基于田块尺度的农田土壤重金属污染评价及来源解析

穆德苗，陈艳秋，胡涛，林大松，杨正兰，孙约兵*

（1.东北农业大学资源与环境学院，哈尔滨 150030；2.农业农村部环境保护科研监测所，农业农村部产地环境污染防控重点实验室/天津市农业环境与农产品安全重点实验室，天津 300191；3.云南省安宁市植保植检站，云南 安宁 650300）

健康的土壤环境是保障人类生存和发展的基础，人类活动不断将大量污染物（如重金属、挥发性有机物等）带入土壤环境中，其生态环境遭到不断破坏，导致土壤污染问题愈发严重。由于重金属污染具有持久性、长期潜伏性、地域性以及不易修复等特点，能够对农产品安全和人体健康构成威胁。《全国土壤污染状况调查公报》显示，我国重金属污染区域化差异明显，西南地区（云南省、贵州省、四川省等）土壤重金属As、Cd、Hg 和Pb 等背景值显著高于全国土壤背景值。西南地区地质条件复杂，矿产储量足、种类多，使其具备开采基础，长期的矿产活动加剧了土壤重金属污染。张富贵等基于乡镇尺度对西南高背景区农田土壤重金属进行生态风险评价，发现由于地质背景影响，Cd 是研究区域最重要的风险元素，且存在多种重金属复合污染，生态风险较高。目前，西南地区已查明污染耕地面积达219.5 万hm，占全国污染耕地总面积的28.9%。近年来，已有关于西南高背景区土壤重金属累积迁移和污染评价的相关报道，高地质背景造成的农田土壤重金属污染逐渐受到重视。

确定农田土壤重金属的具体来源，特别是进行定量解析，厘清土壤重金属是来源于地壳活动导致的重金属上移还是人类活动影响所致，对西南地区土壤重金属污染防治具有现实意义。地统计学已广泛应用于对土壤重金属空间分布特征进行插值分析，但主要致力于土壤重金属原始测定数据的地统计学分析，缺乏对具体金属元素的源贡献进行制图分析。绝对因子分析/多元线性回归（APCS-MLR）受体模型是主成分分析和多元线性回归两种统计方法相结合的受体模型，回归系数用于计算污染因子对污染元素的贡献率。霍明珠等基于绝对因子分析/多元线性回归受体模型对湘潭县农田土壤重金属进行源解析，结果表明工业源对Cd 贡献率最大，为65.36%；农业源对As 贡献率最大，为59.20%；自然源对Cr 贡献率最大，为89.67%。夏子书等基于PMF模型和Kriging 插值，对宁南山区土壤重金属进行污染评价及来源解析，表明主要来源为农业活动源（23.5%）和自然母质源（27.6%）。联合多重解析方法，在定性识别的基础上定量识别重金属污染来源，能够获得更加科学准确的结果。目前关于土壤源解析的研究只关注于贡献值，忽略了重金属之间的毒性差异。将传统的土壤评价方法与GIS 法联合应用，不仅有助于直观地展示土壤重金属污染状况，而且能够定量污染源的贡献值，进而制定优先控制策略。

近年来，众多学者对土壤重金属含量特征的研究主要集中于中尺度到大尺度的区域和流域，由于不同的农业活动方式和土地利用类型可引起小尺度范围的空间分异，若采用较大的研究尺度去预测小区域的空间分布趋势，对于合理利用土地资源和精准管理农业生产，其精度不足。基于此，本研究区域选取西南地质高背景区云南省，在田块尺度下分析测定土壤中As、Cd、Cr、Cu、Mn、Ni、Pb 和 Zn 这 8 种重金属元素含量及赋存形态，采用地累积指数、潜在生态风险评价等方法研究土壤重金属污染特征，揭示土壤重金属累积特征，评价农田土壤重金属污染情况，联合应用空间插值法与APCS-MLR 模型，量化土壤重金属污染来源，为西南地区农田土壤重金属污染防治、保障农作物品质安全提供科学依据。

