开封市周边地区地表灰尘重金属背景值研究

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-31

马建华^1,2, 董运武³, 陈彦芳^1,2
1. 黄河中下游数字地理技术教育部重点实验室(河南大学), 开封 475001;
2. 黄河文明传承与现代文明建设协同创新中心, 开封 475001;
3. 嵩县生态环境局, 嵩县 471400
收稿日期: 2019-10-20; 修回日期: 2019-12-26; 录用日期: 2019-12-26
基金项目: 国家自然科学基金（No.41807358，U1804110）；河南省重大科技专项（No.181100310600）
作者简介: 马建华(1958-), 男, 教授, E-mail:vyhorse@163.com
通讯作者（责任作者）: 马建华

摘要：长期以来国内外****大多以研究地区所在行政区、全国或全球土壤元素背景值或上地壳元素丰度作为标准，评价地表灰尘重金属积累与污染状况.但某区域的灰尘重金属背景值与所在地区的土壤背景值是否存在差别？迄今为止尚未见到这方面的研究报道.基于此，本研究在河南省东部黄淮平原开封市周边地区10个县（市）约2×10⁴ km²范围内，用网格法随机采集灰尘样品96份，用ICP-MS法和AFS法测定11种重金属含量.按照Dixon检验法剔除重金属离群值，用偏度-峰度法和Q-Q图示法检验数据分布类型，根据常规方法确定各个重金属的背景值，并开展灰尘重金属背景值与其上地壳丰度、中国潮土背景值及河南省土壤背景值对比分析.结果表明，灰尘Hg、As、Cd、Cr、Pb、Cu、Zn、Ni、Co、Sb和V背景值分别为0.022、8.04、0.30、46.51、24.58、20.54、77.21、26.21、9.72、1.27和84.33 mg·kg^-1.灰尘重金属背景值与上地壳重金属丰度、中国潮土背景值及河南省土壤背景值都存在一定差异.与河南省土壤元素背景值相比，灰尘Cd、Pb和Zn背景值较高，其中，Cd属极强差异，Pb和Zn属中等差异；灰尘Hg、As和Cr背景值较低，都属强差异；土壤和灰尘Cu、Sb、V、Ni和Co背景值差别不明显，均属弱差异.
关键词：开封市周边地区地表灰尘重金属背景值
Background values of heavy metals in surface dusts in the vicinity of Kaifeng, Henan Province
MA Jianhua^1,2, DONG Yunwu³, CHEN Yanfang^1,2
1. Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions(Henan University), Ministry of Education, Kaifeng 475001;
2. Collaborative Innovation Center on Yellow River Civilization of Henan Province, Kaifeng 475001;
3. Songxian Bureau of Ecology and Environment, Songxian 471400
Received 20 October 2019; received in revised from 26 December 2019; accepted 26 December 2019
Abstract: For a long time, most researchers at home and abroad used the background values of soil heavy metals in the studied administrative regions, countries, and the world, or the abundances of the upper crust (AUC) as the reference criteria to evaluate the accumulation and pollution of heavy metals in dusts. However, are there differences between the background values of heavy metals in dusts and soils? So far, there is still no research report on this aspect. In the 10 counties (an area of 2×10⁴ km²) around Kaifeng City located in the eastern part of Huanghuai Plain, Henan Province, 96 dust samples were collected randomly with the grid method. The concentrations of eleven heavy metals in dust samples were determined with ICP-MS(Inductively coupled plasma mass spectrometry) and AFS(Atomic fluorescence spectrometry). The outliers of heavy metal concentrations were eliminated by the Dixon Test, and the data distribution types were tested by skewness-kurtosis method and Q-Q diagram method. Then, the background values of heavy metals in dusts were calculated with the conventional method, and comparisons with their AUC, background values in the fluvo-aquic soil of China (BVFSC) and the background values in soils of Henan Province (BVSHP) were carried out. The results show that the background values