-
室内灰尘是由有机和无机颗粒组成的一种多相和复杂的粒子混合物，是重金属污染的重要载体之一[1 − 2]. 由于高比表面积，灰尘很容易悬浮，灰尘中的重金属可通过手口摄入、呼吸吸入和皮肤接触等不同途径进入人体[3 − 4]. 长期暴露于Cd、Pb和Hg等有毒金属元素可导致人体机能发生功能性障碍和不可逆性损伤[5 − 7]. 人们80%以上的时间都在室内度过，与室外相比，室内环境中较长的居留时间和较高的污染物浓度可能会使某些污染物暴露量增加
1000 倍[8]，因此，探索室内灰尘中重金属含量及其来源对人体健康具有重要的意义.校园是学生生活学习的重要场所，其室内环境的质量对学生的健康成长至关重要. 目前关于校园室内灰尘的研究多集中于幼儿园和中小学[9 − 11]，对高校室内环境中重金属的污染研究较少. 蔡云梅等[12]研究发现，珠三角某高校室内灰尘重金属含量均值处于较高水平，个别样点存在非致癌风险. BAO等[13]研究结果也表明，高校室内灰尘重金属元素的平均含量已远高于当地土壤重金属背景值. 此外，不同功能区重金属污染情况也存在差异. 研究表明，教学楼的污染负荷指数最高，属于重度污染，图书馆和宿舍楼为中度污染[14]. 目前，大多数研究采用美国国家环境保护局推荐的模型，该模型根据重金属的浓度和暴露参数等进行确定性健康风险评估[15 − 16]. 由于年龄、身体状况、性别和代谢等参数差异，在评价时如果采用固定参数会导致评价结果过高或过低，致使风险评价结果的可靠性较低[17 − 18]，而蒙特卡罗模拟可量化评价中的不确定性，使评估结果更加准确[18]. 目前，相关研究者已使用该方法对道路灰尘、土壤重金属进行了健康风险分析[2,15 − 17]，但针对高校室内灰尘重金属的健康概率风险评估鲜有报道.
淮北地处安徽省北部，是我国基础能源和重要原料煤炭的生产基地，长期的煤炭开采和生产带来了严重的生态和环境问题[19]. 以往的研究主要集中在土壤重金属和多环芳烃等[20 − 21]方面，而针对室内灰尘重金属的污染特征研究较少. 因此，本文以淮北某高校教学楼、实验楼、宿舍和图书馆等室内灰尘为研究对象，探究校园不同功能区重金属的含量水平、污染来源，采用蒙特卡罗模型评估其可能的健康风险，以期为大学校园环境保护及师生健康防护提供科学依据.
-
淮北市位于安徽省北部，下辖三区一县（相山区、杜集区、烈山区和濉溪县），总面积
2714 km2. 研究区属温带季风气候，多年平均气温约14.5 ℃，多年平均降雨量约840 mm. 目前，淮北市有23座大型煤矿，年均煤炭产量为3397 万t. 研究高校已有50年历史，人口分布较为密集，校园内有附属幼儿园、小学和中学，具有一定的代表性. -
于2023年12月，选择该校教学楼、行政楼、实验楼、图书馆和宿舍等5个不同功能区为采样区. 使用干净软毛刷扫取室内墙角、窗台和空调表面等易积累灰尘的地方，每个采样点样品总量不少于2—5 g. 每个功能区采集12份样品，总计采集室内灰尘样品60份. 将采集的灰尘样品剔除杂质，自然风干后，研磨过100目筛. Cr、Cu、Ni、Pb、Mn、Zn和Cd的含量采用HNO3-HF-HClO4法进行消解，其中Cd利用石墨炉原子吸收分光光度计进行测定（PE-900T，美国），其余元素利用火焰原子吸收分光光度计测定（PE-900T，美国）. Hg含量使用测汞仪DMA-80 测定. 每个样品做3个平行试验，采用国家标准土壤物质GSS-5 进行质量控制，各元素分析误差均小于±10%，回收率为87.2%—107.6%.
-
采用地累积指数（Igeo）、改进内梅罗指数法（INI）和潜在生态风险指数（RI）来评价室内灰尘的重金属污染程度，其公式[22]如（1—3）所示：
式中，Ci是灰尘中金属的浓度，Bi是安徽省重金属土壤背景值. Igeo, max和Igeo, avg分别是地累积指数的最大值和平均值. RI表示多种重金属的综合生态危险指数；E是单个元素的生态风险；
$T_r^i $ 是毒性反应系数. Pb、Cr、Cu、Zn、Ni、Mn、Cd和Hg的$T_r^i $ 值分别为5、2、5、1、5、1、30和40[23]. Igeo、INI、E和RI是无单位的. 地累积指数（Igeo）、改进内梅罗指数法（INI）和潜在生态风险指数（RI）分级参照文献[24]. -
本研究采用美国环境保护局（USEPA）的风险评价模型，评估高校人群的健康风险. 人体通过灰尘摄入重金属的主要途径为手口摄食（ADDing）、呼吸吸入（ADDinh）和皮肤接触（ADDderm）. 其计算公式如式（4—6）所示：
人体对灰尘重金属的非致癌风险和致癌风险计算由公式（7—8）得到：
式中，HQ为非致癌风险指数，表征单种污染物的非致癌风险；RfD为参考剂量；HI是综合非致癌风险指数. 当HQ或HI>1时，表示存在非致癌风险，反之则说明非致癌风险可忽略[25]. 对于致癌风险，当CR或TCR>10−4，表明人体患有癌症的重大风险；CR或TCR的范围在10−6—10−4之间，认为存在一定的致癌风险，但是在可接受的范围内；CR或TCR值≤10−6，则以为致癌风险是可以忽略的. 人体健康风险模型详细参数的含义和取值见表1. 金属参考剂量和斜率因子取值SF见表2. 为了避免使用确定性参数而高估或低估风险，采用蒙特卡罗模拟方法对健康风险进行评估，随机模拟次数为
100000 次. -
采用美国国家环境保护局（USEPA）推荐的PMF 5.0受体模型对该校灰尘重金属的来源进行解析，PMF模型是在相关矩阵和协方差矩阵的基础上，简化多维变量并确定非负源的贡献情况与因子分类的方法[32]，由于其简单性和相对准确性，已被广泛应用于识别和量化颗粒物中重金属的污染源[33]. PMF模型可以通过公式（9—13）计算：
式中，i、j和k分别是样本、元素和不同来源的数量. Xij代表重金属的浓度；p是源的数量；gik表示源对样本的贡献；fkj表示来源的重金属含量；eij代表残差矩阵. uij代表重金属的不确定度，MDL代表最低检测限，σ代表相对标准偏差.
