土壤环境基准的科学问题与研究方法:以Cd为例

Scientific issues and research methods of soil environmental standards: A case study on cadmium

摘要

土壤环境基准是土壤环境质量标准制定的科学依据和基础。环境基准是土壤环境保护研究的前沿领域,涉及土壤环境化学、环境毒理学、生物学和风险评估等多学科交叉与基础性科学问题,了解和解决其所涉及的这些科学问题,是土壤环境基准研究的前提。本文针对土壤环境基准研究中影响重金属毒性阈值的非生物因子、生物因子、剂量-效应关系测定中等几个关键科学问题进行了阐述,包括土壤老化因子与淋洗因子的矫正,低剂量刺激效应拟合及毒性数据归一化方法等,最后以农田土壤Cd为例,推导出不同性质土壤中Cd环境基准(HC₅)及其与土壤性质的连续性分布曲线方程(LogHC₅=0.132pH+0.083OC+0.008CEC-1.448),以期为农田土壤环境指标基准的研究提供参考与借鉴。

关键词

土壤环境质量 / 土壤环境基准 / 土壤污染 / 重金属 / 毒性阈值

Key words

Soil environmental quality / Soil environmental benchmarks / Soil pollution / Heavy metals / Toxicity threshold

0 引言

科学的土壤环境基准是制定土壤环境质量标准的基础,是杜绝土壤环境“过保护”和“欠保护”现象发生的前提,也是土壤环境质量与环境风险评价、土壤环境管理和相关政策法规制订的重要依据,对国家环境安全和社会经济可持续发展有重要的战略意义。环境标准的建立和严格实施,在一定程度上反映了一个国家的科技发展水平和法制健全状况,国际社会已将环境基准的研究作为反映国家环境科学水平的标志之一。目前,世界上80多个国家和地区制定了较完善的大气和水环境标准体系,但土壤环境质量标准的制定却相对滞后^[1-2]。根据敏感受体不同,土壤环境基准的研究可以分为:(1)保护人体健康的土壤环境基准;(2)保护生态安全的土壤环境基准;(3)保护农产品安全的土壤环境基准;(4)保护水体安全的土壤环境基准。由于种植结构和饮食结构的差异,国际上大多国家未单独开展保护农产品安全的土壤环境基准研究工作,而是普遍考虑保护人体健康的土壤环境基准、保护生态安全的土壤环境基准和保护水体安全的土壤环境基准3类,在保护人体健康的土壤环境基准研究中,将农用地或摄食农产品途径产生的暴露风险考虑在内。在土壤环境质量标准应用方面,世界多数国家都有针对工业园区和建设用地的土壤环境质量标准,但针对农用地土壤环境质量标准的研究相对滞后,目前只有少数国家和地区制定了农用地土壤环境质量标准,如中国、英国、加拿大、荷兰、德国、日本、奥地利、比利时、波兰、捷克、韩国、欧共体及中国台湾地区等。由于土壤生态系统的复杂性及各国(地区)对土壤重金属人体暴露和生态保护认知程度及赋予的重要性不同,导致世界各国土壤重金属的环境质量标准间存在较大差异(图1)。以农用地土壤镉(Cd)环境质量标准为例^[3],世界32个国家和地区农用地土壤Cd环境质量标准为0.2~20.0 mg/kg,如比利时瓦隆地区农用地Cd标准为0.2 mg/kg,德国草地土壤Cd标准值最大为20 mg/kg,而我国农用地土壤Cd环境质量标准筛选值为0.3~0.8 mg/kg。虽然各国在基准研究过程中所采用的方法学类似,但最终研究建立的土壤环境基准并不相同,这主要与因国而异的用地方式、土壤性质差异、敏感受体选择与毒理学参数的本土化程度差异等因素有关。本文针对目前农用地土壤环境基准研究中存在的科学问题与研究方法进行了论述,在此基础上,以Cd为例进行了农用地土壤Cd环境质量基准的研究,以期为农用地土壤环境质量基准的研究提供借鉴。

