基于地统计分析的老旧工业园农田区域地下水重金属空间分布及风险评价

张毅博 赵剑斐 黄涛

摘要：以四川省什邡市某老旧工业园周边农田区域地下水环境为研究对象，结合地统计分析方法，对该区域地下水重金属空间分布进行调查，并评价潜在生态风险。结果表明，研究区域地下水总体表现为以Zn、Cu为主的多种重金属富集，Cr与Cu空间分异较大，受外界干扰比较显著，Cr与Cu、Cu与Pb的相关系数分别达到0.693、0.629（P<0.01），表明其污染源可能相同;地下水中各项重金属单因子指数表现为Ni>Pb>Mn>Zn>Cu>Cr，据单项潜在生态污染指数计算结果，Cu具有中度潜在生态风险，此外，6种重金属综合潜在生态风险指数（RI）均值为97.27，属轻度污染，且占比达到总调查区域的96.2%。总体而言，该老旧工业园对周边农田区域浅层地下水产生了轻度的生态风险。

关键词：地统计学;老旧工业园农田;地下水重金属;生态风险;生态污染;风险评价

地下水作为重要的城乡供水水源，在维护经济社会健康发展等方面发挥着不可替代的作用。据中华人民共和国生态环境部于2011年完成的《全国地下水基础环境状况调查评估》，我国地下水资源约占总供水量的20%，全国60%的人口以地下水作为饮用水水源，地下水是支撑经济社会可持续发展的重要战略资源[1]。由于开发和利用不当造成的地下水污染，会直接对人类及其活动造成潜在危害，并会对生态环境造成严重影响，还会对工业生产、农业生产产生危害[2-4]。老旧工业园区内企业类型纷呈，产业关联度不高，资源在各个企业之间很难做到循环使用，高投入、低产出、高污染等问题突出。在老旧工业园区，污水泄漏会导致地下水水质恶化，地下水含水介质的复杂性、隐蔽性及延时性使地下水污染范围难以确定，以至于扩散至工业园区周边区域[5-7]。

针对地下水中重金属污染问题，国内外已有众多学者开展了地下水重金属污染的表征、测量和修复技术等方面的研究[8-10]，并对众多地下水污染评价模型进行了研究，冶雪艳等以第二松花江流域地下水为研究对象，分别采用DRASTIC和GOD法对地下水环境脆弱性进行评价，并利用实测铬（Cr）含量对评价结果进行验证对比[11]。除此之外，地理信息系统（GIS）与专业模型相结合的地下水污染风险评价，也是近年来的研究热点，目前已广泛应用于环境保护、资源保护、灾害预测等领域[12-13]。考虑到传统统计学方法忽视了样本的空间位置和方向，难以区别不同空间格局的差异，周晓虹等利用ArcGIS的地统计空间分析功能，对内蒙古临河市浅层地下水进行综合评价，得到了研究区地下水水质的空間分布[14]。Zamani等以伊朗博纳布工业区的地下水污染为例，采用差分脉冲极谱（DPP）研究了铁、钴、镍、铜、锌、镉和铅的含量，并应用多元统计技术对数据来源进行描述，分析了所调查的重金属之间的相关性和相似性[15]。

四川省什邡市某工业园区拥有众多化工企业，建园时间较久，未进行合理的环境规划，属老旧工业园区。本研究以该园区周边农田地下水环境为研究对象，通过现场踏勘、水质采样分析、地统计分析及潜在风险评价工作，对该区域地下水重金属空间分布调查结果进行直观呈现，同时结合地统计分析对潜在生态风险进行评价，以期为其他类似老旧工业园区周边地下水污染评价提供参考与借鉴。

