土壤镉污染北方小麦生产阈值及产区划分初探

管伟豆，肖然，李荣华*，刘翔宇，潘君廷，黄永春，张增强，郭堤

（1.西北农林科技大学资源环境学院，陕西 杨凌 712100；2.中国农业科学院农业资源与农业区划研究所农业农村部面源污染控制重点实验室，北京 100081；3.农业农村部环境保护科研监测所农产品质量安全环境因子控制重点实验室，天津 300191）

2014 年发布的《全国土壤污染状况调查公报》显示，我国19%的耕地土壤受到污染，以Cd为首要污染物，其污染点位超标率为7%[1]。Cd 是一种具有较强生物毒性和环境迁移能力的重金属污染物，可通过其在污染土壤-农作物-食物链中的迁移和累积最终危害人体和生态健康[2]。据统计，受限于农田土壤污染，我国每年粮食减产量和重金属污染粮食量合计超过2 000万t，严重地影响了粮食供给。小麦是我国仅次于水稻和玉米的主要粮食作物，在粮食生产中具有重要地位，但近年我国一些小麦主产区的重金属污染问题较为普遍。例如，王怡雯等[3]对河北保定和河南新乡的50块麦田进行的调查监测表明，土壤Cd 和Pb的超标率分别为52%和13%，其对应小麦籽粒Cd 和Pb 的超标率分别高达55%和100%。赵多勇等[4]发现某铅锌冶炼和电厂工业园区周边农田的90 份小麦样品中小麦籽粒Cd 和Pb 的超标率分别高达34.3%和68.6%。肖冰等[5]则指出华北某污灌区农田土壤Cd和Pb 点位超标率分别高达100%和36.7%，小麦籽粒中Cd 和Pb 含量超标率分别为76.7%和13.3%。以上信息表明，关注粮食重金属污染问题，实施土壤污染防控，保障粮食安全生产，已成为当前我国亟须解决的关键问题之一。

目前有关农田土壤和作物重金属的污染特征调查和健康风险评价、影响作物吸收污染物的环境因素探讨及污染农田修复技术措施等方面的研究较多。诸多研究表明，由于在农田生态系统中，农作物对重金属吸收和累积过程受限于土壤污染水平、污染物来源和赋存形态、土壤理化性质、农作物品种、种植结构、田间管理水平及气候条件等诸多因素[6]，运用我国现行的土壤环境质量标准进行土壤污染特征调查与农业安全生产评价时，会出现“土壤重金属超标而农产品不超标”或者“农产品重金属超标但土壤不超标”的情况。为保障农产品质量安全，仍需探究土壤-作物系统中重金属含量间的定量关系，并探明可保证农田重金属污染区典型农作物安全生产的阈值。近年来，已有不同学者采用温室短期盆栽试验方法，对土壤-作物系统中重金属含量间的定量关系进行了研究。Ding等[7]利用温室盆栽试验探究模拟Pb、Cd和Cr 污染土壤中萝卜、胡萝卜和土豆等作物的安全生产阈值时发现，土壤pH 和阳离子交换量（CEC）与作物Pb 吸收量间显著相关，土壤pH 和有机质（SOM）含量与作物Cd 吸收量间显著相关[8-9]，作物中Cr 的吸收量则与土壤pH 和Cr 总量及锰氧化物含量之间存在显著相关[10]。刘克[11]通过盆栽试验研究了模拟Pb和Cd 污染土壤中影响小麦籽粒Pb 和Cd 富集的环境因素，并指出在诸多的影响因素中，土壤pH 和SOM是影响小麦籽粒富集Pb 和Cd 的关键因子。而廖启林等[12]则在田间试验中发现，稻米Cd 含量与土壤Cd含量、pH、SOM 和CEC 均显著相关。由此可见，虽然采用短期盆栽或田间小区试验可以较好地认识土壤-作物系统中重金属含量间的定量关系，但由于温室盆栽试验和田间试验在试验条件上存在较大的时空差异，常导致获得的试验结果不一致的情况。在长期田间试验条件下，外源添加的重金属生物有效性会随着时间的增加而降低，仅依据短期盆栽试验获得的土壤-作物系统中重金属含量关系与田间实际结果常存在较大差异[13]。例如，王怡雯等[3]在冬小麦的田间试验中获得的预测结果低于张振红等[14]报道的盆栽试验结果，这说明与长期田间试验相比，短期盆栽试验往往会高估土壤重金属的生物有效性。因此，为科学指导田间粮食生产，需要在田间试验条件下探讨土壤理化性质和重金属含量对作物吸收重金属的影响及其长期效应下的定量关系，并基于相关食品标准建立作物安全生产阈值预测模型，针对性地按土壤污染程度将农用地类别划分和分类管理[15]，以保障农产品质量的安全并推进《土壤污染防治行动计划》。

