基于土壤标准适宜性评价与环境基准的黔西北高Cd农用地精准管理新思路

杨利玉, 吴攀, 徐梦琪, 陈勇林, 景灏楠, 杨文弢. 基于土壤标准适宜性评价与环境基准的黔西北高Cd农用地精准管理新思路[J]. 环境工程学报, 2022, 16(12): 4049-4057. doi: 10.12030/j.cjee.202111144
引用本文: 杨利玉, 吴攀, 徐梦琪, 陈勇林, 景灏楠, 杨文弢. 基于土壤标准适宜性评价与环境基准的黔西北高Cd农用地精准管理新思路[J]. 环境工程学报, 2022, 16(12): 4049-4057. doi: 10.12030/j.cjee.202111144
YANG Liyu, WU Pan, XU Mengqi, CHEN Yonglin, JING Haonan, YANG Wentao. A novel approach to accurate management of agricultural land with high level Cd in northwest Guizhou—based on current soil standards suitability evaluation and study of environmental benchmark[J]. Chinese Journal of Environmental Engineering, 2022, 16(12): 4049-4057. doi: 10.12030/j.cjee.202111144
Citation: YANG Liyu, WU Pan, XU Mengqi, CHEN Yonglin, JING Haonan, YANG Wentao. A novel approach to accurate management of agricultural land with high level Cd in northwest Guizhou—based on current soil standards suitability evaluation and study of environmental benchmark[J]. Chinese Journal of Environmental Engineering, 2022, 16(12): 4049-4057. doi: 10.12030/j.cjee.202111144

基于土壤标准适宜性评价与环境基准的黔西北高Cd农用地精准管理新思路

    作者简介: 杨利玉 (1995 —) ,女,硕士研究生,1574312376@qq.com
    通讯作者: 吴攀 (1973 —) ,男,博士,教授, pwu@gzu.edu.cn
  • 基金项目:
    国家自然科学基金资助项目 (U1612442,32101391) ;国家重点研发计划项目 (2018YFC1802601) ;贵州省科技计划项目 (黔科合支撑[2022]一般222,黔科合基础[2020]1Y181) ;贵州省高层次人才培养计划项目 (黔科合平台人才[2016]5664) ;贵州省人才基地项目 (RCJD2018-21)
  • 中图分类号: X53

A novel approach to accurate management of agricultural land with high level Cd in northwest Guizhou—based on current soil standards suitability evaluation and study of environmental benchmark

    Corresponding author: WU Pan, pwu@gzu.edu.cn
  • 摘要: 我国现行土壤标准 (GB 15618-2018) 在高重金属背景值农用地评价的准确性难以满足地方政府对农用地的精准管理。以黔西北水城区高镉 (Cd) 农用地为例,采集了164组土壤-农产品协同监测样品,系统地探讨了现行标准对农用地评价的适应性,并基于物种敏感分布模型 (SSD) 反推区域农用地环境风险基准值。结果表明,研究区土壤Cd质量分数总体呈高累积特征,而农产品可食部位中Cd质量分数整体偏低。164组样品中有72组适应性分析结果为不适宜,假阴性/阳性错误比率为43.90%。推导所得的土壤风险值临界值 (HC5) 和警戒值 (HC95) 分别为:水稻 0.7和20.9 mg·kg−1、玉米 2.4和48.5 mg·kg−1、叶菜蔬菜 2.5和151.2 mg·kg−1。基于上述阈值重新评价研究区农用地,其适应性比率整体从56.10%提高至97.60%。本研究结果可为类似高背景值重金属农用地的精准分类和管理提供新思路。
  • 农村污水的分质收集处理是农村污水资源化的重要方式。农村生活污水按照其污水来源和水质特征的不同,可以大致分为灰水和黑水2大类。其中,灰水是指不包括冲厕污水(黑水)在内的生活杂排水,主要包括餐厨污水、洗涤污水和洗浴污水等[1-2]。灰水由于基本不含肠道病原微生物、污染物浓度较低且易于自然生物处理的特点,具有很高的直接回用价值[1]。为缓解水资源压力,灰水单独采用管道收集并直接用于灌溉的回用方式已经得到了一定的应用[3]。而农村污水治理工程设施投资中的管道敷设成本占所有建设投资的70%以上,管道敷设成本过高直接限制了农村地区污水收集治理工作的有效开展[4-5]。小管径重力流排水系统具有管道成本低、施工开挖土方量少、建设迅速等诸多优点,非常适用于经济条件相对落后的农村地区[6-7]。基于此,小管径重力流灰水管道系统具有明显的经济优势和生态环境效益,具有较大的推广潜力和应用前景。

    排水管道生物膜具有一定的污水预处理功能,并且可能产生CH4、H2S等具有环境和健康风险的气体,对于市政排水管道生物膜的微生物群落特征已经有了相对广泛的研究[8-10]。然而,农村污水特征与市政排水相比,其水质水量具有明显的随时间变化规律,即每天在用餐时段污水水量较大,而夜间基本没有污水排放[11]。具体到管道容量较小的小管径系统中,在早中晚时段,污水排放高峰期,管道经常临近满管流状态;而在夜间,基本处于断流状态。不同的流态决定了不能直接套用市政污水管道生物膜数据来解析农村污水管道生物膜,当前对于农村污水管道生物膜的认识仍处于起步阶段,更是罕有针对农村灰水管道生物膜的研究。

    本研究采用实验室规模的小管径重力流灰水管道系统,研究了小管径重力流灰水管道生物膜的细菌群落、氮硫循环管道功能菌特征以及氮循环功能基因分布情况,重点探讨了管道敷设坡度对于小管径重力流灰水管道生物膜细菌群落的影响。本研究丰富了排水管道生物膜认知体系,为小管径重力流灰水管道的优化设计和应用提供了参考。

    本研究采用的实验装置为实验室规模的小管径重力流管道模拟系统。整个系统由3套不同敷设坡度(5‰,10‰,15‰)的透明UPVC排水管道系统(φ50 mm×3.5 mm,单组管道总长5 m,溢彩,中国)、PVC阀门(百盛,中国)、高位水箱(PVC板自制)、循环水箱(PVC板自制)、潜水泵(HQB-5000,森森,中国)、恒温器(300 W,YEE,中国)等组成(图1)。灰水由潜水泵经循环水箱提升至高位水箱,沿排水管道依靠重力作用流下,最终回到循环水箱。灰水在整套系统中循环流动,模拟小管径重力流灰水管道的生物膜生境,同时保证了3套管道中的灰水水质相同,有效避免了水质差异造成的生物膜群落结构差异。为进行生物膜取样,在距直管道起点1 m处设置30 cm长的取样管道,两侧采用50 mm PVC活接头(联塑,中国)连接,确保取样管道的轴线与直管道重合。

    图 1  小管径重力流模拟装置示意图
    Figure 1.  Schematic diagram of simulated small diameter gravity sewers

    为模拟实际农村灰水在小管径重力流管道中的真实流态,本研究利用调节潜水泵功率和阀门开闭的方式保持管道内的充满度随时间有规律的变化,管道实际充满度和平均灰水流速如图2所示。整个实验设备的运行水温维持在20 ℃并保持避光运行,以模拟真实的灰水管道运行状态。本研究进水采用人工配制的灰水,配制方法见表1。每2 d换水一次,运行水质条件见表2。整套设备连续运行60 d,形成成熟的管道生物膜。

    表 1  配制灰水组分浓度
    Table 1.  Composition of synthetic gray water
    常量物质浓度/(mg·L−1)微量物质浓度/(μg·L−1)
    葡萄糖80CaCl2·2H2O73.50
    蛋白胨80MgSO4·7H2O51.25
    CH3COONa54Na2SiO3·9H2O30.43
    NaHCO391Al2(SO4)3·16H2O11.78
    KCl57FeCl3·6H2O4.83
    KNO37ZnSO4·7H2O0.88
    NH4Cl19H3BO30.58
    NaH2PO4·2H2O15CuSO4·5H2O0.39
    食用油30MnCl2·4H2O0.27
    十二烷基苯磺酸钠5KI0.03
    EDTA20.00
      注:pH=7。
     | Show Table
    DownLoad: CSV
    图 2  管道充满度及流速随时间的变化
    Figure 2.  Variation of relative depth and flow velocity with time in sewers
    表 2  实验灰水水质特征
    Table 2.  Characteristics of gray water in the experiment
    测试结果pHDO/(mg·L−1)COD/(mg·L−1)-N/(mg·L−1)TN/(mg·L−1)TP/(mg·L−1)/(mg·L−1)LAS/(mg·L−1)
    平均值7.074.26121.564.9014.333.8318.072.69
    标准差0.130.5785.880.631.220.947.331.60
      注:LAS为阴离子表面活性剂。
     | Show Table
    DownLoad: CSV