of Hg, As, Cd, Cr, Pb, Cu, Zn, Ni, Co, Sb and V in dusts are 0.022, 8.04, 0.30, 46.51, 24.58, 20.54, 77.21, 26.21, 9.72, 1.27 and 84.33 mg·kg^-1, respectively, which are different from AUC, BVFSC and BVSHP. The background values of Cd, Pb and Zn in dusts are higher than those of BVSHP. According to the absolute difference ratio, the background value of Cd between dusts and BVSHP belongs to very strong difference, Pb and Zn belongs to moderate differences. The background values of Hg, As, and Cr in dusts are lower than those of BVSHP, belonging to strong differences. However, no much significant differences of the background values of Cu, Sb, V, Ni and Co exist between dusts and BVSHP, which belongs to slight differences.
Keywords: the vicinity of Kaifengsurface dustheavy metalbackground value
1 引言(Introduction)地表灰尘(以下简称灰尘)泛指降落在地面的颗粒物, 包括道路灰尘、区域灰尘(如工矿区、机关和学校、公共休闲区等)两类.自从Day等(1975)关注街道灰尘铅污染以来, 灰尘重金属污染与健康风险研究越来越受到重视.但由于目前各国都没有灰尘重金属背景数据, 所以灰尘污染评价(如地积累指数(Index of geoaccumulation, I_geo)、内梅罗污染指数(Nemerow pollution index, P_i和P_N)、污染负荷指数(Pollution loading index, PLI)、潜在生态风险指数(Potential ecological risk index, RI)、富集系数(Enrichment factor, EF)等)所用的参考标准很不一致.绝大多数****(Kim et al., 1998；韩东昱等, 2004；刘春华等, 2007；朱伟等, 2007；方凤满等, 2009；常静等, 2009；郑小康等, 2009；Wei et al., 2010；王晓云等, 2011；张一修等, 2012；Loganathan et al., 2013；Chen et al., 2014；王呈等, 2016；Trujillo-González et al., 2016；Adamiec et al., 2016；Ma et al., 2016；Han et al., 2017；Men et al., 2018；Xu et al., 2018；Zhang et al., 2019)选用不同区域或全球土壤重金属背景值作为参考标准, 一些****(Nazzal et al., 2013；Sahu et al., 2016；Gope et al., 2017；Zhang et al., 2017)选用地壳或上地壳重金属丰度作为参考标准, 有些****(Liu et al., 2014；Keshavarzi et al., 2015)选用研究区深层土壤的重金属含量作为参考标准, 还有****(Christoforidis et al., 2009；Kr?mová et al., 2009)选用研究区对照灰尘样品的重金属平均含量或中值作为参考标准.
从灰尘的物质来源来看, 包括土壤源和人为源两类.表层土壤中较细的颗粒物在风力作用下进入空中, 经过不同距离的大气输送再次沉降至地表形成灰尘.灰尘还可以发生多次扬起和沉降, 所以某点位的灰尘物质组成与其周围土壤有一定关系.人为源灰尘主要来自工业、交通、建筑和生活垃圾等的颗粒物排放.对于远离城镇和交通密集区的农区来说, 尽管灰尘来自表土, 但由于灰尘的颗粒分选作用及在大气输送过程中的混合、吸附等作用, 其物质组成与周围土壤必然存在一定差别, 所以用某个国家或地区的土壤重金属背景值作为参考标准进行灰尘重金属污染评价是不适宜的.地壳或上地壳重金属丰度是不同岩石和风化物的平均状况, 与区域性土壤重金属背景值差异很大, 更不宜将其作为区域性灰尘重金属污染评价的参考标准.因此, 开展区域性灰尘重金属背景值研究具有重要的理论和现实意义.需要说明的是, 从严格意义上讲, 灰尘重金属背景值应该是不受人类活动影响情况下的重金属统计特征含量, 但现代人类活动对灰尘的影响已无处不在, 很难找到绝对不受人类活动影响的灰尘样点.因此, 本文定义的灰尘重金属背景值是少受人类活动影响情况下的重金属统计特征含量, 在时间和空间上对具有相对意义.该定义的前提与土壤元素背景值是一致的(中国环境监测总站, 1990；陈同斌等, 2004).
2011年, 本课题组在开封市周边地区采集灰尘样品, 开展了11种重金属的背景值研究, 部分成果已被有关研究(段海静等, 2015；陈轶楠等, 2016)所采用.基于此, 本文将全面介绍开封市周边地区灰尘重金属背景值的研究过程, 并开展灰尘重金属背景值与不同区域土壤背景值和上地壳重金属丰度的对比分析, 旨在为该区域灰尘重金属污染评价提供更加准确和可靠的信息, 同时也可为其他地区的同类研究提供借鉴.
2 材料与方法(Materials and methods)2.1 研究区概况研究区以河南省开封市为中心, 以80 km为半径, 包括中牟、尉氏、开封市区、通许、杞县、兰考、民权、封丘、长垣和原阳等10个县(市)的全部或部分地区, 面积约为2×10⁴ km²(图 1).研究区属河南省东部黄淮平原的一部分, 地势比较平坦, 黄河流过本区北部.气候类型属暖温带大陆性季风气候, 年均温度为14 ℃左右, 年均降雨量约为670 mm；冬季盛行偏北风, 夏季盛行偏南风.土壤类型为发育在黄河冲积物上的黄潮土, 土层深厚, 质地偏砂.
图 1(Fig. 1)