1 土壤环境基准研究中几个关键科学问题

从图1可以看出,各国土壤中8种重金属的土壤背景值含量及对应的土壤环境质量标准值交叉区域有很大差异,那么当土壤中重金属含量超过背景值是否意味着土壤被污染?这取决于不同国家(地区)土壤环境基准制订中对敏感受体(测试终点)选择、重金属毒性数据测定、受试物种保护比例等多因子。以重金属为例,基于保护人体健康(包括农产品质量安全)与生态安全的土壤环境基准制订方法主要包括:土壤重金属毒性数据收集与评价、毒性数据选择与归一化、毒性数据种间外推及土壤环境基准的推导计算和验证等。由于土壤性质及敏感受体选择的差异性,导致土壤中重金属毒性数据及环境质量基准的不同,影响土壤环境基准制订的关键科学问题包括:

1.1 土壤重金属毒性阈值(EC_x)的非生物影响因子

生物毒性测试是表征土壤中重金属毒性阈值最直观的标准方法,但土壤中重金属的毒性(阈值)测试结果受多因子影响。影响土壤中重金属毒性非生物因子主要包括土壤理化性质、重金属赋存形态、重金属在土壤中的老化作用、淋洗因子及元素间相互作用等。

1.1.1 土壤性质的影响

确定土壤中重金属毒性阈值(EC_x)是建立土壤环境质量基准的基础。土壤中重金属的生物有效性取决于其在土壤环境中的反应行为和归属,重金属的毒性(有效性)与其在土壤中的形态组成密切相关。控制土壤中形态与有效性转化的过程包括吸附/解吸、沉淀/溶解、氧化/还原、络合/螯合及生物过程等^[4-5],土壤pH、阳离子交换量(CEC)、黏粒与土壤有机质含量等是影响重金属毒性与生物有效性的重要因子,选择具有广泛代表性的不同性质土壤开展重金属的毒性阈值测定,并研究不同土壤性质对重金属毒性阈值的影响,对提高土壤环境基准的科学性及其在不同性质土壤中的适应性具有重要意义。

1.1.2 土壤老化因子

实验室短期条件下基于外源添加法获得土壤重金属的生态毒理数据是建立土壤环境质量基准的主要方法,该方法通过土壤重金属浓度与生物体(包括土壤动物、植物、微生物及酶活等)效应之间剂量-效应关系计算出重金属毒性阈值,毒性阈值通常以受试生物个体(测试终点)对土壤重金属毒性10%效应浓度(EC₁₀)、半数抑制浓度(EC₅₀)或基于农产品质量安全的土壤中重金属限量值进行表示。生物测试能较准确地表征土壤中重金属的毒性,但由于急性毒性测试中,外源添加的重金属在不同性质土壤中的反应过程及老化效应各不相同,短期外源添加重金属生物毒性测试方法往往高估了重金属的生物毒性。不同形态外源金属在进入土壤后,通常在短时间内完成固-液分配及胶体表面吸附,随着时间的延长,逐渐完成由微孔扩散、表面沉淀-共沉淀(或共絮凝)所导致的固相包裹或晶格固定等老化过程,从而导致重金属的生物有效性逐渐降低^[6-7]。因此,开展不同性质土壤中重金属老化因子(Aging Factor, AF,定义为老化与非老化土壤中重金属对受试生物毒性阈值之比)及其对实验室重金属毒性阈值进行矫正研究,是土壤环境质量基准研究中需要解决的重要科学问题之一。

1.1.3 土壤淋洗因子

通过实验室外源添加法进行土壤重金属生物毒性测试,在此基础上进行剂量-效应关系测定,以获得测定终点对土壤中重金属毒性值EC_x(x=10, 50)和无效应浓度PNEC是土壤环境基准常用研究方法^[8]。在基于生态风险的土壤环境质量基准研究中,根据元素及测试的受体不同,外源添加金属盐的浓度差异很大,不同添加浓度的金属盐中伴随阴离子往往放大了金属的毒性^[8],为了矫正伴随阴离子对土壤中重金属毒性的影响,往往通过模拟人工雨水方法对制备的重金属污染土壤进行淋洗处理,以获得不同性质土壤中重金属的淋洗因子(Leaching Factor,LF,定义为淋洗与非淋洗土壤重金属对受试生物毒性阈值之比)。淋洗因子大小取决于元素种类和土壤性质(图3),从图3可以看出,淋洗处理通常可以有效降低伴随阴离子对金属的毒性(淋洗因子LF>1.0)。

