论文部分内容阅读
近年来,随着经济社会的快速发展,含重金属的污染物通过各种途径进入土壤,造成土壤严重污染,以及食品安全问题的日益突显,产地土壤重金属污染问题亦日益被人们所关注,并已成为目前全球普遍关注的环境热点问题。本研究选取具有典型代表意义的浙江省温岭市为研究样区,分别采集219对土壤及其相应的水稻籽粒样品,进行土壤-水稻重金属全量、土壤理化性质分析。利用地统计学等多种空间分析方法,系统研究了研究区土壤-水稻中重金属的污染现状、热点分布、不同空间分析方法的预测精度,并对研究区土壤-水稻中的重金属含量进行了污染风险评价。通过对研究区重金属污染热点的空间分析,发现污染热点大多分布在有较多电子垃圾拆解回收作坊的西北地区,可以推断电子垃圾拆解回收可能是这些金属的主要污染源,导致研究区土壤重金属含量不断增加,具有一定的潜在风险。重金属在土壤-水稻系统中的迁移累积不仅受到土壤中重金属含量的影响,同时也受到土壤理化性质的影响。土壤有机质和砂粒的含量越高,重金属的富集系数就越大,重金属的迁移能力就越强;而当土壤pH、电导率、粉粒和粘粒含量越高,则重金属富集系数越小,重金属的生物有效性也就越低。其中,土壤pH和有机质是影响水稻中重金属累积的最主要因素。在多种空间分析方法中,克里格方法产生的插值图趋于平滑,局部细节不明显。而序贯高斯条件模拟方法产生的预测图空间结构信息丰富,波动性强。对于土壤Cu来说,模拟方法的预测精度高于普通克里格方法,且能更好地反映原始数据的波动性;对土壤Cd来说则相反。总体来说,序贯高斯条件模拟方法普遍扩大了预测范围,能探测出更多的局部细节,而克里格方法缩小了预测范围,具有平滑效应。贝叶斯最大熵和克里格方法的空间预测精度比较结果表明,综合使用软、硬数据的BME (BME_HS)无论是对土壤Cd还是Cu,其在总体预测精度和波动性预测上都高于普通克里格。只使用硬数据的BME(BME_H)在总体上的预测准确性介于BME HS和普通克里格之间。对研究区土壤-水稻系统中重金属含量进行土壤环境质量评价和人体健康风险评价的结果表明,整个研究区土壤几乎都已经受到了重金属Cd、Cu、Ni和Zn的污染,Cd、Cu和Zn的高污染风险区主要分布在研究区的西北部,Ni的高风险区主要分布在东部,并有2%和3%的土壤样品属于中度污染和重污染等级。同时,水稻也有部分样品的Cd含量超过了污染限值,且部分地区的水稻已经受到了Cd的严重污染。研究区儿童的重金属健康风险要高于成人,尤其是重金属Cd,当地居民面临Cd的潜在健康风险。