新疆准东矿区土壤与降尘重金属空间分布及关联性分析

阿尔祖娜·阿布力米提，王敬哲，王宏卫，茹克亚·萨吾提，阿不都艾尼·阿不里，吾木提·艾山江



新疆准东矿区土壤与降尘重金属空间分布及关联性分析

阿尔祖娜·阿布力米提，王敬哲，王宏卫※，茹克亚·萨吾提，阿不都艾尼·阿不里，吾木提·艾山江

（1. 新疆大学资源与环境科学学院，乌鲁木齐 830046；2. 新疆大学绿洲生态教育部重点实验室，乌鲁木齐 830046）

土壤重金属与大气降尘重金属之间的关联性可以反映重金属污染的来源、土壤-大气系统中重金属的传输、迁移和扩散特征。为了研究矿区表层土壤的污染状况及与降尘重金属质量分数间的关联性，该研究以新疆维吾尔自治区准东矿区为研究靶区，利用2014年采集的51个表层土壤和大气降尘样品的室内实测重金属质量分数数据，并基于此分析了样品中6 种重金属（As、Cu、Cr、Hg、Pb、Zn）的空间分布特征、地积累指数以及潜在生态风险；利用Pearson相关性分析矩阵和灰色关联法对表层土壤与大气降尘中重金属浓度的相关性和关联度进行探讨。结果表明：1）准东矿区表层土壤重金属的分布状况存在着明显的空间差异，其中Hg的污染程度最严重，处于强-极强度污染，其潜在生态危害指数达到了较高生态风险；Zn和Cu基本处于无污染状态，属于轻微生态风险；2）大气降尘重金属空间分布存在着明显差异，降尘中的Zn处于极强度污染，Hg处于无污染状态；3）Pearson相关分析与灰色关联分析表明，准东地区表层土壤与大气降尘中6种重金属的相关系数大小顺序与关联度排序结果一致，其中Hg和As元素具有较强的一致性，且具有相同的来源，说明大气降尘对表层土壤中重金属的质量分数有一定影响。但因不同重金属元素沉降特性不同，导致各元素之间的关联度有所差异。

重金属；土壤；沙尘；空间分布；地积累指数；潜在生态风险指数；关联性分析

0 引 言

重金属污染是指由重金属或其化合物造成的环境污染，该污染具有范围广、持续久、难降解等特性[1]。当前，工业化快速发展，受人类工业活动及化石燃料等因素的影响，表层土壤与大气降尘中的重金属污染状况越发严重[2]。矿区在开采过程中会不可避免的产生易散性降尘，重金属元素又会以降尘颗粒为载体进行迁移，以干、湿沉降等形式进入表层土壤。重金属在土壤中富集会破坏土壤的理化性质，对环境造成不可逆的污染进而威胁人类健康[3-6]。因此，明确大气降尘对区域表层土壤的重金属元素的富集、空间分布、污染评价等产生的影响已成为近年来环境科学领域研究的热点问题。

新疆准东矿区拥有预测资源量高达3 900亿t的煤田，是迄今发现的特大整装煤田。受极端自然条件及人类开采活动的影响，土壤重金属污染问题十分突出，生态环境面临严峻威胁[7-9]。姚峰[10-12]等对于准东矿区重金属污染情况已经开展了一定的研究。但是这些研究主要关注土壤或大气降尘中重金属的时空分布特征，并利用内梅罗综合污染指数法进行评价。而矿区方面此外还有少量对大气降尘重金属质量分数的研究，以及重金属在植物中的富集效应等[13-15]。但受人类开采活动的影响，开采区等区域表层土壤稀薄，极易受到大气降尘的影响。针对表层土壤重金属与大气降尘重金属之间关联性的研究鲜有报道。基于此，本研究采用地积累指数法和潜在生态危害指数法对表层土壤及降尘中的重金属进行污染程度研究和潜在生态风险评价，并利用反距离插值法进行空间表征，结合Pearson相关分析法和灰色关联分析法对准东矿区表层土壤及大气降重金属尘间的关联性进行研究，以期为区域的重金属污染与防治，生态功能修复等提供一定的科学参考与数据支撑。

1 研究区域概况

研究区位于新疆吉木萨尔县城北，西起昌吉回族自治州阜康市，东到木垒县老君庙，北至卡拉麦里山南麓，南接古尔班通古特沙漠，地理坐标为88°36¢～90°10¢E，44°10¢～45°10¢N，总面积约11 213 km2。地貌类型主要为戈壁滩平原地貌，地形平坦开阔，南部为山区，中部是平原，北部延伸至古尔班通古特沙漠，总体地势南高北低[16]。区域气候为典型的极端干旱大陆气候，气候干旱、降水稀少，昼夜温差大。年平均气温7.6 ℃，区域主导风向为西北风，区内无常年水流，地表植被覆盖度低。研究区的土壤类型以灰褐色及褐色的荒漠土、石膏灰棕漠土、荒漠碱土为主，土壤有机质质量分数不足2%，受强风作用的影响，区域表层土壤水分质量分数极低，土壤平均粒径较粗，主要由细砂组成[17]。

