Processing math: 100%

开封市西瓜种植地土壤重金属污染及风险评价

张成丽, 钱静, 雷雨辰, 聂建欣, 马建华, 张君丽. 开封市西瓜种植地土壤重金属污染及风险评价[J]. 环境化学, 2021, 40(6): 1714-1722. doi: 10.7524/j.issn.0254-6108.2020013002
引用本文: 张成丽, 钱静, 雷雨辰, 聂建欣, 马建华, 张君丽. 开封市西瓜种植地土壤重金属污染及风险评价[J]. 环境化学, 2021, 40(6): 1714-1722. doi: 10.7524/j.issn.0254-6108.2020013002
ZHANG Chengli, QIAN Jing, LEI Yuchen, NIE Jianxin, MA Jianhua, ZHANG Junli. Sources of heavy metal pollution and risk assessment of soil in watermelon planting areas in Kaifeng City[J]. Environmental Chemistry, 2021, 40(6): 1714-1722. doi: 10.7524/j.issn.0254-6108.2020013002
Citation: ZHANG Chengli, QIAN Jing, LEI Yuchen, NIE Jianxin, MA Jianhua, ZHANG Junli. Sources of heavy metal pollution and risk assessment of soil in watermelon planting areas in Kaifeng City[J]. Environmental Chemistry, 2021, 40(6): 1714-1722. doi: 10.7524/j.issn.0254-6108.2020013002

开封市西瓜种植地土壤重金属污染及风险评价

    通讯作者: E-mail:zhangjunli0522@163.com
  • 基金项目:
    国家自然科学青年基金(41601522),中国博士后科学基金(2017M612387),河南省博士后科研项目(001701033)和2018年度河南省社科普及规划项目(1076)资助

Sources of heavy metal pollution and risk assessment of soil in watermelon planting areas in Kaifeng City

    Corresponding author: ZHANG Junli, zhangjunli0522@163.com
  • Fund Project: the National Natural Science Youth Foundation of China (41601522), China Postdoctoral Science Foundation (2017M612387), Henan Provincial Postdoctoral Research Project (001701033) and the 2018 Henan Provincial Social Science Popularization Planning Project (1076)
  • 摘要: 为了解开封市西瓜种植区土壤重金属污染特征,选取范村、西姜寨、杏花营、朱仙镇等4个乡镇西瓜种植区,采用电感耦合等离子体质谱仪(ICP-MS)对种植区土壤样品中Cr、Ni、Cu、Zn、Cd、Pb等6种重金属进行检测分析。结果表明,以河南省A层土壤背景为依据,开封市西瓜地土壤重金属Cr、Ni、Cu、Zn、Cd、Pb均不同程度的超出背景值。6种重金属的变异系数均在10%—100%之间,其中Cr、Ni、Cu、Zn、Cd、Pb分别超出农用地土壤污染风险筛选值17.60%、0.75%、11.24%、13.11%、80.52%和0.75%。依照单因子指数法对各采样区土壤进行评价,西瓜种植区朱仙镇土壤Cr与Zn处于轻微污染,其余采样区无污染;各采样区Ni、Cu和Pb均处于无污染状态;Cd均处于轻微污染状态。内梅罗综合污染指数分析结果表明,西姜寨、杏花营、朱仙镇处于轻度污染状态,范村处于警戒级状态。潜在生态风险评价表明,西瓜种植区土壤Cd存在极强生态风险,其余均有轻微的生态风险,且Cd是构成生态危害的主要风险因子。由相关性以及主成分分析结果可知,pH与Cr、Cu、Ni、Zn、Cd、Pb均在0.01置信度水平下呈显著负相关,开封市西瓜种植地土壤重金属的污染源主要为农业源。
  • 化工、制药及个人护肤品等行业产生的一些新兴有机污染物如内分泌干扰物、药物、杀虫剂等通过各种途径进入到了天然水体当中,这些被污染的水体普遍具有毒性大、新型污染物众多和难生物降解等特点[1-2]。双酚A(bisphenol A, BPA)是内分泌干扰物中的一种,分子结构如图1所示。其被广泛用于聚碳酸酯、环氧树脂、抗氧剂、增塑剂、油漆、农药等方面[3]。有研究[4-5]表明,BPA具有雌激素作用,摄取低浓度就能破坏人体的内分泌系统,造成不育、畸胎等,对人体的危害是持续性、累积和不可逆的,对家畜和野生动物的健康也会产生极大的影响。因此,寻求一种经济高效的解决BPA污染的方法具有重大的现实意义。

    图 1  双酚A的分子结构
    Figure 1.  Molecular structure of bisphenol A

    近年来,对BPA的去除方法主要有物理、生物及高级氧化法。传统的物理去除法如膜技术、离子交换以及活性炭吸附等仅能实现污染物的相转移,需要进一步后续处理[6]。生物法对含有生物毒性的酚类、醛类、酸类降解去除时会表现出很大的局限性[7-9]。高级氧化法如光催化[10]、电催化[11]、Fenton-类芬顿[12]和超声氧化[13]等对BPA的降解去除具有降解彻底、反应速度快、二次污染小等特点。但光、电催化、超声氧化等仍处于实验室阶段,工程应用难度大,Fenton法在水处理中有较多应用,但存在出水水质偏黄、pH局限于3左右、含铁污泥需要进一步处理等缺点[14]。本研究提出了以硫酸铜为催化剂的类芬顿法,主要考察了催化剂、H2O2用量、反应温度、BPA初始浓度和pH对BPA去除效果的影响,以期为处理此类有机废水提供技术参考。

    BPA(C15H16O2、Adamas试剂有限公司)、香豆素(C9H6O2、Adamas试剂有限公司)、7-羟基香豆素(C9H6O3、Acros)、氯化铜(CuCl2·2H2O、广东省化学试剂工程技术研究开发中心)、硫酸亚铁(FeSO4·7H2O)、硫酸铁(Fe2(SO4)3)、硫酸锰(MnSO4·H2O)均购自成都市科隆化学品有限公司,硝酸铜(Cu(NO3)2·3H2O)、硫酸铜(CuSO4·5H2O)、二氧化钛(TiO2)购自成都市科龙化工试剂厂,双氧水(H2O2、30%)购自重庆川东化工(集团)有限公司,以上均为分析纯。紫外可见分光光度仪(UV-2550、日本岛津)、恒温水浴振荡器(SHA-C、金坛市易晨仪器制造有限公司)、离心机(TGL20M-Ⅱ、金坛市城西春兰实验仪器厂)、总有机碳(TOC)分析仪(TOC-VCPN、日本岛津)、荧光分光光度仪(F-7100、日本HITACHI)、pH计(FE20、瑞士梅特勒)。

    在放置于恒温水浴振荡器的具塞锥形瓶中,进行BPA模拟废水的类芬顿催化氧化去除反应。向锥形瓶中加入一定量的由蒸馏水和BPA配成的模拟BPA废水溶液,然后分别加入一定量的硫酸铜催化剂和质量分数为30%的H2O2,之后在120 r·min−1的转速下反应。取不同反应时间条件下的反应液,经离心分离后,取其上清液分别测定TOC和吸光度值。

    BPA的浓度可通过紫外-可见分光光度法建立的BPA浓度标准曲线来计算,其特征吸收波长为276.4 nm,全波长扫描结果见图2。总有机碳由TOC仪测定。H2O2浓度由钛盐光度法[15]测定。反应过程中产生的 · OH由香豆素捕获,通过荧光分光光度仪定量检测反应过程中产生的7-羟基香豆素,从而推算 · OH浓度[16]

