使矿山上的重金属迁移至研究区内造成。重金属含量统计中Hg的变异系数较高,峰度值、偏度值也较高,表明Hg含量受人为干扰较大,结合矿区开采背景,推测研究区土壤中Hg累积现象严重主要与矿区的混乱开采有关。
由于研究区土地用途为农田,且该区域重金属累积现象较严重,长远来看,应采取相应的措施减缓矿区对研究区的影响。目前,该矿区已关停,矿区对研究区土壤的影响主要通过重金属的自然迁移实现,因此,后续管理过程中针对研究区的保护措施应当以切断重金属的迁移途径为主。建议在矿区周边采用防渗阻隔技术,阻断重金属向矿区周边区域及深层土壤迁移的途径。同时,对阻隔产生的积水进行定期收集和处理,避免含重金属的水体造成进一步的污染。再者,建议针对矿区周边农田建立连续监测机制,动态监测周边土壤中的重金属含量以判断土地用途的合理性。
-
(1)研究区农田土壤中存在重金属累积现象。
(2)研究区农田土壤中Hg的累积受人为干扰程度最大,累积现象最严重,生态风险贡献值最高。
(3)研究区农田土壤中As、Cd、Cu、Zn、Cr和Ni同源性较高,主要来源为自然源。Hg的来源为复合源(人为源+自然源),其中人为源为主要来源。
金矿区农田土壤重金属空间分布特征及污染评价
Spatial distribution characteristics and pollution evaluation of heavy metals in farmland soil of gold mine areas
-
摘要: 为了解岷县某村无主金矿矿区历史活动对周边农田的影响,使用指数法对土壤质量进行评价,使用GIS地统计学模型对土壤重金属空间分布进行分析。结果表明,研究区土壤环境质量整体处于清洁水平,但存在重金属累积现象,并且整体呈现自西向东递减趋势。其中以汞的累积现象最为严重,这可能与当地混乱开采活动关系密切,因此,为控制重金属在该区域的持续积累,相应的管控措施是必不可少的。Abstract: In order to understand the influence of the historical activities of the unowned gold mining area in a village in Minxian County on the surrounding farmland, the index method was used to evaluate the soil quality, and the GIS geostatistical model was used to analyze the spatial distribution of soil heavy metals. The results showed that the overall soil environmental quality in the study area was at a clean level. However, there was an accumulation of heavy metals, and the overall trend was decreasing from west to east. Among them, the accumulation of mercury was the most serious, which might be closely related to local chaotic mining activities. Therefore, in order to manage the continuous accumulation of heavy metals in this area, corresponding control measures are essential.
-
Key words:
- soil /
- heavy metals /
- spatial distribution characteristics /
- pollution evaluation /
- pollution index
-
