-
我国土壤重金属污染形势严峻,矿区周边土壤污染事件频发[1-2]。李乔等[1]对新疆准东煤田周边农田土壤重金属研究发现,Cd和Hg污染风险较高,威胁农作物安全和人体健康。胡锋等[2]对新疆伊犁矿区土壤重金属Cd、Ni、Pb、Cr、Cu和Zn进行风险评价,结果显示Cu潜在生态危害程度最高。AOSTA等[3]对铅锌尾矿库周边土壤进行研究发现,Cd、Pb和Zn的迁移风险较高,对植物的危害较大。土壤重金属生态风险评估作为区域资源开发和污染控制策略指定的重要参考而受到国内外学者的广泛关注[4-5]。
传统土壤重金属生态风险评价的方法(单因子指数法、富集系数法、污染负荷指数法和内梅罗综合指数法等)可对区域土壤重金属污染情况进行初步评估[6]。但由于重金属活性、土壤理化性质和土壤背景值的显著差异,单一方法的评价结果存在很大的不确定性,难以充分反映区域土壤重金属污染的风险状况[7]。潜在生态风险指数法考虑到不同地区土壤的背景值,结合生态环境效应和毒理水平对生态危害进行评估,具有简单、精确且相对快捷的特点[8]。WANG等[9]应用潜在生态风险指数法对内蒙古某金矿区的某河段表层土壤重金属进行了风险评价;陈莹[10]应用潜在生态风险指数法对陕西西部矿区土壤重金属污染进行了风险评估。然而重金属的释放迁移轨迹与方向和其存在的化学形态有密切关系[11]。近年来,国外学者提出的风险评价编码法(RAC)可通过分析重金属形态分布特征来评价其对生态环境产生的风险[12],然而相关研究在国内还较薄弱。在欧共体改进的BCR法中,弱酸可溶态被确定为生物有效态,它和植物、生物中重金属含量间具有很强的相关性[13],可以反映重金属在土壤中的生物有效性。ZHANG等[14]研究发现铅锌矿区周围土壤Ni和Cu弱酸可溶态含量与玉米中的Ni和Cu含量呈显著相关(相关系数分别为0.75和0.62,P<0.01)。LIAO等[15]对广东省南部大宝山矿区进行研究发现,BCR法提取的土壤Zn和Cd弱酸可溶态含量与谷粒中Zn和Cd含量呈显著相关(相关系数分别为0.82和0.78,P<0.01),与芥菜中含量也呈显著相关(相关系数分别为0.87和0.69,P<0.01)。因此,在进行重金属生态风险评价时,对重金属化学形态的考虑就显得尤为重要。
鉴于针对生态环境脆弱地区矿冶区土壤重金属生物有效性和土壤理化性质以及生态风险关系的综合风险评价研究较少,因此,本研究以新疆某矿冶区为例,综合潜在风险指数法和RAC风险编码法,结合空间分析,对区域土壤重金属污染进行综合评估,并应用冗余(RDA)分析识别了影响风险水平的关键土壤因子,研究结果既可为当地主要污染物控制及资源可持续开发提供科学支撑,也可为其他地区土壤重金属污染风险评估提供参考。
-
研究区位于新疆西北部某矿冶区,地形为西北高、东南低,属于温带大陆性半干旱气候。研究区有河流流经,土地利用类型以草地为主。区域降水量少,风沙大,植被稀少(覆盖率低于30%),生态环境极为脆弱。矿冶区年可冶炼加工黄金2 t,生产硫酸3.5万t,产值达4.4亿元以上。矿冶区采用氯化挥发法提取黄金。频繁的矿业活动增加了区域环境重金属污染风险,已引起当地民众和政府部门的广泛关注。
-
根据研究区地貌特征和常年盛行风向,围绕矿冶区在东(E)、西(W)、南(S)、北(N)4个方向,共设置34个样点,样点位置见图1。应用矩形(10 m×10 m) 5点混合采样法,采集表层土壤(0~10 cm)。在矿冶区E、S、N 3个方向,采集10个土壤样品,编号为N1~N10、E1~E10和S1~S10;在矿冶区W方向,采集4个土壤样品(接近矿山),编号为W1~W4。
-
土壤样品经风干、研磨后,过2 mm筛,用于测定土壤pH和EC、有机质等基本土壤理化性质。土壤As采用王水(HCl-HNO3,3∶1)进行水浴消解[16];其余重金属采用四酸法(HCl-HF-HNO3-HClO4,10∶3∶3∶1)[17]进行消解;采用BCR法[18]对重金属的弱酸可溶态(F1)、可还原态(F2)、可氧化态(F3)和残渣态(F4)进行形态分析。采用ICP-OES (Prodigy7,Leemanlabs,USA)测定Mn和Cu含量;采用ICP-MS (NexION 300x,PerkinElmer,USA)测定土壤Zn、Cr、Ni、Co、Cd和Pb含量;采用AFS(AF-610B,北京瑞利)测定土壤As含量。在实验过程中,采用GBW07447(国家土壤标准物质)进行质量控制,测得标准回收率为85.3%~107.3%。
-
单因子污染指数法[19]计算方法见式(1)。
式中:Pi为重金属元素污染指数;Ci为重金属元素实测值,mg·kg−1;Si为重金属元素的评价标准值,mg·kg−1,本研究采用新疆土壤重金属背景值[20]。
-
潜在生态风险评价[21]计算方法见式(2)和式(3)。
式中:Eir为单项重金属潜在风险指数;
Tir 为重金属的生物毒性响应因子[22],反映了重金属在水相、固相和生物相之间的响应关系,Mn、Cu、Zn、Pb、Ni、Co、As和Cd的生物毒性响应因子分别为1、5、1、5、1、5、10和30;CiD 为重金属含量,mg·kg−1;CiR 为参照值,mg·kg−1,本研究采用新疆土壤重金属背景值[20]。式中:IRI为重金属综合潜在风险指数。根据Eir和IRI,可将重金属划分为低生态风险(Eir<40,IRI<150)、中等生态风险(Eir为40~80,IRI为150~300)、高生态风险(Eir为80~160,IRI为300~600)、较高生态风险(Eir为160~320)、极高生态风险(Eir>320,IRI>600)[23]。
-
RAC风险评价编码法[24]计算方法见式(4)。
式中:CF1为弱酸可溶态含量,mg·kg−1;CF2为可还原态含量,mg·kg−1;CF3为可氧化态含量,mg·kg−1;CF4为残渣态含量,mg·kg−1;FRAC为单一重金属弱酸可溶态占4种形态总和的百分比。根据RAC风险指数,将风险划分为无风险(FRAC<1)、低风险(FRAC为1~10)、中等风险(FRAC为10~30)、高风险(FRAC为30~50)以及极高风险(FRAC>50)[25]。
-
