农用地土壤重金属生态安全阈值确定方法的研究进展

窦韦强，安毅，秦莉,*，徐震，王苗苗，林大松，曾庆楠，夏晴

1. 农业农村部环境保护科研监测所，天津 300191 2. 天津市农业环境保护管理监测站，天津 300061

随着采矿、冶炼和制造等工业的迅速发展，土壤重金属污染已经成为全球关注的热点环境问题[1]。据Singh等[2]报道，过去50年中约有22 000 t铬(Cr)、9.39×105t铜(Cu)、7.83×105t铅(Pb)以及1.35×106t锌(Zn)排放到全球环境中，其中大部分进入土壤造成土壤重金属污染。而我国土壤重金属污染也不容忽视，尤其是农用地土壤重金属污染。据2014年《全国土壤污染状况调查公报》显示，我国土壤污染总的点位超标率为16.1%，重金属污染的点位超标率为21.7%，其中以Cd污染最为严重，点位超标率达7.0%[3]；2015年自然资源部发布的《中国耕地地球化学调查报告》显示，我国耕地重金属污染比例为8.2%，污染面积达759 万hm2，主要分布在我国湖南、安徽、广西、福建、广东、海南以及西南等地区[4]；农业农村部稻米及其制品质量监督检验测试中心报道，我国约有1/5的耕地受到重金属污染，其中耕地Cd污染涉及11个省的25个地区，导致我国粮食每年减产1 200多万t，直接经济损失达300多亿元[5]，这与宋伟等[6]调查我国耕地土壤重金属污染状况时得到的结论类似，可见，我国农用地土壤重金属污染异常严重，亟待解决。农用地土壤重金属主要来源于污水灌溉、农药、化肥的施用以及农用污泥的还田等，进入农用地土壤中的重金属，不仅会影响农作物的正常生长，还会通过食物链在人体富集，严重时会引发各种疾病，如高血压、骨痛病、肾功能紊乱、肝损害、肺水肿和贫血等[7]，因此，为了保障人体健康及农作物的正常生长，对农用地土壤重金属生态安全阈值的研究迫在眉睫。

农用地土壤重金属生态安全阈值是指农用地土壤中某一重金属对农用地土壤生态系统中暴露生物不产生有害影响的最大安全剂量或浓度，通常用于农用地土壤重金属污染风险评价，是农用地土壤环境质量标准制定的科学依据和重要基础[8]。而近年来随着多学科的共同发展，农用地土壤重金属生态安全阈值的确定方法也变得越来越完善，主要分为点模型、概率模型以及经验模型等。其中点模型中主要为熵值法，即评估因子法；概率分布模型中主要以物种敏感性分布法为主；经验模型中则主要有生态环境效应法、贝叶斯风险评估模型、二次判别模型、决策树模型以及逻辑回归模型等。点评估模型中的评估因子法作为最早考虑物种敏感性的一种生态安全阈值确定方法，它是指所研究区域内由某一最敏感物种的急性或慢性毒理学数据除以评估因子来得到作为基准值的预测无效应浓度[9-10]，最初被用来确定水环境生态阈值，但随着近年来农用地土壤重金属污染的加剧，应用评估因子法确定农用地土壤重金属生态安全阈值的研究也开始变得越来越广泛[11]。概率分布模型中的物种敏感性分布法作为目前最主流的生态安全阈值确定方法，它主要是基于环境中不同物种对同一污染物的敏感性差异提出，既考虑了物种敏感性的差异，又考虑了生物有效性，因此，欧美等国家开始广泛应用物种敏感性分布法进行生态风险评价及环境质量基准的制定。虽然我国对物种敏感性分布法的研究和应用起步较晚，但近年来得到了快速发展，如王小庆等[12]应用物种敏感性分布法建立土壤中Cu的生态安全阈值时得到酸性土、中性土(包括水稻土)、碱性非石灰性土和石灰性土中Cu基于保护95%的物种不受影响的情况下所允许的最大环境有害浓度(HC5)值分别为13.1、29.9、51.9和26.3 mg·kg-1；孙聪等[13]基于物种敏感性分布法预测Cd对水稻毒害的生态风险时得到基于保护95%品种水稻的10%抑制浓度值(HC510%)为0.045 mg·L-1，50%抑制浓度值(HC550%)为0.594 mg·L-1。而生态环境效应法作为经验模型中最常用的一种生态安全阈值确定方法，其主要是基于土壤-农作物体系的环境质量标准进而推算农用地土壤环境中重金属元素最高允许浓度的一种方法。它考虑了重金属在土壤-农作物体系中的生物有效性，但未考虑物种种类的影响，而我国1995年颁布的土壤环境质量标准(GB15618—1995)则是根据生态环境效应法制定，它为我国土壤环境质量评价和保护发挥了重要的历史作用。此外，经验模型中的贝叶斯风险评估模型、二次判别模型、决策树模型以及逻辑回归模型等均可以用来计算农用地土壤重金属的生态安全阈值。

