有色金屬礦區農田土壤-水稻鎘積累狀況及其響應關系研究

季夢蘭，嚴俊，林華，張學洪，李海翔*1. 桂林理工大學，巖溶地區水污染控制與用水安全保障協同創新中心，廣西 桂林 541004 2. 桂林理工大學，廣西環境污染控制理論與技術重點實驗室，廣西 桂林 541004

有色金屬礦區農田土壤-水稻鎘積累狀況及其響應關系研究

季夢蘭1， 2，嚴俊1， 2，林華1， 2，張學洪1， 2，李海翔1， 2*
1. 桂林理工大學，巖溶地區水污染控制與用水安全保障協同創新中心，廣西 桂林 541004 2. 桂林理工大學，廣西環境污染控制理論與技術重點實驗室，廣西 桂林 541004

位于西江上游的河池地區被譽為中國的“有色金屬之鄉”，重金屬產業經過多年選礦開礦的工業化發展使得當地生態環境受到嚴重的重金屬污染。為評價廣西西江流域中上游主要地區礦業活動對土壤和糙米質量安全的影響，采集研究區域內水稻及其對應土壤樣本進行分析評價。調查發現，參照《食用農產品產地環境質量評價標準》（HJ332—2006），當pH＜6.5、6.50≤pH≤7.50、pH＞7.5時，土壤Cd含量超標率分別達到90.63%、96.97%、98.36%；參照《食品中污染物限量標準》（GB2762 —2012），糙米Cd含量的超標率為19.34%。單因子污染評價表明，超過50%的調查樣點土壤Cd處于重度污染，僅有10%左右調查樣點的土壤Cd屬于清潔等級，且上游地區土壤-水稻系統Cd污染較為嚴重。分別建立了水稻糙米Cd含量、糙米Cd生物富集系數與土壤有效態Cd含量、土壤pH值以及土壤有機質含量的定量關系，模型擬合度均高于50%。預測糙米Cd含量擬合度較好的模型為多元非線性回歸模型，預測糙米 Cd生物富集系數擬合度較好的為多元線性回歸模型。多元回歸模型的回代檢驗和殘差分析表明，計算值與實測值的相關性較好，殘差值較小且均勻分布，在一定程度上可以用來預測水稻糙米Cd的積累情況。

土壤；水稻糙米；Cd；響應關系；預測模型

引用格式：季夢蘭， 嚴俊， 林華， 張學洪， 李海翔. 有色金屬礦區農田土壤-水稻鎘積累狀況及其響應關系研究［J］. 生態環境學報， 2016， 25（6）: 1039-1046.

JI Menglan， YAN Jun， LIN Hua， ZHANG Xuehong， LI Haixiang. Cadmium Accumulation in Paddy Soil-rice System and Their Response Relationship in Non-ferrous Metal Mine Area ［J］. Ecology and Environmental Sciences， 2016， 25（6）: 1039-1046.

人口的迅速增長，城鎮化、工業化進程的加快等導致土壤重金屬污染日益嚴重，其中最為突出的是農田土壤鎘（Cd）污染（Nabulo et al.，2010）。Cd作為一種高毒性且易于從土壤轉移到植物中的重金屬元素，主要通過食物鏈來發揮其毒性作用，對人和動物的腎臟、肝臟、肺、心血管系統，免疫、造血系統和生殖系統都會造成不利影響（Fowler，2009）。有色金屬（如Zn、Pb等）（Bi et al.，2006；Satarug et al.，2003）在開采、冶煉、加工等過程中所引起的伴生金屬 Cd的排放被認為是環境中 Cd污染的主要來源。Cd易遷移的特性導致了大范圍的農田土壤污染問題（Bolan et al.，2013）。土壤Cd污染對水稻的環境風險問題由來已久。目前，國內外針對土壤-水稻系統重金屬污染展開了很多研究，主要集中于重金屬遷移轉化特征及其機理探究，且大多是以室內盆栽試驗進行實施的，其結果能在一定程度上反映土壤-水稻系統重金屬的遷移和轉化規律及其生物有效性，但受人為因素影響太多，使其結果不夠全面，具有一定的片面性。用來描述土壤-農作物系統重金屬關聯特征的關系模型主要有：一是采用吸收系數或富集系數來表示農作物對重金屬的吸收富集能力，且受作物品種重金屬種類等因素影響，預測結果誤差較大（方鳳滿等，2010；Su et al.，2010）；二是采用機理模型法，該法待定的相關參數較多且較難以被測定，機理尚不十分明確，因此在實際應用中也較難推廣（De et al.，2008）；三是采用經驗模型法對植物體中重金屬含量進行估算，一般會涉及到土壤重金屬含量和土壤理化性質。常用的基本表達形式為多元回歸模型（Adams et al.，2004）。

