某鉛鋅礦區農田重金屬分布特征及其風險評價

吳勁楠,龍 健*,劉靈飛,李 娟,廖洪凱,彭四清,萬洪富

?

某鉛鋅礦區農田重金屬分布特征及其風險評價

吳勁楠1,龍 健1*,劉靈飛1,李 娟2,廖洪凱1,彭四清3,萬洪富3

(1.貴州師范大學,貴州省山地環境信息系統與生態環境保護重點實驗室,貴州 貴陽 550001；2.貴州師范大學地理與環境科學學院,貴州 貴陽 550001；3.廣東省生態環境技術研究所, 廣東 廣州 510650)

為進一步探討鉛鋅礦開采和冶煉地區農田重金屬污染的分布特征和污染途徑,以會澤縣者海鎮鉛鋅礦區周邊農田土壤為研究對象,共布設496個采樣點,測定表層土壤中重金屬(Cd、Hg、Pb、Cu、Zn)的含量.利用自然鄰點法對表層土壤中重金屬含量進行插值擬合,以空間三維模型研究該地區農田土壤重金屬污染特征,運用單因子指數、綜合污染指數和潛在生態風險指數法對重金屬污染程度進行評價,采用相關分析、主成分分析和聚類分析識別污染途徑.結果表明:Cd、Hg、Pb、Cu和Zn的含量平均值(mg/kg)分別是云南省背景值的33.05、5.83、12.02、4.89和16.33倍;Cd、Hg、Pb、Zn含量空間分布表現為西北部濃度最高,且中部高于東西兩側,而Cu與此相反;單因子指數評價結果顯示99.8%的土樣達到Cd重度污染,其次是Cu(82.06%)、Zn(62.50%);綜合污染指數表明,研究區均處于重度污染程度,西北部尤為嚴重;綜合生態風險評價表明,中部風險高兩邊低,Cd的貢獻率最大占61%;相關分析結果顯示,Zn、Cd、Pb、Hg之間呈顯著正相關性(< 0.01),表明其污染途徑相近;主成分分析和聚類分析表明,Cd、Hg、Pb、Zn污染途徑主要與人類活動有關,Cu主要受自然因素影響,因此對該地區土壤重金屬的修復和治理應綜合考慮人為因素和自然因素的影響.

鉛鋅礦區農田；土壤重金屬污染；自然鄰點法；三維可視化；空間分布；風險評價

土壤重金屬污染是生態環境面臨的最嚴重的威脅之一,其危害直接作用于土壤生態系統、農產品、地下水等,并通過食物鏈危害人體健康[1-2].礦區周邊土壤的重金屬污染問題,尤其與農業生產有關的農田重金屬污染更是受到重視[3-4].云南素有“有色金屬王國”之稱,會澤縣者海鎮境內鉛鋅礦資源豐富,土法煉鋅規模龐大,歷史久遠,是國內典型的鉛鋅礦開采冶煉區.長期的開采和冶煉使土壤中重金屬污染物不斷積累,對當地農業生產和人體健康構成嚴重威脅,亟需摸清當地農田重金屬污染的總體情況.有學者已對該地區鉛鋅礦周邊土壤重金屬污染情況進行了研究[5-7],但調查范圍有限,缺乏關于冶煉企業對周邊農田宏觀污染特征的研究.空間插值與地理信息系統(GIS)已廣泛應用于土壤重金屬污染時空分布、預測模擬及風險評估等研究領域[8-12].隨著GIS技術的日益成熟,傳統的二維GIS會逐步被更為直觀的三維可視化模型和三維GIS所代替[13-16].有學者基于三維可視化對海洋環境、金屬礦山、數字城市等方面進行模擬和研究[17-19],但基于空間三維模型的與土壤重金屬污染相關的應用研究鮮有報道.為進一步探討農田土壤重金屬污染的分布特征,識別污染途徑,本文以者海鉛鋅礦周邊農田土壤為研究對象,利用自然鄰點法插值擬合,以三維立體模型研究該地區農田土壤重金屬污染特征,運用單因子指數法、綜合污染指數法和潛在生態風險指數法對重金屬污染程度進行評價,利用相關分析、主成分分析和聚類分析識別污染來源,為該區土壤重金屬污染防治和修復提供科學支持.為土壤重金屬空間分布、污染評價等研究領域提供直觀的三維可視化應用方法.

