Analysis of Metal Sources in Shallow Groundwater and Environmental Health Risk Evaluation in the Jidong Plain Area
-
摘要:
近年来地下水环境受到人类活动的影响，对人体健康带来潜在的风险。为探究地下水中金属元素对人体健康的影响，本文选择河北唐山市平原区为研究区，采集了该区64件浅层地下水样品，检测Fe、Mn等10种金属元素并分析其浓度特征，运用地学统计法与正交矩阵分解模型(PMF)分析了研究区浅层地下水中金属元素的主要来源，并在源解析的基础上运用健康风险评价模型对研究区健康风险现状进行评价。结果表明：①研究区地下水中超标率最高的金属元素为Mn，其含量最高达8.66mg/L，主要分布在滨海平原地区附近。②研究区浅层地下水中金属超标率较高的地区主要分布在滨海平原地区，其来源可以分为4种。第1种的特征因子为Fe，主要受到地质环境与工业活动的影响；第2种的特征因子为Mn，主要受到地质环境的影响；第3种的特征因子为Al，主要受到工业活动和矿山开采的影响；第4种的特征因子为Zn和Cr6+，主要受到工业活动的影响。③健康风险评价表明，研究区浅层地下水中金属元素引起受体人群身体健康的首要因素是致癌风险，首要暴露途径是经口摄入途径，首要致癌因子是Cr6+，首要非致癌因子是Mn。儿童的健康总风险高于成人，两种受体在空间上具有较高的一致性，较高风险地区主要集中在市区。从研究区受体人群安全角度考虑，应对研究区浅层地下水中的Mn和Cr6+进行重点管控。
要点(1)采用地学统计法与PMF分析浅层地下水中金属元素的来源，并在源解析的基础上评价其对人体健康的影响。
(2)地下水中污染较严重的金属元素是Mn，主要受到地质环境的影响，分布于滨海平原地区。
(3)地下水中金属元素对人体健康的危害整体处于可接受水平，其中危害最大的元素是Cr6+，风险指数偏高的区域集中于市辖区附近。
HIGHLIGHTS(1) Geostatistical methods combined with Positive Matrix Factorization (PMF) were employed to analyze the sources of metallic elements in shallow groundwater and to assess their impacts on human health based on this source analysis.
(2) The most contaminated metallic element in groundwater is Mn, which is primarily influenced by the geological environment and is predominantly found in the coastal plain.
(3) The overall risk to human health from metallic elements in groundwater is considered acceptable, with Cr6+ identified as the most harmful element. Areas with high-risk indices are concentrated around the municipal districts.
Abstract:In recent years, human activities have affected the groundwater environment, posing potential risks to human health. To investigate the effects of metal elements in groundwater on human health, this paper selects the plain area of Tangshan City, Hebei Province as the study area. A total of sixty-four shallow groundwater samples were collected from the district.. Ten metal elements, such as Fe and Mn, were detected, and their concentration characteristics were analyzed. The main sources of metal elements in the shallow groundwater area were analyzed by combining the geostatistical method and Positive Matrix Factorization (PMF). Based on the source analysis, a health risk assessment model was applied to evaluate the health risk status of the study area. The results showed that: (1) The metal element with the highest exceedance rate in the groundwater of the study area was Mn, with a maximum content of 8.66 mg/L, primarily found near the coastal plain. (2) The areas with high metal exceedance rates in shallow groundwater are primarily located in the coastal plain, and their sources can be classified into four categories Type 1 is characterized by Fe, primarily influenced by geological environment and industrial activities. Type 2 is characterized by Mn, mainly influenced by the geological environment. Type 3 is characterized by Al, mainly influenced by industrial activities and mining. Type 4 is characterized by Zn and Cr6+, mainly influenced by industrial activities. ③The health risk evaluation indicated that the primary concern for metallic elements in shallow groundwater is carcinogenic risk for the receptor population.. The main exposure route is the oral ingestion, with Cr6+ as the primary carcinogen and Mn as the main non-carcinogen. The total health risk for children is higher than for adults, with high spatial concordance between the both receptors, and higher risk areas concentrated in urban regions. To ensure the safety of the receptor population in the study area, efforts should focus on controlling Mn and Cr6+ levels in shallow groundwater.
