皖北农业水利区土壤重金属来源解析及污染评价

常健平 马杰 王森森 郑华峰 吴明鑫

摘要：为了解皖北北部农业水利区土壤重金属的来源及污染评价，以宿州市濉河某段为研究区，系统采集了50份深层土壤（±20 cm），并利用X荧光光谱仪测试了6种重金属的含量。采用单因子污染指数法、内梅罗污染综合指数法及多元统计方法（相关分析、因子分析），对6种重金属进行污染评价。结果表明：（1）Cr、Co、Ni、Cu、Zn和Pb元素的平均质量浓度依次分别为47.5、10.79、26.46、29.02、60.00和26.92 mg/kg。除Pb和Cu元素的平均值要稍高于安徽省背景值外，其余四种重金属元素的平均含量均低于安徽省土壤背景值;（2）除Cu、Pb属于轻度污染外，Cr、Co、Ni、Zn都处于安全状态;（3）Ni和Cu可能来自于周边公路上的交通运输，Cr、Co、Zn和Pb可能来自于农业肥料以及汽车尾气的排放。研究成果可为濉河流域内的农业水利区环境实施治理、修复、优化等措施提供基础依据。

关键词：重金属;水利区;多元统计;土壤污染

中图分类号：X53;X825          文献标识码：A

城市河流在支撑经济发展、维护生态系统稳定、美化城市环境等方面发挥着重要作用，其沿岸土壤的质量也与人类的身体健康密切相关。随着城市化和工业化的高速发展，导致农业水利区土壤重金属问题日益凸显[1]。土壤重金属污染能够在体内长时间潜伏并且不易察觉、难从根本上除去和能够在食物链中被富集吸收，从而对人类和其他生物造成很大的健康甚至是生命威胁[2]。同时，土壤重金属污染具有不可逆性、滞后性的特点[3]。诸多学者对国内外的土壤重金属开展了大量的研究工作，大气、土壤和河流的组分是可以相互交换的，当大气和河流被重金属污染时，必然会对土壤中的重金属污染的程度起到加深作用。在诸多研究成果中，以宿州市及周边地区为研究区的研究成果颇多，但成果多关注于河流底泥重金属、煤矿区周边及街尘等，对河流周边农业区及水利区的研究较少。基于此，本次研究针对宿州市濉河农业用水水利区土壤重金属污染问题进行研究，结合相关性分析和因子分析，对研究区内6种土壤重金属的污染来源解析。同时，使用内梅罗综合污染指数法、单因子指数法定性分析出濉河农业用水水利区土壤的重金属污染评价[4，5]。旨在为濉河农业用水水利区的环境实施治理、修复、优化等措施提供基础依据。

1 材料与方法

1.1 研究区概况

宿州市位于安徽省的北部，面积达9787平方公里。宿州市的平原以濉河为界，研究区位于南北气候过渡区，为温带半湿润气候。四季分明，夏天炎热，秋天少雨，冬天寒冷干燥。最大年降雨量1363.7 mm，最小年降雨量564.5 mm，6～9月降水占全年降水量的65%～70%[6]。

1.2 样品采集和预处理

遵循系统采样的原则，本次研究样品采集工作于2019年3月在濉河沿岸开展，并采集了50组样品，采样深度大约为20 cm左右的深层土壤，采样间距控制在100 m，采集时尽量保证了樣品的纯洁性。采样过程中对每个点进行GPS定位，采样点分布见图1。样品采回后，首先将样品放入实验室使其自然风干，风干后由小组成员研磨成粉并剔除掉植物、碎石等杂质，最后经过尼龙筛，筛出的粉末放入新的密封袋中保存备用。

在完成用手动粉末压片机对研磨后的土壤样品进行压片之后，用X荧光光谱仪分析样品中Cr、Pb、Co、Ni、Zn和Cu等6种重金属含量，测试工作在安徽省煤矿勘探工程技术研究中心完成。