西江流域是珠江水系的主干流，其在廣西境內的集水面積占全流域集水面積的85.7%，是廣西主要的糧食產區。位于西江流域上游的河池地區是中國著名的“有色金屬之鄉”，礦產豐富，礦業活動頻繁（張新英等，2010）。然而，礦產資源的頻繁開采在帶來巨大的經濟效益的同時，也因其過度以及不合理的開發導致大量的礦業廢棄物所攜帶的重金屬被釋放到環境中，使得當地重金屬污染日益嚴重（項萌等，2010）。翟麗梅等（2009）對廣西西江流域農業土壤中Cd的空間分布規律及水稻中Cd的超標情況進行研究發現，土壤與水稻糙米Cd污染均較嚴重，且高Cd暴露風險區域主要集中在流域上游距礦區80 km以內的范圍。長期食用Cd含量超標的大米，可能會嚴重危害人體健康。本文重點以西江流域礦業活動密集的上中游地區為研究區域，大范圍的采集野外土壤和對應水稻樣本進行分析，考察此區域農田土壤-水稻系統Cd污染情況以及水稻糙米Cd積累問題。有研究表明，水稻植株對Cd有很強的積累性，其積累能力與農田土壤的生態環境及水稻的基因型等影響因素有關（Li et al.，2010）。基于實際采樣難度考慮，本文僅選擇對水稻糙米Cd積累影響較大的土壤重金屬含量及土壤基本理化性質（主要為pH和有機質）進行分析，探索土壤-水稻系統Cd污染的定量的表達關系，以期為從區域尺度上評價土壤Cd污染對水稻安全生產的影響提供參考。

1　材料與方法

1.1調查區概況

位于西江上游的河池地區被譽為中國的“有色金屬之鄉”，礦產資源遍布河池11個縣市，南丹縣、羅城縣、金城江區、環江縣等為主要成礦帶。其礦產資源豐富，原生錫礦保有量占全國總儲量的三分之一；銻、鉛和鋅礦金屬儲量居全國第二位；銦礦保有量名列世界第一（廖錦成，2009）。2011年全市生產含汞、鉻、鎘、鉛、砷等重金屬的企業共154家，主要分布在南丹縣、金城江區、環江縣和羅城縣（黃奎賢等，2012）。因此，本次采樣范圍主要集中于有色金屬礦業活動頻繁的西江流域的中上游地區。

圖1　西江流域中上游采樣點分布圖Fig. 1　The location of sampling sites in the upper-middle reaches of Xijiang River draining

1.2樣品采集與處理

2014年7月，進行土壤-水稻一一對應的大田采樣，采集水稻及其對應土壤樣本190對。采樣點主要集中于流域沿河、沿江的礦區周邊以及大片糧食產區。采樣范圍覆蓋廣西西江流域上中游的主要地區，包括來賓、合山、象州、羅城、柳城、宜州、柳州、環江、金城江、南丹、，都安，采樣點分布如圖1所示。采用GPS技術進行定點，土樣樣品均取自10 m×10 m樣方的4個頂點，各點取表層（0～20 cm）土壤1 kg，混勻后用四分法縮分，留取1 kg混合樣帶回實驗；土壤樣品在室內自然風干，粉碎，過20目尼龍篩（用于土壤pH值、土壤有機質等理化性質的測定）；再四分法棄取，粉碎，過 100目尼龍篩（用于土壤重金屬全量及有效態的測定）。水稻樣品取可食部分（糙米），用自來水和超純水沖洗，晾干，60 ℃下烘干48 h，粉碎待測。

1.3樣品分析與數據處理

土壤樣品采用HNO3-H2O2（EPA 3050B）（陳同斌等，2002）進行消解，水稻糙米樣品用HNO3-HClO4法（廖曉勇等，2004）進行消解。分析過程中分別加入土壤標準樣品（GSS-6）和植物標準樣品（GSB-23）進行質量控制，樣品回收率均在 90%～110%之間。采用石墨爐-原子吸收光譜儀（AA-700，美國PE公司）測定樣品中Cd含量。土壤pH值用pHS-3C型pH計測定，有機質用水合熱重鉻酸鉀氧化-比色法（錢寶等，2011）測定，土壤有效態采用DTPA提取法（Zhang et al.，2010）。所用試劑均為優級純，分析用水均為超純水。