2 材料与方法

2.1 样品采集与分析

2.1.1 土壤样品采集

土壤样品的采样时间为2014年7月。针对矿区开采情况、研究区主要土壤类型、地形地貌、典型景观特征及可达性等因素，选取五彩湾矿区为中心，向西北、东北、西南、东南4个方向共布设51个采样单元（图1）。采样单元覆盖了准东矿区的开采区域、煤电煤化工厂、排土场、煤矸石堆场等作业区域，具有一定代表性。由于研究区土壤层较薄，依据采样单元的实际状况划分0～10 cm深度为表层土壤，并采用3点混合法进行样品采集，共获取51个土壤样品。

图1 研究区示意图及采样点分布图

2.1.2 大气降尘样品采集

依据土壤样点的位置及研究区主导风向等，共设置51个大气降尘收集器，使其与土壤采样单元一一对应，并于2014年5月至12月，对大气降尘进行连续性收集。降尘收集器放置在距离地面约 2.0 m处，每个降尘收集器放置3个降尘缸，每个降尘缸的规格为高20 cm，直径18 cm。为了防止降尘量受到风沙的影响，上面放置不锈钢漏斗，采样期内的干湿沉降样品的采集采用干法收集，将降尘样品用装有超纯水的气压喷壶冲洗到采样瓶中，冲洗至降尘缸内无明显颗粒为止，并继续用于后续降尘的收集。在实验室内将采样瓶中所收集到的样品倒入培养皿中，蒸干后得到大气降尘样品。为使数据更客观且具有代表性，将3个降尘缸内的降尘进行充分混合后，取平均值作为该采集点的降尘量，并进行重金属质量分数的测定。

2.2 重金属质量分数的测定

2.2.1 土壤重金属质量分数测定

对之前处理好的土壤样品进行重金属质量分数的测定，委托新疆大学理化测试中心进行检测，共检测6种重金属元素：汞（Hg）、砷（As）、铅（Pb）、铜（Cu）、锌（Zn）、铬（Cr）。检测步骤如下：称取样品0.200 g，首先加入9 mL浓盐酸后，再添加3 mL的浓硝酸，使用电热板加热至沸腾20 min后，再滴入5 mL氢氟酸进行加热30 min后，加入3 mL的高氯酸加热至全部溶解，最后滴入10 mL稀硝酸（10%）以微沸状态加热溶解15 min后，获得澄清液并将其定容至20 mL。Pb、Cu、Zn、Cr采用火焰原子吸收光谱法进行检测，Hg和As使用原子荧光光谱法检测。取待测尘样0.500 g，同样使用上述方法测得降尘中Zn、Cu、Cr、Pb、Hg和As的质量分数。为确保数据的准确性，每个样品重复测3次。

2.3 数据分析方法

2.3.1 空间分析

空间分析较为常用的插值方法有普通克里金插值法、指示克里金插值法和反距离插值法等[18]。本文利用ArcGis10.1软件，选取反距离插值法对表层土壤重金属和大气降尘重金属的空间分布特征进行研究分析。

2.3.2 地积累指数法

地积累指数法最早是由德国科学家Muller提出，地积累指数可以分级评价土壤中重金属的污染程度[19]。该方法的优点在于同时考虑到了人类活动对土壤产生的影响和自然成岩作用所引起的土壤背景值的变化[20]。地积累指数公式为

式中，geo为地积累指数；C为元素的实测质量分数，mg/kg；B为土壤元素的背景值，mg/kg。评价分级标准见表1。

表1 基于土壤重金属地积累指数的污染程度分级

2.3.3 潜在生态危害指数法

与一般运动相同，在轮滑运动中，初学者都会因为对轮滑知识掌握不够，轮滑技巧不够扎实，技术不够熟练而引起一些身体的损伤。常见轮滑运动中的损伤大概有扭伤、摔伤、撞伤以及高难度轮滑技巧使用中经常出现的肌肉拉伤等，运动损伤的部位通常都是手腕关节、肘关节、膝关节。在学生学习轮滑运动时，这些部位和关节的损伤较为明显，有时甚至会伤到头部，在失去平衡作用下，头磕碰到地面造成轻微头部撞伤现象，因此轮滑课程是一项非常容易受伤的运动课程。

潜在生态危害指数法是根据瑞典科学家Hankason提出的潜在生态风险指数法来评价土壤中重金属的生态风险的典型方法。该方法的优点在于考虑到了重金属区域背景值之间的差异，以及重金属在环境中的迁移转化规律[21]。以新疆土壤重金属背景值为参考，对研究区内各采样点的潜在生态风险指数进行了计算，并进行了评价。单个重金属的潜在生态风险指数为

表2 重金属生物毒性响应系数

表3 潜在生态危害指数法定量分级标准

2.3.4 灰色关联分析法

灰色系统理论认为变量之间的关联度是非对称性的，可以较为客观的反映系统中变量间的灰色关系。灰色关联分析的基本原理是对反映各因素变化特性的数据序列所进行几何比较，几何形状越接近，则变化趋势也越接近，其关联度也越大，而关联度用于描述因素间关系的强弱、大小和次序。该方法对所采集样本的数量和分布规律无过多要求，相较于传统的数理统计分析方法，灰色关联分析考虑到了变量的方向性与非对称性，可以更加科学、准确地反映各变量间的空间分布关系[22]。理想评价对象数列为

