下载:
-
土壤是人类赖以生存的自然环境，也是农业生产的重要资源。然而，随着国民经济的加速发展，城市化、工业化进程的不断加快，农药、化肥的长期使用和污水灌溉等，农田土壤中的重金属不断累积，引发农田土壤重金属污染问题，导致农产品重金属积累和污染，并通过食物链进入人体，威胁人类的健康。农产品重金属污染问题变得越来越严峻[1-4]。土壤重金属污染具有隐蔽性、不可逆性和长期性的特点[5-6]，治理难度大。对土壤重金属污染状况进行监测，预防土壤重金属污染，开展土壤重金属污染农产品的风险评价极为重要，这也是国内外研究和社会关注的热点[7-9]。土壤重金属污染状况的正确评价可以为土壤安全利用、保障农产品安全生产及政府制定土壤保护政策等提供科学依据。评价土壤重金属污染的方法较多，常见的有内梅罗综合指数法、富集系数法、地累积指数法、潜在生态危害指数法等，迄今尚未形成一个成熟的方法和统一的标准[10-13]。水稻Oryza sativa是世界第二大粮食作物，也是中国第一大粮食作物。镉容易被水稻吸收，也是目前中国水稻生产中最主要的重金属污染元素[14]。在浙江省农产区不同土地利用类型中，稻田土壤中重金属平均含量最高[15]，但对稻米重金属污染状况的调查，特别是土壤和稻米协同采样的调查和污染评价研究却甚少[16]。嘉兴是浙江省杭嘉湖平原区重要产粮基地之一。已有文献报道：嘉兴市稻田土壤重金属总体状况良好，也存在着一些零星分布的土壤重金属超标区域，但尚未开展土壤-水稻系统协同采样和进行风险评价。基于此，本研究于2018年在水稻收获季，以已报道嘉兴市受重金属污染的稻田土壤区域及重点企业周边区域为主要对象，开展土壤-水稻样品协同采样，测定土壤和稻米中镉、铅、铬、砷等4种重金属元素质量分数，结合GB 15618−2018《土壤环境质量 农用地土壤污染风险管控标准(试行)》、GB/T 36869−2018《水稻生产的土壤镉、铅、铬、汞、砷安全阈值》和GB 2762−2017《食品中污染物限量》，对土壤重金属污染状况和对水稻安全生产的污染风险进行评价，旨在进一步保护和利用土壤，为今后嘉兴市水稻土质量安全管理和土壤重金属污染治理方案的确定提供科学依据。
-
嘉兴市地处浙江省东北部、长江三角洲杭嘉湖平原腹地，30°21′~31°02′N，120°18′~121°06′E。全市现辖海宁、桐乡、平湖、海盐、嘉善5个县(市)和南湖、秀洲2个区，陆地总面积4275.05 km2，全市户籍人口352.12万人。该市地处北亚热带南缘，属东亚季风区，冬夏季风交替，四季分明，气温适中，雨水丰沛，日照充足，年平均气温15.9 ℃，年平均降水量1168.6 mm，年平均日照2 017.0 h。地势低平。土壤母质主要为浅海沉积物、河流冲积物及湖沼相沉积物。
-
以公开报道的嘉兴市土壤重金属信息为导向，并结合实地咨询和调查，本研究试验区域覆盖重金属接近和达到污染的土壤，同时兼顾选取重点行业企业等污染源周围稻田土壤(疑似)，并开展土壤和水稻样品协同采集。采用全球定位系统(GPS)定位，于2018年10月水稻收获时期，采集稻田0~20 cm土层土样，同时采集对应的水稻籽粒样品。为确保样品的代表性，在每个取样点以周围5 m×5 m正方形范围内设置6~8个采样点。每个采样点取土约0.5 kg，均匀混合为1份，按四分法保留分析样品约1.0 kg。土壤样品自然风干后混匀磨碎，过2.00 mm筛，用以测定pH和重金属有效态质量分数；取其中一部分过0.15 mm筛，用以测定土壤有机质和重金属全量。水稻样品选取籽粒部分，以自来水冲洗和去离子水洗净，70 ℃烘干至恒量，脱壳粉碎后备用。
-
土壤重金属全量采用硝酸-盐酸-高氯酸(HNO3-HCl-HClO4)混合酸微波消解后测定；土壤重金属镉有效态采用0.1 mol·L−1盐酸提取剂提取后测定；水稻籽粒重金属采用硝酸微波消解后测定。待测液中的镉、铅采用石墨炉原子吸收光谱仪测定，铬采用火焰原子吸收光谱仪测定，砷采用原子荧光光谱仪测定。测定时均加入国家标准土壤标样和大米国家标准参比物分别进行质量控制，分析结果符合质量控制要求。土壤pH用pH计按水土比2.5∶1.0浸提测定；土壤有机质采用重铬酸钾氧化-外加热法测定[17]。
-
目前，对于重金属污染的评价方法有很多，根据评价结果反映的主体可分为2类: 以重金属元素为主体的评价方法和以采样点为主体的评价方法[18]。本研究主要选取以重金属元素为主体的评价方法，单因子指数法和内梅罗综合指数法、富集系数法和地累积指数法、潜在生态指数评价法和生态风险预警指数法对嘉兴市水稻土壤重金属污染及其生态危害做出定量评价和风险预估。
-
单因子污染指数法[19]针对土壤中单一污染物的污染程度进行评价。其计算公式为：
$${P_i} = {C_i}/{S_i}{\text{。}}$$ (1) 式(1)中：Pi为重金属元素i的污染指数；Ci为重金属元素i的实测质量分数(mg·kg−1)；Si为重金属元素i的评价标准(mg·kg−1)。Pi的分级标准参见文献[19]。
内梅罗综合污染指数法[19]是在单因子指数的基础上对重金属污染进行综合评价。其计算公式为：
$$ P=\sqrt{\frac{{P}_{i\mathrm{m}\mathrm{a}\mathrm{x}}^{2}+{P}_{i\mathrm{a}\mathrm{v}\mathrm{e}}^{2}}{2}}{\text{。}}$$ (2) 式(2)中：P为土壤污染综合指数；Piave为土壤中各污染指数平均值；Pimax为土壤中各污染指数最大值。P的分级标准参见文献[19]。
-
采用富集系数法[12]主要是评估和识别污染物来源。富集系数(E)的计算公式如下：
$$ E=\frac{({C}_{i}/{C}_{{\rm{n}}})_\mathrm{s}}{({C}_{i}/{C}_{{\rm{n}}})_{\rm{r}}}{\text{。}}$$ (3) 式(3)中：(Ci/Cn)s为土壤样品中重金属元素i与标准化元素n的测量质量分数比值，(Ci/Cn)r为土壤中重金属元素i与标准化元素n的背景值比。本研究选择锰为参比元素[20-21]。E值越大，富集程度就越高。E的分级标准参见文献[12]。
地累积指数(Igeo)法[12]被应用于人为活动产生的重金属对土壤污染的评价。Igeo的计算公式如下：
$$ {I}_{\mathrm{g}\mathrm{e}\mathrm{o}}={\mathrm{log}}_{2}\left[\frac{{C}_{i}}{k {B}_{i}}\right]{\text{。}}$$ (4) 式(4)中：Igeo为地累积指数；Ci为重金属元素i的实测值(mg·kg−1)；Bi为重金属元素i的地球化学背景值(mg·kg−1)；k为考虑造岩运动导致重金属背景值存在差异而设定的系数，一般为1.5。Igeo的分级标准参见文献[12]。
-
潜在生态风险采用Hakanson提出的生态风险指数法进行评价。潜在生态风险指数IR的计算公式如下：
$${F_{{\rm{r}}i}} = {C_i}/{C_{\rm{n}}}\text{；}$$ (5) $${E_{{\rm{r}}i}} = {T_{{\rm{r}}i}} {F_{{\rm{r}}i}}\text{；}$$ (6) $$ {I}_{\mathrm{R}}=\sum\limits_{i=1}^{n}{E}_{\mathrm{r}i}\text{。} $$ (7) 式(5)~式(7)中：Ci为重金属元素i的实测值；Cn为重金属元素i的参比值(采用浙江省土壤环境背景值)[22]。Fri、Tri、Eri分别为第i种重金属污染系数、毒性响应系数和潜在生态危害指数。镉、铅、铬、砷的毒性响应系数分别为30、10、2、10[23]。潜在生态危害指数(Eri)越高，表明土壤受某个重金属污染的风险越高；IR被称为潜在生态风险指数，为多种重金属元素的潜在生态风险综合值，其值越大，土壤风险越高，据此可以根据Er和IR进行分类和风险评价[24]。
采用Rapan提出的生态风险预警指数(IER)对水稻土生态风险进行预警评估。IER的计算公式为：
$$ {I}_{\mathrm{E}\mathrm{R}}=\sum\limits_{i=1}^{n}{I}_{\mathrm{E}{\mathrm{R}}{i}}=\sum\limits_{i=1}^{n}\left(\frac{{C}_{{\mathrm{A}}{i}}}{{C}_{{\mathrm{R}}{i}}-1}\right)\text{。} $$ (8) 式(8)中：IER为生态风险预警指数；IERi为重金属元素i的生态风险指数；CAi为重金属元素i的实测质量分数；CRi为重金属元素i的参比值。预警分级标准根据IER进行分类和风险评价[25]。
-
采用Excel 2018对土壤重金属进行描述性统计分析。采用SPSS 22.0进行Spearman相关性分析。数据统计图表的绘制由Excel 2018和Origin 11.0完成。
-
土壤重金属的生物有效性受诸多因子的影响。在水稻生产上，土壤pH和有机质质量分数对土壤重金属有效性的影响极为重要。相同的重金属质量分数，土壤高pH、高有机质有利于重金属有效性的降低，抑制水稻吸收积累重金属，稻米重金属污染风险下降。因此，国家标准中将土壤pH和有机质质量分数状况列为2个参数，制定土壤中重金属元素镉、铅、铬、汞、砷的最大允许质量分数，其允许值(阈值)随土壤pH和有机质质量分数的提高而增大，如当pH＜5、有机质质量分数＜20 g·kg−1时，土壤镉的安全阈值定为0.2 mg·kg−1；而当土壤pH≥7、有机质质量分数≥20 g·kg−1时，土壤镉的安全阈值定为0.5 mg·kg−1(GB/T 36869−2018《水稻生产的土壤镉、铅、铬、汞、砷安全阈值》)。调研结果显示：本研究所调查的水稻土土壤pH和有机质质量分数的变化都较大，土壤pH为5.0~8.0，pH相差达3个单位，而土壤有机质质量分数为6.8~61.0 g·kg−1，相差近10倍(表1)，因而，允许的土壤重金属阈值不同。