    相关研究[12-13]表明,经过60 d的连续运行,排水管道生物膜可以发育成熟。连续运行后,在第60天拆卸取样管道,用经过灭菌处理的药匙刮下少量位于管道内表面底部的生物膜样品,置于无菌离心管中,迅速置于4 ℃冰箱中保存,用于生物膜样品的形貌观测。另取3份平行样品,迅速置于4 ℃便携式恒温箱(FYL-12MC-B4,福意联,中国)中临时暂存,在0.5 h内,转移至−80 ℃冰箱中保存,用于生物膜细菌的群落分析,取3份平行样品群落分析结果的算术平均值。

    将生物膜样品浸没于2.5%的戊二醛溶液中,4 ℃避光静置24 h。然后依次利用25%、50%、75%、95%和100%的乙醇溶液进行梯度脱水,最后于−50 ℃中冷冻干燥,制得扫描电镜样品。将样品喷碳后,置于JSM-5610LV型扫描电镜(JEOL,日本)下,分析生物膜样品的形貌特征。

    采用PowerSoil® DNA Isolation Kit (MoBio,美国)试剂盒提取生物膜样品的DNA,并利用细菌16S rRNA通用引物338F和806R进行PCR扩增。总PCR反应体系的体积为20 μL,包括超纯水13.25 μL,10×PCR ExTaq Buffer 2.0 μL,DNA模板(100 ng·mL−1)0.5 μL,引物338F和806R (10 mmol·L−1)各1.0 μL,dNTP 2.0 μL, ExTaq (5 U·mL−1) 0.25 μL;在95 ℃中维持5 min,继而进行30个扩增循环,每个循环包括95 ℃孵育30 s,58 ℃孵育20 s,72 ℃孵育6 s;最后在72 ℃维持7 min,得到扩增产物。扩增产物经纯化定量回收后,采用Illumina HiSeq 2500 (Illumina,美国)高通量测序平台进行测序分析。细菌高通量测序结果以97%的相似度划分为分类操作单元(OTU),获得的OTU与细菌Silva分类学数据库比对,得到细菌群落组成信息。DNA提取和高通量测序工作由北京百迈客生物科技有限公司完成,高通量测序数据通过百迈客云计算平台进行处理和分析(www.biocloud.net)。

    将细菌16S rRNA测序结果与Greengenes分类学数据库比对后形成的OTU文件(97%相似度)上传至PICRUSt在线分析网站(http://huttenhower.sph.harvard.edu/galaxy/),运算形成按拷贝数标准化处理的OTU文件,进而依据网页内置程序进行PICRUSt宏基因组预测[14], 预测得到的KEGG分类数据(ko)通过与KEGG数据库进行比对,获得相关功能基因丰度。

    经过60 d的连续运行,小管径重力流灰水管道内壁形成了厚度相对均匀的淡黄色的胶状生物膜。生物膜的扫描电镜结果如图3所示。可以看出,脱水后的灰水管道生物膜呈粗糙的表面结构,生物膜中分布着大量的不同种类的细菌、真菌、原生动物和胞外聚合物(EPS),灰水管道生物膜中的微生物以细菌为主,细菌种类多样,杆菌球菌密布,覆盖了整个生物膜表面。真菌数量相对较少,但仍广泛分布在灰水管道生物膜中。观察到的原生动物体表有六边形鳞片构成的外壳,从形貌特征上分析可能为网足属原生动物。原生动物的大量出现表明经过60 d的连续运行,灰水管道生物膜已经形成了复杂的微型生态系统,确认了此时生物膜已经成熟。

    图 3  灰水管道生物膜扫描电镜图
    Figure 3.  SEM images of gray water SDGS biofilms

    通过对9个样品(每组管道各3个平行样品)的高通量测序,共获得443 338条有效序列,共划分为230个OTU。其中181个OTU为3个坡度共有(图4),说明不同坡度下小管径重力流灰水管道生物膜细菌中绝大部分物种是共有的,坡度变化对于灰水管道生物膜中主要的细菌种类影响不大。根据香农指数曲线(图5)所示,随着取样序列数的增加,3个坡度下的平均Shannon指数逐渐趋于平缓,这说明本研究中的高通量测序深度满足进一步分析的要求,测序结果能够充分反映细菌的群落结构。

    图 4  OTUs韦恩图
    Figure 4.  Venn diagram of OTUs
    图 5  OTU香农曲线图
    Figure 5.  Shannon diagram of OTUs

    小管径重力流灰水管道生物膜的细菌群落结构如图6图7所示。细菌主要以Proteobacteria (变形菌门) (57.76%±5.76%)、Actinobacteria (放线菌门) (38.46%±5.50%)、Bacteroidetes (拟杆菌门) (2.18%±0.73%)和Acidobacteria (酸杆菌门) (0.79%±0.25%)为主,其中以变形菌门和放线菌门为优势菌门。在15‰的坡度下,放线菌门的丰度显著减小,高流速条件下不利于生物膜上放线菌的生存。另外,生物膜中存在一定丰度的Nitrospirae (硝化螺旋菌门) (0.12%±0.01%),这证明生物膜中存在硝化过程。Paenarthrobacte (38.35%±5.50%)、Ensifer (剑菌属) (17.11%±1.50%)和Spingopyxis (11.73%±4.32%)是生物膜中的优势细菌属。Paenarthrobacte是一种好氧生长的球形放线菌,可以利用多种碳源,并且可以水解淀粉类物质[15]。剑菌属是一种好氧生长的杆状变形菌,能够利用包括葡萄糖、半乳糖在内的多种碳源,不能水解淀粉,具有硝酸盐和亚硝酸盐还原能力,能够附着在其他细菌表面并使其裂解,是一种非专性捕食性细菌[16]Spingopyxis是一种好氧生长的呈黄色外观的杆状变形菌,可以利用多种碳源,没有发酵功能,不能水解淀粉,部分种有硝酸盐还原能力[17],它的存在解释了灰水管道生物膜淡黄色外观的成因。优势细菌属都能利用多种碳源,说明小管径重力流灰水管道生物膜对于多种有机物都有一定的生物降解能力。坡度对细菌优势属的相对丰度有显著的影响:5‰和10‰坡度下细菌丰度差异不明显,而15‰坡度下的细菌丰度与前2个坡度有显著差异。主要表现在15‰坡度下,PaenarthrobacteHydrogenophaga(噬氢菌属)和Haliangium丰度降低,而Ensifer (剑菌属)、SpingopyxisSphingobium (鞘脂菌属)和Pseudomonas (假单胞菌属) 丰度升高。

    图 6  细菌门水平相对丰度
    Figure 6.  Relative abundance of bacteria at phylum level
    图 7  细菌属水平相对丰度热图
    Figure 7.  Heat map of relative abundance of bacteria at genus level