流域水生态健康是指水生态结构合理、功能健全,具有正常的能量流动和物质循环,能够维持自身的组织结构长期稳定,发挥其正常的生态环境效益,提供满足自然和人类需求的生态服务[1]。随着社会经济的发展,人类活动不断改变土地利用、城市外貌等,影响流域生态系统的结构和功能,造成其生态系统健康受损、服务功能丧失等[2]。各种废水排放进入水环境,导致水体水质不断恶化,流域内生物多样性锐减,严重威胁到河湖的水生态健康[3]。
世界各国在20世纪就开始了对流域生态健康状况的评价,并进行了河流的水生态监测等长期的相关研究和实践。1977年英国提出河流无脊椎动物预测及分类系统(River Invertebrate Prediction and Classification System,RIVPACS)[4]并应用于英国的河流生境调查[5]、欧盟AQEM项目[6]和STAR项目[7];20世纪80年代美国开发了生物完整性指数(Biological Integrity Indices,IBI)[8],并颁布快速生物评价规程(Rapid Bio-assessment Protocols,RBP)[9],应用于国家监测和评价项目(Environmental Monitoring and Assessment Program,EMAP)[10];欧盟2000年发布水框架指令(EU Water Framework Directive,WFD)[11],旨在提供更多的流域健康评价方法与监测工具。我国在流域生态健康的评价研究方面起步较晚,国内学者尝试将生态学方法应用于水生态环境的监测与评价,并对特定的生物类群以及特定水体做了大量研究。如颜京松等[12]应用Chandler记分值、Goodnight指数、Trent指数和Shannon指数等生物指数及赋分体系评价黄河流域的支流水质;刘明典等[13]在长江中上游的评价中建立了鱼类的生物完整性指数评价体系,发现鱼类及生境状况不容乐观。我国颁布的《“十四五”生态环境监测规划》中,明确提出“增强水生态环境监测”,“完善水生态监测评价”,生物完整性和流域水生态健康评价逐渐成为流域生态环境管理重点,国家和地方政府也颁布了流域生态健康评价的标准导则与规范文件,如2017年山东省发布的《山东省生态河道评价标准:DB 37T 3081—2017》[14],以鱼类、水生植物作为指示物种,并对生态河道的评价做出标准与规范;苏州市于2021年发布《河湖健康评价规范:DB 3205/T 1016—2021》[15],提出压力-状态-响应的河湖健康评价指标体系,其中指示性生物为底栖动物、浮游生物和着生藻类。
我国流域及水生态健康评价越来越受到广泛关注,流域水生态健康评价的研究成果近年来也越来越多,但目前鲜有从文献计量学角度进行系统总结分析的研究,对该领域的研究主题和热点演变的认知存在一定的局限性。利用文献计量学,使用CiteSpace.5.8.R2可视化研究软件及Origin软件,对流域生态健康评价领域的发文国家、机构和关键词等进行分析,同时获得关键词共现、聚类及突现结果,从多个维度客观地分析国内外流域生态健康评价领域的研究脉络与热点趋势。
1. 材料与方法
1.1 数据来源
对于外文数据,利用Web of Science[V.5.35]平台,数据来源选取Web of Science(WOS)核心合集的Science Citation Index Expanded (SCI-EXPANDED)数据库,主题检索词为:TS=(( "River health" or "river assessment" or "river integrity evaluation") and (phytoplankton or "benthic macroinvertebrates" or invertebrates or fish or benthos or IBI or water quality parameters or biological integrity or habitat indicators) ),时间跨度为所有年份,检索时间为2021年12月16日,文献类型选择研究性论文,筛选不相关文献,共得到267篇文献,文献按“全记录与参考文献”记录内容导出,文件格式为纯文本。
对于中文数据,数据来源选择中国知网(CNKI),选用高级检索方式,检索主题=(流域生态健康评价 + 河流生态健康评价 + 河流完整性评价),时间为不限年份,检索时间为2021年12月16日,筛选会议报纸等不相关文献,共得到888篇文献,文献导出格式为“Refworks”。