表 1 土壤pH和有机质状况
Table 1. Soil pH and organic matter content
项目 pH 有机质/(g·kg−1) 项目 pH 有机质/(g·kg−1) 最小值 4.96 6.84 标准差 0.74 14.43 最大值 7.99 60.97 变异系数/% 12.06 39.91 平均值 6.15 36.15 -
本研究所调查区域水稻土重金属质量分数变幅较大，因不同元素而异。测定结果及描述性统计分析见表2和表3。土壤镉、铅、铬、砷质量分数范围分别为0.01~1.92、17.60~34.80、47.00~123.00、3.97~9.89 mg·kg−1，平均分别为0.36、25.78、72.73、7.55 mg·kg−1。土壤重金属质量分数与浙江省土壤重金属背景值相比，镉、铅、铬、砷分别有68.18%、13.64%、22.73%、54.55%的样品超过浙江省土壤背景值；与土壤环境质量标准[GB 15618−2018《土壤环境质量 农用地土壤污染风险管控标准(试行)》]中农用地土壤污染风险筛选值相比，只有部分稻田土壤镉质量分数有所超标，点位超标率为22.73%，但都低于风险管制值；与水稻安全生产标准(GB/T 36869−2018《水稻生产的土壤镉、铅、汞、砷安全阀值》)的土壤安全阈值相比，也只有镉质量分数超过规定限值，点位超标率为31.82%。
表 2 水稻土和稻米重金属质量分数
Table 2. Contents of heavy metals in paddy soils and rice grains
序号 土壤重金属/(mg·kg−1) 稻米镉/
(mg·kg−1)序号 土壤重金属(mg·kg−1) 稻米镉/
(mg·kg−1)镉 铅 铬 砷 镉 铅 铬 砷 1 1.07 28.00 69.00 6.86 0.056 12 0.17 27.70 68.00 7.47 0.024 2 0.14 25.60 68.00 7.69 0.006 13 0.01 24.90 123.00 7.30 0.029 3 0.22 23.80 78.00 7.53 0.019 14 0.17 22.20 65.00 6.95 0.045 4 0.09 19.90 69.00 7.64 0.004 15 0.11 27.30 69.00 7.63 0.061 5 0.45 17.60 63.00 6.92 0.024 16 0.15 27.60 73.00 7.98 0.026 6 0.30 27.90 67.00 8.35 0.015 17 0.09 23.30 59.00 5.89 0.005 7 0.27 29.40 90.00 9.64 0.041 18 0.56 23.90 61.00 6.56 0.030 8 0.24 29.10 69.00 7.85 0.018 19 0.09 20.30 73.00 7.86 0.028 9 0.17 34.20 64.00 7.40 0.009 20 0.33 23.80 98.00 8.19 0.025 10 0.47 34.80 73.00 9.89 0.051 21 0.18 21.00 47.00 3.97 0.049 11 0.29 24.10 61.00 8.13 0.009 22 1.92 30.70 93.00 8.49 0.062 表 3 水稻土重金属质量分数空间变异状况及超标率
Table 3. Variation of heavy metal contents and exceeding standard rate in paddy soils
重金属 重金属/(mg·kg−1) 标准差 变异系数/% 超标率Ⅰ/% 超标率Ⅱ/% 最小值 最大值 平均值 镉 0.01 1.92 0.36 0.41 120.10 31.82 22.73 铅 17.60 34.80 25.78 4.30 16.70 0 0 铬 47.00 123.00 72.73 15.66 21.53 0 0 砷 3.97 9.89 7.55 1.18 15.56 0 0 说明：超标率Ⅰ以水稻生产的安全阈值(GB/T 36869−2018)为参比值；超标率Ⅱ以风险筛选值(GB 15618−2018)为参比值。 变异系数可以反映一定区域内重金属元素的分布和污染程度的差异，变异系数越大代表元素质量分数差异越大、离散度越高，重金属质量分数受外界因素影响越大[26]。由表2可以看出：土壤重金属质量分数变异系数最大的是镉，达120.10%，表明土壤中镉的空间分布差异比较大，可能受人类活动及周边环境(企业工厂)的影响所致，其他重金属元素铅、铬、砷的变异系数都很小，为15.56%~21.53%，在空间上存在相似的污染程度。
表2与图1结果表明：除部分样点镉质量分数高于对应的风险筛选值和安全阈值外，土壤镉、铅质量分数水平均未超出对应安全阈值，说明被调查的土壤重金属污染(疑似)区域内水稻土虽然存在普遍的镉、铬、铅富集，但铬、铅未超出国家相关标准限值。土壤砷质量分数均低于水稻生产安全阈值和农用土壤污染风险筛选值。因此，对水稻安全生产而言，土壤镉累积现象最为凸显，可能会影响水稻的安全生产。
图 1 水稻土重金属质量分数分布箱线图
Figure 1. Box plot of soil heavy metal content distribution in paddy soils
虽然研究区域内有部分稻田土壤镉超过国家标准限值，但是稻米测定结果显示所采集的稻谷稻米镉质量分数为0.006~0.062 mg·kg−1，平均为0.029 mg·kg−1，均在安全范围以内，没有超过GB 2762–2017《食品中污染物限量》限额(0.200 mg·kg−1)。说明目前的土壤环境对所栽水稻品种是安全的。除了水稻自身因素外，稻米镉质量分数积累低还可能与重金属镉污染土壤的环境条件特别是土壤pH和有机质质量分数较高有关[27]。但是在本研究中，研究区稻米镉质量分数与土壤全量镉、有效态镉质量分数和土壤pH、有机质质量分数的相关性都不高，显示水稻土中全量镉、有效态镉、有机质质量分数和pH都不是影响稻米中镉质量分数高低的决定性因素(表4)。虽然稻米镉积累与有效态镉、有机质质量分数有一定的正相关性，而与pH呈负相关，但许多研究表明重金属的有效性会随着有机质的增加而降低[28]。说明稻米镉质量分数、土壤镉有效性与土壤环境条件关系复杂，同时这些结果还可能与水稻品种有关。因为水稻基因型是影响土壤-水稻系统中重金属的转移和生物利用度的主要因素，不同的水稻品种对土壤重金属的吸收、转移、富集能力不同，导致籽粒中重金属质量分数的差异。镉低积累水稻品种籽粒吸收积累镉少，在一定的土壤镉污染超标条件下，大米镉不会超标[19, 29]。
表 4 土壤全量镉、有效态镉、稻米镉和土壤pH、有机质的相关性分析
Table 4. Correlation analysis of total soil Cd, available Cd, rice grain Cd, soil pH and SOM
项目 土壤全量镉 土壤有效态镉 稻米镉 土壤pH 有机质 土壤全量镉 1 土壤有效态镉 0.508* 1 稻米镉 −0.090 0.138 1 pH 0.007 −0.169 −0.013 1 有机质 −0.233 −0.107 0.296 −0.306 1 说明：*表示在0.05水平上相关 -
以国家水稻生产的土壤安全阈值(GB/T 36869−2018《水稻生产的土壤镉、铅、铬、汞、砷安全阈值》)为依据，计算研究区域水稻土土壤重金属的单项污染指数和综合污染指数。从表5可以看出：土壤重金属镉、铅、铬、砷的单项污染指数平均值分别为0.96、0.25、0.42、0.36。所有重金属单因子污染指数均小于1.00，属于清洁水平，说明研究区域水稻土处于安全水平。与稻米重金属质量分数测定结果一致。
表 5 水稻土重金属污染指数
Table 5. Heavy metal pollution index of paddy soil
统计指标 单因子污染指数 综合指数 镉 铅 铬 砷 最大值 3.84 0.46 0.82 0.52 2.84 最小值 0.04 0.09 0.24 0.20 0.28 平均值 0.96 0.25 0.42 0.36 0.81 标准差 0.84 0.10 0.12 0.08 0.57 变异系数/% 86.92 40.15 28.72 21.66 70.36 根据各重金属元素不同污染级别样点数占比可知(表6)，有68.18%的样点土壤镉单因子污染指数小于1.00，其余31.82%样点的土壤镉超标，其中轻度污染、中度污染、重度污染样点数分别占样点总数的22.73%、4.55%、4.55%。铅、铬、砷等3种元素的单因子污染指数全部都小于1.00，不存在污染情况。由此，镉是4种元素中积累最为严重的重金属元素。从内梅罗综合指数(表5和表6)看，研究区域土壤镉、铅、铬、砷重金属综合指数为0.28~2.84，各点位差异较明显。所有点位中63.64%的样点综合污染指数均小于0.70，也说明嘉兴市水稻土环境状况整体良好。处于警戒线的占13.64%，受污染的占22.72%，其中轻度污染的占18.18%，中度污染的占4.54%，无重度污染。对于处于警戒线，特别是部分已处于中、轻度污染的土壤应当引起高度重视。
表 6 基于污染指数法重金属污染程度占比
Table 6. Proportion of heavy metal pollution based on pollution index method
单因子指数 污染等级 各污染等级点位占比/% 综合指数 污染等级 各污染等级
