下载:
-
绿地土壤作为植物生长的介质[1]，其质量直接影响植物的健康生长和绿地经济效益、景观功能和生态意义的发挥[2]。近年来，随着金属冶炼、化石燃料使用、交通发展、农业种植等人类活动的增加，有害物质在绿地土壤中不断积累[3]。绿地土壤作为污染物的汇集地和净化器[4]，受污染情况是值得关注的环境问题。重金属因不能被微生物降解且容易积累，生物毒性强[5]，成为了重点关注的土壤污染物之一。重金属会抑制土壤微生物的生长代谢，破坏微生物群落，降低生物多样性和活性，从而降低土壤质量和影响植物生长，降低生物多样性，对生态系统造成危害[6]。重金属还可以通过食物链循环和人体接触等危害人体健康[7]。因此对绿地土壤进行重金属风险评估及源解析，可为改善和规划治理绿地生态环境提供重要依据。关于绿地土壤重金属的研究多集中在污染特征[8]、风险评价[9]和源解析[10]等。
通州区在2018年被选为北京城市发展副中心，启动了国家森林城市建设。根据2019年数据，通州区林木绿化率达36.99%，城市绿地率达46.43%，人均绿地面积达到42.96 m2[11]。伴随新城开发建设、大规模的企业工厂拆迁腾退，以及造林工程实施等，该区域大量低污染产业被淘汰改建成城市绿地，农田变更为林地，这使该地区土地利用类型变化较大，这些变化影响了该区土壤重金属元素质量分数[12]。绿地土壤的安全性和作为北京东南部生态屏障的通州区是否能发挥生态效益紧密相关，也和当地居民健康相关，因此，对该区域绿地土壤进行重金属调查和风险评价，可以为绿地土壤重金属源解析研究提供参考，也能为重金属污染防治和修复提供理论依据。
-
通州区位于北京市东南部，总面积为906 km2，地处北京、天津、河北三省交界，为京津冀一体化发展战略的中心。属于典型的暖温带半湿润大陆性季风气候。土质多为潮黄土、两合土、砂壤土，土壤肥沃，质地适中[13]。
-
2022年4月，在北京市通州区选取4种绿地类型，避开建筑密集和人类活动频繁区域布点，分别选取果园20个、苗圃10个、城市绿地15个、平原造林15个，共60个样点进行采样。以采样点为圆心均匀取半径5 m内的3个表层土(0~20 cm)均匀混合，按四分法取样1 kg。同时用全球定位系统(GPS)定位并记录采样点的地理坐标。研究区域及采样点位置如图1所示。土壤样品挑出石子、树叶等，经自然风干，研磨过筛后测定土壤pH、土壤重金属全量。
图 1 研究区域采样点分布示意图
Figure 1. Map of the study area and sampling location
镉(Cd)、铬(Cr)、铅(Pb)、铜(Cu)、锌(Zn)、砷(As)和汞(Hg)测定前用HF-HNO3-H2O2微波消解法处理，测定用电感耦合等离子光谱仪(CP-2060T)，As、Hg的测定用原子荧光光度计(AFS-8500)[14]。质量控制均使用标准参考土样(GSS-4和GSS-5)进行。
-
用PCA探究土壤重金属来源的组成。首先利用KMO和Bartlett球度检验PCA是否适用于本数据集。KMO统计量越接近于1，变量间的偏相关性越强，因子分析的效果越好。提取特征值大于1.0的主成分(PCs)。
-
采用PCA分析得到的归一化因子得分和特征向量进行APCS-MLR定量源解析。该模型假设所有潜在污染源均与最终受污染受体的污染呈线性关系。
-
采用地积累指数[15]和潜在生态风险评价法[16]对重金属进行污染评价。参照值采用北京市土壤背景值[17]；修正系数取值1.5。地积累污染指数(Igeo)、土壤中重金属单项重金属潜在生态危害指数($E_{\rm{r}}^i$)和潜在生态风险指数(IR)的分级标准如表1所示。
表 1 重金属污染程度分级标准
Table 1. Classification standard of heavy metal pollution
级别 地积累污染指数 潜在生态风险指数 Igeo 污染等级 $E_{\rm{r}}^i$ IR 风险等级 1 Igeo≤0 无污染 $E_{\rm{r}}^i$≤40 IR≤150 低 2 0＜Igeo≤1 轻度污染 40＜$E_{\rm{r}}^i$≤80 150＜IR≤300 中 3 1＜Igeo≤2 中度污染 80＜$E_{\rm{r}}^i$≤160 300＜IR≤600 偏高 4 2＜Igeo≤3 重度污染 160＜$E_{\rm{r}}^i$≤320 600＜IR≤1 200 高 5 Igeo＞3 严重污染 $E_{\rm{r}}^i$＞320 IR＞1 200 极高 -
采用SPSS 18.0进行t检验、相关性分析、PCA和定量源解析；采用ArcGIS 10.8.1绘制研究区采样点分布图；采用Origin 9.0绘制土壤重金属风险评价图和源贡献率图。
-
研究区土壤pH 范围为7.51~8.66，平均值为8.11，除城市绿地的2个点位和苗圃的1个点位土壤呈强碱性，其他点位土壤均呈碱性。变异系数代表该元素在空间上分布均匀程度，＞0.16~0.36时属于中等变异，＞0.36时属于高度变异。由表2可知：Zn质量分数属于中度变异，Cd、Pb、Hg、As和Cu变异系数均＞0.36，属于高度变异，表明受人类活动影响强烈[18]；Cr变异系数＜0.16，表明其质量分数相对均一。各重金属偏度均＞0，属于右偏斜，说明各点位中重金属质量分数偏高的样点多。Cr、Pb、As、Cu和Zn质量分数属于正态分布，Cd和Hg质量分数对数转化后仍不符合正态分布。与北京市土壤环境背景值相比，通州区土壤中 Pb、As、Cu和Zn的平均质量分数没有超过背景值， Cd、Cr和Hg平均质量分数均超过背景值，超背景值倍数分别为3.4、0.6和2.1倍。各项重金属质量分数均未超过GB 15618—2018《土壤环境质量农用地土壤污染风险管控标准》[19]中相应用地类型的风险筛选值(均为总量筛选值)。
表 2 绿地土壤重金属质量分数描述性统计分析
Table 2. Descriptive statistics of 7 heavy metal concentrations in the study area soil
重金属 取值范围/
(mg·kg−1)平均值/
(mg·kg−1)标准差 变异系数 偏度 峰度 P(K-S检验) 背景值/
(mg·kg−1)农业用地风险值/
(mg·kg−1)Cd 0.03~2.35 0.53 0.25 0.472 2.990 16.107 0.000 0.12 0.6 Cr 38.78~62.70 47.87 5.45 0.114 0.621 0.095 0.000 29.80 250.0 Pb 1.68~31.20 11.95 5.80 0.485 0.880 2.037 0.000 24.60 170.0 Hg 0.06~1.30 0.25 0.24 0.953 2.636 7.360 0.000 0.08 3.4 As 1.83~12.50 6.71 2.65 0.395 0.148 −0.518 0.000 7.09 25.0 Cu 0.05~18.32 4.64 4.21 0.907 1.514 2.591 0.000 23.60 100.0 Zn 24.62~84.06 51.21 13.85 0.270 0.501 0.025 0.000 102.60 300.0 -
如表3所示：不同重金属质量分数之间，Cd和Pb极显著相关(P＜0.01)，相关系数为0.754；Cr和Zn极显著相关(P＜0.01)，相关系数为0.579。As和Hg质量分数显著负相关(P＜0.05)。Cu和其他重金属元素相关性不显著。
表 3 研究区土壤重金属质量分数之间相关系数
Table 3. Correlation coefficients of 7 heavy metals in the study area soils
重金属 Cd Cr Pb As Hg Cu Cr −0.052 Pb 0.754** −0.153 As 0.141 −0.035 0.152 Hg −0.114 −0.211 −0.139 −0.305* Cu −0.052 0.081 0.083 0.117 0.039 Zn 0.033 0.579** −0.030 −0.077 −0.163 0.240 说明：**表示在 0.01 水平(双侧)上显著相关，*表示在 0.05 水平(双侧)上显著相关。 KMO和Bartlett检验表明：KMO值为0.806，Bartlett球形检验P＜0.001。研究区绿地土壤重金属质量分数主成分分析结果如表4，经过凯撒正态化最大方差法旋转后，提取4个因子包含7种重金属全部方差的83.05%，提取率超过70%，表明提取的4个因子能很好地体现原来7种重金属质量分数情况。第1主成分和Cd、Pb、Hg相关，占总体方差的27.07%；第2主成分和Cr、Cu、Zn相关，占总体方差的24.88%；第3主成分和Cd、As相关，占总体方差的16.32%；第4主成分和Hg、Cu相关，占总体方差的14.79%。
表 4 研究区土壤重金属质量分数主成分分析
Table 4. PCA results of seven heavy metals in the study area soil