    为深入分析管道坡度对细菌群落结构的影响,在属水平下进行LEfSe分析(图8)。图8只显示满足线性判别分析LDA值大于3.5的差异指示物种。LEfSe分析表明,在本研究中的3个管道坡度下,管道生物膜的细菌中共有24个差异指示物种,其中5‰坡度下含有10个,10‰坡度下含有5个,15‰坡度下含有9个,差异指示物种的丰度在相应的坡度下的丰度显著高于另外2个坡度的丰度。5‰坡度下的差异指示物种包括Rhodobacteraceae (红杆菌科)、Rhodobacterales (红杆菌目)、FlavihumibacterBacteroidetes (拟杆菌门)、Sphingobacteriaceae (鞘脂杆菌科)、Sphingobacteriia (鞘脂杆菌纲)、FlavobacterialesChitinophagaceaeSphingobacteriales (鞘脂杆菌目)、Flavobacteriia。10‰坡度下的差异指示物种包括Actinobacteria (放线菌门)、PaenarthrobacterMicrococcales (微球菌目)、Micrococcaceae (微球菌科)、Actinobacteria (放线菌门)。15‰坡度下的差异指示物种包括Alphaproteobacteria (α变形菌纲)、Proteobacteria (变形菌门)、TerrimonasThiotrichaceae (硫发菌科)、Thiotrichales (硫发菌目)、Blastomonas (芽单胞菌属)、Beggiatoa (贝日阿托菌属)、ObscuribacteralesDesulfurellales (硫还原菌目)。5‰、10‰、15‰ 3个坡度下差异贡献最大的指示物种分别是Rhodobacteraceae (红杆菌科)、Actinobacteria (放线菌门)和Alphaproteobacteria (α变形菌纲)。管道敷设坡度的变化可显著影响小管径重力流灰水管道生物膜的细菌群落结构。

    图 8  细菌LEfSe分析图 (LDA > 3.5)
    Figure 8.  LEfSe diagram of bacteria (LDA > 3.5)

    排水管道生物膜中的功能细菌主要由氮循环细菌和硫循环细菌组成,一般可以将其分为反硝化细菌、亚硝酸细菌、硝酸细菌、硫酸盐还原细菌和硫氧化细菌5类[18-20]。本研究利用基于通用引物的高通量测序技术,研究了小管径重力流灰水管道生物膜中功能细菌(属水平)的分布特征(表3)。在本研究中,灰水管道生物膜中存在大量的以Pseudomonas (假单胞菌属) (2.78%±0.56%)和Rhodobacter (红杆菌属) (2.05%±0.94%)为主体的含有反硝化细菌的属,其中,假单胞菌属下的部分种属于好氧反硝化细菌[21],含有反硝化细菌的属总丰度随着管道坡度的增大而逐渐降低。Nitrospira (硝化螺菌属) (0.13%±0.01%)是本研究中唯一检出的一种硝酸细菌属,以Acidiphilium (嗜酸菌属) (0.04%±0.02%)为主要代表的硫氧化菌属也有检出。在0.01%的检出限下,没有检出属水平的亚硝酸细菌和硫酸盐还原细菌。在排水系统中,亚硝酸细菌的丰度比硝酸细菌的丰度大约低一个数量级[22],而本研究中灰水管道生物膜的硝酸细菌丰度仅为0.1%左右,因此,亚硝酸细菌在基于通用引物的高通量测序中难以检出。

    表 3  灰水管道生物膜功能细菌相对丰度(属水平)
    Table 3.  Relative abundance of functional bacteria in gray water sewer biofilms at genus level
    功能菌属名相对丰度/%
    坡度5‰坡度10‰坡度15‰
    含有反硝化细菌的属Rhodobacter2.7452.4230.986
    Pseudomonas2.1211.9903.024
    Paracoccus0.7350.6810.273
    Aeromonas0.4910.5940.828
    Xanthomonas0.2960.2580.139
    Acinetobacter0.2620.2140.277
    Microbacterium0.0930.0650.058
    Vibrio0.0860.0810.130
    Bacillus0.0810.0830.082
    Rhizobium0.0640.0650.171
    Comamonas0.0450.0440.028
    Erythrobacter0.0190.0220.050
    硝酸细菌Nitrospira0.1260.1320.118
    硫氧化细菌Acidiphilium0.0590.0490.017
    Sphingomonas0.0040.0060.011
    Beggiatoa0.0010.0080.029
     | Show Table
    DownLoad: CSV

    在本研究中,基于通用引物未能检出硫酸盐还原菌,说明硫酸盐还原菌在管道生物膜内丰度很低,这可能是由于2个原因:其一,灰水中不含人类粪便,生活污水中的硫酸盐还原菌主要源自人类粪便[23],本研究采用的灰水引入的硫酸盐还原菌数量较少;其二,在硫酸盐还原菌适宜生长在厌氧环境中,而本研究是好氧管道系统,环境条件不利于硫酸盐还原菌的生长。小管径重力流灰水管道生物膜中存在大量的反硝化菌和一定量的硝化细菌,而在生物膜中的硫酸盐还原菌没有达到检出水平,表明小管径重力流灰水管道具有一定的生物脱氮功能并且H2S积累的风险很低。输送生活污水的小管径重力流管道普遍存在的H2S积累问题,在小管径重力流灰水管道中可以忽略,这一现象有利于小管径灰水管道的安全应用和大范围推广。

    基于2.3节中功能细菌的分析结果,小管径重力流灰水管道生物膜中S循环过程(特别是H2S产生过程)基本可以忽略,而反硝化菌广泛存在于自然界中,其属水平的分类尚不完全,并且已确认的反硝化菌属中并非所有的菌种都具备反硝化功能[24],须从功能基因的角度进行深入分析,因此,本章节探讨氮循环功能基因在不同坡度管道下的分布特征。硝化功能基因的PICRUSt预测丰度如图9所示。由于灰水管道生物膜中基本不含亚硝化细菌,因此,氨单加氧酶基因amoABC以及羟胺氧化酶基因hao基本没有预测丰度,而灰水管道生物膜中一定丰度的硝化细菌携带的亚硝酸盐氧化酶基因nxrA和nxrB预测丰度很高,这明确了灰水管道生物膜中硝化作用的存在。随着管道坡度的增大,亚硝酸盐氧化酶基因nxrA和nxrB的丰度均显著增大,管道生物膜的硝化作用增强,说明大坡度的管道有利于灰水氨氮的去除。反硝化功能基因的PICRUSt预测丰度如图10所示。硝酸盐还原酶基因narGHI和napAB、亚硝酸盐还原酶基因nirK、一氧化氮还原酶基因norBC以及氧化亚氮还原酶基因nosZ在生物膜中均能大量预测到,这说明虽然本研究的灰水管道处于好氧运行状态,但其管道生物膜上仍然可以发生完整的反硝化过程。另外,nosZ的丰度显著小于其他反硝化基因,说明在灰水管道生物膜上发生的反硝化过程主要的终产物是N2O,这与好氧反硝化的终产物相吻合,同时结合管道的好氧状态,可以确定小管径灰水管道生物膜主要发生好氧反硝化过程。在15‰坡度下,灰水管道生物膜的反硝化功能基因总数显著高于另外2个坡度,表明大坡度的管道敷设方案可以加强灰水在管道内的反硝化过程,有利于灰水的生物脱氮过程。综合硝化功能基因和反硝化功能基因的预测结果,采用大坡度(15‰)的灰水管道敷设方案有利于促进灰水在管道输送过程中的生物脱氮作用。根据农村地区的污水管网敷设工程经验,15‰的管道敷设坡度在很多农村地区都具有实际应用的可行性,因此,对于小管径重力流灰水管道,在地质条件和经济条件允许的情况下,应尽量采用大坡度(15‰)的管道敷设方案。

    图 9  硝化功能基因预测丰度
    Figure 9.  Predicted abundance of nitrification genes
    图 10  反硝化功能基因预测丰度
    Figure 10.  Predicted abundance of denitrification genes

    1)小管径重力流灰水管道生物膜中存在大量的细菌、真菌乃至原生动物。其中细菌主要以Proteobacteria (变形菌门)、Actinobacteria (放线菌门)和Bacteroidetes (拟杆菌门)为主,优势菌属为PaenarthrobacteEnsifer (剑菌属)和Spingopyxis。管道坡度的变化会显著影响灰水管道生物膜细菌群落组成。

    2)管道功能菌主要以反硝化细菌、硝酸细菌和硫氧化细菌为主。基于通用引物的Illumina HiSeq高通量测序没有检出属水平的亚硝酸细菌和硫酸盐还原细菌。小管径重力流灰水管道具有生物脱氮潜力,H2S积累风险低,有利于其推广应用。

    3)灰水管道生物膜中具有完整的反硝化过程功能基因,反硝化过程以好氧过程为主。亚硝化过程功能基因缺失,硝化过程功能基因丰富。大坡度(15‰)的灰水管道敷设方案可以提高氮循环相关功能基因丰度,有利于促进灰水在管道输送过程中的生物脱氮作用,在条件允许的地区,应优先采用大坡度(15‰)的灰水管道设计方案。

