基于Meta分析的矿区周边土壤重金属污染特征及风险评价

A Meta-analysis of the distribution characteristics and ecological risk of heavy metals in mining areas

摘要

本文基于2002—2022年期间,知网、万方、Web of Science数据库收录的矿区周边土壤重金属文献数据,采用Meta分析方法,探讨我国不同地区和矿种类别的矿山开采对土壤重金属分布特征的影响。同时,结合地累积指数法和潜在生态风险指数法评估矿区周边土壤重金属生态风险。Meta分析结果显示,我国矿区周边土壤中镉(Cd)、汞(Hg)、铜(Cu)、铅(Pd)、锌(Zn)、砷(As)、镍(Ni)和铬(Cr)的浓度相较于土壤背景值,分别增加了820.7%、309.6%、158.6%、158.6%、146.0%、103.4%、24.6%和15%,其中,Cd和Hg增加量较多。从地区来看,中南和西南地区的矿区周边土壤重金属的效应值较大,其重金属浓度增加量分别为285.7%和180.1%,其中西南、中南和华东地区矿山周边土壤中Cd、Hg、Zn、Pb和Cu的含量增加较为显著,华北和东北地区的Cd和As、西北地区的Cd和Hg增加较为显著。从矿种类型看,铅锌矿、多金属矿、铜矿、金矿、汞矿、钼矿、锰矿、锡矿和包含石墨矿等其他矿种的周边土壤重金属浓度增加量为166.4%~617.1%,其中铅锌矿开采会使得Cd、Hg、Pb和Zn显著累积,金矿开采对As、Hg和Pb累积显著,铜矿、石墨、硫铁矿等其他矿种对Cd和Cu的含量累积显著,各类型矿对Ni和Cr的累积影响都很小。地累积指数法和潜在生态风险指数法评价结果显示,我国矿区周边土壤Cd和Hg地累积污染指数分别达到中等和轻微污染等级,且大部分土壤位点二者都具有高等级的潜在生态风险,因此,需加强矿区周边重点重金属Cd和Hg的污染防治。

关键词

矿区土壤 / 重金属 / Meta分析 / 土壤污染 / 风险评价

Key words

soil around mining area / heavy metal / Meta-analysis / soil pollution / risk assessment

0 引言

我国矿产资源丰富,种类齐全,分布广泛。矿山开采活动已成为矿区周边土壤重金属污染的主要来源^[1],矿区土壤重金属污染形势不容乐观。据全国矿山地质环境调查数据统计,截至2010年底,矿山开采破坏的土地面积约为386.80×10⁴ hm²。2014年,《全国土壤污染状况调查公报》显示,调查的70个矿区的1 672个土壤点位中,超标点位占33.4%,主要污染物是镉、铅和砷等,矿区重金属污染已成为广泛关注的焦点。2016年,《中国土壤修复技术与市场发展研究报告(2016—2020)》指出:需要环境恢复与治理的矿山中重金属矿山占30%。矿区已成为“十四五”期间土壤重金属污染防控攻坚战的重点区域,弄清不同区域和矿种重金属的分布特征和风险等级对于重金属精准防控意义重大。

开展矿区土壤重金属污染防控,首要的是获取矿区土壤重金属分布的基础数据。然而,当前仍没有精确详实的覆盖全国矿区的土壤重金属调查报告,为此,许多学者从传统的文献调查综述角度入手,基于已发表的矿区土壤重金属的文献获取各矿区重金属数据信息,开展矿区土壤重金属污染特征研究。如Liu等^[2]基于263篇文献,系统梳理了我国矿区周边土壤重金属浓度数据,发现我国矿区周边土壤中,镉(Cd)和汞(Hg)是主要的生态风险因子。Shi等^[3]整理了2002—2020年期间,我国金属矿山周边土壤镉的文献数据,发现土壤中Cd的浓度与矿区类型密切相关。近年来,相较于传统的统计分析方法,Meta分析方法也广泛用于文献数据的综合分析,该方法考虑了不同文献研究间的差异,并根据单个文献的重金属浓度数据的采样数量赋予了相应的效应值权重,可对数据进行进一步的定量统计分析,进而获得更为准确的综合分析结果^[4]。Meta分析方法适合对已发表的同类型文献数据进行二次分析,目前在很多领域已取得良好进展,但在土壤污染修复领域应用较少。

