Processing math: 100%

金矿区农田土壤重金属空间分布特征及污染评价

常兵磊, 杨宝山, 王惠. 金矿区农田土壤重金属空间分布特征及污染评价[J]. 环境保护科学, 2023, 49(2): 120-125. doi: 10.16803/j.cnki.issn.1004-6216.202211008
引用本文: 常兵磊, 杨宝山, 王惠. 金矿区农田土壤重金属空间分布特征及污染评价[J]. 环境保护科学, 2023, 49(2): 120-125. doi: 10.16803/j.cnki.issn.1004-6216.202211008
CHANG Binglei, YANG Baoshan, WANG Hui. Spatial distribution characteristics and pollution evaluation of heavy metals in farmland soil of gold mine areas[J]. Environmental Protection Science, 2023, 49(2): 120-125. doi: 10.16803/j.cnki.issn.1004-6216.202211008
Citation: CHANG Binglei, YANG Baoshan, WANG Hui. Spatial distribution characteristics and pollution evaluation of heavy metals in farmland soil of gold mine areas[J]. Environmental Protection Science, 2023, 49(2): 120-125. doi: 10.16803/j.cnki.issn.1004-6216.202211008

金矿区农田土壤重金属空间分布特征及污染评价

    作者简介: 常兵磊(1991-),男,硕士研究生。研究方向:环境工程。E-mail:1297115390@qq.com
    通讯作者: 王 惠(1971-),女,教授。研究方向:土壤污染修复技术与环境生态学。E-mail:598276520@qq.com
  • 基金项目:
    国家自然科学基金资助项目(32071559)
  • 中图分类号: X825

Spatial distribution characteristics and pollution evaluation of heavy metals in farmland soil of gold mine areas

    Corresponding author: WANG Hui, 598276520@qq.com
  • 摘要: 为了解岷县某村无主金矿矿区历史活动对周边农田的影响,使用指数法对土壤质量进行评价,使用GIS地统计学模型对土壤重金属空间分布进行分析。结果表明,研究区土壤环境质量整体处于清洁水平,但存在重金属累积现象,并且整体呈现自西向东递减趋势。其中以汞的累积现象最为严重,这可能与当地混乱开采活动关系密切,因此,为控制重金属在该区域的持续积累,相应的管控措施是必不可少的。
  • 油田落地油泥是在油田生产过程中,井口溢流、作业落地以及集输过程中跑冒滴漏等造成的含油物质[1-2]。落地油泥的成分比较复杂,一般含有石油烃、水、矿物质和泥砂等物质。目前,落地油泥主要采用焚烧、热解和热水洗等工艺处置,但这些处置方法均存在处理成本高、工艺复杂或处理不彻底等问题[3-5]。因此,开发出经济、高效、环保的落地油泥无害化处置技术有利于油田企业的绿色和可持续发展。

    落地油泥的生物降解处置对环境影响小、处理后不会改变泥砂的性质,是油泥无害处置中较为环保的技术之一[6-7]。在处置过程中,利用生物材料,就可以实现油泥的无害化处理,与其他技术相比经济、生态优势明显。然而,生物降解处置适用于含油率低的油泥[8],含油率一般需低于50 mg·g−1。这是因为,在含油率高于50 mg·g−1的条件下,一方面需要更长的生物处理周期;另一方面含油率过高会影响微生物的生长代谢。为解决这一问题,国外有学者提出采用掺土的办法降低含油率,但这种方法又会大幅度增加处理总量,存在一定局限性[1, 9]。从减量化的角度来看,热水洗法与生物降解处置具有良好的兼容性,在有效控制处理成本的前提下,可实现高含油落地油泥的经济、快速处置。

    本研究以油田高含油落地油泥为供试材料,拟建立一种热水洗辅助微生物修复高含油落地油泥组合工艺。通过清洗剂类型及清洗温度的优化,以去除大部分的石油烃,使水洗后的含油残砂适用于进一步生物处理。在生物降解过程,探究了填料和烃降解菌对生物降解速率的影响,以期为油田石油污染土壤的治理提供参考。

    落地油泥样品取自某采油厂油泥缓存站,参照《污染场地环境监测技术导则》(HJ 25.2-2014)[10]和《工业固体废物采样制样技术规范》(HJ/T 20-1998)[11]设计了6个采样点取样。采用红外光谱法测定油泥含油率,方法依据《危险废物鉴别标准-毒性物质含量鉴别》(GB 5085.6-2007)[12]中附录O的要求,结果见表1。本实验将6个不同取样点的样品混合均匀后使用,混合后的油泥含油率为107 mg·g−1。利用索氏抽提器,以氯仿为溶剂,提取落地油泥中的石油烃,用于嗜烃微生物的筛选及界面张力测试。清洗剂分别由鼠李糖脂或脂肽发酵液与OP10(辛基酚聚氧乙烯醚)配制而成。填料秸秆和沼渣均取自东营某农产品公司,使用前经过粉碎处理,长度小于3 cm。客土取自东营市黄河口文化园,填料的化学成分见表2。实验用水为落地油泥缓存站临近联合站注入水,其离子组成及性质见表3。石油醚、尿素、磷酸氢二钾(K2HPO4)均为分析纯。

