基于UNMIX模型的安徽大礬山廢棄礦區土壤重金屬源解析

周蓓蓓，郭 江，陳曉鵬，楊 強，朱紅艷，段曼莉，李曉晴，周德華，楊 揚

基于UNMIX模型的安徽大礬山廢棄礦區土壤重金屬源解析

周蓓蓓1，郭 江1，陳曉鵬1，楊 強2，朱紅艷1，段曼莉1，李曉晴1，周德華1，楊 揚1

（1. 西安理工大學西北旱區生態水利工程國家重點實驗室，西安 710048；2. 中國電建西北勘測設計研究院有限公司，西安 710065）

為了摸清安徽廬江廢棄礦區土壤重金屬含量及其來源情況，該研究通過區域網格布點劃分，以大礬山為中心向周圍擴散，最終確定50個典型特征點位，分析測定土壤重金屬元素砷（As）、鎘（Cd）、銅（Cu）、錳（Mn）、鎳（Ni）含量，應用UNMIX模型進行土壤重金屬源解析，并結合ArcGIS地統計模塊中的普通克里金插值法分析土壤重金屬空間分布，進一步驗證源解析結果的準確性。結果表明：1）研究區0～10 cm和10～20 cm土壤中As、Cd、Cu、Mn和Ni含量的平均值分別為47.38、2.03、30.89、77.76、4.08 mg/kg和50.62、2.24、30.82、71.39、3.62 mg/kg。除Mn和Ni 外，As、Cd和Cu含量的平均值均高于當地背景值，10～20 cm 土層中As、Cd含量的中位值是土壤污染風險篩選值的1.28、7.17倍。2）研究區0～10 cm土層重金屬的3大污染源，源1對Cu的貢獻占主導作用，為銅礦業活動污染源，貢獻率為5.75%；源2對Mn、Ni貢獻率較高，為燃煤污染源，貢獻率為49.86%；源3對As、Cd的貢獻高于其他重金屬，為巖石風化作用，貢獻率分別為44.39%。3）研究區10～20 cm土層重金屬2大污染源分別為土壤母質和垃圾堆放造成的混合源（源1）、淋濾作用和礦石開采及運輸所導致的混合源（源2），其貢獻率分別為47.46%、52.54%，其中土壤母質和垃圾堆放的混合源主要影響Mn和Ni，淋濾作用和礦石開采及運輸的混合源對As、Cd和Cu的貢獻率較高。4）根據研究區土地利用類型及人類活動形式，發現UNMIX受體模型和空間分析相結合能夠全面地解析土壤重金屬來源。該研究可為大礬山廢棄礦區開展土壤重金屬污染修復治理提供理論依據。

土壤；重金屬；污染；UNMIX模型；源解析

0 引 言

土壤是農業發展和糧食安全的基礎，也是維持基本生態系統功能和地球上生命的關鍵，然而隨著工農業迅速發展，土壤重金屬污染日趨嚴重[1]。重金屬進入土壤后具有隱蔽性、滯后性、累積性和不可逆轉性等特點[2]，不僅直接導致了農用耕地土壤退化、農產品品質及產量下降，甚至通過食物鏈危害人類健康[3-5]。2016年5月31日，中國國務院發布了《土壤污染防治行動計劃》，旨在確保到2020年90%以上的受污染耕地能夠安全利用，到2030年95%以上的耕地能夠安全利用。而目前，廢棄礦區土壤重金屬污染安全利用問題較為突出，個別點位超標率高達30%[6]，礦渣隨意堆放產生的廢水、廢氣等導致礦區及周邊農田土壤生態環境持續性遭到破壞[7-9]，農田地力明顯下降，對于農業生產和糧食安全構成巨大威脅。《“十四五”土壤、地下水和農村生態環境保護規劃》指出，到2025年，中國受污染耕地安全利用率達到93%左右。而受污染耕地的安全利用前提是加強耕地污染源頭控制和成因排查。其中，廢棄礦區的土壤重金屬污染環境存在其一定的特殊性，需要明確廢棄礦區土壤重金屬來源分布過程，才能有的放矢地指導廢棄礦區的農業生態修復和污染防治工作的開展。因此，選取精準、有效的廢棄礦區土壤重金屬污染源解析方法是當下土壤重金屬污染防治工作的迫切需求。

污染物源解析可用于確定和量化排放源對污染物分布水平的貢獻[10]。目前的源解析方法包括擴散模型（Diffusion Model）和受體模型（Receptor Model）[11]。擴散模型通過研究區域污染物的排放清單、分布情況和氣象條件等因素，采用模型算法識別污染源種類。而受體模型法主要是針對研究區域樣品中的污染物展開定性定量分析，結合模型算法來識別源種類[12]。由于受體模型可以直接針對樣本進行分析，在現階段污染源解析研究中應用更加廣泛。如今應用較多的受體模型有化學質量平衡法[13]（Chemical Mass Balance，CMB）、正定矩陣因子分析法[14]（Positive Matrix Factorization，PMF）、主成分分析法[15]（Principal Component Analysis，PCA）、因子分析法[16]（Factor Analysis，FA）和UNMIX模型[17]等。其中，UNMIX模型的污染物源解析結果可靠，操作簡單，在源信息不足、或污染物濃度低于檢出限時可以進行自適應補償等優勢逐漸引起了更多學者的關注。胡夢珺等[18]通過UNMIX模型探究了蘭州市主城區公園表土重金屬來源，發現Co來源于建筑業污染源，貢獻率為56%；Cu和Pb為交通污染源，貢獻率各為44%和52%；V、Cr、Ni和As為自然源，貢獻率各為62%、60%、56%和56%。Chen等[19]應用UNMIX模型對蘇州大學校園內人口密度較高區域的土壤重金屬進行源解析，得到其可能來源為母巖風化、農業施肥等人類活動影響、電池等生活垃圾污染，且三者貢獻率分別為65.74%、29.25%、5.01%。劉玲玲等[20]使用UNMIX受體模型分析了北京城市公園土壤重金屬來源，發現Cr主要來自于土壤母質和特殊工業源，貢獻率為21.38%；Cd污染為工農業混合源，貢獻率為35.43%；Cu、Zn和Pb污染主要為交通源，貢獻率為43.19%。

