-
城市湿地是与人类生产、生活和发展息息相关的生态系统之一，具有涵养水源、蓄洪防旱、维护生物多样性和降低城市热岛效应等生态功能[1]，是城市生态环境与社会经济发展的“调节器”. 然而，由于城市化进程的高速推进和工矿业经济的高速发展，人类活动所产生的污染物，特别是具有难降解性、危害持久性、显著生物毒性和食物链富集放大效应等特点的重（类）金属污染物，经地表（下）径流、大气降尘等多种途径进入湿地水体环境[2]，最终蓄积于湿地沉积物中，严重危害城市湿地生态系统及人类健康[3]. 因此，开展城市湿地沉积物重金属污染与生态健康风险评估对城市湿地生态环境与生物多样性的保护具有重要的理论和现实意义.
当前，众多学者就黑龙江扎龙[4]、黄河口[5]、宁夏太阳山[6]、湛江湾红树林[7]、合肥市十八联圩[1]、滇池东大河[8]和贵州草海[9]等不同类型生态湿地沉积物的重金属污染特征、生态风险及污染来源等方面开展了广泛的研究. 然而，相较于较多的重金属污染与评价研究，城市湿地沉积物重金属对人体可能造成的健康风险评价研究较少. 此外，目前面向湿地沉积物重金属污染与评价的研究几乎均采用传统的地累积污染指数法、内梅罗指数法、富集因子法、潜在生态危害指数法、健康风险评价法等重金属污染程度和风险评价方法[4,10 − 13]. 这些评价方法均是以确定性的参数和指标为基础进行相应的重金属污染评价与风险评估，而评价参数和指标本身具有可变性，从而导致评价结果的不确定性，即存在偏高或偏低的问题[14 − 16]. 蒙特卡洛的概率风险评价方法可量化和降低传统评价方法的不确定性，提高沉积物重金属污染物风险评价的准确性和科学性[17].
地处兰州西段的黄河银滩湿地公园被誉为“镶嵌在黄河边上的绿宝石”，是一个具有生态价值、经济效益、游憩和科普教育等功能的城市滨湖湿地生态公园，也是黄河流域兰州段最大的湿地生态公园之一. 近年来，随着黄河流域兰州段工农业污水排放、黄河风情线改造提升工程的修建以及过度的土地开发利用等近岸区域人类活动的加剧[18 − 19]，银滩湿地公园水体受到外源有机污染物输入的影响、水体富营养化趋势较为明显且水质趋于恶化[20 − 21]. 为此，本文以兰州银滩湿地公园表层沉积物为研究对象，分析沉积物重金属（As、Cd、Cr、Cu、Hg、Ni、Pb和Zn）的含量特征，运用蒙特卡洛模拟与地累积污染指数、富集因子、综合生态风险指数和人体健康风险评价模型相结合的方法对快速城市化背景下湿地沉积物重金属的污染特征、潜在生态危害和健康风险进行概率评估，以期为该区域生态风险的精准管控和人群健康保障提供科学指导和理论依据.
-
兰州银滩湿地公园（36°05′N，103°42′E）位于兰州市安宁区，北接北滨河路，南临黄河水系，东西两侧均以自然过渡的河滩为界，整体沿黄河河道自然分布，总长度约3000 m，建设面积约3.286 km2（图1）. 研究区属温带大陆性气候，年平均气温和降水量分别为9.1 ℃和327.7 mm，土质条件主要以杂填土、粉土和卵石层组成[22]. 湿地以黄河水为主要补给源，其中丰水期（9—10月）水质良好，枯水期（3—4月）水质较差. 湿地内修建有滨河步道和观光亭廊，沿线植被以千屈菜、芦苇和水莎草为主，湿地的生态环境吸引了大量鸟类和鱼类，包括野鸭、燕鸥、雀鸟及黄河大鲤鱼等[23]. 当前，湿地既是兰州市民文化娱乐和休闲健身的主要场所，又是来往游客观光旅游的重要目的地之一.
-
根据银滩湿地公园水域、亭廊、木栈道等景观分布特征，并结合近岸排污口的分布情况，布设样点40处，具体采样点分布情况如图1所示. 于2022年5月利用抓斗式采泥器在每个采样点附近3处水域采集0—20 cm表层沉积物，并混合为1个重约3 kg的样品. 随之封装于聚乙烯样品袋内，并附上标签，同时记录采样日期、定位坐标和采样点周边环境等基本信息.
将采集的沉积物样品运回实验室，先置于10 ℃烘箱中以最低风速进行48 h的烘干，经破碎剔除石砾和根、叶、虫体等杂物之后. 使用玛瑙研钵将烘干的样品充分研碎磨匀，然后过100目尼龙筛，混合均匀之后，储存备用. 采用硝酸-氢氟酸-高氯酸酸溶消解法对样品进行完全消解后，使用电感耦合等离子体质谱仪（ICP-MS, Thermo X Series 2, 美国）测定Cd、Cr、Cu、Ni、Pb和Zn的含量，对应元素的检出限分别为0.02、0.4、0.2、1.0、2.0、2.0 μg·g−1. 对于As和Hg而言，待测样品先经硝酸-盐酸混合试剂在沸水浴中加热消解后. 采用原子荧光光谱仪（XGY-1011A, 中国地质科学院地球物理地球化学勘查研究所, 中国）进行测试，检出限分别为：0.2 μg·g−1和0.005 μg·g−1. 实验过程中所用试剂均为优级纯，所用水为超纯水，所用玻璃器皿均在10%的HNO3中充分浸泡24 h以上. 测试过程中，每10件样品随机插入2个重复样和2件水系沉积物标准物质（GBW 07362）及空白样进行质量控制，标准物质各元素回收率为83%—122%，所有样品分析误差均小于10%. 样品的分析测试在中国科学院长春应用化学研究所完成.
-
蒙特卡洛模拟是一种在确定暴露参数已知概率分布中生成随机数进行迭代运算以获得输出变量的分布来解决风险评价中随机性和不确定性问题的方法[14]. 考虑到重金属污染和风险评价方法涉及的毒性响应系数、背景值、风险暴露等确定性参数会导致评价结果出现过高或过低的情况，为了降低评价过程中的不确定性，本研究将蒙特卡洛模拟引入至各重金属污染和风险评价方法中对其进行模拟预测. 模拟运行过程中，设定随机模拟迭代次数为10000次，置信水平确定为95%，具体步骤包括：（1）确定评价模型随机变量，构建概率密度分布函数；（2）设置模拟参数，确定参数的分布类型；（3）运行模型，进行大量随机抽样；（4）对模拟结果进行统计分析，得出结论[24 − 25].
-
地累积污染指数法（geo-accumulation index, Igeo）是一种广泛应用于定量评价沉积物、土壤和积尘等环境介质中重金属污染程度的方法[26]. 该方法充分考虑了人为污染因素、环境地球化学背景值和自然成岩作用对重金属的影响，能够反映土壤重金属污染分布特征[27]. 其计算公式如下：
式中，Ci为重金属i的实测含量（mg·kg−1）；Bi为重金属i的甘肃省土壤背景值（mg·kg−1）；常数1.5是为考虑到成岩作用可能引起的背景值变化而设定的校正系数[27]. 由Igeo值对应的污染等级划分标准如表1所示.
-
富集因子法（enrichment factor, EF）也是一种定量评价沉积物和土壤重金属污染程度的方法[28]. 其计算公式如下：
式中，EF为富集指数（无量纲）；（Ci/Cr）样品中Ci和Cr分别为重金属i的实测含量（mg·kg−1）和参比元素含量（mg·kg−1）；（Ci/Cr）背景值中Ci和Cr分别为甘肃省土壤元素i背景值和参比元素含量. 由于人类活动对具有相对较高天然含量的Fe影响较小，且Fe的分布与其他重金属相关性较差[29 − 30]. 为此，选取Fe作为本研究的参比元素，其余元素的背景值参考甘肃省土壤元素背景值[31]. 由EF值对应的污染等级划分标准如表1所示.