重金属 成分矩阵 旋转成分矩阵 PC1 PC2 PC3 PC4 PC1 PC2 PC3 PC4 Cd 0.870 0.049 0.317 −0.158 0.935 0.020 0.061 −0.071 Cr −0.206 0.820 0.078 −0.239 −0.109 0.870 0.083 −0.036 Pb 0.896 −0.001 0.285 0.022 0.928 −0.083 0.093 0.087 Hg 0.420 0.127 −0.709 0.310 0.072 −0.189 0.833 0.241 As −0.325 −0.460 0.595 0.275 −0.096 −0.308 −0.767 0.232 Cu 0.028 0.355 0.143 0.883 0.011 0.136 0.030 0.953 Zn −0.101 0.845 0.277 −0.027 0.048 0.869 −0.034 0.205 特征值 1.895 1.741 1.142 1.035 1.765 1.669 1.303 1.076 贡献率/% 27.07 24.88 16.32 14.79 25.22 23.85 18.62 15.37 累计贡献率/% 27.07 51.94 68.26 83.05 25.22 49.07 67.68 83.05 分析重金属质量分数可知：Cd、Cr和Hg质量分数的均值超过背景值，生态风险评价显示Cd、Cr、As和Hg有不同程度的污染，这4种元素变异系数显示高度变异，说明其受人为影响较大，因此对这4种重金属进行污染源贡献分析。根据PCA/APCS源解析计算(图2)：Cd主要来自燃煤和交通源(62%)，其次是工业源(23%)、农业源(11%)；Cr主要来自自然源(61%)和未知源(29%)；Hg主要来自工业源(45%)、燃煤和交通源(27%)、农业源(17%)和未知源(35%)；As分别来自工业源(36%)、自然源(28%)、燃煤和交通源(20%)以及未知源(36%)。
图 2 研究区土壤重金属源贡献率
Figure 2. Source contribution ratios of 7 heavy metals
-
地积累指数评价(图3)显示：Pb和Cu整体处于无污染等级；Cr和As分别有35.00%和91.67%处于无污染等级， 65.00%和8.33%处于轻微污染等级；Zn有98.33%处于无污染等级，有1.67%处于偏重污染等级；Cd和Hg分别有8.33%和28.33%处于无污染等级， 18.33%和8.33%处于轻微污染等级，66.67%和11.67%处于轻度污染等级，此外Cd分别有5.00%和1.67%处于中度污染和偏重污染等级。
图 3 地积累指数评价结果分布图
Figure 3. Results of evaluation of the ground accumulation index
潜在生态危害指数(图4)显示：Cr、Pb、As、Cu和Zn整体处于低风险。Cd和Hg分别有8.33%和3.33%处于低风险，有16.67%和36.67%处于中风险，有53.33%和41.67%处于偏高风险，有20%和10%处于高风险，有1.67%和8.33%处于极高风险。可见，Cd和Hg有较高的生态风险响应。
图 4 潜在生态风险评价结果分布图
Figure 4. Results of the potential ecological risk
绿地土壤综合潜在生态风险评价(图5)显示：研究区整体分别有46.67%和51.67%处于低风险和中风险，另有1.66%处于重度生态风险。综合评价表明研究区潜在生态风险等级整体处于中低风险。
图 5 研究区土壤重金属潜在生态风险评价
Figure 5. Evaluation of potential ecological risk of 7 heavy metals
-
从重金属水平来看，研究区绿地土壤重金属质量分数较低，均未超标，绿地土壤环境整体处于清洁状态。但Cd和Hg的平均质量分数分别超出北京市土壤背景值3.4和2.1倍，可见有除土壤母质之外的来源。综合重金属风险评价结果来看，Cd和Hg在表层土壤中有一定累积，存在潜在生态风险。张沁瑞等[20]也指出北京东南郊表层土壤Cd和Hg质量分数相对较高。
本研究主成分分析表明：第1主成分与Cd、Pb相关，Hg也有一定载荷。已有研究表明该区域大气干湿沉降中Cd、Pb和Hg通量密度较高[21]。Pb常被认为是交通污染的标志性元素，汽车尾气和轮胎磨损也会造成Cd和Hg在土壤中累积[22]。Cd和Pb在苗圃、城市绿地和平原造林的水平都较高，这3种类型绿地比果园有更强的交通流通性，果园种植密集，且位置远离道路，机动车尾气污染相对少。随着无铅汽油的推广使用，2000年之后Pb主要来源为煤炭和冶金[23]。通州区近10 a能源消费为200~300 万t·a−1标准煤。煤炭燃烧产生的Hg会吸附于飞灰表面，而Cd和Pb会富集于炉渣，最后都可通过大气沉降进入土壤。因此，可认为第1主成分来自交通和燃煤源。第2主成分中载荷较高的有Cr、Zn和Cu。土壤Cr主要来源于成土母质[24]；Cu和Zn质量分数远低于北京市土壤背景值，因此，可认为第2主成分是自然源。Cr质量分数超出背景值0.6倍，有除成土母质之外的来源。Cr的主要用途是制造合金和电镀，在合金和电镀生产过程中会产生含Cr的废气和废水[25]。 本研究Cr质量分数高的2个采样点在果园，其附近有电气设备厂、燃机配件厂和电线电缆厂等，含Cr废气可能通过大气沉降落到附近土壤表层。第3主成分与As和Cd相关。其中As有较大载荷，土壤中的As主要来源于成土母质。有色金属冶炼[26]、塑料稳定剂制作等工业生产活动也会产生Cd，并随粉尘通过大气沉降积累到土壤中[27]。Cd和As质量分数都高的采样点位于研究区北部，该区域分布有大量小型工业企业，土壤易受工业生产的影响。因此可以确定第3主成分为工业源。第4主成分的主要构成元素有Cu、Hg和As，其中Cu的质量分数远低于北京土壤背景值，不构成重金属污染。有机质富含Hg高亲和能力的官能团，过多施用有机肥会导致Cu、Hg和As局部地区水平偏高[28]，受农业活动干扰Hg和Cu的变异系数也会偏高。有研究表明：畜禽粪便和农药是土壤中Cu的主要来源[29]；除草剂、杀虫剂等含As农药以及磷肥的使用也会影响土壤As水平[30]。通州区2021年肥料使用量超过6 000 t，包括磷肥和有机肥；农药使用量超过300 t[17]，包含除草剂、杀虫剂。因此可认为第4主成分是农业污染源。
根据PCA/APCS源解析计算，发现在土壤表层有一定积累的Cd大部分来自人为源(92%)，Cd的累积和人类活动密切相关，在人为源中主要来自燃煤和交通源(59%)，还有工业源(22%)和农业源(11%)。Hg分别来自工业源(29%)、燃煤和交通源(17%)、农业源(13%)，还有35%的未知源。引起土壤Hg污染的人为活动主要包括工业生产、农业生产和日常生活等，Hg有很强的挥发性，容易受自然风化、人为排放和大气沉降影响[31]，未知源可能与自然源和人为排放有关。Cr主要来自自然源(43%)，人为源占28%。Pb大部分来自人为源。As、Cu和Zn来自人为源的比例分别是来自自然源的2.60、2.95和3.95倍。
地积累指数和潜在生态风险指数评价结果相似，均认为Cd和Hg对绿地土壤污染的贡献较大。地积累指数还显示Cr和As分别有65.00%和8.33%处于轻微污染等级，潜在生态风险指数显示Cr和As处于清洁水平。2种评价方法显示的差异性源于地积累指数评价是基于重金属质量分数与基准值(土壤背景值)的对比，侧重于重金属水平；而潜在生态风险评价结果受毒性响应系数影响较大[32]。研究区综合生态风险指数等级整体处于中低风险，绿地土壤相对清洁安全，但位于城市绿地的1个点位处于重度生态风险等级，需要引起警惕并重点监测。Cd和Hg为生态风险优先控制元素，可从控制燃煤、交通和工业排放方面进行控制。
-
北京通州区绿地土壤中 Cd、Cr、Pb、Hg、As、Cu和Zn的质量分数分别是0.53、47.87、11.95、0.25、6.71、4.64、51.21 mg·kg−1，各项重金属质量分数均未超过GB
15618 —2018《土壤环境质量农用地土壤污染风险管控标准》中相应用地类型的风险筛选值(均为总量筛选值)。通州区绿地土壤重金属污染源有燃煤和交通源、自然源(土壤母质)、工业源和农业源，对土壤重金属富集的贡献率分别为27.1%、24.9%、16.3%和14.8%，人为源的贡献率大于自然源。在土壤表层有一定累积的Cd有92%来自人为源，Hg有60%来自人为源，有35%来自未知源，推测Cd来源属于混合源。通州区绿地土壤质量整体处于中低风险等级。地积累指数指明有少量点位土壤Cd和Hg存在中度和重度污染，Zn有个别点位处于轻度污染；潜在生态风险评价指明少量点位Cd和Hg存在中等度到强度不同程度的生态风险，2种评价结果基本一致。建议合理燃煤和交通排放，监测督促工业污染的净化排放，科学开展农业活动，从管控陆地风险源来防止重金属污染，保障绿地土壤洁净安全。
Sources and contamination assessment of heavy metals in the green land soils in Tongzhou District, Beijing
-
摘要:
目的 北京市通州区土地利用类型变化较大，本研究对通州区绿地土壤开展重金属调查，进行源解析和风险评价，评判现阶段的绿地利用是否符合清洁安全的要求并提出重金属风险防控建议。 方法 采集并测定研究区60个表层土壤样品中的pH值及镉(Cd)、铬(Cr)、铅(Pb)、铜(Cu)、锌(Zn)、砷(As)和汞(Hg)等7种重金属全量。运用主成分分析法和绝对因子得分-多元线性回归(APCS-MLR)受体模型等方法进行源解析；采用地积累指数法、潜在生态风险评价法进行重金属污染评价。 结果 研究区土壤中Cd、Cr、Pb、Hg、As、Cu和Zn等7种重金属平均质量分数分别是0.53、47.87、11.95、0.25、6.71、4.64、51.21 mg·kg−1，所有点位的重金属质量分数均没有超过GB 15618—2018《农用地土壤污染风险管控标准》。主成分分析表明：Cd、Pb、Hg、As受人为源影响，主要来自煤炭燃烧、交通、工业和农业活动污染；Zn受自然源影响，和土壤母质有关；Cu和Cr受混合来源影响，来自土壤母质和农业活动污染。根据受体模型对重金属元素进行定量源解析，发现在表层有一定累积的Cd大部分来自人为源(92%)；Hg分别来自工业源(29%)、燃煤和交通源(17%)、农业源(13%)，还有35%的未知源，推测未知源可能是混合源。对绿地土壤进行环境质量评价，地积累指数和潜在生态危险指数显示Cd和Hg有较高生态风险响应。研究区综合潜在风险值大部分处于轻微和中等潜在生态风险，有少量点位处于重度生态风险。 结论 通州区绿地土壤整体风险等级处于中低风险，引起风险的主要重金属元素为Cd和Hg，二者是生态风险优先控制元素，可从燃煤、交通和工业排放方面进行控制。图5表4参32 Abstract:Objective The types of land use in Tongzhou District of Beijing have changed greatly. Heavy metals in the soil of green land were investigated, source analysis and risk assessment were carried out to understand whether the current use of green land meets the requirements of cleanliness and safety, and suggestions on risk prevention and control of heavy metals were given. Method The pH values and total amounts of heavy metals including Cd, Cr, Pb, Hg, As, Cu, and Zn in 60 surface soil samples from the study area were determined. Source apportionment was carried out using Principal Component Analysis and the Absolute Principal Component Scores-Multiple Linear Regression (APCS-MLR) receptor model. The assessment of heavy metal element pollution was conducted using the Geo-accumulation Index method and the Potential Ecological Risk Assessment method. Result The average contents of 7 heavy metals Cd, Cr, Pb, Hg, As, Cu and Zn in the soil were 0.53, 47.87, 11.95, 0.25, 6.71, 4.64 and 51.21 mg·kg−1, while the average content of the remaining elements were below the background. All of the samples’ heavy metal concentrations were less than the screening values for Soil Pollution Risk Control Standards for Agricultural Land (GB 15618 −2018). Principal component analysis demonstrated that Cd, Pb, Hg and As were influenced by human sources, including coal combustion, traffic pollution, industrial and agricultural activities pollution; Zn originated from natural sources and was related to the soil parent material; Cu and Cr were mixed sources reaulted by soil parent materials and agricultural pollution. The contribution rates of sources calculated by APCS-MLR were as follows, a certain amount of Cd accumulated on the surface came mostly from human sources (92%); Hg was from source 3 (29%), source 1 (17%), source 4 (13%), and there were also 35% unknown sources, which were suggested as mixed sources. Moreover, sources 1, 3, and 4 were all anthropogenic sources, while source 2 was a natural source. Environmental quality evaluation of green soil was investigated through the ground accumulation index, which illustrated that Cd and Hg performed a higher ecological risk response. Most of the comprehensive potential risk values in the study area were slight and medium potential ecological risks, only few points were belonged to severe ecological risks.Conclusion The study shows that the overall risk level of green land soil in Tongzhou District is in the middle and low risk. The main elements causing the risk are Cd and Hg, which are the priority control elements of ecological risk, and can be controlled from the control of coal burning, traffic and industrial emissions. [Ch, 5 fig. 4 tab. 32 ref.] -
Key words:
- green land soil /
- heavy metal /
- contamination assessment /
- source apportionment
-
乐昌含笑Michelia chapensis为木兰科Magnoliaceae含笑属Michelia常绿大乔木，已被列入中国《国家二级保护植物名录》，具有生长快、树干挺拔、花色优雅、四季葱郁、木材易于加工等优良特性，是中国南方优良的乡土阔叶树种[1−2]。自20世纪80年代起，乐昌含笑树种逐渐得到重视，早期多应用于园林绿化中，近些年在森林康养、生态公益林、碳汇林建设中得到广泛应用[2−4]。种源选择是树种改良的重要方法之一，在林业生产中具有重要作用。但由于林木的生长周期长，且不同生长期所表达的基因不同，给林木育种策略的科学制定带来困难[5]。根据目标性状的遗传力和幼林期与成熟林期性状相关性随年龄增长的变化趋势，可确定种源的早期选择年龄，进而加速林木遗传改良的进程[5−9]。但乐昌含笑树种研究起步较晚，较多研究集中在种群分布、苗木繁育、栽培技术等方面，在遗传改良方面的研究，尤其是早期选择适宜林龄的研究较少[10]。广东省于2003年启动乐昌含笑良种选育研究工作，并先后在广东省内多个区域布置了种源和家系试验林[11]。目前，早期营建的试验林已达近熟林期，了解此期间林木主要生长性状的变异特征，以及生长性状的早晚期相关性，对推进乐昌含笑遗传改良进程具有重要意义。本研究根据早期营建的乐昌含笑种源试验林的多年度观测数据，分析乐昌含笑生长性状的年度变化模式及性状间的早晚期相关性，为解析乐昌含笑种源的生长变异规律以及开展早期选择提供理论依据。
1. 研究地区与研究方法
1.1 研究区概况
以广东省韶关市国有曲江林场和国有九曲水林场为研究地。其中，曲江林场试验林(QJ06)地处24°41′N，113°36′E，年均气温为20.5 ℃，年均积温为6 559.5 ℃，年均降水量为1 751 mm，位于山坡下部，海拔约180 m。九曲水林场试验林(JQS06)地处24°22′N，114°05′E，年均气温为20.3 ℃，年均积温为6 570.7 ℃，年均降水量为1 787 mm，位于山坡下部，海拔约250 m。2片试验林均为花岗岩成土，红壤，土层厚1 m以上，肥力中等。
1.2 材料
曲江林场试验林参试种源15个，九曲水林场试验林参试种源12个(表1)。2004年采集种子，2005年培育苗木，所有造林苗木均为1年生容器苗，出圃规格为苗高≥35 cm，地径≥0.5 cm。