以上研究成果表明，UNMIX模型在土壤污染源解析方面的應用優勢顯著，但不可忽視的是，UNMIX模型也存在一定的局限性，其運算結果高度取決于所選擇的物種，因此需要數據質量較高的，缺失值較少的數據[12]。然而，在實際的野外區域調研采樣過程中，限于復雜地勢環境等因素，定點樣品的采集不一定能全部實現。若要獲得反映不同地域土壤重金屬污染情況的完整數據集，需要借助更多的分析手段與UNMIX模型聯合應用。因此，本研究提出在UNMIX模型解析土壤重金屬污染源研究的基礎上，引入地統計學法和ArcGIS空間分析方法，來填補UNMIX模型所需數據高度完整的不足，進行使得土壤重金屬污染源解析結果更加可靠。本研究選取安徽大礬山廢棄礦區不同層位土壤作為研究對象，采用普通克里金插值方法分析了5種土壤重金屬元素的空間分布特征，結合UNMIX模型進行重金屬源解析，地統計學方法在空間關系上進一步驗證及補充了UNMIX模型的污染源解析結果，使解析結果更加可靠。通過以上研究內容的開展，以期為大礬山廢棄礦區開展污染土壤的凈化處理和建立生態恢復技術體系提供理論參考依據。

1 材料與方法

1.1 研究區概況

礬山鎮隸屬于安徽省合肥市廬江縣，地理坐標為117°24′41?～117°24′75?E、31°5′48?～31°5′85?N，屬于亞熱帶季風氣候，四季分明，寒暑明顯，年平均氣溫約為16.5 ℃，年平均降水量約為1 000 mm；境內有較大水系為瓦洋河、失曹河和黃屯河，土壤pH值為3.5～4.7，土壤類型以黃棕壤和黃褐土為主，顆粒組成以粉砂質壤土為主。自唐中宗時期，開始采礦煎煉礬，到了北宋時期，已成為全國五大白礬（即明礬）產區之一，到了清朝更是成為中國出礬之首[21]，廬江縣除明礬石儲量居于全國前列之外，所賦存的黃鐵礦、銅、石膏、高嶺土等儲量也比較可觀。1991年因特大洪水導致大礬山主運輸通道垮塌，據調研發現東、西山+85米中段2 000余米巷道巖石穩定性差，常發生冒頂、片幫、底鼓以及支架折斷沉陷現象[22]。礦區內廢棄礦渣遍布，隨著降雨淋溶、空氣以及微生物作用產生大量酸性廢水，使地表水、潛水及礦區周邊土壤環境遭受不同程度的污染[23]。

1.2 樣品采集與分析

根據研究區地形、地貌以及土地利用現狀等情況，并充分考慮道路的可達性和采樣點布置均勻性，結合遙感影像圖和手持GPS（Garmin，eTrex221 x，America）進行區域網格劃分選點（見圖1）。2020年8月采集土壤0～10 cm土層和10～20 cm土層共100個土壤樣品，在采樣前先將剖面清理，然后自上而下逐層進行，均勻混合后，用四分法保留1 kg左右裝入采樣袋，同時記錄采樣點編號和坐標。

將采集的土壤樣品剔除植物根莖和石塊碎屑等雜物，置于室內通風處自然陰干，經研磨過1 mm篩后將樣品裝入自封袋中待測。稱取0.2 g土樣檢驗重金屬含量，每份土壤樣品中加入HNO3-HF-HCL-HCL4O（體積比5∶4∶3∶2）后，在微波消解裝置（Bergh of MWS-3，Germany）中進行消解，采用電感耦合等離子質譜儀（Agilent Technologies，ICP-MS，America）對Cd、Cu、Mn、Ni的含量進行測定，As的含量采用原子熒光光譜法（T2IMUS-Ⅱ型）測定，土壤pH值采用玻璃電極法（PHS-3C型酸度計）進行測定。測定結果采用國家土壤樣品標準（GBW07401）進行檢驗，土壤樣品測定的回收率介于90%～110%范圍內，相對標準偏差控制在5%范圍內，測試結果符合規范要求。

1.3 UNMIX模型

UNMIX模型是一種基于主成分分析的較新型多元受體模型，旨在解決一般的混合問題。該模型采用奇異值分解（Singular Value Decomposition，SVD）方法對數據空間進行降維，從而判斷源數量、源組成及源對各樣本的貢獻率[24]。運算原理建立在不同污染源含量視為各個源組分的線性組合；假定源中各個組分對受體點貢獻為正值；樣品中有些源的貢獻很少或者沒有[25]。