-
Keywords:
- Jingdong Plain /
- shallow groundwater /
- metal elements /
- source analysis /
- health risk evaluation
-
地下水是水资源的重要组成成分［1］，然而，随着人类社会的发展，部分城市工业废水、城市污水过度排放。一些地区地下水开采严重，地下水环境已经成为影响饮用水安全的重要因素［2］。据了解，中国华北平原不宜饮用(Ⅳ类水和Ⅴ类水)的浅层地下水资源占总资源量的77.79%［3］。金属具有不可降解、潜伏期长、毒性强等特点［4］，即使含量很低，但也会影响地下水环境质量，进而通过饮水、皮肤接触等途径进入人体，诱发神经性中毒、皮肤病、贫血等多类疾病［5-6］。地下水中金属元素受多种因素影响，其中人类活动是影响金属含量的主要因素［7］，工业活动、农业活动、城市污水的排放等都会导致地下水中金属污染的日益加重［8-9］。因此，分析地下水环境中金属元素的来源及其对人体健康造成的危害可以为研究区地下水的污染防治工作提供科学依据。
环境健康风险评价是指针对环境污染对人体健康产生的危害程度的评价［10］。国际上环境健康风险评价起源于二十世纪三十年代，主要使用毒物鉴定手段分析环境中物质对人体健康的影响［11］。二十世纪七八十年代，逐渐形成较完整的体系评价环境中元素对人体健康风险的影响，Ghosh等［12］采用成人和儿童危害熵法(HQ)评价Jashore地区地下水中铁和锰的摄入对人体健康的危害。Soleimani-Sardo等［13］使用美国环境保护署(EPA)人类健康风险评估和包含在OpenLCA 1.10.3软件中的 ReCiPe 2016终点等级影响评估方法，评估人类和生态影响。Manawi等［14］借助危害指数(HI)、Nemerow综合污染指数(NCPI) 和终生癌症增量风险(ILCR)三种常用的评估模型评价卡塔尔地下水中重金属元素对人体造成的危害。中国对环境健康风险评价的起步较晚，但自二十一世纪以来，环境健康风险逐渐受到重视，并出台了一系列相关文件和指南。如中国环境保护部2011年制定《国家环境保护“十二五”环境与健康工作规划》［15］，2014年制定《污染场地风险评估技术导则》［16］。周巾枚等［17］通过多元统计法和健康风险评价模型，研究了广西崇左市铁矿附近地下水中金属的分布特征及其对人体健康造成的危害。马海珍等［18］在梯形模糊理论的基础上，构建了地下水环境健康风险模糊评价模型，评价一亩泉水源地地下水环境健康风险。刘音等［19］采用和谐度评价法对污泥基充填体浸出的水样进行水质评价，并结合美国EPA健康风险评价模型评价其对人体健康造成的影响。
识别主要风险源，在源解析的基础上对健康风险进行评价，有利于更加准确地把握暴露途径，对地下水风险管控提供更科学的依据。识别风险源常用的方法有同位素法［20］、地学统计法、主成分分析法(PCA)［21］、正交矩阵分解法(PMF)［22］等。同位素法通过分析水样中同位素的痕迹判断其运移情况，但会有同位素比值重叠的现象出现［23］。地学统计法通过插值构建空间分布图，追溯风险物来源，一般不单独使用，通常与多元统计法或灰色聚类结合分析地下水中风险成因［24］。PCA通过分析水样中不同元素的贡献率判断其成因，但只能筛选出相同或相似来源的元素［25］。而PMF使用标准偏差对数据进行优化，分析得出的贡献率更加准确［26］。例如，Yang等［27］选取PMF方法分析了山东北云河再生水输水沉积物中潜在有毒元素的来源，对再生水引起的高污染河湖的治理和控制提供了参考意义。
唐山市位于河北省东北部，是中国工业化最早的城市之一［28］。自十九世纪七十年代以来，随着工业的发展，对研究区地下水造成影响，进而影响人体健康。因此，本文研究选取地学统计法与正交矩阵模型法(PMF)结合分析研究区内浅层地下水中金属元素的来源，并在此基础上，使用美国EPA推荐的健康风险评价模型，对地下水中金属元素通过经口摄入与皮肤接触两种暴露途径对人体健康造成的危害进行评价，以期识别首要的风险因子及暴露途径，为研究区地下水风险管控提供科学依据。
1. 研究区水文地质特征
根据第四纪沉积物的岩性特征，以及水文地质条件，在垂向上将唐山市平原区第四纪松散堆积物自上而下划分为4个含水层组［29］。第Ⅰ含水层组和第Ⅱ含水层组为潜水含水岩组，位于地表及浅部地段，可接受大气降水补给和蒸发排泄，水循环条件好，为垂直强烈循环交替带；第Ⅲ含水层组和第Ⅳ含水层组为深层含水岩组，具有承压性，径流条件差，为弱循环带［30］。垂向上，各个含水层组之间均有大于5m的粉质黏土或黏土相阻隔，无明显的水力联系，但从宏观分析，Ⅰ、Ⅱ含水组，Ⅱ、Ⅲ含水组，特别是在全淡水区，因含水层的混合利用、开采井深度不一，因而早已被开采所沟通，具有不同程度的水力联系。
在水平方向上，自北向南划分为冲洪积平原和滨海平原水文地质区［31］。冲洪积平原水文地质区第四系沉积物是以古滦河、滦河、还乡河等河流不同时期形成的相互迭置的冲洪积扇组成。各含水层组岩性均以砂砾卵石、砂含砾卵石为主，其分布范围由老到新，有逐渐缩小的趋势。含水层单层厚度15～20m，最大在40m以上，单井单位涌水量一般为10～30t/h∙m。滨海平原水文地质区各含水层组岩性以中细砂、粉砂为主。含水层单层厚度5～10m，最大约14m。浅层单井单位涌水量5～20t/h∙m，深层单井单位涌水量10～30t/h∙m［32］。
2. 实验部分
2.1 地下水样品的采集与分析
本次研究为查明唐山平原区地下水金属元素的分布情况，于2022年6月至7月收集64件地下水样品，均为浅层地下水样品，具体分布如图1所示。
![]()
图 1 河北唐山市平原区地下水采样点布设图Figure 1. Layout of groundwater sampling points in Tangshan Plain area of Hebei Province地下水样品采集均遵循《地下水环境监测技术规范》(HJ 164—2020)，收集的地下水样品使用250mL聚乙烯瓶保存，送至河北省水环境监测实验中心测定。采用《水质 32种元素的测定 电感耦合等离子体发射光谱法》(HJ 776—2015)测定地下水样品中Fe、K、Ca、Na、Mg含量，采用《水质 65种元素的测定 电感耦合等离子体质谱法》(HJ 700—2014)测定样品中Cu、Zn、Al、Se、Cd、Pb含量，采用《水质 汞、砷、硒、铋和锑的测定 原子荧光法》(HJ 694—2014)测定样品中As含量，采用《生活饮用水标准检验方法 金属指标 第10部分 二苯碳酰二肼分光光度法》(GB/T 5750.6—2006)和《滴定法测定碳酸根、重碳酸根和氢氧根》(DZ/T 0064.49—1993)测定样品中$\mathrm{HCO}_3^{-} $、$ \mathrm{CO}_3^{2-}$含量，采用《水质 氯化物的测定 硝酸银滴定法》(GB/T 11896—1989)测定样品中Cl−含量，采用《水质 无机阴离子(F−、Cl−、$\mathrm{NO}_2^{-} $、Br−、$\mathrm{NO}_3^{-} $、$\mathrm{PO}_4^{3-} $、$\mathrm{SO}_3^{2-} $、$\mathrm{SO}_4^{2-} $)的测定 离子色谱法》(HJ 84—2016)测定地下水中$\mathrm{SO}_4^{2-} $含量。具体仪器设备型号及实验室方法列于表1。
表 1 样品检测项目及分析方法Table 1. Measurement items and analytical methods of samples检测项目 仪器设备及型号 实验室方法检出限
