-
重金属作为典型的累积性污染物，其难降解、毒性强、易于生物富集等特点，不仅对生态环境和生物体造成严重危害，而且最终会严重阻碍人类社会的可持续发展[1]. 近年来，随着现代城市化、工农业的快速发展，污染物排放逐年增加，沉积物-水体重金属污染已经成为全球重点关注的问题之一[2]. 目前，国内外在沉积物-水体重金属污染领域的研究集中在重金属含量影响[3-4]、时空分布[5-6]、迁移转化机理[7]、溯源分析和风险评估[8-10]. 其中对重金属来源和贡献进行解析，微观上可以对重金属在沉积物中的化学行为及其与环境的关系等方面的机理提供重要的证据，宏观上可及时阻断污染源头，为河流生态环境保护提供科学依据[11].
现阶段对重金属来源的研究方法主要有因子分析法（FA）、主成分分析法（PCA）、聚类分析法、正矩阵分解法（PMF）等[2]，对重金属生态风险评估的方法有地质累积指数法[12]、脸谱图法、潜在生态风险综合指数法[13]、沉积物质量基准法（SQG）等，综合运用统计方法不仅能有效识别沉积物中重金属的污染来源及贡献，而且能在一定程度上评估重金属的潜在生态风险[14]. PCA是应用最早且最广泛的识别污染物来源的方法，它不需要很难获得的污染源调查数据，但不能定量解析污染源的贡献[15]. APCS-MLR依据PCA进化而来，可以通过分析重金属含量与APCS之间的多元线性回归获得源贡献[16]. PMF对数据矩阵进行非负约束，但无法提供确定合理的因子个数[17]. 目前，PCA、APCS-MLR和PMF已分别不同程度的被应用于大气、土壤和水体中各种污染物的来源解析. 熊鑫玉等[18]运用PCA法识别鲁西北典型入海河流表层沉积物重金属的2个主要污染来源：工农业源、原煤和原油燃烧排放源. 匡荟芬等[2]运用PCA和PMF法解析鄱阳湖丰水期表层沉积物重金属来源，结果都表明重金属污染主要来自4种途径：矿业和工业活动、尾矿和废渣、农业活动、自然来源. Salim等[19]运用APCS-MLR和PMF两种方法识别韩国受混合土地覆盖的径流影响的集水区和分水岭地区的污染来源和贡献，APCS-MLR法确定了3个污染源，PMF法识别了5个污染源，说明针对不同土地使用类型PMF法更为准确.
随着“一带一路”倡议下经济的快速发展，塔里木河位于生态环境脆弱的南疆腹地，在南疆的生态保护和经济发展中占据了主要地位，具有农业灌溉、市政供水、景观用水和绿色走廊等功能. 近年来，塔里木河流域水资源污染越来越严重，但针对塔里木河流域沉积物重金属未有报道. 为保证塔里木河流域水环境的健康安全，本文选取上游阿拉尔-沙雅段表层沉积物为研究对象，测定Cu、Fe、Zn、Pb、As、Cr、Cd、Mn和Ni等9种重金属的含量，结合相关性分析（CA）、聚类分析、正定矩阵因子分析模型（PMF）和绝对主成分-多元线性回归分析（APCS-MLR）解析污染来源及其贡献，运用富集因子法、地质累积指数法、沉积物污染指数法和沉积物质量基准法对沉积物中重金属进行综合风险评估，以期为塔里木河沉积物-水体重金属污染防治、水环境的健康发展及保障区域可持续发展提供科学依据.
-
塔里木河位于南疆腹地，是世界三大内陆河之一、我国第一大内陆河流、环塔里木盆地9大水系144条河流的总称，流域总面积1.0×106 km2，占我国国土总面积的9.4 %. 塔里木河干流全长1321 km，自身不产流，依靠源流补给维系其脆弱的生态平衡，流域内主要产业是农业、畜牧业、林业且淡水资源比较稀少. 塔里木河在南疆生态环境保护和社会经济发展中具有重要地位与作用，其上游和中游是保护塔里木盆地北部重要城镇和绿洲的天然屏障，下游是社会民生的重要战略通道和绿色走廊. 研究区域位于中国新疆塔里木河上游阿拉尔—沙雅河段（40°28′57″—40°54′19″N，80°56′50″—82°24′04″E），西起和田河与阿克苏河交汇地塔河源，东至阿克苏沙雅县三号大桥（图1）.
-
根据流域土地利用类型和水文地形条件，2022年3月在塔里木河上游阿拉尔—沙雅县段选择9个采样断面共采集27个表层沉积物样品（深度0—10 cm），并在岸边选择9个对应的人为影响较小的草地或农田采集27个表层土壤（深度0—10 cm）作为对照样品，对照样品平均值作为背景值，详细记录采样位置. 将采集样品装入密封袋中密封并进行编号，0—4 ℃运回实验室待处理. 沉积物样品室温下自然风干，剔除较明显的杂质，研磨混匀过100目筛备用.
-
沉积物所有样品均在长沙研乐检测技术有限公司完成9种重金属元素含量测定实验，所采集的沉积物样品根据《土壤和沉积物金属元素总量的消解微波消解法》[20]进行消解，使用电感耦合等离子体质谱仪（ICP-MS，EXPEC-7000）测定Cu、Fe、Zn、Pb、As、Cr、Cd、Mn和Ni的含量. 本实验全程避免接触金属物品，设置空白对照、平行对照和加入水系沉积物标准物质（GBW 07366）进行质量控制，分析误差＜10 %，所有样品中重金属均有检出.
-
系统聚类分析法通过SPSS软件对河流沉积物中重金属的来源进行分析识别[21].
-
APCS-MLR模型的原理是将主成分分析的因子得分转化成绝对主因子得分（APCS），再结合多元线性回归计算得到各个因子对应的已识别的污染源对受体中该物质的贡献值. APCS-MLR模型已广泛应用于水体、大气和土壤的污染源解析中[22-24]，计算公式为：
式中，Ci为元素含量，boi为MLR对第i个重金属的截距，bpi为污染源p对重金属i的回归系数，APCSp为污染源p对Ci的贡献.
