重慶市長(zhǎng)壽區(qū)典型重金屬污染健康風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)

周煉川，袁晶晶，余海，李雨桐，杜臻杰，王健，陳瑩

重慶市長(zhǎng)壽區(qū)典型重金屬污染健康風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)

周煉川1，袁晶晶2,3，余海1，李雨桐1，杜臻杰4*，王健1，陳瑩5

（1.重慶市生態(tài)環(huán)境科學(xué)研究院，重慶 401147；2.河南計(jì)量科學(xué)測(cè)試研究院，鄭州 450000；3.鄭州大學(xué)，鄭州 450001；4.中國(guó)農(nóng)業(yè)科學(xué)院 農(nóng)田灌溉研究所，河南 新鄉(xiāng) 453002；5.重慶市生態(tài)環(huán)境監(jiān)測(cè)中心，重慶 401147）

【目的】探究重金屬在地下水-土壤-水稻體系中的分布特征，為重慶市長(zhǎng)壽區(qū)重金屬污染評(píng)價(jià)與健康風(fēng)險(xiǎn)評(píng)估提供科學(xué)依據(jù)。【方法】運(yùn)用地理統(tǒng)計(jì)學(xué)和Arc GIS技術(shù)揭示重金屬在地下水、土壤和水稻中的分布特征，基于目標(biāo)危險(xiǎn)系數(shù)模型（THQ）評(píng)估鉛（Pb）、砷（As）和鎘（Cd）的人群暴露風(fēng)險(xiǎn)。在此基礎(chǔ)上，預(yù)測(cè)了2036年研究區(qū)土壤重金屬的空間分布?！窘Y(jié)果】重慶市長(zhǎng)壽區(qū)地下水-土壤-水稻中的Pb、As、Cd空間分布相互重合，重金屬量呈西南高于東北的趨勢(shì)。THQ模型結(jié)果表明，成人組中不存在消費(fèi)稻米的重金屬暴露風(fēng)險(xiǎn)，而兒童組存在較低的Cd和Pb暴露風(fēng)險(xiǎn)。2036年，研究區(qū)土壤Pb、As、Cd污染在3種狀態(tài)（理想狀態(tài)、無(wú)人為干預(yù)狀態(tài)和劇烈污染狀態(tài)）下具有顯著差異，理想狀態(tài)下土壤重金屬量預(yù)計(jì)下降4%～8%，無(wú)人為干預(yù)狀態(tài)和劇烈污染狀態(tài)下的土壤重金屬量和受污染土壤面積將不斷增加，劇烈污染狀態(tài)下的土壤重金屬量將增加1.51～1.72倍?！窘Y(jié)論】研究區(qū)重金屬污染主要來(lái)源于西南地區(qū)工業(yè)企業(yè)。稻米消費(fèi)下的重金屬兒童暴露風(fēng)險(xiǎn)需引起重視，未來(lái)需嚴(yán)格控制重金屬污染來(lái)源，進(jìn)一步加強(qiáng)受污染土壤修復(fù)工作。

