苦水玫瑰产地土壤重金属污染评价与溯源解析

李 军 ，杨云钦 ，台喜生 ，焦 亮 ，陈 伟 ，臧 飞 ，李开明 ※

（1. 兰州城市学院城市环境学院，兰州 730070；2. 西北师范大学 甘肃省绿洲资源环境与可持续发展重点实验室，兰州 730070；3. 兰州大学草地农业科技学院，兰州 730020）

0 引言

土壤是人类赖以生存的物质基础和持续发展的宝贵资源，也是国家粮食安全和人民群众身体健康的根本保障。健康的土壤是支撑地球生命和维护人类社会可持续发展的关键，特别是农业高质量发展，离不开健康的土壤[1]。随着工业化、城市化和农业化的不断推进，众多难以降解的污染物，特别是具有不易降解性、高隐蔽性和富集性的重金属污染物，在低剂量和长时间共同作用下引起累积效应而导致农用地土壤污染，在制约农业生产可持续发展的同时，对食品安全和人类健康也构成很大风险[2]。为此，深入开展农产品产地土壤重金属污染状况调查、风险评估和溯源解析研究，有助于确保农产品的质量安全和实现污染源的精准管控，对于助力乡村振兴战略具有重要的现实意义。

当前，以地累积指数法、富集因子法和潜在生态风险指数法等基于指数法的土壤污染评价方法和以模糊数学模型、灰色聚类模型等模糊理论为基础的土壤污染评价模型已被广泛应用于不同地域不同类型土壤重金属污染水平的评估[3-6]。然而，以上方法均存在一定的不足和局限性，导致评价结果出现失真[4,7]。例如，富集因子法虽能避免背景值的干扰，进而量化外源输入的重金属量，但其评价结果取决于标准化元素和背景值，标准化元素和背景值选取的不同会引起评价结果的不同[7]。为进一步提高土壤重金属污染评价结果的精确性，基于GIS 的地统计模型和人工神经网络模型逐渐被引入土壤重金属污染评价[8-10]，以上模型充分考虑了土壤重金属污染具有空间异质性强的特点，从空间尺度上精细地刻画土壤重金属的污染状况，但在处理大尺度区域空间分布情况时的结果仍不太理想[4]。近年来，改进物元可拓模型因其评价结果客观可信、准确度高、可靠性强且可避免人为干扰等优点逐渐引起了学者们的关注[11-12]，已被应用于耕地土壤[7]和设施菜地土壤[13]等重金属污染评价研究。污染源的精准识别是土壤重金属污染风险管控的重要前提。目前，土壤污染源解析的方法主要有地统计学分析法（geo-statistical analysis）、同位素标记法、UNMIX模型、化学质量平衡法（chemical mass balance,CMB）、绝对因子分析/多元线性回归分析（absolute principal component score-multiple linear regression,APCS-MLR）模型和正定矩阵因子分解（positive matrix factorization,PMF）模型等[14-16]。其中，PMF 模型无需前期测量的源配置文件，只需重金属浓度数据，即可定量确定污染源数目、各污染源的主要贡献元素和污染源贡献率[12,17]，被广泛应用于土壤重金属污染溯源解析。

兰州市永登县苦水镇是中国最大的玫瑰种植基地之一，盛产的苦水玫瑰不仅是兰州市的市花，也是兰州市特色农业的重头产业之一[18]。永登县境内蕴藏着丰富的石灰石、石英石等矿产资源，水泥、石灰和冶炼等工业企业蓬勃发展。伴随着近年国家循环经济、节能减排等政策的实施，大量高耗能和高污染的企业已逐渐淘汰和关停。然而，工业企业在历史时期开采与冶炼过程中产生的“三废”必然对区域生态环境产生了一定影响，特别是引用庄浪河水灌溉的玫瑰种植地的土壤环境质量值得关注。由此，本研究选择苦水镇玫瑰种植地为研究对象，采集并测定了玫瑰种植地97 个土壤样品的pH 值和8 项重金属As、Cd、Cr、Cu、Hg、Ni、Pb 和Zn 的浓度，分别采用内梅罗指数法、污染负荷指数法和改进物元可拓模型系统评价土壤重金属污染水平，并结合PMF 受体模型解析玫瑰种植地土壤重金属的污染来源及其贡献率。以期为苦水玫瑰产地土壤重金属污染的风险管控和苦水玫瑰产业的高质量可持续发展提供科学的理论依据。