    图 2  BPA的紫外-可见吸收光谱
    Figure 2.  UV-vis adsorption spectroscopy of BPA

    为了筛选成本低廉、效果较好的催化剂,主要考察了过渡金属化合物在类芬顿反应体系中对BPA的去除效果,结果如图3所示。图4图5分别为BPA和H2O2的浓度标准曲线。由图3可知,硫酸铜、氯化铜和硝酸铜3种铜类化合物对BPA的去除效果相差不大,在65 min内,去除率均超过了95%。硫酸锰对BPA的去除效果最差,去除率仅有52.6%。硫酸亚铁和硫酸铁对BPA的去除率分别为85.4%和86.9%,效果相对较差,但反应后水质呈褐黄色、浑浊,在离心分离后,水质依然偏黄,沉淀3 d后水质才较澄清。从实验结果来看,3类含铜化合物的效果较好,由于氯化铜在溶液中含有氯离子,对水质有二次污染,硝酸铜存在硝酸根离子,在酸性条件下有一定的氧化能力,为此,本研究选择硫酸铜作为评价类芬顿催化氧化去除能力的最佳催化剂。

    图 3  过渡金属化合物对类芬顿体系去除BPA性能的影响
    Figure 3.  Effects of transition metal compounds on BPA removal by Fenton-like system
    图 4  BPA的标准曲线
    Figure 4.  Standard curve of BPA
    图 5  H2O2的标准曲线
    Figure 5.  Standard curve of H2O2

    分别考察了BPA溶液挥发、单独H2O2氧化和单独催化剂对BPA去除效果的影响。结果表明,在反应2 h后,BPA溶液的挥发、单独H2O2的氧化和单独催化剂对去除率的贡献分别为8.9%、8.5%和8.6%,由图3可知,3种铜类化合物在65 min内对BPA的去除率均超过了95%,这说明催化剂和双氧水的协同作用是类芬顿法去除BPA模拟废水的关键。

    催化剂用量对BPA去除效果的影响结果如图6所示。由图6可知:当催化剂用量在0.4 g·L−1以下时,反应15 min后,BPA的去除率约为73.5%;在反应65 min后,达到约90%。当催化剂用量为0.8 g·L−1时,去除效果最好;在反应65 min和95 min后,BPA的去除率分别为95.4%和96.6%,比在其他条件下的BPA去除率均提高了约4%,TOC去除率分别为83.6%和85.9%。当超过最佳催化剂用量时,BPA去除率稍有下降。这可能归因于在较合适催化剂用量条件下,反应体系中产生的 · OH和其消耗达到一个平衡,当催化剂用量继续增大时,其会催化H2O2产生大量的 · OH,导致其自身的消耗反应加速,最终生成H2O、HO2和O2而被消耗掉[17];另一方面,过量的 · OH与H2O2会反应生成具有抑制 · OH能力的HO2,导致类芬顿体系去除效果降低[18]

    图 6  催化剂用量对类芬顿系统去除BPA性能的影响
    Figure 6.  Effect of catalyst dosage on BPA removal by Fenton-like system

    H2O2的理论需求量计算方程如式(1)所示。

    C15H16O2+36H2O215CO2+44H2O (1)

    196 mmol·L−1为H2O2理论需求量的12.4倍。由图7可知,当H2O2用量为78 mmol·L−1时,BPA的去除率最高,在反应65 min后,BPA的去除率为91.8%,H2O2的消耗率为82.1%。随着H2O2用量的增加,BPA的去除率下降,当H2O2用量增加到470 mmol·L−1时,在反应65 min后,BPA的去除率下降到68.8%。这说明H2O2用量对BPA的去除效果具有显著的影响。当H2O2过量时,会导致类芬顿反应对BPA的去除效果大幅下降,这可归因于 · OH与过量的H2O2发生了自身消耗反应[17,19]

    图 7  H2O2用量对类芬顿系统去除BPA的性能影响
    Figure 7.  Effect of H2O2 dosage on BPA removal by Fenton-like system with catalyst

    反应温度对BPA去除效果的影响如图8所示。由图8可知,反应温度对BPA的去除率影响很大,当反应温度从55 ℃升高至85 ℃时,反应15 min后,BPA的去除率从31.3%升高到86.6%,H2O2的消耗率从37%升高到81.4%。当反应65 min后,在55 、65 、75 和85 ℃下,BPA的去除率分别为65.5%、83.1%、91.8%和98.6%,H2O2的消耗率分别为52.3%、67.3%、82.1%和96.9%。由此可知,反应温度对BPA的去除和H2O2的消耗影响较大。通过观察在不同温度下溶液颜色的变化可知:在55 ℃时,溶液呈浅紫红色;在65 ℃时,在前25 min内,溶液先呈浅紫红色,后变为透明;在85 ℃时,溶液呈透明状态。这可归因于随着反应温度的升高,H2O2活化导致 · OH的生成量增加,同时提高了反应物分子间发生有效碰撞的概率,缩短了催化诱导期[20],加速了反应过程。由于更高的温度,会加速H2O2分解[21],综合考虑,本研究选择75 ℃为最佳反应温度。

    图 8  反应温度对类芬顿系统去除BPA性能的影响
    Figure 8.  Effect of reaction temperatures on BPA removal by Fenton-like system

    BPA初始浓度对BPA去除效果的影响如图9所示。由图9可知,BPA初始浓度对去除效果影响较大。在反应65 min后,当BPA浓度从40.1 mg·L−1增加到331 mg·L−1时,BPA的去除率从97.4%下降到91.9%,这说明随着BPA浓度的增加,对 · OH的需求也有所增加,导致在相同催化剂、H2O2浓度和反应时间内,产生的强氧化性 · OH不足以氧化足够多的BPA。由图9可知,BPA浓度对H2O2消耗率的影响显著,在反应65 min后,H2O2消耗率从96.7%下降到82.7%,可归因于BPA具有双苯环结构且浓度较高,会导致空间位阻效应增强[22],阻碍了Cu2+与H2O2的充分接触,导致其分解变慢,体系产生 · OH的速率下降。

    图 9  初始浓度对类芬顿系统去除BPA性能影响
    Figure 9.  Effect of initial concentrations on BPA removal by Fenton-like system

    初始pH对BPA去除效果的影响如图10所示。由图10可知,在pH为3.0~7.9,反应一定时间后,BPA的去除率均比较高。在早期反应阶段,BPA的去除率有小幅波动,反应15 min后,分别为70.2%、79.5%、73.7%和73%,H2O2的消耗率差距较大,分别为18%、63.4%、60.2%和70.6%。这说明在早期反应阶段,pH对BPA的去除有一定影响,尤其是在弱酸条件下,可归因于弱酸性条件下H2O2的分解受到一定的抑制[23]。随着反应的进行,体系pH可能升高,H2O2的分解抑制解除;当反应65 min后,除了在pH=3.0的条件下,对应的BPA去除率偏低外,其他条件下对应的BPA去除率均在91%以上,在pH=7.9时,BPA的去除率可达到96.6%,H2O2的消耗率达到最高值98.1%。

    图 10  初始pH对类芬顿系统去除BPA性能的影响
    Figure 10.  Effect of pH on BPA removal by Fenton-like system