-
基于PMF模型解析获取各重金属元素对不同污染源的贡献结果，并结合健康风险评估结果，计算不同源对人体健康风险的贡献率[34]，计算公式为式子（14—17）：
式中，HQj为第j类源的非致癌风险；Fij为第i种重金属在第j类源的贡献率；HQi为第i种重金属的非致癌风险；CRj为第j类源的致癌风险；CRi为第i种重金属的致癌风险；Dj,HQ为第j类源的非致癌风险贡献率；Dj,CR为第j类源的致癌风险贡献率.
-
采用SPSS 22进行数据分析和统计性描述，Origin 2021进行相关图形绘制，正矩阵因子分解模型（美国环保局PMF 5.0）进行源解析，使用Oracle Crystal Ball软件（版本11.1.2.4）计算不确定性分析.
-
研究区灰尘重金属含量统计结果见表3. 灰尘中Pb、Zn、Cu、Cr、Mn、Ni、Cd和Hg的平均浓度分别为131.78、436.48、113.60、152.54、511.69、83.38、0.84、0.32 mg·kg−1. 除Mn外，其余所有重金属浓度平均值均大于安徽省土壤背景值[35]，特别是Hg、Cd、Zn和Cu的浓度分别是其平均背景值的9.70、8.66、7.04、5.57倍，说明这些重金属在该校室内存在富集. 对比《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB15618—2018）风险筛选值，Zn、Cd和Cu的平均含量分别是筛选值的1.45、1.40、1.14倍. 变异系数（CV）能够反映数据的离散程度，表3显示， Cr、Cu、Ni、Cd、Zn和Hg表现出显著的空间变异（CV>35%），尤其是Cr、Cu和Ni ，变异系数分别为136.20%、101.80%和80.10%. 这表明重金属含量存在相当大的空间差异，这结果反映出室内灰尘可能受到人类活动的显著影响.
通过与国内其他高校灰尘重金属含量比较（表4），研究区灰尘中Cr和Ni的浓度处于较高水平，仅低于佛山室内灰尘. Cu高于多数高校室内灰尘和全部地表灰尘，和青岛高校室内灰尘相近. Pb、Zn和Mn的浓度处于中等水平，Cd的浓度仅高于贵阳和北京地表灰尘. 以上结果表明，本研究区域室内灰尘重金属含量水平处于较高水平.
-
本研究的采样点分布在教学楼、行政楼、实验楼、图书馆和宿舍等5个不同功能区，其不同区域灰尘重金属浓度结果见图1. 对各研究区重金属总量进行显著性差异分析可知，除Pb外，其他7种重金属均呈现显著性差异（P<0.05），这说明不同功能区的重金属污染状况存在显著差异. 由图1可知，实验楼灰尘中的重金属浓度高于其他研究区域灰尘中的浓度，这可能是与实验室存在较多的仪器设备和含有各种重金属的化学试剂有关，这与Al等[42] 研究结果相一致. 教学楼灰尘重金属的浓度最低，其余三个功能区重金属的浓度相差不大. 不同区域采样点的不同重金属污染情况存在一定差异，实验楼Cu和Cr的浓度远高于其他区域，Pb含量在5个功能区不存在显著性差异（P>0.05）. Cr、Zn和Ni含量的最低值均位于教学楼. Cd 的含量在各个区域的大小顺序依次为：实验楼>教学楼>行政楼>图书馆>宿舍.
-
灰尘中重金属的地累积指数（Igeo）和改进内梅罗指数（INI）的污染水平如图2所示. 重金属的地累积指数平均值依次为Hg>Cd>Zn>Pb>Cu>Ni>Cr>Mn. 其中，Hg的平均地累积指数最高为2.58，其次是Cd（2.42）和Zn（2.11），均表现为中强度污染. Pb和Cu的平均地累积指数为1.66和1.57，属于中度污染；Ni和Cr的平均地累积指数分别为0.53和0.16，属于未污染到中度污染；Mn的平均地累积指数<0，表明未受人为污染源影响. 所有样点的INI值在1.69至3.75之间变化，平均值为2.21，表明调查区重金属污染存在空间异质性. 在所有样本中，38.3%的INI值被归类为中度污染水平，55%为中强度污染，其余6.7%的样本为强度污染水平.
研究区灰尘中 8 种重金属的潜在生态风险指数（E）为Hg>Cd>Cu>Pb>Ni>Zn>Cr>Mn，除Hg（极高生态风险）和Cd（高生态风险）外，其余重金属的E值均小于40，处于轻度生态风险. 对于Hg和Cd，所有的采样点位均处于较高及以上潜在生态危害，这可能与Hg和Cd的毒性系数较大相关. 综合潜在生态风险指数值（RI）范围为432.4至
1588 ，平均值为719.4，由于Hg的平均E值较高，Hg占RI的很大一部分. 由图3所示，28.3%的RI值被归类为较高生态风险，65%为高生态风险，其余6.7%的样本为极高生态风险. 这说明研究区灰尘中重金属的总体污染程度较为严重. 此外，RI较高的点位主要分布在实验楼，这表明实验活动可能是室内灰尘中重金属污染的主要来源. -
为了有效地量化重金属的来源，本文将正矩阵因子分解（PMF）模型和相关性分析相结合，以提高源解析的准确性. 采用PMF模型提取了四个因子（分别命名为因子1、因子2、因子3和因子4），它们对灰尘总重金属的贡献率分别为26.98%、23.64%、20.64%和28.74%（图4b）.
