高山地区夏季大气PM<sub>2.5</sub>中元素的污染特征、生态风险及健康风险评估——以武当山为例

赵明升; 韩志勇; 任丽红; 李刚; 杨小阳; 赵刚; 韩慧霞; 杜虹萱; 高元官; 徐义生

doi:10.7524/j.issn.0254-6108.2022102006

高山地区夏季大气PM_2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例

1.
中国环境科学研究院环境基准与风险评估国家重点实验室，北京，100012
2.
兰州理工大学石油化工学院，兰州，730050
3.
华北理工大学矿业工程学院，唐山，063210

通讯作者: E-mail：renlh@craes.org.cn;

基金项目:
国家自然科学基金 ( 41705136, 41375133)和中央级公益性科研院所基本科研业务专项(JY-41375133, 2019YSKY-025)资助.
中图分类号: X-1；O6

Pollution characteristics, ecological risk and health risk assessment of PM_2.5 -bound elemental species at mountain site in summer: A case study of Mt.Wudang

1.
State Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences, Beijing, 100012, China
2.
School of Petrochemical Engineering, Lanzhou University of Technology, Lanzhou, 730050, China
3.
School of Mining Engineering, North China University of Science and Technology, Tangshan, 063210, China

Corresponding author: REN Lihong, renlh@craes.org.cn ;

Fund Project: the National Natural Science Foundation of China (41705136, 41375133) and Central Public Welfare Research Institute Basic Research Business Specia (JY-41375133, 2019YSKY-025).

摘要: 为了解华中高山地区夏季大气PM_2.5中元素的污染特征，于2018年6月在湖北省十堰市武当山国家空气质量监测站采集PM_2.5样品，利用电感耦合等离子体质谱仪（ICP-MS）测定样品中18种元素（Na、K、Ca、Mg、Al、Fe、V、Cr、Mo、Cu、Zn、Mn、Ni、As、Se、Cd、Ba和Pb）的浓度，并探讨了其来源、生态风险和健康风险. 结果表明，武当山PM_2.5的日均浓度范围为5.00—33.65 μg·m^-3，平均浓度为(16.84±7.07) μg·m^-3；元素K、Na、Fe、Ca、Al、Mg和Zn的浓度较高，7种元素占所分析元素的97.68%以上；富集因子结果表明，Mo、Zn、Pb、Cd和Se的EF值高于100，可能受周边人为活动排放污染物的区域或长距离传输影响；主成分-多元线性回归（PCA-MLR）结果表明，PM_2.5中元素主要来自于燃煤和机动车(57.57%)、工业源(22.52%)和地壳(19.91%)；武当山PM_2.5重金属的生态风险指数极高，其中Cd、Se和Mo的潜在生态危害程度极强；健康风险评估显示，综合非致癌风险（HI）在儿童和成人中分别为2.28×10^-2和3.04×10^-2，均在可接受水平内，综合致癌风险（CRT）在儿童和成人中分别为4.45×10^-7和2.37×10^-6，说明成人存在潜在的致癌风险；Cr在成人中的致癌风险为1.88×10^-6，说明Cr在成人中存在潜在的致癌风险，同种金属对人体的非致癌风险和致癌风险均表现为成人>儿童.
- PM_2.5 /
- 元素 /
- 富集因子 /
- 主成分-多元线性回归(PCA-MLR) /
- 生态风险 /
- 健康风险评估.
Abstract: To understand the pollution characteristics of PM_2.5-bound elemental species at mountain site in summer, PM_2.5 samples were collected at the Mt.Wudang National Air Quality Monitoring Station in Shiyan of Hubei Province in June 2018. The concentrations of 18 elements (Na, K, Ca, Mg, Al, Fe, V, Cr, Mo, Cu, Zn, Mn, Ni, As, Se, Cd, Ba and Pb) in PM_2.5 were determined by inductively coupled plasma mass spectrometer (ICP-MS), and the sources, ecological and health risks were discussed. The results showed that the concentration of PM_2.5 during observation period at Mt.Wudang were ranged from 5.00 μg·m^-3to 33.65 μg·m^-3, with an average value of (16.84±7.07) μg·m^-3. K, Na, Fe, Ca, Al, Mg and Zn) was the main elements accounting for 97.68% of all detected elements. The enrichment factor (EF) values showed that the EF values of Mo, Zn, Pb, Cd and Se were higher than 100, which may be affected by the regional or long-range transport of pollutants emitted from human activities. The principal component analysis-multiple linear regression (PCA-MLR) showed that the elements species of PM_2.5 mainly come from coal burning and motor vehicles (57.57%), industrial production (22.52%) and crustal sources (19.91%). The ecological risk index of heavy metals in PM_2.5 at Mt.Wudang is extremely high and Cd, Se and Mo have a very high degree of potential ecological damage. The health risk assessment showed that the comprehensive non-carcinogenic risks (HI) were 2.28×10^-2 and 3.04×10^-2 for children and adults, respectively, which are within the acceptable level. The comprehensive carcinogenic risks (CRT) were 4.45×10^-7 and 2.37×10^-6 for children and adults, respectively, indicating heavy metal had potential carcinogenic risk for adults. The carcinogenic risk of Cr for adults is 1.88×10^-6, indicating that Cr has potential carcinogenic risk in adults. The non-carcinogenic risk and carcinogenic risk to human body followed the order of adults > children.
- PM_2.5 /
- elements /
- enrichment factor /
- principal component analysis-multiple linear regression /
- ecological risk /
- health risk assessment.
20世纪90年代初，WILLIAN E.R提出生态足迹的概念，可将人均消耗资源折算为地域面积，为资源合理利用和可持续发展提供指导^[1]。生态足迹主题研究中，关于水资源生态足迹的研究自2014年之后有明显增加，逐渐发展为研究热点。近年来越来越多的学者们从水资源生态足迹角度出发，分析水资源利用及其与经济增长之间的关系^[2-3]。ALESSANDRO et al^[4]以维琴察市为例，提出了评估城市层面直接用水生态足迹核算方法。RATTANAWAN et al^[5]研究了泰国水稻种植水足迹清单，以制定用水政策。MUHAMMADJONet al^[6]通过计算塔吉克斯坦南部主要作物水足迹，评估气候变化对当前生长期作物需水量的影响，并确定最佳播种日期以减少未来作物需水量。CHANG et al^[7]通过灰度关联模型、水资源生态足迹模型和主成分分析法对宁夏回族自治区的5个城市水资源环境承载力进行安全评价。CRUZ et al^[8]研究了西班牙加那利群岛码头的碳足迹和水足迹。周悦等^[9]运用水资源生态足迹盈亏模型，从时间和空间两个维度对辽宁省水资源生态盈亏和用水效率进行了研究。李宁等^[10]利用水生态足迹计算模型，结合协调发展脱钩评价模型对长江中游城市群的水资源利用与经济增长协调关系进行评价。张杏梅等^[11]从水量生态足迹和水质生态足迹视角分析了陕西省水资源利用与经济增长之间的关系并对其脱钩状态进行预测。李晓格等^[12]以太阳能值转换率为参数，模拟区域水资源开发利用的动态变化趋势，分析了榆林市水资源可持续利用情况。

