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
-
木材不仅具有广泛的经济价值，而且对人类生产生活也具有重要意义[1−2]。木本植物经历初生生长和次生生长2个发育阶段，初生生长是由茎尖干细胞(SAM)和根尖干细胞(RAM)分裂分化引起器官伸长的生长，次生生长是由维管形成层和木栓形成层细胞分裂分化促进器官加粗的生长[3]。由于维管形成层不断分裂和分化，树木才会逐年加粗[4]。木材是维管形成层细胞的增殖分化产生的次生木质部不断沉积、累加的结果。以上研究表明：以杨树Populus为主的木本植物形成层发育过程受到很多信号调控，例如一些植物激素、肽受体蛋白和转录因子等。本文围绕以上几个方面展开综述。
1. 维管形成层的发育与木材形成
维管系统的出现是植物从水生到陆生长期适应环境的结果。维管系统分为木质部、韧皮部和原形成层3个组成部分[5−7]。木质部和韧皮部来源于原形成层，原形成层产生初生韧皮部和初生木质部，初生韧皮部和初生木质部共同组成初生维管束[8−9]。维管形成层属于次生分生组织，由初生分生组织、根和茎的顶端分生组织分化而来。根维管形成层起源于原形成层细胞及周围的薄壁组织分化，其中部分细胞通过平周分裂产生形成层[10−11]。茎中的维管形成层可以分为束中形成层和束间形成层，束中形成层和束间形成层形成一个完整的环，这个环也称为维管形成层[12]。
维管形成层活动产生次生韧皮部和次生木质部[13]，次生韧皮部和次生木质部的形成过程便是植物的次生生长。随着初生生长结束，木本植物便开始次生生长。维管形成层活动驱动次生生长进程[12]。木材是由次生木质部细胞凋亡、次生壁加厚所形成的树干部分，是木本植物次生生长发育的产物[5, 14]。木材形成的主要细胞来源是维管形成层干细胞，木材形成过程涉及形成层细胞增殖、木质部细胞伸长和增大、次生细胞壁沉积、程序性细胞死亡以及心材形成几个连续的步骤[15]。形成层活性对木材形成至关重要。
2. 形成层干细胞的分子调控机制
维管形成层细胞是一种双面干细胞，也称为多能干细胞，具有形成韧皮部和木质部细胞类型的能力[16−17]。维管形成层干细胞经过分裂分化产生次生韧皮部和次生木质部[18]。维管形成层干细胞来源于纺锤状原始细胞和射线原始细胞，其中纺锤状原始细胞向内分化形成次生木质部，向外分化形成次生韧皮部，韧皮射线由射线原始细胞分裂产生的薄壁细胞组成，维管射线形成输导系统[19−20]。
近年来，维管形成层增殖分化的分子调控机制成为生物学和林学领域的热点，维管形成层生长发育的分子机理也取得较大进展。关于维管形成层干细胞是由一层还是多层干细胞组成的问题，近期有学者通过解剖学和空间转录组学测序等方法进行研究，认为多年生木本植物的韧皮部和木质部的产生可能依赖于2个独立的分生组织池，即可能存在2个干细胞活性中心：韧皮部中的干细胞群和维管形成层区域的干细胞群，分别形成韧皮部和木质部细胞[21]。在形成层生长发育过程中，一些植物激素、小肽和相关转录因子协同发挥作用，严密调控维管形成层的活动[2]。
3. 激素对木本植物形成层活动的调控
维管形成层的活性受到几种激素的调节，包括生长素(IAA)、细胞分裂素(CK)、乙烯(ET)、油菜素内脂(BR)、赤霉素(GA)等[22]。它们相互协调可以促进形成层增殖和木材发育。
许多证据表明：生长素的峰值累积主要出现在杨树形成层干细胞，生长素的极性流动与它的输出转运体PIN1蛋白相关，说明PIN1基因上调表达促进了形成层活性和次生生长[23]。BJÖRKLUND等[24]和AGUSTI等[25]研究证明：在去顶的杨树中外施生长素能正向调控形成层干细胞活性，促进形成层细胞的分裂分化。在红松Pinus koraiensis中，生长素积累诱导形成层细胞分化[26]，生长素浓度升高促进木质部细胞数量增加[27]。NILSSON等[23]通过降低生长素响应性，扰乱了生长素信号传导，表明降低生长素水平会降低形成层细胞的分裂活性。生长素诱导的MP/ARF5抑制WOX4基因活性，并限制干细胞的数量[28]。QIU等[29]发现在杉木Cunninghamia lanceolata的形成层中，生长素响应因子ARF上调，表明ARF基因参与形成层和木材形成的调控。有研究发现：过表达IAA9抑制杨树次生生长，表现为形成层变窄，木质部层数大幅度减少，转录因子ARF5能与杨树中的IAA9蛋白互作，过表达IAA9抑制次生木质部发育，但IAA9-ARF5介导的生长素信号转导可以恢复过表达IAA9导致的木材形成和形成层活性受抑制的表型。由此可见：IAA9-ARF5模块可以调控木材发育[30]。研究发现：HD-ZIP Ⅲ基因家族中的HB7、HB8在过表达IAA9株系中受到明显抑制，IAA9-ARF5模块共同调控HB7、HB8对生长素的响应，促进木质部分化[30]，还发现ARF7通过下游的WOX4提高形成层干细胞活性，促进形成层向次生木质部的分化[10]。