數據統計分析采用Origin 7.5和SPSS 18.0，采用ArcGIS制作樣點分布圖。針對土壤-水稻系統重金屬污染進行評價，如仍以中國《土壤環境質量標準》（GB15618—2008）二級標準為參照，將會出現部分Cd超標的土壤被劃分為作物安全生產的范圍。因此土壤重金屬評價臨界值采用較為嚴格的《食用農產品產地環境質量評價標準》（HJ332—2006）為參照。糙米重金屬評價臨界值采用《食品中污染物限量》（GB2762—2012），此標準中糙米中Cd的最高限量與《歐盟食品污染物限量標準》（EC629—2008）中糙米Cd的最高限量一致。

2　結果與討論

2.1農田土壤及水稻糙米Cd含量分析

表1為研究區域農田土壤-水稻系統Cd質量分數基本統計量，土壤Cd與水稻糙米Cd經對數轉換后均符合正態分布。研究區域內，土壤pH值范圍為4.54～8.35。土壤Cd與《食用農產品產地環境質量評價標準》（HJ332—2006）相比，對應各個土壤點位的pH值選擇不同的標準限值。統計結果表明，pH＜6.50時，土壤 Cd的超標率為 90.63%；6.50≤pH≤7.50時，土壤 Cd的超標率為 96.97%；pH＞7.50時，土壤Cd的超標率為98.36%。流域內糙米Cd最大質量分數達到0.59 mg·kg-1，與《食品中污染物限量》（GB2762—2012）相比，糙米 Cd超標率為19.34%。經過分析可知，研究區域內土壤Cd超標非常嚴重，可能原因有：（1）廣西土壤Cd背景值（0.27 mg·kg-1）較高（中國環境監測總站，1990）；（2）研究區域內礦業活動頻繁。伴生的Cd隨著鉛鋅礦產的開采、冶煉等過程進入土壤被認為是環境中Cd污染的主要來源（Bi et al.，2006）；（3）與采樣點的選擇有關，采樣集中于礦區周邊和大片糧食產區。已有研究表明，作物吸收和積累重金屬的量不是取決于土壤中重金屬的總量，而是取決于其有效態含量（趙勇等，2006）。在本研究中，調查區域內土壤Cd嚴重超標與水稻糙米Cd超標率不高的比較分析進一步驗證了土壤Cd的生物有效性與土壤Cd全量之間無明顯相關性的結論。

表1　調查區域內農田土壤及水稻糙米Cd含量及超標情況Table 1　Soil and brown rice Cd contents and their exceeding standard rates in study area

2.2不同區域農田土壤及水稻糙米Cd含量分析

考慮到采樣分布范圍較廣，各采樣區域土壤-水稻系統糙米重金屬積累情況各有不同。因此，將采樣點進行區域劃分，分別對各小區域采樣點水稻糙米的積累情況進行分析。針對此次采樣所覆蓋的西江流域上中游的主要地區，以位于西江流域上游且礦業活動最為密集的南丹、環江、金城江為區域1；區域 2則為西江流域中游，主要包括宜州、都安、羅城、柳城、合山、來賓、象州等糧食產區。表2為兩個區域水稻糙米重金屬質量分數基本統計量。從表中可以看出，區域1土壤Cd含量高于區域2，區域1的礦業活動較為密集。從重金屬空間分布來看，西江流域上游土壤和糙米Cd污染較為嚴重，這可能與上游礦業活動的影響有關。

表2　不同區域內農田土壤及水稻糙米Cd含量及超標情況Table 2　Soil and brown rice Cd content and their exceeding standard rates in different area

2.3土壤重金屬單因子污染評價

單因子污染指數法是當今研究者們針對土壤單一重金屬元素進行污染評價時所使用的一般方法，數值小說明該重金屬污染輕，反之則重。具體計算公式如下：

式中：Pi——土壤中重金屬i的單因子污染指數；

Ci——土壤中重金屬i實測值（mg·kg-1）；

Si——重金屬i的土壤評價標準值（mg·kg-1）。

當土壤樣品單因子污染指數Pi≤l時說明土壤樣品未被污染；Pi＞l時說明土壤樣品已受污染。將污染物的污染程度劃分為4個等級（孔凡彬等，2014），如表3所示。

表3　Cd單因子污染指數污染分級標準Table 3　Grading standard for single-factor pollution index of Cd