1 材料与方法

1.1 研究区域概况

云南省安宁市（102°08′ ～102°37′ E、24°31′ ～25°06′N），拥有云南省最大的钢铁生产基地——昆钢钢铁，是集钢铁、盐矿、氮肥、磷肥和化工产业为一体的工业城市，其地质背景复杂。研究区域是螳螂川沿岸及公路周边的农田。螳螂川是滇池唯一出水口，流向自东北至西南，沿岸分布着众多钢铁冶金、磷肥化工和氯碱化工等企业，水质污染严重。研究区域面积60.44 hm，土壤为山原红壤，以耕地为主，主要种植满足人类日常生活的经济作物以及大宗作物玉米、水稻。研究区属于中亚热带低纬度高海拔地区，温差较小，干湿分明。年平均气温14.9 ℃，年平均降水量约为1 000.5 mm，光照充足，积温偏低。

1.2 样品采集与分析

于2020年8 月采集研究区域表层土壤样品120件，用奥维地图确定采样点经纬度信息，采样深度0～20 cm，采样点位如图1 所示。采用五点取样法采集土壤样品，布点过程中综合考虑周边环境因素，从5 m×5 m 的正方形四个顶点和中点采集表层土壤样品，均匀混合后用四分法选取1 kg土壤作为一个土壤样品。土壤样品经室温自然风干，捡出石块、植物根茎等杂质后，研磨至20目和100目筛后自封袋密封保存，供后续分析测试使用。

图1 研究区域采样点分布Figure 1 Distribution of sampling points in the research area

土壤pH 值采用pH 计（土水比为1∶2.5）进行测定（NY/T 1377—2007）；土壤有机质采用重铬酸钾容量法测定（NY/T 1121.6—2006）；土壤阳离子交换量采用三氯化六氨合钴浸提-紫外分光光度计法测定（HJ 889—2017）；电导率采用电导率仪测定（FE38-Meter）；土壤重金属有效态选用DTPA 浸提液进行提取（提取剂与土壤比为5∶1）；土壤重金属总量采用HNO-HF 体系消解；土壤重金属各形态含量测定采用Tessier 连续提取法，测定5 种形态依次为可交换态、碳酸盐结合态、铁锰氧化物结合态、有机态、残渣态。使用电感耦合等离子体质谱仪（ICP-MS，Ultimate 3000-i CAP QC）测定重金属含量。每份土壤样品设置3个重复，准确度和精密度采用国家一级标准物质进行控制，土壤样品中所测元素的回收率为95%～102%，结果符合质量控制要求。

1.3 地累积指数

地累积指数（Geoaccumulation index，）用于定量评价沉积物中重金属污染程度，具有科学性和直观性的优点，其计算公式为：

式中：为地累积指数；C为元素含量的实测值，mg·kg；B为元素含量的背景值，mg·kg；为修正系数，一般取1.5。地累积指数与污染程度分级标准见表1。本研究选择云南省表层土壤中重金属元素含量作为背景值计算值，评价研究区域污染程度。

1.4 潜在生态风险评价

潜在生态指数法（Potential ecological risk index，PERI），能够综合反映重金属对生态环境的影响能力，是目前最为常用的评价土壤重金属污染程度和生态风险的方法。其计算公式为：

表1 地累积指数和潜在生态风险指数分级标准Table 1 Geological accumulation index and potential ecological hazard index classification standard

1.5 绝对因子分析/多元线性回归（APCS-MLR）受体模型

APCS-MLR 模型不仅可以识别污染源，而且可以计算各来源的贡献率及每个因子对单个样本的源贡献率。其基本原理是将原始数据标准化后，在因子分析的基础上得到绝对主成分因子得分（APCS）。

