宁夏中部干旱带农田土壤重金属污染特征及来源解析

Characteristics and source apportionment of heavy metal contamination in farmland soils in the central arid zone of Ningxia

摘要

土壤重金属的空间分布与污染程度对农田生态及人类健康至关重要。为了解宁夏中部干旱带农田土壤重金属、类金属元素污染特征及其主要影响因素，于2021—2023年连续3年进行土壤采样，测定重金属、类金属含量（w）分布特征及相关性，评价农田土壤重金属、类金属污染现状和生态风险等级，分析农田土壤重金属、类金属污染的主要来源。结果表明：宁夏中部干旱带土壤Pb、As、Zn、Ni、Cu、Hg、Cr和Cd的平均含量分别为26.47、9.52、58.51、33.80、22.60、0.04、48.00和0.16 mg·kg^-1，与宁夏土壤自然背景值相比，研究区的土壤重金属、类金属有不同程度的富集，但没有达到较高的污染水平，同时土壤重金属、类金属的含量均未超过国家土壤质量标准（GB 15618—2018）规定的临界值，这表明研究区的农田土壤重金属、类金属污染程度较低，土壤环境状况总体较好。生态风险评价表明，Hg存在中度和较高度的生态风险点位，但均未超过农田土壤污染风险管控值。利用相关性分析和正定矩阵因子分析法，研究重金属、类金属元素的来源，发现研究区农田土壤中的重金属、类金属主要有交通运输源、自然来源、农业生产活动来源和工业或医疗活动的人为排放源4个来源，贡献率分别为24.01%、35.43%、24.46%和16.10%。可见，人为活动在重金属迁移转化过程中的贡献率相对较高，有必要对农业、工业、交通运输等因素引起的重金属富集问题保持持续关注并加强相关管理。

Abstract

Soil is a fundamental resource for agricultural production， and the spatial distribution and pollution levels of soil heavy metals are critical to farmland ecosystems and human health. To characterize heavy metals and metalloid contamination and its drivers in farmland soils of the central arid zone of Ningxia， it conducted soil sampling for three consecutive years（2021—2023）， analyzed the spatial distribution and correlations of heavy metals and metalloid contents， evaluated contamination status and ecological risk， and apportioned pollution sources. The mean concentrations of Pb， As， Zn， Ni， Cu， Hg， Cr and Cd were 26.47， 9.52， 58.51， 33.80， 22.60， 0.04， 48.00 and 0.16 mg·kg^—1， respectively. Relative to Ningxia’a natural soil background values， these metals showed varying degrees of enrichment but did not reach high pollution levels， and none exceeded the the risk control values specified in the Soil Environmental Quality—Risk Control Standard for Soil Contamination of Agricultural Land （GB 15618—2018）. this indicates that heavy metal contamination of farmland soils in the study area is generally low and overall soil environmental quality is good. Ecological risk assessment identified Hg as the principal risk contributor， with some sites exhibiting moderate to relatively high risk； however， all remained within the risk control thresholds for agricultural soils. Correlation analysis combined with positive matrix factorization（PMF） resolved four major sources of heavy metals： traffic-related emissions （24.01%）， natural background （35.43%）， agricultural production activities （24.46%）， and industrial/medical anthropogenic emissions （16.10%）. These results show that anthropogenic activities contribute substantially to heavy metal inputs and their transport and transformation， underscoring the need for continued attention and strengthened management of agricultural， industrial， and transportation-related sources.

Graphical abstract

关键词

宁夏中部干旱带 / 农田 / 重金属 / 生态风险评价 / 源解析

Key words

central arid zone of Ningxia / farmland / heavy metals / ecological risk assessment / source analysis

土壤是人类生存的物质基础之一，具有与空气和水同等重要的地位，是生态系统组成的基本要素，也是当前社会发展不可或缺的自然资源^[1]。农田土壤环境直接关系着农产品的质量和安全。安全的土壤环境是人类赖以生存和发展的基础，而重金属，这种在土壤环境中潜藏的有害污染物，往往不会受到微生物的分解作用，这使得它们的毒性效应更加持久和隐蔽。土壤重金属污染具有隐蔽性、高毒性、持久性和生物积累的特性，这些特性尽管可能并未立刻显现出明显的影响，但对于环境和人类健康存在潜在的巨大威胁^[2-3]。因此治理土壤重金属污染具有较大的困难^[4]。当重金属含量超过安全标准时，会破坏土壤原有结构，使土壤变得更为紧实，进而阻碍水分渗透。在这样的环境下，植物由于无法有效吸收土壤中的养分，最终会面临枯竭和死亡的威胁^[5]。此外，过量的重金属还会直接导致土壤肥力降低，从而降低农作物产量和质量，更为严重的是，还会对动物和人类的健康产生影响^[6]。

宁夏中部干旱带，地理坐标范围为36°54′—38°23′N、104°17′—107°39′E，面积约占宁夏国土面积的52%^[7]。该区域东侧与毛乌素沙漠相接，南侧紧邻黄土高原，西侧则位于腾格里沙漠的南部边缘。这一地区的气候条件极为严酷，尽管年降水量仅为200~350 mm，但蒸发量超过了2 000 mm，这对当地生态系统产生了严重影响^[8-9]。随着工业化和农业现代化的快速发展，该区域农田土壤面临着日益严重的重金属污染问题。因此，研究宁夏中部干旱带农田土壤重金属含量特征及来源，对于制定有效的土壤环境保护措施具有重要的现实意义。