根據公式（1），由重金屬的實測值、重金屬的土壤評價標準值（對應各個土壤點位的pH值選擇不同的標準限值）計算出PCd的值。土壤Cd的單因子污染指數見表4，經對數轉換后符合正態分布。由表 4可知，Cd的單因子污染指數范圍為0.38～75.31，平均值為4.84。

表4　土壤Cd的單因子污染指數Table 4　Single Factor Pollution Index of Cd in paddy soils

根據表3所列的分級標準對土壤Cd污染等級進行頻數分布，如圖2所示。可以看出，超過50%的調查樣點土壤Cd處于重度污染等級，僅有10%左右調查樣點的土壤Cd屬于清潔等級。雖然土壤Cd污染非常嚴重，但也只能說明在采樣時的外界環境條件下，采樣點土壤Cd的污染情況。因為采樣方式、環境條件、地域限制等各種因素的不同，不可避免地造成Cd在土壤中含量的差異。

圖2　土壤樣點Cd的單因子污染指數頻數分布Fig. 2　Frequencies of single factor pollution index of Cd in paddy soil

2.4土壤有效態Cd、pH、有機質及Cd生物富集系數分析

有關植物吸收積累重金屬的影響因素的研究報道較多（Smith，2009），如土壤pH（Liu et al.，2013）、土壤有機質含量（Bonten et al.，2008）、氧化還原電位（R?mkens et al.，2011）等，而pH、有機質含量是影響土壤重金屬Cd生物有效性的兩個重要元素（Yuan，2014）。農作物對重金屬積累的難易程度可以直接通過農作物體內積累的重金屬含量進行直觀表述，也可以通過重金屬的富集系數間接地反映。重金屬的生物富集系數（BCF）即植物某一組織中的重金屬含量與土壤中相應重金屬含量之間的比值，反映了重金屬在植物體內的富集作用的大小。考慮到一般情況下，土壤重金屬有效態更能反映出重金屬的遷移轉化規律及其毒害水平，因此研究采用水稻糙米重金屬含量與土壤中相應重金屬有效態含量的比值來反映土壤-水稻系統糙米對重金屬的富集能力。

借鑒前人研究經驗，本研究分析了土壤有效態Cd含量、pH、有機質含量（SOM）、Cd生物富集系數（BCFCd），結果如表5所示。研究區域內，土壤pH平均值為6.44，最大值為8.35，偏弱堿性。不同土壤中的有機質含量變化差異很大，其含量與地域氣候、土壤類型、耕作方式等因素密切相關。不同提取劑對土壤中Cd的提取效率不同，且土壤有效態Cd也受到諸如土壤理化性質等多種因素的影響。DTPA提取態 Cd的質量分數范圍在0.040～5.99 mg·kg-1，平均質量分數為0.37 mg·kg-1。

表5　調查區域內農田土壤有效態Cd含量、pH、SOM、富集系數Table 5　Soil available Cd content， pH， SOM and BCF in study area

2.5水稻糙米Cd與土壤有效態Cd、pH、有機質的響應關系

對土壤有效態Cd、pH、SOM與水稻糙米Cd質量分數（w糙米Cd）、水稻糙米 Cd生物富集系數（BCFCd）的相關性研究發現，w糙米Cd與土壤有效態Cd、pH顯著相關（P＜0.01），與SOM也顯著相關（P＜0.05），相關系數分別為0.497、-0.334、0.152；BCFCd與土壤有效態 Cd、pH、SOM 也顯著相關（P＜0.01），相關系數分別為-0.499、-0.674、-0.272。基于上述結果，分別對土壤有效態Cd、pH、SOM 與w糙米Cd、BCFCd進行一元回歸分析，結果見表6。所建立的回歸方程中，F分布的顯著性概率均小于0.05，說明因變量和自變量的線性關系是顯著的，可建立線性模型。決定系數r2可以用來衡量模型與數據的擬合程度，r2越大，說明擬合的模型越能解釋因變量（糙米Cd含量）的變異性。比較可知，所建立的w糙米Cd的回歸模型擬合度較低，不足以解釋因變量的變化，若以此來預測水稻糙米Cd含量參考價值不大。但是，所建立的模型均能反映出土壤有效態Cd、pH、SOM對水稻糙米Cd積累的影響趨勢。分別以土壤有效態Cd、pH、SOM為橫坐標，w糙米Cd、BCFCd為縱坐標，對以上所建立的 6個模型做出散點圖（圖 3）。由圖 3可知，w糙米Cd與土壤有效態Cd、SOM呈正相關，與土壤pH呈負相關；BCFCd與土壤有效態Cd、SOM均呈負相關。且就擬合程度而言，糙米Cd生物富集系數的回歸模型更能反映單個影響因素對水稻糙米重金屬積累的影響。