点位占比/%镉 铅 铬 砷 P≤1 清洁 68.18 100 100 100 Pi≤0.7 安全 63.64 1＜P≤2 轻度污染 22.72 0 0 0 0.7＜ Pi≤1.0 警戒 13.64 2＜P≤3 中度污染 4.55 0 0 0 1.0＜ Pi≤2.0 轻度污染 18.18 P＞3 重度污染 4.55 0 0 0 2.0＜ Pi≤3.0 中度污染 4.54 -
以浙江省土壤背景值作为依据，以锰元素作为校准元素进行对比，计算富集系数。对4种重金属元素的富集系数(E)进行分析比较(表7)，可以得出：4种重金属元素富集程度从大到小依次为镉、砷、铬、铅。铅、铬、砷区域富集污染程度为Ⅱ级，属于轻微富集、轻微污染；镉区域富集污染程度为Ⅲ级，属于中度富集、中度污染。镉、铅、铬、砷分别有18.18%、36.36%、27.27%、13.64%的采样点呈现无富集、无污染状态；分别有31.82%、59.09%、68.18%、81.82%的采样点表现为重金属轻微富集、轻微污染；分别有31.82%、4.55%、4.55%、4.55%的采样点表现为重金属中度富集、中度污染；还有18.18%的样点存在镉元素显著富集、强污染。
表 7 水稻土重金属元素富集系数和地累积指数评价特征值统计
Table 7. Evaluation eigen value statistics of heavy metal element enrichment coefficient and geoaccumulation idex in paddy soil
重金属 E E≤1 1＜E≤2 2＜E≤5 5＜E≤20 20＜E≤40 变化范围 平均值 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 镉 0.10~9.86 2.81 4 18.18 7 31.82 7 31.82 4 18.18 0 0 铅 0.60~2.13 1.23 8 36.36 13 59.09 1 4.55 0 0 0 0 铬 0.84~2.40 1.33 6 27.27 15 68.18 1 4.55 0 0 0 0 砷 0.87~2.13 1.41 3 13.64 18 81.82 1 4.55 0 0 0 0 重金属 Igeo Igeo≤0 0＜Igeo≤1 1＜Igeo≤2 2＜Igeo≤3 3＜Igeo≤4 变化范围 平均值 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 镉 −4.51~3.07 −0.11 12 54.55 6 27.27 2 9.09 1 4.55 1 4.55 铅 −1.37~−0.39 −0.84 22 100.00 0 0 0 0 0 0 0 0 铬 −1.31~0.08 −0.71 21 95.45 1 4.55 0 0 0 0 0 0 砷 −1.52~−0.20 −0.61 22 100.00 0 0 0 0 0 0 0 0 仍以浙江省土壤背景值进行参比。4种重金属的地累积指数法统计结果如表7所示。可以看出：4种元素Igeo从大到小依次为镉、砷、铬、铅。在所有样点中，砷、铅的地累积指数均小于0，呈现无富集无污染状态。污染最严重的重金属为镉，其平均地累积指数为−0.11，处于轻微污染的边界。但是各样点指数差异悬殊，特别是镉，在研究区中仅有54.55%的样点处于无富集、无污染状态，27.27%的样点处于轻微富集状态，9.09%的样点处于中度富集状态，4.55%的样点处于中强富集状态，4.55%的样点处于强富集状态。总体而言，该地区在人类生产、生活活动的影响下，镉元素积累明显，富集程度高；个别样点存在镉元素轻微富集污染，其他元素富集污染程度均为无污染。
-
以水稻生产的土壤安全阈值(GB/T 36869−2018《水稻生产的土壤镉、铅、铬、汞、砷安全阈值》)指标为参比值，根据生态风险划分标准，对水稻土重金属污染进行潜在生态风险评价，评价结果(表8)显示：研究区域水稻土不同重金属单项潜在生态危害指数(Er)平均值从大到小表现为镉、砷、铅、铬。所有样点铅、铬、砷的潜在生态风险指数(IR)均小于40，处于轻微风险水平。土壤镉的潜在生态危害程度最高，平均值为28.83，生态危害系数变化幅度大，最高值为115.2，最低值为1.2，变异系数为86.92%。达到中等、较强生态危害的样点数分别占样点总数的18.18%、4.55%。土壤重金属综合潜在生态风险指数(IR)变化范围为9.08~121.36，平均值为35.73，变异系数为70.01%，呈现轻微生态风险水平，主要贡献因子是镉。从变异系数可以看出：研究区域内生态危害分布差异性大。但是所有样点的IR均小于150，全部样点均处于轻微生态风险水平。而土壤生态风险预警指数(IER)变化范围为−2.97~0.73，平均值为−2.01，处于无风险至预警级，仅有1个样点最大的IER为0.73，也在轻度预警级别。因此，采用潜在生态风险评价指数法和生态风险预警指数法都表明：研究区土壤重金属处于安全级别，污染风险较小。
表 8 水稻土重金属潜在生态风险评价
Table 8. Potential ecological risk assessment of heavy metals in paddy soil
统计指标 潜在生态危害指数(Er) 潜在生态风险
指数(IR)土壤生态风险
预警指数(IER)镉 铅 铬 砷 最大值 115.20 4.56 1.64 5.24 121.36 0.73 最小值 1.20 0.90 0.48 1.99 9.08 −2.97 平均值 28.83 2.47 0.84 3.58 35.72 −2.01 标准差 25.06 0.99 0.24 0.78 25.02 0.83 变异系数/% 86.92 40.15 28.72 21.66 70.01 −41.15 采用不同的方法对研究区域稻田土壤重金属污染风险评价的结果都表明：研究区域总体上处于安全水平；就单个重金属而言，土壤铅、铬、砷属于没有污染风险或轻微风险水平，而镉在某些点位稻田土壤中呈显著富集、轻中度污染，对水稻安全生产构成一定的风险。本研究协同采样测定结果显示：稻米各项指标均符合国家粮食安全标准(GB 2762−2017《食品中污染物限量》)。考虑到不同水稻品种对土壤镉吸收积累的差异，以及土壤环境条件特别是pH易受人为施肥管理等措施的影响，对土壤镉质量分数较高的点位，在今后的水稻生产管理中需要加强动态监测，关注土壤镉形态转化和有效性的变化，以保障水稻粮食生产安全[26, 28]。
-
采用多种方法对研究区域稻田土壤重金属污染风险进行评价，结果显示：研究区域水稻土壤总体上处于安全水平。协同采样测定结果显示：稻米各项指标均符合国家粮食安全标准(GB 2762−2017《食品中污染物限量》)。
采用E和Igeo的评价结果均得出4种元素富集程度从大到小依次为镉、砷、铬、铅，潜在生态危害由强至弱依次为镉、砷、铅、铬。研究区内镉富集(污染)最为明显，个别样点存在镉元素中轻度污染，镉是当前最主要的生态风险因子。
目前的土壤环境对当地的水稻栽培品种来说是安全的。在今后的水稻生产管理中仍需加强动态监测，关注土壤镉形态转化和有效性的变化，充分保障水稻粮食生产安全。
Survey and risk assessment of soil heavy metals in the main rice producing areas in Hangjiahu Plain
-
摘要:
目的 进一步了解杭嘉湖平原水稻Oryza sativa主产区嘉兴市稻田土壤重金属污染及水稻生产安全现状。 方法 于2018年选择嘉兴市典型水稻主产区域开展调查分析。在水稻收获期进行土壤和水稻协同采样，测定土壤和大米样品中镉、铅、铬和砷等4种重金属元素质量分数，采用单因子污染指数法和内梅罗综合污染指数法、潜在生态风险指数法及生态风险预警指数法等对水稻土重金属污染水平及污染风险进行评价。 结果 研究区域土壤镉、铅、铬和砷质量分数变幅分别为0.01~1.92、17.60~34.80、47.00~123.00、3.97~9.89 mg·kg−1，平均质量分数分别为0.36、25.78、72.73和7.55 mg·kg−1；土壤重金属镉质量分数超过水稻生产的土壤安全阈值(GB/T 36869−2018《水稻生产的土壤镉、铅、铬、汞、砷安全阈值》)的样本比例占31.82%；4种重金属的潜在生态风险由强至弱依次为镉、砷、铅、铬，区域整体上表现为轻微潜在生态风险；部分土壤镉质量分数超标，但水稻籽粒镉质量分数均没有超标。 结论 研究区稻米各项指标均符合GB 2762−2017《食品中污染物限量》，土壤总体上处于安全水平。在今后的水稻生产管理中仍需加强动态监测，关注土壤镉形态转化和有效性的变化，充分保障水稻粮食生产安全。