目前，国内外学者已对农田土壤重金属污染进行了大量研究，但是迄今鲜有针对宁夏地区开展土壤重金属污染和生态风险研究的工作，宁夏地区土壤环境污染状况及其生态风险尚不明确。本试验通过系统调查和分析，明确宁夏中部干旱带农田土壤重金属污染特征，揭示重金属的来源，旨在为制定针对性的土壤环境保护政策和技术措施提供科学依据，同时也期望为干旱半干旱地区农田土壤重金属污染防控提供借鉴和参考。

1 材料与方法

1.1 研究区概况

宁夏位于东部季风区与西北干旱区的交错地带，属于我国干旱半干旱气候区。宁夏中部干旱带是典型的内陆型干旱区，暖湿气团不易入侵，是中国荒漠化最严重的地区之一。年降水量约为210 mm，而年均蒸发量达到2 300 mm^[10-12]。宁夏中部干旱带涉及11个县（市、区）^[13]，本试验以海原县、利通区、红寺堡区、盐池县和同心县这5个县（区）为研究对象。

1.2 样品采集与测试方法

试验于2021—2023年连续3年在海原县、利通区、红寺堡区、盐池县和同心县的农田采集土壤样品。在研究区设置采样点35个，采用五点取样法，使用铁锹对0~20 cm表层土壤进行垂直取样，将1 kg左右的土样按4等分方式分装于塑料袋中，粘贴内外双重标记，带回实验室备用。取得的土壤样品在室温下自然风干，清除杂质，然后用研磨棒研磨至完全通过2 mm尼龙筛，待其充分混合后进行指标测定。

根据不同的测定指标选取合适的土壤分析方法。测定土壤中类金属元素As及典型重金属元素Pb、Cd、Hg、Cr、Cu、Zn、Ni的含量，评估复合污染程度。pH的测定采用电位法；有机质含量的测定采用滴定法；阳离子交换量的测定采用滴定法；使用密度计测定土壤机械组成；Cd和Pb的含量采用石墨炉原子吸收分光光度法测定；Cr的含量采用火焰原子吸收分光光度法测定；Hg和As的含量采用原子荧光分光光度法测定；Cu的含量采用电感耦合等离子质谱法测定；Zn和Ni的含量采用电感耦合等离子体原子发射光谱法测定。为了确保试验结果的准确性和精密性，所用试剂均为优级纯，水为超纯水。

1.3 分析方法

1.3.1 地累积指数法

利用地累积指数法对土壤重金属污染进行评价。地累积指数法最早是由德国学者Muller于1969年提出，后经不断研究和完善，现已被广泛用于土壤重金属污染评估。该方法可以较好地反映天然成岩条件下土壤中重金属的分配模式及富集程度，更重要的是，它还能精准识别和评估人为活动对土壤重金属污染的影响^[2，14]。地累积指数现已成为区分和量化人为活动对土壤环境污染程度的关键参数，它揭示了环境质量与人类活动之间的紧密联系，能够为相应的政策制定和行动计划提供明确指导。地累积指数计算公式如下：

I_{\mathrm{g}\mathrm{e}\mathrm{o}}=\mathrm{l}\mathrm{b}(C_i/\mathrm{1.5}{B}_{\mathrm{n}})。（1）

式中：I_{\mathrm{g}\mathrm{e}\mathrm{o}}为重金属地累积指数；C_i为重金属i的实测值（w，mg·kg^—1）；B_n为重金属i的环境背景值；1.5为变动系数，参照值以本地土壤背景值^[15]为标准，详见表1。地累积指数I_{\mathrm{g}\mathrm{e}\mathrm{o}}划分标准见表2。

1.3.2 潜在生态风险评价

试验采用Hakanson^[16]提出的潜在生态风险评估方法，综合评估土壤重金属污染的生态风险程度。生态风险评估方法为评价土壤重金属的生态危害提供了一种新的途径。这种方法综合考虑了重金属的类型、浓度、毒性程度和生物体对重金属的敏感度，通过计算潜在生态风险指数E_r和R_I来评估重金属在土壤生态系统的潜在风险。该方法基于生态毒性的角度，评估单一重金属指标或综合指标的生态风险等级，并据此进行风险划分，是目前评估重金属潜在生态风险最常用的方法之一^[17-18]，计算公式如下：

E_{\mathrm{r}}^i=\left(T_r^i\times C_i\right)/C_n^i，（2）

R_{\mathrm{I}}={\displaystyle \sum _{i=\mathrm{1}}^n}{E}_{\mathrm{r}}^i。（3）

式中：E_{\mathrm{r}}^i为土壤金属元素i的生态风险系数；C_i表示重金属i在土壤中的实测值；C_n^i为重金属i含量背景值；T_r^i是重金属i的毒性系数；R_{\mathrm{I}}是重金属综合潜在生态风险指数。