图 1 研究区位置与灰尘样点分布图 Fig. 1The investigation area and the sample sites of surface dusts

2.2 样品采集首先将研究区划分为10 km×10 km的网格(约100个网格), 依次编号；然后从中随机选取23个网格进行灰尘样品采集(图 1).在每个网格中心附近的村庄周围, 按不同方位布设4~5个采样点.采样点选择在少受人为干扰的地段, 如古老坟茔地、永久性沟渠旁、成熟规模林地及长期荒芜的硬质地面等.采样点距乡镇5 km以上, 距主要公路1 km以上, 距农村居民点500 m以上.本研究总共布设96个灰尘样点.
灰尘样品采集于2011年3—4月.采样时选择无风或微风天气, 若遇到降水天气时则在降雨过程结束5 d后进行采样.在每个采样点上, 用毛刷和塑料簸箕多点(25~30个)清扫灰尘, 去除灰尘中的植物残体和砖瓦块等, 将其充分混合获得500 g左右的样品.
2.3 样品处理与重金属含量测定在实验室, 进一步混匀灰尘样品, 平摊在干净的塑料布上, 用牛角勺多点(约30点)随机取样约100 g, 用玛瑙研钵反复研磨, 使样品全部通过100目(孔径0.149 mm)尼龙筛.样品Cd、Cr、Pb、Cu、Zn、Ni、Co、Sb和V的消解采用HNO₃-HF-HClO₄体系, 在全自动石墨消解仪下完成, 用电感耦合等离子体发射质谱仪(ICP-MS, XSeries-2, 美国赛默飞世尔)测定其含量.样品Hg和As的消解采用1:3 HNO₃-HCl消解体系, 用原子荧光光度计(AFS-3100, 北京海光)测定其含量.
在试验过程中, 所用器皿均用稀盐酸浸泡过夜, 用自来水冲洗4次, 蒸馏水冲洗3次, 再用去离子水冲洗3次, 沥干.所用试剂均为优级纯, 实验用水为去离子水.用空白试验、平行试验、国家标准样(ESS-2, 棕壤)回收试验进行质量控制.回收率在95%~108%之间, 平行试验偏差在10%以内.
2.4 背景值确定方法2.4.1 离群值的判断与剔除根据GB/T 4883—2008的规定, 在SPSS 17.0支持下采用Dixon法检验并剔除离群值.鉴于Dixon单侧检验法检出的离群值, 并没有在双侧检验法中被检出, 所以本研究采用单侧检验法.
首先, 分别计算各个灰尘重金属含量数据集的最大值(x_n)和最小值(x₁)的检测统计量D_n和D₁.然后, 在Dixon单侧检验表中查找不同样本数、不同检验水平(α=0.05, α=0.01)下的临界统计量(D).如果D_n或D₁大于其α=0.05水平下的D值, 那么x_n和x₁则为岐离值；如果D_n或D₁大于其α=0.01水平下的D值, 那么x_n和x₁则为统计离群值.为了确保背景值的准确性, 在具体处理离群值时, 将检出的岐离值和统计离群值一并剔除.在第一次剔除离群值后, 按照剔除后的重金属含量数据集重新检验其最大值和最小值是否为离群值, 直至所有离群值被剔除.
2.4.2 数据分布检验在SPSS 17.0支持下, 分别采用偏度-峰度法和Q-Q图形法, 对剔除离群值后的各个灰尘重金属数据集进行分布状态检验(赖国毅等, 2010).首先根据下式计算偏度(S)和峰度(K)的Z分数：

(1)

式中, Z_s和Z_k分别为偏度和峰度的Z分数, s_s和s_k分别为偏度和峰度标准差.然后在α=0.05检验水平下, 若观测数据或其对数的Z_s＜1.96、Z_k＜1.96, 则为正态分布或对数正态分布, 否则为偏态分布.
在灰尘重金属含量Q-Q图上, 如果观测数据的分位数与其期望正态值的分位数散点近似在一条直线, 则为正态分布；若观测数据不呈正态分布, 但经对数转换后的分位数与其期望正态值的分位数散点在近似一条直线, 则为对数正态分布；若数据既不是正态分布, 也不是对数正态分布, 则为偏态分布.
2.4.3 背景值表征方法若灰尘重金属含量数据符合正态分布, 则用其算术均值(AM)表示背景值(集中趋势), 以AM±2SD表示数据集95%的置信范围；若符合对数正态分布, 则用其几何平均值(GM)表示背景值, 以GM×GSD²、GM/GSD²表示数据集95%的置信范围(GSD为几何标准差)；若数据呈偏态分布, 则用中值(MED)表示背景值, 以5%和95%的积累频率所对应的数值表示数据集95%的置信范围(环境科学编辑部, 1982；中国环境监测总站, 1990).
3 结果与讨论(Results and discussion)3.1 灰尘重金属含量原始数据统计灰尘重金属含量原始数据箱线图见图 2.灰尘Hg、As、Cd、Cr、Pb、Cu、Zn、Ni、Co、Sb和V含量的算术均值(AM)分别为0.026、8.04、0.33、47.37、25.83、21.74、79.45、26.43、9.72、1.25和85.12 mg·kg^-1；除As和Ni的中值(MED)大于算术均值外, 其余均小于算术均值.大部分重金属存在温和异常值, 其中, Pb、Cu、Sb、Cd和Hg存在上侧极端异常值, 但这些异常值是否为离群值, 需要进一步检验.
图 2(Fig. 2)