(mg/L)Fe 电感耦合等离子体发射光谱仪(Optima 8000) 0.01 Mn 电感耦合等离子体质谱仪(NexION 2000) 0.00012 Cu 电感耦合等离子体质谱仪(NexION 2000) 0.00008 Zn 电感耦合等离子体质谱仪(NexION 2000) 0.00067 Al 电感耦合等离子体质谱仪(NexION 2000) 0.00115 Se 电感耦合等离子体质谱仪(NexION 2000) 0.00041 Cd 电感耦合等离子体质谱仪(NexION 2000) 0.00005 As 双道原子荧光光度计(AFS-9770) 0.0003 Cr6+ 紫外可见分光光度计(T6新世纪) 0.004 Pb 电感耦合等离子体质谱仪(NexION 2000) 0.00009 K 电感耦合等离子体发射光谱仪(Optima 8000) 0.05 Ca 电感耦合等离子体发射光谱仪(Optima 8000) 0.02 Na 电感耦合等离子体发射光谱仪(Optima 8000) 0.12 Mg 电感耦合等离子体发射光谱仪(Optima 8000) 0.003 $\mathrm{HCO}_3^{-} $、$\mathrm{CO}_3^{2-} $ 具塞滴定管25mL 5 Cl− 棕色具塞滴定管25mL 1 $\mathrm{SO}_4^{2-} $ 离子色谱仪(CIC-160) 0.018 2.2 数据准确性分析
实验室内部质量控制执行检测方法对空白实验、定量校准、精密度控制、准确度控制的要求，内部质量控制数据全部合格。并对实验室测试结果进行阴阳离子电荷平衡检验，选取离子K+、Ca2+、Na+、Mg2+、$\mathrm{HCO}_3^{-} $、$\mathrm{CO}_3^{2-} $、Cl−、$\mathrm{SO}_4^{2-} $计算阴阳离子的物质的量浓度总和分别为Σa、Σc，通过以下公式计算出两者的相对误差（E）。
$$ E = \frac{{\sum {c - \sum a } }}{{\sum {a + \sum c } }} \times 100\% $$ (1) 式中：Σa为阴离子物质的量浓度总和；Σc为阳离子物质的量浓度总和。
经计算所有数据的相对误差E均在±5%的范围内，表明实验所得的数据可靠。
2.3 地下水环境健康风险源识别方法
本文研究使用地学统计法与正交矩阵模型法对研究区浅层地下水中金属元素来源进行分析。采取克里金插值法分析研究区内金属物质的空间分布特征，借助EPA PMF 5.0软件，通过正交矩阵分解模型(Positive matrix factorization，PMF)运算解析地下水中金属元素的来源，分析地下水环境健康的潜在风险源。PMF是由美国EPA推荐的一种可靠的源解析受体模型。PMF通过最小化目标函数Q获得因子概况和贡献。公式如下所示［33］：
$$ Q = {\sum\nolimits_{i = 1}^n {\sum\nolimits_{j = 1}^m {\left( {\frac{{{x_{ij}} - \sum\nolimits_{k = 1}^p {{g_{ik}}{f_{kj}}} }}{{{\sigma _{ij}}}}} \right)} } ^2} $$ (2) 式中：Q为累计残差；x为金属元素的实测浓度值；i为样品数；j为测定的元素种类；p为合适的因子数；g为样品中每种元素的贡献矩阵；f为每个源的成分矩阵；σ为测量的不确定性。其中σ的计算方法如下所示：
$$ \begin{cases}\sigma=\sqrt{(\mathrm{EF} \times x)^2+(0.5 \times \mathrm{MDL})^2} & \quad(x>\mathrm{MDL}) \\ \sigma=\dfrac{5}{6} \times \mathrm{MDL} & \quad (x \leqslant \mathrm{MDL})\end{cases} $$ (3) 式中：EF为误差系数，根据实际检出情况、信噪比(S/N)，通常设置为5%～20%；MDL为最低检出限。
模型运算过程中需要多次运行选取最优结果，信噪比(S/N)为分析浓度与不确定度的关系。根据S/N设置数据质量强弱，S/N越差，数据质量越弱；S/N较差时，模型运算时无法得到准确数据，剔除该物质。
2.4 基于源解析的地下水环境健康风险评价方法
地下水中金属元素进入人体的主要方式有经口摄入途径和皮肤接触途径，根据国际癌症研究机构(IARC)和世界卫生组织(WHO)将金属元素分为致癌元素和非致癌元素，致癌金属元素有Cr6+、As、Cd，非致癌金属元素有Fe、Mn、Cu、Zn、Al、As、Se、Cd、Cr6+、Pb。本文在源解析的基础上，以美国EPA推荐的健康风险评价模型为基础，构建地下水环境健康风险评价模型，并结合当地居民实际情况，获得模型参数，以期更准确地评价研究区的健康风险。
地下水中金属元素的暴露量计算模型如下所示［34］：
$$ D_i=\frac{C\mathrm{_w}\times IR\times\mathrm{EF}\times ED}{BW\times AT} $$ (4) 式中：Cw为地下水中金属元素的浓度(mg/L)；IR为摄入率(L/d)；EF为暴露频率(d/a)；ED为暴露期(a)；BW为体重(kg)；AT为平均暴露时间(d)。
经皮肤接触途径的摄入率（IR），采用下式计算：
$$ IR = SA \times PC \times ET \times CF $$ (5) 式中：SA为皮肤接触表面积(cm2)；PC为风险物在皮肤上的渗透常数(cm/h)；ET为暴露时间(h/d)。
基于源解析的地下水环境致癌风险计算模型如下所示：
$$ \begin{split} & R\mathrm{_c}=\sum_{ }^{ }R\mathrm{_{cj}} \\ & R_{\mathrm{cj}}=\sum_{ }^{ }R_{\mathrm{cij}} \\ & R_{\mathrm{cij}}=\frac{D\mathrm{_{ij}}\times Q}{u} \\ & R\mathrm{_{cij}}=\frac{1-\exp\left(-D_{\mathrm{i}}\times Q\right)}{u}\ \ \ \ \ \left(\text{ 当 }R\mathrm{_{cij}} > 0.01\text{ 时 }\right) \\ & D_{{\mathrm{ij}}}=D_{\mathrm{i}}\times G_{{\mathrm{ij}}} \end{split} $$ (6) 式中：i为金属元素种类；j为金属元素的来源；Rc为地下水中的金属元素对人体造成的致癌总风险(a−1)；Rcj为地下水中来源j的金属元素对人体造成的的致癌总风险(a−1)；Rcij为来源j的金属元素i人体造成的致癌总风险(a−1)；Dij为来源j的金属元素i对人体造成的日均暴露剂量，mg/(kg∙d)；Gij为来源j对金属元素i的贡献；Q为致癌元素i的致癌强度系数，(kg∙d)/mg；u为人的寿命(a)，取70a［35］。
基于源解析的地下水环境非致癌风险计算模型如下所示：
$$ \begin{gathered}R\mathrm{_n}=\sum_{ }^{ }R_{\mathrm{nj}} \\ R\mathrm{_{nj}}=\sum_{ }^{ }R\mathrm{_{nij}} \\ R\mathrm{_{nij}}=\frac{D\mathrm{_{ij}}\times10^{-6}}{D\times Rfu} \\ \end{gathered} $$ (7) 式中：Rn为地下水中的金属元素对人体造成的非致癌总风险(a−1)；Rnj为地下水中来源j的金属元素对人体造成的非致癌总风险(a−1)；Rnij为地下水中来源j的金属元素i对人体造成的非致癌总风险(a−1)；DRf为非致癌元素i进入受体的单位体重日均暴露剂量的参考剂量，mg/(kg∙d)。
地下水环境健康风险评价模型中的暴露量计算参数取值，在总结前人研究经验的基础上［36-37］，并结合研究区实际情况进行调整。
环境健康风险评价模型中的Q值与DRf值采用美国EPA推荐值［38-39］，具体见表2。