潜在生态风险指数分级标准如表3所示。

试验借鉴Hakanson^[16]提出的重金属、类金属毒性等级排序，从小到大依次为Zn、Cr、Ni/Cu/Pb、As、Cd、Hg，详细数据如表4所示。

1.3.3 相关性分析

相关性分析作为一种广泛应用的统计工具，主要用于研究2个或者更多变量之间存在的关联性。它衡量的是变量之间的相关程度^[19]，即当一个变量发生变化时，另一个变量是如何变化的。通过相关性分析可以了解变量之间的依赖关系，并确定是否存在某种关联或趋势。试验基于假设：如果2种重金属元素在土壤中表现出显著的正相关性，那么它们可能有共同的来源；反之，如果存在显著负相关性，说明其来源存在差异，甚至具有一定的拮抗作用^[20-21]。为了解宁夏中部干旱带农田土壤重金属、类金属的来源是否一致，利用Pearson相关性分析法对重金属、类金属含量与pH、有机质含量、阳离子交换量及机械组成之间的相关性，以及重金属、类金属含量之间的相关性进行分析。

1.3.4 正定矩阵因子分解模型

正定矩阵因子分解（positive matrix factorization，PMF）是Paatero^[22]提出的一种新的源解析方法，它能够将观测到的不确定与非负的限制结合在一起，具有更强的物理含义，且无须确定源区组分，便于快速、准确地判别各种污染源^[5，23]。PMF是一种矩阵分解技术，它基于最小二乘法和非负约束进行因子分析。该模型旨在将一个原始矩阵分解为2个因子矩阵和1个残差矩阵，这些矩阵的乘积应近似等于原始矩阵，且因子矩阵的所有元素均为非负值。这一过程实现了对原始数据的有效分解，并有助于后续的数据分析和处理。此模型巧妙地将一个复杂的矩阵问题转化为更易于处理的形式。它将原始数据矩阵经过精心设计的数学变换，划分为2个主要的子区域和1个与之相关联的残差区域。这2个因子矩阵在数学上等同于原始矩阵的一部分，而残差矩阵则代表了数据中的任何缺失值或异常值所产生的影响。通过这种分解方式，模型能够有效地揭示数据的内在结构和潜在模式，从而实现对数据的深入理解和分析。PMF模型是一种典型的受体模型，它假设在受体部位测得的浓度是不同来源贡献的线性组合。这种模型具有显著的优势，它可以在没有源配置文件作为输入的情况下使用，并且可以加权每个数据点的不确定性，对数据施加非负约束，确保贡献源始终为正，从而获得更有意义的因子^[24]。由于这些优势，PMF模型已经成为美国环境保护署推荐使用的通用源分配建模工具，已被广泛应用于大气、水质、土壤和颗粒物（PM）的源分配研究中^[5]。PMF模型将原矩阵 X （尺寸为i×j）分解成2个因素矩阵 F （尺寸为i×j）和 G （尺寸为i×j），另外还有一个剩余矩阵E（尺寸为i×j），其计算公式为：

X_ij=\sumG_ikF_kj + E_ij。（4）

式中： X_ij 为第i个样品的第j个重金属元素的含量； G_ik 为源k中第i个样品的贡献，即源的分担率矩阵； F_kj 为源k中第j个重金属元素的含量，即源重金属元素谱矩阵； E_ij 是残差矩阵，表示分解过程中的误差。

PMF模型的目标是最小化目标函数Q，该函数通常定义为原始矩阵与重构矩阵之间差的平方和。通过迭代计算，PMF模型不断地优化因子矩阵 F 和 G，以最小化目标函数Q。目标函数Q的表达式如下：

Q={\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^m}{\left(\frac{{\mathit{E}}_{ij}}{u_{ij}}\right)}^{\mathrm{2}}。（5）

式中：u_{ij}代表第i个试样中第j种重金属元素的不确定度。

PMF软件除了要有实时测量的浓度文件外，还要有不确定度文件。根据不确定度的数据，按以下方式计算。

1）当各重金属含量低于或等于各自方法检测极限（MDL）时，不确定度u_{ij}的计算公式如下：

u_{ij}=\frac{\mathrm{5}}{\mathrm{6}}\times \mathrm{M}\mathrm{D}\mathrm{L}。（6）

2）当单个重金属元素的浓度超过各自MDL时，不确定度u_{ij}的计算公式为：

u_{ij}=\sqrt[]{{\left(a\times c\right)}^{\mathrm{2}}+{\left(\mathrm{0.5}\times \mathrm{M}\mathrm{D}\mathrm{L}\right)}^{\mathrm{2}}}。（7）

式中：a为相对标准差；c代表以mg·kg^-1计的重金属元素含量；MDL是一种新型的重金属分析方法，代表重金属的检测限值（mg·kg^-1）。

试验中，土壤中各种重金属的检测限值如表5所示。

1.4 数据处理

试验以软件PMF 5.0为主要研究工具，通过Excel 2019、Origin 2022、SPSS 24.0等多种统计分析软件，对土壤中重金属、类金属含量进行统计分析、关联度分析、污染评估及潜在生态危害评估。