图 2 灰尘重金属含量原始数据箱线图 Fig. 2Box-plot diagrams of the raw concentrations of heavy metal in dusts

经用Dixon法单侧检验, 发现开封市仇楼村96号样品的Cu、Ni和V含量为岐离值, Cd、Pb和Sb含量为统计离群值；中牟县仓寨村1号、2号和3号样品的Sb含量为统计离群值.本研究的灰尘重金属岐离值和统计离群值占总数据量(96×11=1056)的1.04%.
剔除灰尘重金属含量岐离值和统计离群值后的数据统计见表 1.由表 1可见, 各个灰尘重金属的算术均值(AM)均大于其几何平均值(GM)；除As和Ni含量的中值(MED)大于其算术均值外, 其余均小于其算术均值；除Hg、Cd和Sb含量的几何标准差(GSD)大于其算术标准差(SD)外, 其余均小于其SD；除Hg含量的变异系数相对较大(75.65%)外, 其余的变异系数都比较小, 绝大部分小于30%.
表 1(Table 1)

表 1 剔除灰尘重金属含量离群值之后的含量统计 Table 1 Heavy metal concentrations in dusts with the stragglers and the statistical outliers eliminated

重金属	含量/(mg·kg^-1)							CV
重金属	MIN	MAX	AM	GM	MED	SD	GSD	CV
Hg(n=96)	0.001	0.098	0.026	0.018	0.022	0.019	2.590	75.65%
As(n=96)	3.28	13.05	8.04	7.69	8.08	2.22	1.37	27.60%
Cd(n=95)	0.13	0.71	0.32	0.30	0.31	0.12	1.42	36.05%
Cr(n=96)	29.84	77.77	47.37	46.51	47.01	9.17	1.21	19.35%
Pb(n=95)	11.98	49.65	25.40	24.58	24.38	6.82	1.29	26.84%
Cu(n=95)	8.86	42.55	21.43	20.54	21.16	6.35	1.34	29.60%
Zn(n=96)	39.50	149.11	79.45	77.21	76.50	19.50	1.27	24.54%
Ni(n=95)	10.18	38.47	26.21	25.25	27.48	6.62	1.33	25.27%
Co(n=96)	4.43	14.89	9.72	9.46	9.71	2.20	1.27	22.64%
Sb(n=92)	0.62	2.01	1.27	1.24	1.20	0.28	1.25	22.20%
V(n=95)	27.59	132.38	84.33	81.60	82.49	20.73	1.31	24.58%

3.2 灰尘重金属含量分布状态检验根据剔除灰尘重金属含量离群值之后的数据(表 1), 按式(1)分别计算各个重金属的S、K及其Z分数, 确定其分布状态(表 2).由表 2可见, 灰尘As、Ni、Co、Sb和V含量数据集属于正态分布, Cd、Cr、Pb、Cu和Zn含量属于对数正态分布, Hg含量属于偏态分布.从灰尘重金属的正态Q-Q图(图 3)可见, 各个灰尘重金属含量的Q-Q图所反映的分布状况与表 2完全一致.
表 2(Table 2)

表 2 灰尘重金属含量分布偏度-峰度检验 Table 2 Distribution tests of heavy metal concentrations in dusts with Skewness-Kurtosis method

