采煤沉陷复垦区重金属污染与土壤酶活性的关系

张文影，姚多喜，，孟 俊，张治国，安士凯，杨 清，赵 魁

（1.安徽理工大学地球与环境学院，安徽 淮南232001；2.浙江大学 环境与资源学院，浙江 杭州310029；3.煤矿生态环境保护国家工程实验室，安徽 淮南232001）

随着煤炭资源的大量开采，采空区和地面沉陷区大面积形成，对生态环境造成一定恶化，不利于土地资源的利用和地区经济的可持续发展。煤矸石充填技术的应用，既解决了煤矸石山占地面积大、污染环境的缺陷，又能保证塌陷区通过覆土造地实现二次利用，具有一定的经济效益和环境效益。但由此造成的重金属污染等环境问题也越来越引起人们的关注［1－2］。采煤沉陷复垦区一方面由于煤矸石充填技术的应用，使得煤矸石中的重金属元素进入土壤；另一方面，附近煤矸石山的堆积，有害气体及飘尘随着雨水的降落［3－4］，导致土壤环境的重金属污染日趋严重。近年来，大量学者［5－9］的研究表明煤矸石大量堆存和以煤矸石作为充填介质的采煤沉陷复垦区均造成了一定程度的重金属污染。重金属元素进入土壤后的转移与生态风险是当前关注的热点。国内外学者曾提出多种重金属污染指标，如有效量指标、综合指标，来表征和预报土壤的污染程度，但由于种种原因都较难推广应用［10］。土壤酶是土壤新陈代谢的重要因素，参与包括土壤生物化学过程在内的自然界物质循环，重金属通过淋溶、地表径流等途径进入土壤后，与土壤酶产生相互作用，直接影响到土壤环境质量［11－13］。国内外学者对土壤酶与重金属的研究都比较多，但对采煤沉陷复垦区这一特殊条件下的土壤酶与重金属之间的耦合赋存关系研究较少。因此，本研究试图分析采煤沉陷复垦区土壤酶与重金属之间的相关关系，并讨论在复垦区用土壤酶综合指标来表征土壤重金属污染状况的可行性。

1 研究区域概况

新庄孜矿采煤沉陷区位于安徽省淮南市煤田西翼，属于淮南采煤塌陷区综合整治示范工程项目。该区自2003年开始复垦，采用煤矸石充填复垦技术，覆土深度约为60cm，治理塌陷地22.87hm2。经过长时间的沉降和复垦作用，新庄孜采煤沉陷复垦区已基本达到稳定状态。研究区域属于暖温带半湿润季风气候，四季分明，气候特征显著，年平均气温为15.3℃，年平均降水量926mm，夏季降雨量较多，春秋次之，冬季较少。研究区域大致划分为7个采样单元，分别为A区、B区、C区、D区、E区、F区和G区。总体来看，东部地势略高于西部，每部分地形比较平坦，标高＋18.6m，农作物以小麦、桃树为主。研究区域和采样分区概况如图1所示。

2 材料与方法

2.1 样品采集与制备

采用梅花布点法，根据地理面积大小在每个分区均匀布设采样点，混合均匀后四分法采集土壤样品装入采样袋中保存，应保证每个采样单元的土壤尽可能均匀一致。采样时先剥除表面浮土，用塑料锨或采样器采集0—20cm土样，混匀后装入采样袋中，带回实验室及时风干处理。

图1 新庄孜复垦区地理和采样分区概况

为保证样品的代表性和更好地控制采样误差，要保证一定量的采样点，然后混均，使之能充分代表采样单元的土壤特性。另采集一个未受煤矸石污染的农田土壤样品作为对照。采样点用手持式GPS定位（32°38′37.3″—32°38′46.9″N，116°51′04.2″—116°51′41.3″E）。

2.2 分析测试方法

脲酶、磷酸酶、蔗糖酶、蛋白酶、纤维素酶采用比色法，过氧化氢酶和多酚氧化酶采用滴定法［14－15］。比色法所用仪器为TU-1901紫外可见分光光度计。脲酶和蔗糖酶活性分别以24h后1g土壤中NH3—N，葡萄糖的毫克数表示；磷酸酶活性以12h后每克土壤的酚毫克数表示；以每克土壤在30℃下48h内酶解蛋白质释放的酪氨酸量表示蛋白酶活性；纤维素酶活性以72h，10g土壤生成葡萄糖毫克数表示；过氧化氢酶活性以单位土重消耗的0.002mol／L高锰酸钾毫克数表示；多酚氧化酶活性，以用于滴定相当于1g土壤的滤液的0.01NI2的毫克数表示。6种重金属测定方法为：Hg含量采用原子荧光光谱仪（LUMINA 3300）测定，Cd和Pb采用石墨炉原子吸收分光光度法，Cu，Cr，Zn采用火焰原子吸收分光光度法，所使用的设备为TAS-986型原子吸收分光光度计。

