基于Meta分析的中国工矿业场地土壤重金属污染评价

晏利晶，姜 淼，赵庆良，王 琨*，王维业，党金霞，于成龙

1. 哈尔滨工业大学环境学院，城市水资源与水环境国家重点实验室，黑龙江 哈尔滨 150090

2. 黑龙江省库恩环境修复工程有限公司，黑龙江 哈尔滨 150028

土壤是农业发展的物质基础，是人类生产生活最基本的自然资源. 2014年《全国土壤污染状况调查公报》显示：我国工矿业地土壤环境问题突出，以无机型污染为主；采矿区、工业园区土壤的超标率分别为36.3%和29.4%. 大气沉降、采矿冶炼、工业“三废”排放、过量使用农药和化肥等人为活动以及环境背景值较高是土壤重金属污染的主要原因[1]. 由于早期我国土壤修复技术不成熟、管理体系不完善、环保意识较薄弱等原因，导致大部分工矿业场地未得到妥善管理，生产废料露天堆放、随意排污等事件频发[2-4]，对土壤环境造成了严重威胁.

现阶段，我国工矿业土壤重金属污染修复的研究通常仅针对单一场地或几个相邻场地[5-7]，其研究尺度难以为全国土壤重金属污染防治提供可靠支持. 大尺度的土壤重金属污染调查需要消耗大量的人力物力，而基于已有数据进行分析是一种有效的解决办法[8]. 例如，Shao等[9]基于已发表的数据分析发现，长三角地区各省份农业土壤中Pb、Cd、Cu、Zn、Ni含量均超过了当地背景值，Cd污染最严重，且近10年来土壤Cd含量呈上升趋势；Wang等[10]研究表明，江苏省食品加工、造纸、印染、冶金场地及周边土壤存在较严重的Cd、Pb污染；Hu等[11]基于文献研究发现，我国东部和中部土壤重金属污染较严重，尤其是广东、湖南、云南等省份. Meta分析方法能将有同一研究目的多个试验进行整合，并依据其各试验的变异情况赋予不同的权重，从而得出更可靠的结论，为解决环境领域的大尺度问题提供了途径. 不同地区、不同行业场地的污染特征对工矿业土壤重金属污染防控具有重要意义[12]，然而目前从全国范围分析我国工矿业土壤重金属污染区域分布及行业差异的研究较少. 鉴于此，该文基于全国尺度，对2005-2022年中国知网、万方、Web of Science等数据库发表的关于工矿业土壤重金属污染的138篇文献(包含141处场地)进行Meta分析，并通过地累积指数法和潜在生态风险指数法，评价有色金属矿、黑色金属矿、化石燃料开采、轻工业生产及重工业生产5类典型行业场地及周边土壤重金属污染的区域分布及污染情况，旨在为我国工矿业土壤重金属污染管理及整治提供可靠支撑.

1 材料与方法

1.1 数据收集

该文以有色金属矿、黑色金属矿、化石燃料开采、轻工业生产及重工业生产5类典型行业场地及周边土壤为研究对象，通过中国知网、万方、Web of Science等数据库，以“‘土壤(soil)’&‘重金属(heavy metal)’&‘工 业 园 区 (industrial park)’or‘矿 区(mining)’”作为关键词初步检索；再以“‘土壤(soil)’&‘重金属(heavy metal)’&‘化工(chemical industry)’or‘机械加工(machining)’or‘纺织(textile industry)’”等进一步细化检索，检索时段为2005-2022年，最终获得文献232篇.

文献筛选原则：①污染场地的地理位置信息明确(至少精确至县/区一级)；②土壤采样点位于场地或场地周边的农田、城镇、村庄等；③文献记录了土壤采样深度及样品数量，以表层土(0～10 cm或0～20 cm、0～50 cm)为研究对象；④文献提供了土壤重金属含量统计特征值的数据表. 文献筛选流程如图1所示.

图1 文献筛选流程Fig.1 Literature selection flow chart

我国工矿业土壤污染中常见的重金属有Cu、Zn、As、Pb、Cd、Hg、Ni、Cr等. Qin等[13]研 究 表 明，2005-2017年，我国土壤中Cd、As含量呈上升趋势，Cu、Zn、Pb含量变化不明显，仍有待治理. 以Cd、Zn、Pb、Cu、As五种重金属元素为研究对象，按照图1所示流程筛选文献，并进行信息摘录. 最终纳入138篇文献，包含141个工矿业污染场地的调查数据. 所收集到的场地位置分布情况见图2. 其中，化石燃料开采(石油、煤)23处、有色金属矿(铅锌矿、钼矿、铜矿等)63处、黑色金属矿(铁矿、锰矿等)17处、重工业生产(化工原料、金属加工等)22处、轻工业生产(印染、造纸、医药等)14处、矾矿1处、雄黄矿1处.

