Processing math: 100%
高级搜索

高山地区夏季大气PM2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例

,  ,  ,  ,  ,  ,  ,  ,  , 

downloadPDF

上一篇

下一篇

赵明升, 韩志勇, 任丽红, 李刚, 杨小阳, 赵刚, 韩慧霞, 杜虹萱, 高元官, 徐义生. 高山地区夏季大气PM2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例[J]. 环境化学, 2024, 43(5): 1573-1584. doi: 10.7524/j.issn.0254-6108.2022102006
引用本文: 赵明升, 韩志勇, 任丽红, 李刚, 杨小阳, 赵刚, 韩慧霞, 杜虹萱, 高元官, 徐义生. 高山地区夏季大气PM2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例[J]. 环境化学, 2024, 43(5): 1573-1584. doi: 10.7524/j.issn.0254-6108.2022102006
shu
ZHAO Mingsheng, HAN Zhiyong, REN Lihong, LI Gang, YANG Xiaoyang, ZHAO Gang, HAN Huixia, DU Hongxuan, GAO Yuanguan, XU Yisheng. Pollution characteristics, ecological risk and health risk assessment of PM2.5 -bound elemental species at mountain site in summer: A case study of Mt.Wudang[J]. Environmental Chemistry, 2024, 43(5): 1573-1584. doi: 10.7524/j.issn.0254-6108.2022102006
Citation: ZHAO Mingsheng, HAN Zhiyong, REN Lihong, LI Gang, YANG Xiaoyang, ZHAO Gang, HAN Huixia, DU Hongxuan, GAO Yuanguan, XU Yisheng. Pollution characteristics, ecological risk and health risk assessment of PM2.5 -bound elemental species at mountain site in summer: A case study of Mt.Wudang[J]. Environmental Chemistry, 2024, 43(5): 1573-1584. doi: 10.7524/j.issn.0254-6108.2022102006
shu

高山地区夏季大气PM2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例

  • 1.

    中国环境科学研究院环境基准与风险评估国家重点实验室，北京，100012

  • 2.

    兰州理工大学石油化工学院，兰州，730050

  • 3.

    华北理工大学矿业工程学院，唐山，063210

    • 通讯作者: E-mail：renlh@craes.org.cn; 
  • 基金项目:
    国家自然科学基金 ( 41705136, 41375133)和中央级公益性科研院所基本科研业务专项(JY-41375133, 2019YSKY-025)资助.

  • 中图分类号: X-1；O6

Pollution characteristics, ecological risk and health risk assessment of PM2.5 -bound elemental species at mountain site in summer: A case study of Mt.Wudang

  • 1.

    State Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences, Beijing, 100012, China

  • 2.

    School of Petrochemical Engineering, Lanzhou University of Technology, Lanzhou, 730050, China

  • 3.

    School of Mining Engineering, North China University of Science and Technology, Tangshan, 063210, China

    • Corresponding author: REN Lihong, renlh@craes.org.cn ; 
  • Fund Project: the National Natural Science Foundation of China (41705136, 41375133) and Central Public Welfare Research Institute Basic Research Business Specia (JY-41375133, 2019YSKY-025).

摘要

  • 摘要: 为了解华中高山地区夏季大气PM2.5中元素的污染特征，于2018年6月在湖北省十堰市武当山国家空气质量监测站采集PM2.5样品，利用电感耦合等离子体质谱仪（ICP-MS）测定样品中18种元素（Na、K、Ca、Mg、Al、Fe、V、Cr、Mo、Cu、Zn、Mn、Ni、As、Se、Cd、Ba和Pb）的浓度，并探讨了其来源、生态风险和健康风险. 结果表明，武当山PM2.5的日均浓度范围为5.00—33.65 μg·m-3，平均浓度为(16.84±7.07) μg·m-3；元素K、Na、Fe、Ca、Al、Mg和Zn的浓度较高，7种元素占所分析元素的97.68%以上；富集因子结果表明，Mo、Zn、Pb、Cd和Se的EF值高于100，可能受周边人为活动排放污染物的区域或长距离传输影响；主成分-多元线性回归（PCA-MLR）结果表明，PM2.5中元素主要来自于燃煤和机动车(57.57%)、工业源(22.52%)和地壳(19.91%)；武当山PM2.5重金属的生态风险指数极高，其中Cd、Se和Mo的潜在生态危害程度极强；健康风险评估显示，综合非致癌风险（HI）在儿童和成人中分别为2.28×10-2和3.04×10-2，均在可接受水平内，综合致癌风险（CRT）在儿童和成人中分别为4.45×10-7和2.37×10-6，说明成人存在潜在的致癌风险；Cr在成人中的致癌风险为1.88×10-6，说明Cr在成人中存在潜在的致癌风险，同种金属对人体的非致癌风险和致癌风险均表现为成人>儿童.
    Abstract: To understand the pollution characteristics of PM2.5-bound elemental species at mountain site in summer, PM2.5 samples were collected at the Mt.Wudang National Air Quality Monitoring Station in Shiyan of Hubei Province in June 2018. The concentrations of 18 elements (Na, K, Ca, Mg, Al, Fe, V, Cr, Mo, Cu, Zn, Mn, Ni, As, Se, Cd, Ba and Pb) in PM2.5 were determined by inductively coupled plasma mass spectrometer (ICP-MS), and the sources, ecological and health risks were discussed. The results showed that the concentration of PM2.5 during observation period at Mt.Wudang were ranged from 5.00 μg·m-3 to 33.65 μg·m-3, with an average value of (16.84±7.07) μg·m-3. K, Na, Fe, Ca, Al, Mg and Zn) was the main elements accounting for 97.68% of all detected elements. The enrichment factor (EF) values showed that the EF values of Mo, Zn, Pb, Cd and Se were higher than 100, which may be affected by the regional or long-range transport of pollutants emitted from human activities. The principal component analysis-multiple linear regression (PCA-MLR) showed that the elements species of PM2.5 mainly come from coal burning and motor vehicles (57.57%), industrial production (22.52%) and crustal sources (19.91%). The ecological risk index of heavy metals in PM2.5 at Mt.Wudang is extremely high and Cd, Se and Mo have a very high degree of potential ecological damage. The health risk assessment showed that the comprehensive non-carcinogenic risks (HI) were 2.28×10-2 and 3.04×10-2 for children and adults, respectively, which are within the acceptable level. The comprehensive carcinogenic risks (CRT) were 4.45×10-7 and 2.37×10-6 for children and adults, respectively, indicating heavy metal had potential carcinogenic risk for adults. The carcinogenic risk of Cr for adults is 1.88×10-6, indicating that Cr has potential carcinogenic risk in adults. The non-carcinogenic risk and carcinogenic risk to human body followed the order of adults > children.

  • 高氯酸盐化学性质稳定，水溶性高，吸附性低，广泛存在于环境介质中。由于高氯酸盐具有与碘离子相似的离子半径和相同的电荷数，可以与碘离子竞争钠/碘同向转运体（NIS）的结合位点，从而抑制碘的吸收，干扰甲状腺激素的合成，引起机体代谢的紊乱[1-2]。欧洲食品安全局（EFSA）评估人体暴露高氯酸盐的风险，结果表明长期摄入高氯酸存在潜在风险，尤其是孕妇、胚胎、婴儿及碘缺乏的年轻群体最容易受到危害[3]。

    我国是世界上最大的茶叶种植国，也是第二大茶叶出口国。2016年初中国出口欧盟的茶叶中频繁检出高含量的高氯酸盐，对中国茶叶出口产生极大负面影响。此前，美国环保局（US EPA）将高氯酸的参考剂量设定为0.0007 mg·(kg ·d)−1[4]，欧盟建议成员国的干茶中ClO−4的参考限量暂定为0.75 mg·kg−1，欧洲食品安全局建议人体每日容许ClO−4摄入量(tolerable daily intake，TDI)为0.0003 mg·(kg·d)−1[3,5]。现阶段，关于高氯酸盐的检测方法主要有离子色谱法、离子色谱串联质谱法（IC-MS/MS）、液相色谱串联质谱法（LC-MS/MS）等[6-9]，所涉及的基质主要集中在水、土壤、底泥等环境样品和少量食品如奶粉、牛奶中[10-13]。针对茶叶样品中高氯酸盐分析的方法研究相对较少，并且多为LC-MS/MS方法[14]，然而常见的C18色谱柱对高氯酸盐选择性差，高氯酸盐在其中保留较差或无保留，同时茶叶比较复杂的基质可能干扰高氯酸盐的准确测定，此时改善色谱分离和样品处理方法，提高高氯酸盐的提取率并且降低共存离子的干扰，就成为分析成败的关键。对于LC-MS/MS方法，多选择修饰离子交换基团的液相色谱柱来增强高氯酸盐的保留，以此改善高氯酸盐和基质的分离，前处理方法选择含乙酸溶液提取以防止在去除基质时高氯酸盐的损失[15-16]。相比之下，在各种环境基质高氯酸盐分析中具有广泛应用的IC-MS/MS法则具有更强的选择性，该方法通过电导检测的色谱图可以实时监测复杂基体样本中高氯酸盐与杂质离子的分离情况，减少在质谱检测时共淋洗物质对高氯酸盐信号的抑制，进而提高方法的抗干扰能力。

    在茶叶样品前处理方面，由于高氯酸盐属于无机阴离子，在水中溶解度高，因此选用高纯水提取茶叶中高氯酸盐。茶叶基质复杂，往往含有多种有机化合物和无机矿物元素，高纯水在提取高氯酸盐时也导致许多水溶性物质溶解在提取液中。因此，为了防止其它共存物质干扰检测结果，本研究首先用OnGuard Ⅱ RP柱处理，去除提取液中有机物，以达到离子色谱的进样要求，减少样品对色谱柱耐受的影响。然后选用对高氯酸盐专属性较好的离子色谱柱进行分离，良好的色谱分离极大减少了共存离子的干扰，提高了测定准确度。另外，用纯水直接对高氯酸盐进行提取亦可很好地模拟泡茶的过程，更能体现人体通过饮用茶水摄入高氯酸盐的真实水平。通过实验条件优化，建立了快速准确的茶叶样品中高氯酸盐的离子色谱-串联质谱分析方法，为茶叶检测分析提供方法学参考。