表6　農田土壤-水稻系統中Cd積累的一元回歸模型Table 6　Unitary regression models of Cd in paddy soil-rice system

基于上述分析表明，土壤有效態Cd、pH、SOM與水稻糙米Cd的積累具有明顯的相關性。因此，嘗試研究利用3個因素對w糙米Cd、BCFCd進行估算具有一定的實際意義。通過多元回歸分析，得到w糙米Cd、BCFCd和土壤有效態Cd、pH、SOM的定量回歸關系，結果見表7。

模型1、3為多元線性回歸方程，2、4為多元非線性回歸方程。由表7可知，回歸方程的線性關系顯著。模型1、2分別可以解釋糙米Cd含量47.1%、59.6%的變異性；模型 3、4分別可以解釋糙米 Cd生物富集系數47.1%、59.6%的變異性。從模型與數據擬合程度這一標準來看，運用多元非線性回歸方程來預測w糙米Cd較理想，運用多元線性回歸方程來預測BCFCd較理想。為了驗證所建立的模型是否合理，還需要通過模型的回代檢驗以及殘差分析來對模型的有效性進行檢驗。

圖3　土壤有效態Cd、pH、SOM對水稻糙米Cd積累的影響Fig. 3　Effects of soil available， pH and SOM on Cd in brown rice

表7　農田土壤-水稻系統中Cd積累的多元回歸模型Table 7　Multivariate regression models of Cd in paddy soil-rice system

圖4為w糙米Cd、BCFCd的計算值與實測值之間的相關關系。從圖4可以看出，w糙米Cd、BCFCd的計算值與實測值之間的相關性均達到了顯著水平（P＜0.001），由此說明土壤有效態Cd、pH、SOM影響著土壤Cd的生物有效性，進而影響水稻糙米對Cd的吸收與積累。因此，可以通過土壤有效態Cd、pH、SOM對w糙米Cd、BCFCd進行預測。圖5為w糙米Cd、BCFCd統計模型的殘差圖。由圖可知，w糙米Cd的正負殘差比較均勻地分布在Y=0的直線兩側，分布比較對稱，且殘差值較小，處于（-0.5， 0.5）之間；BCFCd正負殘差均勻對稱地分布在 Y=0的直線兩側，處于（-1， 1）之間。由此可認為所建立的模型均具有良好的擬合效果，以此來預測w糙米Cd、BCFCd具有較高的可靠性。

圖4　水稻糙米Cd含量、生物富集系數計算值與實測值的相關關系Fig. 4　Correlation of computed and measured Cd content， BCF in brown rice

圖5　水稻糙米Cd統計模型的殘差圖Fig. 5　Distribution of residual induced by Cd statistical model of brown rice