由于作物对重金属的吸收与土壤类型、土壤性质、污染成因、作物种类、水肥管理和气候条件等多方面因素有关[6]，一些学者提出采用能在结构复杂的生态系统中通过概率或者经验分布函数来描述不同影响因素的敏感度差异的物种敏感度分布曲线法（Species sensitivity distribution，SSD），来进行污染土壤理化性质、污染物含量对作物吸收的影响因素分析和污染物的环境基准值建立[7-11，15-16]。例如，程菁靓等[15]运用SSD 曲线法推导了长江中下游平原水稻种植的土壤Pb 阈值并进行了水稻“宜产、限产和禁产”区划分；王小庆等[16]用SSD 曲线法成功推导了土壤中Ni 的生态阈值。但目前基于田间试验，对于我国北方的小麦安全生产阈值的研究尚较缺乏。此外，在科学研究中采用文献调研方法，从已有文献中获取的数据可能存在因批次误差或试验方法不同导致的系统误差，难以避免地会影响数据分析结果的实际应用价值，并且当前有关采用大尺度取样分析研究法对我国北方小麦安全生产阈值的研究也少有报道。因此，本研究采用大尺度取样分析研究方法，选择我国北方多个小麦主产地为研究对象，于不同Cd 污染程度的农田中点对点收集土壤和小麦样品，在分析土壤pH、SOM、CEC、土壤黏粒和土壤Cd 含量及对应点小麦籽粒Cd 含量的基础上，结合多元回归分析和SSD 曲线法建立阈值预测模型，并通过Logistic 函数模型探究不同土壤理化性质条件下小麦籽粒Cd富集系数的变化规律，进而基于《食品安全国家标准食品中污染物限量》标准（GB 2762—2017）推导并划分了我国北方小麦的宜产、限产和禁产区土壤Cd含量阈值，以期为指导Cd污染农田的小麦安全生产提供科学依据。

1 材料与方法

1.1 土壤及小麦样品采集

研究小组于2018年5月至2019年9月间，自新疆维吾尔自治区塔里木市、陕西省西安市、咸阳市、渭南市和宝鸡市、河南省新乡市、山东省济南市、北京市昌平区和天津市塘沽区等中国北方典型小麦产区内不同程度Cd污染农田采集了小麦和对应点的土壤样品共147对，其中样品具体分布为新疆维吾尔自治区13对，陕西省 57 对，河南省 23 对，山东省 19 对，北京市19 对，天津市16 对。采样根据地形情况，采用“S”形或梅花形布点法采集样品，每个样品不低于5 个样点，将样品混匀后置于塑封袋以避免其他污染，土壤采样深度为0～20 cm，混合土样约2.5 kg。每个土壤样点对应一个小麦样品组成的混合小麦样品，按照土壤与小麦对应的原则进行采集和编号，并将小麦样品置入网状编织袋。

1.2 样品处理和分析

土壤样品经自然风干、木棒压碎后，挑去碎石、砂砾和植物残体，然后用木棒反复碾压，使其通过1 mm孔径的尼龙筛并储存。同时，用四分法取出一部分混匀的土壤继续反复碾压至全部通过0.149 mm 孔径的尼龙筛，并于干燥环境中保存。将小麦穗分别用自来水和去离子水各冲洗3 次，装入信封并置于105 ℃烘箱内30 min，然后于70 ℃烘干至恒质量，小麦脱壳后将籽粒粉碎至粒径小于0.149 mm备用。