虽然目前学界对农用地土壤重金属生态安全阈值进行了大量研究，但对其确定方法的研究进展却鲜见报道，因此，本文在以已公开发表研究资料的基础上，综述了农用地土壤重金属生态安全阈值确定方法的分类、概念、原理、发展及应用，分析了各方法的优缺点以及不确定性的影响因素，以期为我国农用地土壤环境质量等级的划分及其他农用地土壤污染物生态安全阈值的确定提供技术支撑和参考依据。

1 农用地土壤重金属生态安全阈值的确定方法(Method for determining ecological safety threshold of heavy metals in agricultural land)

1.1 点模型

点评估模型作为农用地土壤重金属风险评估初级筛查的一种重要手段，主要包括评估因子法。评估因子法是指利用所研究区域内最敏感农作物对重金属污染物的耐受值除以相应评估因子作为农作物的毒性安全阈值。评估因子法最早被用来推导水质基准，比如法国、德国、西班牙以及英国等均使用评估因子法推导水质基准[14-17]，但随着农用地土壤重金属污染的加剧，一些研究者开始将评估因子法应用于农用地土壤环境质量基准的推导。利用评估因子法推导农用地土壤环境质量基准的核心步骤为最敏感物种毒性数据的获取及评估因子的选取。其中最敏感物种的毒性数据分为急性毒性数据以及慢性毒性数据。一般情况下，急性毒性数据较易获取，而慢性毒性数据更能体现污染物对农作物的长期危害，与实际环境更为接近。当毒性数据较少时，一般使用评估因子法进行农用地土壤生态安全阈值的推导。此外，评估因子的选取在不同的国家和地区有不同的规定，具体见表1。由表1可以看出，不同国家评估因子的取值差异显著，且评估因子与毒理学数据的类型有关，较少的毒性数据对应较高的评估因子。其中，西班牙规定以敏感物种的毒性值乘以评估因子作为环境基准值。虽然评估因子法作为目前较为常用的一种农用地土壤重金属生态风险评估方法，但在使用过程中评估因子的选取过于经验化且主要依赖于国家政策，只能作为保护土壤环境的一种手段，并不能将其作为制定环境基准的标准方法，因此，有学者建议使用评估因子法时应遵循以下原则[18]：(1)所使用的毒性数据必须科学有效；(2)评估因子法只能用作评估效应水平的数据筛选；(3)评估因子的选取应为一定范围内的不同值而不是某个单一值；(4)不同污染的风险及性质不同，其评估因子的大小也不相同；(5)评估因子法进行生态风险评价时往往会出现“过保护”现象，而一些无用的“过保护”则没有必要，因此可考虑适当降低评估因子的取值。