式中C為第個樣品（=1,…,）的第個物種（=1,…,）的含量；F為第個物種在源(=1,…,)中的質量分數，代表源的組成；S代表源在第個樣品中的總量，代表源的貢獻率；為各個源組成的標準偏差。

式中X(=1,…,)為標準化值；X為樣品實測含量值；MinX為最小含量值；MaxX為最大含量值。

1.4 數據處理

為分析土壤中5種重金屬含量變化及來源，用SPSS 26.0進行描述性統計分析、單樣本-檢驗法進行正態分布檢驗和Pearson相關分析，土壤重金屬源解析采用UNMIX6.0完成，結合實際調查情況，利用ArcGIS 10.6普通克里金插值法繪制各元素空間分布圖，進一步驗證源解析結果。

2 結果與討論

2.1 土壤重金屬含量的描述性統計分析

表1顯示，采用-非參數法檢驗對原始數據進行正態分布檢驗，發現原始數據均不符合正態分布，為了減少非正態分布引起的統計分析誤差，按照6%截尾剔除異常值后，0～10 cm和10～20 cm土層中As、Cd的含量、0～10 cm土層中Cu的含量均符合正態分布，對非正態分布數據進行對數轉換后，0～10 cm和10～20 cm土層中Mn、Ni的含量、10～20 cm土層中Cu的含量均符合對數正態分布。研究區0～10 cm和10～20 cm土壤中的pH平均值分別為4.12、4.09，參照DZ/T0295—2016《土地質量地球化學評價規范》[28]中土壤酸堿度（pH）分級標準，pH<5屬于強酸性，因此研究區屬于強酸性土壤。

表1 土壤重金屬含量描述性統計分析

由表1可看出，0～10 cm土層中As、Cd平均含量分別是土壤污染風險篩選值的1.18、6.77倍，10～20 cm 土層中As、Cd含量的中位值是土壤污染風險篩選值的1.28、7.17倍；As、Cd平均含量表現為隨土層深度增加分別增加了3.24、0.21 mg/kg，Cu、Mn和Ni平均含量表現為隨土層深度增加分別減少了0.07、6.37、0.46 mg/kg。與安徽省土壤背景值[29]比較可知（表 1），0～10 cm和10～20 cm土壤中As、Cd和Cu含量的平均值高于背景值，即表現為高背景特征；Mn、Ni的含量平均值低于背景值，即表現為低背景特征。該地區在進行生態修復建設改造中，涉及到部分區域仍用于當地農業生產作業，為適用于該區域土壤重金屬污染風險評估，遂采用GB15618—2018《土壤環境質量農用地土壤污染風險管控標準（試行）》[30]中的土壤污染風險篩選值。因此，As、Cd可能會對農產品質量安全、農作物生長或土壤生態環境造成影響。

由表1可以看出，0～10 cm和10～20 cm土壤重金屬元素含量的變異系數范圍分別為0.31～1.00、0.33～1.04之間，5種元素含量的總體平均變異程度由大到小排列順序為：Ni>Mn>Cu>Cd>As，土壤中Mn、Ni元素的變異系數遠大于As、Cd、Cu元素的變異系數，屬于強變異性質，說明土壤中Mn、Ni含量的離散程度較高，受外源界干擾比較大，即不同程度的人為活動影響；土壤中As、Cd、Cu元素屬于中等程度變異，變異系數較小，說明受外源干擾相對較小，As、Cd、Cu元素含量空間分布相對均勻。

2.2 土壤重金屬相關性分析

由Pearson相關分析不同層位5種重金屬含量間的相關性，見表2可知，土壤中As與Cd、Mn與Ni相關系數接近或大于0.5，說明具有極顯著的正相關關系（<0.01），As與Cd、Ni與Mn可能有相似來源。土壤中As與Mn、Cd與Mn呈極顯著的負相關（<0.01），說明土壤As和Cd含量變化與Mn之間相關性較小，即可能來源不同。為了更加準確的得到重金屬來源，需要作進一步的驗證分析。

表2 土壤重金屬含量的相關性分析

注：** 表示在 0.01 水平（雙側）上極顯著相關；* 表示在 0.05 水平（雙側）上顯著相關。

Note: ** means very significant correlation at the 0.01 level (bilateral); * means significant correlation at the 0.05 level (bilateral).

2.3 UNMIX模型源解析

基于UNMIX6.0軟件得出不同層位50個采樣點5種重金屬元素在可解析的多個源中含量分配情況，UNMIX模型結果中0～10 cm土層擬合系數2為0.97、10～20 cm土層擬合系數2為0.83，分別代表97%和83%的物種方差可由該模型解釋，均大于系統要求的最小值（2不能低于0.8）；0～10 cm土層最小信噪比（Sig/Noise）為2.03、10～20 cm土層最小信噪比（Sig/Noise）為3.52，均大于系統要求的最低值（最小信噪比大于2）。由此可知，0～10 cm土層中3個源和10～20 cm土層中2個源得出的解析結果是可信的。

2.3.1 0～10 cm土層源分析

由圖2可知，源1對于Cu的貢獻率高達74%，明顯高于其他兩個源，說明源1對Cu元素含量貢獻占主導作用。研究區屬于強酸性土壤，土壤酸化后會加劇鐵錳氧化物活化，產生新的吸附表面，增加了非專性吸附量，使土壤對于外源銅的吸附量增加。由圖1可知，研究區周圍分布較多銅礦，礦山開采、冶煉、加工排放的廢氣，通過大氣沉降使Cu富集在土壤表面。從圖3可以看出，源1對研究區北部區域貢獻值較高，該區域附近地勢較低。在酸性土壤中Cu的吸附能力減弱，導致土壤中的Cu易被解析出來，銅在地表徑流作用下發生不同程度遷移，致使地勢較低區域Cu含量明顯增加。因此，源1可認為是銅礦業活動所導致的污染源。

