-
近年来,随着工业的快速发展,污染物的不合理排放,造成土壤重金属污染日趋严重[1-4]。重金属中砷具有累积性及致癌性[5-6],可通过土壤颗粒物吸入、皮肤接触等方式进入人体,对人体及生态环境造成严重影响[7]。在我国,钢铁行业是基础产业之一,是作为衡量我国经济实力的一项重要指标。作为钢铁厂冶炼过程中的主要燃料,煤炭含有砷、铅等污染物,在堆存、运输过程中,重金属砷存在聚集、迁移等现象并富集在土壤中,不易降解[8]。因此,研究钢铁厂土壤中重金属砷的含量、对人体健康风险的影响以及筛选标准[9]具有现实意义。
我国幅员辽阔,土壤中重金属砷存在较大差异性变化,对于土壤中重金属砷的筛选标准,需要针对具体地块进行具体分析研究,以免造成土壤的过度修复,导致大量的经济损失。国内常用的推导模型包括《建设用地土壤污染风险评估技术导则:HJ25.3—2019》[10]计算公式、RBCA、HERA等软件。符小菲等[11]为选择适合安徽省污染场地筛选值本土化的推导模型,将HERA和RBCA模型对我国某污染场地检出污染物苯并(a)芘筛选值的推导结果与国家颁布值和北京市筛选值中苯并(a)芘的标准进行比较,结果显示,住宅用地类型下 HERA和RBCA模型的推导值与国家和北京市标准差异不大;王和才等[12]根据《污染场地风险评估技术导则:HJ25.3—2014》得到砷筛选值计算公式,结果表明,计算模型和毒性评估存在的差异是国内外土壤筛选值差异的基础原因。因此,在实际场地应用过程中,应充分考虑地块的特殊性,避免由于土壤的过度修复而导致严重经济损失。
本文结合已有研究成果,在现有国家标准的基础上,采用《建设用地土壤污染风险评估技术导则:HJ25.3—2019》公式计算及HERA模型分别对某污染地块土壤中重金属砷的修复目标值进行推导计算,并对两种模型的推导结果进行分析,从中选择出适合污染地块土壤筛选值本土化的推导模型,为污染地块修复目标值的确定提供理论参考,并对我国土壤环境质量管控标准的完善提供科学依据。
某钢铁厂土壤重金属砷修复目标值推导方法研究
Study on deducing method of target value of arsenic remediation in soil of a steel plant
-
摘要: 文章采用网格布点法,对某钢铁厂(0~0.5 m)表层土壤进行173个样品的采集,测试分析研究区重金属砷的含量变化,计算砷对人体的健康致癌风险,采用《建设用地土壤污染风险评估技术导则:HJ25.3—2019》中的公式计算及HERA模型进行比较,并对两种模型的推导结果进行分析。结果显示,研究区域内砷的含量均值为16.87 mg/kg,95%置信上限为18.99 mg/kg,均低于《土壤环境质量 建设用地土壤污染风险管控标准:GB36600—2018》中居住用地20 mg/kg的筛选值,表明土壤重金属砷总体上污染程度不高;土壤重金属砷对人体健康产生致癌风险,暴露途径主要为经口摄入;采用《地下水质量标准:GB/T14848—2017》中Ⅲ类水质标准0.01 mg/L进行土壤筛选值的推导计算,两种模型计算出的修复目标值相差甚微。Abstract: In this paper, 173 samples of topsoil (0~0.5m) from a steel plant were collected by the grid distribution method, the content changes of arsenic in the study area were tested and analyzed. The health carcinogenic risk of arsenic to the human body was calculated. The technical guidelines for soil pollution risk assessment of construction land (HJ 25.3—2019) and the HERA model were adopted to calculate and analyze the results. The results showed that the average arsenic content in the study area was 16.87 mg/kg, and the 95% confidence limit was 18.99 mg/kg, which were all lower than the screening value of 20 mg/kg of residential land in the soil pollution risk control standard for construction land (GB36600—2018), thus indicating that the arsenic pollution in the soil was not high. The arsenic had the carcinogenic risk to human health, and the main exposure route was the oral intake. The soil screening value was deduced and calculated by using 0.01mg/l from Class III water quality standard in the quality standard for groundwater (GB14848—2017), and there was little difference between the remediation target values calculated by the two models.