1 材料与方法

1.1 研究区概况

苦水 镇（36°15′27′′～36°16′50′′N，103°25′08′′～103°26′18′′E）地处甘肃省中部，河西走廊东端，是古丝绸之路的重镇，享有“中国玫瑰第一乡”的美誉。隶属于甘肃省兰州市永登县，东西长约30 km，面积约454.5 km2，人口数3.2 万。气候上属温带大陆性气候，年平均温度8.1℃，年降雨量280 mm[19]。苦水镇为河谷型城镇，东西高中间低，两侧为地势起伏较大的丘陵地区，中部为平缓的庄浪河河川，土壤类型为黄绵土、灌淤土、栗钙土、灰钙土，土地利用类型为水浇地、旱地、园地和天然牧草地[20]。苦水镇是中国主要的玫瑰种植基地，其玫瑰产量占中国产量的三分之二，区内分布有兰州石化集团的仓储业、化学试剂和助剂制造等化工企业和零星的小规模玫瑰加工企业及水泥砖厂（图1）。工业企业生产排放的“三废”进入当地环境中对区域生态环境和居民健康存在较大的风险。

图1 研究区地理位置及采样点分布Fig.1 Geographical location of the study area and the distribution of sampling points

1.2 样品的采集与分析

根据苦水镇玫瑰种植地的分布情况和现场实地调查的资料，于2022 年5 月连续7 d 以上无风、晴朗天气之后。以苦水镇新屯川村为起始地，沿庄浪河谷自北向南，至苦水镇周家庄村结束，共采集97 个土壤样品（图1）。采样过程中，采用800 m×800 m 网格取样法，在每个采样点50 m 范围内利用木铲采集5 个20 cm 以上的表层土壤样品，并运用四分法混合为1 个总质量不少于2 kg 的代表性样品。对每个样品进行编号，并使用GPS 定位仪记录采样点坐标信息，记录采样日期、采样点周边环境等信息。

将采集的土壤样品平铺于洁净的纸上，弄成碎块并摊成厚约2 cm 的薄层，置于阴凉通风处进行充分风干。之后除去石砾、根系、叶等杂物，并用木棍压碎，过0.850 mm 孔径的尼龙筛，经充分混匀后采用四分法分为两份，一份用于土壤pH 值的测定，使用上海雷磁pH 酸度计（PHS-3C）采用电位法测定。另一份过0.149 mm孔径的尼龙筛后，供土壤重金属全量的测定使用。样品的重金属分析测试在中国科学院长春应用化学研究所完成，采用HNO3-HCl-HF-HCIO4全分解的方法对待测样品进行消解处理，使用电感耦合等离子体质谱仪（ICPMS）测定样品中Cd、Cr、Cu、Ni、Pb 和Zn 浓度，检出限分别为：0.02、0.4、0.2、1.0、2.0 和2.0 μg/g。在测定土壤样品中As 和Hg 浓度之前，先经王水水浴加热消解，后利用原子荧光光谱仪（XGY-1011A）进行测定，检出限分别为：0.2 和0.005 μg/g。在测试过程中，加入平行样、空白样和国家标准土壤样品（GSS-2 和GSS-39）进行质量控制。每测定10 个样随机抽取1 个作为平行样，平行样进行3 次重复试验，其相对标准偏差均小于5 %，标准物质各元素回收率为83 %～122 %。

1.3 重金属污染评价方法

1.3.1 内梅罗指数法

污染评价方法由单因子污染指数（single factor pollution index，Pi）和内梅罗综合污染指数法（Nemerow comprehensive pollution index，NPI）构成，其中Pi是用来量化研究区域内单个重金属元素对土壤的污染水平[21]，计算公式为

式中Ci代表重金属i的实测值，mg/kg；Si为兰州市土壤元素i的背景值，mg/kg。NPI 是以Pi的评价结果为基础，来判别研究区域多项重金属污染物对土壤环境质量的综合污染程度[21]，计算公式为

式中n为重金属数目，基于Pi和NPI 的重金属污染程度分级标准如表1 所示。

表1 土壤重金属污染评价方法的评价标准Table 1 Evaluation standard for soil heavy metal pollutionassessment methods