1.2 分析方法
本研究以“流域生态健康评价”为主题,使用CiteSpace.5.8.R2及Origin软件进行科学计量与可视化分析,通过发文量统计分析探讨领域的发展与分布特征;通过研究国家共现图谱,揭示该领域全球的研究力量分布和合作关系;通过学科类别图谱,掌握该领域研究中学科类别的分布情况;通过关键词共现图揭示不同发展阶段的研究热点;通过关键词聚类图与突现图提炼研究主题与突现关键词,剖析研究领域的演化过程,为科学掌握研究热点和前沿提供定量依据[16-18]。
2. 结果与讨论
2.1 发文量分析
WOS检索的发文量为267篇,CNKI检索的发文量为888篇。总体来看,国内外在该领域的研究文献数量整体呈上升态势。
WOS检索的文献中最早出现于1995年,发文量呈现缓慢波动式增长,年发文量均低于30篇,2019年发文量最多,为23篇。CNKI检索的文献最早出现于2002年,发文量在2005年之后高于WOS;2009~2013年、2014~2018年2个阶段,发文量快速增长,2018年发文量最多,为94篇,明显高于WOS。虽然我国在该领域起步较晚,但近十几年来,CNKI发文量增长速度较快,一方面,20世纪90年代我国大力发展乡镇企业,导致水体污染急剧加重、部分水体生物绝迹、水生态环境形势严峻,同时21世纪以后国家水环境管理不断加强,水污染治理与流域生态健康评价投入逐年增加,使得该领域的研究迅速增长。
2.2 文献被引频次分析
文献被引频次分析,见图1。
WOS的267篇文献总被引频次为9 226,平均每篇文献被引34.15次,h-index达到51,检索的文献质量较高。其中,REYNOLDSON发表的研究论文比较了使用底栖大型无脊椎动物评估水质损害的多尺度和多变量方法,在该领域受到众多学者的关注,其分析方法被广泛引用,该论文总被引频次达448次,年平均被引次数达17.23次。
2.3 国家共现分析
通过CiteSpace生成的国家共现图谱,见图2。
图2可知,能体现研究领域内各国的发展情况和合作紧密程度。根据国家共现图谱和表1数据可得出,澳大利亚在流域生态健康评价研究领域发文量最多(59篇),我国发文量排名第二(41篇),法国与美国并列第三(32篇);从文献中心度来看(文献中心度是衡量文献重要性的指标,也是衡量科学发现发生转移的潜在性可能的指标之一,中心度越大,文献重要程度也越大,中心度高于0.1的文献被认为比较重要[19]),发文量排名仅第六的德国文献中心度最高,为0.71,其次是发文量第十的英国,其文献中心度为0.26,美国、南非、法国和西班牙的文献中心度均超过了0.1,分别为0.19、0.18、0.17和0.14,这些国家在该领域研究基础较好,影响较大。我国虽然发文数量排名第二,但是其文献中心度较低,仅为0.04,在该领域影响力较小。国家间的合作强度方面,图2看出,德国和法国等一些欧洲国家的合作比较密切,与其他科学领域[20]计量分析的结果一致,文献中心度较高的节点更容易将一个科学领域的发展连接起来,且地理位置相近也是影响国家间紧密合作的重要因素。我国在这方面不占据优势,因此与其他国家合作的强度较弱。
表 1 关键词聚类表Table 1. Keywords clustering聚类号 聚类大小 聚类效果 聚类标签词 0 50 0.848 健康评价;藻类;p-ibi;雅鲁藏布江流域;水生态系统 1 48 0.955 河流健康;模糊物元vikor模型;障碍度模型;土地覆盖;评价体系 2 38 0.904 评价;生态系统;健康;指标;湿地 3 37 0.598 指标体系;太湖流域;入湖河流;协调发展度;河流健康评价 4 35 0.848 评价方法;北运河;集对分析;减法集对势;河流生态健康 5 33 0.902 底栖动物;鱼类;生物完整性指数;漓江;群落结构 6 30 0.861 城市河流;生态健康;耐污性;快速生物评价;多参数方法 7 16 0.940 三峡库区;流域;环境保护;格局分析;健康评估 8 13 0.929 河湖健康;水生态 ;河湖长制;熵权法;生态流量 9 11 0.875 gis;rs;辽河流域;水质健康评估;流域生态 2.4 学科类别分析
学科类别分析,见图3。
