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。
  • 人工湿地技术是一项通过模拟或强化生态系统的结构和功能,利用植物 、微生物及动物等的共同作用进行水污染治理和生态修复的水质净化工程技术,已被广泛应用于地表水的保护以及多种污废水,如生活污水、农业废水、工业废水、酸性矿山排水、城市和公路径流的脱氮处理[1-3]。其中,垂直流人工湿地,由于具有较好的有机物和氨氮去除能力[4-7],并具有占地面积小的优势,在实际工程中常用于处理含氮量较高的污水[8-9]。目前国家对于农村生活污水的排放标准主要考察COD、氨氮和总氮等指标,没有对硝态氮作出明确要求,所以在使用传统非饱和垂直流人工湿地时也是主要考虑强化其对氨氮的硝化能力,忽略了对其反硝化能力的提升,从而导致其反硝能力普遍较弱[10-13]

    微生物的硝化和反硝化作用是人工湿地脱氮的主要途径,但二者对氧的需求不同[14]。一般来说,参与硝化过程的功能微生物对氧的需求较高,大多数为好氧或兼性好氧微生物,而参与反硝化过程的功能微生物多数为兼性厌氧微生物。因此,当水中溶解氧(dissolved oxygen,DO)<1~2 mg·L−1时硝化作用会减小, DO>0.2 mg·L−1 反硝化作用受到抑制[15-16]。大多数传统垂直流人工湿地系统在运行过程中是处于水不饱和状态,大气复氧能力强,有利于硝化作用进行但不利于反硝化作用进行。因此,为了弥补传统垂直流人工湿地反硝化能力差的问题,本研究对传统垂直流人工湿地系统进行了结构改造,将系统构建成分内、外两层的多氧态垂直流人工湿地,采用内层底部连续进水,在内层形成水上行的饱和状态和厌氧环境,促进生活污水中的高浓度有机化合物进行厌氧降解,使污水中有机氮通过氨化反应转化为氨氮[17]。同时,在外层形成水下行的部分饱和状态,使系统(尤其是系统外层)中DO的分布呈持续的动态变化状态(多氧态),为硝化和反硝化过程的进行提供适宜的DO环境,在系统外层上部的非饱和区利用硝化反应将氨氮转化为硝态氮,在系统外层下部的饱和区利用反硝化反应将硝态氮转化为氮气,从而实现在同一湿地系统中将污水中的有机氮经氨化降解、再硝化、反硝化彻底去除的目的。此外,本研究对该湿地系统在不同水饱和比、不同水力停留时间(hydraulic retention time,HRT)条件下的污染物去除效率、基质中微生物群落结构的演变规律以及氮循环功能基因的分布特征进行了分析和比较,可为多氧态垂直流人工湿地系统的推广和应用提供参考。

    本实验采用自行设计的多氧态垂直流人工湿地系统,实验装置设置在桂林理工大学污水处理站内。系统由配水箱、蠕动泵和垂直流人工湿地3部分组成如图1所示。垂直流人工湿地部分由内外两层的PVC圆柱体建成,内层直径为16 cm,外层直径为30 cm;内层高度为0.7 m,填充高度为0.6 m;外层高度0.8 m,填充高度为0.7 m,内外层填充体积比为1:3。进水通过蠕动泵和布水装置均匀的从内层底部自下而上的流过内层床体,出水由与外层底部的出水口相连的软管排出。根据虹吸原理,通过调节出水软管高度来控制外层床体的饱和区水位,以外层饱和区水位高度与总高度比值来表示系统外层水饱和比。

    图 1  多氧态垂直流人工湿地系统及采样位点示意图
    Figure 1.  Schematic diagram of the vertical flow constructed wetland system with multi-aerobic and anerobic zones and sampling sites

