宿州市城市景区水域底泥重金属含量特征及生态风险评价

江雅琪, 桂和荣, 陈晨, 王春雷, 余浩, 陈家玉, 李晨. 宿州市城市景区水域底泥重金属含量特征及生态风险评价[J]. 环境化学, 2021, 40(8): 2410-2418. doi: 10.7524/j.issn.0254-6108.2020111302
引用本文: 江雅琪, 桂和荣, 陈晨, 王春雷, 余浩, 陈家玉, 李晨. 宿州市城市景区水域底泥重金属含量特征及生态风险评价[J]. 环境化学, 2021, 40(8): 2410-2418. doi: 10.7524/j.issn.0254-6108.2020111302
JIANG Yaqi, GUI Herong, CHEN Chen, WANG Chunlei, YU Hao, CHEN Jiayu, LI Cheng. Distribution and Ecological Risk Assessment of Heavy Metals in Sediment in Urban Scenic Area[J]. Environmental Chemistry, 2021, 40(8): 2410-2418. doi: 10.7524/j.issn.0254-6108.2020111302
Citation: JIANG Yaqi, GUI Herong, CHEN Chen, WANG Chunlei, YU Hao, CHEN Jiayu, LI Cheng. Distribution and Ecological Risk Assessment of Heavy Metals in Sediment in Urban Scenic Area[J]. Environmental Chemistry, 2021, 40(8): 2410-2418. doi: 10.7524/j.issn.0254-6108.2020111302

宿州市城市景区水域底泥重金属含量特征及生态风险评价

    通讯作者: Tel:18955720016,E-mail:guiherong@ahsu.edu.cn
  • 基金项目:
    国家自然科学基金(41773100,41373095),淮北矿业集团股份有限公司(2020)和皖北煤电集团股份有限公司(2020)研究课题资助

Distribution and Ecological Risk Assessment of Heavy Metals in Sediment in Urban Scenic Area

    Corresponding author: GUI Herong, guiherong@ahsu.edu.cn
  • Fund Project: Supported by the National Natural Science Foundation of China (41773100, 41373095), the Research Project of Huaibei Mining Group Co. (2020) and the Research Project of Wanbei Coal-Electricity Group Co. Ltd (2020)
  • 摘要: 城市景区水域是城市水环境的重要组成部分,但关于城市景区水域底泥重金属的研究相对较少。因此,本文在宿州市三角洲公园水域采集底泥,测定了其中8种重金属元素(Pb、U、V、Mn、Ni、Cr、Cu 和 Zn)的含量,并利用自组织神经网络(SOM)、相关性分析、聚类分析、对研究区重金属的空间分布、污染水平及来源进行研究。结果表明,位于公园外的采样点重金属含量大于公园内部采样点;潜在生态风险指数法及地累积指数评价结果显示,三角洲公园水域底泥处在较轻的污染状态;通过正定矩阵分解模型(PMF)解析出3种污染因子,包括农业源、工业源和自然源,其中农业源及工业源为研究区沉积物中重金属的主要来源。
  • 加载中
  • 图 1  研究区位置及采样点分布示意

    Figure 1.  Location of study area and distribution of sampling points.

    图 2  底泥重金属的分布特征

    Figure 2.  Spatial distribution characteristics of heavy metals in sediment

    图 3  三角洲沉积物微量重金属自组织神经网络组分面图 (a),基于自组织神经网络K-平均值聚类图(b)

    Figure 3.  Component map of trace heavy metals in delta sediments by self-organizing neural network (a), K-mean clustering map based on self-organizing neural network (b)

    图 4  三角洲底泥8种重金属之间的相关性图

    Figure 4.  Correlation analysis of heavy metals in sediment

    图 5  Hakanson 潜在生态风险评价箱体图与地累积污染指数评价箱体图

    Figure 5.  Hakanson’s potential ecological risk assessment and the geo-accumulation pollution index assessment

    图 6  三角洲底泥重金属污染源

    Figure 6.  Heavy metal pollution sources of sediment

    表 1  重金属潜在生态风险系数(Eri) 和生态风险指数(RI)的等级划分[14]