源2對Mn、Ni的貢獻率最高，分別達到84%和90%，表明源2對Mn和Ni有重要貢獻。根據相關性結果可知，0～10 cm土層中Mn和Ni相關系數達0.82，說明Mn和Ni極可能來源相同。王菊等[31]研究表明土壤中Ni含量很低，大氣中Ni主要來源于化石燃料的燃燒和居民燃煤。曲直等[32]研究長春市環境空氣中PM2.5污染源，發現Mn主要來源于燃煤塵。由圖3可知，源2貢獻高值區主要分布在研究區北部和西部區域，目前北部區域有黃蜀葵加工廠，小黃花初加工中必須保證烘干溫度在90 ℃到105 ℃之間，否則不能進一步使用，該加工廠通過持續燃煤控制溫度。西部區域為居民居住地，居民燃煤及焚燒垃圾產生的粉塵自身轉化能力較弱并且不能被微生物分解，致使這些重金屬長期滯留在土壤中。因此，源2可認為燃煤引起的污染源。

源3對As、Cd的貢獻率明顯高于其他元素，分別為92%和95%，0-10 cm土層中As、Cd的平均值分別是當地土壤背景值的5.26和20.9倍，說明As、Cd在土壤中污染程度嚴重。由圖3可知，源3高值樣點主要分布在研究區東部和南部，東部區域有大面積裸露的巖石和開采后遺留的礦坑，南部區域遍地礦渣和巨大的塌陷區。As、Cd在洪積物和沖積物的成土母質下含量較高，研究區常年高溫多雨，裸露的礦石經過長期的剝蝕和風化淋濾，重金屬容易隨地表徑流發生遷移。因此，源3可認為巖石風化造成的自然污染源。

綜上所述，利用UNMIX方法解析出0～10 cm土層中3個源：源1代表銅礦業活動所導致的污染源，源貢獻率為5.75%；源2代表燃煤引起的污染源，源貢獻率為49.86%；源3代表巖石風化造成的自然污染源，源貢獻率為44.39%。由源貢獻分配可知，人類活動對該區域土壤重金屬污染源貢獻大于自然源。因此，控制或限制企業及居民區污染物排放量，才是今后大礬山礦區污染治理的重點。

2.3.2 10～20 cm土層源分析

結合圖4可知，源1對Mn、Ni的貢獻率分別為81%和90%，根據表1可知，Mn、Ni的平均含量雖低于安徽省土壤背景值，處于無污染范圍，其變異系數較高，說明Mn和Ni在局域上也受到人類活動干擾。研究區主要的礦物為明礬石、石英、高嶺石和黃鐵礦等，這些礦石中鐵的含量較高，Mn是親鐵元素，說明主要來自于土壤母質[33]。由圖5可知，源1貢獻高值區主要分布在北部和西部區域，北部區域位于鄉村道路附近，西部為居民住宅區，這兩個區域為人類活動比較頻繁區域，隨意丟棄含鎳電池和堆放生活垃圾導致土壤中Mn和Ni的含量增加[34]。因此，源1可認為土壤母質和垃圾堆放造成的混合源。

源2對5種重金屬都有一定貢獻，其中對As，Cd和Cu的貢獻率分別高達96%、92%和73%。由表1可知，在10～20 cm土層中As、Cd平均含量高于0～10 cm土層，Cu的含量變化不大，說明As、Cd元素隨著深度增加會發生一定富集。蔣成愛等[35]指出土壤中As最初的主要來源是成土母質，土壤在長期發展中成土母質會出現富集現象，且含量不會超過15 mg/kg，而研究區50個采樣點中As含量嚴重超標，說明受外界因素影響較大。Cd是一種極具生物毒性的物質，還是一種容易積累的元素。礦產資源開采過程中汽車輪胎磨損及重型機械設備排放的尾氣，通過大氣沉降和空氣粉塵吸附，致使Cd含量在土壤中累積。結合圖5所示，幾乎所有采樣點對源2貢獻較高，土壤pH為3.5～4.7，研究表明[36]淋濾液酸性越強，有利于重金屬離子溶出，并發生橫向及縱向擴散。東北區域分布有明礬石冶煉廠，王洪濤等[37]認為工業活動產生的廢氣和廢渣是Cd和Cu的主要來源。因此，源2可認為是淋濾作用和礦石開采及運輸所導致的混合源。

綜上所述，利用UNMIX方法解析出10～20 cm土層中2個源：源1代表土壤母質和垃圾堆放造成的混合源，源貢獻率為47.46%；源2代表淋濾作用和礦石開采及運輸所導致的混合源，源貢獻率為52.54%。由源貢獻分配可知，礦產資源開采過程中不當的防護及廢棄物的隨意堆放，導致礦渣等廢棄物中富含的重金屬向周圍擴散遷移，嚴重破壞了礦區及周邊農田生態環境。

