-
铅锌矿在中国矿产资源体系中占据着至关重要的地位，是工业领域的“关键基石”. 我国已勘铅锌资源主要集中于7个省区，储量约占全国66%，其中就包含甘肃省[1]. 在矿业开采与工业加工进程中，废液未经妥善处理随意排放，废渣堆积成山，加上雨水冲刷，致使 Cd、Hg等有害成矿、伴矿元素不断迁移、扩散，对周边土壤造成污染. 同时，由于土壤重金属污染的累积性[2]，使其在土壤中的浓度越来越高，最终对生态系统造成危害[3]. 统计数据显示，我国有超过2000万 hm2的农田土壤存在重金属污染情况，当中被工业废渣污染的农田约10万 hm2，因采矿而污染的土壤面积约20万 hm2[4]. 一旦土壤重金属富集至特定程度，便会对农作物质量产生直接影响，有研究表明，国内每年由于土壤重金属污染而导致的粮食安全损失高达1.2×108 t，直接造成的经济损失逾 200 亿元[5]. 其毒性效应可经食物链传递至人体，引发骨骼疼痛、肾脏疾病等健康问题，对人类健康构成了极大的威胁 [6].
目前国内外学者对土壤重金属源解析的方法主要包括判别污染源类别和精准解析污染源两部分[7 − 9]，前者包括相关性分析法、主成分分析法和聚类分析法等，后者包括绝对因子得分-多元线性回归法和正定矩阵因子分解法（positive matrix factorization，PMF）等. PMF是对污染源进行精确分析的首选方法，该方法操作简单，可同时满足不确定性和非负性约束[10]，能够自动化地处理错误和缺失数据，不需要源组分图就能得到精确、可信的结果，因此被美国环保署优先推荐使用[11]. PMF 源解析虽能识别土壤重金属污染源，但难以精准量化其生态风险和健康风险，从而无法确定首要管控要素[11]. 为此，学者们将PMF模型与生态风险、健康风险评价模型进行整合，成功提出重金属污染特定源的风险评价方法[12]. 马杰等[13]将PMF模型和健康风险模型结合，探讨了不同污染源影响下重庆市农产品主产区的土壤健康风险，确定研究区工业源和As为首要管控要素，重金属源解析成为后期尾矿库及其周围土壤修复或复垦的重要依据.
甘肃省陇南市矿产资源丰富，尾矿库数量多，以铅锌矿和金矿尾矿为主，占比分别为72.54%和15.5%[14]. 当前，铅锌尾矿库及周边农田是土壤重金属污染的重点关注区域. 本文以此为研究对象，测定其土壤重金属含量，分析其污染状况，并在源解析的基础上结合生态风险和健康风险评估模型来量化各污染源相应风险贡献率，从而确定首要控制因素. 研究结果将为尾矿库周边农田土壤污染现状的调查和评价提供科学有效的理论依据.
-
研究区地处徽县江洛镇赵湾村，隶属于甘肃省陇南市. 县名源自城北徽山之下的徽山驿，在北纬33°32'—34°10'、东经105°34'—106°26'之间，东接两当县，南连陕西省略阳县，西接成县，北通天水市秦州区与麦积区，西北衔西和县，总面积
2699 km2. 江洛镇处于徽县北部山地向中部河谷丘陵过渡区域，地势自北向南渐次降低，地形分为东南部河谷区，西北部山区；境内最高峰海拔2002 m. 江洛镇属暖温带大陆性气候；多年来气温的平均值为11 ℃，无霜期平均每年可达180 d，降水量的平均值为700 mm，降雨每年集中在7—9月. 2022年全县耕地总面积38.98万亩. 江洛镇境内已探明地下矿藏有铅、锌、硫、铁、金、煤等矿产资源，特别是铅、锌矿储量较大[15]. 该尾矿库为山谷型，采用湿式排放方式，尾矿库现状总坝高26 m，初期坝坝高为15 m，堆积坝坝高11 m，库内堆存尾砂量约为23万m3. 该尾矿库未填埋，在工矿生产和矿渣储存过程中，土壤中的粉尘会在大气中沉积，受降雨和径流的影响，对矿区周围环境造成了严重影响，从而可能会引发一系列的生态环境安全问题. -
本文于2023年8月在甘肃省陇南市某铅锌尾矿库及其周边农田（北纬33°53'27''—33°53'43''、东经105°48'27''—105°48'41''）进行样品采集. 采用了简单随机布点法并结合专业判断法来布点. 为确保采样点布局的科学性与均匀性，本研究充分借助了地理信息系统的空间分析能力，结合网格化精密的划分手段，对整个研究区域进行布局（采样面积约为3.22 km2）[1]. 采样时用GPS定位采样点经纬度，并根据样点采集顺序对其编号，在现场共布置了41个采样点，其中尾矿库8个，周边农田33个，如图1所示. 在每个采样点采集表层土壤（0—20 cm），样品放在密封袋里保存. 采集的样品经自然风干、去除杂物、研磨和筛分后，一份用于测定土壤pH，一份用于测定土壤重金属含量. 采用电感耦合等离子体质谱仪（ICP-MS，NexION 2000）测定经盐酸-硝酸-氢氟酸-高氯酸微波消解（CEM MARS6）后样品中的镉（Cd）、铬（Cr）、铜（Cu）、镍（Ni）、铅（Pb） 和锌（Zn） 含量，其检出限分别为0.03、2.00、0.70、2.00、1.00 mg·kg−1和5.00 mg·kg−1；采用原子荧光光度计（AFS-930d）测定经硝酸-盐酸消解后样品中的砷（As）和汞（ Hg）含量，其检出限分别为0.20 mg·kg−1和0.002 mg·kg−1. 样品测试环节均进行空白实验与平行样测定，结果精密度符合实验允许误差要求，同时用国家标准土样予以质量管控，所测元素的加标回收率为95%—106%，分析误差为±5%.
-
由于农田研究区土壤pH值范围为6.00—8.18，平均值为7.85，中位数为7.75，其中pH > 7.5占比达93.94%，且变异系数小于0.1. 故选用《土壤环境质量农用地土壤污染风险管控标准》（GB15618-2018）中pH>7.5的风险筛选值（mg·kg−1）和风险管制值（mg·kg−1）分别作为农田土壤的一级和二级评价标准. 《土壤环境质量建设用地土壤污染风险管控标准》（GB36600-2018）中第二类用地的风险筛选值（mg·kg−1）和风险管制值（mg·kg−1）分别作为尾矿库土壤的一级和二级评价标准，如表1所示.