采用玻璃电极法测定土壤pH（土水比为1∶2.5）。SOM测定采用重铬酸钾外加热法，CEC和土壤黏粒含量的测定方法参考NY/T 295—1995 和《土壤农化分析》推荐方法。样品经HNO3-HCl（体积比为1∶3）消解后，分别用日立Z-5000型石墨炉-原子吸收光谱仪和安捷伦7900 型电感耦合等离子体质谱仪测定土壤和小麦籽粒中的Cd 总量。在测定过程中，分别用GBW07406（GSS-6）和 GBW10046（GSB-24）标准样品进行分析质量控制，每测定20 个样品插入一组内标，标准样品中Cd 的回收率为92%～109%。所有测定样品均设置3 个重复，用于消解及分析的试剂均为优级纯试剂。

1.3 模型方法

1.3.1 Cd富集系数的计算与归一化处理

富集系数（BCF）是农作物积累重金属的重要指标，可以解释为农作物对重金属离子的吸收和富集能力。它可以确定作物中重金属的含量，在土壤风险评估方面可用于模拟计算人类食用作物的安全量。小麦籽粒 Cd 的 BCF 的计算公式为：BCF=C小麦/C土壤×100%。其中，C小麦和C土壤分别为小麦籽粒和土壤Cd总量，mg·kg-1。

对BCF 值和土壤pH、SOM、CEC 和黏粒（Clay）含量等指标进行相关性分析，筛选出与BCF值具有显著相关（P＜0.05）的土壤指标，通过多元线性回归法建立特定土壤性质条件下BCF 值与相关土壤性质指标的归一化方程，以消除土壤理化性质差异带来的影响。所用归一化方程为：

lg BCF=a×pH+b×lg SOM+c×lg CEC+d×lg Clay+k式中：a、b、c和d分别为土壤pH、SOM、CEC 和黏粒等指标的影响程度系数（无量纲）；k为方程截距，为小麦品种对Cd积累的固有敏感性。

数据归一化处理参考《生态安全土壤环境基准制定技术指南》推荐的方法：

式中：BCF标准为土壤标准条件下的BCF 值，即归一化至标准条件后的值；pH为标准土壤条件下的值；BCF、pH1以及土壤性质1为试验土壤条件下的实测值。

1.3.2 SSD曲线拟合及Cd阈值推导

阈值预测模型建立方法参考《生态安全土壤环境基准制定技术指南》。在数据拟合分析时，分别采用SSD 外推法中推荐使用的 Burr-Ⅲ、Log-triangular 以及Logistic 等模型[16]，将研究获得的数据进行了拟合，结果发现Burr-Ⅲ和Log-triangular模型的拟合效果较差，而Logistic 函数模型具有较好的拟合结果。因此，将1/BCF 作为x轴，对数据点进行参数拟合即可得到SSD 曲线，采用Logistic 函数对研究中的富集系数BCF和累积概率进行拟合和阈值计算推导，方程为：

式中：y表示累积概率，%；x表示1/BCF；a、b和x0均为函数参数。

1.4 数据处理方法

使用Excel 2019 和SPSS 22.0 对收集的数据进行处理和统计分析，数据采用Pearson相关性分析，在P＜0.05 和P＜0.01 的水平下进行显著性检验，使用Origin 2016软件绘图并进行数据拟合。