    表 1  现场不同取样点油泥组分组成
    Table 1.  Composition of oil sludge from different sampling points
    取样点含油率/(mg·g−1)含水率/%固含率/%干物质含油率/(mg·g−1)
    a58.429.353.698.3
    b82.818.073.7101
    c13122.664.3169
    d43.416.778.952.1
    e64.914.279.575.6
    f95.519.071.4118
     | Show Table
    DownLoad: CSV
    表 2  不同填料的化学成分
    Table 2.  Chemical properties of various bulking agents
    填料名称含油率/(mg·g−1)总N/%总P/%pH有机质/%
    客土0.620.040.107.91.28
    秸秆0.690.127.475.1
    沼渣1.691.038.681.3
     | Show Table
    DownLoad: CSV
    表 3  油田注入水基本理化性质
    Table 3.  Properties of the oil filed injected water
    主要离子质量浓度/ (mg·L−1)总矿化度/(mg·L−1)pH温度/℃含油率/(mg·g−1)
    Ca2+Mg2+HCO3ClSO24Na++K+
    162.388.410325487201.76421133926.9053.00.007 5
     | Show Table
    DownLoad: CSV

    实验中使用的主要仪器包括:红外测油仪(OIL450,北京华夏科创仪器股份有限公司);恒温振荡器(Climo-shaker 1SF1-X,瑞士阿道夫科耐公司);机械搅拌器(Eurostar 20,德国伊卡公司);高速冷冻离心机(J26SXPI,美国贝克曼公司);荧光显微镜(BX53,日本奥林巴斯公司);高通量测序仪(X5/XL,美国赛默飞世尔科技公司);界面张力仪(TX500C,美国CNG公司);总N/P分析仪(Multi C/N 2100,德国耶拿仪器股份有限公司);pH计(FE28,梅特勒-托利多公司);电热恒温鼓风干燥箱(DHG-9023A,上海林频仪器股份有限公司)。

    由于落地油泥含油量高(含油率107 mg·g−1),不适于直接生物修复,因此有必要采用水洗预处理工艺降低含油率[13]。使用配注水配制质量浓度为0.5%的鼠李糖脂/OP10溶液和脂肽/OP10溶液,调节溶液pH为7。利用界面张力仪测试上述清洗剂与从落地油泥中提取的原油间的界面张力,测试条件为50 ℃、6 000 r·min−1。在250 mL锥形瓶内分别加入25 g落地油泥和75 mL清洗剂,在控制转速800 r·min−1和50 ℃水浴条件下,考察清洗剂的洗油效率;同时,考察水洗温度对洗油效率的影响;随后,将水洗后的残砂加入无菌水,质量体积比(m/V)为1∶5,分析水洗后残砂浸出液pH、总N、总P、微生物菌浓、细微粒组分(粒径小于50 μm)含量。

    将100 g落地油泥、200 mL无菌生理盐水和50 mL石油醚混合,经机械振荡清洗、离心(12 000 r·min−1、15 min)后收集水相中的微生物菌体。提取油泥中土著菌群的DNA及进行微生物群落高通量测序分析,具体步骤参考胡婧等[14]报道的方法。利用涂布平板法从油泥中分离出烃降解菌,将适量油泥用无菌生理盐水分散后,移取菌悬液涂布在原油平板上,在37 ℃下恒温培养2 d,观察以原油为碳源的菌落生长及产生排油圈情况。将平板上形成排油圈的菌落再次培养后,挑取单菌落保存于LB斜面培养基中;将单菌落接种于原油平板上恒温培养2 d,挑取出排油圈与菌落直径差大的菌株接种于原油液体培养基中作进一步驯化处理,从而获得油泥中的土著烃降解菌;随后,使用普通培养基培养上述分离出的烃降解菌。该培养基组成为葡萄糖3 g·L−1、蛋白胨3 g·L−1、酵母粉3 g·L−1、磷酸氢二钾2.7 g·L−1、氯化钠5 g·L−1。培养条件,37 ℃、180 r·min−1

    有效提升生物处置过程的好氧降解是加速生物修复速率的关键[15],而通过添加填料提升土壤溶氧量是其中一种有效的方式[16-17]。在本研究中,选择秸秆、客土、沼渣等填料作为研究对象,将上述物质与油泥混合拌匀,使混合物中填料质量分数分别为3%、5%、8%和10%,并转移至1 L烧杯后在室内环境下静置7 d。随后,利用环刀法测定混合物最大持水量和土壤容重指标[18]

    对水洗处理后的残砂进行生物降解性能评价,考察投加烃降解菌及填料对生物降解效率的影响。实验设置空白组、生物强化组和生物投加组。前述3个处理组的区别在于,空白实验过程不投加任何营养元素,生物强化组加入填料和无机盐,生物投加组加入嗜烃菌、填料和无机盐。实验中,将残砂、填料及适宜比例营养元素(尿素和K2HPO4,用量按C∶N∶P=100∶10∶1加入)拌匀后装入塑料盆内。对于生物投加组,按其质量3%比例平均喷洒上述2株烃降解菌发酵液。对上述所有实验对象补充自来水,使含水保持在35%~50%。将塑料盆置于室外(实验在5—11月之间进行),定期检测含水率、含油率、总N/P含量,并根据需要补充水或总N/P。

    以上每组实验均设置3个平行实验,实验结果取平均值。

    在生物降解前,对落地油泥进行水洗处理,来降低其含油率,以有利于提升后续的生物修复效率。实验考察了鼠李糖脂清洗剂(配方1)和脂肽清洗剂(配方2)的水洗效果,测试结果见图1。从图1中可见,相比于脂肽清洗剂,鼠李糖脂清洗剂具有更好的清洗效率,水洗后残砂的含油率最低可降至35.4 mg·g−1。这是因为,配方1与原油(从落地油泥中提取的原油)的油水界面张力为0.21 mN·m−1,低于配方2与原油间的界面张力(0.89 mN·m−1),因此能更有效地降低原油从固体颗粒表面剥离所要克服的粘附功。此外,从图1中可见,水洗效率随水洗时间呈逐渐下降趋势,30 min后基本趋于平缓。因此,从能耗和日处理量考虑,水洗时间以30 min为宜,此时水洗后残砂的含油率为39.3 mg·g−1