-
综合生态风险指数（Nemerow integrated risk index, NIRI）是Men等[32]基于传统的潜在生态风险指数，在综合考虑重金属毒性系数和多种重金属复合污染的累加风险对评估结果影响的基础上，提出的一种定量评价重金属综合生态风险程度的指数. 其计算公式为：
式中，Eir和Tir分别指的是重金属i的生态风险指数和毒性系数（无量纲），Ci和Bi分别为重金属i的实测含量（mg·kg−1）和甘肃省土壤背景值（mg·kg−1）. 其中As、Cd、Cr、Cu、Ni、Hg、Pb和Zn的Tir分别取值为10、30、2、5、5、40、5和1（无量纲）[33]. 由Eir和NIRI值所划分的生态风险等级划分标准如表1所示.
-
沉积物重金属主要通过手口摄入和皮肤接触的暴露途径进入人体体内，并对人体健康产生潜在危害[34]. 采用美国环境保护署推荐的人体健康风险评价模型对兰州银滩湿地公园活动的成人男性、成人女性和儿童进行非致癌和致癌健康风险评价[35].
-
经手口摄入和皮肤接触暴露途径下的日均暴露量计算公式如下所示：
式中，CDDing和CDDderm为手口摄入和皮肤接触途径的日均暴露量（mg·（kg·d）−1）；Ci为重金属i的实测含量（mg·kg–1）；IRing为手-口摄入率（mg·d–1）；ED和EF分别为暴露时间（a）和暴露频率（d·a–1）；BW为平均体重（kg）；SA和AF分别表示皮肤暴露表面积（m2）和皮肤黏着度（mg·（cm2·d）−1）；AT表示平均暴露时间（d）；ABS为皮肤吸收因子（无量纲）；CF为单位转换因子（无量纲）. 基于蒙特卡洛模拟的暴露参数概率分布和公式5和6涉及的参数取值见表2.
-
沉积物重金属As、Cd、Cr、Cu、Hg、Ni、Pb和Zn对不同人群的非致癌风险计算公式为：
式中，HI为非致癌总风险（无量纲）；HQij和RfDij分别为重金属i在j暴露途径下的非致癌风险值和参考剂量值（mg·（kg·d）−1），具体参考值见表3. 一般情况下，当HQ或HI≤1时，表明不存在非致癌风险；当1<HQ或HI≤10时，表示存在非致癌风险；当HQ或HI>10时，表明存在严重的非致癌风险[35].
沉积物重金属As、Cd、Cr和Pb对不同人群的致癌风险计算公式为：
式中，TCR为总致癌风险值（无量纲）；CRij和SFij分别是重金属i在j暴露途径下的致癌风险值和致癌斜率因子值（mg·（kg·d）−1），不同的重金属在手口摄入和皮肤接触暴露途径下的RfD和SF值见表3. 就致癌风险而言，当TCR或CR≤10−6时，认为不存在致癌风险；当10−6<TCR或CR≤10−4时，表示存在可接受的致癌风险；当TCR或CR>10−4时，认为存在较高致癌风险[35].
-
采用Microsoft Excel 2019进行重金属描述性统计和数据处理，利用Oracle Crystal Ball进行蒙特卡洛模拟和敏感性分析，使用克里金插值法在ArcGIS 10.7上绘制重金属含量空间分布图，运用ArcGIS 10.7和Origin 2021完成图件绘制.
-
兰州银滩湿地公园沉积物重金属含量测定统计结果如表4所示. 从表4可知，研究区沉积物重金属含量的平均值从大到小依次为：Zn>Cr>Pb>Ni>Cu>As>Cd>Hg. 与上地壳（upper continental curst, UCC）金属元素相比[38]，研究区沉积物Cd、As、Pb、Ni和Cr的含量较高，是UCC相应元素的8.2、6.96、1.87、1.19、1.08倍，相应的超标率分别为92.5%、100%、70%、97.5%和72.5%，Cd、Cu和Zn的含量较低；与中国水系沉积物背景值[39]相比，Cd、Pb、As、Cu和Ni的含量分别为水系沉积物的6.31、1.63、1.16、1.04、1.03倍，相应的超标率分别为82.5%、57.5%、52.5%、57.5%和52.5%，Cr、Hg和Zn的含量较低；与甘肃省土壤元素背景值[31]相比，Cd、Pb和Hg的含量分别高于其6.83、1.99和1.50倍，相应的超标率分别为82.5%、85.0%和62.5%，其余As、Cr、Cu、Ni和Zn的含量偏低，表明研究区沉积物存在一定程度的Cd、Pb和Hg富集. 此外，所有元素的含量均低于严重效应水平，表明研究区整体重金属污染风险较低. 然而，Cd和Pb含量的最大值分别为最低效应水平和毒性参考值的12.14和6.36倍，说明Cd和Pb可能存在重金属点源污染.
变异系数（coefficient of variance, CV）是一种直观衡量重金属元素含量受人为活动影响和空间分布特征的统计量[41]. 研究区沉积物重金属的CV从大到小依次为：Cd（167.07%）>Pb（91.79%）>Hg（66.67%）>Zn（16.65%）>As（15.33%）>Ni（11.77%）>Cr（11.35%）>Cu（11.04%），其中Cd为超高度变异（CV>100%），Pb和Hg为高度变异（CV>50%），其余元素均为低度变异（CV<20%）[41]，表明研究区沉积物Cd、Pb和Hg的含量空间差异较大，且受到了人类活动的干扰影响，其余元素变异系数较低，说明它们的含量空间分布相对均匀，且受外源影响相对较小. 沉积物重金属含量空间分布特征也显示沉积物中Cd、Pb和Hg含量空间分布差异明显（图2），且含量较高的点位分布于研究区排污口区域，说明受到了污水排放的影响. Cd、Pb、Hg和Zn含量的高值区分布于研究区东中部的施工区域，这可能与该区域修缮湿地园区的施工车辆交通排放有关.
-
兰州银滩湿地公园沉积物重金属Igeo评价结果如图3a所示，Igeo平均值由大到小依次为：Cd（0.98）>Pb（0.09）>Hg（−0.30）>Zn（−0.75）>Cu（−0.80）>As（−0.87）>Ni（−1.16）>Cr（−1.48）. 基于蒙特卡洛模拟的沉积物重金属Igeo概率评价结果如图3b示，Igeo的预测平均值由高到低依次为：Cd（0.99）>Pb（0.08）>Hg（−0.29）>Zn（−0.75）>Cu（−0.80）>As（−0.88）>Ni（−1.16）>Cr（−1.49），这与Igeo评价结果相一致. 总体而言，Hg、Zn、Cu、As、Ni和Cr为无污染（Igeo<0）；Cd和Pb为轻度污染（0<Igeo≤1）. 具体而言，Cd的累积污染程度最高，处于轻度、中度、偏重度、重度、严重污染的概率为22.77%、17.82%、11.88%、6.93%和6.93%，这与Cd属于超高度变异的特点相吻合，也进一步印证Cd的富集与人类活动有关；其次为Pb，虽然以无污染为主，但仍有23.76%、9.81%、2.97%、0.99%和0.99%的概率为轻度、中度、偏重度、重度和严重污染状态；接着是Hg，除了无污染的概率为33.57%之外，还有处于轻度、中度和重度污染的概率分别为26.73%、5.94%和0.99%.