应用普通Kriging(ArcGIS 10.4)进行空间插值分析。采用SPSS19.0和R3.4.3对数据进行统计分析。使用SigmaPlot12.5作图。重金属弱酸可溶态含量数据经对数转换后,进行正态分布检验(Shapin-wilk检验,P<0.05)。
-
研究区土壤pH为7.64~8.91,EC为77.3~1 402 μS·cm−1,有机质为14.7~32.5 g·kg−1,这符合西北干旱区典型土壤基本特征[26]。研究区土壤重金属全量与弱酸可溶态含量统计分析结果如表1所示。土壤重金属As(1.7~1 730 mg·kg−1)和Cu(3.4~1 809 mg·kg−1)全量变幅较大,变异系数分别为114%和172%。研究区土壤As和Cu超标率分别为88%和38%;Zn与Cd在少数点位有超标现象,超标率分别为24%和6%,而Mn超出背景值的比例为49%。土壤Mn、As、Cu弱酸可溶态含量平均值较高,分别为8.94、4.51和3.95 mg·kg−1;土壤Cu、Pb、Zn、Co和As弱酸可溶态含量变异系数较大,分别为274%、208%、169%、137%和131%;单因子污染指数评价显示,As和Cu污染风险较高,其风险指数值分别为41.9和8.28;As(431)的潜在生态风险指数最大,其次为Cd(107)和Cu(42.6);而Mn的RAC风险指数最大,为22.1%,其次为As和Cd,分别为16.5%和13.1%。综上所述,研究区土壤As、Cu、Cd和Mn存在一定污染风险,As和Cu受人为活动影响,并存在显著累积现象。
-
应用ArcGIS空间分析模块绘制了土壤重金属弱酸可溶态含量空间分布图,结果如图2所示。研究区土壤重金属弱酸可溶态含量空间分布格局整体上较为类似,都是北边较低,南边接近矿冶区的部分区域较高,离矿冶区一定距离后由高向低转变。其中土壤Co、Cu和Ni弱酸可溶态含量高值区主要集中在接近矿冶区东南边的尾砂库区域,如图2(a)~(d)所示。土壤Pb弱酸可溶态含量高值区主要集中在矿冶区南边偏西的收砷房附近,如图2(h)所示。土壤Mn、Zn、As和Cd弱酸可溶态含量高值区主要集中在矿冶区南边偏西的收砷房和东南边的尾砂库区域附近,如图2(f)~(g)所示。
进一步分析土壤Mn、Cd、As和Cu重金属形态分布特征,结果如图3所示。弱酸可溶态所占比例从大到小依次为Mn>Cd>As>Cu(平均值)。在不同的方位,同一种金属的弱酸可溶态所占比例会有所不同,Mn在南边、Cu在东边、As在西边均出现较大比例分布,而Cd在不同区域相差较小。而重金属弱酸可溶态可以被生物直接吸收利用,对生物的危害较大[28]。因此,土壤Mn相对于Cd、As和Cu对生物的危害较大。可还原态在土壤环境中一般比较稳定,但随着pH和Eh等的改变,会被还原成弱酸可溶态,存在潜在对生物危害的风险[29]。土壤Mn、Cd、Cu和As可还原态所占比例与弱酸可溶态类似,而分布却不同;Mn可还原态比例在北边最高,As、Cd和Cu均在东边和西边最高,说明除Mn潜在毒性风险在北边较高外,其余3种重金属的潜在毒性风险均在东边和西边较高。可氧化态比例以As和Cu在南边最大,Mn和Cd相对较小。残渣态较为稳定,其中Cu在北边所占比例最大。李忠义等[30]的研究也发现土壤Cd、Zn和Cu等重金属弱酸可溶态在靠近尾砂库附近区域含量较高。由此可见,区域矿业活动对土壤重金属生物有效性存在显著影响。
-
单项重金属潜在生态风险指数评价结果如图4(a)所示。土壤As极高风险所占比例最大,为41%,中等风险比例为18%,而较高风险和高风险比例均未超过10%;Cu的中等生态风险与高生态风险所占比例分别为18%和6%,而较高生态风险和极高生态风险比例各占3%;Cd中等生态风险样点所占比例最大,为50%,高生态风险和较高生态风险所占比例分别为27%和18%,极高生态风险比例仅为3%;土壤Pb有1个样点处于中等风险水平,其余重金属元素均处于低生态风险水平。综合生态风险指数(RI)评价结果显示:研究区8种土壤重金属极高生态风险比例最大,约为41%;其次为低生态风险,所占比例为38%;中等生态风险和高生态风险比例分别为15%和6%。其中As、Cd和Cu对区域土壤重金属潜在生态风险水平贡献率显著高于其他元素。
RAC风险编码法评价结果如图4(b)所示。土壤Cu、Zn、Pb、Ni和Co所有样点RAC风险指数均小于10%,处于低风险或无风险水平。值得注意的是,土壤Mn有5个样点风险指数为30%~47%,处于高风险水平,27个样点风险指数为10%~30%,处于中等风险水平;土壤Cd有24个样点风险指数为10%~30%,处于中等风险水平;土壤As的RAC风险指数范围为2%~20%,平均值为7%,有7个样点处于中等风险水平。由此可知,As和Cu潜在毒性风险较高,而Cd和Mn存在一定的迁移风险,应重点关注该4种重金属污染状况。
-
应用RDA冗余分析法进一步探究了土壤pH和电导率(EC)对土壤重金属弱酸可溶态含量以及风险指数的影响,结果如图5所示。第1排序轴RDA1的贡献率达到65.1%(R2=0.69,P<0.01),8种重金属弱酸可溶态含量之间均呈现正相关关系,尤其是弱酸可溶态Co、Cu、Mn、Ni和弱酸可溶态Zn,以及弱酸可溶态As和弱酸可溶态Pb;弱酸可溶态Cd与弱酸可溶态Co、Mn、Ni等几种重金属弱酸可溶态含量无显著相关性,但弱酸可溶态As和Pb含量的相关性显著,此结果与方月梅等[31]关于矿区重金属生物有效性关系的研究结论较为类似。
土壤pH与8种重金属弱酸可溶态含量均呈现显著的负相关关系。而土壤电导率(EC)与8种重金属弱酸可溶态含量均无显著相关关系(
r=0.496)。样本点大致分为3类:第1类是与pH接近的样本点,这类样本大多采自矿区的北部,土壤pH高,而土壤重金属弱酸可溶态含量低;第2类聚集的样本点大多采自矿区的南面,土壤pH低,重金属弱酸可溶态含量却高;第3类聚集样本点大多采自矿区东部和西部,其土壤pH和土壤重金属生物有效性变化幅度较小。可见不同地理位置下土壤pH的差异与土壤重金属弱酸可溶态含量的变化显著相关,而不同地理位置土壤电导率(EC)的差异可以反映土壤重金属弱酸可溶态含量的变化。 潜在生态风险指数(RI)与土壤pH呈显著的负相关关系,另外As、Cu等8种弱酸可溶态含量总和与潜在生态风险指数和RAC风险指数均呈现显著的正相关关系。可见土壤pH的降低会显著提高土壤重金属弱酸可溶态含量,而土壤弱酸可溶态含量的升高会直接影响到对生物的危害程度,从而增加重金属污染物的生态风险[32-33]。综上所述,研究区土壤重金属弱酸可溶态含量是影响土壤重金属污染风险的直接因素,而土壤pH是影响土壤重金属污染风险的间接因素。