1.3.2 污染负荷指数法

由于土壤重金属污染具有隐蔽性、复合性和多源性等特点，需多种评价方法相结合才能客观地反映出土壤污染情况。污染负荷指数法（pollution load index，PLI）也用于评价研究区内多种重金属对土壤的综合污染水平[22]，其计算公式如下

基于PLI 的重金属污染程度分级标准如表1 所示。

1.3.3 改进物元可拓模型

改进物元可拓模型是在构建重金属浓度矩阵的基础上，通过实测数据和评价标准建立经典域、节域和关联度，并引入Håkanson 重金属毒性响应系数来修正权重，最终确定土壤重金属的污染程度[12]。具体的计算步骤为：

1）构建待评物元（重金属浓度）矩阵

式中N为待评对象（样点），X为待评对象的污染指标（重金属），C为该污染指标的实测值，mg/kg。

2）确定待评物元的经典域和节域

其中经典域（Rj）的物元矩阵为

式中Nj为划分的第j个评价等级；(ajn，bjn)为评价等级j的量值范围。

节域（RP）的物元矩阵为

式中Np为待评对象的所划分等级的全体；(ap1，bp1)为所有评价等级的量值范围。

3）单指标关联度的计算

式中ρ(Ci，Cji)为Ci到与之对应的有限区间Cji的距离；ρ(Ci，Cpi)为Ci到与之对应的有限区间Cpi的距离，Kj(Ci)为重金属i在等级j的关联度。

4）权重修正与综合关联度的计算

式中Wki和分别表示样品k中的重金属i的权重值和修正后的权重数值，Ti和Ci分别为重金属i的毒性响应系数（As 为10、Cd 为30、Cr 为2、Cu 为5、Hg 为40、Ni 为5、Pb 为5 和Zn 为1）和实测浓度，mg/kg；为重金属i的所有环境质量标准的算术平均值，mg/kg；Kj(N)为待测对象N关于等级j的综合关联度。

5）评级等级的确定

则待测对象N属于等级j，令：

式中max(Kj(N))为待测对象N关于等级j的最大综合关联度，min(Kj(N))为待测对象N关于等级j的最小综合关联度，j*即为待测对象N污染的等级值，则待测对象污染程度为j级。

6）评价标准的划分

基于《土壤环境质量农用地土壤污染风险管控标准（试行）（GB 15 618-2018）》（pH 值大于7.5）[23]、兰州市土壤元素背景值[24]和前人的相关研究[7,13]划分土壤重金属污染程度评价标准。污染程度分为清洁、尚清洁、轻度污染、中度污染和重度污染等5 种污染水平，相对应为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级和Ⅴ级等5 个污染等级。其中Ⅰ级以兰州市土壤元素背景值为上限值，Ⅱ级以管控标准管控值的0.3 倍为上限值，Ⅲ级以管控标准管控值的0.7 倍为上限值，Ⅳ级以管控标准的管控值为上限值，Ⅴ级以管控标准管控值的1.3 倍为上限值。具体评价标准如表2 所示。

表2 基于改进物元可拓模型的苦水玫瑰产地土壤重金属污染评价标准Table 2 Evaluation standard of heavy metal pollution for Kushui Rose-growing soils based on improved matter-element extension model

1.3.4 PMF 模型

PMF 模型是一种以受体模型为基础，并利用样本组成对污染源进行定量化解析的一种方法。其原理是将测定样品的原始矩阵（X）分解为源贡献矩阵（G）、源成分谱矩阵（F）和残差矩阵（E），并基于加权最小二乘法反复进行迭代计算，对原始矩阵进行多次优化求解，以使目标函数Q最小化[17]。其基本方程如下

式中i'和j'分别为测定的第i'个样品和第j'种指标，p为污染物待测指标数，Xi'j'即第i'个测定样品的j'指标浓度构成的矩阵；Gj'k为来源k对测定样品i'的贡献矩阵；Fki'为来源k中第j'个指标的浓度；Ei'j'为第i'个样品中j'指标的残差矩阵。最小目标函数Q如下所示

式中n为样品数，m为指标种类数目，Uij为第i'个测定样品中的第j'个指标的不确定度。当重金属实测值（mg/kg）小于等于相应的方法检出限（method detection limit,MDL）时，其不确定性可由下式计算得出