一般情况下，湿地沉积物重金属污染除了受到区域地质背景影响之外，还与研究区周边的人类活动贡献有关[12]. 研究表明，土壤环境中Cd、Hg和Pb的累积既与汽车尾气排放、燃料燃烧和刹车片磨损等交通活动有关[42]，也与工业污染排放有关[43]. 还有研究发现磷肥中Cd和Pb的平均含量分别为0.5 mg·kg–1和0.93 mg·kg–1，复合肥料中Hg和Zn的平均含量分别为0.903 mg·kg–1和348.2 mg·kg–1[44]. 此外，生活污水的排放也会引起Hg的富集[43]. 研究区位于交通繁忙的北滨河路南侧，川流不息的车辆排放的Cd、Hg和Pb等元素经大气沉降、雨水径流等方式汇入研究区，引起沉积物中Cd、Hg和Pb的累积. 与此同时，为研究区提供水源补给的黄河流域兰州段上游的西宁和永登等地以农业生产为主，农业生产过程中磷肥和复合肥等化肥的大量施用[42]，会引起土壤中Cd、Hg和Pb的不断积累，部分Cd、Hg和Pb元素经雨水淋失、地表径流和农田废水等过程汇入河流，并富集于河流沉积物. 伴随着水流的搬运，最终输入研究区. 再者黄河流域兰州段沿岸城市生活污水处置不当会影响黄河水质[20]，从而进入湿地，封闭的滨湖湿地中低流动性的水和泥沙为重金属的沉积和滞留提供了条件[45]，最终导致Cd、Hg和Pb等重金属的累积.
-
兰州银滩湿地公园沉积物重金属EF评价结果如图4a所示，EF平均值由大到小依次为：Cd（7.63）>Pb（2.20）>Hg（1.57）>Zn（0.99）>Cu（0.95）>As（0.90）>Ni（0.74）>Cr（0.59）. 基于蒙特卡洛模拟的沉积物重金属EF概率评价结果如图4b所示，EF的预测平均值由大到小依次为：Cd（1.03）>Pb（0.29）>Hg（0.19）>Zn（0.13）>Cu（0.12）>As（0.11）>Ni（0.09）>Cr（0.07），这与EF评价结果相一致. 就EF概率评价结果而言，除了Cd为轻度污染（1<EF≤2）之外，其余元素均为无污染（EF≤1）. 具体而言，Cd的富集污染程度最高，其中处于轻微、中度、较强和强污染的概率为10.00%、7.9%、2.97和0.99%；其次为Pb，处于轻微、中度和较强污染的概率分别为1.99%、0.99%和0.99%的样点；接着是Hg，处于中度污染的概率仅为0.99%；其余元素的所有样点均无污染.
综上可知，基于蒙特卡洛模拟的Igeo和EF概率评价结果均显示Cd、Hg和Pb为研究区沉积物的主要污染元素，说明评价结果的可靠性高. 然而，两种评价方法的评价结果稍有差别，即Igeo的累积概率评价结果略高于EF的累积概率评价结果. 这可能与Igeo综合考虑了环境地球化学、人为污染因素和成岩作用对背景值的影响[2,27]及与EF选择的参比元素有关[46].
-
基于蒙特卡洛模拟的沉积物Eir概率评价结果如表5所示，其预测平均值从大到小依次为：Cd>Hg>Pb>As>Cu>Ni>Cr>Zn. 其中Pb、As、Cr、Cu、Ni和Zn为轻微风险（Eir≤40），Hg为中等风险（40<Eir≤80），Cd为很强风险（160<Eir≤320）. 从单个重金属的生态风险等级累积率来看，Cd的Eir值介于14.00—2000.00之间，其中处于轻微、中等、较强、很强、极强生态风险等级的概率分别为30.60%、21.78%、18.81%、2.87%和15.84%；Hg的Eir值为13.27—537.79，其中处于轻微和中度生态风险等级的概率均为40.59%，还有14.85%的概率处于较强风险等级. 因此，Cd和Hg是研究区沉积物的主要潜在生态危害元素.
基于蒙特卡洛模拟的沉积物重金属NIRI概率评价结果如表5和图5所示，其NIRI值分布于12.05—1488.68之间，其预测平均值为165.38，处于高风险等级（160<NIRI≤320）. 沉积物重金属NIRI范围为23.85—624.80，平均值为158.68，处于较强风险等级（80<NIRI≤160）. 由图5a可见，极强风险区分布于排污口区域和研究区修缮施工区域，表明湿地生态受人类活动干扰显著. 从表5可知，整个研究区处于轻微风险、中等风险、较强风险、很强风险和极强生态风险等级的概率分别为39%、22%、16%、11%和12%. 为进一步探究各元素对沉积物重金属NIRI的贡献程度，对各元素进行敏感性分析. 若敏感性结果为正值，则表示与贡献程度正相关，且敏感度越大，贡献率越大；若为负值，则表示与贡献程度负相关，且敏感度绝对值越大，贡献率就越大[47]. 结果见图5b所示，Cd是研究区沉积物重金属NIRI的主要贡献因子，贡献率为93.60%，Hg、As、Ni、Zn和Pb有极微弱的贡献，分别占2.97%、1.34%、1.13%、0.7%和0.51%. 此外，Cr和Cu对研究区沉积物NIRI也有不到1.0%的贡献率.
由上可知，研究区沉积物的主要潜在生态危害元素为Cd和Hg，这与黄河河口地区[48]、渤海和黄海流域[49]和海河流域[50]的沉积物重金属生态风险评价结果相一致. 此外，Cd还是研究区沉积物重金属NIRI的主要贡献因子. 这一方面是Cd具有相对较高的毒性系数，对潜在生态风险影响大[16,50]，另一方面与研究区近岸流域人类活动引起的Cd累积污染有关[51]，即沉积物重金属NIRI的大小与重金属累积含量和自身毒理性质有关. 为此，研究区重金属污染生态风险管控中需多关注Hg和Cd此类毒性系数明显较高的元素.
-
基于蒙特卡洛模拟的沉积物重金属对不同人群健康风险累积概率曲线如图6所示，从图6a可知，湿地沉积物重金属对成人男性、成人女性和儿童的HI值的95%分位数分别为1.94、2.04和1.13，均高于1而低于10，表明沉积物重金属对三种人群均存在一定的非致癌风险. 此外，16.1%、18.3%和6.0%的成人男性、成人女性和儿童的非致癌暴露风险值超过可接受安全阀值（HI=1），存在非致癌风险. 其中对不同人群的HI表现为：成人女性>成人男性>儿童，这前人研究结果有所不同[36]，可能是成人对污染物的暴露时间相对儿童来说更久引起的.
基于蒙特卡洛模拟的不同人群非致癌健康风险评估结果如表6所示，沉积物单个重金属对成人男性和成人女性造成的HQ值大小表现为：Cr>Cd>As>Pb>Ni>Cu>Hg>Zn，对儿童造成的HQ值大小表现为：Cr>Cd>As>Pb>Cu>Ni>Hg>Zn. 虽然对各重金属对成人与儿童的HQ值大小排序略有差异，但均显示Cr和Cd为造成研究区不同人群非致癌健康风险的主要危害元素. 这与前人的研究相一致[36,52]，例如，太湖-南溪河沉积物重金属Cr和Cd具有较高的致癌风险，主要原因在于Cr和Cd在手口摄入和皮肤接触暴露途径下的参考剂量值（RfD）较小，也与研究区沉积物中Cr和Cd的累积量较大有关[36].
对于致癌健康风险概率而言，由图6b可知，湿地沉积物重金属对成人男性、成人女性和儿童的TCR值的95%分位数分别为1.12×10−4、1.25×10−4和5.54×10−4，均高于致癌风险量级水平（1×10−4），说明研究区沉积物存在致癌风险. 从沉积物重金属对不同人群的致癌累积概率曲线可以看出，有8.0%、13.2%和98.1%的成人男性、成人女性和儿童TCR值超过高于致癌风险量级水平（1×10−4）. 与非致癌健康风险不同的是，沉积物重金属对儿童的致癌风险较大，其次为成人女性和成人男性，这与儿童吮吸手指等特有的行为习惯和生理特征对环境污染物的敏感性更高有关[53].