因子1的贡献率为26.98%（图4b），以Cr（73.4%）为主，其次是Cu（31.47%）、Ni（25.25%）、Zn（20.2%）和Hg（17.19%）. 由表5可知，Cr、Cu、Ni和Zn两两之间存在显著性正相关关系，表明这些重金属之间可能存在同一来源. 这些元素平均值均明显高于安徽省土壤背景值，且重金属含量空间变异系数较大（CV>35%），表明受到人为活动扰动比较显著，初步判断主要来自人为源. 先前的研究表明，室内环境中油漆和乳胶漆的使用会带来重金属的污染[43]，如Cr、Cu等. 我们调查发现，该校实验楼刚刚采用白色乳胶漆刷墙，并且行政楼和图书馆经常进行翻新，这些装饰材料的风化和脱落增加了室内灰尘重金属的含量[14]. 因此，因子1可能主要来源于以装修为主的人为活动.
因子2的贡献率为23.64%（图4b）, 主要以Cd（50.19%）、Pb（48.32%）、Mn（29.58%）和Zn（25.95%）为特征. 李颜颜等[14]发现室内灰尘中Cd和Pb主要来源于室内设备磨损和打印机使用等. 图2显示Cd和Pb在不同的研究区域浓度区别较小，研究区域均存在各种设备如教学设备、图书馆管理设备和打印机等，这些设备使用增加了室内重金属的含量，因此，因子2可能主要来源设备使用为主的人为源.
因子3占总方差的20.64%（图4b）. 该因素主要以Cu（62.55%）、Ni（45.13%）、Hg（32.13%）和Pb（26.18%）为特征. 灰尘样品中Cu的变异系数较大（CV>100%），表明重金属浓度受到人类活动的影响显著. 实验楼Cu的浓度远高于其他区域，其中土壤消解室Cu的含量最高. 该校实验室存在较多的含有Cu相关的化学试剂，其在实验过程中尤其是消解过程中很容易释放到大气环境中，因此，因子3可能与实验活动有关.
因子4占总方差的28.74%（图4b），可能与交通排放有关. 该因素主要以Zn（53.86%）、Hg（29.72%）、Mn（26.26%）和Pb（23.28%）为特征. Zn的浓度是其平均背景值的7.04倍，说明Zn在该校室内存在富集. Zn已被广泛用作交通来源的代表元素[44]，可以通过车辆、润滑油和机动车轮胎的机械磨损释放到环境中[45]. 鉴于此，这一因素被认为是交通排放的后果.
-
使用蒙特卡罗模拟评估了研究区域内儿童和成人的健康风险概率分布，其结果见表6. 汞蒸气暴露对汞摄入量的影响很小，可以忽略不计. 由表6结果可见，成人的非致癌风险指数（HQ）均值由大至小分别为：Cr>Pb>Mn>Ni>Cu>Zn>Hg>Cd，儿童的非致癌健康风险大小为：Cr>Pb>Ni>Cu>Mn>Zn>Hg>Cd，Cr 对3 种途径的HQ值贡献率最高，这与段海静[46]等研究结果相一致. 这些元素的平均HQ值在1.03×10−3—4.28×10−1之间，表明没有非致癌健康风险. 根据图5，儿童和成人的平均HI值分别为8.4×10−1和1.29×10−1，均低于1的可接受阈值，表明HI处于可接受水平. 与成人相比，儿童的非致癌风险更大，有15%儿童HI值大于1，因此，应更多关注儿童非致癌风险.
-
如表6所示，4种重金属致癌风险指数（CR）均值由大至小分别为：Cd >Cr >Pb >Ni，其中Cd 对3 种途径的CR值贡献率最高. 对成人而言，这些元素的CR平均值在6.86×10−10—3.57×10−7之间，均小于1.0×10−6，表明没有致癌健康风险. 对儿童而言，Pb和Ni的CR均值分别为8.04×10−7和1.59×10−9，均小于1.0×10−6，说明Pb和Ni对儿童致癌健康风险可忽略；Cd和Cr的CR均值分别为3.65×10−6和1.07×10−6，均超出了1.0×10−6，存在一定风险，但处于1.0×10−6—1.0×10−4范围内，表明处于可接受的范围内.
儿童和成人的TCR均值分别为5.54×10−6和5.89×10−7，其中成人的TCR均值未超过1.0×10−6阈值，而儿童的则超过1.0×10−6，与成人相比，儿童的致癌风险更大，这与之前的研究一致[17,47]. 一般来说，由于儿童体重较低和频繁的户外活动，他们更容易受到重金属暴露的风险. 同时，儿童100%的TCR值超过1.0×10−6的临界值，表明致癌风险不容忽视，且Cd和Cr是主要的致癌因子，因此，本研究区域的健康风险评估应更多地关注Cd和Cr.
-
因儿童健康风险高于成人，故以儿童健康风险评估结果为例，采用PMF模型与概率风险评估相结合的方法，量化不同重金属污染源对健康风险的贡献，其结果见图6. 4种人为来源对儿童致癌风险贡献依次为：设备使用（41.55%）、实验活动（20.82%）、室内装修（19.04%）和交通排放（8.59%）. 对儿童非致癌风险贡献大小为：室内装修（41.01%）、实验活动（24.16%）、设备使用（23.63%）和交通排放（11.17%）. 因子2（设备使用）为致癌健康风险的首要污染源，因子1（室内装修）为非致癌健康风险的首要污染源，这可能是由于不同金属元素对人体的影响存在差异，模型中参考剂量和斜率因子取值不同所致[48].
源解析（图4b）结果表明，F4（交通排放）对重金属积累的贡献较大，但对健康风险没有实质性贡献，这可能是Zn作为该因子的主要成分毒性较低的原因[49]. 相比之下，因子2（设备使用）对室内灰尘重金属积累贡献较小，但对儿童致癌风险贡献较高（41.55%），这是因为因子2以Cd和Pb为主，而Cd和Pb在致癌风险中占主导地位（表6）. 因此，Cd和Pb可以被确定为风险控制的优先污染物. Cd和Pb的毒性较高，人体长期摄入Cd可导致肾和肺等内脏器官的病变[50]. 过量摄入Pb会损伤神经系统，还会损伤骨骼造血系统，导致贫血[51 − 52]. 因此，应当增大清洁力度，提高清洁频率，进而减少室内灰尘重金属的累积.