1 材料与方法

1.1 研究区域概况

本研究研究区域地处双盛镇，位于四川省什邡市北6 km，地处104°09′E，31°10′N。海拔高度为545.598 m，呈西北向东南走势，平均海拔为507 m。双盛镇东连禾丰镇，南接皂角镇，西南和马祖镇接壤，西北同灵杰镇毗邻，东北与绵竹市玉泉镇、新市镇隔江相望。幅员面积为28 km2，辖6个村（白鱼河村、亭江村、青龙村、万缘村、东林村、涌麟村）和1个居民委员会。研究区域范围内为平原区域，生态环境以农业耕作为主，主要种植小麦、水稻、豆类等作物，为典型的农业生境区域。

1.2 地下水样品的采集与分析

本研究所用地下水样品主要取自下部微承压含水层，井深为20～40 m。2018年4月、9月于研究区域内采集26个地下水样品，采样点位分布见图1，采样点位置采用全球定位系统（GPS）定位。浅层地下水主要取自区内正在灌溉的农灌井及工业取水井，水样24 h内用0.45 μm混合纤维滤膜过滤后于4 ℃冰箱保存待测，重金属离子含量采用 ICP-MS 等离子体质谱仪（美国瓦里安公司）测定，测试精度>0.5%。

1.3 试验方法

单因子指数评价方法又称单指标评价法，将各污染因子浓度代表值与评价标准逐项对比，以单项评价最差项目的类别作为水质类别，通过评价结果能直观地反映水质中哪一类或几类因子超标，同时可清晰地判断出主要污染因子和主要污染区域，计算公式[16]如下：

式中：Pi为单因子i的水质污染指数;Ci为水质中污染物i的浓度实测值，mg/L;C0i为污染物i的评价标准浓度。Pi≤1表明该水质因子满足水质标准，为非污染;13时，表明该水质为严重污染。该方法计算简便，由于是对单个污染因子独立进行评价，评价结果不可能全面地反映水环境质量的整体状况，可能导致较大的偏差。为全面反映水体质量状况，还必须计算其综合评价指数。

潜在生态风险指数法是一种从沉积物学角度来评价重金属污染物特征和环境行为的方法[17]，计算公式如下：式中：RI为多种重金属的综合潜在生态风险指数;Eir为单项重金属潜在的生态污染指数;Ti为单项重金属i的毒性响应系数[18]，Zn=Mn=1，Cu=Pb=Ni=5，Cr=2;Cif为重金属污染物的污染指数;Cis和Cin分别为第i种重金属元素的检测浓度、评价标准浓度，mg/L。地下水重金属的潜在风险分级标准见表1。

1.4 数据处理分析

本研究中地下水重金属含量的平均值、变异系数、正态分布检验等描述性统计分析采用SPSS 25.0统计软件完成;使用ArcGIS 10.5软件对地下水重金属元素含量进行插值计算，以得到每种重金属的空间分布情况。

由通过普通克里金插值法得到的6种地下水重金属含量空间变异分布图可知，Cu、Mn、Pb的高浓度区域主要集中在工业园区南侧农田地区，由于该地区地下水由北部石亭江补给，工业园区重金属下渗后迁移至偏南部区域，而其他区域浓度较低。

单因子污染指数统计结果表明，地下水中各项重金属的污染程度表现为Ni>Pb>Mn>Zn>Cu>Cr，且Ni的单因子指数高于1，平均值为2.334，达到中度污染的程度;根据潜在生态污染指数计算结果可知，重金属污染程度表现为Cu>Zn>Cr>Ni>Mn>Pb，仅有重金属Cu具有中度潜在生态风险，主要由于Cu的生态风险系数较大所致;6种重金属综合潜在生态风险指数（RI）平均值为97.27，轻度综合潜在生态风险指数的占比达到总调查区域的96.2%，其中风险系数小于100的覆盖面积达到总调查面积的50.0%;总体而言，当地化工行业对农田浅层地下水产生了轻度的生态风险。

参考文献：

[1]Zhai Y Z，Lei Y，Wu J，et al. Does the groundwater nitrate pollution in China pose a risk to human health？ a critical review of published data[J]. Environmental Science and Pollution Research，2017，24（4）：3640-3653.