1.2 概率模型

概率模型中的物种敏感性分布法作为一种以多物种毒性测试数据为基础的统计学外推方法，主要利用多个物种受某一污染物胁迫的急性或慢性毒理学数据构建统计分布模型，应用合适的概率分布函数进行拟合，从而获得某一暴露浓度水平下的物种潜在受影响比例和HC5值，定量反映污染物的风险水平[19]。其原理为假设生态系统中不同物种对某一污染物的敏感性能够被一个分布所描述，通过来自于这个分布的生物测试获得的有限物种的毒性阈值可用于估算该分布的预测无效应浓度[20]。与点模型中的评估因子法相似，物种敏感性分布法最初也被用于水环境的生态风险评价以及有机污染物的生态安全阈值确定，如王印等[21]利用物种敏感性分布法评估滴滴涕和林丹对淡水生物的生态风险时得出滴滴涕和林丹对淡水生物的HC5值分别为1.7 μg·L-1和5.96 μg·L-1；孔祥臻等[22]应用物种敏感性分布法构建了Cd、Cu、汞(Hg)、Pb、Zn和锰(Mn)6种重金属对淡水生物的物种敏感性分布曲线，计算了各重金属对不同物种的HC5值；此外，Mensah等[23]也利用物种敏感性分布法对南非水体草甘膦的标准限值进行了研究，并利用急性和慢性毒性数据分别对水体草甘膦基准值进行推导得到的数值为0.205和0.002，该研究为《南非水质指南摘要》的制定提供了数据支撑和参考依据。而近年来随着农用地土壤重金属污染的加剧，有学者开始将物种敏感性分布法应用于农用地土壤重金属生态风险评价。如雷丽萍等[24]在研究不同烟草对Cd吸收的敏感性分布时以烟草根伸长为毒性评价终点，通过剂量-效应拟合曲线中的逻辑斯蒂克分布模型获得了Cd对16种不同烟草的半数效应浓度(EC50)值为18.76～60.77 mg·L-1；孙聪等[25]在研究不同水稻品种对Cd的吸收及敏感性分布时以水稻生物量为毒性评价终点，应用剂量-效应拟合曲线中的逻辑斯蒂克分布模型计算出Cd对18个不同品种水稻的EC50值为4.30～61.611 mg·kg-1，并利用Burr-Ⅲ拟合函数进行拟合，计算得到HC550%值为4.93 mg·kg-1。因此，物种敏感性分布法在推导农用地土壤重金属生态安全阈值时既考虑了不同物种之间的差异，也考虑了不同农用地土壤理化性质之间的差异，推导的农用地土壤重金属生态安全阈值更具有科学性、合理性和实用性。而应用物种敏感性分布法确定农用地土壤重金属生态安全阈值时的核心步骤为：(1)确定敏感物种的种类及数量，收集和筛选相应的毒性数据；(2)确定最优的拟合函数；(3)构建物种敏感性分布曲线；(4)根据已构建的物种敏感性分布曲线计算HC5值；(5)根据相应的国家标准反推重金属在土壤中的生态安全阈值。其中步骤(1)作为利用物种敏感性分布法推导农用地土壤重金属生态安全阈值中最关键的一步，毒性数据的类型、质量以及数量等都会对生态安全阈值的准确性产生影响。一般认为当毒性数据的数据量较大且质量较好时，则使用物种敏感性分布法进行农用地土壤重金属生态安全阈值的推导。而当某些必要的毒性数据缺乏时，可考虑应用成熟预测模型外推的方法对必要的毒性数据进行扩充，如种间关系预测模型[26]。种间关系预测模型是通过对已知物种的毒性数据预测目标物种毒性数据的一种方法，它可减少试验物种的使用，节约实验成本，但预测的毒性数据存在较大不确定性[27-28]。