被评价对象数列为

灰色关联系数计算公式为

灰色关联度计算公式为

3 结果与分析

3.1 表层土壤重金属质量分数描述性统计

对所有采样点表层土壤中所含的6种重金属进行统计分析，平均值显示质量分数最高的是Cr，平均值达到了87.63mg/kg，质量分数最低的是Hg，平均值为0.07mg/kg。重金属质量分数的均值为Cr>Zn>As>Cu>Pb>Hg，由表4可知，Cr、Pb、As这3种元素的平均值超过了新疆昌吉州土壤背景值，统计显示Hg和As的最大值超过了新疆昌吉州背景值的5倍。因此应将Hg和As作为该区域的重点治理对象。

表4 研究区土壤重金属质量分数描述性统计

3.2 表层土壤重金属空间分布特征分析

利用测得的6种重金属元素质量分数结合通过反距离插值法对表层土壤的重金属污染情况进行空间表征，结合研究区示意图（图1）可知Hg的高值区主要集中在煤矿开采区域，包括煤化工厂和周边的排土场、煤矸石堆场等，在此基础上根据前人研究成果可初步推断出粉尘、矸石堆等可能是Hg的主要污染来源[23]。由图2a可知，As污染的高值区主要在五彩湾和将军庙矿区周围，其浓度达到了89.72mg/kg；而低值区位于卡拉麦里山附近和研究区南部沙漠边缘，因此可以认为As在准东的富集和分布是受到自然和人为因素的共同影响。Cr元素的富集区主要在道路两侧和将军庙矿区及其以西的工业区等人为活动频繁的地带，说明Cr的产生与采矿活动和其他人类生活生产活动有关。由于采矿区地形呈半盆地状，人类开采活动时向东、西和北3个方向扩散的煤尘受地形阻碍而沉降下来[24]。此外，由于重金属Pb和Cr在煤尘中的质量分数较大，导致该区域成为Pb和Cr的富集区。通过空间分析还发现，表层土壤的Cu和Zn的空间分布趋势基本一致，这可能是因为Cu和Zn质量分数除了受到煤矿和其他能源生产活动的影响外，更多受到土壤母质、地形、地貌、等非人为因素的影响，因此其分布范围较广[25]。此外，Hg和Cr在空间分布上有所相似，其高值区均位于道路两侧，而As和Hg的空间分布也存在一些重合区域。

图2 研究区表层土壤重金属质量分数空间分布图

3.3 表层土壤重金属地累积指数法评价和潜在生态风险评估

基于实测表层土壤重金属质量分数及地累积指数计算公式，得到每个采样点的污染水平，并计算出该点的污染水平在所有样点污染等级中所占的比例，从而得出研究区土壤中各个重金属元素的污染率（表5）。表中所示为表层土壤中不同重金属污染等级及所占比例，由表可知，Zn、Cu、Pb 3种元素的污染程度最轻，为无污染级别；Cr元素最高污染等级为3级，属于中度污染，其中无污染、轻-中度污染和中度污染的频率为43%、43%、10%，可以看出Cr元素的污染程度比较分散。Hg元素最高污染等级为6，即强-极强度污染，在其余污染等级也有大量分布，同时Hg在无污染状态下的比例也占了42%，可以看出Hg在很大程度上受到了人为因素的影响。由As元素的地积累指数表明As在轻-中度污染到中度污染范围内的比例占到了90%，其污染范围较广，污染程度较重。

表5 表层土壤重金属元素污染率

表6为研究区表层土壤重金属的单个因子潜在危害指数。其中，Hg元素在表层土壤中的潜在危害指数达到了133.2，处于较高生态风险；Zn、Cu、Cr、Pb、As这5种元素的潜在危害指数均低于40，为轻微潜在生态危害，表明在表层土壤中这5种元素的潜在生态危害处于较低水平且属于低生态风险。

表6 表层土壤重金属污染程度及潜在危害指数分析

3.4 大气降尘中重金属元素的分布特征

表7为计算得到准东大气降尘重金属的geo。由表可知，大气降尘重金属平均geo指数为Zn>Cr>Cu>As>Pb> Hg，Zn为主要污染因子重金属，且其地积累指数达到了5.67，属于极强度污染状态。Hg的污染级别为0，可视为无污染。Cu、Pb、As这3种重金属均处于一级轻度-中度污染。得出的大气降尘重金属的geo与降尘重金属浓度结果相一致。由表8可知研究区Zn元素平均值超出全国土壤背景值的80多倍，说明研究区Zn污染的状况十分严重，应被重点关注并进行专项治理。