1.2 影响土壤重金属毒性阈值的生物因子

除了土壤性质等非生物因子外,不同的受体(个体、种群)、评价终点(如不同生理生化指标、基因、分子水平测试终点等)以及微生物对污染土壤中重金属胁迫反应的适应性等,是影响土壤环境质量基准测定的主要生物因子^[1,9]。针对有限物种开展生物毒性阈值测定,并将其用于估算土壤生态系统的参数是环境风险评价的基础。不同测试物种及相同物种的不同评价终点的毒性阈值间具有很大差异,在保护目标范围内需选择尽可能多的物种毒理数据,选取合适的生态受体及评价终点是制订土壤环境质量基准的关键科学问题之一。生态物种及评价终点的选择需符合以下原则:(1) 生态相关性;(2) 受暴露敏感性:相同物种的不同测试终点,根据保护目标,选择敏感性指标进行测试;(3) 具有一定经济价值;(4)实验室易培养和毒性测定;(5)服务于特定的土壤管理目标。美国环保署( USEPA) 在制订土壤生态筛选值( Eco-SSLs) 时,选取植物、土壤无脊椎动物、微生物及其生化活动、哺乳动物、鸟类、爬行动物、两栖动物等7 种生态受体;加拿大在制订农业用地土壤环境质量指导值( Environmental Soil Quality Guidelines,ESQG) 时考虑的主要生态受体为农作物、土壤微生物、无脊椎动物、牧场牲畜、养殖家禽及本地野生动植物等^[3,10]。我国是一个农业大国,制定的农用地土壤环境基准首先要确保我国农产品质量安全,其次,土壤的生态功能对保障农产品安全生产起到重要作用,因此,生态受体除不同作物外,在条件允许的情况下应该开展土壤无脊椎动物、微生物和酶活性作为测试终点在土壤环境质量基准推导中的应用。

1.3 低剂量刺激效应

剂量-效应关系是进行毒理学风险评估与土壤环境基准制定的最基本原理。然而在一些剂量-效应关系测定中,污染物在低浓度时表现出对生物生长的刺激作用,在高剂量时则表现出了对生物生长的抑制作用,这种刺激效应涉及物种包括土壤动物、植物和微生物,以及不同测试终点,包括生物的生存、生长、繁殖、基因表达和酶活性等^[11]。低剂量毒物刺激作用是在毒物剂量-效应关系中,低剂量毒物可能表现出对生物生长的一种刺激作用,表现为与对照值相比,生物的生理或胁迫适应性增强,但随着毒物暴露浓度的提高,这种刺激作用会被抑制效应所替代^[11]。长久以来,在毒物毒性测定实验的设计上人们只注重高剂量的反应,很少关注低剂量下的反应,当出现毒物低剂量刺激效应时,结果虽然可以重复,但由于不符合传统模型而被视为错误的结果,或被作为生物学不相关的随机变异而被忽略不计,从而忽视了客观存在的毒物刺激作用,造成了土壤环境基准推导结果的偏差^[12]。既然已经证实毒物刺激作用是一种客观存在现象,那么对于毒物毒性数据的分析就需要功能强大的统计分析模型来检验刺激作用是否存在以及预测出现毒物刺激作用时的特殊剂量。目前,针对低剂量刺激效应在毒性阈值(EC_x)测定中的应用模型主要包括:

(1)对数Log-logistic 模型^[11]:

(1)R[Y|x]=δ+ \frac{\alpha -\delta }{1+\theta exp\left[\beta \mathrm{l}\mathrm{n}\right(x\left)\right]}

式中:R[Y|x] 代表了在剂量为x 时的平均反应;α和δ分别是拟合曲线的反应上限值和下限值;参数θ和β分别与曲线的斜率及曲线的拐点有关。

(2)毒物刺激作用模型(Brain-Cousens模型):

(2)R[Y|x]=δ+ \frac{\alpha -\delta +\gamma x}{1+\theta exp\left[\beta \mathrm{l}\mathrm{n}\right(x\left)\right]}

方程中各参数含义同上。其中γ是低剂量下反应初始速率增加的度量。由于方程是非线性的,通常用非线性回归来拟合实验的数据,从而给出包括γ在内的各参数的估计值及相应的标准偏差和置信区间。当毒物测定数据出现低剂量刺激效应时,可以用SAS,SPSS,Tablecurve及Origin 等统计软件进行模型(2)的拟合。