    Table 1.  Classification of potential ecological risk coefficient (Eri) and ecological risk index (RI) of heavy metals

    潜在生态风险系数(Eri)
    Potential ecological risk coefficient (Eri)
    生态风险指数(RI)
    Ecological risk index (RI)
    潜在生态风险程度
    Potential ecological risk degree
    <40<150轻微
    40—80150—300中等
    80—160300—600
    160—320$ \ge $600很强
    $ \ge $320极强
    潜在生态风险系数(Eri)
    Potential ecological risk coefficient (Eri)
    生态风险指数(RI)
    Ecological risk index (RI)
    潜在生态风险程度
    Potential ecological risk degree
    <40<150轻微
    40—80150—300中等
    80—160300—600
    160—320$ \ge $600很强
    $ \ge $320极强
    下载: 导出CSV

    表 2  地累积指数的分类及污染等级的划分[16]

    Table 2.  Classification of the geoaccumulation index and division of pollution level

    地累积指数
    Igeo
    等级
    Grade
    沉积物污染程度
    Degree of sediment contamination
    $\le $00无污染
    0—11无污染—轻污染
    1—22中污染
    2—33中污染—强污染
    3—44强污染
    4—55强污染—极强污染
    >56极强污染
    地累积指数
    Igeo
    等级
    Grade
    沉积物污染程度
    Degree of sediment contamination
    $\le $00无污染
    0—11无污染—轻污染
    1—22中污染
    2—33中污染—强污染
    3—44强污染
    4—55强污染—极强污染
    >56极强污染
    下载: 导出CSV

    表 3  三角洲底泥样品重金属含量的描述性统计(mg·kg−1

    Table 3.  Descriptive statistics of heavy metal content in sediment samples

    样品编号
    Samples
    PbUVMnNiCrCuZn
    最大值27.142.9091.40809.1535.8475.8740.73113.62
    最小值15.781.7851.27468.7316.6337.3112.9239.16
    平均值21.362.4074.58669.6327.7556.4324.6769.86
    标准差3.140.3011.0592.485.469.417.6319.19
    变异系数(CV)0.150.130.150.140.200.170.310.27
    全国水系沉积物平均值[20]232.47765323542067
    背景值[17]25.92.1580.0525.225.069.424.953.2
    TEC[21]35.822.743.431.6121
    PEC[21]12848.6111149459
      注:TEC (Threshold Effect Level):阈值效应水平;PEC (Probable Effect Level):可能效应水平.
    样品编号
    Samples
    PbUVMnNiCrCuZn
    最大值27.142.9091.40809.1535.8475.8740.73113.62
    最小值15.781.7851.27468.7316.6337.3112.9239.16
    平均值21.362.4074.58669.6327.7556.4324.6769.86
    标准差3.140.3011.0592.485.469.417.6319.19
    变异系数(CV)0.150.130.150.140.200.170.310.27
    全国水系沉积物平均值[20]232.47765323542067
    背景值[17]25.92.1580.0525.225.069.424.953.2
    TEC[21]35.822.743.431.6121
    PEC[21]12848.6111149459
      注:TEC (Threshold Effect Level):阈值效应水平;PEC (Probable Effect Level):可能效应水平.
    下载: 导出CSV
  • [1] LI C, SONG C W, YIN Y Y, et al. Spatial distribution and risk assessment of heavy metals in sediments of Shuangtaizi estuary, China [J]. Marine Pollution Bulletin, 2015, 98(1/2): 358-364.
    [2] 孟敏, 杨林生, 韦炳干, 等. 我国设施农田土壤重金属污染评价与空间分布特征 [J]. 生态与农村环境学报, 2018, 34(11): 1019-1026. doi: 10.11934/j.issn.1673-4831.2018.11.009

    MENG M, YANG L S, WEI B G, et al. Contamination assessment and spatial distribution of heavy metals in greenhouse soils in China [J]. Journal of Ecology and Rural Environment, 2018, 34(11): 1019-1026(in Chinese). doi: 10.11934/j.issn.1673-4831.2018.11.009

    [3] 李悦昭, 陈海洋, 孙文超. “河-湖” 沉积物重金属环境特征及来源解析 [J]. 环境科学, 2020, 41(6): 2646-2652.