-
（1）除Mn外，其余所有重金属浓度均大于安徽省土壤背景值，特别是Hg、Cd、Zn和Cu的浓度分别是其平均背景值的9.70、8.66、7.04和5.57倍.
（2）灰尘重金属的地累积指数平均值依次为Hg>Cd>Zn>Pb>Cu>Ni>Cr>Mn. 改进内梅罗指数结果表明，灰尘的综合污染程度为中度污染至强度污染，总体上为中强度污染. 潜在生态风险指数结果显示65%的样本处于高生态风险，6.7%的样本为极高生态风险. 污染因子以Hg和Cd为主.
（3）源解析结果表明，室内灰尘重金属元素主要来自于室内装修、设备使用、实验活动和交通排放，其平均贡献率分别为26.98%、23.64%、20.64%和28.74%.
（4）概率健康风险评估表明，成人和儿童均不存在非致癌风险，儿童的致癌风险和非致癌风险均高于成人. 设备使用为研究区首要管控源，Cd为首要管控因子.
基于蒙特卡罗模拟的高校室内灰尘重金属健康风险评价
Health risk assessment of heavy metals in indoor dust from a university based on Monte Carlo simulation
-
摘要: 为研究高校室内灰尘中重金属的浓度、来源分配和概率健康风险，以安徽省某高校为研究对象，采集教学楼、图书馆、实验楼、行政楼和宿舍等5个功能区共60个点位的室内灰尘. 通过地累积指数法、改进内梅罗指数法和潜在生态风险指数法开展污染评价，利用正定矩阵因子分解模型（PMF）与蒙特卡罗模拟方法，定量评估不同来源重金属对人体健康的风险. 结果表明，灰尘中Pb、Zn、Cu、Cr、Mn、Ni、Cd和Hg的平均浓度分别为131.78、436.48、113.60、152.54、511.69、83.38、0.84、0.32 mg·kg−1，除Mn外，其余重金属的浓度均超过了安徽省土壤元素背景值. 8种重金属的地累积指数顺序为：Hg>Cd>Zn>Pb>Cu>Ni>Cr>Mn，其中Hg和Cd属于中强度污染水平. 改进内梅罗指数结果表明，灰尘的综合污染程度为中度污染至强度污染，总体上为中强度污染. 潜在生态风险指数结果显示65%的样本处于高生态风险，6.7%的样本为极高生态风险. 采用PMF模型和相关分析相结合的方法，确定了室内装修、设备使用、实验活动和交通排放四个来源，贡献率分别为26.98%、23.64%、20.64%和28.74%. 概率健康风险评估表明，灰尘重金属对儿童存在一定程度的可耐受致癌健康风险，对成人存在人体可接受的致癌风险. 所有人群的非致癌风险可以忽略不计. 特定源-健康风险评估模型分析表明，设备使用是最重要的人为源，应持续监测镉的较高致癌风险.Abstract: To investigate the concentrations, source apportionments and probabilistic health risks of heavy metals in indoor dust, a total of 60 indoor dust samples were collected from a college in Anhui province, covering five functional zones, i.e. classrooms, libraries, laboratories, offices, and dormitories. The pollution assessment was carried out by geo-accumulation index method, improved Nemerow pollution index method and potential ecological risk index method. Then, the positive definite matrix factor decomposition model (PMF) and Monte Carlo simulation were used to quantitatively evaluate the risk of heavy metals from different sources to human health. The results showed that the mean concentrations of Pb, Zn, Cu, Cr, Mn, Ni, Cd and Hg were 131.78, 436.48, 113.60, 152.54, 511.69, 83.38, 0.84, 0.32 mg·kg−1, respectively. Except for Mn, all other heavy metals concentrations were greater than the soil background values of Anhui Province. The order of the geo-accumulation index for the eight heavy metals was Hg>Cd>Zn>Pb>Cu>Ni>Cr>Mn, with Hg and Cd in the dust indicating moderately to heavily polluted. The improved Nemerow pollution index illustrated that the comprehensive pollution degree of dust was moderate pollution to heavy pollution, and the overall pollution was moderate to heavy pollution. The potential ecological risk index showed that 65% of the samples were at high ecological risk levels, 6.7% of the samples were at extremely high ecological risk. Four sources (including indoor renovations, equipment usage, experimental activities and traffic emissions) were identified by combining the positive matrix factorization model and correlation analysis, with the contribution rate of 26.98%, 23.64%, 20.64% and 28.74%, respectively. The assessment of probabilistic health risks indicated that the non-carcinogenic risks for all populations were negligible, while the carcinogenic risk cannot be negligible. Based on the source-specific health risk assessment, equipment usage was estimated to be the most important anthropogenic sources of health risks for all populations and the higher carcinogenic risk of Cd should be monitored continuously.