为缓解水资源供需矛盾，治理水环境污染和修复生态环境，应当加强水资源循环利用，严格取用水管理，推广污水资源化利用。文献[13]报道，“十三五”时期，全国万元国内生产总值用水量、万元工业增加值用水量分别下降28.0%、39.6%，农田灌溉水有效利用系数显著提升。2021年“中国水周”的主题是“深入贯彻新发展理念，推进水资源集约安全利用”，对提高水资源利用效率提出重点任务。

江苏省作为我国东南沿海地区经济大省，降雨量相对充足，但节水技术和用水方式与经济发展速度不匹配，万元国内生产总值用水量与周边的上海市、浙江省存在一定差距^[14-15]。甘肃省位于西部缺水地区，东西部协作发展、黄河流域生态保护和高质量发展等政策的发布实施，对甘肃省用水结构和水资源利用效率提出更高要求。鉴于以上情况，本研究选取江苏省和甘肃省为主要研究对象，分析其人均用水生态足迹，结合“水源—取水—净水—排水—水处理—回用”环节，构建水资源循环利用体系，探讨再生水回用去向，以期为提高水资源循环利用效率提供参考。

1.   研究方法与数据来源

水资源生态承载力指在可持续发展的前提下，某一具体时期和特定区域的水资源可供量对社会系统和生态系统的支撑能力^[16]。水资源生态足迹是在特定人口数量和经济发展水平下，将人们为了维持正常生产生活和良好生态环境消耗的水资源量折算为用地面积。根据水资源生态承载力与水资源生态足迹计算模型^[16]得出江苏省和甘肃省2010—2019年水资源生态承载力和各用水方式水资源生态足迹。

水资源生态承载力计算模型，见式（1）：

$E{\mathrm{C}}_{w}=N\times {e\mathrm{c}}_{w}=N\times {\gamma }_{w}\times {\phi }_{w}\times W \div {P}_{w}$ $(1)$

式中： $E{\mathrm{C}}_{w}$ 为水资源生态承载力，hm²；N为人口数； ${\mathrm{e}\mathrm{c}}_{w}$ 为人均水资源生态承载力，hm²/cap； ${\gamma }_{w}$ 为水资源全球均衡因子，此处取值5.19； ${\phi }_{w}$ 为水资源用地的产量因子，江苏省取值1.02，甘肃省取值0.22；W为人均水资源消耗量，m³； ${P}_{w}$ 为水资源世界平均生产能力，此处取3 140 m³/hm²。

水资源生态足迹计算模型，见式（2）：

$E{\mathrm{F}}_{w}=N\times {e\mathrm{f}}_{w}=N\times {\gamma }_{w}\times W\div {P}_{w}$ $(2)$

式中： $E{\mathrm{F}}_{w}$ 为水资源生态足迹，hm²；N为人口数； ${\mathrm{e}\mathrm{f}}_{w}$ 为人均水资源生态足迹，hm²/cap； ${\gamma }_{w}$ 为水资源全球均衡因子，此处取值5.19；W为人均水资源消耗量，m³； ${P}_{w}$ 为水资源世界平均生产能力，此处取3 140 m³/hm²。

本研究将江苏省水资源生态足迹分为生产、生活、城镇环境和农田灌溉4个类别，甘肃省水资源生态足迹分为农业、城镇公共、工业、生活和生态5个类别。采用的年降水量、年水资源总量、全省总用水量、人口数、各行业用水量等数据分别摘自2011—2020年《江苏省水资源公报》《江苏省统计年鉴》和《甘肃省统计年鉴》。

2.   研究区域水资源生态承载力与生态足迹

2.1   研究区域概况

江苏省地势较低，地形以平原为主，属于温带向亚热带的过渡性气候，雨量适中，四季分明，河湖众多，水系复杂，为东部河网密集地区^[17]。2019年江苏省水资源总量231.7亿m³，常住人口密度为753人/km²，城镇常住居民人均可支配收入51056元，农村常住居民人均可支配收入22675元。根据《2019年度江苏省生态环境状况公报》，2019年，全省水环境质量总体有所改善，纳入国家《水污染防治行动计划》和江苏省“十三五”地表水环境质量目标考核的断面中均无劣Ⅴ类。全省开展监测的75个农村饮用水水源地中，水质达到或优于Ⅲ类的有69个，达标率为92.0%；223个县域地表水点位中，水质达到或优于Ⅲ类的有162个，占72.7%。

甘肃省位于中国西部地区，地处黄河中上游，山脉纵横交错，海拔相差悬殊，气候类型多样，大部分地区气候干燥，干旱、半干旱区占总面积的75%。2019年，甘肃省水资源总量325.9亿m³，城镇居民人均可支配收入32323.4元，农村居民人均可支配收入9628.9元。甘肃省68个地表水省控断面中，2019年无Ⅴ类、劣Ⅴ类水质。2019年甘肃省各城市、县城供水普及率分别达到98.81%和91.44%，城市和县城污水处理率分别为94%和89%，均达到全国平均水平。

2.2   水资源生态承载力与生态足迹

江苏省2010—2019年的人均水资源生态承载力在0.1936～0.6254 hm²/cap之间波动，总体呈下降趋势，见图1。人均承载能力最高的年份为2016年，最低值则出现在2019年，这是由于人均水资源承载能力与年水资源总量呈正相关，江苏省人口数量和用水需求逐年增加，而2019年降雨量较少，水资源压力指数大。