表 2 非致癌参考剂量与致癌强度系数Table 2. Non-carcinogenic reference doses and carcinogenic intensity coefficients元素 PC
(10−3cm/h)经口摄入途径 皮肤接触途径 DRf
[mg/(kg∙d)]Q
[mg/(kg∙d)]−1DRf
[mg/(kg∙d)]Q
[mg/(kg∙d)]−1Cr6+ 2 0.003 41 0.00006 41 As 1.8 0.0003 1.5 0.000123 3.66 Cd 1 0.0005 6.1 0.00001 6.1 Fe 0.1 0.3 — 0.045 — Mn 0.1 0.046 — 0.0018 — Cu 0.6 0.04 — 0.012 — Zn 0.6 0.3 — 0.01 — Al 10 0.14 — 0.14 — Se 1.8 0.005 — 0.0022 — Pb 0.004 0.0014 — 0.00042 — 3. 结果与讨论
3.1 地下水金属元素浓度特征
唐山市平原区浅层地下水中Fe、Mn、Cu、Zn、Al、As、Se、Cr6+、Cd、Pb的浓度特征如表3所示。浅层地下水金属元素浓度均值顺序为：Mn＞Fe＞Al＞Se＞Zn＞As＞Cu＞Cr6+＞Pb＞Cd。以《地下水质量标准》中的Ⅲ类水为标准值，其中Mn元素超标率最高，达到58.73%，Mn含量最高为8.66mg/L，是标准值的86.60倍；其次是Fe，超标率为17.46%，含量最大值为12.2mg/L，是标准值的40.67倍；Se的超标率为11.11%，含量最大值为392µg/L，是标准值的39.2倍。此外，As、Al的超标率依次为4.76%、3.17%。而Cu、Zn、Cd、Cr6+、Pb均未超标。
表 3 河北唐山市平原区地下水金属元素浓度特征统计Table 3. Characterization of metal concentrations in groundwater in Tangshan plain area of Hebei Province金属元素 含量最大值 含量平均值 含量最小值 SD CV 标准值 超标率(%) Fe (mg/L) 12.2 0.58 ND 1.87 3.24 0.3 17.46 Mn (mg/L) 8.66 0.77 ND 1.61 2.10 0.1 58.73 Cu (µg/L) 20.6 1.46 ND 3.40 2.33 1000.0 0 Zn (µg/L) 57.2 5.20 ND 7.65 1.47 1000.0 0 Al (mg/L) 0.26 0.03 ND 0.05 1.68 0.2 3.17 As (µg/L) 17.6 2.05 ND 3.77 1.84 10.0 4.76 Se (mg/L) 0.39 0.02 ND 0.067 4.11 0.01 11.11 Cd (µg/L) 0.27 0.01 ND 0.05 3.23 5.0 0 Cr6+ (µg/L) 20 0.91 ND 3.02 3.33 50.0 0 Pb (µg/L) 0.57 0.10 ND 0.13 1.40 10.0 0 注：ND表示检出值低于检出限；标准值为《地下水质量标准》(GB/T 14848—2017)的 III 类水标准。 研究区内浅层地下水中金属元素的变异系数(CV)均大于100%，这表明研究区内地下水中金属元素浓度比较分散，各布设点差异性较大，受人类影响较大。
3.2 地下水金属元素风险源识别
3.2.1 金属元素空间分布特征
唐山市平原区浅层地下水中金属元素空间分布如图2所示。研究区内金属元素超标严重的主要地区为曹妃甸—乐亭一带沿海地区，根据前人研究表明唐山市平原区浅层地下水由于受到人类活动的影响出现较明显的分带性，矿化度呈现出由北向南逐渐增大的趋势［40］。Fe的高值区以点状分布在乐亭东北部，根据实地调研，当地存在焊接材料、铁丝制造工厂，防渗措施一般且大多运行年限较长。Mn的高值区以条带状分布在曹妃甸—乐亭一带的滨海地区。Al的高值区集中在山前一带，在玉田东部呈现出点状富集，并以条带状分布在开平—滦州一带。根据实地调研，在玉田东部分布有催化剂工厂，防渗措施一般且运行年限较长，开平—滦州一带存在大量煤炭开采产业。As在滦南中西部出现富集现象，根据收集的资料，滦南有固体废物回收工厂存在废水排放现象。Se主要以条带状分布在曹妃甸一带的滨海地区。地下水中Cu、Zn、Cd、Cr6+、Pb均未超过相应的标准值。从空间分布上看，Cu与Cd的浓度分布规律比较相似，均在曹妃甸区一带的滨海地区出现富集现象。Zn与Cr6+的浓度分布规律比较相似，均在唐山市区出现点状富集现象。根据收集的资料，该地有电镀厂存在废水排放的现象。Pb空间分布上浓度差异较小，相对比较均匀。
![]()
图 2 河北唐山市平原区地下水中金属元素空间分布图Figure 2. Spatial distribution of metal elements in groundwater in Tangshan Plain area of Hebei Province3.2.2 金属元素风险源解析
PMF运算需提供浓度数据和不确定度数据，结合金属元素的实测值和检出限，通过PMF 5.0 User Guide提供的公式(2)计算。本文因Cd、Cr6+的S/N偏低，数据质量设置为弱，其他元素的S/N偏高，数据质量设置为强，如表4所示。
表 4 PMF 模型输入数据类型及拟合程度Table 4. PMF model input data type and fitting degree元素 S/N 类型 元素 S/N 类型 Fe 3.4 强 As 3.4 强 Mn 7.3 强 Se 6.2 强 Cu 9.1 强 Cd 0.5 弱 Zn 6.8 强 Cr6+ 0.3 弱 Al 9.1 强 Pb 1.5 强 在模型运行前，需要根据实际调研情况及经验，选择合适的因子数进行迭代运算，然后运行引导程序验证所选取的因子数。本文PMF模型的迭代次数设为50次，初始点为随机模式，设置因子数为4，并将运行引导程序的次数设置为100次，验证因子数为4时，模型收敛。故本文研究金属元素来源为4类。
运行程序，得到研究区浅层地下水中金属元素来源因子贡献谱及各来源中因子浓度如图3和图4所示。
![]()
图 3 地下水中金属元素各来源因子贡献谱Figure 3. Contribution spectrum of pollution factors for metal elements in groundwater![]()
图 4 地下水中金属元素各来源因子的浓度Figure 4. Concentration of contamination factor in each pollution source for metal elements in groundwater由图4可知，因子1的特征元素是Fe，贡献率为96.39%。冀东平原含有大量的铁矿石，因此研究区土壤中铁离子有较高的原生背景值［41］，在大气降水的影响下土壤中的铁离子进入浅层地下水中。此外，Fe在乐亭县北部出现富集现象，该地分布有金属焊接材料制造工厂［42］，可能会导致地下水受到影响。因此，因子1可以解释为受到地质环境与工业活动的影响。因子2的特征元素为Mn，贡献率为93.96%。研究区内普遍见有锰质结核［43］，根据以往调查研究，河北平原表层土壤中Mn的基准值略高于全国水平［44］，且在曹妃甸—乐亭一带，Eh值多为负值，地下水处于还原环境，有利于含锰氧化物溶解，形成高锰地下水。因此可以推测，因子2受到地质环境的影响。因子3的特征元素为Al，贡献率为92.23%。有研究表明，矿山开采会导致地下水中Al的浓度增加［45］，唐山市矿山资源较丰富，其中滦州一带矿山开发密集，周围环境受矿山开采影响较严重。此外，在玉田分布有合成催化剂的工厂，合成催化剂需要使用氧化铝为载体［46］，可能会导致地下水受到影响。所以，因子3可以解释受到工业活动和矿山开采的影响。因子4对Zn、Cr6+的贡献率大，分别为87.89%、88.06%。有研究表明Zn和Cr6+是电镀厂排放的特征元素［47-48］，而唐山市辖区附近有电镀厂，可能会导致地下水受到影响。所以来源4可以解释为受到工业活动的影响。