表 1 参试种源信息Table 1 Information of tested provenance造林号 种源号 来源地 经纬度 试验林 曲江林场 九曲水林场 1 HNLL 湖南醴陵县王仙镇 27.663°N，113.455°E 有 有 2 HNTD 湖南通道县草坪镇 26.216°N，109.732°E 有 有 3 HNZX 湖南资兴县黄草镇 25.934°N，113.452°E 有 有 4 HNGD 湖南桂东县红星镇 25.982°N，113.893°E 有 有 5 HNSN 湖南遂宁县黄桑镇 26.713°N，110.196°E 有 有 6 JXCY 江西崇义县茶滩镇 25.677°N，113.452°E 有 有 7 JXSY 江西上犹县陡水镇 25.935°N，114.392°E 有 有 8 JXLN 江西龙南县九连山 24.856°N，114.512°E 有 有 9 LCJF 广东乐昌县九峰镇 25.243°N，113.244°E 有 有 10 MZF 广东南雄县帽子峰镇 25.184°N，114.366°E 有 有 11 NXJT 广东南雄县江头镇 25.183°N，114.376°E 有 有 12 RHCJ 广东仁化县长江镇 25.203°N，113.767°E 有 有 13 SXLJ 广东始兴县刘家山 24.847°N，114.099°E 有 无 14 JXQN 江西全南县龙下镇 24.854°N，114.517°E 有 无 15 JXAY 江西安远县车头镇 25.233°N，115.384°E 有 无 1.3 方法
试验林采用随机完全区组设计，18株小区(3株×6株或2株×9株)，4次重复。2005年底完成试验林整地，植穴规格为50 cm×40 cm×35 cm，每穴施250 g磷肥为基肥。试验林四周栽植2行木荷Schima superba作隔离行。2006年3月造林，造林当年及第2年每年抚育2次，第3年抚育1次，均未追肥。2007年11月调查试验林2年生的保存率，2008年11月、2011年11月、2016年11月、2019年11月分别对试验林进行每木调查，其中树高用塔尺测量，胸径用胸径尺测量，测量位置为树干根部往上1.3 m处。
1.4 数据分析
利用SAS 9.1统计软件[12]对数据进行分析。在Proc Means过程中进行数据特征描述，应用限制最大似然(REML)方法在Proc Mixed 过程估算各效应方差分量，应用SIN方法在Proc Cluster过程进行聚类分析，以小区平均值为数据运用Proc GLM过程进行单地点方差分析，分析模型为：Yij=μ+Bi+Fj+Eij。其中：Yij为i区组j种源的小区平均值，μ为性状的群体均值，Bi为i区组效应，Fj为第j个种源效应，Eij为j种源i区组的小区均值离差。单株材积、表型相关系数、遗传相关系数、种源遗传力等估算公式参照文献[11]。
2. 结果与分析
2.1 不同林龄种源生长表现分析
从图1可见：2片乐昌含笑试验林的保存率均较高，其中，在林龄2 a时，保存率曲江林场试验林为85.19%，九曲水试验林为95.02%。曲江林场和九曲水试验林的保存率变化趋势较相似，在林龄3~11 a间保存率均变化不大，分别为80.56%~81.51%和89.24%~94.44%；在林龄11~14 a间保存率有较明显下降，在林龄14 a时，曲江林场试验林为77.96%，九曲水林场试验林为80.79%。
图 1 曲江林场(A)和九曲水林场(B)试验林不同林龄的保存率Figure 1 Preservation rate of different ages of two testing forests in Qujiang forest farm (A) and Jiuqushui forest farm (B)由乐昌含笑种源不同林龄生长表现(表2)可知：曲江林场试验林树高速生期出现在林龄3 a之前和11~14 a，年均生长量分别为0.79和0.81 m·a−1；胸径速生期出现在林龄3~6 a和11~14 a，年均生长量分别为1.20和1.05 cm·a−1。九曲水林场试验林树高的速生期出现在林龄3 a之前和6~11 a，年均生长量分别为0.98和0.63 m·a−1；胸径速生期出现在林龄3~6 a和6~11 a，年均生长量分别为0.95和0.80 cm·a−1。2片试验林单株材积生长速生期均在林龄11~14 a。随着林龄的增大，3个生长性状在种源间的分化也不断增大，各性状的变异系数随林龄的增长呈逐渐增大后减小的趋势，从大到小依次为单株材积变异系数、胸径变异系数、树高变异系数。
表 2 不同林龄种源的生长表现Table 2 Growth performance of provenances at different ages试验林 林龄/a 树高 胸径 单株材积 均值/m 变幅/m 变异系数 均值/cm 变幅/cm 变异系数 均值/m3 变幅/m3 变异系数 曲江林场 3 2.36 1.20~4.40 12.37 1.68 0.20~5.50 22.53 3.93×10−4 2.17×10−6~4.37×10−3 48.98 6 4.04 1.40~7.60 17.19 5.28 0.50~14.90 24.32 6.38×10−3 1.00×10−5~5.85×10−2 58.77 11 7.31 2.20~13.50 15.59 9.48 2.00~25.00 18.95 3.47×10−2 5.20×10−4~2.78×10−1 52.87 14 9.73 2.40~17.50 11.58 12.64 2.50~30.50 15.37 8.10×10−2 6.10×10−4~4.54×10−1 36.49 九曲水林场 3 2.94 1.00~6.20 9.72 2.88 0.50~8.40 17.34 1.24×10−3 1.00×10−5~1.22×10−2 38.08 6 4.76 1.50~11.00 10.24 5.73 0.70~16.50 13.72 8.39×10−3 2.00×10−5~1.08×10−1 41.27 11 7.93 2.50~18.10 10.65 9.74 2.20~23.50 13.92 3.54×10−2 6.10×10−4~3.22×10−1 42.91 14 9.37 2.80~16.20 11.64 11.09 2.40~34.20 13.78 6.27×10−2 8.50×10−4~6.76×10−1 34.90 2.2 不同林龄种源生长性状方差分析
方差分析结果(表3)显示：不同林龄的树高、胸径、单株材积在参试种源间均达到极显著水平(P＜0.01)，说明不同种源的生长性状存在很大差别，从种源试验林中筛选丰产型优良种源以及开展种源早期选择是可行的。由方差分量占比分析结果还可知：在不同林龄时，遗传效应、环境效应以及遗传和环境互作效应都对乐昌含笑生长性状的变异有影响。在遗传方面，树高、胸径和单株材积生长性状的遗传模式比较一致，总体表现为随林龄增大遗传效应逐渐增强或趋于平稳的趋势；不同林龄遗传效应的影响总体大于遗传和环境互作效应的影响，这种差异在林龄为14 a时尤其明显。此外，环境效应对生长性状的影响也不容忽视，其中，曲江林场试验林中环境效应表现为随林龄增加影响逐渐减少的趋势，在九曲水林场试验林中不同林龄的环境效应则表现相对稳定，这也说明了在种源试验过程中控制环境变异并提高测量准确性是十分必要的。
表 3 不同林龄生长性状的方差分析Table 3 Variance analysis of growth traits at different ages性状 林龄/a 曲江林场试验林 九曲水林场试验林 自由度 F 方差分量占比/% 自由度 F 方差分量占比/% 种源 种源×区组 误差 种源 种源×区组 误差 树高 3 14 3.64** 30.02 27.80 42.18 11 5.58** 40.89 23.41 35.70 6 14 4.40** 31.31 31.81 36.88 11 8.25** 53.51 16.98 29.51 11 14 5.68** 37.78 29.93 32.29 11 7.12** 43.90 25.50 30.60 14 14 9.94** 56.29 18.53 25.18 11 6.74** 41.25 21.35 37.40 胸径 3 14 4.52** 36.28 22.46 41.26 11 3.19** 24.45 30.86 44.69 6 14 4.54** 32.88 29.97 37.15 11 7.97** 53.32 16.09 30.59 11 14 6.52** 42.62 26.50 30.88 11 7.12** 46.22 23.58 30.20 14 14 9.11** 57.16 14.64 28.20 11 7.37** 55.43 9.76 34.81 单株材积 3 14 5.41** 44.65 14.85 40.50 11 3.79** 30.47 25.80 43.73 6 14 3.55** 33.32 25.97 40.71 11 4.71** 36.64 23.89 39.47 11 14 4.24** 32.42 30.23 37.35 11 4.52** 32.38 30.79 36.83 14 14 6.93** 48.02 19.61 32.37 11 6.30** 51.19 10.21 38.60 说明：**表示性状方差分析差异极显著(P＜0.01) 2.3 不同林龄种源生长性状遗传参数估算
由表4表明：树高、胸径、单株材积3个性状的种源遗传力均属中上水平，变幅为0.69~0.90。其中，曲江林场试验林树高、胸径的种源遗传力随林龄增加呈逐渐增大后趋于稳定的趋势，到林龄14 a时分别为0.90和0.89；而九曲水林场试验林不同林龄各性状的种源遗传力表现相对稳定，为0.82~0.88。