WOS文献主要集中在环境科学、海洋淡水生物学、生态学、水资源和环境工程等学科;其中环境科学、生态学具有较高的中心度,分别为0.59和0.53,表明环境科学、生态学的文献具有较高的质量。使用CiteSpace软件绘制期刊叠加层图谱,见图4,进一步展示各学科文献分布及引文轨迹,每个引用实例用1条弧线表示,弧线发端于引用基础论文中的来源期刊,末端为被引基础图谱中的目标期刊。来自相同集合的弧线用相同颜色表示,即弧线粗细疏密程度代表学科期刊间知识流动频率及强度关系[21]。可以看出,图谱有1条联系密切的连线,由生态学、地球和海洋学指向植物学、生态学和动物学,即本领域的研究涉及植物学、动物学及生态学等学科领域,多学科交叉融合,具有较大的发展潜力。
2.5 关键词分析
关键词是对论文研究主题和内容高度概括的核心词汇,对文献关键词进行共现、聚类和突现分析,有利于快速了解该领域的研究热点和发展方向[22]。
2.5.1 关键词共现分析
使用CiteSpace对CNKI文献的关键词进行分析,时间切片选为1年,节点类型选择关键词[17,23],见图5,图谱共405个节点,即表示有405个关键词,其中“健康评价”“河流健康”“指标体系”是共现图谱中排名前三的关键词,出现频次分别为213次、173次和122次;同时也是中心度排名前三的关键词,中心度分别为0.39、0.38和0.34;其他具有代表性的关键词有“健康评价”“河流健康”“指标体系”“城市河流”“评价方法”“底栖动物”“生态系统”“评价指标”“生态健康”“周丛藻类”。
WOS的文献关键词共现图谱中,见图6,“biotic integrity”“community”“stream”是出现频次最高的3个关键词,分别为77次、65次和63次,其他具有代表性的关键词包括“river health”“water quality”“land use”“biodiversity”“ecosystem”“index”“fish”“habitat”“benthic macroinvertebrate”等。中心度较高的关键词有“benthic macroinvertebrate(0.28)”“catch ment(0.22)”“bioassessment(0.16)”等。
2.5.2 关键词聚类分析
关键词聚类分析是以关键词共现分析为基础,将关键词共现网络关系通过聚类统计学的方法简化成数目相对较少聚类的过程[24]。在CiteSpace输入CNKI文献数据,选取对数似然率算法(LLR),共得到10个聚类、405个节点、706条连线,聚类的模块化Q值为0.637 4,聚类效果平均值为0.866,聚类结果可信度较高,见图7。10个聚类的主题为“健康评价”“河流健康”“评价”“指标体系”“评价方法”“底栖动物”“城市河流”“三峡库区”“河湖健康”“gis”。每个聚类主题包含的标签词,见表1。
结合聚类图谱(图8)对表1中聚类标签词进行分析,各标签词内容存在相互交叉现象,因此将流域生态健康评价领域的研究归纳为“评价方法”“评价指标”“评价技术”3个主题领域,详述如下。
“评价方法”主题包括“预测模型法”“快速生物评价”“多参数方法”“生物完整性指数”“p-ibi”等标签词;由于我国在该领域的研究起步较晚,在流域生态健康评价领域主要是借鉴学习国外的评价方法,如预测模型法、生物完整性法等,同时在本土开展了相应的评价工作。如评价千岛湖[25]水质、营养状态时采用的O/E模型和建立在沂河[26]上的流域生态健康评价模型,评价结果较好,均能准确地反映水生态真实的健康状况。
“评价指标”主题包括“藻类”“底栖动物”“鱼类”“群落结构”等标签词;由于生物指标是流域生态健康定量评价的重要表征指标[27],聚类标签词中以各种生物为主,其中藻类、底栖动物和鱼类是评价体系中的热门指示生物,相关研究如选取着生藻类作为生物指标对太子河[28]进行生态健康评价;选用大型底栖动物作为指示生物对永定河[29]受损水体的健康状况进行判别;选取鱼类作为生物指标用于浑太河流域[30]的生态健康评价,表明这些指示生物具有较好的适用性,能够反映水体不同阶段的变化。