2 土壤重金属含量分布特征

采用Excel和SPSS 24.0软件对土壤中重金属含量进行描述性分析，如表1所示。Cu和Pb的平均含量高于安徽省土壤背景值，其它4种元素的平均含量均低于安徽省土壤背景值，表明Cr、Co、Ni和Zn基本未受到污染。变异系数是反映样品变异程度的一个统计量，它可以在一定程度上反映样品受人为影响的程度[7]。Pb、Cu、Ni的平均变异系数相对较大，均高于0.30，说明在研究区这3种重金属的时空分布差异较大，局部地区的人为活动对这3种重金属含量有一定影响[8]。Co、Cr、Zn的平均变异系数较小，表明这3种元素受人为影响较小。

3 污染评价方法

3.1 单因子指数法

单因子指数法是在评价污染来源时一种常见的方法，因其计算相对简单，适用范围较广。该方法利用实测数据和标准对比分类，选取土壤重金属最差的类别即为评价结果，是一种简单的通过限值判别土壤重金属环境污染的方法[9]。其中，Pi≤1、1

表2列出各重金元素计算得出的平均单因子指数，污染程度依次为Cu>Pb>Zn>Ni>Cr>Co。依据土壤单因子污染程度分级标准，Cu和Pb属于轻度污染，其余的四种重金属元素目前都是处于安全状态，在未来Zn元素也有在未来受到污染的风险。

3.2 内梅罗综合指数法

内梅罗综合污染指数法兼顾了单因子污染指数的平均值和最高值，它是着重体现某因子污染严重的一种综合评价方法[10，11]。对于多个因子的污染状况具有较好的评价能力，因此被广泛应用于重金属的评价中。内梅罗指数（M）在0～0.8、0.8～2.5、2.5～4.25、4.25～7.2和>7.2范围时，分别对应的污染级别为优良、良好、一般、较差和极差[12]。

内梅罗综合指数法计算结果如表3所示。Cr、Co、Ni、Cu、Zn、Pb的综合污染指数分别为1.00、0.68、1.18、2.20、1.41、1.61，污染程度依次为Cu>Pb>Zn>Ni>Cr>Co。根据内梅罗综合指数分级标准，其中重金属Cr、Co处于优良状态，其余四种重金属Ni、Cu、Zn、Pb均处于良好状态。

4 来源分析

土壤重金属来源多受土壤母质和人为活动的影响，其来源的相似性会导致土壤中某些重金属元素间表现出一定的相关特点[13]。为了确定重金属来源，本文采用SPSS24.0软件对数据进行相关性分析和因子分析。

相关性分析是研究重金属来源分析的重要方法，重金属元素间的相关性在一定程度上反映了重金属元素污染程度的相似性或者是污染元素源的相似性。且其相关系数愈大其来自于同一污染源的可能性也就愈大。对濉河农业水利区土壤中的6中重金属元素进行了Pearson相关分析[14]。从表4的相关性分析结果表中可以看出，Cr与Ni、Cu、Co、Zn、Pb之间存在着显著的相关关系（P<0.01）。通过以上分析，可以得出以下结论：Cr与Zn、Co、Cu、Pb、Ni都可能来自与同一污染源。

因子分析法可以将一系列具有关系复杂的变量简化为几个综合因子，该方法将各个元素在土壤中的浓度值看作是各污染源贡献的线性组合。然后根据受体样品（n）各化学成分（i）之间的相关关系，从n×i个数据集合中归纳出主因子，然后由此计算出各个因子载荷，结合因子载荷情况和污染源的特征元素定性推断出各因子可能代表的污染源类型[15]。通过对6个不同变量因子分析，得到旋转前后的因子分析载荷矩阵[16]，结果如表5所示。

通过旋转前后因子分析可知，6种重金属解释了70.458%的信息，并提取出两个主成分。第一主成分中，Cr、Co、Zn、Pb具有较高的正载荷;第二主成分中，Ni和Cu具有较高的正载荷。