1.4 毒性数据归一化方法

污染物对不同物种的毒性数据是土壤环境基准推导的基础,但这些数据的获得是基于不同的毒性测定条件,包括实验目的、实验条件及土壤性质差异等。中国土壤性质复杂多样,不同区域及不同类型土壤性质差异较大,在污染物毒性数据收集与筛选中,对于文献中众多不同来源和表达形式的基础毒性数据,需要进行归一化处理,以使在土壤环境基准的推导过程中,能够充分利用当前已有的科研成果,避免不必要的重复研究和科研资源浪费^[1,12]。毒性数据的归一化处理是土壤环境基准研究中一项十分重要而又复杂的工作,涉及的变量很多,如土壤中重金属不同有效态与总量的统一问题、土壤性质(有机质、黏粒、pH和CEC 等)、植物不同生育期、重金属土壤老化时间、淋洗因子及土壤复合污染等,如何把涉及诸多变量的文献毒性数据采用土壤重金属的生物毒害模型进行归一化处理,是土壤环境基准研究需解决的重要科学问题之一。

1.5 毒性数据种间外推模型

毒性数据的相对缺乏是影响土壤环境基准科学性的主要限制因素之一,而种间外推模型可以通过有限物种的毒性数据预测更多物种毒性数据,从而获取更多物种毒性数据用于土壤环境基准推导。基于有限物种的毒理学数据通过数理统计方法推导出保护整个生态系统的浓度阈值,从而制定基于风险的基准值已成为当前土壤环境基准制订的主流方法^[10,12]。目前用于推导土壤环境基准的种间外推方法主要有评价因子法和统计外推法。对于毒性数据缺乏或数据较少的污染物,常采用评价因子法。评价因子法属于经验方法,是土壤环境基准研究中最简单的一种方法,该方法采用敏感物种的毒性值除以相应的评价因子,得到最终土壤基准值。评价因子法由于毒性数据较少,难以反应重金属在整个土壤生态水平上的毒性效应,属于临时性基准。在毒性数据达到一定数量并满足模型要求时,通常采用统计外推模型^[13]。统计外推模型主要有物种敏感度分布法(Species Sensitivity Distribution, SSD)、种间外推预测(Interspecies Correlation Estimations, ICE)模型、毒性百分数排序法(Toxicity Percentile Rank, TPR)等^[14]。对于应该采用以上哪种方法进行基准推导国际上并没有统一规定。ICE模型最初是由US EPA 开发的一种预测毒性数据的方法,经过不断升级发展,推出了Web-ICE在线预测平台,用于预测水生生物、野生生物以及濒危物种的毒性值。由于慢性毒性数据相对较少,ICE模型的不确定性相对较大。目前,SSD模型是国际上推导基准中常用的种间外推方法,通过对所获得的毒理学数据进行处理,利用Log-normal、Log-logistic、Weibull及Burr III等函数拟合物种敏感性分布曲线,再逆推得到保护一定比例物种的毒性值作为基准值。SSD法既可从污染物环境浓度出发,计算潜在影响比例PAF (Potential affected fraction),用以表征生态系统或者不同类别生物的生态风险,亦可反向定义危害浓度(HC_p)。农用地通常以HC₅作为危害浓度值,即保护农田生态系统中95%的生物物种(相对)安全。

2 农田土壤Cd环境基准研究

农田土壤是农业生产的基础,是维持国家粮食安全和农产品供应的基础;其次,农田也是重要的生态系统,农田土壤环境质量对维持农田土壤生态功能、保护水质与生物多样性等具有重要作用。以保护人体健康(农产品质量安全)与生态系统为目标而确定的土壤污染物基准,是制定农田土壤环境质量标准的基础依据。我国现行的农田土壤环境质量标准(GB 15618—2018)^[15]是在基础数据不很完备的条件下制(修)订的,主要以保护水稻、小麦、玉米和蔬菜等作物等物种为主,对其他具有生态功能敏感性的物种考虑较少,如对农田土壤生态功能密切相关的土壤动物及微生物的生态毒性研究相对缺乏。本研究以生态相关性、毒性敏感性、经济性及服务于农田土壤主要功能为原则,以不同作物为主要生态物种,兼顾土壤动物、微生物等重要生态受体,通过实验室土壤Cd剂量-效应关系测定,结合文献毒性数据,建立基于我国农产品Cd限量标准(GB 2762—2022)^[16]的不同作物土壤Cd安全阈值,结合土壤Cd生态受体的毒性阈值(EC₁₀),利用SSD方法推导出保护95%物种安全的不同性质土壤Cd环境基准。