2.4 土壤重金屬含量分布

為了驗證模型解析結果的準確性，采用普通克里金插值方法生成不同層位5種重金屬含量空間分布情況，進一步根據實際調查情況對模型解析結果進行補充。

由圖6可見，0～10 cm土層中Cu含量分布范圍廣，高值區域范圍較小，研究區主要分布在銅礦企業密集區的西北部，少量集中在北部，研究區季風氣候，西北風和北風交替盛行使西北和北部方向土壤容易受到大氣沉降污染，進一步說明UNMIX解析的Cu主要來于銅礦業活動污染源。0～10 cm土層中Mn、Ni含量高值區主要集中在研究區的北部和西部區域，北部區域分布著黃蜀葵加工廠，居民區位于西部，加工廠通過大量燃煤烘干小黃花，居民常年采用木材和燃煤取暖及煮飯，燃煤產生的粉塵中含有高濃度的Mn和Ni，可以推斷0～10 cm土層中Mn和Ni來源于燃煤引起的污染源。0～10 cm土層中As含量在研究區的東北和南部區域較高，0～10 cm土層中Cd最大含量主要集中在研究區南部，南部為山頂中心，遍地是廢棄礦渣，東北部為巖石裸露區域，在長期風吹日曬雨淋和高溫高壓的作用之下加速了巖石風化，將堅硬的巖石變成松散的碎屑富集在土壤中，致使As、Cd的含量增加，進一步驗證了模型給出的0～10 cm土層中As和Cd污染來源于巖石風化作用。

10～20 cm土層中Mn和Ni含量高值區分布極其相似，均未超過安徽省背景值。結合表1可知，其變異系數較高，高含量集中在道路兩旁和居民區附近，長期堆放生活垃圾引起重金屬Mn、Ni增加，Xu等[38]對嘉興土壤重金屬源解析研究表明土壤母質在一定程度上影響Ni的含量。進一步說明源1來源于土壤母質和垃圾堆放造成的混合源。10～20 cm土層中As和Cd含量高值區分布在南部和西部區域，這兩個區域內礦渣遍地。根據表1可知，10～20 cm土層中As和Cd的平均含量比0～10 cm土層中的平均含量分別增加3.24、0.21 mg/kg。這些重金屬污染物在土壤中不能被微生物分解，可能通過礦渣孔隙下滲到底部土壤并長期在土壤中累積。10～20 cm土層中Cu含量明顯低于比0～10 cm土層含量，湯波等[39]研究表明Cu在土層中含量變化隨著土層深度增加而逐漸減少，可能是0～10 cm土層中Cu的下滲能力較弱或者發生一定向上遷移。由此可見，UNMIX解析的10～20 cm土層中源2主要來源于淋濾作用和礦石開采及運輸所導致的混合源。

土壤重金屬污染是工業化、城市化等綜合因素所致的社會問題，防治土壤污染，保障農產品質量安全、人居環境安全和生態環境安全，是中國鄉村振興戰略和生態文明建設的重大需求。從0～10 cm土層中可以發現人類活動污染源的貢獻率占55.61%，與土壤污染風險篩選值相比，Cu含量點位超標率為14%，Mn、Ni含量均未超標，為了防止Cu、Mn和Ni含量增加，需要從源頭上減少或避免污染物的產生和排放等人類活動影響。研究區As和Cd污染情況最為嚴重，點位超標率為100%，基于礦山生態環境保護角度出發，植物修復成本低，對土壤結構損害較小，可以改善景觀，從而減少污染對于人類健康威脅。因此，尋找富集As、Cd元素效果較好的植物是今后研究重點，同時也應對廢棄礦區產生的酸性廢水進行定期的監測，以有效減少對周邊環境水質、土壤的影響。

3 結 論

該研究應用UNMIX受體模型進行重金屬源解析研究的基礎上，并結合ArcGIS地統計分析模塊中的普通克里金插值法分析5種重金屬空間分布特征，在空間關系上進一步驗證及補充源解析結果，使解析結果更加準確且符合實際，從而得出的結論如下：

1）安徽省廬江縣廢棄礦區土壤重金屬元素As、Cd、Cu含量表現為高背景特征，Mn、Ni含量表現為低背景特征。土壤中As、Cd、Cu屬于中等程度變異，Mn、Ni屬于強變異，As、Cd和Cu含量的平均值均高于當地背景值，0～10 cm土層中As、Cd平均含量分別是土壤污染風險篩選值的1.18、6.77倍，Cu、Mn和Ni平均含量表現為隨土層深度增加分別減少了0.07、6.37、0.46 mg/kg，As、Cd平均含量表現為隨土層深度增加分別增加了3.24、0.21 mg/kg，說明As、Cd污染嚴重且發生不同程度富集。

2）利用UNMIX方法解析出研究區5種重金屬源：0～10 cm土層重金屬的3個來源分別為銅礦業活動源（源1）、燃煤源（源2）和巖石風化源（源3），其貢獻率分別為5.75%、49.86%、44.39%；10～20 cm土層重金屬2個來源分別為土壤母質和垃圾堆放造成的混合源（源1）、淋濾作用和礦石開采及運輸所導致的混合源（源2），其貢獻率分別為47.46%、52.54%。

3）通過普通克里金插值模擬的As、Cd、Cu、Mn和Ni含量分布驗證了UNMIX模型解析結果，并結合土地利用類型及人類活動形式，發現UNMIX模型和ArcGIS空間分析相結合能夠全面地解析土壤重金屬來源。

[1] 盧維宏，劉娟，張乃明，等. 中國典型設施栽培土壤Cu、Zn累積特征及風險預測[J]. 農業工程學報，2021，37(11)：189-196.