图2 已收集的全国141处工矿业污染场地分布Fig.2 Distribution of 141 collected industrial and mining sites in China

1.2 Meta分析

Meta分析指利用统计学方法，将有同一研究目的不同研究的结果进行合并，扩大样本量，从而得出更可信的结论的方法[14]. Meta分析过程包括效应值选择和计算、效应模型的选择、合并效应值计算以及模型验证等步骤.

1.2.1效应值选取和计算

效应值(effect size，ES)用于比较试验组与对照组平均值[15]，在环境领域，以对数响应比作为效应值的Meta分析运用最为广泛[16-18]. 对数响应比可以量化不同试验条件下样品平均值的比例变化[19]，从而更直观地反映平均值间的差异，与Hedges’d指数相比更具优越性. 该研究中，效应值及其对应方差的计算公式[20]分别为

式中：ESi表示工矿业场地土壤重金属含量的效应值；υi表示ESi对应的方差分别表示纳入文献中所提及的各场地土壤重金属含量的平均值、标准偏差和样本数，为Meta分析试验组，若文献中未给出标准差或变异系数，则以平均值的1/10作为标准差的估计值[21]；Xc、Sc、Nc表示各省份土壤重金属背景含量的平均值、标准偏差及样本数，为Meta分析对照组，对照组数据依《中国土壤元素背景值(1990年)》[22]确定.

1.2.2模型选择与合并效应值计算

考虑到行业、土壤理化特征及重金属背景含量等差异，该文选择随机效应模型估计合并效应值(E++)，具体方法：通过限制性最大似然估计法(REML)估算模型的研究间方差(τ2)，从而确定模型中各纳入研究的权重，再根据加权平均法计算合并效应值(E++) . 各纳入研究的权重及合并效应值(E++)的计算公式为

同时，合并效应值的置信区间的计算公式：

合并效应值可依据式(7)实现与变化百分比的转化[8]：

式中，per表示土壤重金属含量超过土壤背景值的百分比，%.

1.2.3模型验证

异质性检验：I2表示模型中各研究间变异占总变异的百分比，用于衡量模型异质性. 若I2＞50%，认为模型计算结果存在异质性，需进行分组分析或Meta回归分析. 分组时，每个亚组内研究数量最好大于10个，或至少包含8个研究且其数据摘录自3篇及以上文献[23-24].

Meta分析依据合并效应值的95% CI是否包含0来判断试验组与对照组间是否存在显著差异. 若合并效应值的95% CI包含0，表明试验组与对照组没有显著差异；若合并效应值95% CI的下限大于0，表明试验组相较对照组显著提高；反之，则表明试验组较对照组显著下降[25-26].

1.3 土壤重金属污染风险评价

为进一步定量评价我国工矿业土壤重金属污染，分别以地累积指数法和潜在生态风险指数法反映土壤重金属元素的富集情况及潜在危害.

1.3.1地累积指数法

地质累积指数[27](Igeo)综合考虑了自然地质过程造成的背景值影响以及人为活动对土壤重金属污染的影响，是判别人为活动影响的重要参数：

式中：Cn为土壤重金属含量，mg/kg；Bn为土壤重金属的背景含量，mg/kg.

Forstner等[28]将地累积指数分为7个级别：Igeo≤0，表示无污染；0＜Igeo≤1，表示无污染到中度污染；1＜Igeo≤2，表示中度污染；2＜Igeo≤3，表示中度污染到强污染；3＜Igeo≤4，表示强污染；4＜Igeo≤5，表示强污染到极强污染；Igeo＞5，表示极强污染.

1.3.2潜在生态风险指数法

潜在生态风险指数法[29]在考虑重金属含量的同时，也关注了生态效应、环境效应和毒理学效应的影响，在国际上运用广泛[30]. 该方法分为单因子潜在生态风险指数和综合潜在生态风险指数，计算公式为

潜在生态风险指数评价应根据研究目的选择合适的参比值[32]，常以土壤风险筛选值或背景值作为参比值. 为严格管控，选择土壤背景值作为参比值，由于该文只考虑Cd、As、Pb、Zn、Cu五种重金属，需要对Hakanson潜在生态风险等级划分的界限值进行调整. 调整后的潜在生态风险等级划分如表1所示.

表1 调整后的潜在生态风险等级划分Table 1 Adjusted classification of potential ecological risk levels

1.4 数据处理

Meta分析通过开源软件OPPENMEE完成，土壤重金属污染评价的相关计算通过Excel 2016完成，图片使用ArcGIS 10.3及Origin 2019绘制.

2 结果与讨论

2.1 合并效应值计算

我国工矿业场地及周边土壤中Pb、Cd、As、Zn、Cu含量的合并效应值(E++)如表2所示，各元素纳入研究的数量分别为115、115、78、105、110个.