此外，由表7可知，沉积物单个重金属对儿童造成的CR值大小表现为As>Cr>Cd>Pb，其中As和Cr的CR值均高于致癌风险量级水平（1×10−4），说明重金属As和Cr对儿童存在较高的致癌风险；Cd和Pb的CR值介于1×10−6—1×10−4之间，表明存在可接受的致癌风险. 沉积物单个重金属对成人男性和成人女性的CR值大小排序与对儿童的一致，然而不同的是两者除Pb外，其余As、Cr和Cd的CR值均在1×10−6—1×10−4范围内，说明对成人存在可接受的致癌风险. 总体而言，As和Cr为造成三种人群致癌健康风险的主要污染元素. 值得注意的是，长期暴露于As与Cr环境中可能导致人体肺癌、皮肤癌、肾癌和肝癌的风险[53 − 54]，需引起重视.
-
兰州银滩湿地公园沉积物致癌和非致癌风险敏感性分析结果如图7所示. 对于非致癌风险而言，皮肤黏着度（AF）对风险影响最大，其中对成人男性、成人女性和儿童分别解释了84.1%、83.27%和73.65%的非致癌风险的不确定性；其次为SA和Cd，分别解释了18.3%—30.8%和17.5%—23.6%的非致癌风险的不确定性；体重（BW）与非致癌风险呈负相关，表明体重与健康风险值成反比，即相较于成人，BW明显对儿童存在较高的敏感性. EF也解释了16.4%—18.5%的非致癌风险的不确定性；之后是Cr、Pb和As，这3种重金属对不同人群的敏感性相对较小，且影响相差不大；最后是Cu、Hg和Ni，对人体非致癌风险几乎无影响.
对致癌风险而言，AF、EF和SA对成人男性和成人女性的致癌影响明显高于儿童，分别解释了21.0%—53.6%、32.1%—48.6%和5.5%—19.5%的致癌风险的不确定性；而BW对儿童的敏感性最大且远高于成人，其解释了−84.32%的致癌风险的不确定性，说明致癌风险对体重较小的儿童影响较大；此外，相较于儿童，As、Cd、Cr和Pb含量明显对成人男性和成人女性的敏感性更高；Cu、Hg、Ni和Zn则对人体致癌风险几乎无影响.
由上可知，AF和BW对不同人群的非致癌风险影响显著，而AF、EF和BW对不同人群的致癌风险影响较大，其中BW对儿童的致癌风险影响最大. 此外，Cd和Cr对不同人群非致癌的敏感性较高，As和Cr对不同人群致癌的敏感性较高，这与前文评价结果相一致.
-
（1）兰州银滩湿地公园沉积物重金属Cd、Pb和Hg含量的平均值高于甘肃省土壤元素背景值，超标率分别为82.5%、85.0%和62.5%. 其中Cd为超高度变异，Pb和Hg为高度变异.
（2）地累积污染指数显示，研究区沉积物重金属Cd和Pb均存在着不同程度的污染，其余元素无污染. 富集因子指数评价结果显示，沉积物重金属除Cd存在不同程度的污染外，其余元素均无污染，但需关注Pb和Hg污染.
（3）生态风险指数评价结果显示，Cd和Hg是研究区沉积物的主要潜在生态危害元素. 研究区总体上处于高生态风险等级，其中Cd是研究区沉积物重金属综合生态风险的主要贡献因子.
（4）健康风险评估表明，研究区沉积物重金属对成人男性、成人女性和儿童均存在非致癌健康风险和致癌健康风险，其中引起儿童致癌风险的概率较高，达到了98.1%. 需加强对儿童安全的管理与监督.
基于蒙特卡洛模拟的兰州银滩湿地公园沉积物重金属污染特征及风险评价
Characteristics and risk assessment of heavy metals contamination in sediments from the Lanzhou Yintan wetland park based on Monte Carlo simulation model
-
摘要: 为探究兰州市市区湿地沉积物重金属污染状况及潜在生态风险和健康风险，以兰州银滩湿地公园为研究区，采集并分析了40个表层沉积物样品重金属As、Cd、Cr、Cu、Hg、Ni、Pb和Zn的含量. 采用蒙特卡洛模拟与地累积指数(Igeo)、富集因子(EF)、综合生态风险指数(NIRI)和人体健康风险评价模型相耦合的方法分别对沉积物重金属污染特征、综合生态风险和人体健康风险进行定量评估. 结果表明，沉积物重金属平均含量除Cd、Pb和Hg之外，其他元素含量均值均低于甘肃省土壤背景值，地累积指数和富集因子显示，沉积物以Cd污染为主，Pb和Hg次之，其余5种重金属均为无污染；综合生态风险指数表明，研究区沉积物的主要生态危害元素是Cd，且Cd对综合生态危害指数的贡献值达到了93.60%，其余元素均为低风险；健康风险评估结果显示，研究区沉积物重金属对不同人群均存在非致癌与致癌健康风险，其中对成人男性、成人女性和儿童构成非致癌风险的概率分别为：16.1%、18.3%和6.0%，Cd和Cr为主要的非致癌风险污染物；对成人男性、成人女性和儿童造成致癌暴露风险的概率分别为：8.0%、13.2%和98.1%，As和Cr为主要的致癌风险污染物.Abstract: To investigate the contamination status, potential ecological and health risks associated with heavy metals in sediment in the urban wetland of Lanzhou city. A total of 40 surface sediment samples were collected from Lanzhou Yintan wetland park and analyzed for the concentrations of As, Cd, Cr, Cu, Hg, Ni, Pb, and Zn. A combination of geoaccumulation index (Igeo), enrichment factor (EF), Nemerow integrated risk index (NIRI), and a health risk assessment model coupled with Monte Carlo simulation was employed to quantitatively assess the characteristics, comprehensive ecological and human health risks of heavy metals contamination in sediments. The results showed that the mean concentrations of heavy metals in sediments were generally lower than their soil background values of Gansu Province except for Cd, Pb, and Hg. The pollution indices of Igeo and EF indicated that the sediments were mainly contaminated by Cd, followed by Pb and Hg, while the other five heavy metals were not found to be significantly contaminated. The NIRI revealed that the survey region was primarily driven by Hg, which contributed 93.60% to the comprehensive ecological hazard index. Moreover, the ecological risks associated with As, Cd, Cr, Cu, Ni, Pb, and Zn were found to be low. Health risk assessment indicated that heavy metals in sediments posed noncarcinogenic and carcinogenic risks to all populations. The probabilities of noncarcinogenic risks were 16.1%, 18.3%, and 6.0% for adult males, adult females, and children, respectively, with Cd and Cr identified as the main noncarcinogenic risk metals. For carcinogenic risks, the probabilities were 8.1%, 13.2%, and 98.1% for adult males, adult females, and children, respectively, with As and Cr identified as the main carcinogenic risk metals.
-
Key words:
- heavy metal /
- geoaccumulation /
- enrichment factor /
- ecological risk /
- Yintan wetland park.
