某铅锌矿区农田重金属分布特征及其风险评价

吴劲楠,龙 健*,刘灵飞,李 娟,廖洪凯,彭四清,万洪富



某铅锌矿区农田重金属分布特征及其风险评价

吴劲楠1,龙 健1*,刘灵飞1,李 娟2,廖洪凯1,彭四清3,万洪富3

(1.贵州师范大学,贵州省山地环境信息系统与生态环境保护重点实验室,贵州 贵阳 550001；2.贵州师范大学地理与环境科学学院,贵州 贵阳 550001；3.广东省生态环境技术研究所, 广东 广州 510650)

为进一步探讨铅锌矿开采和冶炼地区农田重金属污染的分布特征和污染途径,以会泽县者海镇铅锌矿区周边农田土壤为研究对象,共布设496个采样点,测定表层土壤中重金属(Cd、Hg、Pb、Cu、Zn)的含量.利用自然邻点法对表层土壤中重金属含量进行插值拟合,以空间三维模型研究该地区农田土壤重金属污染特征,运用单因子指数、综合污染指数和潜在生态风险指数法对重金属污染程度进行评价,采用相关分析、主成分分析和聚类分析识别污染途径.结果表明:Cd、Hg、Pb、Cu和Zn的含量平均值(mg/kg)分别是云南省背景值的33.05、5.83、12.02、4.89和16.33倍;Cd、Hg、Pb、Zn含量空间分布表现为西北部浓度最高,且中部高于东西两侧,而Cu与此相反;单因子指数评价结果显示99.8%的土样达到Cd重度污染,其次是Cu(82.06%)、Zn(62.50%);综合污染指数表明,研究区均处于重度污染程度,西北部尤为严重;综合生态风险评价表明,中部风险高两边低,Cd的贡献率最大占61%;相关分析结果显示,Zn、Cd、Pb、Hg之间呈显著正相关性(< 0.01),表明其污染途径相近;主成分分析和聚类分析表明,Cd、Hg、Pb、Zn污染途径主要与人类活动有关,Cu主要受自然因素影响,因此对该地区土壤重金属的修复和治理应综合考虑人为因素和自然因素的影响.

铅锌矿区农田；土壤重金属污染；自然邻点法；三维可视化；空间分布；风险评价

土壤重金属污染是生态环境面临的最严重的威胁之一,其危害直接作用于土壤生态系统、农产品、地下水等,并通过食物链危害人体健康[1-2].矿区周边土壤的重金属污染问题,尤其与农业生产有关的农田重金属污染更是受到重视[3-4].云南素有“有色金属王国”之称,会泽县者海镇境内铅锌矿资源丰富,土法炼锌规模庞大,历史久远,是国内典型的铅锌矿开采冶炼区.长期的开采和冶炼使土壤中重金属污染物不断积累,对当地农业生产和人体健康构成严重威胁,亟需摸清当地农田重金属污染的总体情况.有学者已对该地区铅锌矿周边土壤重金属污染情况进行了研究[5-7],但调查范围有限,缺乏关于冶炼企业对周边农田宏观污染特征的研究.空间插值与地理信息系统(GIS)已广泛应用于土壤重金属污染时空分布、预测模拟及风险评估等研究领域[8-12].随着GIS技术的日益成熟,传统的二维GIS会逐步被更为直观的三维可视化模型和三维GIS所代替[13-16].有学者基于三维可视化对海洋环境、金属矿山、数字城市等方面进行模拟和研究[17-19],但基于空间三维模型的与土壤重金属污染相关的应用研究鲜有报道.为进一步探讨农田土壤重金属污染的分布特征,识别污染途径,本文以者海铅锌矿周边农田土壤为研究对象,利用自然邻点法插值拟合,以三维立体模型研究该地区农田土壤重金属污染特征,运用单因子指数法、综合污染指数法和潜在生态风险指数法对重金属污染程度进行评价,利用相关分析、主成分分析和聚类分析识别污染来源,为该区土壤重金属污染防治和修复提供科学支持.为土壤重金属空间分布、污染评价等研究领域提供直观的三维可视化应用方法.