-
1)基于全量的单因子污染指数和潜在生态风险指数法评价结果显示,As和Cu污染严重,潜在生态风险较高;而基于生物有效性的RAC风险编码法评价结果显示,土壤Mn与Cd具有迁移风险,因此,应对研究区土壤As、Cu、Mn与Cd重点关注。
2)矿业活动对周边土壤重金属生物有效性存在显著影响。土壤Co、Cu和Ni弱酸可溶态高值区主要集中在接近矿冶区东南部的尾砂库区域;Pb弱酸可溶态含量高值区主要集中在接近矿冶区南部偏西的收砷房区域,而Mn、Zn、As和Cd高值区集中在尾砂库和收砷房的附近区域。
3)单因子污染指数、潜在生态风险指数、RAC风险指数,空间分析方法以及冗余分析方法的联合使用,有助于区域土壤重金属污染风险管控和科学决策。
新疆某矿冶区周边土壤重金属生物有效性与生态风险评价
Bioavailability and ecological risk assessment of heavy metals in soils around a mining area in Xinjiang, China
-
摘要: 矿业活动对土壤系统良性运转带来较大的环境负荷,矿区周边土壤重金属污染风险评估是土壤污染防治和资源可持续开发的关键。在应用单因子污染指数法、潜在生态风险指数法、风险评价编码法(RAC),并结合空间分析和冗余分析手段的基础上,对新疆某矿冶区周边土壤重金属生物有效性和生态风险进行了系统研究。结果表明:研究区土壤As、Cu、Mn和Cd超标率分别为88%、38%、49%和24%;土壤Mn、Zn、As和Cd弱酸可溶态高值区主要集中在尾砂库和收砷房的附近区域。单因子污染指数评价揭示As和Cu污染累积较为严重。潜在生态风险评价显示,As、Cd和Cu生态风险较高,Mn为低生态风险。风险编码法(RAC)评价结果进一步揭示Mn和Cd具有显著的土壤迁移风险。冗余分析结果显示,空间异质性是影响土壤重金属弱酸可溶态含量变异的主要因素。土壤pH和重金属弱酸可溶态是影响潜在生态风险指数(RI)的2个重要因素。综合风险评价手段与多尺度分析方法的联合应用有助于提高区域风险评价的准确性。Abstract: The mining activities bring heavy environmental loads on functions and structures of soil system. Ecological risk assessment is the prerequisite for pollution prevention and sustainable exploitation of resources. It provides a scientific basis for local government departments to carry out comprehensive management planning. Based on potential ecological and risk assessment code (RAC), redundancy and spatial analysis, and other methods, the bioavailability and ecological risk of soil heavy metals in a mining area in Xinjiang were visualized. The results showed that the exceeding standard rates of As, Cu, Mn and Cd in tested soil were 88%, 38%, 49% and 24%, respectively. The high-concentration zone for weak acid soluble fraction of Mn, Zn, As and Cd was mainly concentrated in the tailing dump and arsenic collection chamber area. The evaluation by single factor pollution index showed that the accumulation of As and Cu in local soil was serious. Potential ecological risk assessment indicated that As, Cd, Cu had high ecological risks, while all samples of Mn had low ecological risk. The results determined by risk assessment code (RAC) further presented the high potential transfer risk for Mn and Cd in soils. The redundancy analysis indicated that the spatial heterogeneity was the key reason leading to different weak acid soluble fraction of heavy metals in soils. Soil pH and weak acid soluble fraction are two major factors affecting the potential ecological risk index (RI) of heavy metals in soils. The combination of comprehensive risk assessment and multi-scale analysis could improve the accuracy of regional ecological risk assessment.