基于此,本文从知网、万方和Web of Science(WOS)数据库中,检索收集了我国主要矿区的重金属污染数据,结合Meta统计分析方法,从地域分布和矿种类型的角度,分析我国矿区周边土壤重金属分布特征,并采用地累积指数法和潜在生态风险指数法来评估矿区土壤重金属生态风险,以期为我国矿区土壤重金属污染防治提供数据基础和决策支持。

1 材料与方法

1.1 文献检索与筛选

本研究以矿区土壤重金属镉(Cd)、汞(Hg)、铜(Cu)、铅(Pd)、锌(Zn)、砷(As)、镍(Ni)和铬(Cr)为调查对象,在知网、万方和WOS数据库内进行检索。中文文献检索关键词:“矿区土壤”(或“矿场土壤”“煤矿土壤”)、“重金属”(或“镉”“锌”“砷”“铅”“铬”“铜”“镍”“汞”)和“风险评价”(或“风险评估”“污染评价”“污染特征”“分布特征”)。英文文献检索关键词:“Mine soil”(或“Field soil”“Coal mine soil”)、“Heavy metal”(或“Cadmium”“Zinc”“Arsenic”“Lead”“Chromium”“Copper”“Nickel”“Mercury”)和“Risk assessment”(或“Pollution evaluation”“Pollution characteristics”“Distribution characteristics”)。检索年限为2002—2022年。

遵循以下标准对文献进行筛选,以确保Meta统计分析方法的准确性:(1)说明矿区的地理位置或经纬度;(2)研究区域为矿区周边土壤,含少量矿区周边农田土壤,土壤采样深度大部分为0~20 cm,少量为0~40 cm;(3)研究对象为Cd、Zn、As、Pd、Cr、Cu、Ni和Hg中的一种或多种;(4)提供了土壤样本量、重金属的平均值和标准差(SD)等信息,为了获取更多有效数据,对于没有标准差的文献,采用土壤重金属含量平均值的1/10作为其标准差^[5-6]。

文献数据提取后,对数据进行分类,最终筛选出有效文献160篇,重金属数据976条,其中,As、Cd、Cr、Cu、Hg、Ni、Pd和Zn的数据分别为97、148、124、149、66、86、158和148条。

1.2 Meta分析与检验

1.2.1 Meta分析方法

Meta分析是利用统计学方法,将研究数据按照实验组与对照组进行匹配,利用随机效应模型或固定效应模型将二者的关系用效应值(ES)表达出来,实现多项研究结果的定量综合,且能够根据不同的效应量讨论对应的科学问题。由于本研究中不同类型、不同区域的矿山周边土壤理化性质差异较大,故采用随机效应模型,选取中国环境监测总站(1990年)中我国各省份、地区土壤重金属的背景值、采样数量和标准差作为对照组^[7],从文献中提取的土壤重金属含量平均值、采样数量和标准差作为实验组,进行Meta分析。

采用对数法来计算效应值(ES),其计算公式如下^[8]:

(1)ES=ln \left(\frac{E_x}{C_x}\right)

式中:E_x为实验组单组土壤重金属浓度均值;C_x为对应的对照组土壤重金属背景值,mg·kg^-1。若ES>0,则认为该矿山开采使得周围土壤重金属浓度增加。

Meta分析过程中需考虑每组数据的研究内方差(ε_i)和多项研究间方差(T²)。ε_i的计算公式如下:

(2) {\epsilon }_i = \frac{E_{\mathrm{s}}^2}{E_n{E}_x^2} + \frac{C_{\mathrm{s}}^2}{C_n{C}_x^2}

式中: E_{\mathrm{s}}、 C_{\mathrm{s}}分别为实验组和对照组浓度的标准差; E_n、 C_n分别为实验组和对照组的样本数量。将公式(2)的计算结果带入公式(3),求得单组研究的效应值对应的权重( w_i):

(3) w_i = \frac{1}{{\epsilon }_i+T^2}

综合效应值ES₊是每组重金属数据效应值的加权平均值,计算公式如下:

(4) \mathrm{E} {\mathrm{S}}_{+} = \frac{{\sum }_{i=1}^k{w}_i\times \mathrm{E}{\mathrm{S}}_i}{{\sum }_{i=1}^k{w}_i}

式中: \mathrm{E} {\mathrm{S}}_i为每组土壤重金属数据的效应; k为纳入计算的组数。若综合效应值对应的95%置信区间包含0,可以认为矿山开采未显著增加土壤中重金属的含量;若其95%置信区间的上下端都大于0,则可以认为矿山开采显著地增加了土壤中重金属的含量。