重金屬；地下水-農(nóng)田-水稻體系；空間分布特征；Arc GIS；健康風(fēng)險(xiǎn)評(píng)估

0 引言

【研究意義】鉛（Pb）、砷（As）和鎘（Cd）作為我國(guó)重點(diǎn)監(jiān)控的有毒有害重金屬[1]，會(huì)隨著食物鏈的逐級(jí)傳遞最終進(jìn)入人體，威脅人體健康[2]。水稻作為我國(guó)主要的糧食作物之一，在南方膳食結(jié)構(gòu)中占據(jù)重要地位。隨著經(jīng)濟(jì)和工業(yè)化的發(fā)展，水稻重金屬污染現(xiàn)象愈加普遍[3]。因此，需要進(jìn)行有效的重金屬污染源解析，為地下水-土壤-水稻重金屬污染防治工作提供技術(shù)支撐?！狙芯窟M(jìn)展】目前，水稻中重金屬的人群暴露風(fēng)險(xiǎn)研究主要集中于單一體系暴露風(fēng)險(xiǎn)評(píng)估或僅圍繞農(nóng)田土壤質(zhì)量進(jìn)行評(píng)估。此外，“3S”技術(shù)的發(fā)展和應(yīng)用對(duì)農(nóng)田土壤質(zhì)量研究以及重金屬污染風(fēng)險(xiǎn)評(píng)估提供了重要技術(shù)支撐[4]。地理信息系統(tǒng)已被廣泛應(yīng)用于重金屬污染評(píng)估領(lǐng)域[5]?！厩腥朦c(diǎn)】重慶市長(zhǎng)壽區(qū)化工產(chǎn)業(yè)聚集特征明顯，擁有國(guó)家級(jí)化工園區(qū)，同時(shí)也是西南地區(qū)重要的水稻產(chǎn)地之一，該地區(qū)超過(guò)80%的農(nóng)業(yè)用地被用于水稻種植。據(jù)調(diào)查，該地區(qū)水稻中富集的重金屬來(lái)源復(fù)雜，受污染土壤、灌溉水、農(nóng)藥是主要的污染源[6]。長(zhǎng)壽區(qū)部分農(nóng)業(yè)用地距離化工園區(qū)較近，農(nóng)田土壤及農(nóng)業(yè)用水可能受到一定影響。因此，亟須對(duì)水稻中重金屬暴露風(fēng)險(xiǎn)進(jìn)行評(píng)估。【擬解決的關(guān)鍵問(wèn)題】鑒于此，本研究聚焦于重慶市長(zhǎng)壽區(qū)地下水-農(nóng)田土壤-水稻體系中的Pb、As、Cd污染，采用GIS空間分析技術(shù)和目標(biāo)危險(xiǎn)系數(shù)法（THQ）研究不同鎮(zhèn)（街）地下水、農(nóng)田土壤和稻米中重金屬污染水平與特征，對(duì)研究區(qū)稻米中重金屬暴露風(fēng)險(xiǎn)進(jìn)行評(píng)估。同時(shí)，結(jié)合混合神經(jīng)網(wǎng)絡(luò)（GANN）模型，預(yù)測(cè)了2036年該地區(qū)農(nóng)田土壤中重金屬空間分布，研究結(jié)果對(duì)于區(qū)域土壤環(huán)境及農(nóng)產(chǎn)品質(zhì)量安全管控具有重要意義。

1 材料與方法

1.1 采樣區(qū)和樣品采集

采樣區(qū)域位于重慶市長(zhǎng)壽區(qū)，屬于亞熱帶濕潤(rùn)季風(fēng)氣候區(qū)，年平均氣溫為17.8 ℃，年平均降水量為1 100 mm。該地區(qū)地下水資源豐富，呈條帶狀分布于背斜山區(qū)。區(qū)域種植的主要水稻品種為重慶市農(nóng)委推薦種植的深兩優(yōu)5814。2021年9月15—30日，選擇長(zhǎng)壽區(qū)水稻種植面積較大的13個(gè)鎮(zhèn)（街），共采集水稻樣品312份，農(nóng)田土壤樣品322份，地下水樣品168個(gè)，采樣點(diǎn)分布見(jiàn)圖1（水稻和土壤采樣點(diǎn)幾乎重合）。水稻和土壤樣品均采用梅花采樣法采集，所有樣品均勻混合。稻米進(jìn)行風(fēng)干和脫殼，并在60 ℃下烘干12 h，磨碎后過(guò)100目尼龍篩，保存在自封袋中備用；土壤樣品經(jīng)自然風(fēng)干后，磨碎后過(guò)200目尼龍篩；所有地下水取樣后經(jīng)過(guò)0.45 μm的濾膜過(guò)濾，在PET塑料瓶中加入5%的硝酸進(jìn)行冷藏保存，待上機(jī)測(cè)試。

注 石堰鎮(zhèn)（SY），龍河鎮(zhèn)（LH），雙龍鎮(zhèn)（SL），鄰封鎮(zhèn)（LF），但渡鎮(zhèn)（DD），鳳城街道（FC），江南街道（JN），晏家街道（YJ），八顆街道（BK），葛蘭鎮(zhèn)（GL），新市街道（XS），渡舟街道（DZ），菩提街道（PT）。

