Spatial Analysis and Risk Assessment of Soil Heavy Metal Pollution in the Xishimen Iron Mining Area of Hebei Province
-
摘要:
矿区土壤重金属污染严重威胁着生态环境和周边居民的健康，对其进行有效监管意义重大。河北西石门铁矿是邯邢地区的大型磁铁矿床，针对该矿区土壤重金属污染亟待开展综合研究。本文以西石门铁矿一号矿区为研究对象，利用地球化学、统计学、地理信息学等多学科技术，对9种典型土壤重金属的空间分布和污染风险进行分析。采用ICP-MS测定重金属含量，通过描述性统计分析、多元统计分析和空间插值分析得到重金属超标率、污染来源及空间分布特征，并结合单因子污染指数、内梅罗综合污染指数、潜在生态危害指数评价其污染风险。描述性统计分析结果显示，矿区土壤Co的超标率为75.83%，属重度污染，Cu、Cd、As的超标率分别为14.70%、21.40%和13.29%，属中轻度污染，Cr、Ni、Zn、Pb和Hg的超标率均低于5%，属轻度污染；多元统计分析结果显示，Cr、Ni、Zn、Cd、As和Pb来源于成矿区自然风化环境污染，Co和Cu来源于采矿生产、化肥使用造成的人为环境污染，Hg来源于人为因素造成的局部污染；空间插值分析结果显示，重金属含量在马会河两岸露天采矿区较高，在河流和居民区较低；污染风险评估结果显示，研究区内梅罗综合污染指数为13.49，综合生态风险指数为55.50。该矿区存在人为因素导致的Hg、Co、Cu污染，需要重点关注并开展治理工作；该矿区的重金属污染属重度，但生态风险仍处于可控范围。
要点(1) 使用ICP-MS对河北西石门铁矿区样本9种重金属含量进行了高精度测试分析。
(2) 空间分析结果表明该矿区存在由人为因素导致的Hg、Co、Cu污染，需要重点关注并治理。
(3) 风险评价结果表明该矿区总体上属于重度污染但生态风险仍处于可控范围。
HIGHLIGHTS(1) High-precision content analysis results of 9 heavy metals were achieved using ICP-MS.
(2) The spatial analysis results indicated that the pollution of Hg, Co and Cu caused by human factors should be specially noted.
(3) The risk assessment results revealed that the pollution grade of the study area was severe while the ecological risk remained in the controllable range.
Abstract:BACKGROUNDHeavy metal pollution in the soil of mining areas is a serious threat to the ecological environment and the health of surrounding residents, and it is of great significance to effectively supervise it. The Xishimen iron deposit in Hebei Province is a large magnetite deposit in the Hanxing area. Comprehensive research on soil heavy metal pollution in this mining area is urgently needed.
OBJECTIVESTo evaluate soil heavy metal pollution in the Xishimen iron mining area in Hebei Province.
METHODSThe No.1 mining area of the Xishimen iron deposit was selected as the research object. ICP-MS was used to determine the heavy metal content. The exceedance rate, pollution sources and spatial distribution characteristics of heavy metals were obtained by descriptive statistical analysis, multivariate statistical analysis and spatial interpolation analysis, and the pollution risk was evaluated by combining the single factor pollution index, Nemero comprehensive pollution index and potential ecological hazard index.
RESULTSDescriptive statistical analysis showed that the exceedance rate of Co in the mining area was 75.83%, indicating heavy pollution, while the exceedance rates of Cu, Cd and As were 14.70%, 21.40% and 13.29%, indicating moderate to light pollution. The exceedance rates of Cr, Ni, Zn, Pb and Hg were less than 5%, which were light pollution. The multivariate statistical analysis showed that Cr, Ni, Zn, Cd, As and Pb were from the natural weathering environmental pollution in the mineralized area, and Co and Cu were from the anthropogenic environmental pollution caused by mining production and fertilizer use. Hg came from the local pollution caused by human factors. Spatial interpolation analysis showed that the nine heavy metals had a high distribution in the open pit mining area on both sides of the Mahui River and a low distribution in the rivers and residential areas. The Nemero comprehensive pollution index of heavy metals in the study area was 13.49, and the comprehensive ecological risk index was 55.50.
