重金属污染特征篇1

材料与方法

1样品采集、处理与分析

采样区域位于湖北省武汉市郊东西湖区设施蔬菜种植地.土壤类型主要为潮土和黄棕壤.该地区温室大棚棚龄在5~10年之间，每个大棚长约36m，宽6m.主要施肥方式为硫酸钾型复合肥（15-15-15）1500kghm-2a-1，主要种植作物为莴苣、番茄、黄瓜、辣椒、苦瓜、瓠子、茄子、豆角以及一些叶菜类蔬菜.选取有代表性的温室大棚60个，每个温室均采用棋盘式布点法采集混合样，采样深度为0~20cm.土壤样品经风干、研磨后过0.149mm筛，置于白色广口玻璃瓶保存备用.样品经HNO3-HClO4-HF消煮后，用原子吸收分光光度法（AA-7003，北京东西分析仪器有限公司）测定铬（Cr）、Pb、Cd的全量，元素Hg和As的全量采用原子荧光光度法（AFS230E，北京科创海光仪器有限公司）进行测定[11].采用国家标准参比物质GBW07403(GSS-3)进行分析质量控制.

2土壤重金属污染现状评价

评价方法：按照《土壤环境监测技术规范》[12]进行现状评价.重金属污染单因子指数法，其数学表达式为：Pi=Ci/Si.式中：Pi—土壤污染物i的污染指数；Ci—土壤污染物i的实测浓度；Si—污染物i的评价标准.当Pi≤1，非污染；1<Pi≤2，轻度污染；2<Pi≤3，中度污染；Pi>3，重污染.2）内梅罗综合污染指数法：为全面反映各重金属对土壤的不同作用，突出高浓度重金属元素对环境质量的影响，采用内梅罗（N.L.Nemeiow）综合污染指数法。评价标准：选用国家环境保护总局颁布的《温室蔬菜产地环境质量评价标准》（HJ333-2006）[13]作为评价标准（表1）.

3潜在生态风险分析

1980年瑞典科学家Hakanson应用沉积学原理，提出了土壤和沉积物潜在生态风险指数（RI）评价方法[14].该方法不仅考虑了土壤重金属含量，而且将重金属的生态效应、环境效应与毒理学联系在一起，采用具有可比的、等价属性指数分级法进行评价.潜在生态风险指数涉及到单项污染系数、重金属毒性响应系数以及潜在生态危害单项系数。

4数据分析方法

数据处理统计均在Excel软件和SPSS数据统计软件上进行.

结果与讨论

1土壤重金属含量和累积程度

由表3数据可知，研究区不同采样点设施蔬菜栽培地土壤中重金属含量变化较大，尤其是Cr和Pb表现最为明显.与湖北省土壤元素背景值比较，调查区土壤重金属含量的累积程度具有Cd>Hg>Pb>Cr>As的特征.其中，土壤Cd元素含量的平均累积程度达到湖北省土壤背景值的9.41倍，研究区100%的采样点Cd含量超过背景值，最大超标倍数达12.42倍；Hg元素含量的平均累积程度达湖北省土壤背景值的2.36倍，90%采样点的Hg含量超过背景值，最大超标倍数达7.45倍.其余3种元素Cr、Pb和As均未超出背景值（图1），表明土壤中Cd、Hg受到人为污染明显.这可能与高度集约化的农业生产模式有关，包括化肥、农药、农膜的大量使用等，设施栽培地土壤重金属的累积有可能对农产品质量安全构成威胁.

2土壤重金属污染现状

以《温室蔬菜产地环境质量评价标准》（HJ333-2006）中的土壤环境质量指标限值为评价标准，在评价结果中，单项污染指数值表现为Cd>Hg>Cr>Pb>As的特征，其中Cd的单因子污染指数平均值达到3.57，最大值为4.71.根据污染等级划分标准，Cd的样本超标率达到100%，其中，中度污染样点数占12%，重度污染样点数达88%.研究区Hg的平均单项污染指数为0.5，最高污染指数为1.58，15%的样点数达轻度污染状态.其它3种重金属As、Cr、Pb的单项污染指数都在0.2以下，尚未构成污染.根据内梅罗综合污染指数评价标准，研究区8.3%的采样点属轻度污染水平，36.7%的采样点属中度污染，51.7%的采样点达到重度污染，仅有3.3%的样点在清洁范围内（图2）.Cd元素是污染发生的主要贡献因子.从以上分析可以看出，武汉市郊东西湖区设施基地土壤属于以Cd为主的重污染区.这可能与人们长期大量施用磷肥有关，由于在磷矿中含有痕量的Cd，从而导致成品肥料的Cd污染[11].不使用污水灌溉和不施用重金属含量高的肥料，是控制当地温室土壤重金属含量的重要措施之一.

3土壤重金属潜在生态风险

重金属污染特征篇2

常常有人骄傲，中国“以占世界7%的土地，养活了世界上约22%的人口”。然而，我国的土壤污染形势也十分严峻，据估计，目前中国包括受重金属污染在内的耕地，面积约占总面积的1/10―1/5。较传统的修复污染土壤的物理或化学方法因其面积巨大，污染水平相对较低，在技术上和经济上均难以实施，这给重金属污染农田的修复带来了困难。

在这种背景下，对环境扰动较少、修复成本较低且能大面积推广应用的重金属污染土壤植物修复技术应运而生，为重金属污染治理提供了新途径。然而植物修复技术成功的关键在于寻找超富集植物，但当前所发现的能够真正应用于植物修复技术的超富集植物并不多，首先是针对超富集植物的衡量标准，学术界就存在诸多争议。

早前国外学者经过大量研究，提出了超富集植物判断的2个特征，即临界含量特征和转移特征，然而，这两个特征虽被广泛认可，但所报道的超富集植物往往植物矮小、对重金属耐性较弱，当重金属污染严重时，植物生长受到严重抑制。又或植物体内重金属含量虽较高，但当污染土壤中重金属含量更高时，即其富集系数却相当低。因此，这些植物本身虽可能具有较大的科学价值，但往往缺乏实践意义。

为了弥补这些缺陷，魏树和通过系统研究，发展、完善了超富集植物的界定特征，即除了上述两个特征之外，新增了耐性特征和富集系数特征，这两个特征的提出，使筛选出的超富集植物更具有实践应用价值。

杂草中超富集植物的筛选

自然界万事万物有着相生相克的神奇，治理重金属污染的“解药”竟然也可以是杂草植物。

以往，人们寻找超富集植物，大多是在污染区如采矿区通过采样分析的方法进行的，并认为植物对重金属的超富集特性是对重金属污染长期适应和产生变异的结果。这一理论无疑具有它的正确性，但问题在于：在污染区采样时，植物已是群落演替的顶极群落，那么其群落演替中的先锋植物种或中间植物种，以及在污染区没有分布的植物中就没有超富集植物吗？况且植物既使不在污染环境中也会产生变异。因此，不能否定在未染区就不存在超富集植物。还有，在污染区筛选超富集植物的方法也存在着植物种识别困难、采集目标植物不明确、许多超富集植物容易被漏掉等问题。

通过大量研究，魏树和认识到：杂草植物是植物修复的较好资源，以杂草作为筛选对象可能会使植物修复研究获得突破。这是因为：杂草植物抗逆境能力较强，具有广泛的适应性和顽强的生命力，这些特性可能使杂草对重金属有较强的耐性；同时杂草与作物相比也具有较强的争光、争水、争肥能力，吸收能力很强，这种较强的吸收特性可能利于杂草植物对重金属的积累。

基于上述研究进展，魏树和构建了以杂草植物为筛选对象，土壤盆栽试验、小区试验、污染区重点采样分析试验相结合的超富集植物筛选方法，对超富集植物进行了系统筛选。这些方法虽不是魏树和本人的发明创造，但却使超富集植物筛选更具有系统性和针对性，可操作性更强，更容易在几十万种植物中找到筛选超富集植物新的突破口。