表2 随机效应模型计算结果Table 2 The calculation result of the stochastic effect model

由表2可见，5种重金属元素的合并效应值均大于0，且95% CI不包含0，表明我国工矿业场地及周边土壤的重金属含量显著高于其背景含量. 5类重金属元素的合并效应值表现为Cd(2.300)＞Pb(1.204)＞Zn(1.201)＞Cu(1.088)＞As(0.998)，与土壤背景值相比，上述5种重金属元素含量分别平均增加了约897.42%、233.34%、232.34%、196.83%和171.29%. 由于各元素的随机效应模型的I2值大于50%，异质性显著，进行分组分析.

2.2 区域土壤重金属污染特征

2.2.1区域分组分析

基于土壤类型、气候及经济因素，将我国分为长三角地区、华南地区、东北地区、西北地区、中南部地区和华北地区，进行区域分组分析. 分析结果(见图3)表明，华南地区、中南地区、长三角地区及西北地区5种重金属元素的效应值均为正，且95% CI不包含0，表明以上区域工矿业场地及周边土壤重金属含量显著高于土壤背景值，污染较严重. 华北地区As元素合并效应值的95% CI包含0，表明该区域土壤As含量与背景值差异不显著. 东北地区工矿业土壤污染的首要元素是Cd，其次为Cu、Zn；而土壤As、Pb污染并不显著，这是由于部分点位设于厂区(或矿区)周边农田，土壤Cu、Zn污染也受有机肥、化肥、农药施用等影响[33].

图3 不同区域工矿业场地土壤中各重金属含量的合并效应值(E++)Fig.3 Combined effect value of soil heavy metal contents in different regions

我国不同地区Cd的合并效应值表现为长三角地区(3.045)＞华南地区(2.455)＞中南地区(2.362)＞西北地区(2.114)＞华北地区(2.090)＞东北地区(1.606). 总体上，南方地区Cd污染更严重. 华南地区、中南地区和西北地区工矿业场地及周边土壤As的合并效应值较高. 根据《中国土壤元素背景值》[22]，上述区域(如广西壮族自治区、陕西省、贵州省、湖南省等)土壤As背景值也较高，推断土壤环境背景值高也是引起土壤As污染的重要原因[34-35].

2.2.2土壤重金属污染的区域分布

为直观地了解我国工矿业场地及周边土壤重金属的累积情况，通过地累积指数法对文献数据进行评价. 土壤重金属地累积指数(Igeo)的空间分布如图4所示.

由图4可见，我国工矿业场地及周边土壤Cd污染达到中度以上的点位占60.87%，在湖南省、贵州省、云南省、广东省一带更密集. Cd是我国工矿业场地及周边土壤中的首要污染元素，与相关研究[36-37]结论一致. Cu、Zn污染达中度及以上的点位分别仅占17.20%、17.24%，集中于华南地区和长三角地区，污染相对较轻. 工矿业场地及周边土壤Pb污染达中度以上的点位占30.43%，集中于南方地区，如广东省、广西壮族自治区及长三角一带，与宁银中等[38-39]的研究结论一致，可进行有针对性的监管. 土壤重金属污染的区域差异是自然过程和人为活动共同作用的结果[40-41]，在资源型省份(如湖南省、广西壮族自治区、贵州省等)及沿海地区工矿业活动污染更严重[42]，北方地区污染相对较轻，东北三省以辽宁省污染较为突出. 分别计算各地区工矿业场地及周边土壤重金属的平均地累积指数，结果如图5所示.

图4 土壤重金属地累积指数(Igeo)的空间分布Fig.4 Distribution of accumulation index (Igeo) for soil heavy metals

由图5可见，长三角地区污染较严重，该地区制造业发达，矿产资源丰富，有多个著名矿区，如富阳铅锌矿(杭州市)[43]、铜陵铜矿(安徽省)[44]、栖霞山铅锌矿(南京市)[45]等，导致土壤重金属污染较为严重.长三角地区工矿业场地及周边土壤中Cd元素的平均地累积指数为3.776，属强污染，污染尤为突出. 北方以重工业生产及能源开采为主，金属开采加工较少，污染比南方地区轻. 东北工矿业场地及周边土壤Cd、Cu、Zn三种元素的平均地累积指数分别为1.736、1.093和1.303，均属中度污染. 整体来看，东北地区的污染与其他地区相比较轻[46].

图5 区域平均地累积指数Fig.5 Regional average geo-accumulation index

2.3 行业土壤重金属污染特征

2.3.1行业分组分析

矿产开采、金属冶炼、化工生产等人为活动是引起土壤重金属污染的主要原因[47]. 矿区由于污染时间长、情况复杂、隐患高，需要优先控制区[39]. 按研究所涉及的5类行业(化石能源开采、有色金属矿、黑色金属矿、轻工业生产及重工业生产)进行分组分析，各组研究数量及合并效应值计算结果见图6.