-
污染负荷指数法在土壤重金属污染水平评估中应用广泛，既能考量单个样点污染状况，又可评定多重金属污染区域状况[16]. 污染负荷指数法的计算如下式（1–3）：
式中，
$ \text{CF}\mathrm{\mathrm{\mathit{\mathit{_{i}}}\mathrm{\mathrm{ }}}} $ 是某一重金属的污染因子；$ {C}_{i} $ 是重金属的测定值，mg·kg−1；$ {B}_{i} $ 是甘肃省土壤重金属元素背景值[17]，mg·kg−1；n为重金属污染种类总数，m为采样点个数. PLI 和$ {\text{PLI}}_{\text{zone}} $ 分别是某个采样点和整个研究区的污染负荷指数，污染负荷分级标准[18]见表2. -
PMF模型是将重金属含量矩阵分解为因子得分矩阵、因子载荷矩阵和残差矩阵[19]. 见式（4–7）：
式中，
$ {X}_{ij} $ 为第j个样品中第i个元素的含量（mg·kg−1）；$ \mathrm{ }{G}_{jk} $ 为j个样品在源k中的含量（mg·kg−1）；$ {F}_{ki} $ 为第k个源中第i个元素的含量（mg·kg−1）；$ {E}_{ij} $ 和p分别为残差矩阵和因子个数. 通过Multilinear Engine 模型迭代运算，因子数设定的多少均会显著影响解析结果. 因此，要进行多次调整和改进，以便得到最小的Q 值和最优解 [19]，以此确定具有代表性的因子数及其相对贡献率.式中，
$ {U}_{ij} $ 为第j个样品中第i个元素的不确定度，n为元素种类，m为采样点数. MDL为方法检出限. 当土壤重金属含量小于或等于MDL时，$ {U}_{ij} $ 可由公式计算得出：当土壤重金属含量高于MDL时，则由式（6）计算得出：
式中，
$ {c} $ 为重金属元素含量实测值（mg·kg−1）；$ \textit{δ} $ 为不确定度百分数. -
本研究将PMF模型与综合生态风险评价指数法（Nemerow integrated risk index，NIRI）有机结合，来量化各污染源对生态风险的贡献[20]. 具体计算公式如下（8–12）：
式中，
$ {{C}}_{ij}^{k*} $ 为样品j中污染源k对元素i的贡献值（mg·kg−1），$ {C}_{i} $ 为样品中重金属i元素的实测值（mg·kg−1）.式中，
$ \mathrm{ER}_{ij}^k $ 为样品j中污染源k对元素i的生态风险；$ {{B}}_{{i}} $ 为甘肃省土壤元素背景值；$ {{E}}_{{r}}^{{i}} $ 为重金属i元素的潜在生态风险，重金属毒性响应系数直观展现了重金属的毒性强弱以及水体对其敏感程度，$ {{T}}_{{r}}^{{i}} $ 一般取值Zn=1，Cr=2，Cu=Ni=Pb=5，Cd=30，Hg=40，As=10 [21].式中，
$ {\text{EIRI}}_{{ij}}^{{k}} $ 为样品j中污染源k对多种元素的生态风险，$ {\text{NIRI}}_{{ij}} $ 为样品j的综合生态风险评价，$ {\text{ER}}_{ij\text{max}}^{{k}} $ ，$ {E}_{\text{rmax}}^{{i}} $ 和$ {\text{ER}}_{\text{ijave}}^{{k}} $ ，$ {E}_{\text{rave}}^{{i}} $ 分别为同一样品中所有元素生态风险值的最大值和平均值. 基于$ {E}_{{r}}^{{i}} $ 和$ \text{NIRI} $ 值的生态风险等级划分标准[22]见表3. -
采用美国环保署（USEPA）推荐的健康风险评估模型，量化土壤重金属对人体健康造成的风险[23]. 土壤重金属健康风险评估模型中暴露参数和不同暴露途径的参考剂量（RfD）和致癌斜率因子（SF）值参照中国生态环境部发布的HJ 25.3-2019中的风险评估模型参数推荐值和美国环保署发布的相关参数[24 − 26]. 对于致癌风险，致癌风险值低于10−6时，表示对人体健康风险不显著，视为风险可以忽略不计；致癌风险值为10−6—10−4时，表示对人体健康有风险；致癌风险值大于10−4时，表示有显著风险，认为风险是不可接受的[27]. 基于源导向的土壤重金属风险评估是先根据PMF模型得到不同源的贡献率，并结合研究区健康风险评估结果，计算不同源对人体健康风险的贡献率[28]，具体计算公式如下（13–16）：
式中，
$ {\text{HQ}}_{j} $ 为第j类源的非致癌风险；$ {F}_{ij} $ 为第i种重金属在第j类源的贡献率；$ \text{HQ}_{i} $ 为第i种重金属的非致癌风险；$ D_{j,\text{HQ}} $ 为第j类源的非致癌风险贡献率；$ \text{CR}_{j} $ 为第j类源的致癌风险；$ \text{CR}_{i} $ 为第i种重金属的致癌风险；$ D_{j,\text{CR}} $ 为第j类源的致癌风险贡献率. -
研究数据处理采用SPSS 27和EXCEL，进行描述性统计分析，利用EPA PMF 5.0软件进行溯源解析，使用Origin 2024和ArcGIS软件处理数据并绘制图形.