-
-
图 1 兰州银滩湿地公园位置及沉积物采样点分布示意
Figure 1. Location of the Lanzhou Yintan wetland park and the distribution of sediment sampling sites
图 2 兰州银滩湿地公园沉积物重金属含量空间分布
Figure 2. Spatial distribution of heavy metals in sediments from the Lanzhou Yintan wetland park
图 3 兰州银滩湿地公园沉积物重金属地累积污染指数评价结果（a）和累积概率（b）组分图
Figure 3. Evaluation （a） and cumulative probability （b） results of the geo-accumulation index for heavy metals contamination in sediments from the Lanzhou Yintan wetland park
图 4 兰州银滩湿地公园沉积物重金属污染富集因子评价结果（a）和累积概率（b）组分图
Figure 4. Evaluation （a） and cumulative probability （b） results of the enrichment factor for heavy metals contamination in sediments from the Lanzhou Yintan wetland park
图 5 兰州市银滩湿地公园沉积物综合生态风险指数分布（a）和敏感性（b）分析
Figure 5. Distribution （a） and sensitivity analysis （b） of Nemerow integrated risk index from heavy metals in sediments from the Lanzhou Yintan wetland park
图 6 兰州银滩湿地公园沉积物重金属非致癌风险（a）和总致癌风险概率（b）分布
Figure 6. Probability distribution for non-carcinogenic risk （a） and total carcinogenic risk （b） of heavy metals in sediments from the Lanzhou Yintan wetland park
图 7 兰州银滩湿地公园沉积物重金属成人男性（a）、成人女性（b）、儿童（c）非致癌健康风险和成人男性（d）、成人女性（e）和儿童（f）致癌健康风险评价的敏感性分析
Figure 7. Sensitivity analysis of adult males （a）, adult females （b）, and children （c） noncarcinogenic （NCR） health risk and adult males （d）, adult females （e）, and children （f） carcinogenic （CR） health risk of heavy metals in sediments from the Yintan wetland park of Lanzhou
表 1 沉积物重金属污染评价方法的分级标准
Table 1. Classification standard of heavy metal pollution evaluation method for sediment
Igeo 数值范围
Value rangeIgeo≤0 0<Igeo≤1 1<Igeo≤2 2<Igeo≤3 3<Igeo≤4 4<Igeo 污染等级
Pollution grade无污染 轻度污染 中度污染 偏重污染 重度污染 严重污染 EF 数值范围
Value rangeEF≤1 1<EF≤2 2<EF≤5 5<EF≤20 20<EF≤40 EF>40 污染等级
Pollution grade无污染 轻微污染 中度污染 较强污染 强污染 极强污染 Eir 数值范围
Value rangeEir≤40 40<Eir≤80 80<Eir≤160 160<Eir≤320 Eir>320 — 污染等级
Pollution grade轻微风险 中等风险 较强风险 很强风险 极强风险 — NIRI 数值范围
Value rangeNIRI≤40 40<NIRI≤80 80<NIRI≤160 160<NIRI≤320 NIRI>320 — 污染等级
Pollution grade轻微风险 中等风险 较强风险 很强风险 极强风险 — 注：“—”表示无相关内容或数据，下文同此. Note：No related content or data are available, hereinafter the same. 
下载: 导出CSV
表 2 基于蒙特卡洛模拟的沉积物人体健康风险模型参数值
Table 2. Parameter values of health risk assessment model in sediments via Monte Carlo simulation
暴露参数
Exposure
factor概率分布
Probability
distribution成人男性
Adult males成人女性
Adult females儿童
Children参考文献
ReferenceIRing 点分布 114 114 200 [36] ED 点分布 70 70 18 [36] EF 三角分布1） 345（180—365） 345（180—365） 345（180—365） [36] BW 对数分布2） 67.55±8.72 57.59±8.03 — [36] BW 三角分布1） — — 29.3（5.25—56.8） [36] ABS 点分布 0.03 （As）, 0.14 （Cd）, 0.04 （Cr）, 0.1 （Cu）, 0.05 （Hg）, 0.35 （Ni）, 0.006 （Pb）, 0.02 （Zn） [36] SA 三角分布1） 0.169（0.085—0.422） 0.153（0.076—0.382） 0.086（0.043—0.216） [36] AF 对数分布2） 0.49±0.54 0.49±0.54 0.65±1.2 [36] CF 点分布 1×10−6 1×10−6 1×10−6 [37] AT（非致癌） 点分布 365×ED 365×ED 365×ED [37] AT（致癌） 点分布 365×70 365×70 365×70 [37] 注：1）三角分布：最可能值（最小值，最大值）；2）对数分布：平均值±标准差.
Note: 1） Triangular distribution: Most probable value （Minimum, Maximum）; 2） Logarithmic distribution: Mean±Standard deviation.
下载: 导出CSV
表 3 重金属的致癌斜率因子和非致癌参考剂量
Table 3. Slope factor and reference dose of heavy metals
项目
ItemAs Cd Cr Cu Hg Ni Pb Zn 参考文献
ReferenceRfDing 3.00×10−4 1.00×10−3 3.00×10−3 4.00×10−2 3.00×10−4 2.00×10−2 3.50×10−3 3.00×10−1 [36] RfDderm 1.23×10−4 1.00×10−5 6.00×10−5 1.20×10−2 2.10×10−5 5.40×10−3 5.25×10−4 6.00×10−2 [36] SFing 1.50 1.80 5.00×10−1 — — — 8.50×10−3 — [36] SFderm 3.66 3.80×10−1 — — — — — — [36]
下载: 导出CSV
表 4 兰州银滩湿地公园沉积物重金属描述性统计（mg·kg–1）
Table 4. Descriptive statistics of heavy metals in sediments from the Lanzhou Yintan wetland park （mg·kg–1）
项目
ItemAs Cd Cr Cu Hg Ni Pb Zn 参考文献
Reference湿地沉积物
Wetland Sediment最小值 7.3 0.06 31.39 16.49 0.009 19.65 17.24 48.67 本研究 平均值 10.44 0.82 37.88 20.84 0.03 23.71 37.38 61.92 最大值 15.81 7.283 49.84 26.31 0.108 33.06 197.13 95.44 标准差 1.6 1.37 4.3 2.3 0.02 2.79 34.31 10.31 变异系数/（%） 15.33 167.07 11.35 11.04 66.67 11.77 91.79 16.65 参考值
Reference value上地壳金属元素 1.5 0.1 35 25 — 20 20 71 [38] 中国水系沉积物背景值 9 0.13 54 20 0.034 23 23 67 [39] 甘肃省土壤元素背景值 12.6 0.12 70.2 24.1 0.02 35.2 18.8 68.5 [31] 最低效应水平 6 0.6 26 16 0.2 16 31 120 [40] 严重效应水平 33 10 110 110 2 75 250 820 [40] 毒性参考值 1.5 0.6 26 9 0.15 52 31 120 [40]
下载: 导出CSV
表 5 基于蒙特卡洛模拟的兰州银滩湿地公园沉积物重金属生态风险指数评价
Table 5. Ecological risk assessment of heavy metals in sediments from the Lanzhou Yintan wetland park via Monte Carlo simulation
生态风险指数
Ecological risk重金属
Elements分布范围
Distribution range平均值
Mean沉积物生态风险指数处于不同风险等级的概率
Probability of ecological risk index factor at different risk levels in sediments轻微
Slight中等
Moderate较强
Significant很强
Very high极强
ExtremeEir As 0.55—14.26 8.29 100% 0 0 0 0 Cd 14.00—2000.00 200.39 30.60% 21.78% 18.81% 2.87% 15.85% Cr 0.28—1.78 1.07 100% 0 0 0 0 Cu 3.12—6.63 4.33 100% 0 0 0 0 Hg 13.27—537.79 57.90 40.59% 40.59% 14.85% 0 0 Ni 2.79—5.86 3.37 100% 0 0 0 0 Pb 4.55—619.59 11.10 96.04% 1.98% 0 0 0.99% Zn 0.70—1.86 0.90 100% 0 0 0 0 NIRI 12.05—1488.68 165.38 39.00% 22.00% 16.00% 11.00% 12.00%
下载: 导出CSV
表 6 基于蒙特卡洛模拟的兰州银滩湿地公园沉积物重金属的非致癌健康风险评价
Table 6. Non-carcinogenic health risk assessment of heavy metals in the sediments from the Lanzhou Yintan wetland park via Monte Carlo simulation