2.3 数据处理

原始数据利用SPSS 16.0，Excel，Matlab 7.0软件进行统计分析，制图用MapGIS 6.5完成。

2.4 质量控制

为保证样品预处理及仪器分析质量，选用了国家标准物质土壤标准参考（土壤GBW-07403）作为标准参考物，以评价分析过程的精确性。结果表明，各元素回收率均达到90%以上，符合美国EPA标准要求，分析质量得到有效控制。

3 结果与分析

3.1 煤矿塌陷复垦区土壤酶活性分析

3.1.1 采煤复垦区土壤酶活性 从监测所得7种土壤酶活性数据（表1）可以看出，与对照区土壤酶活性相比，采煤复垦区的7个采样点土壤酶活性均受到不同程度的抑制，且7种土壤酶对重金属污染的敏感性不一致。如脲酶活性最小值出现在S7号采样点，酶活性比对照土壤减小了94%，比最大值减小了36.97%；与对照相比，磷酸酶的减小量在35.3%～49.5% ；蔗糖酶在2.19%～73.6%，过氧化氢酶活性的最小值和最大值分别出现在S2和S1号样点，抑制程度为36.78%～55.64%，由此可见，不同的土壤酶对重金属的抑制程度表现不一致。

土壤酶主成分分析全部计算成果在SPSS 16.0上完成。将表1中的土壤酶数据，导入SPSS 16.0，利用因子分析中的主成分分析方法，提取主成分，得到相关系数的特征根和方差贡献率（表2）。

表1 各采样点土壤酶标准化监测数据 mg／g

表2 相关系数的特征根和方差贡献率

3.1.2 计算主成分特征向量 从表2可以看出，在旋转之前，第一个因子的特征值是4.812，与第7个因子相比，解释的部分大约为总体方差的68.739%，第二个因子的特征值是1.186，解释了原变量的16.942%。两个因子合计解释了总变量的85.681%。旋转之后，两个因子的特征值之和为5.998，解释了原变量的85.681%。

根据主成分分析原理［16］及成分数—特征值碎石图可以得出，前两个因子解释了总方差的大部分，提取这两个因子作为主因子是合理的，能够比较好的保留原有变量所包含的信息。

由初始因子载荷矩阵计算得到2个主成分特征向量值及这2个主成分与各个变量的线性组合为：

式 中，F1，2——总 体 酶 活 性；x1——脲 酶 活 性；x2——磷酸酶活性；x3——蔗糖酶活性；x4——过氧化氢酶活性。

3.1.3 计算主成分得分及综合得分 采用因子加权总和计算各采样点的综合评价值，将各变量的标准化数据代入方程，计算出2个主成分得分F1，F2以及综合得分F并排序。以各主成分的贡献率为权数进行加权求和，计算其综合得分并排序详见表3，计算综合得分表达式为：

由主成分的定义及2个主成分的线性组合与综合得分公式，求得8个采样点的综合得分（表3）。综合得分越高说明该采样点的重金属污染程度越低。

表3 主成分得分及排序

由主成分分析算得F值（表3）。由表3可以看出，F值大小顺序为：FK＞S3＞S1＞S6＞S5＞S2＞S4＞S7。

由F值及样品聚类分析结果，显示出土壤样品FK的值最高，表明其代表的土壤受到重金属污染，采样点S3，S1，S6，S5，S2土样次之，污染程度较轻；采样点S4和S7土壤样品F值最小，污染较严重。

3.2 煤矿塌陷复垦区重金属污染分析

总结前人［17－20］对淮南矿区重金属污染的研究结果，选取新庄孜采煤复垦区中的 Hg，Cd，Pb，Cu，Cr和Zn共6种重金属作为污染评价因子。重金属污染分析全部计算成果在Matlab 7.0上完成。通过对各种重金属污染评价方法及模型的优劣及适用范围［21－25］的综合比较，选择基于灰色理论的灰色聚类法进行本次重金属评价。

