, 毕如田2, 郭颖2,3, 袁宇志3, 柴敏3, 郭治兴3
1. 中国科学院地球环境研究所, 西安 710061;
2. 山西农业大学资源环境学院, 晋中 030801;
3. 广东省生态环境技术研究所, 广东省农业环境综合治理重点实验室, 广州 510650
收稿日期: 2017-07-19; 修回日期: 2017-08-30; 录用日期: 2017-08-30
基金项目: 国家自然科学青年科学基金（No.41601558）；广东省科技计划项目（No.2015B070701017，2017A040406021）；广州市科技计划项目（No.201709010010）；广东省科学院创新平台建设专项
作者简介: 孙慧(1991-), 女, E-mail:sunhuisxau@gmail.com
通讯作者（责任作者）: 郭治兴, 男, 博士, 研究员, 主要从事GIS应用研究工作, E-mail:zxguo@163.com
摘要: 近年来土壤重金属污染问题日益加剧，而土壤重金属溯源解析对土壤重金属污染防治具有重要的指导意义.本文采集并测试了广东省土壤表层（0~20 cm）1000个样本中的As、Cd、Cr、Cu、Hg、Ni、Pb和Zn 8种重金属元素的含量，选取了可能影响这些重金属元素在土壤中含量的106个因子，将其分为自然和人为两大类，基于回归模型树方法，通过R语言及Cubist模型定量计算这些影响因子对8种重金属元素在土壤中含量的贡献率，筛选不同元素的主要影响因子，进行溯源及污染源解析.结果表明：广东省土壤中As、Cd、Cr、Cu、Ni、Pb和Zn来源受自然因素作用大于人为因素，土壤中Hg则相反，其主要来源于工业生产，部分来源于农业生产.土壤中Cd和Hg元素的人为源具有同源性.广东省土壤重金属人为源贡献率由大到小分别为土壤As为工业>农业>交通>人口>其他；Cd为工业>农业>交通>其他；Cr为农业>工业>交通、人口>其他；Cu为工业>农业>交通>其他；Hg为工业>农业>交通、矿区>人口>建筑；Ni为工业>农业>交通>其他；Pb为工业>农业>其他；Zn为工业>农业>人口>其他.本研究结果有利于指导相关产业减少污染排放，降低土壤环境质量受到的污染风险.
关键词:土壤重金属源解析Cubist广东省
Source apportionment analysis of trace metal contamination in soils of Guangdong province, China
SUN Hui1
, BI Rutian2, GUO Ying2,3, YUAN Yuzhi3, CHAI Min3, GUO Zhixing3 1. Institute of Earth Environment, Chinese Academy of Science, Xi'an 710061;
2. College of Resources and Environment, Shanxi Agriculture University, Jinzhong 030801;
3. Guangdong Institute of Eco-environmental Science & Technology, Guangdong Key Laboratory of Integrated Agro-environmental Pollution Control and Management, Guangzhou 510650
Received 19 July 2017; received in revised from 30 August 2017; accepted 30 August 2017
Supported by the National Natural Science Foundation of China(No.41601558), the Science and Technology Planning Project of Guangdong Province(No.2015B070701017, 2017A040406021), the Science and Technology Planning Project of Guangzhou(No.201709010010) and the Special Program on Construction of Innovation Platform of Guangdong Academy of Sciences
Biography: SUN Hui(1991—), female, E-mail:sunhuisxau@gmail.com
*Corresponding author: GUO Zhixing, E-mail:zxguo@163.com
Abstract: Soil contamination with heavy metals has become a severe problem in China. In order to prevent and control heavy metal contamination in soils, it is essential to understand the pollutant source. Based on the concentration data of eight trace metals (i.e. As, Cd, Cr, Cu, Hg, Ni, Pb and Zn) for 1000 soil samples from the surface layer (0~20 cm) of Guangdong Province and 106 explanatory factors categorized into two groups of natural and anthropogenic factors, using R and Cubist model, this study identified the dominant influencing factors of soil contamination by calculating the relative contributions of two or more sets of explanatory factors in explaining the variation of soil contamination. The results showed that among the eight heavy metals of Guangdong Province, As, Cd, Cr, Cu, Ni, Pb and Zn were mainly natural origin, whereas Hg was mainly anthropogenic origin mostly derived from industrial activities and partly from agricultural activities. The anthropogenic source of Cd was consistent with that of Hg. The contributions of different anthropogenic sources of soil contamination from high to low were in the order of industrialization > agriculture > transportation > population > others for As, industrialization > agriculture > transportation > others for Cd, agriculture > industrialization > transportation and population > others for Cr, industrialization > agriculture > transportation > others for Cu, industrialization > agriculture > transportation and mining activities > constructions for Hg, industrialization > agriculture > transportation > others for Ni, industrialization > agriculture > others for Pb, and industrialization > agriculture > population > others for Zn. Our findings provide guidance in reducing pollutant emissions and preventing soil contamination.