2.1 土壤Cd毒性数据测定

2.1.1 供试土壤及Cd污染土壤制备

依据我国区域土壤pH及有机质分布特征,采集了12个不同地区具有代表性的耕层(深度0~20 cm)土壤,对所采集的土样经室内风干后剔除植物残体、根系、石子和碎片等杂物,然后均过2 mm的尼龙筛后,进行土壤理化性质的测定,测定方法参照Yu等的研究^[17]。土壤性质见表1。每种土壤以3CdSO₄·8H₂O溶液添加6个Cd浓度,分别为0、0.3、0.6、1.2、5.0、10 mg ·kg^-1,充分搅拌均匀后平衡14 d后备用。

2.1.2 基于农产品安全的不同作物土壤Cd安全阈值测定

选择不同品种水稻、小麦、玉米及蔬菜(根菜、叶菜)等主要作物进行不同性质土壤中Cd富集系数土壤盆栽实验。外源Cd富集系数(BCF_add)定义为:外源添加Cd条件下作物可食部位Cd的浓度与其对照土壤中Cd浓度的比值,计算公式如下:

(3) BCF_add=(C作物-C对照作物)/
(C土壤-C对照土壤 )

式中:C作物、C对照作物分别是处理和对照下作物可食部分中Cd含量,mg/kg;C土壤、C对照土壤分别是处理和对照下土壤中Cd含量,mg/kg。

2.1.3 基于生态安全的不同测试物种土壤Cd毒性阈值测定

选择不同测试物种(涵盖植物、动物、微生物),开展土壤Cd对受试物种毒性阈值(EC_x)测定。选择大麦根伸长、植物生长(如小白菜、西红柿、黑麦草)评价指标开展植物毒性测试^[17]。基于土壤微生物污染毒性评价指标包括土壤呼吸作用(SIR)、潜在诱导硝化速率(PNR)、土壤酶活性等开展微生物毒性试验。根据土壤动物对不同污染物的敏感性筛选试验结果,采用蚯蚓生物量和跳虫数量等生长毒性抑制指标作为土壤Cd污染动物毒性评价测试终点,实验过程参照Yu等的研究^[17]。

土壤中污染物对不同测试物种毒性的剂量-反应曲线采用Log-logistic函数模型拟合:

(4)y= \frac{y_0}{1+e^{b(x-m)}}

式中:y表示不同测试物种相对数量,%;x表示土壤中污染物的对数浓度;y₀和b表示拟合参数;m为EC₁₀或EC₅₀的自然对数。EC₁₀、EC₅₀及其对应的95%置信区间,由Table Curve 2D V5.01求得。

当土壤中低剂量污染物对不同试验终点产生低剂量毒物刺激效应时,采用Hormesis模型拟合剂量-反应曲线如下:

(5)Y= \frac{a+bX}{1+\left[\frac{k}{100-k}+\left(\frac{100}{100-k}\right)\frac{bc}{a}\right]exp\left(\frac{d\mathrm{l}\mathrm{n}X}{c}\right)}

式中:Y为试验终点相对量,%;X为土壤污染物测定浓度,mg/kg;a、b、c、d表示方程参数;当k为10或50时,参数c定义为EC₁₀和EC₅₀。

2.2 毒性数据筛选与归一化处理

数据来源主要有:(1)实验实测数据;(2)公开发表的文献或报告。

调研并汇总实验实测数据,收集镉的富集数据,同时对获得的数据进行筛选,筛选标准如下:(1)实验有合理的对照;(2)暴露途径均一合理或随机分布;(3)实验中条件控制始终一致;(4)有足够的重复和浓度梯度,便于统计分析;(5)外源添加镉,没有复合污染和其他障碍因子(非土壤性质的影响因子)的影响;(6)无其他明显不合理的因素,如缺少土壤性质、评价终点等。

利用土壤Cd的老化模型归一化毒性数据,利用已有的基于生物有效性或同位素可交换态建立的土壤镉老化模型,将不同时间点、短期的镉的富集数据归一化到某一长期的时间点,以消除实验数据和田间实际污染情况的差异。如果没有老化模型,可以根据镉在土壤中老化的程度(低、中、高)分别乘以不同的老化因子进行数据校正^[18]。