    湿地系统的内、外层分别采用粒径8~10 mm的石英砂颗粒和粒径5~8 mm的焦炭颗粒进行填充。内外层主体填料的上下两端各填充厚度为5 cm的鹅卵石,作为进水区和集水区,以截留悬浮物防止堵塞。内外层的填料层上种植的植物为美人蕉。填料中在内层距底部20 cm(a点)和40 cm(b点)处,以及外层距底部25 cm(c点)和55 cm(d点)处分别埋有直径8 mm的4根采样管,便于水样采集。

    实验进水取自桂林理工大学污水站的生活污水,污水中COD、NH4+-N、NO3-N的平均质量浓度分别为(105.60±17.36)、(51.54±14.35)、(0.78±0.45) mg·L−1。实验正式开始前,系统先在HRT为48 h的条件下连续进水1个月进行预培养,使系统运行达到稳定。

    为确保系统外层水位不会影响最佳HRT的确定,正式实验以系统外层水饱和比(既外层水位高度与外层填料高度的比值)为0的条件作为对照,比较HRT 分别为6、12、24、48 h时对污染物(COD和NH4+-N)的净化效果,来确定系统污染物去除的最佳HRT。再在最佳HRT条件下,比较系统外层水饱和比分别为1、3∶4、1∶2、1∶3、0时,对污染物的去除效果,确定最优的系统外层水饱和比;同时,分析该水饱和比条件下湿地系统内部的饱和区和非饱和区DO、ORP分布特征,确定系统的多氧态形成情况。最后,在最佳外层水饱和比和最佳HRT条件下,控制进水C/N为7:1,测定系统对高负荷生活污水的污染物净化效率,分析比较系统填料微生物群落结构、以及反硝化功能基因的丰度变化情况,分析其促进污染物去除的机理。

    1)水样采集与分析。水样采集位点如图1所示为内层20 cm(a点)、内层40 cm(b点)、内部顶层(i70 cm)、外层25 cm(c点)和外层55 cm(d点),分别标记为内层20、内层40、内层70、外层25、外层55。内、外层填料中不同高度的水样使用洗耳球通过预埋的采样管吸取,i70 cm的水样采用50 mL注射器直接抽取,出水水样直接从排水管口直接收集。每个点水样采集至少150 mL。针对特定条件运行周期,每2 d采集1次,水样采集后立即带回实验室进行分析。分析的指标包括:化学需氧量(COD)、氨氮(NH4+-N)和硝态氮(NO3-N)。测试方法分别为:重铬酸钾法(GB11914-89),纳氏试剂分光光度法(GB7479-87)和紫外分光光度法(HJ-T346-2007)。水样采集的同时,以便携式YSI多参数水质分析仪在采样现场测定各采样点的DO、氧化还原电位(oxidation-reduction potential,ORP)。

    2)微生物样品采集与分析。实验末期,控制系统外层水饱和比为1:2,进水C/N为7:1,连续运行两周。期间除了水样采集,在实验结束后,再在如图1所示的a点、b点、c点和d点4个水样采集点中,各取3个基质样品,将其均匀混合后取10 g作为该采样点的基质微生物样品,其中对b点和d点处样品进行氮循环功能基因定量PCR分析。样品采集后,立即送样至北京奥维森生物科技有限公司进行DNA提取,微生物多样性检测和氮循环功能基因定量PCR分析。其中,DNA 提取方法参照 DNA Kit (Omega Bio-tek, Norcross, GA, U.S.)试剂盒说明书。微生物多样性检测选取细菌16S rDNA V3~V4区,利用 Illumina Miseq PE300高通量测序平台测序。氮循环功能基因定量PCR分析选择氨氧化作用的三种菌(AOA,AOB与厌氧氨氧化 (Anammox) 菌和反硝化菌)的功能基因进行研究。定性和定量PCR时,AOA与AOB的扩增都采用功能基因氨单加氧酶amoA的引物,Anammox菌的扩增采用Anammox 16s-RNA;硝化检测功能基因nxrA、nxrB;反硝化菌检测功能基因narG、nirS和nirK。所有引物的合成和数据分析处理均由北京奥维森生物科技有限公司完成。