Key words: soil heavy metalssource apportionmentCubistGuangdong Province
1 引言(Introduction)过量的土壤重金属元素不仅直接影响了农产品的产量, 更重要的是会伴随食物链进入人体中引起人类的各种疾病(朱永官等, 2005).世界各国专家及相关部门都在致力于减轻并解决重金属对土壤生态造成的危害, 并作了大量的工作(Alloway, 2012；Wuana, 2011；张绍良等, 2017).自然界的土壤重金属元素主要来源于母质、基石的风化作用, 受地质、土壤质地、土壤类型及土壤酸碱度等的影响, 而人类活动例如农业生产、工业活动及交通运输等加剧了外源重金属的输入(Ali, 2013).随着经济的增长、人口密度的增大及城镇化步伐的加快, 人类活动对土壤中重金属含量的影响越来越大(章海波等, 2014).因此, 治理土壤重金属污染的首要任务是查清其来源, 土壤重金属溯源解析不仅对土壤重金属污染的有效治理具有重要的意义(于瑞莲, 2008；赵多勇等, 2011), 同时也对预防其潜在的危害具有重要的指导意义.
常用的土壤重金属溯源解析方法主要有：化学分析方法、聚类分析法、主成分分析法、因子分析法及多元统计法等(张一修等, 2012).化学质量平衡法需要知道每一类污染源中的元素浓度(张玉梅, 2015)；同位素示踪法(Cicchella et al., 2008)等通过对比分析污染源中重金属元素的化学形态来解析重金属来源, 该方法精度虽然高, 但需要比对各种不同形态的重金属, 在小区域定点土壤重金属溯源解析中具有重要的意义；因子分析法(刘世梁等, 2008)、聚类分析法及主成分分析法等(柴世伟等, 2006)通过对比与无污染或污染程度小的重金属元素的关系来识别土壤重金属来源, 该方法不需要附加额外的影响因子即可解析重金属来源, 但不能定量、定性解析影响因子贡献率；多元统计方法(林燕萍等, 2006)等既可以对土壤重金属进行溯源解析, 也可以定量、定性计算影响因子的贡献率, 但其使用因子数量有限制, 并不能处理大量影响因子, 或不能处理离散变量.本文选择基于回归树模型的Cubist方法(Kuhn et al., 2012), 不仅可以处理连续变量同时也可以处理离散变量, 并且同步计算影响因子的贡献率, 可以较好地对土壤重金属元素进行溯源解析.
2 材料与方法(Materials and methods)2.1 研究区概况广东省位于中国大陆最南端, 地处20°09′N~ 25°31′N、109°45′E ~ 117°20′E, 北接湖南、江西, 东与福建接壤, 西与广西相邻, 南邻香港、澳门及南海(图 1).广东省水热资源充沛、光照时间充足, 全年平均气温22 ℃左右, 气候带由北到南依次为中亚热带、南亚热带及北热带.广东省北部地区多为山地丘陵, 海拔相对较高；南部临海地区海拔相对较低, 地势相对较平坦.广东省中北部即粤北地区土壤主要由泥盆纪、石炭纪母质发育而来, 拥有丰富的矿产资源；南部沿海地区土壤主要由第四纪母质发育而来；西南部雷州半岛地区土壤主要由喜马拉雅期母质发育而来, 以细粒沉积物为主, 土壤粘性较大；东部地区土壤主要由侏罗纪母质发育而来, 为广东省主要农业生产区, 农业垦殖指数较高, 农业发达.赤红壤、水稻土、红壤、黄壤、砖红壤及石灰土在广东省所占面积较大, 赤红壤主要分布在广东省中部中亚热带地区, 红壤、黄壤、石灰土主要分布在广东省北部地区, 砖红壤主要分布在雷州半岛, 水稻土分布较广.广东省土壤整体上呈酸性, 土壤pH均值在5.5左右(郭治兴等, 2011).本省经济发达, 但发展极不平衡, 经济发达区及人口主要集中分布在珠江三角洲.广东省土壤重金属污染严重, 珠三角40%的土壤存在土壤重金属污染, 西江流域污染已经以达到60%~70%(傅国伟, 2012).
图 1(Fig. 1)
 |
| 图 1 广东省区位图及采样点分布图 Fig. 1The location of Guangdong province and the distribution of sampling points |
2.2 样品采集与测定土壤重金属样品采集按照《NYT 1121.1—2006土壤检测第1部分：土壤样品的采集、处理和贮存》方法进行采集和贮存.采样兼顾多样性、全局性原则, 总体上采用格网布点的方法, 并在重金属敏感区加密布点, 共采集广东省土壤表层0 ~ 20 cm样本1000个, 总监测面积约为18万km2, 土壤样本基本覆盖整个广东省.由于重金属元素的微小变动会引起结果的巨大差异, 因此在采样点时全部利用塑料铲和陶瓷铲采样, 所有处理过程均避开金属制品.采样时为综合考虑研究区不同自然环境特征, 采集广东省不同土地利用类型、土壤类型、地质类型、耕作方式及作物类型等土壤样本, 尽量覆盖每种影响因素, 并依据影响因素的递变而设计采样点的分布, 采样点分布如图 1所示.在确定采集区域后, 采用多点混合法在样本区域10 m × 10 m格网中各取4个顶点及中心处1 kg土样, 混合均匀后取1 kg土壤代表该样点区域土样, 并同步记录样点区域中心点坐标及周边环境状况.除去样本中树叶、石子等杂物, 按照HJ/T 166—2004和GB 17378.5—2007标准的要求, 将采样点的样品进行风干、研磨至100目, 样点在处理过程中均避开其他可能污染物.称取待测样本0.1 g, 经电热板加热消解后, 利用德国Jena ContrAA700测定土壤中As、Cd、Cr、Cu、Hg、Ni、Pb和Zn 8种重金属浓度, 分析过程均加入GSS-24标准样品, 进行质量控制.为确保测定结果的准确性并提高测定结果精度, 每个样本重复测试两次.