    1.   材料与方法（Material and method）

    1.1   仪器与设备

    ICS2000型离子色谱仪(美国，Thermo Fisher)，免化学试剂淋洗液自动发生器(美国，Thermo Fisher)，AS自动进样器(美国，Thermo Fisher)；IonPacAS19型阴离子分析柱(250 mm×2 mm)(美国，Thermo Fisher)，IonPacAG19型保护柱(50 mm× 2mm)(美国，Thermo Fisher)；IonPacAS20型阴离子分析柱(250 mm×2mm)(美国，Thermo Fisher)，IonPacAG20型保护柱(50 mm×2 mm)(美国，Thermo Fisher)；ASRS 3000 2 mm阴离子抑制器(美国，Thermo Fisher)。API 32000三重四极杆LC-MS/MS 系统(美国，Applied Biosystems)。METTLER TOLEDO 电子天平(美国，METTLER TOLEDO )，A11基本型研磨机（德国，IKA），KS4000 i control 温控摇床（德国，IKA），3-18k高速冷冻离心机（德国，Sigma），QL-901旋涡混合器(中国，其林贝尔）。

    1.2   试剂与材料

    0.45 μm尼龙针头过滤器（中国，卅克），一次性无菌注射器(5 mL，江苏治宇医疗器械有限公司)，OnGuard Ⅱ RP-1cc前处理柱(美国，Thermo Fisher)。超纯水为Milli-Q Advantage A10系统(美国，Millipore)于电阻率为18.2 MΩ·cm下提供，1000 mg·L−1的高氯酸盐标准品溶液(美国，Sigma，色谱纯)，500 μg·L−1的18O4—高氯酸盐内标储备液（美国，Cambridge Isotope Laboratories，4 ℃冰箱保存），甲醇（美国，Thermo Fisher Scientific，色谱级）。

    1.3   色谱与质谱条件

    色谱系统：进样量为100 μL，流速为0.25 mL·min−1，采用EGC淋洗液（KOH）自动发生器控制淋洗液梯度，抑制器采用外接水模式，抑制电流25 mA。AS19和AS20色谱柱采用不同淋洗程序，柱温均为30 ℃。

    AS19梯度淋洗程序：0—15 min，10 mmol·L−1；15—25 min，10—40 mmol·L−1；25—30 min，40 mmol·L−1；30.1—38 min，10 mmol·L−1。

    AS20等度淋洗程序：0—22 min，35 mmol·L−1。

    质谱条件：离子源为ESI源，在负离子模式下以MRM模式进行监测。气帘气（curtain gas）：20 psi；碰撞气（collision gas）：5 psi；离子喷雾电压（IonSpray Voltage）：−4500 V。离子源温度（Temperature)：500 ℃；雾化气（Gas 1）：55 psi；加热气（Gas 2）：55 psi。

    检测的离子对及其对应质谱参数见表1。

    表 1  质谱检测条件
    Table 1.  Experimental conditions of electrospray tandem mass spectrometry
    化合物Compound离子对Q1/Q3 Q1/ Q3解簇电压/V DP入口电压/V EP碰撞入口电压/V CE碰撞出口电压/V CXP
    ClO4−98.8/82.8*−45−8.8−35−9
    100.8/84.9−45−8.5−35−9
    Cl18O4−106.9/88.8*−50−10−35−5
    　　注：*定量离子对.*quantitative ion pair
     | Show Table
    DownLoad: CSV

    1.4   标准溶液配制

    高氯酸盐储备液：将高氯酸盐标准品溶液1000 mg·L−1用超纯水稀释至500 μg·L−1储存于4 ℃冰箱中保存备用。

    高氯酸盐标准溶液的配制：用高氯酸盐储备液与18O4标记的高氯酸盐内标储备液配制高氯酸盐标准溶液，将高氯酸盐储备液用高纯水稀释至0.05、0.1、0.2、0.5、1、2、5、10、20、50 μg·L−1获得高氯酸盐标准溶液，其中18O4标记的高氯酸盐内标浓度均为5 μg·L−1。

    1.5   茶叶样品的前处理

    首先将茶叶放入研磨机进行研磨，得到均匀粉末状的茶叶样品。称量0.5 g茶叶样品放入50 mL离心管中，加入超纯水浸泡茶叶数次，以萃取样品中的高氯酸盐。每次浸泡使用超纯水20 mL，浸泡一定时间后，以10000 r·min−1的速度离心5 min，取出上清液，最后将3次浸泡得到的上清液合并，得到高氯酸盐萃取液。取5 mL萃取液用0.45 μm尼龙滤膜过滤，再用OnGuard Ⅱ RP-1cc进行有机物的去除，弃掉前3—4 mL萃取液，收集1 mL萃取液为上机测试样品。OnGuard Ⅱ RP-1cc柱在使用前须用4 mL甲醇和10 mL超纯水进行活化。

    1.6   回收率实验

    准备28份茶叶样品，以每组7份平行样品分为4组，分别为原茶叶样品及低、中、高加标茶叶样品，其中低、中、高加标茶叶样品加入的高氯酸盐浓度为100、300、600 μg·kg−1。将4组样品同时进行上述“1.5”节前处理后进样分析，计算回收率。

    2.   结果与讨论（Results and discussion）

    2.1   前处理条件的优化

    高氯酸盐在水中稳定且溶解度高，同时考虑到饮茶的实际情况，因此选用高纯水浸泡茶叶以提取其中高氯酸盐。高纯水提取茶叶中的高氯酸盐也成功避免了溶剂峰对分析结果的干扰。本研究对不同浸泡条件（包括浸泡次数、浸泡时间、水的温度及是否振荡浸泡）进行优化，确定茶叶中高氯酸盐最佳萃取条件。

    首先对茶叶浸泡次数和时间进行优化，将茶叶样品按上述“1.5节”方法进行前处理，每次使用20 mL高纯水，浸泡时间分为15、30、60、90 min，共浸泡3次，将每次浸泡的上清液进行处理后检测，根据3次提取量之和计算每次提取的效率。如图1所示，随着浸泡次数的增加，高氯酸盐的浸出量不断减少，第1次最高，浸出量占总浸出量的88%—89%，第3次浸泡提取时高氯酸盐浸出量仅为总浸出量的2.3%—3.0%，因此可认为茶叶经3次浸提后高氯酸盐浸出接近完全。不同浸泡时间下的高氯酸盐浸出量如图2（a）所示，这4组茶叶的高氯酸盐总浸出量范围为283—304 μg·kg−1，相对标准偏差为4.3%。上述结果表明浸泡时间对茶叶中高氯酸盐的萃取效率影响较小，最终选取15 min为提取时间。

    图 1  室温下浸泡次数对高氯酸盐浸出率的影响
    Figure 1.  The influence of extraction times at room temperature on the extraction rate of perchlorate
    下载: 全尺寸图片 幻灯片
    图 2  不同浸泡时间（a）和浸泡温度及方式（b）对高氯酸盐的浸出量的影响
    Figure 2.  The influence of different extraction time, water temperature (a) and methods (b) on the extraction amount of perchlorate
    下载: 全尺寸图片 幻灯片

    最后考察水温和振荡浸泡对茶叶中高氯酸盐浸出量的影响，设置4组茶叶反复浸泡3次，4组茶叶分别选取室温振荡浸泡、室温静置浸泡、65 ℃振荡浸泡及65 ℃静置浸泡的方式，得到各自提取量结果，如图2（b）所示。由图2可知，静置条件下水温对高氯酸盐的浸出量有较大影响。振荡条件下，室温和65 ℃浸出的高氯酸盐量相差不大，但均优于静置提取的效率。因此，本研究最终选择在室温下振荡提取高氯酸盐。

    2.2   色谱柱的选择

    高氯酸根为疏水性强易极化的阴离子，本研究对AS19色谱柱和AS20色谱柱分离茶叶中高氯酸盐的效果进行比较，其中AS20色谱柱的亲水性较强，AS19色谱柱亲水性适中。图3为离子色谱电导检测时的色谱图，可以看出茶叶基质复杂，干扰较多。AS19分离时，高氯酸出峰的位置（30.78 min）有明显的干扰峰，而在AS20色谱柱中高氯酸盐（保留时间：15.08 min）和干扰离子却能实现很好的分离。另外，在AS20色谱柱中高氯酸盐的保留时间（15.08 min）是AS19色谱柱（30.78 min）的一半，意味着AS20对高氯酸盐的分离效率更高。从质谱检测的色谱图可知（图4），茶叶经AS19色谱柱分离的高氯酸盐响应（2.2×104 cps）明显低于AS20色谱柱（3.7×104 cps），进一步说明AS19色谱柱在分离茶叶样品时与高氯酸盐共淋洗的物质使质谱检测产生较明显的基体抑制效应。而AS20作为分离柱时，茶叶中与高氯酸盐共存的基质阴离子均可与高氯酸盐实现较好的分离，质谱的基质效应较小，高氯酸盐在质谱检测中响应较高。因此考虑到相较于AS19色谱柱，AS20色谱柱具有对高氯酸盐的分离效果更好，用时更短，效率更高的优点，最终选用AS20作为高氯酸盐的色谱分离柱。

    图 3  同一茶叶样品经AS19（a）、AS20（b）进行分离的高氯酸盐色谱图（电导检测）
    Figure 3.  The chromatogram of perchlorate in the extracts from tea sample on AS19 (a) and AS20 (b) columns (conductivity detection)
    下载: 全尺寸图片 幻灯片

    2.3   方法性能

    2.3.1   线性范围与检出限

    将配制的一系列浓度（0.05—50 μg·L−1）高氯酸盐标准溶液进样分析后，以高氯酸盐的浓度为X轴，对应的高氯酸盐（98.8/82.8）与同位素标记的高氯酸盐（106.9/88.8）峰面积的比值为Y轴，绘制标准曲线为Y=0.0223X+0.000513，所得线性相关系数为R2=0.9998。以3倍和10倍信噪比确定仪器的检出限和定量限分别为0.014 μg·L−1和0.05 μg·L−1，转化成实际样品中高氯酸盐的检出限和定量限分别为1.7 µg·kg−1和6 µg·kg−1。