1 材料與方法

1.1 研究區概況與樣品采集

研究區位于云南省會澤縣者海鎮(103°34￠E~ 103°40￠E,26°30￠N~26°33￠N).會澤縣是我國重要的有色金屬礦區之一,有色金屬冶煉歷史悠久,已探明礦產資源多達29種,尤以鉛鋅礦石、銅礦石等金屬資源最為豐富.境內平均海拔2120m,主要土壤類型為紅壤、棕壤等[20].者海鎮位于會澤南部多雨區向北部少雨區的過渡地帶,屬亞熱帶季風性氣候,干濕季節明顯,雨量夏季多冬季少,年平均氣溫12.6℃,年平均降水量847.1mm[21-22].

為了全面調查者海鎮農田重金屬污染情況,選取者海鎮南部的旱地作為研究區域,利用ArcGIS 9.3對研究區G213國道西邊(200×200m網格)和東邊(300×300m網格)約2000hm2的農田進行網格布點,在格網內部生成中心點.再與者海鎮遙感影像進行比對,剔除或適當移動落在耕地之外的點,保證點位具有代表性,最終研究區西半部共設346個采樣點,東半部共150個采樣點,合計共采集496個土壤樣品.土壤樣品為采集深度0~20cm的表層土壤.用手持GPS儀對采樣點進行定位,土壤樣品按照《農田土壤環境質量監測技術規范》(NY/T395-2000)[23]要求,均以梅花法布點,用木鏟均勻隨機采取5個以上土壤樣本點,經充分混合后,四分法采集約1.5kg土樣裝入密封袋帶回實驗室.經室內自然風干,去除異物,取一部分過8目尼龍篩;另一部分經瑪瑙研缽研磨,過100目尼龍篩,裝入自封袋備用.研究區地理位置及采樣點分布見圖1.

圖1 研究區的地理位置及采樣點空間分布

1.2 樣品測定

土壤樣品pH值采用固液比1:2.5玻璃電極法(GB7859-87)[24]進行測定.稱取0.2000g土壤樣品經過HNO3-HF-HClO4消解后,Cd采用石墨爐原子吸收分光光度法(GB/T17141-1997)[25]進行測定;Pb、Cu和Zn采用火焰原子吸收分光光度法(GB/T17138-1997)[26]進行測定;稱取0.2000g土壤樣品經王水水浴消解后,Hg采用原子熒光分光光度法進行測定.測定全程采用空白樣、10%平行樣和國家土壤樣品標準(GBW07401)進行質量控制,質量控制及最終實驗數據由廣東省生態環境技術研究所提供.

1.3 重金屬污染評價方法

1.3.1 評價標準 對研究區土壤中重金屬Cd、Hg、Pb、Cu、Zn進行污染評價的標準參考云南省土壤背景值[27]和《土壤環境質量標準》(GB15618-1995)Ⅱ級標準,Ⅱ級標準主要適用于農田、蔬菜地、茶園、果園、牧場等土壤,是保障農業生產、維護人體健康的土壤限制值[28],見表1.

1.3.2 單因子指數法 對研究區土壤重金屬污染評價采用單因子指數法(PI).計算公式如下:

式中:P為污染物的污染指數;C為污染物的實測值;S為污染物的環境質量Ⅱ級標準值(根據污染物所在土壤樣品的pH值確定).

表1 土壤質量Ⅱ級標準和云南省土壤背景值(mg/kg)

1.3.3 內梅羅綜合污染指數法 內梅羅綜合污染指數法(NPI)能全面反映各污染物對土壤污染的不同程度,同時又突出高濃度對土壤環境質量的影響,可反映多種污染物的綜合污染水平[29].其公式如下:

式中:P為綜合污染指數;Pmax為各單項污染指數(P)中的最大值;Pave為各單因子污染指數(P)的平均值.根據單因子指數(P)和綜合污染指數(P)的大小可將土壤污染程度劃分為5級[30],見表2.

表2 單因子(Pi)和內梅羅綜合污染指數(Pn)分級原則

1.3.4 潛在生態風險評價 重金屬潛在生態風險指數法(PER)是瑞典學者Hakanson[31]提出的,該指數在評價重金屬污染時考慮了生物毒性,可反映多種污染物的綜合作用,并定量地劃分出潛在生態風險程度[32].其計算公式為:

式中:RI為綜合潛在生態風險指數;E為第種重金屬的潛在生態風險指數;T為第種元素的毒性系數;C為第種元素的污染系數;C為第種元素的實測值;C為第種元素的背景值.潛在生態風險指數具體分級標準和風險程度劃分[33]見表3.5種重金屬的毒性系數T分別為Cd=30、Hg=40、Pb=30、Cu=5、Zn=1[31].