-
土壤中As、Cd、Cr、Cu、Ni、Pb、Zn和Hg元素含量描述性统计结果如表4所示，研究区尾矿库土壤中As、Cd、Cr、Cu、Ni、Pb、Zn和Hg含量范围分别为21.64—43.69、0.25—1.04、11.23—16.95、26.07—51.85、7.13—14.61、653.99—925.67、412.96—603.57 mg·kg−1和7.65—9.45 mg·kg−1，其中只有Pb有50.00%的样点超出一级标准. 研究区农田土壤中As、Cd、Cr、Cu、Ni、Pb、Zn和Hg的含量范围分别为10.20—26.85、1.35—3.30、68.76—134.98、12.64—23.60、11.44—29.20、39.12—92.61、66.65—139.35 mg·kg−1和2.48—4.33 mg·kg−1. 根据评价标准（表1），农田土壤中Cd所有样点的含量均超过一级标准，As有3.03%的样点超过了一级标准，Hg有39.39%的样点超过了一级标准，Cr、Cu、Ni、Pb和Zn含量均未超过一级标准. 尾矿库和农田土壤中所有重金属含量均未超过二级标准. 污染负荷指数法结果（图2）表明，农田土壤中8种重金属的
$ \text{CF}_i $ 平均值由大到小依次为：Hg（56.08）>Cd（19.40）>Pb（3.02）>Cr（1.41）>Zn（1.30）>As（1.27）>Cu（0.75）>Ni（0.57）. Hg和Cd全部样点属于重度污染；Pb有66.67%的样点属于轻度污染，33.33%的样点属于中度污染；Cr、Zn和As大部分样点属于轻度污染；Cu和Ni的全部样点均属于无污染. 农田的$ \text{PLI} $ 值介于2.45$ \text{—} $ 3.09之间，均值为2.71，总体上属于轻度污染，占比为 93.94%. 尾矿库土壤中8种重金属的$ {\text{CF}}_{i} $ 平均值由大到小依次为：Hg（137.98）>Pb（42.32）>Zn（7.33）>Cd（5.80）>As（2.54）>Cu（1.81）>Ni（0.29）>Cr（0.21）. Hg和Pb的全部样点为重度污染，Zn有87.50%的样点属于重度污染；Cd分别有62.5%和37.5%的样点属于中度污染和重度污染；Cu的全部样点属于轻度污染，As有75%的样点属于轻度污染；Ni和Cu的全部样点属于无污染. 尾矿库研究区域的$ \text{PLI} $ 值介于3.34—4.46之间，均值为3.96 ，总体上属于中度污染，占比为100%. 总体来说，尾矿库土壤重金属污染程度要高于农田. 由于该尾矿库表层未客土，有毒有害的尾矿粉尘会随大气迁移，继而受降雨的影响，会对矿区周围环境造成一定影响. 铅锌尾矿的堆积使得尾矿库及其周边农田土壤中的Pb和Zn污染严重，但农田土壤中Cd和Cr元素含量均值高于尾矿库土壤. 据调查，陇南农业特色产业的种植规模约1000 万亩[29]，农业活动频繁，结合PMF的结果，说明这2种重金属污染与农业活动和成土母质有关. 这与李多杰等[30]对内蒙古兴安盟某铅锌矿的研究结果相似，矿区周围的土壤受到明显的Zn和Pb污染，而铅锌矿周边土壤中的Cd和Cr污染归因于成土母岩风化和人为活动的共同作用.变异系数（coefficient of variance，CV）是一种反映重金属元素含量空间分布离散程度的指标[31]，根据CV值的大小，可分为低度变异（CV<0.1）、中度变异（0.1≤CV<0.36）、高度变异（0.36≤CV<1）和极度变异（CV>1）[32]. 由表4可知，尾矿库研究区域土壤中Cd属于高度变异；As、Cu、Ni、Cr、Pb和Zn属于中度变异；Hg属于低度变异. 农田研究区域表层土壤中重金属的变异系数均在0.1—0.36之间，均属于中度变异. 因此，研究区域土壤中重金属含量的空间分布差异显著，地理环境和人类活动对其影响较大.
-
本研究设定4至7个因子数量，经多番运行调试，最终选定5个因子，获取了较低的Q值 42.43，此时实测值与预测值拟合效果最好，且多数残差处于−3—3区间. 8 种元素的R2系数为0.545—0.951，表明PMF的整体拟合效果较好，能够很好地满足研究需求，并解释了原始数据中包含的信息. PMF模型的解析结果如图3所示，5个污染源的占比分别为 21.26%、22.77%、17.91%、16.61%和 21.44%.
由图3可知，因子1主要载荷元素包括Cr、Cu、Ni、Pb和Zn，其贡献率分别为28.05%、29.16%、28.88%、24.43%和30.65%. 据报道，Ni和Cr含量的变化与成土母质、成土过程和地质活动密切相关[33]. 农田土壤中Cr、Cu和Ni均未超过一级评价标准，且含量较低，这表明Cr、Cu和Ni主要是受成土母质的影响，属于自然源. 而农田土壤中Pb和Zn的含量较高，且有研究表明铅锌矿影响区土壤中Pb、 Zn和Cu主要来自于矿山开采活动[34]，故污染主要来源于周边的铅锌尾矿库. 故因子1是由自然源和尾矿库源的混合源.
因子2主要载荷元素包括Ni、Pb、Zn和Hg，其贡献率分别为35.66%、32.50%、33.35%和25.02%，变异系数分别为0.23、0.23、0.19和0.15，均属于中度变异，受人类活动影响较大. 有研究表明，铅锌矿区在开采和冶炼活动中所产生的三废中含有大量的Zn、Pb、Cd、As和Hg等元素[7]，排放后通过大气降尘进入周围土壤，导致土壤污染. 经调查，农田研究区右侧是废弃工厂，工矿活动及矿渣堆存期间的扬尘会通过大气沉降在土壤中积累，受降雨等影响导致Ni、Pb、Zn和Hg的二次富集. 故因子2是工业降尘源.
因子3 主要载荷元素包括Pb、Cd、Zn和Cr，其贡献率分别为29.04%、24.61%、21.43%和21.64%. 汽车发动机、镀锌构件及轮胎等因机械摩擦、化学侵蚀引发的磨损与腐蚀，以及燃油燃烧或泄露和尾气排放等交通活动，都会将Cd、Pb和Zn元素释放到周边环境中[35,36]. 由因子1可知，Cr含量变化与成土过程显著相关，但研究区Cr的超标率96.97%，表明受到了人类活动的影响. 研究发现Cr还与金属零件和镀铬配件磨损有关[37]. 考虑研究区农田周围有交通运输道路及汽修厂，故因子3是交通源.
因子4主要载荷元素包括As、Cd 和Cu，其贡献率分别为29.60%、31.16%和25.43%，变异系数分别0.18、0.18和0.11，属于中度变异，受人类活动影响较大. 除草剂和杀虫剂的大量使用会造成As的大量积累，磷肥中含有的微量As也是土壤As的重要来源之一[38]. 农家肥中含有较多的Cu、Cd元素，农药、化肥长期投入到农用地中会导致重金属Cu、Cd元素的大量积累[39]. 故因子4是农业源.
因子5主要载荷元素包括As、Cd、Cr、Cu、Ni和Hg，其贡献率分别为21.62%、21.24%、35.42%、22.18%、18.30%和38.93%. Cd污染的主要来源包括汽油燃烧、农药和化肥、垃圾堆积、铅锌矿开采和冶炼等[40]. Cr、Cu、Ni主要受成土母质的影响，同时也有研究表明，农业投入品 （化肥、农药、有机肥等）中含有的Hg、As、Cu、Zn、Cd、Cr等元素易残留在土壤中，如磷肥中Cr含量在几十到几百mg·kg−1[8]，As含量在20到50 mg·kg−1，施用不合理时，土壤中Cr、As这类元素含量会升高[39, 41]. 长期的尾矿库堆存、物料转运及加工等人为活动也会向周围环境释放Cd、Hg、As等元素[42]，故因子5是由多种类型的活动组成的综合源.