2.3 影响因子数据选择及处理通过阅读文献选取尽可能多的因子, Cubist方法可将冗余因子去掉.数据主要来源于样本采集时同步观测的土壤属性数据、周边环境情况等数据, 广东省统计年鉴中的人口经济数据, 气候数据, DEM、TM影像数据, 及广东省地质、土壤、土地利用等数据.在这些数据中提取各种信息因子, 并赋值给采样点数据.通过阅读大量文献筛选最优因子处理方法, 并通过比较R2和误差的方法筛选因子的最优处理方法.其中, 人口经济数据、道路密度和采矿数据通过空间化方法, 计算单位面积上不同人口经济、道路密度和采矿数据, 由此将其空间化, 计算的是以县为单位的人口经济密度、道路密度和采矿面积密度空间数据；对于各级河网及道路等线状数据, 计算采样点到不同等级河网和道路的距离, 其中河网数据包括五级支流, 一级支流汇入二级支流, 以此类推, 最终汇入五级支流, 河网数据即各级支流数据利用ArcGIS 10.0水文分析模块由DEM数据分析得出共五级；对于已实现空间化的数据以及其他面状数据进行投影转换, 将所有数据投影与采样点转换一致后, 在ArcGIS 10.0中进行空间叠加分析, 并构建影响因子数据库, 结果共得到106个影响因子, 将其分为自然因子和人为因子两大类(表 1).影响因子的提取及影响因子库在ArcGIS 10.0、ENVI 5.0及Excel 2010中构建.
表 1(Table 1)
| 表 1 因子描述 Table 1 Description of factors | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 1 因子描述 Table 1 Description of factors
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
 |
2.4 研究方法Cubist基于机器学习的思想, 其算法构建过程类似于回归模型树.不同之处在于：①Cubist构建的树被称为规则；②线性模型的构建过程不同；③树的调整过程更复杂；④规则条件构建过程不同；⑤预测方式不同.其模型的构建包括3个过程(Kuhn, 2013)：
① 分裂节点, 构建规则.类似于最简单的分类回归树方法(CART, classification and regression tree), 从整个数据集S开始, 遍历每一个自变量较特殊的值用以找到条件自变量并将原始数据S分裂为两个部分S1和S2, 并使两个集合的误差最小.不同之处在于, Cubist使用分裂标准减少节点的误差率.
② 线性模型的构建.一个节点分裂完成后, 则利用当前的分裂自变量构建线性模型.线性模型也要最大程度的减少误差, 误差的减少公式与分裂标准类似, 这种方法将有效的解决变量间严重的共线性问题.
③ 规则的调整, 包括修剪或合并规则.当规则过多时将造成过度拟合的问题, 这时Cubist利用修正误差率来修剪和合并规则.这样做不仅会减少每个规则的条件, 还会使规则变少, 则树被简化, 从而防止过度拟合的问题.
模型的详细计算步骤请参考Kuhn的应用预测模型(Kuhn, 2013).Cubist方法计算的影响因子贡献率包括影响因子的条件贡献率和模型贡献率, 条件贡献率是Cubist在创建“规则”的过程中用于分裂“规则”的条件因子对分裂过程的贡献率, 包括连续变量和离散变量, 反映的是影响因子对土壤重金属整体分布的贡献率；模型贡献率是模型因子对不同“规则”在构建线性模型时对模型的贡献率, 只针对连续变量, 反映的是因子对局部土壤重金属的影响.
土壤中的重金属来源于人为输入和自然形成, 局部影响因子即模型因子只能反映周边环境对已进入土壤重金属的影响情况, 并不能确定土壤重金属的源.而条件因子可以将含有共同属性的重金属归为一个规则, 同一规则下的土壤重金属含量水平基本相当且分布均匀, 由此反映土壤重金属整体分布情况.将影响土壤重金属整体分布的因子区分为自然因子和人为因子, 分别计算自然因子和人为因子的贡献率, 可以区分土壤重金属主要受自然因子影响或受人为因子影响, 借此利用条件因子贡献率确定土壤重金属的来源.
但条件因子虽然可以解析土壤重金属的来源, 反映土壤重金属整体分布规律, 但不能定向定量解析局部因子对土壤重金属的影响.在确定土壤重金属的主要来源之后, 解析土壤重金属主要污染源对指导土壤重金属污染治理具有极其重要的意义.模型因子贡献率能够定量定向反映局部土壤重金属的污染情况, 识别土壤重金属的主要污染来源.
因此, 本研究利用Cubist从106个变量因子中挖掘影响土壤重金属的主要影响因子, 并提取模型结果的条件贡献率分析土壤重金属的主要来源.研究所用软件为R 3.2.2及Cubist 0.0.18版本包.
