影響小白菜鉛吸收的土壤因素和預測模型研究

徐溫新，李 艷，代允超，呂家瓏*

（1.西北農林科技大學資源環境學院，農業部植物營養與農業環境重點實驗室，陜西 楊凌 712100；2.陜西省農業環境保護監測站，西安 710003）

鉛（Pb）由于其在土壤中的溶解性和遷移性較大，是一種危害性很大的微量重金屬元素[1-2]，土壤和蔬菜已受到一定程度的Pb污染，大多數重金屬可以通過食用蔬菜很容易地進入食物鏈[3-4]，因此農業土壤的重金屬污染是一個嚴重的問題。有研究表明，單獨使用金屬總量不足以準確評估重金屬的風險，在評價生物有效性時應側重于重金屬生物活性而不是總量[5]。但是目前土壤中的金屬總含量仍被中國和歐盟等國家用作制定土壤環境質量標準的基本指標，近年來，很多相關研究也是采用重金屬總量來構建重金屬風險評估的預測模型[6]。土壤性質如土壤質地、pH、有機碳（OC）、碳酸鈣（CaCO3）、陽離子交換量（CEC）、氧化鋁（Alox）和氧化鐵（Feox）都會影響Pb在土壤中的遷移率和生物有效性[7-8]。然而，這些土壤性質之間的相互關系使得影響土壤中Pb生物有效性的主要變量難以確定。因此，可以通過逐步多元線性分析來確定土壤性質和Pb生物有效性之間的關系。故本研究利用土壤中總Pb含量結合土壤基本理化性質，對Pb在土壤中的生物有效性及其向植物中的運移特性展開研究。

除了土壤因素，Pb的生物有效性與作物的種類也有一定關系，研究表明，小白菜對Pb具有較高的吸收能力[9]。雖然許多研究調查了各種植物攝取Pb的機制，但大多數集中在具有單一土壤或性質相似的土壤中，這限制了結果的普遍應用性[10]。中國地域廣闊，土壤性質差異很大，因此，在進行土壤Pb生態風險評價時需要考慮土壤性質對Pb生物有效性的影響，但仍然缺乏在不同種類土壤上普遍適用的評價Pb生物有效性的方法，構建適用于各種土壤類型的預測模型至關重要。因此，本研究選取我國15種理化性質差異很大的土壤，以小白菜為研究對象，旨在測定其在不同性狀土壤上對Pb的吸收特征，評估影響小白菜對Pb生物有效性的主要因素，構建小白菜在不同的土壤類型吸收Pb的預測模型。

1 材料與方法

1.1 供試土壤

采集我國15個省份理化性質差異較大的土壤，采樣深度為0～20 cm，土壤樣品風干后過20目尼龍篩，供土壤基本理化性質測定。分析方法參照《土壤農化分析》[11]。使用濕酸消解法（HNO3-HF-HClO4）對供試土壤樣品進行消解處理，浸提液使用原子吸收分光光度計（Hitachiz-2000，日本）測量其中的總Pb含量。供試土壤基本理化性質見表1，可以看出，其pH變化范圍為4.90～8.80；OC含量范圍為6.78～20.70 g·kg-1；CaCO3含量范圍為0～53.57 g·kg-1；CEC含量范圍為 8.70～31.11 cmol·kg-1；黏粒含量范圍為 6.66%～42.91%；Feox和Alox含量范圍分別為0.72～2.34 g·kg-1和0.05～0.26 g·kg-1，15種供試土壤包含了酸性土、中性土和堿性土，其理化性質變化很大。

表1 供試土壤基本理化性質Table 1 Selected soil properties

1.2 實驗布置和樣品分析

在陜西省楊凌區進行盆栽實驗。按照《土壤環境質量標準》（GB 15618—1995）二級標準中Pb的限量，pH＜6.5時，250 mg·kg-1；pH為6.5～7.5時，300 mg·kg-1；pH＞7.5時，350 mg·kg-1。將外源Pb（PbNO3）以0、150 mg·kg-1和300 mg·kg-1的標準分別施用于含有1 kg土壤的盆中，分別記為對照（CK），Pb1和Pb2。將Pb溶解在水中以確保混合均勻，每個處理重復三次，自然條件下放置三個月使其老化。期間土壤水分保持在最大持水量的80%，并且每周稱重并補水。在土壤老化后，向每盆土壤中加入含有0.30 g氮（尿素），0.10 g磷[Ca（H2PO4）2]和0.20 g鉀（K2SO4）的基肥。然后將小白菜種子（金旱生，陜西秦興種苗有限公司）直接播種在盆栽土壤中，并且在發芽后，根據長勢每盆定苗兩株。在整個生長期間土壤水分都保持在最大持水量的80%，白天和晚上的溫度分別控制在20℃和15℃，空氣濕度為60%～70%。