    通过改变可伸缩U型管的出水高度,控制系统外层水饱和比为0,比较不同HRT条件下系统对污染物COD和NH4+-N的净化效果,此阶段进水COD为140.62~219.53 mg·L−1,进水NH4+-N在32.36~65.65 mg·L−1。由图2可以看到,随着HRT从6 h增加到48 h,湿地系统的COD和NH4+-N的去除率逐渐从76.03%和88.28%(6 h)增加到95.76%和98.38%(24 h),并在48 h时达到96.64%和99.04%。

    图 2  不同HRT条件下多氧态湿地系统对COD和NH4+-N的去除效率
    Figure 2.  Removal rates of COD and NH4+-N by the vertical flow constructed wetland system with multi-aerobic and anerobic zones at different HRT

    在HRT为6 h和12 h时,系统对污染物的去除率较低,这可能在于停留时间较短,系统的水力冲刷大,污水在系统填料间的停留时间较短,不能充分被微生物转化、降解。而当HRT增大为24 h和48 h时,系统对污染物的去除率逐渐升高并达到最佳状态,对COD和NH4+-N的去除率可达到90%以上,可见,HRT的变化可显著影响人工湿地的污染物净化效果。分别核算HRT为24 h和48 h时的单位面积氨氮负荷去除量可得,24 h时为8.22 g·(m2·d)−1,48 h时为5.11 g·(m2·d)−1,则系统在24 h时对氨氮的去除效能最好,同时从经济性上考虑,过长的HRT可能会造成系统处理能力的浪费。因此系统HRT采用24 h时长,既可以保证污染物的最好净化效果,又能充分发挥系统的处理能力,因此后续的实验均在HRT为24 h条件下进行。

    1)多氧态湿地系统的最优水饱和比。在HRT为 24 h条件下,通过改变可伸缩U型管的出水高度,控制系统外层水饱和比分别为1、3:4、1:2、1:3、0,比较系统在不同水饱和比条件下对COD和NH4+-N的去除效果,结果如图3(a)和图3(b)所示。

    图 3  不同水饱和比条件下多氧态湿地系统对COD和NH4+-N的去除效率
    Figure 3.  Removal rates of COD and NH4+-N by vertical flow constructed wetland system with multi-aerobic and anerobic zones at different water saturation ratios

    方差分析结果表明,系统外层水饱和比对COD和NH4+-N的去除均有显著性影响(P<0.05)。水饱和比为0时COD的去除效率最高,约为96%;水饱和比为1∶2、1∶3和0时,NH4+-N的去除效率均在98%以上,故分别核算系统外层水饱和比为1、3∶4、1∶2、1∶3和0时的单位面积氨氮负荷去除量为6.78、18.76、21.30、16.71和8.22 g·(m2·d)−1,可得本系统在外层水饱和比为1∶2时对氨氮的去除效能最好。总的来看,系统外层水饱和比为1∶2时,系统对COD和NH4+-N可以达到相对较好的净化效果。

    2)多氧态湿地系统的DO及ORP分布特征。DO是影响污水有机物去除效率的重要因素,ORP则可综合DO、有机物质及微生物活性等指标来反映系统中的氧化还原状态[18]。当外层水饱和比为1∶2时,湿地系统DO及ORP 分布特征如图4(a)所示。系统内层饱和区的DO普遍较低(0.2~0.7 mg·L−1),基本处于厌氧状态,ORP呈由内层底部(20 cm)的−143.04 mV向顶部(70 cm) 提升至−124.1 mV,呈逐渐升高的趋势。系统外层分为水饱和区和非饱和区,但二者的DO和ORP均显著高于内层。其中,外层的DO由底部向顶部同样呈现由低向高的逐渐变化,且表现出好氧、缺氧和厌氧区的区分,其中c点处DO值为0.7~1.7 mg·L−1,处于缺氧状态;d点DO值在2.1~2.5 mg·L−1,处于好氧状态。同时,外层中的ORP随着深度的增加呈下降趋势,−49.10 mV(d点)降到−68.80 mV(c点)。以上结果表明,本研究采用的双层垂直流人工湿地设计,可通过控制系统外层水饱和比的高低,调节系统的饱和区和非饱和区的占比,促使系统尤其是系统外层的DO和ORP分布呈持续的动态变化状态,实现系统多氧态状态的构建。