    LI Y Z, CHEN H Y, SUN W C. Environmental characteristics and source apportionment of heavy metals in the sediments of a river-lake system [J]. Environmental Science, 2020, 41(6): 2646-2652(in Chinese).

    [4] 姬超, 侯大伟, 李发志, 等. 耕地土壤重金属健康风险空间分布特征 [J]. 环境科学, 2020, 41(3): 1440-1448.

    JI C, HOU D W, LI F Z, et al. Assessment and spatial characteristics analysis of human health risk of heavy metals in cultivated soil [J]. Environmental Science, 2020, 41(3): 1440-1448(in Chinese).

    [5] LI Y Y, GAO B, XU D Y, et al. Hydrodynamic impact on trace metals in sediments in the cascade reservoirs, North China [J]. The Science of the Total Environment, 2020, 716: 136914. doi: 10.1016/j.scitotenv.2020.136914
    [6] XU D Y, GAO B, PENG W Q, et al. Geochemical and health risk assessments of antimony (Sb) in sediments of the Three Gorges Reservoir in China [J]. Science of the Total Environment, 2019, 660(APRa10): 1433-1440.
    [7] BING H J, ZHOU J, WU Y H, et al. Current state, sources, and potential risk of heavy metals in sediments of Three Gorges Reservoir, China [J]. Environmental Pollution, 2016, 214: 485-496. doi: 10.1016/j.envpol.2016.04.062
    [8] WIJESIRI B, LIU A, DEILAMI K, et al. Nutrients and metals interactions between water and sediment phases: An urban river case study [J]. Environmental Pollution, 2019, 251: 354-362. doi: 10.1016/j.envpol.2019.05.018
    [9] DAI L J, WANG L Q, LI L F, et al. Multivariate geostatistical analysis and source identification of heavy metals in the sediment of Poyang Lake in China [J]. Science of the Total Environment, 2018, 621: 1433-1444. doi: 10.1016/j.scitotenv.2017.10.085
    [10] USTAOGLU F, ISLAM M S. Potential toxic elements in sediment of some rivers at Giresun, Northeast Turkey: A preliminary assessment for ecotoxicological status and health risk [J]. Ecological Indicators, 2020(113): 106237.
    [11] NGUYEN T T, KAWAMURA A, TONG T N, et al. Identification of spatio-seasonal hydrogeochemical characteristics of the unconfined groundwater in the Red River Delta, Vietnam [J]. Applied Geochemistry, 2015, 63: 10-21. doi: 10.1016/j.apgeochem.2015.07.009
    [12] 聂泽宇, 邬剑宇, 吴小东, 等. 荧光溶解性有机质EEMs的新旧自组织映射图解析方法比较研究 [J]. 环境科学学报, 2017, 37(1): 357-369.

    NIE Z Y, WU J Y, WU X D, et al. Comparative study on the interpretation of EEMs of fluorescent dissolved organic matter using the new and traditional self-organizing map methods [J]. Acta Scientiae Circumstantiae, 2017, 37(1): 357-369(in Chinese).

    [13] 徐争启, 倪师军, 庹先国, 等. 潜在生态危害指数法评价中重金属毒性系数计算 [J]. 环境科学与技术, 2008, 31(2): 112-115. doi: 10.3969/j.issn.1003-6504.2008.02.030

    XU Z Q, NI S J, TUO X G, et al. Calculation of heavy metals' toxicity coefficient in the evaluation of potential ecological risk index [J]. Environmental Science & Technology, 2008, 31(2): 112-115(in Chinese). doi: 10.3969/j.issn.1003-6504.2008.02.030