首先对测定的原始数据进行标准化：

对所有重金属元素引入1个含量为0 的人为样本，计算标准化得到的因子分数：

每个重金属元素的APCS 通过每个样本的因子分数减去0含量样本的因子分数得到。

以重金属测定数据为因变量、APCS 为自变量进行多元线性回归分析，得到的回归系数可将APCS 转化为每个污染源对每个样本的含量贡献率：

式中：b为对重金属元素进行多元线性回归所得常数；b是污染源对重金属元素的回归系数；APCS·b表示污染源对C的含量贡献，%；所有样本APCS·b平均值表示污染源平均绝对贡献量，%。

1.6 数据处理

利用Excel 2016 软件计算重金属地累积指数、潜在生态风险指数和描述性统计。采用APCS-MLR 受体模型计算污染来源。采用SPSS Statistics 25.0 进行描述性统计分析、相关性分析和因子分析。地统计学分析和空间分布图的制作通过ArcGIS 10.8 完成，用Origin 2019b进行图形处理。

2 结果与讨论

2.1 研究区域土壤重金属含量和空间分布特征

2.1.1 表层土壤重金属含量

由表2 可知，研究区域土壤pH 值范围为5.47～7.00，平均值为6.26，83.33% 的土壤样品呈酸性。土壤阳离子交换量含量在5.44～13.92 cmol·kg之间，平均值为9.63 cmol·kg。土壤有机质含量在20.10～39.94 g·kg之间，平均值为 2 9.96 g·kg。研究区土壤以酸性土壤为主，土壤有机质含量较高，阳离子交换量较低，土壤肥力状况良好。

表2 研究区土壤基本理化性质及重金属含量（n=120）Table 2 Basic physical and chemical properties and heavy metals concentrations of the study soil（n=120）

对研究区内土壤重金属含量采用Kolmogorov-Smirnove（K-S）正态分布检验，结果显示研究区内表层土壤样品数据服从或近似服从对数正态分布。土壤重金属含量平均值由高至低排列为Cr（501.53 mg·kg）＞Zn（80.16 mg · kg）＞Mn（41.19 mg · kg）＞As（26.10 mg·kg）＞Cu（22.89 mg·kg）＞ Pb（22.41 mg·kg）＞N（i17.59 mg·kg）＞Cd（1.13 mg·kg），8 种重金属含量变化范围较大。采用《土壤环境质量 农用地土壤污染风险管控标准（试行）》（GB 15618—2018）作为评价指标，显示研究区域为典型土壤重金属高背景区，特别是重金属As、Cd 和Cr，含量分别是云南省土壤背景值的 1 .42、1.71 倍和 7 .69 倍，pH 范围在 6 .5～7.00 分区中Cd 和Cr均超过相应分区筛选值，pH 范围在 6 .5～7.5 时，13.21% 土壤样品 A s 超过筛选值。结果表明重金属As、Cd 和Cr 在土壤中有不同程度的累积，土壤中重金属Cr 累积效应最为明显。其余重金属平均值含量均未超过农用地土壤污染风险筛选值，且低于云南省土壤背景值。何腾兵等研究了贵州喀斯特山区不同母质（岩）发育的土壤重金属，表明重金属含量差异较大，碳酸盐岩系石灰岩发育的土壤中Cd、Cr 和As 的含量较高且存在富集情况。这说明研究区域在地质高背景和农业生产等人类活动影响下，土壤重金属有聚集的趋势。

变异系数可以反映重金属在土壤中的均匀性和变异性。土壤重金属Cr、Cu 和Mn 变异系数均大于35%，属于高度变异，分布高度不均匀，推测原因是研究区域位于地质高背景区，重金属含量高的母质岩在风化成土过程中释放的重金属又富集在土壤中，与人类耕作活动等形成交互叠加污染的状况。土壤重金属As、Cd、Ni 和Pb 变异系数均大于15%，属于中度变异，可能存在人类活动产生的异常值干扰情况。土壤重金属Zn 变异系数小于15%，属于弱变异，空间差异不显著。除Zn 外，土壤重金属的空间变异系数均为中高度水平。土壤中As、Cd 和Cr 累积程度高且存在明显差异性，说明在人类活动的影响下，土壤重金属发生不同程度的积累，区域内种植的农产品可能存在污染风险。因此，在风险评价和环境修复中应重点关注研究区域土壤As、Cd和Cr污染情况。