    图 4  多氧态湿地系统DO和ORP的分布特征及主要位置污染物质量浓度变化
    Figure 4.  Distribution characteristics of DO and ORP in vertical flow constructed wetland system with multi-aerobic and anerobic zones and changes in pollutant mass concentrations at major locations

    垂直流人工湿地中有机物的去除主要是通过微生物的氧化,对NH4+-N的净化主要是通过微生物的硝化作用。由图3可见,当外层的水饱和比为0时,有机物的去除效率最高;系统外层水饱和比≤1:2时,NH4+-N的去除效率即可达到98%以上。由图4(b)可以看出,i70 cm处的NH4+-N质量浓度高于进水。这可能是因为系统内层发生的厌氧发酵使得污水中的有机氮在微生物作用下转化生成NH4+-N,同时部分有机物也被降解去除,使COD的去除率接近70%,之后随着外层非饱和区利用大气的复氧作用使得水中DO含量上升,为有机物的进一步氧化分解及NH4+-N的硝化去除创造了条件,表现为出水中NO3-N质量浓度上升,而COD和NH4+-N质量浓度持续下降。

    3)多氧态湿地系统中氨氮的转化。传统垂直流人工湿地中,部分饱和的垂直流人工湿地的反硝化效果明显高于不饱和垂直流人工湿地[19]。因此,在外层水饱和比分别为0和1:2的条件下,对比系统进、出水的NH4+-N和NO3-N的浓度得到如图5所示结果。可以看出,系统外层水饱和比为0时,进水中的NH4+-N几乎全部转化成NO3-N,且出水中NH4+-N和NO3-N的含量与进水中的基本相当,说明此条件下,进水中NH4+-N质量浓度的降低主要是依靠硝化作用,但产生的NO3-N 在系统中没有进一步的转化。这可能由于此条件下系统由外层底部直接出水,非饱和区占比大,所以NH4+-N的硝化作用彻底,绝大部分均转化成了NO3-N 。但由于决定NO3-N 去除的反硝化阶段缺失,因此系统总的脱氮效率较低。而当系统外层的水饱和比为1∶2时,外层形成了一定的饱和区,使其底部呈现缺氧状态,而顶部仍然是好氧状态,整个系统形成厌氧-好氧-缺氧的多氧态,进水中的NH4+-N可以通过硝化作用去除,其生成的NO3-N 也能够在外层下部饱和区的缺氧环境中发生反硝化作用生成N2去除,所以该条件下出水的NO3-N 含量更低,同时NH4+-N+NO3-N的含量也显著下降,仅为系统外层水饱和比为0时的57%,可大大提高系统总的脱氮效率。因此,与传统非饱和垂直流湿地相比,多氧态湿地系统的不仅保留了其原本的硝化能力,还提升了一定的反硝化能力[1920]

    图 5  不同外层水饱和比下湿地系统中氮的转化情况
    Figure 5.  Nitrogen transformations in wetland systems at different outer water saturation ratios

    控制湿地系统外层水饱和比为1:2,进水C/N为7:1(COD为350.23~381.46 mg·L−1、NH4+-N为50.23~60.57 mg·L−1),测定系统对COD和NH4+-N的较高有机负荷污水的净化效率。如图6所示,多氧态湿地系统对污水中COD的去除率可达91.92%,而NH4+-N去除率也可达到90.53%。说明本系统具有良好的有机物降解能力,能够去除较高负荷的有机污染物,同时对于高氨氮污水也有较高的处理能力。