-
Key words:
- mining area /
- soils /
- heavy metal pollution /
- risk assessment code /
- bioavailability /
- ecological risk
-
已有研究[1-2]表明,生活污水中包含一定量的潜在致病微生物(大肠埃希氏菌、沙门氏菌、志贺氏菌等)。因此,在污水处理系统末端需增加消毒,处理达标之后方可排放。近2年,随着新冠疫情的全球肆虐,不同层面的生物安全问题受到了广泛关注。我国于2021年4月15日起全面实施《生物安全法》,标志着我国生物安全问题进入了依法治理的新阶段[3]。目前,我国现行城市污水生物处理过程中已全部覆盖消毒工艺。但是,对于卫生设施相对薄弱的农村地区,污水中潜在致病微生物的分布、相应污水处理设施的消毒效果等仍存在认识不清、运维不稳等问题,从而对农村地区居民身体健康及区域生态安全造成了极大的潜在风险。
截至2020年,全国共有约5.1亿农村人口,占全国总人口的36%,生活污水排放量很大,而目前针对已有农村污水处理设施的监测重点仍然为COD、NH3-N、TP等基础水质排放控制指标[4-5]。农村生活污水主要来源于厨房污水、生活洗涤污水和冲厕水等,其具有分散性强、水质水量变化大等特点;同时,我国农村区域相对城市而言,经济水平比较低。因此,成本低廉、高度集成、占地面积较小、施工工程量小、运行维护简便的小型化、装备化污水处理设施在农村地区得到广泛应用,净化槽即是其中一种[6-10]。基于其在单户或联用处理中的优势,目前净化槽已经在上海、江苏、云南、山东、黑龙江等地多数农村投入实际使用[11]。调研发现,目前市场上销售的净化槽在工艺单元是配有消毒设施的。但在实际运用中,由于消毒工艺投入成本高,投入的化学消毒试剂如次氯酸钠等在维护不当时可能会造成泄露而引起二次污染,因此,大部分农村地区一体化污水处理设备的消毒设施处于闲置状态,农村污水处理后,未经消毒就直接排放[10]。基于以上研究现状,本研究选取江苏省常熟市虞山街道(N 120°40′48″,E 31°40′48″)处理量为1 m3·d−1的一体化污水处理设施,解析不同工段潜在致病微生物的分布特征,为后续村镇小型污水处理设施运行过程中的健康风险评估研究提供参考。
1. 材料与方法
1.1 设备简介
本研究选择江苏省常熟市虞山街道(N 120°4′48″,E 31°40′48″)处理量为1 m3·d−1的一体化污水净化槽(HJA-10,江苏中车环保设备有限公司;长×宽×高=2 190 mm×1 120 mm×1 550 mm)进行研究。净化槽采用A/O处理工艺,主要由夹杂物去除槽-厌氧滤床槽-载体流动槽-沉淀槽-消毒槽处理单元组成(图1)。其中厌氧滤床槽采用PE滤料,载体流动槽即为加有曝气设施和圆球状填料的生物处理单元,消毒槽设定为添加三氯异氰尿酸消毒剂消毒。该村现有农户370多户,共计1 500余人,其中青年人(非假期外出务工、上学等)和老年人(长期在当地居住)的占比分别为60%和40%。净化槽主要收集处理村民家中排放的生活污水(厨房洗涤废水、洗漱用水、马桶废水等),实际运行时,槽中污水依次经过夹杂物去除槽、厌氧滤床槽、载体流动槽和沉淀槽,载体流动槽出水处设有回流管,向夹杂物去除槽回流。
1.2 样品采集
样品按照《水质采样技术指导》( HJ 494-2009 ) 和《水质采样样品的保存和管理技术规定》( HJ 493-2009 ) 要求[12-13],分别从净化槽进水口(A1)、夹杂物去除槽(A2)、厌氧滤床槽(A3)、载体流动槽(A4)、沉淀槽(A5)、出水口处(A6)、出水受纳水体(A7),各采集1 L水样。采样容器材质为聚乙烯,容器采样前均进行灭菌处理,以满足采样需要。水样分别采集于夹杂物去除槽液面下0.8 m,厌氧滤床槽、载体流动槽、沉淀槽液面下0.3 m。各处理单元所采样品分成2份:1份于4 ℃保存,用于理化指标测定;另1份存于−20 ℃,用于微生物多样性分析。
1.3 理化指标测定
采用重铬酸钾法(HJ 828-2017)测定COD值[14];采用纳氏试剂分光光度法(HJ 535-2009)测定NH3-N浓度[15];采用哈希法测定TN浓度;采用重量法(GB 11901-1989)测定SS浓度[16]。
1.4 16S rDNA高通量测序
利用引物338F(5'-ACTCCTACGGGAGGCAGCAG-3')和806R(5'-GGACTACHVGGGTWTCTAAT-3')对 16S rRNA基因V3~V4 可变区进行 PCR 扩增[17-18],产物纯化定量后通过Illumina Miseq平台进行测序。使用UPARSE软件,根据97%的相似度对序列进行聚类并剔除嵌合体,然后利用RDP classifier对每条序列进行物种分类注释,比对数据库,设置比对阈值为70%,最终生成操作分类单元(operational taxonomic unit,OTU) [19-21]。利用mothur进行微生物群落的α多样性分析,计算参数分别为Ace、Chao1、Shannon和Simpson指数。Ace和Chao1指数反映微生物种群丰度,其值越高表明微生物丰度越高;Shannon和Simpson指数反映微生物种群多样性,高Shannon指数和低Simpson指数代表高多样性,其数值受样品群落中丰度和物种均匀度的影响[22]。多样性指数根据式(1)~式(3)计算[23]。
SChao1=Sobs+n1(n1−1)2(n2+1) (1) 式中:SChao1表示估计的OTU数;Sobs表示实际测得OTU数;n1表示只含1条序列的OTU数;n2表示只含2条序列的OTU数。
DSimpson=Sobs∑i=1ni(ni−1)N(N−1) (2) 式中:Sobs表示实际测得OTU数;ni表示第i个OTU所含序列数;N表示所有序列数。
HShannon=−Sobs∑i=1niNlnniN (3) 式中:Sobs表示实际测得OTU数;ni表示第i个OTU所含序列数;N表示所有序列数。
2. 结果与讨论
2.1 一体化污水净化槽运行效果
对首次投入使用的一体化污水净化槽进行长期连续进出水水质监测,时间为200 d。结果如图2所示。运行期内,设备进水中COD值为27~537 mg·L−1,NH3-N和TN的质量浓度分别为13~174 mg·L−1和15~238 mg·L−1。50 d内,设备运行处于启动状态,COD去除效果较好, NH3-N和TN去除波动较大。随着设备的运行,在50 d后,其出水COD值稳定在(35.5±22.5) mg·L−1,NH3-N和TN的质量浓度稳定在(5±3) mg·L−1和(22±10) mg·L−1,表明该设备出水水质达到了《农村生活污水处理设施水污染物排放标准》(DB 32/ 3462-2020)[24]。
在装置运行约100 d后,考察不同工段污水中NH3-N、SS质量浓度和COD值的沿程变化,结果如图3所示。沿设备运行工段流程,NH3-N、SS质量浓度和COD值均呈逐步下降趋势,NH3-N在A2、A3、A4、A5、A6单元的去除率分别为55.42%、67.47%、70.48%、92.77%、93.98%;SS在A2、A3、A4、A5、A6单元的去除率分别为54.35%、82.61%、86.30%、96.09%、96.52%;COD在A2、A3、A4、A5、A6单元的去除率分别为13.50%、32.43%、54.46%、89.19%、94.59%。以上结果表明,该设备处于长期稳定运行状态,并且不同处理单元对污染物的去除率有所不同。