2.1.2 土壤重金属含量空间分布

利用ArcGIS 10.8 中的反距离权重法（IDW）对采样点重金属元素进行空间插值分析，得到8 种土壤重金属含量的空间分布特征，如图2 所示。研究区域重金属空间分布具有一定的区域集中性。重金属Cd、Cr 和Cu 空间分布具有相似性，表现为“东高西低”的分布特征。Cd、Cr 和Cu 高浓度点主要集中在东南部。研究区域东南部存在地势低洼区域，且易受到螳螂川水流冲击的影响。在黄河下游典型冲积平原、广州市丘陵地带的研究表明，主要受到成土母质影响的重金属Cd、Cr和Ni等易在河流冲积处、平原处富集。重金属Mn、Ni、Pb 和Zn 含量呈现出东北部含量偏低、西南部含量偏高的特征，其中高含量区域集中于西南部。土壤As 表现出中部含量偏高、四周偏低的特征，且东部含量普遍高于西部，高含量斑块出现区域较分散，研究区域有多年苗木种植历史，可能与农药的施用有关，韩志轩等研究表明Hg 和As 是农药的重要组成元素，多次施用含As 农药的土壤As 含量高达2 000 mg·kg。整体来看，土壤中Cd、Cr和Cu含量空间分布格局表现出东南部较高、中部次之、西北部较低的趋势，而土壤中Mn、Ni、Pb和Zn含量的空间分布格局较为特殊，呈现西南部最高、中间区域高于周边的趋势。

图2 研究区土壤重金属空间分布Figure 2 Spatial distribution of soil heavy metals content in the study area

2.2 土壤重金属有效性及形态分布特征

尽管土壤重金属含量能反映重金属的累积程度，但重金属有效态更能反映生物可利用性和生物毒性。土壤重金属DTPA 提取态含量和总量相关性分析如图3 所示。土壤重金属有效态含量差异较大，平均值大小排列为 Mn（10.32±6.85 mg·kg）＞Zn（5.76±3.59 mg·kg）＞Pb（4.45±1.03 mg·kg）＞Cu（4.01±2.62 mg·kg）＞As（2.68±1.61 mg·kg）＞Ni（1.33±0.52 mg·kg）＞Cr（0.66±0.34 mg·kg）＞Cd（0.32±0.22 mg·kg），重金属有效态Mn 含量最高，Cd 含量最低。土壤中重金属DTPA 提取态含量随总量的增加而显著增加（＜0.01），其中 DTPA 提取态 Cd 和 Pb 与其总量相关系数均大于0.8；Cr 和As 与总量相关系数最小，分别为0.654和0.679。

图3 土壤重金属DTPA提取态与重金属全量的相关性Figure 3 Correlation analysis between the concentrations of heavy metals and physicochemical properties of soil