-
PMF模型是一种应用广泛的定量化源解析方法，适用于识别和量化重金属对土壤的贡献[25]. PMF将浓度矩阵（X）分解为源贡献矩阵（G）、源组合物阵矩（F）和残差矩阵（E），计算公式为：
式中，Xij为样品i中金属元素j的含量，gik为污染源k对样品i的贡献，fkj为污染源k中金属元素j的浓度，eij为残差矩阵，由目标函数Q的最小值计算得到. PMF还考虑了样品中重金属的不确定度.
-
沉积物富集系数法可评价重金属的污染程度，本文选取Fe作为参比元素对重金属元素测定值进行标准化处理[26]. 计算公式为：
式中，EF为富集系数，（Ci/Cref）样品为沉积物中重金属i与参比元素的比值，（Bi/Bref）背景值为背景值中重金属i与参比元素的比值，使用塔里木河上游对照土样的重金属平均含量作为背景值. EF所对应的重金属污染程度如表1.
-
地质累积指数（Igeo）由德国Müller教授在1969年提出的一种研究水体沉积物重金属污染程度的定量指标[27]. 计算公式为：
式中，Igeo是地质累积指数，Ci是重金属i的实测值，Bi为i的土壤背景值，使用塔里木河上游对照土样的重金属平均含量作为背景值. k为常数，取值1.5. Igeo所对应的重金属污染程度如表1.
-
沉积物污染指数（SPI）是定量评估沉积物中重金属生态风险的污染指数法[28]. 计算公式为：
式中，Ci为重金属i的实测值，Bi为i的土壤背景值，Tf为生态风险毒性系数. 本研究中Cu、Fe、Zn、Pb、As、Cr、Cd、Mn和Ni的生态风险毒性系数分别取5、1、1、5、10、2、30、1和5[29]. SPI所对应的重金属污染生态风险等级如表1.
-
沉积物质量基准法（SQG）是评估沉积物中重金属潜在生物毒性风险的常用方法，该方法首先用阈值效应水平（TEL）和可能效应水平（PEL）确定沉积物质量标准分级，再结合毒性单位评价法对沉积物重全属的综合潜在生物毒性进行评估[30]. 计算公式为：
式中，STU为毒性单位之和，Ci是重金属i的实测值. STU对应的重金属潜在生物毒性等级如表1.
-
使用Excel 2019和SPSS 21进行测试数据的处理、计算及相关性和APCS的统计分析；使用PMF 5.0进行重金属污染的源解析；运用Origin 2021和ArcGIS 10.8软件进行图件的绘制.
-
从塔里木河上游沉积物中重金属测定统计结果可知（表2），塔里木河上游阿拉尔—沙雅县段9种重金属平均含量从大到小依次为Fe>Mn>Zn>Cr>As>Ni>Cu>Pb>Cd，表明该段沉积物中重金属Fe和Mn的含量较高，Pb和Cd的含量较低. 但除As外，Cu、Fe、Zn、Pb、Cr、Cd、Mn和Ni的平均含量均超过背景值，分别为背景值的1.20、1.11、1.10、1.26、1.16、1.37、1.32、1.19倍. As的平均含量（26.39±7.60）mg·kg−1，未超过背景值可能与沉积物自身的性质有关，导致As背景值偏高. Cu、Fe、Zn、Pb、As、Cr、Cd、Mn和Ni含量超出背景的最大倍数分别为2.41、1.75、1.93、1.99、1.25、1.73、1.96、2.21和1.74，除Cd最大超标倍数出现在样点TH7外，其余均出现在TH4，说明大部分重金属含量最高值均出现在样点十团六连，但各个样点沉积物中重金属含量差别较大，表明来源复杂. 与新疆水系沉积物背景值[31]相比，As和Cd的平均含量远远超过背景值，分别为新疆水系沉积物背景值的4.15倍和8.67倍. Pb、Cr、Cd和Mn超出背景值的比例相对较高，分别为67.67%、77.78%、88.89%和66.67%，说明塔里木河上游沉积物重金属出现了不同程度的超标污染现象.
重金属变异系数从大到小依次为Cu﹥Zn﹥Mn﹥Ni﹥As﹥Pb﹥Fe﹥Cd﹥Cr，其中Cu和Zn的变异系数大于35%，呈现出高度变异性特征，说明二者含量存在显著的空间差异性，受人类活动影响较大；Mn、Ni、As、Pb、Fe、Cd和Cr变异系数均在15%—35%，属于中等变异，说明这7种元素含量的空间分布差异性稍弱，受人类活动影响相对小一些.
-
塔里木河上游沉积物重金属的空间分布如图2所示，可以看出Cu、Zn、Mn和Ni的空间分布规律较一致，含量最高的样点均位于TH1塔河源、TH4十团六连和TH7沙雅大桥，塔河源是叶尔羌河、和田河和阿克苏三河交汇处，三河沿途的自然风化作用和人类各种活动的影响导致塔河源重金属含量较高，十团六连紧邻阿拉尔市下游，阿拉尔市人类的各种工业、生活活动及六连大量种植棉花和红枣的农田均会导致重金属含量升高，沙雅县大桥属于交通繁忙的桥下，来往车辆较多，使沉积物中重金属含量升高；4种重金属含量最低的样点为TH6，均未超过背景值，该点周围无农田、马路等，人类活动对沉积物重金属影响较小. Fe和Cr的空间分布规律较一致，含量最高的样点均位于TH1塔河源、TH4十团六连、沙雅县团结农场村TH5和TH7沙雅大桥，沙雅县团结农场村同样以农业和小型养殖业为主；含量较低的样点为TH6和TH8，均未超过背景值. As、Cd和Pb高浓度区域位于采样区域的中下游，可能因为这部分位于人类活动的密集区；含量较低的样点位于研究区域的上游，说明岩石的自然风化作用影响较小，主要是人类活动的影响. 总体来看，研究区域沉积物重金属空间分布虽具有差异性，但含量高的点基本都出现在河流汇合处及人类活动的密集区，水文系数的变化、岩石自然风化作用和人类活动排放造成了重金属的累积.