2 结果与讨论

2.1 土壤基本理化性质、Cd 含量与小麦籽粒Cd 含量特征

本研究所采集的147对土壤样品的理化性质、Cd含量与对应的小麦籽粒Cd 含量的统计见表1。土壤pH 值是反映土壤理化性质最重要的指标之一，它通过影响Cd 的形态从而改变Cd 在植物中的积累[6]。由表1可知，所采集的土壤样品pH 值介于5.27～8.46，平均值为7.38，中位数为7.32，95%的土壤样品属于中性和碱性土壤，这符合北方土壤的pH特性。此外，土壤SOM、CEC和黏粒含量同样会影响重金属的迁移能力和植物对其吸收累积[6，17-18]。本研究中土壤样品的有机质含量范围为8.72～44.65 g·kg-1，平均值和中位数分别为18.57 g·kg-1和17.64 g·kg-1。根据《耕地质量等级》（GB/T 33469—2016）中的土壤有机质分类标准，所采集的大部分土壤样品属于Ⅲ级土壤，适宜进行农业种植活动。土壤CEC 的范围为10.03～28.47 cmol·kg-1，平均值和中位数较为接近，分别为15.24 cmol·kg-1和 14.55 cmol·kg-1；土壤粒径＜0.002 mm 的黏粒含量分布从11.01%到29.74%不等，平均值和中位数分别为19.97%和17.34%，整体属于较高水平。此外，土壤样品中的Cd含量基本呈正态分布，含量范围在0.03～2.08 mg·kg-1，超标率95.1%，Cd含量平均值和中位数值分别为 0.87 mg·kg-1和1.26 mg·kg-1，超过《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618—2018）规定的中性和碱性土壤污染风险筛选值2～6 倍。小麦籽粒中Cd 的最大含量为0.25 mg·kg-1，平均值为0.14 mg·kg-1，有47.6%的小麦籽粒Cd 含量超过了《食品安全国家标准食品中污染物限量》（GB 2762—2017）规定的限值（0.10 mg·kg-1），超标率较高，表明存在安全风险。

2.2 小麦籽粒Cd含量与土壤Cd含量及土壤性质的相关关系

小麦籽粒Cd含量与土壤Cd含量间的关系如图1所示。本研究中，小麦籽粒Cd 的含量与相对应土壤中的Cd 含量呈显著的正相关关系（P＜0.05），决定系数R2=0.53（n=147）。这一研究结果和其他学者的报道结果基本一致。例如，Ding 等[8]在盆栽试验中发现土壤-胡萝卜Cd 含量之间也存在显著相关性（P＜0.001），决定系数R2=0.32（n=63）；熊孜等[13]指出田间试验中土壤-小麦籽粒Cd 含量间存在显著的线性相关关系，相关系数高达0.61；王怡雯等[3]在田间试验中观察到土壤Cd 含量与小麦籽粒Cd 含量间存在显著相关性（P＜0.01），决定系数R2=0.44（n=50）；徐建明等[19]也指出田间试验中土壤-稻米Cd 含量间同样存在显著相关性。这些结果均表明，土壤Cd 含量较高的农田具有相对较高的作物污染风险，因此对Cd 污染农业土壤实施分类管理和利用，是保障粮食安全生产的重要举措。

表1 采集的土壤样品pH、SOM、CEC、黏粒和Cd含量及对应小麦籽粒Cd含量特征（n=147）Table 1 Statistics of soil pH，SOM，CEC，clay，and Cd contents in soil and related Cd content in wheat grains（n=147）

除土壤中Cd 的总量外，Cd 从土壤向植物的转移和累积过程也取决于土壤理化性质的影响[3，20]。本研究中，Cd 在小麦籽粒中的累积用富集系数BCF 来表示，其与对应的土壤性质间的相关性分析结果见表2。

表2 小麦籽粒Cd富集系数（BCF）与土壤性质的相关性分析Table 2 Correlation analysis of Cd bio-concentration factor between wheat grain and soil physicochemical properties