1.2 試劑和儀器

硝酸（HNO3）、鹽酸（HCl）、高氯酸（HClO4）和氫氟酸（HF）均購(gòu)買于國(guó)藥集團(tuán)（優(yōu)級(jí)純，中國(guó)，上海），并經(jīng)二次純化后使用。Pb、As和Cd的標(biāo)液均為1 000 mg/L的5% HNO3，購(gòu)買于自鋼研納克標(biāo)物中心（中國(guó)，北京）。通過(guò)逐級(jí)稀釋分別得到0.1、1、10、100 μg/L的Pb、As和Cd混合標(biāo)液，介質(zhì)為5% HNO3。試驗(yàn)用水均來(lái)自ELGA系統(tǒng)（CHORUS，UK）的超純水。使用電感耦合等離子體質(zhì)譜（ICP-MS）對(duì)所有樣品進(jìn)行定量分析。采用稻米國(guó)家標(biāo)準(zhǔn)物質(zhì)GBW(E)100 361和GBW10 010a作為質(zhì)控樣品，測(cè)試過(guò)程中Pb、As、Cd回收率在90%～110%之間，精度在5%以內(nèi)。

1.3 樣品前處理

本研究中的水稻籽粒前處理方法在Cui等[7]的前處理方法基礎(chǔ)上進(jìn)行了改進(jìn)。取0.5 g水稻樣品于聚四氟乙烯消解罐中，加入1.5 mL HClO4和1 mL HNO3后于室溫下進(jìn)行預(yù)消解；次日放入烘箱，在190℃條件下靜置48 h。取出放置105 ℃條件下進(jìn)行趕酸處理，加入3 mL 30%的HNO3使殘?jiān)鼜?fù)溶，將消解罐放入190 ℃的烘箱中靜置12 h，冷卻后用5%的HNO3定容至100 mL的PET塑料瓶中冷藏，待分析。土壤樣品分析和ICP-MS測(cè)試條件參照文獻(xiàn)[8]。

1.4 目標(biāo)危險(xiǎn)系數(shù)模型

使用United States Environmental Protection Agency（USEPA）提出的目標(biāo)危險(xiǎn)系數(shù)模型（Target hazard quotients，THQ）對(duì)人體通過(guò)食用稻米所造成的健康風(fēng)險(xiǎn)進(jìn)行評(píng)估[9-10]。假設(shè)人體通過(guò)稻米攝入的重金屬（Pb、As、Cd）劑量等于人體吸收和轉(zhuǎn)運(yùn)的重金屬劑量。通過(guò)理論模型計(jì)算人體的吸收劑量與標(biāo)準(zhǔn)參考劑量的比值作為評(píng)判標(biāo)準(zhǔn)。當(dāng)＞1時(shí)，表明消費(fèi)群體可能存在消費(fèi)稻米造成Pb、As、Cd的暴露健康風(fēng)險(xiǎn)；當(dāng)≤1時(shí)，表明消費(fèi)稻米群體不存在Pb、As、Cd的暴露健康風(fēng)險(xiǎn)。越小，暴露風(fēng)險(xiǎn)越小。具體計(jì)算式為：

式中：為重金屬每日攝入量（mg/（kg×d））；為每日消費(fèi)稻米量（成年人為0.425 kg/d，兒童為0.147 kg/d）；為稻米重金屬量（mg/kg）；為人體平均體重（成年人取60 kg，兒童取32.5 kg）；為消費(fèi)群體的暴露頻率，為365 d/a；為消費(fèi)人群的暴露時(shí)間，為70 a；為口服參考劑量（mg/（kg×d）），Pb、As、Cd劑量分別取值為4、0.3、1；為非致癌性暴露平均時(shí)間，為365 d。

1.5 預(yù)測(cè)模型

本研究使用混合神經(jīng)網(wǎng)絡(luò)（GANN）模型預(yù)測(cè)2036年研究區(qū)的重金屬空間分布[11]。為了減少不相關(guān)因子的干擾，降低輸入模型的相關(guān)因子維數(shù)，以土壤重金屬累積速度（）[12]為GANN模型的輸入因子，實(shí)現(xiàn)對(duì)重金屬污染預(yù)測(cè)模型的優(yōu)化。GANN土壤重金屬預(yù)測(cè)模型的方法流程如圖2所示。

圖2 GANN模型的預(yù)測(cè)流程

3種狀態(tài)下的污染預(yù)測(cè)方法如下：

理想狀態(tài)：

無(wú)人為干預(yù)狀態(tài)：

劇烈污染狀態(tài)：

式中：C為年后研究區(qū)重金屬的預(yù)測(cè)量（mg/kg）；0為研究區(qū)初始年份土壤重金屬實(shí)測(cè)量（mg/kg）；B為研究區(qū)土壤重金屬背景值（mg/kg）；為土壤重金屬累積速度；為重金屬的年殘留率；K為當(dāng)年土壤重金屬的年殘留率。