通过具体操作实践，魏树和在105种农田杂草植物的系统筛选研究中，首次发现了龙葵、球果菜和三叶鬼针草为镉超富集植物，蒲公英等4种植物为镉富集植物，并因此获得4项相关的国家发明专利。这不仅为我国获得具有自主知识产权的超富集植物及其筛选方法创新方面取得较大进展，而且证实了上述理论的正确性和思路方法的先进性，可谓是超富集植物筛选方法论上的重大突破。

植物修复实践研究

目前，从国内外的工程实践来看，植物修复技术尚存在一些需解决的问题，如所采用的超富集植物绝大部分都生长缓慢、生物量低，需要通过相应措施提高超富集植物生物量或植物富集能力，从而提高超富集植物的提取效率。

在此背景之下，魏树和通过研究发现，龙葵、球果菜的茎和叶是镉的主要富集器官，开花期2种植物地上部对镉的提取率分别达到了成熟期对镉提取率的87.5%和71.4%。因此，采取在开花期收获植物再种植下一茬植物同时也在开花期收获的“二段式”修复方法，可以缩短了修复周期一倍并使修复效率提高了75%和43%。

在这一思想指导下，2009年，依托国家“863计划”课题，采取上茬开花期收获超富集植物龙葵，下茬种植低积累大白菜的方法，魏树和首次构建了Cd―PAHs复合污染菜田土壤边修复边生产大田试验，面积约1300平方米。

2011年3月至9月，依托国家“863计划”滚动课题，采取在低积累大葱生长3个月后，再在大葱垅间种植超富集植物龙葵的方式，魏树和首次构建了菜田Cd―多菌灵复合污染土壤边修复边生产大棚试验，面积约1500平方米。

而这两次实验结果均再次证实了，魏树和提出的开花期收获超富集植物的“二段式”修复方法，不仅缩短了修复周期并且提高了修复效率。

对科学研究的思考

魏树和是中国科学院沈阳应用生态研究所研究员，博士生导师，污染生态过程学科组长。主要研究方向为污染土壤修复与安全利用，以及村镇生活固废资源化利用。

繁重的工作之余，魏树和也在不断沉淀着对科研和生活的思考。在美国Florida大学以visitingscientist身份从事合作研究的一年时间里，他经常思考的问题是“为什么美国的科学研究能够始终走在世界各国的前列？”带着这样的疑问，他一方面努力开展自已的研究项目，一方面极力与美国教授展开学术讨论。他发现其中一个十分重要的原因是他们较好地尊重了或者说严格地遵循了科学发展规律。他们对勤奋刻苦的劳动虽同样会投以赞赏的目光，但更重要的是，他们要看你都做出哪些成就，从始至终是否符合科学规律。对于初步的研究结果，他们宁可在手里留上3年也不轻易发表。他们对科学研究的态度是“workhard，worksmart”。

重金属污染特征篇3

关键词：冶炼渣场；土壤污染；重金属；农产品；风险评价

中图分类号：

文献标识码：A文章编号：1674-9944（2016）20-0061-05

1引言

土壤环境质量和植物是构成陆地生态系统食物链的主要环节，植物产生的数量和质量主要由土壤环境质量所决定[1，2]，土壤环境质量正是通过食物链来影响人们的生活与人体健康的，土壤一经污染，一方面危害农作物的正常生长发育，另一方面经农作物被摄入人体，危害人体的健康，最终还会导致土壤资源的破坏和枯竭[3～5]。贵州省铅锌矿资源丰富，黔西北铅锌矿带水城―赫章矿带是贵州铅锌的主要产地。丰富的矿产资源造就了曾经大规模的土法炼锌。由于土法炼锌资源利用率低，能源破坏严重，产生的燃烧烟气和还原烟气直接排入大气，造成了大气污染。而炼锌产生的大量废渣，经雨水和地表径流的冲刷、淋溶，废渣中的污染物释放析出，直接或间接造成周边地区土壤重金属污染。笔者以黔西北威宁县某锌冶炼厂的废渣堆场及周边农田为研究区域，通过现场采样和室内试验测定，分析了废矿渣-土壤-作物系统中重金属元素含量及富集状况，利用单项/综合污染指数法对土壤和农产品重金属的污染特征进行评价；利用健康风险评价模型，解析冶炼厂废渣堆场中重金属对成人和儿童健康产生的潜在影响，以期为该地区的农田环境治理、农产品风险防范以及防止重金属污染危害人体健康提供科学依据。

2材料与方法

2.1研究区域概况

研究区位于贵州省威宁县金钟镇冒水村，地处26°46′N，104°23′E，海拔约2140m，是典型喀斯特地貌地区。属亚热带季风湿润气候区，年平均气温11.1℃，无霜期178d，全年平均日照时间1812h，年降雨量1100mm。炼锌矿渣堆场总占地面积10000m2左右，平均高度约为10m，堆置时间超过30年。紧邻着矿渣堆场，东边为当地冒水小学，有师生300余人，另有数户村民及大片农田。

2.2样品采集与分析

根据废渣堆积点的分布情况，采集7个矿渣样品，并在矿渣堆周边100m范围内的农田，根据不同地块种植的作物品种，采集土豆、萝卜、玉米、油菜、四季菜心、莲花白和青口白等7种农作物共9个样品（由于部分紧挨废渣堆的农田表层可见大量厚层的废渣，种有玉米和萝卜，此地采集的作物单独计样），以及相应的9个根系土壤样品。每个样品由4～6个子样混合，矿渣和土壤样品的采集深度为0～15cm，共1kg左右。植物样品先用自来水冲洗3次，再用去离子水冲洗3次，晾干。将晾干后的植物样品于恒温烘箱中105℃杀青30min，再于60℃下烘至恒重，粉碎，放入干燥箱备用。矿渣和土壤样品自然风干，剔除样品中的石砾、动植物残体等杂物，经充分搅拌混匀，用木棒研碎后过0.25mm筛，保存待用。

矿渣和土壤样品采用HNO3-HF-HClO4三混酸消解后测定重金属含量[6]；植物样品重金属总量采用HNO3-HClO4法消解[7]。样品中的Cr、Cu、Ni、Pb和Zn元素含量采用电感耦合等离子体光谱仪（ICP-OES，Optima5300DV）测定，而Cd则采用电感耦合等离子体质谱仪（ICP-MS，ELAN-DRC-e）测定。为了保证分析结果的准确性，在测试过程中，采用空白样和二次平行样进行质量控制，平行样间的相对偏差不高于5%。试验所用试剂均为优级纯，所用器皿使用前均经24h酸液浸泡及去离子水清洗。

2.3重金属污染评价方法

本研究采用单因子污染指数法和内梅罗综合污染指数法对土壤和农作物中重金属污染进行评价[8]。其中：①单因子污染指数法计算公式：Pi=Ci/Si。式中：Pi为重金属i的单项污染指数；Ci为重金属i的实测浓度；Si为重金属i选择的评价标准。②内梅罗综合污染指数计算公式：PN=[（Pave2+Pmax2）/2]1/2，其中Pave和Pmax分别为土壤和农作物各单项污染指数Pi的平均值和最大值。

本研究将分别以贵州省土壤背景值[9]和食品中污染物国家限量标准作为土壤和农作物重金属污染评价标准，Pi和PN越大，表明受到的重金属污染越严重。单因子污染指数法分级标准和内梅罗综合污染指数法分级标准见表1。

2.4健康风险评价模型

2.4.1暴露模型和参数

土壤重金属主要通过以下途径进入体内：①手-口摄入；②呼吸吸入；③皮肤接触[10]。笔者研究的6种重金属均具有慢性非致癌健康风险，且Cd、Cr和Ni同时还具有致癌风险。本研究针对上述3种暴露途径，采用美国EPA土壤健康风险评价模型进行健康风险评价[11，12]。各种途径摄入重金属暴露量（mg/kg/d）计算公式如下：