    [14] HUANG D W, GUI H R, LIN M L, et al. Chemical speciation distribution characteristics and ecological risk assessment of heavy metals in soil from Sunan mining area, Anhui Province, China [J]. Human and Ecological Risk Assessment: an International Journal, 2018, 24(6): 1694-1709. doi: 10.1080/10807039.2017.1422973
    [15] MÜLLER G. Index of geoaccumulation in sediments of the Rhine River [J]. Geology Journal, 1969, 2: 108-118.
    [16] SOLGI E, ESMAILI-SARI A, RIYAHI-BAKHTIARI A, et al. Soil contamination of metals in the three industrial estates, arak, Iran [J]. Bulletin of Environmental Contamination and Toxicology, 2012, 88(4): 634-638. doi: 10.1007/s00128-012-0553-7
    [17] 陈兴仁, 陈富荣, 贾十军, 等. 安徽省江淮流域土壤地球化学基准值与背景值研究 [J]. 中国地质, 2012, 39(2): 302-310. doi: 10.3969/j.issn.1000-3657.2012.02.004

    CHEN X R, CHEN F R, JIA S J, et al. Soil geochemical baseline and background in Yangtze River - Huaihe River basin of Anhui Province [J]. Geology in China, 2012, 39(2): 302-310(in Chinese). doi: 10.3969/j.issn.1000-3657.2012.02.004

    [18] 周敏. 上海大气PM2.5来源解析对比: 基于在线数据运用3种受体模型 [J]. 环境科学, 2020, 41(5): 1997-2005.

    ZHOU M. Comparison of three receptor models for source apportionment of PM2.5 in Shanghai: Using hourly resolved PM2.5 chemical composition data [J]. Environmental Science, 2020, 41(5): 1997-2005(in Chinese).

    [19] 王勤, 彭渤, 方小红, 等. 湘江长沙段沉积物重金属污染特征及其评价 [J]. 环境化学, 2020, 39(4): 999-1011. doi: 10.7524/j.issn.0254-6108.2019101901

    WANG Q, PENG B, FANG X H, et al. Characteristics and assessment of heavy metal contamination in sediments from Changsha section of the Xiangjiang River, Hunan Province of China [J]. Environmental Science, 2020, 39(4): 999-1011(in Chinese). doi: 10.7524/j.issn.0254-6108.2019101901

    [20] 史长义, 梁萌, 冯斌. 中国水系沉积物39种元素系列背景值 [J]. 地球科学, 2016, 41(2): 234-251.

    SHI C Y, LIANG Y, FENG B. Average background values of 39 chemical elements in stream sediments of China [J]. Earth Science, 2016, 41(2): 234-251(in Chinese).

    [21] MACDONALD D D, INGERSOLL C G, BERGER T A. Development and evaluation of consensus-based sediment quality guidelines for freshwater ecosystems [J]. Archives of Environmental Contamination and Toxicology, 2000, 39(1): 20-31. doi: 10.1007/s002440010075
    [22] 陈松, 黄淑玲, 孙林华, 等. 安徽宿州市沱河底泥中重金属元素地球化学特征 [J]. 地球与环境, 2011, 39(3): 331-337.

    CHEN S, HUANG S L, SUN L H, et al. Geochemical characteristics of heavy metal elements in sediments of the Tuohe river in Suzhou city, Anhui Province [J]. Earth and Environment, 2011, 39(3): 331-337(in Chinese).

    [23] ZHU G, WU X, GE J, et al. Influence of mining activities on groundwater hydrochemistry and heavy metal migration using a self-organizing map (SOM) [J]. Journal of Cleaner Production, 2020, 257: 14.
    [24] LI J, SHI Z M, WANG G C, LIU F, et al. Evaluating spatiotemporal variations of groundwater quality in Northeast Beijing by self-organizing map [J]. Water, 2020, 12(5): 1382. doi: 10.3390/w12051382
    [25] PAATERO P, TAPPER U. Positive matrix factorization: A non-negative factor model with optimal utilization of error estimates of data values [J]. Environmetrics, 1994, 5: 111-126. doi: 10.1002/env.3170050203
    [26] PATERSON K G, SAGADY J L, HOOPER D L, et al. Analysis of air quality data using positive matrix factorization [J]. Environmental Science & Technology, 1999, 33(4): 635-641.
    [27] LIN M L, GUI H R, WANG Y, et al. Pollution characteristics, source apportionment, and health risk of heavy metals in street dust of Suzhou, China [J]. Environmental Science and Pollution Research, 2017, 24(2): 1987-1998. doi: 10.1007/s11356-016-7934-0
    [28] 姜时欣, 翟付杰, 张超, 等. 伊通河(城区段)沉积物重金属形态分布特征及风险评价 [J]. 环境科学, 2020, 41(6): 2653-2663.