生長60 d后將小白菜收獲，將收獲小白菜后的土壤樣品風干并過0.15 mm尼龍篩，經HNO3-HF消煮。新鮮植物樣品用蒸餾水沖洗，100℃烘箱干燥，并在密封的高壓系統下用HNO3-H2O2消化。用石墨爐原子吸收光譜儀（日立Z-2000，日本）測量消煮液中土壤樣品和植物樣品中的總Pb含量。每個樣品重復三次，用GBW10015作標準參考材料，以確保測試的準確性。

1.3 數據分析

生物富集系數（BCF）是植物樣品中金屬含量與土壤中金屬含量的比值。目前有兩種常見的計算生物富集系數的方法。第一種方法稱為全量法，計算方程式如下：

式中：Cplant和Csoil分別代表植物中和土壤中的Pb含量。

第二種方法為外源法，它是由第一種方法全量法引申而來，具體計算方程式如下[12]：

式中：Cplant和Cplant-CK分別代表添加Pb處理和對照處理的植物中Pb含量；Csoil和Csoil-CK分別代表添加Pb處理和對照處理的土壤中Pb含量。

Freundlich方程可用于預測重金屬從土壤到植物系統轉移[13]，其方程式如下：

式中：Cplant和Csoil分別是植物和土壤中的Pb含量；a和b是常數。

基于土壤的基本理化性質，采用逐步多元線性回歸（SMLR）預測小白菜對Pb的吸收量。除了pH之外的所有數據在分析之前進行對數轉化以獲得正態分布。數據分析和作圖分別采用SPSS和Excel軟件。

2 結果與分析

2.1 不同處理條件下植物中Pb含量之間的關系

如圖1所示，對照（CK）處理中植物Pb含量范圍為 0.008～0.019 mg·kg-1。Pb1處理植物Pb含量范圍為0.15～0.42 mg·kg-1，平均值為0.25 mg·kg-1。Pb2處理植物 Pb含量范圍為0.29～0.57 mg·kg-1，平均值為0.40 mg·kg-1。Pb1和Pb2處理中植物Pb含量均極顯著高于CK處理中植物Pb含量（p＜0.01）。在酸性土壤上生長的植物中的Pb含量（0.27 mg·kg-1）高于在堿性土壤上生長的Pb含量（0.18 mg·kg-1），這表明低pH可以提高Pb在植物中的富集量。如圖2A所示，土壤中的Pb含量（19.45～389.46 mg·kg-1）和植物Pb含量（0.01～0.57 mg·kg-1）表現出很大的變化，植物Pb含量與土壤Pb含量呈極顯著相關（R2=0.72，p＜0.01）。如圖2B所示，把植物Pb含量與土壤Pb含量經對數化處理后，兩者之間相關性更高（R2=0.83，p＜0.01）。

圖1 不同Pb處理下小白菜的Pb含量Figure 1 Pb concentration in the Brassica chinensis under different Pb treatments

2.2 土壤理化性質對植物吸收Pb的影響

圖2土壤Pb和植物Pb含量之間的關系（A和B分別表示正常和對數轉換）Figure 2 Relationships between Pb concentration in Brassica chinensis and soil in normal（A）and log-transformed（B）

圖3 A為用全量法計算的生物富集系數（BCFtotal）。可見，相比于對照CK，添加Pb的處理Pb1和Pb2顯著增加了不同土壤中的生物富集系數（BCF），但Pb1和Pb2處理之間的差異并不顯著。在酸性土壤中的BCFtotal值較高，表明Pb在酸性條件下更容易被植物富集。然而，相對于其他酸性土壤，土壤編號3、6、7的BCFtotal顯著降低，這可能是由于這三種土壤中有機碳（OC）含量（分別為19.87、20.70 g·kg-1和19.05 g·kg-1）較高。土壤編號12相對于其他土壤的BCFtotal值顯著降低，這可能是由于該土壤中CaCO3含量（53.57 g·kg-1）較高。與其他堿性土壤相比，土壤編號14的BCFtotal明顯較高，這可能是由于土壤中有機碳含量（6.87 g·kg-1）較低。如圖3B所示，用外源法計算的生物富集系數（BCFadded）在酸性土壤中最高，但在Pb1和Pb2處理之間沒有表現出顯著差異。與BCFtotal相比，相應土壤的BCFadded略增大，其原因可能是在計算BCFadded時消除了土壤本底Pb的影響。