    另外考察了在其他pH条件下,BPA在类芬顿反应体系中的去除效果。结果表明,在pH=1.6和pH=2.0的条件下,BPA几乎没有被去除,此时H2O2的消耗率分别仅有4.9%和11.3%,这说明在强酸条件下,不利于H2O2分解为强氧化性 · OH。有研究[24]表明,过渡金属离子在溶液pH发生变化时,其价态可能发生变化,变为水合氧化物沉淀或变为带正电荷的多羟基配合物聚合体,从而易吸附HO2,降低其活度,抑制H2O2的分解。在pH=10.1时,当反应65 min后,BPA的去除率仍然高达86.6%,H2O2消耗率达到100%;在pH=11.4和pH=12.0的条件下,当反应65 min后,BPA几乎没有去除,但H2O2完全消耗完,且观察到溶液均有红褐色沉淀生成。说明在强碱性条件下,H2O2极不稳定,容易形成HO2[18],而HO2是一种亲核试剂,易引发H2O2分解产生游离基,而Cu2+也更容易与OH发生沉淀反应,故在强碱性条件下不利于类芬顿反应的进行。从pH对BPA去除效果来看,采用硫酸铜作为催化剂的类芬顿法,相比Fenton法一般需要在pH 2~4条件下反应,具有更宽的pH适应范围,故其优势更为显著。

    考察反应过程中pH和羟基自由基浓度的变化,可为后续进一步考察降解机理和路径提供依据。另外随着反应的进行,反应体系pH的变化,是否会超出催化剂的pH适应范围,需要进一步分析。对于羟基自由基是否参与反应起到氧化作用,通过考察其浓度变化来反映。 · OH浓度通过荧光法间接测定,经全谱荧光扫描确定:香豆素的最大激发波长为277 nm,最大发射波长为392 nm;7-羟基香豆素的最大激发波长为321 nm,最大发射波长为452.6 nm。图11为7-羟基香豆素的标准滴定曲线。

    图 11  7-羟基香豆素标准曲线
    Figure 11.  Standard curve of 7-Hydroxycoumarin

    图12为反应过程中pH和 · OH浓度的变化情况。由图12可知,在硫酸铜类芬顿反应体系中,pH在早期升高后,又有小幅的下降,这可能是因为在此过程中生成了酸性中间产物。当这些中间产物转化为其他物质后,pH又逐渐升高,但升高幅度并不大,体系pH维持在6.7左右,比初始pH稍高。这表明尽管体系pH发生了变化,但催化剂依然在pH适应范围内,同时说明BPA在硫酸铜类芬顿反应体系中的结构受到破坏,可能有弱碱性中间产物生成。此外,在类芬顿反应体系中,随着反应时间的延长,体系中 · OH的浓度呈逐渐下降趋势,这说明大量的 · OH参与了BPA的氧化降解去除反应。

    图 12  反应过程中pH和·OH浓度的变化
    Figure 12.  Changes of pH and·OH concentration in Fenton-like system

    1)在早期反应阶段,提高催化剂用量有利于反应的快速进行,但反应后期,受催化剂用量影响不大;H2O2用量对BPA的去除影响较大,随着H2O2用量的增大,去除率明显降低;随着反应温度的升高BPA的去除率增大;BPA的去除随浓度的增加有一定的下降。反应过程中溶液的pH变化不大。

    2)在催化剂用量为0.8 g·L−1、H2O2为78 mmol·L−1、BPA为152 mg·L−1和反应温度为75 ℃的条件下,反应65 min后,BPA和TOC的去除率分别为95.4%和85.9%。

    3)以硫酸铜为催化剂,采用类芬顿法对BPA进行催化氧化去除,相比Fenton法一般需要在pH 2~4条件下反应更具优势,其具有更宽的pH适应性,可以在pH=3.0~10.1的条件下反应,无需调节反应液的pH,具有一定的应用前景。

  • 图 1  开封市西瓜种植区位置及采样点分布示意图

    Figure 1.  Location and sampling distribution of watermelon growing areas in kaifeng city

    图 2  西瓜种植区不同采样点土壤重金属的单因子污染指数

    Figure 2.  Single factor pollution index of soil heavy metals at different sampling points in watermelon planting area

    表 1  潜在生态风险评价指标分级

    Table 1.  Classification of potential ecological risk assessment indicators

    Eir单因子生态危害程度Single factor ecological harm degreeRI总的潜在生态危害程度Total potential ecological hazard
    <40轻微Slight risk<150轻微Slight risk
    40—80中等Medium risk150—300中等Medium risk
    80—160强Strong risk300—600强Strong risk
    160—320很强Very strong risk600—1200很强Very strong risk
    ≥320极强Extremely strong risk≥1200极强Extremely strong risk
    Eir单因子生态危害程度Single factor ecological harm degreeRI总的潜在生态危害程度Total potential ecological hazard
    <40轻微Slight risk<150轻微Slight risk
    40—80中等Medium risk150—300中等Medium risk
    80—160强Strong risk300—600强Strong risk
    160—320很强Very strong risk600—1200很强Very strong risk
    ≥320极强Extremely strong risk≥1200极强Extremely strong risk
    下载: 导出CSV

    表 2  开封市西瓜地土壤重金属描述性统计分析(mg·kg−1

    Table 2.  Descriptive statistical analysis of heavy metals in watermelon soil in Xiangfu District, Kaifeng City (mg·kg−1)

    采样点Sampling siteCrNiCuZnCdPb
    西姜寨(pH8.06—9.46)92.7342.8832.94125.40.9163.62
    范村(pH8.54—5.59)132.551.9741.15144.70.6359.47
    杏花营(pH7.76—9.49)191.571.0257.40209.61.0774.90
    朱仙镇(pH8.84—9.60)255.299.3081.81299.31.1687.74
    土壤标准值Soil standard value250.0190.0100.0300.00.60170.0
    土壤背景值Soil background value62.5026.1019.2058.400.0719.10
    平均值The average181.771.0057.40209.30.9773.54
    最大值The maximum708.7280.7241.4798.64.34186.6
    最小值The minimum value6.373.512.366.960.413.81
    标准差The standard deviation110.839.5834.57118.20.4823.08
    变异系数Coefficient of variation/%60.9555.7460.2256.4849.8731.38
    超标率Exceeding rate/%17.600.7511.2413.1180.520.75
    采样点Sampling siteCrNiCuZnCdPb
    西姜寨(pH8.06—9.46)92.7342.8832.94125.40.9163.62
    范村(pH8.54—5.59)132.551.9741.15144.70.6359.47
    杏花营(pH7.76—9.49)191.571.0257.40209.61.0774.90
    朱仙镇(pH8.84—9.60)255.299.3081.81299.31.1687.74
    土壤标准值Soil standard value250.0190.0100.0300.00.60170.0
    土壤背景值Soil background value62.5026.1019.2058.400.0719.10
    平均值The average181.771.0057.40209.30.9773.54
    最大值The maximum708.7280.7241.4798.64.34186.6
    最小值The minimum value6.373.512.366.960.413.81
    标准差The standard deviation110.839.5834.57118.20.4823.08
    变异系数Coefficient of variation/%60.9555.7460.2256.4849.8731.38
    超标率Exceeding rate/%17.600.7511.2413.1180.520.75
    下载: 导出CSV

    表 3  开封市西瓜地土壤重金属潜在生态风险评价分析

    Table 3.  Evaluation on Potential Ecological Risk of Heavy Metals in Soil of Watermelon in Xiangfu District, Kaifeng City

    采样点Sampling siteCrCuZnCdPbRI
    西姜寨2.978.582.15390.016.65428.6
    范村4.2410.722.48270.015.57313.0
    杏花营6.1314.953.59458.619.61516.5
    朱仙镇8.1721.305.13497.122.97573.7
    开封市5.8114.953.58415.019.25472.2
    采样点Sampling siteCrCuZnCdPbRI
    西姜寨2.978.582.15390.016.65428.6
    范村4.2410.722.48270.015.57313.0
    杏花营6.1314.953.59458.619.61516.5
    朱仙镇8.1721.305.13497.122.97573.7
    开封市5.8114.953.58415.019.25472.2
    下载: 导出CSV