表7 大气降尘重金属地积累指数

表8 大气降尘重金属平均质量分数与全国土壤背景值

对6种大气降尘重金属的浓度进行插值，得到降尘重金属污染的空间分布（图3），Li等的研究指出，汽车尾气排放等交通运输活动是Cu、Zn和Pb等多种重金属的重要来源可作为交通污染的指示元素[26]。结合研究区示意图（图1）可知，Zn、Cu、Cr这3种重金属主要来自金属冶炼等工业活动，其主要分布在研究区北部、西北部地区的矿区和大型金属冶炼制造业地带，且污染严重。As的主要人为来源是金属冶炼和煤的燃烧[27]，其分布的高值区主要位于将军庙煤矿区附近。影响大气降尘Pb空间分布的主要原因是煤的燃烧和车辆尾气排放[28]。Pb、Hg、As的主要富集地带共同位于将军庙煤矿区和交通线路交汇处，且有小范围高值区出现在北部五彩湾矿区及其周边地区。

图3 研究区大气降尘重金属质量分数空间分布图

3.5 表层土壤重金属与大气降尘的关联性分析

Pearson相关系数是衡量定距变量间的线性关系的常用方法，其取值范围为-1～1[29]。表层土壤中重金属质量分数与大气降尘的相关性见表9。由表可知，6种重金属在表层土壤与降尘中的相关系数大小顺序为As>Hg>Cr>Cu>Pb>Zn，As在降尘与表层土壤中的质量分数具有较高的相关性，其相关系数达0.660，证明了表层土壤中的As是通过降尘进入表层土壤而非自然成土过程[30]。降尘中的As与表层土壤中的Hg具有很高的相关性，其相关系数为0.720，说明这2种元素具有较好的伴生关系，其来源可能一致。而表层土壤中Zn的质量分数与大气降尘中Zn的质量分数相关性最低，且呈负相关，这可能是受到降尘收集容器镀锌防锈层的影响，造成数据出现一定的偏差。

灰色关联分析法是依据2个变量变化的几何形状的相似程度，对数据序列所进行几何比较进而判定两者变化趋势的关联关系。与Pearson相关分析不同，该方法突破了传统分析方法中变量两两对应的框架，而是将各种不同变量置于同一系统内进行比较分析，强调若干个离散函数对一个离散函数远近的相对程度，如关联程度的强弱与次序等；而因素之间的关联度数值无实际意义[22]。因此，为进一步深入探讨6种大气降尘重金属元素在表层土壤与降尘中动态变化趋势的绝对关联度，依据公式（7），计算表层土壤与大气降尘中各元素的关联度并进行排序（表10），排序结果为As>Hg>Cr>Cu>Pb>Zn。其中，As的关联度最高，Hg次之，说明这2种元素关联较为紧密，其在表层土壤及大气降尘中的变化趋势十分接近。而Zn的关联度最低，表明Zn元素在表层土壤与大气降尘中变化趋势差异最大。此外，各元素关联度之间存在一定差异，证明大气降尘对表层土壤中不同重金属元素的积累作用有所差别，这可能是受到元素沉降特性不同的影响，也与风向、风速等自然环境因素有关[31]。2种方法的分析结果均表明准东地区表层土壤与大气降尘中6种重金属中，Hg和As元素具有较强的一致性，结合其空间分布情况可知，这2种元素在大气与表层土壤中的变化趋势高度相似（图2、图3）。

表9 土壤与降尘中重金属质量分数Pearson相关系数

表10 表层土壤与降尘重金属质量分数关联度排序

4 讨 论

土壤重金属与大气降尘重金属之间的关联性可以反映重金属污染的来源、土壤-大气系统中重金属的传输、迁移和扩散特征。在以往的研究中，刘巍等[32]利用单因素方差分析等手段对降尘与表层土壤中重金属质量分数进行比较，指出Zn、Cu、Gr和Pb这4种重金属质量分数差异显著，而Hg和As这2种重金属质量分数差异不显著，认为表层土壤和降尘中的Hg和As质量分数具有一致性，并基于此推断出了表层土壤中Hg和As可能来源于矿区采矿活动。罗娜娜等[33]采用灰色关联分析法对北京城区大气颗粒物与地表土壤重金属元素之间进行了关联度分析，发现空气降尘与表层土壤是高度关联的，并指出土壤与大气系统中重金属关联度受到主导风向及风速的影响。因此本研究结合了Pearson相关系数和灰色关联分析法，证明了研究区表层土壤与大气降尘中的6种重金属中，Hg和As元素具有较强的一致性，这与刘巍等[32]的研究结果相一致。相较于罗娜娜等[33]开展于城市内部的研究所得到的结论有所出入，其原因可能在于相较于城市建成区，准东矿区重金属的迁移扩散更容易受复杂地形地貌、景观特征、风力风向和人为采矿活动的影响，尤其是矿区开采强度不一、多大风天气会导致煤粉等污染物在大气中的扩散有所差异，因此准东矿区大气降尘对表层土壤的影响不均匀。结合研究区表层土壤与大气中6种重金属的空间分布状况可知，就准东矿区而言，Pearson相关分析法与灰色关联分析法均适用于分析本区表层土壤-大气系统中重金属的关联性。