在僅考慮土壤有效態Cd、pH、SOM這3個影響因素建立的水稻糙米Cd含量的非線性預測模型中，R2=0.596，表明該模型僅能解釋糙米 Cd含量59.6%的變異性；與此相比較而言，建立的水稻糙米Cd生物富集系數的線性預測模型中，R2=0.536，能解釋糙米Cd生物富集系數53.6%的變異性。在以往土壤-農作物系統重金屬預測的研究中，模型的擬合程度優于本研究的有很多，但大多是基于盆栽試驗或小范圍的田間試驗獲得的，且擬合效果受諸如土壤、作物品種等多種因素影響，不可一概而論。Ding et al.（2013）通過盆栽試驗，建立了胡蘿卜Cd含量與土壤Cd全量、pH、有機質之間的預測模型，模型的相關系數達到了0.90以上。Yang et al. （2016）則通過溫室試驗，探究了玉米As生物富集系數與土壤 pH、有機質、陽離子交換量之間的響應關系。這些結果投入到生產實際中可能會有一定的局限性，但是在方法和思路上對于重金屬生物有效性的預測具有較高的參考價值。在水稻糙米重金屬含量預測的研究上，劉影等（2007）通過對文獻調研所獲得的數據進行分析，建立了水稻籽粒 Cd與土壤Cd全量、pH、有機質之間的關系，相關系數達到了0.60。丁園等（2012）通過小范圍的田間試驗，利用多元線性回歸的方法建立了土壤中Cu、Cd植物有效性與土壤理化性質（土壤中重金屬全量、pH、有機質、速效磷）的統計模型，擬合效果較好。已有研究表明，重金屬的生物有效性與其有效態含量顯著相關。竇磊等（2008）在實際采樣研究中，以可提取態的富集系數較好地指示了土壤可提取態重金屬向蔬菜的轉移的特征。在前人研究的啟發下，本研究直接選取土壤Cd有效態、pH、SOM 這3個重要因素，直接探究其對水稻糙米Cd積累的影響。=由于采樣范圍分布較廣，在采樣過程中，尚未考慮農業活動（耕作方式、農藥化肥等）、地域氣候、水稻品種等因素對統計模型的影響，且農田-土壤系統是一個復雜的生態系統，除了所考慮的影響因素外，土壤理化性質（除pH、SOM外）等因素對統計模型均有影響。雖然本研究所建立的模型的可靠性受到諸多因素的影響，但在缺乏可靠預測模型的大環境下其對土壤Cd污染對水稻吸收積累Cd的影響評價仍具有一定積極的參考意義。

3　結論

（1）通過對研究區域內農田土壤-水稻系統重金屬Cd含量進行分析，發現西江流域中上游土壤Cd污染非常嚴重，土壤中Cd含量的幾何均值高于廣西土壤背景值。當土壤pH＜6.5、6.5≤pH≤7.5、pH＞7.5時，土壤 Cd的超標率分別為 90.63%、96.97%、98.36%；對應的水稻糙米部分被污染，超標率為19.34%。由單因子污染評價可知，超過50%的調查樣點土壤Cd處于重度污染等級，約90%的調查樣點土壤受到Cd污染。

（2）分區域對農田土壤-水稻系統重金屬Cd含量進行分析，由于采樣分布范圍較廣，各采樣區域土壤-水稻系統重金屬積累情況有所不同。位于西江流域上游且礦業活動較為密集的南丹、環江、金城江等地Cd污染較嚴重，應當從源頭加強預防礦業活動對當地生態環境的污染。

（3）由土壤重金屬污染單因子評價可知，超過50%的調查樣點土壤Cd處于重度污染水平，約90%的調查樣點土壤已被 Cd污染。需加大對土壤 Cd污染的治理力度，同時，建議通過調查研究，因地制宜，發展種植對Cd富集作用相對較弱的農作物。

（4）一元回歸分析結果表明土壤有效態 Cd、pH、SOM與水稻糙米Cd的積累具有明顯的相關性。基于3個因素對水稻糙米Cd積累的影響，建立了水稻糙米Cd含量、Cd生物富集系數的預測模型。其中，預測糙米Cd含量擬合度較好的多元非線性回歸模型及預測糙米Cd生物富集系數擬合度較好的多元線性回歸模型分別為：

（5）本文僅探討了土壤有效態Cd含量、pH、 SOM對水稻糙米重金屬積累的影響，該預測模型仍具有一定的局限性。若對其進行深入研究，應盡可能地考慮自然條件和人為活動的復雜性，如農業活動、地理環境、水稻品種等因素對統計模型的影響，綜合各種因素的共同影響。

（6）本文所建立的預測模型對于評價土壤重金屬污染對水稻吸收積累重金屬的影響具有一定積極的參考意義。但是考慮到實際情況，僅對模型的有效性進行了統計學分析，還未對模型進行實際采樣的驗證，有待進一步完善。

ADAMS M L， ZHAO F J， MCGRATH S P， et al. 2004. Predicting cadmium concentrations in wheat and barley grain using soil properties ［J］. Journal of Environmental Quality， 33（2）: 532-541.

BI X Y， FENG X B， YANG Y G， et al. 2006. Quantitative assessment of cadmium emission from zinc smelting and its influences on the surface soils and mosses in Hezhang County， Southwestern China ［J］. Atmospheric Environment， 40（22）: 4228-4233.

BOLAN N S， MAKINO T， KUNHIKRISHNAN A， et al. 2013. Cadmium contamination and its risk management in rice ecosystems ［J］. Advances in Agronomy， 119: 183-273.