-
Key words:
- dust /
- heavy metal /
- Monte Carlo simulation /
- health risk /
- PFM model
-
-
图 1 不同功能区灰尘中重金属的平均浓度
Figure 1. The mean concentrations of metals in indoor settled dusts collected from different indoor environments
图 2 灰尘重金属的地累积指数（a）和改进内梅罗指数（b）污染评价结果
Figure 2. Geo-accumulation index（a）and improved Nemerow index（b）of heavy metals in dust
图 3 潜在生态风险指数（a）和综合潜在风险指数（b）评价结果
Figure 3. Evaluation of single potential ecological index（a）and potential ecological risk index（b） of heavy metals in dust
图 5 蒙特卡罗的灰尘重金属致癌和非致癌健康风险指数概率分布
Figure 5. Monte Carlo probability distribution of HI and TCR health risk index of dust heavy metals
图 6 不同污染源对儿童非致癌风险（NCR）和致癌风险（TCR）的贡献率
Figure 6. Contribution rates of different pollution sources to the non-carcinogenic risks （NCR） and carcinogenic risks （TCR） of children
表 1 基于蒙特卡罗的重金属健康风险暴露参数
Table 1. Health risk exposure parameters for heavy metals based on Monte Carlo
参数
Parameter含义
Description单位
Unit分布类型
Type取值
Value文献
Reference儿童
Children成人
AdultEF 暴露频率 d·a−1 三角 180、 345和365 180、 345和365 [26] IngR 灰尘颗粒摄入速率 mg·d−1 三角 66、 103和161 4、 30和52 [26] SL 皮肤黏附系数 mg·cm−2 对数正态 0.65和1.2 0.49和0.54 [26] InhR 灰尘颗粒吸入速率 m3·d−1 单点 8.6 19 [27] ED 暴露期 a 单点 6 4 PEF 颗粒物释放因子 m3·kg−1 单点 1.36×109 1.36×109 [28] AT 平均暴露时间 d 单点 365×ED（非致癌） 365×ED（非致癌） [29] 365×70（致癌） 365×70（致癌） BW 体重 kg 对数正态 16.68和1.48 57.03和1.18 [30] SA 皮肤暴露面积 m2 单点 0.23 0.54 [31] ABF 皮肤吸收因子 无量纲 单点 0.001（非致癌） 0.001（非致癌） [28] 
下载: 导出CSV
表 2 参考剂量和斜率因子取值
Table 2. Corresponding reference dose and slope factor values
元素
ElementRfD/[mg·（kg·d）−1] SF/[mg·（kg·d）−1] 文献
Reference经口摄入
Ingestion皮肤摄入
Dermal呼吸摄入
Inhalation经口摄入
Ingestion皮肤摄入
Dermal呼吸摄入
InhalationCd 1.00×10−3 2.50×10−5 2.35×10−5 6.10 6.30 [17] Hg 3.00×10−4 2.10×10−5 7.04×10−5 — — — [30] Pb 3.50×10−3 5.30×10−4 8.21×10−5 8.50×10−3 — — [30] Cr 3.00×10−3 7.50×10−5 2.35×10−5 8.50×10−3 — 42 [17] Cu 4.00×10−2 1.2×10−2 4.02×10−2 — — — [24] Ni 2.00×10−2 8.00×10−4 2.11×10−5 — — 8.40×10−1 [30] Zn 3.00×10−1 6.00×10−2 3.00×10−1 — — — [24] Mn 4.60×10−1 1.84×10−3 1.43×10−5 — — — [30]
下载: 导出CSV
表 3 灰尘重金属含量统计/mg·kg−1
Table 3. Statistics of heavy metal content in dust/mg·kg−1
统计量
StatisticPb Cr Cu Zn Ni Mn Cd Hg 最小值 71.35 19.50 36.95 148.05 16.23 261.77 0.34 0.18 最大值 258.25 1231.79 690.33 1034.24 320.01 1247.52 3.28 0.76 平均值 131.78 152.54 113.60 436.48 83.38 511.69 0.84 0.32 标准差 39.70 207.69 115.66 196.51 66.83 169.79 0.46 0.13 变异系数/% 30.10 136.20 101.80 45.00 80.10 33.20 54.80 40.20 超标比例/% 100.00 86.67 100.00 100.00 85.00 31.67 100.00 100.00 土壤背景值 26.6 66.5 20.4 62.0 29.8 530 0.097 0.033 土壤环境质量标准 170 250 100 300 190 — 0.6 3.4
下载: 导出CSV
表 4 不同地区高校灰尘重金属含量比较 /mg·kg−1
Table 4. Comparison of heavy metal contents in dust of different campus /mg·kg−1
研究区
Study areaPb Cr Cu Zn Ni Mn Cd Hg 类型
Type文献
Reference本研究 131.78 152.54 113.60 436.48 83.38 511.69 0.84 0.32 室内 兰州 68.70 44.20 58.30 175.00 30.40 318.00 2.88 0.54 室内 [13] 青岛 86.66 53.56 116.91 851.29 32.71 342.54 1.69 — 室内 [36] 佛山 297.30 155.38 320.26 3783.49 131.08 — 4.20 0.59 室内 [12] 开封 109.44 78.25 56.35 444.9 34.01 — 1.45 — 室内 [14] 贵阳 45.26 140.36 68.18 123.81 47.26 — 0.47 — 室外 [37] 武汉 83.50 46.00 70.20 47.20 22.70 — 3.38 — 室外 [38] 西安 158.60 145.10 93.50 665.90 35.80 595.10 — — 室外 [39] 开封 68.72 88.36 47.04 328.87 29.76 — 1.05 — 室外 [40] 北京 54.30 85.07 82.41 308.31 34.03 — 0.77 — 室外 [41]
下载: 导出CSV
表 5 室内灰尘重金属的Pearson相关系数
Table 5. Pearson correlation coefficient of heavy metals in indoor dust
Pb Cr Cu Zn Ni Mn Cd Hg Pb 1 Cr −0.133 1 Cu −0.002 0.846** 1 Zn −0.055 0.453** 0.353** 1 Ni 0.182 0.631** 0.734** 0.454** 1 Mn −0.027 0.855** 0.854** 0.558** 0.776** 1 Cd 0.064 −0.01 0.041 −0.067 0.113 0.037 1 Hg 0.038 0.619** 0.736** 0.346** 0.484** 0.583** 0.107 1 注：* 在 0.05 水平（双侧）上显著相关，** 在0.01 水平（双侧）上显著相关.
Note: * is significantly related at the level of 0.05 (both sides), * * is significantly related at the level of 0.01 (both sides).