3.2.1 构建空间特征矩阵A 8个样品空间包含了6个聚类指标，构成了空间指标特性矩阵A8×6。每一列代表一种重金属浓度，从左至右分别代表Hg，Cd，Pb，Cu，Cr和Zn这6种重金属，每一行代表每一采样点的一组重金属浓度数据。

3.2.2 划分污染级别 根据研究区域的土壤背景值和临界值确定评价标准［26－28］，将土壤等级从清洁至重污染划分为为5种级别，对应的指标标准值矩阵β6×5：

3.2.3 初始指标的白化 根据矩阵A8×6和β6×5，利用白化的基本计算公式，计算各样品的白化矩阵，得到白化矩阵，如样品S1和样品FK的白化矩阵D1及D8：

将白化矩阵与矩阵A8×6和β6×5比对，可发现矩阵中的白化函数值，可以准确地反映重金属对不同污染等级的隶属关系。

3.2.4 标定空间样品的权值矩阵V 根据权值计算公式，得到权值矩阵：

3.2.5 计算聚类系数U 对于聚类对象Ak，根据聚类权值Vk和白化矩阵Dk，按照下式计算其聚类系数矩阵Uk：

3.2.6 划分污染等级 由上聚类系数矩阵，依据择大原则，可得出各样品的污染级别（表4）。

表4 污染等级划分

4 结果讨论

对比两种分析结果可以看出，除S2号样点外，其它样点分析结果基本一致。S2号样点用土壤酶信息得到的结果是轻污染，而利用灰色聚类法的重金属污染评价等级为中污染。可能原因是土壤具有保护土壤酶的能力，对重金属污染具有一定的缓冲能力，所以利用土壤酶信息得到的结果比直接利用重金属评价的结果略小一些。总体来看，土壤酶活性大小综合反映了土壤重金属污染程度的高低，采用主成分分析法得到的土壤酶信息来判别土壤样品受重金属污染状况是可行的。这与前人对非采煤沉陷区土壤的研究结论基本一致，说明该方法是可行的，具有一定的应用价值。

5 结论

（1）两种评价结果基本一致，说明用土壤酶综合评价指标判别采煤沉陷复垦区的重金属污染程度是可行的，土壤酶活性大小综合反映了土壤重金属污染程度的高低。评价结果和评价方法为新庄孜矿复垦区及相似矿区复垦地的土壤重金属污染治理对策的提出和重点治理区域的确定提供参考和理论依据。

（2）评价结果表明采煤沉陷区植物修复表现出一定的成效。采煤复垦区土壤质量逐步由重污染等级向轻污染等级转化演变，最后趋于稳定的演变过程。这与众多研究者对新庄孜矿复垦区近几年的研究成果变化趋势相一致。

（3）采用土壤酶作为采煤复垦区重金属污染评价的指标，可以解决实验仪器和技术要求较高、成本较大等缺陷，为重金属综合污染评价提供一种简单易行的手段，同时也为采煤复垦区的环境监测和生态修复保护提供了一种科学依据，具有重要的监测价值。

（4）测定土壤酶活性不仅可以综合评价土壤重金属污染状况，同时土壤酶活性可以对土壤营养状况做出一定判别。如脲酶与土壤供氮能力密切相关，直接参与土壤中含氮化合物的转化，其活性大小可以表示土壤的氮素供应状况；磷酸酶促进土壤有机磷矿化分解，参与土壤磷循环，其活性大小可以作为土壤提供磷能力和土壤磷素有效化强度的重要指标；蔗糖酶参与土壤中物质转化，对增加土壤中易溶性营养物质起着关键作用，常用来表示土壤的熟化程度和肥力水平；过氧化氢酶活性可以表征土壤的腐殖化强度和有机质积累程度等等。

［1］ 李小飞，陈志彪，张永贺，等.稀土矿区土壤和蔬菜稀土元素含量及其健康风险评价［J］.环境科学学报，2013，33（3）：835-843.

［2］ Ioannis M，Dionisios K，Constantions E，et al.Total and available heavy metal concentrations in soils of the Thriassio plain（Greece）and assessment of soil pollution indexes［J］.Environmental Monitoring and Assessment，2013，185（8）：6751-6766.

［3］ 袁新田，张春丽.宿州市矿区与耕地土壤重金属含量及其潜在生态风险评价［J］.土壤通报，2013，44（1）：232-235.

［4］ 张锂，韩国才，陈慧，等.黄土高原煤矿区煤矸石中重金属对土壤污染的研究［J］.煤炭学报，2008，33（10）：1141-1146.