图1表8参29 Abstract:Objective This study aims to investigate the status of heavy metal pollution in soil and rice safety in Jiaxing, the main paddy field of Oryza sativa in Hangjiahu Plain. Method In 2018, Jiaxing City was selected as the main rice producing area for investigation and analysis. Soil and rice were sampled during rice harvest period to determine the contents of four heavy metal elements (Cd, Pb, Cr, and As) in soil and rice samples. The pollution level and risk of heavy metals in paddy soil were evaluated by single factor pollution index method, Nemero comprehensive pollution index method, potential ecological risk index method and ecological risk early warning index method. Result Contents of Cd, Pb, Cr, and As in soil were 0.01−1.92, 17.60−34.80, 47.00−123.00 and 3.97−9.89 mg·kg−1, with an average of 0.36, 25.78, 72.73, and 7.55 mg·kg−1 respectively. The proportion of soil samples whose Cd content exceeded the soil safety threshold for rice production (Safety Threshold Values of Cadmium, Lead, Chromium, Mercury and Arsenic in Soil For Rice Production, GB/T 36869−2018) reached 31.82%. The potential ecological risks of the four heavy metals from strong to weak were Cd, As, Pb, and Cr, and the region as a whole presented slight potential ecological risks. Cd content in rice grain was safe according to the national criterion, although Cd content exceeded the national standard (GB/T 36869−2018) in some soil. Conclusion All indexes of rice in the study area are in line with National Food Safety Standard Limits of Contaminants in Food (GB 2762−2017) and the soil is generally at a safe level for rice production. In the future it’s necessary to monitor changes of heavy metals in soil, especially transformation and availability of Cd, in order to guarantee safe rice production. [Ch, 1 fig. 8 tab. 29 ref.] -
Key words:
- paddy soil /
- heavy metal pollution /
- agricultural product safety /
- risk assessment /
- rice cadmium /
- Jiaxing City
-
放牧是草地的主要利用方式之一，主要通过牲畜的采食、践踏、卧息和排泄粪便等方式对地表植被、土壤养分以及土壤微生物产生影响[1]。土壤微生物在有机质的分解、养分循环与转化等方面具有重要作用[2]，其数量和群落功能多样性能够在一定程度上指示土壤质量及其可持续利用性[3]。研究放牧与土壤微生物的关系，有助于揭示过度放牧导致草场沙漠化的机制。根际是植物、土壤、微生物之间进行物质和能量交换的关键区域，是植物和土壤相互作用的重要界面，诸多学者对植物根际与非根际土壤的养分、微生物数量及群落组成的差异性开展了大量的研究[4-7]。邱权等[8]综合比较了4种人工灌木丛根际和非根际土壤的特性，发现土壤酶活性和微生物数量呈现出根际高于非根际；对宁夏宁南山区猪毛蒿Artemisia scoparia，百里香Thymus mongolicus等9种典型植物[9]和内蒙古羊草Leymus chinensis，大针茅Stipa grandis和冷蒿Artemisia frigida等典型植物[10]进行研究，表明大多数植物的根际土壤微生物数量、活性及多样性等均高于非根际土壤，是由于植物物种差异所引起。冷蒿是菊科Compositae蒿属Artemisia植物，多年生小半灌木，是退化草场的典型植物，具有强烈的耐牧生存能力，高强度放牧干扰后仍能够生长繁殖并维持一定的生产力，这与其自身的生物学特性[11]及根系代谢产物[12]对土壤微环境的调控密切相关。目前，关于放牧干扰对冷蒿根际土壤微生物群落多样性影响的研究尚未报道。本研究拟采用微生物传统培养法和Biolog-ECO板技术，对不同放牧强度下冷蒿根际土壤化学性质、微生物数量及其群落功能多样性进行研究，分析冷蒿根际土壤微生物数量及代谢功能多样性对放牧干扰的响应，探讨冷蒿耐牧性与土壤微生物群落多样性之间的关系，为揭示冷蒿成为草场退化阻击者提供土壤生态学方面的理论依据。
1. 材料与方法
1.1 研究地区概况
本研究依托内蒙古锡林浩特市毛登牧场（内蒙古大学草地生态学研究基地）进行，其地理位置为44°10′02.4″ N，116°28′56.8″ E，海拔1 160 m，属半干旱大陆性气候，冬季寒冷干燥，夏季在一定程度上受海洋季风气候影响。全年平均气温为-0.4 ℃，最冷月（1月）平均气温-22.3 ℃，最热月（7月）平均气温18.8 ℃，≥0 ℃年积温为2 410 ℃，≥10 ℃积温为1 597.9 ℃，无霜期91 d，草场植物生长期为150 d左右。全年平均降水量为365.6 mm，集中于6-9月，占年降水量的80%左右，但年度间的变幅较大，多雨和少雨的年份降水量相差1倍以上。该地雨热同期，有利于植物的生长，土壤为栗钙土。本研究区域主要草原植物为羊草，糙隐子草Cleistogenes squarrosa，克氏针茅Stipa krylovii，大针茅，防风Saposhnikovia divaricata，冷蒿，瓣蕊唐松草Thalictrum petaloideum，阿尔泰狗哇花Heteropappus altaicus等。
1.2 样地设置及土样采集
1.2.1 试验设计
于2012年5月至2014年7月连续2 a对草场进行不同放牧强度处理，每年放牧时间为5-9月。试验按照放牧强度设置不放牧为对照（ck），5月和7月每月21日放牧1 d为轻度放牧（light grazing，LG），5-9月每月21日放牧1 d为重度放牧（heavy grazing，HG），3个处理；受天气因素的影响，每次放牧时间延后。分别设置重复3个·处理-1，面积为33.3 m × 33.3 m·小区-1。试验用羊为当年生乌珠穆沁羊Capra hircus ‘Ujimqin’，各个放牧季节羊放牧率为6只·小区-1。
1.2.2 土壤样品的采集与保存
土壤样品采集于2014年7月冷蒿生长高峰期，在各个小区采用5点取样法。随即选取4~5丛冷蒿，以冷蒿株丛为中心，将冷蒿纯植株丛完整挖起（0~10 cm），轻轻抖动根系并去除粘附在根系上的较大颗粒土，作为冷蒿非根际土壤（NRS），采集粘附在根际上根系表面的土壤作为冷蒿根际土壤（ARS）。各个小区采集的土壤混合在一起作为该小区样地的土样，各个小区用5点取样法采样2次以获得同一小区的2份土样。将土壤装入无菌封口塑料袋，带回实验室。土样分成2份，1份于4 ℃保存，用于可培养微生物的分离、计数及Biolog-ECO板测定，另1份风干过2 mm筛，用于测定土壤理化性质。
1.2.3 微生物分离与记数
土壤可培养微生物数量（colony forming units，cfu）用稀释平板法分离计数。细菌采用牛肉膏蛋白胨固体培养基；真菌采用马丁培养基；放线菌采用高氏1号培养基，30 ℃恒温培养，细菌培养1 d后计数，真菌、放线菌培养3 d后计数。
1.2.4 微生物代谢功能多样性测定
土壤微生物代谢功能多样性采用Biolog-ECO板方法进行分析。称取新鲜土样1 g于9 mL磷酸缓冲液中，在摇床上震荡30 min，在接种前按10倍稀释法制成10-4土壤稀释液，使用8通道移液器，从V型槽中吸取150 μL稀释液至ECO板的微孔中，接种后的板置于30 ℃恒温培养，每隔24 h在Biolog读板仪上用Biolog Reader 4.2软件（Biolog，Hayward，CA，美国）读取590 nm波长的吸光度D（590），培养时间为168 h。
1.3 土壤理化性质测定
测定参照鲁如坤[13]的土壤农化分析方法进行。有机质（organic matter，OM）采用重铬酸钾容量法；全氮（total nitrogen，TN）采用半微量凯氏定氮法；碱解氮（hydrolysis nitrogen，HN）采用碱解扩散法；全磷（total phosphorus，TP）采用氢氧化钠碱溶-钼锑抗比色法；速效磷（available phosphorus，AP）采用碳酸氢钠浸提钼锑抗比色法；全钾（total potassium，TK）采用氢氧化钠碱溶-火焰光度法；速效钾（available potassium，AK）采用乙酸氨浸提-火焰光度法；pH值采用酸度计法，土壤悬液为水土比为m（水）: m（土）=5:1。
1.4 数据处理