2 结果与分析

2.1 表层土壤机械组成、pH和阳离子交换量特征

表6列出了土壤性质的描述性统计。研究区土壤pH范围较宽，通常处于8.0~9.0的高碱范围。这种偏碱性的土壤环境对于一些重金属元素来说具有一定的抑制作用，正如文献[25]所述，这一特性有助于减少土壤重金属污染的环境风险。碱性土壤能够吸收并中和重金属离子，从而减少重金属离子进入食物链的风险。土壤阳离子交换量的测定能够揭示土壤胶体对各种阳离子的综合吸附能力^[26]。土壤对不同阳离子的吸附与交换能力直接影响着作物的生长条件和土壤本身的健康状态，因而土壤阳离子交换量是衡量土壤肥力状况的一个关键指标，在农田质量调查及评估、土壤污染状况调查中是不可或缺的参数^[27-28]。有关研究人员通过精确测定阳离子交换量对土壤肥力水平、污染物的扩散潜力以及土地利用方式对土壤质量的影响进行评估。研究区土壤阳离子交换量最高为13.29 cmol·kg^-1，最低为2.90 cmol·kg^-1，平均交换量为8.71 cmol·kg^-1，变异系数为0.28。土壤有机质含量（w）平均值为12.32 g·kg^-1，远低于全国平均水平（18.63 g·kg^-1）。土壤机械组成分为黏粒（<0.002 mm）、粉粒（0.002~0.050 mm）和砂粒（>0.050 mm）。研究区土壤机械组成中，粉粒平均含量（w）最高，为552.77 g·kg^-1；w（黏粒）为321.46 g·kg^-1；w（砂粒）最低，为125.74 g·kg^-1。

2.2 表层土壤重金属、类金属含量特征

对宁夏中部干旱带农田土壤重金属、类金属含量（w）进行描述性统计分析，如表7所示。w（As）、w（Zn）、w（Ni）和w（Cr）的平均值分别为9.520、58.510、33.800和48.000 mg·kg^-1，均低于宁夏土壤元素背景值^[15]。而w（Pb）、w（Cu）、w（Hg）和w（Cd）的平均值分别为26.470、22.600、0.040和0.164 mg·kg^-1，分别是宁夏土壤元素背景值^[15]的1.27、1.02、1.90和1.46倍。可见，Pb、Cu、Hg、Cd这4种重金属在土壤中具有不同的富集作用。和中国表层土壤元素背景值^[29]相比，w（Pb）、w（Ni）、w（Cd）分别是中国表层土壤元素背景值的1.02、1.25和1.69倍；但本试验所测重金属、类金属在土壤中的含量均远低于我国农用地土壤污染风险管控值^[24]。因此研究区土壤相对安全，没有重金属、类金属超标管控风险。

变异系数（C_V）通过计算标准偏差与均值的比值得出，它反映了一个随机变量从其平均值到某一特定区间的变化范围。当重金属变异系数较小时，可能意味着这些元素在自然环境中的迁移和转化较为缓慢，或者它们在土壤中的积累主要依赖于当地的地质背景和气候条件。相反，如果变异系数较高，可以推断人类活动对这些重金属元素的分布有着显著的影响^[30]。

对宁夏中部干旱带农田土壤重金属、类金属元素含量进行分析，可以看到它们的变异系数存在明显的差异，变异系数由小到大依次为Zn、Cu/As、Ni、Pb、Cd、Cr、Hg。Hg的高变异性（C_V>0.36）以及Cr、Cd、Pb和Ni的中等变异性（0.16<C_V<0.36）表明，土壤中的这几种重金属具有高度的可变性、相对较差的连续性和较强的空间变化^[24]。通过进一步的偏度分析，发现As、Hg、Cr均呈现出一定程度的正偏，表明这3种元素受到人为干扰从而偏离了原有的正态分布。

2.3 农田土壤重金属、类金属污染状况评价

根据地累积指数计算结果（表8），研究区土壤的重金属、类金属含量显示出一种稳定而普遍的特征：整体上它们的含量保持在一个相对较低的水平。具体来说，研究区土壤可以大致划分为2种：一种是重金属、类金属含量低于安全标准（通常定义为无污染或轻度污染）的土壤，这表明大部分土壤环境尚未受到重金属、类金属的显著影响；另一种是重金属、类金属含量较高的土壤，可能面临一定程度的污染风险，但还未达到严重污染的等级。具体而言，除了Pb、Hg和Cd外，As、Zn、Ni、Cu和Cr这5种元素在土壤中未造成污染。相比之下，Pb和Cd存在轻度污染，Hg则存在中度污染。所有采样点土壤的重金属、类金属中，仅有Hg为中度污染等级，其余7种元素均未达到中、重度及以上污染等级。综上所述，宁夏中部干旱带农田的土壤生产条件总体较好。

2.4 潜在生态风险评价

对研究区农田土壤潜在生态风险进行估算，并对其进行评价，结果见表9、表10。对于E_{\mathrm{r}}，Pb、As、Zn、Ni、Cu和Cr都属于低生态风险；Cd有74.29%的采样点为中等级生态风险，低风险的采样点仅占25.71%；Hg的采样点中有57.14%为低等级生态风险，中等级生态风险和较高等级生态风险分别占17.14%和25.72%。试验结果与王玉等^[19]对南方丘陵区土壤重金属分布的研究结果以及夏子书等^[31]对宁夏南部山区土壤重金属风险进行评估的结果相符。试验中，尽管农田土壤Hg和Cd存在中等级和较高等级生态风险点位，但是它们的含量远低于农用地土壤污染风险管控值。此外，Hg和Cd的毒性系数较大，分别为40和30 mg·kg^-1，因此对E_{\mathrm{r}}的贡献更大，而对人类产生危害的可能性较小，所有样点中均无高风险和极高风险等级。根据R_{\mathrm{I}}，35个采样点中，低生态风险的比例较高（68.57%），中等级风险的样点数占28.57%，而较高等级风险样点数仅占2.86%。从总体情况看，研究区未出现高风险和极高风险等级的样点。然而，土壤中的重金属以不同化学形态存在，而不同化学形态的重金属对生物的影响差异显著。若要客观评估土壤重金属的污染程度及潜在危害，必须综合考察其在环境中的活化迁移规律及其生物有效性。因此，有必要进一步深化关于重金属赋存形态与生物有效性的系统研究。