CONCLUSIONSThe results indicate that there is Hg, Co, and Cu pollution caused by human factors in the mining area, which needs to be addressed. The heavy metal pollution in this area is serious but the ecological risk is still in a controllable range.
-
植物生长调节剂被定义为天然存在或人工合成的化合物[1]，在农业生产中主要有加速或延缓种子萌发、打破植物休眠、诱导开花结果以及影响衰老过程的功效[2-3]，对植物的生长有着重要作用。据2015年统计数据显示，过去十年间植物生长调节剂在国际市场上的贸易额达到约16亿美元[4]，在农业生产中被广泛使用。中国作为世界上使用植物生长调节剂较多的国家之一，2010—2016年间平均使用量为65×107kg/年[5]。截至2021年5月，中国共登记了1175个植物生长调节剂产品[6]。但是，植物生长调节剂使用过程中存在的大量滥用、误用现象不仅减少了农作物的产量，而且加剧了其在环境中的残留，特别是在果蔬等农产品中的残留尤为显著。颜伟华等[7]在259份豆芽样品的146份中检出多效唑、赤霉素和噻苯隆等植物生长调节剂，芒果中6-苄氨基嘌呤的含量高达0.50mg/kg[8]。同时，在水体和土壤中也检出多种植物生长调节剂。黄思静等[9]检测了水源水、出厂水和末梢水8份水样中7种目标青霉素的残留，测定值在4.56~20.79ng/L之间。汤涛等[10]对浙江和山东两省的棉花田土壤样品中乙烯利进行检测，检出范围分别为0.17~8.90mg/kg和0.19~4.00mg/kg。另外，绝大部分植物生长调节剂都有毒性，且部分进入土壤后会发生吸附、解吸、水解、光解和微生物降解等环境行为并产生分解产物[11]，而分解产物多具有更高的毒性。例如，赤霉酸的水解产物异构赤霉酸会造成小鼠肾脏和肝组织细胞坏死，水解副产物赤霉烯酸和羟基赤霉酸等毒性也均比赤霉酸强[12-13]。
为评估植物生长调节剂残留是否会对环境及人体健康造成威胁，一些高效、快速的分析测试技术被用来对植物生长调节剂进行定性和定量分析，以判断其残留是否满足相关标准。目前，分析测试技术主要包括气相色谱(GC)和气相色谱-质谱联用法(GC-MS)[14-16]、高效/超高效液相色谱(HPLC/UPLC)和高效/超高效液相色谱-串联质谱法(HPLC/UPLC-MS/MS)[17]、离子色谱法(IC)[18]、分光光度法(SP)[19]、毛细管电泳分析法(CE)[20]、酶联免疫法(ELISA)[21]和电化学传感器法[22]等。其中，由于植物生长调节剂双键、羧基等结构特性及其较高水溶性，色谱[23]以及色谱-质谱联用[24]成为目前比较成熟且被广泛应用的分析测试技术，在相关植物生长调节剂分析测试的研究文献中占比高达70%(分别为32.84%和36.82%)。早在2000年，Hau等[25]采用液相色谱-电喷雾电离串联质谱法测定了食品中的矮壮素，最高检出浓度达到5.50mg/kg。Liu等[26]将荧光技术与HPLC-MS联用，并结合微波辅助萃取-衍生化的方法，对食用油中的赤霉酸、吲哚乙酸、吲哚丙酸、吲哚丁酸、1-萘乙酸和2-萘乙酸等6种酸性植物生长调节剂进行了检测，结果显示非转基因菜籽油中植物生长调节剂检出浓度最高，在2.93~10.85mg/kg之间。2022年，陈建波等[27]将高效液相色谱与附蒸发光散射检测器联用，检测了水溶性肥料中季铵盐类植物生长调节剂，13min内实现了目标物的完全分离，在10%的样品中检测出植物生长调节剂的残留。
本文总结了果蔬、肥料和土壤等固态基质和水体、食用油和营养液等液态基质中典型植物生长调节剂常用的固相萃取、液液萃取等前处理方法以及高效液相色谱-质谱联用法和超高效液相色谱法等分析测试技术。同时，考虑到植物生长调节剂较强的自然衰减能力及其中间产物的高毒性，并结合植物生长调节剂的特殊结构及性质系统归纳了不同测试技术的优缺点及适用范围，以全面了解植物生长调节剂前处理和分析测试现状，为后续研究植物生长调节剂的分析测试、迁移转化和污染评估与治理提供文献支撑。
1. 植物生长调节剂的特点
1.1 植物生长调节剂的分类及作用
根据植物生长调节剂的性质和功效，可以将其分为三大类：植物生长促进剂、植物生长抑制剂和植物生长延缓剂[5](表 1)。植物生长调节剂的作用多种多样。例如，Chen等[28]发现施加赤霉素可以增加器官伸长率，进而增加番茄的形状指数。Guzmán等[29]对生长素、吲哚丁酸和赤霉素的组合能否改善“优质无籽”品种葡萄的品质属性进行了研究，结果表明使用该组合后，果实的硬度和冷藏60天后的新鲜度都得到了提高。李响等[30]用外源乙烯、脱落酸及乙醇对薄皮甜瓜的研究表明，脱落酸和乙烯能够促进果实的软化。Lal等[31]通过喷施不同浓度多效唑，最高可使梨的产量增加34%。其中，赤霉素、乙烯利以及多效唑和希效唑是目前使用和研究比较广泛的植物生长调节剂[7, 10]。
植物生长调节剂分类 作用 典型产品 植物生长促进剂 促进机体细胞分裂和新生器官分化 生长素、细胞分裂素、赤霉素、胺鲜酯、乙烯利及油菜素甾醇类化合物等 植物生长抑制剂 导致茎伸长，从而抑制植物的顶端优势，促进植物侧叶增多 肉桂酸、香豆素和脱落酸等 植物生长延缓剂 抑制植株节间伸长，使得植株变矮 矮壮素、多效唑、烯效唑、氟节胺和吡啶醇等 1.2 典型植物生长调节剂的化学结构式和理化性质
典型植物生长调节剂的化学结构式和理化性质如表 2所示。大部分植物生长调节剂水溶性较高，20℃左右时水中溶解度在0.02~8g/L之间；同等温度下，乙烯利水中溶解度高达1000g/L，远高于其他植物生长调节剂。而且，大部分植物生长调节剂正辛醇水分配系数在0~4之间，表明其具有较强的极性和亲水性。另外，植物生长调节剂的官能团种类也较丰富，大部分含有双键，吲哚乙酸、脱落酸和肉桂酸等酸性植物生长调节剂含有羧基，芳环存在于氯吡脲、肉桂酸等植物生长调节剂中，其他植物生长调节剂还含有羟基、醚键和氨基等官能团。
表 2 部分典型植物生长调节剂的化学式、结构式和常用理化性质Table 2. Chemical formula, structural formula and common physical and chemical properties of the typical plant growth regulators植物生长调节剂分类 典型代表 化学式 熔点(℃) 沸点(℃) 密度(g/cm3) 水中溶解度(g/L) 正辛醇-水分配系数 结构式 植物生长促进剂 赤霉酸 C19H22O6 227 628.60±55 1.50±0.10 20℃：5.00 0.01 
吲哚乙酸 C10H9NO2 165~169 415 1.36 20℃：8.00 1.43 
氯吡脲 C12H10ClN3O 170 308.40 1.42 22℃：0.04 3.83 
乙烯利 C2H6ClO3P 70~72 333.40 1.57 23℃：1000 -1.42 
2，4-二氯苯氧乙酸 C8H6Cl2O3 140.5 160 1.56 20℃：0.89 2.59 
