-
随着工业化和城市化进程的不断推进，重金属污染已对环境构成了严重的威胁[1]。据《中国土壤污染调查公报》显示，中国超过19%的耕地遭受不同程度的重金属污染。同样，对于主要河流和湖泊的沉积物，超过80.1%的场地受到不同程度的重金属污染[2]。沉积物通常被认为是水生系统中重金属的主要来源之一，是污染物的载体[3]，为水生系统提供了一个污染状态。沉积物中重金属的流动性严格依赖于环境参数，长期的工业、农业及重金属冶炼生产等这些人为活动将大量重金属带入河流，沉入河底进入沉积物中，当外界条件发生改变时，重金属又会释放到水体中并沿河流输送，造成水体二次污染，并对水体生物及人类健康产生危害[4-5]。
重金属的来源主要有人为来源和自然来源。人为来源不同于自然来源，例如城市污水、工业废水排放、采矿活动和农业肥料。人为来源是重金属污染的主要贡献者，尤其是频繁和持续的采矿活动[6-7]。江西省赣南地区素有“世界-钨都”之称，辖区共18个县（市）均有钨矿分布，累积钨矿床400多处。该地区钨矿多与重金属硫化矿伴生，在选矿过程中产生的尾矿作为固废露天堆存，其中重金属在雨水淋滤、地下水径流以及土壤吸附作用下得以释放迁移。进入水体，对环境造成严重的影响，而赣江是长江的主要支流之一，是鄱阳湖水系的重要组成部分。基于此，开展赣江沉积物中重金属的研究具有极其重要的现实意义。
车继鲁等[8]对河流系统进行了定量研究，Amin等[9]通过定量研究报道了河流沉积物中重金属的浓度和分布特征。但河流的污染状况不能只看重金属总浓度，还需要采用一些评价方法对污染和风险水平进行评价[10]。污染负荷指数法、地累积指数法、潜在生态风险评价法都是常见的污染生态评价方法。另外，Krishna等[11]通过研究表明统计技术在描述污染状况方面也发挥了重要作用。
本文通过对赣江29个采样点沉积物中重金属含量和序列组分的测定，获取了赣江表层沉积物重金属含量及其组分的时空分布特征，利用污染负荷指数法、地累积指数法、潜在生态风险评价法，探讨河流重金属污染程度和风险水平，利用多元统计技术确定重金属的自然和人为来源，完整地研究了赣江沉积物中重金属的分布规律及生态风险评价。
-
赣江位于江西省中部，是长江的主要支流。赣江发源于石城县，全长约823 km，被称为贡水河。后来，在章贡县境内与桃江、章江合并，改名赣江。长江的干流流经赣州、吉安、南昌等3个城市，然后通过鄱阳湖流入长江[12]。赣江也是鄱阳湖最大的支流，对周边数百万人口的生计起着重要作用。最大流量出现在在6月至8月，最小流量出现在12月至明年2月，研究区以亚热带季风气候为主。流域内人口分布密集地区为赣州（上游）、吉安（中游）和南昌（下游）。
-
采样点的位置如图1所示。河流-湖泊系统是河流与湖泊连接的场所，湖泊中的污染物由河流输入和[1]输出[13]。因此，为了比较鄱阳湖及各个河流区域的重金属浓度，本文总共设置了29个采样点，选取了桃江(T)、章江(Z)、贡水(S)、赣江(G)、鄱阳湖(P)5个采样区域。这29个采样点分布在干流和主要支流上。其中在鄱阳湖布置了4个采样点，编号为P1—P4，为上游区域；赣江布置了8个采样点，编号为G1—G8，为中游区域；章江布置了4个采样点，编号为Z1—Z4；桃江布置了7个采样点，编号为T1—T7；贡水布置了6个采样点，编号为S1—S6，为下游区域。具体划分如图1所示。
-
2019年5月，用不锈钢抓样器采集每个采样点1 kg表层沉积物样品(深度约为0—10 cm)，一式3份。为了避免取样器的重金属部件受到污染，与取样器相连的沉积物用清洁的塑料刮刀清除。之后，沉积物被密封在干净的聚乙烯袋中记录编号，样品于4 ℃的冷却器中保存，尽快带回实验室分析。
-
对于重金属总量分析，所有的沉积物在除去石头和植物碎片后，风干，过100目筛。本文不同重金属的测定选取了不同的消解方法。Bednar等[14]研究表明磷酸消解法对W的提取率更好，故本文采用改良的磷酸消解法提取W，即在美国环保署（USEPA）消解法消解的基础上，添加5 mL（去离子水∶硝酸=1∶1）硝酸的同时再加入1 mL浓磷酸。其他重金属采用微波消解法消解，将0.25 g沉积物样品与12 mL（HNO3∶HCl=3∶1）混合物放入聚四氟乙烯容器中，于微波消解仪中消解，消解过程的细节可在文献中查阅[15]。待消解完成后将所有消解液稀释至50 mL采用电感耦合等离子体质谱(ICP-MS Agilent-8800)进行重金属测定。另外，本次样品中有几个样品的Cr含量均低于检测限(digestate计算结果为0.02 mg·kg−1)，故将其静态分析定义为0。
重金属的形态分析采用BCR顺序提取法进行[16]。提取步骤分为4步。F1为弱酸提取态，1.0 g土壤(过100目筛)用40 mL 0.11 mol·L−1乙酸在25 ℃下连续振荡16 h提取。3000 r·min−1室温离心2 h，过滤上清液，于4 ℃保存待测。F2为可还原态，用去离子水清洗残留F1，用40 mL 0.5 mol·L−1盐酸羟胺提取，25 ℃连续振荡16 h。3000 r·min−1室温离心2 h，过滤上清液，于4 ℃保存待测。F3为可氧态，用去离子水洗涤残留的F2，用10 mL pH 2—3的双氧水提取，室温下连续消化1 h，85 ℃连续消化1 h。加入50 mL的1 mol·L−1乙酸铵提取，在25 ℃连续振荡16 h。3000 r·min−1室温离心2 h，过滤上清液，于4 ℃保存待测。F4为残渣态，将剩余的F3用去离子水洗涤，消化，作为总重金属分析测定。实验对29个采样点的沉积物进行了BCR形态分析，分别取上中下游的平均值综合分析。
-
所有化学品均为分析级试剂，所有容器在5% HNO3中浸泡24 h以上进行清洗。重金属分析采用ICP-MS测定。质量控制采用环保部标准样品研究所提供的标准样品(GSB07)。所有元素的RSD<10%进行重复试验，试验结果均符合要求。
-
对于整个采样点，PLI定义为：
其中，
$ ，{C}_{i}^{n} $ 为测定重金属浓度；$ {C}_{B}^{n} $ 为背景值；本研究采用江西背景值(表1)；n是测定重金属的个数。该指数为评价重金属污染水平提供了一种简单的比较方法。当PLI>1时，意味着污染的存在；否则，意味着污染不存在[17]。 -
地累积指数法（