-
为研究沉积物重金属之间的密切程度及相似性，运用聚类分析和相关性分析对塔里木河上游沉积物中重金属的同源关系进行探究，重金属的相关系数热图（图3）和树状图分类结果（图4）表明：塔里木河上游沉积物重金属可以分为3大类，第I类包括Cu、Zn、Fe、Mn和Pb，其中Cu、Zn、Fe、Mn两两呈极显著相关性（P≤0.001），这些元素的CV较高，说明来源很有可能与农业和工业等人类活动有关；第Ⅱ类包括Ni、As和Cd，As-Cd、As-Ni和Ni-Cd呈显著相关性（P≤0.01），说明其可能具有相似的来源及影响因素；第Ⅲ类只有Cr，与其他重金属相关性较弱，说明Cr有独立的特殊来源.
-
（1）PCA/APCS分析
将重金属数据标准化处理，通过KMO-Bartlett球形检验（KMO为0.736>0.7，P接近0<0.01）结果表明适宜主成分分析. 使用SPSS软件提取贡献率分别为82.32%、9.19%和4.79%的3个主成分因子，累积贡献率为96.30%，可反映所有重金属的绝大部分信息. 为使各因子的典型代表指标变量更加突出，将PCA得到的旋转因子载荷转化为绝对主因子载荷（APCS），采用PCA/APCS模型对塔里木河上游沉积物重金属进行源解析（表3）.
APCS1的贡献率为75.84%，Cu、Fe、Pb、Zn、Ni和Mn具有较高的正载荷，分别为0.850、0.893、0.632、0.845、0.630和0.817，与聚类分析结果基本一致，说明它们可能具有相似的来源. Cu、Fe、Zn和Mn与地壳岩石的沉积与风化活动有关，其中Cu和Zn还会受到畜禽类粪便的影响. 从Cu、Fe、Zn和Mn的空间分布及影响因素来看，污染严重的主要分布在受沿途自然风化作用的河流汇合处和高效集约化的农业、畜牧业生产区，故源1可能代表畜禽类粪便和自然来源.
APCS2的贡献率为13.95%，As、Cd和Ni具有较高的正载荷，分别为0.838、0.904和0.763，且彼此之间呈显著的相关性，说明它们可能具有同源性. As、Cd和Ni与化肥和农药施加等农业活动有关，3种元素污染严重的主要位于采样区域的中下游，属于农业集约区，附近存在大量种植棉花、红枣等农田，故源2可能代表农业活动源. 其中Ni在APCS1和APCS2上均有较大的载荷，说明Ni可能存在两种不同来源.
APCS3的贡献率为5.37%，Pb和Cr的载荷值较高，分别为0.576和-0.951，但Cr的载荷值为负值，说明来源可能不相同. Pb主要与汽车尾气排放有关，Pb污染主要发生在人口集中的城市区域的下游和交通繁忙的大桥下，故源3可能代表交通活动源. 其中Pb同样在APCS1和APCS3上均有较大的载荷，说明Pb也存在两种不同来源.
（2）APCS-MLR解析污染源对重金属的贡献
在用因子分析法定性识别污染源类型的基础上，通过APCS-MLR模型定量计算出各污染源对沉积物重金的贡献值及分担率，结果如表4和图5所示. 由表4可以看出，所有重金属的线性回归系数（R2）均大于0.8，表明了该方法解析的正确性和可信度，且解析值与实测平均值之比基本上接近于1，只有Cu的解析值和实测平均值之比相对误差较大，可能是Cu与主成分的共同度不高，总体来说该方法能够比较完全地解析出沉积物重金属的主要来源.
由图5可以看出，源1（畜禽类粪便和自然来源）对Cu、Fe和Zn的贡献率相对较高，分别为30.60%、34.24%和33.45%，但Cu、Fe和Zn受到源2（农业活动源）和源3（交通活动源）的贡献占比也较大，且在PCA分析中Cu、Fe和Zn只在源1载荷较高，但APCS-MLR的计算结果表明Cu、Fe和Zn的R2可达0.995、0.984和0.982，估计值/实测值接近1，因此APCS-MLR分析的准确度更高. Cu、Fe和Zn作为车辆部件会随着汽车行驶过程进入周围环境，因此Cu、Fe和Zn也常被作为交通活动源的标志. 源2（农业活动源）对As、Cd和Ni的贡献率较高，分别为68.42%、70.34%和61.97%，代表农业活动的施肥和农药对沉积物的影响. 源3（交通活动源）对Pb和Cr的贡献较高，分别为67.66%和52.76%，Pb和Cr是汽车尾气排放的典型产物，与交通道路密集和车流量大密切相关.
-
运用EPA PMF 5.0模型对沉积物重金属进行定量源解析，将9种重金属实测浓度和计算的相对应的不确定度数据输入模型分析. 9种重金属均被归类为“Strong”（S/N>），设置不同因子数（3—5）分别迭代运算20次，最终选择3个因子来定量解析重金属污染来源. 结果显示所有样本残差均在-3—3之间，实测浓度和解析浓度之间的R2均大于0.8，表明了PMF分析沉积物重金属来源的可信程度.
PMF解析出的3个因子对沉积物重金属的浓度值和贡献率如图6，3个因子的贡献率分别为12.00%、37.50%和50.40%. 因子1对Pb具有高负荷，为43.98%，Pb有自然来源和人为来源（汽车尾气排放以及采矿等工业），而样点浓度较高的点均在路边或桥下，行车辆大，因此因子1可能为汽车尾气排放源.
因子2对Cu、Fe、Zn、Cr和Mn具有高负荷，分别为57.14%、46.03%、49.47%、42.42%和44.82%，研究区域位于沙漠戈壁之中，这些元素可能自岩石风化等土壤成土过程，其中Cu和Zn可作牲畜饲料添加剂，因此因子2可能代表养殖源和自然来源.
因子3对As、Cd和Ni具有高负荷，分别为61.13%、48.16%和50.44%，As多与农药喷洒有关，Cd一般与氮磷肥的施用有关，因此因子3可能代表使用农药和化肥等农业活动.