植物生长抑制剂 脱落酸 C15H20O4 163 458.70 1.19 20℃：3~5 1.70 
肉桂酸 C9H8O2 133 300 1.25 20℃：0.40 2.41 
香豆素 C9H6O2 68~73 298 0.94 25℃：2.50100℃：20 1.39 
植物生长延缓剂 矮壮素 C5H13Cl2N 239~243 260.30 1.22 20℃：0.74 0.93 
多效唑 C15H20ClN3O 165~166 460.90 1.19 20℃：0.03 2.99 
1.3 植物生长调节剂的毒性
植物生长调节剂属于微毒或低毒农药，多直接作用于植物，并可能残留于果蔬或进入土壤和地下水系统，进而威胁环境安全和人体健康。例如，多效唑可以增加肝细胞的氧化应激和凋亡率[32]，造成斑马鱼胚胎发育不良[33]，若残留于土壤中还会减缓马铃薯生长速率[34]；小鼠孕早期暴露于乙烯利中会降低血清孕激素水平[35]，并损害体细胞组织[36]；另外，暴露于2，4-二氯苯氧乙酸中，会损害斑马鱼幼虫视网膜结构[37]，影响其肝细胞代谢[38]，并增加肺癌患病率风险[39]。
2. 不同环境介质中植物生长调节剂分析检测前处理方法
由于样品中多含有大量杂质干扰检测，因此合适的前处理方法可提高测试结果的准确性。但是，样品前处理过程所占工作量超过整个分析测试工作的70%，且最终检测结果中约50%的误差来源于前处理[40]。所以，建立快速、简便和稳定的前处理方法，可有效地提高分析检测效率及准确度。目前，检出植物生长调节剂的环境介质形态主要分为两种(表 3)：固态基质样品(果蔬、肥料和土壤等)和液态基质样品(水体、油和营养液等)，相关涉及的前处理方法也多针对这两种不同形态的环境基质。
表 3 植物生长调节剂分析测试时固态基质样品和液态基质样品常用的前处理方法Table 3. Common pretreatment methods of solid matrix samples and liquid matrix samples for the analysis and test of the plant growth regulators介质类型 测定物质 样品前处理方法 提取剂 回收率(%) 参考文献 固态基质 肥料 茉莉酸、多效唑、水杨酸、反式玉米素、赤霉素、吲哚乙酸、脱落酸、芸苔素内酯、胺鲜酯 液液萃取 甲醇 92.00~104.70 [41] 果蔬 赤霉酸、脱落酸、吲哚丙酸、对氯苯氧乙酸、噻苯隆、4-苯氧基乙酸、调果酸、2，4-二氯苯氧乙酸、氯吡脲、抗倒胺、环丙酸酰胺、吲哚乙酸、6-氨基嘌呤、吲哚丁酸、抗倒酯、多效唑、烯效唑、抑芽唑 QuEChERS 乙酸-乙腈溶液 70.10~116.20 [42] 大米 五氟磺草胺、哌草丹、乙草胺、多效唑、烯效唑、矮壮素、脱落酸、2，4-二氯苯氧乙酸 QuEChERS 乙腈-水-甲酸溶液 75.10~115.00 [43] 黄瓜番茄 4-氯苯氧乙酸、6-糖基氨基嘌呤、吲哚丁酸、α-萘乙酸、氯吡脲等 分散固相萃取 乙腈-二氯甲烷(含0.5%甲酸) 71.90~113.80 [44] 豆芽 4-氯苯氧乙酸、2-萘乙酸、吲哚乙酸、吲哚丁酸、4-氟苯氧乙酸、2，3，5-三碘苯甲酸、4-溴苯氧乙酸、2，4-二氯苯氧乙酸、2，4，5-三氯苯氧乙酸、2，6-二甲基苯氧乙酸 超声-固相萃取 乙腈 96.30~102.10 [20] 液态基质 植物营养剂 赤霉酸、多效唑、异戊烯腺嘌呤、5-硝基邻甲氧苯酚钠、6-苄基腺嘌呤、4-氯苯氧乙酸、吲哚丁酸、烯效唑、4-氟苯氧乙酸、氯吡脲、噻苯隆 超声-固相萃取 甲醇 92.50~103.50 [45] 食用油 赤霉酸、吲哚乙酸、吲哚丙酸、吲哚丁酸、1-萘乙酸、2-萘乙酸 微波辅助萃取 甲醇 96.10~104.40 [26] 2.1 固态基质样品
涉及植物生长调节剂的固态基质主要包括果蔬、肥料和土壤等。其中，果蔬是植物生长调节剂检出最频繁的固体基质，而肥料和土壤等基质中也已检出部分植物生长调节剂。固态基质样品的前处理过程可分为提取和净化两大部分。其中，QuEChERS方法是应用最广泛的固体基质样品前处理方法。
(1)提取
索氏提取是一种经典的液固提取技术，可被用于固态基质中植物生长调节剂的提取，并可以配合超声仪进行提取[46]。超声提取通过高频率超声波增加固体样品中待测物的溶出速率，能够大大缩短提取时间[47]。此外，加速溶剂萃取通过增大有机溶剂的沸点，也可以提高待测样品中植物生长调节剂在较高温压下的提取效率[48-49]；超临界流体萃取则以超临界流体代替有机溶剂，对待测样品中植物生长调节剂进行提取[50-51]；微波辅助萃取利用微波，使待测样品中植物生长调节剂的解吸速率及其在两相中的分配速率加快，减少了试剂消耗量，同时提高了提取效率[52]。
(2)净化
固相萃取技术具有溶剂耗量少、对实验条件要求较低的优点[53-54]。目前，以固相萃取为基础，逐渐发展形成了许多新型固相萃取方法，主要包括固相微萃取、磁性固相萃取、分散固相萃取和全自动固相萃取等[55]。随着研究深入，学者们已经研究出许多新型材料构建的吸附剂，例如新型磁性共价有机骨架材料[56]、氨基修饰的Scholl耦合介孔聚合物[57]、新型磁性β-环糊精修饰氧化石墨烯[58]和磁性碳化硼纳米片[59]等，都可用于萃取固态基质样品中的植物生长调节剂。
此外，QuEChERS方法因其快速、便宜、有效、可靠和安全的特点，成为固态基质样品中植物生长调节剂检测使用最广泛的前处理方法[60]。该方法通过乙腈或者酸化乙腈提取植物生长调节剂，并进行盐析分层，再通过分散固相萃取，利用合适的吸附剂将植物生长调节剂与乙腈中大部分干扰物结合，从而达到净化的目的[61]。但当基质较复杂时，该方法存在富集倍数不高、净化效果不够理想等问题。毕军等[62]通过冷冻诱导液液萃取技术，选择40%乙腈水溶液处理样品，改良优化了QuEChERS技术，使样品的相对回收率均可达到70%~120%。
2.2 液态基质样品
水体、食用油和营养液是植物生长调节剂被检出最频繁的液态基质。目前，液液萃取是液态基质最常用的萃取方法。对于萃取剂的选择，赤霉酸和乙烯利等植物生长调节剂的正辛醇水分配系数小于1，为强极性化合物，可用甲醇、乙醇和丙酮等亲水性有机溶剂萃取；氯吡脲和多效唑等其余大部分植物生长调节剂的极性相对较弱，但与苯和氯乙烷等其他类别的化合物(正辛醇-水分配系数>10)相比，仍属于极性较强的范畴，因此，萃取剂不仅可以用甲醇，还可用乙酸乙酯和氯仿等不溶于水的极性有机溶剂。虽然液液萃取对萃取剂的要求较多，但是绝大部分植物生长调节剂高水溶性的特性，使其常通过HPLC或HPLC-MS/MS直接检测，省去了复杂的提取和净化等前处理步骤。此外，由于一些植物生长调节剂色谱特性差或不易被检测，还需要进行衍生化处理[26]，从而将待测组分转化成适合被分析的衍生物。
3. 植物生长调节剂分析测试技术
大部分植物生长调节剂存在羟基、羧基和芳环等官能团，且辛醇水分配系数小于4、亲水性较强，因此具有前处理简单、快速便捷等优点的HPLC/UPLC-MS/MS成为应用最广泛的分析测试技术。同时，植物生长调节剂进入土壤和水体等环境中，会发生吸附、解吸和微生物降解等环境行为并产生浓度较低的中间产物，若对中间产物进行定性、定量分析，则对仪器的检出限要求较高，这也是HPLC/UPLC-MS/MS被应用最多的原因之一。另外，部分植物生长调节剂由于其沸点较低、易挥发，需采用GC或GC-MS进行分析测试，但在使用GC检测时大部分植物生长调节剂色谱特性差或不易被检测[63]，需要提前进行衍生化处理。从普适性强弱的角度，植物生长调节剂相关测试技术主要包括HPLC/UPLC-MS/MS[17, 59]、HPLC/UPLC[64]、GC-MS[65-66]、GC[63]、IC[67]、SP[19]、ELISA[68]、CE[20]、电化学传感器[22]及微孔侧流免疫层析法[69]等。
