农田土壤重金属污染评价常用研究方法

谢 虹

(山东畜牧兽医职业学院,山东 潍坊 261061)

土壤的污染问题已经受到了全社会的关注，国务院印发了《土壤污染防治行动计划》对今后一个时期我国土壤污染防治工作做出了全面战略部署，对土壤质量评价标准进行了规范。

土壤被重金属污染后，导致土壤性质发生变化，从而影响土壤营养元素的供应和肥力特性，直接导致农作物产量减少，品质降低[1-2]。因此，开展对土壤重金属的污染评价分析，对评价农业土壤种植环境的质量安全具有重要的现实意义。目前，国内外对农田土壤重金属污染程度评价方法包括：因子指数评价法(单因子指数法和内梅罗综合指数法)、地积累指数评价法、潜在生态风险评价法、灰色聚类模型、污染负荷指数法、人工神经网络模型评价法等。

本文对目前应用农田土壤重金属评价比较广泛的方法进行了总结和比较，指出了各种方法的优缺点，为科学评价土壤重金属污染提供参考，从而获得更加科学准确的评价方法。

1 土壤重金属评价方法

1.1 因子指数评价法

1.1.1 单因子污染指数法

单因子污染指数法是国内重金属污染评价通用的一种方法，是以土壤元素背景值为标准来评价重金属累积污染的程度，指数越大表明土壤重金属累积污染程度越高[3]。该方法计算公式简单，但是存在一定的局限性，只能分别反映每种重金属的污染程度，不能全面、综合地反映土壤的污染程度，仅适用于单一重金属污染区域的评价，该方法是其他环境质量综合评价的基础[4]。

1.1.2 内梅罗综合污染指数法

由于土壤不仅受一种重金属污染，而是被多种重金属同时污染，单因子污染指数法不能满足土壤污染程度的评价方法，应用综合污染指数法进行评价。内梅罗综合污染指数法是当前国内外进行综合污染指数计算最常用的方法之一，是一种兼顾单元素极值或突出最大值的计权型多因子环境质量指数[5]。张玉莲等以郑州市为例对土壤重金属污染进行评价，利用对内梅罗指数进行加权平均修正，得出不同区域的重金属污染程度[6]。杨玉等以湖南猕猴桃主产区土壤为研究对象，采用内梅罗综合污染指数法对全省土壤重金属污染状况进行了初步评价，研究的54个猕猴桃果园取样点中有 68.5%的果园综合污染指数小于1，达到无公害果园标准[7]。但是内梅罗综合污染指数法也存在一定的缺点，即没有考虑到土壤中各种污染物对作物毒害作用的差别，只是简单地反映污染的程度，对于污染的质变特征则难于反映出来[4]。

1.2 地积累指数法

地积累指数法(Geoaccumulation Index)是由德国海德堡大学沉积物研究所的科学家Muller 于 1969 年提出的，用于定量评价沉积物中重金属的污染程度[8]。该方法不仅考虑了自然地质过程对土壤背景值的影响，而且充分考虑了人为活动对重金属污染的影响，因此，该指数不仅能有效地反映出重金属分布的自然变化特征，还可以从人为活动对环境的影响角度方面做出判别，对于重金属污染级别的判定给出了直观的判断标准[9]。陈增文基于地理信息系统软件，采用地积累指数法对福建省土壤重金属 (As、Cd、Cr、Cu、Hg、Ni、Pb、Zn) 污染程度进行了研究，结果表明污染强弱为:Cd > Pb > Hg > As > Zn > Cr > Ni > Cu，总体上累积污染主要处于0～3级[10]。但是，地积累指数判断重金属的污染程度也存在一定的局限性，选择的不同的参比值会对最终的计算结果造成较大的差异[12]，对于广域土壤的研究并不能单纯利用区域背景值的平均值作为评价参比值，应充分考虑到各因子的不同污染贡献以及地理空间差异等因素对计算结果的影响[11，13]。

1.3 潜在生态风险评价法

潜在生态风险评价法是瑞典学者 Hakanson于1980年建立的一套评价重金属污染及生态危害的方法[14]。该方法不但考虑了土壤重金属含量，而且还引入了毒性响应系数，将重金属的环境效应、生态效应与毒理学联系起来，综合考虑了重金属的毒性在土壤中迁移转化的规律，体现了生物有效性的特点，同时结合了区域背景值，弱化了区域差异的影响，以定量的方法划分出重金属潜在危害的程度，综合反映出重金属对生态环境的影响，适合于大区域范围沉积物和土壤进行评价比较，是目前此类研究中应用较为广泛的一种[4，15]。