    表 4  采样区土壤重金属皮尔森相关系数

    Table 4.  Pearson correlation coefficient of soil heavy metals in sampling area

    指标IndicatorsCrNiCuZnCdPbpH
    采样区Sampling areaCr1
    Ni0.524**1
    Cu0.640**0.919**1
    Zn0.541**0.883**0.914**1
    Cd0.443**0.422**0.521**0.641**1
    Pb0.279*0.416**0.475**0.528**0.677**1
    pH−0.257**−0.173−0.229−0.146−0.124−0.1141
      **在0.01水平(双侧)上显著相关;*在0.05水平(双侧)上显著相关.  **Correlation is significant at the 0.01 level; *Correlation is significant at the 0.05 level.
    指标IndicatorsCrNiCuZnCdPbpH
    采样区Sampling areaCr1
    Ni0.524**1
    Cu0.640**0.919**1
    Zn0.541**0.883**0.914**1
    Cd0.443**0.422**0.521**0.641**1
    Pb0.279*0.416**0.475**0.528**0.677**1
    pH−0.257**−0.173−0.229−0.146−0.124−0.1141
      **在0.01水平(双侧)上显著相关;*在0.05水平(双侧)上显著相关.  **Correlation is significant at the 0.01 level; *Correlation is significant at the 0.05 level.
    下载: 导出CSV

    表 5  采样区土壤重金属主成分分析结果

    Table 5.  Principal component analysis results of heavy metals in sampling area

    元素Element因子载荷Factor loading
    西姜寨范村杏花营朱仙镇
    PC1(58.44%)PC2(25.74%)PC1(61.13%)PC2(18.90%)PC1(83.50%)PC1(82.61%)
    Cr0.820.710.890.94
    Ni0.970.880.960.98
    Cu0.980.910.950.97
    Zn0.940.910.980.98
    Cd0.830.530.740.860.60
    Pb0.870.680.560.870.93
    方差贡献率/%58.4425.7461.1318.983.582.61
    累积贡献率/%58.4484.1861.1380.0483.582.61
      注:百分数为各因子(各主成分)在总变量中的贡献率;“—”表示该元素在对应的主成分上载荷小于0.4.  Note: the percentage is the contribution rate of each factor (principal component) in the total variable; “--” means that the element's load on the corresponding principal component is less than 0.4.
    元素Element因子载荷Factor loading
    西姜寨范村杏花营朱仙镇
    PC1(58.44%)PC2(25.74%)PC1(61.13%)PC2(18.90%)PC1(83.50%)PC1(82.61%)
    Cr0.820.710.890.94
    Ni0.970.880.960.98
    Cu0.980.910.950.97
    Zn0.940.910.980.98
    Cd0.830.530.740.860.60
    Pb0.870.680.560.870.93
    方差贡献率/%58.4425.7461.1318.983.582.61
    累积贡献率/%58.4484.1861.1380.0483.582.61
      注:百分数为各因子(各主成分)在总变量中的贡献率;“—”表示该元素在对应的主成分上载荷小于0.4.  Note: the percentage is the contribution rate of each factor (principal component) in the total variable; “--” means that the element's load on the corresponding principal component is less than 0.4.
    下载: 导出CSV
  • [1] 杨新明, 庄涛, 韩磊, 等. 小清河污灌区农田土壤重金属形态分析及风险评价 [J]. 环境化学, 2019, 38(3): 644-652.

    YANG X M, ZHUANG T, HAN L, et al. Fraction distribution and ecological risk assessment of soil heavy metals in the farmland soil from the sewage irrigated area of Xiaoqing River [J]. Environmental Chemistry, 2019, 38(3): 644-652(in Chinese).

    [2] 林海, 靳晓娜, 董颖博, 等. 膨润土对不同类型农田土壤重金属形态及生物有效性的影响 [J]. 环境科学, 2019, 40(2): 945-952.

    LIN H, JIN X N, DONG Y B, et al. Effects of bentonite on chemical forms and bioavailability of heavy metals in different types of farmland soils [J]. Environmental Science, 2019, 40(2): 945-952(in Chinese).

    [3] 环境保护部, 国土资源部. 全国土壤污染状况调查公报 [J]. 中国环保产业, 2014, 36(5): 10-11.

    Ministry of Environmental Protection, Ministry of Land and Resources. National bulletin of soil pollution survey China [J]. Environmental Protection Industry, 2014, 36(5): 10-11(in Chinese).

    [4] 谢团辉, 郭京霞, 陈炎辉, 等. 福建省某矿区周边土壤-农作物重金属空间变异特征与健康风险评价 [J]. 农业环境科学学报, 2019, 38(3): 544-554. doi: 10.11654/jaes.2018-1315

    XIE T H, GUO J X, CHEN Y H, et al. Spatial variability and health risk assessment of heavy metals in soils and crops around the mining areain Fujian Province, China [J]. Journal of Agro-Environment Science, 2019, 38(3): 544-554(in Chinese). doi: 10.11654/jaes.2018-1315

    [5] 张军, 董洁, 梁青芳, 等. 宝鸡市区土壤重金属污染影响因子探测及其源解析 [J]. 环境科学, 2019, 40(8): 3774-3783.

    ZHANG J, DONG J, LIANG Q F, et al. Heavy metal pollution characteristics and influencing factors in Baoji Arban Soils [J]. Environmental Science, 2019, 40(8): 3774-3783(in Chinese).

    [6] 赵慧, 何博, 孟晶, 等. 典型城市化地区蔬菜重金属的累积特征与健康风险研究 [J]. 中国生态农业学报(中英文), 2019, 27(12): 1892-1902.

    ZHAO H, HE B, MENG J, et al. Accumulation characteristics and health risks of heavy metals in vegetables in typical urbanized areas [J]. Chinese Journal of Eco-Agriculture, 2019, 27(12): 1892-1902(in Chinese).

    [7] MUNGAI T M, OWINO A A, MAKOKHA V A, et al. Occurrences and toxicological risk assessment of eight heavy metals in agricultural soils from Kenya, Eastern Africa [J]. Environmental Science and Pollution Research, 2016, 23(18): 1-9.
    [8] 李伟迪, 崔云霞, 曾撑撑, 等. 太滆运河流域农田土壤重金属污染特征与来源解析 [J]. 环境科学, 2019, 40(11): 5073-5081.

    LI W D, CUI Y M, ZENG C C, et al. Pollution characteristics and source analysis of heavy metals in farmland soils in the Taige Canal Valley [J]. Environmental Science, 2019, 40(11): 5073-5081(in Chinese).

    [9] 卢鑫, 胡文友, 黄标, 等. 基于UNMIX模型的矿区周边农田土壤重金属源解析 [J]. 环境科学, 2018, 39(3): 1421-1429.

    LU X, HU W Y, HUANG B, et al. Source apportionment of heavy metals in farmland soils around mining area based on UNMIX Model [J]. Environmental Science, 2018, 39(3): 1421-1429(in Chinese).

    [10] 王小莉, 陈志凡, 魏张东, 等. 开封市城乡交错区农田土壤重金属污染及潜在生态风险评价 [J]. 环境化学, 2018, 37(3): 513-522.

    WANG X L, CHEN Z F, WEI Z D, et al. Heavy metal pollution and potential ecological risk assessment in agricultural soils located in the peri-urban area of Kaifeng City [J]. Environmental Chemistry, 2018, 37(3): 513-522(in Chinese).

    [11] 李肃秋, 陈光华. 1987-2016年开封市气候特征分析 [J]. 现代农业科技, 2017(23): 192, 198.