重金属的浓度相对增加率(PI)可以直观展示矿山开采对土壤重金属含量的影响程度,其计算公式为

(5) \mathrm{P} \mathrm{I} = ( {\mathrm{e}}^{\mathrm{E}{\mathrm{S}}_{+}} - 1 ) \times 100 \mathrm{\%}

1.2.2 异质性检验

异质性检验是Meta分析的重要环节。统计学中计算异质性是以数据为基础,原理是各研究之间可信区间的重合程度越大,则其研究间同质性的可能性越大;相反,若可信区间的重合程度越小,则研究间的异质性就越大^[9]。常用的异质性检验方法有Cochran’s Q检验(Q检验)、I-squared statistic检验(I²检验),Q检验和I²检验并不是相互独立的,Q检验用于检验异质性是否存在,而I²检验用来衡量异质性的程度。

Q检验中的无效假设为纳入各研究的效应量均相同,计算方法如下:

(6) \mathrm{Q} = \stackrel{k}{\sum _{i=1}} w_i \mathrm{*} ( \mathrm{E} \mathrm{S} - \mathrm{E} {\mathrm{S}}_{+} {)}^2

式中:w_i为单组重金属数据对应的权重;ES为单组重金属数据对应的效应值;ES₊为纳入研究的效应量的加权平均值。Q服从自由度为k-1的χ²分布,Q值越大,其对应的p值就越小,若p值小于设定的显著性水平(通常为0.05),则表明异质性存在。

I²是一种衡量异质性程度的统计量,反映异质性部分在效应量总的变异中所占的比重,计算公式如下:

(7)I²= \frac{Q-df}{Q}×100%

式中:df为自由度,即研究总个数-1得到的值。I²的值为0~100%,其值越大表明异质性越强。

1.3 生态风险评价方法

1.3.1 地累积指数法

本文采用地累积指数(I_geo)评估矿区周边土壤重金属的污染情况,公式如下:

(8)I_geo=log₂ \left(\frac{C_n}{K\times B_n}\right)

式中:K为表征岩石地质、沉积特征等影响背景值变化的系数(一般取1.5);B_n为重金属元素n的地球化学背景值;C_n是沉积物中重金属元素n的含量;I_geo为沉积物重金属地积累指数,其等级划分见表1^[10]。

1.3.2 潜在生态风险指数评价

本文采用潜在生态风险指数(ER_i)量化土壤中重金属暴露对矿区周边生态环境的影响,计算公式如下:

(9)ER_i=T_i× \frac{C_i}{B_i}

式中:C_i为土壤重金属i的浓度,mg·kg^-1;B_i为对应土壤采样地土壤重金属i的背景值,本文使用由中国环境监测总站(1990年)公布的各省土壤重金属元素背景值^[7],mg·kg^-1;T_i为重金属i的毒性响应系数,本研究As、Cd、Cr、Cu、Hg、Ni、Pb和Zn的毒性系数分别取10、30、2、5、40、5、5和1^[11-12];ER_i表示单个重金属i的潜在生态风险系数,ER的等级分类标准见表2。

2 结果与讨论

2.1 矿区土壤重金属变化情况

本研究调查的矿区土壤位点分布情况如图1所示,主要集中在我国的中南、东南和西南等地区,而西北、东北地区相对较少。以往研究也表明关于土壤重金属污染文献数据分布不均匀,也呈现类似的分布特征^[13⇓-15]。西南、中南和东南地区的地质构造复杂,存在构造断裂和岩浆活动,岩石成分更加容易形成矿产资源^[16-17]。这些地区矿产资源勘探开发起步较早,矿山开采导致的土壤污染问题也引起了广泛的关注,因此,上述区域重金属污染分布特征和风险评估的基础研究也较多。关于西北、东北地区的研究相对偏少,但这些区域也拥有丰富的矿产资源,如西北地区拥有丰富的镍、铂和钾盐等资源^[18]。