圖3 不同Pb處理下15種土壤中小白菜的富集系數（BCF）Figure 3 BCFtotal（A）and BCFadded（B）of Brassica chinensis in the 15 soils under different Pb treatments

2.3 影響植物Pb吸收的土壤因素

以植物中Pb含量為因變量，土壤中Pb含量、土壤pH、OC、CEC和黏粒含量等作為自變量進行逐步多元線性回歸，可以得出土壤中Pb含量、土壤pH和OC與植物中Pb含量極顯著相關（p＜0.01）、其他土壤性質如黏粒含量、CEC、CaCO3含量和Fe-或Al-氧化物含量也會對植物中Pb含量產生影響，但均未達到顯著相關（P＞0.05），因此沒有被回歸到預測方程中。從表2可以看出，基于土壤Pb含量的單因素預測方程估計精度最低（R2=0.83，p＜0.01），而基于土壤Pb含量、土壤pH和土壤OC含量的多變量預測方程估計精度最高（R2=0.94，p＜0.01），將土壤性質納入逐步多元線性回歸分析改進了Pb生物有效性的估計，因此在評價Pb的生物有效性時，需要考慮土壤pH和OC等因素。植物Pb含量與土壤pH和OC之間的簡單關系如圖4所示。

2.4 植物從土壤中吸收Pb的模型預測

添加pH、OC、CEC和黏粒含量等土壤性質可以提高Freundlich方程的預測精度。對數轉換的Freun?dlich模型經常被應用于研究各種土壤-植物系統中的重金屬吸收[14-15]。為判定預測模型的預測效果，可以通過預測值和實測值之間的均方根誤差（RMSE）和決定系數（R2）來獲得最佳預測方程，RMSE越小，R2越大，其方程預測效果越好。

表2 基于土壤性質的植物Pb吸收預測模型Table 2 Prediction equations between plant Pb and soil properties

圖4 植物Pb含量與土壤pH、土壤OC含量之間的簡單關系Figure 4 The simple relationships between the Pb concentration in plants and pH，OC in soils

在本研究中，基于方程（3），根據不同來源的Pb數據，分別是對照處理、全量法、外源法和將對照處理和添加Pb的處理相結合，對數據分別進行擬合計算，共得到4個不同的預測方程，如表3所示。通過這些方程可以看出，植物中Pb含量與土壤中Pb含量、土壤pH值和有機碳含量呈顯著相關關系，且植物Pb含量與土壤Pb含量呈正相關，但與土壤pH和有機碳含量呈負相關。為進一步探索各回歸方程的預測效果，通過繪制不同Pb來源的預測值和實測值之間的關系圖（圖5），可以看出，通過合并對照處理和添加Pb處理計算的回歸方程（R2=0.94，RMSE=0.11，n=45）較其他方程預測效果更好。

3 討論

有研究表明，隨著土壤中Pb含量的增加，植物中的Pb含量也隨之增加，即植物中Pb含量與土壤中Pb含量呈正相關，并且將數據進行對數處理后，植物Pb含量和土壤Pb含量之間相關性更高[16-17]，這與本研究的結果相似，且本研究供試土壤中的Pb含量和植物Pb含量變化范圍較大（圖2），充分說明了本研究結果的普遍性。但也有研究表明，植物Pb含量和土壤Pb含量之間的簡單線性回歸分析不能完全反映出土壤性質對Pb生物有效性的影響[18]，因此許多學者通過建立包含土壤性質的多元回歸預測模型，如王衛等[19]通過建立土壤理化性質與煙葉中Cd含量的相關方程，Ding等[20]利用21個土壤樣品建立土壤理化性質與根菜類植物中Pb含量的回歸方程，Dai等[21]采集我國18個省份的土壤，建立土壤理化性質與小麥中As含量之間的預測方程，都取得了不錯的效果。本研究中，將土壤性質融合進回歸方程的模型相關性比不包含土壤性質的方程相關性更好，說明土壤性質對小白菜從土壤中吸收Pb有顯著影響。