当重金属实测值超过相应的MDL 时，计算公式如下

式中δ表示相对标准偏差，c表示重金属浓度实测值，mg/kg。

1.4 数据统计与分析

本研究使用的DEM 数据来源于地理空间数据云（https://www.gscloud.cn/sources/accessdata/310?pid=302），交通道路与行政区域数据源自于全国地理信息资源目录服务系统（https://www.webmap.cn/main.do?method=index）。重金属原始数据采用Microsoft Excel 2019 进行相关计算分析；利用SPSS26.0 进行Pearson 相关性分析；使用EPA PMF 5.0 软件进行土壤重金属污染源解析；采用ArcGIS 10.8 进行克里金插值分析与相关制图；运用Origin 2021 绘制相关图件。

2 结果与分析

2.1 土壤重金属描述性统计分析

苦水玫瑰产地土壤重金属浓度测定结果和描述性统计结果如表3 所示，从中可知，各重金属的平均值由高到低依次为：Zn＞Cr＞Ni＞Cu＞Pb＞As＞Cd＞Hg，分别是兰州市土壤背景值[24]的1.43、1.04、1.23、1.34、1.19、1.36、1.41 倍和73%。与甘肃省土壤背景值[25]相比，Zn、Cr、Ni、Cu、Pb、As、Cd 和Hg 分别为其1.16 倍、94%、1.06、1.22、1.37、1.13、2.08 和1.02 倍。说明玫瑰产地土壤存在重金属元素富集现象。研究区土壤pH 值为6.19～8.47，平均值为7.78，整体上呈碱性，一定程度上可抑制重金属的活动，有助于降低土壤重金属的环境风险[26]。与中国《土壤环境质量农用地土壤污染风险管控标准（试行）（GB 15 618-2018）》（pH 值大于7.5）[23]相比，所有元素的测定值均低于筛选值（表3），说明玫瑰产地土壤环境质量整体清洁安全，暂不存在重金属超标管控风险。

表3 苦水玫瑰产地土壤重金属浓度描述性统计Table 3 Descriptive statistics of heavy metal concentration in Kushui rose-growing soils

变异系数（coefficient of variance,CV）是一种量化区域土壤重金属浓度值离散程度与空间分布差异程度的衡量指标。以CV 值的大小，可分为低度变异（CV＜20%）、中度变异（20%≤CV＜50%）和高度变异（50%≤CV＜100%）[27]。由表3 可知，玫瑰产地土壤重金属的CV 值由大到小依次为：Hg＞Cd＞Zn＞Cr＞As＞Pb＞Cu＞Ni。其中Hg 和Cd 属于中度变异，其余Zn、Cr、As、Pb、Cu 和Ni 表现为低度变异特征（表3）。表明Hg 和Cd 的浓度值具有一定的空间差异性，其余元素浓度值离散程度较低、空间分布差异小。

2.2 土壤重金属污染评价

2.2.1 传统重金属评价方法评价结果

苦水玫瑰产地土壤重金属单因子污染指数评价结果显示，各元素的Pi平均值由大到小依次为：Zn＞Cd＞As＞Cu＞Ni＞Pb＞Cr＞Hg（图2）。由Pi评价标准可知，除Hg 为无污染（Pi＜1）之外，其余所有元素均属于轻微污染（1＜Pi≤2）（图2）。具体而言，Hg 的受污染程度最低，仅有12%的样点为轻微污染，其余样点均为无污染；As、Cr 和Cu 分别有92.78%、63.92%和95.88%的样点处于轻微污染状态，其余样点为无污染；Ni 和Pb 的污染程度一致，分别有89.69%和10.31%的样点处于轻微和无污染状态；Cd 和Zn 在82.47%和13.40%与90.72%和5.15%的样点处于轻微污染和无污染状态，还有4.12%的样点为轻度污染。因此，除Hg元素之外，其余As、Cd、Cu、Ni、Pb 和Zn 均有不同程度的污染。

图2 研究区土壤重金属单因子指数评价结果Fig.2 Evaluation results of single factor pollution index for soil heavy metals in the study area

内梅罗综合污染指数评价结果显示，研究区土壤重金属的NPI 值处于0.71～2.02 之间，平均值为1.41，整体上为轻度污染（图3a）。具体而言，有4.12%的样点处于警戒污染状态（0.7＜NPI≤1），有94.85%的样点为轻度污染（1＜NPI≤2）以及1.03%的样点为中度污染（2＜NPI≤3）。其中苦水村、沙湾村、大路村和十里铺村一带为污染程度较重的区域（图3a）。