图 1 2010—2019年江苏省人均水资源生态承载力和生态足迹总量

Figure 1. Ecological carrying capacity per capita and ecological footprint of water resources in Jiangsu Province from 2010 to 2019

下载: 全尺寸图片幻灯片

近十年来，江苏省优化生产结构和工艺，推动经济发展绿色转型^[18]。江苏省人均水资源生态足迹先降后升，2011年达到最高值，为1.1639 hm²/cap，2016年为最低值0.9365 hm²/cap，之后的3年随着总用水量增加，人均水资源生态足迹略有增长。从其构成来看，人均生产用水量生态足迹占比最大，为90.94%～93.26%，其中以人均农田灌溉用水量生态足迹为主，见图2。《江苏省节约用水条例》《江苏省农业灌溉用水定额》等节水文件颁布实施，农田灌排基础设施不断完善，农田灌溉管理水平得到提高，农田灌溉用水量生态足迹逐渐下降。随着经济快速发展和生活水平的提升，用水需求不断增加，人均生活用水量生态足迹稳定增长，2019年达到0.0832 hm²/cap，较2010年增加了16.44%。人均城镇环境用水量生态足迹自2016年起有所回升，充分体现了居民对良好生活环境的追求，以及生态文明建设和绿色宜居在城镇规划中的重要性。

图 2 2010—2019年江苏省各类别人均水资源生态足迹

Figure 2. Ecological footprint of water resources in Jiangsu Province from 2010 to 2019

下载: 全尺寸图片幻灯片

2010—2019年，江苏省人均水资源生态承载力均低于同年度人均水资源生态足迹，即呈生态赤字状态。2012年生态赤字达到最大值，为0.8 346 hm²/cap，说明江苏省水资源供需不平衡。江苏省属于河网密集地区，降雨量相对充沛，但其时空分布不均匀，水资源利用效率有待提高，应充分利用降雨，优化水资源利用方式。

2010—2019年甘肃省人均水资源生态承载力波动上升，最低值为2015年的0.1112 hm²/cap，2018年人均水资源生态承载力明显增加，达到最高值0.1957 hm²/cap，这与年降雨量和年水资源总量增加有关，见图3。人均水资源生态承载力与区域年降水量、水资源用地的产量因子和人口数量直接相关，甘肃省处于西北干旱少雨地区，年水资源总量并不高，因此人均水资源生态承载力也低于江苏省，但二者间的差距逐年缩小。整体来看，近年来甘肃省水资源供需矛盾有所缓解，水资源生态系统与社会经济系统的协调性相对比较稳定。

图 3 2010—2019年甘肃省人均水资源生态承载力和生态足迹总量

Figure 3. Ecological carrying capacity per capita and ecological footprint of water resources in Gansu Province from 2010 to 2019

下载: 全尺寸图片幻灯片

甘肃省2010～2019年人均水资源生态足迹持续下降，2019年的0.6868 hm²/cap为最低值，见图4。人均农业用水生态足迹自2014年来逐年降低，但2019年仍在人均水资源生态足迹总量中占据绝对优势，为77.82%，农业用水包括农田灌溉、林果地灌溉、草地灌溉、鱼塘补水和畜禽用水。人均城镇公共用水生态足迹呈增长趋势，2019年较2010年增幅为49.88%。人均生活用水生态足迹在2013年为最低值，随后又缓慢增加，2019年的增长率最大，为8.35%。人均生态用水生态足迹变化趋势与人均生活用水生态足迹相似，但其增长相对迅速，2015年较上一年增加了71.64%，说明随着经济社会发展，居民对环境质量的需求更高、更迫切。

图 4 2010—2019年甘肃省各类别人均水资源生态足迹

Figure 4. Ecological footprint of water resources in Gansu Province from 2010 to 2019

下载: 全尺寸图片幻灯片

随着年降雨量增多，甘肃省人均水资源生态赤字状态有所缓解，年均增长率为1.34%。这说明甘肃省生态保护与建设规划、城乡环境卫生整洁行动实施方案以及污染物减排计划、山水林田湖草项目等的实施已取得初步成效，对提高区域水资源利用效率、改善水生态环境和缓解水资源供需矛盾起到了积极作用。

3.   水资源循环利用

2019年，全国供水总量6021.2亿m³，较2018年增加5.7亿m³。在总供水量中，再生水利用量占1.42%，集雨工程利用量占0.16%。我国水资源利用与城镇化发展目前逐渐趋于基本协调发展的状态，但水资源整体利用效率还有待提高^[19]。尤其村镇供排水设施建设情况与城市的差距已逐年缩小，已初步具备水资源循环利用条件和空间，应因地因时制宜采取适用模式提高水资源利用效率^[20]。

水资源循环利用是实现生态文明建设的重要手段之一^[21]，基本理念是在循环经济的基础上提高水资源利用效率。一是减量化，通过法律政策约束，在各行业采取节水措施、雨污水回用等以减少新鲜水取用量，减轻污水处理负荷。二是再利用，通过改进生产工艺促进工厂内小循环，改进水处理技术使经处理达标的污水或雨水回用于农田灌溉、道路清扫、绿化用水等。污水再生利用既可以缓解水资源短缺现象，又可以及时收集、解决污水排放去向问题，减少水环境污染。传统污水再生利用更多侧重于生产系统内局部循环，并未统筹兼顾生产、生活用水和生态用水^[22]。本研究以江苏省和甘肃省为例，结合区域人均水资源生态承载力和人均水资源生态足迹，从“水源—取水—净水—排水—水处理—回用”流程着手，分析现存问题与对应措施，提出水资源循环利用技术体系，见图5。

图 5 水资源循环利用体系框架

Figure 5. Technical system framework of water resource recycling

下载: 全尺寸图片幻灯片

提高水资源利用效率应从保障饮水安全出发，通过制定法律、标准和监测预警等安全管理手段，以“预防为主，防治结合”的方式预防水源地水质污染，特别是村镇分散饮用水水源地。农村饮用水水源地的水质监测工作虽处于不断完善中，水质达标率也逐年提高。但与城市饮用水水源地相比，农村饮用水水源地水质达标率总体偏低，尤其是农村地下水饮用水水源地近几年呈现水质变差趋势^[23]。对水资源需求量大的地区，完善饮用水水源地监测制度，加强饮用水水源地监管力度，是提升水资源循环利用的前提。