3 结果和讨论(Results and discussion)3.1 广东省土壤重金属含量现状分析表 2为样点统计情况及与广东省土壤元素背景值(魏复盛, 1990)和土壤环境质量标准值的对比情况.结果表明土壤Cd、Hg含量均值均高于广东省土壤元素背景值的2倍.土壤Cr元素均值小于广东省土壤元素背景值, 但其均值高于GB 15618-1995土壤环境质量一级标准限制值.此外, 土壤Hg、Pb均值也高于GB 15618-1995中土壤环境质量一级标准限制值.土壤As、Cd、Hg、Ni、Pb及Zn元素的最大值均超过GB 15618-1995中土壤环境质量三级标准限制值, 表明这些元素在广东省部分区域的污染较严重.
表 2(Table 2)
| 表 2 样点土壤重金属统计情况 Table 2 Statistics of heavy metals in soil of Guangdong Province | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 2 样点土壤重金属统计情况 Table 2 Statistics of heavy metals in soil of Guangdong Province
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
土壤理化性质基本状况, 如pH、有机质、氮、磷等, 不仅影响重金属的生物有效性, 而且能够辅助判断重金属的来源.广东省土壤pH值为4.0~8.6, 均值为5.5；有机质含量为0.21%~14.30%, 均值为2.58%；全氮含量为0.016%~0.564%, 均值为0.138%；全磷含量为0.0046%~0.394%, 均值为0.0619%；全钾含量为0.066%~ 6.151%, 均值为1.522%.
图 2为土壤样点重金属含量统计情况箱图, 由SPSS软件分析作图.图 2表明土壤Cd、Hg的“异常值”较多, 表明广东省Cd、Hg分布不均匀, 部分区域Cd、Hg污染严重.土壤Cu元素分布较均匀, 没有“异常值”的出现.土壤Pb元素含量基本都在GB 15618—1995土壤环境质量二级标准限制值以下.
图 2(Fig. 2)
 |
| 图 2 土壤样点重金属含量统计情况箱图 Fig. 2Statistics of soil heavy metals concentrations |
3.2 模型结果由于部分重金属元素“异常值”较多, 因此将8种重金属元素浓度经对数转换, 按分层抽样的方法从中随机选取900个点用来构建模型, 剩余的100个点用于验证模型.模型结果及验证精度如表 3所示, 结果表明8种重金属的模型结果相对误差都小于1, 说明模型均可用(Kuhn et al., 2012).此外, 所有模型的皮尔森(Person)相关系数均在0.01达到显著水平, 表明8种重金属的预测模型均可以用来估算未知的样本.从表 3可以看出Cd含量的模型结果最优, 其模型结果的相对误差最小为0.64且R最大为0.74, Pb含量的模型结果最差, 其相对误差最大达到0.88且R最小为0.58.
表 3(Table 3)
| 表 3 模型结果及验证精度 Table 3 Result and verification accuracy of Cubist model | |||||||||||||||||||||||||||||||||||||||||||||||||||||
表 3 模型结果及验证精度 Table 3 Result and verification accuracy of Cubist model
| |||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||
3.3 广东省土壤重金属影响因子解析图 3是Cubist模型结果中条件因子的贡献率统计情况, 将条件贡献率中的人为因子和自然因子贡献率分别相加, 区分土壤重金属主要受自然因子影响或人为因子影响, 从而得到广东省土壤重金属的不同来源.图 3表明除Hg元素受人为影响大于自然影响外, 其他7种重金属元素受自然因素的作用均大于人为因素, 其中Cr、Ni元素基本不受人为作用的影响.
图 3(Fig. 3)
 |
| 图 3 广东省土壤重金属不同来源分布情况 Fig. 3Main sources of soil heavy metals |
图 4是Cubist从106个因子中挖掘出的影响土壤重金属的所有条件因子的贡献率分布情况.图片统计的是Cubist模型中各条件因子的贡献率, 图中深红色区域的因子贡献率最高为80%~100%, 其次是深蓝色区域其因子贡献率为60%~ 80%, 贡献率最低的是灰色区域(红色外围)其因子贡献率小于20%.从图 4可以看出, 广东省土壤As、Cr、Cu、Ni及Pb元素受地质影响较大(深红色-深蓝色集中分布在地质类型因子和As、Cr、Cu、Ni、及Pb重合区域), 表明土壤As、Cr、Cu、Ni、及Pb元素与区域母岩有密切的联系(陈俊坚等, 2011)；土壤Cr、Ni及Zn元素受土壤砂粒及土壤黏粒含量影响较大(深蓝色-深红色分布在土壤砂粒及土壤黏粒因子和Cr、Ni及Zn重合区域), 赵彦锋等(2008)研究表明土壤粒径与土壤Cr、Ni及Zn含量有密切的关系；此外土壤Pb、Zn主要受土壤全钾含量的影响(深红色-深蓝色集中分布在土壤全钾因子和Pb、Zn重合区域), 赵彦锋等(2008)研究表明土壤全钾含量可以反映土壤母质信息, 因此与土壤全钾含量相关性高表明Pb、Zn主要受自然因素影响.土壤pH及土壤类型对土壤Cd含量影响较大(深蓝色集中分布在土壤pH因子和Cd重合区域), 表明土壤Cd元素与土壤性质有密切的关系(孙慧等, 2016)；土壤Cr及Hg元素受流域类型及支流影响显著(深红色-深蓝色集中分布在流域类型及距离五级支流距离因子和Cr、Hg重合区域), 表明流域水质可能造成土壤Cr及Hg元素的污染；土壤全氮或全磷对Cu、Hg、Cd、Pb及Zn元素的影响较大(深红色-深蓝色集中分布在全氮或全磷因子和Cu、Hg、Cd、Pb及Zn重合区域), 氮、磷含量表征人类施肥对土壤的影响(赵彦锋等, 2008), 表明农业活动造成了土壤Cd、Cu、Hg、Pb及Zn元素的污染；土壤含量对土壤Hg元素的影响较大(深红色-深蓝色集中分布在因子和Hg重合区域), 是一种多环芳烃(PAHs, polycyclic aromatic hydrocarbons), 曹云者等(2012)研究表明PAHs主要来源于工业活动排放的废气、废水、废物等, 表明工业活动造成了广东省土壤Hg元素的污染.