    LI S Q, CHEN G H. Analysis on climate characteristics of Kaifeng from 1987 to 2016 [J]. Xiandai Nongye Keji, 2017(23): 192, 198(in Chinese).

    [12] 张存松, 吴占清, 张先亮, 等. 推进农业供给侧结构性改革下看开封西瓜产业如何发展 [J]. 农业科技通讯, 2019(4): 47-49.

    ZHANG C X, WU Z Q, ZHANG X L, et al. How to promote the agricultural supply-side structural reform to see the development of the watermelon industry in Kaifeng [J]. Communications on Agricultural Science and Technology, 2019(4): 47-49(in Chinese).

    [13] 李一蒙, 马建华, 刘德新, 等. 开封城市土壤重金属污染及潜在生态风险评价 [J]. 环境科学, 2016, 36(3): 1037-1043.

    LI Y M, MA J H, LIU D X, et al. Assessment of heavy metal pollution and potential ecological risks of urban soils in Kaifeng City, China [J]. Environmental Science, 2016, 36(3): 1037-1043(in Chinese).

    [14] 马建华, 马诗院, 陈云增. 河南某污灌区土壤-作物-人发系统重金属迁移与积累 [J]. 环境科学学报, 2014, 34(6): 1517-1526.

    MA J H, MA S Y, CHEN Y Z. Migration and accumulation of heavy metals in soil-crop-hair system in a sewage irrigation area, Henan, China [J]. Acta Scientiae Circumstantiae, 2014, 34(6): 1517-1526(in Chinese).

    [15] 姜玉玲, 阮心玲, 杨玲, 等. 开封市城市土壤剖面Hg、As和Sb分布特征分析 [J]. 环境化学, 2017, 36(5): 1036-1046.

    JIANG Y L, RUAN X L, YANG L, et al. Distribution of Hg, As and Sb concentrations in urban soil profiles of Kaifeng City, Henan Province [J]. Environmental Chemistry, 2017, 36(5): 1036-1046(in Chinese).

    [16] 张东明, 吕新, 王海江, 等. 工业区周边农田重金属污染评价及来源分析 [J]. 土壤通报, 2017, 48(3): 715-723.

    ZHANG D M, LV Xin, WANG Hai Jiang, et al. Heavy metal pollution assessment and source analysis on farmland soil around an industrial area [J]. Soil notification, 2017, 48(3): 715-723(in Chinese).

    [17] 吴健, 王敏, 张辉鹏, 等. 复垦工业场地土壤和周边河道沉积物重金属污染及潜在生态风险 [J]. 环境科学, 2018, 39(12): 5620-5627.

    WU J, WANG M, ZHANG H P, et al. Heavy metal pollution and potential ecological risk of soil from reclaimed industrial sites and surrounding river sediments [J]. Environmental Science, 2018, 39(12): 5620-5627(in Chinese).

    [18] 王春光, 刘军省, 殷显阳, 等. 基于IDW的铜陵地区土壤重金属空间分析及污染评价 [J]. 安全与环境学报, 2018, 18(5): 1989-1996.

    WANG C G, LIU J S, YIN X Y, et al. Spatial analysis and pollution assessment of heavy metals in the soils of Tongling urban area based on IDW [J]. Journal of Safety and Environment, 2018, 18(5): 1989-1996(in Chinese).

    [19] Hakanson L. An ecological risk index for aquatic pollution control. a sedimentological approach [J]. Water Research, 1980, 14(8): 975-1001. doi: 10.1016/0043-1354(80)90143-8
    [20] 邵丰收, 周皓韵. 河南省主要元素的土壤环境背景值 [J]. 河南农业, 1998(10): 28.

    SHAO F S, ZHOU H Y. The background value of soil environment of main elements in Henan Province [J]. Henan Agriculture, 1998(10): 28(in Chinese).

    [21] 马牧源, 于一雷, 郭嘉, 等. 襄阳入江中小河流表层沉积物重金属污染特征及其潜在的生态风险评价 [J]. 环境科学学报, 2019, 39(9): 3144-3153.

    MA M Y, YU Y L, GUO J, et al. Heavy metal pollution characteristics and potential ecological risk assessment of surface sediments in the middle and small rivers of the Yangtze River in the Yangtze River [J]. Journal of Environmental Science, 2019, 39(9): 3144-3153(in Chinese).

    [22] 何博, 赵慧, 王铁宇, 等. 典型城市化区域土壤重金属污染的空间特征与风险评价 [J]. 环境科学, 2019(6): 1-11.

    HE B, ZHAO H, WANG T Y, et al. Spatial characteristics and risk assessment of heavy metal pollution in typical urbanized areas [J]. Environmental Science, 2019(6): 1-11(in Chinese).

    [23] 王洪涛, 张俊华, 丁少峰, 等. 开封城市河流表层沉积物重金属分布、污染来源及风险评估 [J]. 环境科学学报, 2016, 36(12): 4520-4530.

    WANG H T, ZHANG J H, DING S F, et al. Distribution characteristics, sources identification and risk assessment of heavy metals in surface sediments of urban rivers in Kaifeng [J]. Journal of Environmental Science, 2016, 36(12): 4520-4530(in Chinese).

    [24] 郭欣, 姚苹, 杜焰玲, 等. 典型土地利用方式下土壤重金属污染物分布特征与源解析——以成都平原干溪河流域为例 [J]. 环境工程, 2019, 37(1): 1-5.

    GUO X, YAO P, DU Y L, et al. Distribution characteristics and source apportionment of heavy metals in soils under typical land use patterns— A case study on the ganxi river basin of Chengdu plain [J]. Environmental Engineering, 2019, 37(1): 1-5(in Chinese).

    [25] MA J H, LI J, SONG B. Contamination and spatial distribution of heavy metals in the soils ofdifferentoperating sectionsa long the Zhengzhou-K aifeng highway [J]. Acta Scientiae Circumstantiae, 2007, 27(10): 1734-1743.
    [26] 白一茹, 张兴, 赵云鹏, 等. 基于GIS和受体模型的枸杞地土壤重金属空间分布特征及来源解析 [J]. 环境科学, 2019, 40(6): 2885-2894.

    BAI Y R, ZHANG X, ZHAO Y P, et al. Spatial distributioncharacteristics and source apportionment of soil heavy metals in Chinese wolfberry land based on GIS and the receptor model [J]. Environmental Science, 2019, 40(6): 2885-2894(in Chinese).

    [27] 陈枭嘉, 邹广彬, 王昭君, 等. 沼气发酵等对长江下游典型规模化畜牧养殖业污染排放特征的影响 [J]. 江苏农业学报, 2019, 35(2): 329-339. doi: 10.3969/j.issn.1000-4440.2019.02.013

    CHEN X J, ZOU G B, WANG Z J, et al. Effects of biogas fermentation on the pollutant emission characteristics of large-scale livestock breeding in the lower reaches of Yangtze River [J]. Acta agriculturae Jiangsu, 2019, 35(2): 329-339(in Chinese). doi: 10.3969/j.issn.1000-4440.2019.02.013

    [28] 周艳, 陈樯, 邓绍坡, 等. 西南某铅锌矿区农田土壤重金属空间主成分分析及生态风险评价 [J]. 环境科学, 2018, 39(6): 2884-2892.

    ZHOU Y, CHEN Q, DENG S P, et al. Principal component analysis and ecological risk assessment of heavy metals in farmland soils around a Pb-Zn Mine in Southwestern China [J]. Environmental Science, 2018, 39(6): 2884-2892(in Chinese).