2.5 重金属来源分析

单纯地评估环境中重金属的危害程度，不能精确地辨识重金属的来源，不利于重金属的防治^[22]。因此，开展土壤重金属污染的源解析研究，可明确土壤中重金属的不同污染来源及其相对贡献，从而为土壤重金属污染风险监测、防控和保障农产品质量安全提供科学依据^[3]。

2.5.1 相关性分析

经Pearson相关性分析（图1），Ni、Cd和Cu与有机质呈显著正相关性。这表明当有机物质的含量增大时，其对重金属的吸附能力也随之增大。这一结果与杨剑洲等^[32]对海南岛农用地的研究结果相符。还有研究表明，施用有机肥也会导致土壤重金属含量上升，且含量与有机肥的施用量成正比^[33]。

阳离子交换量与As、Cd、Cr及粉粒的含量呈显著正相关性，而与pH、Pb、Hg和Cu的含量呈显著负相关性。这与柴磊等^[24]在兰州地区的研究结果相符，说明研究区pH对重金属的富集作用比较微弱，这很可能是由于研究区采样点的pH变化不大，其变异系数只有3%。

土壤机械组成与重金属含量之间也存在一定的相关性。砂粒与Pb、Ni和Cu的含量存在显著正相关性，表明土壤重金属富集与土壤砂粒密切相关，这与前人的研究结果相符^[34]。黏粒与Pb、Cd和Zn无显著相关性；粉粒与Cd、Cr、Ni和Zn的含量无显著相关性，而砂粒只与Zn无显著相关性。

Pb、Zn、Ni和Cu这4种重金属的含量具有较强的相关性，且均为正相关关系，表明它们可能有相似的来源或者富集与迁移等地球化学行为^[10]。Hg、As与Cr的含量具有较强的正相关性，而Pb、Cd与Cr的含量具有较强的负相关性。若重金属之间无显著相关性，表明各自具有不同的来源^[32]。Hg与Cu和Ni间无显著相关性，Cd与Zn和Cu间也无显著相关性。

2.5.2 正定矩阵因子分析

在重金属元素来源的解析中，传统的富集因子分析方法往往因其固有的不确定性而受到限制。PMF定量源解析方法，以更高的精确度和可靠性著称，可以更加准确地揭示研究区土壤重金属元素的真正来源。

由于富集因子分析对重金属元素来源解析具有不确定性，为进一步明确重金属的来源，对研究区土壤重金属、类金属元素进行PMF定量源解析。采用EPA PMF 5.0软件，设定因子数为3~7，以此来分析各种可能性。通过连续20次的运算迭代，不断调整模型参数，力求找到最能反映真实情况的模型。这样做的目的是确保每一个因子都能充分代表相关的重金属污染源，从而实现对研究区土壤重金属污染的全面评估和了解。

为确保数据质量，采用信噪比（S/N）评估各个元素的信号强度。其中，强信号的范围是S/N>1，弱信号的范围是［0.5，1］，S/N<0.5则被视为差信号^[34]。同时，还考虑了Q_Robust（PMF模型在Robust模式下得到的目标函数Q的最优解）和Q_True（目标函数Q的真值）的匹配性，以及观测值与预测值之间的相关性（R² ），来确定最佳的因子数。试验中，所有元素的S/N均大于1，设置为“strong”变量，其中除了As、Cu、Pb和Cd外，实际测量值与模式预测值的决定系数R² 均大于0.80（表11），表明该模型具有良好的拟合性，选取的因素数能够全面地反映重金属、类金属元素的来源信息，能够满足源解析的需求。

研究区土壤重金属、类金属元素污染源解析结果如图2和图3所示。在因子1中，Pb占主导地位，其贡献率达44.5%。已有研究显示，Pb是机动车尾气中的主要污染物，其主要来源为含铅零部件的磨损、刹车片及轮胎摩擦等^[35-36]。宁夏中部干旱带地区具有较好的交通条件，高密度的公路和较高的铁路运输量，以及沿路分布的大量耕地，是土壤Pb累积的重要因素^[37]。同时，随着农业机械化水平的提高，Pb向农田迁移的可能性也将大幅提高。这与车凯等^[38]的研究结果相符。尽管我国自2000年开始全面禁用含铅汽油，但铅在土壤中的累积仍十分严峻^[39]。因此，将因子1视为交通运输源。

因子2的贡献元素主要为Cr（36.5%）和As（33.1%）。这2种元素含量的平均值低于宁夏土壤元素背景值，说明这2种元素主要受自然因素影响，而受人类干扰影响较小。随着城市的发展，产生的垃圾（包括工业垃圾）是As的主要来源之一^[40]。而Cr的来源多与成土母质相关^[41-42]，其含量主要受土壤背景值影响。因此，将因子2定义为与成土母质和成土过程相关的自然来源。