土壤是是典型的开放系统，其不仅与大气存在物质交流，也与水、岩石等非生物因素和土壤微生物等要素之间也存在物质交换，污染物不仅随着大气传输而迁移扩散，也会随地表水的流动和农田灌溉等途径在土壤中积累[34]。本研究初步探讨了表层土壤与大气系统间重金属质量分数间的相互作用与影响，但相关研究指出，区域的降尘量与人类生产活动以及当地的盛行风向、降水量等气候因子紧密相关[35]。此外，研究区表层土壤与降尘中的重金属质量分数高值区均集中在煤矿开采区、煤电煤化工厂、排土场等区域。矿区粉尘的来源十分复杂，包括开采过程中产生的煤粉，由于不完全燃烧所产生的烟尘以及煤化产业排放的有害生产性粉尘等[23]。受人类工业活动等因素的影响，这些区域原本稀薄的土壤层基本不复存在，土壤性状、重金属质量分数等理化性质极易受到大气粉尘的影响，这些因素可能会造成研究结果产生一定误差。因此，在今后的研究中将进一步扩大样本数量，结合粉尘量这一重要因素对地累积指数和潜在生态风险指数进行分析，探讨粉尘量对其造成的影响；并在此基础上，将开采区，排土场等与其他常规区域土壤做出划分，进行更为细致的理化测试分析，区分表层土壤与大气粉尘，更为深入的探讨大气与土壤重金属之间的关联性，该研究可以为区域的重金属污染与防治提供一定的科学依据。

5 结 论

以新疆准东矿区为研究靶区，利用51 个表层土壤及大气降尘采样点的重金属质量分数数据，研究了区域表层土壤及大气降尘重金属污染程度、生态风险、空间分布状况以及污染来源，并结合Pearson相关分析法与灰色关联分析法探讨了准东矿区表层土壤重金属与大气降重金属尘间的关联性，得到以下结论：

1）表层土壤重金属质量分数的空间分布状况表明，重金属的高值区主要出现在公路附近、采矿区周围以及五彩湾煤电化工工业带附近，高值聚集区范围比较广；重金属质量分数的低值区主要分布在离煤矿较远的荒漠地带。煤矿开采活动和其他工业生产对高值区的分布产生的影响最大，在整个研究区域中部，工业区和采矿区附近重金属质量分数最高。

2）土壤重金属地积累指数和潜在生态风险指数评价结果表明，Hg和As质量分数分别达到中度和重度污染， Hg元素的污染在很大程度上受到了人为因素影响，其富集区域比较集中；As污染面积较广，污染程度也较重。潜在生态风险和危害指数表明，在表层土壤中这5种元素的潜在生态危害处于较低水平且属于低生态风险；Hg元素在表层土壤中的潜在危害指数较高,达到了133.2，处于较高生态风险。

3）大气降尘研究表明，大气中Zn和Cr的污染最为严重，其中质量分数最高的Zn元素超出全国土壤背景值的80多倍，其地积累指数达到了5.67，处于极强度污染状态。Zn和Cr的高值区主要集中在研究区北部、西北部地区的五彩湾煤电煤化工产业带等工业园区，其来源可判断为生产过程中的金属冶炼。

4）Pearson相关分析与灰色关联分析的结果表明，准东地区表层土壤与大气降尘中6种重金属的线性相关关系与几何形状的绝对关联度排序结果一致，即As>Hg>Cr>Cu>Pb>Zn。准东地区表层土壤与大气降尘中的6种重金属中，Hg和As元素具有一致性，且具有相同的来源，说明大气降尘对表层土壤中重金属的质量分数有一定影响。

[1] Franco-Uría A, López-Mateo C, Roca E, et al. Source identification of heavy metals in pastureland by multivariate analysis in NW Spain[J]. Journal of hazardous materials, 2009, 165(1): 1008－1015.

[2] Ravankhah N, Mirzaei R, Masoum S. Spatial eco-risk assessment of heavy metals in the surface soils of industrial city of Aran-o-Bidgol, Iran[J]. Bulletin of environmental contamination and toxicology, 2016, 96(4): 516－523.

[3] Reza S K, Baruah U, Singh S K, et al. Geostatistical and multivariate analysis of soil heavy metal contamination near coal mining area, Northeastern India[J]. Environmental Earth Sciences, 2015, 73(9): 5425－5433.

[4] Wang J, Tiyip T, Ding J, et al. Desert soil clay content estimation using reflectance spectroscopy preprocessed by fractional derivative[J]. PloS one, 2017, 12(9): e0184836.

[5] 姜菲菲，孙丹峰，李红，等. 北京市农业土壤重金属污染环境风险等级评价[J]. 农业工程学报，2011，27(8)：330－337. Jiang Feifei, Sun Danfeng, Li Hong, et al. Risk grade assessment for farmland pollution of heavy metals in Beijing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(8): 330－337. (in Chinese with English abstract)

[6] 孙春媛，赵文吉，郑晓霞，等. 北京城区土壤重金属空间分布及与降尘的关联性分析[J]. 中国科技论文，2016，11(9)：1035－1040. Sun Chunyuan, Zhao Wenji, Zheng Xiaoxia, et al. Analysis on the spatial distribution of heavy metal in surface soil and the relationships to atmospheric dust in Beijing urban area[J]. China Sciencepaper, 2016, 11(9): 1035－1040. (in Chinese with English abstract)

[7] 吴文勇，尹世洋，刘洪禄，等. 污灌区土壤重金属空间结构与分布特征[J]. 农业工程学报，2013，29(4)：165－173. Wu Wenyong, Yin Shiyang, Liu Honglu, et al. Spatial structure and distribution characteristics of soil heavy metals in wastewater irrigation district[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(4): 165－173. (in Chinese with English abstract)

[8] Dai Jinxing, Wu Xiaoqi, Ni Yuanyuan, et al. Geochemical characteristics of natural gas from mud volcanoes in the southern Junggar Basin[J]. Science China Earth Sciences, 2012, 55(3): 355－367.