表3 重金屬潛在生態風險評價和風險程度分級標準

1.4 數據分析

使用SPSS 22進行多元統計分析,并用Origin 9.0繪制圖表,運用Pearson相關性分析、主成分分析和分層聚類分析探討研究區重金屬污染途徑.利用自然鄰點插值法對土壤重金屬進行空間插值擬合[34].自然鄰點法是一種基于泰森多邊形理論的局部插值方法,該方法對于高離散度的數據具有良好的插值效果[35].利用Surfer 13繪制重金屬空間分布圖.本文使用了分辨率為30m的G-DEM數字高程模型,數據來源于中國科學院計算機網絡信息中心國際科學數據鏡像網站(http://www.gscloud.cn).

2 結果與討論

2.1 土壤pH值、重金屬含量及污染程度

研究區農田表層土壤重金屬含量見表4,表層土壤pH值在4.17~7.77之間,平均值為5.73,變異系數為0.13,這表明表層土壤總體呈酸性.同時表層土壤的5種重金屬含量表現出較大的差異,Cd、Hg、Pb、Cu、Zn的含量(mg/kg)變化分別為0.213~108.83、0.01~3.36、59.00~10058.73、56.10~615.50、135.50~22676.32;平均含量(mg/kg)分別為7.27、0.35、488.14、226.24、1465.00;5種重金屬元素的變異系數(CV)順序為Cd(1.56)> Pb(1.53)>Zn(1.3)>Hg(0.8)>Cu(0.2).不同于pH值(0.13)較小的變異系數,Cd、Pb、Zn和Hg極高變異系數表明不同的采樣點4種重金屬含量變化差異明顯,離散性較大.這說明4種重金屬受到外緣因素的影響較大,空間分布差異明顯[36];而Cu的低變異系數表明Cu在表層土壤中的含量分布較為均勻,說明Cu受外界干擾的影響較小.對5種重金屬和pH值的變異性特征進行了K-S正態性檢驗,除Cu服從正態分布外,其余重金屬和pH值分布呈現右偏態.

與云南省土壤背景值相比,Cd、Hg、Pb、Cu、Zn含量平均值(mg/kg)分別是云南省背景值的33.05、5.83、12.02、4.89和16.33倍,表明5種重金屬元素在土壤中已有不同程度的積累,Cd積累最為明顯,其次是Zn和Pb.根據《土壤環境質量標準》(GB15618-1995)二級標準,5種重金屬的含量超標率為Cd(99.80%) > Cu(99.4%) > Zn(98.59%)>Pb(64.92%)>Hg(37.50%).本研究中土壤pH值的研究結果與鄒小冷等[5]和陸泗進等[6]的研究一致,表明研究區所處環境土壤普遍為酸性土壤,這使得土壤顆粒表面負電荷減少,降低土壤對重金屬的吸附作用,增加重金屬在土壤中的遷移性和生物活性[37].研究區5種重金屬的平均含量(mg/kg)與劉曉燕[7]等研究結果(Cd(11.16)、Hg(0.47)、Pb(394.66)、Cu(226.81)、Zn(1451.63))相近.鄧琴等[38]對貴州黔東某鉛鋅礦區旱地重金屬污染研究表明,土壤中Cd、Zn、Pb等重金屬超標嚴重.陸泗進等[39]對湖南桂陽某鉛鋅礦區污染研究表明重金屬超標率Cd(91%)最嚴重,與本研究結果相近.

表4 研究區農田土壤pH值和重金屬含量 (mg/kg)

2.2 重金屬污染評價

對研究區重金屬污染程度的評價結果見圖2.PI評價結果表明,5種重金屬P指數平均值分別為Cd(24.09)>Zn(7.04)>Cu(4.17)>Pb(1.88)> Hg(1.06).Cd、Pb、Hg和Zn污染指數P的變化范圍更大,Cu的變化范圍相對較小.P指數大于3,屬重度污染比例Cd(99.80%)>Cu(82.06%)>Zn (62.50%)>Pb(9.07%)>Hg(3.23%),各重金屬均有相當程度的累積,尤其Cd最為嚴重.NPI結果顯示,P指數平均值為18.10,超過重度污染分級標準的6倍,范圍在2.59~265.47之間,采樣點P指數>3,達到重度污染水平的比例占總點位的99.80%,這表明研究區內已普遍受到重金屬污染,污染形勢嚴峻.