1 材料与方法

1.1 研究区概况与样品采集

研究区位于云南省会泽县者海镇(103°34¢E~ 103°40¢E,26°30¢N~26°33¢N).会泽县是我国重要的有色金属矿区之一,有色金属冶炼历史悠久,已探明矿产资源多达29种,尤以铅锌矿石、铜矿石等金属资源最为丰富.境内平均海拔2120m,主要土壤类型为红壤、棕壤等[20].者海镇位于会泽南部多雨区向北部少雨区的过渡地带,属亚热带季风性气候,干湿季节明显,雨量夏季多冬季少,年平均气温12.6℃,年平均降水量847.1mm[21-22].

为了全面调查者海镇农田重金属污染情况,选取者海镇南部的旱地作为研究区域,利用ArcGIS 9.3对研究区G213国道西边(200×200m网格)和东边(300×300m网格)约2000hm2的农田进行网格布点,在格网内部生成中心点.再与者海镇遥感影像进行比对,剔除或适当移动落在耕地之外的点,保证点位具有代表性,最终研究区西半部共设346个采样点,东半部共150个采样点,合计共采集496个土壤样品.土壤样品为采集深度0~20cm的表层土壤.用手持GPS仪对采样点进行定位,土壤样品按照《农田土壤环境质量监测技术规范》(NY/T395-2000)[23]要求,均以梅花法布点,用木铲均匀随机采取5个以上土壤样本点,经充分混合后,四分法采集约1.5kg土样装入密封袋带回实验室.经室内自然风干,去除异物,取一部分过8目尼龙筛;另一部分经玛瑙研钵研磨,过100目尼龙筛,装入自封袋备用.研究区地理位置及采样点分布见图1.

图1 研究区的地理位置及采样点空间分布

1.2 样品测定

土壤样品pH值采用固液比1:2.5玻璃电极法(GB7859-87)[24]进行测定.称取0.2000g土壤样品经过HNO3-HF-HClO4消解后,Cd采用石墨炉原子吸收分光光度法(GB/T17141-1997)[25]进行测定;Pb、Cu和Zn采用火焰原子吸收分光光度法(GB/T17138-1997)[26]进行测定;称取0.2000g土壤样品经王水水浴消解后,Hg采用原子荧光分光光度法进行测定.测定全程采用空白样、10%平行样和国家土壤样品标准(GBW07401)进行质量控制,质量控制及最终实验数据由广东省生态环境技术研究所提供.

1.3 重金属污染评价方法

1.3.1 评价标准 对研究区土壤中重金属Cd、Hg、Pb、Cu、Zn进行污染评价的标准参考云南省土壤背景值[27]和《土壤环境质量标准》(GB15618-1995)Ⅱ级标准,Ⅱ级标准主要适用于农田、蔬菜地、茶园、果园、牧场等土壤,是保障农业生产、维护人体健康的土壤限制值[28],见表1.

1.3.2 单因子指数法 对研究区土壤重金属污染评价采用单因子指数法(PI).计算公式如下:

式中:P为污染物的污染指数;C为污染物的实测值;S为污染物的环境质量Ⅱ级标准值(根据污染物所在土壤样品的pH值确定).

表1 土壤质量Ⅱ级标准和云南省土壤背景值(mg/kg)

1.3.3 内梅罗综合污染指数法 内梅罗综合污染指数法(NPI)能全面反映各污染物对土壤污染的不同程度,同时又突出高浓度对土壤环境质量的影响,可反映多种污染物的综合污染水平[29].其公式如下:

式中:P为综合污染指数;Pmax为各单项污染指数(P)中的最大值;Pave为各单因子污染指数(P)的平均值.根据单因子指数(P)和综合污染指数(P)的大小可将土壤污染程度划分为5级[30],见表2.

表2 单因子(Pi)和内梅罗综合污染指数(Pn)分级原则

1.3.4 潜在生态风险评价 重金属潜在生态风险指数法(PER)是瑞典学者Hakanson[31]提出的,该指数在评价重金属污染时考虑了生物毒性,可反映多种污染物的综合作用,并定量地划分出潜在生态风险程度[32].其计算公式为:

式中:RI为综合潜在生态风险指数;E为第种重金属的潜在生态风险指数;T为第种元素的毒性系数;C为第种元素的污染系数;C为第种元素的实测值;C为第种元素的背景值.潜在生态风险指数具体分级标准和风险程度划分[33]见表3.5种重金属的毒性系数T分别为Cd=30、Hg=40、Pb=30、Cu=5、Zn=1[31].