    2.3.2   重复性与回收率

    根据上述方法进行回收率实验，结果如表2所示。其中未加标茶叶样品中高氯酸盐浓度的相对标准偏差（RSD）为1.7%。3个加标水平的高氯酸盐回收率分别在94.6%—133%、101%—118%和101%—109%之间，说明该方法可用于茶叶中高氯酸盐的准确测定。

    图 4  同一茶叶样品经AS19（a）、AS20（b）色谱柱进行分离的高氯酸盐色谱图（质谱检测）
    Figure 4.  The chromatogram of perchlorate in the extracts from tea sample on AS19 (a) and AS20 (b) columns（mass detection）
    下载: 全尺寸图片 幻灯片
    表 2  精密度与回收率实验结果
    Table 2.  Experimental results of precision and recovery
    序号 Number未加标茶叶中高氯酸盐浓度 /（μg·kg−1） Perchlorate concentration in unspiked tea 回收率/% Recovery
    加标浓度100 μg·kg−1 Spiked concentration at 100 μg·kg−1加标浓度300 μg·kg−1 Spiked concentration at 300 μg·kg−1加标浓度600 μg·kg−1 Spiked concentration at 600 μg·kg−1
    1 285 96.8 101 101
    2 276 133 118 103
    3 287 100 103 108
    4 280 95.9 107 104
    5 273 95.7 102 107
    6 283 94.6 101 109
    7 282 97.9 102 103
    平均 281 102 104 105
    RSD 1.7% 14% 5.7% 2.9%
     | Show Table
    DownLoad: CSV

    2.4   实际样品测定

    在超市随机选购16个品牌的茶叶样品，包括蒲公英茶（1种）、铁观音（4种）、绿茶（4种）、大红袍（1种）、普洱茶（1种）、肉桂茶（1种）。经上述前处理过程和检测后，发现所有样品中均检出高氯酸盐，浓度范围为97.0—2.71×103 μg·kg−1，如图5所示，其中4个样品浓度>500 μg·kg−1，2个样品浓度在300—500 μg·kg−1，10个茶叶样品高氯酸盐浓度<300 μg·kg−1。本研究购买的茶叶中，蒲公英茶所含高氯酸盐浓度最高，为2.71×103 μg·kg−1，其次为铁观音1样品，其中高氯酸盐浓度为1.38×103 μg·kg−1，这2个样品中高氯酸浓度超过了欧盟建议的干茶中ClO−4的参考限值750 μg·kg−1。

    图 5  所购买的不同茶叶样品（n=16）中高氯酸盐含量及分布
    Figure 5.  Perchlorate content and distribution in different tea samples purchased (n=16)
    下载: 全尺寸图片 幻灯片

    根据《中国人群暴露参数手册》[17]，人体中高氯酸盐的日均暴露量计算公式ADD=C×IR×EF×ED/（BW×AT），各参数意义及取值见表3。高氯酸盐是非致癌物质，用危害商（HQ）评价其健康风险。危害商的公式为HQ=ADD/RfD，其中RfD为高氯酸盐参考剂量。由于目前中国还没有与人体健康相关的高氯酸盐剂量的政策出台，本研究选取欧洲食品安全局（EFSA）建议的人体每日容许ClO−4摄入量0.0003 mg·(kg·d)−1作为参考剂量RfD。通过计算，人体通过饮茶摄入高氯酸盐的日均暴露量结果及危害商如表4所示。在检测的16个茶叶样品中，蒲公英茶1与铁观音1的危害商值大于1，其余茶叶样品均小于1。说明蒲公英茶1与铁观音1中高氯酸盐对人体可能产生一定的健康风险，其余健康风险较小。

    表 3  日均暴露量相关参数的意义及取值
    Table 3.  Meaning and values of related parameters of average daily dose
    参数Parameters意义Meaning取值Value参考文献References
    C茶叶中高氯酸盐浓度，mg·kg−1本研究检测的16个茶叶样品中的高氯酸盐浓度—
    IR茶叶的日均摄入量，g·d−115[18]
    EF暴露频率，d·a−1365[17]
    ED暴露持续时间（以20岁至死亡计算），a74.8−20=54.8[17]
    BW体重，kg60.6 kg[17]
    AT平均暴露时间，d365×ED[17]
     | Show Table
    DownLoad: CSV
    表 4  购买的16种茶叶中高氯酸盐对人体的日均暴露量（ADD）及危害商（HQ）
    Table 4.  The average daily dose (ADD) and hazard quotient (HQ) of perchlorate in 16 kinds of tea purchased
    样品名称Samples name茶叶中高氯酸盐浓度/（mg·kg−1） Perchlorate concentration in tea日均暴露量/（mg·(kg·d)−1）Average daily dose (ADD)危害商Hazard quotient (HQ)
    蒲公英茶12.716.71×10−42.24
    铁观音11.383.41×10−41.14
    铁观音20.5901.46×10−40.487
    铁观音30.2576.35×10−50.212
    铁观音40.4051.00×10−40.334
    绿茶10.7281.80×10−40.600
    绿茶20.2175.37×10−50.179
    绿茶30.2907.19×10−50.240
    绿茶40.4201.04×10−40.346
    红茶10.2105.20×10−50.173
    红茶20.2656.56×10−50.219
    红茶30.9702.40×10−50.0800
    红茶40.1152.85×10−50.0951
    大红袍10.2075.13×10−50.171
    普洱茶10.1694.19×10−50.140
    肉桂茶10.2004.96×10−50.165
     | Show Table
    DownLoad: CSV

    3.   结论（Conclusion）

    本研究考察了不同浸提条件对茶叶中高氯酸盐的提取效率的影响，最终建立了去离子水振荡提取结合离子色谱-串联质谱联用分析茶叶中高氯酸盐的方法。对于茶叶中高氯酸盐的提取，最终选择以纯水在室温下振荡提取3次，每次浸泡15 min达到最佳提取效率。并且选用AS20色谱柱用于茶叶中高氯酸盐的分离。本研究建立的分析方法，操作简单、灵敏度高，可准确地测定茶叶中高氯酸盐的含量。方法应用于实际样品中高氯酸盐的分析得到了良好的结果，在分析的16个品牌茶叶样品中均检出了高氯酸盐的存在，并且发现长期饮用某些茶叶可能对人体健康存在一定的风险。

  • 图 1  武当山金属元素的富集因子值

    Figure 1.  Enrichment factor values of metal elements in Mt.Wudang

    下载: 全尺寸图片 幻灯片

    图 2  武当山金属元素潜在生态风险

    Figure 2.  Potential ecological risk of metal elements in Mt.Wudang

    下载: 全尺寸图片 幻灯片

    图 3  武当山重金属非致癌风险和致癌风险

    Figure 3.  Non-carcinogenic risk and carcinogenic risk of heavy metals in Mt.Wudang

    下载: 全尺寸图片 幻灯片

    表 1  潜在生态风险分级

    Table 1.  Classification criteria of the potential ecological risk index

    NIRI Eir 风险等级 Risk level
    NIRI≤40 Eir≤40 低风险Low risk
    40<NIRI≤80 40<Eir≤80 中等风险Medium risk
    80<NIRI≤160 80<Eir≤160 较高的风险Higher risk
    160<NIRI≤320 160<Eir≤320 高风险High risk
    NIRI>320 Eir>320 极高风险Extremely high risk
    NIRI Eir 风险等级 Risk level
    NIRI≤40 Eir≤40 低风险Low risk
    40<NIRI≤80 40<Eir≤80 中等风险Medium risk
    80<NIRI≤160 80<Eir≤160 较高的风险Higher risk
    160<NIRI≤320 160<Eir≤320 高风险High risk
    NIRI>320 Eir>320 极高风险Extremely high risk
    下载: 导出CSV

    表 2  重金属健康风险评价计算参数含义和取值

    Table 2.  Definitions and values of calculated parameters for health risk assessment of heavy metals

    参数Parameter 符号Notation 单位Unit 儿童Children 成人Adults
    暴露时间Exposure time ET h·d−1 24 24
    暴露频率Exposure frequency Ef d·a−1 180 180
    暴露年限Exposure duration ED a 6 24
    平均寿命Average lifetime ATn h ED × 365 × 24（非致癌作用for non-carcinogens） ED × 365 × 24（非致癌作用for non-carcinogens）
    70 × 365 × 24（致癌作用for carcinogens） 70 × 365 × 24（致癌作用for carcinogens）
    参数Parameter 符号Notation 单位Unit 儿童Children 成人Adults
    暴露时间Exposure time ET h·d−1 24 24
    暴露频率Exposure frequency Ef d·a−1 180 180
    暴露年限Exposure duration ED a 6 24
    平均寿命Average lifetime ATn h ED × 365 × 24（非致癌作用for non-carcinogens） ED × 365 × 24（非致癌作用for non-carcinogens）
    70 × 365 × 24（致癌作用for carcinogens） 70 × 365 × 24（致癌作用for carcinogens）
    下载: 导出CSV

    表 3  重金属参考剂量[11]

    Table 3.  Reference doses of heavy metals[11]

    种类Parameter RfCi/（mg·m−3） IUR/（（μg·m−3）−1）
    Pb 3.52×10−3 0.000012
    As 1.50×10−5 0.0043
    Cr 1.00×10−4 0.084
    Ni 9.00×10−5 0.00026
    Cd 1.5×10−5 0.0018
    Se 2.00×10−2 —
    Mo 4.00×10−4 —
    Zn 3.01×10−1 —
    Cu 4.02×10−2 —
    V 1.00×10−4 —
    　　“—”表示没有相关数据. “—” indicates no relevant data.
    种类Parameter RfCi/（mg·m−3） IUR/（（μg·m−3）−1）
    Pb 3.52×10−3 0.000012
    As 1.50×10−5 0.0043
    Cr 1.00×10−4 0.084
    Ni 9.00×10−5 0.00026
    Cd 1.5×10−5 0.0018
    Se 2.00×10−2 —
    Mo 4.00×10−4 —
    Zn 3.01×10−1 —
    Cu 4.02×10−2 —
    V 1.00×10−4 —
    　　“—”表示没有相关数据. “—” indicates no relevant data.
    下载: 导出CSV