PER評價結果表明,5種重金屬E指數平均值為Cd(991.39)>Pb(360.70)>Hg(232.84)>Cu (24.43)>Zn (16.33).表明Cd和Pb達到極強風險等級,其中Cd生態風險最為嚴重,其均值超過了極強風險分級標準的3倍.其次Hg生態風險也很嚴重,處于很強風險水平.Cu和Zn生態風險較輕,屬于輕微風險水平.綜合潛在生態風險評價結果顯示,RI均值為1625.69,屬極強生態風險.最大值為16923.12,最小值為156.87.其中屬強生態風險的比例占99.60%,極強生態風險占42.14%.Cd對綜合生態風險貢獻最大,平均貢獻率占61%.

圖2 研究區土壤重金屬單因子污染指數(PI)、綜合污染指數(NPI)和潛在生態風險指數(PER)評價結果箱式圖

2.3 土壤重金屬及污染程度空間分布特征

分析重金屬污染物的空間分布特征是一種鑒別污染物來源和高污染熱點地區非常有效的方法[40-41].利用自然鄰點插值法,繪制出5種重金屬含量和pH值的空間三維分布圖及污染程度的三維熱圖(圖3).研究區農田表層土壤重金屬污染的總體趨勢表現為西北部最嚴重,且污染程度從中部向東西兩側遞減.研究區表層土壤的酸堿度呈現出西半部酸性強,東半部酸性較弱的情況.

對于Cd,含量較高的區域集中在研究區的西北部和中部偏西地區,其含量分布趨勢由北向南、由中部向東西方向遞減.研究區西北部靠近多個污染企業的下游,冶煉時直接排放的廢氣廢水和露天堆積礦渣經雨水沖刷產生的滲濾液不僅流入河道污染周邊的農田,而且滲入地下,污染地下水.周邊農業生產活動長期使用被重金屬污染的河水和地下水更加劇了此地農田受污染程度[42].PI顯示,整個研究區范圍均為重度污染,其中北部和西部存在一些極重度污染的熱點地區,P達到了100以上.PER表明整個研究區范圍內均處于Cd很強或極強生態風險水平,其中研究區的北部和西部風險更高,一些區域風險指數出現極端值,而東部風險相對低,但也處于很高風險水平.

圖3 研究區土壤Cd、Hg、Pb、Cu、Zn含量和pH值三維空間分布圖及重金屬污染評價三維熱圖

對于Pb和Zn,除西北部之外,高污染區域也出現在研究區中部靠近G213國道附近,其含量由中部向周圍遞減,這說明Zn和Pb污染途徑除了受到污染企業三廢的污染外,還可能與交通運輸造成的污染有關,尤其是與汽車尾氣、輪胎磨損、運送礦石和廢渣產生的散落和揚塵有關[43].這與鄒小冷等[5]的研究結果一致.Pb的PI評價結果沿中部國道兩側積累較其他區域更嚴重,均呈現出中度和重度污染水平.PER在研究區中部偏西和北部地區處于強生態風險及更嚴重的水平,極端值也出現在國道的兩側,污染程度沿中部國道附近向兩邊逐漸遞減.Zn的PI評價結果顯示,其重度、極重度污染地區主要集中在北部和中部片區,而Zn的PER顯示其潛在生態風險水平較低,高風險地區僅零星分布在北部和中部.

對于Hg,研究區中部偏西片區含量較高,東部和西南部含量較低.由于Hg在冶煉金屬時極易蒸發,絕大部分以蒸汽態或附著于粉塵隨煙氣一起向外飄散,由地形可知,研究區西部位于山谷中,兩側的高山會使風攜帶煙氣沿山谷方向運動經過西部農田,所以污染原因很可能是含Hg的煙氣和粉塵形成大氣沉降,對農田造成污染[44].中部公路兩側出現高污染可能也與交通運輸有關.對于Cu,其含量分布較為均勻,總體呈現出中部含量略低,東西部含量略高的分布情況,與其它重金屬的分布截然相反.由此可以推測研究區內土壤Cu的超標可能是由于高背景值導致的.