$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}} $ ）在重金属污染评价中应用广泛，是由Muller提出用于评价沉积物或土壤中重金属污染程度大小的方法[19]。具体的污染评价等级划分表见表2，地累积指数法的公式为：式中，
$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}} $ 为地累积指数；$ {C}_{i} $ 为沉积物样品中的重金属含量；$ {C}_{\mathrm{B}} $ 为江西省的背景值参比；系数1.5为考虑了成岩作用可能对背景值影响的修订值。 -
采用瑞典学者Hakanson[21]提出的潜在生态危害指数法(
$ {E}_{\mathrm{r}}^{i} $ )对赣江沉积物中重金属进行生态风险评价，其考虑了环境对重金属污染的敏感程度，不同重金属的毒性以及重金属区域背景值，其定义为：单个重金属潜在风险指数：
$ {E}_{\mathrm{r}}^{i}={T}_{\mathrm{r}}^{i}{(C}_{\mathrm{r}}^{i}/{C}_{\mathrm{B}}) $ 多种重金属潜在生态风险指数：
$ \mathrm{R}\mathrm{I}=\sum {E}_{\mathrm{r}}^{i} $ 式中，
$ {C}_{\mathrm{B}} $ 为江西土壤中重金属的本底值（表1）；$ {C}_{\mathrm{r}}^{i} $ 为土壤重金属含量；$ {T}_{\mathrm{r}}^{i} $ 为毒性反应因子；$ {E}_{\mathrm{r}}^{i} $ 为单个重金属潜在风险指数；RI为多种重金属潜在生态风险指数。Cr、Mn、Cu、Zn、As、Cd、Hg、Pb的$ {T}_{\mathrm{r}}^{i} $ 含量分别为2、1、2、5、10、30、40、5。许多标准中不存在W的毒性因子，基于本课题组之前的研究[22]，将W的$ {T}_{\mathrm{r}}^{i} $ 定义为1，具体的潜在生态风险指数等级划分标准见表3。 -
数据经R 4.0.0进行统计分析，利用ArcGis 10.2对研究区域及重金属的特殊分布进行可视化。重金属之间的关系使用皮尔逊系数进行检验，统计显著性设置在P<0.05和P<0.01。利用聚类分析和主成分分析技术对沉积物数据进行多元分析。以上统计分析通过z尺度变换对实验数据进行标准化处理，避免因数据维度差异较大而造成分类错误。
-
表4为29个采样点的所有重金属参数的基本统计。表4表明，河流沉积物受Mn浓度影响较大，桃江段(T)的重金属总浓度最高(表5)。沉积物重金属平均浓度大小顺序为Mn>Zn>Cu>Pb>As>W>Cr>Cd>Hg。其中，桃江地区Mn含量最高，赣江（G）地区Zn含量最高，章江(Z)沉积物中As、Cd、W、Hg、Pb含量最高。Mn、Cu、Zn、As、Cd、W、Hg和Pb的平均浓度分别超出本底3.8、4.1、5.2、3.0、22.7、5.0、11.8、1.6倍，范围分别为0.0—38.2、221.8—4264.6、29.6—279.7、171.5—1649.5、9.8—277.3、0.5—12.8、1.1—336.9、0.2—9.9、17.4—244.3 mg·kg−1。29个采样点的平均变异系数均为高度变异，表明赣江河主要受人为影响很大。这可能是江西钨矿区开采的原因，因为江西省赣南地区素有“世界-钨都”之称，早期调查发现土壤钨矿区As、Cd、W、Hg和Pb的浓度较高[23]。Feng等[24]研究发现采矿废物和污染土壤中的重金属易被径流水淋滤到近源水中，重金属可以通过河流迁移或在沉积物中积累。Chen等[25]研究表明，镉是典型钨矿矿区沉积物生态风险的主要贡献者，其次是Hg、As和Pb，这些重金属均具有较强的生态风险。
赣江沉积物中重金属浓度与前人研究结果进行了比较如表6所示。相较于前人研究结果，本研究中Mn、Cu、Zn、As和Pb浓度略高。赣江沉积物样品中重金属总浓度依次为：Mn>Zn>W>Cu>As>Pb>Cr>Cd>Hg。李凤果、徐金英等[26-27]研究表明，Mn是赣江沉积物中最丰富的元素。江西省其他水系公布的部分重金属污染数据也列于表6。结果表明，信江河、饶河、修水河、抚河等流域的重金属(Mn、As、Cd、W、Hg)污染程度较严重。此外，赣江沉积物中重金属含量均较高，赣江可能对鄱阳湖重金属污染贡献最大。
从研究区沉积物重金属的空间分布来看，较高的Cu、As、Cd、Pb、Hg、W分布在章江(Z)，如图2所示。此外，桃江(T)的Cr和Mn含量较高，赣江(G)的Zn含量较高。总体而言，桃江(T)和章江(Z)重金属浓度均较高，这可能与桃江（T）和章江（Z)周边钨矿资源较多有关(图1)。因为钨矿开采活动会释放许多重金属，如Cd、As、Hg和Pb等，Chen等[36]也证实了这一观点。因此，可以认为章江(Z)和桃江(T)是赣江和鄱阳湖重金属的主要来源。
-
主成分分析可以描述原始金属在最低数量因子上的总变化。因此，对日期进行主成分分析，用R4.0.0归一化。第一个主成分(PC1)负责原始变量加权线性组合的最高变异性，其次是其他变量。本研究分析了3个PCs[37]。主成分分析结果如图3所示，计算出3个PCs(PC1、PC2、PC3)可以解释约76%的总方差(TV)，其特征值>1。PC1与As、W、Hg和Pb相关，占方差（TV）的46%。PC2与Cr、Mn，呈正相关，占方差（TV）的15%。PC3与Zn相关，占方差（TV）的11.7%。一般来说，PC1对As、W、Hg和Pb具有较强的正负荷，在上游区域(章江Z、贡水S、桃江T)，有多家钨矿厂已经获得了As、W、Hg、Pb污染排放认证，由此可见此处的PC1代表了人为污染源。PC2对Cr和Mn有很强的正向载荷，由于沉积物中的Cr未超过背景值，故PC2代表岩石源。PC3对Zn具有较强的正负荷量。它可能代表了其他种类的人为来源。
-
热图是处理多部分数据的一种很好的可视化方法[38]，通过行列不同颜色表示，矩阵中每个条目都显示为一种颜色，通过颜色来读取信息。文中数据采用R 4.0.0归一化，Ward s方法聚类[39]。重金属的层次聚类分析结果如图4所示，显示了4个聚类：Cr、Mn、Zn、Cd–Cu–Pb–As–W–Hg。采样点的层次聚类分析结果如图4所示。结果表明，采样点有5个聚类。第一组为Z2采样点，表明重金属污染较重，与图2重金属的空间分布一致。其次是第2组(G2)、第3组(T3–Z3–G1)、第4组（T2）、剩下的为第5组，第5组的位点处于低污染区域，尤其是在鄱阳湖(P)区域的采样点。