  • 图 1  研究区采样布点图

    Figure 1.  Sampling points of research area

    图 2  研究区农田土壤pH及土壤Cd质量分数散点图

    Figure 2.  Scatter plot of soil pH and soil Cd content in farmland soil of research area

    图 3  各供试农作物可食部位Cd质量分数

    Figure 3.  Cd content in edible parts of all tested crops

    图 4  黔西北水城区农田土壤各类别作物敏感性分布 (SSD) 曲线

    Figure 4.  Species sensitivity distribution (SSD) curve of farmland soil to various crops in Shuicheng District, Northwest Guizhou

    图 5  推导阈值的适宜性验证

    Figure 5.  Suitability verification of derivation threshold

    表 1  黔西北水城区农田土壤pH值和Cd质量分数统计特征

    Table 1.  Statistical characteristics of pH value and Cd content in farmland soil in Shuicheng District of Northwest Guizhou

    作物名称样品数土壤pH土壤Cd
    范围平均值范围/ (mg·kg−1) 平均值/ (mg·kg−1) 变异系数点位超标率
    水稻224.67~7.476.030.26~3.551.1675.02%90.91%
    玉米1054.53~8.096.350.30~66.503.77184.57%99.05%
    叶菜蔬菜374.35~7.776.120.70~248.0019.03219.93%100%
    作物名称样品数土壤pH土壤Cd
    范围平均值范围/ (mg·kg−1) 平均值/ (mg·kg−1) 变异系数点位超标率
    水稻224.67~7.476.030.26~3.551.1675.02%90.91%
    玉米1054.53~8.096.350.30~66.503.77184.57%99.05%
    叶菜蔬菜374.35~7.776.120.70~248.0019.03219.93%100%
    下载: 导出CSV

    表 2  研究区土壤重金属元素地积累指数

    Table 2.  Geo-accumulation factors of heavy metals in soils in the study area

    地累积指数污染程度点位数百分比
    Igeo≤0无污染8149.39%
    0<Igeo≤1无污染到中度污染7545.73%
    1<Igeo≤2中度污染74.27%
    2<Igeo≤3中度污染到强污染10.61%
    3<Igeo强污染及以上00.00
    地累积指数污染程度点位数百分比
    Igeo≤0无污染8149.39%
    0<Igeo≤1无污染到中度污染7545.73%
    1<Igeo≤2中度污染74.27%
    2<Igeo≤3中度污染到强污染10.61%
    3<Igeo强污染及以上00.00
    下载: 导出CSV

    表 3  农用地土壤Cd风险管控标准在黔西北水稻产地土壤环境质量类别划分的适宜性

    Table 3.  Suitability of risk control standards for soil Cd contamination of agricultural land in the classification of environmental quality for the rice production areas of Northwest Guizhou