重金属	数据类型	偏度检验				峰度检验				检验结果
重金属	数据类型	S	SD	Z_s	检验	K	SD	Z_k	检验	检验结果
Hg(n=96)	原始数据	1.336	0.246	5.55	偏态	2.094	0.488	4.294	偏态	偏态
Hg(n=96)	对数转换	-1.045	0.246	-4.246	偏态	1.376	0.488	2.821	偏态	偏态
As(n=96)	原始数据	-0.167	0.246	-0.678	正态	-0.322	0.488	-0.659	正态	正态
Cd(n=95)	原始数据	0.996	0.247	4.026	偏态	0.961	0.490	1.960	偏态	对数正态
Cd(n=95)	对数转换	0.118	0.247	0.477	正态	-0.284	0.490	-0.580	正态	对数正态
Cr(n=96)	原始数据	0.540	0.246	2.191	偏态	0.850	0.488	1.743	偏态	对数正态
Cr(n=96)	对数转换	-0.100	0.246	-0.406	正态	0.138	0.488	0.283	正态	对数正态
Pb(n=95)	原始数据	1.138	0.247	4.600	偏态	1.973	0.490	4.024	偏态	对数正态
Pb(n=95)	对数转换	0.173	0.247	0.700	正态	0.735	0.490	1.499	正态	对数正态
Cu(n=95)	原始数据	0.851	0.247	3.440	偏态	1.198	0.490	2.444	偏态	对数正态
Cu(n=95)	对数转换	-0.203	0.247	-0.819	正态	0.663	0.490	1.352	正态	对数正态
Zn(n=96)	原始数据	0.839	0.246	3.408	偏态	1.262	0.488	2.588	偏态	对数正态
Zn(n=96)	对数转换	0.015	0.246	0.063	正态	0.015	0.488	0.753	正态	对数正态
Ni(n=95)	原始数据	-0.363	0.247	-1.467	正态	-0.259	0.490	-0.528	正态	正态
Co(n=96)	原始数据	0.063	0.246	0.255	正态	0.054	0.488	0.111	正态	正态
Sb(n=92)	原始数据	0.441	0.251	1.754	正态	-0.396	0.498	-0.796	正态	正态
V(n=95)	原始数据	0.015	0.247	0.061	正态	-0.360	0.490	-0.735	正态	正态

图 3(Fig. 3)

图 3 灰尘重金属含量Q-Q图 Fig. 3The Q-Q plots of heavy metal concentrations in dusts

3.3 灰尘重金属背景值及其95%置信范围根据前述背景值和95%置信范围的确定原则, 参考各个灰尘重金属含量的分布类型及表 1数据, 得到开封市周边地区灰尘重金属的顺序统计量、背景值和95%置信范围(表 3).由表 3可见, 灰尘Hg、As、Cd、Cr、Pb、Cu、Zn、Ni、Co、Sb和V的背景值分别为0.022、8.04、0.30、46.51、24.58、20.54、77.21、26.21、9.72、1.27和84.33 mg·kg^-1, 95%的置信范围分别为0.003~0.071、3.60~12.48、0.15~0.61、31.86~67.90、14.81~40.80、11.41~36.97、47.96~124.31、12.97~39.45、5.32~14.12、0.71~1.83和42.87~125.79 mg·kg^-1.
表 3(Table 3)

表 3 开封市周边地区灰尘重金属背景值及其范围 Table 3 Background values of heavy metals in dusts from the vicinity of Kaifeng?

mg·kg^-1
重金属	顺序统计量							背景值	95%置信范围
重金属	5%值	10%值	25%值	50%值	75%值	90%值	95%值	背景值	95%置信范围
Hg(n=96)	0.003	0.005	0.013	0.023	0.034	0.055	0.071	0.022	0.003~0.071
As(n=96)	4.11	4.37	6.82	8.08	9.49	10.95	11.86	8.04	3.60~12.48
Cd(n=95)	0.18	0.19	0.24	0.31	0.37	0.50	0.55	0.30	0.15~0.61
Cr(n=96)	32.08	36.05	41.42	47.01	52.63	58.79	64.77	46.51	31.86~67.90
Pb(n=95)	17.04	18.22	20.85	24.38	28.09	35.66	39.38	24.58	14.81~40.80
Cu(n=95)	12.31	14.51	17.39	21.16	24.14	30.57	34.15	20.54	11.41~36.97
Zn(n=96)	54.38	56.61	65.76	76.50	91.66	102.74	120.02	77.21	47.96~124.31
Ni(n=95)	13.36	16.57	22.09	27.48	29.96	35.91	36.77	26.21	12.97~39.45
Co(n=96)	5.67	7.07	8.21	9.71	10.89	13.03	13.80	9.72	5.32~14.12
Sb(n=92)	0.88	0.97	1.06	1.20	1.49	1.70	1.76	1.27	0.71~1.83
V(n=95)	51.70	60.18	69.37	82.49	102.25	111.58	116.75	84.33	42.87~125.79