表1 不同国家评估因子的取值范围Table 1 Range of assessment factors for different countries

1.3 经验模型

1.3.1 生态环境效应法

生态环境效应法作为经验模型中应用最广泛的一种重金属生态安全阈值确定方法，其原理依据重金属在土壤-农作物体系中的迁移转化规律，构建土壤-农作物体系中重金属含量之间的关系，并依据国家现行标准规定的食品中重金属含量限值(具体见表2)反推农用地土壤中重金属的含量，并将此值作为农用地土壤中农作物安全生长的临界浓度值。生态环境效应法最初主要根据土壤重金属含量与农作物重金属含量之间的关系建立简单的线性回归方程。如李富荣等[29]研究广东地区叶菜类土壤中Cd的限量值时根据蔬菜Cd含量与土壤Cd含量建立幂函数回归方程，并依据《食品中污染物限量》(GB2762—2012)规定叶菜类蔬菜中重金属Cd的限量值0.2 mg·kg-1反推得到叶菜种植过程中重金属Cd不超标的蔬菜所对应的土壤Cd含量值为1.22 mg·kg-1；陈宏坪等[30]在土壤-水稻体系中利用Logistic方程拟合水稻籽粒Cd含量与水稻土Cd含量之间的关系，在此关系的基础上依据食品安全国家标准中稻米Cd的含量限值反推得到8种水稻土Cd的临界值范围为0.70～4.79 mg·kg-1。但随着研究的不断深入与发展，一些学者意识到农用地土壤环境具有复杂性、多变性以及不确定性，不同的土壤理化性质、土壤类型、土地利用方式以及农作物种类等都会影响重金属在土壤-农作物体系中的迁移转化，其中土壤理化性质是最重要的影响因素之一[31-32]。因此，为使预测的农用地土壤重金属生态安全阈值更加准确，基于农作物重金属含量与土壤理化性质之间的多元线性回归方程被提出，如Ding等[33]通过生态环境效应法分析了21种土壤中胡萝卜Cd含量与土壤pH和有机碳之间的关系，建立了Cd在土壤-胡萝卜体系中的传输模型，并推导出土壤pH为5.5～8.0和有机碳在5～20 g·kg-1时土壤外源添加Cd的生态安全阈值为0.12～0.86 mg·kg-1；何俊等[34]在研究8种不同性质的土壤中Zn对大麦的毒性阈值时应用生态环境效应法建立了以大麦根尖为毒性测试终点的EC50值与土壤pH、阳离子交换量以及有机碳之间的多元线性回归方程，其决定系数达到了0.723，说明基于土壤理化性质可以很好地预测土壤中Zn的毒性阈值。此外，为更加量化地表征重金属在土壤-农作物体系中的迁移转化过程，研究人员提出了生物富集系数的概念，即农作物与土壤中重金属含量之比，表征重金属在土壤-农作物体系中的迁移能力。通过建立生物富集系数与土壤理化性质之间的多元线性回归方程则能更真实地反映土壤理化性质对重金属生物有效态的影响，因而也被称为生物有效性方程。如Sun等[35]基于大田采样的点对点数据计算出生物富集系数，并利用其与土壤理化性质之间的关系建立多元线性回归方程，进而推导出广东省适宜种植叶菜类、根茎类以及茄果类蔬菜的土壤Cd安全阈值分别为2.42、0.94和1.57 mg·kg-1；王小蒙等[36]也应用相似的方法以中国20种典型土壤为研究对象，建立苋菜Cd富集系数的多元线性回归方程，并推导出苋菜土壤Cd污染的生态安全阈值分别为0.3(pH<6.5)、0.8(6.57.5)。

1.3.2 其他经验模型

除上述方法外，经验模型中的贝叶斯风险评估模型、二次判别模型、决策树模型以及逻辑回归模型等均可用来进行农用地土壤重金属生态风险评价，其函数形式以及参数意义具体见表3。贝叶斯风险评估模型以贝叶斯经验统计思想中的先验分布为基础，依据土壤重金属含量与农作物重金属超标的相互关系，进而预测作物重金属的超标概率。如徐晶晶等[37]基于贝叶斯经验统计的思想构建了湘潭稻米Cd超标的风险评估模型，并依据此模型预测湘潭稻米Cd含量超标的风险概率为0.494，与实测概率值0.514对比发现，结果偏差小于10%，说明基于贝叶斯风险评估模型的评估结果较为可靠。另外，Wang等[38]利用贝叶斯经验统计的思想，构建了一个含有先验概率的二次判别模型，并使用其对湘潭县稻米Cd污染进行风险评价时得到，相比于决策树模型和逻辑回归模型，含有先验概率的二次判别模型准确度更高，达74%，而决策树和逻辑回归模型的准确度则分别为66%和68%，对3个模型的稳定性进行检验发现，二次判别模型的稳定性与决策树模型和逻辑回归模型无显著性差异。

2 农用地土壤重金属生态安全阈值确定方法的优缺点及不确定性分析(Analysis on the advantages, disadvantages and uncertainty of the method for determining the ecological safety threshold of heavy metals in agricultural land)