[9] 阿不都艾尼·阿不里，塔西甫拉提·特依拜，买买提·沙吾提，等. 准东露天煤矿土壤重金属的污染及空间分布特征分析[J]. 中国矿业，2016，25(3)：58－64. Abduhini Abliz, Tashpolat Tiyip, Mamat Sawut, et al, Analysis of the spatial distribution of soil heavy metal pollution in Zhundong open pit coal mine[J]. China Mining Magazine, 2016, 25(3): 58－64. (in Chinese with English abstract)

[10] 姚峰，包安明，古丽·加帕尔，等. 新疆准东煤田土壤重金属来源与污染评价[J]. 中国环境科学，2013，33(10)： 1821－1828. Yao Feng, Bao Anming, Guli Jiapaer, et al. Soil heavy metal sources and pollution assessment in the coalfield of East Junggar Basin in Xinjiang[J]. China Environmental Science, 2013, 33(10): 1821－1828. (in Chinese with English abstract)

[11] 杨春，塔西甫拉提·特依拜，侯艳军，等. 新疆准东煤田降尘重金属污染及健康风险评价[J]. 环境科学，2016，37(7)：2453－2461. Yang Chun, Tashpolat Tiyip, Hou Yanjun, et al. Assessment of heavy metals pollution and its health risk of atmospheric dust fall from east part of Junggar Basin in Xinjiang[J]. Environmental Science, 2016, 37(7): 2453－2461. (in Chinese with English abstract)

[12] 夏楠，塔西甫拉提·特依拜，依力亚斯江·努尔麦麦提，等. 卡拉麦里南部工业区梭梭和琵琶柴重金属空间分布及污染评价[J]. 生态学报，2017，37(11)：3912－3918. Xia Nan, Tashpolat Tiyip, Ilyas Nurmemet, et al. Heavy metal spatial distribution and contamination assessment of hadoxylon and reaummuria soongorica in an industrial area south of Kalamali[J]. Acta Ecological Sinica, 2017, 37(11): 3912－3918. (in Chinese with English abstract)

[13] 郭伟，赵仁鑫，张君，等. 内蒙古包头铁矿区土壤重金属污染特征及其评价[J]. 环境科学，2011，32(10)：3099－3105. Guo Wei, Zhao Renxin, Zhang Jun, et al. Distribution characteristic and assessment of soil heavy metal pollution in the iron mining of Baotou in Inner Mongolia[J]. Environmental Science, 2011, 32(10): 3099－3105. (in Chinese with English abstract)

[14] 董霁红，于敏，程伟，等. 矿区复垦土壤种植小麦的重金属安全性[J]. 农业工程学报，2010，26(12)：280－286. Dong Jihong, Yu Min, Cheng Wei, et al. Safety of heavy metals pollution for wheat planted in reclaimed mining soil[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(12): 280－286. (in Chinese with English abstract)

[15] 王心义，杨建，郭慧霞. 矿区煤矸石堆放引起土壤重金属污染研究[J]. 煤炭学报，2006，31(6)：808－812. Wang Xinyi, Yang Jian, Guo Huixia. Study on heavy metals in soil contaminated by coal waste rock pile[J]. Journal of China Coal Society, 2006, 31(6): 808－812. (in Chinese with English abstract)

[16] 吴学丽，杨永亮，汤奇峰，等. 沈阳河水、地下水及沉积物中重金属的生态风险评价及来源辨析[J]. 生态学杂志，2011，30(3)：438－447. Wu Xueli, Yang Yongliang, Tang Qifeng, et al. Ecological risk assessment and source analysis of heavy metals in river water, groundwater along river banks and river sediments in Shenyang[J]. Chinese Journal of Ecology, 2011, 30(3): 438－447. (in Chinese with English abstract)

[17] 王敬哲，塔西甫拉提·特依拜，张东. 基于分数阶微分的荒漠土壤铬含量高光谱检测[J]. 农业机械学报，2017，48(5)：152－158. Wang Jingzhe, Tashpolat Tiyip, Zhang Dong. Spectral detection of chromium content in desert soil based on fractional differential[J].Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(5): 152－158. (in Chinese with English abstract)

[18] 汤国安. ArcGIS地理信息系统空间分析实验教程[M]. 北京：科学出版社，2012. Tang Guoan. Sptial Ananlysis Operating Direction on ArcGIS[M]. Beijing: Science Press, 2012. (in Chinese with English abstract)

[19] Muller G. Index of geoaccumulation in sediments of the Rhine River[J]. 1969, 2(108): 108－118.