    [29] BRESSI M, SCIARE J, GHERSI V, et al. Sources and geographical origins of fine aerosols in Paris (France) [J]. Atmospheric Chemistry and Physics, 2014, 14(16): 8813-8839. doi: 10.5194/acp-14-8813-2014
    [30] JIANG Y X, CHAO S H, LIU Y Y, et al. Source apportionment and health risk assessment of heavy metals in soil for a township in Jiangsu Province, China [J]. Chemosphere, 2017, 168: 1658-1668. doi: 10.1016/j.chemosphere.2016.11.088
    [31] 张璐, 聂建欣, 赵著燕, 等. 典型地膜残留地区土壤重金属残留测定及其健康风险评价 [J]. 有色金属材料与工程, 2017, 38(1): 35-39.

    ZHANG L, NIE J X, ZHAO Z Y, et al. Field survey on the heavy metal concentration and health risk assessment in the soil with plastic residue [J]. Non-Ferrous Metal Materials And Engineering, 2017, 38(1): 35-39(in Chinese).

  • 加载中
图( 2) 表( 5)
计量
  • 文章访问数:  3971
  • HTML全文浏览数:  3971
  • PDF下载数:  90
  • 施引文献:  0
出版历程
  • 收稿日期:  2020-01-30
  • 刊出日期:  2021-06-27
张成丽, 钱静, 雷雨辰, 聂建欣, 马建华, 张君丽. 开封市西瓜种植地土壤重金属污染及风险评价[J]. 环境化学, 2021, 40(6): 1714-1722. doi: 10.7524/j.issn.0254-6108.2020013002
引用本文: 张成丽, 钱静, 雷雨辰, 聂建欣, 马建华, 张君丽. 开封市西瓜种植地土壤重金属污染及风险评价[J]. 环境化学, 2021, 40(6): 1714-1722. doi: 10.7524/j.issn.0254-6108.2020013002
ZHANG Chengli, QIAN Jing, LEI Yuchen, NIE Jianxin, MA Jianhua, ZHANG Junli. Sources of heavy metal pollution and risk assessment of soil in watermelon planting areas in Kaifeng City[J]. Environmental Chemistry, 2021, 40(6): 1714-1722. doi: 10.7524/j.issn.0254-6108.2020013002
Citation: ZHANG Chengli, QIAN Jing, LEI Yuchen, NIE Jianxin, MA Jianhua, ZHANG Junli. Sources of heavy metal pollution and risk assessment of soil in watermelon planting areas in Kaifeng City[J]. Environmental Chemistry, 2021, 40(6): 1714-1722. doi: 10.7524/j.issn.0254-6108.2020013002

开封市西瓜种植地土壤重金属污染及风险评价

    通讯作者: E-mail:zhangjunli0522@163.com
  • 1. 河南大学环境与规划学院,开封,475001
  • 2. 黄河中下游数字地理技术教育部重点实验室(河南大学),开封,475001
  • 3. 河南大学环境与规划国家级实验教学示范中心,开封,475001
  • 4. 河南省高等学校工程技术研究中心环境与健康工程技术研究中心(河南大学),开封,475001
  • 5. 复旦大学 环境科学与工程系,上海,200433
  • 6. 河南大学生命科学学院/作物逆境适应与改良国家重点实验室,开封,475001
基金项目:
国家自然科学青年基金(41601522),中国博士后科学基金(2017M612387),河南省博士后科研项目(001701033)和2018年度河南省社科普及规划项目(1076)资助

摘要: 为了解开封市西瓜种植区土壤重金属污染特征,选取范村、西姜寨、杏花营、朱仙镇等4个乡镇西瓜种植区,采用电感耦合等离子体质谱仪(ICP-MS)对种植区土壤样品中Cr、Ni、Cu、Zn、Cd、Pb等6种重金属进行检测分析。结果表明,以河南省A层土壤背景为依据,开封市西瓜地土壤重金属Cr、Ni、Cu、Zn、Cd、Pb均不同程度的超出背景值。6种重金属的变异系数均在10%—100%之间,其中Cr、Ni、Cu、Zn、Cd、Pb分别超出农用地土壤污染风险筛选值17.60%、0.75%、11.24%、13.11%、80.52%和0.75%。依照单因子指数法对各采样区土壤进行评价,西瓜种植区朱仙镇土壤Cr与Zn处于轻微污染,其余采样区无污染;各采样区Ni、Cu和Pb均处于无污染状态;Cd均处于轻微污染状态。内梅罗综合污染指数分析结果表明,西姜寨、杏花营、朱仙镇处于轻度污染状态,范村处于警戒级状态。潜在生态风险评价表明,西瓜种植区土壤Cd存在极强生态风险,其余均有轻微的生态风险,且Cd是构成生态危害的主要风险因子。由相关性以及主成分分析结果可知,pH与Cr、Cu、Ni、Zn、Cd、Pb均在0.01置信度水平下呈显著负相关,开封市西瓜种植地土壤重金属的污染源主要为农业源。

English Abstract

  • 土壤作为农作物生产的基础和载体,其环境质量的优劣直接影响到农产品安全[1-2]。2014年全国土壤污染状况调查发现:耕地土壤点位超标率为19.4%,无机污染物超标点位数占全部超标点位的82.8%[3]。工业“三废”的排放、农田污水的灌溉等问题致使土壤中重金属含量不断累积,不仅导致农作物产量下降和质量降低,还可通过食物链危害人类健康[4-6]

    近年来,国内外学者对农业区土壤重金属污染含量、来源及风险评价进行大量的研究,Mungai等[7]对东非肯尼亚农田土壤中8种重金属Zn、Pb、Cr、Cu、As、Ni、Hg和Cd进行了研究分析,结果表明,8种重金属均超过美国农业土壤标准值,并分析发现农业土壤中8种重金属的污染源主要来自人为活动和自然风化。李伟迪等[8]以太湖流域土壤背景值为基准,利用单因子指数和内梅罗指数评价农田土壤重金属污染状况,结果表明87.29%样点的土壤重金属呈现轻度污染,5.93%样点呈现中度污染,6.78%样点呈现重度污染;卢鑫等[9]应用UNMIX模型进行了土壤重金属源解析的研究可知,云南省会泽县铅锌矿区农田土壤样品的3个土壤重金属污染来源分别为工业活动造成的人为污染源、燃煤和施肥导致的人为污染源与自然的综合污染源。王小莉等[10]对开封市城乡交错区农田土壤重金属(Cd、Pb、Cu、Ni、Zn和Cr)进行研究,结果表明该区农田土壤Cd和Hg为重度污染,Zn、Pb和Cu为轻度污染,Ni、Cr和As处于无污染状态,其来源主要与人类活动有关。开封市位于河南省中部偏东,黄河冲击平原的东端[11],西瓜是开封市重要的高效经济作物,常年西瓜种植面积保持在4万hm2以上,居全国前列[12]。开封市西瓜种植地土壤的环境质量直接影响着当地居民的食品安全和身体健康,开展以重金属为目标的开封市西瓜种植地土壤环境质量状况调查十分必要。

    目前,开封市内土壤重金属的相关研究主要集中在城郊污灌区含量、分布及环境质量的评价[13-14]。然而针对开封市西瓜种植土壤重金属污染情况的调查以及来源分析,鲜有报道。本文采用野外调查和实验分析相结合,利用单因子指数和内梅罗指数评价土壤重金属污染状况。并在评价农田土壤重金属状况的基础上,结合主成分分析,明确开封市西瓜种植地土壤重金属的污染来源对土壤重金属污染情况,为该区土壤重金属污染防治、保障瓜果的食用安全提供科学依据。