表 4 不同林龄生长性状的种源遗传力估算值Table 4 Estimation of provenance heritability of growth traits at different ages林龄/a QJ06遗传力估算值 JQS06遗传力估算值 树高 胸径 单株材积 树高 胸径 单株材积 3 0.73 0.78 0.82 0.82 0.69 0.74 6 0.77 0.78 0.72 0.88 0.88 0.79 11 0.82 0.85 0.76 0.85 0.86 0.78 14 0.90 0.89 0.86 0.82 0.86 0.84 说明：QJ06为曲江林场试验林；JQS06为九曲水林场试验林 2.4 幼林期和近熟林期性状相关分析
利用不同林龄参试种源的树高、胸径、单株材积分别与14 a的单株材积做相关分析可知(表5)：2片试验林不同林龄各性状间的表型相关系数为0.22~0.44，遗传相关系数为0.83~1.00。遗传相关系数均大于表型相关系数，并在林龄为3 a以上时，呈极显著正相关关系(P＜0.01)。表明乐昌含笑单株材积的早期选择在林龄为3 a后开展是可行的。随着林龄的增大，曲江林场试验林各性状间的表型和遗传相关系数均相对稳定，而九曲水林场试验林各性状间的表型和遗传相关系数则有逐渐增大后趋于稳定的趋势，而且不同林龄的胸径与14 a的单株材积间的相关系数均大于树高与其的相关系数，到林龄6 a时，其胸径、单株材积和14 a的单株材积间的遗传相关系数均达到1.0并趋于稳定。由此推测，根据幼林期胸径或单株材积的生长选择乐昌含笑丰产型优良种源，其效果应优于根据树高的选择效果，而且选择林龄越晚，选择效果将会越好。
表 5 幼林期和近熟林期生长性状相关系数Table 5 Correlation coefficients of the main growth traits between the juvenile and mature age性状 林龄/a QJ06试验林14 a
单株材积JQS06试验林14 a
单株材积表型相
关系数遗传相
关系数表型相
关系数遗传相
关系数树高 3 0.42** 0.98** 0.29** 0.83** 6 0.35** 0.95** 0.29** 0.92** 11 0.41** 0.96** 0.38** 0.95** 胸径 3 0.38** 0.97** 0.30** 0.98** 6 0.36** 0.97** 0.31** 1.00** 11 0.40** 0.98** 0.41** 1.00** 单株材积 3 0.37** 1.00** 0.22** 0.90** 6 0.36** 0.97** 0.35** 1.00** 11 0.37** 0.96** 0.44** 1.00** 说明：QJ06为曲江林场试验林；JQS06为九曲水林场试验林。**表示两两性状间极显著相关(P＜0.01) 2.5 种源的分类评价
种源分类评价方法有综合指标法和单指标法。综合指标法利用胸径、树高、单株材积3个指标的聚类分析结果进行种源分类评价；单指标法依据单株材积1个指标的大小进行种源分类评价。根据聚类分析结果，可把种源分为3类(表6)。其中：综合指标法的分类标准为：Ⅰ类种源总体生长表现最好，其树高、胸径、单株材积3个指标与群体均值相比均有明显增益，为丰产型种源；Ⅱ类种源总体生长表现较好，树高、胸径、单株材积3个指标与群体均值相比差异不明显，为普通型种源；Ⅲ类种源总体生长表现较差，树高、胸径及单株材积均明显小于群体均值，为低产型种源。单指标法的分类标准为：Ⅰ类丰产型种源，单株材积生长表现最好，与群体均值相比现实增益≥15%；Ⅱ类普通型种源，单株材积生长表现较好，与群体均值相比现实增益为0~15%；Ⅲ类低产型种源，单株材积生长表现较差，与群体均值相比无增益。在不同林龄时，曲江林场试验林采用2种评价方法筛选所得丰产型Ⅰ类种源的数量占比均为33%~40%，九曲水林场试验林采用综合指标法筛选所得Ⅰ类种源的数量占比为17%~42%，单指标法所得Ⅰ类种源的数量占比为25%~33%，而且2种评价方法各类群所归类的种源个体总体差异不明显，表明2种方法对Ⅰ类种源的分类结果较一致，但单指标法在操作上相对来说更简单。此外，表6还表明：2片试验林中绝大多数种源的早晚期生长表现较一致，如造林号为8、10、11、14、15的种源在各林龄时均属于Ⅰ类种源，具有良好的持续生长特性；而在林龄3、6 a时属于Ⅲ类的种源，绝大部分在林龄11、14 a时仍属于Ⅲ类。这说明乐昌含笑生长性状具有较好的稳定性。
表 6 各林龄参试种源分类评价Table 6 Clustering analysis of provenances at different ages试验林 类群 林龄3 a的种源 林龄6 a的种源 林龄11 a的种源 林龄14 a的种源 综合指标 单指标 综合指标 单指标 综合指标 单指标 综合指标 单指标 曲江林场 Ⅰ 7、8、10、11、14、15 7、8、10、11、14、15 8、10、11、14、15 8、10、11、14、15 8、10、11、14、15 7、8、10、11、14、15 8、10、11、14、15 8、10、11、14、15 Ⅱ 9、13 9、13 7、9 7、9 7、9 9 7、9、13 7、9、13 Ⅲ 1、2、3、4、5、6、12 1、2、3、4、5、6、12 1、2、3、4、5、6、12、13 1、2、3、4、5、6、12、13 1、2、3、4、5、6、12、13 1、2、3、4、5、6、12、13 1、2、3、4、5、6、12 1、2、3、4、5、6、12 九曲水林场 Ⅰ 7、8、10、11 7、8、10、11 7、8、10、11 7、8、10、11 7、8、10、11 7、8、10、11 8、10、11 7、8、10、11 Ⅱ 2、6、9、12、 2、4、9、12 2、4、9、12 4、9 4、7、9 4、9 Ⅲ 1、3、4、5 1、2、3、4、5、6、9、12 1、3、5、6 1、2、3、4、5、6、9、12 1、3、5、6 1、2、3、5、6、12 1、2、3、5、6、12 1、2、3、5、6、12 说明：表中数字为参试种源对应的造林号，具体种源信息见表1 2.6 早期选择风险评估
作为一般用材林经营时，软阔类树种龄级划分标准为：林龄≤5 a为幼龄林，6~10 a为中龄林，11~15 a为近熟林，16~25 a为成熟林[13]。据此可知，本研究乐昌含笑种源试验林已是近熟林。若分别以综合指标和单指标法进行种源分类评价，以林龄14 a的近熟林Ⅰ类种源选择结果为标准，进一步对不同林龄筛选出的Ⅰ类种源进行风险评估(表7)。由表7可知：采用2种分类评价方法开展Ⅰ类种源选择，在林龄3、6 a时，曲江林场试验林Ⅰ类种源的选对率分别为83%、100%，漏选率均为0；九曲水林场试验林则以单指标法选对率更高，在林龄3、6 a的选对率均为100%，而综合指标法的选对率均为75%，2种方法的漏选率均为0。由此可知，2种分类评价方法的早期选择风险存在一定差异，总体上以单指标法开展早期选择的风险更低，但采用2种分类评价方法在林龄为3、6 a时开展Ⅰ类种源的早期选择，所得Ⅰ类种源中均能包含14 a时入选Ⅰ类种源的100%。
表 7 乐昌含笑种源不同林龄选择风险评估Table 7 Selection risk of M. chapensis provenances at different ages评价
方法林龄/
a曲江林场试验林 九曲水林场试验林 入选数/
个选对数/
个选对率/
%错选数/
个错选率/
%漏选数/
个漏选率/
%入选数/
个选对数/
个选对率/
%错选数/
个错选率/
%漏选数/
个漏选率/
%单指标 3 6 5 83 1 17 0 0 4 4 100 0 0 0 0 6 5 5 100 0 0 0 0 4 4 100 0 0 0 0 11 6 5 83 1 17 0 0 4 4 100 0 0 0 0 14 5 5 100 0 0 0 0 4 4 100 0 0 0 0 综合指标 3 6 5 83 1 17 0 0 4 3 75 1 15 0 0 6 5 5 100 0 0 0 0 4 3 75 1 15 0 0 11 5 5 100 0 0 0 0 4 3 75 1 15 0 0 14 5 5 100 0 0 0 0 3 3 100 0 0 0 0 3. 讨论和结论
3.1 讨论
本研究的2片乐昌含笑种源试验林林木保存率随着林龄的增大以及个体间竞争的加大而逐渐降低，尤以林龄11~14 a的保存率下降速度较快。据观察，死亡的个体多为林冠内中、下层林木，这些矮小林木的死亡，会对参试种源生长量评价及遗传参数估算产生不利影响。因此，在现有3 m×3 m的造林密度下，在已郁闭且林木尚未大量死亡前作评价，结果是相对可靠的；当死亡植株大量增加时，评价结果将产生较大偏差。若要比较准确评价参试种源在达到轮伐期时的现实生产力，则在造林时适当加大株行距以增大种植空间可能更合适。
性状的遗传变异是林木遗传改良的前提，丰富而有效的遗传变异奠定了林木的改良潜力[5, 14]。丘作忠等[15]对九曲水林场试验林的研究表明：林龄为6 a时，树高、胸径、单株材积生长性状和树干通直度、冠幅、树冠密度等性状在种源间均有极显著差异，生长性状的种源遗传力为0.79~0.88，若以单株材积为选择目标时，可筛选出优良种源4个，材积现实增益达27.78%~84.43%。王润辉等[11]进一步对在2006年春季造林的九曲水林场试验林、曲江林场试验林、八一林场试验林(已在2015年被砍伐) 3片乐昌含笑种源试验林林龄为6 a的调查表明：种源、地点及种源和地点互作效应均对树高、胸径、单株材积有显著或极显著影响，3个生长性状的种源遗传力为0.70~0.80，结合多地点种源年生长量指标综合表现，可筛选出优良种源6个，材积现实增益达11.95%~41.03%。本研究表明：在林龄为3~14 a，乐昌含笑胸径、树高、单株材积在参试种源间均存在极显著差异，表明生长性状在种源间存在丰富变异，这与之前的研究结果相似[11, 15]。性状的遗传力是从亲代传递给子代的能力上得以体现，本研究中，乐昌含笑种源不同林龄的树高、胸径、单株材积的种源遗传力为0.69~0.90，均在中等以上水平。而且随着林龄的增加，各性状的遗传力表现为上升并趋于稳定的趋势，说明乐昌含笑种源生长性状有较为稳定的遗传特性，也进一步表明乐昌含笑种源早期选择的可行性。