-
APCS-MLR和PMF均对沉积物9种重金属进行源解析，解析值/实测值（R2>0.8）之比基本均接近1（图7（a）），说明两种方法解析浓度与实测浓度拟合非常好，源解析结果可靠，其中PMF的拟合效果更好，可能是由于PMF会将测量不确定性和非负性约束考虑到计算过程中，因此获得了更好的结果. APCS-MLR和PMF模型还计算了识别出的源的相对贡献率（图7（b）），源解析结果中污染来源一致，源贡献率最高的是农业活动源，贡献率分别为63.20%和52.36%；养殖源和自然来源、交通活动源是解析出的其他2个源，APCS-MLR和PMF解析得到的贡献率分别为10.80%、26.00%和36.09%、11.55%. 2种模型对沉积物重金属源贡献率的解析略有差别，可能是因为在模型应用中选择的相关参数和因子分解过程不同所致. 总体来看，APCS-MLR和PMF解析结果基本吻合，也能较准确的反应研究对象的实际情况，说明这两种方法结合可以很好解释多种污染源影响下的塔里木河上游沉积物重金属的来源贡献.
-
通过使用富集系数EF、地质累积指数法Igeo和沉积物污染指数SPI对Cu、Fe、Zn、Pb、As、Cr、Cd、Mn和Ni进行污染评价（图8）. 由图8（a）可见，重金属富集系数EF从大到小依次为Cd>Mn>Pb>Ni>Cr>Cu>Fe>Zn>As，分别为1.26、1.18、1.15、1.07、1.06、1.03、1.00、0.97和0.78. 对比EF的污染分级，Zn和As无污染（EF<1），Cu、Fe、Pb、Cr、Cd、Mn和Ni处于轻度污染（EF<2）. 由图8（b）可见，Cu、Fe、Zn、Pb、As、Cr、Cd、Mn和Ni的Igeo分别介于−1.46—0.69、−0.86— 0.22、−0.96—0.37、−0.78—0.41、−1.74—−0.26、−0.93—0.21、−0.83—0.38、−0.69—0.56和−1.01—0.21之间，9种重金属元素的Igeo平均值均为负值，污染程度为无污染，从强到弱依次为Cd﹥Mn﹥Pb﹥Cr=Ni﹥Cu﹥Fe﹥Zn﹥As. 其中样点TH1、TH4和TH7的Igeo值较大，介于0—1之间，污染程度为无—中度污染. 由图8（c）所示，塔里木河上游沉积物污染指数SPI值分布于0.77—1.73之间，结合沉积物污染指数等级划分标准，可知塔里木河上游沉积物虽然受多种重金属复合污染，但整体上为自然-低风险水平（SPI≤2），不构成生态风险. 在塔里木河上游的9个采样点中，样点TH1、TH4和TH7的SPI值较大，说明会对生物存在潜在的危害，但危害程度较低；其余6个样点的SPI值较小，说明基本上无污染，对生物无潜在危害性.
结合3种方法的评价结果可以看出9种重金属中Pb、Mn和Cd的污染相对较严重，As的污染最轻；监测断面中塔河源、十团六连和沙雅大桥污染相对较重，这与源解析结果自然来源、交通污染和农业活动污染一致.
-
沉积物质量基准法是将重金属浓度与临界效应浓度（TEL）和或然效应浓度（PEL）比较，低于TEL则生物毒性效应很少发生，大于PEL则生物毒性效应将频繁发生. 9种重金属的TEL、PEL基准值见表5[31].
7种重金属在沉积物中的质量分数分布见图9，可以看出As、Cd和Ni在所有样品中质量分数均介于TEL和PEL之间，说明这3种元素处于中等污染程度，偶尔产生生物毒性效应；Zn和Pb所有样品质量分数均小于TEL，说明Zn和Pb处于未污染程度，生物毒性效应很少发生；Cu和Cr在样点TH1、TH4和TH7介于TEL和PEL之间，其余样点均小于TEL，说明Cu和Cr的潜在生物毒性较小，只在样点TH1、TH4和TH7负面生物效应偶尔可能发生. 应用沉积物质量基准法Ni的评价可能过高，这与Ni的生物毒性效应性有关，Macdonald等（1996）研究发现Ni的毒性效应不随浓度的增大而显著增加.
综上可知，EF、Igeo、SPI和SQG四种方法在生态风险评估结果上均具有一定的可靠性，直观的反映出塔里木河上游沉积物存在着较为程度不一的重金属污染现象，也因为沉积物和水体中的污染物质会相互迁移，导致塔里木河上游水体也存在一定程度的重金属污染.
-
（1）除As外，Cu、Fe、Zn、Pb、Cr、Cd、Mn和Ni的平均含量的均超过背景值，Pb、Cr、Cd和Mn超出背景值的比例相对较高. 重金属含量均存在不同程度的空间差异性，含量较高的采样点基本都出现在河流汇合处及人类活动的密集区，水文系数的变化和人类排放造成了重金属的累积.
（2）相关性分析、聚类分析和PCA/APCS分析结果表明，塔里木河上游沉积物的重金属来源主要有3类，第Ⅰ类中Cu、Fe、Zn、Pb、Mn和Ni可能代表禽类粪便和自然来源；第Ⅱ类中As、Cd和Ni可能代表农业活动源；第Ⅲ类中Pb和Cr可能代表交通活动源.
（3）APCS-MLR和PMF的源解析结果一致，源贡献率最高的是农业活动源，贡献率分别为63.20%和52.36%；养殖源和自然来源、交通活动源是解析出的其他2个源，APCS-MLR和PMF解析得到的贡献率分别为10.80%、26.00%和36.09%、11.55%.