表3 基于不同數據源的植物Pb吸收的預測方程Table 3 Prediction equations for the different Pb sources

圖5 根據數據來源的植物Pb測定和預測值之間的關系Figure 5 Relationships between measured lg[plant Pb]and predicted lg[plant Pb]of different Pb sources

通過逐步多元線性回歸分析（SMLR）構建的植物Pb含量與土壤Pb含量和土壤理化性質之間的Freun?dlich型關系（lg CplantPb對lg CsoilPb），可以看出，土壤OC含量和土壤pH與小白菜對Pb的吸收量呈負相關。土壤pH控制重金屬在土壤固相中的沉淀和溶解以及金屬吸附，絡合和酸堿反應，因此，土壤pH對土壤中Pb的形態及其吸附解吸有著直接的影響[22-23]。本研究證實，在酸性土壤中的植物Pb含量和生物富集系數都較大，表明Pb在pH低的酸性土壤上更容易被作物吸收。土壤有機碳含量也與Pb的生物有效性呈負相關，原因可能是有機物料施用能改變土壤中重金屬的形態，土壤有機質通過發生絡合反應固定陽離子，導致土壤中Pb的濃度降低，從而降低植物的吸收[24]。另外，有機物料腐解后產生的某些基團能有效吸附、絡合土壤重金屬，從而減少重金屬的生物有效性[25]。有研究表明，土壤CEC、CaCO3和黏粒含量對土壤中外源Pb的有效性也有影響。CEC反映了土壤膠體的負電荷量，為土壤吸附和交換的陽離子容量。黏粒含量高，CEC相應增加，土壤對Pb2+的吸附作用也較大，而CaCO3解離出來的少量Ca2+會與Pb2+產生拮抗作用[26-27]。但是本研究的結果表明，土壤CEC、CaCO3、黏粒含量和Fe、Al氧化物等在供試土壤上均未對小白菜吸收Pb產生顯著的影響，這可能與供試土壤理化性質和植物種類有關。

目前用于評價重金屬生物有效性的模型主要有經驗模型和機理模型，機理模型通常基于土壤參數（例如，土壤溶液中離子的擴散系數）和植物特征（例如，根大小和幾何形狀，根的離子吸收的動力學參數），其導致估計精度較好[28]。由于經驗模型更簡單和準確，近年來很多研究人員使用經驗模型預測重金屬的生物有效性[29-30]。例如，Fran?ois等[31]研究指出，經驗模型比機理模型預測小麥中的重金屬濃度更準確，這是由于經驗模型考慮了土壤pH、CEC和土壤重金屬的活性等因素，故本研究中的預測模型考慮了土壤pH、OC對Pb生物有效性的影響，宋文恩等[32]研究水稻中Cd的生物有效性時利用經驗模型獲得的預測方程，可以解釋模型變異的81.90%以上。廣泛用于評估重金屬從土壤到植物轉移的Freundlich型方程通常就基于容易測量的土壤性質參數而得出，比如pH、OC、CEC和重金屬總量等[33]。

在本研究中，15個不同土壤性質的變化范圍比較大，特別是pH和有機碳含量，以確保這些變量在回歸模型中的意義。結合土壤理化性質后，通過不同來源Pb數據擬合的預測模型都有較好的預測效果，尤其是合并對照處理和添加Pb處理得到回歸方程（n=45）預測效果最好，實測值和預測值相關性最高，因此，本研究得到的預測模型可以為中國土壤Pb污染對葉菜類蔬菜的生態風險評價和土壤環境質量標準的修訂提供參考。

4 結論

（1）植物中的Pb含量受土壤中的Pb含量、土壤pH值和有機碳含量影響顯著，且與土壤中的Pb含量呈正相關，與土壤pH和有機碳含量呈負相關。

（2）Pb在酸性土壤中富集系數比堿性土壤大，且外源法測得的BCF都高于全量法測得的BCF。植物Pb含量和土壤Pb含量的簡單線性相關關系，在經過對數處理后相關性更好。

（3）相對于單變量（土壤Pb含量）模型，通過逐步多元線性回歸將土壤理化性質納入回歸方程得到的多變量（土壤Pb含量、土壤pH、OC含量）預測模型的相關性更好，可以用于估計Pb從土壤到植物的轉移。