Lu Weihong, Liu Juan, Zhang Naiming, et al. Accumulation characteristics and risk prediction of Cu and Zn contents in typical facility soils in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(11): 189-196. (in Chinese with English abstract)

[2] 李鴻博，鐘怡，張昊楠，等. 生物炭修復重金屬污染農田土壤的機制及應用研究進展[J]. 農業工程學報，2020，36(13)：173-185.

Li Hongbo, Zhong Yi, Zhang Haonan, et al. Mechanism for the application of biochar in remediation of heavy metal contaminated farmland and its research advances[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(13): 173-185. (in Chinese with English abstract)

[3] Yang Q, Li Z, Lu X, et al. A review of soil heavy metal pollution from industrial and agricultural regions in China: Pollution and risk assessment[J]. Science of The Total Environment, 2018, 642: 690-700.

[4] Wang S, Cai L M, Wen H H, et al. Spatial distribution and source apportionment of heavy metals in soil from a typical county-level city of Guangdong Province, China[J]. Science of The Total Environment, 2019, 655: 92-101.

[5] 李武艷，朱從謀，和雪瀅，等. 經濟發達地區耕地景觀格局對土壤重金屬污染風險的影響分析[J]. 農業工程學報, 2021，37(16): 233-241.

Li Wuyan, Zhu Congmou, He Xueying, et al. Impacts of cultivated land landscape patterns on the risk of soil heavy metal pollution in economically developed areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(16): 233-241. (in Chinese with English abstract)

[6] Li J, Heap A D. Spatial interpolation methods applied in the environmental sciences: A review[J]. Environmental Modelling & Software, 2014, 53: 173-189.

[7] 于瑞蓮，胡恭任. 采礦區土壤重金屬污染生態修復研究進展[J]. 中國礦業，2008(2)：40-43.

Yu Ruilian, Hu Gongren. Current situation of soil heavy metal pollution and ecoremediation in mining area[J]. China Mining Magazine, 2008(2): 40-43. (in Chinese with English abstract)

[8] 王顯煒，徐友寧，楊敏，等. 國內外礦山土壤重金屬污染風險評價方法綜述[J]. 中國礦業，2009，18(10)：54-56.

Wang Xianwei, Xu Youning, Yang Min, et al. Review on risk assessment methods for soil heavy metal contamination in mines at home and abroad[J]. China Mining Magazine, 2009, 18(10): 54-56. (in Chinese with English abstract)

[9] 武強，孫錄科. 礦區土壤重金屬污染的植物修復研究進展[J]. 有色金屬，2008(1)：125-129.

Wu Qiang, Sun Luke. Research progress on phytoremediation of soil pollution by heavy metals in mining area[J]. Nonfeerous Metals, 2008(1): 125-129. (in Chinese with English abstract)

[10] Li Y, Kuang H, Hu C, et al. Source apportionment of heavy metal pollution in agricultural soils around the Poyang Lake Region using UNMIX model[J]. Sustainability, 2021, 13(9): 5272.

[11] Henry R C, Lewis C W, Hopke P K, et al. Review of receptor model fundamentals[J]. Atmospheric Environment, 1984, 18(8): 1507-1515.

[12] 蔡昂祖，張海霞，王小劍，等. Unmix模型污染源解析研究進展及應用前景[J]. 土壤通報，2021，52(3)：747-756.

Cai Angzu, Zhang Haixia, Wang Xiaojian, et al. Review on the pollution source apportionment by Unmix Model and application prospect[J]. Chinese Journal of Soil Science, 2021, 52(3): 747 ? 756(in Chinese with English abstract)

[13] 戴梅紅，李田，張偉. 合流制排水系統雨天溢流污染CMB法源解析[J]. 環境科學，2013，34(11)：4226-4230.

Dai Meihong, Li Tian, Zhang Wei. Pollutant source apportionment of combined sewer overflows using chemical mass balance method[J]. Environment Science, 2013, 34(11): 4226-4230. (in Chinese with English abstract)

[14] 比拉力·依明，阿不都艾尼·阿不里，師慶東，等. 基于PMF模型的準東煤礦周圍土壤重金屬污染及來源解析[J]. 農業工程學報，2019，35(9)：185-192.

Bilal Imin, Abdugheni Abliz, Shi Qingdong, et al. Pollution and source identification of heavy metals in surrounding soils of Eastern Junggar Coalfield based on PMF model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(9): 185-192. (in Chinese with English abstract)

[15] 敖明，柴冠群，范成五，等. 稻田土壤和稻米中重金屬潛在污染風險評估與來源解析[J]. 農業工程學報，2019，35(6)：198-205+324.

Ao Ming, Chai Guanqun, Fan Chengwu, et al. Evaluation of potential pollution risk and source analysis of heavy metals in paddy soil and rice[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(6): 198-205. (in Chinese with English abstract)

[16] 周偉，李麗麗，周旭，等. 基于地理探測器的土壤重金屬影響因子分析及其污染風險評價[J]. 生態環境學報，2021，30(1)：173-180.

Zhou Wei, LI Lili, Zhou Xu, et al. Influence factor analysis of soil heavy metal based on geographic detector and its pollution risk assessment[J]. Ecology and Environmental Sciences, 2021, 30(1): 173-180. (in Chinese with English abstract)

[17] 楊森. 基于UNMIX模型的土壤重金屬源解析研究[D]. 中國地質大學（北京），2020.