式中：ADDinh、ADDing和ADDderm分别表示经呼吸吸入、手-口摄入和皮肤接触途径的长期日平均暴露量。不同暴露途径的健康风险评价参数来自相关文献[13～16]，见表2。

2.4.2健康风险表征模型

（1）非致癌风险评价。非致癌风险值是通过平均每天摄入量（ADD）除以每一种暴露途径相对应的参考剂量（RFD）计算得出，即：HQ=ADD/RFD；HQn=ΣHQi；HI=ΣHQn。式中：HQ为非致癌风险，表征某单一重金属经某一途径的非致癌风险，无量纲；ADD为长期日摄入剂量，单位为mg/kg/d；RFD为非致癌污染物长期日摄入参考剂量，单位为mg/kg/d，参考取值见表3[13～16]；HQn为单一污染物经所有暴露途径的总非致癌风险；HI表示多种污染物多暴露途径产生的非致癌总风险。当HQ或HI1时认为存在非致癌风险。

（2）致癌风险评价。致癌风险指长期暴露于某种致癌物质的情况下，通过人体患癌症的可能性进行评价。常用线性低剂量致癌方程来描述：RISK=ADD致×SF，RISK为污染物致癌风险，通常以一定数量人口出现癌症患者的个体数表示；ADD致为致癌重金属吸入途径终生日平均暴露量（mg/kg/d），呼吸吸入是其致癌暴露的唯一途径；斜率系数（SF）表示人体暴露于某种污染物下产生致癌效应的最大概率（mg/kg/d），参考值见表3。当一个污染地块有多个致癌物质时，致癌风险为各种污染物所产生的致癌风险之和。单个污染物的致癌风险指数（RISK）以及所有污染物的累计致癌风险RISK值的可接受范围为10-6～10-4，即小于10-6表示风险不明显，10-6～10-4之间表示可能有一定风险，大于10-4表示有显著风险[11，12]。

3结果与分析

3.1矿渣和农田土壤重金属含量统计分析

对在炼锌废矿渣堆采集的7个废渣样品和周边耕地9个土壤样品进行重金属Cd、Cr、Cu、Pb、Zn、Ni含量测定和统计分析，并参考贵州省土壤环境背景值和《国家土壤环境质量三级标准》（GB15618-1995），统计结果见表4。可以看到，无论是废矿渣还是附件农田土壤，所测6种重金属的平均含量均超过贵州省土壤背景值，其中Cd、Pb和Zn污染较严重，平均含量远超于贵州省土壤背景值和国家土壤环境质量标准值。相对于废矿渣，耕地土壤的重金属元素浓度的变化范围都较大，其中Pb和Zn含量的最大值分别是最小值的18.9和24.4倍。

3.2耕地土壤重金属污染评价

以贵州省土壤环境背景值作为参考标准，根据废矿渣堆场周边耕地土壤重金属含量，计算得土壤各重金属元素的平均单项污染指数和内梅罗综合污染指数，结果如图1所示。各金属元素平均单项污染指数均大于1，可知，耕地土壤均受到不同程度的重金属污染。污染指数大小依次为Pb（92.4）>Zn（51.1）>Cd（28.2）>Cu（4.7）>Ni（1.6）>Cr（1.2），Pb污染最为严重，其次为Zn、Cd和Cu，这4种元素均为重度污染，Ni和Cr指示轻度污染的特征。从综合污染指数上看，Pb、Zn、Cd和Cu污染等级为严重，综合指数大小分别为179.0、114.9、43.4和7.8，Ni和Cr分别为中度污染和轻度污染。

3.3废矿渣污染人体健康风险评价

该冶炼废矿渣堆中重金属通过3种不同暴露途径的非致癌风险和致癌风险见表5。从表5中可以看出，不同暴露途径带来的非致癌风险存在显著差异，对于儿童表现为：手-口摄入途径>皮肤接触途径>呼吸摄入途径，而对于成人则表现为：皮肤接触途径>手-口摄入途径>呼吸摄入途径。非致癌风险大小排序为儿童：Pb>Cr>Zn>Cd>Cu>Ni，成人：Pb>Cd>Cr>Zn>Cu>Ni。由此可见主要非致癌风险贡献元素为Pb，其非致癌风险值分别为27.70（儿童）和16.26（成人），分别占总风险值的95.9%和96.7%，比其他重金属高出2～3个数量级，存在很大的非致癌风险。其他元素的风险值未超过1，即非致癌风险控制在安全限内。从致癌风险指数上看，土壤中三种致癌重金属Ni、Cd和Cr致癌风险指数从大到小排序均为：Cr>Cd>Ni，3种金属元素在废矿渣中的致癌风险值和总致癌风险值小于10-6，表示这三种重金属的致癌风险较低，不会对人体造成致癌危害。

3.4农作物产品安全评价

农作物产品中的重金属含量范围分别为：Cd0.14～16.14mg/kg，Cr1.33～9.34mg/kg，Cu2.44～15.87mg/kg，Ni0.09～0.87mg/kg，Pb0.79～100.88mg/kg，Zn23.1～372.5mg/kg。依据《食品安全国家标准食品中污染物限量》（GB-2762-2012）及《食品中锌限量卫生标准》（GB13106-91）、《食品中铜限量卫生标准》（GB15199-94）等相关农作物中重金属的极限标准，对农产品重金属污染状况进行评价，计算结果见表6。由于所测农作物中Ni元素的含量普遍较低，且目前尚缺农产品或食品关于Ni的限量标准，因此本研究中农作物污染评价未考虑Ni元素。由表6可知，除Cu以外，所有农作物的其他重金属污染指数都大于1。其中，Pb的单项污染指数在各种农作物中均为最高，多数为200以上，其次为Cd；而Zn在所测样品中的含量虽然较高，但对农作物造成的污染不大，远不及Pb和Cd；Cu对农作物造成的污染小，单项污染指数均小于2。从综合污染指数来看，所有农作物的指数值都大于3，指示为重度污染，其中四季菜心的综合污染指数值最高，为244.3，而玉米籽粒重金属超标相对较轻。

4结论

（1）土法炼锌废渣中重金属含量普遍偏高，儿童和成人暴露在该区域环境下受到各污染物的非致癌风险分别是28.9和16.8，均为不可接受风险，主要非致癌风险贡献元素为Pb，而其他各元素的致癌风险在可接受范围；周边耕地土壤受多种重金属的复合污染，其中Pb污染尤为突出，其次为Zn、Cd和Cu，均表现为重度污染。

（2）研究区所有农作物中Cd、Pb、Cr和Zn等重金属的含量高于农作物中重金属的极限标准，不符合粮食中重金属含量限量要求，食用后对人体有潜在危害，建议政府对该地块进行合理治理和管控；相对于蔬菜、土豆等其他作物，玉米籽粒的重金属含量较低，具有相对较高的食用安全性。

参考文献：

[1]杜艳，常江，徐笠.土壤环境质量评价方法研究进展[J].土壤通报，2010（3）：749～756.

[2]AbrahamsPW.Soils：theirimplicationstohumanhealth[J].ScienceoftheTotalEnvironment，2002，291（1-3）：1～32.

[3]鲁荔，杨金燕，田丽燕，等.大邑铅锌矿区土壤和蔬菜重金属污染现状及评价[J].生态与农村环境学报，2014，30（3）：374～380.

[4]唐文杰，黄江波，余谦，等.锰矿区农作物重金属含量及健康风险评价[J].环境科学与技术，2015，38（6）：464～469.

[5]莫福金，钱建平，王远炜，等.广西阳朔铅锌矿周边土壤和白菜汞含量及污染评价[J].生态环境学报，2016，25（1）：156～161.

[6]彭渤，唐晓燕，余昌训，等.湘江入湖河段沉积物重金属污染及其Pb同位素地球化学示踪[J].地质学报，2011，85（2）：282～299.