土壤微生物群落利用碳源的整体能力（即代谢活性）用平均孔颜色变化率（average well color development，AWCD）表示。AWCD=[∑（Ci-R）]/n，其中：Ci为测定的31个碳源孔吸光值，R为对照孔吸光值，n为碳源数目。土壤微生物群落功能多样性采用Shannon指数、Simpson指数、丰富度指数和McIntosh指数进行分析。
所有的数据均为5次重复的平均值±标准误差，利用Origin 8软件（美国Origin Lab公司）对96 h的AWCD值进行统计分析和作图。统计方法采用单因素方差分析（one-way ANOVA）进行检验，并进行Fisher最小显著差数法（LSD）多重比较（P＜0.05）。采用双因素方差分析（two-way ANOVA）分析土壤×放牧处理之间相互作用的影响，利用SPSS 16.0进行主成分分析[14]。
2. 结果与分析
2.1 不同放牧强度下土壤部分化学性质的变化
由表 1可知：放牧对2种土壤中的有机质、全磷、碱解氮、速效钾和pH值具有极显著影响，对全氮和全钾具有显著影响。放牧特别是重度放牧后，NRS土壤中各养分质量分数均显著增加，pH值显著下降；ARS土壤中有机质和其他养分质量分数均显著增加，重度放牧后，有机质、全氮、全磷、碱解氮、速效磷和速效钾与对照相比分别增加20.0%，29.1%，17.7%，13.0%，3.4%和6.7%，但pH值显著降低，重度放牧后呈弱碱性；相同放牧处理下ARS土壤各养分质量分数均显著高于NRS土壤，pH值明显低于NRS土壤。
表 1 不同放牧强度下土壤化学性质Table 1. Soil chemical properties under different grazing intensity
2.2 不同放牧强度下土壤微生物的组成
不同放牧强度下2类土壤中微生物的总量、主要类群数量差异显著（图 1），微生物总量以LG-ARS和ck-ARS最高，分别为24.6×106个（cfu）·g-1和20.4×106个（cfu）·g-1，显著高于其他处理组。三大类异养微生物数量在各土壤微生物组成中均以细菌类群占绝对优势，但细菌、真菌、放线菌间的组成比例差异较大，其中细菌占微生物总数88%~95%，放线菌其次，占微生物总数的3%~12%，真菌最少。放牧后NRS土壤中细菌、真菌数量显著下降，而ARS土壤中真菌数量增加显著，且显著高于NRS，细菌数量在轻度放牧后显著增加，重度放牧后下降。
图 1 不同放牧强度下土壤微生物种群密度Figure 1. Soil microbial population density under different grazing intensity2.3 土壤微生物群落代谢活性的变化
图 2为土壤微生物群落代谢活性（AWCD）随培养时间的变化曲线：在培养初始的24 h内土壤微生物活性较低，24 h后AWCD值快速增长，168 h时各处理的AWCD值均达到最大，利用碳源能力的顺序为LG-ARS＞ck-ARS＞ck-NRS＞LG-NRS＞HG-ARS＞HG-NRS，平均值分别为0.999，0.918，0.861，0.769，0.695，0.310；相同牧压下ARS土壤微生物的AWCD值均显著高于NRS，对照、轻度和重度放牧后AWCD值分别是NRS的1.07倍、1.30倍和2.24倍。
图 2 不同放牧强度下土壤微生物群落AWCD随培养时间的变化Figure 2. AWCD changes with incubation time of soil microbial under different grazing intensity2.4 土壤微生物对不同类型碳源利用强度分析
放牧强度不同，土壤微生物对不同种类碳源利用强度存在显著差异（表 2）；冷蒿根际土壤中，轻度放牧可增加微生物对不同种类碳源的利用能力，碳源代谢的优势群落与对照相同，依次为糖类＞氨基酸＞羧酸＞聚合物＞胺类＞酚酸代谢群落，土壤微生物群落结构稳定；重度放牧后，微生物对各类碳源的利用率显著下降，优势群落发生改变；冷蒿非根际土壤中，放牧强度增强，土壤微生物对不同种类碳源利用率变化较大，未显示一定的规律性，土壤微生物群落功能多样性变化很大，不稳定。
表 2 不同放牧强度下土壤微生物群落对6类碳源的利用（96 h）Table 2. Effect of soil microbial on the ability to utilize six types carbon source under different grazing intensity (96 h)
2.5 土壤微生物群落功能多样性指数分析
随放牧强度的增加，冷蒿根际和非根际土壤微生物的4种指数均显著降低（表 3）。Shannon指数和碳源利用丰富度指数表明放牧降低微生物群落功能多样性，减少碳源的利用数目，而冷蒿根际土壤微生物种类多且较均匀，利用的碳源数量较多；冷蒿根际土壤的Simpson指数显著高于非冷蒿根际，表明冷蒿能够显著提高优势菌的数量，削弱放牧对常见微生物物种的不良影响；LG-ARS和HG-ARS的McIntosh指数显著高于LG-NRS和HG-NRS，说明LG-ARS和HG-ARS的土壤微生物种类更为丰富，碳源利用程度较高；重度放牧后McIntosh指数最低，表明过度放牧会降低土壤微生物种类丰富度和碳源利用程度。
表 3 不同放牧强度下土壤微生物群落功能多样性指数比较（96 h）Table 3. Functional diversity indices for soil microbial community under different grazing intensity (96 h)
2.6 不同放牧强度下土壤微生物碳源利用的主成分分析
运用SPSS软件对培养96 h测定的AWCD数据进行主成分分析，得到2个与土壤微生物利用碳源多样性相关的主成分，累计贡献率达到69.3%。其中第1主成分（PC1）的方差贡献率为52.1%，权重最大，第2主成分（PC2）贡献率为17.2%。因其他主成分贡献率较小，因此只用PC1和PC2得分作图来表征微生物群落碳源代谢特征（图 3）。由图 3可知：不同处理在PC轴上出现明显的分布差异，HG-ARS位于PC1负方向，得分系数为-0.308，其他处理均位于PC1正方向，得分系数为0.160~1.030；HG-NRS位于PC2负方向，得分系数为-0.357，其他处理位于PC2正方向，得分系数范围为0.300~0.950。可见，提取的2个主成分基本上能够区分不同放牧强度ARS和NRS土壤类别的微生物群落功能多样性。另外，将主成分PC1和PC2的得分系数与31种单一碳源做相关性分析，其中与PC1相关的碳源有16种，其中11个呈负相关，主要是糖类、羧酸类和聚合物，肝糖与PC1显著负相关；5个呈正相关，主要是氨基酸类和胺类。与PC2相关的碳源有17种，其中15种呈正相关，主要是糖类和羧酸类碳源，L-苯丙氨酸与其相关性显著。可见羧酸类和氨基酸类碳源在主成分分离中具有主要贡献作用。
图 3 不同放牧强度下土壤微生物碳源利用类型的主成分分析Figure 3. Principal components for carbon utilization of soil microbial communities under different grazing intensity3. 讨论
3.1 放牧对冷蒿根际土壤养分的影响
土壤养分是土壤健康状况的重要指标，放牧对土壤有机质、元素循环产生影响。对中国西藏高原高山草甸[15]、科尔沁沙漠化草地[16]、松嫩平原羊草草甸[17]和玉树隆宝滩地区高寒草甸[18]的研究中均发现土壤有机质质量分数在放牧后显著降低，但是REEDER等[19]和WIENHOLD等[20]的研究结果与之相反，认为放牧能够增加土壤中的有机质等。安慧等[21]认为放牧过程动物通过粪便将消耗的植物养分大部分返还到土壤中，增加土壤碳氮输入，使有机质、氮素和速效钾、速效磷等增加。本研究结果与上述研究结果相似，放牧后土壤中有机质、全氮、全磷、全钾、碱解氮、速效钾和速效磷等增加，土壤pH值下降。同时，本研究还发现冷蒿根际土壤中有机质、全氮、碱解氮、速效磷和速效钾等养分显著高于非根际，而土壤的pH值显著低于非根际（P＜0.05），冷蒿的生长能够有效改善土壤健康状况，降低放牧对土壤的扰动，可能是由于冷蒿的生物量、盖度、根茎比与牧压成正比[22]，较大的根茎比增加了碳素等向地下的分配量[23]，使得土壤中各化学组分的量增加；根系分泌大量的酸性物质[12]，降低土壤pH值的同时增加各种元素的可溶性和可被利用性。
3.2 放牧对冷蒿根际土壤微生物数量的影响
关于放牧对草原土壤微生物影响的研究很多，但结果不一致。WANG等[24]在美国佛罗里达州一草地的研究结果表明，放牧草地土壤微生物数量显著高于未放牧草地，停止放牧微生物数量也随之下降；BARDGETT等[25]研究表明：放牧能增加高原草地土壤的微生物量。有更多研究认为，适度放牧有助于土壤微生物数量的增加，过度放牧则会导致微生物数量显著降低[26]。与此类研究结果不同，本研究中放牧干扰降低了非根际土壤微生物数量，但冷蒿的生长却使土壤微生物数量在放牧后显著升高，并且相同放牧强度下，冷蒿根际微生物的数量均高于非根际（图 1）。表明冷蒿的生长能够降低放牧对土壤微生物产生的干扰，使土壤微生物能够较正常的生长繁殖，这可能是冷蒿在放牧后较其他草原植物仍能生长良好引起的。冷蒿被动物践踏破坏顶端优势后，其半匍匐型枝条生成不定根进行克隆生长[22, 27]，其发达的根系及丰富的根系分泌物能够为土壤微生物提供丰富的生长基质和有利的生存环境，丰富了土壤微生物的能量来源。另外，冷蒿地上茎叶部分常释放出具有抑制动物采食、其他牧草种子萌发、幼苗生长和繁衍能力的挥发性物质，增强冷蒿的生存竞争力[28-29]，这些特性为构建稳定土壤生态群落提供了坚实基础。冷蒿的良好生长为土壤微生物提供了良好的生存环境以及丰富的碳源，而对非根际土壤微生物来说土壤微环境破坏严重且可用的碳源较少而不能大量繁殖。本研究表明：土壤微生物量与冷蒿的有无具有密切关系，冷蒿能够为微生物提供相对稳定的微生态环境以及相对丰富的土壤养分，降低放牧对土壤的扰动，使土壤微生物量显著升高。