    图 6  进水C/N为7:1时系统对COD和NH4+-N的去除效率
    Figure 6.  Removal rates of COD and NH4+-N by the system at an inlet C/N of 7:1

    以特定功能基因或特定的16S-RNA片段作为分子标记,采用定量 PCR(Real-time PCR)来测定特定基因片段的相对数量,可以对样品中特定功能微生物数量进行定量分析[21]。本研究选择的分子标记:氨单加氧酶amoA、亚硝酸盐氧化酶nxrA和nxrB、硝酸还原酶narG、亚硝酸还原酶nirS和nirK 是参与自然界氮循环过程的关键催化酶,其分别在氨的好氧氧化、亚硝酸盐氧化、亚硝酸盐还原、硝酸盐还原过程中起到重要作用;Anammox菌介导的厌氧氨氧化过程,可直接在缺氧条件下以NH4+为电子供体,亚硝酸盐为电子受体,产生N2

    图7(a)可知,多氧态湿地系统amoA功能基因主要来源于AOA,且外层中amoA功能基因的数量显著高于内层,说明系统的好氧氨氧化作用主要发生外层,且主要由好氧氨氧化细菌驱动[2223]。与之类似, 通过图7(b)可看出,催化亚硝酸盐氧化的重要功能基因nxr在外层中的含量比内层高,也说明系统外层中的硝化作用更强[24]。因此,由图7(a)和图7(b)可以表明外层营造的好氧环境为硝化细菌的生存和繁殖提供了适宜的环境。

    图 7  氮循环功能基因在多氧态湿地系统内、外层的丰度
    Figure 7.  Abundance of functional nitrogen cycling genes in the inner and outer layers of the vertical flow constructed wetland system with multi-aerobic and anerobic zones

    此外,系统中还同时存在一定量的Anammox菌,其中内层石英砂的丰度为2.91×109 拷贝数·g−1,外层焦炭中的丰度为7.86×108 拷贝数·g−1,与AOA的数量基本持平,但主要分布在系统内层饱和区,这与Anammox菌对氧的需求适应。Anammox菌能够在厌氧/缺氧的条件下,直接以NH4+为电子供体,NO2为电子受体,产生N2[25]。虽然这一过程的存在,可能使亚硝酸盐氧化细菌(NOB)的因为底物竞争而生长受抑,使nxrA、nxrB基因的数量较低(图7(b)),但Anammox过程的存在,可以使NH4+直接转化为N2而去除,对提高系统总氮的去除效率是非常有利的。

    narG编码的硝酸盐还原酶参与催化反硝化过程的第1步,促使硝酸盐向亚硝酸盐的转化,而nirK和nirS则是编码反硝化过程第2步中催化亚硝酸盐还原酶的关键功能基因[2627]。由图7(c)和(d)可知,narG、nirK和nirS在系统内、外层中均有分布,但在系统内层中的含量均比外层中的少。这可能与外层中的NO3-N含量远大于内层有关,也表明系统多氧态的形成,可以促使反硝化作用在外层进行,提升系统总的氮去除能力,这也与前期的研究结果(图5)相符合。

    总的来看,本湿地系统构建形成的“多氧态”状态,可以在保持传统垂直流人工湿地系统水流特点和优势的同时,为对氧具有不同需求的氮循环功能微生物提供适宜的微生态环境,强化其生物转化作用(包括硝化、反硝化以及Anammox作用),从而提高系统的氮去除效率。

    1)门水平微生物群落结构。对多氧态湿地系统内外层共4个基质样品进行微生物多样性检测分析,并对所有OTU系列进行物种注释,共得到60多种不同的细菌门。如图8所示,微生物数量最多的前3个门依次为Proteobacteria(变形菌门) 、Chloroflexi(绿弯菌门)和Bacteroidetes(拟杆菌门),这3种菌门也被广泛报道存在于水处理反应器中[28-30]

    图 8  多氧态湿地系统4个基质样品中微生物群落丰度图(门水平)
    Figure 8.  Abundance map of microbial communities in four substrate samples from the vertical flow constructed wetland system with multi-aerobic and anerobic zones (at phylum level)