3.1 高效液相色谱法、超高效液相色谱法及液相色谱-质谱联用法
高效液相色谱法(HPLC)具有操作简单、准确度高、分析周期较短、前处理较为方便等优点，可用于多种植物生长调节剂的同时检测[70]。但是，当样品基质比较复杂时，这种技术的选择性和灵敏度不高，且维修费用相对较高。与GC相同，为提高检测效率与准确度，HPLC也常与质谱联用，具有样品前处理简便、特异性更强、灵敏度更高和定性能力更好等特点[71-72]。
目前，大部分植物生长调节剂水中的溶解度(20℃)在0.50~10g/L，且自然分解转化速率较快，在土壤和地下水中的残留极少，对分析测试技术检出限要求较高。同时，绝大部分植物生长调节剂的辛醇-水分配系数在0.50~4，亲水性强[73]。因此，HPLC/UPLC和HPLC/UPLC-MS/MS几乎适用于所有植物生长调节剂的检出。但是，HPLC/UPLC和HPLC/UPLC-MS/MS常被用于检测果蔬中植物生长调节剂的残留，其次是土壤和肥料，而自然水体中的相关研究较少。这可能是由于自然环境中植物生长调节剂自然衰减速率很快，导致其在地表水和地下水等自然水体中的残留极其微量甚至无法被直接检出。
通过HPLC/UPLC和HPLC/UPLC-MS/MS检测的不同环境介质中部分植物生长调节剂的检出限及植物生长调节剂回收率情况如表 4所示。植物生长调节剂在使用HPLC/UPLC和HPLC/UPLC-MS/MS检测时，其平均回收率分别为70.40%~110.00%和69.10%~116.00%。其中，部分植物生长调节剂的回收率较低，例如水杨酸的回收率只有69. 10%~97. 30%[80]，主要是其易水解特性导致。另外，相较于GC而言，HPLC精密度和准确度也更高、检出限更低。例如，用GC和HPLC分别检测土壤中的多效唑，GC检出限为10mg/kg[23]，而HPLC检出限可低至0.80×10-2mg/kg[74]。同时，HPLC与质谱联用可使检出限进一步降低，用于检测土壤中烯效唑残留时，检出限可达10-5mg/kg[78]。
表 4 高效液相色谱/超高效液相色谱及液相色谱-串联质谱法分析条件及部分植物生长调节剂检出情况Table 4. Analysis conditions of high performance liquid chromatography/ultra-high performance liquid chromatography and liquid chromatography-tandem mass spectrometry and detection limits of some plant growth regulators测试技术 固态/液态介质 PGRs种类 色谱仪 检测器 检出限(土壤、肥料、果蔬mg/kg；水ng/L) 回收率(%) 参考文献 型号 色谱柱 HPLC 肥料 赤霉酸 Agilent 1260 Waters Atlantis T3 UV 0.60 70.40~107.20 [74] 脱落酸 0.20 萘乙酸 0.20 氯吡脲 1.90 烯效唑 5.10 土壤 多效唑 Waters Alliance 2695 Capcell PAK C18 MGⅡ 0.80×10-2 98.30~102.10 [75] 水体 氯吡脲 Shimadzu LC6A Li-Chrospher 100 RP-8 0.40 90.00~92.00 [76] UPLC 黄瓜 噻苯隆 Agilent 1290-infinity Poroshell 120 EC-C18 DAD 1.90×10-2 86.20~95. 00 [44] 西瓜 氯吡脲 0.50×10-2 85.00~90.50 番茄 脱落酸 1.90×10-2 101.20~110.00 葡萄 2, 4-二氯苯氧乙酸 7.60×10-2 96.60~103.80 HPLC-MS/MS 苹果 丁酰肼 Waters Alliance 2690 Hypersil APS-2 质谱 0.80×10-2 98.0~102.0 [77] 叶子 0.02 112.0~116.0 土壤 烯效唑 LC-20A Agilent Poroshell 120 SB-C18 10-5 84.00~87.00 [78] UPLC-MS/MS 麦冬 多效唑 Waters Corp Acquity HSS T3 column 质谱 30 86.90~115.40 [79] 土壤 烯效唑 50 81.30~108.20 水产品 水杨酸 Waters TQ-S C18 0.26×10-2 69.10~97.30 [80] 肥料 嘧啶醇 Agilent 1290 Waters Acquity UPLC BEH C18 0.09~2.51 85.40~95.30 [81] 调节膦 三唑醇 缩节胺 土壤 胺鲜酯 Agilent 1200 VarianVF-5ms 三重四极杆质谱 0.80×10-2 89.40~103.30 [82] UPLC-HRMS 水体 青霉素 Agilent 1290 ZORB-AX RRHD SB-C18 高分辨质谱 1~10 91.20~106.40 [9] 基于上述优点，植物生长调节剂进入土壤和水体等环境后通过水解、光解和微生物降解等环境行为产生的低浓度中间产物，也通常使用HPLC/UPLC或HPLC/UPLC-MS/MS技术进行检测。例如，Zhang等[12]将LC-MS与离子阱(QIT)和飞行时间(TOF)技术结合，对赤霉酸的水解产物异构赤霉酸及水解副产物赤霉烯酸和羟基赤霉酸进行了检测。
3.2 气相色谱法和气相色谱-串联质谱法
气相色谱法(GC)具有低成本、易维护的优点，且气相色谱-串联质谱法(GC-MS)已成为一种常规测试技术[64]。但是，GC和GC-MS受样品基质干扰影响较大，对前处理方法要求很高。另外，受不同植物生长调剂物理化学性质的影响(如沸点超过400℃的脱落酸和吲哚乙酸等，或含羟基、羧基的氯吡脲及肉桂酸等)，大部分植物生长调节剂的气相色谱特性差(表 2)，且不易被检测。例如，李忠煜等[66]使用GC-MS检测土壤中酚类化合物时，需提前进行衍生化处理，使待测物质转化成适合被分析的衍生物。另外，衍生化反应还能够改善化合物的分离度和热稳定性，使其利于被检测。
GC和GC-MS检测不同环境介质中的部分植物生长调节剂的检出限及回收率情况如表 5所示。可以看出，植物生长调节剂在使用GC和GC-MS检测时，其平均回收率分别为72.50%~108.80%和70.00%~127.00%。为了进一步降低检出限，GC常与质谱联用，以满足低浓度植物生长调节剂残留的检测。例如，土壤中较常检测出的多效唑和烯效唑等植物生长调节剂，使用GC检测时的检出限为0.03mg/kg[85]，而GC与质谱联用后检出限降低至0.42×10-2mg/kg[88]。