NPI評價結果顯示,整個研究區均屬于重污染水平,北部和西部地區出現極端值,說明這些地區污染已相當嚴重.PER綜合潛在生態風險評價表明,整個研究區均處于高風險水平,北部、西部和中部地區風險屬很高和極高風險地區,并有極端值.Cd的Ei值與RI值在空間分布上有很強的一致性,其對于綜合潛在生態風險的貢獻最大.

2.4 重金屬來源分析

利用Pearson相關分析得出5種重金屬和pH值之間的相關系數(表5),Cd、Hg、Pb、Zn彼此之間均呈極顯著正相關性(<0.01).這表明這4種重金屬地球化學性質相似,可能具有相同的污染源,這與其他研究結果相似[5-6].Cu與其他4種重金屬的相關性較弱,說明Cu的來源與其他重金屬有顯著的差異.酸堿度與重金屬之間的相關關系不顯著.

基于相關性矩陣,對5種重金屬進行主成分分析,探究其相同的來源[9,40-41],結果見表6.2種特征值超過1的主成分被提取出來,累積貢獻率超過了84%.PC1的主要成分荷載均大于0.8,包括Zn(0.929)、Cd(0.890)、Hg(0.850)和Pb(0.881),貢獻率為63.289%.這表明第一主成分的4種重金屬具有同源性,可能的來源主要與研究區周邊金屬礦物開采和冶煉產生的礦渣、廢氣和廢水等人為因素造成的污染有關.而Cu(載荷為0.984)被分為PC2,貢獻率為20.998%,可以推測Cu的主要來源可能是非人為因素,主要與該地成土礦物相關的土壤背景值有關.

表5 研究區土壤pH值和重金屬之間的相關系數

注:*表示顯著,<0.05;**表示極顯著,<0.01.

表6 研究區土壤重金屬主成分分析及相關荷載

注:加粗顯示的數據為荷載超過0.5.

利用開源統計學軟件R語言(http://www.r- project.org),以Ward歐式距離法將研究區5種重金屬496個采樣點的數據進行分層聚類分析(CA)[9,41],并以5種重金屬(Cd、Hg、Pb、Cu、Zn)為X軸,496個樣點為Y軸繪制聚類分析熱圖(圖4).圖中每一條帶顏色的細矩形塊表示每個采樣點一種重金屬的含量,顏色從藍色到紅色表示重金屬的含量從低到高.從X軸方向的譜系圖可以看出,5種重金屬被分為A和B兩組.Hg、Cd、Pb和Zn被分為A組,表明這4種重金屬污染途徑相近.Cu被分為第B組,表明Cu與其他4種重金屬可能具有不同的來源.這與主成分分析的結果相一致.

圖4 研究區土壤重金屬分層聚類譜系圖

Y軸方向的譜系圖表明,496個采樣點被分成了Ⅰ、Ⅱ和Ⅲ 3組,與空間分析的結果大體相似.Ⅰ組共134個樣點,占樣點總數的27%,顯示為其矩形塊的顏色偏紅色,說明5種重金屬含量均比其他樣點高,屬污染最嚴重的地區.Cd、Hg、Pb、Cu和Zn的平均含量(mg/kg)分別為17.73、0.59、903.48、242.93、3263.95,分別是土壤質量Ⅱ級標準最大限值的35.46、0.59、2.58、2.43和10.88倍.Ⅰ組的樣點大部分位于研究區的西北部和西部邊界靠近污染企業地區.這表明這些地區的土壤污染途徑相同,主要為污染企業排放的廢氣廢水和礦渣造成的直接污染.Ⅱ組共237個樣點,占總樣點數的48%,其矩形塊的顏色顯示為Cd、Hg、Pb、Zn大部分為黃色,Cu主要為黃色和藍色,5種重金屬含量均不同程度地低于Ⅰ組.Ⅱ組樣點主要分布在研究區離污染企業相對較遠的中部G213國道附近和中偏西的部分地區,這說明這些地區在污染企業直接污染有限的情況下,其重金屬的來源還可能與運送鉛鋅礦及礦渣的汽車和煙氣粉塵干濕沉降有關.Ⅲ組共125個樣點,占總數的25%,其矩形塊的顏色顯示為Cd、Hg、Pb、Zn總體呈藍色,Cu主要呈黃色,說明Ⅲ組除Cu外,其余4種重金屬含量均低于Ⅰ組和Ⅱ組,污染程度相對較輕.Ⅲ組主要分布在研究區東部和靠近的西南邊界地區,這些地區距離污染企業最遠,污染途徑主要與污染企業冶煉金屬時產生的煙氣和粉塵擴散有關.