    从门水平看,Proteobacteria在4个样本中均为相对丰度最高的优势种,这与ANSOLA等[31]在人工湿地中的研究结果一致。Proteobacteria属于革兰氏阴性细菌,其物种和遗传多样性极为丰富,是COD去除和脱氮过程的重要贡献者。本研究结果表明,Proteobacteria在系统外层所占的比例(平均55.6%)比内层的(平均25.8%)高(图8),说明湿地系统多氧态的构建可以促使Proteobacteria大量繁殖,从而可能提升系统的污染物去除能力增加。

    此外, 4个样本中ChloroflexiBacteroidetes的相对丰度仅次于Proteobacteria,但二者在系统内层所占的比例(平均21.9%)比外层的(平均6.6%)大(图8),这与ChloroflexiBacteroidetes均属于兼性厌氧微生物,对氧的需求较低有关。已有研究表明这两类细菌都是有机物的主要降解者,能够降解复杂的有机物[32]。因此,ChloroflexiBacteroidetes在内层的广泛存在,可充分发挥其对复杂有机物的降解能力,有利于系统对有机污染物的去除。同时,多氧态湿地系统中丰度较大的还有Caldiserica、Actinobacteria、Firmicutes、Acidobacteria等,他们在有机物的矿化和氮的固定等方面发挥着重要作用[33]

    2)属水平微生物群落结构。以属为单位对多氧态湿地系统的微生物群落结构进行分析得到图9。系统内层的优势菌属为Caldisericum、Longilinea、Smithella、Leptolinea、Syntrophorhabdus等厌氧菌,他们均与有机物的代谢有关,其中,LongilineaLeptolinea对多糖具有良好的降解能力[34]CaldisericumSyntrophorhabdus是工业废水生物处理系统中常见菌种,有助于有机物的降解,并且Syntrophorhabdus是厌氧生态系统中的丰富细菌主要降解芳香族化合物[35]。他们在样品总丰度中的占比分别为37.74%(内层20)、34.70%(内层40)、1.09%(外层25)、0.14%(外层55),且在内层的相对丰度远大于在外层的。可以推测,系统的有机物降解过程主要在系统内层发生。

    图 9  属水平上多氧态湿地系统4个基质样品中微生物群落丰度
    Figure 9.  Abundance of microbial communities in four substrate samples from the vertical flow constructed wetland system with multi-aerobic and anerobic zones at genus level

    系统的外层优势菌属为Rhodanobacter、Nitrospira等。其中,Rhodanobacter属变形菌门γ-变形菌纲的黄色单胞菌科[36]。该菌在好氧的土壤表层发现并分离,具有反硝化能力[37-40],它在多氧态湿地系统的外层中大量出现,可促进反硝化反应的进行。而外层的另一优势菌Nitrospira是亚硝酸盐氧化细菌的主要菌属,主要分布在外层上部的好氧区域,丰度达2.94%。作为硝化过程中的关键菌属,它可将水体中的亚硝酸盐氧化成硝酸盐[41],其在系统外层的优势存在,也很好的解释了为何多氧态湿地系统的外层具有较强的硝化能力。

    3)多氧态湿地系统促进氮去除的机理。综上所述,本实验所构建的多氧态垂直流人工湿地,可通过调节外层水饱和比,在保证系统有机物去除效率的同时,提高系统总的脱氮效率,这与其特殊的分层结构有关。首先,多氧态垂直流人工湿地分为内外两层,当外层不饱和比为0时,其内层与传统的多氧态垂直流人工湿地相似,出水中氮主要以NO3-N为主,NH4+-N 和 NO3-N的含量与进水相比,降低仅为5%左右。而当外层不饱和比大于0时,系统的外层被由下到上被分成了饱和区和非饱和区,这与内层在完全饱和状态下形成的单一缺氧甚至是厌氧的环境相比,外层由底部向顶部DO和ORP均逐渐上升,形成同时兼备厌氧-缺氧-好氧环境的结构特点, 这使得系统外层中参与反硝化和硝化过程的微生物如RhodanobacterNitrospira等均得到优势生长(图9),系统的外层硝化和反硝化功能也比内层得到强化(图7),从而使系统的氮去除能力得到提升(图5)。