图6 不同行业场地土壤重金属含量的合并效应值(E++)Fig.6 Combined effect value (E++) of soil heavy metal content in various industrial sites

由图6可见，有色金属矿污染最严重，Cd、Zn、As、Cu、Pb五种元素合并效应值的95% CI下限均大于0，表明有色金属矿场地及周边土壤重金属含量显著高于背景值. 土壤Cd、Zn、As、Cu、Pb含量的增幅分 别为964.40%、487.09%、352.67%、311.24%和310.83%，Cd污染十分突出. 化石燃料开采场地及周边土壤重金属的合并效应值较小，且As、Pb的95% CI均包含0，表明土壤Pb、As含量与背景值差异不显著. 研究[48-50]表明，我国煤矿开采通常导致土壤Cd、Pb、Zn、As、Cu、Hg、Ni等重金属元素富集，通常Cd污染最严重，Pb污染常源于燃煤过程中的降尘，As则常源于地质背景成因，且大多数煤矿开采区土壤重金属污染较轻微.

2.3.2土壤重金属污染的行业分布

我国早期经济发展主要依赖资源开发和重工业，如采矿、冶金、化工等. 这些行业耗能高，污染物排放量大，涉重金属原料多，易导致土壤污染[51]. 为进一步了解不同行业土壤重金属污染现状，通过综合潜在生态风险指数对5类行业土壤重金属的污染情况进行评价，结果如图7所示.

由图7可见，化石能源开采、有色金属矿开采、黑色金属矿开采、重工业生产和轻工业生产土壤重金属污染达强风险以上的点位占比分别为39.13%、73.02%、64.29%、59.09%和52.94%. 49.21%的有色金属矿开采场地及周边土壤潜在生态风险为极强等级，情况不容乐观[52]. 化石能源矿产开采造成的土壤重金属污染相对较轻，中等风险及以下的点位占60.87%.

图7 不同行业土壤重金属综合潜在生态风险等级分布Fig.7 Class distribution of comprehensive potential ecological risk for heavy metals of in different industry soils

由图8可见，工矿业场地及周边土壤Cd污染最严重，5类行业土壤Cd的平均(单因子潜在生态风险指数)大于240，为极强等级，Pb、As污染次之，有色金属矿污染尤为突出. 其他4类行业场地及周边土壤Pb、As元素的平均小于30，为轻微污染；总体而言，Cu、Zn污染较轻，5类行业场地及周边土壤单因子潜在生态风险都为轻微等级. 根据3.3.1节，Zn相对于背景值的平均升高倍数比Cu大，但由于其金属毒性响应系数较小，潜在生态风险较轻；Cd的毒性响应系数较高，且平均累积含量相对于背景值的升高倍数最大，应重点管制.

图8 不同行业土壤重金属平均单因子潜在生态风险指数()及风险等级Fig.8 Comparison of average one-factor potential ecological risk index for heavy metals in different industry soils

3 结论

a) 我国工矿业活动使土壤Cd、Pb、Zn、Cu、As元素含量显著高于其背景值，其合并效应值(E++)计算结果表现为Cd(2.300)＞Pb(1.204)＞Zn(1.201)＞Cu(1.088)＞As(0.998)，表明与土壤背景值相比，我国工矿业场地及周边土壤中上述5种重金属元素含量分别平均增加了约897.42%、233.34%、232.34%、196.83%和171.29%.

b) 土壤重金属污染的区域分布差异是自然过程和人为活动共同作用的结果，我国南方地区工矿业土壤污染更严重，尤其是沿海地区和资源型省份，如广东省、江苏省、湖南省、贵州省等；而北方地区工矿业土壤重金属污染相对较轻，东北地区以辽宁省更为突出. 部分区域工矿业场地及周边土壤As污染的形成与土壤母质有关(如贵州省、云南省等). Cd是首要污染物.

c) 不同行业活动导致的土壤重金属污染情况不同. 根据综合潜在生态风险指数评价结果，化石能源开采、有色金属矿开采、黑色金属矿开采、重工业生产和轻工业生产土壤重金属污染达强风险以上的点位占比分别为39.13%、73.02%、64.29%、59.09%和52.94%，有色金属矿土壤重金属污染最严重. 根据平均单因子潜在生态风险指数计算结果，Cd的单因子潜在生态风险最高，5类行业都为极强等级；Pb、As次之，除有色金属矿以外，其他行业为轻微等级；Cu、Zn较低，5类行业都为轻微等级；由于Cd元素的重金属毒性响应系数较高，且相对于元素背景值累积最大，应重点管制.