下载: 导出CSV
表 6 灰尘重金属对人体的非致癌风险和致癌风险
Table 6. Non-carcinogenic and carcinogenic risks to humans from dust heavy metals
成人
Adults儿童
Children经口
摄入
Ingestion皮肤接触
Dermal呼吸吸入
Inhalation总暴露途径
Total pathways经口摄入
Ingestion皮肤接触
Dermal呼吸吸入
Inhalation总暴露途径
Total pathwaysHazard quotient （HQ） Hazard quotient （HQ） Pb 4.59×10−2 9.07×10−7 6.41×10−6 4.61×10−2 3.15×10−1 2.90×10−6 9.91×10−6 3.16×10−1 Cr 6.20×10−2 9.19×10−6 9.13×10−4 6.31×10−2 4.25×10−1 2.94×10−5 1.41×10−3 4.28×10−1 Cu 3.46×10−3 3.40×10−8 4.80×10−7 3.48×10−3 2.38×10−2 1.09×10−7 7.48×10−7 2.38×10−2 Zn 1.77×10−3 2.60×10−8 2.50×10−7 1.78×10−3 1.22×10−2 8.41×10−8 3.85×10−7 1.22×10−2 Ni 5.10×10−3 5.60×10−8 6.90×10−7 5.10×10−3 3.49×10−2 1.79×10−7 1.07×10−6 3.49×10−2 Mn 1.36×10−3 1.01×10−6 6.12×10−3 7.48×10−3 9.30×10−3 3.21×10−6 9.47×10−3 1.88×10−2 Cd 1.02×10−3 1.21×10−7 6.10×10−6 1.03×10−3 3.50×10−3 9.09×10−7 2.08×10−5 3.50×10−3 Hg 1.27×10−3 5.40×10−8 7.60×10−7 1.28×10−3 4.38×10−3 4.07×10−7 2.61×10−6 4.40×10−3 Total 1.22×10−1 1.14×10−5 7.05×10−3 1.29×10−1 8.28×10−1 3.71×10−5 1.09×10−2 8.41×10−1 Cancer risk （CR） Cancer risk （CR） Pb 7.84×10−8 — — 7.84×10−8 8.04×10−7 — — 8.04×10−7 Cr 9.05×10−8 — 6.27×10−8 1.53×10−7 9.28×10−7 — 1.46×10−7 1.07×10−6 Ni — — 6.86×1010 6.86×10−10 — — 1.59×10−9 1.59×10−9 Cd 3.57×10−7 — 5.2×10−11 3.57×10−7 3.65×10−6 — 1.20×10−10 3.65×10−6 Total 5.25×10−7 — 6.35×10−8 5.89×10−7 5.39×10−6 — 1.47×10−7 5.54×10−6 注：“—”表示缺计算参数而无该结果. Note: “—” means that the result is not available due to missing calculation parameters.
下载: 导出CSV
-
[1] 黄浩, 徐子琪, 严俊霞, 等. 太原市城乡居民区采暖季室内灰尘中重金属的污染特征及其生态风险评价[J]. 环境科学, 2021, 42(05): 2143-2152. HUANG H, XU Z Q, YAN J X, et al. Characteristics of heavy metal pollution and ecological risk evaluation of indoor dust from urban and rural areas in Taiyuan City during the heating season[J]. Environmental Science, 2021, 42(05): 2143-2152 (in Chinese).
[2] SHI T R, WANG Y H. Heavy metals in indoor dust: Spatial distribution, influencing factors, and potential health risks[J]. Science of the total environment, 2021, 755: 142367. doi: 10.1016/j.scitotenv.2020.142367 [3] ZHANG H X, MAO Z X, HUANG K, et al. Multiple exposure pathways and health risk assessment of heavy metal (loid) s for children living in fourth-tier cities in Hubei Province[J]. Environment international, 2019, 129: 517-524. doi: 10.1016/j.envint.2019.04.031 [4] ZHOU Q H, ZHENG N, LIU J S, et al. Residents health risk of Pb, Cd and Cu exposure to street dust based on different particle sizes around zinc smelting plant, Northeast of China[J]. Environmental Geochemistry and Health, 2015, 37(2): 207-220. doi: 10.1007/s10653-014-9640-5 [5] LIMA L H V, DO NASCIMENTO C W A, DA SILVA F B V, et al. Baseline concentrations, source apportionment, and probabilistic risk assessment of heavy metals in urban street dust in Northeast Brazil[J]. Science of The Total Environment, 2023, 858: 159750. doi: 10.1016/j.scitotenv.2022.159750 [6] PADOAN E, ROME C, AJMONE-MARSAN F. Bioaccessibility and size distribution of metals in road dust and roadside soils along a peri-urban transect[J]. Science of the Total Environment, 2017, 601: 89-98. [7] WANG M M, LV Y Y, LV X Y, et al. Distribution, sources and health risks of heavy metals in indoor dust across China[J]. Chemosphere, 2023, 313: 137595. doi: 10.1016/j.chemosphere.2022.137595 [8] HWANG H M, PARK E K, YOUNG T M, et al. Occurrence of endocrine-disrupting chemicals in indoor dust[J]. Science of the Total Environment, 2008, 404(1): 26-35. doi: 10.1016/j.scitotenv.2008.05.031 [9] 段恒轶, 吴亚涛, 王珏, 等. 北京市幼儿园地面尘中有毒金属浓度及其健康风险[J]. 环境科学, 2014, 35(8): 3060-3065. DUAN H Y, WU Y T, WANG Y, et al. Concentrations and health risks of toxic metals in surface dust in kindergartens of Beijing[J]. Environmental Science, 2014, 35(8): 3060-3065 (in Chinese).
[10] LIU Y Z, MA J W, YAN H X, et al. Bioaccessibility and health risk assessment of arsenic in soil and indoor dust in rural and urban areas of Hubei province, China[J]. Ecotoxicology and environmental safety, 2016, 126: 14-22. doi: 10.1016/j.ecoenv.2015.11.037 [11] MA J W, LI Y Q, LIU Y Z, et al. Metal (loid) bioaccessibility and children’s health risk assessment of soil and indoor dust from rural and urban school and residential areas[J]. Environmental geochemistry and health, 2020, 42: 1291-1303. doi: 10.1007/s10653-019-00415-2 [12] 蔡云梅, 黄涵书, 任露陆, 等. 珠三角某高校室内灰尘重金属含量水平, 来源及其健康风险评价[J]. 环境科学, 2017, 38(9): 3620-3627. CAI Y M, HUANG H S, REN L L, et al. Levels, sources, and health risk assessments of heavy metals in indoor dust in a college in the Pearl river delta[J]. Environmental Science, 2017, 38(9): 3620-3627 (in Chinese).