“评价技术”主题中“遥感(Remote Sensing,RS)”“地理信息系统(Geographic Information System,GIS)”等标签词成为新的研究热点,在河流生态健康状态评价[31]、城市河流生态健康评价[32]、河流物理结构完整性评价[33]和河岸带生态修复[34]等方面起到重要作用,未来可能会成为该领域研究的重要工具。
2.5.3 关键词突现分析
CiteSpace提供了对突现词的探测与分析技术,突现词是某一个时间段内被引频次突然增多的关键词,可以用来反应某一时间段内的研究趋势;对前沿热点进行判断识别,掌握领域内研究主题的演化动态[22]。对WOS数据进行关键词突现分析,筛选得到频次突现强度最高的15个关键词,见图9。
从时间上看,将突现的关键词分为2个时期。2004年以前的包括“classification”“pattern”“ecoregion”“macroinvertebrate fauna”等,突现的关键词平均时间跨度为8年,平均突现强度为3.2;该时期整体比较注重水质状况和生态分区,另外大型底栖动物也因分布较广、生活史相对稳定、生命周期能够反映水体阶段性变化和相对容易辨识等特点[35]在流域生态健康评价中成为热点,美国发布的《溪流和河流快速评估方案—大型底栖动物和鱼类》[36]把大型底栖动物作为重要指示生物;2004年以来是流域生态健康评价快速发展的时期,突现关键词包括“prediction”“river health”“indicator”“habitat”“conservation”“basin”等,突现的关键词平均时间跨度为4.5年,平均突现强度为3.8;从关键词反映的内容来看,预测模型成为流域生态健康评价中的重要方法,其中英国RIVPACS和澳大利亚河流评价计划(Australian River Assessment Scheme,Aus Riv AS)[37]是预测模型法的代表,在国内外的流域生态健康评价中应用十分广泛;指示物种的筛选是流域生态健康评价中的重要环节;国际上基于不同指示生物建立的流域生态健康评价体系,按评价内容可以分为基于鱼类、底栖动物和硅藻等单一指示物种的评价体系和基于多种生物为指示生物的评价体系;如以鱼类作为指示生物构建的鱼类完整性指数(Fish-based Index of Biotic Integrity,F-IBI);以底栖动物作为指示生物构建的底栖动物完整性指数(Benthic Macroinvertebrate Index of Biotic integrity,B-IBI);多种指示生物的流域生态健康评价近年来也受到了许多学者的关注,相对于单一指示生物而言,采用多种生物指标的评价体系可能更为全面地反映流域生态健康状况[38]。另外流域的生境、栖息地和生物多样性成为研究的高地,现阶段也更加注重对流域的保护与修复及生态的永续发展。
3. 结论
(1)整体来说,WOS和CNKI 2个数据库的流域生态健康评价领域发文量呈波动式增长趋势,2005年后CNKI发文量显著高于WOS;WOS发文量位居前列的国家有澳大利亚、中国、美国和法国等。
(2)流域生态健康评价领域多学科交叉融合,包含生态学、动物学和植物学等,德国、英国和美国在该领域影响力表现突出,文献中心度达0.71、0.26和0.19,我国发文中心度与其相比偏低,仅为0.04,影响力较小,且缺乏与国际的研究合作,有待进一步加强国际合作。
(3)研究内容方面,国外集中在评价方法的研究,包括预测模型法、生物完整性法等,且注重流域的生境与栖息地评价,更强调流域生物多样性的保护及生态修复,关注流域生态的永续发展;国内由于在该领域研究起步较晚,注重学习国外的评价体系与技术方法,并将其本土化,应用在流域生态健康评价中,同时,3S技术在该领域成为较新的热点,可能在未来成为重要工具。
-
表 1 选取评价方法的评价标准
Table 1. Evaluation criteria for selecting evaluation methods