    JIANG S X, ZHAI F J, ZHANG C, et al. Speciation distribution and risk assessment of heavy metals in sediments from the Yitong river city area [J]. Environmental Science, 2020, 41(6): 2653-2663(in Chinese).

    [29] FAN J Y, JIAN X, SHANG F, et al. Underestimated heavy metal pollution of the Minjiang River, SE China: Evidence from spatial and seasonal monitoring of suspended-load sediments [J]. Science of The Total Environment, 2021, 760(2021): 142586.
  • 加载中
图( 6) 表( 3)
计量
  • 文章访问数:  2006
  • HTML全文浏览数:  2006
  • PDF下载数:  32
  • 施引文献:  0
出版历程
  • 收稿日期:  2020-11-13
  • 刊出日期:  2021-08-27

宿州市城市景区水域底泥重金属含量特征及生态风险评价

    通讯作者: Tel:18955720016,E-mail:guiherong@ahsu.edu.cn
  • 1. 安徽理工大学地球与环境学院,淮南,232001
  • 2. 国家煤矿水害防治工程技术研究中心(宿州学院),宿州,234000
基金项目:
国家自然科学基金(41773100,41373095),淮北矿业集团股份有限公司(2020)和皖北煤电集团股份有限公司(2020)研究课题资助

摘要: 城市景区水域是城市水环境的重要组成部分,但关于城市景区水域底泥重金属的研究相对较少。因此,本文在宿州市三角洲公园水域采集底泥,测定了其中8种重金属元素(Pb、U、V、Mn、Ni、Cr、Cu 和 Zn)的含量,并利用自组织神经网络(SOM)、相关性分析、聚类分析、对研究区重金属的空间分布、污染水平及来源进行研究。结果表明,位于公园外的采样点重金属含量大于公园内部采样点;潜在生态风险指数法及地累积指数评价结果显示,三角洲公园水域底泥处在较轻的污染状态;通过正定矩阵分解模型(PMF)解析出3种污染因子,包括农业源、工业源和自然源,其中农业源及工业源为研究区沉积物中重金属的主要来源。

English Abstract

  • 近年来,河流、湖泊等集水区沉积物(简称“底泥”)重金属污染问题一直是环境科学的研究热点,并因重金属具有富集性、隐蔽性、持久性和毒性等特点,而受到普遍关注[1-4]。底泥是水生态系统的重要组成部分,既是底栖生物和水生植物生长的重要物质基础[5],也是重金属等污染物的“源”与“汇”,当环境条件(氧化还原电位、pH、人为扰动)改变时,重金属可能会从底泥中释放到上覆水体中,引起二次污染,进而影响水环境质量[6-7]

    目前关于水域底泥重金属的环境影响研究主要以大型湖泊、河流研究较多,但关于城市景区底泥重金属含量特征及源解析的研究鲜有报道[8-10]。底泥中重金属的含量特征,可以反映出人为活动对流域环境的长时间影响[8]。所以研究水域底泥中重金属的含量、分布特征和来源,对保护城市水环境具有重要意义。从水动力条件看,城市景区水域通常具有动态河流及静水湖泊的双重属性,底泥重金属环境地球化学行为有别于河流、湖泊。因此本文以安徽省宿州市三角洲公园底泥为研究对象,探讨底泥重金属的分布和来源,评价其污染水平,以期为城市景区水域环境质量评价与管理提供科学依据。