    表 4  中国不同山地站点微量元素平均浓度（ng·m−3）

    Table 4.  Average trace elements concentrations at different mountain sites in China（ng·m−3）

    项目Parameter 武当山Mt.Wudang 泰山[12]Mt.Tai 庐山[13]Mt.Lu 贡嘎山[14]Mt.Gongga
    高度/mAltitude 862 1534 1165 1600
    K 477.84±113.33 145.95 — 498.20
    Na 398.47±81.17 340.25 — 211.50
    Fe 305.53±104.41 152.07 330.40 224.00
    Ca 215.52±82.32 355.48 — 372.80
    Al 174.10±125.68 50.65 369.10 295.80
    Mg 84.83±43.94 53.31 — 167.80
    Zn 27.57±13.07 42.16 274.30 154.60
    Pb 15.20±7.76 17.36 65.40 39.40
    Mn 7.04±3.25 6.15 24.70 —
    Cu 4.27±1.31 3.22 13.20 2.20
    Ba 3.71±1.85 6.26 66.00 6.00
    Cr 2.78±1.13 1.62 18.20 —
    As 1.72±0.73 1.63 22.30 4.30
    Se 1.47±0.69 1.20 7.60 —
    V 1.40±0.46 0.50 — 0.70
    Ni 1.30±0.57 11.17 — 0.90
    Mo 0.57±0.27 — — —
    Cd 0.48±0.19 0.34 2.80 —
    　　注：“—”表示没有相关数据. “—” indicates no relevant data.
    项目Parameter 武当山Mt.Wudang 泰山[12]Mt.Tai 庐山[13]Mt.Lu 贡嘎山[14]Mt.Gongga
    高度/mAltitude 862 1534 1165 1600
    K 477.84±113.33 145.95 — 498.20
    Na 398.47±81.17 340.25 — 211.50
    Fe 305.53±104.41 152.07 330.40 224.00
    Ca 215.52±82.32 355.48 — 372.80
    Al 174.10±125.68 50.65 369.10 295.80
    Mg 84.83±43.94 53.31 — 167.80
    Zn 27.57±13.07 42.16 274.30 154.60
    Pb 15.20±7.76 17.36 65.40 39.40
    Mn 7.04±3.25 6.15 24.70 —
    Cu 4.27±1.31 3.22 13.20 2.20
    Ba 3.71±1.85 6.26 66.00 6.00
    Cr 2.78±1.13 1.62 18.20 —
    As 1.72±0.73 1.63 22.30 4.30
    Se 1.47±0.69 1.20 7.60 —
    V 1.40±0.46 0.50 — 0.70
    Ni 1.30±0.57 11.17 — 0.90
    Mo 0.57±0.27 — — —
    Cd 0.48±0.19 0.34 2.80 —
    　　注：“—”表示没有相关数据. “—” indicates no relevant data.
    下载: 导出CSV

    表 5  PM2.5中元素PCA-MLR结果

    Table 5.  Results of PCA-MLR of elements in PM2.5

    元素Elements F1 F2 F3
    Na 0.694 0.110 -0.402
    Mg 0.977 0.039 -0.080
    Al 0.981 -0.059 -0.030
    K 0.73 -0.047 0.418
    Ca 0.935 0.120 0.025
    Mn 0.803 0.434 0.340
    Fe 0.813 0.325 0.135
    Ba 0.893 0.183 0.189
    V 0.626 0.374 0.332
    Mo 0.575 0.494 0.169
    Cr 0.136 0.815 0.094
    Ni 0.098 0.889 0.029
    Cu 0.192 0.778 0.478
    Zn 0.182 0.770 0.424
    Se 0.035 0.596 0.525
    As 0.067 0.425 0.780
    Cd 0.107 0.167 0.931
    Pb 0.074 0.202 0.914
    方差贡献率/%Variance contribution rate 48.43 22.68 8.96
    来源Sources 地壳Crustal sources 工业源Industrial production 燃煤和机动车Coal burning and motor vehicles
    污染源贡献率/%Contribution rate of pollution sources 19.91 22.52 57.57
    　　注：表中黑体字为影响较大的因子载荷（>0.60）. Bold letters in the table for influential factor loading（>0.60）.
    元素Elements F1 F2 F3
    Na 0.694 0.110 -0.402
    Mg 0.977 0.039 -0.080
    Al 0.981 -0.059 -0.030
    K 0.73 -0.047 0.418
    Ca 0.935 0.120 0.025
    Mn 0.803 0.434 0.340
    Fe 0.813 0.325 0.135
    Ba 0.893 0.183 0.189
    V 0.626 0.374 0.332
    Mo 0.575 0.494 0.169
    Cr 0.136 0.815 0.094
    Ni 0.098 0.889 0.029
    Cu 0.192 0.778 0.478
    Zn 0.182 0.770 0.424
    Se 0.035 0.596 0.525
    As 0.067 0.425 0.780
    Cd 0.107 0.167 0.931
    Pb 0.074 0.202 0.914
    方差贡献率/%Variance contribution rate 48.43 22.68 8.96
    来源Sources 地壳Crustal sources 工业源Industrial production 燃煤和机动车Coal burning and motor vehicles
    污染源贡献率/%Contribution rate of pollution sources 19.91 22.52 57.57
    　　注：表中黑体字为影响较大的因子载荷（>0.60）. Bold letters in the table for influential factor loading（>0.60）.
    下载: 导出CSV
  • [1] WANG W J, CHEN C, LIU D, et al. Health risk assessment of PM2.5 heavy metals in County units of Northern China based on Monte Carlo simulation and APCS-MLR[J]. Science of the Total Environment, 2022, 843: 156777. doi: 10.1016/j.scitotenv.2022.156777
    [2] 陈衍婷, 杜文娇, 陈进生, 等. 海西城市群PM2.5中重金属元素的污染特征及健康风险评价[J]. 环境科学, 2017, 38(2): 429-437.

    CHEN Y T, DU W J, CHEN J S, et al. Pollution characteristics of heavy metals in PM2.5 and their human health risks among the coastal city group along western Taiwan Straits region, China[J]. Environmental Science, 2017, 38(2): 429-437(in Chinese).

    [3] KONG L W, TAN Q W, FENG M, et al. Investigating the characteristics and source analyses of PM2.5 seasonal variations in Chengdu, Southwest China[J]. Chemosphere, 2020, 243: 125267. doi: 10.1016/j.chemosphere.2019.125267
    [4] FENG J L, YU H, MI K, et al. One year study of PM2.5 in Xinxiang City, North China: Seasonal characteristics, climate impact and source[J]. Ecotoxicology and Environmental Safety, 2018, 154: 75-83. doi: 10.1016/j.ecoenv.2018.01.048
    [5] COPAT C, CRISTALDI A, FIORE M, et al. The role of air pollution (PM and NO2) in COVID-19 spread and lethality: A systematic review[J]. Environmental Research, 2020, 191: 110129. doi: 10.1016/j.envres.2020.110129
    [6] 雷文凯, 李杏茹, 张兰, 等. 保定地区PM2.5中重金属元素的污染特征及健康风险评价[J]. 环境科学, 2021, 42(1): 38-44.

    LEI W K, LI X R, ZHANG L, et al. Pollution characteristics and health risk assessment of heavy metals in PM2.5 collected in Baoding[J]. Environmental Science, 2021, 42(1): 38-44(in Chinese).

    [7] 庞晓晨, 韩新宇, 史建武, 等. 昭通市周边扬尘重金属污染特征及健康风险[J]. 环境科学, 2022, 43(1): 180-188. doi: 10.13227/j.hjkx.202106018

    PANG X C, HAN X Y, SHI J W, et al. Pollution characteristics and health risk of heavy metals in fugitive dust around Zhaotong City[J]. Environmental Science, 2022, 43(1): 180-188(in Chinese). doi: 10.13227/j.hjkx.202106018

    [8] 徐静, 李杏茹, 张兰, 等. 北京城郊PM2.5中金属元素的污染特征及潜在生态风险评价[J]. 环境科学, 2019, 40(6): 2501-2509.

    XU J, LI X R, ZHANG L, et al. Concentration and ecological risk assessment of heavy metals in PM2.5 collected in urban and suburban areas of Beijing[J]. Environmental Science, 2019, 40(6): 2501-2509(in Chinese).

    [9] 何瑞东, 张轶舜, 陈永阳, 等. 郑州市某生活区大气PM2.5中重金属污染特征及生态、健康风险评估[J]. 环境科学, 2019, 40(11): 4774-4782.

    HE R D, ZHANG Y S, CHEN Y Y, et al. Heavy metal pollution characteristics and ecological and health risk assessment of atmospheric PM2.5 in a living area of Zhengzhou City[J]. Environmental Science, 2019, 40(11): 4774-4782(in Chinese).