-
研究区农田土壤中重金属的
$ {{E}_{r}^{i}} $ 和$ \text{NIRI} $ 评价结果见表5，$ E_{r}^{i} $ 的平均值从大到小排序为：Hg（2243.04 ）>Cd（582.06）>Pb（15.08）>As（12.73）>Cu（3.77）>Ni（2.85）>Cr（2.82）>Zn（1.30）. 除了属于极强生态风险的Hg和Cd元素之外，其余元素均属于轻微生态风险，说明造成研究区生态风险的首要污染元素为Hg和Cd. 这与陈希瑶等[43]人研究中国土壤重金属的生态风险结果一致，对土壤造成生态风险的主要元素是Hg和Cd. 此外，研究区农田土壤重金属的综合生态风险指数（$ \text{NIRI} $ ）范围为1673.76 —2921.86 ，平均值为2271.48 ，属于极强生态风险.研究区特定源-综合生态风险的评价结果如图4所示，按其贡献率的高低对5 种污染源进行排序：因子5（综合源）（38.37%）> 因子2（工业降尘源）（24.67%）> 因子3（交通源）（17.62%）> 因子1（自然源和尾矿库源的混合源）（10.47%）> 因子4（农业源）（8.86%），表明综合源对农田研究区影响的贡献率最大. 由于Hg元素自身毒性很高，且在研究区土壤中，Hg为首要的生态危害元素，在因子5中贡献率达到了38.93%，导致因子5是对综合生态风险贡献最高的污染源. 本研究中对综合生态风险贡献最高的污染源与以工业降尘源为主要污染源的PMF源解析结果不一致. 这与李军等[21]对敦煌市主城区的土壤重金属的研究结果一致，Hg元素负荷高的工业降尘源虽然不是重金属的最高贡献源，但却是综合生态风险的最高贡献源. 这表明重金属贡献率高的污染源并不一定具有高生态风险.
-
图5a 显示了针对特定来源的人体健康风险评估模型的结果. 对于非致癌风险，不同污染源对儿童总
$ \text{HI} $ 值为 1.49，大于阈值1，表明农田土壤中的重金属在不同污染源下会对儿童健康造成非致癌健康风险. 成人的总$ \text{H}\text{I} $ 值为 2.13×10−1，小于阈值1，表明农田土壤中的重金属在不同污染源下不会对成人健康造成非致癌健康风险. 儿童的总$ \text{HI} $ 值大于成人的总$ \text{HI} $ 值一个数量级，这可能与儿童较低的体重、生活习惯和对污染物的敏感性比较高有关[26]. 这一结果与方嘉等[44]研究基于PMF模型的农田土壤重金属源暴露风险综合评价的结果一致，可能与儿童对污染物的敏感性比较高有关. 与石文静等[45]对矿区周边土壤重金属的健康风险结果也一致，儿童非致癌及致癌风险较成人相比明显偏高，可能与儿童较低的体质量和生活习惯有关. 各个污染源的重金属对当地成人和儿童的$ \text{HI} $ 排序均为：1>As>Cr>Pb>Hg>Cd>Ni>Cu>Zn，表示在不同污染源下，每种重金属元素不会对当地居民造成非致癌健康风险. 不同污染源对成人和儿童的总$ \text{TCR} $ 值分别为2.72×10−5和4.58×10−5，表明农田土壤重金属在不同污染源下对当地人群健康有致癌健康风险. 各个污染源的重金属对当地成人和儿童的$ \text{T}\text{CR} $ 排序均为：10−4>As>Cd>Cr>10−6>Pb>Ni，其中As、Cd和Cr有致癌健康风险，因为其有较低的RfD和较高的SF，致癌和非致癌效应较强[46]. Pb和Ni元素对当地人群身体的风险可以忽略不计.对于研究区农田土壤重金属、污染源与健康风险关系如图5b所示，就致癌风险而言，因子4（农业源）是导致成人和儿童致癌风险的首要污染源，贡献率分别为25.87%和26.92%. 其次是因子5（综合源），对成人的贡献率是23.77%，对儿童的贡献率是23.12%，污染因子以As为主，对成人的贡献率是51.79%，对儿童的贡献率是54.70%；对于非致癌风险而言，污染源贡献率的排列顺序：因子5（综合源）> 因子3（交通源）> 因子1（自然源和尾矿库源的混合源）> 因子4（农业源）> 因子2（工业降尘源）. 因子5（综合源）是导致儿童非致癌风险的首要污染源，贡献率为25.17%，最主要的污染因子也是As元素，贡献率为43.57%. 这可能与As元素本身毒性有关，其有较低的RfD和较高的SF [46]. 这一结果不仅与杨杰等[47]研究鄂西某铜铅锌尾矿库周边农田土壤重金属风险评估的结果一致，还与张丽瑞等[48]研究甘肃省农田土壤潜在有毒元素污染的典型区域白阴市东大沟的健康风险评价结果一致，As元素是造成当地人群致癌风险影响的主要因子. 考虑到农业源和多种类型活动共同作用的综合源是造成研究区人体健康风险的主要因子，因而工业和农业等人类活动排放的重金属对人体存在健康风险，未来可通过提升工业废物排放标准，建立合适的管控机制以及减少农药和化肥用量等途径减少污染物进入环境的量，从而减少重金属对人体的危害 [45].
-
1）研究区尾矿库和农田土壤中重金属含量均低于国家风险管制值，但尾矿库土壤中Pb有50.00%的样点超出国家风险筛选值，农田土壤中Cd、As和Hg分别有100%、3.03%和39.39%的样点超出国家风险筛选值. 总体而言，尾矿库土壤中重金属的污染程度较农田土壤明显偏高，其中尾矿库土壤以Hg、Pb、Zn和Cd污染为主，整体上属于中度污染水平，占比为100%；农田土壤以Hg和Cd污染为主，整体上属于轻度污染水平，占比为93.94%.
2）研究区农田土壤重金属分别受自然源及尾矿库源的混合源（贡献率为21.26%）、工业降尘源（贡献率为22.77%）、交通源（贡献率为17.91%）、农业源（贡献率为16.61%）和由多种类型活动组成的综合源（贡献率为 21.44%）的共同影响.
3）综合源对研究区生态风险贡献率为38.37%，为优先控制污染源，Hg为生态风险优先控制污染元素；农田重金属对成人不构成非致癌健康风险，但综合源是引起当地儿童非致癌风险的优先控制污染源，贡献率为25.17%，农业源是引起当地成人和儿童致癌风险的优先控制污染源，贡献率分别为25.87%和26.92%，健康风险的优先控制污染元素均为As.