2.2 一体化污水净化槽各处理单元中微生物群落多样性
采用高通量测序分别对不同处理单元中样本进行了细菌多样性分析,其中Ace和Chao1指数用来表征不同处理单元微生物种群丰度,Shannon和Simpson指数用来表征微生物种群多样性,具体结果如表1所示。由表1可以看出,A3单元Chao1和Ace值最高,分别为2 404.32和2 396.72;Shannon指数最高、Simpson指数最低,分别为5.49和0.01。在该设备中,A3单元中细菌不仅丰度最高,而且多样性也是最高的。这可能与本设备中污水的流程有密切的关系,污水经夹杂物去除槽后,首先进入厌氧滤床槽。因此,该单元有机物更为丰富,异养微生物快速繁殖,从而导致该单元细菌种类及丰度均相对较高。这一结果与前人研究结果存在一定的差异。黄潇等[22]发现,当采用多级A/O工艺处理城市污水时,最高的Shannon和Simpson指数出现在第2好氧区,这可能与工艺流程和污水来源的差异有关。
表 1 不同处理单元微生物群落丰度和多样性Table 1. Microbial community abundance and diversity in different treatment units处理单元 Ace Chao1 覆盖率/% Shannon Simpson A1 1 252.21 1 025.01 99.30 2.25 0.26 A2 1 986.92 1 965.48 98.93 4.13 0.15 A3 2 396.72 2 404.32 98.75 5.49 0.01 A4 2 260.19 2 221.75 98.95 5.01 0.02 A5 1 910.35 1 841.82 99.16 4.92 0.02 A6 2 029.49 1 981.27 98.68 5.06 0.03 2.3 一体化污水净化槽各处理单元中的种群结构
进一步分析受纳水体和设备运行稳定状态下不同单元中细菌种群结构特征,其差异如图4所示。在门水平上,进水中Proteobacteria和Firmicutes是优势菌门,其相对丰度分别为56.21%和37.65%。随着污水流经各处理单元,这2个菌门虽然仍然处于优势地位,但其相对丰度却逐步下降。由图4可见,由A2到A5,Proteobacteria相对丰度分别为48.00%、45.33%、44.58%和41.47%。Proteobacteria在各单元中检测片段数基本不变,在A2~A5单元相对丰度降低是由于各单元其他菌门种类和丰度的增加。由A2到A5,Firmicutes相对丰度分别为15.04%、6.14%、5.21%和5.27%。A2单元Firmicutes相对丰度下降主要是由其门下Chryseomicrobium属相对丰度急降所导致;在A3~A5单元,Firmicutes所测片段数基本不变,其相对丰度变小是由各单元其他菌门种类和丰度的增加所导致。在出水中,检测到的细菌总片段变少,导致Proteobacteria相对丰度增高,此时Firmicutes门下梭菌纲丰度上升是导致Firmicutes相对丰度上升的主要原因,梭菌纲适合在氧气浓度相对较低的出水中繁殖。同时,图4中的结果也表明,进水中Bacteroidota相对丰度较低,为1.08%,但在各单元中Bacteroidota相对丰度呈现逐步升高趋势,尤其是在A4和A5单元,其相对丰度分别可达31.43%和37.42%,这与已有研究结果基本一致 [25-26]。Bacteroidota相对丰度变化主要由其门下Flavobacterium属相对丰度变化引起,Flavobacterium是一种好氧反硝化细菌,适合在含氮物质和氧气含量充足的环境中生存。 本研究中,净化槽消毒单元处于关闭状态,因此,出水中检出的细菌多样性也较高,Proteobacteria仍是优势菌门,其相对丰度为53.41%,Firmicutes、Bacteroidota、Patescibacteria、Actinobacteriota的相对丰度也分别达到了11.31%、11.73%、11.86%、4.68%。与净化槽出水相似,排水口处受纳水体中Proteobacteria也是优势菌门,相对丰度为89.09%,且Patescibacteria、Actinobacteriota相对丰度则显著降低,这可能是由受纳水体中微生物相互作用导致的。
为了更加准确地反映净化槽不同单元和受纳水体中细菌的组成,对所选样本中细菌种群特征进行了属水平上的分析。结果如图5所示,进水中细菌种群相对简单,其中优势菌属为Paracoccus(43.31%)、Chryseomicrobium(26.00%)、Trichococcus(6.60%)和Pseudomonas(5.00%)。同样在有夹杂物的去除槽内,其细菌种群相对也较为简单,不同之处在于其优势菌属发生了明显变化,分别为Acinetobacter(38.70%)、norank_f__norank_o__norank_c__Gracilibacteria(7.54%)和Romboutsia(3.48%)。其原因可能是,在物理去除污水中较大颗粒物的同时,附着在颗粒物上的细菌也一并被去除,从而导致其优势菌属种类发生了变化。与其形成明显对比的是,A3、A4、A5单元中细菌菌属多样性明显增加,并且该3个单元中细菌相似性明显升高。除无法鉴定种类的others之外,A3单元中主要细菌菌属分别为Acinetobacter(6.38%)、norank_f__norank_o__Saccharimonadales(5.11%)、Pseudorhodobacter(4.52%)、Flavobacterium(2.85%)、Pseudomonas(1.29%)等。在A4、A5单元里,这些细菌菌属种类并未发生明显变化,但其相对丰度呈现一定差异。在A3、A4、A5单元中,Flavobacterium相对丰度呈现逐步上升趋势,分别为2.85%、18.12%、23.19%。Flavobacterium是活性污泥工艺的常见的好氧反硝化菌[27],适合在含氮物质和氧气含量充足的A4、A5单元中生存,A3单元的厌氧环境并不适合其生存。在A3、A4、A5单元中,Acinetobacter相对丰度呈现逐步下降趋势,分别为6.38%、3.95%、0.57%。Acinetobacter是水处理过程中常见的异养硝化-好氧反硝化细菌[28],所以在有机物质量浓度相对较低的A4、A5单元中并不利于其生长,导致其相对丰度下降。在A3、A4、A5单元中,Pseudomonas相对丰度呈现逐步下降趋势,分别为1.29%、0.83%、0.72%。有研究[29]表明,在人工湿地等脱氮除磷工艺中发现了参与有机物去除的Pseudomonas,因此,对于有机物质量浓度相对较低的A4、A5单元,Pseudomonas相对丰度可能会有所下降。与出水相比,受纳水体细菌组成出现显著变化,其中C39和Pseudomonas为主要的优势菌属,相对丰度分别为67.61%、10.21%,二者总相对丰度超过75%。