    图 1  不同生物型清洗剂配方水洗后含油率变化
    Figure 1.  Effect of various washing agents on oil content of the oil sludge-contaminated soil

    考察了配方1条件下水温对落地油泥洗油效率的影响,结果见图2。从测试结果可知,随着水洗温度的升高,洗油效率亦大幅提升,在水洗温度为30 ℃时,残砂中含油率为89.2 mg·g−1;当水洗温度升至50 ℃时,含油率降至39.3 mg·g−1;随后,洗油效率提升缓慢,到80 ℃时含油率降至34.5 mg·g−1。水洗过程影响洗油效率的关键因素之一是石油烃的黏度,在水温由30 ℃升至50 ℃时,石油烃黏度大幅下降,流动性增强,其在搅拌剪切力作用下从固体颗粒表面剥离,此时洗油效率大幅提升。当温度升至50 ℃上后,黏度对洗油效率的影响作用减弱,因此洗油效率提升速率减慢[19]。综合考虑水洗的能耗和水洗效率,采用水温50 ℃即可以达到预期热水洗目标。

    图 2  水洗温度对油泥含油率的影响
    Figure 2.  Effect of washing temperature on the oil content of the oil sludge-contaminated soil

    分析了水洗后残砂的理化性质,包括浸出液总N、总P、pH、细微粒组分含量及微生物菌含量,结果见表4。从表中可以看出,相比于水洗前的落地油泥,水洗后残砂中的总N、总P、细微粒组分含量及微生物菌含量均出现了不同程度的下降。这是因为,在水洗过程,加热和搅拌作用会致使大部分的水溶物质(包括无机盐、矿物质和微生物等)进入水相,并随固液分离而流失。而经过水洗后的残砂,从含油率、pH、细微粒组分含量等多个参数来看,能够满足生物修复的基本要求[13]。但由于残砂中总N、总P含量偏低,无法满足微生物的正常生长代谢。因此,需要在后续的生物处理过程补充外源菌剂、足够量的营养物质,以保障微生物的嗜烃代谢活动。

    表 4  水洗前后落地油泥的理化性质变化
    Table 4.  Changes in properties of the water-washed oil-contaminated soil after and before washing
    供试材料总N/(mg·L−1)总P/(mg·L−1)pH细微粒组分含量/%微生物菌含量/(个·mL−1)
    落地油泥21.63.557.324.68×106
    水洗后残砂7.80.666.922.71×105
     | Show Table
    DownLoad: CSV

    利用高通量测序分析了落地油泥中土著微生物的群落结构,结果见图3。从图中可以看到,土著微生物菌群以食烷菌属(Alcanivorax)、海杆菌属(Marinobacter)、假海源菌属(Pseudidiomarina)及假交替单胞菌属(Pseudoalteromonas)等为主。有报道称,食烷菌属能降解烷烃类有机物[20-21]。另外,有研究[22-24]结果表明,海杆菌属、假海源菌属和假交替单胞菌属均能降解多环芳烃类有机物。以上菌群出现在落地油泥中,说明落地油泥在其产生、转移及场地堆放过程能逐渐形成以烃降解微生物为主的群落结构。这是因为,油泥中的石油烃能为这些微生物的代谢生长提供必要的碳源和营养,只是由于油泥中氮、磷元素含量太低(见表4),难以满足微生物的正常代谢活动,故微生物的数量维持在较低水平,对石油烃的降解作用弱。同时,前人报道的烃降解菌多数来源于海洋环境,而本实验选取的落地油泥的产生地点位于黄河三角洲沿海滩涂地区,故其中的群落结构受海洋环境影响较大。因此,在其长期存放过程中,以石油烃为碳源的微生物逐渐形成优势菌群[25]

    图 3  落地油泥中土著微生物群落结构
    Figure 3.  Indigenous bacterial community structure from the oil sludge-contaminated soil

    采用涂布平板法分离烃降解菌,原油平板上出现3个扩油圈,如图4所示。从图中可见,标记为“a”、“b”和“c”的菌株能够利用原油为碳源代谢生长,并产生表面活性物质,形成排油圈。出现排油圈则表明上述菌株能够利用平板内的原油为唯一碳源进行代谢生长,并代谢合成表面活性剂。而表面活性剂的产生,则能够进一步乳化原油,提升微生物利用效率[26-28]。进一步分离后,挑取出排油圈与菌落直径差大的2株嗜烃菌,命名为G-3和G-6。随后,使用培养基培养G-3和G-6,获得烃降解菌发酵液,经显微镜检测,发酵液中菌含量均能够达到2×108个·mL−1,表明这2株烃降解微生物具备现场应用的基本条件。

    图 4  落地油泥土著烃降解菌在原油平板上生长情况
    Figure 4.  Surface morphologies of indigenous microorganisms grew in the crude oil culture plate

    考察加入填料对提高油泥溶氧量的影响,评价的指标包括油泥密度和最大持水量,结果见图5图6。从图5可以看出,残砂中加入秸秆、客土和沼渣后均能有效降低油泥密度;而且随着填料加入比例的增加,密度呈线性下降。与沼渣和客土相比,加入质量分数为10%的秸秆后,则密度下降13.5%,而加入相同质量分数的客土后,密度下降了7.97%。这是因为,在加入相同质量分数的填料中,秸秆体积最大,掺入残砂后最有利于提高油泥的蓬松度。而在土壤修复领域,特别是采用地耕法处置污染土壤过程,秸秆等廉价、疏松的填料常用于提高土壤通透性[29-30],以达到增加溶氧的目的。

    图 5  不同填料加入对油泥密度的影响
    Figure 5.  Effect of different bulking agent content on the soil bulk density
    图 6  不同填料加入对油泥最大持水量的影响
    Figure 6.  Effect of different bulking agent content on maximum moisture capacity of the soil