表 5 气相色谱法及气相色谱-质谱联用法分析条件及部分植物生长调节剂检出情况Table 5. Analysis conditions of gas chromatography and gas chromatography-mass spectrometry and detection limits of some plant growth regulators测试技术 固态/液态介质 PGRs种类 色谱仪 检测器 检出限(mg/kg) 回收率(%) 参考文献 型号 色谱柱 GC 肥料 胺鲜酯多效唑烯效唑 Agilent 7890B HP-5毛细管柱 FID 10.0 80.60~97.10 [23] 杨梅
苹果
枣树
卷心菜
西兰花2，4-二氯苯氧乙酸
1-萘乙酸
吲哚乙酸
吲哚丁酸Agilent 7890A HP-5毛细管柱 12.0
23.0
15.0
18.083.00~96.00 [83] 水体 胺鲜酯 Varian CP-3800 CP 7625 / 79.00~107.00 [84] 土壤 多效唑 Agilent 7890A HP-5毛细管柱 NPD 0.03 72.50~108.80 [85] GC-MS 豆芽番茄 对氯苯氧乙酸
2，4-二氯苯氧乙酸
1-萘乙酸
吲哚乙酸
吲哚丁酸Agilent 7890A/5975C HP-5MS 质谱 1.50×10-2 70.00~127.00 [86] 土壤 胺鲜酯 Agilent 6890-5975B HP-5MS 0.10×10-2 83.00~98.50 [87] 多效唑 GCMS-QP2010 VF-1701毛细管柱 0.42×10-2 106.0~124.0 [88] 3.3 离子色谱法
离子色谱法(IC)属于LC的分支[89]，可用于检测果蔬中植物生长调节剂。例如，Muhammad等[90]利用IC结合荧光技术检测了10种食品中萘乙酸的含量，检出限范围为0.08~6.60ng/kg；Melton等[91]利用混合离子色谱-串联质谱法(IC-MS/MS)同时测定了果蔬中乙烯利和草甘膦，检出限为0.05mg/kg，平均回收率在83.0%~112.0%。Bauer等[92]用优化的IC-MS/MS，测定了番茄、苹果和柠檬中的乙烯利，检出限为0.01mg/kg，回收率均为100.0%。该技术操作简便、经济，并且更多地以试剂盒的形式提供，可实现快速检测，但其灵敏度较低，主要用于果蔬等可能检出的高浓度植物生长调节剂介质。
3.4 分光光度法
分光光度法(SP)因其快速、准确、成本低及耗时短等优点，常用于现场快速测定。张莉等[93]采用快速SP技术同时检测了地下水中的赤霉素和草甘膦，检出限分别为0.48μg/L和0.82μg/L，平均回收率分别为69.40%~73.20%和90.30%~106.50%，并发现赤霉素在一定程度上会使草甘膦的回收率增加10%左右。黄报亮等[94]和张璇等[95]检测了水溶液中除草剂氰尿酸及食品保鲜剂茶多酚和植酸的残留，平均回收率分别为98.10%~102.00%、97.50%~102.50%和96.36%~102.24%。Maragou等[96]通过IC-间接SP技术检测了农药制剂中的乙烯利，改进后两种方法的平均回收率分别为100.4%和99.6%，用第二种方法检测实验样品中乙烯利的含量范围在481±5.90g/L。
3.5 其他技术
酶联免疫技术(ELISA)解决了GC存在的分析物易分解的技术难题。吴璟等[68]建立的直接竞争ELISA技术，实现对饼干、薯片及咖啡中丙烯酰胺的定量分析，平均加标回收率为83.60%~112.70%，检出限为3μg/L。Yi等[97]开发了一种基于单克隆抗体的ELISA技术检测了植物中的茉莉酸甲酯，检出限为0.20μg/L。但是，ELISA技术在同时分析多种类型残留组分时存在较大困难，用于分析结构相似的化合物时会发生不同程度的交叉反应等[98]。
毛细管电泳技术(CE)的分离效率高、耗时短，且有机试剂用量少[98]，不仅在医学、生物学、化学及农学等多方面应用极其广泛，也适用于分析测试大多数植物生长调节剂。张玉芬等[99]采用CE技术测定了番茄中2, 4-二氯苯氧乙酸的残留量，平均回收率在98.20%~104.60%之间，检出限为0.94mg/L。白新伟等[20]使用该技术对豆芽中10种植物生长调节剂残留进行检测，平均回收率为96.30%~102.10%，检出限为0.04~0.06μmol/L。陈宗保[100]采用聚合物整体柱微萃取-CE技术测定了食品中萘乙酸等5种植物生长调节剂的残留，平均回收率范围为87.30%~107.40%，检出限为0.01~0.02mg/L。
电化学传感器法因其使用成本低、操作简单、检测时间短等优点[101]，逐渐被广泛研究和关注。该技术可以用于检测在电极表面发生有效电化学反应，且具有典型电化学结构特征的植物生长调节剂，例如水杨酸、茉莉酸甲酯、脱落酸和吲哚乙酸等。Wang等[102]以类石墨氮化碳作为光活性材料，采用石墨烯量子点作为改进剂，并使用金纳米颗粒作为DNA探针的固定基质建立了光电化学传感法对玉米素进行捕获识别，回收率在94%~105%。Zhu等[103]通过结合具有高电催化活性的分子印迹聚合物和基于离子液体的石墨烯制备的新型复合材料提高了6-苄基氨基嘌呤的检测效率，检出限可达0.20μmol/L。Li等[104]采用不锈钢丝作为电极，通过电沉积和电聚合作用依次形成石墨烯复合膜和番红花红聚合膜，增强了电极对吲哚乙酸的敏感程度，检出限低至43pg/mL，实现了微电化学传感器检测植物体内吲哚乙酸的首次应用。
微孔侧流免疫层析法的前处理简单便捷、快速灵敏，但只能检测出结果呈阴性或呈阳性[69]，适合对样品进行快速筛选。华彦涛等[69]使用微孔侧流免疫层析法检测出农产品中存在2, 4-二氯苯氧乙酸(检出限为0.05μg/mL)，并能同时检测与2, 4-二氯苯氧乙酸结构类似的4-氯苯氧乙酸和2，4，5-三氯苯氧乙酸(检出限分别为0.20μg/mL和0.50μg/mL)。
4. 结语与展望
植物生长调节剂作为一种新型微毒农药，对环境以及人体健康的危害日益受到广泛研究和关注。考虑到植物生长调节剂双键、羧基等结构特性及其较高水溶性，以液液萃取或固相萃取为主的前处理技术以及以色谱-质谱联用法为主的分析测试技术在植物生长调节剂的分析测试中被广泛应用。但是，关于土壤和水体中痕量植物生长调节剂的分析测试问题仍亟待解决。未来，相关研究应聚焦于以下三个方面的内容。
(1)重视土壤和水体中痕量植物生长调节剂的分析测试
虽然现有以高效液相色谱-串联质谱法为主的分析测试技术，已经可以实现果树、肥料和营养液等环境基质中痕量植物生长调节剂的分析测试，但是土壤和水体中痕量植物生长调节剂的分析测试经常被忽视。在植物生长调节剂使用过程中，70%的植物生长调节剂在施用过程中会洒落于土壤表面，并可能通过吸收、传输进入到土壤或地下水中。同时，植物生长调节剂在土壤或地下水传输过程中伴随的一系列环境行为，使其含量呈递减趋势。因此，果树等农产品中植物生长调节剂的残留最为明显，而土壤中可能由于其高溶解度导致的快速迁移使其在土壤中的残留较少。另外，由于植物生长调节剂的自然衰减速度快，导致其在水体和土壤等复杂基质中的含量过低而无法进行检测。未来需进一步优化分析测试技术，特别是前处理方法，以更好地评估植物生长调节剂对土壤以及水体(特别是地下水)的环境风险。
(2)聚焦因环境行为产生的中间产物的分析测试
大多数植物生长调节剂都属于低毒或微毒，但一些植物生长调节剂在环境中降解的中间产物可能会有更大的毒性，如赤霉酸的水解产物异构赤霉酸及副产物赤霉烯酸和羟基赤霉酸等均有较强的毒性。目前，鲜有关于因环境行为产生的中间产物的研究，重视对不同环境介质中植物生长调节剂中间产物的定性、定量分析检测是未来的重点研究方向。
(3)开发基于新材料新技术的分析测试方法