2.4 一体化污水净化槽各处理单元中潜在致病细菌种群特征
进一步深入分析本研究中一体化污水净化槽各处理单元的细菌特征,结果发现,其检出的潜在人致病性细菌种类丰富,并且各个单元的种类及含量也存在一定差异。进水中共检测到16种潜在致病细菌属, 而出水中则检出了20种潜在致病细菌属。有研究[30-39]表明,出水中检出的相对丰度较高的Klebsiella、Aeromonas、Arcobacter、Neochlamydia、Clostridium_sensu_stricto_10、Mycobacterium、Pseudomonas、Bacteroides、Acinetobacter和Flavobacterium均对人体存在潜在危害。Aeromonas hydrophila普遍存在于淡水、污水、淤泥、土壤和人类粪便中,可引起多种水产动物的败血症和人类腹泻[30];Klebsiella pneumoniae是人类呼吸道和肠道的常居菌,可引起下呼吸道、血液、泌尿道、消化道、手术切口、颅内、皮肤软组织等多个部位感染[31];Arcobacter skirrowii与人类和动物的腹泻、菌血症等疾病密切相关[32];属于易引起疾病衣原体目的Neochlamydia,对人体健康也存在潜在威胁[33];Mycobacterium tuberculosis可引起人体结核病,一种传染性疾病,主要是通过呼吸道传播,以肺结核为最多见[34];Pseudomonas aeruginosa为假单胞菌属中最为常见的一种机会致病菌,常可引起尿路感染、烧伤创面及褥疮感染、败血症和肺部感染等[35];Bacteroides fragilis系革兰阴性厌氧菌,由于其具有黏附性、血细胞凝集素、多糖胶囊、菌毛等多种毒力因素,在拟杆菌属中致病性最强,其可引起腹腔感染、术后伤口感染、糖尿病足感染、菌血症等[36];Acinetobacter bamnannii是我国医院感染最主要的致病菌之一,该菌最常引起的感染为下呼吸道感染,尤其为呼吸机相关性肺炎,其次为血流感染[37];Clostridium perfringens广泛存在于自然界及人和动物的肠道中,是近年来我国家畜“猝死症”的主要病因,可引起气性坏疽和食物中毒的主要病原菌坏死性肠炎[38];Flavobacterium可引起肺炎,也可招致脑膜炎、败血症等感染,该菌会在机体免疫力下降时引起感染[39]。以上结果表明,当污水生物处理设施末端出水不经消毒处理时,其出水中潜在致病微生物的危害可能存在升高趋势。本研究选取了9种对人体危害性较大的致病细菌,对其在不同单元中的相对丰度变化进行了分析,结果如图6所示。不同致病细菌的变化趋势各有差异,总体可分为以下3类。
第1种为进水中相对丰度较低,但在设备不同单元随着污水流向相对丰度逐步呈升高趋势。Aeromonas和 Klebsiella在进水中几乎未检出,但在A2、A3、A4、A5、A6的相对丰度则分别升高至0.007 4%和0.002 5%、0.15%和0.004 5%、0.066%和0.001 9%、0.37%和0.005 9%、1.26%和0.70%。Arcobacter (0.01%)和Bacteroides(0.21%)在进水中有少量检出,但在不同单元中也均呈现上升趋势,A2、A3、A4、A5、A6的相对丰度分别为0.064%和0.80%、0.047%和0.34%、0.068%和1.06%、0.069%和1.22%、0.24%和2.63%。这可能是因为Aeromonas、Klebsiella、Arcobacter、Bacteroides、Pseudomonas等菌属细菌是活性污泥中大量存在且具有降解有机污染物功能的菌属[24,29,40]。因此,相对进水而言,后续各处理单元中这些细菌的相对丰度呈现出上升趋势。
第2种为进水中相对丰度较低,但在整个水处理过程中其相对丰度呈现先上升后下降趋势。Mycobacterium(0.04%)和Neochlamydia(0.02%)在A2、A3、A4、A5、A6的相对丰度分别为0.35%和0.045%、0.78%和0.54%、0.47%和0.24%、0.41%和0.39%、0.27%和0.26%。这2种致病细菌丰度的最大值均在A3单元,可能是由于这2种细菌均属于厌氧菌,当溶解氧浓度较高时会抑制其活性,甚至会影响其生存。同样,Flavobacterium (0.04%)在A2、A3、A4、A5、A6的相对丰度也呈现出先上升后下降趋势,分别为0.10%、2.85%、18.12%、23.18%、1.32%,但下降点在A5单元,这可能因为Flavobacterium同时是一种好氧反硝化细菌[24],在氮物质、有机物含量相对较低环境中会影响其繁殖,导致其相对丰度下降。
第3种为进水中相对丰度较低,但在整个水处理过程中呈现先上升后下降再上升趋势。Clostridium_sensu_stricto_10在进水中的相对丰度为0.06%,而在设备其他处理单元的相对丰度分别为A2(1.30%)、A3(0.85%)、A4(0.30%)、A5(0.31%)、A6(1.84%),其相对丰度的峰值分别在A2和A6中。高通量测序结果显示,各单元检测总片段分别为38 979、40 364、44 672、51 735、50 945、36 408。分析高通量测序结果表明,A1、A2、A3、A4、A5和A6单元中Clostridium_sensu_stricto_10的核酸检出片段量分别为23、525、378、154、159、669。造成这种现象的原因可能是:在功能单元中功能菌种类和相对含量增大,而Clostridium_sensu_stricto_10较功能菌对营养物质的竞争力较小,导致相对丰度下降,但具体原因需要进一步开展研究。以上分析结果表明,无论那种类型变化趋势,其设备出水中均包含一定量的潜在致病性细菌。
3. 结论
1)所研究的一体化污水净化槽设施处理农村生活污水时,不同处理单元细菌中群结构呈现一定差异,尤其是进水、夹杂物去除槽和后续生化处理单元之间。出水中也包含多样性丰富的细菌。
2)本研究在一体化污水净化槽中共检出21种潜在致病细菌,以Flavobacterium、Pseudomonas等为主。值得注意的是,在其出水中存在20种潜在致病细菌,并且有9种优势潜在致病细菌的相对丰度较进水存在明显升高现象。
-
表 1 土壤重金属全量与弱酸可溶态含量统计分析
Table 1. Statistical analysis of total and weak acid soluble fraction of heavy metals in soils