表3 重金属潜在生态风险评价和风险程度分级标准

1.4 数据分析

使用SPSS 22进行多元统计分析,并用Origin 9.0绘制图表,运用Pearson相关性分析、主成分分析和分层聚类分析探讨研究区重金属污染途径.利用自然邻点插值法对土壤重金属进行空间插值拟合[34].自然邻点法是一种基于泰森多边形理论的局部插值方法,该方法对于高离散度的数据具有良好的插值效果[35].利用Surfer 13绘制重金属空间分布图.本文使用了分辨率为30m的G-DEM数字高程模型,数据来源于中国科学院计算机网络信息中心国际科学数据镜像网站(http://www.gscloud.cn).

2 结果与讨论

2.1 土壤pH值、重金属含量及污染程度

研究区农田表层土壤重金属含量见表4,表层土壤pH值在4.17~7.77之间,平均值为5.73,变异系数为0.13,这表明表层土壤总体呈酸性.同时表层土壤的5种重金属含量表现出较大的差异,Cd、Hg、Pb、Cu、Zn的含量(mg/kg)变化分别为0.213~108.83、0.01~3.36、59.00~10058.73、56.10~615.50、135.50~22676.32;平均含量(mg/kg)分别为7.27、0.35、488.14、226.24、1465.00;5种重金属元素的变异系数(CV)顺序为Cd(1.56)> Pb(1.53)>Zn(1.3)>Hg(0.8)>Cu(0.2).不同于pH值(0.13)较小的变异系数,Cd、Pb、Zn和Hg极高变异系数表明不同的采样点4种重金属含量变化差异明显,离散性较大.这说明4种重金属受到外缘因素的影响较大,空间分布差异明显[36];而Cu的低变异系数表明Cu在表层土壤中的含量分布较为均匀,说明Cu受外界干扰的影响较小.对5种重金属和pH值的变异性特征进行了K-S正态性检验,除Cu服从正态分布外,其余重金属和pH值分布呈现右偏态.

与云南省土壤背景值相比,Cd、Hg、Pb、Cu、Zn含量平均值(mg/kg)分别是云南省背景值的33.05、5.83、12.02、4.89和16.33倍,表明5种重金属元素在土壤中已有不同程度的积累,Cd积累最为明显,其次是Zn和Pb.根据《土壤环境质量标准》(GB15618-1995)二级标准,5种重金属的含量超标率为Cd(99.80%) > Cu(99.4%) > Zn(98.59%)>Pb(64.92%)>Hg(37.50%).本研究中土壤pH值的研究结果与邹小冷等[5]和陆泗进等[6]的研究一致,表明研究区所处环境土壤普遍为酸性土壤,这使得土壤颗粒表面负电荷减少,降低土壤对重金属的吸附作用,增加重金属在土壤中的迁移性和生物活性[37].研究区5种重金属的平均含量(mg/kg)与刘晓燕[7]等研究结果(Cd(11.16)、Hg(0.47)、Pb(394.66)、Cu(226.81)、Zn(1451.63))相近.邓琴等[38]对贵州黔东某铅锌矿区旱地重金属污染研究表明,土壤中Cd、Zn、Pb等重金属超标严重.陆泗进等[39]对湖南桂阳某铅锌矿区污染研究表明重金属超标率Cd(91%)最严重,与本研究结果相近.

表4 研究区农田土壤pH值和重金属含量 (mg/kg)

2.2 重金属污染评价

对研究区重金属污染程度的评价结果见图2.PI评价结果表明,5种重金属P指数平均值分别为Cd(24.09)>Zn(7.04)>Cu(4.17)>Pb(1.88)> Hg(1.06).Cd、Pb、Hg和Zn污染指数P的变化范围更大,Cu的变化范围相对较小.P指数大于3,属重度污染比例Cd(99.80%)>Cu(82.06%)>Zn (62.50%)>Pb(9.07%)>Hg(3.23%),各重金属均有相当程度的累积,尤其Cd最为严重.NPI结果显示,P指数平均值为18.10,超过重度污染分级标准的6倍,范围在2.59~265.47之间,采样点P指数>3,达到重度污染水平的比例占总点位的99.80%,这表明研究区内已普遍受到重金属污染,污染形势严峻.