[7]ZhangHZ，GuoQJ，YangJX，etal.Cadmiumaccumulationandtoleranceoftwocastorcultivarsinrelationtoantioxidantsystems[J].JournalofEnvironmentalSciences，2014（26）：2048～2055.

[8]李静，俞天明，周洁，等.铅锌矿区及周边土壤铅、锌、镉、铜的污染健康风险评价[J].环境科学，2008，29（8）：2327～2330.

[9]刘凤枝.农业环境监测应用手册[M].北京：中国标准出版社，2001：590～596.

[10]刘小燕，陈棉彪，李良忠，等.云南会泽铅锌冶炼厂周边土壤重金属污染特征及健康风险评价[J].农业资源与环境学报，2016，33（3）：221～229.

[11]U.S.EPA.Riskassessmentguidanceforsuperfund（volumeI）：Humanhealthevaluationmanual[R].WashingtonDC：OfficeofEmergencyandRemedialResponse，1989：1～89.

[12]U.S.EPA.Supplementalguidancefordevelopingsoilscreeninglevelsforsuperfundsites[R].WashingtonDC：OfficeofSoildWasteandEmergencyResponse，2001：4～24.

[13]陈鸿汉，谌宏伟，何江涛，等.污染场地健康风险评价的理论和方法[J].地学前缘，2006，13（1）：216～223.

[14]周楠，唐东山，邓钦文，等.湖南某尾矿库周边农田土壤及蔬菜重金属污染与健康风险评价[J].绿色科技，2016（6）：1～5.

重金属污染特征篇4

遥感技术具有宏观性和现势性强、综合信息丰富等优势，为矿区土壤重金属污染评价提供了可行的方法。本文综述了遥感技术在矿区土壤重金属污染评价方面的研究，并对其进行了展望。

关键词：

遥感；土壤；重金属

1.引言

矿产资源是生产资料和生活资料的重要来源，人类社会的发展进步与矿产的开发利用密不可分。矿产的开采、冶炼、加工过程中大量的铅、锌、铬、镉、钴、铜、镍等重金属以及类金属砷等进入大气、水、土壤引起严重的环境污染。根据2014年4月17日环境保护部、国土资源部的《全国土壤污染调查公报》，“全国土壤环境状况总体不容乐观，部分地区土壤污染较重，总的超标率达16.1%”、“在调查的70个矿区的1672个土壤点位中，超标点位占33.4%，主要污染物为镉、铅、砷和多环芳烃”。资源、环境是制约社会经济发展的两大瓶颈，如何克服这个瓶颈问题同时又能实现矿山开发的可持续发展，是我国社会必须面对和解决的紧迫的社会问题［1］。传统的土壤重金属污染监测方法有实验室监测、现场快速监测等方法。实验室监测方法虽然测量精度高，但是存在劳动强度大、采样分析费时，适用范围小的缺点；现场快速监测法虽然具有大面积、连续、高密度获取信息的特点，但是还大多处于定性或半定量的试验阶段，易受周围因素影响［2］。各种岩石、土壤、植被及水体等均有各自独特的光谱特征。地物光谱特征的差异，是遥感技术识别各类地物的主要依据，也是应用遥感技术开展土壤重金属污染评价的理论基础。遥感技术以其宏观性和现势性强、综合信息丰富等优势，在矿区土壤重金属污染评价中起到了积极的先导作用，并取得了良好的应用效果。一般情况下，土壤中的有机质、水分、铁氧化物、重金属等对土壤光谱反射率有一定影响。国外相关研究起步较早，始自20世纪六十年代土壤光谱研究［3］。国外有研究中表明，当土壤有机质含量超过2％，铁氧化物、重金属等光谱信息有可能被土壤中的有机质的光谱信息所掩盖，进一步加大了光谱信息提取的难度；同时土壤的反射率会因铁氧化物的存在而在整个波谱范围内有明显的下降趋势，土壤的光谱反射率都朝着蓝波方向下降，并且这种下降趋势可以扩展到紫外区域［4］，相关研究陆续拓展至矿区重金属污染中来［5］；国内自20世纪八十年代在云南腾冲系统地开展土壤光谱与理化性状关系的研究［6~7］，并于九十年代末开展遥感技术在矿区重金属污染监测的探索。目前遥感技术对矿区土壤重金属污染评价研究主要有两个方向：一是植被反演。根据地表植被覆盖以及重金属在植被根茎、叶片中富集，植被在重金属胁迫下叶绿素等光谱特征发生变化的特点，通过植被光谱数据反演土壤中的重金属含量，间接评价重金属污染。二是土壤监测。利用重金属对土壤波谱特性的影响，通过土壤光谱数据监测重金属含量［8-10］。

2.植被反演方法

植被在生长发育的过程中，矿区土壤中的重金属被吸收和富集，对植物的产生的影响主要体现在长势方面产生了生物地球化学效应，如色素含量、水含量、叶面温度的变化，进而影响植被的光谱反射率，植被光谱的变化能够在遥感光谱信息中有所体现。基于以上认识，可以通过植被光谱信息、波谱曲线变化的分析提取污染信息［11］。不同植物对重金属敏感性不同，重金属胁迫导致植物体内生物化学成分发生改变，使电磁波谱反射特性不同。植被反演方法的原理是，运用遥感技术研究重金属污染条件下植被光谱特征变化，建立植被光谱特征与重金属污染条件下植被生长状态参数变化之间的关系［7］；研究叶绿素含量与重金属污染之间的关系，分析叶绿素变化敏感的光谱指数及其响应规律，并进行了区域应用与验证［11-13］。研究表明，随着土壤中重金属含量增加，植被近红外、可见光反射光谱特征发生显著变化，表现为可见光光谱反射增强，近红外光谱减少，红边移动范围减少［14-15］。此方法适用于矿区植被覆盖较茂密的区域。王杰等（2005年）以江西德兴铜矿去为实验区，采用美国陆地卫星（Landsat）ETM+数据，采用比值分析、彩色合成、影像融合等方法增强影像视觉效果，对污染区的植被的波谱曲线与正常区的同种植被的光谱特征作对比，总结出受毒化植物叶冠的波谱形态与正常植物叶冠的波谱形态相比发生的形态变异的特征，总结对照区和污染区植被的波谱特征差异和各污染区的受污染程度，分析出不同污染区植物的受毒害程度［16］。雷国静等（2006年）在南方植被茂密区离子型稀土矿区采用高分辨率QuickBird遥感数据采取坐标换的方式，消除土壤信息干扰，获取了较真实的植被受污染影响程度的信息，运用了归一化植被指数密度分割方法和通过旋转二维散点图获得植被绿度方法来提取植被污染信息，取得了较好的效果［17］。李新芝等（2010年）以肥城煤矿区为实验区，将SPOT-5数据2.5米分辨率的全色波段进行小波变换、主成分分析等融合方法提高图像的空间信息量，综合运用缨帽变换、植被与土壤相关性分析、支持向量机分类等方法提取矿区植被信息，并制作了植被等级分布图，确定了不同污染程度的植被覆盖面积，与矿区污染分布的规律具有较好的一致性［11］。黄铁兰等（2014年）以广东大宝山矿区及周边10公里范围作为研究区，分别以ASTER及QuickBird为数据源，采用植被指数法和植被绿度法对植被污染信息进行识别，对获取的植被绿度信息图像进行密度分割，获得植被污染程度及分布情况。同时建议大范围的矿山植被污染信息的识别，考虑到项目综合成本等因素，采用ASTER等低分辨率的数据源，选择植被绿度指数法进行识别。对于小范围的典型矿区，可选用QuickBird等高分辨率的数据源，用植被指数法进行识别［18］。由于混合像元、大气效应的存在，植被信息提取过程中容易出现错分、漏分现象；相关系数的设置易受经验的影响。同时信息提取易受云层、山体阴影和人类生产活动的影响，均存在一定的误提现象。未来应加强信息提取技术、多源遥感数据在植被反演中的应用研究，以解决上述问题。