对矿区周边土壤重金属的Meta分析结果如表3。全国矿山开采对周边土壤重金属浓度影响的综合效应值(ES₊)为0.97,95%置信区间为0.89~1.05,其置信区间左右两端均大于零,同时,重金属浓度相对增加率PI为163.8%,表明矿山开采使得矿区周边土壤中重金属浓度显著增加。不同重金属的效应值从大到小顺序为Cd(2.22)>Hg(1.41)>Pb(0.95)=Cu(0.95)>Zn(0.90)>As(0.71)>Ni(0.22)>Cr(0.14),对应的浓度增加量分别为820.7%、309.6%、158.6%、158.6%、146.0%、103.4%、24.6%和15%,其中Cd和Hg浓度的增加幅度非常显著。Cd元素往往伴生于各种类型的矿床,如铜矿、锌矿、铅锌矿和金矿等^[19-20],这可能导致矿区土壤Cd的大量累积。也有研究表明,在煤矿、含硫矿物等开采过程中,会加快岩石风化速度,导致岩石中的Cd进入土壤^[21-22]。此外,很多矿石中都含有微量的Hg,随着矿山开采,Hg释放到周围土壤。此外,洗矿废水中的Hg可能会迁移到附近的水体和土壤,导致矿山周边土壤Hg累积较多。

矿区土壤重金属污染来源研究表明,矿山开采及加工活动产生的粉尘沉降,也是矿区周边土壤中Cd和Hg累积的重要原因^{[23⇓⇓⇓-27]}。对于Cr和Ni而言,其在矿区周边土壤累积较少,平均含量均低于农用地土壤污染风险管控标准(GB 15618—2018)中的风险筛选值。

2.2 基于Meta分析的重金属污染特征

2.2.1 不同区域重金属污染特征

经计算,矿区周边土壤重金属的整体异质性Q=601 207.92,p<0.05,8种重金属的 I^2值均大于75%,说明数据的异质性很强,因此,需进行分组分析。本文分别从矿山地理区域分布和矿种类型两个角度分析土壤重金属分布特征。

根据我国地理区划,将数据分为华北(52条)、东北(125条)、华东(235条)、中南(273条)、西南(183条)和西北(108条)6组,其Meta分析结果如图2所示。6个地区土壤重金属的平均效应值(ES₊)均大于0,其顺序为中南地区(1.35)>西南地区(1.03)>华东地区(0.92)>华北地区(0.77)>东北地区(0.65)>西北地区(0.48)。其中,中南和西南地区超过了全国矿区周边土壤重金属的综合效应值(0.97),与当地土壤背景值相比,其重金属浓度相对增加率(PI)分别为285.7%和180.1%。华东、华北、东北和西北地区矿区周边土壤重金属浓度增加相对较少,分别为150.9%、116.0%、91.5%和61.6%。由于中南和西南地区有色金属矿产资源丰富,且矿山开采活动频繁,因此,中南和西南地区矿区周边土壤重金属富集程度更高,重金属污染情况更严峻^[28]。由于成土母质情况差异,不同区域土壤重金属的背景值差异较大,如西南地区重金属元素的土壤背景值普遍略高,而东北地区则偏低,这也是导致不同地区污染情况差异较大的重要原因^[29-30]。另外,西南地区山地、盆地较多,气候湿热,土壤酸化严重,有利于重金属在土壤中迁移。

进一步分析不同区域土壤重金属累积的情况,如图3所示,矿山开采显著增加周边土壤重金属的浓度,尤其是Cd和Hg。中南和西南地区Cd的平均效应值最高,分别为2.92和2.70,对应的Cd浓度增加率分别为1 754.1%和1 388.0%。Hg污染最严重的为西南地区,效应值为2.78,对应的Hg增加率为1 511.9%。西南地区中,贵州省属于含Hg带中心,省内Hg资源丰富,Hg污染最为严重,如被誉为“中国汞都”的铜仁市内某汞矿周边农田土壤中Hg含量均值高达20.2 mg·kg^-1,且88.7%的点位土壤Hg含量超过农用地污染土壤污染风险管控值^[31]。同时,贵州省基岩富含石灰石和白云石,矿石煅烧也导致矿区Hg浓度较高^[32]。此外,西北地区Hg效应值也较高,为1.62,对应的Hg增加率为405.3%,西北地区Hg污染严重的原因可能是煤炭的大量燃烧^[33],以及西北地区金矿资源较为丰富,如陕西小秦岭金矿、青海大柴旦金矿、甘肃柴家庄金矿等,采用混汞法炼金等造成矿区土壤Hg累积^[34-35]。不同区域Cr和Ni平均效应值的置信区间均包含0,表明土壤Cr和Ni含量与当地背景值差异不显著,因此,矿山开采对矿区周边土壤中Cr和Ni的浓度累积影响不显著。对于其他4种重金属,在不同区域均有不同程度的累积,如As在中南和华北矿区周边土壤增加率分别为194.5%和375.9%,Zn在西南和中南地区增加率分别为188.6%和357.2%,Cu在中南和华东地区增加率分别为256.1%和200.4%,Pb在中南和华北地区增加率分别为352.7%和249.0%。