PER评价结果表明,5种重金属E指数平均值为Cd(991.39)>Pb(360.70)>Hg(232.84)>Cu (24.43)>Zn (16.33).表明Cd和Pb达到极强风险等级,其中Cd生态风险最为严重,其均值超过了极强风险分级标准的3倍.其次Hg生态风险也很严重,处于很强风险水平.Cu和Zn生态风险较轻,属于轻微风险水平.综合潜在生态风险评价结果显示,RI均值为1625.69,属极强生态风险.最大值为16923.12,最小值为156.87.其中属强生态风险的比例占99.60%,极强生态风险占42.14%.Cd对综合生态风险贡献最大,平均贡献率占61%.

图2 研究区土壤重金属单因子污染指数(PI)、综合污染指数(NPI)和潜在生态风险指数(PER)评价结果箱式图

2.3 土壤重金属及污染程度空间分布特征

分析重金属污染物的空间分布特征是一种鉴别污染物来源和高污染热点地区非常有效的方法[40-41].利用自然邻点插值法,绘制出5种重金属含量和pH值的空间三维分布图及污染程度的三维热图(图3).研究区农田表层土壤重金属污染的总体趋势表现为西北部最严重,且污染程度从中部向东西两侧递减.研究区表层土壤的酸碱度呈现出西半部酸性强,东半部酸性较弱的情况.

对于Cd,含量较高的区域集中在研究区的西北部和中部偏西地区,其含量分布趋势由北向南、由中部向东西方向递减.研究区西北部靠近多个污染企业的下游,冶炼时直接排放的废气废水和露天堆积矿渣经雨水冲刷产生的渗滤液不仅流入河道污染周边的农田,而且渗入地下,污染地下水.周边农业生产活动长期使用被重金属污染的河水和地下水更加剧了此地农田受污染程度[42].PI显示,整个研究区范围均为重度污染,其中北部和西部存在一些极重度污染的热点地区,P达到了100以上.PER表明整个研究区范围内均处于Cd很强或极强生态风险水平,其中研究区的北部和西部风险更高,一些区域风险指数出现极端值,而东部风险相对低,但也处于很高风险水平.

图3 研究区土壤Cd、Hg、Pb、Cu、Zn含量和pH值三维空间分布图及重金属污染评价三维热图

对于Pb和Zn,除西北部之外,高污染区域也出现在研究区中部靠近G213国道附近,其含量由中部向周围递减,这说明Zn和Pb污染途径除了受到污染企业三废的污染外,还可能与交通运输造成的污染有关,尤其是与汽车尾气、轮胎磨损、运送矿石和废渣产生的散落和扬尘有关[43].这与邹小冷等[5]的研究结果一致.Pb的PI评价结果沿中部国道两侧积累较其他区域更严重,均呈现出中度和重度污染水平.PER在研究区中部偏西和北部地区处于强生态风险及更严重的水平,极端值也出现在国道的两侧,污染程度沿中部国道附近向两边逐渐递减.Zn的PI评价结果显示,其重度、极重度污染地区主要集中在北部和中部片区,而Zn的PER显示其潜在生态风险水平较低,高风险地区仅零星分布在北部和中部.

对于Hg,研究区中部偏西片区含量较高,东部和西南部含量较低.由于Hg在冶炼金属时极易蒸发,绝大部分以蒸汽态或附着于粉尘随烟气一起向外飘散,由地形可知,研究区西部位于山谷中,两侧的高山会使风携带烟气沿山谷方向运动经过西部农田,所以污染原因很可能是含Hg的烟气和粉尘形成大气沉降,对农田造成污染[44].中部公路两侧出现高污染可能也与交通运输有关.对于Cu,其含量分布较为均匀,总体呈现出中部含量略低,东西部含量略高的分布情况,与其它重金属的分布截然相反.由此可以推测研究区内土壤Cu的超标可能是由于高背景值导致的.