类型
Type重金属
ElementsHQ手口摄入 HQ皮肤接触 HQ 成人男性
Adult males成人女性
Adult females儿童
Children成人男性
Adult males成人女性
Adult females儿童
Children成人男性
Adult males成人女性
Adult females儿童
Children非致癌风险
Non-
carcinogenic
riskAs 4.85×10−2 5.68×10−2 5.61×10−2 3.45×10−2 3.66×10−2 1.56×10−2 8.29×10−2 9.34×10−2 7.16×10−2 Cd 1.35×10−3 1.58×10−3 1.50×10−3 1.92×10−1 2.15×10−1 8.00×10−2 1.94×10−1 2.17×10−1 8.15×10−2 Cr 1.75×10−2 2.06×10−2 2.02×10−2 3.40×10−1 3.63×10−1 1.53×10−1 3.57×10−1 3.83×10−1 1.73×10−1 Cu 7.26×10−4 8.55×10−4 6.93×10−3 2.35×10−3 2.52×10−3 8.65×10−3 3.07×10−3 3.37×10−3 1.56×10−2 Hg 1.34×10−4 1.58×10−4 1.56×10−4 9.27×10−4 1.01×10−3 4.19×10−4 1.06×10−3 1.16×10−3 5.75×10−4 Ni 1.65×10−3 1.94×10−3 1.90×10−3 2.08×10−2 2.22×10−2 9.39×10−3 2.24×10−2 2.41×10−2 1.13×10−2 Pb 1.72×10−2 1.95×10−2 1.86×10−2 1.13×10−2 1.13×10−2 4.83×10−3 2.86×10−2 3.08×10−2 2.34×10−2 Zn 2.89×10−4 3.38×10−4 3.36×10−4 2.80×10−4 2.98×10−4 1.28×10−4 5.69×10−4 6.36×10−4 4.64×10−4
下载: 导出CSV
表 7 基于蒙特卡洛模拟的兰州银滩湿地公园沉积物重金属的致癌健康风险评价
Table 7. Carcinogenic health risk assessment of heavy metals in the sediments from the Lanzhou Yintan wetland park via Monte Carlo simulation
类型
Type重金属Elements CR手口摄入 CR皮肤接触 TCR 成人男性
Adult males成人女性
Adult females儿童
Children成人男性
Adult males成人女性
Adult females儿童
Children成人男性
Adult males成人女性
Adult females儿童
Children致癌风险
Carcinogenic riskAs 2.18×10−5 2.56×10−5 9.81×10−5 1.55×10−5 1.65×10−5 2.73×10−5 3.73×10−5 4.21×10−5 1.25×10−4 Cd 2.43×10−6 2.84×10−6 1.05×10−5 7.31×10−7 8.18×10−7 1.18×10−6 3.16×10−6 3.66×10−6 1.17×10−5 Cr 2.63×10−5 3.09×10−5 1.18×10−4 — — — 2.63×10−5 3.09×10−5 1.18×10−4 Pb 5.13×10−7 5.79×10−7 2.15×10−6 — — — 5.13×10−7 5.79×10−7 2.15×10−6
下载: 导出CSV
-
[1] 陈姗, 许凡, 谢三桃, 等. 合肥市十八联圩湿地表层沉积物营养盐与重金属分布及污染评价[J]. 环境科学, 2019, 40(11): 4932—4943. doi: 10.13227/j.hjkx.201903184 CHEN S, XU F, XIE S T, et al. Distribution and pollution assessment of nutrients and heavy metals in surface sediments from shibalianwei wetland in Hefei, Anhui Province, China[J]. Environmental Science, 2019, 40(11): 4932-4943 (in Chinese). doi: 10.13227/j.hjkx.201903184
[2] 陈海南, 张春华, 刘国强, 等. 广西北部湾沉积物重金属污染特征及生态风险评价[J]. 环境化学, 2022, 41(9)∶2872—2879. doi: 10.7524/j.issn.0254-6108.2021051505 CHEN H N, ZHANG C H, LIU G Q, et al. Evaluation on sediment pollution and potential ecological risks in Guangxi Beibu Gulf[J]. Environmental Chemistry, 2022, 41(9): 2872-2879 (in Chinese). doi: 10.7524/j.issn.0254-6108.2021051505
[3] XIA F, QU L Y, WANG T, et al. Distribution and source analysis of heavy metal pollutants in sediments of a rapid developing urban river system[J]. Chemosphere, 2018, 207: 218-228. doi: 10.1016/j.chemosphere.2018.05.090 [4] 叶华香, 臧淑英, 张丽娟, 等. 扎龙湿地沉积物重金属空间分布特征及其潜在生态风险评价[J]. 环境科学, 2013, 34(4)∶1333—1339. doi: 10.13227/j.hjkx.2013.04.046 YE H X, ZANG S Y, ZHANG L J, et al. Distribution and potential ecological risk assessment of heavy metals in sediments of Zhalong wetland[J]. Environmental Science, 2013, 34(4): 1333-1339 (in Chinese). doi: 10.13227/j.hjkx.2013.04.046
[5] 刘淑民, 姚庆祯, 刘月良, 等. 黄河口湿地表层沉积物中重金属的分布特征及其影响因素[J]. 中国环境科学, 2012, 32(9)∶1625—1631. doi: 10.3969/j.issn.1000-6923.2012.09.013 LIU S M, YAO Q Z, LIU Y L, et al. Distribution and influence factors of heavy metals in surface sediments of the Yellow River Estuary wetland[J]. China Environmental Science, 2012, 32(9): 1625-1631 (in Chinese). doi: 10.3969/j.issn.1000-6923.2012.09.013
[6] 赵增锋, 冯娜, 邱小琮, 等. 宁夏太阳山湿地水环境重金属分布特征及污染评价[J]. 生态与农村环境学报, 2022, 38(2)∶168—175. doi: 10.19741/j.issn.1673-4831.2021.0136 ZHAO Z F, FENG N, QIU X C, et al. Distribution characteristics and pollution evaluation of heavy metals in water environment of Taiyangshan wetland in Ningxia[J]. Journal of Ecology and Rural Environment, 2022, 38(2): 168-175 (in Chinese). doi: 10.19741/j.issn.1673-4831.2021.0136
[7] 罗松英, 邢雯淋, 梁绮霞, 等. 湛江湾红树林湿地表层沉积物重金属形态特征、生态风险评价及来源分析[J]. 生态环境学报, 2019, 28(2)∶348—358. doi: 10.16258/j.cnki.1674-5906.2019.02.017 LUO S Y, XING W L, LIANG Q X, et al. Speciation, ecological risk assessment and source analysis of heavy metals in the surface sediments of mangrove wetland in Zhanjiang Bay[J]. Ecology and Environmental Sciences, 2019, 28(2): 348-358 (in Chinese). doi: 10.16258/j.cnki.1674-5906.2019.02.017
[8] 岑言霸, 苏斌, 陈越豪, 等. 滇池东大河湿地沉积物重金属空间分异特征及生态风险评价[J]. 环境化学, 2023, 42(4)∶1—12. CEN Y B, SU B, CHEN Y H, et al. Spatial distribution and ecological risk assessment of heavy metals in sediments of Dongda River wetland in Dianchi Lake[J]. Environmental Chemistry, 2023, 42(4): 1-12 (in Chinese).
[9] XIA P H, MA L, SUN R G, et al. Evaluation of potential ecological risk, possible sources and controlling factors of heavy metals in surface sediment of Caohai Wetland, China[J]. Science of the Total Environment, 2020, 740: 140231. doi: 10.1016/j.scitotenv.2020.140231 [10] 马康, 史璇, 尤晓光, 等. 河流岸带湿地沉积物重金属分布对植被物种多样性和底栖动物群落特征的影响[J]. 生态学报, 2021, 41(5)∶2001—2010. MA K, SHI X, YOU X G, et al. Relationship of the heavy metals distribution in sediments to vegetation diversity and macroinvertebrate communities in riparian wetlands[J]. Acta Ecologica Sinica, 2021, 41(5): 2001-2010 (in Chinese).