某铅锌尾矿库周边农田土壤重金属累积特征及特定源风险评估
Soil heavy metal accumulation characteristics and specific source risk assessment of farmland around a lead-zinc tailings pond
-
摘要: 为了探究某铅锌尾矿库及其周边农田土壤重金属As、Cd、Cr、Cu、Ni、Pb、Zn和Hg的累积特征和特定源风险评估，污染评价采用污染负荷指数法，在源解析基础上进行特定源风险评估. 结果表明，尾矿库土壤的重金属含量相较于农田土壤显著偏高，污染负荷指数法结果显示，尾矿库土壤总体属于中度污染，农田土壤总体属于轻度污染. PMF模型源解析表明，研究区农田土壤重金属分别受自然源及尾矿库源的混合源、工业降尘源、交通源、农业源和由多种类型活动组成的综合源的影响. 特定源-综合生态风险评估结果显示，综合源为优先控制污染源，贡献率为38.37%，Hg为优先控制污染元素. 特定源-人体健康风险评估结果显示，农业源是导致当地成人和儿童致癌风险的优先控制污染源，贡献率分别为25.87%和26.92%. As为优先控制污染元素，贡献率为51.79%%和54.70%；综合源是造成当地儿童非致癌风险的优先控制污染源，对儿童的贡献率为25.17%，As为优先控制污染元素，贡献率为43.57%. 研究显示研究区土壤存在多种重金属复合污染情况，其中Hg污染最严重，重金属对农田及当地人群存在不同程度的生态风险和健康风险，今后应加强对农业投入品和“三废”的管控，保证农产品质量安全.Abstract: To investigate the accumulation characteristics of heavy metals (As, Cd, Cr, Cu, Ni, Pb, Zn and Hg) in the soil of a lead-zinc tailings pond and its surrounding farmland, and to assess the associated risks from specific sources, the pollution load index was used for pollution evaluation, and a specific source risk assessment was conducted based on source analysis. The results indicated the heavy metal concentrations in the tailings pond soil were significantly higher than those in the farmland soil. The pollution load index results showed that the tailings pond soil was generally moderately polluted, while the farmland soil was mildly polluted. Source analysis using the PMF model revealed that the heavy metals in the farmland soil were influenced by a combination of mixed natural and tailings pond sources, industrial dust deposition, transportation emissions, agricultural activities, and a comprehensive source involving multiple types of activities. The integrated source-specific ecological risk assessment indicated that the comprehensive source was the priority pollution control target, contributing 38.37%, with Hg as the priority pollution. The specific source-human health risk assessment identified agricultural sources as the priority control target for carcinogenic risk in adults (25.87%) and children (26.92%), with As as the priority pollutant, contributing 51.79% and 54.70%, respectively. The comprehensive source was identified as the priority control target for non-carcinogenic risk in children (25.17%), with As being the priority pollutant, contributing 43.57%. The study revealed significant mixed heavy metal contamination, with Hg posing the most severe ecological and human health risks. These findings highlight the need for strengthened regulation of agricultural inputs and waste management to ensure the safety and quality of agricultural products.
-
Key words:
- farmland /
- tailings ponds /
- heavy metal pollution /
- source resolution /
- ecological risk /
- health risk.
-
-
图 2 研究区域土壤重金属污染因子和污染负荷指数箱型图
Figure 2. Box plot of soil heavy metal contamination factors and pollution load index in the study area
图 3 基于 PMF 模型的农田土壤重金属溯源解析
Figure 3. Traceability analysis of heavy metals in farmland soil based on PMF model
图 4 农田土壤重金属不同污染源对综合生态风险的贡献率
Figure 4. Contribution of different pollution sources of heavy metals in agricultural soils to the integrated ecological risk
图 5 农田土壤重金属特定源-人体健康风险评价
Figure 5. Source-specific human health risk assessment of heavy metals in agricultural soil
表 1 土壤环境质量评价标准
Table 1. Soil environmental quality evaluation criteria
指标
Index风险筛选值
Risk filter value风险管制值
Risk control value尾矿库（第二类用地） 农田（pH>7.5） 尾矿库（第二类用地） 农田（pH>7.5） Cu 18000 100 36000 − Cr − 250 − 1300 Ni 900 190 2000 − Zn − 300 − − As 60 25 140 100 Cd 65 0.60 172 4.0 Pb 800 170 2500 1000 Hg 38 3.40 82 6.0 注：“−”表示无此项，下同. Note: "−" means that there is no such item, the same below. 
下载: 导出CSV
表 2 污染负荷指数分级标准
Table 2. Classification standard of the pollution load index
CF PLI 等级
Level污染程度
Contamination degreesCF<1 PLI<1 0 无污染 1≤CF<3 1≤PLI<3 1 轻度污染 3≤CF<6 3≤PLI<6 2 中度污染 6≤CF 6≤PLI 3 重度污染
下载: 导出CSV
表 3 生态风险指数分级标准
Table 3. Ecological risk index classification criteria
$ E\mathit{_{\mathrm{\mathit{r}}}^i} $ 生态风险等级
Ecological risk levelNIRI 生态风险等级
Ecological risk level$ {E}_{r}^{i} $ 轻微 NIRI＜40 轻微 40≤ $ {E}_{r}^{i} $ 中等 40≤NIRI＜80 中等 80≤ $ {E}_{r}^{i} $ 强 80≤NIRI＜160 强 160≤ $ {E}_{r}^{i} $ 很强 160≤NIRI＜320 很强 $ {E}_{r}^{i} $ 极强 NIRI≥320 极强
下载: 导出CSV
表 4 土壤重金属含量描述性统计分析
Table 4. Descriptive statistical analysis of soil heavy metal content
项目
Item采样地
Sampling site最小值/
（ mg·kg−1）
Minimum最大值/
（ mg·kg−1）
Maximum平均值/
（ mg·kg−1）
Average value标准差
Standard deviation变异系数
Standard deviation超标率
Excess ratio以一级标准
为评价标准以二级标准为评价标准 As 尾矿库 21.64 43.69 32.04 7.26 22.66% 0% 0% 农田 10.20 26.85 16.04 2.86 17.83% 3.03% 0% Cd 尾矿库 0.25 1.04 0.67 0.25 37.31% 0% 0% 农田 1.35 3.30 2.25 0.41 18.22% 100% 0% Cr 尾矿库 11.23 16.95 14.57 2.38 16.33% − − 农田 68.76 134.98 98.66 18.37 18.62% 0% 0% Cu 尾矿库 26.07 51.85 43.70 10.23 23.41% 0% 0% 农田 12.64 23.60 18.17 1.98 10.89% 0% − Ni 尾矿库 7.13 14.61 10.19 2.48 24.34% 0% 0% 农田 11.44 29.20 20.04 4.61 23.01% 0% − Pb 尾矿库 653.99 925.67 795.70 101.05 12.70% 50% 0% 农田 39.12 92.61 56.68 12.93 22.81% 0% 0% Zn 尾矿库 412.96 603.57 508.20 60.45 11.89% − − 农田 66.65 139.35 90.25 17.36 19.23% 0% − Hg 尾矿库 7.65 9.45 8.28 0.60 7.24% 0% 0% 农田 2.48 4.33 3.37 0.50 14.84% 39.39% 0% pH 尾矿库 8.26 8.58 8.42 0.16 1.90% − − 农田 6.00 8.18 7.85 0.75 9.59% − −
下载: 导出CSV
表 5 农田土壤重金属潜在生态危害系数（
$ {E}_{r}^{i} $ Table 5. Evaluation results of potential ecological hazard coefficients （
$ {E}_{r}^{i} $ As Cd Cr Cu Ni Pb Zn Hg $ {E}_{r}^{i} $ 8.10 348.44 1.96 2.62 1.62 10.40 0.96 1651.74 $ {E}_{r}^{{i}} $ 21.31 853.45 3.86 4.90 4.15 24.63 2.01 2883.33 $ {E}_{r}^{i} $ 12.73 582.06 2.82 3.77 2.85 15.08 1.30 2243.04 NIRI 1673.76 $ — $ 2921.86
下载: 导出CSV
-
[1] 王海洋, 韩玲, 谢丹妮, 等. 矿区周边农田土壤重金属分布特征及污染评价[J]. 环境科学, 2022, 43(4): 2104-2114. WANG H Y, HAN L, XIE D N, et al. Distribution characteristics of heavy metals in farmland soils around mining areas and pollution assessment[J]. Environmental Science, 2022, 43(4): 2104-2114 (in Chinese).