赤霉素峰值累积主要出现在木质部，内源赤霉素正向调控杨树形成层活性。MÄKILÄ等[31]报道：赤霉素通过诱导PIN1的表达，诱导形成层增殖。在红松中施加外源赤霉素促进形成层增殖，过表达赤霉素氧化酶GA20OXⅠ能促进木质部细胞分化及伸长，还能改善木质部纤维长度[32−34]。赤霉素对木材分化和次生木质部成熟的影响有待进一步探讨。细胞分裂素峰值累积主要出现在幼嫩的次生韧皮部。研究认为：细胞分裂素以一种非细胞自主依赖性的方式来正向调控形成层活性，通过激活CLE41/44基因，促进导管分化抑制因子TDIF在次生韧皮部的累积，移动到形成层干细胞位置维持形成层干细胞活性[35]。转录因子TMO5和LHW同系物在杨树的形成层区表达[36]，TMO5-LHW复合物通过调控细胞分裂素生物合成基因LOG3和LOG4，促进原形成层周壁细胞分裂[37]。过表达IPT7通过升高细胞分裂素水平，刺激杨树形成层细胞分裂和增加生物量。然而，NIEMINEN等[38]通过研究毛白杨Populus tomentosa形成层细胞分裂素信号传导对树干生长的影响，揭示了细胞分裂素水平降低会导致形成层生长受损。
以上3种激素信号在木材发育相关组织中存在着特异的分布模式。此外，乙烯、油菜素内酯也能促进树木维管形成层的分裂和次生生长，乙烯是杨树形成层分生组织中细胞分裂的内源调节因子。乙烯信号传导与PXY/CLE41信号传导一样，乙烯水平升高促进形成层的发育[39−40]。油菜素内脂合成被抑制导致次生木质部分化减少，当油菜素内酯水平升高时会促进杨树次生生长和木材形成[41]。JIN等[42]发现：通过激活油菜素内脂信号传导，PtiCYP85A3正向调控杨树中木材凝胶纤维发育。近年来研究结果证明：内源赤霉素正向调控杨树形成层活性在很大程度上依赖于生长素信号转导，即生长素和赤霉素协同调控维管系统的发育过程[19]。由此可以看出：不同激素之间的相互作用形成了对形成层的复杂调控，因此，还需要更加深入地剖析形成层活动的激素调控。表1总结了参与调控木本植物维管形成层活动的植物激素及其表达部位。
表 1 参与调控木本植物维管形成层活动的植物激素Table 1 Plant hormones involved in regulating the activity of the vascular cambium of woody plants4. 肽受体信号、转录因子对木本植物形成层活动的调控
肽受体通过与质膜上的受体激酶相互作用，控制植物的发育和生理过程，如植物维管形成层干细胞增殖分化[43]。其中WOX基因家族成员WOX4作为形成层活性的调控枢纽，调控形成层活性，WOX4蛋白正向调控杨树形成层细胞的增殖分化[44]。WOX14与WOX4协同作用于形成层细胞增殖[45]。WOX4和WOX14已被证明是TDIF/CLE41/44信号通路的下游靶点，正向调控形成层活性[44, 46]。在杨树中，对WOX4基因进行RNAi干涉，抑制转基因植株次生生长，结果表明：WOX4基因正向调控树木维管形成层活性[44, 47]。BUSH等[48]通过实验揭示了控制形成层维持的肽-受体-转录因子信号通路TDIF/CLE41/ CLE44-TDR/PXY，该信号通路正向调控WOX4和WOX14的表达，促进形成层活性提高[49]。KNOX基因家族KNAX I/BP影响形成层细胞分裂，过表达KNAX I/BP的同源基因ARK2，抑制杨树木材形成[50]。DU等[50]报道了ARK2负调控木质部分化的同时，也刺激形成层细胞分裂，表明ARK2与WOX4协同调控形成层活性。
三角状五肽重复蛋白(PPR)是线粒体编码基因RNA代谢的关键调控因子，PPR14编码RFL蛋白，并在杨树茎中高表达，其中RFL30过表达抑制生长素积累，形成层细胞和木质部细胞层数显著减少[51]。同时，通过生化实验发现：杨树ARF7蛋白通过直接结合WOX4和PIN1基因的启动子，整合赤霉素信号和生长素信号调控杨树维管形成层活性，促进生长素累积和形成层活性提高[52]。DELLA蛋白为赤霉素信号转导的阻遏子，可以发现它与ARK2、WOX4、赤霉素受体GID1发生互作，抑制杨树形成层分裂活性，赤霉素水平上升后，DELLA蛋白降解，促进ARK2与WOX4的表达，增强形成层的活性[3, 52]。
在转基因杨树中，TANG 等[53]鉴定到1个泛素化受体DA1，表明DA1负调控形成层活性，且酵母双杂筛选结果验证了DA1与WOX4拮抗作用于调控形成层活性，DA2介导的泛素化途径调控WOX4蛋白的稳定性，调控DA1-WOX4蛋白复合体以抑制形成层活性，揭示了转录水平上调控杨树形成层发育的新途径，可作为木材生物量改良的潜在方向。