[20] 高宇潇，塔西甫拉提·特依拜，夏楠，等. 新疆准东五彩湾煤田区不同深度土壤重金属污染评价、来源分析与空间分布特征[J]. 中国矿业，2016，25(9)：74－81. Gao Yuxiao, Tashpolat Tiyip, Xia Nan, et al. Spatial distribution and pollution source assessment of different depth of soil heavy metals in the wucaiwan coal field in Xinjiang East Junggar Basin[J]. China Mining Magazine, 2016, 25(9): 74－81. (in Chinese with English abstract)

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

[22] 邓聚龙. 灰色系统基本方法[M]. 武汉：华中理工大学出版社，1987. Deng Julong. Basic Method of Grey System[M]. Wuhan: Press of Huazhong University of Science and Technology, 1987. (in Chinese with English abstract)

[23] 夏军. 准东煤田土壤重金属污染高光谱遥感监测研究[D]. 乌鲁木齐：新疆大学，2014. Xia Jun. Study on the Monitoring of Soil Heavy Metal Pollution with Hyperspectral Remote Sensing in the Eastern Junggar coalfield[D]. Urumqi: Xinjiang University, 2014. (in Chinese with English abstract)

[24] Jiang T, Liu Z, Wang T. Analysis on fracture-control factors for structural deformation of Jurassic coal-bearing strata in eastern section of mountain front, north Junggar Basin[J]. Procedia Earth and Planetary Science, 2011, 3: 154－160.

[25] Abuduwaili J, Zhang Z, Jiang F. Assessment of the distribution, sources and potential ecological risk of heavy metals in the dry surface sediment of Aibi Lake in Northwest China[J]. PloS one, 2015, 10(3): e0120001.

[26] Li X, Lee S, Wong S, et al. The study of metal contamination in urban soils of Hong Kong using a GIS-based approach[J]. Environmental Pollution, 2004, 129(1): 113－124.

[27] 江华亮，王宗爽，武雪芳，等. 我国大气PM 2.5中砷的污染特征，来源及控制[J]. 环境工程技术学报，2015，5(6)：464－470. Jiang Hualinag, Wang Zongshuang, Wu Xuefang, et al. Pollution characteristics, sources and control of arsenic in PM 2.5 in China[J]. Journal of Environmental Engineering Technology, 2015, 5(6): 464－470. (in Chinese with English abstract)

[28] 黄顺生，华明，金洋，等. 南京市大气降尘重金属含量特征及来源研究[J]. 地学前缘，2008，15(5)：161－166. Huang Shunsheng, Hua Ming, Jin Yang, et al. Concentrations and sources of heavy metal in atmospheric dustfall in the Nanjing city, East China[J]. Earth Science Frontiers, 2008, 15(5): 161－166. (in Chinese with English abstract)

[29] Kraft J, Kraft A. On the relationship between energy and GNP[J]. The Journal of Energy and Development, 1978, 3(2): 401－403.

[30] 黄春雷，宋金秋，潘卫丰. 浙东沿海某地区大气干湿沉降对土壤重金属元素含量的影响[J]. 地质通报，2011，31(9)：1434－1441. Huang Chunlei, Song Jinqiu, Pan Weifeng. Impact of dry and wet atmospheric deposition on content of heavy metals in soils along coastal areas of eastern Zhejiang Province[J]. Geological Bulletin of China, 2011, 30(9): 1434－1441. (in Chinese with English abstract)

[31] Facchinelli A, Sacchi E, Mallen L. Multivariate statistical and GIS-based approach to identify heavy metal sources in soils[J]. Environmental pollution, 2001, 114(3): 313－324.

[32] 刘巍，杨建军，汪君，等. 准东煤田露天矿区土壤重金属污染现状评价及来源分析[J]. 环境科学，2016，37(5)：1938－1945. Liu Wei, Yang Jianjun, Wang Jun, et al. Contamination assessment and sources analysis of soil heavy metals in opencast mine of East Junggar Basin in Xinjiang[J], Environmental Science, 2016, 37(5): 1938－1945. (in Chinese with English abstract)

[33] 罗娜娜，赵文吉，晏星，等. 北京城区大气颗粒物与地表土壤金属元素空间关联分析[J].生态环境学报，2013，22(6)：1025－1031. Luo Nana, Zhao Wenji, Yan Xing, et al. The spatial coupling relationship between atmospheric particulates and heavy metal of surface soil in Beijing urban area[J]. Ecology and Environmental Sciences, 2013, 22(6): 1025－1031. (in Chinese with English abstract)

[34] 赵珂. 大气降尘对土壤重金属累积量估算方法探讨——以重庆市綦江县永新冶炼厂为例[J]. 环境科学与管理, 2007，32(11)：55－58. Zhao Ke. Discussions on the method of estimating accumulated- quantity of heavy metal in soil caused by dustfall as yongxin smelt factory an example in Qijiang county of Chongqing[J].Environmental Science and Management, 2007, 32(11): 55－58. (in Chinese with English abstract)