  • 开封市位于东经114°07′—114°43′,北纬34°30—34°56′,属黄河、淮河合力冲击平原的组成部分,海拔高度在62.5—89.3 m之间,暖温带大陆性季风气候,年平均气温14 ℃,年降水量为628 mm,无霜期214 d。土壤类型是潮土,质地为沙壤土,土壤pH值约为8.4,呈碱性。该区雨水丰沛,气候适宜,适宜西瓜生长。开封西瓜种植区划定的地域保护范围为兰考县、杞县、通许县、尉氏县、祥符区、龙亭区,选取祥符区农业过渡地带的范村、西姜寨、杏花营、朱仙镇的4个乡镇西瓜种植区为代表进行分析。目前,该区有50万亩西瓜种植规模,是全国西瓜市场的主产地,图1为开封市西瓜种植区位置及采样点分布示意图。

  • 根据开封市西瓜种植情况,选取范村、西姜寨、杏花营、朱仙镇等4个乡镇为采样区。采用100 m×100 m网格法布点,采样深度为0—20 cm,按“梅花型”采集5个子样,混合后得到某样点土壤样品。共采集样品267个,其中朱仙镇、范村、西姜寨和杏花营分别采样87、63、45、72个。采集的土壤样品室内常温风干,去除动植物残体、石块等杂物,玛瑙研钵粉碎后过0.149 mm尼龙筛,充分混匀,备用。土壤样品采用硝酸-氢氟酸-高氯酸三酸[15]消解体系,用石墨消解仪(ST-60)自动消解。采用电感耦合等离子体质谱仪(ICP-MS,Elan6000)测定重金属Cr、Ni、Cu、Zn、Cd和Pb含量。按规范要求进行质量控制,以确保实验数据准确可靠。

  • 土壤重金属污染评价以我国《土壤环境质量农用地土壤污染风险管控标准》(GB15618—2018)农用地土壤污染风险筛选值为参照,采用单因子指数法[16]与内梅罗综合污染指数法[17]进行评价分析,内梅罗综合污染指数法是在单因子污染指数法的基础上,计算其平均值和最高值平方加和后再开方,计算公式分别如下:

    式中,Ci为土壤中污染元素i的实测值;Co为土壤中污染元素i的评价标准。Pi ≤ 1表示无污染,1 < Pi ≤2表示轻微污染,2 < Pi ≤3表示轻度污染,3 < Pi ≤ 5表示中度污染,Pi > 5表示重度污染[16]P综合为内梅罗综合污染指数,(ˉPi)2为土壤中所有重金属单因子指数平均值的平方;max(Pi)为土壤中所有重金属单因子指数最大污染指数。且当P综合 ≤ 0.7时,土壤样品污染等级为安全;0.7 < P综合 ≤ 1.0时,为警戒级;1.0 < P综合 ≤ 2.0时,为轻度污染;2.0 < P综合 ≤ 3.0时,为中度污染;P综合 > 3.0时,为重度污染。

  • 采用Hakanson潜在生态风险指数法[18]对重金属污染进行生态风险评价,该方法以土壤中重金属的元素背景值[19]为基准,结合重金属的生物毒性(毒性响应因子)、环境效应(污染指数)计算其潜在生态风险系数,评价公式如下:

    式中,Cif为重金属元素i的污染指数;CiD为土壤中重金属元素i的实测含量;CiR为参照值;Tir为重金属元素i的毒性影响因子;Eir为重金属元素i的潜在生态风险系数;RI为综合潜在生态风险指数。重金属Cr、Ni、Cu、Zn、Cd和Pb的毒性系数分别为2、5、5、1、30和5(表1)。

  • 相关性分析和主成分分析采用SPSS 19.0软件分析,相关性分析采用Pearson相关系数分析方法,分别对单因子指数和内梅罗综合污染指数进行分析,用ORIGIN 9.0分析软件进行绘图。

  • 按照上述的试验方法进行处理,开封市不同采样点土壤重金属含量分析结果见表2。由表2可知,《土壤环境质量农用地土壤污染风险管控标准》(GB15618—2018)农用地土壤污染风险筛选值中Cr、Ni、Cu、Zn、Cd和Pb的含量值分别为250、190、100、300、0.6、170 mg·kg−1。Cr、Ni、Cu、Zn、Cd和Pb的河南省A层土壤背景值[20]分别为62.5、26.1、19.2、58.4、0.07、19.1 mg·kg−1

    经测定开封市西瓜种植区pH均值为8.98,西姜寨、范村、杏花营和朱仙镇pH值分别为8.95、9.27、8.75和9.30,均呈碱性土壤。西瓜种植区土壤Cr、Ni、Cu、Zn、Cd和Pb的平均值分别为181.7、71.00、57.40、209.3、0.97、73.5 mg·kg−1,分别为河南省A层土壤背景值的2.91、2.72、2.99、3.58、13.86、3.85倍,由各村庄的西瓜地土壤数据来看,朱仙镇土壤中重金属Cr、Ni、Cu、Zn、Cd和Pb含量均为最高,分别为255.2、99.30、81.81、299.3、1.16、87.74 mg·kg−1,分别为河南省A层土壤背景值的4.08、3.80、4.26、5.13、16.52、4.59倍,分别为农用地土壤污染风险筛选值的1.02、0.52、0.82、1.00、1.93、0.52倍;其次为杏花营,重金属Cr、Ni、Cu、Zn、Cd和Pb的含量分别为191.5、71.02、57.40、209.6、1.07、74.90 mg·kg−1,分别为河南省A层土壤背景值的3.06、2.72、2.99、3.59、15.22、3.92倍,分别为农用地土壤污染风险筛选值的0.77、0.37、0.57、0.70、1.78、0.44倍;西姜寨土壤中Cr、Ni、Cu和Zn含量最小,分别为92.73、42.88、32.94、125.4 mg·kg−1,分别为河南省A层土壤背景值的1.48、1.64、1.72、2.15倍,为农用地土壤污染风险筛选值的0.37、0.23、0.33、0.42倍,范村土壤中Cd与Pb最小,分别为0.63 mg·kg−1和59.47 mg·kg−1,为河南省A层土壤背景值的8.95倍和3.11倍,是农用地土壤污染风险筛选值的1.05倍和0.35倍。

    开封市西瓜种植区共采集样品267个,以该土壤农用地土壤污染风险筛选值为依据评价开封市土壤污染超标情况,采样点中Cr、Ni、Cu、Zn、Cd和Pb含量分别有47、2、30、35、215和2个超标点,超标率分别为17.60%、0.75%、11.24%、13.11%、80.52%和0.75%。其他重金属均在国家土壤环境质量农用地土壤污染风险筛选值以内,低于标准值,可认为无土壤污染危害风险。

    变异系数可反映采样点之间的变异程度,当变异系数小于10%,属弱变异性,在10%—100%属中等变异,大于100%为强变异性。开封市6种重金属的变异系数均在10%—100%之间,属于中等变异,其中重金属Cr变异系数最大,为60.95%,其次为Cu、Zn、Ni、Cd、Pb。这说明重金属Cr受外部影响较其他重金属大,空间分异明显。

  • 依照上述单因子指数法与内梅罗综合污染指数法对西瓜种植区各采样区土壤进行评价,结果见图2

    西瓜种植区中各采样点Cr、Zn朱仙镇轻微污染,其余无污染;Ni、Cu均无污染,西瓜种植区各采样点Cr、Ni、Cu、Zn的单因子污染指数按照从大到小的排序均为朱仙镇>杏花营>范村>西姜寨。Cd均处于轻微污染,按照从大到小的排序为朱仙镇>杏花营>西姜寨>范村。Pb的均处于无污染状态,单因子污染指数按照从大到小的排序为朱仙镇>杏花营>西姜寨>范村。