3.土壤监测方法

土壤是由多种物理化学特性不同的物质的组成的混合体，例如有机质、重金属、水、其他矿物质等。各种物质均有发射、反射、吸收光谱的特性，都会对土壤光谱特征产生影响，同时植被覆盖也对土壤光谱的监测有较大影响，因此对于通过土壤光谱数据直接监测土壤重金属含量的研究，尚处于探索阶段。土壤监测方法的原理是，利用光谱分析方法室内测定土壤发射光谱数据，经线性回归分析或指数回归分析、标准化比值计算、特征光谱宽化处理后，利用回归分析方法建立重金属元素含量与发射率变量之间的土壤重金属反演模型，定量反演出矿区土壤重金属含量［19-23］。此类方法适用于植被覆盖率较低的地区。ThomasKemper等（1998年）在西班牙Aznalcóllar尾矿库溃坝事件土壤重金属污染监测中，基于多元线性回归分析（MLR）和人工神经网络（ANN）方法分别通过化学分析、特征光谱--近红外反射光谱（0.35−0.35μm）手段监测土壤重金属含量，两种手段对As、Fe、Hg、Pb、S、Sb等六种元素监测有较高的相似度。为相似矿区环境的监测提供了较好的借鉴意义［13］。李淑敏等（2010年）以北京为研究区，研究土壤中8种重金属（Cr、Ni、Cu、Zn、As、Cd、Pb、Hg）的含量与热红外发射率的关系，分析了土壤重金属的特征光谱，并模拟预测了重金属含量的回归模型，为基于遥感光谱的土壤重金属含量监测奠定了基础［24］。宋练等（2014年）以重庆市万盛采矿区为研究区，通过光谱特征物质之间的自相关性来分析土壤中光谱特征物质，在回归分析的基础上建立As、Cd、Zn重金属含量的遥感定量反演模型，监测三种重金属含量，结果表明土壤在近红外波段和可见光波段的反射值比值与土壤中As、Cd、Zn含量存在较好相关性［25］。部分研究对波段选择和光谱分辨率的重要性认识不高，影响了重金属元素光谱信息识别、重金属污染预测精度；土壤中绝大部分重金属，如铅、锌、铬、砷等在可见光—近红外波段区间的光谱特征较弱，易被植被、土壤波谱信息掩盖，对直接利用土壤重金属光谱特征来提取污染信息带来了难度。研究发现，铁氧化物的波谱特征较明显，今后需加强土壤中重金属与铁氧化物相关性的研究，以提高污染信息提取的准确性。

4.未来展望

近年来，遥感技术用于矿区土壤重金属评价取得了一定进展，今后要在以下几个方面寻求突破：

（1）研究遥感信息提取新技术新方法。地物波谱特性易受土壤成分、大气效应、植被等环境噪音的影响，需进一步加强波谱信息提取技术的研究，以提高遥感信息提取的准确性。

（2）加强田间光谱测量研究。目前对土壤重金属监测仅局限于实验室级别的光谱监测，需要进一步探讨其他因素对重金属吸附的影响以建立准确的土壤重金属含量光谱估算模型，并进行大量而精确的实验室与田间的光谱测量工作。

（3）由定性监测向定量监测转变。遥感技术在矿区土壤重金属污染评价方面的研究大多是定性或半定量评价，尚达不到定量评价。需在遥感反演土壤污染信息模型与理论方法、土壤重金属含量与光谱变量的相关关系等方面加强研究，以接近或达到定量评价污染的水平，进而利用遥感技术评价大面积土壤污染及修复。

（4）研制高性能的卫星，提高遥感信息获取能力。作为中国16个重大科技专项（2006年~2022年）之一的高分辨率对地观测系统已进入全面建设阶段，其中2014年8月发射升空的高分二号卫星空间分辨优于1m，这必将改变遥感数据普遍采用国外遥感数据（SPOT、Landsat、QuickBrid等）的局面。

参考文献：

［1］贾志强．甘肃省白银市矿山环境遥感调查与评价研究［D］．桂林：桂林工学院，2009．

［2］龚海明，马瑞峻，等.农田土壤重金属污染监测技术发展趋势［J］.中国农学通报，2013，29（2）：140-147．

［4］张甘霖，赵玉国，杨金玲，等.城市土壤的环境问题及其研究进展［J］.土壤学报，2006，44（55）：925-933．

［6］戴昌达.中国主要土壤光谱反射特性分类与数据处理的初步研究［M］.见：遥感文选，北京：科学出版社，1981.

［7］丰茂森.遥感图像数字处理［M］.北京：地质出版社，1992：3~3．

［8］甘甫平，刘圣伟，等.德兴铜矿矿山污染高光谱遥感直接识别研究［J］.地球科学—中国地质大学学报，2004，29（1）：119-126．

［9］朱叶青，屈永华，刘素红，等.重金属铜污染植被光谱响应特征研究［J］.遥感学报，2014，18（2）：335-352．

［10］李婷，刘湘南，刘美玲.水稻重金属污染胁迫光谱分析模型的区域应用与验证［J］.农业工程学报，2012，28（12）：176-182．

［11］李新芝.基于多源遥感数据的矿区植被信息监测方法研究［D］.济南：山东科技大学，2010．

［12］王秀珍，王人潮，黄敬峰.微分光谱遥感及其在水稻农学参数测定上的应用研究［J］.农业工程学报，2002，18（1）：9-13．

［14］徐加宽，杨连新，王余龙，等.水稻对重金属元素的吸收与分配机理的研究进展［J］.植物学通报，2005，22（5）：614-622．

［16］王杰，等.遥感技术在江西德兴铜矿矿区污染研究中的应用［J］.山东科技大学学报（自然科学版）2005，24（4）：66-69．

［17］雷国静等.遥感在稀土矿区植被污染信息提取中的应用［J］.江西有色金属，2006，20（2）：1-5．

［18］黄铁兰，等.广东大宝山矿区植被污染信息的遥感识别方法研［J］.地质学刊，2014，38（02）：284-288．

［24］李淑敏，李红，孙丹峰，等.基于热红外特征光谱的土壤重金属含量估算模型研究［J］.2010，31（7）：33-38．

重金属污染特征篇5

关键词：土壤；重金属污染；修复标准；效果评价

引言

在进行土壤重金属污染修复的过程中，土壤本身的特性也会随之变化，土壤中重金属污染物的减少，并不意味着土壤从生态学的角度就是清洁的和安全的。因此，重金属污染的土壤经修复后能否够达到我们对于修复效果的预期、土壤的生态功能能否最大限度的恢复，我们就需要通过科学的方法进行评价，从而确定修复后的土壤能否达标，能否从根源消除土壤污染对人类健康和生态系统产生的威胁。

1土壤重金属污染评价方法

主要的土壤重金属污染评价方法包括单因子污染指数法、内梅罗综合污染指数法、潜在生态风险指数法，具体方法如下：

1.1单因子污染指数法

该方法是基于单因子污染指数法对土壤中各种重金属做单一污染评价，其公式如下：

Pi=Ci/Si

式中：Pi为土壤中污染物i的环境质量指数；Ci为污染物i的实测质量分数（mg・kg-1）；Si为污染物i的评价标准（mg・kg-1）[1]，一般取二类标准。

1.2内梅罗综合污染指数法

该方法是综合考虑个重金属的污染情况，从而更加全面反应重金属的联合污染程度，同时突出某一种严重污染的重金属的危害，其公式如下：

P综=■

式中：P综为某地区的综合污染指数；（Ci/Si）max为土壤污染物中污染指数最大值；（Ci/Si）av为土壤污染物中污染指数平均值。P综>1表示污染，P综

1.3潜在生态风险指数法

该方法是将重金属的含量、生态影响及毒性特点综合在一起考量的，其公式如下：

式中：T■■为重金属i的毒性相关系数；P■■为重金属i的污染参数；E■■为重金属i的单因子潜在风险，能反应各种金属的风险程度；Ri为重金属综合因子潜在生态风险指数，能反应多重重金属的综合风险。