目前，很多研究者在土壤重金属污染物评价方面应用此方法来评价重金属的潜在生态危害。例如，江宏等采用潜在生态风险指数法对安徽省沿江某县农田土壤重金属进行了分析，研究区综合潜在生态风险指数介于83.83～6 987.87之间，平均值为 250.76，有 13.57%的采样点处于强或以上生态风险[16]；李雪等以琼北农田土壤为研究对象, 采用潜在生态危害指数法评价该地区农田重金属污染情况，结果表明3类农田土壤重金属的潜在风险系数小于40，为轻微生态危害，其中重金属 Ni、Hg和Co的累积水平较高[17]。

1.4 灰色聚类法

灰色聚类法是在模糊数学方法的基础上发展而来，由于土壤环境是一个复合体，其质量同时受到多种因素的影响，不同重金属元素之间存在着错综复杂的联系[15]。我们试验测得的数据都是在有限的空间和时间内获得的，对于土壤污染情况不能具体充分地描述，有关学者提出灰色聚类法以来[18]，在土壤环境质量评价方面得到广泛的应用。其方法主要是利用已知的白信息，使灰色系统白化，通过引入灰色理论的白化函数，按照灰类进行归纳，得出聚类对象属于哪类污染，有效地判断出污染物和污染级别的关系，聚类系数值越大表明土壤受污染的程度越高[19-20]。郭绍英等用改进的灰色聚类法评价马鞍山重点矿区土壤重金属污染情况，结果表明Hg、Cu、Cd 为该矿区土壤土壤的主要污染因子，相对于传统聚类法，改进灰色聚类法在分析判定污染物关联度方面更具优势，能综合反映出多种重金属的协同作用下，土壤环境质量受污染的情况，评价结果更为客观[21]。

1.5 污染负荷指数

污染负荷指数(Pollution load index,PLA)是由 Tomlinson于1980年提出的，由评价区域所包含的多种重金属成分共同构成。该方法不仅可以反映单一采样点的重金属污染程度，而且可以对某一区域的土壤污染状况进行综合评价，使重金属对土壤的污染情况在时间和空间上的变化趋势得以很好的呈现[23-24]。近年来该方法在土壤质量评价方面得到广泛的应用。游佐佳等对某厂区土壤采样检测，运用污染负荷指数评价重金属污染情况，结果表明，该厂区周边土壤17个点位中3个点位的PLI值处于2≤PLI<3，强污染程度点位占整体的17.6%,污染指数达到4.96，处于极强污染程度[22]。胡世玮等对杨凌地区19个蔬菜生产合作社土壤进行采样分析，采用污染负荷指数法评价，结果表明，4个采样点为强污染，其余15个为中等污染，区域PLI指数为1.61，区域污染总体评价为中等程度污染[23]。祝培甜等利用污染负荷指数法对江苏省某镇表层土壤重金属污染情况进行评价，结果显示73.69%的土壤样点无污染，轻度污染和中度污染的试样比例分别占25.26%和1.05%[24]。

1.6 人工神经网络模型评价法

土壤是具有空间变异性的混合体，试验时的采样点只能代表采样点本身的土壤状况，简单地利用采样数据进行计算，无法真实有效地评价区域土壤污染的分布情况[15]。人工神经网络(ANN) 是一种仿生机制数学模型，利用模仿动物神经连接节点分布式并行处理信息的行为原理，建立一种信息处理系统，能较好地映射监测点重金属含量与其空间位置和污染程度的非线性关系，完成对空间各点的土壤重金属含量进行预测、评价[25]。其中BP神经网络易操作、工作状态稳定、算法比较成熟，在对土壤重金属污染评价中得到了广泛的使用[26]。成功等以湖南株洲市区中西部为研究区域，研究了BP 神经网络在土壤重金属污染分析中的应用[27]。王鸿等以宜宾市翠屏区土壤为例，利用BP神经网络模型对耕地土壤重金属污染进行了评价，评价结果为 1 级、清洁，与当地的污染状况相符合[28]。对于一些地形复杂的研究区域，采样难度大，可利用神经网络模型的预测，降低采样成本，更好的评价区域土壤重金属的生态风险。

2 结语

土壤重金属污染评价是一项系统性工作，学科综合性较强。现有的各种评价方法，优缺点各不同，侧重点和适用范围也有所差异，各种评价方法都存在一定的局限性，到目前为止还没有一种被广泛认可的土壤重金属污染评价方法。因此，在实际评价过程中，应综合考虑该区域土壤重金属的污染种类及含量、当地土壤背景值、评价的目的、生物有效性等多方面的影响因素，选择适当的评价方法，为使评价结果更加全面反映土壤质量状况，有时需要综合运用多种方法进行综合评价[15，19]。

[1] 倪才英,陈英旭,骆永明,等.紫云英(Astragalus siniucus L)对重金属胁迫的响应[J].中国环境科学,2003,23(5):503-508.