［5］ 王兴明，刘桂建，董众兵，等.淮南煤矸石山周边土壤中蚯蚓对重金属的富集特征［J］.煤炭学报，2012，37（7）：1219-1226.

［6］ Yao Duoxi，Meng Jun，Zhang Zhiguo.Heavy metal pollution and potential ecological risk in reclaimed soils in Huainan mining area［J］.Journal of Coal Science and Engineering（China），2010，16（3）：316-319.

［7］ 孟俊.新庄孜矿复垦区土壤重金属污染评价及植物修复潜力研究［D］.安徽 淮南：安徽理工大学，2010：12-15.

［8］ 崔龙鹏，白建峰，史永红，等.采矿活动对煤矿区土壤中重金属污染研究［J］.土壤学报，2004，41（6）：896-904.

［9］ Teixeira E C，Ortizl S，Alves M F C，et al.Distribution of selected heavy metals in fluvial sediments of coal mining region of Baixo Jacui，R S，Brazil［J］.Environmental Geology，2001，41（1）：145-154.

［10］ 和文祥，陈会明，冯贵颖，等.汞铬砷元素污染土壤的酶监测研究［J］.环境科学学报，2000，20（3）：338-343.

［11］ Dung J M，Edouard M，Philippe M，et al.Increased lead availability and enzyme activities in root-adhering soil of Lantana camara during phytoextraction in the presence of earthworms［J］.The Science of the Total Environment，2013，445／446：101-109.

［12］ Gao Yang，Miao Chiyuan，Xia Jun，et al.Plant diversity reduces the effect of multiple heavy metal pollution on soil enzyme activities and microbial community structure［J］.Frontiers of Environmental Science ＆Engineering，2012，6（2）：213-223.

［13］ Füsun Gülser，Esin Erdogan.The effects of heavy metal pollution on enzyme activities and basal soil respiration of roadside soils［J］.Environmental Monitoring and Assessment，2008，145（1／3），127-133.

［14］ 李振高，骆永明，滕应.土壤与环境微生物研究法［M］.北京：科学出版社，2008.

［15］ 关松荫.土壤酶及其研究法［M］.北京：农业出版社，1986.

［16］ 袁志发，孟德顺.多元统计分析［M］.陕西 西安：天则出版社，1993：133-220.

［17］ 张治国，姚多喜，郑永红，等.煤矿塌陷复垦区6种菊科植物土壤重金属污染修复潜力研究［J］.煤炭学报，2010，35（10）：1741-1747.

［18］ 刘慧力，崔龙鹏.淮南矿区水体沉积物中金属污染及环境现状评价［J］.环境科学研究，2009，22（5）：601-606.

［19］ 蔡峰，刘泽功，林柏泉，等.淮南矿区煤矸石中微量元素的研究［J］.煤炭学报，2008，33（8）：892-897.

［20］ 王兴明，董众兵，刘桂建，等.Zn，Pb，Cd，Cu在淮南新庄孜煤矿矸石山附近土壤和作物中分布特征［J］.中国科学技术大学学报，2012，42（1）：17-25.

［21］ 范拴喜，甘卓亭，李美娟，等.土壤重金属污染评价方法进展［J］.中国农学通报，2010，26（17）：310-315.

［22］ 李海霞，胡振琪，李宁，等.淮南某废弃矿区污染场的土壤重金属污染风险评价［J］.煤炭学报，2008，33（4）：423-426.

［23］ 王学军，席爽.北京东郊污灌土壤重金属含量的克立格插值及重金属污染评价［J］.中国环境科学，1997，17（3）：225-228.

［24］ 杨芳，张江山，王菲凤.基于熵权的属性识别模型在土壤重金属污染评价中的应用［J］.环境保护科学，2008，34（6）：57-60.

［25］ 王从陆，吴超，段瑜.基于主成分综合模型的矿区农田重金属污染评价［J］.中国工程科学，2008，10（7）：180-183.

［26］ 何厅厅，赵艳玲，李建华，等.基于GCM＿CB模型的土壤重金属污染评价［J］.环境工程学报，2012，6（10）：3781-3786.

［27］ 彭再德.模糊综合评判法在区域土壤环境重金属污染评价中的应用［J］.化工环保，1993，15（4）：235-238.

［28］ 孔健健，张阳，张江山.属性识别理论模型应用于土壤重金属评价评价［J］.环境工程，2012，30（1）：100-102.