3.3 放牧对冷蒿根际土壤微生物群落功能多样性的影响
本试验采用Biolog-ECO板技术对内蒙古典型草原不同放牧强度下冷蒿根际和非根际土壤微生物功能多样性进行了研究，结果显示放牧后土壤微生物活性、4种微生物多样性指数及碳源利用能力均显著下降。导致微生物群落功能多样性下降的可能原因是放牧改变了地表植被多样性，使输入地下的植物残体、根系分泌物成分改变，加之牧畜践踏增强对土壤团聚体及地表的破坏，改变了土壤结构，使土壤微生物生境改变，从而影响土壤微生物的活性及群落多样性。当前，诸多研究证明草地利用、管理条件和植被类型的变化能显著改变土壤微生物群落组成、活性及功能多样性[30]。张海芳等[31]对内蒙古贝加尔针茅草原在放牧、刈割和围封等3种不同利用方式下土壤微生物功能多样性进行研究，发现放牧后土壤微生物代谢活性降低，但功能多样性增强；刈割与放牧方式下微生物群落碳源利用情况及代谢功能相似，而围封土壤微生物群落代谢活性最高，碳源利用模式及代谢强度也不同于放牧和刈割。李玉洁等[32]认为随着休牧年限增加，贝加尔针茅草原土壤微生物的代谢功能增强，数量增大；毕江涛等[33]研究荒漠草原5种不同植被类型土壤微生物活性、主要利用碳源类型、群落功能多样性均存在显著差异。可见，植物根际土壤微生物多样性不仅随着利用方式改变，还随着植物类型改变，具有很强的植物种的特异性。
本研究还发现：不同放牧强度处理下冷蒿根际土壤微生物活性、碳源利用能力及功能多样性等都高于非根际土壤。主成分分析表明：对照和轻度放牧后冷蒿根际与非冷蒿根际土壤差异不显著，重度放牧后两者差异显著，羧酸类和氨基酸类碳源在分异中起重要作用，植被类型和多样性的改变影响微生物的碳源利用，尤其体现在对这两类碳源的利用上[34-35]。其中羧酸类和氨基酸类碳源是根系分泌物的主要成分，分别与植物抗胁迫和土壤养分有效性有关[36]。根际土壤与非根际土壤微生物之间的差异与植物凋落物和根系分泌物息息相关，植物凋落物和根系分泌物是土壤微生物生长基质和有利环境的提供者。而不同植物的凋落物和根系分泌物化学组分差异很大[37]，是植被类型影响土壤微生物活性及功能类群的主要推进力量[38]。王纳纳等[10]对内蒙古草原典型植物对土壤微生物群落影响的研究发现，植物不同土壤微生物群落组成不同，并且土壤微生物群落结构在根际和非根际间的差异大于不同物种间的差异，说明植物根际和非根际土壤性质和微生物群落功能多样性存在巨大不同。杨阳等[7]对宁夏荒漠草原不同植物根际与非根际微生物量分布特征的研究也发现，长芒草Stipa bungeana，蒙古冰草Agropyron mongolicum，甘草Glycyrrhiza uralensis等6种地带性优势植物根际土壤微生物量显著高于非根际土壤。滕应等[39]发现矿区土壤根际微生物数量、群落功能多样性、碳源利用类型及群落结构因种植牧草种类不同而发生相应变化，且根际土壤微生物代谢活性均显著高于非根际土壤。
4. 结论
本研究结果表明：放牧处理后，在冷蒿根际和非根际土壤化学性质、微生物量、群落结构和代谢功能上存在不同程度的差异。冷蒿根际土壤微生物量、代谢活性、碳源利用能力和多样性指数均高于非根际。LG-ARS微生物代谢活性最高，ck-ARS微生物多样性指数最高，对31种碳源利用最强，而HG-NRS微生物多样性指数均最低。冷蒿根际土壤微生物优势代谢群落为糖类、氨基酸类和羧酸类，相对稳定，而非根际优势代谢群落变化较大，不稳定。放牧处理后，冷蒿根际土壤pH值均低于pH 8.0，土壤养分均高于非根际。总之，冷蒿的“纯植株丛”生长方式能够改善土壤微环境，增加其根际土壤微生物群落功能多样性，从而增强抵抗放牧胁迫的能力，成为草场的优势群落。
-
图 1 水稻土重金属质量分数分布箱线图
Figure 1 Box plot of soil heavy metal content distribution in paddy soils
表 1 土壤pH和有机质状况
Table 1. Soil pH and organic matter content
项目 pH 有机质/(g·kg−1) 项目 pH 有机质/(g·kg−1) 最小值 4.96 6.84 标准差 0.74 14.43 最大值 7.99 60.97 变异系数/% 12.06 39.91 平均值 6.15 36.15 
下载: 导出CSV
表 2 水稻土和稻米重金属质量分数
Table 2. Contents of heavy metals in paddy soils and rice grains
序号 土壤重金属/(mg·kg−1) 稻米镉/
(mg·kg−1)序号 土壤重金属(mg·kg−1) 稻米镉/
(mg·kg−1)镉 铅 铬 砷 镉 铅 铬 砷 1 1.07 28.00 69.00 6.86 0.056 12 0.17 27.70 68.00 7.47 0.024 2 0.14 25.60 68.00 7.69 0.006 13 0.01 24.90 123.00 7.30 0.029 3 0.22 23.80 78.00 7.53 0.019 14 0.17 22.20 65.00 6.95 0.045 4 0.09 19.90 69.00 7.64 0.004 15 0.11 27.30 69.00 7.63 0.061 5 0.45 17.60 63.00 6.92 0.024 16 0.15 27.60 73.00 7.98 0.026 6 0.30 27.90 67.00 8.35 0.015 17 0.09 23.30 59.00 5.89 0.005 7 0.27 29.40 90.00 9.64 0.041 18 0.56 23.90 61.00 6.56 0.030 8 0.24 29.10 69.00 7.85 0.018 19 0.09 20.30 73.00 7.86 0.028 9 0.17 34.20 64.00 7.40 0.009 20 0.33 23.80 98.00 8.19 0.025 10 0.47 34.80 73.00 9.89 0.051 21 0.18 21.00 47.00 3.97 0.049 11 0.29 24.10 61.00 8.13 0.009 22 1.92 30.70 93.00 8.49 0.062
下载: 导出CSV
表 3 水稻土重金属质量分数空间变异状况及超标率
Table 3. Variation of heavy metal contents and exceeding standard rate in paddy soils
重金属 重金属/(mg·kg−1) 标准差 变异系数/% 超标率Ⅰ/% 超标率Ⅱ/% 最小值 最大值 平均值 镉 0.01 1.92 0.36 0.41 120.10 31.82 22.73 铅 17.60 34.80 25.78 4.30 16.70 0 0 铬 47.00 123.00 72.73 15.66 21.53 0 0 砷 3.97 9.89 7.55 1.18 15.56 0 0 说明：超标率Ⅰ以水稻生产的安全阈值(GB/T 36869−2018)为参比值；超标率Ⅱ以风险筛选值(GB 15618−2018)为参比值。
下载: 导出CSV
表 4 土壤全量镉、有效态镉、稻米镉和土壤pH、有机质的相关性分析
Table 4. Correlation analysis of total soil Cd, available Cd, rice grain Cd, soil pH and SOM
项目 土壤全量镉 土壤有效态镉 稻米镉 土壤pH 有机质 土壤全量镉 1 土壤有效态镉 0.508* 1 稻米镉 −0.090 0.138 1 pH 0.007 −0.169 −0.013 1 有机质 −0.233 −0.107 0.296 −0.306 1 说明：*表示在0.05水平上相关
下载: 导出CSV
表 5 水稻土重金属污染指数
Table 5. Heavy metal pollution index of paddy soil
统计指标 单因子污染指数 综合指数 镉 铅 铬 砷 最大值 3.84 0.46 0.82 0.52 2.84 最小值 0.04 0.09 0.24 0.20 0.28 平均值 0.96 0.25 0.42 0.36 0.81 标准差 0.84 0.10 0.12 0.08 0.57 变异系数/% 86.92 40.15 28.72 21.66 70.36
下载: 导出CSV
表 6 基于污染指数法重金属污染程度占比
Table 6. Proportion of heavy metal pollution based on pollution index method
单因子指数 污染等级 各污染等级点位占比/% 综合指数 污染等级 各污染等级
点位占比/%镉 铅 铬 砷 P≤1 清洁 68.18 100 100 100 Pi≤0.7 安全 63.64 1＜P≤2 轻度污染 22.72 0 0 0 0.7＜ Pi≤1.0 警戒 13.64 2＜P≤3 中度污染 4.55 0 0 0 1.0＜ Pi≤2.0 轻度污染 18.18 P＞3 重度污染 4.55 0 0 0 2.0＜ Pi≤3.0 中度污染 4.54
下载: 导出CSV
表 7 水稻土重金属元素富集系数和地累积指数评价特征值统计