3.3 地下水环境健康风险评价
3.3.1 健康风险现状评价
基于风险源识别结果，以美国EPA推荐的健康风险评价模型为基础，结合前人研究成果选取合适健康风险风险评价参数，采用前面的公式(3)～(6)计算唐山平原区浅层地下水中金属元素经口摄入途径与皮肤接触途径引起的年均健康风险，结果如表5、表6。总结以往经验，本文选取国际辐射防护委员会(ICRP)推荐的可接受水平5.00×10−5a−1。
表 5 基于源解析的平均健康风险(经口摄入途径)Table 5. Average health risks based on source resolution (oral route of intake)元素 因子1 因子2 因子3 因子4 健康风险 成人 儿童 成人 儿童 成人 儿童 成人 儿童 成人 儿童 致癌性 As 8.74×10−7 1.16×10−6 0 0 9.10×10−8 1.21×10−7 7.95×10−7 1.05×10−6 1.76×10−6 2.33×10−6 Cd 2.09×10−9 2.77×10−9 1.60×10−8 2.12×10−8 2.03×10−9 2.70×10−9 3.11×10−8 4.13×10−8 5.13×10−8 6.79×10−8 Cr6+ 8.95×10−7 1.19×10−6 0 0 1.64×10−6 2.18×10−6 1.87×10−5 2.48×10−5 2.13×10−5 2.82×10−5 总风险 1.77×10−6 2.35×10−6 1.60×10−8 2.12×10−8 1.74×10−6 2.30×10−6 1.95×10−5 2.59×10−5 2.31×10−5 3.06×10−5 非致癌性 Fe 1.05×10−9 1.40×10−9 1.66×10−11 2.20×10−11 2.32×10−11 3.07×10−11 0 0 1.10×10−9 1.46×10−9 Mn 3.61×10−10 4.78×10−10 8.94×10−9 1.19×10−8 2.04×10−10 2.70×10−10 1.05×10−11 1.39×10−11 9.52×10−9 1.26×10−8 Cu 1.24×10−12 1.64×10−12 4.07×10−12 5.39×10−12 2.02×10−12 2.68×10−12 1.33×10−11 1.76×10−11 2.06×10−11 2.73×10−11 Zn 1.48×10−13 1.97×10−13 8.45×10−13 1.12×10−12 0 0 7.21×10−12 9.55×10−12 8.20×10−12 1.09×10−11 Al 0 0 9.11×10−12 1.21×10−11 1.08×10−10 1.43×10−10 0 0 1.17×10−10 1.55×10−10 As 1.94×10−9 2.57×10−9 0 0 2.02×10−10 2.68×10−10 1.77×10−9 2.34×10−9 3.91×10−9 5.19×10−9 Se 0 0 1.71×10−10 2.27×10−10 4.40×10−11 5.83×10−11 1.64×10−9 2.17×10−9 1.86×10−9 2.46×10−9 Cd 6.85×10−13 9.09×10−13 5.24×10−12 6.95×10−12 6.69×10−13 8.86×10−13 1.02×10−11 1.35×10−11 1.68×10−11 2.23×10−11 Cr6+ 7.27×10−12 9.64×10−12 0 0 1.34×10−11 1.77×10−11 1.52×10−10 2.02×10−10 1.73×10−10 2.29×10−10 Pb 3.19×10−12 4.22×10−12 1.03×10−12 1.36×10−12 7.33×10−12 9.71×10−12 2.60×10−11 3.45×10−11 3.76×10−11 4.98×10−11 总风险 3.37×10−9 4.47×10−9 9.15×10−9 1.21×10−8 5.10×10−10 6.77×10−10 3.63×10−9 4.81×10−9 1.68×10−8 2.22×10−8 健康总风险 1.77×10−6 2.35×10−6 2.51×10−8 3.33×10−8 1.74×10−6 2.30×10−6 1.95×10−5 2.59×10−5 2.31×10−5 3.06×10−5 注：单位为a−1。 表 6 基于源解析的平均健康风险(皮肤接触途径)Table 6. Average health risks based on source resolution (skin contact pathways)元素 因子1 因子2 因子3 因子4 健康风险 成人 儿童 成人 儿童 成人 儿童 成人 儿童 成人 儿童 致癌性 As 1.62×10−8 1.42×10−8 0 0 1.68×10−9 1.48×10−9 1.47×10−8 1.30×10−8 3.26×10−8 2.87×10−8 Cd 8.83×10−12 7.75×10−12 6.75×10−11 5.93×10−11 8.61×10−12 7.56×10−12 1.31×10−10 1.15×10−10 2.16×10−10 1.90×10−10 Cr6+ 7.55×10−9 6.64×10−9 0 0 1.39×10−8 1.22×10−8 1.58×10−7 1.39×10−7 1.79×10−7 1.58×10−7 总风险 2.38×10−8 2.09×10−8 6.75×10−11 5.93×10−11 1.56×10−8 1.37×10−8 1.73×10−7 1.52×10−7 2.12×10−7 1.86×10−7 非致癌性 Fe 2.98×10−12 2.62×10−12 4.67×10−14 4.10×10−14 6.53×10−14 5.73×10−14 0 0 3.09×10−12 2.72×10−12 Mn 3.89×10−12 3.42×10−12 9.65×10−11 8.48×10−11 2.20×10−12 1.93×10−12 1.13×10−13 9.92×10−14 1.03×10−10 9.02×10−11 Cu 1.04×10−14 9.16×10−13 3.43×10−14 3.02×10−14 1.70×10−14 1.50×10−14 1.12×10−13 9.87×10−14 1.74×10−13 1.53×10−13 Zn 1.13×10−14 9.91×10−15 6.42×10−14 5.64×10−14 0 0 5.48×10−13 4.81×10−13 6.23×10−13 5.48×10−13 Al 0 0 3.84×10−13 3.38×10−13 4.56×10−12 4.01×10−12 0 0 4.95×10−12 4.35×10−12 As 3.60×10−11 3.16×10−11 0 0 3.75×10−12 3.29×10−12 3.28×10−11 2.88×10−11 7.25×10−11 6.37×10−11 Se 0 0 2.95×10−12 2.60×10−12 7.59×10−13 6.67×10−13 2.83×10−11 2.49×10−11 3.20×10−11 2.82×10−11 Cd 1.45×10−12 1.27×10−12 1.11×10−12 9.72×10−13 1.41×10−13 1.24×10−13 2.15×10−12 1.89×10−12 3.55×10−12 3.12×10−12 Cr6+ 3.07×10−12 2.70×10−12 0 0 5.64×10−12 4.95×10−12 6.42×10−11 5.64×10−11 7.29×10−11 6.41×10−11 Pb 1.79×10−16 1.58×10−16 5.79×10−17 5.09×10−17 4.12×10−16 3.62×10−16 1.47×10−15 1.29×10−15 2.12×10−15 1.86×10−15 总风险 4.61×10−11 4.05×10−11 1.01×10−10 8.88×10−11 1.71×10−11 1.50×10−11 1.28×10−10 1.13×10−10 2.93×10−10 2.57×10−10 健康总风险 2.38×10−8 2.09×10−8 1.69×10−10 1.48×10−10 1.56×10−8 1.37×10−8 1.73×10−7 1.52×10−7 2.13×10−7 1.87×10−7 注：单位为a−1。 