本文通过五步连续提取法获取表层土壤8 种重金属的5 种赋存形态，分析重金属赋存形态能够更加全面解释土壤重金属的累积转移，如图4 所示。5 种重金属赋存形态分别为：可交换态（A1），土壤中可迁移重金属含量；可交换态和碳酸盐结合态（A2），最易被植物吸收，是生物有效组分；铁锰氧化物结合态（A3）和有机态（A4），在所处环境发生改变时，可以转变为活性较强的可交换态，易被植物吸收，是潜在生物有效组分；残渣态（A5），比较稳定，主要来源于天然矿物，稳定存在于结晶矿物晶体中，不易被植物吸收。结果分析表明同一采样点不同重金属赋存形态占比各不相同。研究区域土壤As、Cr、Cu、Ni和Zn主要以残渣态形式存在，所占比例均在70%以上，说明这些元素主要源于成土母质自然风化过程。重金属Cr残渣态占比最高，占全量的85.15%±7.21%，生物有效组分占比较低。重金属Ni和Zn残渣态占比较低，分别占全量的80.90%±5.65%和81.08%±3.27%。这与胡文研究得出的地质成因引起的重金属富集往往是以残渣态为主要存在形式的结论相似，As、Cr、Cu、Ni和Zn残渣态所占比例显著高于生物有效组分。已有研究表明，碳酸盐岩的土壤中重金属As、Cd和Cr的高含量与碳酸盐岩成土过程中重金属的次生富集有关，土壤成熟度越高，重金属富集越显著。此外，Cu在土壤中易于形成分解的有机络合物和硫化铜等难分解矿物。可被作物吸收利用的生物有效组分（A1 + A2）占 比 ：Cd（24.52%）>Pb（16.83%）>Mn（12.41%）>Cu（10.66%）>As（9.27%）>Ni（5.29%）>Cr（4.52%）>Zn（4.04%）；潜在生物有效组分（F3+F4）占比 ：Mn（22.17%）>Pb（19.08%）>Cd（15.50%）>Zn（14.88%）>Cu（14.24%）>Ni（13.81%）>As（13.53%）>Cr（10.33%）。Cd和Pb具有相对较低的残渣态和相对高的活性态的特征，具有生物可利用性。Mn和Zn潜在生物有效组分高于生物有效组分，但全量较低，污染风险小。Cd生物有效组分显著高于其他重金属，易于土壤累积转移，可能导致农作物中Cd的富集和超标。已有研究发现湖北宣恩县土壤Cd同样表现出高生物活性，生物有效态组分达到了44.44%，显著高于其他重金属。

图4 土壤重金属赋存形态分布占比Figure 4 Proportion of occurrence forms distribution of heavy metals in soil samples

从8种元素赋存形态来看，Cd和Pb生物有效组分占比较高，具有生物可利用性；As、Cu、Ni和Zn主要以残渣态和铁锰氧化物结合态为主，稳定性较好，不易迁移；Cd生物有效组分占比最高，显著高于其他重金属元素，潜在生物危害较大。Cd是研究区域中农田土壤风险最高的特征污染元素。

土壤pH、阳离子交换量、有机质含量是影响重金属有效态含量的关键因素。土壤重金属有效态与土壤理化性质的相关性如图5所示。结果显示土壤pH与Mn呈正相关性，与其他7种重金属均呈负相关性，其中与As、Cd、Cr、Cu和Ni呈极显著负相关性（<0.01）且相关系数大于0.5。随着pH值的降低，重金属的有效态组分明显增加。研究表明，土壤pH的降低会将重金属的潜在生物有效性从土壤中解析出来，或降低表面带负电荷矿物对重金属的吸附，增加重金属的有效性。因此，防止土壤酸化是防控重金属污染的关键。有机质与Mn呈正相关性，与其他重金属呈负相关性，与As、Cd和Cr呈极显著负相关性，且相关系数大于0.3。有研究认为，土壤有机质具有大量的吸附位点（例如：含氧基团——羧基），通过吸附能够与金属形成络合物从而降低重金属的活性和生物可利用性。然而，也有研究认为有机质可以向土壤溶液提供低分子量的有机物，与重金属形成螯合物，可提高重金属生物有效性。因此，研究区土壤中的有机质对不同重金属有效性影响存在差异。针对西南地区地质高背景区农田土壤的金属污染问题，应采取有效方法控制土壤酸化，调节土壤有机质含量，从而降低重金属的生物有效性，避免重金属向农作物累积转移。

图5 土壤重金属有效态与土壤理化性质相关系数矩阵Figure 5 Correlation coefficient matrix of soil heavy metals available form and soil physical and chemical properties