    [10] WU Z H, LIU F W, FAN W H. Characteristics of PM10 and PM2.5 at mount Wutai Buddhism scenic spot, Shanxi, China[J]. Atmosphere, 2015, 6(8): 1195-1210. doi: 10.3390/atmos6081195
    [11] ZHANG X, ETO Y, AIKAWA M. Risk assessment and management of PM2.5-bound heavy metals in the urban area of Kitakyushu, Japan[J]. Science of the Total Environment, 2021, 795: 148748. doi: 10.1016/j.scitotenv.2021.148748
    [12] QIE G H, WANG Y, WU C, et al. Distribution and sources of particulate mercury and other trace elements in PM2.5 and PM10 atop Mount Tai, China[J]. Journal of Environmental Management, 2018, 215: 195-205.
    [13] LI T, WANG Y, LI W J, et al. Concentrations and solubility of trace elements in fine particles at a mountain site, Southern China: Regional sources and cloud processing[J]. Atmospheric Chemistry and Physics, 2015, 15(15): 8987-9002. doi: 10.5194/acp-15-8987-2015
    [14] YANG Y J, WANG Y S, WEN T X, et al. Elemental composition of PM2.5 and PM10 at mount Gongga in China during 2006[J]. Atmospheric Research, 2009, 93(4): 801-810. doi: 10.1016/j.atmosres.2009.03.014
    [15] ZHANG N N, CAO J J, LIU S X, et al. Chemical composition and sources of PM2.5 and TSP collected at Qinghai Lake during summertime[J]. Atmospheric Research, 2014, 138: 213-222. doi: 10.1016/j.atmosres.2013.11.016
    [16] 苏彬彬, 刘心东, 陶俊. 华东区域高山背景点PM10和PM2.5背景值及污染特征[J]. 环境科学, 2013, 34(2): 455-461.

    SU B B, LIU X D, TAO J. Characteristics of PM10 and PM2.5 concentrations in mountain background region of East China[J]. Environmental Science, 2013, 34(2): 455-461(in Chinese).

    [17] 魏雅, 林长城, 胡清华, 等. 福建九仙山大气PM10及部分化学组成的季节变化[J]. 环境科学, 2017, 38(10): 4077-4083.

    WEI Y, LIN C C, HU Q H, et al. Seasonal variations in PM10 and associated chemical species in Jiuxian Mountain in Fujian Province[J]. Environmental Science, 2017, 38(10): 4077-4083(in Chinese).

    [18] LI Y F, GAO R, XUE L K, et al. Ambient volatile organic compounds at Wudang Mountain in Central China: Characteristics, sources and implications to ozone formation[J]. Atmospheric Research, 2020, 250: 105359.
    [19] HJ657—2013空气和废气颗粒物中金属元素的测定电感耦合等离子体质谱法[S].

    HJ657—2013 Ambient air and stationary source emission - Determination of metals in ambient particulate matter - Inductively coupled plasma/mass spectrometry (ICP-MS) (in Chinese).

    [20] 魏复盛, 陈静生, 吴燕玉. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990.

    WEI F S, CHEN J S, WU Y Y. China's soil element background value[M]. Beijing: China Environment Science Press, 1990(in Chinese).

    [21] 刘威杰, 石明明, 程铖, 等. 夏季大气PM2.5中元素特征及源解析: 以华中地区平顶山-随州-武汉为例[J]. 环境科学, 2020, 41(1): 23-30.

    LIU W J, SHI M M, CHENG C, et al. Characteristics and sources of elements in PM2.5 during summer for three typical cities in Pingdingshan-Suizhou-Wuhan, central China[J]. Environmental Science, 2020, 41(1): 23-30(in Chinese).

    [22] MEN C, LIU R M, XU L B, et al. Source-specific ecological risk analysis and critical source identification of heavy metals in road dust in Beijing, China[J]. Journal of Hazardous Materials, 2020, 388: 121763. doi: 10.1016/j.jhazmat.2019.121763
    [23] DAHMARDEH BEHROOZ R, KASKAOUTIS D G, GRIVAS G, et al. Human health risk assessment for toxic elements in the extreme ambient dust conditions observed in Sistan, Iran[J]. Chemosphere, 2020, 262: 127835.
    [24] 国家卫生健康委员会. 大气污染人群健康风险评估技术规范: WS/T 666—2019[S]. 北京: 中国标准出版社, 2019.

    National Health Commission of the People’s Republic of China. Technical specifications for health risk assessment of ambient air pollution: WS/T 666—2019[S]. Beijing: Standards Press of China, 2019(in Chinese).

    [25] 李星谕, 毛瑶, 陈展乐, 等. 华中地区冬季灰霾天气下PM2.5中重金属污染特征及健康风险评价: 以湖北黄冈为例[J]. 环境科学, 2021, 42(10): 4593-4601.

    LI X Y, MAO Y, CHEN Z L, et al. Characteristics and health risk assessment of heavy metals in PM2.5 under winter haze conditions in central China: A case study of Huanggang, Hubei Province[J]. Environmental Science, 2021, 42(10): 4593-4601(in Chinese).

    [26] 樊曙先, 樊建凌, 郑有飞, 等. 南京市区与郊区大气PM2.5中元素含量的对比分析[J]. 中国环境科学, 2005, 25(2): 146-150. doi: 10.3321/j.issn:1000-6923.2005.02.005

    FAN S X, FAN J L, ZHENG Y F, et al. Compared analysis of element content in atmospheric PM2.5 in Nanjing urban and suburban area[J]. China Environmental Science, 2005, 25(2): 146-150(in Chinese). doi: 10.3321/j.issn:1000-6923.2005.02.005

    [27] LAI S C, ZOU S C, CAO J J, et al. Characterizing ionic species in PM2.5 and PM10 in four Pearl River Delta cities, South China[J]. Journal of Environmental Sciences (China), 2007, 19(8): 939-947. doi: 10.1016/S1001-0742(07)60155-7
    [28] DENG C, ZHUANG G, HUANG K, et al. Chemical characterization of aerosols at the summit of mountain Tai in central East China[J]. Atmospheric Chemistry and Physics, 2011, 11(14): 7319-7332. doi: 10.5194/acp-11-7319-2011
    [29] LI L, WANG W, FENG J L, et al. Composition, source, mass closure of PM2.5 aerosols for four forests in Eastern China[J]. Journal of Environmental Sciences, 2010, 22(3): 405-412. doi: 10.1016/S1001-0742(09)60122-4
    [30] NIU Z C, WANG S, CHEN J S, et al. Source contributions to carbonaceous species in PM2.5 and their uncertainty analysis at typical urban, peri-urban and background sites in southeast China[J]. Environmental Pollution, 2013, 181: 107-114. doi: 10.1016/j.envpol.2013.06.006
    [31] 樊馨瑶, 卢新卫, 刘慧敏, 等. 西安市高校校园地表灰尘重金属污染来源解析[J]. 环境科学, 2020, 41(8): 3556-3562. doi: 10.13227/j.hjkx.201912041

    FAN X Y, LU X W, LIU H M, et al. Pollution and source analysis of heavy metal in surface dust from Xi'an university campuses[J]. Environmental Science, 2020, 41(8): 3556-3562(in Chinese). doi: 10.13227/j.hjkx.201912041

    [32] 肖凯, 任学昌, 陈仁华, 等. 典型西北钢铁城市冬季大气颗粒物重金属来源解析及健康风险评价: 以嘉峪关为例[J]. 环境化学, 2022, 41(5): 1649-1660. doi: 10.7524/j.issn.0254-6108.2021010704

    XIAO K, REN X C, CHEN R H, et al. Source analysis and health risk assessment of heavy metals in air particulates of typical northwest steel cities in winter: A case study in Jiayuguan[J]. Environmental Chemistry, 2022, 41(5): 1649-1660(in Chinese). doi: 10.7524/j.issn.0254-6108.2021010704

    [33] WANG S, CAI L M, WEN H H, et al. Spatial distribution and source apportionment of heavy metals in soil from a typical County-level City of Guangdong Province, China[J]. Science of the Total Environment, 2019, 655: 92-101. doi: 10.1016/j.scitotenv.2018.11.244
    [34] 陈江, 费勇, 马鑫雨, 等. 燃煤与垃圾焚烧飞灰中细颗粒物PM2.5的重金属元素风险评价[J]. 中国粉体技术, 2016, 22(2): 104-107.

    CHEN J, FEI Y, MA X Y, et al. Risk assessment on heavy metal elements of fine particulate matter PM2.5 in fly ash origin from coal and waste incineration[J]. China Powder Science and Technology, 2016, 22(2): 104-107(in Chinese).

    [35] 胡月琪, 郭建辉, 张超, 等. 北京市道路扬尘重金属污染特征及潜在生态风险[J]. 环境科学, 2019, 40(9): 3924-3934. doi: 10.13227/j.hjkx.201903094

    HU Y Q, GUO J H, ZHANG C, et al. Pollution characteristics and potential ecological risks of heavy metals in road dust in Beijing[J]. Environmental Science, 2019, 40(9): 3924-3934(in Chinese). doi: 10.13227/j.hjkx.201903094

    [36] 王珍, 郭军, 陈卓. 贵阳市PM2.5主要污染源源成分谱分析[J]. 安全与环境学报, 2016, 16(2): 346-351.

    WANG Z, GUO J, CHEN Z. Analysis of the source componential spectrum of PM2.5 emission in Guiyang[J]. Journal of Safety and Environment, 2016, 16(2): 346-351(in Chinese).

    [37] YANG Z P, LU W X, LONG Y Q, et al. Assessment of heavy metals contamination in urban topsoil from Changchun City, China[J]. Journal of Geochemical Exploration, 2011, 108(1): 27-38. doi: 10.1016/j.gexplo.2010.09.006
    [38] XU L L, YU Y K, YU J S, et al. Spatial distribution and sources identification of elements in PM2.5 among the coastal city group in the Western Taiwan Strait region, China[J]. Science of the Total Environment, 2013, 442: 77-85. doi: 10.1016/j.scitotenv.2012.10.045
    [39] CHEN P F, BI X H, ZHANG J Q, et al. Assessment of heavy metal pollution characteristics and human health risk of exposure to ambient PM2.5 in Tianjin, China[J]. Particuology, 2015, 20: 104-109. doi: 10.1016/j.partic.2014.04.020
    [40] ZHANG N N, CAO J J, XU H M, et al. Elemental compositions of PM2.5 and TSP in Lijiang, southeastern edge of Tibetan Plateau during pre-monsoon period[J]. Particuology, 2013, 11(1): 63-69. doi: 10.1016/j.partic.2012.08.002
    [41] 王申博, 余飞, 燕启社, 等. 典型背景区大气颗粒物中元素粒径分布特征[J]. 环境科学与技术, 2017, 40(6): 133-140.