2.3 土壤Cd毒性数据种间外推方法

对于某种测试终点,如果文献资料中没有其生物有效性模型并且已有的数据不足以建立,采用有效性模型在种间外推的方法获得其生物有效性模型^[18]。种间外推时假设土壤性质的影响程度对共用模型的所有物种是相同的,即影响参数及斜率是相同的,各物种对土壤锌毒性敏感性的差异来自于物种本身的固有敏感性(k)。以预测模型获得的预测值与测定值之间的误差和最小为条件进行规划求解获得各个物种对应不同模型的截距(k)。根据优化求解获得的截距及模型中土壤性质参数的斜率计算各物种基于不同模型的预测毒性阈值EC_x。

(6) lg(EC_x)=a×pH+b×lg(CEC/OM/clay)+k

式中:CEC为阳离子交换量,cmol(+)/kg;OM为有机质含量,g/kg;clay为黏土矿物含量,g/kg;a、b为土壤性质参数斜率;k为该测试终点对Cd毒害的固有敏感性指标。

2.4 基于不同评价指标的土壤Cd的毒性阈值

基于上述测定与文献数据筛选结果,本研究共收集我国不同性质土壤中Cd对29个不同物种的毒理学数据,其中包括24种作物和5种土壤生物,其中包括基于农产品质量安全(GB 2762—2022)^[16]测定的土壤Cd毒性阈值(STV)的作物品种24种,基于土壤Cd毒性阈值(EC₁₀,10%抑制浓度)的年土壤生态物种5种,上述不同毒性数据利用土壤中Cd老化因子进行归一化处理,获得土壤Cd对上述不同物种的毒性阈值(表2^{[19⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓-31]},以酸性红壤,中性紫色土和碱性潮土为例),并应用于土壤环境基准HC₅的推导。由表2可见,不同品种水稻、玉米、小麦等,其STV值在红壤范围是0.239~2.33 mg·kg^-1,在紫色土范围是0.175~2.61 mg·kg^-1,在潮土范围是0.330~3.46 mg·kg^-1。所采用的生态物种包括土壤磷酸酶、过氧化氢酶、土壤蚯蚓、跳虫等,其EC₁₀值在红壤范围是0.930~12.9 mg·kg^-1,在紫色土范围是1.19~17.8 mg·kg^-1,在潮土范围是2.22~19.4 mg·kg^-1。总体来看,土壤中Cd毒性阈值随着pH升高而增加,在酸红壤的毒性阈值低于紫色土、潮土,意味着土壤中Cd的毒性随pH的升高而降低。

2.5 利用物种敏感性分布法的土壤环境基准推导

本研究根据函数拟合精度计算等,选择Burr-III函数拟合物种敏感性分布曲线,Burr-III型函数拟合模型方程为

(7)F(x)= \frac{1}{{\left[1+{\left(\frac{b}{x}\right)}^c\right]}^k}

式中:y为累积概率,%;x为毒性值,mg/L;b、c、k为函数的3个参数。

研究采用BurrliOZ统计软件建立基于Log-logistic分布函数的我国红壤、紫色土以及潮土的SSD曲线(图4)。SSD曲线的建立有效表明不同物种对Cd毒害的敏感程度。从图4可看出在不同土壤中物种对Cd毒性敏感性顺序总体变化不大。如蚯蚓、跳虫生长指标等处于曲线的最上部分为对Cd毒害最不敏感的物种,而不同品种水稻、玉米BCF等则是对Cd毒害较为敏感的物种。另外,基于SSD曲线还可反向推算出保护一定种类物种在该地区土壤可接受外源Cd的浓度。国际上常用保护5%的物种的浓度为生态风险安全的基准即(HC₅)。本研究共获得12种不同性质土壤HC₅范围0.13~0.54 mg·kg^-1,其中HC₅在红壤范围是0.13~0.17 mg·kg^-1,在紫色土范围是0.27~0.35 mg·kg^-1,在潮土范围是0.48~0.54 mg·kg^-1,表明HC₅值受土壤性质(pH)影响较大。由图5a可见,随着pH的增大,SSD 曲线逐步向右偏移,HC₅值也随之增加,表明土壤中Cd的毒性降低。因此,本研究通过上述归一化方法,进一步研究土壤性质CEC、OC对SSD曲线影响。如图5b所示, 在pH=7、CEC=10 cmol(+)/kg时,OC含量虽对Cd的SSD曲线有一定影响,但其影响程度较小。图5c表示在pH=7、OC含量为1%时,CEC含量对Cd的SSD曲线影响明显小于pH。可见,pH值是影响我国土壤Cd的HC₅最重要的因子。