-
通过沉积物中重金属浓度建立相关矩阵，确定重金属的共同来源。相关矩阵列于表7，根据Pearson相关系数计算。在本研究中，W与Cu(r=0.478**，P<0.01)、As(r=0.985**，P<0.01)、Pb(r=0.951**，P<0.01)呈显著相关。研究区附近的W矿区对沉积物中W的来源起一定作用。相关矩阵表明Cu、As、Pb与W同源，与PCA和HCA结果一致。除Hg外，Cu与其他重金属均表现出相似的迁移性。
-
土壤重金属形态分析能够在一定程度上反映自然与人为作用对土壤中重金属来源的贡献，并反映重金属的生物毒性。大量研究指出，重金属形态对其潜在毒性至关重要[40-41]。为了评估沉积物中重金属的毒性，采用了BCR三步连续提取法。其中F1为酸可提取态，F2为可还原态，F3为可氧化态，F4为残渣态，其中酸可提取态更容易发生迁移和转换，可还原态和可氧化态次之，残渣态相对来说是最稳定的。顺序提取结果如图5所示。
从图5中可以看出，As、Pb、Hg、W上中下游F1含量均不高，Cr中游F1高于上游和下游，Cd、Zn和Mn上中游F1均高于下游，表明赣江河流上中游受Cd、Zn和Mn风险比较大，而赣江河流整体受As、Pb、Hg、W风险较小。从图5中可以直观的看出，除Cr、Mn、Cd、Pb外，其余5种重金属的主要形态均为F4态。其中Cr的F2形态上游明显高于中游和下游，而F4形态则是下游明显高于上游和中游。Cr和Cu的形态百分比列类似，上中下游均是F4占比最大，但其他3种形态之和基本大于F4，表明Cr和Cu的可生物利用性很强，具有潜在的生态危害性。Mn、Pb、Cd的形态相比于其他金属有较大区别，他们的F2态占比很高，其中Pb在赣江的上中下游的形态比列均是 F2>F4>F3>F1。Mn在上中下游的F2形态百分比均明显高于F1、F4、F3之和，表明Mn具有较大的生物活性，一旦含量超标，易在食物链中积累，从而危害人体健康。在重金属的各形态中，F1组分含量高的有重金属Cd和Mn，由此说明在沉积物中Cd和Mn具有较高的潜在毒性。沉积物中的Cd由于F4所占比例最低，而其他形态相对较高，因此对于沉积物中的Cd需要更多的关注，这可能与上游地区存在许多的采矿活动以及工业活动有关[42]。Hg、As、W在上中下游均以F4态为主，以60%以上的残渣态形式存在。其中Hg的F4形态占比上游>下游>中游，F2和F3下游>中游>上游，F1中游>下游>上游，由此表明Hg在赣江水系沉积物中下游生态风险高于在上游的风险。As的F2形态含量相对较高，表明可能赣江水系受人类活动的影响，沉积物中重金属随pH等其他理化性质的改变被释放。
-
本文计算了沉积物的污染负荷指数(PLI)，如图6所示，可以为决策者提供区域污染特征的重要信息。在本研究中，PLI的取值范围为2.1 — 30.2。PLI最高出现在Z2采样点。由图2赣江采样点沉积物重金属含量的空间分布可知，Z2采样点的Cu、As、W、Hg和Pb含量最高，说明Cu、As、W、Hg和Pb是Z2采样点PLI的主要贡献源。所有采样点的PLI值均大于1，表明所有采样点均受到重金属污染。根据PLI的平均值6.1来看，赣江为重度污染[17]。除Z1处为河的源头外，PLI最高的区域均出现在章江(Z)，其次是赣江(G)。
-
图7为所研究重金属的地累积指数(
$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}} $ )值。所有样品中Cr的$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}} $ 值均在0以下，说明河流未受Cr污染。As、W、Pb值在（−2— 1）范围内，一般为未污染到中度污染级别。在本文研究的所有重金属中，$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}} $ 值最高的重金属为Cd，范围为（3—6），其次为Zn、Hg和Cu。此外，9种重金属的$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}} $ 均值依次为Cd(3.4)>Hg(1.7)>Zn(1.6)>Cu(1.2)>Mn(1.0)>As(0.4)>W(0.3)>Pb(−0.1)>Cr(−3.7)。 -
根据河流中沉积物重金属浓度对重金属潜在生态风险(RI)进行评价，结果如图8所示。从图8中的RI值可以看出，RI均值均大于150，表明赣江水系沉积物均存在潜在风险。其中风险指数最高的是章江(Z)采样区，最低的是鄱阳湖(P)采样区。章江(Z)样品中RI最高的是沿江分布的4个钨矿以及其他工业企业。此外，鄱阳湖有多条支流(赣江、饶河、修水河、抚河和信江河)，从表3可以看出，赣江和汇合后释放的重金属被稀释，可能导致鄱阳湖重金属浓度降低[31]。T（桃江）、Z（章江）、S（贡水）和G（赣江）处采样点的RI值均高于P（鄱阳湖）地区，表明赣江对中国最大淡水湖、世界最重要湿地资源之一的鄱阳湖构成威胁。相关分析显示，PLI与RI呈显著正相关，相关系数为0.92(n=29，P<0.01)，结果表明，这两种评价方法的结论是一致的[4]。
考虑各重金属的贡献，还进行了单个生态风险因子(
$ {E}_{\mathrm{r}}^{i} $ )分析。4个采样区域(T、S、G、P)的风险格局相似，重金属风险排序为Mn>Zn>Cu>Pb>As>Cd>Hg>W>Cr。章江(Z)样品中，As风险最高。除此之外Pb、W、Hg的含量还会增加。因此，重金属的风险排序As>Mn>Cu>Pb>Zn>Cd>Hg>W>Cr。这些现象说明章江(Z)的污染状况与其他地区不同，这可能与章江周边存在许多钨矿区有关。 -
本文在对赣江沉积物进行系统采样和重金属分析的基础上，也对赣江沉积物重金属污染进行了评价，得到如下认识。
赣江沉积物中总重金属含量依次为Mn>Zn>W>Cu>As>Pb>Cr>Cd>Hg；章江（Z）样品中Cu、As、Cd、Pb、Hg和W浓度最高；桃江(T)样品中Cr和Mn最高，赣江（G）样品中Zn最高。
BCR形态提取结果表明，Cu、Zn、As、W、Hg主要以F4形式存在，较为稳定，不易发生转移，而Cr、Mn、Cd、Pb则以F1、F2、F3为主，形态不稳定，易发生迁移；在重金属的各形态中，F1组分含量高的有重金属Cd和Mn，由此说明在沉积物中Cd和Mn具有较高的潜在毒性。