早期选择是缩短林木育种周期、提高遗传改良效率的重要手段，对林业生产和林木育种工作具有重要意义[16−17]。林木生长性状的早晚相关性为早期选择提供了理论基础[18]，但不同树种由于不同的生长规律、木材用途及培育目标，其早期选择年龄存在较大的差异。相关研究多集中在杉木Cunninghamia lanceolata、马尾松Pinus massoniana等传统针叶用材树种上。如叶培忠等[6]指出：在林龄为6~7 a时进行杉木家系早期选择可以增大年度效益；王章荣等[7]研究认为：马尾松在林龄为9~10 a时开展选择的可靠性较高。钟伟华[19]基于火炬松Pinus taeda子代林近20 a的测定结果，提出林龄为6 a时是火炬松材积早期选择的最佳林龄。近些年，有学者陆续对木兰科树种开展遗传改良研究工作，并取得阶段性进展。如陈清根[20]对灰木莲Manglietia conifera开展家系选择发现：在林龄为8 a时入选的8个优良家系中，有5个与林龄3 a时入选的家系相同，但由于试验林尚未达到成熟期，2个林龄的选对率以及灰木莲早期选择的最佳林龄等问题仍需进一步确定。王云鹏等[5]对木荷优树自由授粉家系在林龄为3、5、10 a的生长性状研究表明：在林龄为5 a时以胸径作为早期选择性状的选择效率更高，但早期选择最佳林龄还需持续观测后确定。本研究表明：乐昌含笑种源的生长性状在早晚年度间存在极显著的遗传相关和表型相关，表明开展早期选择是可行且有效的。进一步结合2片试验林的种源分类评价结果发现：当以丰产型的Ⅰ类种源为选择目标时，在林龄为3、6 a时开展早期选择，无论是采用综合指标法还是单指标法所得Ⅰ类种源中都能包含14 a时入选Ⅰ类种源的100%。这一方面可能是因为树高、胸径2个生长性状与单株材积间具有密切相关性，另一方面可能也说明了乐昌含笑树高、胸径、单株材积性状具有良好的遗传稳定性。而且，本研究的种源试验林已是近熟林，所得结果可靠性较高。但由于试验林尚未到轮伐期，分析所得早期选择的适宜林龄仍需后续的进一步验证。
3.2 结论
乐昌含笑的树高、胸径、材积生长性状在种源间差异达极显著水平(P＜0.01)，各林龄3个生长性状的种源遗传力为0.69~0.90，属于中上水平；参试种源在林龄为3、6、11 a的树高、胸径、单株材积分别与14 a时的单株材积间有极显著相关关系(P＜0.01)，其中表型相关系数为0.22~0.44，遗传相关系数为0.83~1.00，并且各林龄的遗传相关系数均大于表型相关系数。当以丰产型种源为选择目标时，乐昌含笑种源早期选择的适宜林龄为3~6 a，在此期间开展单株材积的早期选择，选对率较高，漏选率较低，入选的种源中能包含林龄14 a时入选种源的100%。
-
图 5 研究区土壤重金属潜在生态风险评价
Figure 5 Evaluation of potential ecological risk of 7 heavy metals
表 1 重金属污染程度分级标准
Table 1. Classification standard of heavy metal pollution
级别 地积累污染指数 潜在生态风险指数 Igeo 污染等级 $E_{\rm{r}}^i$ IR 风险等级 1 Igeo≤0 无污染 $E_{\rm{r}}^i$≤40 IR≤150 低 2 0＜Igeo≤1 轻度污染 40＜$E_{\rm{r}}^i$≤80 150＜IR≤300 中 3 1＜Igeo≤2 中度污染 80＜$E_{\rm{r}}^i$≤160 300＜IR≤600 偏高 4 2＜Igeo≤3 重度污染 160＜$E_{\rm{r}}^i$≤320 600＜IR≤1 200 高 5 Igeo＞3 严重污染 $E_{\rm{r}}^i$＞320 IR＞1 200 极高 
下载: 导出CSV
表 2 绿地土壤重金属质量分数描述性统计分析
Table 2. Descriptive statistics of 7 heavy metal concentrations in the study area soil
重金属 取值范围/
(mg·kg−1)平均值/
(mg·kg−1)标准差 变异系数 偏度 峰度 P(K-S检验) 背景值/
(mg·kg−1)农业用地风险值/
(mg·kg−1)Cd 0.03~2.35 0.53 0.25 0.472 2.990 16.107 0.000 0.12 0.6 Cr 38.78~62.70 47.87 5.45 0.114 0.621 0.095 0.000 29.80 250.0 Pb 1.68~31.20 11.95 5.80 0.485 0.880 2.037 0.000 24.60 170.0 Hg 0.06~1.30 0.25 0.24 0.953 2.636 7.360 0.000 0.08 3.4 As 1.83~12.50 6.71 2.65 0.395 0.148 −0.518 0.000 7.09 25.0 Cu 0.05~18.32 4.64 4.21 0.907 1.514 2.591 0.000 23.60 100.0 Zn 24.62~84.06 51.21 13.85 0.270 0.501 0.025 0.000 102.60 300.0
下载: 导出CSV
表 3 研究区土壤重金属质量分数之间相关系数
Table 3. Correlation coefficients of 7 heavy metals in the study area soils
重金属 Cd Cr Pb As Hg Cu Cr −0.052 Pb 0.754** −0.153 As 0.141 −0.035 0.152 Hg −0.114 −0.211 −0.139 −0.305* Cu −0.052 0.081 0.083 0.117 0.039 Zn 0.033 0.579** −0.030 −0.077 −0.163 0.240 说明：**表示在 0.01 水平(双侧)上显著相关，*表示在 0.05 水平(双侧)上显著相关。
下载: 导出CSV
表 4 研究区土壤重金属质量分数主成分分析
Table 4. PCA results of seven heavy metals in the study area soil
重金属 成分矩阵 旋转成分矩阵 PC1 PC2 PC3 PC4 PC1 PC2 PC3 PC4 Cd 0.870 0.049 0.317 −0.158 0.935 0.020 0.061 −0.071 Cr −0.206 0.820 0.078 −0.239 −0.109 0.870 0.083 −0.036 Pb 0.896 −0.001 0.285 0.022 0.928 −0.083 0.093 0.087 Hg 0.420 0.127 −0.709 0.310 0.072 −0.189 0.833 0.241 As −0.325 −0.460 0.595 0.275 −0.096 −0.308 −0.767 0.232 Cu 0.028 0.355 0.143 0.883 0.011 0.136 0.030 0.953 Zn −0.101 0.845 0.277 −0.027 0.048 0.869 −0.034 0.205 特征值 1.895 1.741 1.142 1.035 1.765 1.669 1.303 1.076 贡献率/% 27.07 24.88 16.32 14.79 25.22 23.85 18.62 15.37 累计贡献率/% 27.07 51.94 68.26 83.05 25.22 49.07 67.68 83.05
下载: 导出CSV
-