1.6 數(shù)據(jù)統(tǒng)計(jì)

使用Origin 8.5和SPSS 15.0軟件對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行分析和繪圖，通過(guò)ArcGIS 10.0軟件繪制采樣點(diǎn)分布圖。通過(guò)計(jì)算3種重金屬在不同方向的變異函數(shù)，依據(jù)每個(gè)方向變異函數(shù)的插值模型，使用克里金插值法對(duì)長(zhǎng)壽區(qū)的重金屬量進(jìn)行插值，結(jié)合Arc GIS進(jìn)行重金屬量的空間分布圖繪制。

2 結(jié)果與分析

2.1 地下水-土壤-水稻體系中的Pb、As、Cd量

研究區(qū)地下水中重金屬空間分布如圖3所示。地下水中Pb、As、Cd量分別介于0.08～0.18、0.001～0.011、0.002～0.15 mg/L之間，平均值分別為0.121、0.005、0.092 mg/L。依據(jù)《農(nóng)田灌溉水質(zhì)標(biāo)準(zhǔn)》（GB5 084—2021），研究區(qū)地下水中Pb量和As量均低于標(biāo)準(zhǔn)限定值（Pb≤0.2 mg/L、As≤0.05 mg/L）。12個(gè)點(diǎn)位的Cd量高于國(guó)家限定值0.01 mg/L，超標(biāo)點(diǎn)分別位于江南街道、晏家街道、鳳城街道、菩提街道和八顆街道。

圖3 研究區(qū)地下水重金屬空間分布

研究區(qū)土壤重金屬空間分布如圖4所示。農(nóng)田土壤中Pb、As、Cd量分別介于10.2～88.7、8.14～22.6、0.11～0.53 mg/kg之間，平均值分別為27.4、10.7 mg/kg和0.184 mg/kg。根據(jù)我國(guó)農(nóng)用地土壤污染風(fēng)險(xiǎn)管控標(biāo)準(zhǔn)（GB15 618—2018），研究區(qū)土壤中As量未超出限定值，但存在26個(gè)點(diǎn)位的Pb、Cd超標(biāo)，超標(biāo)點(diǎn)均位于研究區(qū)的西南部地區(qū)。

稻米中重金屬空間分布如圖5所示。水稻籽粒中Pb、As、Cd量分別介于0.04～0.21、0.02～0.14、0.03～0.28 mg/kg之間，平均值分別為0.09、0.06、0.08 mg/kg。根據(jù)我國(guó)食品安全標(biāo)準(zhǔn)（GBW2 762—2017）規(guī)定（Pb、As、Cd量不超過(guò)0.2 mg/kg），研究區(qū)所有水稻樣品中的As量均未超出限定值。但有6%的水稻籽粒存在Pb超標(biāo)，12%的水稻籽粒存在Cd超標(biāo)，超標(biāo)點(diǎn)位主要位于晏家街道、鳳城街道、菩提街道和八顆街道。

圖4 研究區(qū)土壤中重金屬空間分布

圖5 研究區(qū)稻米重金屬空間分布

2.2 主成分分析

將312份水稻樣品中的重金屬量進(jìn)行歸一化處理后進(jìn)行主成分分析（PCA）[13]。F1、F2、F3的方差解釋率分別為42.414%、20.647%、18.414%，累計(jì)方差解釋率為81.5%（表1），說(shuō)明F1、F2、F3能夠反映全部數(shù)據(jù)的大部分信息。進(jìn)一步對(duì)水稻中Pb、As、Cd進(jìn)行因子載荷矩陣分析（表2）。主成分F1主要含有Pb、As、Cd。可見(jiàn)，水稻中Pb、As、Cd來(lái)源于相同或相似的污染源。然而，F(xiàn)2和F3主要包含As，表明As可能還來(lái)自其他污染源。