在前端采取节水措施和净水措施是水资源循环利用的基础。例如农业灌溉采取喷灌、滴灌等方式，生活用水端使用节水型器具，优化生产工艺实现车间内水的局部循环利用，净化水质减少无效水排放等。保障污水收集处理率是推动水资源循环利用的重要条件。2019年城市、县城、建制镇和乡污水处理率分别为96.81%、93.55%、54.43%和18.21%，同年城市和县城再生水利用量分别占污水处理总量的21.62%和10.55%。市区在基本实现污水处理的情况下，已开展再生水回用；村镇地区因其污水集中收集处理率整体偏低，可鼓励农户分散或村域集中处理后就地资源化利用。

江苏省2010—2017年人均农田灌溉用水生态足迹占人均水资源生态足迹总量的48.50%～53.98%。研究表明，农业用水占江苏省南水北调受水区供水量的65%以上^[24]，贯彻水循环理念，提高灌溉用水效率，可有效减少用水量。对于降雨充沛、经济较为发达、人口分布相对集中的江苏省，建议改进农田灌溉技术，采用喷灌、滴灌等方式；在排水系统设计时可充分考虑雨污分流，把雨水通过收集、处理，应用于家庭冲厕；或处理后流入河流、池塘，作景观用水。污水处理技术的选用则主要考虑污染物处理效果、运行稳定性、环境影响等因素，处理达标后，优先回用于用水量较多的农林牧渔业用水和工业用水。

甘肃省2010—2019年人均农业用水生态足迹占人均水资源生态足迹总量的77.34%～81.32%。同时甘肃省农田灌溉用水量占农业用水量的绝大部分，2019年其比例为90.11%，农田灌溉用水量是林牧渔畜用水量的9倍。由此可见，可优先考虑将处理达标的再生水回用于农田灌溉，特别是降雨匮乏地区。对于甘肃省，因其经济条件一般、气候干燥，在污水处理达标的前提下，需综合考虑处理效果和经济性，即运行稳定性、基建成本、运行成本等。再生水回用阶段应兼顾城镇公共和生态用水，通过洒水降尘、河湖景观用水，优化生态环境，实现水资源化利用，同时有助于实现生态固碳和绿色宜居。

东部地区河流水系分布多，工业相对发达，水资源生态承载力较高，但不同年份的年降雨量和人口数量变化大，因此人均水资源生态承载力和人均水资源生态足迹波动明显，而中西部干旱缺水地区相对稳定。东部地区应进一步发展科技，减少工业用水和生活用水压力；中西部地区可通过引水工程等手段干预水资源生态承载力，保障水资源生态系统与社会经济系统的协调发展。处理后的污水、雨水循环利用可有效减少新鲜水取用量，再生水回用去向具体可根据不同地区主要用水行业确定优先级。通过对江苏省、甘肃省的水资源生态足迹分析，可以发现农业用水效率有待提高，传统农业发达地区的生态赤字不容忽视，此类地区可充分考虑将再生水回用于农田灌溉。

4.   结论

2010—2019年以来，江苏省人均水环境承载能力呈波动下降趋势；人均水资源生态足迹总体来说略有增长，其中以人均农田灌溉用水量生态足迹为主；江苏省人均水资源生态承载力均低于同年度人均水资源生态足迹，呈生态赤字状态。甘肃省人均水资源生态承载力有所上升，人均水资源生态足迹逐年下降，占比最大的仍是人均农业用水生态足迹，人均生态用水生态足迹明显增长，人均水资源生态赤字逐年缓解。

循环利用是实现水资源可持续发展的必要手段，提高水资源循环利用率可从水源保护、节水净水、污水收集处理后回用、雨水资源化利用等多维度出发，根据区域水资源分布和用水特征因地因时制宜地选择雨污水处理技术、标准和再生水回用去向。再生水应优先回用于生产、生活用水，兼顾生态用水，具体比例可根据各产业人均用水生态足迹确定。通过科学用水、技术节水加强水资源各个环节的循环利用，促进水资源可持续利用。

图 1 武当山金属元素的富集因子值

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

下载: 全尺寸图片幻灯片

图 2 武当山金属元素潜在生态风险

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

下载: 全尺寸图片幻灯片

图 3 武当山重金属非致癌风险和致癌风险

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

下载: 全尺寸图片幻灯片

表 1 潜在生态风险分级

Table 1. Classification criteria of the potential ecological risk index

NIRI	${E}_{\rm{r}}^{i}$	风险等级 Risk level
NIRI≤40	${E}_{\rm{r}}^{i}$ ≤40	低风险Low risk
40<NIRI≤80	40< ${E}_{\rm{r}}^{i}$ ≤80	中等风险Medium risk
80<NIRI≤160	80< ${E}_{\rm{r}}^{i}$ ≤160	较高的风险Higher risk
160<NIRI≤320	160< ${E}_{\rm{r}}^{i}$ ≤320	高风险High risk
NIRI>320	${E}_{\rm{r}}^{i}$ >320	极高风险Extremely high risk

NIRI	${E}_{\rm{r}}^{i}$	风险等级 Risk level
NIRI≤40	${E}_{\rm{r}}^{i}$ ≤40	低风险Low risk
40<NIRI≤80	40< ${E}_{\rm{r}}^{i}$ ≤80	中等风险Medium risk
80<NIRI≤160	80< ${E}_{\rm{r}}^{i}$ ≤160	较高的风险Higher risk
160<NIRI≤320	160< ${E}_{\rm{r}}^{i}$ ≤320	高风险High risk
NIRI>320	${E}_{\rm{r}}^{i}$ >320	极高风险Extremely high risk

下载: 导出CSV

表 2 重金属健康风险评价计算参数含义和取值

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

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

下载: 导出CSV

表 3 重金属参考剂量^[11]

Table 3. Reference doses of heavy metals^[11]