2土壤重金属污染修复效果评价方法

主要的土壤重金属污染修复效果评价方法包括形态分析评价、植物毒性评价、陆生无脊椎动物评价、土壤微生物评价，具体方法如下：

2.1形态分析评价

该方法通常采用连续提取来描述土壤中重金属形态的分布。连续提取法主要分为分步提取法和BCR法。土壤中重金属的形态分为可交换态、有机结合态、碳酸盐结合态、铁锰氧化态和残渣态为主。而BCR连续提污染土壤修复的过程中，对修复后的土壤进行观察，并结合科学的方法及土壤进行诊断和评价。可以明确判断修复后的土壤是否达到我们预期，以及是否消除土壤重金属污取法通常将土壤中重金属的形态分为氧化还原态、酸溶态、残渣态，其中氧化还原和酸溶态的重金属形态容易被植物吸收利用，而可氧化态和残渣态比较稳定，不易被植株吸收利用，采用ICP-MS测定土壤修复前后重金属形态含量的变化来判断土壤重金属污染的修复效果。

2.2植物毒性评价

该方法是通在修复后在土壤中栽种植物，结合植物的生长状况、出苗率，以及生物量使植物体内酶活性的变化和植物体内重金属的量富特征，来表征经过土壤修复后重金属在土壤中毒性的变化，其原理是大多数重金属离子与外源物质结合后，就具备了在土壤中迁移和被植物吸收的可能。而植物在土壤中的形态变化特征可以通过肉眼观察，以及通过分子或细胞水平上对植物毒性评定，从而判断土壤重金属污染的修复效果，该法具有测定灵敏度高、测定周期较短的优点。

2.3陆生无脊椎动物评价

该方法是将不同的陆生无脊椎动物或对土壤具有敏感指示的动物作为研究的对象，将它们投放在经修复的重金属污染的土壤中，通过记录经修复的土壤对这些动物的危害影响程度来评价对重金属污染修复效果。

2.4土壤微生物评价

该方法是结合土壤中蕴含的大量且种类繁多的微生物，由于微生物直接或间接的能够参与土壤中的气体交换和降解土壤肥料等。因此可以通过检测经修复土壤中微生物的相关参数，从而来判断来判断土壤重金属污染的修复效果。

3展望

土壤重金属污染及修复评价过程中，涉及多门学科的相互交叉，其中包括生态学、环境科学、土壤学、地理学、生态毒理学、灾害学等，而整体的评价又是一个复杂的过程，无论是对于基础的理论研究还是在实践的工作都存在着较大的不足，因此，需要我们在以后的研究工作不断地深入和完善评价方法，才能使评价结果更为切实有效。

参考文献

[1].农田土壤重金属Cd、Cu和As污染评价及修复技术研究[D].武汉理工大学，2011.

[2]赵乾程，杨欣，曹田，等.土壤重金属污染原位钝化修复及效果评价进展研究[J].环境科学与技术，2016，12.

[3]李燕.污染土壤修复标准及修复效果评定方法的探讨[J].资源・环境，2016.

[4]李淑燕，谢t彬.重金属污染场地修复效果评价研究[J].海南师范大学学报（自然科学版），2015，6.

[5]王涛，李惠民，史晓燕.重金属污染农田土壤修复效果评价指标体系分析[J].土壤通报，2016，6.

重金属污染特征篇6

关键词：土壤；重金属；污染特征；污染评价；果蔗地

中图分类号：X53文献标识码：A文章编号：0439-8114（2017）07-1262-05

DOI：10.14088/ki.issn0439-8114.2017.07.015

ContentCharacteristicsandRiskAssessmentofHeavyMetalsinChewingCaneSoils

WANGTian-shun，YANGYu-xia，LIAOJie，FANYe-geng，YAYu，ZHUJun-jie，MOLei-xing

（ResearchInstituteofAgro-productsQualitySafetyandTestingTechnology，GuangxiAcademyofAgricultureSciences/QualitySupervisionandTestingCenterforSugarcane，ChinaMinistryofAgriculture，Nanning530007，China）

Abstract：Thecontentsofsoilheavymetals，suchasCd，Pb，Cr，Cu，Zn，AsandHg，insurfacesoil（0～20cm）fromthemainchewingcaneproductionfarmlandinGuangxiZhuangAutonomousRegion，wereinvestigated.Pollutioncharacteristicsofheavymetalsinsoilswereobservedonthebasisofenvironmentalqualitysecondarystandardvaluesofsinglefactorpollutionindexmethodandcomprehensivepollutionindexmethod.Potentialecologicalriskassessmentwasevaluatedbyusingthegeoaccumulationindex（Igeo）andpotentialecologicalriskindex（RI）.TheresultsindicatedthattheaverageconcentrationsofCd，Pb，Cr，Cu，Zn，AsandHgwere0.81，30.4，54.5，29.8，107.4，16.69and0.28mg/kg，respectively.Accordingtothecomprehensivepollutionindex，thepollutiondegreewasmiddledegreewithPNwas2.03.Accordingtothegeoaccumulationindex，thepollutiondegreeofCdwasmiddledegreewithIgeowas1.02，andHgrangedfromlighttomiddledegreewithIgeowas0.30.Thepotentialecologicalriskindexindicatedthattheheavymetalsinthesoilsfromresearchareawereatthemoderateecologicalhazardlevel.TherateofcontributionforCdwasthehighesttopotentialecologicalriskindex.Thus，effectivefarmlandsoilmanagementisnecessarytoensuresecurityproduction，controlsoilpollutionsources，andimplementstandardagriculturalproduction.

Keywords：soils；heavymetals；contaminantcharacteristics；riskassessment；chewingcanesoil

土壤是人类赖以生存的自然资源，也是人类生态环境的重要组成部分。重金属在自然环境中广泛存在，因其持久性、积累性等特性及其对生态环境存在的潜在风险，受到国内外学者的高度关注[1，2]，土壤重金属污染已经成为当前人类面临的重要环境问题，也是目前环境科学领域的研究热点之一[3-6]。土壤重金属污染来源包括矿山采选冶炼、大气沉降、污水灌溉、固体废弃物堆存与处置、交通运输等[7，8]。当土壤中重金属达到一定的累积程度时，会通过食物链传递到动物和人体内，给生态环境及人体健康造成很大危害[9，10]。

近年来，果蔗生产中大量使用农药、磷肥、污水，使得果蔗地土壤-植物系统中重金属污染更为复杂与多样化。土壤是植物生长的载体，其清洁程度直接影响着食物中有毒有害物质的浓度，目前对果蔬、粮食产地[11，12]中重金属的污染评价己有不少报道，但针对果蔗地土壤重金属污染的系统研究鲜有报道。为了解广西壮族自治区横县果蔗种植区土壤质量状况，本研究以果蔗地土壤为对象，利用单因子污染指数法、综合污染指数法、地积累指数法和潜在生态风险指数法对土壤重金属的污染特征及生态风险进行评价，同时探讨了各重金属元素之间的相关性和聚类状况，以期为广西壮族自治区果蔗地土壤重金属的污染防治和治理提供科学依据。

1材料与方法

1.1样品采集与分析

土壤样品全部采自广西壮族自治区果蔗地0～20cm表层土壤。于2014年11月选取36个采样点，每个样点600～1300m2内采用W形布点采集5个子样，现场剔除植物根系、碎石等杂物后充分混合组成一个混合样品，用四分法缩分至约4.0kg，装入聚乙烯塑料袋，贴好标签，带回实验室备用。把采集的土壤置于宽敞、干净、透气的室内，均匀摊开，自然风干，去除石块、植物根系及其他的杂物后用玛瑙研钵研磨后过2mm尼龙筛，再用玛瑙研钵继续研磨后过100目筛。