地质累计指数法 单因子指数法 内梅罗综合指数法 潜在生态风险指数法 Igeo 级数 污染程度 Pi 污染程度 PN 污染程度 Eir RI 生态风险等级 ≤0Igeo 0 无 Pi<1 无污染 PN<0.7 清洁 <40Eir RI<150 轻微危害 0< ≤1Igeo 1 无-中度 1<Pi≤2 轻微污染 0.7<PN≤1 尚清洁 40≤ <80Eir 150≤RI<300 中等危害 1< ≤2Igeo 2 中度 2<Pi≤3 轻度污染 1<PN≤2 轻度污染 80≤ <160Eir 300≤RI<600 强危害 2< ≤3Igeo 3 中-强度 3<Pi≤5 中度污染 2<PN≤3 中度污染 160≤ <320Eir RI>600 很强危害 3< ≤4Igeo 4 强度 Pi>5 重度污染 PN>3 重度污染 ≥320Eir − 极强危害 4< ≤5Igeo 5 强-极强 − − − − − − − >5Igeo 6 极强 − − − − − − − 注:“-”,表示无。 表 2 研究区土壤pH及重金属含量统计
Table 2. Statistics of soil pH and heavy metal content in the study area
元素 最大值/mg·kg−1 最小值/mg·kg−1 中位数/mg·kg−1 平均值/mg·kg−1 标准偏差 变异系数 偏度系数 峰度系数 背景值/mg·kg−1 pH 7.74 7.03 7.18 7.28 0.20 0.03 0.67 −0.54 − Hg 0.52 0.16 0.21 0.23 0.07 0.30 3.26 13.22 0.02 As 22.40 12.20 15.20 15.79 2.46 0.16 0.82 0.76 12.60 Cd 0.29 0.11 0.19 0.19 0.05 0.25 0.22 −0.80 0.12 Cu 40.80 19.80 27.90 29.02 5.27 0.18 0.64 0.27 24.10 Pb 13.90 7.16 10.60 10.64 1.39 0.13 −0.14 1.70 18.80 Cr 219.00 84.90 154.00 155.10 34.70 0.22 −0.15 −0.61 62.23 Zn 157.00 68.80 96.40 99.50 17.63 0.18 1.33 3.70 69.30 Ni 61.60 28.60 41.30 43.57 7.85 0.18 0.71 0.40 35.20 表 3 研究区土壤各重金属的单因子指数与内梅罗综合指数统计(以背景值为依据)
Table 3. Statistics of the single factor index and Nemerow comprehensive index of each heavy metal in the soil of the study area (based on background value)
元素 单因子指数 内梅罗综合指数 最大值 最小值 平均值 PN 土壤环境质量等级 Hg 25.75 7.90 11.43 19.92 重度污染 As 1.78 0.97 1.25 1.54 轻度污染 Cd 2.42 0.95 1.60 2.05 中度污染 Cu 1.69 0.82 1.20 1.47 轻度污染 Pb 0.74 0.38 0.57 0.66 清洁 Cr 3.52 1.36 2.49 3.05 重度污染 Zn 2.27 0.99 1.44 1.90 轻度污染 Ni 1.75 0.81 1.24 1.52 轻度污染 表 4 研究区土壤各重金属单因子指数与内梅罗综合指数统计(以标准值为依据)
Table 4. Statistics of heavy metal single factor index and Nemerow comprehensive index of soil in the study area (based on standard value)
元素 单因子指数 内梅罗综合指数 最大值 最小值 平均值 PN 土壤环境质量等级 Hg 0.21 0.05 0.09 0.16 清洁 As 0.75 0.41 0.54 0.65 清洁 Cd 0.97 0.23 0.60 0.81 清洁 Cu 0.41 0.20 0.29 0.35 清洁 Pb 0.12 0.05 0.09 0.10 清洁 Cr 1.10 0.42 0.76 0.94 清洁 Zn 0.63 0.28 0.39 0.52 清洁 Ni 0.62 0.15 0.41 0.52 清洁 表 5 研究区土壤中8种重金属地质累计指数统计