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

下载: 导出CSV

表 4 中国不同山地站点微量元素平均浓度（ng·m⁻³）

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

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

下载: 导出CSV

表 5 PM_2.5中元素PCA-MLR结果

Table 5. Results of PCA-MLR of elements in PM_2.5

元素Elements	F1	F2	F3
Na	0.694	0.110	-0.402
Mg	0.977	0.039	-0.080
Al	0.981	-0.059	-0.030
K	0.73	-0.047	0.418
Ca	0.935	0.120	0.025
Mn	0.803	0.434	0.340
Fe	0.813	0.325	0.135
Ba	0.893	0.183	0.189
V	0.626	0.374	0.332
Mo	0.575	0.494	0.169
Cr	0.136	0.815	0.094
Ni	0.098	0.889	0.029
Cu	0.192	0.778	0.478
Zn	0.182	0.770	0.424
Se	0.035	0.596	0.525
As	0.067	0.425	0.780
Cd	0.107	0.167	0.931
Pb	0.074	0.202	0.914
方差贡献率/%Variance contribution rate	48.43	22.68	8.96
来源Sources	地壳Crustal sources	工业源Industrial production	燃煤和机动车Coal burning and motor vehicles
污染源贡献率/%Contribution rate of pollution sources	19.91	22.52	57.57
注：表中黑体字为影响较大的因子载荷（>0.60）. Bold letters in the table for influential factor loading（>0.60）.

