论文部分内容阅读
由于工业的发展、城市的扩张、高强度农业活动开展,常导致重金属在土壤中富集,并通过各种途径在水稻中积累,这对生态环境和人体健康产生影响,因此,土壤和水稻重金属污染问题日益引起人们的关注,研究重金属在土壤-水稻系统中积累状况及影响因素,可以为重金属污染的防治提供重要的基础资料。本文长江中下游的嘉兴市为典型研究区,在考虑土壤类型、工业企业分布土壤农业利用等因素的基础上进行了密集土壤和水稻样品采集,测定了土壤和水稻籽粒中重金属含量,分析了土壤-水稻系统中重金属的积累状况和空间变异特征,评价了土壤重金属的污染程度和水稻籽粒重金属的健康风险,最后探讨了水稻籽粒重金属Cu、Pb、Zn积累的影响因素,并建立了籽粒重金属Cu、Pb、 Zn的预测模型。此外,传统的土壤重金属分析方法,费时费力,难于满足大量样品的批次测定,因此本文以嘉兴市和苏州市的农田土壤为例,探讨了便携式X荧光光谱仪(PXRF)快速测定方法在土壤重金属分析中的应用。取得的主要结论如下:1、便携式X荧光光谱仪在土壤重金属测定中的应用分析运用便携式X荧光光谱仪(PXRF)对采自苏州市和嘉兴市的89个农田土壤样品中的Pb、Cu、Zn、Cr和As等重金属含量测定精密度与准确度分析表明。对Pb、Cu、Zn和As而言,尽管在含量较低时,精密度和准确度出现少量轻微超过NY/T395-2000限值的情况,但绝大部分测定结果均能满足要求。对元素Cr而言,尽管土壤样品Cr含量的测定结果精度较好,但几乎所有测定结果不能满足NY/T395-2000的准确度限值。将该测定结果与传统的原子吸收法(AAS)或原子荧光法(AFS)的分析结果对比,不同方法间的相关性决定系数在0.58以上,达极显著水平。但是,两者的Pb、Cu、Zn、As含量均存在极显著差异(p<0.0001),其中Pb和As的PXRF测定值分别比常规方法偏高24%和18%,而Cu和Zn分别偏低7%和8%,存在一定的系统误差。总之,PXRF方法在农田土壤重金属Pb、Cu、Zn和As测定上具有较好的适用性,该方法操作简单、省时省力,可满足快速检测的要求。因此,本文即采用该方法对嘉兴地区所有采样点的土壤进行了重金属含量测定。2、土壤-水稻系统中重金属的积累状况和评价分析统计结果表明,土壤中的Cu, Pb和Zn全量的平均值分别为36.51mg/kg、27.93mg/kg和91.27mg/kg,均没有超标(GB15618-1995)中的二级标准,表明嘉兴地区农田土壤整体上没有受到重金属污染,与内梅罗综合污染指数结果吻合。从空间分布上来看,土壤Pb和Zn呈现出西北向东南降低的趋势;而土壤Cu呈现出东北向西南降低的趋势。从土壤类型来看,脱潜潴育型水稻土的Cu含量显著高于潮土和潴育型水稻土Cu含量,而其它元素没有显著差异。从采样方式来看,污染企业周围土壤Cu和Pb显著高于一般企业和大田周围。水稻籽粒中的Cu, Pb, Cr和Zn含量均值为2.76mg/kg、0.27mg/kg、0.52mg/kg和17.02mg/kg;其中只有籽粒Pb超出GB2762-2005的限值0.20mg/kg,存在风险;而健康风险分析表明籽粒存在重金属健康风险,主要受Cr控制,两种方法存在不一致性。从空间分布上来看,籽粒Cu高值区(>2.99mg/kg)主要集中在东部、中部;籽粒Pb的分布呈现出东北向西南方向逐渐降低的趋势;籽粒Cr呈现出中心向四周降低的趋势;Zn表现为西北向东南降低的趋势。不同土壤类型上,籽粒重金属Cu和Pb存在显著差异。不同采样方式下,污染企业周围籽粒Pb显著高于一般企业和大田周围。3、水稻籽粒重金属积累的影响因素分析与籽粒重金属含量的模型预测水稻籽粒重金属的含量直接关系到人类的健康,会对人体的神经系统、消化系统和血液循环系统等产生危害,因此有必要分析水稻籽粒重金属积累的影响因素。为此,本文探讨了pH、土壤有机质(SOM)和土壤重金属全量对水稻籽粒重金属(Cu、Pb、Zn)积累的影响,同时建立了水稻籽粒重金属(Cu, Pb, Zn)含量(R-Cu、Pb、Zn)与土壤pH、SOM和土壤重金属含量(S-Cu、Pb、 Zn)的多元非线性统计模型。回归分析表明随着pH的升高、SOM和土壤重金属含量的降低,籽粒Cu、Pb、Zn的积累量均呈现出下降的趋势,同时Cu、Pb、Zn的积累量与pH、SOM和土壤重金属含量达到了显著或极显著相关。通过多元非线性回归统计分析建立了水稻籽粒重金属积累的统计模型为:R-Cu=0.538EXP[1.463lgS-Cu-2.018lgpH+0.654lgSOM](r=529, p<0.01), R-Pb=0.020EXP [3.840lgS-Pb-7.3291gpH+1.893lgSOM](r=0.56, p<0.01), R-Zn=21.455EXP[0.397lgS-Zn-1.939lgpH+0.359lgSOM](r=0.409, p<0.01),残差分析和预测值与真实值的回归分析表明了该统计模型是有效的。