（4）富集系数表明，Zn和As无污染，Cu、Fe、Pb、Cr、Cd、Mn和Ni处于轻度污染. 地质累计指数法表明9种重金属均处于无污染，样点TH1、TH4和TH7处于无—中度污染. 沉积物污染指数表明，塔里木河上游沉积物整体上为自然水平—低风险水平，但样点TH1、TH4和TH7可能存在潜在生态风险. 沉积物质量基准法表明As、Cd和Ni偶尔会产生生物毒性效应，Zn和Pb的生物毒性效应很少发生，Cu和Cr只在样点TH1、TH4和TH7生物毒性效应偶尔可能发生.
综上所述，塔里木河上游沉积物中均存在重金属污染现象且程度不一，建议实施动态监测并研究养殖废水中重金属的去除机制和资源化利用；建议合理使用化学肥料和农药，提倡施用生物有机肥或秸秆还田等手段，为降低塔里木河重金属污染、提供安全无害的水资源、保障区域环境生态提供科学依据.
APCS-MLR结合PMF模型的塔里木河上游沉积物重金属源解析与风险评估
APCS-MLR combined with PMF model for sediment heavy metal source analysis and risk assessment in the upper Tarim River Basin
-
摘要: 为探究塔里木河上游沉积物中重金属的污染来源及潜在生态风险，选取上游阿拉尔—沙雅段表层沉积物为研究对象，测定Cu、Fe、Zn、Pb、As、Cr、Cd、Mn和Ni等9种重金属的含量，分析其污染及空间分布特征. 结合相关性分析、聚类分析、绝对主成分-多元线性回归（APCS-MLR）和正定矩阵因子分析（PMF）等解析污染来源及其贡献，运用富集系数法、地质累积指数法、沉积物污染指数法和沉积物质量基准法（SQG）对重金属进行了风险评估. 结果表明，除As外，Cu、Fe、Zn、Pb、Cr、Cd、Mn和Ni的平均含量均超过背景值；空间上重金属含量较高的采样点基本都出现在河流汇合处及人类活动的密集区. 相关性分析、聚类分析和PCA/APCS分析表明，塔里木河上游沉积物的重金属来源主要有3类，第Ⅰ类中Cu、Fe、Zn、Pb、Mn和Ni可能代表禽类粪便和自然来源；第Ⅱ类中As、Cd和Ni可能代表农业活动源；第Ⅲ类中Pb和Cr可能代表交通活动源. APCS-MLR和PMF模型表明，源贡献率最高的是农业活动源，贡献率分别为63.20%和52.36%；养殖和自然来源、交通活动源是解析出的其他2个源，APCS-MLR和PMF解析得到的贡献率分别为10.80%、26.00%和36.09%、11.55%. 风险评估方法均表明Cd和Ni处于轻度污染，偶尔会产生生物毒性效应；Zn无污染，生物毒性效应很少发生；塔里木河上游沉积物整体为自然-低风险水平，但样点TH1、TH4和TH7可能存在潜在生态风险.
-
关键词:
- 河流沉积物 /
- 重金属 /
- 源解析 /
- 风险评估 /
- 绝对主成分-多元线性回归模型 /
- 正定矩阵因子分解法.
Abstract: In order to explore the pollution sources and potential ecological risks of heavy metals in sediments in the upper Tarim River Basin, the surface sediments of the Aral-Shaya section of the upper reaches were selected as the research objects, and the contents of nine heavy metals elements, including Cu, Fe, Zn, Pb, As, Cr, Cd, Mn, and Ni, were determined, and their pollution and spatial distribution characteristics were analyzed. Combined with correlation analysis, cluster analysis, Absolute Principal Component Score-Multiple Linear Regression (APCS-MLR) and Positive Matrix Factorization (PMF) to analyze pollution sources and their contributions, the risk assessment of heavy metals was carried out by cluster analysis, geological cumulative index, sediment pollution index method and environmental quality standard for sediments(SQG). The results showed that except As, the average contents of Cu, Fe, Zn, Pb, Cr, Cd, Mn and Ni exceeded the background value; The sampling points with high spatial heavy metal content are basically found at river confluences and areas with dense human activities. Correlation analysis, cluster analysis and PCA/APCS analysis showed that the sources of heavy metals in sediments in the upper Tarim River Basin were divided into three categories, and the first category was Cu, Fe, Zn, Pb, Mn and Ni, which may represent poultry manure and natural sources. Category 2 are As, Cd and Ni, which may represent sources of agricultural activity; Class 3 are Pb and Cr, which may represent sources of traffic activity. The APCS-MLR and PMF models showed that the highest contribution rate of the source was from agricultural activities, with the contribution rate of 63.2% and 52.36%, respectively. The contribution rates of APCS-MLR and PMF analysis of aquaculture sources, natural sources and transportation activity sources were 10.8%, 26.0%, 36.09% and 11.55%, respectively. Risk assessment methods all showed that Cd and Ni were mildly contaminated and occasionally had biotoxic effects; Zn is pollution-free, and biological toxicity effects rarely occur; The sediments in the upper Tarim River are naturally natural - low risk levels overall, but there may be potential ecological risks at the sites TH1, TH4 and TH7. -
-
图 1 塔里木河上游沉积物采样点分布示意图
Figure 1. Distribution diagram of sampling sites for the surface sediments in the Tarim River Basin
图 2 塔里木河上游沉积物重金属的空间分布
Figure 2. Spatial distribution of heavy metals for the surface sediments in the Tarim River Basin
图 3 塔里木河上游沉积物重金属相关系数热图
Figure 3. Correlation coefficient thermogram of heavy metals for sediments in the Tarim River Basin