3.4 灰尘重金属背景值与其上地壳丰度和土壤背景值对比分析不同****对地壳重金属丰度有不同的估计, 表 4列出了11种重金属的上地壳丰度(Abundances of the upper crust, AUC).如果将灰尘重金属背景值与AUCs之间的绝对差异度(见表 4注3)划分为弱差异(＜10%)、中差异(10%~30%)、强差异(31%~50%)和极强差异(＞50%)的话, 那么只有灰尘Zn背景值与其AUC之间属于弱差异, 其余重金属的差异度都比较大, 其中, Cu和V属于中差异, Pb属于强差异, Hg、Cr、Ni、Co、As、Cd和Sb属于极强差异.造成这种差异的原因, 主要是由于研究区的地质背景、地貌和气候条件的差异, 重金属禀赋、迁移和富集等表现出强烈的地域性造成的(Reimann et al., 2005).
表 4(Table 4)

表 4 重金属灰尘背景值、上地壳丰度和土壤背景值对比 Table 4 Background values of heavy metals in dusts compared with its UCCs and soil background values in different regions

重金属	灰尘背景值 (本研究)/ (mg·kg^-1)	AUC¹⁾		中国潮土元素背景值²⁾		河南省土壤元素背景值²⁾
重金属	灰尘背景值 (本研究)/ (mg·kg^-1)	背景值/ (mg·kg^-1)	差异³⁾	背景值/ (mg·kg^-1)	差异³⁾	背景值/ (mg·kg^-1)	差异³⁾
Hg	0.022	0.050	-127.21%	0.032	-45.45%	0.031	-40.91%
As	8.04	1.50	81.34%	9.30	-15.67%	10.90	-35.57%
Cd	0.30	0.10	66.67%	0.09	70.00%	0.07	76.67%
Cr	46.51	83.00	-78.46%	64.81	-39.32%	62.50	-34.38%
Pb	24.58	17.00	30.84%	20.60	16.19%	19.10	22.29%
Cu	20.54	25.00	-21.71%	22.90	-11.49%	19.20	6.52%
Zn	77.21	71.00	8.04%	67.80	12.19%	58.40	24.36%
Ni	26.21	44.00	-67.87%	28.10	-7.21%	26.10	0.42%
Co	9.72	17.00	-74.90%	11.40	-17.28%	9.70	0.21%
Sb	1.27	0.20	84.25%	1.06	16.54%	1.35	-6.30%
V	84.33	107.00	-26.88%	80.10	5.02%	90.10	-6.84%
注：1).引自(Taylor et al., 1985；Rudnick et al., 2003：McLennan, 2001)；2).引自(中国环境监测总站, 1990)；3).差异=[(灰尘背景值-文献背景值)/灰尘背景值]×100%.

与中国潮土重金属背景值相比, 灰尘Cd的背景值与之表现为极强差异, Hg和Cr表现为强差异, As、Co、Pb、Cu、Zn和Sb表现为中等差异, V和Ni表现为弱差异.出现这种差异的原因, 主要是由于我国的潮土广泛分布于不同气候带、不同地质背景区的河流冲积母质之上, 不同区域的潮土物质组成及重金属迁移存在一定差异造成的.但是, 此两者之间绝大多数重金属的差异度要比灰尘与AUC之间的差异度小一些.
与河南省土壤重金属背景值相比, 灰尘Cd背景值明显偏高, 差异度达76.67%, 属于极强差异；Pb和Zn背景值也偏高, 差异度分别为22.29%和24.36%, 均属于中等差异；Hg、As和Cr背景值明显偏小, 差异度分别为-40.91%、-35.57%和-34.38%, 均属于强差异；Cu、Sb、V、Ni和Co背景值与其土壤背景值差别不明显, 均属于弱差异, 其中, Cu、Ni和Co的背景值略高于土壤背景值, Sb和V的背景值略低于土壤背景值.造成这种差异的原因, 主要是因为河南省地跨我国地貌第二阶梯和第三阶梯, 亚热带北界横贯其中南部, 地质、地貌、气候、植被、土壤和人类活动差异很大, 土壤类型众多(主要土类有棕壤、黄棕壤、褐土、潮土和水稻土等)；河南省土壤重金属背景值是在人类活动较弱的情况下, 上述各种土壤类型的“平均”状况, 不仅与该省潮土重金属背景值存在差别, 也必然与该省潮土区的灰尘重金属背景值有较大差别.由于《中国土壤元素背景值》(中国环境监测总站, 1990)没有统计河南省潮土元素背景值, 所以无法开展灰尘重金属背景值与该省潮土背景值的对比.
综上所述, 由于灰尘重金属背景值与AUC、中国潮土背景值和河南省土壤背景值之间存在不同程度的差异, 有些元素出现正差异, 有些元素出现负差异.因此, 用AUC、中国潮土背景值和河南省土壤背景值作为参考标准评价灰尘污染状况必然会出现偏差, 污染程度被高估抑或被低估视参评重金属的种类不同而异.
4 结论(Conclusions)1) 开封周边地区灰尘Hg、As、Cd、Cr、Pb、Cu、Zn、Ni、Co、Sb和V背景值分别为0.022、8.04、0.30、46.51、24.58、20.54、77.21、26.21、9.72、1.27和84.33 mg·kg^-1.
2) 开封周边地区灰尘重金属背景值与其上地壳丰度、中国潮土背景值及河南省土壤背景值之间存在不同程度的差异.灰尘Hg、Cr、Ni、Co、As、Cd和Sb背景值与其上地壳丰度的绝对差异都属于极强差异, Pb属于强差异, Cu和V属于中差异, Zn属于弱差异.与中国潮土元素背景值相比, 灰尘Cd背景值表现为极强差异, Hg和Cr背景值表现为强差异, As、Co、Pb、Cu、Zn和Sb背景值表现为中等差异, V和Ni背景值表现为弱差异.与河南省土壤元素背景值相比, 灰尘Cd、Pb和Zn背景值较高, 其中, Cd属于极强差异, Pb和Zn属于中等差异；灰尘Hg、As和Cr背景值明显较低, 都属于强差异；灰尘Cu、Sb、V、Ni和Co背景值与之差别不明显, 都属于弱差异.
3) 用上地壳重金属丰度、中国潮土背景值和河南省土壤背景值作为参考标准, 评价灰尘污染状况必然出现偏差, 污染程度被高估抑或被低估视参评重金属的种类不同而异.
4) 今后应开展我国不同地球化学区或地理单元的地表灰尘重金属背景值研究, 揭示灰尘重金属背景值与所在地区土壤重金属背景值之间的关系, 为灰尘重金属污染评价提供更加准确和可靠的信息.

