真藓对碳酸盐型锰矿区重金属污染的指示意义

2022-07-06张朝晖吴启美

中国环境监测 2022年3期

徐盛，张朝晖，吴启美，吴金

1.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.凯里实验高级中学，贵州凯里 556000

中国的锰矿资源以碳酸盐型锰矿为主，锰矿物与其他重金属元素的伴生矿物互锁成簇，难以分离[1-2]。因此，锰矿开采会对地下水及居民生活环境造成复合污染，监测锰矿的重金属污染显得尤为重要[3-5]。生物监测广泛用于指示或监控环境污染，有时比理化监测更有效，但矿山污染严重，植被匮乏，可供选择的生物材料有限。不同于其他高等植物，苔藓植物是由水生向陆生过渡的生物类群，是陆地环境的开拓者之一，在矿山环境中有较为广泛的分布[6]。它们无蜡质角质层、体表面积比高、叶片由单层或少数几层细胞构成，生理构造相对简单，对重金属的敏感程度约是种子植物的10倍，在过去至少40年间已被广泛用于土壤、水及大气污染的监测[7-10]。

真藓Bryumargenteum是丛集型苔藓植物，矮小丛生，持水能力强。作为石漠化治理的模式物种，真藓具有耐干旱、耐强光的特点，容易适应矿山干旱的环境[11-12]。陈肖鹏等通过研究贵州木油厂汞矿区苔藓植物与土壤重金属的关系得出，真藓能吸收甚至富集土壤Pb、Cd、Cu[13]。汪琛颖等发现，真藓能适应不同程度的Pb胁迫，且胁迫对自身叶绿素含量影响较小[14]。黄朝表等分析了浙江金华市郊苔藓植物体的重金属含量，结果表明真藓对Pb、Cu、Cd、Cr有较好的吸收能力，且其体内Mn、Zn、Pb、Cu、Cd、Cr的含量明显高于同地区的种子植物和蕨类植物[15]。以往利用真藓监测环境重金属污染的国内研究多集中于探讨其与土壤重金属的关系，鲜少探讨真藓解析污染源的能力。目前，类似矿山重金属污染的监测多采用苔藓群落或几种苔藓物种作为监测材料[16-18]，但不同的苔藓物种对重金属的吸收具有差异性，笔者仅使用真藓进行重金属污染监测更稳定和可靠。

遵义锰矿是贵州最早发现的锰矿床，也是中国具有工业价值的锰矿基地之一，南茶锰矿是近年来遵义锰矿床发现的又一中型隐伏锰矿，是遵义锰矿的代表[19-20]。笔者以该锰矿为研究对象，利用真藓对矿场内的重金属污染元素Mn、Fe、Zn、Cr、Cu、Ni、Mo、Ba、As、Pb、Cd、Sb、Tl、Co、Hg进行监测。结合野外调查与室内实验，通过探究真藓和土壤重金属的关系，拟揭示南茶锰矿重金属污染来源，探索苔藓植物用于锰矿重金属污染监测的价值，为相似矿质背景下的环境监测提供科学参考。

1 实验部分

1.1 研究区域概况

南茶锰矿(图1)地理位置为27°37′34.04″～27°37′37.62″N，106°55′48.30″～106°55′49.76″E，海拔为916～928 m，位于贵州省遵义市以南约12 km处，是铜锣井锰矿床黄土山脊剖面的一部分[21]。大地构造上位于贵州省中部的扬子准地台西面和台沟东北方[22]。从区域上看，位于铜锣井背斜的南延。南茶锰矿形成于晚二叠世期，为碳酸盐型锰矿为主的高铁低磷沉积酸性矿，其成因为热水沉积[23]。锰矿物多为菱锰矿，少量为方解石、锰方解石、锰白云石和少量锰氧化物。在中晚二叠世期，峨眉山地幔柱的活跃运动引发了一次大规模的玄武岩喷发，而玄武岩中富含铁、锰、铜、铅、锌、锑、砷、汞、金、银、氟、磷以及一些稀有元素和放射性元素，为南茶锰矿的形成提供了丰富的锰质来源[24]。