表1 水稻的特征值和總變量占比

表2 因子載荷矩陣

2.3 稻米中Pb、As、Cd的暴露風(fēng)險(xiǎn)評(píng)估

基于THQ評(píng)價(jià)法[14]，通過(guò)測(cè)定長(zhǎng)壽區(qū)稻米中的Pb、As、Cd量，計(jì)算消費(fèi)人群（成年人組和兒童組）每日Pb、As、Cd的攝入量和。對(duì)研究區(qū)內(nèi)13個(gè)鎮(zhèn)街的成年人組而言，Pb攝入量平均值在0.51～0.81mg/（kg×d）之間，Pb為0.12～0.20；As攝入量平均值為0.42～0.71mg/（kg×d），As為0.48～0.75；Cd攝入量平均值為0.57～0.86mg/（kg×d），Cd為0.57～0.86。成年人組中，Pb、As、Cd的均?1，因此成年人食用水稻不會(huì)造成Pb、As、Cd的暴露風(fēng)險(xiǎn)（圖6）。對(duì)13個(gè)鎮(zhèn)街的兒童組而言，Pb攝入量平均值為0.66～3.65mg/（kg×d），Pb為0.17～1.05；As攝入量平均值為0.51～0.72mg/（kg×d），As為0.59～0.78；Cd攝入量平均值為0.75～1.12mg/（kg×d），Cd為0.75～1.12。兒童組中Pb和Cd存在＞1的地區(qū)。其中，晏家街道的Pb為1.05，晏家街道和江南街道的Cd分別為1.12和1.05。因此，晏家街道和江南街道的兒童群體食用稻米時(shí)，存在一定的重金屬暴露風(fēng)險(xiǎn)（圖7）。

2.4 農(nóng)田重金屬累積時(shí)間預(yù)測(cè)

將2021年作為截止年，假設(shè)30 a前研究區(qū)未發(fā)生重金屬污染。利用30 a土壤中重金屬的累積量計(jì)算累積速度，基于GANN模型，提出3個(gè)假設(shè)：理想狀態(tài)、無(wú)人為干預(yù)狀態(tài)和劇烈污染狀態(tài)，預(yù)測(cè)15 a后（2036年）長(zhǎng)壽區(qū)土壤Pb、As、Cd量（表3—表5）。

圖6 長(zhǎng)壽區(qū)不同地區(qū)稻米中重金屬THQ生態(tài)風(fēng)險(xiǎn)評(píng)估值的空間分布（成人組）

圖7 長(zhǎng)壽區(qū)不同地區(qū)稻米中重金屬THQ生態(tài)風(fēng)險(xiǎn)評(píng)估值的空間分布（兒童組）

表3 理想狀態(tài)下2036年土壤中Pb、As、Cd量預(yù)測(cè)結(jié)果

表4 無(wú)人為干預(yù)狀態(tài)下2036年土壤Pb、As、Cd量預(yù)測(cè)結(jié)果

應(yīng)用克里金插值分析探索3種狀態(tài)下的重金屬量預(yù)測(cè)值的空間分布（圖8—圖10）。理想狀態(tài)下，2036年土壤Pb、As、Cd量相比2021年下降了4%～8%。重金屬可檢出區(qū)域中部和東北區(qū)域范圍縮小，西南地區(qū)基本保持不變（圖8）。無(wú)人為干預(yù)狀態(tài)下，2036年長(zhǎng)壽區(qū)Pb、As、Cd量表現(xiàn)出隨年限增長(zhǎng)而增長(zhǎng)的趨勢(shì)，但污染面積并沒(méi)有隨之?dāng)U大（圖9）。劇烈污染狀態(tài)下，2036年研究區(qū)Pb、As、Cd平均值分別為2021年的1.51、1.72、1.68倍，西南地區(qū)污染情況較為嚴(yán)重（圖10）。

表5 劇烈污染狀態(tài)下2036年土壤中Pb、As、Cd量預(yù)測(cè)結(jié)果

圖8 理想狀態(tài)下2036年土壤中重金屬空間分布預(yù)測(cè)

圖9 無(wú)人為干預(yù)狀態(tài)下2036年土壤重金屬空間分布預(yù)測(cè)