NPI评价结果显示,整个研究区均属于重污染水平,北部和西部地区出现极端值,说明这些地区污染已相当严重.PER综合潜在生态风险评价表明,整个研究区均处于高风险水平,北部、西部和中部地区风险属很高和极高风险地区,并有极端值.Cd的Ei值与RI值在空间分布上有很强的一致性,其对于综合潜在生态风险的贡献最大.

2.4 重金属来源分析

利用Pearson相关分析得出5种重金属和pH值之间的相关系数(表5),Cd、Hg、Pb、Zn彼此之间均呈极显著正相关性(<0.01).这表明这4种重金属地球化学性质相似,可能具有相同的污染源,这与其他研究结果相似[5-6].Cu与其他4种重金属的相关性较弱,说明Cu的来源与其他重金属有显著的差异.酸碱度与重金属之间的相关关系不显著.

基于相关性矩阵,对5种重金属进行主成分分析,探究其相同的来源[9,40-41],结果见表6.2种特征值超过1的主成分被提取出来,累积贡献率超过了84%.PC1的主要成分荷载均大于0.8,包括Zn(0.929)、Cd(0.890)、Hg(0.850)和Pb(0.881),贡献率为63.289%.这表明第一主成分的4种重金属具有同源性,可能的来源主要与研究区周边金属矿物开采和冶炼产生的矿渣、废气和废水等人为因素造成的污染有关.而Cu(载荷为0.984)被分为PC2,贡献率为20.998%,可以推测Cu的主要来源可能是非人为因素,主要与该地成土矿物相关的土壤背景值有关.

表5 研究区土壤pH值和重金属之间的相关系数

注:*表示显著,<0.05;**表示极显著,<0.01.

表6 研究区土壤重金属主成分分析及相关荷载

注:加粗显示的数据为荷载超过0.5.

利用开源统计学软件R语言(http://www.r- project.org),以Ward欧式距离法将研究区5种重金属496个采样点的数据进行分层聚类分析(CA)[9,41],并以5种重金属(Cd、Hg、Pb、Cu、Zn)为X轴,496个样点为Y轴绘制聚类分析热图(图4).图中每一条带颜色的细矩形块表示每个采样点一种重金属的含量,颜色从蓝色到红色表示重金属的含量从低到高.从X轴方向的谱系图可以看出,5种重金属被分为A和B两组.Hg、Cd、Pb和Zn被分为A组,表明这4种重金属污染途径相近.Cu被分为第B组,表明Cu与其他4种重金属可能具有不同的来源.这与主成分分析的结果相一致.

图4 研究区土壤重金属分层聚类谱系图

Y轴方向的谱系图表明,496个采样点被分成了Ⅰ、Ⅱ和Ⅲ 3组,与空间分析的结果大体相似.Ⅰ组共134个样点,占样点总数的27%,显示为其矩形块的颜色偏红色,说明5种重金属含量均比其他样点高,属污染最严重的地区.Cd、Hg、Pb、Cu和Zn的平均含量(mg/kg)分别为17.73、0.59、903.48、242.93、3263.95,分别是土壤质量Ⅱ级标准最大限值的35.46、0.59、2.58、2.43和10.88倍.Ⅰ组的样点大部分位于研究区的西北部和西部边界靠近污染企业地区.这表明这些地区的土壤污染途径相同,主要为污染企业排放的废气废水和矿渣造成的直接污染.Ⅱ组共237个样点,占总样点数的48%,其矩形块的颜色显示为Cd、Hg、Pb、Zn大部分为黄色,Cu主要为黄色和蓝色,5种重金属含量均不同程度地低于Ⅰ组.Ⅱ组样点主要分布在研究区离污染企业相对较远的中部G213国道附近和中偏西的部分地区,这说明这些地区在污染企业直接污染有限的情况下,其重金属的来源还可能与运送铅锌矿及矿渣的汽车和烟气粉尘干湿沉降有关.Ⅲ组共125个样点,占总数的25%,其矩形块的颜色显示为Cd、Hg、Pb、Zn总体呈蓝色,Cu主要呈黄色,说明Ⅲ组除Cu外,其余4种重金属含量均低于Ⅰ组和Ⅱ组,污染程度相对较轻.Ⅲ组主要分布在研究区东部和靠近的西南边界地区,这些地区距离污染企业最远,污染途径主要与污染企业冶炼金属时产生的烟气和粉尘扩散有关.