图3 研究区土壤重金属综合污染评价结果Fig.3 Results of comprehensive pollution for soil heavy metals in the study area

污染负荷指数评价结果显示，研究区土壤重金属的PLI 值介于0.64～1.48 之间，平均值为1.17，总体上为轻度污染。具体而言，有11.34%的样点为无污染（PLI＜1），其余88.66%的样点为轻度污染（1≤PLI＜2）（图3b）。其中大砂沟村、轮转寺村、苦水村、大路村、沙湾村和新屯川村为污染相对较重的区域。

2.2.2 改进物元可拓模型评价结果

由于改进物元可拓模型计算过程较为复杂，现以大砂沟村1 号样点（DSGs-1）为例进行计算，具体过程为：

1）构建待评物元矩阵，大砂沟村1 号样点（DSGs-1）的物元矩阵为

2）构建待评物元的典域和节域矩阵

根据前述的土壤重金属污染程度评价标准（表2），建立经典域矩阵R1、R2、R3、R4和R5及节域矩阵Rp分别为

3）权重修正与改进

利用传统权重赋值法的权重（Wki）与引入Håkanson重金属毒性响应系数改进后的重金属权重（）对研究区的8 项重金属元素进行对比可知，所有重金属元素的权重值均发生了明显变化（图4）。除As、Cd 和Hg 改进后的权重值高于传统权重赋值法的权重（Wki）之外，其增幅分别为：6.1%、215.63%和300%；其余重金属元素改进后的权重值均有出现不同程度的降低，降幅度依次 为：Zn＞Cr＞Pb＞Cu＞Ni，其中Ni 降幅最小为46.64%，Zn 降幅最大为89.47%（图4）。这与引入Håkanson 毒性响应系数对传统权重赋值进行修正有关，毒性越大的重金属，权重增幅越大，反之则降幅越大[12]。这就使得污染评价结果兼顾了重金属毒性的不同和重金属累积浓度的差异，相较于传统权重赋值法更能反映土壤污染的真实状况。

图4 研究区土壤重金属元素权重值对比分析Fig.4 Comparative analysis of weight values for soil heavy metals in the study area

4）关联度计算和评价结果

由经典域矩阵与节域矩阵可计算出研究区各样点不同指标各评价等级的关联度，以样点DSGs-1 的As 元素为例，各评价等级关联度分别为：K1(As)=0.02、K2(As)=-0.019、K3(As)=-0.59、K4(As)=-0.853 和K5(As)=-0.897。由各评价等级的关联度可计算出该样点各评价等级的综合关联度，同样以样点DSGs-1 为例，其各评价等级的综合关联度分别为：K1=-0.108、K2=0.543、K3=-0.502、K4=-0.830 和K5=-0.902。将综合关联度的最大值（0.543）和最小值（-0.902）带入计算后可得污染等级（j*）值为1.908，由表2 可知，大砂沟村1 号样点（DSGs-1）土壤处于Ⅱ级尚清洁状态。

基于上述同样的方法过程，可量化得出苦水玫瑰产地其余96 个样点的污染水平。结果显示，除了有3 处样点为中度污染（Ⅳ级）之外，还分别有59 处和35 处样点呈尚清洁（Ⅱ级）和轻度污染（Ⅲ级）状态，占总样点的60.82%和36.08%。总体上看，苦水玫瑰产地土壤污染以尚清洁（Ⅱ级）为主（图3c），Cd、As 和Cu 为主要污染因子。研究区为Ⅲ级轻度污染的样点主要集中分布于苦水村、大路村、周家庄村与下新沟村附近，其余地区以Ⅱ级尚清洁为主。