通过多因素分析、相关矩阵分析和主成分(PCs)分析，确定了3个主成分，表明PC1和PC2均含有As、W、Hg、Pb、Zn等人为污染源。Cu、As、W和Pb之间存在显著的正相关，由此说明这些重金属来源于相似并且在同时发生迁移。
污染负荷指数表明，所有采样点的PLI值均大于1，表明所有采样点均受到重金属污染。地累积指数(Igeo)表明，赣江水系沉积物中重金属污染程度为Cd(3.4)>Hg(1.7)>Zn(1.6)>Cu(1.2)>Mn(1.0)>As(0.4)>W(0.3)>Pb(−0.1)>Cr(−3.7)，其中Cd的污染程度最高。RI均值均大于150，表明赣江水系沉积物重金属均存在潜在风险，其中风险指数最高的是章江(Z)采样区，最低的是鄱阳湖(P)采样区，也由此指出赣江对鄱阳湖构成了严重威胁。
基于多元统计技术的赣江沉积物重金属污染评价
Assessment of heavy metal pollution in sediments of the Ganjiang River: Using pollution assessments and multivariate statistical techniques
-
摘要: 赣江是鄱阳湖重要入湖河流，为了解赣江流域沉积物重金属空间分布及污染状况，本文布设了29个采样点，对赣江沉积物重金属（Cu、As、Cd、Pb、Hg、W、Cr、Mn、Zn）含量和序列组分进行了测定及分析，并运用污染负荷指数（PLI）、地累积指数（Igeo）和潜在生态风险(RI)指数评价沉积物重金属污染程度。结果表明，Mn、Cu、Zn、As、Cd、W、Hg和Pb的平均浓度分别超出本底3.8、4.1、5.2、3.0、22.7、5.0、11.8、1.6倍。其中，章江(Z)分布较高的Cu、As、Cd、Pb、Hg、W；桃江(T)分布较高的Cr和Mn；赣江(G)分布较高的Zn。所有采样点的PLI值均大于1，表明所有采样点均受到重金属污染；Igeo评价结果表明，赣江沉积物重金属Igeo依次为Cd(3.4)>Hg(1.7)>Zn(1.6)>Cu(1.2)>Mn(1.0)>As(0.4)>W(0.3)>Pb(−0.1)>Cr(−3.7)；其中Cd的污染程度最高，Zn、Hg、Cu，As、W、Pb为轻度污染，沉积物中Cr的Igeo<0，表明赣江未受到Cr的污染。RI均值均大于150，表明赣江水系沉积物重金属均存在潜在风险，且赣江沉积物重金属污染对鄱阳湖构成严重威胁。Abstract: Ganjiang River is an important inflow river Poyang Lake. In order to evaluate the status of heavy metals pollution in the sediments and understand the spatial distribution of the ganjiang River basin, 29 sampling points were set up to determine and analyze the heavy metal (Cu, As, Cd, Pb, Hg, W, Cr, Mn, Zn) content and sequence components in the sediments of the ganjiang river. The pollution load index (PLI), the land accumulation index (Igeo) and the potential ecological risk evaluation(RI) were used to evaluate the pollution degree of heavy metals.The results showed that the average concentrations of Mn, Cu, Zn, As, Cd, W, Hg and Pb exceeded the background 3.8, 4.1, 5.2, 3.0, 22.7, 5.0, 11.8 and 1.6 times, respectively. Zhangjiang (Z) had a higher distribution of Cu, As, Cd, Pb, Hg, W; Taojiang (T) had a higher distribution of Cr and Mn; Ganjiang (G) had a higher distribution of Zn. The PLI value of all sampling points was greater than 1, indicating that all sampling points were polluted by heavy metals. The mean Igeo value indicates that the degree of heavy metal pollution in Gan River sediments was Cd(3.4)>Hg(1.7)>Zn(1.6)>Cu(1.2) >Mn(1.0)>As(0.4)>W(0.3)>Pb(−0.1)>Cr(−3.7). Cd had the highest degree of pollution, followed by Zn, Hg, Cu, As, W, and Pb were Slightly polluted, and the Igeo of Cr in the sediment was less than 0, indicating that the Ganjiang River was not polluted by Cr. The average RI was greater than 150, indicating that there are potential risks for heavy metals in the sediments of the Ganjiang River and indicating that Zhangjiang had a great threat to Poyang Lake.