图 4 塔里木河上游沉积物重金属聚类分析树状图
Figure 4. Hierarchical cluster analysis results of heavy metals for sediments in the Tarim River Basin
图 5 APCS-MLR解析沉积物重金属污染源贡献率
Figure 5. Source contribution rate of heavy metals in sediments based on APCS-MLR
图 6 PMF解析沉积物重金属污染源贡献结果
Figure 6. Source contribution results of heavy metals in the sediment based on PMF
图 7 APCS-MLR和PMF两种模型源解析结果和源贡献率
Figure 7. Heavy metal source apportionment and factor contribution ratios based on APCS-MLR and PMF models
图 8 塔里木河上游沉积物重金属EF、Igeo和SPI结果
Figure 8. The EF、Igeo and SPI of heavy metals for sediments in the Tarim River Basin
图 9 塔里木河上游沉积物中重金属质量分布
Figure 9. Mass distribution of heavy metals for the surface sediments in the Tarim River Basin
表 1 重金属污染评价方法的分级标准
Table 1. Classification standard of heavy metal pollution evaluation method
富集系数法
（EF）EF EF<1 1≤EF<2 2≤EF<5 5≤EF<20 EF≥20 程度分级 无 轻度 中度 重度 极重度 地质累积指数法
（Igeo）Igeo Igeo≤0 0<Igeo≤1 1<Igeo≤2 2<Igeo≤3 3<Igeo≤4 4<Igeo≤5 Igeo>5 程度分级 无污染 轻度 偏中度 中度 偏重度 重度 极重度 沉积物污染指数法
（SPI）SPI SPI≤2 2<SPI≤5 5<SPI≤10 10<SPI≤20 SPI>20 程度分级 自然 低 中 高 危险 沉积物质量基准法
（STU）STU STU<4 4≤STU≤6 STU>6 程度分级 低毒性 中等毒性 高毒性 
下载: 导出CSV
表 2 塔里木河上游表层沉积物重金属含量的描述性统计（mg·kg−1）
Table 2. Descriptive statistics of heavy metal contents in surface sediments of the upper reaches in Tarim River（mg·kg−1）
重金属
Heavy metal范围
Range平均值±标准差
Mean ± standard
deviation变异系数/%
Coefficient of
variation背景值
Background超标率/%
Rate of excess新疆水系沉积物背景值[31]
Background value of
stream sediment in XinjiangCu 8.20—36.30 18.09±8.73 48.24 15.04 33.33 28.50 Fe 16518.22—34907.20 22234.81±6113.56 27.50 19993.63 44.44 — Zn 35.14—87.87 49.87±17.63 35.35 45.42 33.33 75.40 Pb 11.02—25.03 15.94±4.46 27.97 12.60 66.67 17.26 As 14.01—38.90 26.39±7.60 28.80 31.10 22.22 8.76 Cr 30.88—67.76 45.50±10.21 22.44 39.12 77.78 51.40 Cd 0.80—1.86 1.30±0.31 23.73 0.95 88.89 0.15 Mn 262.49—625.43 372.39±118.81 31.90 282.66 66.67 807.90 Ni 14.37—33.50 22.86±6.80 29.76 19.27 55.56 24.50
下载: 导出CSV
表 3 塔里木河上游沉积物重金属因子分析结果
Table 3. Principal component analysis of Heavy Metals in stream sediments of Tarim River Basin
项目
ProjectPCA APCS PC1 PC2 PC3 APCS1 APCS2 APCS3 重金属 Cu 0.835 0.458 0.299 0.850 0.454 0.246 Fe 0.876 0.356 0.311 0.893 0.352 0.271 Zn 0.861 0.424 0.261 0.845 0.390 0.342 Pb 0.396 0.295 0.861 0.632 0.305 0.576 As 0.296 0.868 0.247 0.359 0.838 0.296 Cr 0.763 0.216 0.534 −0.225 −0.004 −0.951 Cd 0.315 0.878 0.212 0.335 0.904 0.001 Mn 0.743 0.509 0.415 0.817 0.510 0.243 Ni 0.639 0.745 0.166 0.630 0.763 −0.076 特征值 7.409 0.827 0.431 6.826 1.256 0.483 方差贡献率/% 82.32 9.19 4.79 75.84 13.95 5.37 累计贡献率/% 82.32 91.51 96.30 75.84 89.79 95.16
下载: 导出CSV
表 4 APCS-MLR解析污染源对重金属的贡献值结果（mg·kg−1）
Table 4. Source contributions of heavy metals in the sediment based on APCS-MLR（mg·kg−1）
重金属
Heavy metals畜禽粪便和自然来源
Livestock manure and
natural sources农业活动源
Agricultural
activities交通活动源
Traffic
activity解析值
Analytic
value实测平均值
Measured
value解析值/实测平均值
Analytical/measuredR2 Cu 9.131 11.968 8.739 29.838 18.092 1.65 0.995 Fe 6704.992 6505.930 6371.626 19582.549 22234.813 0.88 0.984 Zn 19.005 22.377 15.433 56.815 49.870 1.14 0.982 Pb 2.211 3.934 12.856 19.001 15.943 1.19 0.976 As 2.820 19.747 6.296 28.863 26.393 1.09 0.843 Cr 9.759 6.592 18.262 34.612 45.497 0.76 0.863 Cd 0.123 0.816 0.221 1.159 1.302 0.89 0.865 Mn 110.587 180.891 165.251 456.729 372.394 1.23 0.973 Ni 5.527 15.176 3.786 24.489 22.857 1.07 0.985
下载: 导出CSV
表 5 水体沉积物中重金属的质量基准值统计
Table 5. Quality reference value statistics of heavy metal in water sediments
重金属
Heavy metalsCu Zn Pb As Cr Cd Ni Mn Fe TEL 18.7 124 30.2 7.24 52.3 0.7 15.9 — — PEL 108 271 112 41.6 160.0 4.2 42.8 — —
下载: 导出CSV
-
[1] 罗鹏程, 涂耀仁, 孙婷婷, 等. 太浦河水体与沉积物中重金属的季节变化特征与污染评价[J]. 环境科学, 2023, 44（6）: 3184-3197. LUO P C, TU Y R, SUN T T, et al. Seasonal Variation Characteristics and Pollution Assessment of Heavy Metals in Water and Sediment of Taipu River[J].Environmental Science2023, 44（6）: 3184- 3197(in Chinese).