3 討論

長(zhǎng)壽區(qū)作為重慶市最早的工業(yè)區(qū)之一，土壤重金屬污染主要由人類活動(dòng)所導(dǎo)致[15]。本研究結(jié)果表明，研究區(qū)內(nèi)地下水中As和Pb量未超出標(biāo)準(zhǔn)限定值，但部分地區(qū)存在Cd超標(biāo)。農(nóng)田土壤也存在Cd和Pb超標(biāo)，超標(biāo)點(diǎn)位占總采樣點(diǎn)的8%。其中，土壤Cd檢出區(qū)域比Pb檢出區(qū)域范圍更廣，主要是由于Cd的生物流動(dòng)性高于Pb[16-17]。研究區(qū)兒童組食用稻米存在一定的Cd暴露風(fēng)險(xiǎn)（Cd max為1.12），雖然低于湖南稻米（Cd為1.75[10]），但與吉林稻米相比（Cd為0.85）暴露風(fēng)險(xiǎn)偏高。一方面是由于研究區(qū)土壤Cd的背景值較高，另一方面長(zhǎng)壽區(qū)土壤屬于偏酸性土壤，對(duì)土壤中的Cd會(huì)起到活化作用，進(jìn)一步促進(jìn)了水稻對(duì)Cd的吸收和轉(zhuǎn)運(yùn)[18]。因此，研究區(qū)除了源頭防控工業(yè)企業(yè)污染外，還需加入相關(guān)的農(nóng)藝調(diào)控措施，如施用土壤鈍化劑或葉面阻控劑[19]，協(xié)同阻控水稻對(duì)Cd的吸收和轉(zhuǎn)運(yùn)，降低稻米Cd的暴露風(fēng)險(xiǎn)。

GANN模型結(jié)果表明，2036年研究區(qū)在理想狀態(tài)下的重金屬量下降4%～8%。根據(jù)我國(guó)農(nóng)用地土壤污染風(fēng)險(xiǎn)管控標(biāo)準(zhǔn)（GB 15 618—2018），研究區(qū)只需加強(qiáng)土壤環(huán)境質(zhì)量監(jiān)測(cè)和農(nóng)產(chǎn)品協(xié)同監(jiān)控。在無(wú)人為干預(yù)和劇烈污染狀態(tài)下，需要從土壤質(zhì)量惡化的角度進(jìn)行預(yù)警。當(dāng)研究區(qū)內(nèi)土壤重金屬濃度超過(guò)污染風(fēng)險(xiǎn)管控的最大值時(shí)，應(yīng)采取嚴(yán)格的管控措施，禁止在該區(qū)域種植農(nóng)作物，或采取退耕還草、還林措施。

4 結(jié)論

1）重慶市長(zhǎng)壽區(qū)水稻主要受到Pb和Cd污染，主要污染來(lái)源于西南地區(qū)工業(yè)企業(yè)；研究區(qū)地下水、土壤和稻米中重金屬量呈西南地區(qū)高于東北地區(qū)的規(guī)律。

2）長(zhǎng)壽區(qū)稻米不存在As暴露風(fēng)險(xiǎn)。成人組中Pb和Cd同樣不存在暴露風(fēng)險(xiǎn)，但兒童組存在較低的Pb和Cd暴露風(fēng)險(xiǎn)，需提高警惕。

3）2036年土壤中Pb、As、Cd量在理想狀態(tài)、無(wú)人為干預(yù)狀態(tài)和劇烈污染狀態(tài)下存在顯著差異。理想狀態(tài)下存在重金屬量下降的趨勢(shì)，但無(wú)人為干預(yù)狀態(tài)和劇烈污染狀態(tài)下重金屬污染程度將進(jìn)一步加重。

（作者聲明本文無(wú)實(shí)際或潛在利益沖突）

[1] 滑小贊, 程濱, 趙瑞芬, 等. 太原市農(nóng)田土壤重金屬污染評(píng)價(jià)與空間分布特征[J]. 灌溉排水學(xué)報(bào), 2021, 40(3): 101-109.

HUA Xiaozan, CHENG Bin, ZHAO Ruifen, et al. Pollution assessment and spatial distribution of heavy metals in the farmland soils of Taiyuan city[J]. Journal of Irrigation and Drainage, 2021, 40(3): 101-109.

[2] YANG Ling, REN Qiang, ZHENG Kaixuan, et al. Migration of heavy metals in the soil-grape system and potential health risk assessment[J]. Science of the Total Environment, 2022, 806(P2): 150 646.

[3] PAN Shengang, WEN Xiangcheng, WANG Zaiman, et al. Benefits of mechanized deep placement of nitrogen fertilizer in direct-seeded rice in South China[J]. Field Crops Research, 2017, 203: 139-149.

[4] ABDELRAHMAN M A E, NATARAJAN A, HEGDE R. Assessment of land suitability and capability by integrating remote sensing and GIS for agriculture in Chamarajanagar district, Karnataka, India[J]. The Egyptian Journal of Remote Sensing and Space Science, 2016, 19(1): 125-141.