    WANG S B, YU F, YAN Q S, et al. Size distributions of elements in atmospheric particulates of the typical background region[J]. Environmental Science and Technology, 2017, 40(6): 133-140(in Chinese).

    [42] SONG Y, XIE S D, ZHANG Y H, et al. Source apportionment of PM2.5 in Beijing using principal component analysis/absolute principal component scores and UNMIX[J]. Science of the Total Environment, 2006, 372(1): 278-286. doi: 10.1016/j.scitotenv.2006.08.041
    [43] ZHANG K, CHAI F H, ZHENG Z L, et al. Size distribution and source of heavy metals in particulate matter on the lead and zinc smelting affected area[J]. Journal of Environmental Sciences, 2018, 71: 188-196. doi: 10.1016/j.jes.2018.04.018
    [44] 王士宝, 姬亚芹, 李树立, 等. 天津市春季道路降尘PM2.5和PM10中的元素特征[J]. 环境科学, 2018, 39(3): 990-996.

    WANG S B, JI Y Q, LI S L, et al. Characteristics of elements in PM2.5 and PM10 in road dust fall during spring in Tianjin[J]. Environmental Science, 2018, 39(3): 990-996(in Chinese).

    [45] 虎彩娇, 成海容, 李锦伦, 等. 黄石市大气PM10和PM2.5中元素特征及重金属生态风险评价[J]. 环境化学, 2018, 37(1): 138-145. doi: 10.7524/j.issn.0254-6108.2017053106

    HU C J, CHENG H R, LI J L, et al. Characteristics of elements and ecological risk assessment of heavy metals in PM10 and PM2.5 in Huangshi[J]. Environmental Chemistry, 2018, 37(1): 138-145(in Chinese). doi: 10.7524/j.issn.0254-6108.2017053106

    [46] 周安琪, 刘建伟, 周旭, 等. 北京大气PM2.5载带金属浓度、来源及健康风险的城郊差异[J]. 环境科学, 2021, 42(6): 2595-2603.

    ZHOU A Q, LIU J W, ZHOU X, et al. Concentrations, sources, and health risks of PM2.5 carrier metals in the Beijing urban area and suburbs[J]. Environmental Science, 2021, 42(6): 2595-2603(in Chinese).

    [47] SAH D, VERMA P K, KANDIKONDA M K, et al. Pollution characteristics, human health risk through multiple exposure pathways, and source apportionment of heavy metals in PM10 at Indo-Gangetic site[J]. Urban Climate, 2019, 27: 149-162. doi: 10.1016/j.uclim.2018.11.010
    [48] 邢琼予, 戴启立, 毕晓辉, 等. 我国中西部典型城市PM2.5中痕量金属的时空分布特征和健康影响[J]. 中国环境科学, 2019, 39(2): 574-582. doi: 10.3969/j.issn.1000-6923.2019.02.016

    XING Q Y, DAI Q L, BI X H, et al. Temporal-spatial variation and health effects of trace metals in PM2.5 in four central-western cities of China[J]. China Environmental Science, 2019, 39(2): 574-582(in Chinese). doi: 10.3969/j.issn.1000-6923.2019.02.016

  • 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: 84.1 %HTML全文: 84.1 %摘要: 12.1 %摘要: 12.1 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 95.7 %其他: 95.7 %XX: 3.4 %XX: 3.4 %北京: 0.2 %北京: 0.2 %哈尔滨: 0.1 %哈尔滨: 0.1 %张家口: 0.1 %张家口: 0.1 %成都: 0.1 %成都: 0.1 %深圳: 0.1 %深圳: 0.1 %荆州: 0.1 %荆州: 0.1 %阳泉: 0.1 %阳泉: 0.1 %其他XX北京哈尔滨张家口成都深圳荆州阳泉Highcharts.com
WeChat 点击查看大图
图( 3) 表( 5)
计量
  • 文章访问数:  1089
  • HTML全文浏览数:  1089
  • PDF下载数:  31
  • 施引文献:  0
出版历程
  • 收稿日期:  2022-10-20
  • 录用日期:  2023-07-26
  • 刊出日期:  2024-05-27
赵明升, 韩志勇, 任丽红, 李刚, 杨小阳, 赵刚, 韩慧霞, 杜虹萱, 高元官, 徐义生. 高山地区夏季大气PM2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例[J]. 环境化学, 2024, 43(5): 1573-1584. doi: 10.7524/j.issn.0254-6108.2022102006
引用本文: 赵明升, 韩志勇, 任丽红, 李刚, 杨小阳, 赵刚, 韩慧霞, 杜虹萱, 高元官, 徐义生. 高山地区夏季大气PM2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例[J]. 环境化学, 2024, 43(5): 1573-1584. doi: 10.7524/j.issn.0254-6108.2022102006
shu
ZHAO Mingsheng, HAN Zhiyong, REN Lihong, LI Gang, YANG Xiaoyang, ZHAO Gang, HAN Huixia, DU Hongxuan, GAO Yuanguan, XU Yisheng. Pollution characteristics, ecological risk and health risk assessment of PM2.5 -bound elemental species at mountain site in summer: A case study of Mt.Wudang[J]. Environmental Chemistry, 2024, 43(5): 1573-1584. doi: 10.7524/j.issn.0254-6108.2022102006
Citation: ZHAO Mingsheng, HAN Zhiyong, REN Lihong, LI Gang, YANG Xiaoyang, ZHAO Gang, HAN Huixia, DU Hongxuan, GAO Yuanguan, XU Yisheng. Pollution characteristics, ecological risk and health risk assessment of PM2.5 -bound elemental species at mountain site in summer: A case study of Mt.Wudang[J]. Environmental Chemistry, 2024, 43(5): 1573-1584. doi: 10.7524/j.issn.0254-6108.2022102006
shu

高山地区夏季大气PM2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例

    通讯作者: E-mail：renlh@craes.org.cn; 
  • 1. 中国环境科学研究院环境基准与风险评估国家重点实验室，北京，100012
  • 2. 兰州理工大学石油化工学院，兰州，730050
  • 3. 华北理工大学矿业工程学院，唐山，063210
  • 收稿日期:  2022-10-20
  • 录用日期:  2023-07-26
  • 网络出版日期:  2024-05-23
基金项目:
国家自然科学基金 ( 41705136, 41375133)和中央级公益性科研院所基本科研业务专项(JY-41375133, 2019YSKY-025)资助.

摘要: 为了解华中高山地区夏季大气PM2.5中元素的污染特征，于2018年6月在湖北省十堰市武当山国家空气质量监测站采集PM2.5样品，利用电感耦合等离子体质谱仪（ICP-MS）测定样品中18种元素（Na、K、Ca、Mg、Al、Fe、V、Cr、Mo、Cu、Zn、Mn、Ni、As、Se、Cd、Ba和Pb）的浓度，并探讨了其来源、生态风险和健康风险. 结果表明，武当山PM2.5的日均浓度范围为5.00—33.65 μg·m-3，平均浓度为(16.84±7.07) μg·m-3；元素K、Na、Fe、Ca、Al、Mg和Zn的浓度较高，7种元素占所分析元素的97.68%以上；富集因子结果表明，Mo、Zn、Pb、Cd和Se的EF值高于100，可能受周边人为活动排放污染物的区域或长距离传输影响；主成分-多元线性回归（PCA-MLR）结果表明，PM2.5中元素主要来自于燃煤和机动车(57.57%)、工业源(22.52%)和地壳(19.91%)；武当山PM2.5重金属的生态风险指数极高，其中Cd、Se和Mo的潜在生态危害程度极强；健康风险评估显示，综合非致癌风险（HI）在儿童和成人中分别为2.28×10-2和3.04×10-2，均在可接受水平内，综合致癌风险（CRT）在儿童和成人中分别为4.45×10-7和2.37×10-6，说明成人存在潜在的致癌风险；Cr在成人中的致癌风险为1.88×10-6，说明Cr在成人中存在潜在的致癌风险，同种金属对人体的非致癌风险和致癌风险均表现为成人>儿童.

English Abstract

    全文HTML

  • PM2.5 （空气动力当量直径小于或等于2.5 μm的颗粒物）是发生雾霾事件的主要原因[1 − 2]，是各种潜在污染源如汽车尾气、工业生产和煤炭燃烧等排放污染物的混合物[3 − 4]. PM2.5不仅影响大气能见度[2]，而且严重威胁到人类的健康，长期暴露于细颗粒物污染会增加呼吸道、心血管和肾脏疾病的风险[1,5]，尤其是PM2.5中具有病理学和毒性的重金属元素，如Cr、As、Cd和Ni等对人体具有一定的致癌作用[6]，过度积累会导致人体出现一系列疾病[7 − 8]. 随着经济的快速发展，中国的空气污染，特别是城市区域的空气污染，已经成为严重的环境问题[7 − 9]，而且城区人为污染源（如机动车排放和化石燃料的燃烧）排放的污染物可通过区域或长距离传输对背景或高山地区的PM2.5产生影响[10].

    近年来，国内外对PM2.5中元素的污染特征、生态风险和健康风险进行了大量研究[6,9,11]，大多集中在人口密集的城市. 雷文凯等[6]研究了保定市PM2.5中重金属元素的健康风险，其中As和Cr存在致癌风险，且成人明显高于儿童. 何瑞东等[9]评价了郑州市大气PM2.5中重金属元素的生态风险和健康风险，Cd元素不仅生态风险极强，而且还存在致癌风险. Zhang等[11]对日本北九州PM2.5中重金属进行了生态风险和健康风险评估，Se是生态风险贡献最高的重金属，As既存在非致癌风险又有致癌风险. 国内在高山和背景地区的研究大多集中在PM2.5的质量浓度、化学特征和来源分析[12 − 14]. Zhang等[15]在夏季对中国青藏高原东北部青海湖景区PM2.5的研究，确定了其化学成分和主要来源. 苏彬彬等[16]研究结果显示武夷山夏季PM2.5浓度最低（15 μg·m−3），春季最高（31 μg·m−3）. Qie等[12]在泰山顶部对PM2.5中微量元素的来源解析表明，煤炭燃烧和机动车排放是微量元素的主要排放源. 目前，对高山地区PM2.5中重金属的研究较少，特别是针对重金属的生态风险和健康风险评估方面的研究相对较少.