Table 5. Statistics of geological cumulative index of eight heavy metals in the soil of the study area
元素 地质累计指数法 范围 平均值 标准差 污染等级 Hg 2.40~4.10 2.88 0.34 无—中度 As −0.63~025 −0.28 0.22 无 Cd −0.66~0.69 0.05 0.38 无—中度 Cu −0.87~-0.17 −0.34 0.26 无 Pb −1.98~-1.02 −1.42 0.20 无 Cr −0.14~1.23 0.69 0.35 无—中度 Zn −0.60~0.59 −0.08 0.24 无 Ni −0.88~0.22 −0.30 0.25 无 表 6 研究区土壤中8种重金属的潜在生态风险系数统计
Table 6. Potential ecological risk coefficient statistics of eight heavy metals in the soil of the study area
项目 范围 平均值 风险等级 单项潜在生态风险 Hg 316~1 030 457.04 极强危害 As 9.68~17.78 12.53 轻微危害 Cd 28.50~72.50 48.01 中等危害 Cu 4.11~8.46 6.02 轻微危害 Pb 1.90~3.70 2.83 轻微危害 Cr 2.73~7.04 4.98 轻微危害 Zn 0.99~2.27 1.44 轻微危害 Ni 4.06~8.75 6.19 轻微危害 综合潜在生态风险 408~1 144 539.00 轻微危害 表 7 土壤重金属相关系数(Spearman)
Table 7. Correlation coefficient of soil heavy metals (Spearman)
元素 Hg As Cd Cu Pb Cr Zn Ni Hg 1 As 0.346 1 Cd −0.159 0.322 1 Cu 0.110 0.136 0.644** 1 Pb −0.146 −0.044 −0.179 −0.049 1 Cr 0.100 0.218 0.093 0.033 0.182 1 Zn −0.164 0.415* 0.495* 0.493* 0.131 0.230 1 Ni 0.009 0.209 0.363 0.637** −0.060 0.519* 0.504* 1 注:*在 0.05 级别(双尾),相关性显著;**在0.01级别(双尾),相关性显著。 -
[1] 刘奇林, 崔宝山, 陈蓓, 等. 岷县曙光金矿无主矿区土壤污染治理项目场地环境调查报告[R]. 甘肃: 岷县人民政府, 2019. [2] 王莹捷, 张波, 马鑫, 等. 甘肃省武威酿酒葡萄种植区土壤重金属分布特征及来源分析[J]. 食品与发酵工业, 2021, 47(22): 99 − 108. [3] 王钦德, 杨坚. 食品试验设计与统计分析基础[M]. 北京: 中国农业大学出版社, 2009: 34-36. [4] 王蕊, 陈楠, 张二喜, 等. 龙岩市某铁锰矿区土壤重金属地球化学空间分布特征与来源分析[J]. 环境科学, 2021, 42(3): 1114 − 1122. [5] 杨蕊, 李小平, 王继文, 等. 西宁市城市土壤重金属分布特征及其环境风险[J]. 生态学杂志, 2016, 35(6): 1531 − 1538. [6] 孙建伟, 贾煦, 刘向东, 等. 豫西金矿集区矿业活动对周边农田土壤重金属影响研究[J]. 岩矿测试, 2023, 42(1): 192 − 202. [7] 张江华, 徐友宁, 陈华清, 等. 小秦岭金矿区土壤-小麦重金属累积效应对比研究[J]. 西北地质, 2020, 53(3): 284 − 294. [8] 林荩, 梁文静, 焦旸, 等. 陕西潼关县金矿矿区周边农田土壤重金属生态健康风险评价[J]. 中国地质, 2021, 48(3): 749 − 763. [9] 牛真茹, 齐硕, 吴庭雯, 等. 某有色冶炼场地浅层土壤重金属空间变异规律与分布特征[J]. 土壤通报, 2016, 47(3): 738 − 745. 期刊类型引用(0)
其他类型引用(1)
-