  • 宿州市是安徽省北部的农业大市,人口650万,面积9787 km2。该区属暖温带半湿润气候,年平均温度为14—14.6 °C,历史最高温度为40 °C,最低温度−12.5°C;年降雨量774—855 mm,年蒸发量832.4 mm左右。宿州三角洲公园位于汴河与沱河之间,平面形态呈三角形状(图1),占地2300亩。宿州三角洲公园采用国际先进的园林规划设计理念,集生态、自然、文化于一体,具休闲与旅游功能。为了保障游客的水上游艇、游轮观光体验,在汴河及沱河的下游分布设置拦河大坝,通过水位调节,确保三角洲公园水域的水面和水深不受季节影响。因此,丰水期三角洲公园水域具有河流特性,以动水环境为主,而枯水期具有湖泊特性,以静水环境为主。

  • 在宿州以三角洲公园水域布置17个采样点,使用彼得森采泥器采集底泥样。将样品装入聚乙烯袋中密封回实验室,经冷冻干燥后,用玛瑙研钵进行研磨,并过100目筛,过筛后样品置于棕色玻璃瓶中密封冷藏备用。准确称取约0.2500 g样品放入聚四氟乙烯消解管中,加入1 mL盐酸、1 mL硝酸、2 mL氢氟酸,摇匀放入120 ℃恒温石墨消解炉上,消解约1—2 h,取下稍冷。用去离子水定容至50 mL,摇匀,5 min 6000 r·min−1离心,再轻轻摇匀待测。使用HR-ICP-MS Thermo Scientific ICAPQ,美国)测定沉积物中Pb、U、V、Mn、Ni、Cr、Cu 和 Zn的浓度。为了保障测试结果的准确性,每7个样品设置1个空白样品及沉积物标准物质(GSD-10(GBW 07312)),同时设置平行样品。标准样品的回收率控制在97%—105%之间,平行样之间相对偏差均小于5%。

  • Kohonen’s 自组织神经网络(SOM)是一种模拟人脑对数据进行降维、挖掘和规则总结的生物过程的人工神经网络技术。由于SOM非常适合处理复杂的推理、判别和分类问题,因此越来越多地应用于水文、环境等相关领域的分区研究。它可以将高维数据投射到低维数据地图中,因此SOM压缩了原始信息,但是同时保留了原始数据最为重要的拓扑关系[11-12],故它可以看作是一种抽象的度量,同时自组织神经网络具有较好可视化效果。SOM的计算过程如下:首先生成一个17×8的数据矩阵,其中17为样品个数,8为测量参数的个数(Pb、U、V、Mn、Ni、Cr、Cu、Zn)。第二步根据经验公式 M=5N0.5 计算神经元的输出数量(其中M 为输出神经元数目,N 为样品个数),结合模型误差最终确定一个4×5 神经元矩阵. 在Matlab 2014b 软件基础上利用SOM Toolbox 2.1 完成SOM 模型的构建及SOM-K 平均值聚类.

  • 潜在生态风险指数法(RI)是综合考虑重金属的毒性、以及环境对重金属的敏感性,用来评估重金属对生态环境的潜在生态危害。即计算公式如下:

    式中,Ci为第i种重金属的实测值;Bi为第i种重金属的背景值;Tri为第i种重金属的毒性系数,由于当前尚无U元素毒性系数的研究,且其丰度数和释放系数的相关数据很少,无法对U的毒性系数进行计算,因此本文不讨论U元素的潜在生态风险。本文采用Hakanson制订的标准化重金属毒性系数,并参照徐争启等[13]给出的Pb、V、Mn、Ni、Cr、Cu和Zn的毒性系数推荐值,分别为5、2、1、5、2、5、1。重金属潜在生态风险系数(Eri) 和生态风险指数(RI)的等级划分如表1所示。

  • Muller[15]于1969年提出地累积指数法用来评估水环境沉积物中重金属的污染程度。是目前被广泛用于评价水系沉积物重金属污染程度的方法之一[16],该法可以综合反映重金属的自然变化及人为活动对重金属含量的影响[14]。其计算公式如下:

    式中,Ci为第i种重金属的实测值;Bi为第i种重金属的背景值,此次采用安徽省江淮流域土壤重金属含量作为背景值[17]K取值1.5是考虑成岩作用和人类活动所引起背景值的变动而取的修正系数[14]。地累积指数的具体分级标准如表2所示。