由表5和表6可知，经口摄入途径金属元素进入人体引起的成人与儿童的年均健康风险分别为2.31×10−5a−1、3.06×10−5a−1，也就是研究区每年每十万人口中，因地下水中金属经口摄入途径进入人体而受到伤害的人数，成人约23人，儿童约31人，接近国际辐射防护委员会(ICRP)推荐的阈值5.00×10−5a−1。经皮肤接触途径金属元素进入人体引起的成人与儿童的年均健康风险分别为2.93×10−10a−1、2.57×10−10a−1，即研究区每年每十万人口中，因地下水中金属经皮肤接触途径进入人体而造成伤害的人数小于1人。经皮肤接触途径引起的健康风险远远低于经口摄入途径，由此表明经口摄入途径是引起健康风险的主要暴露途径，且经口摄入途径引起的成人与儿童年均致癌风险分别为2.31×10−5a−1、3.06×10−5a−1，非致癌风险分别为1.68×10−8a−1、2.22×10−8a−1，远远低于致癌风险，由此表明研究区致癌金属引起的危害远远大于非致癌金属引起的风险。
健康风险评价结果表明，研究区浅层地下水中引起致癌风险最高的金属元素为Cr6+，这与对华北平原某地浅层地下水中重金属元素健康风险评价结果基本一致［49］，结合浓度特征分析研究区浅层地下水中Cr6+不存在超标现象，因此推测是由于Cr6+的致癌强度系数高所引起的。Cr6+经口摄入途径引起的致癌风险接近ICRP推荐的阈值。根据源解析分析得出，Cr6+元素主要受到工业活动的影响，分布于唐山市辖区附近。因此在后续污染防治过程中应控制人类工业活动，加强监测工业废水的排放，引起非致癌风险最高的金属元素为Mn，但远远低于ICRP推荐的阈值，结合浓度特征分析，可能是由于其含量高引起的。根据源解析结果，Mn元素主要受到地质环境的影响，分布于滨海平原地区。对Mn的污染防治应基于其地质环境、成土过程等因素，重点监控滨海平原地区。
3.3.2 健康风险空间分布特征
使用普通克里金方法进行空间插值绘制唐山市平原区地下水中金属元素的健康风险空间分布图。研究区不同受体的健康风险空间分布如图5所示。
![]()
图 5 河北唐山市平原区成人（a）和儿童（b）健康风险空间分布Figure 5. Spatial distribution of health risks for adults （a） and children （b） in Tangshan Plain area of Hebei Province2022年研究区不同受体的健康空间分布特征有：①研究区不同受体的健康空间分布特征基本一致，儿童因金属元素引起的健康风险高于成人，同样对于地表水中重金属元素健康风险评价也表明儿童受到的危害略高于成人［50］，这可能是由于儿童正在成长发育阶段，新陈代谢要高于成人，因此对污染物的敏感性也高于成人，受到的健康风险也要高于成人。②研究区的健康风险主要集中在唐山市辖区，这与Cr6+的空间分布特征类似，因此在研究区地下水风险管控过程中，应重点关注Cr6+元素，重点监控唐山市辖区附近地区。
4. 结论
研究调查了2022年6月至7月唐山市平原区浅层地下水中金属元素的浓度特征，运用地学统计法与正交矩阵分解模型(PMF)分析金属元素的主要来源，在此基础上，对金属元素通过经口摄入与皮肤接触两种途径对研究区成人与儿童健康造成的影响进行评价。研究区内浅层地下水中超标的金属元素有Fe、Mn、Al、Se、Cd，其中超标率最高的元素Mn含量最高达8.66mg/L。金属元素超标率较高的地区主要分布在滨海平原地区，其来源主要可以分为4种，第1种特征元素为Fe，主要受到地质环境与工业活动的影响。第2种特征元素为Mn，主要受到地质环境的影响；第3种特征元素为Al，主要受到工业活动和矿山开采的影响；第4种特征元素为Zn和Cr6+，主要受到工业活动的影响。研究区内浅层地下水对人体健康的影响总体处于可接受水平，主要的暴露途径是经口摄入途径，首要的致癌元素是致癌元素是Cr6+，首要的非致癌元素是Mn。建议对Cr的污染防治应控制人类工业活动，加强监测工业废水的排放，重点监控唐山市辖区附近；对Mn的污染防治应从其地质环境、成土过程等因素出发，重点监控滨海平原地区。研究区内两种受体的空间分布规律基本一致，但儿童受到的风险略高于成人，在风险管控过程中应加强对儿童的保护。
本文调查研究结果为研究区地下水的污染防治和保障城镇居民的用水安全提供了科学依据；但未对浅层地下水中金属元素对人体健康造成的风险进行预测。因此，后续需要在健康风险现状评价的基础上进行预测研究，为研究区地下水风险管控提供更科学、有效的方案。
致谢：感谢河北省地质环境监测院有关同志在野外取样和测试中提供的帮助。
-
![]()
图 1 河北唐山市平原区地下水采样点布设图
Figure 1. Layout of groundwater sampling points in Tangshan Plain area of Hebei Province
![]()
图 2 河北唐山市平原区地下水中金属元素空间分布图
Figure 2. Spatial distribution of metal elements in groundwater in Tangshan Plain area of Hebei Province
![]()
图 3 地下水中金属元素各来源因子贡献谱
Figure 3. Contribution spectrum of pollution factors for metal elements in groundwater
![]()
图 4 地下水中金属元素各来源因子的浓度
Figure 4. Concentration of contamination factor in each pollution source for metal elements in groundwater
![]()
图 5 河北唐山市平原区成人（a）和儿童（b）健康风险空间分布
Figure 5. Spatial distribution of health risks for adults （a） and children （b） in Tangshan Plain area of Hebei Province
表 1 样品检测项目及分析方法
Table 1 Measurement items and analytical methods of samples
检测项目 仪器设备及型号 实验室方法检出限
(mg/L)Fe 电感耦合等离子体发射光谱仪(Optima 8000) 0.01 Mn 电感耦合等离子体质谱仪(NexION 2000) 0.00012 Cu 电感耦合等离子体质谱仪(NexION 2000) 0.00008 Zn 电感耦合等离子体质谱仪(NexION 2000) 0.00067 Al 电感耦合等离子体质谱仪(NexION 2000) 0.00115 Se 电感耦合等离子体质谱仪(NexION 2000) 0.00041 Cd 电感耦合等离子体质谱仪(NexION 2000) 0.00005 As 双道原子荧光光度计(AFS-9770) 0.0003 Cr6+ 紫外可见分光光度计(T6新世纪) 0.004 Pb 电感耦合等离子体质谱仪(NexION 2000) 0.00009 K 电感耦合等离子体发射光谱仪(Optima 8000) 0.05 Ca 电感耦合等离子体发射光谱仪(Optima 8000) 0.02 Na 电感耦合等离子体发射光谱仪(Optima 8000) 0.12 Mg 电感耦合等离子体发射光谱仪(Optima 8000) 0.003 $\mathrm{HCO}_3^{-} $、$\mathrm{CO}_3^{2-} $ 具塞滴定管25mL 5 Cl− 棕色具塞滴定管25mL 1 $\mathrm{SO}_4^{2-} $ 离子色谱仪(CIC-160) 0.018 