綜上,結合空間分析的結果,重金屬Cd、Hg、Pb和Zn污染主要由人為因素導致,Cu主要源自于土壤高背景值.其中研究區西北部污染最嚴重的地區是污染企業采礦和冶煉排放的廢氣廢水和礦渣直接污染造成的,中部地區的污染主要是由于大氣沉降作用和礦區交通運輸產生的污染,西南部和東部距離污染企業較遠污染較輕.分析表明應及時控制當地重金屬的污染源,關停落后冶煉企業,嚴格監管廢氣廢水和礦渣達標排放,同時加強當地交通運輸的管理,緩解土壤重金屬污染狀況.

3 結論

3.1 研究區農田土壤總體顯酸性,Cd、Hg、Pb、Cu和Zn的平均含量均超出云南土壤背景值, Cd、Zn、Pb均超出10倍以上.以土壤環境質量Ⅱ級標準為參考,Cd、Cu和Zn超標率達到98%以上.Cd、Hg、Pb、Zn含量空間分布表現為西北部最為嚴重,從中部向兩邊遞減,而Cu與此相反.

3.2 Cd重度污染和強生態風險空間范圍遍布整個研究區,污染程度最為嚴重;Hg、Pb、Zn表現為中部高,東西部低,而Cu卻相反.研究區綜合污染程度呈重度污染水平,綜合生態風險評價表明中部風險高兩邊低,Cd的貢獻率最大.

3.3 研究區Zn、Cd、Pb、Hg之間呈顯著正相關(<0.01),主成分分析和聚類分析均表明,Zn、Cd、Hg和Pb污染具有同源性,主要受采礦和冶煉等人為因素影響,Cu污染主要源自當地土壤背景值.樣點分為3類,西北部污染程度最嚴重,中部次之,西南和東部相對較輕.

[1] Meena R, Datta S P, Golui D, et al. Long-term impact of sewage irrigation on soil properties and assessing risk in relation to transfer of metals to human food chain [J]. Environmental Science & Pollution Research, 2016,23(14):14269-14283.

[2] Zhao F J, Ma Y, Zhu Y G, et al. Soil contamination in China: current status and mitigation strategies [J]. Environmental Science & Technology, 2015,49(2):750-759.

[3] 孫清斌,尹春芹,鄧金鋒,等.大冶礦區周邊農田土壤和油菜重金屬污染特征研究 [J]. 農業環境科學學報, 2012,31(1):85-91.

[4] 張 廈,宋 靜,高 慧,等.貴州鉛鋅冶煉區農田土壤鎘鉛有效性評價與預測模型研究 [J]. 土壤, 2017,49(2):328-336.

[5] 鄒小冷,祖艷群,李 元,等.云南某鉛鋅礦區周邊農田土壤Cd、Pb分布特征及風險評價 [J]. 農業環境科學學報, 2014,33(11): 2143-2148.

[6] 陸泗進,王業耀,何立環.會澤某鉛鋅礦周邊農田土壤重金屬生態風險評價 [J]. 生態環境學報, 2014,23(11):1832-1838.

[7] 劉小燕,陳棉彪,李良忠,等.云南會澤鉛鋅冶煉廠周邊土壤重金屬污染特征及健康風險評價 [J]. 農業資源與環境學報, 2016, 33(3):221-229.

[8] 姚榮江,楊勁松,謝文萍,等.蘇北濱海灘涂區土壤重金屬含量及其時空變異研究 [J]. 中國環境科學, 2016,36(6):1810-1820.

[9] Yuan C, Jia G, Chai S, et al. Source identification of eight heavy metals in grassland soils by multivariate analysis from the Baicheng-Songyuan area, Jilin Province, Northeast China [J]. Chemosphere, 2015,134:67-75.

[10] 段曉勇,印 萍,劉金慶,等.灤河口表層沉積物中重金屬和多環芳烴的分布、來源及風險評估 [J]. 中國環境科學, 2016,36(4): 1198-1206.

[11] 孫 慧,郭治興,郭 穎,等.廣東省土壤Cd含量空間分布預測 [J]. 環境科學, 2017,38(5):2111-2124.

[12] 李佳璐,姜 霞,王書航,等.丹江口水庫沉積物重金屬形態分布特征及其遷移能力 [J]. 中國環境科學, 2016,36(4):1207-1217.