如上所述，农用地土壤重金属生态安全阈值的确定方法主要有点模型、概率模型以及经验模型等，但不同的确定方法其适用情况、评价结果精度以及不确定性等均存在差异，因此，表4总结了上述模型中的代表方法、适用情况、优缺点以及不确定性等，从表4可以看出，点模型中的评估因子法和概率模型中的物种敏感性分布法适用于评价要求较高的情况，而经验模型中的生态环境效应法则主要适用于评价要求低、能粗略反映研究区域内污染风险的情况。此外，3种模型中的代表方法均能定量反映阈值结果，且在不确定性分析中，生态环境效应法的不确定性最高，评估因子法次之，物种敏感性分布法最低。分析其原因发现，应用生态环境效应法推导农用地土壤重金属生态安全阈值时，首先没有考虑农作物对重金属吸收的差异性，导致其推导阈值的不确定性增加，这与Ding等[31]得出的结论相一致。其次，生态环境效应法大多基于实验室数据构建多元线性回归方程，实验室条件下的因子是可控的，而实际大田环境条件下的诸多因素是不可控的，因此，在实验室条件下应用生态环境效应法与实际大田环境条件下存在显著差异[41]，这也是导致其不确定性高的一个重要原因。

表2 五大重金属元素在典型农作物中的含量限值Table 2 Limits of the content of five heavy metal elements in typical crops

注：此表参考《食品中污染物限量》(GB2762—2017)，“—”表示作物中未检出。

Note: This table refers to the “Limits in Contaminants in Food” (GB2762—2017); “—” means that not detected in the crops.

表4 农用地土壤重金属生态安全阈值的确定方法优缺点及不确定性分析Table 4 Analysis on the advantages, disadvantages and uncertainty of the method for determining the ecological safety threshold of heavy metals in agricultural land

模型Model代表方法Representative method适用情况Applicable situation优缺点Advantages and disadvantages结果描述Result description不确定性Uncertainty参考文献Reference点模型Point model评估因子法Evaluation factor method评价要求较高Higher evaluation requirements优点:简单易操作,考虑了物种敏感性差异,不依赖于任何理论模型,定量反映生态安全阈值;缺点:评估因子选取过于经验化且多依赖于国家政策,敏感物种的种类及数量单一,缺乏代表性Advantages: Simple and easy to operate, taking into account differences in species sensitivity, independent of any theoretical model, quantitatively reflecting ecological safety thresholds;Disadvantages: The selection factor is too empirical and depends on national policies. The types and quantities of sensitive species are single and lack representativity.定量Quantitative较高Higher[14-15][16-17][43]概率模型Probability model物种敏感性分布法Species sensitivity distribution评价要求高High evaluation requirements优点:考虑了物种敏感性、土壤理化性质、生物有效性及污染物来源等因素的差异,可根据不同的风险水平选取相应的重金属污染物浓度限量值;缺点:很少考虑物种间食物链的相互关系,无法提供环境的潜在恢复信息,难以体现污染物对环境的间接影响Advantages: Considering the differences in species sensitivity, soil physical and chemical properties, bioavailability and sources of pollutants, the corresponding heavy metal pollutant concentration limit values can be selected according to different risk levels.Disadvantages: Rarely consider the interrelationship of food chains between species, unable to provide potential recovery information for the environment, and difficult to reflect the indirect impact of pollutants on the environment.定量Quantitative低Low[24-25][35,43][44-45][46]经验模型Empirical model生态环境效应法Ecological environment effect method评价要求低Low evaluation requirements优点:考虑了土壤理化性质之间的差异,且能定量反映阈值结果;缺点:没有考虑物种对重金属污染物的敏感性差异Advantages: Consider the difference between soil physical and chemical properties, and can quantitatively reflect the threshold results;Disadvantages: The sensitivity of species to heavy metal contaminants is not considered.定量Quantitative高High[29-30][31-32][33-34][35-36][41]

而对于评估因子法来说，其不确定性主要由评估因子的选取、敏感物种的种类以及毒理学数据的质量引起。应用评估因子法确定农用地土壤重金属生态安全阈值时评估因子的选取主要依据国家政策和多年的科学经验，且选取的评估因子多为单一数值，并不是某个区间内的多个不同值，这是造成其不确定性高的一个最主要因素。其次，评估因子法一般选取研究区域内某个最敏感物种的单一毒理学数据作为生态安全阈值计算的基础数据，而敏感物种的种类、毒性评价终点的选择等都会影响毒理学数据的质量，进而影响其评价结果，增加其不确定性，这与Tiktak等[42]得出的结论相一致。