    图6给出了添加不同填料后对油泥最大持水量的影响。从测试结果来看,添加秸秆和沼渣对提高最大持水量有一定的提高作用,而添加客土后最大持水量出现下降趋势。相比于秸秆,沼渣具有更好的持水能力,添加量为5%时,最大持水量由36%提升到45%;此后,继续增加沼渣含量时,油泥的最大持水量开始下降。对于秸秆,增加量在3%以内,有利于保水,随后出现下降趋势。这是因为,管状空心结构的秸秆能够增加油泥表层的水分流动通道,使水分蒸发加剧。而对于处理后的沼渣,能够有效改良油泥结构,提高其含水饱和度和持水能力,从而降低油泥脱水速度,最终提高油泥保水、抗旱性能。

    此外,通过比较客土、秸秆和沼渣的化学性质来看(表2),沼渣具有丰富的N、P元素和有机物,能够为微生物的代谢生长提供营养物质。此外,沼渣中还含富含有腐殖质,而这类物质能作为电子受体参与有机物的厌氧生物降解过程,提升微生物对有机物的代谢速率[31]。而这一推论在大量的研究报道中已被证实,即在厌氧环境下,微生物以腐殖质为电子受体氧化石油类有机物[32-33]。因此,沼渣作为一种新型的填充物不仅能够有效提高油泥的通透性,同时其富含的腐殖质能够使厌氧区域发生更高速率的生物降解。因此,通过以上实验筛选出沼渣用量为5%并用于其后的生物降解实验。

    在生物降解性能评价过程中,考察了添加G-3和G-6外源烃降解菌对处理效果的影响,结果见图7。从图中看到,相比于空白组,单纯通过激活油泥中土著微生物进行生物修复时,效果较差,处理至200 d时残砂样品的含油率仍然达到26.3 mg·g−1。相反,投加烃降解菌组对石油烃有着较强的降解效果,处理87 d时残砂样品的含油率降至10.0 mg·g−1以下,处理200 d时则降至4.62 mg·g−1。由此可认为,在预处理水洗过程中,在水溶液环境下的搅拌剪切作用破坏了油泥的微生态环境,高温水洗、投加药剂造成大量的土著烃降解菌死亡或随水体流失(见表4),从而导致残砂中土著烃降解菌的数量和种类大幅降低,最终造成生物修复效果较差。而通过添加筛选的烃降解菌,补充和提升了残砂样品中烃降解菌的种类和数量,在营养元素富余的条件下,嗜烃微生物的生物量大幅提升,并能够有效降解残砂中的石油烃,因此取得了理想的处理效果。由此可得出,在选择水洗技术为预处理工艺时,在生物修复过程中,需要投加适量的烃降解外源菌,从而提高处置的效果。

    图 7  添加烃降解外源菌对残砂中含油率的影响
    Figure 7.  Effect of the added isolated bacterias on degradation of the residual sands

    测试了未处理时、处理第200 d时的对照组及投加菌剂组样品中含油率及各组分含量的变化,结果如表5所示。由表可知,在实验前,空白组和投加菌剂组含油率分别为39.3 mg·g−1和39.1 mg·g−1;经过200 d的生物处理后,空白组含油率下降至31.2 mg·g−1,而投加菌剂组含油率下降至4.62 mg·g−1。其中,不同石油烃组分经过生物处理后含量均下降,其中以饱和烃和芳香烃降解率最为显著,而胶质和沥青质则较难被降解。

    表 5  生物处理前后残砂中石油烃组分
    Table 5.  Component analysis of the hydrocarbons from various residual sands
    检测项目或组分未处理的残砂中石油烃组分质量分数/(mg·g−1)处理200 d后的残砂中石油烃组分质量分数/(mg·g−1)
    对照组投加菌剂组对照组投加菌剂组
    含油率39.3±3.439.1±2.931.2±1.24.62±0.6
    饱和烃16.2±1.515.9±1.010.2±0.30.33±0.03
    芳香烃12.4±0.911.8±0.511.1±0.21.02±0.1
    胶质8.62±1.39.52±0.87.09±0.31.24±0.2
    沥青质2.10±0.51.88±0.42.86±0.42.03±0.1
     | Show Table
    DownLoad: CSV

    1)从高含油落地油泥中分离获得2株烃降解菌,用于微生物修复实验。添加5%的沼渣能能够提升油泥的溶氧能力,最大持水量增加到45%。

    2)在鼠李糖脂清洗剂总用量为0.5%、水洗时间30 min和50 ℃条件下,油泥含油率由107 mg·g−1降至39.3 mg·g−1。水洗后残砂中总N/P、细微粒组分(粒径≤50 μm)及土著微生物菌浓均不同程度下降,在随后的生物修复过程需要补充外源菌和营养物质。

    3)生物修复过程投加沼渣和2株烃降解菌,生物降解速率得到提升;经过200 d的生物修复后,残砂含油率降至4.62 mg·g−1。在此过程中,微生物优先降解饱和烃和芳香烃,对胶质和沥青质的降解作用弱。

  • 图 1  研究区点位分布

    Figure 1.  Distribution map of study area

    图 2  研究区农田土壤中Pb、Ni、Cu、Cr、Cd、As、Zn和Hg的含量分布

    Figure 2.  The content distribution map of lead, nickel, copper, chromium, cadmium, arsenic, zinc and mercury in the farmland soil of the study area