[2] 吴春发. 复合污染土壤环境安全预测预警研究——以浙江省富阳市某污染场地为例[D]. 杭州: 浙江大学, 2008: 1-180. WU C F. Prediction and early-warning for soil environmental safety in a mixed contaminated area-A case study in Fuyang City, Zhejiang Province, China[D]. Hangzhou: Zhejiang University, 2008: 1-180 (in Chinese).
[3] 郭小芳, 王长征, 王兴峰. 重金属尾矿库的环境影响及防治措施[J]. 环境与发展, 2015, 27(3): 67-71. doi: 10.3969/j.issn.1007-0370.2015.03.017 GUO X F, WANG C Z, WANG X F. The environmental impact and preventive measures of heavy metals in tailings storage[J]. Environment and Development, 2015, 27(3): 67-71 (in Chinese). doi: 10.3969/j.issn.1007-0370.2015.03.017
[4] 陈印军, 方琳娜, 杨俊彦. 我国农田土壤污染状况及防治对策[J]. 中国农业资源与区划, 2014, 35(4): 1-5,19. doi: 10.7621/cjarrp.1005-9121.20140401 CHEN Y J, FANG L N, YANG J Y. The cropland pollution in China: Status and countermeasures[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2014, 35(4): 1-5,19 (in Chinese). doi: 10.7621/cjarrp.1005-9121.20140401
[5] 杨雳, 白宗旭, 薄文浩, 等. 中国农田土壤重金属污染分析与评价[J]. 环境科学, 2024, 45(5): 2913-2925. YANG L, BAI Z X, BO W H, et al. Analysis and evaluation of heavy metal pollution in farmland soil in China: A meta-analysis[J]. Environmental Science, 2024, 45(5): 2913-2925 (in Chinese).
[6] NGUYEN T H, WON S, HA M G, et al. Bioleaching for environmental remediation of toxic metals and metalloids: A review on soils, sediments, and mine tailings[J]. Chemosphere, 2021, 282: 131108. doi: 10.1016/j.chemosphere.2021.131108 [7] 王星蒙. 基于PMF模型的柴河铅锌尾矿库周边农田土壤重金属源解析[J]. 绿色科技, 2021, 23(10): 160-162. doi: 10.3969/j.issn.1674-9944.2021.10.057 WANG X M. Source apportionment of heavy metals in farmland soil around Chaihe lead-zinc tailings reservoir based on PMF model[J]. Journal of Green Science and Technology, 2021, 23(10): 160-162 (in Chinese). doi: 10.3969/j.issn.1674-9944.2021.10.057
[8] 卢鑫, 胡文友, 黄标, 等. 基于UNMIX模型的矿区周边农田土壤重金属源解析[J]. 环境科学, 2018, 39(3): 1421-1429. LU X, HU W Y, HUANG B, et al. Source apportionment of heavy metals in farmland soils around mining area based on UNMIX model[J]. Environmental Science, 2018, 39(3): 1421-1429 (in Chinese).
[9] 吴灿萍, 周罕, 付俊, 等. 铜选冶厂周边农田土壤重金属污染特征及来源解析[J]. 环境化学, 2024, 43(1): 311-322. doi: 10.7524/j.issn.0254-6108.2023031303 WU C P, ZHOU H, FU J, et al. Analysis of heavy metal contamination characteristics and sources in farmland soil around copper dressing and smelting plant[J]. Environmental Chemistry, 2024, 43(1): 311-322 (in Chinese). doi: 10.7524/j.issn.0254-6108.2023031303
[10] LV J S. Multivariate receptor models and robust geostatistics to estimate source apportionment of heavy metals in soils[J]. Environmental Pollution, 2019, 244: 72-83. doi: 10.1016/j.envpol.2018.09.147 [11] LIU Q Y, ZHAO W H, MA J, et al. Spatial clustering and source-specific risk of combined pollutants in soils from an industrial area in Shanxi Province, China[J]. Environmental Pollution, 2022, 299: 118925. doi: 10.1016/j.envpol.2022.118925 [12] YAN Y, WAN R A, YU R L, et al. A comprehensive analysis on source-specific ecological risk of metal(loid)s in surface sediments of mangrove wetlands in Jiulong River Estuary, China[J]. CATENA, 2022, 209: 105817. doi: 10.1016/j.catena.2021.105817 [13] 马杰, 葛淼, 王胜蓝, 等. 基于源导向的农用地土壤重金属健康风险评估及优先控制因子分析[J]. 环境科学, 2024, 45(1): 396-406. MA J, GE M, WANG S L, et al. Health risk assessment and priority control factors analysis of heavy metals in agricultural soils based on source-oriented[J]. Environmental Science, 2024, 45(1): 396-406 (in Chinese).
[14] 王旋, 王亚变, 刘理臣, 等. 陇南市尾矿库环境安全现状分析及合理闭库措施探讨[J]. 黄金科学技术, 2019, 27(1): 144-152. WANG X, WANG Y B, LIU L C, et al. Analysis on the environmental safety status and discussion on reasonable closure measures for tailings reservoir in Longnan City[J]. Gold Science and Technology, 2019, 27(1): 144-152 (in Chinese).
[15] 中华人民共和国民政部. 中华人民共和国政区大典·甘肃省卷[M]. 北京: 中国社会出版社, 2016: 1693-1694. People's republic of China ministry of civil affairs. People's republic of China political region dictionary · Gansu province volume[M]. Beijing: China Society Press, 2016: 1693-1694(in Chinese).