[13] BAO L L, WANG S L, SUN H L, et al. Assessment of source and health risk of metal (loid) s in indoor/outdoor dust of university dormitory in Lanzhou City, China[J]. Environmental Science and Pollution Research, 2019, 26: 32333-32344. doi: 10.1007/s11356-019-06365-7 [14] 李颜颜, 曹佳晨, 张浩杰, 等. 河南某高校不同环境室内灰尘重金属污染特征及生态健康风险评价[J]. 环境化学, 2023, 42(10): 3368-3380. doi: 10.7524/j.issn.0254-6108.2022051601 LI Y Y, CAO J C, ZHANG H J, et al. Pollution characteristics and ecological health risk assessment of heavy metals in indoor dust in different environmental areas of a university in Henan Province[J]. Environmental Chemistry, 2023, 42(10): 3368-3380 (in Chinese). doi: 10.7524/j.issn.0254-6108.2022051601
[15] BRTNICKÝ M, PECINA V, HLADKÝ J, et al. Assessment of phytotoxicity, environmental and health risks of historical urban park soils[J]. Chemosphere, 2019, 220: 678-686. doi: 10.1016/j.chemosphere.2018.12.188 [16] 杨博, 熊健, 李伟, 等. 基于蒙特卡罗模拟的拉萨城区土壤重金属健康风险评价[J]. 环境化学, 2024, 43(4): 1339-1352. doi: 10.7524/j.issn.0254-6108.2023073103 YANG B, XIONG J, LI W, et al. Health risk assessment of soil heavy metals in Lhasa urban area based on Monte Carlo simulation[J]. Environmental Chemistry, 2024, 43(4): 1339-1352(in Chinese). doi: 10.7524/j.issn.0254-6108.2023073103
[17] 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 [18] CHEN H R, WANG L, HU B F, et al. Potential driving forces and probabilistic health risks of heavy metal accumulation in the soils from an e-waste area, southeast China[J]. Chemosphere, 2022, 289: 133182. doi: 10.1016/j.chemosphere.2021.133182 [19] XU Z P, QIAN Y H, HONG X P, et al. Contamination characteristics of polycyclic aromatic compounds from coal sources in typical coal mining areas in Huaibei area, China[J]. Science of The Total Environment, 2023, 873: 162311. doi: 10.1016/j.scitotenv.2023.162311 [20] SUN L Q, SUN C Y, LIU F, et al. Health risk assessment of oral bioaccessibility of heavy metal in soil from coalfield in Huaibei City, China[J]. Human and Ecological Risk Assessment: An International Journal, 2018, 25(8), 2045-2055. [21] FANG H X, GUI H R, YU H, et al. Characteristics and source identification of heavy metals in abandoned coal-mining soil: a case study of Zhuxianzhuang coal mine in Huaibei coalfield (Anhui, China)[J]. Human and Ecological Risk Assessment: An International Journal, 2021, 27(3): 708-723. doi: 10.1080/10807039.2020.1750346 [22] LIU L L, LIU Q Y, MA J, et al. Heavy metal (loid) s in the topsoil of urban parks in Beijing, China: Concentrations, potential sources, and risk assessment[J]. Environmental Pollution, 2020, 260: 114083. doi: 10.1016/j.envpol.2020.114083 [23] 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 [24] HAN Q, WANG M Y, XU X H, et al. Health risk assessment of heavy metals in road dust from the fourth-tier industrial city in central China based on Monte Carlo simulation and bioaccessibility[J]. Ecotoxicology and Environmental Safety, 2023, 252: 114627. doi: 10.1016/j.ecoenv.2023.114627 [25] USEPA. Risk assessment guidance for superfund Volume I. Human health evaluation manual (Part A)[S]. EPA 540-1-89-002, Office of Emergency and Remedial Response, Washington, DC: Environmental Protection Agency, 2010. [26] 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 [27] HUANG Y N, DANG F, LI M, et al. Environmental and human health risks from metal exposures nearby a Pb-Zn-Ag mine, China[J]. Science of the Total Environment, 2020, 698: 134326. doi: 10.1016/j.scitotenv.2019.134326 [28] USEPA. Exposure Factors Handbook: 2011 Edition[M]. 2011. [29] 环境保护部. 中国人群暴露参数手册(成人卷)概要[M]. 北京: 中国环境出版社, 2013. Ministry of Environmental Protection. Exposure factors handbook of Chinese population (adults)[M]. Beijing: China Environmental Science Press, 2013 (in Chinese).
[30] 郭志娟, 周亚龙, 王乔林, 等. 雄安新区土壤重金属污染特征及健康风险[J]. 中国环境科学, 2021, 41(01): 431-441. doi: 10.3969/j.issn.1000-6923.2021.01.049 GUO Z J, ZHOU Y L, WANG Q L, et al. Characteristics of soil heavy metal pollution and health risk in Xiong’an New District[J]. China Environmental Science, 2021, 41(01): 431-441 (in Chinese). doi: 10.3969/j.issn.1000-6923.2021.01.049
[31] HAN J J, LIANG L C, ZHU Y R, et al. Heavy metal (loid) s in farmland soils on the Karst Plateau, Southwest China: An integrated analysis of geochemical baselines, source apportionment, and associated health risk[J]. Land Degradation & Development, 2022, 33(10): 1689-1703. [32] SINGH S, MAITI S K, RAJ D. An approach to quantify heavy metals and their source apportionment in coal mine soil: a study through PMF model[J]. Environmental Monitoring and Assessment, 2023, 195(2): 306. doi: 10.1007/s10661-023-10924-4 [33] GUAN Q Y, ZHAO R, PAN N H, et al. Source apportionment of heavy metals in farmland soil of Wuwei, China: Comparison of three receptor models[J]. Journal of Cleaner Production, 2019, 237: 117792. doi: 10.1016/j.jclepro.2019.117792 [34] MA J, CHU L J, SUN J, et al. Health risk assessment of trace metal (loid) s in agricultural soils based on Monte Carlo simulation coupled with positive matrix factorization model in Chongqing, southwest China[J]. Journal of Mountain Science, 2024, 21(1): 100-112. doi: 10.1007/s11629-023-8304-2 [35] 生态环境部, 国家市场监督管理总局. 土壤环境质量农用地土壤污染风险管控标准: GB 15618—2018[S]. 北京: 中国标准出版社, 2018. Ministry of Ecology and Environment of the People's Republic of China, State Administration for Market Regulation. Soil environmental quality—Risk control standard for soil contamination of agricultural land: GB 15618—2018 [S]. Beijing: Standards Press of China, 2018 (in Chinese).