在因子3中，Cd占主导地位，其贡献率达36.3%。Cd是农业活动的标志元素，常作为农药的有效成分被广泛施用，具有易挥发和迁移的特性^[43]，在我国农药、化肥的利用率较低，仅约有30%被吸收利用，而化肥、农药的施用以及污水灌溉等都会导致Cd的积累^[44-45]。已有研究表明，长期施入磷肥会导致土壤Cd污染严重，并在不同程度上导致Cd的累积^[42]。因此，将因子3定义为农业生产活动来源。

在因子4中，Hg是主要元素，占总负荷的94.2%，远远超过其他元素，能较好地反映这一因素的主要信息。Hg在研究区中的变异系数为1.00，表明Hg所受的外界干扰最大，其变化幅度及空间变异性也最大。已有研究表明，世界上60%~80%的汞来源于人为活动，如燃煤发电、石油生产、垃圾焚烧等，经大气干湿沉降进入耕地^[41]。此外，医疗机构也可能因使用含Hg医疗设备、处理含Hg医疗废物不当等，成为Hg的潜在污染源^[46]，也有学者将Hg污染与城镇化进程联系起来^[43]。因此，因子4是与工业或医疗活动有关的人为排放源。

经以上对4个因子的分析可知，宁夏中部干旱带农田土壤重金属贡献率最高的是因子2自然来源（35.43%），其次是因子3农业生产活动来源（24.46%）和因子1交通运输源（24.01%）；对宁夏中部干旱带农田土壤重金属贡献率最低的是因子4工业或医疗活动的人为排放源，贡献率为16.10%。总而言之，人类活动是导致农田土壤重金属污染的主要原因，其贡献率为64.57%，自然来源的贡献率仅占35.43%。

3 讨论

相关调查显示，我国主要产粮区农田土壤重金属点位超标率高达21.49%^[46]，深入理解与管控农田土壤重金属污染已成为当前研究的重点^[4]。以宁夏中部干旱带农田土壤为例，分析发现：Zn、As、Ni和Cr的平均含量低于宁夏土壤背景值，而Pb、Cu、Hg和Cd的平均含量均高于背景值，表明土壤对这4种重金属有一定的富集作用。8种重金属、类金属元素在农田中的含量均远低于农用地土壤污染风险管控值，土壤环境质量总体较好。从变异系数和偏度来看，8种重金属、类金属元素的变异系数属中、高变异，且有正偏现象，说明中部干旱带农田土壤重金属、类金属元素受人为因素影响的可能性较大。对于土壤中含量较高的重金属，要从严控制污染物的输入，如加强对农业灌溉用水的水质监测，禁止乱堆乱放生活垃圾和生产废弃物。此外，还应在农产品产地建立长期标准化的土壤和农产品质量监管体系。

在掌握了重金属、类金属元素含量特征的基础上，为深入研究重金属、类金属累积可能带来的环境风险，需对其进行科学评价。试验发现，研究区农田土壤重金属、类金属元素的无污染等级比例最大，除了Pb、Hg和Cd外，As、Zn、Ni、Cu和Cr的无污染等级占比均达到100%，表明这5种重金属、类金属在土壤中未造成污染。相比之下，Pb和Cd存在轻度污染，而Hg存在中度污染。从潜在生态风险指数看，Cd的中等级生态风险采样点占74.29%，低等级生态风险仅占25.71%。Hg的低生态风险采样点占57.14%，中等级生态风险和较高等级生态风险占比分别为17.14%和25.72%。但考虑到Hg对综合潜在生态风险指数的贡献较大，而对人类危害的可能性较小，总体而言，宁夏中部干旱带农田未发现极高风险等级样点，表明研究区土壤生产力处于较高水平。

然而，目前对重金属环境的单一评价尚不能精确地揭示其来源，难以有效地指导重金属污染的防治^[31]。因此，对我国农田土壤中重金属的来源及贡献率进行深入研究，可为农田环境风险监测、防控和保障农产品质量安全等方面提供重要的科学依据^[5]。在源解析技术中，受体模型因其不受环境多变限制、无需考虑排放条件和迁移过程等特点而得到广泛应用^[47]。PMF模型作为一种受体模型，不依赖于源谱信息，通过相关矩阵进行降维分析，能有效识别污染源并量化非负源贡献率^[48]。其核心在于简化数据，通过因子分解分析，用少数代表性因子来反映原始数据的特征。在此过程中，特征污染物因信息丰富对源解析结果产生较大影响，而非特征污染物因来源单一、受人为干扰小，对源解析的贡献有限^[49]。因此，PMF模型在多种环境介质污染物的源解析中被广泛应用，为污染防控提供了重要支持^[34]。试验中，宁夏中部干旱带农田土壤重金属的变异系数在0.15~1.00之间，属于低、中和高变异。结合PMF源解析结果，可以证明研究区土壤重金属、类金属元素受人为活动影响较大。解析出的4个主要因子中，因子1代表交通运输源，因子2代表自然来源，因子3代表农业生产活动来源，因子4代表工业或医疗活动的人为排放源。整体看，人为活动对宁夏中部干旱带农田土壤重金属的贡献率最大。

4 结论

1）宁夏中部干旱带农田土壤类金属、重金属元素除As、Zn、Ni和Cr外，Pb、Cu、Hg和Cd的含量平均值均高于宁夏土壤背景值，但8种类金属、重金属元素均低于我国农用地土壤风险管控值。