2.2.2 不同矿种重金属污染特征

基于筛选的文献将矿种分为多金属矿(143条)、煤矿(318条)、铅锌矿(148条)、金矿(63条)、铁矿(60条)、铜矿(39条)、锰矿(35条)、汞矿(10条)、钼矿(15条)、锡矿(25条)和石墨矿等其他类型矿(67条)共11种类别,另有29条未注明矿产类别的尾矿数据不纳入分析,最终的Meta分析结果如图4所示。不同类型矿山周边土壤重金属的平均效应值(ES₊)的大小顺序为汞矿(1.58)>铅锌矿(1.54)>锡矿(1.33)>多金属矿(1.22)>铜矿(1.14)>金矿(1.10)>钼矿(1.06)>锰矿(1.05)>其他(0.98),其平均效应值均超过了全国矿区周边土壤重金属的总体平均效应值(0.97),相应的重金属浓度相对增加率(PI)为166.4%~617.1%,可见各种铅锌矿、多金属矿、铜矿、金矿、汞矿、钼矿、锰矿、锡矿以及包含石墨矿等的其他矿种的矿区周边土壤重金属污染风险都较高,须引起足够重视。煤矿和铁矿的平均效应值为0.51和0.31,对应的重金属浓度相对增加率为66.5%和36.3%,增加率虽然不多,但也需加强重金属污染防控。

进一步分析矿种类型对土壤重金属累积的影响,发现部分数据置信区间较大,可信度较低,因此,剔除该部分数据,最终保留数据可信度较高的矿种,进行重金属累积影响分析,如图5所示。对Cd而言,效应值(ES₊)较大的矿种分别为铅锌矿(3.44)>多金属矿(3.03)>锰矿(2.41)>其他(2.07)>铜矿(1.93)>金矿(1.70),对应Cd相对增加率(PI)范围为447.4%~3 018.7%,这是由于上述矿山中都存在伴生性Cd元素,开采过程中Cd元素会被释放并进入土壤中。相较之下,煤矿和铁矿对Cd的累积影响较小。对Hg而言,铅锌矿、其他类型矿、金矿和煤矿对其累积作用较为显著,对应的Hg相对增加率范围为232.0%~548.8%。多金属矿的开采使得土壤中Cu、Pb、Zn和As的含量显著增加,金矿的开采使得土壤中Hg、Pb、As和Cu的含量显著增加。铅锌矿山周边Pb、Zn、Cd、Cu和Hg等重金属含量明显高于其他类型矿山,这是因为铅锌矿冶炼过程中排放的废水中会携带大量的Pb、Zn、Cd、Cu和Zn等伴生重金属^[36⇓-38]。煤矿的开采对Cd、Cu、Hg和Zn的浓度有一定程度的影响,对As、Cr、Ni和Pb几乎无影响,相较其他类型的金属矿山开采,煤矿周边重金属累积很少,Xiao等^[39]也发现煤矿周边土壤中存在一定的Cd、Hg和Zn污染。铜矿开采显著增加了矿区周边土壤中Cu和Cd的含量。包括石墨、硫铁矿等的其他类型矿山、多金属矿和金矿开采在一定程度上会增加矿区周边土壤中重金属Cr的含量,其他类型的矿种对Cr和Ni的浓度增加几乎无影响。Zhong等^[40]基于东部地区58个金属矿周边的420个土壤样品,也发现不同类型矿山的污染类别不同。但由于文献数据有限,对于少部分区域,Meta统计分析的结果无法反映某些特殊点位的污染状况,如新疆卡拉麦里山南部煤矿区周边土壤中Cr相较于当地土壤背景值,超标率大于70%^[41],湖北省大冶铁尾矿区周边土壤Ni含量为土壤背景值的6.8倍^[42]。在此部分,Meta分析未列入尾矿,尾矿和矿渣中含有大量重金属元素,如Cd、Cu、Pb和Zn等,随着尾矿或矿渣的风化、侵蚀,重金属可迁移到周边土壤^[24,43]。王海涛等^[44]研究发现尾矿类型不同,重金属污染物的种类也存在较大差异,如黑色金属尾矿污染物以Cd、Pb和Zn等重金属为主,有色金属尾矿和稀有金属尾矿通常伴生多种重金属元素,其重金属污染物种类较多,主要为Pb、Zn、Hg、Cd和As等。