[36] ZHAO X, LIN L, ZHANG Y. Contamination and human health risks of metals in indoor dust from university libraries: A case study from Qingdao, China[J]. Human and Ecological Risk Assessment: An International Journal, 2021, 27(1): 152-161. doi: 10.1080/10807039.2019.1697851 [37] DUAN Z B, WANG J, CAI X F, et al. Spatial distribution and human health risk assessment of heavy metals in campus dust: a case study of the university town of Huaxi[J]. Human and Ecological Risk Assessment: An International Journal, 2020, 26(4): 986-999. [38] LIU S, ZHANG X H, ZHAN C L, et al. Evaluating heavy metals contamination in campus dust in Wuhan, the university cluster in Central China: distribution and potential human health risk analysis[J]. Environmental Earth Sciences, 2022, 81(7): 210. doi: 10.1007/s12665-022-10321-z [39] 樊馨瑶, 卢新卫, 刘慧敏, 等. 西安市高校校园地表灰尘重金属污染来源解析[J]. 环境科学, 2020, 41(8): 3556-3562. FAN X Y, LU X W, LIU H M, et al. Pollution and source analysis of heavy metal in surface dust from Xi'an university campuses[J]. Environmental Science, 2020, 41(8): 3556-3562 (in Chinese).
[40] 王洪涛, 闫帅腾, 武锟鹏, 等. 开封市某高校校园地表灰尘重金属分布特征及生态风险评估[J]. 土壤通报, 2023, 54(1): 171-179. WANG H T, YAN S T, WU K P, et al. Distribution characteristics and ecological risk assessment of heavy metals in surface dust from a university campus in Kaifeng, China[J]. Chinese Journal of Soil Science, 2023, 54(1): 171-179 (in Chinese).
[41] 颜钰, 李盼盼, 陶军, 等. 北京高校校园道路灰尘重金属污染特征及健康风险评价[J]. 环境污染与防治, 2016, 38(1): 58-63. YAN Y, LI P P, TAO J, et al. Pollution characteristics and health risk assessment of heavy metals in road dusts of universities in Beijing[J]. Environmental Pollution & Control, 2016, 38(1): 58-63 (in Chinese).
[42] AL HEJAMI A, DAVIS M, PRETE D, et al. Heavy metals in indoor settled dusts in Toronto, Canada[J]. Science of the total environment, 2020, 703: 134895. doi: 10.1016/j.scitotenv.2019.134895 [43] CHATTOPADHYAY G, LIN K C P, FEITZ A J. Household dust metal levels in the Sydney metropolitan area[J]. Environmental Research, 2003, 93(3): 301-307. doi: 10.1016/S0013-9351(03)00058-6 [44] TIAN S H, LIANG T, LI K X, et al. Source and path identification of metals pollution in a mining area by PMF and rare earth element patterns in road dust[J]. Science of the total environment, 2018, 633: 958-966. doi: 10.1016/j.scitotenv.2018.03.227 [45] 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 [46] 段海静, 申浩欣, 彭超月, 等. 基于APCS-MLR模型的开封市公交站周边灰尘重金属源解析及健康风险评估[J]. 环境科学, 2024, 45(6): 3502-3511. DUAN H J, SHEN H X, PENG C Y, et al. Source apportionment and health risk assessment of heavy metals in dust around bus stops in Kaifeng City based on APCS-MLR[J]. Environmental Science, 2024, 45(6): 3502-3511 (in Chinese).
[47] SUN J X, ZHAO M, L HUANG J L, et al. Determination of priority control factors for the management of soil trace metal (loid) s based on source-oriented health risk assessment[J]. Journal of Hazardous Materials, 2022, 423: 127116. doi: 10.1016/j.jhazmat.2021.127116 [48] 陈莲, 邹子航, 张培珍, 等. 基于源导向和蒙特卡洛模型的广东省某城市土壤重金属健康风险评估[J]. 环境科学, 2024, 45(5): 2983-2994. CHEN L, ZOU Z H, ZHANG P Z, et al. Health risk assessment of heavy metals in soils of a city in Guangdong Province based on source oriented and Monte Carlo Models[J]. Environmental Science, 2024, 45(5): 2983-2994 (in Chinese).
[49] YUAN B, CAO H L, DU P, et al. Source-oriented probabilistic health risk assessment of soil potentially toxic elements in a typical mining city[J]. Journal of hazardous materials, 2023, 443: 130222. doi: 10.1016/j.jhazmat.2022.130222 [50] GENCHI G, SINICROPI M S, LAURIA G, et al. The effects of cadmium toxicity[J]. International journal of environmental research and public health, 2020, 17(11): 3782. doi: 10.3390/ijerph17113782 [51] JIANG H H, CAI L M, WEN H H, et al. An integrated approach to quantifying ecological and human health risks from different sources of soil heavy metals[J]. Science of the Total Environment, 2020, 701: 134466. doi: 10.1016/j.scitotenv.2019.134466 [52] MITRA P, SHARMA S, PUROHIT P, et al. Clinical and molecular aspects of lead toxicity: An update[J]. Critical reviews in clinical laboratory sciences, 2017, 54(7-8): 506-528. doi: 10.1080/10408363.2017.1408562 -
点击查看大图
计量
- 文章访问数: 80
- HTML全文浏览数: 80
- PDF下载数: 0
- 施引文献: 0