    表 1  选取评价方法的评价标准

    Table 1.  Evaluation criteria for selecting evaluation methods

    地质累计指数法单因子指数法内梅罗综合指数法潜在生态风险指数法
    Igeo级数污染程度Pi污染程度PN污染程度EirRI生态风险等级
    Igeo≤00Pi<1无污染PN<0.7清洁Eir<40RI<150轻微危害
    0<Igeo≤11无-中度1<Pi≤2轻微污染0.7<PN≤1尚清洁40≤Eir<80150≤RI<300中等危害
    1<Igeo≤22中度2<Pi≤3轻度污染1<PN≤2轻度污染80≤Eir<160300≤RI<600强危害
    2<Igeo≤33中-强度3<Pi≤5中度污染2<PN≤3中度污染160≤Eir<320RI>600很强危害
    3<Igeo≤44强度Pi>5重度污染PN>3重度污染Eir≥320极强危害
    4<Igeo≤55强-极强
    Igeo>56极强
    注:“-”,表示无。
    地质累计指数法单因子指数法内梅罗综合指数法潜在生态风险指数法
    Igeo级数污染程度Pi污染程度PN污染程度EirRI生态风险等级
    Igeo≤00Pi<1无污染PN<0.7清洁Eir<40RI<150轻微危害
    0<Igeo≤11无-中度1<Pi≤2轻微污染0.7<PN≤1尚清洁40≤Eir<80150≤RI<300中等危害
    1<Igeo≤22中度2<Pi≤3轻度污染1<PN≤2轻度污染80≤Eir<160300≤RI<600强危害
    2<Igeo≤33中-强度3<Pi≤5中度污染2<PN≤3中度污染160≤Eir<320RI>600很强危害
    3<Igeo≤44强度Pi>5重度污染PN>3重度污染Eir≥320极强危害
    4<Igeo≤55强-极强
    Igeo>56极强
    注:“-”,表示无。
    下载: 导出CSV

    表 2  研究区土壤pH及重金属含量统计

    Table 2.  Statistics of soil pH and heavy metal content in the study area

    元素最大值/mg·kg−1最小值/mg·kg−1中位数/mg·kg−1平均值/mg·kg−1标准偏差变异系数偏度系数峰度系数背景值/mg·kg−1
    pH 7.747.037.187.280.200.030.67−0.54
    Hg0.520.160.210.230.070.303.2613.220.02
    As22.4012.2015.2015.792.460.160.820.7612.60
    Cd0.290.110.190.190.050.250.22−0.800.12
    Cu40.8019.8027.9029.025.270.180.640.2724.10
    Pb13.907.1610.6010.641.390.13−0.141.7018.80
    Cr219.0084.90154.00155.1034.700.22−0.15−0.6162.23
    Zn157.0068.8096.4099.5017.630.181.333.7069.30
    Ni61.6028.6041.3043.577.850.180.710.4035.20
    元素最大值/mg·kg−1最小值/mg·kg−1中位数/mg·kg−1平均值/mg·kg−1标准偏差变异系数偏度系数峰度系数背景值/mg·kg−1
    pH 7.747.037.187.280.200.030.67−0.54
    Hg0.520.160.210.230.070.303.2613.220.02
    As22.4012.2015.2015.792.460.160.820.7612.60
    Cd0.290.110.190.190.050.250.22−0.800.12
    Cu40.8019.8027.9029.025.270.180.640.2724.10
    Pb13.907.1610.6010.641.390.13−0.141.7018.80
    Cr219.0084.90154.00155.1034.700.22−0.15−0.6162.23
    Zn157.0068.8096.4099.5017.630.181.333.7069.30
    Ni61.6028.6041.3043.577.850.180.710.4035.20
    下载: 导出CSV

    表 3  研究区土壤各重金属的单因子指数与内梅罗综合指数统计(以背景值为依据)

    Table 3.  Statistics of the single factor index and Nemerow comprehensive index of each heavy metal in the soil of the study area (based on background value)

    元素单因子指数内梅罗综合指数
    最大值最小值平均值PN土壤环境质量等级
    Hg25.757.9011.4319.92重度污染
    As1.780.971.251.54轻度污染
    Cd2.420.951.602.05中度污染
    Cu1.690.821.201.47轻度污染
    Pb0.740.380.570.66清洁
    Cr3.521.362.493.05重度污染
    Zn2.270.991.441.90轻度污染
    Ni1.750.811.241.52轻度污染
    元素单因子指数内梅罗综合指数
    最大值最小值平均值PN土壤环境质量等级
    Hg25.757.9011.4319.92重度污染
    As1.780.971.251.54轻度污染
    Cd2.420.951.602.05中度污染
    Cu1.690.821.201.47轻度污染
    Pb0.740.380.570.66清洁
    Cr3.521.362.493.05重度污染
    Zn2.270.991.441.90轻度污染
    Ni1.750.811.241.52轻度污染
    下载: 导出CSV

    表 4  研究区土壤各重金属单因子指数与内梅罗综合指数统计(以标准值为依据)

    Table 4.  Statistics of heavy metal single factor index and Nemerow comprehensive index of soil in the study area (based on standard value)

    元素单因子指数内梅罗综合指数
    最大值最小值平均值PN土壤环境质量等级
    Hg0.210.050.090.16清洁
    As0.750.410.540.65清洁
    Cd0.970.230.600.81清洁
    Cu0.410.200.290.35清洁
    Pb0.120.050.090.10清洁
    Cr1.100.420.760.94清洁
    Zn0.630.280.390.52清洁
    Ni0.620.150.410.52清洁
    元素单因子指数内梅罗综合指数
    最大值最小值平均值PN土壤环境质量等级
    Hg0.210.050.090.16清洁
    As0.750.410.540.65清洁
    Cd0.970.230.600.81清洁
    Cu0.410.200.290.35清洁
    Pb0.120.050.090.10清洁
    Cr1.100.420.760.94清洁
    Zn0.630.280.390.52清洁
    Ni0.620.150.410.52清洁
    下载: 导出CSV