BONTEN L T C， GROENENBERG J E， WENG L， et al. 2008. Use of speciation and complexation models to estimate heavy metal sorption in soils ［J］. Geoderma， 146（1-2）: 303-310.

DE V W， ROMKEN P F A M， BONTEN L T C. 2008. Spatially explicit integrated risk assessment of present soil concentrations of cadmium，lead， copper and zinc in the Netherlands ［J］. Water， Air and Soil Pollution， 191（1）: 199-215.

DING C， ZHANG T， WANG X， et al. 2013. Prediction Model for Cadmium Transfer from Soil to Carrot （Daucus carota L.） and its application to derive soil thresholds for food safety ［J］. Journal of Agricultural and Food Chemistry， 61（43）: 10273-10282.

FOWLER B A. 2009. Monitoring of human populations for early markers of cadmium toxicity: A review ［J］. Toxicology and Applied Pharmacology，238（3）: 294-300.

LI Z Y， TANG S， DENG X F， et al. 2010. Contrasting effects of elevated CO2on Cu and Cd uptake by different rice varieties grown on contaminated soils with two levels of metals: Implication for phytoextraction and food safety ［J］. Journal of Hazardous Material，177（1-3）: 352-361.

LIU D， ZHANG C， CHEN X， et al. 2013. Effects of pH， Fe， and Cd on the uptake of Fe2+and Cd2+by rice ［J］. Environmental Science and Pollution Research， 20（12）: 8947-8954.

NABULO G， BLACK C R， YOUNG S D. 2010. Assessing risk to human health from tropical leafy vegetables grown on contaminated urban soils ［J］. Science of the Total Environment， 408（22）: 5338-5351.

R?MKENS P， BRUS D， GUO H， et al. 2011. Impact of model uncertainty on soil quality standards for cadmium in rice paddy fields ［J］. Science of the Total Environment， 409（17）: 3098-3105.

SATARUG S， BAKER J R， URBENJAPOL S， et al. 2003. A global perspective on cadmium pollution and toxicity in non-occupationally exposed population ［J］. Toxicology Letters， 137（1-2）: 65-83.

SMITH S R. 2009. A critical review of the bioavailability and impacts of heavy metals in municipal solid waste composts compared to sewage sludge ［J］. Environment International， 35（1）: 142-156.

SU Y H， MCGRATH S P， ZHAO F J. 2010. Rice is more efficient inarsenite uptake and translocation than wheat and barley ［J］. Plant & Soil， 328（1）: 27-34.

YANG H， LI Z J， LONG J， et al. 2016. Prediction models for transfer of arsenic from soil to corn grain （Zea mays L.） ［J］. Environmental Science and Pollution Research， 23（7）: 6277-6285.

YUAN Y. 2014. Research Progress in the Effect of Physical and Chemical Properties on Heavy Metal Bioavailability in Soil-Crop System ［J］. Advances in Geosciences， 4（4）: 214-223.

ZHANG M K， LIU Z Y， WANG H. 2010. Use of single extraction methods to predict bioavailability of heavy metals in polluted soils to rice ［J］. Communications in Soil Science and Plant Analysis， 41（7）: 820-831.

陳同斌， 范稚蓮， 雷梅， 等. 2002. 磷對超富集植物蜈蚣草吸收砷的影響及其科學意義［J］. 科學通報， 47（8）: 1156-1159.

丁園， 史蓉蓉， 趙幗平， 等. 2012. 土壤中Cu、Cd植物有效性模型的建立與檢驗［J］. 江西農業大學學報， 34（6）: 1286-1290.

竇磊， 馬瑾， 游遠航， 等. 2008. 典型鄉鎮企業密集區土壤-蔬菜系統重金屬分布與關聯特征［J］. 土壤， 40（5）: 812-818.

方鳳滿， 汪琳琳， 謝宏芳， 等. 2010. 蕪湖市三山區蔬菜中重金屬富集特征及健康風險評價［J］.農業環境科學學報， 29（8）: 1471-1476.

黃奎賢， 覃柳妹， 吳少珍， 等. 2012. 廣西河池市重金屬污染現狀分析與治理對策［J］. 廣西科學院學報， 28（4）: 320-324.

孔凡彬， 劉陽. 2014. 單因子指數法和內梅羅指數法在土壤環境質量評價中的比較［J］. 甘肅科技， 30（3）: 21-22.