色谱-质谱联用法的准确度高，检出限低，但仪器使用及维修费用高，普通基层实验室无法达到如此高的硬件条件，不利于现场及大量检测。一些成本低、效率高、耗时短的分析测试技术，如离子色谱法和微孔侧流免疫层析法，虽能进行日常快速检测和筛选，但无法满足土壤和地下水中植物生长调节剂微量残留的检测。未来需要开发的分析测试技术应当结合新材料或新技术，不断改进、研究新型便捷高效的检测方法，呈现多种技术交叉融合的新局面。
-
![]()
图 2 研究区重金属元素(a)Cr、(b)Co、(c)Ni、(d)Cu、(e)Zn、(f)Cd、(g)Pb、(h)As、(i)Hg含量空间分布图
Figure 2. Spatial distribution maps of heavy metal element contents in the study area.
![]()
图 3 研究区土壤重金属元素主成分载荷
Figure 3. Principal component load of heavy metal elements in soil from the study area.
![]()
图 4 研究区重金属单因子污染指数空间分布图
Figure 4. Spatial distributions of heavy metal single factor pollution index in the study area.
表 1 土壤重金属元素含量统计结果
Table 1 Statistical results of heavy metal element contents in soil
统计参数 Cr Co Ni Cu Zn Cd Pb As Hg 平均值(mg/kg) 38.15 17.18 19.01 27.65 53.53 0.12 15.81 10.44 0.055 最小值(mg/kg) 5.94 2.67 2.76 2.44 10.5 0.018 1.24 0.17 0.004 最大值(mg/kg) 102 121 44.7 172 176 0.50 105 35.20 5.30 标准差(mg/kg) 23.22 11.54 11.19 21.00 27.81 0.08 13.29 5.14 0.293 变异系数(%) 60.86 67.19 58.89 75.94 51.95 67.24 84.08 49.26 532.73 自然背景值(mg/kg) 90 12.7[23] 40 35 100 0.20 35 15 0.15 土壤质量筛选值(mg/kg) 250 15 190 100 300 0.6 170 25 3.4 超标率(%) 0.30 75.83 0.90 14.70 3.60 21.40 3.00 13.29 1.81 
下载: 导出CSV
表 2 土壤重金属元素间的相关系数
Table 2 Correlation coefficients of heavy metal elements in soil
重金属元素 Cr Co Ni Cu Zn Cd Pb As Hg Cr 1 -0.049 0.947** 0.082 0.820** 0.783** 0.797** 0.463** 0.034 Co 1 0.110 0.645** 0.048 -0.016 -0.062 0.129 0.036 Ni 1 0.157 0.847** 0.810** 0.797** 0.536** 0.041 Cu 1 0.184 0.133 0.116 0.093 0.034 Zn 1 0.867** 0.909** 0.461** 0.047 Cd 1 0.854** 0.437** 0.055 Pb 1 0.387** 0.039 As 1 0.025 Hg 1 注：“**”表示在0.01水平(双侧)上极显著相关。
下载: 导出CSV
表 3 土壤重金属含量主成分分析成分矩阵
Table 3 Component matrix of principal component analysis of heavy metal contents in soil
重金属 初始因子载荷 旋转后因子载荷 F1 F2 F1 F2 Cr 0.921 -0.121 0.929 0.016 Co 0.064 0.914 -0.071 0.914 Ni 0.946 0.014 0.934 0.153 Cu 0.196 0.873 0.065 0.892 Zn 0.945 -0.015 0.937 0.124 Cd 0.913 -0.077 0.914 0.058 Pb 0.914 -0.120 0.922 0.015 As 0.582 0.100 0.561 0.185 Hg 0.061 0.079 0.049 0.088 方差贡献率(%) 52.127 18.334 51.395 19.066 累积方差贡献率(%) 52.127 70.461 51.395 70.461
下载: 导出CSV
表 4 重金属潜在生态危害指数
Table 4 Potential ecological hazard index of heavy metals
重金属元素 Eri 重金属元素 Eri Cr 0.85 Cd 18.06 Co 5.73 Pb 2.26 Ni 2.38 As 6.96 Cu 3.95 Hg 14.79 Zn 0.54 RI 55.50
下载: 导出CSV
表 5 Hakanson潜在生态风险分级标准
Table 5 Grading standards of Hakanson potential ecological risk
单项生态风险因子(Eri) 综合生态危害指数(RI) 等级 得分 等级 得分 低生态风险 < 40 低生态风险 < 150 中等生态风险 40~80 中等生态风险 150~300 较高生态风险 80~160 高生态风险 300~600 高生态风险 160~320 极高生态风险 >600 极高生态风险 >320
下载: 导出CSV
-
[1] 苏辉跃, 刘江川, 王璐, 等. 城乡过渡区土壤-蔬菜中重金属耦合分异特征及形成机理解析[J]. 生态与农村环境学报, 2022, 38(2): 184-193. https://www.cnki.com.cn/Article/CJFDTOTAL-NCST202202007.htm Su H Y, Liu J C, Wang L, et al. Analysis of heavy metal coupling differentiation characteristics and formation mechanism in soil-vegetable in urban-rural transition area[J]. Journal of Ecology and Rural Environment, 2022, 38(2): 184-193. https://www.cnki.com.cn/Article/CJFDTOTAL-NCST202202007.htm
[2] Pekey H, Doǧan G. Application of positive matrix factori-sation for the source apportionment of heavy metals in sediments: A comparison with a previous factor analysis study[J]. Microchemical Journal, 2013(106): 233-237.