综上,结合空间分析的结果,重金属Cd、Hg、Pb和Zn污染主要由人为因素导致,Cu主要源自于土壤高背景值.其中研究区西北部污染最严重的地区是污染企业采矿和冶炼排放的废气废水和矿渣直接污染造成的,中部地区的污染主要是由于大气沉降作用和矿区交通运输产生的污染,西南部和东部距离污染企业较远污染较轻.分析表明应及时控制当地重金属的污染源,关停落后冶炼企业,严格监管废气废水和矿渣达标排放,同时加强当地交通运输的管理,缓解土壤重金属污染状况.

3 结论

3.1 研究区农田土壤总体显酸性,Cd、Hg、Pb、Cu和Zn的平均含量均超出云南土壤背景值, Cd、Zn、Pb均超出10倍以上.以土壤环境质量Ⅱ级标准为参考,Cd、Cu和Zn超标率达到98%以上.Cd、Hg、Pb、Zn含量空间分布表现为西北部最为严重,从中部向两边递减,而Cu与此相反.

3.2 Cd重度污染和强生态风险空间范围遍布整个研究区,污染程度最为严重;Hg、Pb、Zn表现为中部高,东西部低,而Cu却相反.研究区综合污染程度呈重度污染水平,综合生态风险评价表明中部风险高两边低,Cd的贡献率最大.

3.3 研究区Zn、Cd、Pb、Hg之间呈显著正相关(<0.01),主成分分析和聚类分析均表明,Zn、Cd、Hg和Pb污染具有同源性,主要受采矿和冶炼等人为因素影响,Cu污染主要源自当地土壤背景值.样点分为3类,西北部污染程度最严重,中部次之,西南和东部相对较轻.

[1] Meena R, Datta S P, Golui D, et al. Long-term impact of sewage irrigation on soil properties and assessing risk in relation to transfer of metals to human food chain [J]. Environmental Science & Pollution Research, 2016,23(14):14269-14283.

[2] Zhao F J, Ma Y, Zhu Y G, et al. Soil contamination in China: current status and mitigation strategies [J]. Environmental Science & Technology, 2015,49(2):750-759.

[3] 孙清斌,尹春芹,邓金锋,等.大冶矿区周边农田土壤和油菜重金属污染特征研究 [J]. 农业环境科学学报, 2012,31(1):85-91.

[4] 张 厦,宋 静,高 慧,等.贵州铅锌冶炼区农田土壤镉铅有效性评价与预测模型研究 [J]. 土壤, 2017,49(2):328-336.

[5] 邹小冷,祖艳群,李 元,等.云南某铅锌矿区周边农田土壤Cd、Pb分布特征及风险评价 [J]. 农业环境科学学报, 2014,33(11): 2143-2148.

[6] 陆泗进,王业耀,何立环.会泽某铅锌矿周边农田土壤重金属生态风险评价 [J]. 生态环境学报, 2014,23(11):1832-1838.

[7] 刘小燕,陈棉彪,李良忠,等.云南会泽铅锌冶炼厂周边土壤重金属污染特征及健康风险评价 [J]. 农业资源与环境学报, 2016, 33(3):221-229.

[8] 姚荣江,杨劲松,谢文萍,等.苏北滨海滩涂区土壤重金属含量及其时空变异研究 [J]. 中国环境科学, 2016,36(6):1810-1820.

[9] Yuan C, Jia G, Chai S, et al. Source identification of eight heavy metals in grassland soils by multivariate analysis from the Baicheng-Songyuan area, Jilin Province, Northeast China [J]. Chemosphere, 2015,134:67-75.

[10] 段晓勇,印 萍,刘金庆,等.滦河口表层沉积物中重金属和多环芳烃的分布、来源及风险评估 [J]. 中国环境科学, 2016,36(4): 1198-1206.

[11] 孙 慧,郭治兴,郭 颖,等.广东省土壤Cd含量空间分布预测 [J]. 环境科学, 2017,38(5):2111-2124.

[12] 李佳璐,姜 霞,王书航,等.丹江口水库沉积物重金属形态分布特征及其迁移能力 [J]. 中国环境科学, 2016,36(4):1207-1217.