    1)通过调节系统外层水饱和比,多氧态湿地系统的内层呈饱和状态,DO比较低,属于缺氧厌氧区;外层上部非饱和区为好氧区,底部饱和区为厌氧/缺氧区,能够形成由厌(缺)氧到好氧的氧化还原分区。

    2)多氧态湿地系统对NH4+-N和COD均有较好的去除效果,而当外层水饱和比为1:2,HRT为24 h时,多氧态湿地系统对污染物的净化效果最好。

    3)多氧态湿地系统氮循环功能微生物的数量在外层中的分布高于内层,对系统的硝化和反硝化功能均有促进作用,可提升系统总的氮去除效率。

    4)多氧态湿地系统内、外层的微生物群落结构组成具有显著差异。在门水平上Proteobacteria、Chloroflexi和Bacteroidetes的相对丰度较大,其中Proteobacteria在系统外层的丰度较大,而ChloroflexiBacteroidetes在内层丰度较大。属水平上,系统外层与内层的优势菌属也不同,外层的优势菌属为Rhodanobacter,属于反硝化菌;内层的优势菌属为Caldisericum、Longilinea等厌氧菌,有助于有机物的降解。

  • 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
    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2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-040Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 3.7 %DOWNLOAD: 3.7 %HTML全文: 91.2 %HTML全文: 91.2 %摘要: 5.1 %摘要: 5.1 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 87.3 %其他: 87.3 %Alexandria: 0.2 %Alexandria: 0.2 %Anwo: 0.0 %Anwo: 0.0 %Arlington: 0.0 %Arlington: 0.0 %Beijing: 3.3 %Beijing: 3.3 %Belleville: 0.0 %Belleville: 0.0 %Brunswick: 0.1 %Brunswick: 0.1 %Central: 0.1 %Central: 0.1 %Chang'an: 0.0 %Chang'an: 0.0 %Changsha: 0.0 %Changsha: 0.0 %Chiyoda: 0.0 %Chiyoda: 0.0 %Chongqing: 0.2 %Chongqing: 0.2 %Dalian: 0.1 %Dalian: 0.1 %Dongguan: 0.0 %Dongguan: 0.0 %Groningen: 0.0 %Groningen: 0.0 %Guangzhou: 0.1 %Guangzhou: 0.1 %Guangzhou Shi: 0.0 %Guangzhou Shi: 0.0 %Gulan: 0.0 %Gulan: 0.0 %Hangzhou: 0.1 %Hangzhou: 0.1 %Hengshui: 0.0 %Hengshui: 0.0 %Hyderabad: 0.1 %Hyderabad: 0.1 %Jinan: 0.1 %Jinan: 0.1 %Jinan Shi: 0.1 %Jinan Shi: 0.1 %Jinrongjie: 0.4 %Jinrongjie: 0.4 %Kensington: 0.0 %Kensington: 0.0 %Kolkata: 0.1 %Kolkata: 0.1 %Kumamoto: 0.1 %Kumamoto: 0.1 %Kunshan: 0.0 %Kunshan: 0.0 %Lengshuitan: 0.1 %Lengshuitan: 0.1 %Leuven: 0.1 %Leuven: 0.1 %Longzhouwan: 0.1 %Longzhouwan: 0.1 %Macao: 0.0 %Macao: 0.0 %Montreal: 0.0 %Montreal: 0.0 %Mountain View: 0.1 %Mountain View: 0.1 %New Taipei: 0.1 %New