称取0.2000g经风干处理的土样于聚四氟乙烯罐中。加5mLHNO3、3mLHCl、1mLH2O2和1mLHF，密封消解罐后放入微波消解炉。消解程序分3步，步骤1为160℃、90%功率消解10min；步骤2为200℃、90%功率消解25min；步骤3为100℃、40%功率消解5min。消解完室温放置后，转移消解罐中的溶液于聚四氟乙烯烧杯中，加热蒸发去除氮氧化物。剩余液体做如下处理：①转移至100mL容量瓶，用1%硝酸稀释至刻度线，混合均匀后用石墨炉原子吸收仪（MKⅡMQZ，美国Thermo）测定溶液中Cd、Pb的含量、用火焰原子吸收仪（AA240，美国Varian）测定Cr、Cu、Zn的含量；②转移至50mL容量瓶，加入5mL50g/L硫脲和50g/L抗坏血酸溶液作掩蔽剂，用5%盐酸稀释至刻度线，混合均匀，室温下静置30min后用原子荧光光谱仪（AFS-230E，北京海光仪器公司）测定As和Hg的含量。

试验所用试剂均为优级纯试剂，用水均为超纯水。

1.2土壤重金属污染评价

土壤评价标准采用GB5618-1995《土壤环境质量标准》[13]中的二级标准和广西土壤背景值[14]，采用单因子污染指数、内梅罗综合污染指数法、地积累指数法以及潜在生态危害指数法分别对土壤重金属污染状况进行评价。采用Excel2007和DPS软件对数据进行统计分析。

1.2.1单因子污染指数法单因子污染指数法是用来评价单个污染因子对土壤的污染程度，污染指数愈小，说明该因子对环境介质污染程度愈轻[15，16]。其计算公式如下：

Pi=Ci/Si

式中，Pi为土壤中重金属的污染指数，具体反映某污染物超标倍数和程度；Ci为土壤中重金属含量的实测值（mg/kg）；Si为土壤中重金属的标准限定值（mg/kg）。当Pi≤1时，表示样品未受污染；当Pi>1时，表示样品已被污染。Pi的值越大，说明样品受污染越严重。Pi评价标准见表1。

1.2.2综合污染指数法综合污染指数法[17，18]，即内梅罗污染指数，是将目标单个污染指数按一定方法综合起来考虑对环境介质的影响程度，采用兼顾单元素污染指数平均值和最大值的一种评价方法。其计算公式如下：

PN=■

式中，Piave为土壤中各重金属污染指数的平均值；Pimax为土壤中单项重金属的最大污染指数；PN为采样点的综合污染指数，其评价标准见表1。该方法突出了高浓度污染物对土壤环境质量的影响，能反映出各种污染物对土壤环境的作用，将研究区域土壤环境质量作为一个整体与外区域或历史资料进行比较。

1.2.3地积累指数法地积累指数（Igeo）是德国海德堡大学沉积物研究所的科学家Müller[19]提出的一种研究沉积物中重金属污染的定量指标，在欧洲被广泛采用。该方法在考虑自然地质过程造成背景值影响的同时，充分考虑了人为活动对重金属污染的影响，因此该指数不仅可以反映沉积物中重金属分布的自然变化特征，而且可以判别人为活动对环境的贡献[20，21]。其计算公式为：

Igeo=log2[Cn/（1.5×Bn）]

式中，Cn为样品中元素n在沉积物中的实测值；Bn为沉积物中该元素的地球化W背景值，本研究采用广西壮族自治区土壤环境背景值作为参照标准；1.5为修正指数，用于校正区域背景值差异。地积累指数划分为7级，Igeo≤0，为1级，无污染；0

1.2.4潜在生态危害指数法重金属元素是具有潜在危害的重要污染物，与其他污染物的不同之处在于它们对环境危害的持久性、生物地球化学的可循环性及潜在的生态危害。潜在生态危害系数法是瑞典科学家Hakanson[22]提出的一种沉积物中重金属的评价方法，为了使区域质量评价更具有代表性和可比性，该方法从重金属的生物毒性角度出发，反映了多种污染物的综合影响[23，24]。土壤中多种重金属元素潜在生态危害指数是各单一重金属元素的潜在生态危害指数之和。其计算公式如下：

RI=■Eri

Eri=Tri×Csi/Cni

式中，Csi为表层土壤重金属元素i的分析测量值；Cni为土壤重金属元素i的参比值，本研究采用广西壮族自治区土壤环境背景值作为参照标准；Tri为重金属元素毒性系数[25]，各重金属的毒性系数分别为Cd=30，Pb=Cu=5，Cr=2，Zn=1，As=10，Hg=40[26]。Eri为单个重金属的潜在生态危害指数；RI为多种重金属综合潜在生态危害指数。重金属污染的生态危害指数分级标准见表2。

2结果与分析

2.1研究区土壤重金属含量特征

研究区36个土壤样品的重金属元素的含量范围、均值、标准差等特征参数见表3。需要说明的是，有32个土壤样品土壤呈酸性，4个土壤样品土壤呈弱碱性。研究区土壤中Cd、Pb、Cr、Cu、Zn、As和Hg的平均含量分别为0.81、30.4、54.5、29.8、107.4、16.69、0.28mg/kg，除了Cr和As外，其他5种重金属平均含量均超过广西土壤背景值，分别为土壤背景值的3.03、1.27、1.07、1.42、1.84倍。

7种重金属的标准差除Cd和Hg外，其他均较大；Cr、Zn的标准差在15以上，Pb的标准差为9.37，As的标准差为5.97，Cu的标准差为5.20。说明重金属的分布不均匀，甚至有的重金属分布极不均匀。土壤中7种重金属的变异系数从大到小的顺序依次为Hg、Cd、Cr、As、Zn、Pb、Cu，其中，Hg、Cd变异系数分别为48.3%、46.1%，说明Hg和Cd受人为活动干预强烈，其次为Cr、As、Zn，Cu的变异系数最小，表明在整个研究区域Cu含量相对比较均一。

2.2土壤重金属污染评价

2.2.1单因子污染指数与综合污染指数评价研究区土壤重金属单因子污染指数见表4。结果表明，研究区土壤中重金属Cd、Pb、Cr、Cu、Zn、As和Hg单因子污染指数的平均值分别为2.73、0.61、0.36、0.55、0.53、0.44和0.88。按照土壤环境质量二级评价分级标准，土壤样品中重金属元素Cr、Cu、Zn、As单因子污染指数均小于1，属于安全等级。重金属元素Cd、Pb和Hg单因子污染指数达到轻污染水平的样本占样本总数的19.4%、2.8%和30.6%；Cd和Hg单因子污染指数达到中污染水平的样本分别占样本总数的11.1%和2.7%；Cd单因子污染指数达到重污染水平的样本占样本总数的58.3%。

采用综合污染指数法对采样点土壤中Cd、Pb、Cr、Cu、Zn、As和Hg7种重金属元素污染状况进行综合评价，由各单因子污染指数计算可知，采样点的综合污染指数值为2.03，污染等级属于中污染。

2.2.2地积累指数法评价地积累指数法是从地球化学的角度出发来评价土壤中重金属的污染。它除了考虑到人为污染因素、环境地球化学背景值外，还考虑到由于自然成岩作用可能会引起背景值变动的因素，它所采用的背景值一般为未受人类活动影响的沉积岩中的地球化学背景值，因此该方法更多的强调了土壤中重金属污染的历史累积作用。由表5可知，果蔗地土壤中Cd的污染程度相对比较严重，污染等级为3级，污染程度达中等污染；其次是Hg，污染等级为2级，其污染程度达轻-中等污染；Pb、Cr、Cu、Zn和As均属于无污染。7种重金属的污染程度顺序依次为Cd>Hg>Zn>Pb>Cu>As>Cr。