2.3 土壤重金属来源分析

2.3.1 Pearson相关分析

重金属元素Pearson相关系数如表3所示。土壤Cr与Cu、Ni在土壤中存在极显著正相关（<0.01）且相关系数均大于0.9，由此可推测3种元素具有较大的同源性以及复合污染的隐患。研究表明Cr与Ni主要受成土母质（碳酸盐岩）的影响。研究发现，8种重金属中As与Cr、Zn与Cd、Pb与Mn呈极显著相关性（<0.01），且相关系数大于0.5，推断重金属的来源途径相似。

表3 表层土壤重金属含量相关性分析Table 3 Pearson correlation matrix for the heavy metals concentrations in the top soil

2.3.2 主成分分析

对表层土壤重金属含量进行KMO检验，得到的统计量值为0.66，Bartlett球度检验相伴概率小于0.001，表明数据适合进行因子分析，对Kaiser标准化后的因子进行Varimax正交旋转，得到了3个特征值大于1的主成分，如图6所示，累计方差贡献率为72.25%。其中第一主成分（PC1）的方差贡献率为38.74%，是主要因子，第二和第三主成分的方差贡献率分别为19.83%和12.96%。同一个主成分下具有较高因子载荷的重金属具有相同的来源。分析表明，Cr、Ni和Cu在第一主成分下具有极强正载荷。王锐等对酉阳县南部土壤重金属的来源研究表明土壤Cr和Ni有很强的同源性，主要来源于成土母质。吕建树等对日照市土壤重金属的研究表明，Co、Cr、Mn、Ni、Zn、As和Cu为自然源因子。由相关性分析得知，Cr与Cu、Ni、As在土壤中存在极显著正相关性，并结合地统计学分析结果，Cr、Ni、Cu具有相似来源。重金属赋存形态显示As、Cu、Cr和Ni均以残渣态为主。因此，第一主成分代表As、Cu、Cr和Ni来源主要与地质背景有关。

图6 主成分分析载荷图Figure 6 Spatial distribution plots of heavy metals in soils by principal component analysis

Zn和Pb在第二主成分（PC2）表现出很强的正载荷，分别为0.816和0.684。交通排放是农田重金属Zn的主要来源，使用含铅锌汽油可能导致土壤中Zn含量升高。Zn可能来源于汽车表面电镀层的不断磨损以及轮胎的磨损和破裂。NI等在研究中发现大气沉降是Pb进入土壤中的主要方式，华明等和CHEN等也在研究中指出交通活动会造成道路两旁土壤中Pb的累积。研究区域位于乡村主干道旁，大量尾气沉降到土壤中，可能会造成土壤Pb污染。第二主成分来源可能主要与道路交通有关。

Cd在第三主成分（PC3）表现出较强的正载荷，其次为Mn，而Pb、As表现出适度的载荷。研究区域种植玉米、水稻和蔬菜作物，具有大量农药和化学使用背景。已有研究表明Cd元素可以作为使用农药和化肥等农业活动的标志元素。MICÓ等指出农业生产中磷肥的使用会导致Cd在土壤中累积。LU等研究发现灌溉用水也是重金属Cd升高的原因。第三主成分主要受农业活动影响，还受到工业污染的影响。

2.3.3 APCS-MLR模型分析

APCS-MLR模型可以定量确定污染源对其重金属的平均贡献量。进行APCS-MLR模型分析时，先将因子分析的3个因子分数转换为绝对因子分数，再将各绝对因子分数与各重金属元素含量做多元线性回归，分别得到每个重金属元素与3个绝对因子的多元线性回归方程，As、Cd、Cr、Cu、Mn、Ni、Pb和Zn回归方程的决定系数分别为0.681、0.772、0.854、0.706、0.823、0.771、0.851和0.801。数值越大说明多元线性回归方程的拟合效果越好，Cr、Mn、Pb和Zn拟合效果较好。