    土壤Cd≤RSVRSV<土壤Cd≤RIV土壤Cd>RIV
    土壤 pHRSVRIVNESESNESESNESES小计
    标准合适假阴性Ⅰ类错误假阳性Ⅱ类错误标准合适
    pH≤5.50.3ab1.50016018236
    5.5<pH≤6.50.4a/0.3b21021239265
    6.5<pH≤7.50.6a/0.3b31027014244
    pH>7.50.8a/0.6b4101701019
      注:表中RSV和RIV分别表示土壤环境质量标准 (GB 15618-2018) 中的农用地土壤污染风险筛选值和管制值;NES和ES分别表示农产品不超标样本数和超标样本数;a表示水田土壤,b表示其他土壤。
    土壤Cd≤RSVRSV<土壤Cd≤RIV土壤Cd>RIV
    土壤 pHRSVRIVNESESNESESNESES小计
    标准合适假阴性Ⅰ类错误假阳性Ⅱ类错误标准合适
    pH≤5.50.3ab1.50016018236
    5.5<pH≤6.50.4a/0.3b21021239265
    6.5<pH≤7.50.6a/0.3b31027014244
    pH>7.50.8a/0.6b4101701019
      注:表中RSV和RIV分别表示土壤环境质量标准 (GB 15618-2018) 中的农用地土壤污染风险筛选值和管制值;NES和ES分别表示农产品不超标样本数和超标样本数;a表示水田土壤,b表示其他土壤。
    下载: 导出CSV
  • [1] 杨文弢, 张佳, 廖柏寒. Cd胁迫下外源有机肥对土壤中Cd有效性和水稻糙米中Cd含量的影响[J]. 贵州大学学报(自然科学版), 2020, 37(1): 105-111.
    [2] 盛昕, 顿梦杰, 肖乃川, 等. 不同品种油葵在镉严格管控类耕地的安全利用探索[J]. 环境工程学报, 2021, 15(8): 2711-2720. doi: 10.12030/j.cjee.202105081
    [3] 杨文弢, 廖柏寒, 周航, 等. 有机肥施用下水稻不同生育期土壤水稻系统中微量元素与Cd的关系[J]. 安全与环境学报, 2020, 20(5): 1932-1941.
    [4] 熊康宁, 池永宽. 中国南方喀斯特生态系统面临的问题及对策[J]. 生态经济, 2015, 31(1): 23-30. doi: 10.3969/j.issn.1671-4407.2015.01.006
    [5] 陈拙, 吴攀, 孟伟, 等. 喀斯特地区清虚洞组地层风化对土壤重金属累积的影响[J]. 生态学杂志, 2019, 38(12): 3747-3753. doi: 10.13292/j.1000-4890.201912.009
    [6] 中国环境监测总站. 中国土壤元素背景值. [S]. 北京: 中国环境科学出版社, 1990.
    [7] 黄优, 桂祥友. 贵州土地复垦发展现状及其对策研究[J]. 环境工程学报, 2008(2): 285-288.
    [8] 侯湖平, 黄安平, 张绍良, 等. 矿产资源开发区与生态脆弱区吻合性分析——以贵州省为例[J]. 矿业研究与开发, 2015, 35(1): 103-108.
    [9] 王春, 陈梓杰, 王莹, 等. 黑色岩系地质高背景区土壤锌富集特征与环境活性[J]. 地球与环境, 2021: 1-8.
    [10] YANG L Y, YANG W T, Gu S Y, et al. Effects of organic fertilizers on Cd activity in soil and Cd accumulation in rice in three paddy soils from Guizhou province[J]. Bulletin of Environmental Contamination and Toxicology, 2021, 107(6): 1161-1166. doi: 10.1007/s00128-021-03326-0
    [11] 黄钟霆, 易盛炜, 陈贝贝, 等. 典型锰矿区周边农田土壤-农作物重金属污染特征及生态风险评价[J]. 环境科学, 43(02): 1-14.
    [12] 林承奇, 蔡宇豪, 胡恭任, 等. 闽西南土壤-水稻系统重金属生物可给性及健康风险[J]. 环境科学, 2021, 42(1): 359-367.
    [13] 郝社锋, 任静华, 范健, 等. 江苏某市水稻籽粒重金属富集特征及健康风险评价[J]. 环境污染与防治, 2021, 43(2): 217-222,228.
    [14] 王旭莲, 刘鸿雁, 周显勇, 等. 地质高背景区马铃薯安全生产的土壤镉风险阈值[J]. 农业环境科学学报, 2021, 40(2): 355-363. doi: 10.11654/jaes.2020-0988
    [15] 王小蒙, 郑向群, 丁永祯, 等. 不同土壤下苋菜镉吸收规律及其阈值研究[J]. 环境科学与技术, 2016, 39(10): 1-8.
    [16] 王倩, 直俊强, 石奥, 等. 微波消解-电感耦合等离子体质谱(ICP-MS)法同时测定土壤中11种金属元素[J]. 中国无机分析化学, 2021, 11(1): 7-11. doi: 10.3969/j.issn.2095-1035.2021.01.002
    [17] 赵东杰, 王学求. 滇黔桂岩溶区河漫滩土壤重金属含量、来源及潜在生态风险[J]. 中国环境科学, 2020, 40(4): 1609-1619. doi: 10.3969/j.issn.1000-6923.2020.04.028
    [18] 徐梦琪, 杨文弢, 杨利玉, 陈勇林, 景灏楠, 吴攀. 黔西北山区耕地重金属健康风险评价及环境基准[J/OL][J]. 环境科学, 2022: 1-15. doi: 10.13227/j.hjkx.202111053
    [19] 郎笛, 王宇琴, 张芷梦, 等. 云南省农用地土壤生态环境基准与质量标准建立的思考及建议[J]. 生态毒理学报, 2021, 16(1): 74-86.
    [20] 曾庆楠, 安毅, 秦莉, 等. 物种敏感性分布法在建立土壤生态阈值方面的研究进展[J]. 安全与环境学报, 2018, 18(3): 1220-1224.
    [21] 冯艳红, 王国庆, 张亚, 等. 土壤-蔬菜系统中镉的生物富集效应及土壤阈值研究[J]. 地球与环境, 2019, 47(5): 653-661.
    [22] ROMKENS P F A M, Guo H Y, CHU C L, et al. Prediction of Cadmium uptake by brown rice and derivation of soil–plant transfer models to improve soil protection guidelines[J]. Environmental Pollution, 2009, 157(8-9): 2435-2444. doi: 10.1016/j.envpol.2009.03.009
    [23] 刘南婷, 刘鸿雁, 吴攀, 等. 典型喀斯特地区土壤重金属累积特征及环境风险评价[J]. 农业资源与环境学报, 2021, 38(5): 797-809.
    [24] 王雪雯, 刘鸿雁, 顾小凤, 涂宇, 于恩江, 吴攀. 地质高背景与污染叠加区不同土地利用方式下土壤重金属分布特征[J]. 环境科学, 2022, 43(4): 2094-2103. doi: 10.13227/j.hjkx.202107112
    [25] 魏赢, 刘阳生. 汞污染农田土壤的化学稳定化修复[J]. 环境工程学报, 2017, 11(3): 1878-1884. doi: 10.12030/j.cjee.201512016
    [26] 杨光龙, 陈冲, 王林. 黔西北艾家坪-水城地区铅锌矿地质特征及控矿条件[J]. 贵州地质, 2009, 26(1): 31-35. doi: 10.3969/j.issn.1000-5943.2009.01.007
    [27] 邱静, 吴永贵, 罗有发, 等. 两种先锋植物对铅锌废渣生境改善及重金属迁移的影响[J]. 农业环境科学学报, 2019, 38(4): 798-806. doi: 10.11654/jaes.2018-0752
    [28] 林文杰, 周晚春, 敖子强, 等. 土法炼锌区土地复垦的重金属迁移特征[J]. 安徽农业科学, 2009, 37(12): 5608-5610. doi: 10.3969/j.issn.0517-6611.2009.12.113
    [29] 柴冠群, 杨娇娇, 范成五, 等. 镉高地质背景区设施栽培对土壤与蔬菜镉积累的影响[J]. 土壤通报, 2020, 51(6): 1489-1495.
    [30] 胡立志, 刘鸿雁, 刘青栋, 等. 贵州喀斯特地区辣椒镉的累积特性及土壤风险阈值研究[J]. 生态科学, 2021, 40(3): 193-200.
    [31] 张家春, 曾宪平, 张珍明, 等. 喀斯特林地土壤重金属形态特征及其评价[J]. 水土保持研究, 2019, 26(6): 347-352,358.
    [32] 刘方, 王金凤, 朱健, 等. 地质条件制约对喀斯特区域土壤Cd累积及空间分布的影响[J]. 贵州大学学报(自然科学版), 2021, 38(3): 10-16.
    [33] SUNGUR A, SOYLAK M, YILMAZ E, et al. Characterization of heavy metal fractions in agricultural soils by sequential extraction procedure: the relationship between soil properties and heavy metal fractions[J]. Soil and Sediment Contamination, 2014 (1), 24: 1-15.
    [34] 杨文弢, 周航, 邓贵友, 等. 组配改良剂对污染稻田中铅、镉和砷生物有效性的影响[J]. 环境科学学报, 2016, 36(1): 257-263.
    [35] 马宏宏, 彭敏, 郭飞, 等. 广西典型岩溶区农田土壤-作物系统Cd迁移富集影响因素[J]. 环境科学, 2021, 42(3): 1514-1522.
    [36] 张龙, 张忠启, 何轶, 等. 毕节植烟区炭基有机肥施用适宜性区划研究[J]. 土壤学报: 1-11.
    [37] 董玲玲, 何腾兵, 刘元生, 等. 喀斯特山区不同母质(岩)发育的土壤主要理化性质差异性分析[J]. 土壤通报, 2008, 234(3): 471-474. doi: 10.3321/j.issn:0564-3945.2008.03.002
    [38] 刘娟, 李洋, 张敏, 等. 滇东农田土壤铅污染健康风险评价及基准研究[J]. 农业工程学报, 2021, 37(1): 241-250. doi: 10.11975/j.issn.1002-6819.2021.01.029
    [39] 葛峰, 云晶晶, 徐坷坷, 等. 重金属铅的土壤环境基准研究进展[J]. 生态与农村环境学报, 2019, 35(9): 1103-1110.
    [40] 杨文弢, 廖柏寒, 吴攀, 等. 菜籽饼堆肥对水稻土壤Cd有效性及Cd在水稻全生育期转运与累积的影响[J]. 水土保持学报, 2019, 33(2): 317-322.
    [41] 张佳, 杨文弢, 廖柏寒, 等. 有机肥对酸性稻田土壤Cd赋存形态的影响途径和机制[J]. 水土保持学报, 2020, 34(1): 365-370.
    [42] 宋金茜. 南京北部长江沿岸农业土壤及农产品重金属风险评价研究[D]. 南京农业大学, 2017.
    [43] 袁国军, 卢绍辉, 梅象信, 等. 农用地土壤污染风险管控标准延伸理解及其评价标准现状分析[J]. 中国农学通报, 2020, 36(2): 84-89. doi: 10.11924/j.issn.1000-6850.casb18110123
    [44] 孙聪, 陈世宝, 宋文恩, 等. 不同品种水稻对土壤中镉的富集特征及敏感性分布(SSD)[J]. 中国农业科学, 2014, 47(12): 2384-2394. doi: 10.3864/j.issn.0578-1752.2014.12.011
    [45] 罗慧, 刘秀明, 王世杰, 等. 中国南方喀斯特集中分布区土壤Cd污染特征及来源[J]. 生态学杂志, 2018, 37(5): 1538-1544. doi: 10.13292/j.1000-4890.201805.019
  • 期刊类型引用(4)

    1. 乔宇豪,贾飚,徐芬芳,王康,朱焱. 四川省水质评价及时空特征分析. 节水灌溉. 2025(03): 43-50 . 百度学术
    2. 肖南娇,方丹. 江西芦溪路行断面氨氮和总磷排查监测研究. 农业灾害研究. 2025(01): 250-252 . 百度学术
    3. 王恩强. 长江下游某断面总磷溯源研究. 青海环境. 2024(01): 20-27 . 百度学术
    4. 李海华,肖保增,靳凯丽,陈籽含,禹露. 黄河三门峡水库水质预测模型构建及对比分析. 环境工程. 2024(12): 1-7 . 百度学术

    其他类型引用(4)