Yang Sen. Apportionment of Heavy Metals in Soil Using UNMIX Model[D]. China University of Geosciences (Beijing), 2020. (in Chinese with English abstract)

[18] 胡夢珺，李春艷，李娜娜，等. 基于物元可拓模型的蘭州市主城區公園表土重金屬污染評價[J]. 環境科學，2021，42(5)：2457-2468.

Hu Mengjun, Li Chunyan, Li Nana, et al. Using the matter-element extension model to assess heavy metal pollution in topsoil in parks in the main district park of Lanzhou City[J]. Environmental Sciences, 2021, 42(5): 2457-2468. (in Chinese with English abstract)

[19] Chen S. Sources of heavy metals in soils in densely populated areas based on the UNMIX model[J]. Environmental Forensics, 2021,22: 1-10.

[20] 劉玲玲，安燕飛，馬瑾，等. 基于UNMIX模型的北京城區公園土壤重金屬源解析[J]. 環境科學研究，2020，33(12)：2856-2863.

Liu Linlin, An Yanfei, Ma Jin, et al. Source apportionment of soil heavy metals in Beijing Urban Park based on the UNMIX Model[J]. Research of Environmental Sciences, 2020, 33(12): 2856-2863. (in Chinese with English abstract)

[21] 李海濤. 近代安徽廬江礬礦資源開發研究[J]. 山東科技大學學報：社會科學版，2015，17(1)：14-21.

Li Haitao. Research on the development of alum mine resources in Lujiang, Anhui in Modern Times[J]. Journal of Shandong University of Sciences and Technology: Social Sciences, 2015, 17(1): 14-21. (in Chinese with English abstract)

[22] 祝琳. 典型礬礦區環境質量綜合評價與治理體系研究[D]. 合肥：安徽建筑大學，2020.

Zhu Lin. Study on Comprehensive Evaluation and Governance System of Environmental Quality in Typical Alunite Mining Area[D]. Hefei: Anhui Jianzhu University, 2020. (in Chinese with English abstract)

[23] 李旋旋，周濤發，劉一男，等. 安徽廬樅盆地礬山酸性蝕變巖帽形成時代及其地質意義[J]. 巖石學報，2019，35(12)：3782-3796.

Li Xuanxuan, Zhou Taofa, Liu Yinan, et al. Geochronology and geological significances of Fanshan lithocap in Luzong Basin, Anhui Province[J]. Acta Petrologica Sinica, 2019, 35(12): 3782-3796. (in Chinese with English abstract)

[24] 曹佳藝. 基于UNMIX模型的農田土壤重金屬源解析及污染損失評價[D]. 北京：中國地質大學（北京），2019.

Cao Jiayi. Source Analysis and Pollution Loss Assessment of Heavy Metals in Farmland Soil Based on UNMIX Model: A Case Study of a Town in South China[D]. Beijing：China University of Geosciences, 2019. (in Chinese with English abstract)

[25] 艾建超，王寧，楊凈. 基于UNMIX模型的夾皮溝金礦區土壤重金屬源解析[J]. 環境科學，2014，35(9)：3530-3536.

Ai Jianchao, Wang Ning, Yang Jing, et al. Source apportionment of soil heavy metals in Jiapigou Goldmine based on the UNMIX Model[J]. Environment Science, 2014, 35(9): 3530-3536. (in Chinese with English abstract)

[26] Hopke P K. Recent developments in receptor modeling[J]. Journal of Chemometrics, 2003, 17(5): 255-265.

[27] 王中陽. 朝陽地區耕地土壤重金屬污染風險評價與來源解析研究[D]. 沈陽：沈陽農業大學，2018.

Wang Zhongyang. Study on Risk Assessment and Source Analysis of Heavy Metal Pollution in Cultivated Land Soil in Chaoyang Area[D]. Shenyang: Shenyang Agricultural University, 2018. (in Chinese with English abstract)

[28] 國土資源部. DZ/T 0295—2016土地質量地球化學評價規范[S]. 北京：地質出版社，2016.

[29] 中國環境監測總站. 中國土壤元素背景值[M]. 北京：中國環境科學出版社，1990：389-405.

[30] 生態環境部GB15618—2018，土壤環境質量. 農用地土壤污染風險管控標準（試行）[S].

[31] 王菊，張悅悅，金美英，等. 應用UNMIX模型解析長春市大氣中PM_(10)來源[J]. 生態環境學報，2014，23(5)：812-816.

Wang Ju, Zhang Yueyue, Jin Meiying, et al. Source apportionment of atmospheric PM10 in Changchun by UNMIX[J]. Ecology and Environmental Sciences, 2014, 23(5): 812-816. (in Chinese with English abstract)

[32] 曲直. 城市大氣環境中PM_(2.5)源解析成分譜的建立[D].長春：吉林大學，2013.

Qu Zhi. Setup of the Component Spectrum for Source Apportionment of PM2.5 in Urban Atmosphere[D]. Changchun: Jilin University, 2013. (in Chinese with English abstract)

[33] 張軍，董潔，梁青芳，等. 寶雞市區土壤重金屬污染影響因子探測及其源解析[J]. 環境科學，2019，40(8)：3774-3784.

Zhang Jun, Dong Jie, Liang Qingfang, et al. Heavy metal pollution characteristics and influencing factors in Baoji Arban soils[J]. Environment Science, 2019, 40(8): 3774-3784. (in Chinese with English abstract)

[34] 王利軍，盧新衛，雷凱，等. 寶雞市街塵重金屬元素含量、來源及形態特征[J]. 環境科學，2011，32(8)：2470-2476.