    表 5  研究区土壤中8种重金属地质累计指数统计

    Table 5.  Statistics of geological cumulative index of eight heavy metals in the soil of the study area

    元素地质累计指数法
    范围平均值标准差污染等级
    Hg2.40~4.102.880.34无—中度
    As−0.63~025−0.280.22
    Cd−0.66~0.690.050.38无—中度
    Cu−0.87~-0.17−0.340.26
    Pb−1.98~-1.02−1.420.20
    Cr−0.14~1.230.690.35无—中度
    Zn−0.60~0.59−0.080.24
    Ni−0.88~0.22−0.300.25
    元素地质累计指数法
    范围平均值标准差污染等级
    Hg2.40~4.102.880.34无—中度
    As−0.63~025−0.280.22
    Cd−0.66~0.690.050.38无—中度
    Cu−0.87~-0.17−0.340.26
    Pb−1.98~-1.02−1.420.20
    Cr−0.14~1.230.690.35无—中度
    Zn−0.60~0.59−0.080.24
    Ni−0.88~0.22−0.300.25
    下载: 导出CSV

    表 6  研究区土壤中8种重金属的潜在生态风险系数统计

    Table 6.  Potential ecological risk coefficient statistics of eight heavy metals in the soil of the study area

    项目范围平均值风险等级
    单项潜在生态风险 Hg 316~1 030 457.04 极强危害
    As 9.68~17.78 12.53 轻微危害
    Cd 28.50~72.50 48.01 中等危害
    Cu 4.11~8.46 6.02 轻微危害
    Pb 1.90~3.70 2.83 轻微危害
    Cr 2.73~7.04 4.98 轻微危害
    Zn 0.99~2.27 1.44 轻微危害
    Ni 4.06~8.75 6.19 轻微危害
    综合潜在生态风险 408~1 144 539.00 轻微危害
    项目范围平均值风险等级
    单项潜在生态风险 Hg 316~1 030 457.04 极强危害
    As 9.68~17.78 12.53 轻微危害
    Cd 28.50~72.50 48.01 中等危害
    Cu 4.11~8.46 6.02 轻微危害
    Pb 1.90~3.70 2.83 轻微危害
    Cr 2.73~7.04 4.98 轻微危害
    Zn 0.99~2.27 1.44 轻微危害
    Ni 4.06~8.75 6.19 轻微危害
    综合潜在生态风险 408~1 144 539.00 轻微危害
    下载: 导出CSV

    表 7  土壤重金属相关系数(Spearman)

    Table 7.  Correlation coefficient of soil heavy metals (Spearman)

    元素HgAsCdCuPbCrZnNi
    Hg 1
    As 0.346 1
    Cd −0.159 0.322 1
    Cu 0.110 0.136 0.644** 1
    Pb −0.146 −0.044 −0.179 −0.049 1
    Cr 0.100 0.218 0.093 0.033 0.182 1
    Zn −0.164 0.415* 0.495* 0.493* 0.131 0.230 1
    Ni 0.009 0.209 0.363 0.637** −0.060 0.519* 0.504* 1
      注:*在 0.05 级别(双尾),相关性显著;**在0.01级别(双尾),相关性显著。
    元素HgAsCdCuPbCrZnNi
    Hg 1
    As 0.346 1
    Cd −0.159 0.322 1
    Cu 0.110 0.136 0.644** 1
    Pb −0.146 −0.044 −0.179 −0.049 1
    Cr 0.100 0.218 0.093 0.033 0.182 1
    Zn −0.164 0.415* 0.495* 0.493* 0.131 0.230 1
    Ni 0.009 0.209 0.363 0.637** −0.060 0.519* 0.504* 1
      注:*在 0.05 级别(双尾),相关性显著;**在0.01级别(双尾),相关性显著。
    下载: 导出CSV
  • [1] 刘奇林, 崔宝山, 陈蓓, 等. 岷县曙光金矿无主矿区土壤污染治理项目场地环境调查报告[R]. 甘肃: 岷县人民政府, 2019.
    [2] 王莹捷, 张波, 马鑫, 等. 甘肃省武威酿酒葡萄种植区土壤重金属分布特征及来源分析[J]. 食品与发酵工业, 2021, 47(22): 99 − 108.
    [3] 王钦德, 杨坚. 食品试验设计与统计分析基础[M]. 北京: 中国农业大学出版社, 2009: 34-36.
    [4] 王蕊, 陈楠, 张二喜, 等. 龙岩市某铁锰矿区土壤重金属地球化学空间分布特征与来源分析[J]. 环境科学, 2021, 42(3): 1114 − 1122.
    [5] 杨蕊, 李小平, 王继文, 等. 西宁市城市土壤重金属分布特征及其环境风险[J]. 生态学杂志, 2016, 35(6): 1531 − 1538.
    [6] 孙建伟, 贾煦, 刘向东, 等. 豫西金矿集区矿业活动对周边农田土壤重金属影响研究[J]. 岩矿测试, 2023, 42(1): 192 − 202.
    [7] 张江华, 徐友宁, 陈华清, 等. 小秦岭金矿区土壤-小麦重金属累积效应对比研究[J]. 西北地质, 2020, 53(3): 284 − 294.
    [8] 林荩, 梁文静, 焦旸, 等. 陕西潼关县金矿矿区周边农田土壤重金属生态健康风险评价[J]. 中国地质, 2021, 48(3): 749 − 763.
    [9] 牛真茹, 齐硕, 吴庭雯, 等. 某有色冶炼场地浅层土壤重金属空间变异规律与分布特征[J]. 土壤通报, 2016, 47(3): 738 − 745.
  • 加载中
图( 2) 表( 7)
计量
  • 文章访问数:  1516
  • HTML全文浏览数:  1516
  • PDF下载数:  12
  • 施引文献:  0
出版历程
  • 收稿日期:  2022-11-03
  • 录用日期:  2022-12-26
  • 刊出日期:  2023-04-20
常兵磊, 杨宝山, 王惠. 金矿区农田土壤重金属空间分布特征及污染评价[J]. 环境保护科学, 2023, 49(2): 120-125. doi: 10.16803/j.cnki.issn.1004-6216.202211008
引用本文: 常兵磊, 杨宝山, 王惠. 金矿区农田土壤重金属空间分布特征及污染评价[J]. 环境保护科学, 2023, 49(2): 120-125. doi: 10.16803/j.cnki.issn.1004-6216.202211008
CHANG Binglei, YANG Baoshan, WANG Hui. Spatial distribution characteristics and pollution evaluation of heavy metals in farmland soil of gold mine areas[J]. Environmental Protection Science, 2023, 49(2): 120-125. doi: 10.16803/j.cnki.issn.1004-6216.202211008
Citation: CHANG Binglei, YANG Baoshan, WANG Hui. Spatial distribution characteristics and pollution evaluation of heavy metals in farmland soil of gold mine areas[J]. Environmental Protection Science, 2023, 49(2): 120-125. doi: 10.16803/j.cnki.issn.1004-6216.202211008