2.3 矿区周边土壤重金属污染风险评价

2.3.1 地累积指数评价

全国矿区周边土壤重金属地累积指数(I_geo)评价的结果见表4。由表可知,土壤重金属I_geo平均值由高至低的排序为Cd(2.64)>Hg(1.6)>Cu(0.86)>Pb(0.82)>Zn(0.78)>As(0.44)>Ni(-0.21)>Cr(-0.41)。其中,土壤Cd污染达到中度污染等级(2≤I_geo<3),Hg污染等级为轻度(1≤I_geo<2),Cu、Pb、Zn和As污染等级处于轻微污染(0≤I_geo<1),Ni与Cr为无污染等级(I_geo<0)。对于不同位点土壤Cd的I_geo值,达到严重污染、重度污染和偏重污染等级的占比分别为14.9%、13.5%和18.2%,土壤中Hg的I_geo达到偏重及以上污染等级的比例为27.2%,进一步说明Cd和Hg的污染位点较多,污染最为严重。土壤中As、Cu、Zn和Pb达到严重污染的占比都处于3%以下,其污染相较于Cd和Hg较低。土壤中Cr和Ni污染情况并不严重,主要在少数位点存在一定的污染。Shi等^[45]对我国1977—2020年期间发表的土壤重金属污染的文献数据进行分析,发现土壤中Cd、Hg和Cu的I_geo值均大于0,达到轻度污染水平,且重金属I_geo值高的样品大多出现在矿区,与本文研究结果相吻合。

2.3.2 潜在生态风险评价

矿区周边土壤重金属潜在生态风险评价的统计结果见表5。由表可知,土壤重金属潜在生态风险指数(ER)的平均值由高到底的排序为Cd(1 147.91)>Hg(738.99)>As(53.64)>Pb(40.64)>Cu(31.01)>Ni(10.72)>Zn(6.88)>Cr(3.10)。其中,土壤Cd和Hg的潜在生态风险最高,属于极高风险。对于不同位点土壤重金属的ER值,土壤Cd达到极高风险和非常高风险的比例分别为48.6%和14.9%,土壤Hg的ER值达到极高风险和非常高风险的占比分别为31.8%和16.7%,可见,全国矿区土壤Cd和Hg的潜在生态风险等级较高的土壤位点所占比例较大。同样,Shi等^[3]对我国2002—2020年间发表的矿区土壤Cd文献数据,发现大部分位点土壤Cd的潜在生态风险也处于高风险及以上。由Meta分析结果可知,矿山开采导致矿区周边土壤中Cd和Hg大量累积,且二者的毒性系数较大^[11],因此,Cd和Hg的潜在生态风险非常高。Cr、Ni和Zn的ER值的平均值都小于40,属于低风险等级,其占比都高于95%。Zn的毒性响应系数较小,为1,对应的潜在生态风险更低。矿山开采对Cr和Ni的浓度增加影响较小,且二者毒性响应系数也较小,因此Cr和Ni潜在生态风险非常低。因此,需加强对矿山周边土壤中Cd和Hg生态风险防控。

3 结论

(1)矿山开采在不同程度上显著增加了矿区周边土壤中Cd、Hg、Pb、Cu、Zn、As、Ni和Cr的浓度,其中,Cd和Hg的累积最为显著。对比之下,Cr和Ni累积相对较少。矿床存在伴生性Cd和Hg,以及矿山开采、加工或冶炼中产生的废水、废气和废渣中含有高浓度的Cd和Hg等是土壤中Cd和Hg累积的重要原因。

(2)从地区来看,中南和西南地区重金属累积明显,西南、中南和华东地区矿山周边土壤中Cd、Hg、Zn、Pb和Cu的含量增加较为显著,华北和东北地区的Cd和As、西北地区的Cd和Hg增加较为显著。

(3)从矿种类型看,铅锌矿、多金属矿、铜矿、金矿、汞矿、钼矿、锰矿、锡矿和包含石墨矿等的其他矿种矿区周边土壤重金属累积超过全国平均值,铅锌矿开采会使得Cd、Hg、Pb和Zn显著累积,金矿开采对As、Hg和Pb累积显著,铜矿开采对Cu和Cd累积显著,石墨、硫铁矿等其他矿种对Cd和Cu的含量累积显著,各类型矿对Ni和Cr的累积影响都较小。

(4)矿区周边土壤Cd污染总体上达到中等,Hg达到轻微污染。土壤Cd和Hg污染已达到极高潜在生态风险。因此,亟需加强对Cd和Hg等重金属的管控,同时,重点关注中南和西南地区的汞矿、铅锌矿、锡矿和多金属矿等矿区重金属污染防控。

参考文献

[1] 李如忠, 刘宇昊, 黄言欢, 铜陵某废弃硫铁矿区土壤重金属污染特征及来源解析[J]. 环境科学, 2024, 45(1): 407-416.