下载: 导出CSV

[1]	WANG W J, CHEN C, LIU D, et al. Health risk assessment of PM_2.5 heavy metals in County units of Northern China based on Monte Carlo simulation and APCS-MLR[J]. Science of the Total Environment, 2022, 843: 156777. doi: 10.1016/j.scitotenv.2022.156777
[2]	陈衍婷, 杜文娇, 陈进生, 等. 海西城市群PM_2.5中重金属元素的污染特征及健康风险评价[J]. 环境科学, 2017, 38(2): 429-437. CHEN Y T, DU W J, CHEN J S, et al. Pollution characteristics of heavy metals in PM_2.5 and their human health risks among the coastal city group along western Taiwan Straits region, China[J]. Environmental Science, 2017, 38(2): 429-437(in Chinese).
[3]	KONG L W, TAN Q W, FENG M, et al. Investigating the characteristics and source analyses of PM_2.5 seasonal variations in Chengdu, Southwest China[J]. Chemosphere, 2020, 243: 125267. doi: 10.1016/j.chemosphere.2019.125267
[4]	FENG J L, YU H, MI K, et al. One year study of PM_2.5 in Xinxiang City, North China: Seasonal characteristics, climate impact and source[J]. Ecotoxicology and Environmental Safety, 2018, 154: 75-83. doi: 10.1016/j.ecoenv.2018.01.048
[5]	COPAT C, CRISTALDI A, FIORE M, et al. The role of air pollution (PM and NO₂) in COVID-19 spread and lethality: A systematic review[J]. Environmental Research, 2020, 191: 110129. doi: 10.1016/j.envres.2020.110129
[6]	雷文凯, 李杏茹, 张兰, 等. 保定地区PM_2.5中重金属元素的污染特征及健康风险评价[J]. 环境科学, 2021, 42(1): 38-44. LEI W K, LI X R, ZHANG L, et al. Pollution characteristics and health risk assessment of heavy metals in PM_2.5 collected in Baoding[J]. Environmental Science, 2021, 42(1): 38-44(in Chinese).
[7]	庞晓晨, 韩新宇, 史建武, 等. 昭通市周边扬尘重金属污染特征及健康风险[J]. 环境科学, 2022, 43(1): 180-188. doi: 10.13227/j.hjkx.202106018 PANG X C, HAN X Y, SHI J W, et al. Pollution characteristics and health risk of heavy metals in fugitive dust around Zhaotong City[J]. Environmental Science, 2022, 43(1): 180-188(in Chinese). doi: 10.13227/j.hjkx.202106018
[8]	徐静, 李杏茹, 张兰, 等. 北京城郊PM_2.5中金属元素的污染特征及潜在生态风险评价[J]. 环境科学, 2019, 40(6): 2501-2509. XU J, LI X R, ZHANG L, et al. Concentration and ecological risk assessment of heavy metals in PM_2.5 collected in urban and suburban areas of Beijing[J]. Environmental Science, 2019, 40(6): 2501-2509(in Chinese).
[9]	何瑞东, 张轶舜, 陈永阳, 等. 郑州市某生活区大气PM_2.5中重金属污染特征及生态、健康风险评估[J]. 环境科学, 2019, 40(11): 4774-4782. HE R D, ZHANG Y S, CHEN Y Y, et al. Heavy metal pollution characteristics and ecological and health risk assessment of atmospheric PM_2.5 in a living area of Zhengzhou City[J]. Environmental Science, 2019, 40(11): 4774-4782(in Chinese).
[10]	WU Z H, LIU F W, FAN W H. Characteristics of PM₁₀ and PM_2.5 at mount Wutai Buddhism scenic spot, Shanxi, China[J]. Atmosphere, 2015, 6(8): 1195-1210. doi: 10.3390/atmos6081195
[11]	ZHANG X, ETO Y, AIKAWA M. Risk assessment and management of PM_2.5-bound heavy metals in the urban area of Kitakyushu, Japan[J]. Science of the Total Environment, 2021, 795: 148748. doi: 10.1016/j.scitotenv.2021.148748
[12]	QIE G H, WANG Y, WU C, et al. Distribution and sources of particulate mercury and other trace elements in PM_2.5 and PM₁₀ atop Mount Tai, China[J]. Journal of Environmental Management, 2018, 215: 195-205.
[13]	LI T, WANG Y, LI W J, et al. Concentrations and solubility of trace elements in fine particles at a mountain site, Southern China: Regional sources and cloud processing[J]. Atmospheric Chemistry and Physics, 2015, 15(15): 8987-9002. doi: 10.5194/acp-15-8987-2015
[14]	YANG Y J, WANG Y S, WEN T X, et al. Elemental composition of PM_2.5 and PM₁₀ at mount Gongga in China during 2006[J]. Atmospheric Research, 2009, 93(4): 801-810. doi: 10.1016/j.atmosres.2009.03.014
[15]	ZHANG N N, CAO J J, LIU S X, et al. Chemical composition and sources of PM_2.5 and TSP collected at Qinghai Lake during summertime[J]. Atmospheric Research, 2014, 138: 213-222. doi: 10.1016/j.atmosres.2013.11.016
[16]	苏彬彬, 刘心东, 陶俊. 华东区域高山背景点PM₁₀和PM_2.5背景值及污染特征[J]. 环境科学, 2013, 34(2): 455-461. SU B B, LIU X D, TAO J. Characteristics of PM₁₀ and PM_2.5 concentrations in mountain background region of East China[J]. Environmental Science, 2013, 34(2): 455-461(in Chinese).
[17]	魏雅, 林长城, 胡清华, 等. 福建九仙山大气PM₁₀及部分化学组成的季节变化[J]. 环境科学, 2017, 38(10): 4077-4083. WEI Y, LIN C C, HU Q H, et al. Seasonal variations in PM₁₀ and associated chemical species in Jiuxian Mountain in Fujian Province[J]. Environmental Science, 2017, 38(10): 4077-4083(in Chinese).
[18]	LI Y F, GAO R, XUE L K, et al. Ambient volatile organic compounds at Wudang Mountain in Central China: Characteristics, sources and implications to ozone formation[J]. Atmospheric Research, 2020, 250: 105359.
[19]	HJ657—2013空气和废气颗粒物中金属元素的测定电感耦合等离子体质谱法[S]. HJ657—2013 Ambient air and stationary source emission - Determination of metals in ambient particulate matter - Inductively coupled plasma/mass spectrometry (ICP-MS) (in Chinese).
[20]	魏复盛, 陈静生, 吴燕玉. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990. WEI F S, CHEN J S, WU Y Y. China's soil element background value[M]. Beijing: China Environment Science Press, 1990(in Chinese).
[21]	刘威杰, 石明明, 程铖, 等. 夏季大气PM_2.5中元素特征及源解析: 以华中地区平顶山-随州-武汉为例[J]. 环境科学, 2020, 41(1): 23-30. LIU W J, SHI M M, CHENG C, et al. Characteristics and sources of elements in PM_2.5 during summer for three typical cities in Pingdingshan-Suizhou-Wuhan, central China[J]. Environmental Science, 2020, 41(1): 23-30(in Chinese).
[22]	MEN C, LIU R M, XU L B, et al. Source-specific ecological risk analysis and critical source identification of heavy metals in road dust in Beijing, China[J]. Journal of Hazardous Materials, 2020, 388: 121763. doi: 10.1016/j.jhazmat.2019.121763
[23]	DAHMARDEH BEHROOZ R, KASKAOUTIS D G, GRIVAS G, et al. Human health risk assessment for toxic elements in the extreme ambient dust conditions observed in Sistan, Iran[J]. Chemosphere, 2020, 262: 127835.
[24]	国家卫生健康委员会. 大气污染人群健康风险评估技术规范: WS/T 666—2019[S]. 北京: 中国标准出版社, 2019. National Health Commission of the People’s Republic of China. Technical specifications for health risk assessment of ambient air pollution: WS/T 666—2019[S]. Beijing: Standards Press of China, 2019(in Chinese).
[25]	李星谕, 毛瑶, 陈展乐, 等. 华中地区冬季灰霾天气下PM_2.5中重金属污染特征及健康风险评价: 以湖北黄冈为例[J]. 环境科学, 2021, 42(10): 4593-4601. LI X Y, MAO Y, CHEN Z L, et al. Characteristics and health risk assessment of heavy metals in PM_2.5 under winter haze conditions in central China: A case study of Huanggang, Hubei Province[J]. Environmental Science, 2021, 42(10): 4593-4601(in Chinese).