Taipei: 0.1 %Newark: 0.1 %Newark: 0.1 %Ningbo: 0.1 %Ningbo: 0.1 %Qingdao: 0.0 %Qingdao: 0.0 %Qinnan: 0.0 %Qinnan: 0.0 %Queenstown Estate: 0.1 %Queenstown Estate: 0.1 %Shanghai: 0.1 %Shanghai: 0.1 %Shenyang: 0.1 %Shenyang: 0.1 %Shenzhen: 0.4 %Shenzhen: 0.4 %Shibuya: 0.1 %Shibuya: 0.1 %Shijiazhuang: 0.0 %Shijiazhuang: 0.0 %Taipei: 0.1 %Taipei: 0.1 %Taiyuan: 0.1 %Taiyuan: 0.1 %Tangxia: 0.1 %Tangxia: 0.1 %Tehrān: 0.1 %Tehrān: 0.1 %Tianjin: 0.1 %Tianjin: 0.1 %Tokyo: 0.1 %Tokyo: 0.1 %Wuhan: 0.1 %Wuhan: 0.1 %Xiangtan: 0.0 %Xiangtan: 0.0 %Xicheng District: 0.0 %Xicheng District: 0.0 %XX: 3.6 %XX: 3.6 %Yuncheng: 0.1 %Yuncheng: 0.1 %Zhengzhou: 0.0 %Zhengzhou: 0.0 %三明: 0.0 %三明: 0.0 %上海: 0.1 %上海: 0.1 %北京: 0.7 %北京: 0.7 %南京: 0.0 %南京: 0.0 %哈尔滨: 0.0 %哈尔滨: 0.0 %嘉兴: 0.0 %嘉兴: 0.0 %大庆: 0.0 %大庆: 0.0 %天津: 0.0 %天津: 0.0 %娄底: 0.0 %娄底: 0.0 %孝感: 0.0 %孝感: 0.0 %宜昌: 0.0 %宜昌: 0.0 %岳阳: 0.0 %岳阳: 0.0 %平凉: 0.0 %平凉: 0.0 %徐州: 0.0 %徐州: 0.0 %成都: 0.1 %成都: 0.1 %晋城: 0.0 %晋城: 0.0 %柳州: 0.0 %柳州: 0.0 %桂林: 0.0 %桂林: 0.0 %武汉: 0.0 %武汉: 0.0 %济南: 0.0 %济南: 0.0 %深圳: 0.1 %深圳: 0.1 %石家庄: 0.0 %石家庄: 0.0 %红河: 0.0 %红河: 0.0 %运城: 0.1 %运城: 0.1 %郑州: 0.1 %郑州: 0.1 %重庆: 0.1 %重庆: 0.1 %长春: 0.0 %长春: 0.0 %阳泉: 0.1 %阳泉: 0.1 %鞍山: 0.1 %鞍山: 0.1 %黔东南: 0.0 %黔东南: 0.0 %齐齐哈尔: 0.0 %齐齐哈尔: 0.0 %其他AlexandriaAnwoArlingtonBeijingBellevilleBrunswickCentralChang'anChangshaChiyodaChongqingDalianDongguanGroningenGuangzhouGuangzhou ShiGulanHangzhouHengshuiHyderabadJinanJinan ShiJinrongjieKensingtonKolkataKumamotoKunshanLengshuitanLeuvenLongzhouwanMacaoMontrealMountain ViewNew TaipeiNewarkNingboQingdaoQinnanQueenstown EstateShanghaiShenyangShenzhenShibuyaShijiazhuangTaipeiTaiyuanTangxiaTehrānTianjinTokyoWuhanXiangtanXicheng DistrictXXYunchengZhengzhou三明上海北京南京哈尔滨嘉兴大庆天津娄底孝感宜昌岳阳平凉徐州成都晋城柳州桂林武汉济南深圳石家庄红河运城郑州重庆长春阳泉鞍山黔东南齐齐哈尔Highcharts.com
图( 2) 表( 5)
计量
  • 文章访问数:  3961
  • HTML全文浏览数:  3961
  • 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