[13] 袁林旺,俞肇元,罗 文,等.基于共形几何代数的GIS三维空间数据模型 [J]. 中国科学:地球科学, 2010,40(12):1740-1751.

[14] 张树清,周成虎,张俊岩,等.泛知识化三维GIS表达模型(UKRM) [J]. 中国科学:地球科学, 2016,42(2):214-228.

[15] 朱 庆.三维GIS及其在智慧城市中的应用 [J]. 地球信息科学学报, 2014,16(2):151-157.

[16] 甄红锋,赵耀强,成 波.三维GIS可视化系统在地铁监测中的应用 [J]. 地下空间与工程学报, 2016,12(1):138-142.

[17] 高锡章,冯杭建,李 伟.基于GIS的海洋观测数据三维可视化仿真研究 [J]. 系统仿真学报, 2011,23(6):1186-1190.

[18] 李 杨,杨天鸿,刘洪磊,等.大安山煤矿三维可视化系统的建立及安全监测分析 [J]. 采矿与安全工程学报, 2014,31(2):277- 283.

[19] 杜福光.基于ArcScene城市三维可视化研究与应用 [D]. 西安科技大学, 2010.

[20] 李敬伟,湛方栋,何永美,等.云南会泽铅锌矿区土壤理化与生物学性质 [J]. 应用与环境生物学报, 2014,20(5):906-912.

[21] 尹 鑫,周广柱,王翠珍,等.者海铅锌渣中重金属的赋存形态及环境风险评价 [J]. 地球与环境, 2016,44(4):478-483.

[22] 房 辉,曹 敏.云南会泽废弃铅锌矿重金属污染评价 [J]. 生态学杂志, 2009,28(7):1277-1283.

[23] NY/T395-2000 农田土壤环境质量监测技术规范 [S].

[24] GB7859-87 森林土壤pH值的测定 [S].

[25] GB/T17141-1997 土壤质量铅、镉的测定石墨炉原子吸收分光光度法 [S].

[26] GB/T17138-1997 土壤质量铜、锌的测定火焰原子吸收分光广度法 [S].

[27] 中国环境监测总站.中国土壤元素背景值 [M]. 北京:中国环境科学出版社, 1990:330-485.

[28] GB15618-1995 土壤环境质量标准[S].

[29] 刘灵飞,龙 健,万洪富,等.贵州喀斯特山区锑冶炼厂对农业土壤污染特征的影响及风险评价 [J]. 土壤, 2013,45(6):1036- 1047.

[30] 田 莉,李国琛,王颜红,等.葫芦岛锌厂周边农田土壤重金属浓度的空间变异及污染评价 [J]. 生态学杂志, 2016,35(11):3086- 3092.

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

[32] 范明毅,杨 皓,黄先飞,等.典型山区燃煤型电厂周边土壤重金属形态特征及污染评价 [J]. 中国环境科学, 2016,36(8):2425- 2436.

[33] 熊秋林,赵佳茵,赵文吉,等.北京市地表土重金属污染特征及潜在生态风险 [J]. 中国环境科学, 2017,37(6):2211-2221.

[34] 缪 坤,李少梅,郭 健,等.Surfer软件中高程数据内插方法比较分析 [J]. 测绘科学技术学报, 2014,31(4):431-435.

[35] 高 洋,张 健.基于自然邻点插值的数据处理方法 [J]. 中国科学院大学学报, 2005,22(3):346-351.

[36] 曹宏杰,王立民,罗春雨,等.三江平原地区农田土壤中几种重金属空间分布状况 [J]. 生态与农村环境学报, 2014,30(2):155- 161.

[37] 姚荣江,杨劲松,谢文萍,等.江苏沿海某设施农区土壤重金属累积特点及生态风险评价 [J]. 农业环境科学学报, 2016,35(8): 1498-1506.

[38] 邓 琴,吴 迪,秦樊鑫,等.岩溶铅锌矿区土壤重金属污染特征 [J]. 中国岩溶, 2016,36(2):248-254.

[39] 陆泗进,何立环,王业耀.湖南省桂阳县某铅锌矿周边农田土壤重金属污染及生态风险评价 [J]. 环境化学, 2015,34(3):591- 592.