参考文献

Adamiec E, Jarosz-Krzemińska E, Wiesza?a R. 2016. Heavy metals from non-exhaust vehicle emissions in urban and motorway road dusts[J]. Environmental Monitoring and Assessment, 188: 369-380.

常静, 刘敏, 李先华, 等. 2009. 上海地表灰尘重金属污染的健康风险评价[J]. 中国环境科学, 29(5): 548-554.

陈同斌, 郑袁明, 陈煌, 等. 2004. 北京市土壤重金属含量背景值的系统研究[J]. 环境科学, 25(1): 117-122.

陈轶楠, 马建华. 2016. 河南省某市驾校地表灰尘重金属污染及健康风险评价[J]. 环境科学学报, 36(8): 3017-3026.

Chen H, Hu X W, Li L Y. 2014. Spatial distribution and risk assessment of metals in dust based on samples from nursery and primary school of Xi'an, China[J]. Atmospheric Environment, 88: 172-182.

Christoforidis A, Stamatis N. 2009. Heavy metal contamination in street dust and roadside soil along the major national road in Kavala's region, Greece[J]. Geoderma, 151: 257-263.

段海静, 蔡晓强, 阮心玲, 等. 2015. 开封市公园地表灰尘重金属污染及健康风险[J]. 环境科学, 36(8): 2972-2980.

Day J P, Hart M, Robinson M S. 1975. Lead in urban street dust[J]. Nature, 253: 343-345.

方凤满, 张志明, 陈文娟, 等. 2009. 芜湖市区春季地表灰尘中汞和砷的空间及粒径分布规律[J]. 环境科学学报, 29(9): 1871-1877.

Gope M, Masto R E, George J, et al. 2017. Bioavailability and health risk of some potentially toxic elements (Cd, Cu, Pb and Zn) in street dust of Asansol, India[J]. Ecotoxicology and Environmental Safety, 138: 231-241.

韩东昱, 岑况, 龚庆杰. 2004. 北京市公园道路粉尘Cu、Pb、Zn含量及其污染评价[J]. 环境科学学报, 17(2): 10-13, 21.

环境科学编辑部. 1982. 环境中若干元素的自然背景值及其研究方法[M]. 北京: 科学出版社.

Han X F, Lu X W, Qinggeletu, et al. 2017. Health risks and contamination levels of heavy metals in dusts from parks and squares of an industrial city in semi-arid area of China[J]. International Journal of Environmental Research and Public Health, 14: 886-898.

Keshavarzi B, Tazarvi Z, Rajabzadeh M R, et al. 2015. Chemical speciation, human health risk assessment and pollution level of selected heavy metals in urban street dust of Shiraz, Iran[J]. Atmospheric Environment, 119: 1-10.