下载: 导出CSV
表 2 非致癌参考剂量与致癌强度系数
Table 2 Non-carcinogenic reference doses and carcinogenic intensity coefficients
元素 PC
(10−3cm/h)经口摄入途径 皮肤接触途径 DRf
[mg/(kg∙d)]Q
[mg/(kg∙d)]−1DRf
[mg/(kg∙d)]Q
[mg/(kg∙d)]−1Cr6+ 2 0.003 41 0.00006 41 As 1.8 0.0003 1.5 0.000123 3.66 Cd 1 0.0005 6.1 0.00001 6.1 Fe 0.1 0.3 — 0.045 — Mn 0.1 0.046 — 0.0018 — Cu 0.6 0.04 — 0.012 — Zn 0.6 0.3 — 0.01 — Al 10 0.14 — 0.14 — Se 1.8 0.005 — 0.0022 — Pb 0.004 0.0014 — 0.00042 —
下载: 导出CSV
表 3 河北唐山市平原区地下水金属元素浓度特征统计
Table 3 Characterization of metal concentrations in groundwater in Tangshan plain area of Hebei Province
金属元素 含量最大值 含量平均值 含量最小值 SD CV 标准值 超标率(%) Fe (mg/L) 12.2 0.58 ND 1.87 3.24 0.3 17.46 Mn (mg/L) 8.66 0.77 ND 1.61 2.10 0.1 58.73 Cu (µg/L) 20.6 1.46 ND 3.40 2.33 1000.0 0 Zn (µg/L) 57.2 5.20 ND 7.65 1.47 1000.0 0 Al (mg/L) 0.26 0.03 ND 0.05 1.68 0.2 3.17 As (µg/L) 17.6 2.05 ND 3.77 1.84 10.0 4.76 Se (mg/L) 0.39 0.02 ND 0.067 4.11 0.01 11.11 Cd (µg/L) 0.27 0.01 ND 0.05 3.23 5.0 0 Cr6+ (µg/L) 20 0.91 ND 3.02 3.33 50.0 0 Pb (µg/L) 0.57 0.10 ND 0.13 1.40 10.0 0 注：ND表示检出值低于检出限；标准值为《地下水质量标准》(GB/T 14848—2017)的 III 类水标准。
下载: 导出CSV
表 4 PMF 模型输入数据类型及拟合程度
Table 4 PMF model input data type and fitting degree
元素 S/N 类型 元素 S/N 类型 Fe 3.4 强 As 3.4 强 Mn 7.3 强 Se 6.2 强 Cu 9.1 强 Cd 0.5 弱 Zn 6.8 强 Cr6+ 0.3 弱 Al 9.1 强 Pb 1.5 强
下载: 导出CSV
表 5 基于源解析的平均健康风险(经口摄入途径)
Table 5 Average health risks based on source resolution (oral route of intake)
元素 因子1 因子2 因子3 因子4 健康风险 成人 儿童 成人 儿童 成人 儿童 成人 儿童 成人 儿童 致癌性 As 8.74×10−7 1.16×10−6 0 0 9.10×10−8 1.21×10−7 7.95×10−7 1.05×10−6 1.76×10−6 2.33×10−6 Cd 2.09×10−9 2.77×10−9 1.60×10−8 2.12×10−8 2.03×10−9 2.70×10−9 3.11×10−8 4.13×10−8 5.13×10−8 6.79×10−8 Cr6+ 8.95×10−7 1.19×10−6 0 0 1.64×10−6 2.18×10−6 1.87×10−5 2.48×10−5 2.13×10−5 2.82×10−5 总风险 1.77×10−6 2.35×10−6 1.60×10−8 2.12×10−8 1.74×10−6 2.30×10−6 1.95×10−5 2.59×10−5 2.31×10−5 3.06×10−5 非致癌性 Fe 1.05×10−9 1.40×10−9 1.66×10−11 2.20×10−11 2.32×10−11 3.07×10−11 0 0 1.10×10−9 1.46×10−9 Mn 3.61×10−10 4.78×10−10 8.94×10−9 1.19×10−8 2.04×10−10 2.70×10−10 1.05×10−11 1.39×10−11 9.52×10−9 1.26×10−8 Cu 1.24×10−12 1.64×10−12 4.07×10−12 5.39×10−12 2.02×10−12 2.68×10−12 1.33×10−11 1.76×10−11 2.06×10−11 2.73×10−11 Zn 1.48×10−13 1.97×10−13 8.45×10−13 1.12×10−12 0 0 7.21×10−12 9.55×10−12 8.20×10−12 1.09×10−11 Al 0 0 9.11×10−12 1.21×10−11 1.08×10−10 1.43×10−10 0 0 1.17×10−10 1.55×10−10 As 1.94×10−9 2.57×10−9 0 0 2.02×10−10 2.68×10−10 1.77×10−9 2.34×10−9 3.91×10−9 5.19×10−9 Se 0 0 1.71×10−10 2.27×10−10 4.40×10−11 5.83×10−11 1.64×10−9 2.17×10−9 1.86×10−9 2.46×10−9 Cd 6.85×10−13 9.09×10−13 5.24×10−12 6.95×10−12 6.69×10−13 8.86×10−13 1.02×10−11 1.35×10−11 1.68×10−11 2.23×10−11 Cr6+ 7.27×10−12 9.64×10−12 0 0 1.34×10−11 1.77×10−11 1.52×10−10 2.02×10−10 1.73×10−10 2.29×10−10 Pb 3.19×10−12 4.22×10−12 1.03×10−12 1.36×10−12 7.33×10−12 9.71×10−12 2.60×10−11 3.45×10−11 3.76×10−11 4.98×10−11 总风险 3.37×10−9 4.47×10−9 9.15×10−9 1.21×10−8 5.10×10−10 6.77×10−10 3.63×10−9 4.81×10−9 1.68×10−8 2.22×10−8 健康总风险 1.77×10−6 2.35×10−6 2.51×10−8 3.33×10−8 1.74×10−6 2.30×10−6 1.95×10−5 2.59×10−5 2.31×10−5 3.06×10−5 注：单位为a−1。
下载: 导出CSV
表 6 基于源解析的平均健康风险(皮肤接触途径)
Table 6 Average health risks based on source resolution (skin contact pathways)