2.2.3潜在生态危害评价潜在生态危害指数法是从沉积学角度出发，它不仅考虑了土壤重金属含量，而且将重金属的生态效应、环境效应与毒理学联系在一起，因此其评价结果主要反映了人类活动对土壤的潜在生态危害。由表6可知，从单个重金属的潜在生态危害系数来评价，果蔗地土壤的主要潜在生态危害重金属为Cd和Hg，Cd污染达到强生态危害程度，Hg污染达到中等生态危害程度，其他5种重金属均为轻微生态危害程度，其潜在生态危害顺序为Cd>Hg>As>Pb>Cu>Zn>Cr。综合潜在生态危害指数达到187.27，处于中等生态危害程度。

2.3研究区土壤重金属含量相关分析

研究区土壤中重金属之间的相关性可以推测重金属的来源是否相同，若它们之间存在相关性，则它们的来源可能相同，否则来源可能不同[16]。利用DPS软件对各重金属进行相关性分析，在0.05和0.01显著性水平下，所有变量间相关系数如表7所示。As与Cd、Cr、Cu、Zn之间存在极显著正相关，表明As和Cd、Cr、Cu、Zn之间紧密相关；Zn与Cr、Cu之间存在极显著正相关；Cu与Cr之间存在极显著正相关，Cu与Pb之间存在极显著负相关；Cd与Cr之间存在极显著正相关。相关性结果可以说明研究区域土壤重金属As与Cd、Cr、Cu、Zn同源性很高，与果蔗栽培管理过程中污水的灌溉、污泥的施用及重金属农药的施用有关，Hg与其他重金属元素之间没有明显的相关性，说明研究区域Hg含量受人为活动的影响强烈，有外源污染M入。

2.4研究区土壤重金属聚类分析结果

利用DPS软件对研究区各重金属进行聚类分析，结果如图1所示。由图1可知，7种重金属共分为5组，第一组为Pb和Cu；第二组为As；第三组为Cr；第四组为Cd和Hg，它们的潜在生态危害指数分列前2位；第五组为Zn。Pb和Cu、Cd和Hg是距离较近且潜在生态危害指数值接近，分别被聚为一类。

3结论

研究区域土壤重金属Cd、Pb、Cr、Cu、Zn、As和Hg的平均含量水平分别为0.81、30.4、54.5、29.8、107.4、16.69、0.28mg/kg。利用《土壤环境质量标准》二级标准进行评价，结果显示Cd污染最严重，单因子污染指数最高为4.93；Hg污染次之。

重金属地积累指数评价结果表明，果蔗地土壤中Cd的污染程度相对比较严重，污染等级为3级，污染程度达中等污染；其次是Hg，污染等级为2级；潜在生态危害综合指数评价结果显示，果蔗地土壤中重金属污染处于中等生态危害程度，其土壤的主要潜在生态危害重金属为Cd和Hg，Cd污染达到强生态危害程度，Hg污染达到中等生态危害程度。

土壤中7种重金属的相关性分析表明，研究区域土壤重金属As与Cd、Cr、Cu、Zn具有同源性，与果蔗栽培管理过程中污水的灌溉、污泥的施用及重金属农药的施用有关；聚类分析表明，Pb和Cu、Cd和Hg距离较近且污染指数值接近，分别被聚为一类。

广西壮族自治区果蔗地土壤重金属污染来自多种污染源，笔者认为土壤重金属累积的原因主要是各种含重金属农用物资的投入、污水灌溉及污泥施用等。对被污染土壤应采取一些农业、生物及施用一些改良剂等措施进行综合修复、治理，以确保生态环境及果蔗产品的安全。

参考文献：

[1]NIULL，YANGFX，XUC，etal.StatusofmetalaccumulationinfarmlandsoilsacrossChina：Fromdistributiontoriskassessment[J].EnvironmentalPollution，2013，176：55-62.

[2]MAPANDAF，MANGWAYANAEN，NYAMANGARAJ，etal.UptakeofheavymetalsbyvegetablesirrigatedusingwastewaterandthesubsequentrisksinHarare，Zimbabwe[J].PhysicsChemistryoftheEarth，2007，32（15-18）：1399-1405.

[3]胡国成，张丽娟，齐剑英，等.贵州万山汞矿周边土壤重金属污染特征及风险评价[J].生态环境学报，2015，24（5）：879-885.

[4]麻冰涓，王海邻，李小超，等.豫北典型农田作物中重金属污染状况及健康风险评价[J].生态环境学报，2014，23（8）：1351-1358.

[5]张洪伟，张国珍，张克江，等.黄河兰州段黄灌区蔬菜大棚土壤重金属含量分析及污染评价[J].土壤通报，2012，43（6）：1497-1501.

[6]韩平，王纪华，冯晓元，等.北京顺义区土壤重金属污染生态风险评估研究[J].农业环境科学学报，2015，34（1）：103-109.

[7]陈涛，常庆瑞，刘京，等.长期污灌农田土壤重金属污染及潜在环境风险评价[J].农业环境科学学报，2012，31（11）：2152-2159.

[8]郭伟，赵仁鑫，张君，等.内蒙古包头铁矿区土壤重金属污染特征及其评价[J].环境科学，2011，35（10）：3099-3105.

[9]HEB，YUNZJ，SHIJB，etal.ResearchprogressofheavymetalpollutioninChina：Sources，analyticalmethods，status，andtoxicity[J].ChineseScienceBulletin，2013，58（2）：134-140.

[10]KHANK，LUYL，KHANH，etal.Heavymetalsinagriculturalsoilsandcropsandtheirhealthrisksinswatdistrict，northernPakistan[J].FoodandChemicalToxicology，2013，58：449-458.

[11]KHANS，CAOQ，ZHENGYM，etal.HealthrisksofheavymetalsincontaminatedsoilsandfoodcropsirrigatedwithwastewaterinBeijing，China[J].EnvironmentalPollution，2008，152（3）：686-692.

[12]秦普S，刘丽，侯红，等.工业城市不同功能区土壤和蔬菜中重金属污染及其健康风险评价[J].生态环境学报，2010，19（7）：1668-1674.

[13]GB15618-1995，土壤环境质量标准[S].

[14]广西环境保护科学研究所.土壤背景值研究方法及广西土壤背景值[M].南宁：广西科学技术出版社，1992.

[15]胡明.大荔县农田土壤重金属分布特征与污染评价[J].干旱区资源与环境，2014，28（1）：79-84.

[16]程芳，程金平，桑恒春，等.大金山岛土壤重金属污染评价及相关性分析[J].环境科学，2013，34（3）：1062-1066.

[17]张鹏岩，秦明周，陈龙，等.黄河下游滩区开封段土壤重金属分布特征及其潜在风险评价[J].环境科学，2013，34（9）：3654-3662.

[18]YUANGL，SUNTH，HANP，etal.Sourceidentificationandecologicalriskassessmentofheavymetalsintopsoilusingenvironmentalgeochemicalmapping：TypicalurbanrenewalareainBeijing，China[J].JournalofGeochemicalExploration，2014，136（1）：40-47.

[19]M？BLLERG.IndexofgeoaccumulationinsedimentsoftheRhineRiver[J].GeologicalJournals，1969，2：109-118.

[20]范拴喜，甘卓亭，李美娟，等.土壤重金属污染评价方法进展[J].中国农学通报，2010，26（17）：310-315.

[21]孔慧敏，左锐，滕彦国，等.基于地球化学基线的土壤重金属污染风险评价[J].地球与环境，2013，41（5）：547-552.

[22]HAKANSONL.Anecologicalriskindexforaquaticpollutioncontrol：Asedimentologicalapproach[J].WaterResearch，1980，14（8）：975-1001.

[23]朱兰保，盛蒂，戚晓明，等.蚌埠龙子湖底泥重金属污染及生态风险评估[J].安全与环境学报，2013，13（5）：107-110.

[24]王大洲，胡艳，李鱼.某陆地石油开采区土壤重金属潜在生态风险评价[J].环境化学，2013，32（9）：1723-1729.