图 4(Fig. 4)
 |
| 图 4 土壤重金属Cubist模型中条件影响因子贡献率面积分布图 Fig. 4Contribution rate of conditional factors in Cubist model |
综上所述, 整体上广东省土壤As、Cr、Cu、Ni、Pb及Zn元素主要受自然因素作用, As、Cr、Cu、Ni及Pb元素与地质类型即土壤母质具有密切的联系, 土壤Cr、Ni、Pb及Zn元素与土壤粒径有密切联系, 土壤Cd元素主要受土壤性质包括土壤pH值及土壤类型的影响.土壤Hg元素主要来源于人类活动, 与土壤含量同时存在, 表明土壤Hg元素可能主要来源于工业活动.
从Cubist模型结果的模型因子贡献率中提取影响广东省土壤重金属的自然因子, 通过对比不同类别的自然因子贡献率大小分析广东省土壤重金属与自然因子的关系, 以期为有效控制自然因素造成的污染提供参考, 结果如图 5所示.由图 5可知土壤因子对8种重金属的影响均最大, 土壤As的Cubist模型中自然因子贡献率大小为：土壤>植被>水文、气候>地形；土壤Cd的Cubist模型中自然因子贡献率大小为：土壤>植被>气候>地形>水文；土壤Cr和Cu的Cubist模型中自然因子贡献率大小为：土壤>植被>水文>气候>地形；土壤Hg的Cubist模型中自然因子贡献率大小为：土壤、地形>水文>气候>植被, 所有自然因子对Hg的影响均较小；土壤Ni的Cubist模型中自然因子贡献率大小为：土壤>水文>气候>地形>植被；土壤Pb的Cubist模型中自然因子贡献率大小为：土壤>植被>水文>气候>地形；土壤Zn的Cubist模型中自然因子贡献率大小为：土壤>地形>气候>植被、水文, 相比于土壤因子, 其他自然因子对土壤Zn含量基本没有影响.相比于其他重金属元素, 土壤As、Cd、Cr及Cu含量受土壤因子和植被因子的影响较其他自然因子大.
图 5(Fig. 5)
 |
| 图 5 广东省土壤重金属自然因子对Cubist模型的贡献率分布情况 Fig. 5Contribution rate of natural factors of Cubist model |
3.4 广东省土壤重金属污染源解析从Cubist模型结果的模型因子贡献率中提取影响广东省土壤重金属的人为因子, 解析广东省土壤重金属的污染源, 结果如图 6所示.图 6表明广东省土壤重金属人为影响主要来自于工业活动>农业生产>交通运输>采矿活动>其它.工业活动主要造成广东省土壤Cd、Hg及Ni元素的污染, 在过去的30年里, 广东省快速工业化和城市化发展带来了重大的环境问题包括土壤重金属的污染问题(Hu et al., 2013), 导致了土壤Cd、Hg及Ni元素的污染.农业活动主要造成了Cd及Ni元素的污染, 在以往的农业发展中由于人们过度施肥及对农药的过度依赖等导致了广东省土壤重金属的污染(Wong et al., 2002).同时, 采矿活动也造成了土壤Hg的污染, 广东省北部地区的多金属矿石、东部地区的煤炭开发及西部地区的金矿开采等活动导致了广东省土壤Hg元素的污染(Zhang et al., 2014).交通运输主要造成了土壤As、Cd及Ni元素的污染, 交通排放包括车辆尾气、轮胎磨损颗粒、街道表面风化粒子及汽车制动摩擦的磨损粒子等导致了广东省土壤重金属的污染(Wei et al., 2010).