  • 本文采用了正定矩阵因子分析法(PMF)作为沉积物重金属源解析方法,PMF是一种可以定量源解析的受体模型[18],其原理为利用最小迭代二乘法将原始矩阵Xij分解成两个因子矩阵AijBij及一个残差矩阵eij,表达式为式(4)。

    式中,Xij为第i个样品中j元素的含量(mg/kg);Aij为元素j在源k中的含量;Bij为源k对第i个土壤样品的贡献;eij为残差矩阵。eij式根据定义目标函数计算得到。目标函数Qi 计算如式(5)所示。

    式中,uij是样品i中第j个重金属元素的不确定度;

    PMF模型的最大优势在于利用不确定性对样品中各元素的浓度数据分别进行分析,它需要两个输入文件,一个是样本物种的浓度,另一个是样本物种浓度的不确定性。利用下面公式来计算浓度的不确定度:

    式中,c是样品中元素的浓度;MDL是测定方法检出限;EF是测定精密度

  • 宿州三角洲公园水域沉积物(以下简称“三角洲底泥”)重金属丰度统计特征如表3所示,8种重金属Pb、U、V、Mn、Ni、Cr、Cu和Zn的均值含量分别为21.36、2.40、74.58、669.63、27.75、56.43、24.67、69.86 mg·kg−1,只有Mn和Ni的平均含量超出是全国水系沉积物平均值,分别是全国水系沉积物平均值的1.03倍和1.21倍。与安徽省江淮流域土壤背景值相比沉积物中U、Mn、Ni和Zn的平均含量较高,分别为背景值的1.12、1.28、1.11、1.31倍,表明这4种重金属受到不同程度的污染累积。变异系数(CV)是衡量数据的离散程度,变异系数呈现出 Cu>Zn>Ni>Cr>Pb=V>Mn>U,其中Cu的变异系数相对较大(CV>0.3)。说明Cu在沉积物中的分布差异较大,可能与水利条件,人为活动等因素有关[19]

    与淡水生态系统沉积物质量基准中阈值效应浓度(TEC)及可能效应浓度(PEC)相比可知多数采样点Ni和Cr的含量介于TEC和PEC值中间,说明这两种重金属可能产生较低的有害生物效应[21],而Cu的含量在位于湖心位置的采样点未超出TEC的含量,但靠近沱河的采样点却高出TEC的值。宿州市三角洲底泥Pb、U、V、Ni、Cr、Cu和Zn含量的空间分布规律如图2所示,可以发现各金属的空间分布特征基本一致,即高浓度的重金属主要聚集在河口附近,原因可能为当河流进入湖泊时流速变慢使得重金属开始沉淀[9]。通过与陈松等[22]2011年研究的S9和S10采样点(即与本文#14和#15采样点位置较近的点)发现于2011年相比#14和#15号采样点底泥重金属(Pb、Cr、Cu和Zn)含量均有所降低,可能与近几年城市黑臭水体的治理及三角洲生态公园植被绿化有关。

    通过对比各重金属SOM图的颜色梯度变化,可以直观的展示各重金属之间的信息联系与定量关系[23]。Pb、U、V、Ni和Cr这5种重金属具有相似的颜色变化梯度,说明这4个指标存在较强的正相关[24]。同样Cu和Zn也存在较强的正相关。在SOM图的基础上利用K-平均值聚类得到图3(b)。根据欧式距离确定了3组类别,并以不同的颜色表示。第一组位于图3(b)的右下角,可知第一组(#1、#14和#16采样点)除了Mn之外其余7种重金属均较高。同样位于右上角的组2(#5、#6、#10和#13),各重金属的含量都比较低。位于左下角的组3(#2、#3、#7、#12和#9采样点)对应的特征标识元素为Mn,即组3 Mn的含量较高。结合图2各种金属的含量分布情况,可以看出基于SOM的K-平均值聚类可以很好的反映出这八种重金属的空间分布特征。