[40] 郑江鹏,矫新明,方南娟,等.江苏近岸海域沉积物重金属来源及风险评价 [J]. 中国环境科学, 2017,37(4):1514-1522.

[41] Xiao Q, Zong Y T, Luo S G. Assessment of heavy metal pollution and human health risk in urban soils of steel industrial city (Anshan), Liaoning, Northeast China [J]. Ecotoxicology & Environmental Safety, 2015,120:377-385.

[42] 廖国礼,吴 超.矿山不同片区土壤中Zn、Pb、Cd、Cu和As的污染特征 [J]. 环境科学, 2005,26(3):157-161.

[43] 李晓艳,吴 超.某铅锌矿区公路两侧土壤重金属污染分布研究 [J]. 环境工程, 2017,35(1):137-140.

[44] 李仲根,冯新斌,闭向阳,等.贵州省某土法炼锌点土壤重金属污染现状 [J]. 生态学杂志, 2011,30(5):897-901.

Spatial distribution and risk assessment of heavy metal pollution in farmland soil of a lead-zinc mining area.

WU Jin-nan1, LONG Jian1*, LIU Ling-fei1, LI Juan2, LIAO Hong-kai1, PENG Si-qing3, WAN Hong-fu3

(1.Guizhou Provincial Key Laboratory for Information System of Mountainous Areas and Protection of Ecological Environment, Guizhou Normal University, Guiyang 550001, China；2.Department of Geography and Environmental Science, Guizhou Normal University, Guiyang 550001, China；3.Guangdong Institute of Eco-Environmental Technology, Guangzhou 510650, China)., 2018,38(3)：1054~1063

The purpose of this study was to further investigate the general distribution of heavy metal in farmland soils and to identify the possible sources of heavy metals pollution from a lead-zinc mining and smelting area in Zhehai, a town of Huize County. A total of 496topsoil samples were collected and the concentrations of Cd, Hg, Pb, Cu and Zn were determined in all the soil samples. The concentrations of heavy metals in surface soil were interpolated using the Natural Neighbor Interpolation method and three-dimensional models were created to study spatial characteristics of heavy metal pollution in the cropland soils. The degrees of heavy metals pollution were evaluated by using Single Pollution index (PI), Nemero Synthesis Pollution index (NPI) and Potential Ecological Risk index (PER). Principle Component Analysis and Cluster Analysis were used to identify pollution sources. The results showed that the concentrations (mg/kg) of Cd, Hg, Pb, Cu and Zn were 33.05, 5.83, 12.02, 4.89 and 16.33times as compared to soil background values of Yunnan Province, respectively. Spatial distribution of Cd, Hg, Pb and Zn in the cropland soils illustrated that the most seriously polluted region was in the northwest, meanwhile the center was more severe than the other two sides. The concentration of Cu, however, was showed a contrast trend. The results of PI showed that 99.8% of the amount of the soil samples was contaminated by Cd, which reached the heavy pollution level, and was followed by Cu (82.06%) and Zn (62.50%). NPI indicated that the whole study area belonged to heavy pollution degree, and especially in the northwest was the most severe region. PER demonstrated that high risk appeared in the middle while low risk could be found on both sides, which Cd made the greatest contribution to with a ratio of 61%. Correlation analysis revealed that Zn, Cd, Pb and Hg were positively correlated with each other (<0.01), indicating that these four pollutants might come from the same source. The results of Principal Component Analysis and Cluster Analysis showed that Cd, Hg, Pb and Zn were mainly affected by the mining activities, while Cu was mostly affected by natural factors. Therefore, in order to recover the soil from heavy metal pollution, the impact of both anthropogenic and natural sources should be taken into accounts.

cropland in lead-zinc mining and melting area；soil heavy metal pollution；natural neighbor interpolation；three-dimensional visualization；spatial distribution；risk assessment

X131.3

A

1000-6923(2018)03-1054-10

吴劲楠(1993-),男,河北唐山人,硕士研究生,研究方向为喀斯特山地环境污染与防治.

2017-08-10

国家自然科学基金委员会-贵州省人民政府喀斯特科学研究中心资助项目(U1612442);贵州省科技厅联合资金资助项目(黔科合LH字[2015]7781号)

* 责任作者, 教授, longjian22@163.com