-
-
图 2 赣江采样点沉积物重金属含量的空间分布
Figure 2. Spatial distribution of heavy metal content in sediments at the sampling point of Ganjiang River
图 3 赣江水系沉积物的主成分分析
Figure 3. Principal component analysis of sediment in Ganjiang River system
图 4 各采样点双向层次聚类图
Figure 4. Two-way hierarchail clustering of trace elements and different sites
图 5 赣江沉积物中重金属的形态分布
Figure 5. Speciation distribution of heavy metals in Ganjiang sediment
图 6 赣江底泥重金属污染负荷指数(PLI)值PLI>1，表明存在污染
Figure 6. Heavy metal pollution load index (PLI) value of Ganjiang sediment PLI>1, indicating that there is pollution
图 7 赣江沉积物重金属地质累积指数(
$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}} $ )Figure 7. Geological accumulation index of heavy metals in Ganjiang sediments (
$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}} $ )
图 8 每种重金属对沉积物的潜在风险评估
Figure 8. Potential risk assessment for each heavy metal to sediment
元素 Element W Cu Pb Zn Cd Cr Mn Hg As 含量 Concentration 5.10 20.80 32.10 69.00 0.10 48.00 259.00 0.08 10.40 
下载: 导出CSV
表 2 地累积指数污染等级[20]
Table 2. Degree of heavy metal pollution in sediments by Geo-accumulation index [20]
$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}} $ <0 0—1 1—2 2—3 3—4 4—5 >5 级别 Level 1 2 3 4 5 6 7 污染程度 Pollution level 无污染 轻污染 中度污染 中—强污染 强污染 强—极强污染 极强污染
下载: 导出CSV
表 3 潜在生态风险指数等级划分标准
Table 3. Classification standard of potential ecological risk index
$ {E}_{\mathrm{r}}^{i} $ 风险等级Risk Level RI 风险等级Risk Level $ {E}_{\mathrm{r}}^{i} $ 低污染 RI<150 低风险 1≤ $ {E}_{\mathrm{r}}^{i} $ 中等污染 150≤RI<300 中风险 3≤ $ {E}_{\mathrm{r}}^{i} $ 较高污染 300≤RI<600 高风险 $ {E}_{\mathrm{r}}^{i} $ 很高污染 600≤RI<1200 很高风险 RI≥1200 极高风险
下载: 导出CSV
表 4 赣江沉积物重金属及类重金属浓度汇总统计(n=29，mg·kg−1)
Table 4. Aggregated statistics of concentrations of heavy metals and heavy metals in sediments of Ganjiang River (n=29，mg·kg−1)
Cr Mn Cu Zn As Cd W Hg Pb 最小值 0.0a 221.8 29.6 171.5 9.8 0.5 1.1 0.2 17.4 第5百分位 0.0 406.2 31.4 175.1 9.9 0.6 2.7 0.2 24.4 第25 百分位 0.0 511.7 49.1 217.9 12.7 1.0 4.5 0.3 32.3 平均值 4.7 980.8 84.3 362.0 31.5 2.3 25.7 0.9 52.8 中位数 0.0 620.5 65.0 284.1 18.8 1.7 8.5 0.4 42.3 第75百分位 8.3 1134.5 90.9 353.6 26.6 2.1 10.6 0.7 54.0 第95百分位 14.4 2129.1 189.7 662.4 81.3 5.7 105.3 3.2 98.6 最大值 38.2 4264.6 279.7 1649.5 277.3 12.8 336.9 9.9 244.3 标准差 8.1 811.7 58.8 282.2 50.6 2.5 65.5 1.9 41.8 变异系数 171.3 81.3 68.5 46.7 65.7 83.1 103.0 119.1 46.7 背景值b 48.0 258.8 20.8 69.0 10.4 0.1 5.1 0.1 32.1 注：a多个样品中Cr浓度低于检出限(0.5 mg·kg−1)；b为江西重金属浓度背景值. a The concentration of Cr in several sample was lower than detection limit (0.5 mg·kg−1); b Jiangxi background value of heavy metal concentration.