    为了验证SOM的运算结果,使用传统的相关性分析和聚类分析对各重金属内在关系进行研究,结果如图4 所示,由图4(a)可知,Cu与Zn的相关性系数为0.98,且Pb、U、V、Ni和Cr等5种重金属之间的相关性系数均大于0.8,表明这些参数之间的内在联系与SOM图所示的定性关系是一致的。同时由图4(b)聚类分析结果所示,17个样品点被分成了三组,其中#14和#15采样点属于第三组,结合图2重金属的空间分布图可知#14和#15采样点重金属含量最高,即第三组为重金属含量最高的组别;#10和#11采样点属于第二组,该组属于重金属含量较低的区域;其余采样点各重金属的含量属中等水平。同基于自组织神经网络K-平均值聚类结果与传统的聚类分析结果可知:基于SOM的K-平均值聚类所携带的信息较多,更能反映出单个重金属的空间分布特征及内在联系。

  • 图5(a),宿州三角洲底泥中单个重金属的生态风险系数大小依次为Ni、Cu、Pb、V、Cr、Zn和Mn,且全部为轻度潜在生态风险。

    潜在的生态风险指数(RI)为13.09—28.54(图5(b)),Ni、Cu、Pb、V、Cr、Zn和Mn这七种重金属存在轻微的潜在生态风险(RI<150).为了进一步检验人为活动对三角洲底泥重金属含量的影响,采用地累积指数法对底泥的污染状况进行评价,评价结果如图5(c)所示:三角洲底泥样品中Pb、U、V、Cr和Ni的地累计指数均小于0,属于无污染状态。(#3,#4)样本中Mn的地累积指数介于0与1之间,而Cu和Zn分别有少量样本(#14和#15)的地累积指数基于0与1之间,且这些样本(#3,#4,#14,#15)均位于河口处。

  • PMF是Paatero于1994年首次提出,是基于主成分分析的受体模型而进化出的一种具有非负约束的源解析方程[25-26],在沉积物重金属的来源解析方面可取得良好效果。由PMF模型确定了三角洲底泥重金属的3个主要来源。由图6可知,对于因子1,可以将视为农业源,因为Cu和Zn的贡献都很高,分别占比为36.0 %和41.7 %,由于化肥的使用通常与环境中的Cu和Zn的富集有关[5]。因子2的标志元素为Mn、Ni和Cu,分别占比为43.2 %、43.9 %和40.6 %,一般认为Mn和Ni与土壤母质相关,及Lin等[27]以研究区降尘为研究对象,表明降尘中Fe和Mn的来源为自然成因,因此因子2可视为自然源。因子3以Pb、U、V和Mn为主,其中Pb为典型的工业源重金属,且宿州市为典型的资源型城市,煤炭资源丰富[7],煤炭燃烧已经被证明可能会使得沉积物中的Pb浓度升高[28,29],因此,因子2可视为工业源。

    根据重金属来源的三个因子对底泥的贡献百分比的平均值,作为每个来源对底泥的贡献百分比。可知,农业源、工业源和自然源分别占比为25.99 %、37.45 %和36.58 %,将农业源及工业源归于人为活动影响可知,人为活动影响占比达到63.44 %。

  • (1) 宿州三角洲底泥中含量比较高的重金属是U、Mn、Ni和Zn,分别为背景值的1.11、1.29、1.11、1.30倍,且在河口区域的样本中这些重金属含量较高。通过SOM分析和相关性分析,发现Pb、U、V、Ni、Cr,Cu、Zn之间较强的正相关。

    (2) 通过潜在生态评价,Ni、Cu、Pb、V、Cr、Zn和Mn等7种重金属存在轻微的潜在生态风险,潜在生态风险指数RI<150。

    (3) 地累积指数法计算结果表明,Pb、U、V、Cr和Ni属于无污状态,Mn元素在#3和#4点位及Cu和Zn在#14和#15点的地累积指数介于0到1之间,表明在河口地区存在Mn、Cu和Ni存在轻微的富集。

    (4) 通过PMF源解析模型得出,宿州三角洲水域底泥重金属主要来源于农业源(因子1)、工业源(因子2)和自然源(因子3),其中农业源及工业源占比63.44 %,自然源占比36.58 %

参考文献 (29)

目录

/

返回文章
返回