图1 研究区域示意图Fig.1 Location of study area

1.2 样品采集

经野外实地调查，南茶锰矿内的不同区域承载着不同的工厂职能，重金属污染水平可能不同。因此将矿井隧道周围区域划分为矿井区，尾矿及废石的堆积区为废石区，分解和筛选矿石的区域为选矿区，精炼矿石的堆积区为蓄矿区。在不同功能区内分别设置10个5 m×5 m的样点，样点间隔至少5 m，每个样点随机选取不同的真藓密集处，用10 cm×10 cm的样方框取2份真藓及其下2 cm的表层土壤。

每个功能区分别采集20份真藓和20份土壤，共计采集80份真藓和80份土壤，去除杂质后用样袋封装送往实验室分别测定重金属 (Fe、Mn、Cr、Cu、Zn、Tl、Sb、Co、Mo、Cd、Ni、Ba、As、Pb、Hg)含量。

1.3 样品处理

在蒸馏水中手动缓慢冲洗样品30 s，以避免真藓细胞内重金属成分流失[25-26]。将所有样品在60 ℃恒温条件下干燥48 h，之后磨细、过0.15 mm筛[27]。称取0.2 g真藓样本进行消解，消解管中加入5 mL硝酸。消解仪程序升温至60 ℃，加热回流1 h，再升温至90 ℃，加热回流1 h，冷却至室温，排出氮氧化物；用2%硝酸定容至50 mL待测。称取0.2 g土壤样本进行消解，向消解管中加入6 mL硝酸、3 mL氢氟酸和1 mL高氯酸。消解仪程序升温至100 ℃，加热回流1 h，再升温至140 ℃，赶酸至消解液残留0.5～1 mL；用2%硝酸定容至50 mL待测[28]。

使用AutoDigiBlock全自动消解仪(北京莱伯泰科仪器股份有限公司)和NexION 300X电感耦合等离子体质谱仪(美国铂金埃尔默公司)对真藓样本和土壤样本分别进行消解和重金属元素含量测定。所用试剂为硝酸(苏州晶瑞化学股份有限公司，68.0%～70.0%，UPS)，氢氟酸(苏州晶瑞化学股份有限公司，48.8%～49.2%，UPS)，高氯酸(国药集团化学试剂有限公司，70.0%～72.0%，GR)，氩气(纯度为99.99%)和超纯水。

1.4 统计分析

土壤污染评价方法采用内梅罗单因子污染指数法和综合污染指数法。

单因子污染指数：

(1)

综合污染指数：

(2)

式中：Ci为土壤中重金属i的实测质量浓度(mg/kg)；Si为重金属i的背景标准值(mg/kg)；(Ci/Si)max为土壤重金属中单因子污染指数的最大值；(Ci/Si)av为土壤重金属中单因子污染指数的平均值。研究中背景标准值采用贵州省A层土壤背景值[29]。

变异系数用于反映数据的空间变异性。

(3)

式中：CV<15%表示低等变异程度，15%≤CV≤35%表示中等变异程度，CV>35%表示高等变异程度，SD为真藓内重金属i的标准偏差，MN为真藓内重金属i的均值[30]。

数据的描述性统计分析、Pearson相关分析、k-means聚类分析、层次聚类分析、主成分分析、Wilcoxon秩和检验均在R语言(4.0.3版本)的相关工具包中完成，图表的绘制采用R语言和Excel 2016。k-means聚类分析和主成分分析排序图中，轴1和轴2分别代表第一和第二个主成分，轴特征值的百分数为对应主成分的方差贡献率，累积方差贡献率定义为第一和第二主成分的方差贡献率之和[31]。

2 结果分析

2.1 各功能区重金属污染水平

对表层土壤样本的重金属含量(Fe、Mn、Cr、Cu、Zn、Tl、Sb、Co、Mo、Cd、Ni、Ba、As、Pb、Hg)进行k-means聚类分析和内梅罗污染指数计算，如图2所示。

图2(a)中聚类结果表明将4个功能区的土壤样本分为3类最合适，第一类为矿井区和废石区样本，第二类为选矿区样本，第三类为蓄矿区样本。2个特征轴的累积方差贡献率为92.1%，聚类结果能反映大部分土壤重金属分布上的相似和差异性。