根据回归系数计算得出各重金属元素不同来源的贡献率，如图7所示。研究区域土壤重金属As、Cr、Cu和Ni的来源以自然源为主，其对As、Cr、Cu和Ni贡献率分别为39.34%、47.32%、44.53%和50.23%。As除自然源外，其他污染源占比25.42%；Cr除自然源外，还有17.23%的贡献率来自其他污染源；Cu和Ni农业源占比最大。Pb和Zn的来源以工业活动源和交通源为主，工业源对Pb和Zn的贡献率分别为31.93%和30.53%，交通源对Pb和Zn的贡献率分别为23.36%和22.17%。 Cd的来源以农业源为主，贡献率为53.63%，其次为自然源，占比18.33%。

图7 土壤重金属污染源贡献率Figure 7 Source contribution ratios of heavy metals in soil

2.4 研究区土壤重金属污染生态评价

将云南省土壤背景值作为评价标准，对研究区域重金属污染程度进行地累积指数评价分析，如图8所示，土壤重金属地累积指数平均值大小排序为Cr（2.34）＞Cd（0.12）＞As（-0.13）＞Pb（-1.58）＞Cu（-2.63）>Zn（-3.98）>Ni（-4.05）＞Mn（-6.65）。研究区域表层土壤Cr地累积指数变化范围为0.79~3.78，总体处于中-重度污染水平，分别占样品总数74.3%和17.2%；其次是Cd，变化范围为-1.96~1.33，属于轻度污染，占样品总数56.2%。As和Cu的地累积指数介于-4~1，有4.2%样品处于As轻度污染水平，1.4%样品处于Cu轻度污染水平。Mn、Ni、Pb和Zn地累积指数均小于1，总体呈无污染状态。结果表明8种重金属在表层土壤中存在不同程度累积现象，Cr和Cd积累程度最高，Mn最弱，地累积指数评价结果与累积趋势相一致。

图8 土壤重金属污染地累积指数和潜在生态危害系数Figure 8 Geological accumulation index and potential ecological hazard index of soil

研究区域表层土壤As、Cu、Mn、Ni、Pb和Zn的潜在生态风险系数均小于40，属于轻微生态危害，生态风险等级较低。土壤Cr的E值变化范围分别为5.20~41.12，平均值分别为16.73±8.02，存在轻微至中等生态危害，以轻微生态危害为主，占91.67%。土壤Cd的E值变化范围为11.56~113.35，平均值为51.21±15.20，存在轻微至强生态危害，以中等生态危害为主，占45%。分析表明，研究区域土壤主要生态危害元素As、Cd和Cr也存在轻度生态危害风险，研究区域土壤重金属总潜在生态风险指数（PERI）分布范围为31.89~5 684.76，存在轻微至极强生态风险，以中等和强生态危害为主。土壤重金属对贡献指数降序依次为 Cd（50.76）>As（14.02）>Cr（11.17）>Pb（2.64）>Cu（1.69）>Ni（0.82）>Mn（0.21）>Zn（0.11），贡献率分别为 62.34%、17.22%、13.72%、3.24%、2.07%、1.01%、0.26%、0.14%。土壤呈现Cr、Cd、As多种重金属复合污染状态，表现为很强或极强的生态危害程度。

3 结论

（1）研究区农田土壤As、Cd和Cr含量超过农用地土壤污染筛选值，分别是云南省土壤背景值的1.42、1.71倍和7.69倍，土壤重金属空间呈现一定差异性。Cd、Cr、Cu含量空间分布格局表现出东南部较高、西北部较低的趋势，Mn、Ni、Pb和Zn含量的空间分布格局呈现西南部最高、东北部含量偏低、中间区域高于周边的趋势。

（2）土壤中重金属DTPA提取态含量与其总量呈现显著正相关，土壤pH是重金属有效态主控因子，As、Cu、Ni和Zn主要以残渣态和铁锰氧化物结合态存在。

（3）土壤中As、Cr、Cu和Ni来源主要受地质背景控制，Zn和Pb以工业源和交通源为主，而Cd则以农业源为主。

（4）研究区农田土壤中Cr和Cd污染最为严重，生态风险较高，应当采取安全利用和修复等措施，修复过程中也应注意As的污染调控。