[5] JOSIMOVIC B, KRUNIC N, GAJIC A, et al. Multi-criteria evaluation in strategic environmental assessment in the creation of a sustainable agricultural waste management plan for wineries: Case study: Oplenac vineyard[J]. Journal of Agricultural and Environmental Ethics, 2021, 34(1): 4-7.

[6] 周振民. 污水灌溉重金屬在農(nóng)田土壤中的運(yùn)移分布規(guī)律研究[J]. 灌溉排水學(xué)報(bào), 2010, 29(6): 76-78, 90.

ZHOU Zhenmin. Distribution of heavy metal pollution in farmland soil under wastewater irrigaiton[J]. Journal of Irrigation and Drainage, 2010, 29(6): 76-78, 90.

[7] CUI Hao, GUO Wei, JIN Lanlan, et al. Elemental screening of plant-based foods by slurry nebulization ICP-MS[J]. Journal of Analytical Atomic Spectrometry, 2020, 35(3): 592-599.

[8] 葛少林, 明佳佳, 李倩. 超聲輔助-逆王水提取法結(jié)合ICP-MS測(cè)定PM2.5中24種金屬元素[J]. 現(xiàn)代預(yù)防醫(yī)學(xué), 2022, 49(3): 513-517.

GE Shaolin, MING Jiajia, LI Qian. Determination of 24 metallic elements in PM2.5by ultrasonic-assisted inverse aqua regia extraction combined with ICP-MS[J]. Modern Preventive Medicine, 2022, 49(3): 513-517.

[9] DENG Ziyi, YAO Liyun, FANG Min, et al. Health risk assessment using in vitro simulation in assessing bioavailability of cadmium in rice from main producing areas across China[J]. Journal of Food Science, 2022, 87(6): 2 766-2 774.

[10] WANG Lin, MA Li, YANG Zheng. Spatial variation and risk assessment of heavy metals in paddy rice from Hunan Province, Southern China[J]. International Journal of Environmental Science and Technology, 2018, 15(7): 1 561-1 572.

[11] YIN Guangcai, CHEN Xingling, ZHU Hanghai, et al. A novel interpolation method to predict soil heavy metals based on a genetic algorithm and neural network model[J]. Science of the Total Environment, 2022, 825:153 948.

[12] 牛一樂(lè). 冶煉工業(yè)區(qū)重金屬動(dòng)態(tài)分布特征與污染預(yù)警研究[D]. 長(zhǎng)沙:湖南大學(xué), 2006.

NIU Yile. Study on heavy metal dynamic distribution characteristic and its pollution warning[D]. Changsha: Hunan University, 2006.

[13] GONG Jiaqiong, OUYANG Wei, HE Mengchang, et al. Heavy metal deposition dynamics under improved vegetation in the middle reach of the Yangtze River[J]. Environment International, 2023, 171: 107 686.

[14] WEI Ruping, WANG Xin, TANG Wenli, et al Bioaccumulations and potential human health risks assessment of heavy metals in ppk-expressing transgenic rice[J]. Science of the Total Environment, 2020, 710: 136 496.

[15] 白薇揚(yáng), 全學(xué)軍, 譚懷琴, 等. 重慶長(zhǎng)壽湖沉積物中重金屬污染及潛在生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)[J]. 地球與環(huán)境, 2011, 39(3): 382-387.

BAI Weiyang, QUAN Xuejun, TAN Huaiqin, et al. Pollution of heavy metals in the sediments from Changshou Lake in Chongqing and its potential ecological risk assessment[J]. Earth and Environment, 2011, 39(3): 382-387.

[16] CASTALDI P, MELIS P, SILVETTI M, et al. Influence of pea and wheat growth on Pb, Cd, and Zn mobility and soil biological status in a polluted amended soil[J]. Geoderma, 2009, 151(3/4): 241-248.

[17] 劉意章, 肖唐付, 熊燕, 等. 西南高鎘地質(zhì)背景區(qū)農(nóng)田土壤與農(nóng)作物的重金屬富集特征[J]. 環(huán)境科學(xué), 2019, 40(6): 2 877-2 884.

LIU Yizhang, XIAO Tangfu, XIONG Yan, et al. Accumulation of heavy metals in agricultural soils and crops from an area with a high geochemical background of cadmium, Southwestern China[J]. Environmental Science, 2019, 40(6): 2 877-2 884.