在图2(b)中，根据内梅罗综合污染指数的变化，可将各功能区按污染程度排序为矿井区<废石区<选矿区<蓄矿区。内梅罗单因子污染指数显示各重金属在不同功能区的污染程度不同，除Co、Hg外，其他重金属均造成不同程度的土壤污染(Pi≥1)，Fe、Mn、Zn、Cr、Ni、Cu、Ba、Mo、Cd在各功能区均属于重度污染且污染水平远高于Pb、Tl、As、Sb。在不同功能区，重金属的污染指数具有规律性变化，Fe、Mn、Zn、Cr、Ni、Cu、Ba、Mo在蓄矿区污染最重，选矿区次之，矿井区和废石区较低；Pb、Cd、Tl、As、Sb在蓄矿区污染最重，矿井区和废石区次之，选矿区最低。

注：图(a)中，括号内数值表示对应轴特征值的百分数(方差贡献率)；图(b)中，黑色虚线的数字代表污染评级标准，Pi≤1为无污染，13为重污染。图2 土壤样本的内梅罗污染指数及k-means聚类排序图Fig.2 Nemerow pollution index and k-means clusteringsequencing diagram of soil samples

2.2 真藓的重金属聚类特征及变异情况

选择真藓中的重金属元素进行主成分分析和层次聚类分析。主成分分析如图3(a)所示，2个主成分轴的累积方差贡献率为89.3%，能反映大部分重金属在不同功能区真藓样本中的分布特征。Fe、Mn、Zn、Cr、Ni、Cu、Ba、Mo集中于第一主成分轴的正半轴，且相互呈正相关关系；Tl、Pb、Cd、Sb、As集中分布于第二主成分轴的正半轴，相互间为正相关；而Co、Hg分布于第二、三象限，与2个主成分轴距离较远。秩和检验结果显示，不同功能区的真藓样本对第一主成分轴的得分贡献具有显著差异(P<0.05)，且蓄矿区>选矿区>废石区>矿井区，而对于第二主成分得分，蓄矿区显著高于其他区域(P<0.05)，矿井区与废石区次之(P>0.05)，选矿区最低(P<0.05)。图3(b)中，聚类分析表明将真藓内重金属按Pearson相关系数分为4类较为合适，Fe、Mn、Zn、Cr、Ni、Cu、Ba、Mo为第二类，Tl、Pb、Cd、As、Sb为第四类，Co和Hg分别为第一类和第三类，各类中的重金属互相呈正相关性，与主成分分析结果一致。

注：图(a)中，M、W、O、S分别代表矿井区、废石区、选矿区、蓄矿区；上方和右方的箱型图分别代表不同功能区真藓样本的第1、2主成分得分；不同字母表示秩和检验具有显著差异性(P<0.05)；括号内数值表示对应轴特征值的百分数(方差贡献率)。图3 各功能区真藓样本的主成分分析及层次聚类Fig.3 Principal component analysis and hierarchical clustering ofBryum argenteum samples from different functional areas

重金属的变异系数能够反映其空间变异程度，Fe、Mn、Cu、Zn、Ba、Ni、Pb、Cd、Tl、Mo、As、Sb的变异系数分别为86%、64%、38%、62%、60%、61%、41%、82%、57%、54%、41%、46%，属于高等变异(CV>35%)；Cr的变异系数为32%，属于中等变异(15%≤CV≤35%)；Co、Hg的变异系数分别为9%和3%，属于低等变异(CV<15%)。

2.3 真藓与土壤的重金属含量变化及相关关系

对真藓和土壤中各重金属含量进行比较和相关分析，见图4。结果显示两者的Fe、Mn、Zn、Cr、Ni、Ba、Co、Hg、Pb、Cd、Cu、Tl含量在不同功能区均显著正相关(P<0.05)；两者的As、Sb含量仅在选矿区显著正相关(P<0.05)；Cd含量在矿井区和废石区显著正相关(P<0.05)，在选矿区和蓄矿区无相关性(P>0.05)；Mo含量在选矿区、蓄矿区显著正相关(P<0.05)，在矿井区和废石区无相关性(P>0.05)；Pb含量仅在废石区无相关性(P>0.05)；Tl含量仅在矿井区无显著相关性(P>0.05)。