[16] DING X G, YE S, LAWS E A, et al. The concentration distribution and pollution assessment of heavy metals in surface sediments of the Bohai Bay, China[J]. Marine Pollution Bulletin, 2019, 149: 110497. doi: 10.1016/j.marpolbul.2019.110497 [17] 陈雯花, 牛永峰, 安琼刚, 等. 甘肃陇南成县农作物种质资源普查与收集初报[J]. 中国种业, 2022(12): 33-38. doi: 10.3969/j.issn.1671-895X.2022.12.007 CHEN W H, NIU Y F, AN Q G, et al. Preliminary report on general survey and collection of agricultural germplasm resources in Chengxian County, Longnan, Gansu Province[J]. China Seed Industry, 2022(12): 33-38 (in Chinese). doi: 10.3969/j.issn.1671-895X.2022.12.007
[18] 汤洁, 天琴, 李海毅, 等. 哈尔滨市表土重金属地球化学基线的确定及污染程度评价[J]. 生态环境学报, 2010, 19(10): 2408-2413. doi: 10.3969/j.issn.1674-5906.2010.10.025 TANG J, TIAN Q, LI H Y, et al. Determination of geochemical baseline and pollution assessment of surficial soil heavy metals in Harbin city[J]. Ecology and Environmental Sciences, 2010, 19(10): 2408-2413 (in Chinese). doi: 10.3969/j.issn.1674-5906.2010.10.025
[19] ZHANG X W, WEI S, SUN Q Q, et al. Source identification and spatial distribution of arsenic and heavy metals in agricultural soil around Hunan industrial estate by positive matrix factorization model, principle components analysis and geo statistical analysis[J]. Ecotoxicology and Environmental Safety, 2018, 159: 354-362. doi: 10.1016/j.ecoenv.2018.04.072 [20] WANG F F, GUAN Q Y, TIAN J, et al. Contamination characteristics, source apportionment, and health risk assessment of heavy metals in agricultural soil in the Hexi Corridor[J]. CATENA, 2020, 191: 104573. doi: 10.1016/j.catena.2020.104573 [21] 李军, 高占栋, 台喜生, 等. 典型旅游城市土壤重金属特定源生态风险评价及优先控制源分析[J]. 环境科学, 2024, 45(8): 4837-4846. LI J, GAO Z D, TAI X S, et al. Identification priority source of heavy metals in urban soils based on source-specific ecological risk analysis in a typical tourist city[J]. Environmental Science, 2024, 45(8): 4837-4846 (in Chinese).
[22] 陈丹丹, 谭璐, 聂紫萌, 等. 湖南典型金属冶炼与采选行业企业周边土壤重金属污染评价及源解析[J]. 环境化学, 2021, 40(9): 2667-2679. doi: 10.7524/j.issn.0254-6108.2021010901 CHEN D D, TAN L, NIE Z M, et al. Evaluation and source analysis of heavy metal pollution in the soil around typical metal smelting and mining enterprises in Hunan Province[J]. Environmental Chemistry, 2021, 40(9): 2667-2679 (in Chinese). doi: 10.7524/j.issn.0254-6108.2021010901
[23] LU N, YANG X F, CHI H J, et al. Heavy metals pollution characteristics, source analysis, and risk assessment in soil based on geographic information system: A case study of a typical area in three parallel rivers of Yunnan protected areas, China[J]. Microchemical Journal, 2024, 205: 111348. doi: 10.1016/j.microc.2024.111348 [24] 郭志娟, 周亚龙, 王乔林, 等. 雄安新区土壤重金属污染特征及健康风险[J]. 中国环境科学, 2021, 41(1): 431-441. doi: 10.3969/j.issn.1000-6923.2021.01.049 GUO Z J, ZHOU Y L, WANG Q L, et al. Characteristics of soil heavy metal pollution and health risk in Xiongan New District[J]. China Environmental Science, 2021, 41(1): 431-441 (in Chinese). doi: 10.3969/j.issn.1000-6923.2021.01.049
[25] LIU Z, DU Q Q, GUAN Q Y, et al. A Monte Carlo simulation-based health risk assessment of heavy metals in soils of an oasis agricultural region in Northwest China[J]. Science of the Total Environment, 2023, 857: 159543. doi: 10.1016/j.scitotenv.2022.159543 [26] HUANG J L, WU Y Y, SUN J X, et al. Health risk assessment of heavy metal(loid)s in park soils of the largest megacity in China by using Monte Carlo simulation coupled with Positive matrix factorization model[J]. Journal of Hazardous Materials, 2021, 415: 125629. doi: 10.1016/j.jhazmat.2021.125629 [27] 尹伊梦, 赵委托, 黄庭, 等. 电子垃圾拆解区土壤-水稻系统重金属分布特征及健康风险评价[J]. 环境科学, 2018, 39(2): 916-926. YIN Y M, ZHAO W T, HUANG T, et al. Distribution characteristics and health risk assessment of heavy metals in a soil-rice system in an E-waste dismantling area[J]. Environmental Science, 2018, 39(2): 916-926 (in Chinese).
[28] MA J, CHU L J, SUN J , et al. Health risk assessment of trace metal(loid)s in agricultural soils based on Monte Carlo simulation coupled with positive matrix factorization model in Chongqing, Southwest China[J]. Journal of Mountain Science, 2024, 21(1): 100-112. [29] 祁玉洁. 陇南市经济总量突破600亿元[N]. 甘肃经济日报, 2024-09-26(001). QI Y J. The total economic output of Longnan City exceeded 60 billion yuan[N]. Gansu Economic Daily, 2024-09-26(001) (in Chinese).
[30] 李多杰, 孙厚云, 卫晓锋, 等. 内蒙古兴安盟某铅锌矿土壤重金属空间分布特征与生态风险评价[J]. 矿产勘查, 2021, 12(4): 1030-1039. doi: 10.3969/j.issn.1674-7801.2021.04.025 LI D J, SUN H Y, WEI X F, et al. Distribution, Accumulation and Ecological risk of heavy metals in the soil of a lead zinc mine in Xing’ an League, Inner Mongolia[J]. Mineral Exploration, 2021, 12(4): 1030-1039 (in Chinese). doi: 10.3969/j.issn.1674-7801.2021.04.025
[31] 曾晓丽, 李惠民, 樊艳春, 等. 江西某石煤矿区周边农田土壤重金属污染评价及来源解析[J]. 环境化学, 2025, 44(6): 1-13. doi: 10.7524/j.issn.0254-6108.2024012503 ZENG X L, LI H M, FAN Y C, et al. Evaluation and source analysis of heavy metal pollution in farmland soils surrounding a certain stone coal mining area in Jiangxi Province[J]. Environmental Chemistry, 2025, 44(6): 1-13 (in Chinese). doi: 10.7524/j.issn.0254-6108.2024012503
[32] ANAMAN R, PENG C, JIANG Z C, et al. Identifying sources and transport routes of heavy metals in soil with different land uses around a smelting site by GIS based PCA and PMF[J]. Science of the Total Environment, 2022, 823: 153759. doi: 10.1016/j.scitotenv.2022.153759 [33] 吕占禄, 张金良, 陆少游, 等. 某区生活垃圾焚烧发电厂周边及厂区内土壤中重金属元素的污染特征及评价[J]. 环境科学, 2019, 40(5): 2483-2492. LÜ Z L, ZHANG J L, LU S Y, et al. Pollution characteristics and evaluation of heavy metal pollution in surface soil around a municipal solid waste incineration power plant[J]. Environment Science, 2019, 40(5): 2483-2492 (in Chinese).