[26]	樊曙先, 樊建凌, 郑有飞, 等. 南京市区与郊区大气PM_2.5中元素含量的对比分析[J]. 中国环境科学, 2005, 25(2): 146-150. doi: 10.3321/j.issn:1000-6923.2005.02.005 FAN S X, FAN J L, ZHENG Y F, et al. Compared analysis of element content in atmospheric PM_2.5 in Nanjing urban and suburban area[J]. China Environmental Science, 2005, 25(2): 146-150(in Chinese). doi: 10.3321/j.issn:1000-6923.2005.02.005
[27]	LAI S C, ZOU S C, CAO J J, et al. Characterizing ionic species in PM_2.5 and PM₁₀ in four Pearl River Delta cities, South China[J]. Journal of Environmental Sciences (China), 2007, 19(8): 939-947. doi: 10.1016/S1001-0742(07)60155-7
[28]	DENG C, ZHUANG G, HUANG K, et al. Chemical characterization of aerosols at the summit of mountain Tai in central East China[J]. Atmospheric Chemistry and Physics, 2011, 11(14): 7319-7332. doi: 10.5194/acp-11-7319-2011
[29]	LI L, WANG W, FENG J L, et al. Composition, source, mass closure of PM_2.5 aerosols for four forests in Eastern China[J]. Journal of Environmental Sciences, 2010, 22(3): 405-412. doi: 10.1016/S1001-0742(09)60122-4
[30]	NIU Z C, WANG S, CHEN J S, et al. Source contributions to carbonaceous species in PM_2.5 and their uncertainty analysis at typical urban, peri-urban and background sites in southeast China[J]. Environmental Pollution, 2013, 181: 107-114. doi: 10.1016/j.envpol.2013.06.006
[31]	樊馨瑶, 卢新卫, 刘慧敏, 等. 西安市高校校园地表灰尘重金属污染来源解析[J]. 环境科学, 2020, 41(8): 3556-3562. doi: 10.13227/j.hjkx.201912041 FAN X Y, LU X W, LIU H M, et al. Pollution and source analysis of heavy metal in surface dust from Xi'an university campuses[J]. Environmental Science, 2020, 41(8): 3556-3562(in Chinese). doi: 10.13227/j.hjkx.201912041
[32]	肖凯, 任学昌, 陈仁华, 等. 典型西北钢铁城市冬季大气颗粒物重金属来源解析及健康风险评价: 以嘉峪关为例[J]. 环境化学, 2022, 41(5): 1649-1660. doi: 10.7524/j.issn.0254-6108.2021010704 XIAO K, REN X C, CHEN R H, et al. Source analysis and health risk assessment of heavy metals in air particulates of typical northwest steel cities in winter: A case study in Jiayuguan[J]. Environmental Chemistry, 2022, 41(5): 1649-1660(in Chinese). doi: 10.7524/j.issn.0254-6108.2021010704
[33]	WANG S, CAI L M, WEN H H, et al. Spatial distribution and source apportionment of heavy metals in soil from a typical County-level City of Guangdong Province, China[J]. Science of the Total Environment, 2019, 655: 92-101. doi: 10.1016/j.scitotenv.2018.11.244
[34]	陈江, 费勇, 马鑫雨, 等. 燃煤与垃圾焚烧飞灰中细颗粒物PM_2.5的重金属元素风险评价[J]. 中国粉体技术, 2016, 22(2): 104-107. CHEN J, FEI Y, MA X Y, et al. Risk assessment on heavy metal elements of fine particulate matter PM_2.5 in fly ash origin from coal and waste incineration[J]. China Powder Science and Technology, 2016, 22(2): 104-107(in Chinese).
[35]	胡月琪, 郭建辉, 张超, 等. 北京市道路扬尘重金属污染特征及潜在生态风险[J]. 环境科学, 2019, 40(9): 3924-3934. doi: 10.13227/j.hjkx.201903094 HU Y Q, GUO J H, ZHANG C, et al. Pollution characteristics and potential ecological risks of heavy metals in road dust in Beijing[J]. Environmental Science, 2019, 40(9): 3924-3934(in Chinese). doi: 10.13227/j.hjkx.201903094
[36]	王珍, 郭军, 陈卓. 贵阳市PM_2.5主要污染源源成分谱分析[J]. 安全与环境学报, 2016, 16(2): 346-351. WANG Z, GUO J, CHEN Z. Analysis of the source componential spectrum of PM_2.5 emission in Guiyang[J]. Journal of Safety and Environment, 2016, 16(2): 346-351(in Chinese).
[37]	YANG Z P, LU W X, LONG Y Q, et al. Assessment of heavy metals contamination in urban topsoil from Changchun City, China[J]. Journal of Geochemical Exploration, 2011, 108(1): 27-38. doi: 10.1016/j.gexplo.2010.09.006
[38]	XU L L, YU Y K, YU J S, et al. Spatial distribution and sources identification of elements in PM_2.5 among the coastal city group in the Western Taiwan Strait region, China[J]. Science of the Total Environment, 2013, 442: 77-85. doi: 10.1016/j.scitotenv.2012.10.045
[39]	CHEN P F, BI X H, ZHANG J Q, et al. Assessment of heavy metal pollution characteristics and human health risk of exposure to ambient PM_2.5 in Tianjin, China[J]. Particuology, 2015, 20: 104-109. doi: 10.1016/j.partic.2014.04.020
[40]	ZHANG N N, CAO J J, XU H M, et al. Elemental compositions of PM_2.5 and TSP in Lijiang, southeastern edge of Tibetan Plateau during pre-monsoon period[J]. Particuology, 2013, 11(1): 63-69. doi: 10.1016/j.partic.2012.08.002
[41]	王申博, 余飞, 燕启社, 等. 典型背景区大气颗粒物中元素粒径分布特征[J]. 环境科学与技术, 2017, 40(6): 133-140. WANG S B, YU F, YAN Q S, et al. Size distributions of elements in atmospheric particulates of the typical background region[J]. Environmental Science and Technology, 2017, 40(6): 133-140(in Chinese).
[42]	SONG Y, XIE S D, ZHANG Y H, et al. Source apportionment of PM_2.5 in Beijing using principal component analysis/absolute principal component scores and UNMIX[J]. Science of the Total Environment, 2006, 372(1): 278-286. doi: 10.1016/j.scitotenv.2006.08.041
[43]	ZHANG K, CHAI F H, ZHENG Z L, et al. Size distribution and source of heavy metals in particulate matter on the lead and zinc smelting affected area[J]. Journal of Environmental Sciences, 2018, 71: 188-196. doi: 10.1016/j.jes.2018.04.018
[44]	王士宝, 姬亚芹, 李树立, 等. 天津市春季道路降尘PM_2.5和PM₁₀中的元素特征[J]. 环境科学, 2018, 39(3): 990-996. WANG S B, JI Y Q, LI S L, et al. Characteristics of elements in PM_2.5 and PM₁₀ in road dust fall during spring in Tianjin[J]. Environmental Science, 2018, 39(3): 990-996(in Chinese).
[45]	虎彩娇, 成海容, 李锦伦, 等. 黄石市大气PM₁₀和PM_2.5中元素特征及重金属生态风险评价[J]. 环境化学, 2018, 37(1): 138-145. doi: 10.7524/j.issn.0254-6108.2017053106 HU C J, CHENG H R, LI J L, et al. Characteristics of elements and ecological risk assessment of heavy metals in PM₁₀ and PM_2.5 in Huangshi[J]. Environmental Chemistry, 2018, 37(1): 138-145(in Chinese). doi: 10.7524/j.issn.0254-6108.2017053106
[46]	周安琪, 刘建伟, 周旭, 等. 北京大气PM_2.5载带金属浓度、来源及健康风险的城郊差异[J]. 环境科学, 2021, 42(6): 2595-2603. ZHOU A Q, LIU J W, ZHOU X, et al. Concentrations, sources, and health risks of PM_2.5 carrier metals in the Beijing urban area and suburbs[J]. Environmental Science, 2021, 42(6): 2595-2603(in Chinese).
[47]	SAH D, VERMA P K, KANDIKONDA M K, et al. Pollution characteristics, human health risk through multiple exposure pathways, and source apportionment of heavy metals in PM₁₀ at Indo-Gangetic site[J]. Urban Climate, 2019, 27: 149-162. doi: 10.1016/j.uclim.2018.11.010
[48]	邢琼予, 戴启立, 毕晓辉, 等. 我国中西部典型城市PM_2.5中痕量金属的时空分布特征和健康影响[J]. 中国环境科学, 2019, 39(2): 574-582. doi: 10.3969/j.issn.1000-6923.2019.02.016 XING Q Y, DAI Q L, BI X H, et al. Temporal-spatial variation and health effects of trace metals in PM_2.5 in four central-western cities of China[J]. China Environmental Science, 2019, 39(2): 574-582(in Chinese). doi: 10.3969/j.issn.1000-6923.2019.02.016