在采样踏勘过程中调查发现，研究区内分布有广泛的农业耕种区，且交通运输交通较为密集。结合相关性分析和因子分析可知，Cr、Co、Zn和Pb可能来自于农业肥料以及土壤母质;Ni和Cu作为汽车轮胎的添加剂，汽车轮胎与地面摩擦的颗粒物在高温环境以及氧化还原反应中，可能会导致Ni和Cu向空气中排放，最终导致Ni和Cu在土壤中发生沉积，Ni和Cu可能来自于汽车轮胎。

5 结论

（1）濉河农业水利区的土壤中Cr、Co、Ni、Cu、Zn、Pb元素的平均质量浓度依次分别为47.5 mg/kg、10.79 mg/kg、26.46 mg/kg、29.02 mg/kg、60.00 mg/kg和26.92 mg/kg。除Pb和Cu元素的平均值要稍高于安徽省背景值外，其余四种重金属元素的平均含量均低于安徽省土壤背景值。

（2）单因子指数法表明，研究区内Cu和Pb属于轻度污染，其余的四种重金属元素目前都是处于安全状态;内梅罗综合指数法表明Cr、Co处于优良状态，其余四种重金属Ni、Cu、Zn、Pb均处于良好状态。

（3）通过多元统计方法分析土壤重金属来源，Ni和Cu元素的可能来自于交通运输（汽车轮胎），Cr、Co、Zn和Pb可能来自于农业肥料以及土壤母质。

参考文献

[1] 王洪涛，张俊华，丁少峰，等.开封城市河流表层沉积物重金属分布、污染来源及风险评估[J].环境科学学报，2016，36（12）：4520-4530.

[2] 孙博，黄莹，李永霞，等.基于主成分分析的河流沉积物重金属污染评价[J].环境科学与技术，2016，39（10）：175-184.

[3] 康彩霞.GIS与地统计学支持下的哈尔滨市土壤重金属污染评价与空间分布特征研究[D].吉林大学，2009.

[4] 李致春，桂和荣，孙林华.河流沉积物中重金属来源分析方法研究进展[J].化学分析计量，2012，21（5）：94-96.

[5] 陈豪，左其亭，窦明.河流底泥重金属污染研究进展[J].人民黄河，2014，36（5）：71-75.

[6] 王志垲，张克峰，刘雷.地下水污染评价中单因子指数法的优化[J].环境工程，2016，34（S1）：810-812，816.

[7] 李奇.宿州市主要河流水質变化趋势分析及水质评价[D].安徽理工大学，2015.

[8] 刘红斌，苏尚军.太原市土壤重金属分布特征及生态风险评价[J].山西农业科学，2019，47（8）：1411-1415.

[9] 刘瑞雪，乔冬云，王萍，等.湘潭县农田土壤重金属污染及生态风险评价[J].农业环境科学学报，2019，38（7）：1523-1530.

[10] 关云鹏.利用内梅罗指数法模型评价地下水水质的探讨[J].山西水利科技，2012（1）：81-84.

[11] Nemerow N L.Scientific stream pollution analysis[M].New York：McG raw-Hill Companies，1974.

[12] 康小兵，刘庆贺，李科，等.修正内梅罗指数法在小型污染场地中的应用[J].环境保护科学，2019，45（1）：111-115.

[13] 赵有益，黎虹.兰州市设施菜地土壤重金属污染程度及污染源[J].甘肃农业大学学报，2019，54（3）：125-133.

[14] 阿卜杜萨拉木·阿布都加帕尔，王宏卫，杨胜天，等.准东地区土壤重金属污染特征及来源分析[J].中国矿业，2019，28（11）：168-174.

[15] 陈雅丽，翁莉萍，马杰，等.近十年中国土壤重金属污染源解析研究进展[J].农业环境科学学报，2019，38（10）：2219-2238.

[16] 雷凌明，喻大松，陈玉鹏，等.陕西泾惠渠灌区土壤重金属空间分布特征及来源[J].农业工程学报，2014，30（6）：88-96.