[34] 顾会, 赵涛, 高月, 等. 贵州省典型铅锌矿区土壤重金属污染特征及来源解析[J]. 地球与环境, 2022, 50(4): 506-515. GU H, ZHAO T, GAO Y, et al. Pollution characteristics and source analysis of heavy metals in soils of a typical lead-zinc mining area in Guizhou Province[J]. Earth and Environment, 2022, 50(4): 506-515 (in Chinese).
[35] 韦岩松, 李海凤, 冯琼慧, 等. 广西某铅锌尾矿库区土壤中重金属Cd、Pb、Zn、Cu的分布特征及源解析[J]. 有色金属(矿山部分), 2023, 75(4): 172-178,185. WEI Y S, LI H F, FENG Q H, et al. Soil pollutant distribution Characteristics and source analysis for Cd, Pb, Zn and Cu in a lead-zinc tailings area of Guangxi[J]. Nonferrous Metals (Mining Section), 2023, 75(4): 172-178,185 (in Chinese).
[36] 刘晓媛, 刘品祯, 杜启露, 等. 地质高背景区铅锌矿废弃地土壤重金属污染评价[J]. 有色金属(冶炼部分), 2019(2): 76-82. LIU X Y, LIU P Z, DU Q L, et al. Evaluation of heavy metal pollution in soil of lead-zinc mine wasteland with geological high background[J]. Nonferrous Metals (Extractive Metallurgy), 2019(2): 76-82 (in Chinese).
[37] BOUDIA H, VASSALO L, HADJEL M, et al. Spatial contamination and health risks of heavy metal(loid)s in surface soils from a petrochemical complex in the north-eastern region of Algeria[J]. International Journal of Environmental Science and Technology, 2019, 16(8): 4707-4718. doi: 10.1007/s13762-018-02195-1 [38] HU Y A, CHENG H F. Application of stochastic models in identification and apportionment of heavy metal pollution sources in the surface soils of a large-scale region[J]. Environmental Science & Technology, 2013, 47(8): 3752-3760. [39] 穆虹宇, 庄重, 李彦明, 等. 我国畜禽粪便重金属含量特征及土壤累积风险分析[J]. 环境科学, 2020, 41(2): 986-996. MU H Y, ZHUANG Z, LI Y M, et al. Heavy metal contents in animal manure in China and the related soil accumulation risks[J]. Environmental Science, 2020, 41(2): 986-996 (in Chinese).
[40] 朱晓丽, 薛博倩, 李雪, 等. 基于PMF模型的宝鸡铅锌尾矿库周边农田土壤重金属源解析[J]. 西北大学学报(自然科学版), 2021, 51(1): 43-53. ZHU X L, XUE B Q, LI X, et al. Sources apportionment of heavy metals in farmland soil around lead-zinc tailings reservoir based on PMF model[J]. Journal of Northwest University (Natural Science Edition), 2021, 51(1): 43-53 (in Chinese).
[41] 魏迎辉, 李国琛, 王颜红, 等. PMF模型的影响因素考察: 以某铅锌矿周边农田土壤重金属源解析为例[J]. 农业环境科学学报, 2018, 37(11): 2549-2559. doi: 10.11654/jaes.2018-0492 WEI Y H, LI G C, WANG Y H, et al. Investigating factors influencing the PMF model: A case study of source apportionment of heavy metals in farmland soils near a lead-zinc ore[J]. Journal of Agro-Environment Science, 2018, 37(11): 2549-2559 (in Chinese). doi: 10.11654/jaes.2018-0492
[42] 马杰, 张秀, 刘今朝, 等. 某铅锌尾矿库周边土壤重金属污染特征及其来源分析[J]. 有色金属(冶炼部分), 2022(6): 101-109. MA J, ZHANG X, LIU J Z, et al. Pollution characteristics and source analysis of heavy metals in soils of a lead-zinc tailings pond[J]. Nonferrous Metals (Extractive Metallurgy), 2022(6): 101-109 (in Chinese).
[43] CHEN X Y, LI F, ZHANG J D, et al. Status, fuzzy integrated risk assessment, and hierarchical risk management of soil heavy metals across China: A systematic review[J]. Science of the Total Environment, 2021, 785: 147180. doi: 10.1016/j.scitotenv.2021.147180 [44] 方嘉, 何影, 黄乃涛, 等. 基于PMF模型的农田土壤重金属源暴露风险综合评价: 以浙江省某电子垃圾拆解区为例[J]. 环境科学, 2023, 44(7): 4027-4038. FANG J, HE Y, HUANG N T, et al. Integrated analysis on source-exposure risk of heavy metals in farmland soil based on PMF model: A case study in the E-waste dismantling area in Zhejiang Province[J]. Environmental Science, 2023, 44(7): 4027-4038 (in Chinese).
[45] 石文静, 周翰鹏, 孙涛, 等. 矿区周边土壤重金属污染优先控制因子及健康风险评价研究[J]. 生态环境学报, 2022, 31(8): 1616-1628. SHI W J, ZHOU H P, SUN T, et al. Research on priority control factors and health risk assessment of heavy metal pollution in soil around mining areas[J]. Ecology and Environmental Sciences, 2022, 31(8): 1616-1628 (in Chinese).
[46] 李军, 李旭, 李开明, 等. 基于特定源-风险评估模型的兰州黄河风情线绿地土壤重金属污染优先控制源分析[J]. 环境科学, 2024, 45(4): 2428-2439. LI J, LI X, LI K M, et al. Identification priority source of heavy metal pollution in greenspace soils based on source-specific ecological and human health risk analysis in the Yellow River custom tourist line of Lanzhou[J]. Environmental Science, 2024, 45(4): 2428-2439 (in Chinese).
[47] 杨杰, 董静, 宋洲, 等. 鄂西铜铅锌尾矿库周边农田土壤-水稻重金属污染状况及风险评价[J]. 岩矿测试, 2022, 41(5): 867-879. YANG J, DONG J, SONG Z, et al. Heavy metal pollution characteristics and risk assessment of soil and rice in farmland around the copper-lead-zinc tailing, western Hubei Province[J]. Rock and Mineral Analysis, 2022, 41(5): 867-879 (in Chinese).
[48] ZHANG L R, WANG B, ZHANG S L. Risk assessment and attribution analysis of potentially toxic elements in soil of dongdagou, Baiyin, Gansu province, China[J]. Sustainability, 2024, 16(4): 1689. doi: 10.3390/su16041689 -
点击查看大图
计量
- 文章访问数: 282
- HTML全文浏览数: 282
- PDF下载数: 12
- 施引文献: 0