注：“A”“B”和“NA”分别表示极显著正相关(P<0.05)、显著正相关(P<0.01)和相关性不显著；真藓及土壤中重金属含量均进行对数转换以消除数量级上的差异。图4 各功能区真藓和土壤重金属含量Fig.4 Heavy metals content of Bryum argenteum and soil in all functional areas

在真藓和土壤中，各重金属的含量具有一定差异，Fe含量最高，Mn次之，Hg最低。土壤和真藓中各重金属在不同的功能区含量也不同，按照不同功能区重金属含量的变化规律可分为4个类型：Fe、Mn、Zn、Cr、Ni、Cu、Ba、Mo含量表现为蓄矿区>选矿区>废石区>矿井区；Pb、Cd、Tl、As、Sb含量表现为蓄矿区>废石区>矿井区>选矿区；Co含量为蓄矿区>选矿区>矿井区>废石区；Hg为选矿区>废石区>矿井区>蓄矿区。

3 讨论

3.1 功能区重金属污染情况

蓄矿区的内梅罗综合污染指数最高，且k-means聚类分析显示其土壤样本与第一特征轴相关性最高，表明蓄矿区贡献了约62.7%的土壤重金属，是污染最严重的功能区；选矿区土壤样本与第二特征轴相关性最高，贡献了约29.4%的土壤重金属，综合污染指数仅低于蓄矿区，污染较严重；而矿井区和废石区与2个特征轴距离较远，综合污染指数较低，污染最轻。功能区因职能不同，受重金属污染的程度也可能不同，离核心污染源越近污染越严重[6]。矿井区为锰矿石的开采区域，矿口隧道深处的作业点污染较重，而矿井口周围多为碎石残留，废石区为矿石废料(其他成分的白云石和方解石)的聚集地，这2个区域污染最轻[32]。选矿区主要进行矿石废料的分离并通过传送带向蓄矿区输送精炼锰矿石，重金属残留较多，污染较重。蓄矿区是精炼锰矿石的堆积地，污染最重。

3.2 真藓对重金属污染源的指示

研究中，真藓内重金属的主成分分析和层次聚类分析显示南茶锰矿重金属有4个污染源。Fe、Mn、Zn、Cr、Ni、Cu、Ba、Mo相互呈正相关，代表第一主成分轴，贡献了真藓中71.7%的重金属含量，且单因子污染指数远高于其他重金属，是主要污染源；Tl、Pb、Cd、As、Sb相互呈正相关，代表第二主成分轴，贡献了真藓中17.6%的重金属含量，单因子污染指数相对较低，是次级污染源；Co、Hg离2个主成分轴较远，单因子污染指数最低，代表2个无污染类(Pi≤1)。不同功能区真藓样本在2个主成分轴上的得分不同，第一主成分得分表现为蓄矿区>选矿区>废石区>矿井区，与土壤样本的聚类分析一致，表明主要污染源决定了不同功能区总体污染的差异，而第二主成分得分显示，污染较严重的选矿区得分却远低于其他3个区域，表明次级污染源主要来自矿井区、废石区和蓄矿区。重金属的变异系数一定程度上可以反映其来源，中等(15%≤CV≤35%)或高等(CV>35%)变异源于人为干扰(如工业污染物排放、运输污染排放、采矿冶炼活动等)，低等(CV<15%)变异受控于自然因素[33-34]。因此，主要污染源和次级污染源为2个不同的人为干扰源，Co、Hg为自然的土壤本底含量。研究中，Fe、Mn含量明显高于其他重金属，这可能归因于南茶碳酸盐型锰矿特殊的矿质背景。相关研究表明，南茶锰矿具有高Fe低P的矿质特征，并且在二叠世中晚期，玄武岩的喷发曾为南茶锰矿提供了丰富的Mn、Cu、Zn等矿质来源[34-35]。因此，主要污染源可能来自经采矿活动而外露于地表的锰矿石成分。在研究区域内发现废石运输车往返于矿井区和废石区，精炼锰矿运输车从蓄矿区出入，而选矿区鲜有车辆经过。一般而言，汽车抗爆剂和刹车衬中可能含有Pb，车辆的排放和制动磨损也可能是Pb的另一个来源[36]。Tl通常用于制作铊合金、电子元件、发动机等，As是制作半导体、蓄电池栅板、二极管等的材料，Sb是阻燃剂的重要成分，也可以用于制造合金。次级污染源在选矿区的污染水平最低，除采矿活动造成污染外，可能主要归因于运输车辆的排放和磨损。总体而言，真藓能够很好地识别重金属污染并预测其来源。