[13] 袁林旺,俞肇元,羅 文,等.基于共形幾何代數的GIS三維空間數據模型 [J]. 中國科學:地球科學, 2010,40(12):1740-1751.

[14] 張樹清,周成虎,張俊巖,等.泛知識化三維GIS表達模型(UKRM) [J]. 中國科學:地球科學, 2016,42(2):214-228.

[15] 朱 慶.三維GIS及其在智慧城市中的應用 [J]. 地球信息科學學報, 2014,16(2):151-157.

[16] 甄紅鋒,趙耀強,成 波.三維GIS可視化系統在地鐵監測中的應用 [J]. 地下空間與工程學報, 2016,12(1):138-142.

[17] 高錫章,馮杭建,李 偉.基于GIS的海洋觀測數據三維可視化仿真研究 [J]. 系統仿真學報, 2011,23(6):1186-1190.

[18] 李 楊,楊天鴻,劉洪磊,等.大安山煤礦三維可視化系統的建立及安全監測分析 [J]. 采礦與安全工程學報, 2014,31(2):277- 283.

[19] 杜福光.基于ArcScene城市三維可視化研究與應用 [D]. 西安科技大學, 2010.

[20] 李敬偉,湛方棟,何永美,等.云南會澤鉛鋅礦區土壤理化與生物學性質 [J]. 應用與環境生物學報, 2014,20(5):906-912.

[21] 尹 鑫,周廣柱,王翠珍,等.者海鉛鋅渣中重金屬的賦存形態及環境風險評價 [J]. 地球與環境, 2016,44(4):478-483.

[22] 房 輝,曹 敏.云南會澤廢棄鉛鋅礦重金屬污染評價 [J]. 生態學雜志, 2009,28(7):1277-1283.

[23] NY/T395-2000 農田土壤環境質量監測技術規范 [S].

[24] GB7859-87 森林土壤pH值的測定 [S].

[25] GB/T17141-1997 土壤質量鉛、鎘的測定石墨爐原子吸收分光光度法 [S].

[26] GB/T17138-1997 土壤質量銅、鋅的測定火焰原子吸收分光廣度法 [S].

[27] 中國環境監測總站.中國土壤元素背景值 [M]. 北京:中國環境科學出版社, 1990:330-485.

[28] GB15618-1995 土壤環境質量標準[S].

[29] 劉靈飛,龍 健,萬洪富,等.貴州喀斯特山區銻冶煉廠對農業土壤污染特征的影響及風險評價 [J]. 土壤, 2013,45(6):1036- 1047.

[30] 田 莉,李國琛,王顏紅,等.葫蘆島鋅廠周邊農田土壤重金屬濃度的空間變異及污染評價 [J]. 生態學雜志, 2016,35(11):3086- 3092.

[31] Hakanson L. An ecological risk index for aquatic pollution control.a sedimentological approach [J]. Water Research, 1980, 14(8):975-1001.

[32] 范明毅,楊 皓,黃先飛,等.典型山區燃煤型電廠周邊土壤重金屬形態特征及污染評價 [J]. 中國環境科學, 2016,36(8):2425- 2436.

[33] 熊秋林,趙佳茵,趙文吉,等.北京市地表土重金屬污染特征及潛在生態風險 [J]. 中國環境科學, 2017,37(6):2211-2221.

[34] 繆 坤,李少梅,郭 健,等.Surfer軟件中高程數據內插方法比較分析 [J]. 測繪科學技術學報, 2014,31(4):431-435.

[35] 高 洋,張 健.基于自然鄰點插值的數據處理方法 [J]. 中國科學院大學學報, 2005,22(3):346-351.

[36] 曹宏杰,王立民,羅春雨,等.三江平原地區農田土壤中幾種重金屬空間分布狀況 [J]. 生態與農村環境學報, 2014,30(2):155- 161.

[37] 姚榮江,楊勁松,謝文萍,等.江蘇沿海某設施農區土壤重金屬累積特點及生態風險評價 [J]. 農業環境科學學報, 2016,35(8): 1498-1506.

[38] 鄧 琴,吳 迪,秦樊鑫,等.巖溶鉛鋅礦區土壤重金屬污染特征 [J]. 中國巖溶, 2016,36(2):248-254.