[11] 王柏淳, 朱四喜, 赵斌, 等. 贵州锁黄仓湿地沉积物重金属空间分布及生态风险评价[J]. 水生态学杂志, 2021, 42(1)∶49—57. doi: 10.15928/j.1674-3075.201903150062 WANG B C, ZHU S X, ZHAO B, et al. Spatial distribution and ecological risk assessment of heavy metals in surface sediments of Suohuangcang wetland in Guizhou Province[J]. Journal of Hydroecology, 2021, 42(1): 49-57 (in Chinese). doi: 10.15928/j.1674-3075.201903150062
[12] 蔡长卿, 金昌盛, 陈佳, 等. 东洞庭湖沉积物重金属污染及生态-健康风险[J]. 农业环境科学学报, 2022, 41(6)∶1337—1347. doi: 10.11654/jaes.2021-1488 CAI C Q, JIN C S, CHEN J, et al. Sediment heavy metal pollution and its ecological and health risk assessment in the East Dongting Lake, China[J]. Journal of Agro-Environment Science, 2022, 41(6): 1337-1347 (in Chinese). doi: 10.11654/jaes.2021-1488
[13] 尹德超, 祁晓凡, 王雨山, 等. 雄安新区白洋淀表层沉积物重金属地球化学特征及生态风险评价[J]. 中国地质, 2022, 49(3)∶979—992. YIN D C, QI X F, WANG Y S, et al. Geochemical characteristics and ecological risk assessment of heavy metals in surface sediments of Baiyangdian Lake, Xiong’an New Area[J]. Geology in China, 2022, 49(3): 979-992 (in Chinese).
[14] 杨湜烟, 刘杏梅, 徐建明. 土壤重金属污染健康风险评估新视角: 概率风险评估的源起及展望[J]. 土壤学报, 2022, 59(1)∶28—37. doi: 10.11766/trxb202009120516 YANG S Y, LIU X M, XU J M. New perspectives about health risk assessment of soil heavy metal pollution—origin and prospects of probabilistic risk analysis[J]. Acta Pedologica Sinica, 2022, 59(1): 28-37 (in Chinese). doi: 10.11766/trxb202009120516
[15] 王静, 魏恒, 潘波. 中国农田土壤Cd累积分布特征及概率风险评价[J]. 环境科学,2023, 44(7): 4006-4016. WANG J, WEI H, PAN B. Accumulation characteristics and probabilistic risk assessment of Cd in agricultural soils across China[J]. Environmental Science , 2023, 44(7): 4006-4016(in Chinese).
[16] 庞阔, 李敏, 刘璐, 等. 基于蒙特卡洛模拟与PMF模型的黄河流域沉积物重金属污染评价及源解析[J]. 环境科学, 2022, 43(8)∶4008—4017. doi: 10.13227/j.hjkx.202111172 PANG K, LI M, LIU L, et al. Evaluation and source analysis of heavy metal pollution in sediments of the Yellow River Basin based on Monte Carlo simulation and PMF model[J]. Environmental Science, 2022, 43(8): 4008-4017 (in Chinese). doi: 10.13227/j.hjkx.202111172
[17] YANG Q C, ZHANG L M, WANG H L, et al. Bioavailability and health risk of toxic heavy metals (As, Hg, Pb and Cd) in urban soils: A Monte Carlo simulation approach[J]. Environmental Research, 2022, 214: 113772. doi: 10.1016/j.envres.2022.113772 [18] 赵夏婷, 李珊, 王兆炜, 等. 黄河兰州段水体中有色溶解性有机质组成、空间分布特征及来源分析[J]. 环境科学, 2018, 39(9)∶4105—4113. doi: 10.13227/j.hjkx.201711181 ZHAO X T, LI S, WANG Z W, et al. Composition, spatial distribution characteristics and source analysis of chromophoric dissolved organic matter in the Lanzhou reach of the Yellow River[J]. Environmental Science, 2018, 39(9): 4105-4113 (in Chinese). doi: 10.13227/j.hjkx.201711181
[19] 李雪迎, 杨曦, 乔琦, 等. 黄河流域甘肃段工业行业水污染物空间排放特征[J]. 环境科学, 2022, 43(5)∶2459—2466. doi: 10.13227/j.hjkx.202108253 LI X Y, YANG X, QIAO Q, et al. Emission characteristics of industrial water pollutants in Gansu section of the Yellow River Basin[J]. Environmental Science, 2022, 43(5): 2459-2466 (in Chinese). doi: 10.13227/j.hjkx.202108253
[20] 郜逗, 张成君, 张菀漪, 等. 兰州市银滩湿地小生境沉积物中硅藻的属种分布及特征[J]. 生态环境学报, 2011, 20(10)∶1518—1522. doi: 10.3969/j.issn.1674-5906.2011.10.022 GAO D, ZHANG C J, ZHANG W Y, et al. Diatom distribution characteristics of a ecological niche in Yintan wetland of Lanzhou[J]. Ecology and Environmental Sciences, 2011, 20(10): 1518-1522 (in Chinese). doi: 10.3969/j.issn.1674-5906.2011.10.022
[21] 张丽, Imbabazi Berthe, 徐荣海, 等. 兰州银滩湿地沉积物有机质源解析及色素对环境的指示[J]. 兰州大学学报(自然科学版), 2017, 53(1)∶35—42, 47. doi: 10.13885/j.issn.0455-2059.2017.01.005 ZHANG L, BERTHE I, Xu R H, et al. Organic matter sources in the Lanzhou Yintan wetland and pigments that can indicate relevant environments[J]. Journal of Lanzhou University (Natural Sciences), 2017, 53(1): 35-42, 47 (in Chinese). doi: 10.13885/j.issn.0455-2059.2017.01.005
[22] 唐铭, 郭浩磊. 兰州银滩湿地公园现状评价与保护对策[J]. 安徽农业科学, 2010, 38(2)∶1015—1017, 1035. doi: 10.3969/j.issn.0517-6611.2010.02.187 TANG M, GUO H L. Study on the state evaluation and protection countermeasures of Yintan wetland park in Lanzhou[J]. Journal of Anhui Agricultural Sciences, 2010, 38(2): 1015-1017, 1035 (in Chinese). doi: 10.3969/j.issn.0517-6611.2010.02.187
[23] 张华, 康雅茸. 银滩黄河湿地植被优势种光合作用影响因子识别[J]. 西北师范大学学报(自然科学版), 2016, 52(6)∶111—117. doi: 10.16783/j.cnki.nwnuz.2016.06.020 ZHANG H, KANG Y R. Effect factors of photosynthesis of plant species in Yintan Wetland of Yellow River[J]. Journal of Northwest Normal University (Natural Science), 2016, 52(6): 111-117 (in Chinese). doi: 10.16783/j.cnki.nwnuz.2016.06.020
[24] 黄宏, 商栩, 梅琨, 等. 基于Monte Carlo模拟的河流水质评价: 以温瑞塘河为例[J]. 中国环境科学, 2019, 39(5)∶2210—2218. doi: 10.3969/j.issn.1000-6923.2019.05.050 HUANG H, SHANG X, MEI K, et al. River water quality assessment based on Monte Carlo simulation: A case study of Wen-Rui Tang River[J]. China Environmental Science, 2019, 39(5): 2210-2218 (in Chinese). doi: 10.3969/j.issn.1000-6923.2019.05.050
[25] 熊鸿斌, 陈神剑. 基于Monte Carlo-Hakanson模型的土壤重金属生态风险评价研究[J]. 农业环境科学学报, 2020, 39(8)∶1706—1712. doi: 10.11654/jaes.2020-0054 XIONG H B, CHEN S J. Reducing uncertainty in ecological risk assessment for heavy metal contamination based on Monte Carlo–Hakanson model[J]. Journal of Agro-Environment Science, 2020, 39(8): 1706-1712 (in Chinese). doi: 10.11654/jaes.2020-0054
[26] MULLER G. Index of geoaccumulation in sediments of the Rhine River[J]. GeoJournal, 1969, 2: 108-118. [27] 尹芳, 封凯, 尹翠景, 等. 青海典型工业区耕地土壤重金属评价及源解析[J]. 中国环境科学, 2021, 41(11)∶5217—5226. doi: 10.3969/j.issn.1000-6923.2021.11.030 YIN F, FENG K, YIN C J, et al. Evaluation and source analysis of heavy metal in cultivated soil around typical industrial district of Qinghai Province[J]. China Environmental Science, 2021, 41(11): 5217-5226 (in Chinese). doi: 10.3969/j.issn.1000-6923.2021.11.030
[28] ZOLLER W H, GLADNEY E S, DUCE R A. Atmospheric concentrations and sources of trace metals at the South pole[J]. Science, 1974, 183(4121): 198-200. doi: 10.1126/science.183.4121.198 [29] NIENCHESKI L F, BAUMGARTEN M G Z. Distribution of particulate trace metal in the southern part of the Patos Lagoon Estuary[J]. Aquatic Ecosystem Health and Management, 2000, 3(4): 515-520. doi: 10.1080/14634980008650688 [30] WU Q M, HU W Y, WANG H F, et al. Spatial distribution, ecological risk and sources of heavy metals in soils from a typical economic development area, Southeastern China[J]. Science of the Total Environment, 2021, 780: 146557. doi: 10.1016/j.scitotenv.2021.146557 [31] 中国环境监测总站. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990. China Environmental Monitoring Station. Chinese soil element background value[M]. Beijing: China Environmental Science Press, 1990 (in Chinese).