Table 7. Evaluation eigen value statistics of heavy metal element enrichment coefficient and geoaccumulation idex in paddy soil
重金属 E E≤1 1＜E≤2 2＜E≤5 5＜E≤20 20＜E≤40 变化范围 平均值 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 镉 0.10~9.86 2.81 4 18.18 7 31.82 7 31.82 4 18.18 0 0 铅 0.60~2.13 1.23 8 36.36 13 59.09 1 4.55 0 0 0 0 铬 0.84~2.40 1.33 6 27.27 15 68.18 1 4.55 0 0 0 0 砷 0.87~2.13 1.41 3 13.64 18 81.82 1 4.55 0 0 0 0 重金属 Igeo Igeo≤0 0＜Igeo≤1 1＜Igeo≤2 2＜Igeo≤3 3＜Igeo≤4 变化范围 平均值 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 样品数/个 比率/% 镉 −4.51~3.07 −0.11 12 54.55 6 27.27 2 9.09 1 4.55 1 4.55 铅 −1.37~−0.39 −0.84 22 100.00 0 0 0 0 0 0 0 0 铬 −1.31~0.08 −0.71 21 95.45 1 4.55 0 0 0 0 0 0 砷 −1.52~−0.20 −0.61 22 100.00 0 0 0 0 0 0 0 0
下载: 导出CSV
表 8 水稻土重金属潜在生态风险评价
Table 8. Potential ecological risk assessment of heavy metals in paddy soil
统计指标 潜在生态危害指数(Er) 潜在生态风险
指数(IR)土壤生态风险
预警指数(IER)镉 铅 铬 砷 最大值 115.20 4.56 1.64 5.24 121.36 0.73 最小值 1.20 0.90 0.48 1.99 9.08 −2.97 平均值 28.83 2.47 0.84 3.58 35.72 −2.01 标准差 25.06 0.99 0.24 0.78 25.02 0.83 变异系数/% 86.92 40.15 28.72 21.66 70.01 −41.15
下载: 导出CSV
-
[1] 骆永明. 中国土壤环境污染态势及预防、控制和修复策略[J]. 环境污染与防治, 2009, 31(12): 27 − 31. LUO Yongming. Trends in soil environmental pollution and the prevention-controlling-remediation strategies in China [J]. Environ Poll Prev, 2009, 31(12): 27 − 31. [2] 任婧, 袁旭, 卞春梅, 等. 贵阳白云区工业园区周边水稻土重金属含量状况及风险评价[J]. 西南农业学报, 2015, 28(3): 233 − 238. REN Jing, YUAN Xu, BIAN Chunmei, et al. Risk assessment on heavy metal pollution of paddy soil around Baiyun industrial park, Guiyang [J]. Southwest China J Agric Sci, 2015, 28(3): 233 − 238. [3] ZHU Yuen, ZHAO Ye, SUN Ke, et al. Heavy metals in wheat grain and soil: assessment of the potential health risk for inhabitants in a sewage-irrigated area of Beijing, China [J]. Fresenius Environ Bull, 2011, 20(5): 1109 − 1116. [4] ALMASOUD F I, USMAN A R, AL-FARRAL A S. Heavy metals in the soils of the Arabian Gulf coast affected by industrial activities: analysis and assessment using enrichment factor and multivariate analysis [J]. Arabian J Geosci, 2015, 8(3): 1691 − 1703. [5] 宋伟, 陈百明, 刘琳. 中国耕地土壤重金属污染概况[J]. 水土保持研究, 2013, 20(2): 292 − 298. SONG Wei, CHEN Baiming, LIU Lin. Soil heavy metal pollution of cultivated land in China [J]. Res Soil Water Conserv, 2013, 20(2): 292 − 298. [6] 王振中, 张友梅, 邓继福, 等. 重金属在土壤生态系统中的富集及毒性效应[J]. 应用生态学报, 2006, 17(10): 1948 − 1952. WANG Zhenzhong, ZHANG Youmei, DENG Jifu, et al. Enrichment and toxicity effect of heavy metals in soil ecosystem [J]. Chin J Appl Ecol, 2006, 17(10): 1948 − 1952. [7] CHAI Yuan, GUO Jia, CHAI Sheli, et al. Source identification of eight heavy metals in grassland soils by multivariate analysis from the Baicheng-Songyuan area, Jilin Province, northeast China [J]. Chemosphere, 2015, 134: 67 − 75. [8] ZHANG Chaosheng. Using multivariate analyses and GIS to identify pollutants and their spatial patterns in urban soils in Galway, Ireland [J]. Environ Poll, 2006, 142: 501 − 511. [9] 钱力, 张超, 齐鹏, 等. 永康城市土壤重金属污染评价及来源分析[J]. 浙江农林大学学报, 2016, 33(3): 427 − 433. QIAN Li, ZHANG Chao, QI Peng, et al. Sourcing and evaluating heavy metal pollution in the urban topsoil of Yongkang City [J]. J Zhejiang A&F Univ, 2016, 33(3): 427 − 433. [10] 王宏. 东洞庭湖湿地土壤重金属的分布特征及风险评价[D]. 长沙: 湖南师范大学, 2012. WANG Hong. Distribution Characteristics and Risk Assessment of Heavy Metals in Wetland Soil of Dongting Lake[D]. Changsha: Hunan Normal University, 2012. [11] 秦鱼生, 喻华, 冯文强, 等. 成都平原北部水稻土重金属含量状况及其潜在生态风险评价[J]. 生态学报, 2013, 33(19): 6335 − 6344. QIN Yusheng, YU Hua, FENG Wenqiang, et al. Assessment on heavy metal pollution status in paddy soils in the northern Chengdu Plain and their potential ecological risk [J]. Acta Ecol Sin, 2013, 33(19): 6335 − 6344. [12] 赵庆令, 李清彩, 谢江坤, 等. 应用富集系数法和地累积指数法研究济宁南部区域土壤重金属污染特征及生态风险评价[J]. 岩矿测试, 2015, 34(1): 129 − 137. ZHAO Qingling, LI Qingcai, XIE Jiangkun, et al. Characteristics of soil heavy metal pollution and its ecological risk assessment in south Jining District using methods of enrichment factor and index of geoacummulation [J]. Rock Miner Anal, 2015, 34(1): 129 − 137. [13] SUN Yuebing, ZHOU Qixing, XIE Xiaokui, et al. Spatial, sources and risk assessment of heavy metal contamination of urban soils in typical regions of Shenyang, China [J]. J Hazardous Mater, 2010, 174(1/3): 455 − 462. [14] 赵科理, 刘杏梅, 徐建明. 