[3] 姚春卉, 宁曙光, 武波, 等. 青岛市新兴工业园区土壤重金属污染特征[J]. 中国科技论文, 2020, 15(9): 1050-1057. doi: 10.3969/j.issn.2095-2783.2020.09.013 Yao C H, Ning S G, Wu B, et al. Characteristics of heavy metal pollution in soil of Qingdao Xinxing Industrial Park[J]. China Science and Technology Paper, 2020, 15(9): 1050-1057. doi: 10.3969/j.issn.2095-2783.2020.09.013
[4] Hadzi G Y, Ayoko G A, Essumang D K, et al. Contami-nation impact and human health risk assessment of heavy metals in surface soils from selected major mining areas in Ghana[J]. Environmental Geochemistry and Health, 2019, 41(2): 2821-2843.
[5] Ren Z Q, Xiao R, Zhang Z H, et al. Risk assessment and source identification of heavy metals in agricultural soil: A case study in the coastal city of Zhejiang Province, China[J]. Stochastic Environmental Research and Risk Assessment, 2019, 33(11-12): 2109-2118. doi: 10.1007/s00477-019-01741-8
[6] Kolo M T, Khandaker M U, Amin Y M, et al. Assessment of health risk due to the exposure of heavy metals in soil around Mega coal-fired cement factory in Nigeria[J]. Results in Physics, 2018, 11: 755-762. doi: 10.1016/j.rinp.2018.10.003
[7] Abrahams P W. Soils: Their implications to human health[J]. Science of the Total Environment, 2002, 291(1-3): 1-32. doi: 10.1016/S0048-9697(01)01102-0
[8] Seifeddine S, Ouahida Z, Ferid D, et al. Assessment of heavy metal pollution in urban and peri-urban soil of Setif City (High Plains, eastern Algeria)[J]. Environmental Monitoring and Assessment, 2022, 194(2): 1-17.
[9] 郭晗, 孙英君, 王绪璐, 等. 县域城市土壤重金属空间分布特征及来源解析[J]. 环境科学学报, 2022, 42(1): 287-297. https://www.cnki.com.cn/Article/CJFDTOTAL-HJXX202201032.htm Guo H, Sun Y J, Wang X L, et al. Spatial distribution characteristics and source analysis of soil heavy metals in county cities[J]. Journal of Environmental Science, 2022, 42(1): 287-297. https://www.cnki.com.cn/Article/CJFDTOTAL-HJXX202201032.htm
[10] 冯乾伟, 王兵, 马先杰, 等. 黔西北典型铅锌矿区土壤重金属污染特征及其来源分析[J]. 矿物岩石地球化学通报, 2020, 39(4): 863-870. doi: 10.19658/j.issn.1007-2802.2020.39.051 Feng Q W, Wang B, Ma X J, et al. Characteristics of soil heavy metal contamination in typical Pb-Zn mining areas in northwest Qianxi and its source analysis[J]. Mineral and Rock Geochemistry Bulletin, 2020, 39(4): 863-870. doi: 10.19658/j.issn.1007-2802.2020.39.051
[11] 王锐, 邓海, 贾中民, 等. 汞矿区周边土壤重金属空间分布特征、污染与生态风险评价[J]. 环境科学, 2021, 42(6): 3018-3027. doi: 10.13227/j.hjkx.202010140 Wang R, Deng H, Jia Z M, et al. Spatial distribution characteristics of heavy metals in soils around mercury mining areas, pollution and ecological risk assessment[J]. Environmental Science, 2021, 42(6): 3018-3027. doi: 10.13227/j.hjkx.202010140
[12] 迟晓杰, 谷海红, 李富平, 等. 重金属污染土壤植物修复效果评价方法——高光谱遥感[J]. 金属矿山, 2019(1): 16-23. https://www.cnki.com.cn/Article/CJFDTOTAL-JSKS201901004.htm Chi X J, Gu H H, Li F P, et al. Evaluation method of phytoremediation effect of heavy metal contaminated soil by hyperspectral remote sensing[J]. Metal Mining, 2019(1): 16-23. https://www.cnki.com.cn/Article/CJFDTOTAL-JSKS201901004.htm
[13] 赵恒谦, 张文博, 朱孝鑫, 等. 煤炭矿区植被冠层光谱土地复垦敏感性分析[J]. 光谱学与光谱分析, 2019, 39(6): 1858-1863. https://www.cnki.com.cn/Article/CJFDTOTAL-GUAN201906038.htm Zhao H Q, Zhang W B, Zhu X X, et al. Sensitivity analysis of vegetation canopy spectra for land reclamation in coal mining areas[J]. Spectroscopy and Spectral Analysis, 2019, 39(6): 1858-1863. https://www.cnki.com.cn/Article/CJFDTOTAL-GUAN201906038.htm
[14] 刘恒凤, 张吉雄, 周楠, 等. 矸石基胶结充填材料重金属浸出及其固化机制[J]. 中国矿业大学学报, 2021, 50(3): 523-531. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKD202103014.htm Liu H F, Zhang J X, Zhou N, et al. Heavy metal leaching from gangue-based cemented filling materials and its curing mechanism[J]. Journal of China University of Mining and Technology, 2021, 50(3): 523-531. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKD202103014.htm
[15] 孙厚云, 吴丁丁, 毛启贵, 等. 新疆东天山某铜矿区土壤重金属污染与生态风险评价[J]. 环境化学, 2019, 38(12): 2690-2699. https://www.cnki.com.cn/Article/CJFDTOTAL-HJHX201912007.htm Sun H Y, Wu D D, Mao Q G, et al. Evaluation of soil heavy metal pollution and ecological risk in a copper mining area in East Tianshan, Xinjiang[J]. Environmental Chemistry, 2019, 38(12): 2690-2699. https://www.cnki.com.cn/Article/CJFDTOTAL-HJHX201912007.htm
[16] 段友春, 梁兴光, 臧浩, 等. 日照市典型农用地土壤重金属来源分析及环境质量评价[J]. 环境污染与防治, 2020, 42(11): 1410-1414, 1429. https://www.cnki.com.cn/Article/CJFDTOTAL-HJWR202011019.htm Duan Y C, Liang X G, Zang H, et al. Analysis of heavy metal sources and environmental quality evaluation of typical agricultural land in Rizhao[J]. Environmental Pollution and Prevention, 2020, 42(11): 1410-1414, 1429. https://www.cnki.com.cn/Article/CJFDTOTAL-HJWR202011019.htm