[2]López E，Schuhmacher M，Domingo J L. Human health risks of petroleum-contaminated groundwater[J]. Environmental Science and Pollution Research，2008，15（3）：278-288.

[3]Shah T. Groundwater and human development：challenges and opportunities in livelihoods and environment[J]. Water Science and Technology，2005，51（8）：27-37.

[4]Tuncel S G，ztas N B，Erduran M S. Air and groundwater pollution in an agricultural region of the Turkish Mediterranean coast[J]. Journal of the Air & Waste Management Association，2008，58（9）：1240-1249.

[5]刘宏伟. 中宁石空工业园区地下水锰污染评价及其水环境影响预测研究[D]. 西安：长安大学，2013：12-13.

[6]马群宇，卞 雪，刘楚烨，等. 淮安市化工企业地下水污染预测与风险评价[J]. 水土保持通报，2017，37（5）：297-301.

[7]贾军元，姜月华，周 迅，等. 江苏某化学工业区浅层地下水有机污染特征[J]. 地下水，2013，35（6）：87-89.

[8]张 妍，李发东，欧阳竹，等. 黄河下游引黄灌区地下水重金属分布及健康风险评估[J]. 环境科学，2013，34（1）：121-128.

[9]Arslan Yücel ，all S S，et al. Assessment of heavy metal pollution in the groundwater of the northern Develi Closed Basin，Kayseri，Turkey[J]. Bulletin of Environmental Contamination and Toxicology，2017，99（2）：244-252.

[10]Tiwari A K，Singh P K，Singh A K，et al. Estimation of heavy metal contamination in groundwater and development of a heavy metal pollution index by using GIS technique[J]. Bulletin of Environmental Contamination and Toxicology，2016，96（4）：508-515.

[11]冶雪艳，尤传誉，杜新强，等. 傍河区域地下水脆弱性研究——以第二松花江流域为例[J]. 科技导报，2015，33（17）：78-83.

[12]于云江，杨 彦. 基于GIS的松花江沿岸某区浅层地下水污染特征及人群暴露风险评价[J]. 中国环境科学，2013，33（8）：1487-1494.

[13]粟石军. 基于GIS技术的地下水重金属污染综合风险评价研究[D]. 长沙：湖南大学，2008：11-12.

[14]周晓虹，李小娟，高存荣. 基于GIS的地统计分析在区域水质评价中的应用——以内蒙古临河市为例[J]. 首都师范大学学报（自然科学版），2008，29（4）：52-58.

[15]Zamani A A，Yaftian M R，Parizanganeh A. Multivariate statistical assessment of heavy metal pollution sources of groundwater around a lead and zinc plant[J]. Iranian Journal of Environmental Health Science & Engineering，2012，9（1）：29.

[16]韩 君，徐应明，温兆飞，等. 重庆某废弃电镀工业园农田土壤重金属污染调查与生态风险评价[J]. 环境化学，2014，33（3）：432-439.

[17]Hakanson L. An ecological risk index for aquatic pollution control. a sedimentological approach[J]. Water Research，1980，14（8）：975-1001.

[18]徐争启，倪师军，庹先国，等. 潜在生态危害指数法评价中重金属毒性系数计算[J]. 环境科学与技术，2008，31（2）：112-115.

[19]王文森. 变异系数——一个衡量离散程度简单而有用的统计指标[J]. 中国统计，2007（6）：41-42.

[20]郑丙辉，秦延文，张 雷，等. 重金属污染沉积物质量评价研 究—— 以太湖为例[J]. 中国环境科学，2012，32（10）：1860-1866.

[21]余 辉，张文斌，余建平. 洪泽湖表层沉积物重金属分布特征及其风险评价[J]. 环境科学，2011，32（2）：437-444.付永虎，宗 婷，劉俊青，等. 基于土地利用变化的连云港海岸带生态系统服务价值评估[J]. 江苏农业科学，2020，48（12）：264-273.