浙江省水稻产地环境镉污染分布及其风险评价[J]. 土壤通报, 2009, 40(2): 192 − 197. ZHAO Keli, LIU Xingmei, XU Jianming. Pollution distribution and risk assessment of soil Cd in rice-production areas in Zhejiang Province [J]. Chin J Soil Sci, 2009, 40(2): 192 − 197. [15] 程街亮, 史舟, 朱有为, 等. 浙江省优势农产区土壤重金属分异特征及评价[J]. 水土保持学报, 2006, 20(1): 103 − 107. CHENG Jieliang, SHI Zhou, ZHU Youwei, et al. Differential characteristics and appraisal of heavy metals in agricultural soils of Zhejiang Province [J]. J Soil Water Conserv, 2006, 20(1): 103 − 107. [16] 董良潇. 浙江省农田土壤和农作物重金属污染评价[D]. 温州: 温州大学, 2017. DONG Liangxiao. Evaluation of Heavy Metal Pollution in Farmland Soil and Crops in Zhejiang Province[D]. Wenzhou: Wenzhou University, 2017. [17] 鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出版社, 2000. [18] 李春芳, 王菲, 曹文涛, 等. 龙口市污水灌溉区农田重金属来源、空间分布及污染评价[J]. 环境科学, 2017, 38(3): 1018 − 1027. LI Chunfang, WANG Fei, CAO Wentao, et al. Source analysis, spatial distribution and pollution assessment of heavy metals insewage irrigation area farmland soil of Longkou City [J]. Environ Sci, 2017, 38(3): 1018 − 1027. [19] 陈京都, 戴其根, 许学宏, 等. 江苏省典型区农田土壤及小麦中重金属含量与评价[J]. 生态学报, 2012, 32(11): 3487 − 3496. CHEN Jingdu, DAI Qigen, XU Xuehong, et al. Heavy metal contents and evaluation of farmland soil and wheat in typical area of Jiangsu Province [J]. Acta Ecol Sin, 2012, 32(11): 3487 − 3496. [20] 李倩, 秦飞, 季宏兵, 等. 北京市密云水库上游金矿区土壤重金属含量、来源及污染评价[J]. 农业环境科学学报, 2013, 32(12): 2384 − 2394. LI Qian, QIN Fei, JI Hongbing, et al. Contents, sources and contamination assessment of soil heavy metals in gold mine area of upstream part of Miyun Reservoir, Beijing, China [J]. J Agro-Environ Sci, 2013, 32(12): 2384 − 2394. [21] BERGAMASCHI L, RIZZIO E, VALCUVIA M G, et al. Determination of trace elements and evaluation of their enrichment factors in Himalayan Lichens [J]. Environ Poll, 2002, 120(1): 137 − 144. [22] 汪庆华, 董岩翔, 周国华, 等. 浙江省土壤地球化学基准值与环境背景值[J]. 生态与农村环境学报, 2007, 23(2): 81 − 88. WANG Qinghua, DONG Yanxiang, ZHOU Guohua, et al. Soil geochemical baseline and environmental background values of agricultural regions in Zhejiang Province [J]. J Ecol Rural Environ, 2007, 23(2): 81 − 88. [23] SHEN Feng, LIAO Renmei, ALI A, et al. Spatial distribution and risk assessment of heavy metals in soil near a Pb/Zn smelter in Feng County, China [J]. Ecotoxicol Environ Saf, 2017, 139: 254 − 262. [24] ISLAM M S, AHMED M K, HABIBULLAH-AL-MAMUN M, et al. Potential ecological risk of hazardous elements in different land-use urban soils of Bangladesh [J]. Sci Total Environ, 2014, 512/513: 94 − 102. [25] 张云芸, 马瑾, 魏海英, 等. 浙江省典型农田土壤重金属污染及生态风险评价[J]. 生态环境学报, 2019, 28(6): 1233 − 1241. ZHANG Yunyun, MA Jin, WEI Haiying, et al. Heavy metals in typical farmland soils of Zhejiang Province: levels, sources and ecological risks [J]. Ecol Environ Sci, 2019, 28(6): 1233 − 1241. [26] 王美青, 章明奎. 杭州市城郊土壤重金属含量和形态的研究[J]. 环境科学学报, 2002, 22(5): 603 − 608. WANG Meiqing, ZHANG Mingkui. Concentrations and chemical associations of heavy metals in urban and suburban soils of the Hangzhou City, Zhejiang Province [J]. Acta Sci Circumstant, 2002, 22(5): 603 − 608. [27] 李永涛, 刘科学, 张池, 等. 广东大宝山地区重金属污染水田土壤的Cu、Pb、Zn、Cd全量与 DTPA浸提态含量的相互关系研究[J]. 农业环境科学学报, 2004, 23(6): 1110 − 1114. LI Yongtao, LIU Kexue, ZHANG Chi, et al. Relationships between total and DTPA extractable contents of Cu, Pb, Zn, Cd in trace metal-contaminated paddy soils of Dabaoshan, Guangdong [J]. J Agro-Environ Sci, 2004, 23(6): 1110 − 1114. [28] ZENG Fanrong, MAO Ying, CHENG Wangda, et al. Genotypic and environmental variation in chromium, cadmium and lead concentrations in rice [J]. Environ Poll, 2008, 153(2): 309 − 314. [29] 程旺大, 张国平, 姚海根, 等. 晚粳稻籽粒中As、Cd、Cr、Ni、Pb等重金属含量的基因型与环境效应及其稳定性[J]. 作物学报, 2006, 32(4): 572 − 579. CHENG Wangda, ZHANG Guoping, YAO Haigen, et al. Genotypic and environmental variation and their stability of As, Cr, Cd, Ni and Pb concentrations in the grains of Japonica rice [J]. Acta Agromomica Sin, 2006, 32(4): 572 − 579. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.20950756.20200309
点击查看大图
计量
- 文章访问数: 1228
- HTML全文浏览量: 255
- PDF下载量: 136
- 被引次数: 0