[2] 匡荟芬, 胡春华, 吴根林, 等. 结合主成分分析法(PCA)和正定矩阵因子分解法(PMF)的鄱阳湖丰水期表层沉积物重金属源解析 [J]. 湖泊科学, 2020, 32(4): 964-976. doi: 10.18307/2020.0406 KUANG H F, HU C H, WU G L, et al. Combination of PCA and PMF to apportion the sources of heavy metals in surface sediments from Lake Poyang during the wet season [J]. Journal of Lake Sciences, 2020, 32(4): 964-976(in Chinese). doi: 10.18307/2020.0406
[3] 訾鑫源, 张鸣, 谷孝鸿, 等. 洪泽湖围栏养殖对表层沉积物重金属含量影响与生态风险评价 [J]. 环境科学, 2021, 42(11): 5355-5363. ZI X Y, ZHANG M, GU X H, et al. Impact of enclosure culture on heavy metal content in surface sediments of Hongze Lake and ecological risk assessment [J]. Environmental Science, 2021, 42(11): 5355-5363(in Chinese).
[4] 刘文, 吉力力·阿不都外力, 马龙. 博斯腾湖表层沉积物元素地球化学特征及重金属污染评价 [J]. 地球环境学报, 2019, 10(2): 128-140. LIU W, JILILI A, MA L. Geochemical characteristics of major and trace elements and heavy metal pollution status in surface sediment of Bosten Lake [J]. Journal of Earth Environment, 2019, 10(2): 128-140(in Chinese).
[5] 唐道斌, 罗松英, 李雅婷, 等. 湛江观海长廊红树林表层沉积物重金属时空分布特征及污染评价 [J]. 环境污染与防治, 2022, 44(12): 1639-1642,1651. TANG D B, LUO S Y, LI Y T, et al. Temporal and spatial distribution characteristics and pollution assessment of heavy metals in mangrove surface sediments in Zhanjiang Guanhai Corridor [J]. Environmental Pollution & Control, 2022, 44(12): 1639-1642,1651(in Chinese).
[6] 徐美娟, 杨佳, 任晓景, 等. 宁波市地表水重金属时空分布特性和健康风险评价 [J]. 环境科学, 2023, 44(3): 1407-1415. XU M J, YANG J, REN X J, et al. Temporal-spatial distribution and health risk assessment of heavy metals in the surface water of Ningbo [J]. Environmental Science, 2023, 44(3): 1407-1415(in Chinese).
[7] 于江, 孙溢点, 张旭, 等. 金沙江流域沉积物中重金属迁移转化规律研究 [J]. 中国农村水利水电, 2022(7): 10-15,24. YU J, SUN Y D, ZHANG X, et al. Research on the migration and transformation characteristics of heavy metals in sediments of Jinsha River Basin [J]. China Rural Water and Hydropower, 2022(7): 10-15,24(in Chinese).
[8] 郭雨岸, 陈秀玲, 蔡炳贵, 等. 闽东定海-黄岐湾表层沉积物重金属污染特征及来源解析 [J]. 环境化学, 2023, 42(3): 769-778. doi: 10.7524/j.issn.0254-6108.2022071702 GUO Y A, CHEN X L, CAI B G, et al. Characteristics and source analysis of heavy metal pollution in surface sediments of Huangqi Bay, Dinghai, eastern Fujian [J]. Environmental Chemistry, 2023, 42(3): 769-778(in Chinese). doi: 10.7524/j.issn.0254-6108.2022071702
[9] 陈斌, 尹晓娜, 姜广甲, 等. 珠江口外陆架海域表层沉积物重金属潜在生态风险评价及来源分析 [J]. 应用海洋学学报, 2021, 40(3): 520-528. doi: 10.3969/J.ISSN.2095-4972.2021.03.017 CHEN B, YIN X N, JIANG G J, et al. Assessment of the potential ecological risk of heavy metals in the sediments of continental shelf and their sources off the Pearl River Estuary [J]. Journal of Applied Oceanography, 2021, 40(3): 520-528(in Chinese). doi: 10.3969/J.ISSN.2095-4972.2021.03.017
[10] 施亚盛, 李光耀, 吴爱静, 等. 东苕溪沉积物重金属生态风险评价和源解析 [J]. 生态科学, 2021, 40(6): 67-74. SHI Y S, LI G Y, WU A J, et al. Ecological risk assessment and source identification of heavy metals in surface sediments of East Tiaoxi River [J]. Ecological Science, 2021, 40(6): 67-74(in Chinese).
[11] 代静, 李欣, 王小燕, 等. 大明湖表层沉积物重金属污染特征及生态风险评价 [J]. 环境化学, 2020, 39(1): 249-263. doi: http://dx.doi.org/10.7524/j.issn.0254-6108.2019021401 DAI J, LI X, WANG X Y, et al. Pollution characteristics and ecological risk assessment of heavy metals in the surface sediments of Daming Lake [J]. Environmental Chemistry, 2020, 39(1): 249-263(in Chinese). doi: http://dx.doi.org/10.7524/j.issn.0254-6108.2019021401
[12] 张阿龙, 高瑞忠, 张生, 等. 吉兰泰盐湖盆地土壤重金属铬、汞、砷分布的多方法评价 [J]. 土壤学报, 2020, 57(1): 130-141. ZHANG A L, GAO R Z, ZHANG S, et al. Evaluation using numerous methods of distribution of heavy metals Cr, Hg and As in Jilantai salt lake basin [J]. Acta Pedologica Sinica, 2020, 57(1): 130-141(in Chinese).
[13] 李富, 刘赢男, 郭殿凡, 等. 哈尔滨松江湿地重金属空间分布及潜在生态风险评价 [J]. 环境科学研究, 2019, 32(11): 1869-1878. LI F, LIU Y N, GUO D F, et al. Distribution and potential ecological risk assessment of heavy metals in the sediment of the Songjiang wetland in Harbin city [J]. Research of Environmental Sciences, 2019, 32(11): 1869-1878(in Chinese).
[14] 张兆永, 吉力力·阿不都外力, 姜逢清. 艾比湖表层沉积物重金属的来源、污染和潜在生态风险研究 [J]. 环境科学, 2015, 36(2): 490-496. ZHANG Z Y, JLILI A, JIANG F Q. Sources, pollution statue and potential ecological risk of heavy metals in surface sediments of Aibi lake, northwest China [J]. Environmental Science, 2015, 36(2): 490-496(in Chinese).