由表2 可知，土壤pH、SOM 和土壤黏粒含量均与BCF 具有良好的相关性。其中，土壤pH 和黏粒含量均与BCF 呈显著负相关关系，这是由于Cd 在较高pH条件下形成沉淀从而降低其环境迁移性[21]，同时土壤黏粒也会通过吸附作用减少Cd 的环境迁移性[18]。而SOM 则与BCF 呈显著正相关（P＜0.05），相关系数为0.14，这是因为土壤中的部分溶解性有机质可与Cd形成络合物从而增加土壤中Cd 的迁移性和有效性[20]。此外，本研究结果也与前人的报道结果相似，即土壤CEC 与BCF 无显著相关关系（P＞0.05），例如，王怡雯等[3]对河北保定和河南新乡等多个乡镇的50块不同程度Cd 污染小麦田块的点对点样品分析、王梦梦等[22]对我国中南地区某14个乡镇的60块不同程度Cd 污染稻田的点对点样品分析、李朋飞等[23]进行的安徽沿淮粮产区小麦与土壤重金属含量特征及影响因素分析及汤丽玲[20]在南京、扬州和苏州等地的近郊农业种植区采集的土壤和小麦及水稻点对点样品分析均表明，土壤CEC 与作物籽粒Cd 含量间不存在显著相关性。虽然从土壤化学的角度来看，随着土壤CEC的增大，土壤中负电荷量的增高能提供更多的吸附点位用于固定Cd 离子，同时有机质也会与Cd 离子通过络合反应降低重金属离子的迁移性和生物有效性[3]。当土壤Cd含量偏高时，土壤CEC的增加会对作物吸收Cd 产生明显制约作用，但当土壤Cd 含量偏低时，CEC 的增加则基本不对作物吸收Cd 产生影响[12]。此外，随着土壤pH 的升高，会降低H+对吸附点位的竞争，较强的碱性环境会促使Cd 形成难溶沉淀而持留于土壤颗粒中，土壤pH 会转变为影响Cd生物有效性的主要因素之一[3，20]。这些研究报道均表明，在预测Cd 污染区的作物Cd 含量时必须重点考虑土壤pH、SOM和土壤黏粒含量等主要因素的影响[3，20]。

2.3 模型建立与数据归一化处理

基于上述小麦籽粒Cd 富集系数与土壤理化性质的相关性分析结果，将数据进行对数变化后，利用多元逐步线性回归建立土壤pH、SOM 和土壤黏粒含量与小麦BCF 的回归模型：lg BCF=-0.097 pH+0.11 lg SOM+1.2 lg Clay+0.81（R2=0.54，P＜0.05，n=147）。由该回归模型可知，土壤pH、SOM 和土壤黏粒含量与小麦BCF 间存在显著的相关关系（P＜0.05），R2值为0.54，比前人报道的结果[9，11]稍低。其原因可能是本研究的土壤和小麦样品采集于小麦自然种植的农田环境，与通过人工添加含有Cd 的化学物质得到的模拟污染土壤盆栽试验相比，田间的气候条件和土壤类型等环境因素相比而言更为复杂[24]。本研究的土壤pH、SOM和土壤黏粒含量3个变量可以解释小麦籽粒Cd富集系数54%的变异，可靠度较高。

通常，BCF 随土壤类型而变化，反映土壤特征和物种固有的敏感性[25]。在使用SSD 曲线法拟合不同生态受体或生态过程的毒性效应参数前，应将同一物种或品种在不同土壤条件下的生态毒性效应参数归一化为均匀的土壤性质，实现BCF 的标准化，以最大程度地减少由不同类型土壤和不同作物品种引起的误差，这对于生态阈值的预测至关重要[26]。为此，进一步将上述回归模型进行归一化处理，得到小麦BCF归一化后的结果：BCF=10（-0.097pH+0.11lgSOM+1.2lgClay+0.81）；同时，依据《食品安全国家标准食品中污染物限量》（GB 2762—2017）中规定的小麦籽粒Cd 最大限量0.1 mg·kg-1，得 到 反 推 土 壤 Cd 含 量 的 方 程 ：C土壤Cd=10（0.097pH-0.11lgSOM-1.2lgClay-1.81），即可得到基于不同土壤理化性质情景下的土壤Cd含量阈值。考虑到本研究中土壤样品的pH、SOM 和黏粒含量范围，参考《生态安全土壤环境基准制定技术指南》，结合本研究中土壤样品实际的pH分布和中国土壤pH等级划分，确定我国北方农田的3 种包含土壤pH、SOM 和黏粒含量等在内的典型情景（表3），设定情景1为6.5＜pH≤7.5（以pH=7 为例计算）、SOM=15 g·kg-1、土壤黏粒含量20%；情景 2 为 7.5＜pH＜8.5（以 pH=7.5 为例计算）、SOM=30 g·kg-1、土壤黏粒含量20%；情景3 为pH≥8.5（以pH=8.5为例计算）、SOM=20 g·kg-1、土壤黏粒含量20%，用于数据的归一化处理。将归一化前的小麦BCF值与归一化后的BCF值按照由大到小排列，并随机将以情景1 为例的结果示于图2。由图2 可见，归一化处理后小麦BCF值大部分高于处理前，因此将归一化后的小麦BCF 值用于SSD 曲线法计算小麦的安全生产阈值将会更大程度地保护小麦安全生产。