将土壤性质参数与HC₅值做多元回归,获得不同性质土壤中Cd环境基准阈值(HC₅):

(8)LogHC₅=0.132pH+0.083OC+0.008CEC-1.448 (R²=0.841, p<0.001)

3 土壤环境基准研究展望

当前,我国土壤污染防控形势严峻,农田土壤污染面广量大,新型污染物及流域性或区域性土壤污染态势凸显,土壤生态环境安全已成为中国可持续发展的制约因素。科学的土壤环境质量基准推导与制定方法对我国农田土壤污染防治、保障农产品质量安全与人体健康具有重要意义。我国现行的农用地土壤环境质量控制标准过于强调统一,由于我国幅员辽阔、土壤性质差异巨大,全国尺度的标准在污染土壤风险管控中的适用性与科学性不足,经常出现“土壤超标而农产品不超标”及“土壤不超标而农产品超标”的现象^[32],这也导致农田污染土壤“过度修复”与“欠修复”现象时常发生,难以支撑污染土壤风险控制与修复要求,为此,我们应在以下几个方面积极开展工作:(1)大力开展基于土壤-水体多要素协同的重金属土壤生态毒理学研究,建立基于土壤环境基准统一方法学和标准体系下的生态毒理学指标数据库,建立我国不同性质土壤重金属毒性阈值数据库;(2)基于土壤发生学性质的区域环境质量基准研究,为地方土壤环境质量标准的制订提供支撑;(3)增加重金属种类:目前世界不同国家和地区土壤环境标准中重金属种类有较大区别,重金属种类最多达到23 项,与美国、澳大利亚、荷兰、加拿大等国的土壤环境标准相比,我国土壤环境质量标准在重金属指标数量上要少1/3~1/2 左右;(4)开展基于有效态的土壤环境基准研究:目前少数国家(如日本、瑞士、荷兰、比利时、德国等)的土壤环境质量标准中重金属的阈值已用有效态含量表示,另有少数国家采用全量作为阈值并利用土壤有机质和黏粒含量加以校正,这其实是一种间接的有效量表示形式。

参考文献

[1] 周启星, 滕涌, 展思辉, 土壤环境基准/标准研究需要解决的基础性问题[J]. 农业环境科学学报, 2014, 33(1): 1-14.

[2] 夏家淇, 骆永明. 我国土壤环境质量研究几个值得探讨的问题[J]. 生态与农村环境学报, 2007, 23(1): 1-6.

[3] 王国庆, 邓绍坡, 冯艳红, 国内外重金属土壤环境标准值比较: 镉[J]. 生态与农村环境学报, 2015, 31 (6): 808-821.

[4] 张红振, 骆永明, 章海波, 土壤环境质量指导值与标准研究: Ⅴ. 镉在土壤-作物系统中的富集规律与农产品质量安全[J]. 土壤学报, 2010, 47(4): 68-638.

[5] 王绛辉, 陈凯, 马义兵, 土壤环境质量标准的有关问题探讨[J]. 山东农业科学, 2007, 5: 131-134.

[6] 高树芳, 王果, 苏苗育, 土壤环境质量基准中Cd限量指标的推算[J]. 福建农林大学学报 (自然科学版), 2006, 35(6): 644-647.

[7] 刘彬, 孙聪, 陈世宝, 水稻土中外源Cd老化的动力学特征与老化因子[J]. 中国环境科学, 2015, 35 (7): 2137-2145.

[8] 李宁, 郭雪雁, 陈世宝, 基于大麦根伸长测定土壤Pb毒性阈值、淋洗因子及其预测模型[J]. 应用生态学报, 2015, 26(7): 2177-2182.

[9] 陈怀满, 郑春荣, 周东美, 土壤环境质量研究回顾与讨论[J]. 农业环境科学学报, 2006, 25(4): 821-827.

[10] CHEN S, WANG M. Overview on current criteria for heavy metals and its hint for the revision of soil environmental quality standards in China[J]. Journal of Integrative Agriculture, 2018, 17(4): 765-774.