廖錦成， 王學力， 譚蓉娟， 等. 2009. 廣西河池市有色金屬產業發展思路初探［J］. 當代經濟， （9）: 96-98.

廖曉勇， 陳同斌， 謝華， 等. 2004. 磷肥對砷污染土壤的植物修復效率的影響: 田間實例研究［J］. 環境科學學報， 24（3）: 455-462.

劉影， 黃耀. 2007. 水稻籽粒鎘積累模型［J］. 安全與環境學報， 7（1）: 4-8.

錢寶， 劉凌， 肖瀟. 2011. 土壤有機質測定方法對比分析［J］. 河海大學學報（自然科學版）， 39（1）: 34-39.

項萌， 張國平， 李玲， 等. 2010. 廣西河池鉛銻礦冶煉區土壤中銻等重金屬的分布特征及影響因素分析［J］. 地球和環境， 38（4）: 495-500.

翟麗梅， 廖曉勇， 閻秀蘭， 等. 2009. 廣西西江流域農業土壤鎘的空間分布與環境風險［J］. 中國環境科學， 29（6）: 661-667.

張新英， 劉勇， 吳浩東， 等. 2010. 廣西河池大環江板力村近岸農田重金屬污染分析［J］. 農業環境科學學報， 29: 80-83.

趙勇， 李紅娟， 孫治強. 2006. 土壤、蔬菜Cd污染相關性分析與土壤污染閾限值研究［J］. 農業工程學報， 22（7）: 149-153.

中國環境監測總站. 1990. 中國土壤元素背景值［M］. 北京: 中國環境科學出版社: 334-337.

Cadmium Accumulation in Paddy Soil-rice System and Their Response Relationship in Non-ferrous Metal Mine Area

JI Menglan1， 2， YAN Jun1， 2， LIN Hua1， 2， ZHANG Xuehong1， 2， LI Haixiang1， 2*
1. Collaborative Innovation Center for Water Pollution Control and Water Safety in Karst Area， Guilin University of Technology， Guilin 541004， China
2. Guangxi Key Laboratory of Environmental Pollution Control Theory and Technology， Guilin University of Technology， Guilin 541004， China

Hechi City is in the upper reaches of Xijiang River， which is the most famous town of non-ferrous metals in China. The ecological environment is suffering serious heavy metals pollution due to long-term mining， smelting， processing and industrialization. In order to assess the impact of mining activities on soil and quality and safety of brown rice in the main regions of the upper-middle reaches of Xijiang River draining in Guangxi province， soil samples and corresponding rice samples were collected from study area. According to the Environmental Quality Evaluation Standards for Edible Agricultural Products （HJ332—2006）， the exceed standard rates of Cd contents in soil were 90.63%， 96.97%， 98.36% when soil pH＜6.5， 6.50≤pH≤7.50， and pH＞7.5，respectively. According to the Food Contaminants MRLs Standards （GB2762—2012）， the over standard rate of Cd content in brown rice was 19.34%. The single-factor evaluation showed that more than 50% of soil samples were severely polluted by Cd， and only 10% of soil samples contained Cd were in a clean level. Cd pollution in soil-rice system was more serious in the upper reaches of Xijiang River. Quantificational relationships were developed respectively for testing and quantifying the relations among Cd concentration in soil and bioconcentration factors （BCF） of Cd in brown rice with the soil available Cd concentration， soil pH and organic matters （SOM， %）. The fitting degrees of the model were higher than 50%. Results showed that multiple nonlinear regression was better to predict Cd contents in brown rice， while multiple linear regression was ideal to predict BCF of Cd. At the same time，the regression and residue analysis showed a good correlation with the computed and measured Cd concentration in rice grain which corresponded with a small and uniformly distributed residual， and this reveals the model used for the preliminary prediction of the Cd concentration in brown rice grains is reliable and reasonable to a certain extent. Research on the accumulation characteristics and responses of heavy metals in soil-rice system would be a practical significance for guiding practice production.

soil； brown rice； cadmium； response relationship； prediction model

10.16258/j.cnki.1674-5906.2016.06.018

X53

A

1674-5906（2016）06-1039-08

廣西自然科學基金項目（2013GXNSFBA019208）；“八桂學者”建設工程專項

季夢蘭（1991年生），女，碩士研究生，研究方向為重金屬污染控制理論與技術。E-mail: 80140321@qq.com

李海翔（1984年生），男，博士，講師，主要從事環境污染控制與修復研究。E-mail: lihaixiang0627@163.com

2016-03-07