-
Key words:
- pollution site /
- heavy metal arsenic /
- cancer risk /
- screening value /
- grid placement method
-
表 1 土壤重金属砷含量统计与分布结果
重金属 样本数/个 极小值
/mg·kg−1极大值
/mg·kg−1中位数
/mg·kg−1均值
/mg·kg−1标准差
/mg·kg−1方差
/mg·kg−1偏度 峰度 变异系数/% 砷 173 1 92 14 16.87 14.09 198.48 2.87 10.21 83.52 表 2 土壤重金属砷的致癌风险
污染物 用地类型 致癌效应 不同暴露途径的致癌风险 呼吸接触 经口摄入 皮肤接触 砷 一类 致癌风险 1.10E-05 1.76E-04 1.69E-05 贡献率/% 5.37 86.34 8.28 危害商 1.27E +00 6.13E+00 5.23E-01 贡献率/% 16.01 77.38 6.61 二类 致癌风险 5.77E-06 5.03E-05 9.13E-06 贡献率/% 8.85 77.16 13.99 危害商 5.44E-01 6.80E-01 1.23E-01 贡献率/% 40.37 50.48 9.15 表 3 地下水致癌风险
用地
类型儿童每
日饮水
量/L·d−1成人每
日饮水
量/L·d−1儿童
暴露
期/a成人
暴露
期/a儿童暴
露频率
/d·a−1成人暴
露频率
/d·a−1儿童
体重
/kg成人
体重
/kg经口摄
入吸收
斜率因子致癌效
应平均
时间/d地下水
中污染
物浓度
/mg·L−1经口摄
入致癌
斜率因子饮用地
下水暴
露量/
L·
(kg·d)−1致癌
风险一类 0.7 1.0 6 24 350 350 19.2 61.8 1 27740 0.01 1.5 0.007660 1.149 E-04 二类 0.7 1.0 − 25 − 250 − 61.8 1 27740 0.01 1.5 0.003646 5.469 E-05 表 4 土壤重金属砷推导筛选值
用地
类型儿童每
日摄入
量/mg·d−1成人每
日摄入
量/mg·d−1儿童
暴露
期/a成人
暴露
期/a儿童暴
露频率
/d·a−1成人暴
露频率
/d·a−1儿童
体重
/kg成人
体重
/kg经口摄
入吸收
斜率因子致癌效
应平均
时间/d经口摄
入土壤
暴露量
/kg(kg·d)−1筛选值
/mg·kg−1一类 200 100 6 24 350 350 19.2 61.8 1 27740 1.2786E-06 59.91 二类 − 100 − 25 − 250 − 61.8 1 27740 3.6457E-07 99.89 表 5 HERA模型推导计算结果
用地类型 地下水标准/mg·L−1 致癌风险 筛选值/mg·kg−1 一类 0.01 1.37E-04 58.3 二类 8.44E-06 100 表 6 两种模型推导结果对比情况
计算模型 用地类型 致癌风险 筛选值/mg·kg−1 地下水标准/mg·L−1 《建设用地土壤污染风险评
估技术导则》计算公式一类 1.15E-04 60 0.01 二类 5.47E-05 100 HERA模型 一类 1.37E-04 58 二类 8.44E-05 100 -
[1] 吕占禄, 张金良, 邹天森, 等. 燃煤电厂周边土壤重金属污染特征及评价[J]. 环境工程技术学报, 2019, 9(6): 720 − 731. doi: 10.12153/j.issn.1674-991X.2019.05.240 [2] 陈云飞, 曾妍妍, 周金龙, 等. 新疆于田县绿洲区土壤重金属空间分布特征与影响因素[J]. 农业机械学报, 2019, 50(4): 263 − 273. doi: 10.6041/j.issn.1000-1298.2019.04.030 [3] 刘向御. 山西某有色金属矿区下游土壤重金属超标评价[J]. 山西农业科学, 2019, 47(8): 1416 − 1421. doi: 10.3969/j.issn.1002-2481.2019.08.26 [4] LI J H. Distribution of heavy metals in agricultural soils near a petrochemical complex in Guangzhou, China[J]. Environmental Monitoring and Assessment: An International Journal, 2009, 153(1/4): 365 − 375. [5] 冉继伟, 宁平, 孙鑫, 等. 云南个旧土壤农作物重金属污染特征及潜在风险[J]. 中国环境监测, 2019, 35(5): 62 − 68. [6] 梁捷, 孙宏飞, 葛成军, 等. 海南省主要农作物主产区土壤重金属含量分布及其健康风险评价[J]. 热带作物学报, 2019, 40(11): 2285 − 2293. doi: 10.3969/j.issn.1000-2561.2019.11.026 [7] 孙英, 周金龙, 曾妍妍, 等. 新疆于田县农田土壤重(类)金属污染及潜在生态风险评价[J]. 新疆农业科学, 2018, 55(12): 2271 − 2278. [8] 潘洪来. 制订我国污染场地土壤风险筛选值的几点建议[J]. 中国资源综合利用, 2018, 36(9): 80 − 81. doi: 10.3969/j.issn.1008-9500.2018.09.025 [9] 吴红梅, 程媛媛, 陈亢利, 等. 制定多环芳烃类物质区域筛选值的必要性研究[J]. 苏州科技大学学报(自然科学版), 2018, 35(4): 65 − 70. [10] 生态环境部. 建设用地土壤污染风险评估技术导则: HJ25.3—2019[S/OL]. (2019-12-24)[2020-07-20]. http://www.mee.gov.cn/ywgz/fgbz/bz/bzwb/jcffbz/201912/W020191224560850148092.pdf. [11] 符小菲, 袁艺, 黄世霞, 等. HERA和RBCA模型在土壤筛选值推导中的应用比较[J]. 池州学院学报, 2019, 33(3): 57 − 60. [12] 王和才, 张朝, 谢雨呈, 等. 重金属污染场地土壤风险筛选值关键影晌因子研究一以砷为例[J]. 生态毒理学报, 2018, 13(6): 175 − 185. [13] 任占军, 郝贵奇, 尹长田, 等. 微波消解-氢化物发生原子荧光光谱法测定污泥中汞和砷[J]. 冶金分析, 2014, 34(3): 52 − 56. [14] 生态环境部, 国家市场监督管理总局. 土壤环境质量 建设用地土壤污染风险管控标准: GB36600—2018[S]. 北京: 中国标准出版社. 2018. [15] 北京市市场监督管理局. 建设用地土壤污染状况调查与风险评估技术导则: DB11/T656—2019[S/OL]. (2020-01-03)[2020-07-20]. http://sthjj.beijing.gov.cn/bjhrb/resource/cms/article/bjhrb_810271/856060/2020010311161555453.pdf. [16] 国家质量监督检验检疫总局, 中国国家标准化管理委员会. 地下水质量标准: GB/T14848—2017[S/OL]. (2017-10-14)[2020-07-20]. http://c.gb688.cn/bzgk/gb/showGb?type=online&hcno=F745E3023BD5B10B9FB5314E0FFB5523.