[2] LIU H, QU M, CHEN J, et al. Heavy metal accumulation in the surrounding areas affected by mining in China: spatial distribution patterns, risk assessment, and influencing factors[J]. Science of the Total Environment, 2022, 825: 154004.

[3] SHI J, DU P, LUO H L, et al. Soil contamination with cadmium and potential risk around various mines in China during 2000-2020[J]. Journal of Environmental Management, 2022, 310: 114509.

[4] SMITH G D, EGGER M. Meta-analysis: unresolved issues and future developments[J]. British Medical Journal, 1998, 316(7126): 221-225.

[5] GATTINGER A, MULLER A, HAENI M, et al. Enhanced top soil carbon stocks under organic farming[J]. Proceedings of the National Academy of Sciences of the United States of America, 2012, 109(44): 18226-18231.

[6] TIAN K, ZHAO Y C, XU X H, et al. Effects of long-term fertilization and residue management on soil organic carbon changes in paddy soils of China: a meta-analysis[J]. Agriculture, Ecosystems and Environment, 2015, 204: 40-50.

[7] 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.

[8] BAI Z G, BING Q, GONG R R, et al. Evidence based social science in China Paper 4: the quality of social science systematic reviews and meta-analysis published from 2000-2019[J]. Journal of Clinical Epidemiology, 2022, 141: 132-140.

[9] 吴泰相, 刘关键, 李静. 影响系统评价质量的主要因素浅析[J]. 中国循证医学杂志, 2005, 5(1): 51-58.

[10] 贾莲, 刘盼盼, 吕琳琳, 鞍山某铁矿区土壤重金属污染评价[J]. 矿产保护与利用, 2018(4): 118-123.

[11] HAKANSON L. An ecological risk index for aquatic pollution control. A sedimentological approach[J]. Water research, 1980, 14(8): 975-1001.

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

[13] HUANG Y, WANG L Y, WANG W J, et al. Current status of agricultural soil pollution by heavy metals in China: A meta-analysis[J]. Science of the Total Environment, 2019, 651: 3034-3042.

[14] 刘宏波. 全国矿区周边土壤重金属浓度变化分析与风险评价[D]. 赣州: 江西理工大学, 2022.

[15] 晏利晶, 姜淼, 赵庆良, 基于Meta分析的中国工矿业场地土壤重金属污染评价[J]. 环境科学研究, 2023, 36(1): 9-18.

[16] 范振林, 马正己. 中国矿业高质量发展问题探讨[J]. 中国国土资源经济, 2022, 35(8): 17-26.

[17] 周润杰. 鄂东矿集区岩浆岩成矿差异性研究及其找矿勘查意义[D]. 武汉: 中国地质大学(武汉), 2022.

[18] 唐小平, 冯治汉, 刘生荣, 西北地区区域地球物理调查工作现状与展望[J]. 西北地质, 2022, 55(3): 191-199.

[19] 孙丽娜, 金成洙. 猫岭: 王家崴子金矿区伴生元素的分布特征[J]. 辽宁地质, 2001, 18(1): 34-37.

[20] 袁珊珊, 肖细元, 郭朝晖. 中国镉矿的区域分布及土壤镉污染风险分析[J]. 环境污染与防治, 2012, 34(6): 51-56, 100.

[21] YU C X, PENG B, PELTOLA P, et al. Effect of weathering on abundance and release of potentially toxic elements in soils developed on Lower Cambrian black shales, P. R. China[J]. Environmental Geochemistry and Health, 2012, 34(3): 375-390.

[22] 莫斌吉, 雷良奇, 黄祥林, 镉在硫化矿尾矿中的地球化学行为及其污染防治[J]. 有色金属(矿山部分), 2014, 66(2): 34-38.

[23] DUAN J C, TAN J H. Atmospheric heavy metals and Arsenic in China: situation, sources and control policies[J]. Atmospheric Environment, 2013, 74: 93-101.