金矿区农田土壤重金属空间分布特征及污染评价

    通讯作者: 王 惠(1971-),女,教授。研究方向:土壤污染修复技术与环境生态学。E-mail:598276520@qq.com
    作者简介: 常兵磊(1991-),男,硕士研究生。研究方向:环境工程。E-mail:1297115390@qq.com
  • 济南大学水利与环境学院,济南 250022
基金项目:
国家自然科学基金资助项目(32071559)

摘要: 为了解岷县某村无主金矿矿区历史活动对周边农田的影响,使用指数法对土壤质量进行评价,使用GIS地统计学模型对土壤重金属空间分布进行分析。结果表明,研究区土壤环境质量整体处于清洁水平,但存在重金属累积现象,并且整体呈现自西向东递减趋势。其中以汞的累积现象最为严重,这可能与当地混乱开采活动关系密切,因此,为控制重金属在该区域的持续积累,相应的管控措施是必不可少的。

English Abstract

  • 高速发展的工业化进程以及粗放的生产方式,使得大量的重金属进入土壤,导致我国土壤重金属污染形势不容乐观。近年来频发的土壤污染事故,尤其是农田土壤重金属污染事故,引起了人们对重金属污染的研究关注及对其污染危害的广泛研究。

    农田土壤重金属污染不仅会影响农产品质量,造成经济损失,还会通过食物链影响人类和其他动物的生命健康,因此,研究农田中土壤重金属污染,探究重金属在农田土壤中的空间分布,评价其可能的潜在风险,对土壤重金属污染的防治以及保护人类生命健康都具有十分重要的意义。

    本研究以某村庄无主金矿矿区以北农田土壤为研究对象,对重金属在土壤环境中的空间分布进行研究分析并评价其污染状况,研究结果将为该区域土壤污染治理和防控提供基础理论依据。

    • 研究区位于甘肃省岷县某金矿区附近(104.231715°~104.244558°E,34.511970°~34.515167°N),该区域地处西秦岭中低山区,地形平缓开阔,属于典型的构造侵蚀中低山地貌;当地气候处于温带半湿润向高寒湿润气候过渡带,高寒阴湿,常年主导风向西北风,平均风速1.3~1.5 m/s,最大风速24 m/s。研究区的土壤类型主要为黑土,土体疏松,结构良好。

    • 本次研究参考了《岷县曙光金矿无主矿区土壤污染治理项目场地环境调查报告》[1]中23个具有代表性的农田土壤点位数据(2018年4月)进行评价点位分布,见图1

    • 本研究使用单因子指数、内梅罗综合污染指数、地质累积指数及潜在生态危害指数的分析方法对土壤中重金属的含量进行评价。各方法的评价标准,见表1

    • 变异系数是统计学中反应数据离散程度的指标,见式(1):

      式中:σ为重金属i的标准偏差;μ为重金属i的平均值。

    • 使用Excel2016对土壤重金属含量、污染指数和生态风险指数进行统计;使用SPSS26.0对数据相关性进行分析;使用ArcGIS10.2绘制土壤点位分布图、重金属的空间分布图。

    • 通过对研究区土壤中的As、Cd、Cu、Pb、Cr和Ni 6种金属元素进行克里金插值分析,对Zn、Hg 2种金属元素进行反距离插值分析,得到研究区内各重金属含量的空间分布情况,见图2

      图2可知,8种重金属分布极为相似,均呈现自西向东递减趋势。

    • 土壤pH及重金属含量统计,见表2

      表2可知,研究区土壤pH处于7.03~7.74范围内,整体呈弱碱性。土壤中Hg、As、Cd、Cu、Pb、Cr、Zn和Ni含量分别为0.16~0.52 、12.20~22.40 、0.11~0.29、19.80~40.80、7.16~13.90、84.90~219.00、68.80~157.00和28.60~61.60 mg/kg。与国家标准相比,研究区土壤中8种重金属平均含量均不存在超标现象。与甘肃省背景值相比,研究区土壤中Hg、As、Cd、Cu、Cr、Zn和Ni 7种重金属平均含量超出该区域土壤环境的背景值,说明存在累积现象。