[15] 郭杰, 王珂, 于琪, 等. 长江中游近岸表层沉积物重金属污染特征分析及风险评估 [J]. 环境科学学报, 2021, 41(11): 4625-4636. GUO J, WANG K, YU Q, et al. Pollution characteristics of the heavy metals and their potential ecological risk assessment in nearshore sediments of the middle reaches of the Yangtze River [J]. Acta Scientiae Circumstantiae, 2021, 41(11): 4625-4636(in Chinese).
[16] 沈宸宇, 闫钰, 于瑞莲, 等. APCS-MLR结合PMF模型解析厦门杏林湾近郊流域沉积物金属来源 [J]. 环境科学, 2022, 43(5): 2476-2488. doi: 10.13227/j.hjkx.202108337 SHEN C Y, YAN Y, YU R L, et al. APCS-MLR combined with PMF model to analyze the source of metals in sediment of xinglin bay suburban watershed, Xiamen [J]. Environmental Science, 2022, 43(5): 2476-2488(in Chinese). doi: 10.13227/j.hjkx.202108337
[17] 陈雅丽, 翁莉萍, 马杰, 等. 近十年中国土壤重金属污染源解析研究进展 [J]. 农业环境科学学报, 2019, 38(10): 2219-2238. CHEN Y L, WENG L P, MA J, et al. Review on the last ten years of research on source identification of heavy metal pollution in soils [J]. Journal of Agro-Environment Science, 2019, 38(10): 2219-2238(in Chinese).
[18] 熊鑫玉, 杨丽原, 刘友春, 等. 鲁西北典型入海河流表层沉积物中重金属分布特征与风险评价 [J]. 济南大学学报(自然科学版), 2022, 36(2): 213-220. XIONG X Y, YANG L Y, LIU Y C, et al. Distribution characteristics and risk assessment of heavy metals in surface sediments of typical rivers flowing into sea in northwestern Shandong Province [J]. Journal of University of Jinan (Science and Technology), 2022, 36(2): 213-220(in Chinese).
[19] SALIM I, SAJJAD R U, PAULE-MERCADO M C, et al. Comparison of two receptor models PCA-MLR and PMF for source identification and apportionment of pollution carried by runoff from catchment and sub-watershed areas with mixed land cover in South Korea [J]. The Science of the Total Environment, 2019, 663: 764-775. doi: 10.1016/j.scitotenv.2019.01.377 [20] 中华人民共和国环境保护部. 土壤和沉积物 金属元素总量的消解 微波消解法: HJ 832—2017[S]. 北京: 中国环境出版社, 2017. Ministry of Environmental Protection of the People's Republic of China. Soil and sediment - Digestion of total metal elements - Microwave assisted acid digestion method: HJ 832—2017[S]. Beijing: China Environmental Science Press, 2017(in Chinese).
[21] SUTHERLAND R A. Bed sediment-associated trace metals in an urban stream, Oahu, Hawaii [J]. Environmental Geology, 2000, 39(6): 611-627. doi: 10.1007/s002540050473 [22] 杜展鹏, 王明净, 严长安, 等. 基于绝对主成分-多元线性回归的滇池污染源解析 [J]. 环境科学学报, 2020, 40(3): 1130-1137. DU Z P, WANG M J, YAN C A, et al. Pollution source apportionment of Lake Dianchi based on absolute principal component score-multiple linear regression [J]. Acta Scientiae Circumstantiae, 2020, 40(3): 1130-1137(in Chinese).
[23] 费蕾蕾. 闪电活动对近地面大气中氮氧化物、臭氧及颗粒物的影响[D]. 北京: 中国科学院大学, 2017. FEI L L. Effects of lightning activity on nitrogen oxides, ozone and particulate matter in the near-surface atmosphere[D]. Beijing: University of Chinese Academy of Sciences, 2017 (in Chinese).
[24] YAN B, XU D M, CHEN T, et al. Leachability characteristic of heavy metals and associated health risk study in typical copper mining-impacted sediments [J]. Chemosphere, 2020, 239: 124748. doi: 10.1016/j.chemosphere.2019.124748 [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(2): 111-126. doi: 10.1002/env.3170050203 [26] ANGELIDIS M O, ALOUPI M. Metals in sediments of Rhodes harbour, Greece[J]. Marine Pollution Bulletin, 1995, 31(4/5/6/7/8/9/10/11/12): 273-276. [27] MULLER G. Index of geoaccumulation in sediments of the Rhine River [J]. GeoJournal, 1969, 2: 108-118. [28] 李军, 李旭, 李开明, 等. 黄河兰州段城市河道表层沉积物重金属空间分布特征及来源解析[J]. 环境科学, 2023, 44(5): 2562-2573. LI J, LI X, LI K M, et al. Spatial Distribution Characteristics and Source Analysis of Heavy Metals in Urban River Surface Sediments from the Lanzhou Reach of the Yellow River[J]. Environmental Science , 2023, 44(5): 2562-2573(in Chinese).
[29] HAKANSON L. An ecological risk index for aquatic pollution control. a sedimentological approach [J]. Water Research, 1980, 14(8): 975-1001. doi: 10.1016/0043-1354(80)90143-8 [30] 阳金希, 张彦峰, 祝凌燕. 中国七大水系沉积物中典型重金属生态风险评估 [J]. 环境科学研究, 2017, 30(3): 423-432. doi: 10.13198/j.issn.1001-6929.2017.01.61 YANG J X, ZHANG Y F, ZHU L Y. Pollution and risk assessment of typical heavy metals in river sediments of seven major watersheds in China [J]. Research of Environmental Sciences, 2017, 30(3): 423-432(in Chinese). doi: 10.13198/j.issn.1001-6929.2017.01.61
[31] MACDONALD D D, CARR R S, CALDER F D, et al. Development and evaluation of sediment quality guidelines for Florida coastal waters [J]. Ecotoxicology, 1996, 5(4): 253-278. doi: 10.1007/BF00118995 -
点击查看大图
计量
- 文章访问数: 2123
- HTML全文浏览数: 2123
- PDF下载数: 70
- 施引文献: 0