[1] 陈津, 游巍斌, 何东进, 等. 福州市中心城区公园绿地的供需关系及空间异质性[J]. 浙江农林大学学报, 2023, 40(6): 1300 − 1310. CHEN Jin, YOU Weibin, HE Dongjin, et al. Supply and demand relationship and its spatial heterogeneity of urban parks in downtown area of Fuzhou [J]. Journal of Zhejiang A&F University, 2023, 40(6): 1300 − 1310. [2] 赵其国. 提升对土壤认识, 创新现代土壤学[J]. 土壤学报, 2008, 45(5): 771 − 777. ZHAO Qiguo. Improving knowledge of soil, innovating modern pedology [J]. Acta Pedologica Sinica, 2008, 45(5): 771 − 777. [3] 包婕, 江峰, 马嘉伟, 等. 城市绿地土壤研究文献的CiteSpace可视化分析[J]. 浙江农林大学学报, 2023, 40(3): 685 − 694. BAO Jie, JIANG Feng, MA Jiawei, et al. Cite Space visualization analysis of urban green space soil research literature [J]. Journal of Zhejiang A&F University, 2023, 40(3): 685 − 694. [4] 刘玥, 郭文强, 武晔秋. 大同市城区公园表层土壤重金属污染特征和健康风险及来源解析[J]. 土壤通报, 2023, 54(1): 180 − 191. LIU Yue, GUO Wenqiang, WU Yeqiu. Pollution characteristics, health risks and source analysis of surface soil heavy metals in urban parks of Datong City [J]. Chinese Journal of Soil Science, 2023, 54(1): 180 − 191. [5] 金钰, 叶令帅, 李华威, 等. 河南省柿主产区土壤重金属污染及其生态风险分析[J]. 浙江农林大学学报, 2022, 39(6): 1303 − 1312. JIN Yu, YE Lingshuai, LI Huawei, et al. Soil heavy metal pollution and its ecological risk analysis in the main Diospyros kaki producing areas of Henan Province [J]. Journal of Zhejiang A&F University, 2022, 39(6): 1303 − 1312. [6] 张文娟, 王利军, 王丽, 等. 西安市地表灰尘中重金属污染水平与健康风险评价[J]. 土壤通报, 2017, 48(2): 481 − 487. ZHANG Wenjuan, WANG Lijun, WANG Li, et al. Assessment of pollution level and health risks of heavy metals in surface dust in Xi’ an City, NW China [J]. Chinese Journal of Soil Science, 2017, 48(2): 481 − 487. [7] 韩伟, 王成文, 彭敏, 等. 川南山区土壤与农作物重金属特征及成因[J]. 环境科学, 2021, 42(5): 2480 − 2489. HAN Wei, WANG Chengwen, PENG Min, et al. Characteristics and origins of heavy metals in soil and crops in mountain area of southern Sichuan [J]. Environmental Science, 2021, 42(5): 2480 − 2489. [8] WU Yufeng, LI Xiao, YU Lu, et al. Review of soil heavy metal pollution in China: spatial distribution, primary sources, and remediation alternatives [J]. Resources,Conservation &Recycling, 2022, 181: 106 − 261. [9] LIU Futian, WANG Xueqiu, DAI Shuang, et al. Spatial variations, health risk assessment, and source apportionment of soil heavy metals in the middle Yellow River Basin of northern China [J] Journal of Geochemical Exploration, 2023, 252: 107 − 275. [10] LIANG Jiahui, LIU Zhaoyue, TIAN Yiqi, et al. Research on health risk assessment of heavy metals in soil based on multi-factor source apportionment: a case study in Guangdong Province, China [J]. Science of the Total Environment, 2023, 858: 159 − 991. [11] 北京通州年鉴编辑部. 北京通州年鉴(2021)[M]. 北京: 方志出版社, 2021. Editorial Office of Beijing Tongzhou Yearbook. Beijing Tongzhou Yearbook 2021 [M]. Beijing: Publishing House of Local Records, 2021. [12] 滕吉艳. 上海城市中心区不同类型绿地土壤重金属污染特征[J]. 土壤通报, 2021, 52(4): 927 − 933. TENG Jiyan. Contamination characteristics of heavy metals in soils from urban green space in central Shanghai [J]. Chinese Journal of Soil Science, 2021, 52(4): 927 − 933. [13] 周文洁. 北京市通州区不同绿化用地土壤肥力特征及评价[D]. 北京: 北京林业大学, 2020. ZHOU Wenjie. Soil Fertility Characteristics and Evaluation of Different Greening Lands in Tongzhou District, Beijing [D]. Beijing: Beijing Forestry University, 2020. [14] 王彬, 郑成斌, 王俊伟, 等. 微波消解顺序注射冷蒸汽原子荧光光谱法测定沉积物中的痕量汞[J]. 光谱学与光谱分析, 2012, 32(4): 1106 − 1110. WANG Bin, ZHENG Chengbin, WANG Junwei, et al. Determination of trace amounts of mercury in sediments by sequential injection cold vapor atomic fluorescence spectrometry coupled with microwave-assisted digestion [J]. Spectroscopy and spectral Analysis, 2012, 32(4): 1106 − 1110. [15] MULLER G. Index of geoaccumulation in sediments of the Rhine River [J]. Geojournal, 1969, 2: 108 − 118. [16] HÅKANSON L. An ecological risk index for aquatic pollution control: a sedimentological approach [J]. Water Research, 1980, 14(8): 975 − 1001. [17] 陈同斌, 郑袁明, 陈煌, 等. 北京市土壤重金属含量背景值的系统研究[J]. 环境科学, 2004, 25(1): 117 − 122. CHEN Tongbin, ZHENG Yuanming, CHEN Huang, et al. Background concentrations of soil heavy metals in Beijing [J]. Environmental Science, 2004, 25(1): 117 − 122. [18] 陈小敏, 朱保虎, 杨文, 等. 密云水库上游金矿区土壤重金属空间分布、来源及污染评价[J]. 环境化学, 2015, 34(12): 2248 − 2256. CHEN Xiaomin, ZHU Baohu, YANG Wen, et al. Sources, spatial distribution and contamination assessments of heavy metals in gold mine area soils of Miyun Reservoir upstream, Beijing, China [J]. Environmental Chemistry, 2015, 34(12): 2248 − 2256. [19] 生态环境部, 国家市场监督管理总局. 土壤环境质量农用地土壤污染风险管控标准(试行): GB 15618—2018 [S]. 北京: 中国标准出版社, 2018-06-22. Ministry of Ecology and Environment of the People’s Republic of China, State Administration for Market Regulation. Soil Environmental Quality Risk Control Standard for Soil Contamination of Agricultural Land: GB 15618−2018 [S]. Beijing: Standards Press of China, 2018-06-22. [20] 张沁瑞, 李欢, 邓宇飞, 等. 