[35] 高贵生，宋理明，马宗泰. 青海省降尘量时空分布及其影响因素分析[J]. 中国沙漠，2013，33(4)：1124－1130. Gao Guisheng, Song Liming, Ma Zongtai. Temporal-spatial distribution and impact factors of dustfall in Qinghai Province of China[J]. Journal of Desert Research, 2013, 33(4): 1124－1130. (in Chinese with English abstract)

阿尔祖娜·阿布力米提，王敬哲，王宏卫，茹克亚·萨吾提，阿不都艾尼·阿不里，吾木提·艾山江.新疆准东矿区土壤与降尘重金属空间分布及关联性分析[J]. 农业工程学报，2017，33(23)：259－266. doi：10.11975/j.issn.1002-6819.2017.23.034 http://www.tcsae.org

Aerzuna Abulimiti, Wang Jingzhe, Wang Hongwei, Rukeye Sawut, Abdugheni Abliz, Umut Hasan. Spatial distribution analysis of heavy metals in soil and atmospheric dust fall and their relationships in Xinjiang Eastern Junggar mining area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(23): 259－266. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.23.034 http://www.tcsae.org com

Spatial distribution analysis of heavy metals in soil and atmospheric dust fall and their relationships in Xinjiang Eastern Junggar mining area

Aerzuna Abulimiti, Wang Jingzhe, Wang Hongwei※, Rukeye Sawut, Abdugheni Abliz, Umut Hasan

(1.830046,; 2.830046,)

Heavy metal pollution is the representative environmental pollution which is caused by heavy metals or their compounds. It has wide range, long duration, non-degradability, and some other features. The accumulation of heavy metals in soil will destroy the physical and chemical properties of soil, cause irreversible pollution of environment, and further threaten human health. For mining area, influenced by human exploitation, the top soil is thin and is easily affected by atmospheric dust fall. The relationship between soil heavy metals and atmospheric dust fall could reflect the sources of heavy metals pollution. Furthermore, the transport, migration and diffusion characteristics of heavy metals in the soil-atmosphere system could be revealed through the analysis of it. Existing work has mostly focused on only top soil, which might ignore the influence of dust reduction.Therefore, this study aimed to investigate the pollution status of heavy metals in the surface soil and their relevance with atmospheric dust fall. With 51 surface soil samples and 51 atmospheric dust fall samples collected from Eastern Junggar coal mining area in Xinjiang Uygur Autonomous Region, China, the contents of 6 kinds of heavy metals (As, Cu, Cr, Hg, Pb, and Zn) in the samples were measured in the laboratory. The geo-accumulation could be used to evaluate the pollution degree of heavy metals in soil. The potential ecological risk index takes into account the difference of the background values of heavy metals and the migration and transformation of heavy metals in the environment. The descriptive statistics of heavy metals in surface soil were carried out. Secondly, the spatial distribution, geo-accumulation, and potential ecological risk index of heavy metal from surface soil and atmospheric dust fall were analyzed. The outcomes of the analysis of them were described by ArcGIS 10.1 spatial analysis with inverse distance weighted (IDW) interpolation method. Subsequently, the correlation between surface soil and atmospheric dust fall was analyzed by Pearson correlation analysis and grey correlation analysis. Pearson correlation coefficient has been widely used to measure the linear relationship between fixed distance variables, and the value range is from -1 to 1; the greater the absolute value, the stronger the correlation. For the grey relational analysis, if the correlation degree was greater than 0.6, the 2 factors could be regard as being correlated significantly. The results showed that: 1) There were significant spatial distinctions between 6 kinds of heavy metal elements (As, Cu, Cr, Hg, Pb, and Zn) in surface soil. The pollution level of Hg was the most serious, which could be regard as the strong polar pollution, and its potential ecological risk index reached a high ecological risk. The Zn and Cu were basically in a state of no pollution, and they were at a slight ecological risk. 2) There were obvious differences in the spatial distribution of heavy metals in atmospheric dust fall. The Zn in atmospheric dust fall was in pollution with extreme intensity, while Hg was in no pollution state. 3) Pearson correlation coefficients showed that Hg and As in the atmospheric dust fall were significantly related to the As in soil, and the correlation coefficients reached 0.72 and 0.66, separately. The results of grey correlation degree showed that the relevance between heavy metal in surface soil and atmospheric dust was notable, but varied among 6 kinds of heavy metal elements. The amount of local dust was related to human production activities and local climatic factors closely, i.e., prevailing winds and precipitation. Therefore, in further research, the size of samples will be expanded, and this important factor will be used to analyze the spatial distribution, geo-accumulation, and potential ecological risk index of heavy metals, and explore the impact of dust on it.

heavy metals; soil; dust; spatial distribution; Geo-accumulation; potential ecological risk index; correlation analysis

10.11975/j.issn.1002-6819.2017.23.034

X51；X53

A

1002-6819(2017)-23-0259-08

2017-07-07

2017- 10-26

国家自然科学基金（U1603241、51704259、41705032、41761077）；新疆维吾尔自治区自然科学基金（2016D01C053）

阿尔祖娜·阿布力米提，主要从事干旱区生态环境方向研究。Email：aerzuna@163.com

王宏卫，教授，主要从事干旱区绿洲生态环境与人文影响研究。Email：wanghw_777@163.