重金属元素 全量 弱酸可溶态 (平均值±标准差)/(mg·kg−1) 变异系数/% 超标率/% 单因子污染指数(Pi)平均值 潜在生态风险指数(Eir)平均值 (平均值±标准差)/(mg·kg−1) 变异系数/% FRAC平均值/% Mn 691±113 16 49 1.00 1.01 150±54.1 36.1 22.1 Co 19±13.1 69 0 1.19 6.11 0.123±0.169 137 0.477 Ni 35±19.1 54 0 1.00 6.82 0.811±1.02 126 1.99 Cu 221±381 172 38 8.28 42.6 4.3±11.9 274 0.77 Zn 136±95.4 70 6 1.98 2.03 3.46±5.85 169 1.65 As 469±535 114 88 41.9 431 28.6±37.6 131 16.5 Cd 0.4±0.285 71 24 3.33 107 0.051±0.032 62.7 13.1 Pb 31.1±30.7 98 0 1.60 8.24 0.273±0.576 208 0.703 注:超标率参考农用地土壤风险管控标准(GB 15618-2018)[27],其中Mn超标率参考新疆土壤元素背景值[20]。 -
[1] 李乔, 王淑芬, 曹有智, 等. 准东煤田周边农田土壤重金属污染生态风险评估与来源分析[J]. 农业环境科学学报, 2017, 36(8): 1537-1543. [2] 胡锋, 王兴磊, 刘世辉, 等. 伊犁矿区风险点土壤重金属污染特征及生态风险评价[J]. 矿业安全与环保, 2018, 45(1): 69-73. doi: 10.3969/j.issn.1008-4495.2018.01.016 [3] AOSTA J A, FA Z A, MAR T M, et al. Multivariate statistical and GIS-based approach to evaluate heavy metals baviour in mine sites for future reclamation[J]. Journal of Geochemical Exploration, 2011, 109: 8-17. doi: 10.1016/j.gexplo.2011.01.004 [4] PANDEY B, AGRAWAL M, SINGH S. Ecological risk assessment of soil contamination by trace elements around coal mining area[J]. Journal of Soils and Sediments, 2016, 16(1): 159-168. doi: 10.1007/s11368-015-1173-8 [5] 高宇潇, 塔西甫拉提·特依拜, 夏楠, 等. 新疆准东五彩湾煤田区不同深度土壤重金属污染评价、来源分析与空间分布特征[J]. 中国矿业, 2016, 25(9): 74-81. doi: 10.3969/j.issn.1004-4051.2016.09.017 [6] 王显炜, 徐友宁, 杨敏, 等. 国内外矿山土壤重金属污染风险评价方法综述[J]. 中国矿业, 2009, 18(10): 54-56. doi: 10.3969/j.issn.1004-4051.2009.10.018 [7] 张开军, 魏迎春, 徐友宁. 小秦岭金矿区土壤重金属生物有效性与影响因素[J]. 地质通报, 2014, 33(8): 1182-1187. doi: 10.3969/j.issn.1671-2552.2014.08.012 [8] 陈明, 杨涛, 徐慧, 等. 赣南某钨矿区土壤中Cd、Pb的形态特征及生态风险评价[J]. 环境化学, 2015, 34(12): 2257-2262. doi: 10.7524/j.issn.0254-6108.2015.12.2015070201 [9] WANG Q, LIU J F, CHEN Z, et al. A causation-based method developed for an integrated risk assessment of heavy metals in soil[J]. Science of the Total Environment, 2018, 642: 1396-1405. doi: 10.1016/j.scitotenv.2018.06.118 [10] 陈莹. 陕西西部矿区土壤重金属污染与生态风险评价[J]. 环境与发展, 2017, 29(7): 35-36. [11] SEBEI A, HELALI M A, OUESLATI W, et al. Bioavailability of Pb, Zn, Cu, Cd, Ni and Cr in the sediments of the Tessa River: A mining area in the North-West Tunisia[J]. Journal of African Earth Sciences, 2018, 137: 1-8. doi: 10.1016/j.jafrearsci.2017.09.005 [12] SUNDARY S K, NAYAK B B, LIN S, et al. Geochemical speciation and risk assessment of heavy metals in the river estuarine sediments: A case study: Mahanadi basin, India[J]. Journal of Hazardous Materials, 2011, 186(2/3): 1837-1846. [13] FERNÁNDEZ-ONDOÑO E, BACCHETTA G, LALLEN A M, et al. Use of BCR sequential extraction procedures for soils and plant metal transfer predictions in contaminated mine tailings in Sardinia[J]. Journal of Geochemical Exploration, 2017, 172: 133-141. doi: 10.1016/j.gexplo.2016.09.013 [14] ZHANG M K, LIU Z Y, HUO W. Use of single extraction methods to predict bioavailability of heavy metals in polluted soils to rice[J]. Communications in Soil Science & Plant Analysis, 2010, 41(7): 820-831. [15] LIAO J, WEN Z, RU X, et al. Distribution and migration of heavy metals in soil and crops affected by acid mine drainage: Public health implications in Guangdong Province, China[J]. Ecotoxicology and Environmental Safety, 2016, 124: 460-469. doi: 10.1016/j.ecoenv.2015.11.023 [16] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理员会. 