北京东南郊土壤重金属元素分布及其在表层土壤中的富集特征[J]. 物探与化探, 2022, 46(2): 490 − 501. ZHANG Qinrui, LI Huan, DENG Yufei, et al. Distribution of heavy metal elements in soil of the Southeastern suburbs of Beijing and their enrichment characteristics in surface soil [J]. Geophysical and Geochemical Exploration, 2022, 46(2): 490 − 501. [21] YANG Shiyan, SUN Lijuan, SUN Yafei, et al. Towards an integrated health risk assessment framework of soil heavy metals pollution: theoretical basis, conceptual model, and perspectives [J/OL]. Environmental Pollution, 2023, 316: 120596[2023-08-15]. doi: 10.1016/j.envpol. 2022.120596. [22] 蔡阳阳, 杨复沫, 贺克斌, 等. 北京城区大气干沉降的水溶性离子特征[J]. 中国环境科学, 2011, 31(7): 1071 − 1076. CAI Yangyang, YANG Fumo, HE Kebin, et al. Characteristics of water-soluble ions in dry deposition in urban Beijing [J]. China Environmental Science, 2011, 31(7): 1071 − 1076. [23] 钱建平, 张力, 张爽, 等. 桂林市汽车尾气汞污染[J]. 生态学杂志, 2011, 30(5): 944 − 950. QIAN Jianping, ZHANG Li, ZHANG Shuang, et al. Mercury pollution from automobile exhaust in Guilin City [J]. Chinese Journal of Ecology, 2011, 30(5): 944 − 950. [24] 杨硕, 阎秀兰, 冯依涛. 河北曹妃甸某农场农田土壤重金属空间分布特征及来源分析[J]. 环境科学学报, 2019, 39(9): 3064 − 3072. YANG Shuo, YAN Xiulan, FENG Yitao. Spatial distribution and source identification of heavy metals in the farmland soil of the Caofeidian in Hebei Province [J]. Acta Scientiae Circumstantiae, 2019, 39(9): 3064 − 3072. [25] 陈盟, 潘泳兴, 黄奕翔, 等. 阳朔典型铅锌矿区流域土壤重金属空间分布特征及来源解析[J]. 环境科学, 2022, 43(10): 4545 − 4555. CHEN Meng, PAN Yongxing, HUANG Yixiang, et al. Spatial distribution and sources of heavy metals in soil of a typical lead-zine mining area, Yangshuo [J]. Environmental Science, 2022, 43(10): 4545 − 4555. [26] 韩琳, 徐夕博. 基于PMF模型及地统计的土壤重金属健康风险定量评价[J]. 环境科学, 2020, 41(11): 5114 − 5124. HAN Lin, XU Xibo. Quantitative evaluation of human health risk of heavy metals in soils based on positive matrix factorization model and geo-statistics [J]. Environmental Science, 2020, 41(11): 5114 − 5124. [27] 庹雄, 杨凌霄, 张婉, 等. 海-陆大气交汇作用下青岛冬季大气 PM2.5污染特征与来源解析[J]. 环境科学, 2022, 43(5): 2284 − 2293. TUO Xiong, YANG Linxiao, ZHANG Wan, et al. Charateristics and source analysis of PM2.5 in Qingdao in winter under the action of sea-land-atmosphere convergence [J]. Environmental Science, 2022, 43(5): 2284 − 2293. [28] HU Naiwen, YU Hongwen, DENG Boling, et al. Levels of heavy metal in soil and vegetable and associated health risk in peri-urban areas across China [J/OL]. Ecotoxicology and Environmental Safety, 2023, 259: 115037[2023-08-15]. doi: 10.1016/j.ecoenv.2023.115037. [29] 董丽君, 张展华, 张彤. 土壤环境汞污染现状及其影响因素研究进展[J]. 地球与环境, 2022, 50(3): 397 − 414, 319. DONG Lijun, ZHANG Zhanhua, ZHANG Tong. Research progress on soil environmental mercury pollution status and its influencing factors [J]. Earth and Environment, 2022, 50(3): 397 − 414, 319. [30] 李颖慧, 姜小三, 王振华, 等. 基于土壤肥力和重金属污染风险的农用地土壤质量综合评价研究-以山东省博兴县为例[J]. 土壤通报, 2021, 52(5): 1052 − 1062. LI Yinghui, JIANG Xiaosan, WANG Zhenhua, et al. Comprehensive evaluation of soil quality of agricultural land based on soil fertility and heavy metal pollution risk: a case study of Boxing County, Shandong Province [J]. Chinese Journal of Soil Science, 2021, 52(5): 1052 − 1062. [31] 黄勇, 段续川, 袁国礼, 等. 北京市延庆区土壤重金属元素地球化学特征及其来源分析[J]. 现代地质, 2022, 36(2): 634 − 644. HUANG Yong, DUAN Xuchuan, YUAN Guoli, et al. Geochemistry and source identification of heavy metals in the top and subsoil of Yanqing District in Beijing [J]. Geoscience, 2022, 36(2): 634 − 644. [32] 陈小霞, 张敏, 李蓓, 等. 广东茂名主要水系表层沉积物重金属风险评估及源解析[J]. 环境科学, 2023, 44(3): 1397 − 1406. CHEN Xiaoxia, ZHANG Min, LI Bei, et al. Risk assessment and source analysis of heavy metals pollution in surface sediments from major river systems in Maoming City, Guangdong Province [J]. Environmental Science, 2023, 44(3): 1397 − 1406. 期刊类型引用(3)
1. 张怡，王润辉. 育苗基质对乐昌含笑林分早期生长的影响. 林业与环境科学. 2024(06): 40-45 . 
百度学术2. 朱报著，王海华，徐放，李祥彬. 广东含笑属检索表及树种应用研究. 林业与环境科学. 2023(04): 61-67 . 百度学术3. 胡辉群. 新丰县乐昌含笑嫁接育苗技术及抚育管理措施. 南方农业. 2023(18): 143-145 . 百度学术其他类型引用(0)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20230435
点击查看大图
计量
- 文章访问数: 451
- HTML全文浏览量: 89
- PDF下载量: 30
- 被引次数: 3