[18] 李靈, 張玉, 翁建鳳, 等. 南方酸性紅壤區(qū)不同種植方式土壤重金屬的生物有效性[J]. 河南農(nóng)業(yè)科學(xué), 2021, 50(12): 68-77.

LI Ling, ZHANG Yu, WENG Jianfeng, et al. Bioavailability of soil heavy metals under different planting types in acid red soil zone of Southern China[J]. Journal of Henan Agricultural Sciences, 2021, 50(12): 68-77.

[19] ZHEN Sheng, SHUAI Hong, XU Chao, et al. Foliar application of Zn reduces Cd accumulation in grains of late rice by regulating the antioxidant system, enhancing Cd chelation onto cell wall of leaves, and inhibiting Cd translocation in rice[J]. Science of the Total Environment, 2021, 770: 145 302.

Heavy Metals in Water-soil-crop System in Changshou District of Chongqing:Risk Assessment and Their Potential Changes

ZHOU Lianchuan1, YUAN Jingjing2,3, YU Hai1, LI Yutong1, DU Zhenjie4*, WANG Jian1, CHEN Ying5

(1. Chongqing Academy of Ecological and Environmental Sciences, Chongqing 401147, China;2. Henan Institute of Metrology, Zhengzhou 450000, China; 3. Zhengzhou University, Zhengzhou 450001, China;4. Farmland Irrigation Research Institute, Chinese Academy of Agricultural Science, Xinxiang 453002, China;5. Chongqing Ecological and Environmental Monitoring Center, Chongqing 401147, China)

【Objective】Soil contamination by heavy metals is a pervasive issue, and this paper investigates the spatial distribution of Pb, As, and Cd in the groundwater-soil-rice system in the Changshou district of Chongqing. We also assess their exposure risk and predict their potential changes in the future. 【Method】Geostatistical techniques, ArcGIS, and the target hazard quotients (THQ) methods were used to assess the risk of the three metals entering food chain. Based on these results, we predicted their potential changes and distribution up to 2036. 【Result】①Pb, As, and Cd in groundwater, soil and rice co-existed spatially, with their concentrations higher in the southwest than in the northeast. ② The THQ model did not showed risk of rice consumption for adults (THQ (As, Pb, and Cd) <1), but showed that there was slight risk of Cd (THQCd=1.12) and Pb (THQPb=1.05) for children. ③ The model predicted substantial differences in the content of Pb, As, and Cd between different three management scenarios: ideal, no human intervention, and severe pollution until 2036. While the contents of the heavy metals were predicted to decrease by 4% to 8% under the ideal scenario in 2036 compared to the current level in 2021, allowing severe pollution to continuously happen is expected to increase heavy metal content by 1.51 to 1.72 times the current level.【Conclusion】Industries are the primary source of heavy metal pollution in Changshou district. Regarding the exposure risk to children and vulnerable people, and current pollution level, strict measures, including controlling discharge of industrial waste into soils and remediating contaminated soils are essential to reducing heavy metal contents in soil and alleviating them entering food chain.

heavy metal; ground water-soil-rice system; spatial distribution characteristic; Arc GIS; health risk assessment

1672 - 3317（2023）10 - 0129 - 07

S13；X82

A

10.13522/j.cnki.ggps.2023078

周煉川, 袁晶晶, 余海, 等. 重慶市長(zhǎng)壽區(qū)典型重金屬污染健康風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)[J]. 灌溉排水學(xué)報(bào), 2023, 42(10): 129-135.

ZHOU Lianchuan, YUAN Jingjing,YU Hai, et al. Heavy Metals in Water-soil-crop System in Changshou District of Chongqing: Risk Assessment and Their Potential Changes[J]. Journal of Irrigation and Drainage, 2023, 42(10): 129-135.

2023-03-03

2023-06-04

2023-10-18

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2019YFC1804000）；河南省市場(chǎng)監(jiān)督管理局科技計(jì)劃項(xiàng)目（2020sj15）

周煉川（1985-），男。高級(jí)工程師，碩士，主要從事農(nóng)田土壤污染防治研究。E-mail: lianchuanzhou@163.com

杜臻杰（1982-），男。副研究員，博士，主要從事水土資源利用與環(huán)境方面的研究。E-mail: imdzj11@163.com

@《灌溉排水學(xué)報(bào)》編輯部，開(kāi)放獲取CC BY-NC-ND協(xié)議

責(zé)任編輯：韓 洋