图 6(Fig. 6)
 |
| 图 6 广东省土壤重金属人为因子主要来源 Fig. 6Main sources of anthropogenic factors of soil heavy metals in Guangdong province |
图 7是Cubist模型结果中模型因子的人为因子贡献率分布情况, 表示人为因子对土壤重金属的局部影响, 以此来定量定向解析广东省土壤重金属的污染源.从图 7可以看出, 土壤Ni、Cd及Hg元素具有同源性且来源复杂, 同时受农业、工业及交通的影响.土壤Ni元素受666即BHC总量及其异构体影响较大, 666是有机氯农药的一种(Huggett et al., 2001), 重金属通常会形成一部分农药的活性化合物, 一些除草剂及杀虫剂中通常含有较高浓度的Fe、Mn、Zn、Pb、Ni及Cd元素(Gimeno-García, 1996；贾英等, 2013).pp_DDD含量对土壤Hg元素影响较大, pp_DDD也是有机氯农药的一种(Huggett et al., 2001), 农药合成时通常会加入一些金属催化剂如Cu、Hg及Pb等元素(石宁宁等, 2010).图 7表明有机氯农药的使用与广东省土壤Ni及Hg元素出现协同污染.
图 7(Fig. 7)
 |
| 图 7 土壤重金属人为影响因子贡献率面积分布图 Fig. 7Contribution rate of anthropogenic factors |
多环芳烃总量及其同分异构体对土壤Cd、Hg及Ni元素模型的贡献率较大, 多环芳烃主要来自燃烧过程并包含许多有毒化合物, 常与Cd、Cu、Hg及Zn等重金属元素同时存在(Wilcke, 2000), 杨国义等(2007)研究表明广东省区域农业土壤中的PAHs主要来源于化石燃料的不完全燃烧, 城市近郊土壤中PAHs主要来源于化学工业和交通污染(Wilcke et al., 2000), 图 7表明广东省土壤Cd、Hg及Ni污染与PAHs污染同时存在, 证明PAHs与Cd、Hg及Ni污染具有同源性, 均来自工业和交通污染.第二产业产值对土壤Hg模型的贡献率较大, 汞作为主要的工业原料在矿山、冶金、防腐、涂料和农药等工业领域广泛应用(乔永民等, 2004), 表明工业活动主要造成了Hg元素的污染.
距离主要道路距离、距离公路距离和道路密度对土壤Cd、Hg及Ni模型贡献率较大, 表明交通污染主要造成了土壤Cd、Hg及Ni的污染.润滑油在高温下与空气接触氧化(Kemp, 2002)及油泵的磨损(Faiz et al., 2009)等会释放Ni等重金属.镉盐主要作为含锌添加剂的杂质存在于汽车轮胎(Faiz et al., 2009；Johansson et al., 2009)和润滑油(邵莉等, 2012)中, 金属被腐蚀后也会释放出Cd(Ewen et al., 2009).汽车尾气排放会产生Hg污染(Hongling, 2009), 重金属含量高值与交通密度相关(唐荣莉等, 2013), 道路密度越发达的区域交通量越大, 珠三角地区城市和道路密度高度发达, 造成周边土壤Hg的污染.距离铁路距离对土壤As、Cd及Ni元素模型贡献率较大, 铁路沿线重金属污染主要来源于列车轨道、列车部件摩擦、火车轮轴磨损、废气排放及运输货物的泄漏等(肖宇红等, 2012), 广东省铁路交通运输主要造成土壤As、Cd及Ni的污染.从图 7可以看出县采矿面积对土壤Hg元素模型的贡献率也较高, 广东省大型铅锌矿区由于铅锌矿的冶炼产生Hg污染(Li et al., 2013；Streets et al., 2005), 表明采矿活动主要造成了Hg元素的污染.
土壤全氮及土壤全磷含量对广东省8种不同的重金属元素模型贡献均较高, 研究表明化肥中As、Cd、Cr、Cu、Hg、Pb及Zn含量较高(王美, 2014；武小净等, 2015), 表明施肥活动与土壤重金属污染之间可能存在关系.
4 结论(Conclusions)1) 除Hg元素受人为影响大于自然影响外, 其他7种重金属元素受自然因素的作用均大于人为因素, 其中Cr、Ni元素基本不受人为作用的影响.
2) 整体来看, 土壤As、Cr、Cu、Ni及Pb元素受地质影响较大, 土壤粒径与土壤Cr、Ni及Zn含量有密切的关系, 土壤pH及土壤类型对土壤Cd含量影响较大, 土壤Cr及Hg元素受流域类型及支流影响显著, 土壤Pb、Zn主要受土壤全钾含量的影响, 土壤全氮或全磷对Cd、Cu、Hg、Pb及Zn元素的影响较大, 土壤含量对土壤Hg元素的影响较大.
3) 广东省土壤重金属As人为源贡献率由大到小为工业>农业>交通>人口>其他；Cd为工业>农业>交通>其他；Cr为农业>工业>交通、人口>其他；Cu为工业>农业>交通>其他；Hg为工业>农业>交通、矿区>人口>建筑；Ni为工业>农业>交通>其他；Pb为工业>农业>其他；Zn为工业>农业>人口>其他.工业活动主要造成广东省土壤Cd、Hg及Ni元素的污染, 农业活动主要造成了Cd及Ni元素的污染, 交通污染主要造成了土壤Cd、Hg及Ni的污染, 铁路交通运输主要造成土壤As、Cd及Ni的污染, 采矿活动主要造成了Hg元素的污染.Ni、Cd及Hg污染具有同源性, 均来自工业和交通.