短肽信号分子 CLE20蛋白在白杨 Populus alba木质部组织中表达并抑制形成层活性和细胞分裂相关基因表达，导致细胞层数减少[54]。在NAC结构域蛋白基因家族中，白杨VND和NST1/3参与木质部分化[55−57]。表2总结了参与调控木本植物维管形成层活动的多肽及其功能。
表 2 参与调控木本植物维管形成层活动的多肽Table 2 Peptides involved in regulating the activities of the vascular cambium of woody plants在杨树中发现了1种类受体蛋白激酶ASX，敲除后会导致木质部细胞中次生细胞壁的增厚，抑制形成层细胞向木质部细胞分化，SERK2/4通过催化ASX磷酸化，促进树木的木材形成[58]。细胞分裂素受体基因组氨酸激酶PtHK3a/3b在分裂的杨树形成层细胞中以高水平表达[38]。综上可以得出：PtHK3a/3b能够促进形成层细胞分裂分化，而ASX负调控形成层活性。以后需要加强这些受体激酶在维管形成层活动过程中功能差异的研究。在杨树中，HD-ZIP Ⅲ/HB基因家族中的HB4过表达能增强形成层活性和诱导束间形成层形成，HB4负调控PIN1表达，抑制了束间形成层发育[59]。此外发现HB5和HB7诱导形成层活性和木质部分化[60−61]。研究发现了2个来自杨树的MADS-box转录因子VCM1和VCM2，抑制维管形成层增殖活性和木材形成，且VCM1基因负调控PIN5表达，VCM 1和 VCM 2能抑制维管形成层增殖活性和次生生长[62]。研究鉴定出95个在维管形成层特异表达的转录因子VCS，其中VCS2负调控WOX4表达，表明VCS2负调控维管形成层增殖[63]。生长素响应因子ARF5与VCS2一样，抑制形成层活性[10, 44]。杨树中转录因子ANT在形成层中表达，细胞分裂素调控ANT和细胞周期蛋白CYCD3;1，通过形成层细胞的增殖实现根茎增粗[64]。MYB转录因子参与调控植物的发育和代谢，调节次生细胞壁的形成[65]。在柳杉Cryptomeria fortunei中，MYB转录因子和miRNA差异表达显著减少，使形成层细胞提前结束休眠。过表达MYB6显著抑制杨树次生木质部细胞壁的沉积[66−67]。表3总结了参与调控木本植物维管形成层活动的转录因子及其靶基因。
表 3 参与调控木本植物维管形成层活动的转录因子Table 3 Transcription factors involved in the regulation of vascular cambium activities in woody plants5. 总结与展望
木本植物维管形成层活动对植物的生长发育起着至关重要的作用。本文从分子层面对影响树木形成层活动相关因子研究进行综述。近年来，维管形成层持续受到研究者高度重视，关于木本植物维管形成层的分子调控取得了较大进展，由最初的单一调控途径到现在各种激素、基因、信号肽、转录因子等交叉发挥作用的网络途径。但是，关于维管形成层增殖分化的调控过程的研究还不够深入，未来应加强对各种网络途径之间相互作用与调节的研究，例如SERK2/4与IPT7、ARK2与PtHK3a/3b之间的调控关系。WOX4、WOX14、HB4、HB7 、HB8、ANT正向调控树木形成层活动，可作为木材增粗育种转基因的首选。此外，树木的形成层活动还受到环境因子和生物因子的共同影响，但目前响应机制尚不清楚，因此未来的研究必须考虑环境因子和生物因子等的影响，在分子层面进一步研究影响因子的调控作用。
目前，对木本植物维管形成层调控机理的认识较有限。深度成像结合基因表达分析技术有助于表征形成层细胞的起始和发育，数学建模和仿真结合实时成像在模拟形成层生长和潜在的分子过程中有重要应用前景，可用于构建形成层生长的调控框架，模拟树木形成层组织的定位与分配，揭示组织和细胞间的交流。已有研究通过计算机模型，实现了形成层活动的可视化，破除了活细胞难以成像的弊端，利用计算机模型整合形成层调节因子的功能，剖析形成层内细胞间通信的联系[68]。这一最新研究技术的出现可能会有助于全面解析木本植物维管形成层发育分子机制，应致力于将其应用于未来林木分子育种，实现林木材性定向改良。
-
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. 期刊类型引用(1)
1. 刘波，刘欣宇，李骏倬，武晓云，卢敏，王佳颖，戴思兰. 菊属植物PIN基因家族的鉴定及生物信息学分析. 浙江大学学报(农业与生命科学版). 2025(01): 39-53 . 
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.20950756.20200309
点击查看大图
计量
- 文章访问数: 1222
- HTML全文浏览量: 253
- PDF下载量: 136
- 被引次数: 1