[11] SUN X Y, QIN L Y, WANG L F, et al. Aging factor and its prediction models of chromium ecotoxicity in soils with various properties[J]. Science of the Total Environment, 2022, 847: 157622.

[12] LI S, YANG B, WANG M, et al. Environmental quality standards for agricultural land in China: what should be improved on derivation methodology?[J]. Journal of Environmental Management, 2022, 324: 116334.

[13] 孙聪, 陈世宝, 马义兵, 基于物种敏感性分布(Burr-III)模型预测Cd对水稻毒害的生态风险阈值HC₅[J]. 农业环境科学学报, 2013, 32(12): 2316-2322.

[14] 章海波, 骆永明, 李远, 中国土壤环境质量标准中重金属指标的筛选研究[J]. 土壤学报, 2014, 54(3): 429-438.

[15] 中华人民共和国生态环境部. 土壤环境质量农用地土壤污染风险管控标准(试行): GB 15618—2018[S]. 北京: 中国标准出版社, 2018.

[16] 中华人民共和国国家卫生健康委员会. 食品安全国家标准: 食品中污染物限量: GB 2762—2022[S]. 北京: 中国标准出版社, 2022.

[17] YU L, CHEN S, WANG M, et al. Environmental risk thresholds and prediction models of Cd in Chinese agricultural soils[J]. Science of the Total Environment, 2024, 906: 167773.

[18] QIN L Y, WANG L F, SUN X Y, et al. Ecological toxicity (EC_x) of Pb and its prediction models in Chinese soils with different physiochemical properties[J]. Science of the Total Environment, 2022, 853: 158769.

[19] 白荣辉. 不同水稻品种稻谷对土壤中镉富集特性初探[J]. 福建农业科技, 2021, 52(3): 28-31.

[20] 谷建诚, 郭彬, 林义成, 根表铁膜对水稻镉吸收的影响[J]. 浙江农业学报, 2020, 32(6): 963-970.

[21] 刘侯俊, 梁吉哲, 韩晓日, 东北地区不同水稻品种对Cd的累积特性研究[J]. 农业环境科学学报, 2011, 30(2): 220-227.

[22] 邓婷, 吴家龙, 卢维盛, 不同玉米品种对土壤镉富集和转运的差异性[J]. 农业环境科学学报, 2019, 38(6): 1265-1271.

[23] 艾金华, 廖晓勇, 王凌青, 镉胁迫下小麦镉低累积品种筛选[J]. 南昌大学学报(理科版), 2019, 43(2): 175-181.

[24] 周兵爽, 梁小明, 吴建勇, 镉对草海湿地沉积物中酸性磷酸酶活性的影响研究[J]. 贵州师范大学学报(自然科学版), 2021, 39(3): 37-42.

[25] 何任红, 蒋新宇, 马爱军. 镉与毒死蜱单一和复合污染对土壤酶活性的影响[J]. 江苏农业科学, 2010(5): 465-466.

[26] 刘海龙, 王玉军, 宣亮, 土壤基本理化性质对外源镉蚯蚓慢性毒性的影响[J]. 农业环境科学学报, 2016(2): 225-233.

[27] 文可佳, 刘婷婷, 周青. 酸化土壤与镉对大豆萌发种子抗氧化保护酶的复合影响[J]. 安全与环境学报, 2010, 10(4): 5-8.

[28] 范贝贝, 赵磊, 刘建军, 金属氧化物改性生物炭对镉污染土壤菠菜生长和镉积累的影响[J]. 农业环境科学学报, 2022, 41(6): 1261-1270.

[29] 余淑娟, 高树芳, 屈应明, 不同土壤条件下镉对番茄根系的毒害效应及其毒害临界值研究[J]. 农业环境科学学报, 2014(4): 640-646.

[30] 弭宝彬, 汪端华, 张竹青, 不同土壤镉浓度下蔬菜安全性评价[J]. 湖南农业科学, 2019(2): 49-53.

[31] 文典, 赵沛华, 陈楚国, 珠三角典型区域蔬菜产地土壤Cd安全阈值研究[J]. 生态环境学报, 2022, 31(3): 603-609.

[32] 陈世宝, 王萌, 李杉杉, 中国农田土壤重金属污染防治现状与问题思考[J]. 地学前缘, 2019, 26 (6): 35-41.

基金资助

国家重点研发计划项目(2023YFC3708703)

中国农业科学院科技创新工程项目(CAAS-CSGLCA-202302)