[39] 陸泗進,何立環,王業耀.湖南省桂陽縣某鉛鋅礦周邊農田土壤重金屬污染及生態風險評價 [J]. 環境化學, 2015,34(3):591- 592.

[40] 鄭江鵬,矯新明,方南娟,等.江蘇近岸海域沉積物重金屬來源及風險評價 [J]. 中國環境科學, 2017,37(4):1514-1522.

[41] Xiao Q, Zong Y T, Luo S G. Assessment of heavy metal pollution and human health risk in urban soils of steel industrial city (Anshan), Liaoning, Northeast China [J]. Ecotoxicology & Environmental Safety, 2015,120:377-385.

[42] 廖國禮,吳 超.礦山不同片區土壤中Zn、Pb、Cd、Cu和As的污染特征 [J]. 環境科學, 2005,26(3):157-161.

[43] 李曉艷,吳 超.某鉛鋅礦區公路兩側土壤重金屬污染分布研究 [J]. 環境工程, 2017,35(1):137-140.

[44] 李仲根,馮新斌,閉向陽,等.貴州省某土法煉鋅點土壤重金屬污染現狀 [J]. 生態學雜志, 2011,30(5):897-901.

Spatial distribution and risk assessment of heavy metal pollution in farmland soil of a lead-zinc mining area.

WU Jin-nan1, LONG Jian1*, LIU Ling-fei1, LI Juan2, LIAO Hong-kai1, PENG Si-qing3, WAN Hong-fu3

(1.Guizhou Provincial Key Laboratory for Information System of Mountainous Areas and Protection of Ecological Environment, Guizhou Normal University, Guiyang 550001, China；2.Department of Geography and Environmental Science, Guizhou Normal University, Guiyang 550001, China；3.Guangdong Institute of Eco-Environmental Technology, Guangzhou 510650, China)., 2018,38(3)：1054~1063

The purpose of this study was to further investigate the general distribution of heavy metal in farmland soils and to identify the possible sources of heavy metals pollution from a lead-zinc mining and smelting area in Zhehai, a town of Huize County. A total of 496topsoil samples were collected and the concentrations of Cd, Hg, Pb, Cu and Zn were determined in all the soil samples. The concentrations of heavy metals in surface soil were interpolated using the Natural Neighbor Interpolation method and three-dimensional models were created to study spatial characteristics of heavy metal pollution in the cropland soils. The degrees of heavy metals pollution were evaluated by using Single Pollution index (PI), Nemero Synthesis Pollution index (NPI) and Potential Ecological Risk index (PER). Principle Component Analysis and Cluster Analysis were used to identify pollution sources. The results showed that the concentrations (mg/kg) of Cd, Hg, Pb, Cu and Zn were 33.05, 5.83, 12.02, 4.89 and 16.33times as compared to soil background values of Yunnan Province, respectively. Spatial distribution of Cd, Hg, Pb and Zn in the cropland soils illustrated that the most seriously polluted region was in the northwest, meanwhile the center was more severe than the other two sides. The concentration of Cu, however, was showed a contrast trend. The results of PI showed that 99.8% of the amount of the soil samples was contaminated by Cd, which reached the heavy pollution level, and was followed by Cu (82.06%) and Zn (62.50%). NPI indicated that the whole study area belonged to heavy pollution degree, and especially in the northwest was the most severe region. PER demonstrated that high risk appeared in the middle while low risk could be found on both sides, which Cd made the greatest contribution to with a ratio of 61%. Correlation analysis revealed that Zn, Cd, Pb and Hg were positively correlated with each other (<0.01), indicating that these four pollutants might come from the same source. The results of Principal Component Analysis and Cluster Analysis showed that Cd, Hg, Pb and Zn were mainly affected by the mining activities, while Cu was mostly affected by natural factors. Therefore, in order to recover the soil from heavy metal pollution, the impact of both anthropogenic and natural sources should be taken into accounts.

cropland in lead-zinc mining and melting area；soil heavy metal pollution；natural neighbor interpolation；three-dimensional visualization；spatial distribution；risk assessment

X131.3

A

1000-6923(2018)03-1054-10

吳勁楠(1993-),男,河北唐山人,碩士研究生,研究方向為喀斯特山地環境污染與防治.

2017-08-10

國家自然科學基金委員會-貴州省人民政府喀斯特科學研究中心資助項目(U1612442);貴州省科技廳聯合資金資助項目(黔科合LH字[2015]7781號)

* 責任作者, 教授, longjian22@163.com