下载: 导出CSV
表 5 赣江不同区域重金属浓度比较(mg·kg−1)
Table 5. Comparison of heavy metal concentrations in different regions of Ganjiang River (mg·kg−1)
样品 Sample 参数 Parameter Cr Mn Cu Zn As Cd W Hg Pb T 最小值 0.0 518.6 29.6 173.3 9.8 0.7 1.1 0.2 27.7 最大值 38.2 4264.6 124.0 452.3 38.3 12.8 9.5 0.6 56.6 平均值 7.1 1643.8 64.9 266.8 20.6 3.3 6.2 0.4 41.7 S 最小值 0.0 494.5 30.7 171.5 10.1 0.7 4.2 0.2 29.2 最大值 12.8 2182.2 279.7 284.1 24.9 1.7 17.1 0.6 54.0 平均值 2.7 982.4 96.4 229.3 17.1 1.2 8.9 0.4 43.5 Z 最小值 0.1 362.8 90.9 290.7 28.4 1.7 19.0 0.7 69.8 最大值 15.4 1272.0 190.1 531.1 277.3 5.9 336.9 9.9 244.3 平均值 9.2 832.3 149.1 401.8 114.0 3.7 136.6 4.0 125.3 G 最小值 0.0 221.8 37.4 235.2 10.8 0.5 3.5 0.2 17.4 最大值 11.0 1470.2 170.2 1649.5 28.7 5.2 25.1 1.7 65.7 平均值 3.5 692.6 72.0 571.3 19.8 2.1 10.2 0.6 39.0 P 最小值 0.0 511.7 53.4 198.4 9.8 0.6 2.2 0.2 22.9 最大值 4.2 609.0 65.1 333.4 19.9 1.3 10.2 0.9 79.2 平均值 1.1 543.1 59.9 269.5 13.4 1.0 5.3 0.4 41.0
下载: 导出CSV
表 6 赣江及江西省选取的其他水系沉积物样品重金属浓度(mg·kg−1)
Table 6. Heavy metal concentrations of sediment samples from Ganjiang River and other river systems in Jiangxi Province (mg·kg−1)
研究区域 Study area Cr Mn Cu Zn As Cd W Hg Pb 赣江(本文) 0—38 222—4265 30— 280 172—1650 10— 277 0.5—12.8 1.1—337 0.2— 9.9 17—244 赣江[28] 18 — 48 130 8 17.3 — — 62 赣江[29] 60 — 48 139 — 2.3 — — 60 赣江[30] 17— 54 332— 648 15— 44 70—173 18—26 0.4— 2.4 — — 36— 76 饶河[31] 20—33 1016—1057 130—132 258—456 — 1.2—2.5 — — 46—55 修水[31] 10—18 617—877 23—30 59—143 — 0.2—1.2 — — 27—39 信江[32] 12—101 — 12—182 88—257 2—32 0.6—2.9 — — 16—77 抚河[33] 327—802 386—1366 34—113 1468—2708 704—1326 — — — 155—263 鄱阳湖[34] 30—75 — 20—51 82—257 9—18 — — 0.05—0.14 36—75 鄱阳湖[35] 2—10 177—1656 3—246 13—312 2—30 0.1—6.3 0.7—8.6 — 16—72
下载: 导出CSV
表 7 赣江沉积物重金属相关性分析
Table 7. Correlation analysis of heavy metals in sediments of Ganjiang River
Cr Mn Cu Zn As Cd W Hg Pb Cr 1 Mn 0.650** 1 Cu 0.312 0.427* 1 Zn 0.559** 0.508** 0.625** 1 As 0.310 0.104 0.499** 0.448* 1 Cd 0.290 0.097 0.402* 0.773** 0.358 1 W 0.264 0.050 0.478** 0.365 0.985** 0.274 1 Hg 0.650** 0.432* – 0.049 0.083 – 0.030 0.047 – 0.064 1 Pb 0.360 0.154 0.573** 0.532** 0.974** 0.395* 0.951** 0.026 1 *在0.05的概率水平上显著，**在0.01概率水平显著性；* Significance at the 0.05 probability level,** Significance at the 0.01 probability level.
下载: 导出CSV
-
[1] PENG H, GUO J, LI B, et al. High-efficient recovery of chromium (VI) with lead sulfate [J]. Journal of the Taiwan Institute of Chemical Engineers, 2018, 85: 149-154. doi: 10.1016/j.jtice.2018.01.028 [2] 王海东, 方凤满, 谢宏芳. 中国水体重金属污染研究现状与展望 [J]. 广东微量元素科学, 2010, 17(1): 14-18. doi: 10.3969/j.issn.1006-446X.2010.01.002 WANG H D, FANG F M, XIE H F. Research situation and outlook on heavy metal pollution in water environment of China [J]. Guangdong Trace Elements Science, 2010, 17(1): 14-18(in Chinese). doi: 10.3969/j.issn.1006-446X.2010.01.002
[3] ZAHRA A, HASHMI M Z, MALIK R N, et al. Enrichment and geo-accumulation of heavy metals and risk assessment of sediments of the Kurang Nallah—Feeding tributary of the Rawal Lake Reservoir, Pakistan [J]. Science of the Total Environment, 2014, 470/471: 925-933. doi: 10.1016/j.scitotenv.2013.10.017 [4] FU J, HU X, TAO X C, et al. Risk and toxicity assessments of heavy metals in sediments and fishes from the Yangtze River and Taihu Lake, China [J]. Chemosphere, 2013, 93(9): 1887-1895. doi: 10.1016/j.chemosphere.2013.06.061 [5] HUANG S L, NG C O, GUO Q Z. Experimental investigation of the effect of flow turbulence and sediment transport patterns on the adsorption of cadmium ions onto sediment particles [J]. Journal of Environmental Sciences, 2007, 19(6): 696-703. doi: 10.1016/S1001-0742(07)60116-8 [6] PAN L B, MA J, WANG X L, et al. Heavy metals in soils from a typical County in Shanxi Province, China: Levels, sources and spatial distribution [J]. Chemosphere, 2016, 148: 248-254. doi: 10.1016/j.chemosphere.2015.12.049 [7] VAROL M. Assessment of heavy metal contamination in sediments of the Tigris River (Turkey) using pollution indices and multivariate statistical techniques [J]. Journal of Hazardous Materials, 2011, 195: 355-364. doi: 10.1016/j.jhazmat.2011.08.051 [8] 车继鲁, 余树全, 张鑫, 等. 瓯江下游流域河流沉积物重金属污染特征、来源及潜在生态风险评价 [J]. 生态科学, 2017, 36(4): 176-184. CHE J L, YU S Q, ZHANG X, et al. Pollution characteristics, sources and potential ecological risk of heavy metals in surface sediment from the Lower Ou River [J]. Ecological Science, 2017, 36(4): 176-184(in Chinese).