期刊类型引用(1)

1.	赵敏娴，刘强，王瑛，张付刚，许红睿，李杰，沈超，周晓龙. 2020—2022年苏州市大气PM_(2.5)中金属污染特征及健康风险. 环境卫生学杂志. 2024(12): 981-986+1029 . 百度学术

其他类型引用(0)

点击查看大图

图( 3) 表( 5)

计量

文章访问数: 1102
HTML全文浏览数: 1102
PDF下载数: 31
施引文献: 1

全文HTML

PM_2.5 （空气动力当量直径小于或等于2.5 μm的颗粒物）是发生雾霾事件的主要原因^{[1 − 2]}，是各种潜在污染源如汽车尾气、工业生产和煤炭燃烧等排放污染物的混合物^{[3 − 4]}. PM_2.5不仅影响大气能见度^[2]，而且严重威胁到人类的健康，长期暴露于细颗粒物污染会增加呼吸道、心血管和肾脏疾病的风险^[1,5]，尤其是PM_2.5中具有病理学和毒性的重金属元素，如Cr、As、Cd和Ni等对人体具有一定的致癌作用^[6]，过度积累会导致人体出现一系列疾病^{[7 − 8]}. 随着经济的快速发展，中国的空气污染，特别是城市区域的空气污染，已经成为严重的环境问题^{[7 − 9]}，而且城区人为污染源（如机动车排放和化石燃料的燃烧）排放的污染物可通过区域或长距离传输对背景或高山地区的PM_2.5产生影响^[10].

近年来，国内外对PM_2.5中元素的污染特征、生态风险和健康风险进行了大量研究^[6,9,11]，大多集中在人口密集的城市. 雷文凯等^[6]研究了保定市PM_2.5中重金属元素的健康风险，其中As和Cr存在致癌风险，且成人明显高于儿童. 何瑞东等^[9]评价了郑州市大气PM_2.5中重金属元素的生态风险和健康风险，Cd元素不仅生态风险极强，而且还存在致癌风险. Zhang等^[11]对日本北九州PM_2.5中重金属进行了生态风险和健康风险评估，Se是生态风险贡献最高的重金属，As既存在非致癌风险又有致癌风险. 国内在高山和背景地区的研究大多集中在PM_2.5的质量浓度、化学特征和来源分析^{[12 − 14]}. Zhang等^[15]在夏季对中国青藏高原东北部青海湖景区PM_2.5的研究，确定了其化学成分和主要来源. 苏彬彬等^[16]研究结果显示武夷山夏季PM_2.5浓度最低（15 μg·m⁻³），春季最高（31 μg·m⁻³）. Qie等^[12]在泰山顶部对PM_2.5中微量元素的来源解析表明，煤炭燃烧和机动车排放是微量元素的主要排放源. 目前，对高山地区PM_2.5中重金属的研究较少，特别是针对重金属的生态风险和健康风险评估方面的研究相对较少.

武当山位于湖北省西北部的十堰市，地处鄂、豫、渝、陕交界地带，属华中地区城市群区域大气本底，武当山海拔高度为1612 m，受到本地污染源的影响较小，主要受长距离输送或区域传输的影响，可以代表华中地区的大气污染的区域背景状况^{[16 − 18]}. 本研究于2018年夏季在武当山开展PM_2.5滤膜样品的采集和分析，采用富集因子法探讨18种金属元素（Na、K、Ca、Mg、Al、Fe、V、Cr、Mo、Cu、Zn、Mn、Ni、As、Se、Cd、Ba和Pb）的富集程度和污染水平，利用生态风险评估方法（NIRI）和美国环保署（EPA）开发的健康风险评价模型对武当山大气PM_2.5中元素的潜在生态风险和呼吸吸入途径的健康风险做出评价. 通过研究武当山细颗粒物中有毒有害重金属对生态环境和人体健康的影响，可为研究华中地区大气重金属污染特征和健康影响提供科学参考，为华中地区大气重金属风险防控提供理论依据.

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

通讯作者: E-mail：renlh@craes.org.cn;

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

Corresponding author: REN Lihong, renlh@craes.org.cn ;

1. 研究方法与数据来源

2. 研究区域水资源生态承载力与生态足迹

2.1 研究区域概况

2.2 水资源生态承载力与生态足迹

3. 水资源循环利用

4. 结论

期刊类型引用(1)

其他类型引用(0)

计量

出版历程

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

通讯作者: E-mail：renlh@craes.org.cn;

English Abstract

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

Corresponding author: REN Lihong, renlh@craes.org.cn ;

全文HTML

1.1. 采样点位概况

1.2. 样品的采集和分析

1.3. 数据分析方法

1.3.1. 富集因子评价

1.3.2. 主成分-多元线性回归分析

1.3.3. 潜在生态风险评价

1.3.4. 健康风险评价

2.1. PM2.5及元素浓度水平特征

2.2. 富集因子

2.3. PCA-MLR模型分析

2.4. 潜在生态风险分析

2.5. 健康风险评价

目录

全文HTML

1.1. 采样点位概况

1.2. 样品的采集和分析

1.3. 数据分析方法

1.3.1. 富集因子评价

1.3.2. 主成分-多元线性回归分析

1.3.3. 潜在生态风险评价

1.3.4. 健康风险评价

2.1. PM2.5及元素浓度水平特征

2.2. 富集因子

2.3. PCA-MLR模型分析

2.4. 潜在生态风险分析

2.5. 健康风险评价

高山地区夏季大气PM_2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例

Pollution characteristics, ecological risk and health risk assessment of PM_2.5 -bound elemental species at mountain site in summer: A case study of Mt.Wudang

高山地区夏季大气PM_2.5中元素的污染特征、生态风险及健康风险评估——以武当山为例

Pollution characteristics, ecological risk and health risk assessment of PM_2.5 -bound elemental species at mountain site in summer: A case study of Mt.Wudang

2.1. PM_2.5及元素浓度水平特征

2.1. PM_2.5及元素浓度水平特征