[17] 董霁红, 卞正富, 于敏, 等. 矿区充填复垦土壤重金属分布特征研究[J]. 中国矿业大学学报, 2010, 39(3): 335-341. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKD201003008.htm Dong J H, Bian Z F, Yu M, et al. Study on the distribution characteristics of heavy metals in mine reclamation soils[J]. Journal of China University of Mining and Technology, 2010, 39(3): 335-341. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKD201003008.htm
[18] 陈佳林, 李仁英, 谢晓金, 等. 南京市绿地土壤重金属分布特征及其污染评价[J]. 环境科学, 2021, 42(2): 909-916. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ202102046.htm Chen J L, Li R Y, Xie X J, et al. Distribution characteristics of heavy metals in greenland soils of Nanjing and its pollution evaluation[J]. Environmental Science, 2021, 42(2): 909-916. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ202102046.htm
[19] 周艳, 陈樯, 邓绍坡, 等. 西南某铅锌矿区农田土壤重金属空间主成分分析及生态风险评价[J]. 环境科学, 2018, 39(6): 2884-2892. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ201806045.htm Zhou Y, Chen Q, Deng S P, et al. Spatial principal component analysis and ecological risk evaluation of heavy metals in agricultural soils of a Pb-Zn mining area in southwest China[J]. Environmental Science, 2018, 39(6): 2884-2892. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ201806045.htm
[20] Lin Q, Liu E, Zhang E, et al. Spatial distribution, contami-nation and ecological risk assessment of heavy metals in surface sediments of Erhai Lake, a large eutrophic plateau lake in southwest China[J]. Catena, 2016, 145: 193-203.
[21] Qin F, Ji H B, Li Q, et al. Evaluation of trace elements and identification of pollution sources in particle size fractions of soil from iron ore areas along the Chao River[J]. Journal of Geochemical Exploration, 2014, 138: 33-49.
[22] Hakanson L. An ecological risk index for aquatic pollution control: A sedimentological approach[J]. Water Research, 1980, 14(8): 975-1001.
[23] 张锂, 韩国才, 陈慧, 等. 黄土高原煤矿区煤矸石中重金属对土壤污染的研究[J]. 煤炭学报, 2008(10): 1141-1146. https://www.cnki.com.cn/Article/CJFDTOTAL-MTXB200810013.htm Zhang L, Han G C, Chen H, et al. Study on soil contamination by heavy metals in coal gangue in the Loess Plateau coal mining area[J]. Journal of Coal, 2008(10): 1141-1146. https://www.cnki.com.cn/Article/CJFDTOTAL-MTXB200810013.htm
[24] Hao J L, Han Z Z, Wang C Z, et al. Distribution of heavy metals in the topsoil of the Jining mining area[J]. Mining Science and Technology, 2010, 20(3): 395-399.
[25] Guo G H, Wu F C, Xie F Z, et al. Spatial distribution and pollution assessment of heavy metals in urban soils from southwest China[J]. Journal of Environmental Sciences, 2012, 24(3): 410-418.
[26] 黄石德. 铁矿废弃地不同修复模式土壤重金属污染特征及评价[J]. 防护林科技, 2019(3): 5-7. https://www.cnki.com.cn/Article/CJFDTOTAL-FHLK201903002.htm Huang S D. Characteristics and evaluation of heavy metal pollution in soils of iron ore waste sites with different remediation modes[J]. Protective Forest Technology, 2019(3): 5-7. https://www.cnki.com.cn/Article/CJFDTOTAL-FHLK201903002.htm
[27] 葛晓颖, 欧阳竹, 杨林生, 等. 环渤海地区土壤重金属富集状况及来源分析[J]. 环境科学学报, 2019, 39(6): 1979-1988. https://www.cnki.com.cn/Article/CJFDTOTAL-HJXX201906030.htm Ge X Y, Ouyang Z, Yang L S, et al. Analysis of the enrichment status and sources of heavy metals in soils in the Bohai Sea Rim[J]. Journal of Environmental Science, 2019, 39(6): 1979-1988. https://www.cnki.com.cn/Article/CJFDTOTAL-HJXX201906030.htm
[28] 赵俊兴, 李光明, 秦克章, 等. 富含钴矿床研究进展与问题分析[J]. 科学通报, 2019, 64(24): 2484-2500. https://www.cnki.com.cn/Article/CJFDTOTAL-KXTB201924005.htm Zhao J X, Li G M, Qin K Z, et al. Research progress and problem analysis of cobalt-rich deposits[J]. Science Bulletin, 2019, 64(24): 2484-2500. https://www.cnki.com.cn/Article/CJFDTOTAL-KXTB201924005.htm
[29] 张晓薇, 王恩德, 安婧. 辽阳弓长岭铁矿区重金属污染评价[J]. 生态学杂志, 2018, 37(6): 1789-1796. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201806025.htm Zhang X W, Wang E D, An J. Evaluation of heavy metal pollution in the Gongchangling iron ore mining area of Liaoyang[J]. Journal of Ecology, 2018, 37(6): 1789-1796. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201806025.htm
-
期刊类型引用(2)
1. 沈亚婷，张巍，何霄嘉. 土壤有机质垂直分布特征及其对短期植被更替的响应. 中国环境科学. 2024(08): 4520-4529 . 
百度学术
2. 杨建勃，陈军辉，何秀平，王九明，辛明，孙霞，王保栋. 超高效液相色谱-高分辨质谱法测定海洋沉积物中的木质素分解产物酚类化合物. 岩矿测试. 2023(03): 548-562 . 本站查看
其他类型引用(0)
计量
- 文章访问数: 185
- HTML全文浏览量: 60
- PDF下载量: 31
- 被引次数: 2
京公网安备 11010202008159号