    武当山位于湖北省西北部的十堰市，地处鄂、豫、渝、陕交界地带，属华中地区城市群区域大气本底，武当山海拔高度为1612 m，受到本地污染源的影响较小，主要受长距离输送或区域传输的影响，可以代表华中地区的大气污染的区域背景状况[16 − 18]. 本研究于2018年夏季在武当山开展PM2.5滤膜样品的采集和分析，采用富集因子法探讨18种金属元素（Na、K、Ca、Mg、Al、Fe、V、Cr、Mo、Cu、Zn、Mn、Ni、As、Se、Cd、Ba和Pb）的富集程度和污染水平，利用生态风险评估方法（NIRI）和美国环保署（EPA）开发的健康风险评价模型对武当山大气PM2.5中元素的潜在生态风险和呼吸吸入途径的健康风险做出评价. 通过研究武当山细颗粒物中有毒有害重金属对生态环境和人体健康的影响，可为研究华中地区大气重金属污染特征和健康影响提供科学参考，为华中地区大气重金属风险防控提供理论依据.

    • 1.   材料与方法（Materials and methods）

      1.1.   采样点位概况

    • 本研究采样点位于武当山山顶国家空气质量监测站（32°23'N，111°02'E，海拔高度862 m）. 武当山位于国家5A级景区武当山国家森林公园内. 采样点布设于屋顶2层，离地高度约6 m，站点周边视野开阔，多丘陵和山地，且森林覆盖率高，远离当地的重工业排放和其他人为污染源，能客观反映武当山高山背景区域的大气环境状况.

      • 1.2.   样品的采集和分析

    • 武当山高山采样点使用TH-16A型天虹四通道环境空气颗粒物智能采样器，采样滤膜为Teflon滤膜（直径为47 mm，Millipore，America），采样日期为2018年6月3日至2018年6月30日，采样时段为每日10:00至次日09:00，每日采样时长为23 h，共采集有效样品数28个.

      采样前后将滤膜放置在温度为（20±2.5）℃、相对湿度为50%±5%的恒温恒湿箱中平衡48 h，使用十万分之一分析天平（Sartorius，Germany）称量滤膜质量. 剪取1/2滤膜样品置于30 mL洗净的聚四氟乙烯消解罐中，加入消解溶液（0.2 mL HF、2 mL H2O2 和6 mL HNO3），常温预消解45 min，按照程序升温进行微波消解（低温升到120 ℃保持3 min，持续升温到170 ℃保持10 min，最后升到190 ℃保持50 min）. 将消解液移至PET瓶，超纯水定容到100 mL. 采用电感耦合等离子体质谱仪（ICP-MS，Agilent 7800，America）测定样品中18种元素（K、Ca、Na、Mg、Al、Fe、V、Cr、Mo、Cu、Zn、Mn、Ni、As、Se、Cd、Ba和Pb）的含量[19]. 每10个样品进行1个空白膜，平行样品和标准样品分析. 平行样品分析需保证相对误差小于20%，标准样品回收率控制在80%—120%之间，以减小误差对实验的影响.

      • 1.3.   数据分析方法

      1.3.1.   富集因子评价

    • 富集因子法是一种广泛用于研究PM2.5中元素的富集程度以及确定其来源是自然源还是人为源的方法[9,11]. 富集因子（EFi）的计算公式[11]为：

      式中，Ci为研究元素的实测浓度，Cref为参比元素的背景浓度，单位为μg·m−3；（Ci/Cref）PM2.5和（Ci/Cref）soil分别为PM2.5样品和土壤背景中研究元素与参比元素的比值；由于Al在PM2.5中普遍存在，性质比较稳定，且人为污染较小，故本研究以Al为参比元素. 土壤背景中各元素浓度采用中国环境土壤背景值中的湖北省A层土壤元素背景值[20].

      若元素EF值大于1000，说明这些元素为超富集水平，主要来自人为源；若元素EF值在100—1000之间，表明这些元素为高度富集，且主要来自人为源；若EF值在10—100之间，为中度富集水平，表明这些元素主要来自包括地壳源和人为源在内的混合源，且人为源是主要的污染源；若EF值小于10，为无富集或轻度富集，可认为该元素的来源是土壤或地壳源.

      • 1.3.2.   主成分-多元线性回归分析

    • 利用SPSS 26.0统计软件对PM2.5中的元素组成和来源进行主成分-多元线性回归（PCA-MLR）分析. 主成分分析是利用“降维”的方法，压缩变量维数，将多个变量线性变换，分析多个变量之间的关系，将几个密切的变量归为同一类，同一类变量为一个因子，达到用较少的几个因子反映大量原始数据信息的目的[21]. 多元线性回归的目的是在源识别的基础上，通过最小二乘法多元线性回归，进一步确定不同污染源的贡献率[2,21].

      • 1.3.3.   潜在生态风险评价

    • 综合风险指数（NIRI）是一种新的生态风险评价方法，该方法既考虑了重金属元素的毒性响应因子，又可灵活的应对重金属数量的变化[22]. 综合风险指数可以更准确地评价多种重金属的综合效应，并区分不同重金属的影响. NIRI的计算公式如下[22]：

      式中，Eir是重金属i的潜在生态风险因子；Tir是重金属i的毒性响应因子，元素Cd、Mo、Pb、As、Zn、Cu、V、Cr、Ni和Se的毒性响应因子[11]，分别为30、18、5、10、1、5、2、2、5和1；Ci为元素i的浓度或含量，Si为元素i在土壤背景中的浓度或含量，单位为μg·m−3或mg·kg−1；Ei2rmax和Ei2raverage分别是Eir的最大值和平均值. 潜在生态风险分类[8 − 9,22]如表1所示.

      • 1.3.4.   健康风险评价

    • 根据美国EPA开发的健康风险评估模型对PM2.5中重金属进行健康风险评估. 考虑到行为和呼吸系统的差异，将人群分为儿童和成人两组[11,23]. 重金属主要通过呼吸吸入、手口摄入和皮肤接触影响人体健康[9]，由于大气PM2.5颗粒物粒径较小，主要通过呼吸吸入进入人体，并对人体健康产生影响，故本文主要探究PM2.5中重金属以呼吸吸入途径对人体健康产生的非致癌风险（HQ）和致癌风险（CR）. 非致癌风险评估主要针对As、Cu、Zn、Pb、Cd、V、Ni、Cr、Mo和Se元素，其中，对As、Pb、Cd、Cr和Ni元素进行致癌风险评估. 健康风险评估中，Cr为六价铬，其浓度计算为总铬的七分之一[11,23].

      呼吸途径暴露量计算公式如下[11,24]：

      式中，EC为由呼吸吸入的接触浓度，μg·m−3；Cinh为重金属元素在颗粒物中的浓度，μg·m−3；公式中其他参数的含义和取值如表2所示[11].

      非致癌风险（HQ）和致癌风险（CR）的计算公式如下[11]：

      综合非致癌风险（HI）和综合致癌风险（CRT）的计算公式分别为：

      式中，RfCi和IUR分别为吸入参考浓度和吸入单位风险，参数取值如表3所示[11]. 当HQ>1或HI>1时，存在非致癌风险；而当HQ≤1和HI≤1时，无非致癌风险. 当CR（CRT）>10−4时，认为存在致癌风险；当10−6≤CR（CRT）≤10−4时，认为具有潜在致癌风险；当CR（CRT）<10−6时，认为不存在致癌风险[25].

    2.   结果与讨论（Results and discussion）

      2.1.   PM2.5及元素浓度水平特征

    • 采样期间，武当山PM2.5的日均浓度范围为5.00—33.65 μg·m−3，平均浓度为（16.84±7.07）μg·m−3，均低于我国《环境空气质量标准》（GB 3095—2012）中的一级标准（日均值35 μg·m−3）. 武当山浓度值远低于长江三角洲（南京122.50 μg·m−3，2003年）[26]和珠江三角洲区域主要城市（深圳47.10 μg·m−3，2002年；珠海31.00 μg·m−3，2002年）[27]，略低于海西城市群[2]（28.24 μg·m−3，2011年）. 与国内其它山区对比，武当山PM2.5的日均浓度远低于泰山[28]（123.10 μg·m−3，2006年）、庐山[13]（55.20 μg·m−3，2011年）、长白山[29]（38.80 μg·m−3，2007年）和鼎湖山（30.80 μg·m−3，2006），略高于九仙山[30]（14.41 μg·m−3，2011年），说明武当山PM2.5污染较小.

      表4列出了PM2.5中18种无机元素的浓度及其他高山地区研究结果. 武当山PM2.5中18种元素之和占PM2.5浓度的10.24%，说明无机元素是PM2.5的重要组成部分，其中，元素K、Na、Fe、Ca、Al、Mg和Zn的浓度较高，这7种元素占所分析元素的97.68%以上. PM2.5中地壳元素（K、Na、Fe、Ca、Al和Mg）的浓度范围为（1136.87—3196.06） ng·m−3，其浓度之和占无机元素质量分数的92.56%—98.15%，是PM2.5中微量元素的12.45—53.12倍，表明地壳元素才是主导元素. 微量元素（Zn、Pb、Mn、Cu、Ba、Cr、As、Se、V、Ni、Mo和Cd）的质量浓度较低，浓度范围为（24.95—134.13） ng·m−3，仅占无机元素质量分数的1.85%—7.44%，12种重金属在PM2.5中的浓度大小顺序为：Zn>Pb>Mn>Cu>Ba>Cr>As>Se>V>Ni>Mo>Cd，其中，Se、Cd、Pb、Zn和Mo分别为湖北省土壤背景值的316.84、167.25、33.81、19.58、19.81倍[20]. 结果与在海西城市群[2]和西安市[31]的研究结果基本一致，可以看出，山区和城区金属元素的浓度大小排序差别不大，但各元素的浓度和含量之间存在明显差异. 与国内其它山区（泰山[12]、庐山[13]、贡嘎山[14]）研究结果对比，武当山地壳元素浓度之和高于泰山和庐山，低于贡嘎山，其中K元素在武当山是贡献程度最高的地壳元素，这与贡嘎山的研究结果一致，可能受生物质燃烧远距离传输的影响. 武当山微量元素浓度之和低于泰山、庐山和贡嘎山，其中 Zn元素均为贡献程度最高的微量元素，其次为Pb元素（庐山除外），Zn来源复杂，汽车橡胶磨损[21]和工业金属冶炼[32]都可释放一定的Zn，而Pb是机动车尾气的重要标识物[2]，说明工业和机动车源的排放对PM2.5造成了一定的影响. 综上所述，武当山PM2.5中无机元素，如Se、Cd、Pb和Zn等元素不仅来自土壤扬尘和岩石风化等自然源，还可能受到周边人为排放等区域传输的影响.