Wang Lijun, Lu Xinwei, Lei Kai, et al. Content, source and speciation of heavy metal elements of street dusts in Baoji City[J]. Environment Science, 2011, 32(8): 2470-2476. (in Chinese with English abstract)

[35] 蔣成愛，吳啟堂，陳杖榴. 土壤中砷污染研究進展[J]. 土壤，2004(3)：264-270.

Jiang Cheng’ai, Wu Qitang, Chen Zhangliu, et al. Research progress of arsenic pollution in soil[J]. Soils, 2004(3): 264-270. (in Chinese with English abstract)

[36] 李昌朕. 重金屬離子鉛在土壤中的縱向遷移規律研究[D]. 淄博：山東理工大學，2014.

Li Changzhen. The Research of Vertical Migration of Heavy Metal Ions of Lead in Soil[D]. Zibo: Shandong University of Technology, 2014. (in Chinese with English abstract)

[37] 王洪濤，張俊華，丁少峰，等. 開封城市河流表層沉積物重金屬分布、污染來源及風險評估[J]. 環境科學學報，2016，36(12)：4520-4530.

Wang Hongtao, Zhang Junhua, Ding Shaofeng, et al. Distribution characteristics, sources identification and risk assessment of heavy metals in surface sediments of urban rivers in Kaifeng[J]. Acta Scientiae Circumstantiae, 2016, 36(12): 4520-4530. (in Chinese with English abstract)

[38] Xu X, Zhao Y, Zhao X, et al. Sources of heavy metal pollution in agricultural soils of a rapidly industrializing area in the Yangtze Delta of China[J]. Ecotoxicology and Environmental Safety, 2014, 108: 161-167.

[39] 湯波. 陜南金屬尾礦庫區土壤重金屬遷移規律及其環境效應研究[D]. 西安：西安科技大學，2017.

Tang Bo. Study on the Migration Pattern and Environmental Effect of Heavy Metal in the Soil of the Metal Tailings Area in Southern Shaanxi Province[D]. Xi’an: Xi’an University of Science and Technology, 2017. (in Chinese with English abstract)

Source apportionment of soil heavy metals in abandoned mining areas in Dafan Mountain of Anhui Province based on the UNMIX model

Zhou Beibei1, Guo Jiang1, Chen Xiaopeng1, Yang Qiang2, Zhu Hongyan1, Duan Manli1, Li Xiaoqing1,Zhou Dehua1, Yang Yang1

(1.-,’,’710048,; 2.,’710065,)

This study aims to find out the content and source of heavy metals in the soil of the abandoned alum mining area in Lujiang County of Anhui Province, in China. A smart grid distribution was used to divide the research area into the 50 typical feature points with the center of Dafan Mountain. Five typical heavy metal elements (As, Cd, Cu, Mn, and Ni) were determined in the local soil. An UNMIX model was selected to apportion the potential sources and their contributions to soil heavy metals. A Kriging interpolation in the ArcGIS geo-statistical module was also utilized to determine the spatial distribution of soil heavy metals, further verifying the accuracy of the source analysis. The results showed that: 1) The average contents of As, Cd, Cu, Mn, and Ni were 47.38, 2.03, 30.89, 77.76, and 4.08 mg/kg in the 0-10 cm soil layer, and 50.62, 2.24, 30.82, 71.39, and 3.62 mg/kg in the 10-20 cm soil layer. The average contents of As, Cd, and Cu were all higher than the local background values. Specifically, the median contents of As and Cd were 1.28 and 7.17 times the risk screening value of soil pollution. 2) There were three major pollution sources of heavy metals in the 0-10 cm soil layer in the study area. Source 1 played a dominant role in Cu, indicating a traffic source with a contribution rate of 5.75%. There were higher contributions of Mn and Ni in Source 2, indicating the coal-burning source with a contribution rate of 49.86%. The contribution of Source 3 to As and Cd was higher than other metals. Source 3 was presented the weathering of rocks effects with a contribution rate of 44.39%. 3) There were two sources of heavy metals in the 10-20 cm soil, including the mixed sources of soil parent material and garbage (Source 1), as well as leaching, ore mining, and transportation (Source 2), where the contribution rates were 47.46% and 52.54%, respectively. 4) According to the land use types and human activities in the study area, the combination of receptor model and spatial analysis was used to comprehensively analyze the sources of heavy metals in the soil.

soils; heavy metals; pollution; UNMIX model; source apportionment

2021-07-24

2021-12-05

國家自然基金項目（41977007；41830754；41807131）；清潔能源與生態水利工程關鍵技術研究（QJNY-2019-01）；西北旱區生態水利工程國家重點實驗室青年創新團隊支持計劃（2019KJCXTD-4）

周蓓蓓，博士，教授，主要研究方向為農業水土與生態環境。Email：happyanle222@aliyun.com

10.11975/j.issn.1002-6819.2021.24.027

X53

A

1002-6819(2021)-24-0240-09

周蓓蓓，郭江，陳曉鵬，等. 基于UNMIX模型的安徽大礬山廢棄礦區土壤重金屬源解析[J]. 農業工程學報，2021，37(24)：240-248. doi：10.11975/j.issn.1002-6819.2021.24.027 http://www.tcsae.org

Zhou Beibei, Guo Jiang, Chen Xiaopeng, et al. Source apportionment of soil heavy metals in abandoned mining areas in Dafan Mountain of Anhui Province based on the UNMIX model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(24): 240-248. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.24.027 http://www.tcsae.org