[2] 倪才英.海州香蕉和紫云英对铜胁迫的响应及根际活化机制[D].浙江:浙江大学,2004.

[3] 郑国璋.农业土壤重金属污染研究的理论与实践[M].北京:中国环境科学出版社,2007:101-104.

[4] 范拴喜,甘卓亭,李美娟,等.土壤重金属污染评价方法进展[J].中国农学通报,2010,26(17):310-315.

[5] 张江华,赵阿宁,王仲复,等.内梅罗指数和地质累积指数在土壤重金属评价中的差异探讨[J].环保与分析,2010,8(31):43-46.

[6] 张玉莲,闫天增.内梅罗指数法在土壤重金属污染评价中的应用[J]. 河南教育学院学报(自然科学版),2012,21(2):35-39.

[7] 杨 玉,童雄才,王仁才，等.湖南猕猴桃园土壤重金属含量分析及污染评价[J].农业现代化研究,2012,38(6):1097-1105.

[8] Müller G. Index of geoaccumulation in sediments of the rhine river[J].Geojournal,1969,2:108-118.

[9] 胡绵好.应用地质累积指数评价南昌市城市污泥重金属污染[J].广东微量元素科学,2010,17(3):27-31.

[10] 陈增文.福建土壤重金属地积累污染特征及潜在生态危害评价[J]. 亚热带资源与环境学报,2016,11(4):37-45.

[11] 张继舟，吕 品，王立民，等．大兴安岭森林土壤重金属含量空间变异与污染评价[J]．生态学杂志，2015，34(3):810-819．

[12] Loska K，Wiechula D，Korus I．Metal contamination of farming soils affected by industry [J]．Environment International，2004，30:159-165．

[13] 易 秀,谷晓静,侯燕卿,等.陕西省泾惠渠灌区土壤重金属地质累积指数评价[J].地球科学与环境学报,2010,32(3):288-291.

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

[15] 郭笑笑,刘丛强,朱兆洲,等.土壤重金属评价方法[J].生态学杂志,2011,30(5):889-896.

[16] 江 宏,马友华,尹国庆，等.安徽省某县农田土壤重金属污染及潜在生态风险评价[J].农业资源与环境学报,2017,34(4):352-359.

[17] 李 雪,李佳桐，孙宏飞，等.琼北农田土壤重金属水平及潜在生态风险[J].农业环境科学学报,2017,3611:2248-2256.

[18] 邓聚龙.灰色系统[M].国防工业出版社.

[19] 马剑宇,赵佐平,闵锁田.不同土壤重金属污染评价方法对比研究[J].现代农业科技,2016,(13):223-225.

[20] 孟宪林，沈 晋，周 定．改性灰色聚类法在土壤重金属污染评价中的应用[J]．哈尔滨工业大学学报，1994，26(6):134-138．

[21] 郭绍英,林 皓,谢 妤,等.基于改进灰色聚类法的矿区土壤重金属污染评价[J].环境工程,2017,35(10):146-150.

[22] 游佐佳,孟勤宪,曾前勇,等.土壤风险评价及空间分布的研究[J].中国环保产业,2018(1):52-56.

[23] 胡世玮,杨静,谢伟强,等.杨凌蔬菜产地土壤重金属污染风险评价[J]. 西北农业学报,2015,24(8):175-180.

[24] 祝培甜,赵中秋,等.江苏省某镇土壤重金属污染评价[J].环境工程学报,2017,11(4):2535-2541.

[25] 陈晓燕,范成五,瞿 飞,等.土壤重金属污染评价方法概述[J].浙江农业科学,2017,58(10):1801-1810.

[26] 秦夕淳,袁 琦,周宝宣.基于神经网络的土壤重金属预测模型研究[J].资源与环境科学,2016(19):178-180.

[27] 成 功,李嘉璇,戴之秀.BP 神经网络在土壤重金属污染分析中的应用[J].地质学刊,2017,41(3):394-400.

[28] 王 鸿,段晓明,等.基于BP神经网络的耕地土壤重金属污染评价——以宜宾市翠屏区土壤重金属污染评价为例[J].资源与环境科学,2016(13):223-225.