Kim K W, Myung J H, Ahn J S, et al. 1998. Heavy metal contamination in dusts and stream sediments in the Taejon area, Korea[J]. Journal of Geochemical Exploration, 64: 409-419.

Kr?mová K, Robertson D, Cve?ková V, et al. 2009. Road-deposited sediment, soil and precipitation (RDS) in Bratislava, Slovakia:compositional and spatial assessment of contamination[J]. Journal of Soils and Sediments, 9: 304-316.

赖国毅, 陈超. 2010. SPSS 17中文版统计分析典型实例精粹[M]. 北京: 电子工业出版社.

刘春华, 岑况. 2007. 北京市街道灰尘的化学成分及其可能来源[J]. 环境科学学报, 27(7): 1181-1188.

Liu N F, Yan T, Birch G, et al. 2014. Pollution and health risk of potentially toxic metals in urban road dust in Nanjing:A mega-city of China[J]. Science of the Total Environment, 476-477: 522-531.

Loganathan P, Vigneswaran S, Kandasamy J. 2013. Road-deposited sediment pollutants:A critical review of their characteristics, source apportionment, and management[J]. Critical Reviews in Environmental Science and Technology, 43: 1315-1348.

Ma Z W, Chen K, Li Z Y, et al. 2016. Heavy metals in soils and road dusts in the mining areas of Western Suzhou, China:A apreliminary identification of contaminated sites[J]. Journal of Soils and Sediments, 16(1): 204-214.

McLennan S M. 2001. Relationships between the trace element composition of sedimentary rocks and upper continental crust[J]. Geochemistry Geophysics Geosystems, 2: 1021-1045.

Men C, Liu R M, Xu F, et al. 2018. Pollution characteristics, risk assessment, and source apportionment of heavy metals in road dust in Beijing, China[J]. Science of the Total Environment, 612: 138-147.

Nazzal Y, Rosen M A, Al-Rawabdeh A M. 2013. Assessment of metal pollution in urban road dusts from selected highways of the Greater Toronto Area in Canada[J]. Environmental Monitoring and Assessment, 185: 1847-1858.

Reimann C, De Caritat P. 2005. Distinguishing between natural and anthropogenic sources for elements in the environment:regional geochemical surveys versus enrichment factors[J]. Science of the Total Environment, 337(1/3): 91-107.

Rudnick P L, Gao S. 2003. The composition of the continental crust[J]. Treatise on Geochemistry, 3: 1-64.

Sahu D, Ramteke S, Dahariya N S, et al. 2016. Assessment of road dust contamination in India[J]. Atmospheric and Climate Sciences, 6: 77-88.

Taylor S R, MeLennan S M. 1985. The Continental Crust:Its Composition and Evolution[M]. London: Blackwell Scientific Publication.

Trujillo-González J M, Torres-Mora M A, Keesstra S, et al. 2016. Heavy metal accumulation related to population density in road dust samples taken from urban sites under different land uses[J]. Science of the Total Environment, 553: 636-642.

王呈, 钱新, 李慧明, 等. 2016. 南京公园降尘中重金属污染水平及风险评价[J]. 环境科学, 37(5): 1662-1669.

王晓云, 马建华, 侯千, 等. 2011. 开封市幼儿园表灰尘重金属积累及健康风险[J]. 环境科学学报, 31(3): 583-593.

Wei B G, Yang L S. 2010. A review of heavy metal contaminations in urban soils, urban road dusts and agricultural soils from China[J]. Microchemical Journal, 94: 99-107.

Xu A M, Zhang J Q, Yan B, et al. 2018. Contamination characteristics and potential environmental implications of heavy metals in road dusts in typical industrial and agricultural cities, Southeastern Hubei Province, Central China[J]. Environmental Science and Pollution Research, 25: 36223-36238.

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, 32(1): 202-212.

郑小康, 李春晖, 黄国和, 等. 2009. 保定城区地表灰尘污染物分布特征及健康风险评价[J]. 环境科学学报, 29(10): 2195-2202.

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.

朱伟, 边博, 阮爱东. 2007. 镇江城市道路沉积物中重金属污染的来源分析[J]. 环境科学, 28(7): 1584-1589.

Zhang J, Hua F, Krebs P. 2017. Influences of land use and antecedent dry-weather period on pollution level and ecological risk of heavy metals in road-deposited sediment[J]. Environmental Pollution, 228: 158-168.

Zhang Z Y, Mamat A, Simayi Z. 2019. Pollution assessment and health risks evaluation of (metalloid) heavy metals in urban street dust of 58 cities in China[J]. Environmental Science and Pollution Research, 26(1): 126-140.