[9] AMIN B, ISMAIL A, ARSHAD A, et al. Anthropogenic impacts on heavy metal concentrations in the coastal sediments of Dumai, Indonesia [J]. Environmental Monitoring and Assessment, 2009, 148(1/2/3/4): 291-305. [10] GATI G, POP C, BRUDAŞCĂ F, et al. The ecological risk of heavy metals in sediment from the Danube Delta [J]. Ecotoxicology, 2016, 25(4): 688-696. doi: 10.1007/s10646-016-1627-9 [11] KRISHNA A K, SATYANARAYANAN M, GOVIL P K. Assessment of heavy metal pollution in water using multivariate statistical techniques in an industrial area: A case study from Patancheru, Medak District, Andhra Pradesh, India [J]. Journal of Hazardous Materials, 2009, 167(1/2/3): 366-373. [12] ZHANG H, JIANG Y H, WANG M, et al. Spatial characterization, risk assessment, and statistical source identification of the dissolved trace elements in the Ganjiang River—feeding tributary of the Poyang Lake, China [J]. Environmental Science and Pollution Research, 2017, 24(3): 2890-2903. doi: 10.1007/s11356-016-7988-z [13] MWANAMOKI P M, DEVARAJAN N, THEVENON F, et al. Trace metals and persistent organic pollutants in sediments from river-reservoir systems in Democratic Republic of Congo (DRC): spatial distribution and potential ecotoxicological effects[J]. Chemosphere 2014, 111: 485-492. [14] BEDNAR A J, JONES W T, CHAPPELL M A, et al. A modified acid digestion procedure for extraction of tungsten from soil [J]. Talanta, 2010, 80(3): 1257-1263. doi: 10.1016/j.talanta.2009.09.017 [15] 张芙蕖, 蒋晶晶. 三种土壤消解方法的对比研究 [J]. 环境科学与管理, 2008, 33(3): 132-134. doi: 10.3969/j.issn.1673-1212.2008.03.034 ZHANG F Q, JIANG J J. The comparison study on three methods of soil digestion [J]. Environmental Science and Management, 2008, 33(3): 132-134(in Chinese). doi: 10.3969/j.issn.1673-1212.2008.03.034
[16] URE A M, QUEVAUVILLER P, MUNTAU H, et al. Speciation of heavy metals in soils and sediments. an account of the improvement and harmonization of extraction techniques undertaken under the auspices of the BCR of the commission of the European communities [J]. International Journal of Environmental Analytical Chemistry, 1993, 51(1/2/3/4): 135-151. [17] TOMLINSON D L, WILSON J G, HARRIS C R, et al. Problems in the assessment of heavy-metal levels in estuaries and the formation of a pollution index [J]. Helgolä nder Meeresuntersuchungen, 1980, 33(1/2/3/4): 566-575. [18] 何纪力, 徐光炎, 朱惠民. 江西省土壤环境背景值研究[M]. 北京: 中国环境科学出版社, 2006: 314. HE J L, XU G Y, ZHU H M. Study on soil environment background value in Jiangxi Province [M]. Beijing: China Environment Science Press, 2006: 314(in Chinese).
[19] ZHAO H R, XIA B C, FAN C, et al. Human health risk from soil heavy metal contamination under different land uses near Dabaoshan Mine, Southern China [J]. Science of the Total Environment, 2012, 417/418: 45-54. doi: 10.1016/j.scitotenv.2011.12.047 [20] BHUIYAN M A H, PARVEZ L, ISLAM M A, et al. Heavy metal pollution of coal mine-affected agricultural soils in the northern part of Bangladesh [J]. Journal of Hazardous Materials, 2010, 173(1/2/3): 384-392. [21] 卢聪, 李涛, 付义临, 等. 基于生物可利用性与宽度范围的Hakanson潜在生态风险指数法的创建——以小秦岭金矿区农田土壤为例 [J]. 地质通报, 2015, 34(11): 2054-2060. doi: 10.3969/j.issn.1671-2552.2015.11.009 LU C, LI T, FU Y L, et al. Establishment of the Hakanson potential ecological risk index method based on bioavailability and wide concentration range ——Taking the farmland soil of Xiaoqinling gold mining area as an example [J]. Geological Bulletin, 2015, 34(11): 2054-2060(in Chinese). doi: 10.3969/j.issn.1671-2552.2015.11.009
[22] 陈明, 胡兰文, 陶美霞, 等. 桃江河沉积物中重金属污染特征及风险评价 [J]. 环境科学学报, 2019, 39(5): 1599-1606. CHEN M, HU L W, TAO M X, et al. Heavy metal pollution characteristics and risk assessment in sediments of Taojiang River [J]. Acta Scientiae Circumstantiae, 2019, 39(5): 1599-1606(in Chinese).