  • 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2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-04020406080Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 13.0 %DOWNLOAD: 13.0 %HTML全文: 81.5 %HTML全文: 81.5 %摘要: 5.5 %摘要: 5.5 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 99.7 %其他: 99.7 %XX: 0.2 %XX: 0.2 %大连: 0.1 %大连: 0.1 %沈阳: 0.1 %沈阳: 0.1 %其他XX大连沈阳Highcharts.com
图( 5) 表( 3)
计量
  • 文章访问数:  3856
  • HTML全文浏览数:  3856
  • PDF下载数:  55
  • 施引文献:  8
出版历程
  • 收稿日期:  2021-11-24
  • 录用日期:  2022-05-06
  • 刊出日期:  2022-12-31
杨利玉, 吴攀, 徐梦琪, 陈勇林, 景灏楠, 杨文弢. 基于土壤标准适宜性评价与环境基准的黔西北高Cd农用地精准管理新思路[J]. 环境工程学报, 2022, 16(12): 4049-4057. doi: 10.12030/j.cjee.202111144
引用本文: 杨利玉, 吴攀, 徐梦琪, 陈勇林, 景灏楠, 杨文弢. 基于土壤标准适宜性评价与环境基准的黔西北高Cd农用地精准管理新思路[J]. 环境工程学报, 2022, 16(12): 4049-4057. doi: 10.12030/j.cjee.202111144
YANG Liyu, WU Pan, XU Mengqi, CHEN Yonglin, JING Haonan, YANG Wentao. A novel approach to accurate management of agricultural land with high level Cd in northwest Guizhou—based on current soil standards suitability evaluation and study of environmental benchmark[J]. Chinese Journal of Environmental Engineering, 2022, 16(12): 4049-4057. doi: 10.12030/j.cjee.202111144
Citation: YANG Liyu, WU Pan, XU Mengqi, CHEN Yonglin, JING Haonan, YANG Wentao. A novel approach to accurate management of agricultural land with high level Cd in northwest Guizhou—based on current soil standards suitability evaluation and study of environmental benchmark[J]. Chinese Journal of Environmental Engineering, 2022, 16(12): 4049-4057. doi: 10.12030/j.cjee.202111144

基于土壤标准适宜性评价与环境基准的黔西北高Cd农用地精准管理新思路

    通讯作者: 吴攀 (1973 —) ,男,博士,教授, pwu@gzu.edu.cn
    作者简介: 杨利玉 (1995 —) ,女,硕士研究生,1574312376@qq.com
  • 1. 贵州大学资源与环境工程学院,贵阳 550025
  • 2. 喀斯特地质资源与环境教育部重点实验室,贵阳 550025
  • 3. 贵州喀斯特环境生态系统教育部野外科学观测研究站,贵阳 550025
基金项目:
国家自然科学基金资助项目 (U1612442,32101391) ;国家重点研发计划项目 (2018YFC1802601) ;贵州省科技计划项目 (黔科合支撑[2022]一般222,黔科合基础[2020]1Y181) ;贵州省高层次人才培养计划项目 (黔科合平台人才[2016]5664) ;贵州省人才基地项目 (RCJD2018-21)

摘要: 我国现行土壤标准 (GB 15618-2018) 在高重金属背景值农用地评价的准确性难以满足地方政府对农用地的精准管理。以黔西北水城区高镉 (Cd) 农用地为例,采集了164组土壤-农产品协同监测样品,系统地探讨了现行标准对农用地评价的适应性,并基于物种敏感分布模型 (SSD) 反推区域农用地环境风险基准值。结果表明,研究区土壤Cd质量分数总体呈高累积特征,而农产品可食部位中Cd质量分数整体偏低。164组样品中有72组适应性分析结果为不适宜,假阴性/阳性错误比率为43.90%。推导所得的土壤风险值临界值 (HC5) 和警戒值 (HC95) 分别为:水稻 0.7和20.9 mg·kg−1、玉米 2.4和48.5 mg·kg−1、叶菜蔬菜 2.5和151.2 mg·kg−1。基于上述阈值重新评价研究区农用地,其适应性比率整体从56.10%提高至97.60%。本研究结果可为类似高背景值重金属农用地的精准分类和管理提供新思路。

English Abstract

  • 镉 (Cd) 是一种毒性较强且具有生物蓄积性的重金属。土壤中的Cd易通过农作物吸收、转运,影响食品安全和人体健康[1-3]。贵州省地处中国西南喀斯特中心,生态环境脆弱[4]。贵州省土壤Cd来源主要有2个方面:一是矿山、冶炼及农药等的人为来源;二是含矿岩系风化成土过程等的自然来源[5]。贵州省土壤中Cd背景值为0.66 mg·kg−1,高于全国Cd背景值的0.097 mg·kg−1[6]。黔西北矿产资源种类丰富[7],已发现32种矿产100余处矿床矿点[8]。六盘水市水城区位于该区域。矿冶等人类活动叠加Cd高背景值的影响,加剧了水城区农用地土壤中Cd累积,使得区域农产品安全问题突出[9]。本课题组前期调查发现,该区域有超过一半的农作物种植于Cd质量分数高于0.3 mg·kg−1的耕地上。这些作物的潜在Cd暴露风险较高[10]

    我国现行土壤质量标准《土壤环境质量农用地土壤风险管控标准 (试行) 》 (GB 15618-2018) 规定了农用地土壤重金属Cd的风险筛选值 (risk screening value,RSV) 和风险管制值 (risk intervention valve,RIV) 。当农用地土壤中重金属质量分数≤RSV时,土壤评价等级为“优先保护”等级,即表明土壤中重金属对农产品质量安全、农作物生长或土壤生态环境的风险低,一般情况下可忽略。当农用地土壤中重金属质量分数介于RSV和RIV之间时,土壤评价等级为“安全利用”等级,即表明土壤中重金属对农产品质量安全、农作物生长或土壤生态环境可能存在风险,需加强土壤环境监测和农产品的协同监测。当农用地土壤中重金属>RIV时,土壤评价等级为“严格管控”等级,即表明该农用地上种植的可食用性农产品不符中国质量安全标准,将不被允许继续种植可食用农作物。该标准在湖南[11]、福建[12]、江苏[13]等地区均能较准确地对重金属污染土壤进行分类。但由于中国地缘辽阔,不同地区农田土壤环境质量差异较大,同时不同区域土壤重金属污染来源复杂,采用现行标准对高Cd背景值土壤的评价并不完全适用[14-15]。这或将制约地方政府对农用地的精确分类和管理。

    本研究以黔西北六盘水市水城区水稻、玉米和蔬菜种植农用地为研究对象,系统采集164组土壤-农产品协同监测样品,在厘清该区域农田土壤和农作物可食部位中Cd的累积状况及分布特征的基础上,讨论现行标准对该区域土壤评价的适宜性,并基于物种敏感度分布曲线,提出黔西北农田土壤Cd的健康风险基准值建议,以期为黔西北高Cd背景值农用地的精准分类和管理提供新思路。

    • 研究区位于贵州省西部的六盘水市水城区,属云贵高原东侧一、二级台地斜坡。东经104°33’~105°15’,北纬26°03’~26°55’,总面积3 054.92 km2。水城区位于我国西南典型喀斯特地貌区,气候类型属于亚热带季风性湿润气候。在低纬度高海拔等因素的作用下,水城区气候温暖湿润,年均气温约14 ℃,7月最高温约22 ℃。叶菜蔬菜、玉米、水稻是全区的主要粮食作物。六盘水农用土壤中重金属Cd平均质量分数为0.26 mg·kg−1,属于全国土壤重金属地质高背景值区域[6,10]

    • 采用ArcGIS 10.8软件在农作物主要种植区随机布设了164组土壤-作物协同监测点位。其中,水稻22组、玉米105组、叶菜蔬菜37组 (图1) 。在2019年6月—2020年2月,采集土壤和农作物样品,每对样品均为设置点所在区域实际田块最长对角线3个平行样品的混合样。土壤和农作物样品带回实验室后,土样经过自然晾干、去除根茎碎石、研磨,分别过0.149 mm尼龙网筛,分装室温保存备用。植株可食部分样品先用自来水清洗干净,再用去离子水冲洗3~5次,在105 ℃下杀青30 min,并于75 ℃恒温烘干至恒重,打碎研磨并通过0.149 mm尼龙筛后分装室温保存备用。土壤的pH采用pH计 (pHs-3c, INESA Scientific, China) 进行测定,水土质量比为2.50 : 1。所有样品采用微波消解法[16]进行消解,消解液采用电感耦合等离子体质谱仪 (ICP-MS, Thermo Fisher Scientific, USA) 对样品中Cd元素进行分析。

    • 所有实验化学品均为优级纯等级,使用去离子水。所有的玻璃器皿和器皿都经过清洗,在硝酸溶液 (HNO3,体积分数为10%) 中浸泡一晚,然后用去离子水冲洗并在使用前干燥。实验材料分别有土壤 (GBW07408 (GSS-8) ) 、大米 (GBW10045 (GSB-23) ) 、玉米 (GBW10012 (GSB-3) ) 、叶菜蔬菜 (GBW10014 (GSB-5) ) 标准物质和空白样品。土壤、大米、玉米和叶菜蔬菜的回收率分别为100.91%~107.23%、103.64%~114.82%、97.65%~109.90%和104.30%~106.13%。