参考文献
| Alloway B J. 2012. Heavy metals in soils:Trace metals and metalloids in soils and their bioavailability[J]. Environmental Pollution, 22: 11–50. |
| Ali H, Khan E, Sajad M A. 2013. Phytoremediation of heavy metals-concepts and applications[J]. Chemosphere, 91(7): 869–881.DOI:10.1016/j.chemosphere.2013.01.075 |
| Cicchella D, De Vivo B, Lima A, et al. 2008. Heavy metal pollution and pb isotopes in urban soils of napoli, italy[J]. Geochemistry:Exploration, Environment, Analysis, 8(1): 103–112.DOI:10.1144/1467-7873/07-148 |
| Ewen C, Anagnostopoulou M A, Ward N I. 2009. Monitoring of heavy metal levels in roadside dusts of Thessaloniki, greece in relation to motor vehicle traffic density and flow[J]. Environmental Monitoring and Assessment, 157(1): 483–498. |
| Faiz Y, Tufail M, Javed M T, et al. 2009. Road dust pollution of Cd, Cu, Ni, Pb and Zn along Islamabad expressway, pakistan[J]. Microchemical Journal, 92(2): 186–192.DOI:10.1016/j.microc.2009.03.009 |
| 国家环境保护局国家技术监督局. 1995. GB 15618-1995土壤环境质量标准[S]. 北京: 中国标准出版社 |
| 国家海洋局第二海洋研究所. 1998. GB 173785-2007海洋监测规范第5部分: 沉积物分析[S]. 北京: 中国质检出版社 |
| Gimeno-García E, Andreu V, Boluda R. 1996. Heavy metals incidence in the application of inorganic fertilizers and pesticides to rice farming soils[J]. Environmental Pollution, 92(1): 19–25.DOI:10.1016/0269-7491(95)00090-9 |
| Huggett D B, Khan I A, Allgood J C, et al. 2001. Organochlorine pesticides and metals in select botanical dietary supplements[J]. Bulletin of Environmental Contamination and Toxicology, 66(2): 150–155.DOI:10.1007/s0012800218 |
| Hu Y, Liu X, Bai J, et al. 2013. Assessing heavy metal pollution in the surface soils of a region that had undergone three decades of intense industrialization and urbanization[J]. Environmental Science and Pollution Research, 20(9): 6150–6159.DOI:10.1007/s11356-013-1668-z |
| Hongling G. 2009. Atmospheric mercury pollution in Beijing[J]. Chinese Journal of Population Resources and Environment, 7(3): 92–96.DOI:10.1080/10042857.2009.10684945 |
| Johansson C, Norman M, Burman L. 2009. Road traffic emission factors for heavy metals[J]. Atmospheric Environment, 43(31): 4681–4688.DOI:10.1016/j.atmosenv.2008.10.024 |
| Kuhn M, Weston S, Keefer C, et al. 2012. Cubist models for regression[J]. R package Vignette R package version 0.0.18. |
| Kuhn M, Johnson K. 2013. Regression trees and rule-based models[M]//Applied Predictive Modeling. Springer New York: 173-220 |
| Kemp K. 2002. Trends and sources for heavy metals in urban atmosphere[J]. Nuclear Instruments and Methods in Physics Research Section B:Beam Interactions with Materials and Atoms, 189(1/4): 227–232. |
| Li B, Shi J B, Wang X, et al. 2013. Variations and constancy of mercury and methylmercury accumulation in rice grown at contaminated paddy field sites in three provinces of china[J]. Environmental Pollution, 181: 91–97.DOI:10.1016/j.envpol.2013.06.021 |
| Streets D G, Hao J, Wu Y, et al. 2005. Anthropogenic mercury emissions in china[J]. Atmospheric Environment, 39(40): 7789–7806.DOI:10.1016/j.atmosenv.2005.08.029 |
| Wuana R A, Okieimen F E. 2011. Heavy metals in contaminated soils:A review of sources, chemistry, risks and best available strategies for remediation[J]. Isrn Ecology, 2011: 1–20. |