2）宁夏中部干旱带农田土壤除了Pb、Hg和Cd外，As、Zn、Ni、Cu和Cr的无污染等级占比均达到100%，表明这5种类金属、重金属元素在土壤中未造成污染，而Pb和Cd存在轻度污染，Hg出现了中度污染。

3）潜在生态风险评价表明，宁夏中部干旱带农田土壤整体处于清洁水平，土壤中的主要污染物为Cd和Hg。在35个采样点中，Cd的生态风险等级以中风险为主，样点占比为74.29%，低风险样点占比为25.71%；Hg的风险等级分布相对分散，低、中、较高风险的样点占比分别为57.14%、17.14%和25.72%。其余5种元素在所有样点中均表现为低生态风险。

4）综合Pearson相关分析和PMF模型分析结果，解析出的4个主要因子中，因子1代表交通运输源，因子2代表自然来源，因子3代表农业生产活动来源，因子4代表工业或医疗活动的人为排放源。人为活动对宁夏中部干旱带农田土壤重金属、类金属元素的贡献率最大。

参考文献

[1] 王莉，任建锋，刘建华，等.土壤污染状况详查的重要性及现状分析[J].农业开发与装备，2019（9）：150.

[2] 陈文轩，李茜，王珍，等.中国农田土壤重金属空间分布特征及污染评价[J].环境科学，2020，41（6）：2822-2833.

[3] Islam M S， Hossain M B， Matin A， et al. Assessment of heavy metal pollution， distribution and source apportionment in the sediment from Feni River Estuary， Bangladesh[J]. Chemosphere，2018，202：25-32.

[4] Zhang H X， Cai A Z， Wang X J， et al. Risk assessment and source apportionment of heavy metals in soils from Handan City[J]. Applied Sciences， 2021， 11（20）： 9615.

[5] 刘胜然，王铁宇，汤洁，等.典型城市单元的土壤重金属溯源方法与实证研究[J].生态学报，2019，39（4）：1278-1289.

[6] 王靖伟.土壤重金属污染及其防治措施分析[J].清洗世界，2023，39（10）：172-174.

[7] 贾科利，张俊华.生态脆弱区土地利用时空格局变化分析：以宁夏中部干旱带为例[J].干旱地区农业研究，201，29（3）：221-225.

[8] 王梅梅，朱志玲，吴咏梅.宁夏中部干旱带土地沙漠化评价[J].中国沙漠，2013，33（2）：320-324.

[9] 陈蔚，刘任涛，张安宁，等.半干旱草地不同植物枯落物分解对放牧和封育的响应[J].生态学报，2021，41（14）：5725-5736.

[10] 冯克鹏，田军仓.近53 a宁夏地区多尺度干旱特征分析[J].灌溉排水学报，2016，35（2）：50-58.

[11] 李晨，李王成，董亚萍，等.宁夏地区潜在蒸散发变化特征及成因分析[J].排灌机械工程学报，2021，39（2）：186-192.

[12] 丛士翔，王融融，常文静，等.基于标准化降水指数（SPI）的宁夏中部干旱带旱灾危险性时空演变特征[J].水土保持研究，2024，31（4）：223-232.

[13] 杨亚芳，何杰.宁夏中部干旱带土壤重金属污染及生态风险评价[J].石河子大学学报（自然科学版），2021，39（5）608-613.

[14] 雷晓玲，邱丽娜，魏泽军，等.海绵城市生物滞留带重金属污染特征及风险评价[J].环境科学，2022，43（8）：4127-4135.

[15] 魏复盛，陈静生，吴燕玉，等. 中国土壤环境背景值研究[J]. 环境科学， 1991（4）： 12-19.

[16] Hakanson L. An ecological risk index for aquatic pollution control.a sedimentological approach[J]. Water Research，1980，14（8）：975-1001.

[17] Liu X S， Huang D M， Zhu Y M， et al. Bioassessment of marine sediment quality using meiofaunal assemblages in a semi-enclosed bay[J]. Marine Pollution Bulletin，2015，100（1）：92-101.

[18] 程嘉熠，王晓萌，杨正先，等.双台子河口沉积物重金属溯源及生态风险评估[J].中国环境科学，2021，41（3）：1345-1353.

[19] 王玉，辛存林，于奭，等.南方丘陵区土壤重金属含量、来源及潜在生态风险评价[J].环境科学，2022，43（9）：4756-4766.

[20] 张婉军，辛存林，于奭，等.柳江流域河流溶解态重金属时空分布及污染评价[J].环境科学，2021，42（9）：4234-4245.

[21] 郭彦海，孙许超，张士兵，等.上海某生活垃圾焚烧厂周边土壤重金属污染特征、来源分析及潜在生态风险评价[J].环境科学，2017，3（12）：5262-5271.

[22] Paatero P. Least squares formulation of robust non-negative factor analysis[J].Chemometrics and Intelligent Laboratory Systems，1997，37（1）：23-35.

[23] 匡荟芬，胡春华，吴根林，等.结合主成分分析法（PCA）和正定矩阵因子分解法（PMF）的鄱阳湖丰水期表层沉积物重金属源解析[J].湖泊科学，2020，32（4）：964-976.

[24] 柴磊，王新，马良，等.基于PMF模型的兰州耕地土壤重金属来源解析[J].中国环境科学，2020，40（9）：3919-3929.