      所有数据采用SPSS 19.0进行分析,数据表示为 (平均值±标准差) (n = 3) ,所有图形均使用OriginPro 2019软件处理。

    • 采用地累积指数法 (Igeo) 评价研究区土壤重金属污染评价[17],其计算式为式 (1) 。

      式中:Cs为土壤中重金属Cd的测试质量分数,mg·kg−1Bn为黔西北重金属Cd的背景值 (mg·kg−1)。本研究采用贵州省重金属Cd背景浓度值作为参比值。地质累积指数法等级分类可分为7个级别:Igeo < 0,污染级别为0级,表示无污染;0 ≤ Igeo < 1,污染级别为1级,表示无污染到中度污染;1 ≤ Igeo < 2,污染级别为2级,表示中度污染;2 ≤Igeo < 3,污染级别为3级,表示中度污染到强污染;3 ≤Igeo < 4,污染级别为4级,表示强污染;4 ≤ Igeo < 5,污染级别为5级,表示强污染到极强度污染;Igeo ≥ 5,污染级别为6级,表示极强污染。

    • 健康风险基准值采用敏感性分布曲线法 (species sensitivity distribution curve,SSD) 推导[18]。SSD曲线通过概率分布函数将不同物种间的毒理数据外推,实现污染物在生物群落甚至生态系统水平上的风险评估[19]。目前,SSD曲线已被应用于重金属污染土壤的环境基准值的推导,并取得较好结果[20]。主要步骤有3步:1) 通过对实地采集的农作物样品及其对应土壤中重金属Cd质量分数的分析,计算出农作物可食用部分的富集系数 (Bioconcentration factor,BCF) 作为概率分布指标;2) 采用Log-logistic型分布拟合SSD曲线;3) 参照《食品安全国家标准食品中污染物限量》中规定的各类农作物的Cd质量分数限值,反推计算得出基于保护95%和5%作物类别安全的HC5和HC95,并将HC5和HC95定义为土壤安全生产的临界值和警戒值[21]

      农作物可食用部分的富集系数 (BCF) 为每个农作物品种与其生态环境中污染物总量的浓度比值,其计算式为式 (2) 。

      式中:Ci为农作物中重金属Cd质量分数,mg·kg−1Cs表示土壤重金属Cd质量分数,mg·kg−1

      农作物的1/BCF对土壤中重金属Cd的富集效应的敏感分布遵循“S”型曲线分布,拟合SSD曲线方程见式 (3) 。

      式中:x为1/BCF;y为农作物样品Cd的累积分布概率,a、b、x0为常数。

      通过以上方程反推得到农田土壤Cd安全基准值,其计算式见式 (4) 。

      农田土壤Cd安全基准估算值 (Ce) ,其计算式见式 (5) 。

      根据《食品安全国家标准食品中污染物限量》 (GB2762-2017) 标准,大米、玉米、叶菜蔬菜中Cd的标准限值 (Cf) 分别为0.20、0.10和0.20 mg·kg−1

    • 研究区土壤pH和Cd质量分数统计结果如表1所示。区域内土壤整体呈中性偏酸,土壤中Cd平均质量分数较高,均显著高于贵州省土壤Cd背景值 (0.66 mg·kg−1) 。3种土壤Cd质量分数的变异系数均偏大,且水稻田>玉米地>叶菜蔬菜地,即表明研究区部分点位土壤异常偏高,可能受到了一定的人为污染。从分布率来看,土壤Cd质量分数高于贵州省土壤Cd背景值质量分数的点位有153个,占比93.29%,有75.61%的点位数土壤Cd质量分数高于背景值2倍以上,仅有11个点位土壤Cd质量分数小于背景值。比较3种土壤间的Cd质量分数,叶菜蔬菜土壤Cd质量分数相对较高,其算术平均值分别为水稻和玉米土壤Cd算术平均值的16.41倍和5.05倍。因此,几种作物中Cd算术平均值大小顺序为:叶菜蔬菜土>>玉米土>水稻土。

      对照中国现行农用地土壤Cd污染风险筛选标准 (GB 15618-2018) ,研究区土壤Cd质量分数超标情况异常严重,水稻、玉米和叶菜蔬菜土壤的点位超标率均超过了90%,分别为90.91%、99.05%和100% (图2) 。对水稻而言,仅有3个水稻土壤样品Cd质量分数小于土壤RSV (黑色虚线),占比13.64%;有16个样品Cd质量分数介于RSV和土壤RIV (灰色实线) 之间,占比72.73%;大于RIV的样品数量为4个。对玉米而言,仅有1个玉米土壤样品Cd质量分数小于RSV (灰色虚线) ,有58个介于RSV和RIV之间,大于RIV的数量为46个,分别占总数的0.95%、55.24%和43.81%。全部的叶菜蔬菜土壤Cd质量分数高于RSV,其中有75.68%的点位高于RIV。

    • 尽管研究区内90%以上土壤点位Cd质量分数高于土壤RSV (图1) ,但农产品调查结果尚较乐观 (图3) 。164份农产品样品中Cd质量分数整体偏低,水稻籽粒、玉米籽粒、叶菜蔬菜Cd质量分数的中值分别为0.030、0.021、0.054 mg·kg−1,平均值分别为0.057、0.032、0.080 mg·kg−1,范围分别为0.007 0~0.24、0.014~0.21、0.004 0~0.45 mg·kg−1。根据食品安全国家标准给出的大米、谷物和叶菜蔬菜的限量阈值建议 (Cd = 0.2 mg·kg−1、0.1 mg·kg−1和0.2 mg·kg−1) ,超过95%的农产品样品Cd质量分数均未超过阈值,仅有2个水稻籽粒样品 (图3 (a) ) 、4个玉米籽粒样品 (图3 (b) ) 和2个叶菜蔬菜样品 (图3 (c) ) 超过了对应限量阈值。

    • 地累积指数表明研究区农用地表层土壤Cd污染较轻 (表2) ,其土壤中Cd元素地累积指数均值为0.077,所有点位中无污染点位的比例近一半,超过95%点位属于无污染到中度污染范围。

    • 借鉴ROMKENS等[22]提出的土壤标准适宜性评价方法,验证现行土壤标准在研究区农用地土壤环境安全性划分的适宜性,结果如表3所示。当土壤Cd质量分数≤RSV时,现行农用地土壤Cd的RSV合适率为100%,第Ⅰ类决策错误的概率 (土壤评价结果为“安全利用”等级,但农作物可食部位Cd质量分数超出限量标准,假阴性) 为0。当土壤Cd质量分数介于RSV和RIV之间时,农作物可食部位Cd质量分数的合格比例超出97%。当土壤Cd质量分数大于RIV时,第Ⅱ类决策错误的概率 (土壤评价结果为“严格管控”等级,但农作物可食部位Cd质量分数未超出限量标准,假阳性) 高达92.31%,仅有不到8%的样品适宜于现行的农用地土壤Cd评价程序。总的来说,现行土壤标准在研究区农用地土壤环境安全性划分的准确性差强人意,特别是当土壤Cd质量分数高于现行标准中的土壤RIV时 (>RIV) ,164份土壤-农产品样品中有72份样品不适应现行农用地土壤Cd风险管控标准,占总数的43.90%。

    • 为解决上述评价结果错误率高的问题,利用物种敏感度分布曲线法 (SSD) 推导农作物合理种植土壤的生态安全阈值。采用Logistic分布模型对1/BCF值和水稻籽粒、玉米籽粒和叶菜蔬菜Cd累积概率进行拟合 (图4) 。通过拟合所得公式,以及食品安全国家标准中水稻籽粒、玉米籽粒和叶菜蔬菜Cd的标准限值,反推计算得出3种作物基于保护95%和5%作物类别安全的临界值 (HC5) 和警戒值 (HC95) 。结果显示,研究区水稻、玉米和叶菜蔬菜种植土壤的HC5值和HC95值分别为0.7和20.9 mg·kg−1、2.4和48.5 mg·kg−1、2.5和151.2 mg·kg−1。当土壤Cd质量分数低于HC5值时 (基于不同农作物) ,土壤污染评价结果为风险低,可以保护95%农产品可食部位Cd质量分数低于国家食品中污染物的限量标准。这一结果是现行标准中土壤Cd的RSV (0.3 mg·kg−1) 的2.3~8.3倍;此外,推导结果表明研究区农田土壤Cd的HC95达到20.9~151.2 mg·kg−1。这表明在此土壤Cd质量分数下才会出现95%农作物超过国家食品中污染物限量标准的情况,明显高于现行土壤标准中土壤Cd的RIV (1~4 mg·kg−1) 。