土壤质量总汞、总砷、总铅的测定原子荧光法: GB/T 22105.2-2008[S]. 北京: 中国标准出版社, 2008. [17] 国家环境保护局. 土壤质量铜、锌的测定火焰原子吸收分光光度法: GB/T 17138-1997[S]. 北京: 中国环境科学出版社, 1997. [18] TOKALIOĞLU Ş, KARTAL Ş, GÜLTEKIN A. Investigation of heavy metal uptake by vegetables growing in contaminated soils using the modified BCR sequential extraction method[J]. International Journal of Environmental Analytical Chemistry, 2006, 86(6): 417-430. doi: 10.1080/03067310500352387 [19] 柳云龙, 章立佳, 韩晓非, 等. 上海城市样带土壤重金属空间变异特征及污染评价[J]. 环境科学, 2012, 33(2): 599-605. [20] 国家环境保护局, 中国环境监测总站. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990. [21] 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 [22] 吕建树, 张祖陆, 刘洋, 等. 日照市土壤重金属来源解析及环境风险评价[J]. 地理学报, 2012, 67(7): 971-984. [23] 熊秋林, 赵佳茵, 赵文吉, 等. 北京市地表土重金属污染特征及潜在生态风险[J]. 中国环境科学, 2017, 37(6): 2211-2221. doi: 10.3969/j.issn.1000-6923.2017.06.028 [24] LIU J L, LI Y L, ZHANG B, et al. Ecological risk of heavy metals in sediments of the Luan River source water[J]. Ecotoxicology, 2009, 18(6): 748-758. doi: 10.1007/s10646-009-0345-y [25] 高彦鑫, 冯金国, 唐磊, 等. 密云水库上游金属矿区土壤中重金属形态分布及风险评价[J]. 环境科学, 2012, 33(5): 1707-1717. [26] 迪娜·吐尔生江, 李典鹏, 胡毅, 等. 新疆奴拉赛铜矿周边土壤理化特征和重金属污染生态风险评价[J]. 农业资源与环境学报, 2018, 35(1): 17-23. [27] 生态环境部, 国家市场监督管理总局. 土壤环境质量农用地土壤污染风险管控标准(试行): GB 15618-2018[S]. 北京: 中国环境科学出版社, 2018. [28] 李如忠, 徐晶晶, 姜艳敏, 等. 铜陵市惠溪河滨岸带土壤重金属形态分布及风险评估[J]. 环境科学研究, 2013, 26(1): 88-96. [29] LIU J J, NI Z X, DIAO Z H, et al. Contamination level, chemical fraction and ecological risk of heavy metals in sediments from Daya Bay, South China Sea[J]. Marine Pollution Bulletin, 2018, 128: 132-139. doi: 10.1016/j.marpolbul.2018.01.021 [30] 李忠义, 张超兰, 邓超冰, 等. 铅锌矿区农田土壤重金属有效态空间分布及其影响因子分析[J]. 生态环境学报, 2009, 18(5): 1772-1776. doi: 10.3969/j.issn.1674-5906.2009.05.033 [31] 方月梅, 张晓玲, 刘娟, 等. 湖北省铜绿山矿区农业土壤重金属形态及生物有效性[J]. 地球与环境, 2017, 45(6): 634-642. [32] ERIKSSON J E. The influence of pH, soil type and time on adsorption and by plants of Cd added to the soil[J]. Water, Air and Soil Pollution, 1989, 48(3/4): 317-335. [33] 江嵩鹤, 胡恭任, 于瑞莲, 等. 安溪铁观音茶园土壤重金属赋存形态及生态风险评价[J]. 地球与环境, 2016, 44(3): 359-369. 期刊类型引用(12)
1. 韦春妙,章艳红,唐玉红,刘斌. 江西某退役焦化厂土壤重金属赋存形态分析及生物有效性评价. 土壤通报. 2024(03): 810-818 . 百度学术
2. 肖凯琦,徐宏根,戴亮亮,李毅,李凯. 凤凰县土壤—农作物系统中Cd含量及迁移富集特征. 物探与化探. 2024(04): 1136-1145 . 百度学术
3. 刘力,张传华,张凤太,邓炜,刘燕. 重金属地质高背景区土壤Se的地球化学特征及富Se耕地综合评价. 生态与农村环境学报. 2024(08): 996-1005 . 百度学术
4. 邓凯文,安永龙,黄勇. 金矿区周边桃园地土壤重金属赋存特征、生物有效性及来源分析. 环境科学与技术. 2024(09): 149-157 . 百度学术
5. 张传华,王钟书,刘力,刘燕. 地质高背景区土壤-玉米重金属综合质量评价. 环境科学. 2023(07): 4142-4150 . 百度学术
6. 刘力,张传华,邓炜,冯丽,何于峰. 不同生育期叶面阻隔剂对水稻Cd含量的影响. 环境科学研究. 2023(12): 2382-2392 . 百度学术
7. 赵梓霖,王璋强,王锐,黄俣轩,郑家桐,石航源,肖荣波,卢桂宁,黄飞. 电子垃圾拆解区不同用地类型土壤重金属空间分布特征与风险评价. 环境工程学报. 2022(04): 1294-1302 . 本站查看
8. 王昕宇,李晓鑫,高莉维,高越,郎春燕. 成都市中心城区街道灰尘中硒赋存形态及生态风险评价. 环境化学. 2022(06): 2014-2021 . 百度学术
9. 张含,李伟,王佳伟,韩军,王玉琦. 城市污泥重金属在高级厌氧消化工艺系统中的迁移转化及风险评价. 环境工程学报. 2021(01): 289-297 . 本站查看
10. 张晓旭,邱旭勇,王星,范力,唐诗,魏峻山. 微波消解提取ICP-MS法测定石化园区土壤和植株中的12种金属元素. 干旱环境监测. 2021(04): 159-166 . 百度学术
11. 王锐,胡小兰,张永文,余飞,朱海山,李瑜. 重庆市主要农耕区土壤Cd生物有效性及影响因素. 环境科学. 2020(04): 1864-1870 . 百度学术
12. 周怡,胡文友,黄标,纪荣平,刘本乐,刘鹏,王信凯. 我国高速公路周边土壤重金属污染现状及研究进展. 中国环境监测. 2020(05): 112-120 . 百度学术
其他类型引用(10)
-