物种敏感性分布法作为不确定性最低的农用地土壤重金属生态安全阈值确定方法，其主要考虑了土壤理化性质、物种敏感性以及污染物来源等因素的差异，还可根据不同的风险水平选取相应的重金属污染物浓度限值，因而推导的农用地土壤重金属生态安全阈值更加科学合理。虽然物种敏感性分布法的不确定性较低，但其仍存在不确定性，例如敏感物种的种类及数量、毒理学数据的获取和处理以及拟合函数的选取等都会影响物种敏感性分布法的准确性。Wheeler等[43]研究发现，当物种的样本量在10～15种之间时，得到的HC5更具有可靠性，而当样本量低于10种时，参数值变化较大，得到HC5准确性不高。Shi[44]研究认为，相比于急性毒性数据，以慢性毒性数据构建的物种敏感性分布曲线更加科学；此外，王小庆等[45]利用物种敏感性分布法推导土壤镍生态安全阈值时，对毒理学数据进行了归一化、淋洗及老化校正，发现处理后的结果具有更高的精确度和灵敏度，相比于未校正及归一化更有科学性。另外，蒋丹烈等[46]研究得到，与Log-normal相比，Log-logistic和Burr-Ⅲ拟合函数对毒性数据的拟合效果更好，可优先选择[47]。因此，敏感物种样本量的大小、毒性数据的质量以及拟合函数的选取是影响物种敏感性分布法不确定性的主要因素。

此外，经验模型中的贝叶斯风险评估模型、二次判别模型、决策树模型以及逻辑回归模型等的不确定性可能是由模型参数的数量以及输入模型的数据质量引起。众所周知，数学模型中每一个变量或参数都存在引入误差，变量或参数越多，误差的累积效应就越大，模型结果的准确度就越低；另外，模型的数据质量直接决定着模型运行的稳定性及运行结果的准确定性，因此，一个具有较少参数及较好数据质量的模型其不确定性会降低，反之则升高。

3 结论及展望(Conclusions and prospects)

本文综述了农用地土壤重金属生态安全阈值的确定方法，详细阐述了点模型、概率模型以及经验模型中的代表方法在确定农用地土壤重金属生态安全阈值方面的发展及应用，并深入探讨了各方法的适用情况、优缺点、不确定性的大小及其影响因素，研究表明，点模型中的评估因子法和概率模型中的物种敏感性分布法由最初的水环境生态安全阈值确定方法发展为农用地土壤重金属生态安全阈值确定方法，其评价要求高，不确定性相对较低。而经验模型中的生态环境效应法在确定农用地土壤重金属生态安全阈值时，其发展主要表现为变量由单因子变为多因子，方程由一元线性回归方程变为多元线性回归方程，评价要求低、应用范围广，但不确定性高；此外，随着学科的不断发展，经验模型中的其他计算方法也得到快速发展，如贝叶斯风险评估模型、二次判别模型、决策树模型以及逻辑回归模型等，分析其不确定性主要是由模型参数的数量以及输入模型的数据质量引起。

虽然目前关于农用地土壤重金属生态安全阈值的确定方法已经取得了较大发展，并获得了显著成果，但仍有一些问题还需进一步深入研究。比如农用地土壤作为一个复杂的生态系统，利用某一种生态安全阈值确定方法往往达不到农用地土壤污染风险评价的要求，且置信度与可靠性较差，因此，如何将不同的生态安全阈值确定方法联合使用进行农用地土壤污染风险评价是今后的一个主要发展方向。此外，在生态安全阈值确定方法的不确定性分析中，目前大多影响因素都是定性描述，如何去量化表征生态安全阈值的不确定性也是今后的主要研究方向之一。另外，目前农用地土壤重金属生态安全阈值的确定方法多以重金属总量作为评价标准，但重金属总量并不能完全代表对生物的实际毒性效应，因此，构建以重金属有效态为评价标准的生态安全阈值确定方法也是今后的重要发展方向。