      为验证推导阈值的适宜性,将上述阈值重新评价研究区农用地,结果如图5所示。推导阈值下的适宜性比率整体从56.1%提高至98.8%。对水稻而言,所有土壤样品Cd质量分数均未超过HC95,阈值适应性为100%。当玉米土壤样品Cd质量分数低于HC5时,不适应数为2,占比3.6%。仅有1个玉米土壤样品Cd质量分数超过HC95,阈值适应性为97.1%。当叶菜蔬菜土壤Cd质量分数未超过HC5时,所有对应点位的叶菜蔬菜均低于食品安全限量标准。仅有1对蔬菜样品不适应推导阈值,阈值适应性为97.3%。综上所述,与现行土壤标准相比,推导阈值能更好地评价研究区农用地的实际暴露风险。

    • 黔西北水城区农田土壤中的Cd来源复杂。含矿岩系风化成土、长期淋滤作用及铅锌冶炼等人为活动导致了土壤中重金属累积[23]。贵州省是典型Cd地球化学高背景区,其背景值是全国Cd背景值的6.8倍[6]。含矿岩系风化成土过程是导致贵州土壤Cd高累积的主要原因[24]。地球化学高地质背景土壤的成土母质主要分为两类:一类是二叠系黑色岩系 (含煤层) 等富含重金属的母岩;另一类是贵州广泛存在的碳酸盐岩[14]。黔西北是典型喀斯特地貌的山区[25],水城区出露地层以二叠系、石炭系发育最好[26]。风化成土过程可能是该区域高地质背景土壤Cd的主要来源。同时,黔西北矿产资源丰富,是亚洲最大的铅锌矿成矿带之一。自清代以来的土法炼锌向周围环境释放了大量Cd,并遗留了数以万计的铅锌废渣[27]。据不完全统计,黔西北长达300多年的土法冶炼遗留的铅锌废渣量达到了2×107 t[28]。这些Cd通过大气沉降、废渣还田、地表径流等过程扩大了污染范围,逐渐对区域农田、河流造成了严重的土壤重金属污染。

      在本研究中,研究区域农用地土壤Cd质量分数超标率高达98%,而165个农产品中仅有8个超过对应限量。这与前人在西南喀斯特地貌区域内的研究结果相似[29-30]。推测可能与喀斯特地貌区域碳酸盐岩风化成土导致土壤中重金属有效性较低有关[31]。尽管本研究未对土壤中Cd的赋存形态进行测定,但现有研究证实了黔西北地区土壤中重金属形态的“低活性”特征[31-32]。由于喀斯特地区岩系中含有大量的碳酸钙 (CaCO3) ,CaCO3中的Ca2+很易与一些金属阳离子 (如Cd2+) 交换,降低Cd的交换态和有效态质量分数[33]。此外,研究区土壤pH普遍较高,土壤pH的升高会使带负电荷的土壤胶体对带正电荷的重金属离子吸附能力增加[34];而且土壤中的Fe、Mn等离子与OH结合形成羟基化合物为重金属离子提供了更多吸附位点[35]。另外,碳酸盐岩风化的石灰土盐基饱和度和酸碱缓冲潜力大[36],也进一步延缓了土壤的酸化进程[37]。地累积指数结果也显示研究区土壤Cd污染并没有那么严重 (表2) ,推测自然来源可能是土壤中Cd的主要来源。此外,还观测到在土壤pH较低时,土壤标准的第Ⅱ类决策错误率大大增加 (表3) 。4种不同pH水平下 (pH小于5.5、5.5~6.5、6.5~7.5、大于7.5) 标准的适宜性分析结果错误个数分别为18、39、14、1,分别占比50.00%、60.00%、31.82%、5.26%。这表明在较低pH的土壤中,现行土壤标准对研究区土壤评价的情况更加复杂,值得后续深入研究。

      在环境基准值的推导中,3种农作物土壤Cd临界值 (HC5) 为土壤RSV的2.3~8.3倍 (表3) ,土壤Cd临界值 (HC5) 表示当土壤Cd质量分数小于等于该值时可保证95%的种植农作物可食部位Cd质量分数将低于国家食品标准。这表明现行农用地土壤标准对研究区农用地土壤而言偏严[33]。胡立志等[30]探讨了贵州喀斯特地貌区域辣椒质量安全的土壤风险阈值,推算出3种不同pH水平 (pH小于6.5、介于6.5~7.5、大于7.5) 下土壤Cd风险阈值分别为RSV的3.33、4.21和4.17倍。刘娟等[38]在滇东6个市 (州) 农用地土壤也得到了相似研究结果,其推导出的土壤临界值是现行土壤标准中RSV的56.5~394倍,警戒值远高于现行土壤标准的RIV。各国现行农用地土壤分类管理策略大多是根据重金属总量划分[39],但土壤中重金属总量并不能代表其生物有效性,土壤中重金属的赋存形态、土壤理化性质 (如pH、有机质、全碳、土壤粘粒质量分数) 等都是影响其生物有效性的重要因素[40-41]。此外,3种农作物的土壤Cd临界值和警戒值存在明显差异,可能是受到不同地块土壤中Cd污染程度和土壤理化性质的影响,也可能与不同作物富集Cd的能力差异有关[38]。通过分析不同的农作物对土壤中Cd的富集能力发现,不同农作物对土壤Cd的吸收能力均表现为水稻高于叶菜蔬菜和玉米。这与宋金茜等[42]的研究结果一致。

      现行农用地土壤标准对管控农用地土壤污染风险、保障农产品质量安全及保护土壤环境有着重要作用[43]。但由于中国农用地土壤的异质性、土地类型复杂、重金属来源不同,不同作物对Cd富集能力存在差异,导致现行标准并不能准确地对所有农用地进行正确评价,常常出现“土壤严重重金属超标而农产品不超标”的评价结果偏严的情况[44]。本研究结果亦证实了这一点,不准确的农用地土壤分类管理策略会妨碍地方政府对受污染土壤的分类和管理[45]。因此,应开展区域性的土壤重金属环境基准研究,科学合理的划分区域土壤。将本研究推导的阈值重新评价研究区农用地后,其适应性比率可从56.1%提高至98.8% (图4) 。本研究结果除了为黔西北地方政府实现受污染农用地的精准分类管理提供新思路,也为其他喀斯特地貌区域土壤重金属污染的源解析和土壤污染治理修复提供参考。此外,未来应进行更大规模地开展数据统计分析,更精确地验证模型的准确性,充分考虑种植农作物中可食部位重金属质量分数,结合土壤理化性质和重金属的赋存形态等数据的分析,以制定适应于地方政府的精准分类标准和管理措施。

    • 1) 研究区土壤pH整体呈中性偏酸,水稻、玉米和叶菜蔬菜土壤pH平均值分别为6.03、6.35、6.12。土壤重金属Cd总体呈高累积特征,98.17%的土壤样品中Cd质量分数高于中国现行土壤Cd标准RSV。与土壤Cd高质量分数不同,研究区仅有8个农产品中质量分数超过食品安全国家标准,健康风险较小。

      2) 164组土壤-农产品样品中有72组样品不适宜现行农用地土壤Cd风险管控标准,占总数的43.9%,采用现行标准对于研究区土壤的评价结果偏严格。

      3) 推导出的水稻、玉米和叶菜蔬菜土壤临界值 (HC5) 和警戒值 (HC95) 分别为0.7和20.9 mg·kg−1、2.4和48.5 mg·kg−1、2.5和151.2 mg·kg−1。将上述阈值重新评价研究区农用地,其适应性比率整体从56.1%提高至98.8%。

    参考文献 (45)

返回顶部

目录

/

返回文章
返回