[32] MEN C, LIU R M, XU L B, et al. Source-specific ecological risk analysis and critical source identification of heavy metals in road dust in Beijing, China[J]. Journal of Hazardous Materials, 2020, 388: 121763. doi: 10.1016/j.jhazmat.2019.121763 [33] 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 [34] VAROL M. Environmental, ecological and health risks of trace metals in sediments of a large reservoir on the Euphrates River (Turkey)[J]. Environmental Research, 2020, 187: 109664. doi: 10.1016/j.envres.2020.109664 [35] USEPA. Risk assessment guidance for Superfund. Volume I-Human Health Evaluation Manual (Part A)[R]. Washington DC: Office of Emergency and Remedial Response. 1989. [36] LI Y Z, CHEN H Y, TENG Y G. Source apportionment and source-oriented risk assessment of heavy metals in the sediments of an urban river-lake system[J]. Science of the Total Environment, 2020, 737: 140310. doi: 10.1016/j.scitotenv.2020.140310 [37] 朱成斌, 胡菁, 龙云川, 等. 贵州草海沉积物重金属元素分布特征及健康风险评价[J]. 环境科学学报, 2021, 41(6)∶2212—2221. doi: 10.13671/j.hjkxxb.2020.0455 ZHU C B, HU J, LONG Y C, et al. Spatial distribution fractionation and human health risk assessment of heavy metals in surface sediments from Caohai Lake, Guizhou[J]. Acta Scientiae Circumstantiae, 2021, 41(6): 2212-2221 (in Chinese). doi: 10.13671/j.hjkxxb.2020.0455
[38] TAYLOR S R, McLENNAN S M. The geochemical evolution of the continental crust[J]. Reviews of Geophysics, 1995, 33(2): 241-265. doi: 10.1029/95RG00262 [39] 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 M, FENG B. Average background values of 39 chemical elements in stream sediments of China[J]. Earth Science, 2016, 41(2): 234-251 (in Chinese).
[40] CHEN R H, CHEN H Y, SONG L T, et al. Characterization and source apportionment of heavy metals in the sediments of Lake Tai (China) and its surrounding soils[J]. Science of the Total Environment, 2019, 694: 133819. doi: 10.1016/j.scitotenv.2019.133819 [41] NIU S P, GAO L M, WANG X. Characterization of contamination levels of heavy metals in agricultural soils using geochemical baseline concentrations[J]. Journal of Soils and Sediments, 2019, 19(4): 1697-1707. doi: 10.1007/s11368-018-2190-1 [42] CHAI L, WANG Y H, WANG X, et al. Pollution characteristics, spatial distributions, and source apportionment of heavy metals in cultivated soil in Lanzhou, China[J]. Ecological Indicators, 2021, 125: 107507. doi: 10.1016/j.ecolind.2021.107507 [43] 康乐, 彭鑫波, 马延龙, 等. 兰州市耕地表层土壤重金属的积累特征及其影响因素分析[J]. 环境科学, 2023, 44(3)∶1620—1635. doi: 10.13227/j.hjkx.202204096 KANG L, PENG X B, MA Y L, et al. Accumulation characteristics and influencing factors of heavy metals in cultivated land surface soil in Lanzhou[J]. Environmental Science, 2023, 44(3): 1620-1635 (in Chinese). doi: 10.13227/j.hjkx.202204096
[44] WANG Y M, ZHANG L X, WANG J N, et al. Identifying quantitative sources and spatial distributions of potentially toxic elements in soils by using three receptor models and sequential indicator simulation[J]. Chemosphere, 2020, 242: 125266. doi: 10.1016/j.chemosphere.2019.125266 [45] 杨安, 邢文聪, 王小霞, 等. 西藏中部河流、湖泊表层沉积物及其周边土壤重金属来源解析及风险评价[J]. 中国环境科学, 2020, 40(10)∶4557—4567. doi: 10.3969/j.issn.1000-6923.2020.10.043 YANG A, XING W C, WANG X X, et al. Source and risk assessment of heavy metals in surface sediments of rivers, lakes and their surrounding soils in central Tibet[J]. China Environmental Science, 2020, 40(10): 4557-4567 (in Chinese). doi: 10.3969/j.issn.1000-6923.2020.10.043
[46] 陈明, 蔡青云, 徐慧, 等. 水体沉积物重金属污染风险评价研究进展[J]. 生态环境学报, 2015, 24(6)∶1069—1074. doi: 10.16258/j.cnki.1674-5906.2015.06.024 CHEN M, CAI Q Y, XU H, et al. Research progress of risk assessment of heavy metals pollution in water body sediments[J]. Ecology and Environmental Sciences, 2015, 24(6): 1069-1074 (in Chinese). doi: 10.16258/j.cnki.1674-5906.2015.06.024
[47] 佟瑞鹏, 杨校毅. 基于蒙特卡罗模拟的土壤环境健康风险评价: 以PAHs为例[J]. 环境科学, 2017, 38(6)∶2522—2529. TONG R P, YANG X Y. Environmental health risk assessment of contaminated soil based on Monte Carlo method: A case of PAHs[J]. Environmental Science, 2017, 38(6): 2522-2529 (in Chinese).
[48] LIU Q Q, WANG F F, MENG F P, et al. Assessment of metal contamination in estuarine surface sediments from Dongying City, China: Use of a modified ecological risk index[J]. Marine Pollution Bulletin, 2018, 126: 293-303. doi: 10.1016/j.marpolbul.2017.11.017 [49] TIAN K, WU Q M, LIU P, et al. Ecological risk assessment of heavy metals in sediments and water from the coastal areas of the Bohai Sea and the Yellow Sea[J]. Environment International, 2020, 136: 105512. doi: 10.1016/j.envint.2020.105512 [50] CUI L, WANG X N, LI J, et al. Ecological and health risk assessments and water quality criteria of heavy metals in the Haihe River[J]. Environmental Pollution, 2021, 290: 117971. doi: 10.1016/j.envpol.2021.117971 [51] 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).
[52] LI Z Y, MA Z W, Van der KUIJP T J, et al. A review of soil heavy metal pollution from mines in China: Pollution and health risk assessment[J]. Science of the Total Environment, 2014, 468/469: 843-853. doi: 10.1016/j.scitotenv.2013.08.090 [53] HUANG J L, WU Y Y, SUN J X, et al. Health risk assessment of heavy metal(loid)s in park soils of the largest megacity in China by using Monte Carlo simulation coupled with Positive matrix factorization model[J]. Journal of Hazardous Materials, 2021, 415: 125629. doi: 10.1016/j.jhazmat.2021.125629 [54] COGLIANO V J, BAAN R, STRAIF K, et al. Preventable exposures associated with human cancers[J]. JNCI: Journal of the National Cancer Institute, 2011, 103(24): 1827-1839. doi: 10.1093/jnci/djr483 -
点击查看大图
计量
- 文章访问数: 965
- HTML全文浏览数: 965
- PDF下载数: 87
- 施引文献: 0