2.3 土壤重金属污染评价结果对比

传统的内梅罗综合污染指数（Nemerow pollution index，NPI）和污染负荷指数法（pollution load index，PLI）评价结果显示苦水玫瑰产地土壤总体上为轻度污染，改进物元可拓模型结果表明整体上为Ⅱ级尚清洁。总体上评价结果较为一致，但具体结果存在一定的差异。改进物元可拓模型评价结果中为尚清洁、轻度和中度污染样点分别占60.82%、36.08%和3.09%，NPI 量化结果中为警戒线、轻度和中度污染样点分别占4.12%、94.85%和1.03%，PLI 分析结果中为清洁无污染和轻度污染样点分别占11.34%和88.66%。NPI 和PLI 的评价结果较为相似，即有超过88%的样点为轻度污染，但略有不同的是NPI 结果中有4.12%的样点处于警戒线状态，而PLI的结果中有11.34%的样点为清洁无污染。两者结果差异的原因在于NPI 对污染最为严重的指标敏感程度较高，而PLI 的评价过程中各项指标的几何平均值弱化了高污染指标的影响[28]。例如，单因子污染指数评价结果显示，新屯川村12 号样点除Cd 外其余重金属元素均为无污染，但因NPI 评价方法会突出高浓度污染元素对土壤环境质量的影响[8]，所以NPI 评定结果为轻度污染，而PLI 则为无污染。

相较于以上两种传统方法的评价结果，改进物元可拓模型结果中污染水平为轻度污染的样点更少，这与背景值的选取有关。改进物元可拓模型的Ⅰ级标准是以兰州市土壤背景值[24]为标准值，Ⅱ～Ⅴ级标准参考了《土壤环境质量农用地土壤污染风险管控标准（试行）（GB 15 618-2018）》（pH 值大于7.5）的管控值[23]，而NPI 和PLI 均以兰州市土壤背景值[24]为标准。背景值选取的不同会导致污染评价等级划分标准的不同，从而使得改进物元可拓模型的Ⅱ级标准相当于NPI 和PLI 的Ⅰ～Ⅱ级标准。此外，改进物元可拓模型在评价过程中兼顾了重金属毒性的差异和重金属累积浓度的大小[12]。本研究中，结合单因子污染指数的评价结果即轻微污染占比高于轻度污染可知，研究区土壤污染为尚清洁更加合理。因此，相较于NPI 和PLI 的评价结果，改进物元可拓模型的评价结果更加客观和符合实际情况。

2.4 基于PMF 受体模型的土壤重金属溯源解析

为定量甄别研究区土壤重金属污染源及其贡献率，采用PMF 5.0 对玫瑰种植基地土壤重金属进行来源解析。通过对土壤重金属不确定度的计算，分析的8 种重金属的S/N＞1，被归类为“Strong”。设定因子数为2～6，并迭代运行20 次，分别进行PMF 模型运算。当因子数为4 时，Qrobust/Qtrue 趋于稳定，模型拟合效果最佳，且绝大部分样品重金属的残差值均集中于-3～3 之间。拟合结果显示，除Pb（0.66）外，其余元素拟合度R2均在0.7 以上，且Cd、Hg 和Zn 的R2大于0.95。这说明PMF模型能够较好地解释实测数据信息，源解析结果可信可靠。PMF 解析的玫瑰种植基地土壤重金属4 个因子（污染源）成分谱如图5a 所示，4 个因子的相对贡献率分别为26.68%、25.44%、17.65%和30.23%。

图5 苦水玫瑰产地土壤重金属的PMF 污染源分析Fig.5 Source analysis of heavy metals in Kushui rose-growing soils based on positive matrix factorization (PMF)

因子1 解释了26.68%的重金属来源（图5b），主要是Hg（68.57%）。Hg 的均值分别是兰州市和甘肃省土壤背景值的0.71 和1.00 倍，但Hg 表现为高度变异，说明Hg 部分样点存在点源污染。研究表明土壤Hg 主要来源于工业活动引起的大气远距离迁移和沉降、农药和杀虫剂的使用、污水灌溉、有色金属和水泥的生成及燃煤活动[29-30]。研究区上游分布有多家水泥厂和材料加工厂，工厂生产期间排出的废水进入庄浪河，而苦水玫瑰种植基地的灌溉水源为庄浪河水，长期的灌溉活动势必会引起产地土壤Hg 的累积。此外，玫瑰产地附近为农村居民住宅区，冬季取暖为传统的燃煤取暖，且煤多为散烧煤。散烧煤燃烧产生的废气、烟尘等经大气干湿沉降进一步加剧了土壤中Hg 的浓度。因此，因子1 为工业-燃煤混合源。