[25] 宋清泉，徐夕博，吴泉源，等.基于PMF模型的土壤重金属定量源解析及环境风险评价[J].湖南师范大学自然科学学报，2022，45（1）：76-83.

[26] 范庆锋，虞娜，张玉玲，等.设施蔬菜栽培对土壤阳离子交换性能的影响[J].土壤学报，2014，51（5）：1132-1137.

[27] 周碧青，邱龙霞，张黎明，等.基于灰色关联-结构方程模型的土壤酸化驱动因子研究[J].土壤学报，2018，55（5）：1233-1242.

[28] 陈勇，邹献中，卢瑛，等.磁力搅拌法改进土壤阳离子交换量测定的研究[J].土壤学报，2020，57（2）：508-514.

[29] 鄢明才，顾铁新，迟清华，等.中国土壤化学元素丰度与表生地球化学特征[J].物探与化探，1997，21（3）：161-167.

[30] 戴彬，吕建树，战金成，等.山东省典型工业城市土壤重金属来源、空间分布及潜在生态风险评价[J].环境科学，2015，36（2）：507-515.

[31] 夏子书，白一茹，王幼奇，等.基于PMF模型的宁南山区小流域土壤重金属空间分布及来源解析[J].环境科学，2022，43（1）：432-441.

[32] 杨剑洲，龚晶晶，王振亮，等.海南岛半干旱区农用地土壤重金属富集因素、健康风险及来源识别[J].环境科学，2022，43（10）：4590-4600.

[33] 杨琼，杨忠芳，张起钻，等.中国广西岩溶地质高背景区土壤-水稻系统Cd等重金属生态风险评价[J].中国科学（地球科学），2021，51（8）：1317-1331.

[34] 邱慧，刘月仙，解小凡，等.黄河三角洲石油开采区盐渍化农田土壤多环芳烃的分布特征与源解析[J].环境科学，2019，40（8）：3509-3518.

[35] 张慧，郑志志，杨欢，等.基于多元统计和地统计的肇源县表层土壤重金属来源辨析[J].土壤，2017，49（4）：819-827.

[36] 成晓梦，孙彬彬，吴超，等.浙中典型硫铁矿区农田土壤重金属含量特征及健康风险[J].环境科学，2022，43（1）：442-453.

[37] Cheng Z， Chen L， Li H H， et al. Characteristics and health risk assessment of heavy metals exposure via household dust from urban area in Chengdu， China[J]. Science of the Total Environment，2018，619：621-629.

[38] 车凯，陈崇明，郑庆宇，等.燃煤电厂重金属排放与周边土壤中重金属污染特征及健康风险[J].环境科学，2022，43（10）：4578-4589.

[39] Guan Q Y， Wang F F， Xu C Q， et al. Source apportionment of heavy metals in agricultural soil based on PMF： A case study in Hexi Corridor， northwest China[J]. Chemosphere，2018，193：189-197.

[40] Ye X Z， Xiao W D， Zhang Y Z， et al. Assessment of heavy metal pollution in vegetables and relationships with soil heavy metal distribution in Zhejiang Province， China[J]. Environmental Monitoring and Assessment， 2015，187（6）：378．

[41] 张锦明，张建泽，王洲瑜，等.基于PMF模型的吉木萨尔县土壤重金属空间分布特征与来源解析[J].新疆大学学报（自然科学版中英文），2024，41（3）：354-363.

[42] Wang Y T， Guo G H， Zhang D G， et al. An integrated method for source apportionment of heavy metal（loid）s in agricultural soils and model uncertainty analysis[J]. Environmental Pollution，2021，276：116666.

[43] Bhuiyan M A H， Dampare S B， Islam M A， et al. Source apportionment and pollution evaluation of heavy metals in water and sediments of Buriganga River， Bangladesh， using multivariate analysis and pollution evaluation indices[J]. Environmental Monitoring and Assessment，2014，187（1）：4075.

[44] Wang Y Q， Yang L Y， Kong L H， et al. Spatial distribution， ecological risk assessment and source identification for heavy metals in surface sediments from Dongping Lake， Shandong， East China[J]. Catena，2015，125：200-205.

[45] Liu H W， Zhang Y， Yang J S， et al. Quantitative source apportionment， risk assessment and distribution of heavy metals in agricultural soils from southern Shandong Peninsula of China[J]. Science of the Total Environment，2021，767：144879.

[46] 孔樟良，谢国雄.杭州市典型茶园土壤与茶叶中重金属的积累与来源分析[J].中国农学通报，2015，31（10）：226-231.

[47] Jiang Y X， Chao S H， Liu J W， et al. Source apportionment and health risk assessment of heavy metals in soil for a township in Jiangsu Province， China[J]. Chemosphere，2017，168：1658-1668.

[48] 尚二萍，许尔琪，张红旗，等.中国粮食主产区耕地土壤重金属时空变化与污染源分析[J].环境科学，2018，39（10）：4670-4683.

[49] 吴劲，滕彦国，李娇，等.基于PMF模型的土壤重金属源解析中变量敏感性研究[J].中国环境科学，2019，39（7）：2960-2969.

基金资助

宁夏农业资源环境监测与保护项目(2130135)

第三批宁夏青年科技人才托举工程项目(TJGC2018068)