    从内梅罗综合污染指数来看,西瓜种植区各采样点土壤中内梅罗综合污染指数分别为1.14、0.83、1.37和1.53,西姜寨、杏花营、朱仙镇处于轻度污染状态,范村处于警戒级状态,按照从大到小的排序为朱仙镇>杏花营>西姜寨>范村。

  • 基于河南省土壤背景值计算6种重金属生态风险系数可得表3,可以看出西姜寨、范村、杏花营和朱仙镇的Cr、Ni、Cu、Zn和Pb,均处于轻微生态风险,范村Cd的存在强生态危害,西姜寨、杏花营和朱仙镇Cd的潜在生态危害处于极强状态,西姜寨、范村、杏花营和朱仙镇的综合潜在生态风险指数分别为428.6、313.0、516.5和573.7,均处于强危害生态水平。开封市西瓜地土壤重金属生态风险系数分别为5.81、14.95、3.58、415.0和19.25,Cd有极强生态危害,其余均有轻微的生态风险,综合潜在生态风险指数为472.2,存在强生态危害。Cd对西姜寨、范村、杏花营和朱仙镇的综合潜在生态风险指数贡献率分别为91.00%、86.26%、88.79%、86.65%和87.88%,显然Cd是构成生态危害的主要风险因子。

  • 为综合了解西瓜地中6种重金属是否来自相同的污染源,计算了采样区重金属Cr、Cu、Ni、Zn、Cd、Pb之间的皮尔森相关系数,见表4。采样区的Cr、Ni、Cu、Zn、Cd、Pb之间均呈显著正相关,可能具有相同的污染源。开封市pH与Cr、Cu、Ni、Zn、Cd、Pb均呈显著负相关。

  • 通过上述相关性分析,发现西姜寨、范村、杏花营、朱仙镇各重金属元素间具有显著的相关性,同时Bartlett球形度检验相伴概率均为0.000,小于显著性水平0.05,KMO(Kaiser-Meyer-Olkin)检验统计值分别为0.77、0.83、0.83、0.90,均大于0.7,因此,各采样点重金属数据适合于作因子分析。由表5可知,西姜寨、范村的6种重金属元素辨识出了2个主成分,西姜寨的第一主成分的方差贡献率为58.44%,Cr、Ni、Cu和Zn占有较高的正荷载,Cd与Pb的荷载较低。

    第二主成分的方差贡献率为25.74%,Cd与Pb占有较高的正荷载范村的第一主成分的方差贡献率为61.13%,Cr、Ni、Cu、Zn、Cd和Pb占有较高的正荷载第二主成分的方差贡献率为18.90%,Cd与Pb占有较高的正荷载。表5可知杏花营、朱仙镇辨识出一个主成分。土壤重金属的来源广泛,生活废弃物、工业废水、交通运输、燃料燃烧及灰尘沉降、肥料等人为污染源排放与地膜与土壤重金属有密切关系。人类活动性质与强度在空间的差异性决定着农田土壤重金属含量的不均匀分布。

    由上述相关分析可知,西姜寨、范村、杏花营、朱仙镇的重金属元素可能有相同的污染源,西瓜种植区采样点土壤Cr、Ni、Cu和Zn的平均值分别为160.7、63.42、50.88、184.7 mg·kg−1,分别为河南省A层土壤背景值的2.57、2.43、2.65、3.16倍。表1可知,西姜寨、范村、杏花营、朱仙镇采样点的Cd与Pb均超过河南省土壤背景值,可推测西姜寨、范村、杏花营、朱仙镇的Cr、Ni、Cu、Zn、Cd与Pb在一定程度上受到人类活动的影响。对杏花营、朱仙镇进一步主成分及因子分析得出一主因子,杏花营、朱仙镇的6种重金属的污染来源可能相同。相关研究表明,Cd、Cr、Zn、Cu、Ni和Pb主要来自农业肥料的施用,煤炭燃烧,电镀、电池、冶金等行业所排放的“三废”、橡胶轮胎磨损、润滑油耗损等交通源,堆肥、猪粪等有机肥的使用[21-24]。马建华等[25]发现开封市杏花营公路两侧300 m范围内的土壤重金属含量明显高于对照区和中国潮土背景值,Zn常用作汽车轮胎硬度添加剂,Cu用来制备汽车散热器,轮胎和散热器的磨损,会产生含Cu、Zn的粉尘进入土壤[26],且杏花营采样区畜牧业、农业较为发达,因此可以认为杏花营的主因子为农业源与交通源的混合源。朱仙镇第一产业为畜牧业,研究表明,在养殖过程中微量元素添加到饲料中后,大量的微量元素未被动物吸收而排出体外,导致排放到环境中重金属的含量相当高[27],第二产业为工业,工业企业会有大量的废水、废气、废渣排放进入环境,使土壤中的重金属严重超标[9],采样区的Cr、Ni、Cu、Zn、Cd、Pb均呈显著正相关,则朱仙镇的主因子可能为农业源与工业源的混合源。西姜寨、范村进一步主成分及因子分析得出两个主因子:第一主成分Cr、Ni、Cu和Zn占有较高的正荷载,Cr、Ni、Cu和Zn累积贡献率为58.44%,通常来讲,土壤中的Cr和Ni主要来源于成土母质,受人为影响较小[28],Cu和Zn则有可能来自交通源[29]。橡胶轮胎磨损、润滑油耗损、机械磨损等交通活动污染使土壤重金属含量不断累积[30],西姜寨交通干道环绕货物运输量大,则西姜寨的第一污染源可能为自然源与交通源结合的混合源。单因子污染评价与潜在生态风险评价两种评价均显示Cd最主要污染因子,西姜寨现为覆膜大蒜、花生、西瓜等多种作物种植基地,Cd和Pb的累积贡献率为84.18%,西姜寨因子2应该与西姜寨普遍使用含Cd肥料及农膜有关[31],则西姜寨的主要污染源可能为农业源。范村第一主成分Cr、Ni、Cu、Zn、Cd和Pb占有较高的正荷载,Cd为最主要污染因子,地膜的使用、化肥农药施用、污水灌溉也是造成土壤重金属累积的原因,范村乡具有花生、西瓜、林果、畜牧四大支柱产业,则范村乡主要污染源可能为农业源。

  • (1)开封市西瓜种植区中Cr、Ni、Cu、Zn、Cd和Pb的超标率分别为17.6%、0.75%、11.24%、13.11%、80.5%和0.75%。6种重金属的变异系数均在10%—100%之间,属于中等变异。

    (2)依照污染指数法与潜在生态风险评价各采样区土壤进行评价,西瓜种植区各采样点中Cr与Zn,朱仙镇轻微污染,其余无污染;西瓜种植区Ni、Cu和Pb均处于无污染状态;Cr、Cu、Ni、Zn、和Pb均有轻微的生态风险,开封市西瓜种植区Cd存在极强生态风险,Cd是构成生态危害的主要风险因子。

    (3)西姜寨、范村、杏花营、朱仙镇的Cr、Ni、Cu、Zn之间均呈显著正相关,开封市西瓜种植区pH与Cr、Cu、Ni、Zn、Cd、Pb呈显著负相关。开封市西瓜种植区土壤重金属的污染源主要为农业源,杏花营采样区的重金属污染源为农业源与交通源的混合源;朱仙镇采样区的重金属污染源为农业源与工业源的混合源;西姜寨采样区的主要污染源为农业源,第二污染源为自然源与工业源结合的混合源;范村乡采样区的主要污染源为农业源。

参考文献 (31)

返回顶部

目录

/

返回文章
返回