      • 2.2.   富集因子

    • 图1给出了武当山PM2.5中18种元素的EF值，各个元素的富集因子各不相同，说明这些元素均不同程度的受人为源和自然源的影响. 其中Al、Ba、Fe、Mn、Mg和V的EF值小于10，为无富集或轻度富集水平，认为这些元素主要来源于地壳，由土壤或岩石风化进入大气中导致的[8]；K、Cr、Ni、Ca、Na、As和Cu的EF值在10—100之间，表现为中度富集，表明这些元素受一定的人为活动影响；Mo、Zn和Pb的EF值分别为172.52、179.68和312.02，均大于100为高度富集，受人为污染影响严重，其中Pb被认为是交通污染源的特征元素[33]，Zn的来源广泛，包括垃圾焚烧、燃煤燃烧、机动车尾气和工业冶金等[32,34 − 35]；Cd和Se的EF值分别为1551.09和3138.49，均大于1000为超富集水平，受强烈的人为污染影响，与胡月琪等[35] 的研究结果一致. As和Cd主要来源于燃煤活动[7]，而Se在煤矿石中的富集系数很高[21]，同时Se元素也是燃煤烟尘的特征元素[35,36].

      • 2.3.   PCA-MLR模型分析

    • 表5为武当山PM2.5中元素PCA-MLR模型分析结果. 从表5中可知，通过PCA模型可以提取出3个因子与PM2.5中无机元素的污染源关系密切. 3个主要因子的因子载荷累积方差贡献率为80.07%，能反映数据表中的绝大部分信息.

      主成分1中Na、Mg、Al、K、Ca、Mn、Fe、Ba和V载荷系数较高（>0.60），其中K、Na、Fe、Ca、Mn、Al和Mg为典型的地壳元素[37]，且Al、Ba、Fe、Mn、Mg和V的富集因子显示为无富集或轻度富集水平，V元素含量均值低于湖北省A层土壤背景值，说明受人为活动影响较小，因此，推断主成分1为地壳，贡献率为19.91%. 主成分2中载荷系数高于0.60的元素为Cr、Ni、Cu和Zn，富集因子显示Cr、Ni和Cu为中度富集，Zn为高度富集，Cr和Ni同时是有色金属冶炼的标识物[38]，Cu和Zn是工业排放的主要标识物[2,39]，主要来自工业金属冶炼[32,40]，虽然采样点区域不存在金属冶炼厂等工业排放源，但由于受远距离大气传输或区域传输的影响[9,41]，可能导致Cr、Ni、Cu和Zn的累积，因此把主成分2归类为工业源，贡献率为22.52%. 主成分3中As、Cd和Pb的载荷系数分别为0.780、0.931和0.914，其中As和Pb既是机动车尾气的重要标识物[2,42]，也是燃煤源的标识物[40,43]，且汽车内部的磨损也会释放一定量的Pb[21]，Cd 作为主要杂质存在于汽车轮胎和润滑油中[44]，采样点周边无明显人为污染源，说明区域传输对武当山大气的影响较大，因此主成分3认定为燃煤和机动车的混合源，贡献率为57.57%. 综上所述，武当山大气PM2.5中的无机元素主要受燃煤和机动车源以及工业源的影响.

      • 2.4.   潜在生态风险分析

    • PM2.5中的重金属会对周边的生态环境存在一定的风险[9]. 图2为武当山PM2.5中10种重金属的潜在风险指数评价结果和每个风险水平的统计百分比. PM2.5中10种重金属的潜在生态风险强度顺序为Cd>Mo>Se>Pb>As>Cu>Zn>Ni>Cr>V，其中Zn、Ni、Cr和V的潜在生态风险指数（Eir）均小于40，潜在生态危害程度比较轻，贡献程度忽略不计. Cu、As和Pb的Eir值分别为48、81和171，生态潜在危害程度分别为中度、较高和高风险，其中Pb具有43%的高风险和57%低风险，As具有43%的较高风险和57%的中等风险. 对于Se和Mo来说，Eir值分别为353和390，大于320，表明存在极高的潜在生态危害，该结果与日本北九州[11]的研究结果一致，其中Se和Mo分别具有50%和61%的极高风险，43%和39%的高风险. Cd的潜在生态风险指数（Eir）最高，为5437，远高于320，为100%的极高风险水平，说明Cd的潜在生态危害程度极强，这与北京（7977）[8]、黄石市（5962）[45]和郑州（70420）[9]的研究结果一致. 武当山潜在生态风险指数NIRI为3872，远远大于320，生态风险指数极强，应当引起重视.

      • 2.5.   健康风险评价

    • PM2.5中污染严重的重金属在对生态环境存在风险的同时，对人体也会造成一定的危害[32,41]. 图3为儿童和成人通过呼吸吸入暴露途径下的非致癌风险值（HQ）. 10种单因子重金属非致癌风险（HQ）顺序依次为：As>Cd>Ni>V>Pb>Cr>Mo>Cu>Zn>Se，单因子重金属HQ值均低于可接受水平（HQ=1），说明10种重金属均无非致癌风险；As的非致癌风险最高，但也在可接受水平内，该结果与北京[46]和日本北九州[11]的研究结果一致. 同种金属单因子对人体的非致癌风险（HQ）均表现为：成人>儿童，且综合非致癌风险（HI）在儿童和成人中也表现为成人高于儿童，该结果与成人户外暴露时长普遍高于儿童[2]，重金属在成人中的累积水平相对更高有关，且重金属在人体中与靶器官之间的敏感性也存在差异[11,47]. 综合非致癌风险（HI）在儿童和成人中分别为2.28×10−2和3.04×10−2，均在可接受水平内，说明武当山儿童和成人均无非致癌风险.

      图3中儿童和成人在呼吸吸入暴露途径下的致癌风险结果显示，单因子重金属致癌风险（CR）顺序依次为：Cr>As>Cd>Ni>Pb，其中，Cr元素致癌风险最高，与在嘉峪关市[32]、兰州、西安、洛阳和乌鲁木齐[48]的研究结果一致，Cr在成人中的致癌风险为1.88×10−6，存在潜在的致癌风险，在儿童中为3.52×10−7，无致癌风险. 同种金属对人体的致癌风险（CR）表现为：成人>儿童. 综合致癌风险（CRT）在儿童和成人中分别为4.45×10−7和2.37×10−6，成人高于儿童，且成人CRT值在10−6—10−4之间，成人存在潜在的致癌风险，儿童CRT值低于10−6，不存在致癌风险.

    3.   结论（Conclusion）

    • （1）2018年夏季武当山PM2.5的日均浓度范围为5.00—33.65 μg·m−3，18种元素之和占PM2.5浓度的10.24%，说明无机元素是PM2.5的重要组成部分，其中地壳元素（K、Na、Fe、Ca、Al和Mg）的平均浓度为（1136.87—3196.06）ng·m−3，占无机元素质量分数的92.56%—98.15%. 微量元素的浓度大小顺序为：Zn>Pb>Mn>Cu>Ba>Cr>As>Se>V>Ni>Mo>Cd，浓度范围为（24.95—134.13） ng·m−3，仅占无机元素质量分数的1.85%—7.44%.

      （2）富集因子表明，无机元素中Al、Ba、Fe、Mn、Mg和V为无富集或轻度富集水平，认为这些元素主要来源于地壳. K、Cr、Ni、Ca、Na、As和Cu表现为中度富集，表明这些元素受一定的人为活动影响. Mo、Zn和Pb的EF值分别为172.52、179.68和312.02，为高度富集，受人为污染影响严重. Cd和Se的EF值分别为1551.09和3138.49，为超富集水平，受强烈的人为污染影响.

      （3）主成分-多元线性回归（PCA-MLR）解析出PM2.5中18种无机元素主要有3种主要来源，即燃煤和机动车混合源、工业源和地壳，贡献率分别为57.57%、22.52%和19.91%.

      （4）武当山有毒金属元素的单因子生态风险排序为Cd>Mo>Se>Pb>As>Cu>Zn>Ni>Cr>V，Cd的潜在生态风险指数（Eir）最高，为5437，远高于320，说明Cd的潜在生态危害程度极强. 多元素生态风险指数NIRI为3872，远远大于320，说明武当山生态风险极强.

      （5）武当山有毒金属对人体的非致癌风险中，单因子重金属非致癌风险（HQ）顺序依次为：As>Cd>Ni>V>Pb>Cr>Mo>Cu>Zn>Se，10种重金属均无非致癌风险，综合非致癌风险（HI）在儿童和成人中分别为2.28×10−2和3.04×10−2，均在可接受水平内，说明武当山儿童和成人均无非致癌风险. 单因子重金属致癌风险（CR）顺序依次为：Cr>As>Cd>Ni>Pb，Cr在成人中的致癌风险为1.88×10−6，存在潜在的致癌风险，综合致癌风险（CRT）在儿童和成人中分别为4.45×10−7和2.37×10−6，说明成人存在潜在的致癌风险. 同种金属对人体的非致癌风险和致癌风险均表现为：成人>儿童.

    参考文献 (48)

返回顶部

目录

/

返回文章
返回

Copyright © 2019 中国科学院生态环境研究中心