因子2 代表了25.44%的重金属来源（图5b），主要负载元素为Cd，贡献率为65.16%，其次是Zn，贡献率为32.07%（图5b）。因此，Cd 可作为因子2 的标志性元素。由前述可知，苦水玫瑰产地土壤Cd 的均值高于兰州市和甘肃省土壤背景值且表现为中度变异特征，说明人类活动是影响玫瑰产地土壤Cd 浓度的主要原因。已有研究表明，耕地土壤Cd 和Zn 主要来自农业生产过程中磷肥、有机肥、杀虫剂或杀菌剂及塑料薄膜的使用[31-32]。同时，畜禽粪便中Zn 浓度较高，农田土壤中有37%的Zn 来自于畜禽粪便[33]。研究区内有多家畜禽养殖厂分布，养殖过程中会产生大量粪便，且产出的粪便大都作为农家肥料使用，长期以动物粪便作为肥料会使得耕地土壤中的Zn 不断累积。除此之外，杀虫剂与肥料的长期施用进一步引起土壤中Cd 和Zn 的富集。为此，因子2 可能是农业源。

因子3 代表了17.65%的重金属来源（图5b），其中Zn（33.87%）和Hg（31.43%）的载荷较高（图5b）。研究区土壤Hg 和Zn 的均值高于兰州市和甘肃省土壤元素背景值，说明受到了人类活动的影响。研究表明，Zn 是典型的交通活动标志元素，汽车轮胎的磨损和相关镀锌零部件的腐蚀会引起土壤中Zn 的蓄积[34]。而土壤中Hg 的累积也与交通活动有关[34]，Hg 是汽车传感器、继电器、汽车前后灯等零部件的重要组成元素[35]。玫瑰产地多分布于交通干道和铁路两侧，交通活动频繁且道路两侧绿化普遍较差，各类车辆经摩擦产生的重金属微粒随着扬尘沉降积累在周边土壤中。因此推断因子3 为交通源。

因子4 代表了30.23%的重金属来源（图5b），具有高载荷As（46.97%）、Cr（44.27%）、Cu（44.01%）、Ni（42.74%）和Pb（35.59%）（图5b）。As、Cr、Cu、Ni 和Pb 的均值均显著高于兰州市土壤元素背景值且都为轻度污染，说明受到了人类活动干扰。研究发现，耕地土壤中As 和Pb 浓度的增加与化石燃料燃烧和工业排放有关，化石燃料燃烧产生的大量飞灰进入大气，携带重金属微粒的飞灰最终蓄积于耕地土壤中[36]。此外，铸造厂、冶炼厂、电镀厂和金属加工等企业工业废气的排放也会造成土壤Cu、Pb、Cr 和Ni 等元素富集[37]。研究区内的苦水镇分布有一定数量的大小砖厂和水泥生产企业，研究区周边的民乐乡、秦川镇、上川镇、河桥镇和城关镇建设有数家有色金属或黑色金属采矿加工企业，这些企业生产过程中产生的重金属粉尘最终会沉降至周边的玫瑰种植基地土壤中。因此，因子4 为大气沉降源。

3 结论

1）研究区土壤重金属的均值大小依次为Zn＞Cr＞Ni＞Cu＞Pb＞As＞Cd＞Hg。除Hg 与Cr 之外，其余重金属As、Cd、Cu、Ni、Pb 和Zn 的均值均高于甘肃省和兰州市土壤背景值。此外，Hg 和Cd 的浓度具有一定的空间差异性，其余元素浓度空间分布差异小。

2）单因子指数评价结果显示，研究区土壤Hg 的清洁程度较高，其余As、Cd、Cu、Ni、Pb 和Zn 均有不同程度的污染。内梅罗综合污染指数和污染负荷指数评价结果均表明研究区土壤重金属整体上为轻度污染；改进物元可拓模型兼顾了重金属的浓度和毒性，其评价结果显示研究区土壤重金属以尚清洁为主，但趋近轻度污染水平。

3）由PMF 模型分析可知，苦水镇玫瑰产地土壤重金属的主要来源为工业-燃煤源、农业源、交通源和大气沉降源。其中，工业-燃煤源对Hg 具有较大贡献率，为68.57%。农业源对Cd 和Zn 具有较大贡献率，分别为65.16%和32.07%。交通源对Zn 和Hg 具有较大贡献率，分别为33.87%和31.43%。大气沉降源对As、Cr、Cu、Ni 和Pb 具有较大贡献率，分别为46.97%、44.27%、44.01%、42.74%和35.59%。