      变异系数可反映人类活动对区域内重金属含量的影响程度。通过计算可知,Hg、Cd和Cr在研究区变异系数分别为0.30、0.25和0.22,处于0.2~0.5之间,变异性适度。As、Cu、Pb、Zn和Ni变异系数均低于0.2,变异性相对较弱[2-4]。由于变异系数数值越大,空间变异性越大,受人为干扰程度越大。因此,研究区Hg变异系数相对较高,偏度和峰度值也相对较高,可推测其受当地人为活动影响较大。

    • 单因子污染指数能反映单项重金属在土壤中的污染程度;内梅罗指数则能反映土壤中多种重金属的综合污染程度。本研究分别以《土壤环境质量 农用地土壤污染风险管控标准(试行):GB 15618—2018》表1中的限值和甘肃省土壤中金属元素背景值为评价标准,使用上述2种方法对重金属的污染程度进行综合评价,统计,见表3

      当以背景值为评价标准时,研究区土壤中Hg、As、Cd、Cu、Pb、Cr、Zn和Ni的单因子污染指数范围分别为7.90~25.75、0.97~1.87、0.95~2.42、0.82~1.69、0.38~0.74、1.36~3.52、0.99~2.27和0.81~1.75之间,见表3。数据显示100%、91%、96%、87%、100%、96%和96%样点的Hg、As、Cd、Cu、Cr、Zn和Ni含量超过甘肃省土壤背景值。

      当以GB 15618—2018限值为评价标准时,研究区Hg、As、Cd、Cu、Pb、Cr、Zn和Ni的单因子污染指数范围分别为0.046~0.215、0.407~0.747、0.228~0.967、0.198~0.408、0.047~0.116、0.425~1.095、0.275~0.628和0.151~0.616之间,见表4。除Cr轻微超标外,研究区内其余7种重金属元素含量均不超标。内梅罗综合指数显示研究区土壤处于清洁状态。

      研究区土壤中重金属的地质累积指数统计,见表5

      表5可知,8种重金属的地质累积指数平均值由大到小依次为Hg>Cr>Cd>Zn>As>Ni>Cu>Pb。结果显示,除Hg、Cr和Cd以外,其余5种重金属均无污染程度。8种重金属地质累积指数的极大值均﹥0,表明研究区内存在重金属累积现象,其中Hg累积最严重,其次是Cr和Cd。

      研究区域8种重金属潜在生态风险系数,见表6

      表6可知,8种重金属单项潜在生态风险指数均值大小顺序为Hg>Cd>As>Ni>Cu>Cr>Pb>Zn。其中,As、Ni、Cu、Cr、Pb和Zn潜在生态风险系数均值均﹤40,处于轻微危害水平;Hg潜在生态风险系数均值为457.04,明显高于其他重金属,处于极强危害水平;Cd潜在生态风险系数均值为48.01,处于中等危害水平。研究区多元素综合污染指数均值为539,整体潜在生态风险等级较高,主要贡献因子为Hg。

    • 土壤重金属的来源主要包括自然源和人为源。通过重金属之间的相关性分析能够判断几种重金属的来源是否一致,若重金属间相关性较强,表现为显著正相关时,说明这些重金属的来源具有同一性。否则,可能有多个来源[5]。对研究区农田土壤重金属进行Spearman相关性分析,见表7

      表7可知,重金属Cu-Cd、Ni-Cu之间的相关系数分别为0.644、0.637,达到极显著正相关关系(P<0.01),Zn-As、Zn-Cd、Zn-Cu、Ni-Cr和Ni-Zn之间的相关系数分别为0.415、0.495、0.493、0.519和0.504,达到显著正相关关系(P<0.05),表明其来源具有同源性。

    • 数据显示研究区内100%、91%、96%、87%、100%、96%和96%样点的Hg、As、Cd、Cu、Cr、Zn和Ni超过甘肃省土壤背景值,研究区土壤中重金属累积现象严重,其中以Hg的累积现象最为严重。这一结论与孙建伟等[6]、张江华等[7]和林荩等[8]对豫西金矿区、小秦岭金矿区和潼关金矿区的研究结果相似,进一步说明矿区周边农田土壤重金属污染主要是由开采活动造成的。

      此外,牛真茹等[9]通过对某金属冶炼场浅层土壤重金属空间变异规律和分布特征的研究发现重金属渗滤液沿地形优势通道迁移,在局部地段累积,导致土壤中重金属污染严重。结合本次研究区和矿区的位置关系,推测造成研究区内土壤重金属累积现象的原因可能为长时间的雨水冲刷,使矿山上的重金属迁移至研究区内造成。重金属含量统计中Hg的变异系数较高,峰度值、偏度值也较高,表明Hg含量受人为干扰较大,结合矿区开采背景,推测研究区土壤中Hg累积现象严重主要与矿区的混乱开采有关。

      由于研究区土地用途为农田,且该区域重金属累积现象较严重,长远来看,应采取相应的措施减缓矿区对研究区的影响。目前,该矿区已关停,矿区对研究区土壤的影响主要通过重金属的自然迁移实现,因此,后续管理过程中针对研究区的保护措施应当以切断重金属的迁移途径为主。建议在矿区周边采用防渗阻隔技术,阻断重金属向矿区周边区域及深层土壤迁移的途径。同时,对阻隔产生的积水进行定期收集和处理,避免含重金属的水体造成进一步的污染。再者,建议针对矿区周边农田建立连续监测机制,动态监测周边土壤中的重金属含量以判断土地用途的合理性。

    • (1)研究区农田土壤中存在重金属累积现象。

      (2)研究区农田土壤中Hg的累积受人为干扰程度最大,累积现象最严重,生态风险贡献值最高。

      (3)研究区农田土壤中As、Cd、Cu、Zn、Cr和Ni同源性较高,主要来源为自然源。Hg的来源为复合源(人为源+自然源),其中人为源为主要来源。

    参考文献 (9)

返回顶部

目录

/

返回文章
返回