3.3 真藓监测重金属污染的优势

相关分析显示，真藓的重金属含量与土壤大部分重金属间显著正相关，两者含量具有很强的共变性。FIGUEIRA等研究表明地面上的苔藓植物与土壤之间存在深入的相互作用，能从土壤中吸附重金属，与笔者研究结果一致[37]。随着重金属污染加重(矿井区过渡到蓄矿区)，真藓与土壤的重金属含量共变性没有减弱，表明重金属浓度适宜的梯度变化不会影响真藓对其的吸收。有研究表明，苔藓不同于其他植物，其细胞壁蛋白质含量更高，纤维含量更少，具有大量无需生理调节的金属阳离子交换位点[38-39]。因此，真藓依靠细胞壁累积重金属的机制确保了其体内重金属含量与土壤保持趋同变化。

一般而言，直接使用土壤表层重金属含量反映区域污染情况具有诸多不确定性。土壤重金属在物理、化学扰动作用下会发生迁移扩散，可能造成区域分布的不均匀性，导致误判污染评估的结果。NGOC等研究表明，土壤中有机质和黏粒含量会造成较严重的重金属迁移[40]。在诸如矿山等生态脆弱区，土壤表层存在大量的空隙和裂缝，可移动的土壤胶体将加快重金属向土壤更深处迁移和转化[41]。此外，雨水冲刷等易产生淋溶作用，也会使重金属发生横向或纵向迁移[42]。相较于直接用土壤的重金属含量反映区域污染情况，采用真藓的重金属含量更稳定可靠。首先，蓄积在真藓细胞壁上的重金属不受物理、化学等因素影响而发生迁移。其次，短期采集的土壤重金属具有较大的不确定性，不能表征区域污染情况，但长期收集土壤重金属数据将耗费大量的人力、物力。绝大多数苔藓植物是多年生植物，它们的细胞分化程度较低且生长势能旺盛，茎端生长点凋落后，茎叶下部的分生组织继续促进新枝条发育，保持生长活力，非常适合重金属污染的季节性监测、全年监测和连续多年监测[8,43]等。RICHARDSON等指出，苔藓植物通过离子交换的形式(与离子树脂交换或微粒捕获相似)将重金属吸附并留存于细胞壁中，从而避免其侵害自身细胞结构[44]。CRIST等表明，苔藓植物对重金属的离子交换是迅速且主动的物理化学过程，几乎不受苔藓生理代谢的影响[45]。因此，真藓内的重金属含量是长期积累且相对稳定的结果，其反映的区域重金属污染时间跨度更长，更具有代表性。研究中，土壤As、Sb、Tl、Cd、Pb与对应真藓中含量的相关性较不稳定，而这些元素主要来源于车辆运输产生的污染排放。类似尾气排放和制动磨损造成的重金属污染都受到强烈的人为干扰，这些重金属不均匀地散布于土壤表层，直接分析土壤重金属含量可能得出污染偏高或偏低的结论。相反，苔藓植物除了能从土壤中吸收重金属外，还能通过大气沉降的方式来反映受干扰程度强、波动性较大的重金属污染。在欧洲，苔藓植物监测大气重金属污染的体系已较为完善，涉及区域、跨国和多国联合的监测。RIELEY等对威尔士森林苔藓的生态功能进行研究后指出,大气沉降是该区域苔藓植物的主要重金属来源[46]。在意大利Piedmont地区，ACETO等发现真藓中的Mn、Zn、As、Ba、Cd、Co、Cr、Cu、Ni、Pb与区域大气污染密切相关[47]。在西班牙Galicia地区，CARBALLEIR等基于苔藓植物中的Hg含量确定了火电厂周围区域的Hg沉积[48]。因此，真藓的重金属含量能更好地表征车辆运输污染源(As、Sb、Tl、Cd、Pb)。综上所述，用真藓代替土壤对矿山重金属污染进行监测具有重要的现实意义。