[24] 卢小慧, 余方中, 范一鸣, 三门峡某铅厂遗留场地土壤重金属空间分布特征及来源解析[J]. 环境科学, 2023, 44(3): 1646-1656.

[25] 孙小丽, 阿不都艾尼·阿不里, 哈力旦·艾赛都力, 基于PMF模型的五彩湾矿区土壤重金属污染空间分布与来源解析[J]. 中国矿业, 2022, 31(11): 62-70.

[26] 张旺, 高珍冉, 邰粤鹰, 基于APCS-MLR受体模型的贵州喀斯特矿区水田土壤重金属源解析[J]. 农业工程学报, 2022, 38(3): 212-219.

[27] 张骁勇. 尤溪铅锌矿区重金属的迁移和分布研究[D]. 福州: 福建农林大学, 2012.

[28] KAN X Q, DONG Y Q, FENG L, et al. Contamination and health risk assessment of heavy metals in China’s lead-zinc mine tailings: a meta-analysis[J]. Chemosphere, 2021, 267: 128909.

[29] CHEN H, TENG Y, LU S, et al. Contamination features and health risk of soil heavy metals in China[J]. Science of the Total Environment, 2015, 512: 143-153.

[30] 张迪, 周明忠, 熊康宁, 贵州遵义下寒武统黑色页岩区土壤重金属污染和人体健康风险评价[J]. 环境科学研究, 2021, 34(5): 1247-1257.

[31] 李秀华, 赵玲, 滕应, 贵州汞矿区周边农田土壤汞镉复合污染特征空间分布及风险评估[J]. 生态环境学报, 2022, 31(8): 1629-1636.

[32] FENG X B, QIU G L. Mercury pollution in Guizhou, Southwestern China: an overview[J]. Science of the Total Environment, 2008, 400(1/2/3): 227-237.

[33] 朱林宇. 胶东金矿区土壤重金属时空变异及来源解析研究[D]. 济南: 山东师范大学, 2022.

[34] 戴前进. 中国混汞法采金地区汞的环境地球化学研究: 以陕西潼关为例[D]. 贵阳: 中国科学院研究生院(地球化学研究所), 2004.

[35] 张刚, 王宁, 王艺, 中国金矿开采区环境汞污染[J]. 环境科学与管理, 2012, 37(11): 54-60.

[36] 雷力, 周兴龙, 文书明, 我国铅锌矿资源特点及开发利用现状[J]. 矿业快报, 2007, 23(9): 1-4.

[37] 吴汉福, 田玲, 邓红江, 贵州某铅锌矿区土壤重金属污染评价[J]. 六盘水师范学院学报, 2016, 28(4): 18-22.

[38] 张振磊, 袁建平, 吴丹, 海南昌化铅锌矿废弃地重金属污染评价及其空间分布特征[J]. 湖北农业科学, 2016, 55(12): 3031-3035.

[39] XIAO X, ZHANG J X, WANG H, et al. Distribution and health risk assessment of potentially toxic elements in soils around coal industrial areas: A global meta-analysis[J]. Science of the Total Environment, 2020, 713: 135292.

[40] ZHONG X, CHEN Z W, LI Y Y, et al. Factors influencing heavy metal availability and risk assessment of soils at typical metal mines in Eastern China[J]. Journal of Hazardous Materials, 2020, 400: 123289.

[41] 唐梦迎, 夏楠, 陈丽. 荒漠矿区琵琶柴重金属富集特征及污染评价[J]. 西南农业学报, 2022, 35(6): 1393-1400.

[42] 李小刚, 占长林, 王路, 大冶铁矿尾矿库区土壤重金属垂直分布特征及污染评价[J]. 湖北理工学院学报, 2017, 33(3): 28-33.

[43] 韩松豪, 马艳. 浅谈金属尾矿资源的危害及二次开发利用[J]. 黑龙江科技信息, 2017(8): 42.

[44] 王海涛, 田玮, 岳昌盛, 金属尾矿土壤重金属污染及修复技术研究现状[J]. 中国资源综合利用, 2022, 40(5): 127-131.

[45] SHI J D, ZHAO D, REN F T, et al. Spatiotemporal variation of soil heavy metals in China: the pollution status and risk assessment[J]. Science of the Total Environment, 2023, 871: 161768.

基金资助

湖北省国际科技合作计划项目(2023EHA011)

湖北省高等学校哲学社会科学研究重大项目(22ZD048)