2.4 SSD曲线法拟合与小麦生产区划分

本研究基于上述小麦籽粒的Cd 富集数据，将BCF值换算至上述3种不同情景，利用Logistic函数模型拟合SSD 曲线。将3 种情景下1/BCF 的计算结果按照从小到大进行排列作为横坐标；同时，按照排列结果设定相应序数来计算累积频率，累积频率的计算公式为：P=100×Q/（N+1）。式中：P为累积频率，%；Q为 BCF 从小到大排序对应的序数；N为总样本量，本研究中为147。然后，将计算得出的累积频率作为纵坐标，利用Logistic 函数模型进行拟合并绘图，见图3～图4。

表3 我国北方小麦主产区土壤的典型情景设定Table 3 Typical situations of soil in the wheat production area of northern China

图3 为不同小麦品种对Cd 积累的敏感性分布。5 个小麦品种对Cd 积累均表现出敏感变化，西农979表现最为敏感，普冰151 敏感度较低。比较图4 所示的小麦籽粒Cd 敏感度曲线变化可知，在3 种情景下归一化后的曲线平缓度不同，说明在不同土壤pH、SOM 和黏粒含量条件下，小麦对于Cd 的富集能力不同。但3 种情景下归一化后的曲线走势和1/BCF 的点位基本相同，且大多数的1/BCF 点位在曲线的中下部，代表该部分的小麦对于Cd的富集能力较强，容易造成小麦籽粒Cd含量超标的情况。

为计算小麦安全生产阈值，参考前人[17，26]的研究结果，利用Logistic 函数模型分别计算可使95%和5%的小麦符合《食品安全国家标准食品中污染物限量》（GB 2762—2017）规定的Cd 含量限值标准（＜0.1 mg·kg-1）所对应的 Cd 危险浓度（HC），分别用 HC5 和HC95表示，其中HC5代表可保护95%小麦安全的Cd浓度，HC95 代表可保护5%小麦安全的Cd 浓度。同时，将Cd 含量＜HC5 的地区划分为小麦宜产区，代表可以用于大部分的小麦生产，能保证95%的小麦籽粒 Cd 含量不超标；将 HC5＜Cd 含量＜HC95 的区域划分为小麦限产区，表示此区域必须进行严格管控并实行修复措施后才可尝试小麦种植；将Cd含量＞HC5的区域划为小麦禁产区，由于该区域有95%的小麦具有Cd 超标的风险，因此建议改种不易富集Cd 的作物、改变耕作模式或实行替代经济作物种植。据此，得到不同设定情景下的保护小麦安全生产的土壤Cd阈值，并列于表4。由表4 可知，当土壤条件为6.5＜pH≤7.5、SOM 15 g·kg-1、土壤黏粒含量20%（情景 1）时，小麦宜产区的安全生产阈值为土壤Cd 含量＜0.33 mg·kg-1，小麦禁产区的阈值为土壤Cd 含量＞1.93 mg·kg-1；当土壤中Cd的含量在0.33～1.93 mg·kg-1时，可认为土壤处于小麦限产区域，需要在有控制的条件下开展小麦生产，如进行Cd 低累积小麦作物品种筛选或实施土壤修复措施后再尝试小麦种植等。同理，当土壤属于情景2时，土壤Cd含量＜0.41 mg·kg-1的区域可划分为小麦宜产区；土壤Cd 含量＞2.51 mg·kg-1的区域划分为小麦禁产区，土壤Cd 含量在0.41～2.51 mg·kg-1划分为小麦限产区。情景3 同理。将上述土壤Cd 阈值与我国现行的《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618—2018）比较可知，当土壤条件处于情景1、情景2 和情景3 时，预测得到的小麦宜产区的安全生产阈值分别为0.33、0.41 mg·kg-1和0.64 mg·kg-1，均稍高于同等pH条件下GB 15618—2018 规定的其他类农用地土壤风险筛选值Cd 含量0.3、0.3 mg·kg-1和0.6 mg·kg-1，小麦禁产区的阈值为1.93、2.51、2.61 mg·kg-1，均低于农用地标准中风险管制值3.0 mg·kg-（16.5＜pH≤7.5）和4.0 mg·kg-1（pH＞7.5）。这表明在宜产阈值方面标准GB 15618—2018 的规定可能稍显严格，在禁产阈值方面可能要根据实际中可遵循土壤情况划分更多不同情景的土壤Cd 安全生产阈值，以在保证粮食安全生产的同时充分利用珍贵的土地资源。