| Wong S C, Li X D, Zhang G, et al. 2002. Heavy metals in agricultural soils of the pearl river delta, south china[J]. Environmental Pollution, 119(1): 33–44.DOI:10.1016/S0269-7491(01)00325-6 |
| Wei B, Yang L. 2010. A review of heavy metal contaminations in urban soils, urban road dusts and agricultural soils from china[J]. Microchemical Journal, 94(2): 99–107.DOI:10.1016/j.microc.2009.09.014 |
| Wilcke W. 2000. Synopsis polycyclic aromatic hydrocarbons (pahs) in soil-a review[J]. Journal of Plant Nutrition and Soil Science, 163(3): 229–248.DOI:10.1002/(ISSN)1522-2624 |
| Wilcke W, Amelung W. 2000. Persistent organic pollutants in native grassland soils along a climosequence in North America[J]. Soil Sci Soc Am J, 64: 2140–2148.DOI:10.2136/sssaj2000.6462140x |
| Zhang H, Chen J, Zhu L, et al. 2014. Anthropogenic mercury enrichment factors and contributions in soils of guangdong province, south china[J]. Journal of Geochemical Exploration, 144: 312–319.DOI:10.1016/j.gexplo.2014.01.031 |
| 柴世伟, 温琰茂, 张亚雷, 等. 2006. 广州市郊区农业土壤重金属污染评价分析[J]. 环境科学研究, 2006, 19(4): 138–142. |
| 曹云者, 柳晓娟, 谢云峰, 等. 2012. 我国主要地区表层土壤中多环芳烃组成及含量特征分析[J]. 环境科学学报, 2012, 32(1): 197–203. |
| 陈俊坚, 张会化, 刘鉴明, 等. 2011. 广东省区域地质背景下土壤表层重金属元素空间分布特征及其影响因子分析[J]. 生态环境学报, 2011, 20(4): 646–651. |
| 傅国伟. 2012. 中国水土重金属污染的防治对策[J]. 中国环境科学, 2012, 32(2): 373–376. |
| 郭治兴, 王静, 柴敏, 等. 2011. 近30年来广东省土壤ph值的时空变化[J]. 应用生态学报, 2011, 22(2): 425–430. |
| 贾英, 方明, 吴友军, 等. 2013. 上海河流沉积物重金属的污染特征与潜在生态风险[J]. 中国环境科学, 2013, 33(1): 147–153. |
| 刘世梁, 崔保山, 温敏霞, 等. 2008. 路域土壤重金属含量空间变异的影响因子[J]. 环境科学学报, 2008, 28(2): 253–260. |
| 林燕萍, 赵阳, 胡恭任, 等. 2011. 多元统计在土壤重金属污染源解析中的应用[J]. 地球与环境, 2011, 39(4): 536–542. |
| 乔永民, 黄长江, 林潮平, 等. 2004. 粤东柘林湾表层沉积物的汞和砷研究[J]. 热带海洋学报, 2004, 23(3): 28–35. |
| 孙慧, 毕如田, 袁宇志, 等. 2016. 广东省土壤镉含量影响因子解析与评估[J]. 环境科学学报, 2016, 36(11): 4173–4183. |
| 石宁宁, 丁艳锋, 赵秀峰, 等. 2010. 某农药工业园区周边土壤重金属含量与风险评价[J]. 应用生态学报, 2010, 21(7): 1835–1843. |
| 邵莉, 肖化云, 吴代赦, 等. 2012. 交通源重金属污染研究进展[J]. 地球与环境, 2012, 40(3): 445–459. |
| 唐荣莉, 马克明, 张育新, 等. 2013. 北京市道路灰尘中污染物含量沿城乡梯度、道路密度梯度的变化特征[J]. 环境科学, 2013, 34(1): 364–372. |
| 中国环境监测总站. 1990. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社: 329–381. |
| 王美, 李书田. 2014. 肥料重金属含量状况及施肥对土壤和作物重金属富集的影响[J]. 植物营养与肥料学报, 2014, 20(2): 466–480.DOI:10.11674/zwyf.2014.0224 |
| 武小净, 李德成, 石屹, 等. 2015. 我国烟用肥料中重金属含量调查分析[J]. 土壤, 2015, 47(3): 572–577. |
| 肖宇红, 艾应伟, 陈黎萍, 等. 2012. 原子吸收光谱法测定铁路岩石边坡土壤中重金属含量[J]. 光谱学与光谱分析, 2012, 32(9): 2576–2578. |
| 于瑞莲, 胡恭任. 2008. 土壤中重金属污染源解析研究进展[J]. 有色金属, 2008, 60(4): 158–165. |
| 杨国义, 张天彬, 高淑涛, 等. 2007. 珠江三角洲典型区域农业土壤中多环芳烃的含量分布特征及其污染来源[J]. 环境科学, 2007, 28(10): 2350–2354.DOI:10.3321/j.issn:0250-3301.2007.10.034 |
| 中国环境监测总站南京市环境监测中心站. 2004. HJ/T 166-2004土壤环境监测技术规范[S]. 北京: 中国环境出版社 |
| 朱永官, 陈保冬, 林爱军, 等. 2005. 珠江三角洲地区土壤重金属污染控制与修复研究的若干思考[J]. 环境科学学报, 2005, 25(12): 1575–1579.DOI:10.3321/j.issn:0253-2468.2005.12.001 |
| 张绍良, 张黎明, 侯湖平, 等. 2017. 生态自然修复及其研究综述[J]. 干旱区资源与环境, 2017(1): 160–166. |
| 章海波, 骆永明, 李远, 等. 2014. 中国土壤环境质量标准中重金属指标的筛选研究[J]. 土壤学报, 2014, 51(3): 429–438. |
| 赵多勇, 郭波莉, 魏益民, 等. 2011. 重金属污染源解析研究进展[J]. 安全与环境学报, 2011, 11(4): 98–103. |
| 张一修, 王济, 秦樊鑫, 等. 2012. 贵阳市道路灰尘和土壤重金属来源识别比较[J]. 环境科学学报, 2012, 32(1): 204–212. |
| 张玉梅, 张卫东, 王军玲. 2015. 大气PM 2.5源解析"源清单化学质量平衡法(i-cmb)"模型的建立与应用[J]. 大气科学学报, 2015, 38(2): 279–284. |
| 赵彦锋, 郭恒亮, 孙志英, 等. 2008. 基于土壤学知识的主成分分析判断土壤重金属来源[J]. 地理科学, 2008, 28(1): 45–50. |