[23] ZHENG X J, CHEN M, WANG J F, et al. Ecological risk assessment of heavy metals in the vicinity of tungsten mining areas, southern Jiangxi Province [J]. Soil and Sediment Contamination:an International Journal, 2020, 29(6): 665-679. doi: 10.1080/15320383.2020.1763912 [24] YAN F, LIU C L, WEI B W. Evaluation of heavy metal pollution in the sediment of Poyang Lake based on stochastic geo-accumulation model (SGM) [J]. Science of the Total Environment, 2019, 659: 1-6. doi: 10.1016/j.scitotenv.2018.12.311 [25] CHEN M, LI F G, TAO M X, et al. Distribution and ecological risks of heavy metals in river sediments and overlying water in typical mining areas of China [J]. Marine Pollution Bulletin, 2019, 146: 893-899. doi: 10.1016/j.marpolbul.2019.07.029 [26] 李凤果, 陈明, 师艳丽, 等. 赣江上游沉积物重金属空间分布及污染特征 [J]. 生态学杂志, 2020, 39(3): 920-927. LI F G, CHEN M, SHI Y L, et al. Spatial distribution and pollution characteristics of heavy metals in sediments of the upper reaches of Ganjiang River [J]. Chinese Journal of Ecology, 2020, 39(3): 920-927(in Chinese).
[27] 徐金英, 郑利林, 徐力刚, 等. 南方丘陵区河流表层沉积物重金属污染评价 [J]. 中国环境科学, 2019, 39(8): 3420-3429. doi: 10.3969/j.issn.1000-6923.2019.08.036 XU J Y, ZHENG L L, XU L G, et al. Ecological risk assessment and source analysis of heavy metals in surface sediments of rivers located in the hilly area of Southern China [J]. China Environmental Science, 2019, 39(8): 3420-3429(in Chinese). doi: 10.3969/j.issn.1000-6923.2019.08.036
[28] JI Y, ZHANGI J, HUANG X P, et al. Investigation and assessment of heavy metals in surface sediments of Ganjiang River, China [J]. Journal of Environmental Biology, 2014, 35(6): 1173-1179. [29] ZHANG H, JIANG Y H, YANG T, et al. Heavy metal concentrations and risk assessment of sediments and surface water of the Gan river, China [J]. Polish Journal of Environmental Studies, 2016, 25(4): 1529-1540. doi: 10.15244/pjoes/62100 [30] XU J Y, XU L G, ZHENG L L, et al. Distribution, risk assessment, and source analysis of heavy metals in sediment of rivers located in the hilly area of Southern China [J]. Journal of Soils and Sediments, 2019, 19(10): 3608-3619. doi: 10.1007/s11368-019-02341-3 [31] 李鸣. 鄱阳湖重金属污染特征研究及环境容量估算[D]. 南昌大学, 2010. [32] JI Y, ZHANG J, LI R H, et al. Distribution and partitioning of heavy metals in sediments of the Xinjiang River in Poyang Lake Region, China [J]. Environmental Progress & Sustainable Energy, 2015, 34(3): 713-723. [33] 刘小真, 周文斌, 胡利娜, 等. 抚河南昌段底泥重金属污染特征研究 [J]. 环境科学与技术, 2008, 31(5): 30-34. doi: 10.3969/j.issn.1003-6504.2008.05.009 LIU X Z, ZHOU W B, HU L N, et al. Contamination characteristics of heavy metals of fu river sediments at Nanchang segment [J]. Environmental Science & Technology, 2008, 31(5): 30-34(in Chinese). doi: 10.3969/j.issn.1003-6504.2008.05.009
[34] 杨期勇, 曾明, 谢琪, 等. 鄱阳湖北部湖区沉积物重金属分布及其潜在生态风险评价 [J]. 生态环境学报, 2018, 27(3): 556-564. YANG Q Y, ZENG M, XIE Q, et al. The distribution of heavy metals and potential ecological risk in the northern Poyang lake [J]. Ecology and Environmental Sciences, 2018, 27(3): 556-564(in Chinese).
[35] ZHANG H, JIANG Y H, DING M J, et al. Level, source identification, and risk analysis of heavy metal in surface sediments from river-lake ecosystems in the Poyang Lake, China [J]. Environmental Science and Pollution Research, 2017, 24(27): 21902-21916. doi: 10.1007/s11356-017-9855-y [36] 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. [37] CHEN M, LI F G, HU L W, et al. Occurrence and release of tungsten from river depositions in typical mining areas of southern Jiangxi Province [J]. Chemical Industry and Engineering Progress, 2019: 4320-4326. [38] LONGMAN R S, COTA A A, HOLDEN R R, et al. A regression equation for the parallel analysis criterion in principal components analysis: Mean and 95th percentile eigenvalues [J]. Multivariate Behavioral Research, 1989, 24(1): 59-69. doi: 10.1207/s15327906mbr2401_4 [39] MURTAGH F, LEGENDRE P. Ward's hierarchical agglomerative clustering method: Which algorithms implement ward's criterion? [J]. Journal of Classification, 2014, 31(3): 274-295. doi: 10.1007/s00357-014-9161-z [40] MORADI R, POURGHASEMIAN N, NAGHIZADEH M. Effect of beeswax waste biochar on growth, physiology and cadmium uptake in saffron [J]. Journal of Cleaner Production, 2019, 229: 1251-1261. doi: 10.1016/j.jclepro.2019.05.047 [41] WU J Z, LI Z T, HUANG D, et al. A novel calcium-based magnetic biochar is effective in stabilization of arsenic and cadmium co-contamination in aerobic soils [J]. Journal of Hazardous Materials, 2020, 387: 122010. doi: 10.1016/j.jhazmat.2019.122010 [42] NICOLAU R, GALERA-CUNHA A, LUCAS Y. Transfer of nutrients and labile metals from the continent to the sea by a small Mediterranean river [J]. Chemosphere, 2006, 63(3): 469-476. doi: 10.1016/j.chemosphere.2005.08.025 -
点击查看大图
计量
- 文章访问数: 3153
- HTML全文浏览数: 3153
- PDF下载数: 107
- 施引文献: 0