表4 基于Logistic模型计算不同情景下的保护性小麦生产土壤Cd阈值（mg·kg-1）Table 4 Cd ecological threshold value of soil for protecting wheat production under different situations based on Logistic model fitting（mg·kg-1）

为了对上述研究结果进行验证，进行了大量的文献查阅分析，发现文献数据缺乏全面的针对性指标，且绝大部分文献缺乏与小麦相对应的土壤黏粒含量或有机质含量等指标数据，导致难以采用文献报道数据对本研究获得模型进行验证。为此，利用预测模型对本试验中的数据进行了验证分析，结果如图5 所示。例如，在土壤pH 6.5～7.5条件下，在147对点对点的土壤-小麦样品中，共有14 对土壤样品的Cd 小于0.33 mg·kg-1，与之对应的小麦籽粒 Cd 含量均≤0.1 mg·kg-1，表明在此阈值下可保护小麦的安全生产；同样，土壤样品的Cd含量为0.33～1.93 mg·kg-1的样品共有129 对，其中有77 对样品所对应的小麦籽粒Cd 超过了国家标准限值0.1 mg·kg-1，超标率为59.7%，采取改变耕种模式或种植部分累积性较低的小麦品种等措施仍可控制在安全范围之内。由此可见，本研究的安全生产阈值划分在实际生产中具有较好的适用性。在后续研究中，将对应用SSD 法划分小麦产区土壤Cd 污染安全生产阈值的合理性进行更为深入的研究，并征求管理部门及相关领域权威专家的意见和建议，以促进我国农用地的分类利用工作。

3 结论

（1）田间采样区土壤pH 以中性和偏碱性为主，SOM 含量与土壤黏粒（Clay）含量平均值均较高。土壤Cd 含量平均值高于《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618—2018）中风险筛选值的规定，超标率为95.1%；小麦籽粒Cd 含量平均值高于《食品安全国家标准食品中污染物限量》（GB 2762—2017）的规定，超标率为47.6%。

（2）田间采样区土壤pH、SOM 和黏粒含量与小麦籽粒Cd 富集系数间均存在显著相关性，多元逐步线性回归结果可解释小麦籽粒Cd 累积系数54%的变异。

（3）相关的Logistic 模型拟合结果表明小麦品种西农979 表现最为敏感，普冰151 敏感度较低。北方小麦产区的土壤在6.5≤pH＜7.5（SOM=15 g·kg-1，Clay=20%）、7.5≤pH＜8.5（SOM=30 g·kg-1，Clay=20%）和pH≥8.5（SOM=20 g·kg-1，Clay=20%）的情况下，土壤Cd 含量≤0.33、0.41 mg·kg-1和0.64 mg·kg-1时，该值可作为小麦的宜产阈值并且此区域划分为小麦宜产区；土壤Cd 含量＞1.93、2.51 mg·kg-1和 2.61 mg·kg-1时，该值可作为小麦的禁产阈值并且此区域划分为小麦禁产区；土壤Cd含量在宜产阈值和禁产阈值之间的区域可划分为小麦限产区。