元素 因子1 因子2 因子3 因子4 健康风险 成人 儿童 成人 儿童 成人 儿童 成人 儿童 成人 儿童 致癌性 As 1.62×10−8 1.42×10−8 0 0 1.68×10−9 1.48×10−9 1.47×10−8 1.30×10−8 3.26×10−8 2.87×10−8 Cd 8.83×10−12 7.75×10−12 6.75×10−11 5.93×10−11 8.61×10−12 7.56×10−12 1.31×10−10 1.15×10−10 2.16×10−10 1.90×10−10 Cr6+ 7.55×10−9 6.64×10−9 0 0 1.39×10−8 1.22×10−8 1.58×10−7 1.39×10−7 1.79×10−7 1.58×10−7 总风险 2.38×10−8 2.09×10−8 6.75×10−11 5.93×10−11 1.56×10−8 1.37×10−8 1.73×10−7 1.52×10−7 2.12×10−7 1.86×10−7 非致癌性 Fe 2.98×10−12 2.62×10−12 4.67×10−14 4.10×10−14 6.53×10−14 5.73×10−14 0 0 3.09×10−12 2.72×10−12 Mn 3.89×10−12 3.42×10−12 9.65×10−11 8.48×10−11 2.20×10−12 1.93×10−12 1.13×10−13 9.92×10−14 1.03×10−10 9.02×10−11 Cu 1.04×10−14 9.16×10−13 3.43×10−14 3.02×10−14 1.70×10−14 1.50×10−14 1.12×10−13 9.87×10−14 1.74×10−13 1.53×10−13 Zn 1.13×10−14 9.91×10−15 6.42×10−14 5.64×10−14 0 0 5.48×10−13 4.81×10−13 6.23×10−13 5.48×10−13 Al 0 0 3.84×10−13 3.38×10−13 4.56×10−12 4.01×10−12 0 0 4.95×10−12 4.35×10−12 As 3.60×10−11 3.16×10−11 0 0 3.75×10−12 3.29×10−12 3.28×10−11 2.88×10−11 7.25×10−11 6.37×10−11 Se 0 0 2.95×10−12 2.60×10−12 7.59×10−13 6.67×10−13 2.83×10−11 2.49×10−11 3.20×10−11 2.82×10−11 Cd 1.45×10−12 1.27×10−12 1.11×10−12 9.72×10−13 1.41×10−13 1.24×10−13 2.15×10−12 1.89×10−12 3.55×10−12 3.12×10−12 Cr6+ 3.07×10−12 2.70×10−12 0 0 5.64×10−12 4.95×10−12 6.42×10−11 5.64×10−11 7.29×10−11 6.41×10−11 Pb 1.79×10−16 1.58×10−16 5.79×10−17 5.09×10−17 4.12×10−16 3.62×10−16 1.47×10−15 1.29×10−15 2.12×10−15 1.86×10−15 总风险 4.61×10−11 4.05×10−11 1.01×10−10 8.88×10−11 1.71×10−11 1.50×10−11 1.28×10−10 1.13×10−10 2.93×10−10 2.57×10−10 健康总风险 2.38×10−8 2.09×10−8 1.69×10−10 1.48×10−10 1.56×10−8 1.37×10−8 1.73×10−7 1.52×10−7 2.13×10−7 1.87×10−7 注：单位为a−1。
下载: 导出CSV
-
[1] 孟瑞芳, 杨会峰, 白华, 等. 海河流域大清河平原区地下水化学特征及演化规律分析[J]. 岩矿测试, 2023, 42(2): 383−395. doi: 10.15898/j.cnki.11-2131/td.202207010121 Meng R F, Yang H F, Bai H, et al. Chemical characteristics and evolutionary patterns of groundwater in the Daqing River plain area of Haihe Basin[J]. Rock and Mineral Analysis, 2023, 42(2): 383−395. doi: 10.15898/j.cnki.11-2131/td.202207010121
[2] 付蓉洁, 辛存林, 于奭, 等. 石期河西南子流域地下水重金属来源解析及健康风险评价[J]. 环境科学, 2023, 44(2): 796−806. doi: 10.13227/j.hjkx.202203144 Fu R J, Xin C L, Yu S, et al. Anaiysis of heavy metal sources in groundwater and assessment of health risks: An example from the southwest sub-basin of the Shiqi River[J]. Environmental Science, 2023, 44(2): 796−806. doi: 10.13227/j.hjkx.202203144
[3] 文冬光, 林良俊, 孙继朝, 等. 中国东部主要平原地下水质量与污染评价[J]. 地球科学(中国地质大学学报), 2012, 37(2): 220−228. doi: 10.3799/dqkx.2010.022 Wen D G, Lin L J, Sun J C, et al. Groundwater quality and contamination assessment in the main plains of Eastern China[J]. Earth Science—Journal of China University of Geosciences, 2012, 37(2): 220−228. doi: 10.3799/dqkx.2010.022
[4] Hao Y, Lin M L, Peng W H, et al. Seasonal changes of heavy metals and health risk assessment based on Monte Carlo simulation in alternate water sources of the Xinbian River in Suzhou City, Huaibei Plain, China[J]. Ecotoxicology and Environmental Safety, 2022, 236: 113445. doi: 10.1016/j.ecoenv.2022.113445
[5] 康文辉, 周殷竹, 孙英, 等. 新疆玛纳斯河流域地下水砷氟分布及共富集成因[J]. 干旱区研究, 2023, 40(9): 1425−1437. doi: 10.13866/j.azr.2023.09.06 Kang W H, Zhou Y Z, Sun Y, et al. Distribution and coenrichment of arsenic and fluorine in the groundwater of the Manas River Basin in Xinjiang[J]. Arid Zone Research, 2023, 40(9): 1425−1437. doi: 10.13866/j.azr.2023.09.06
[6] 李谨丞, 曹文庚, 潘登, 等. 黄河冲积扇平原浅层地下水中氮循环对砷迁移富集的影响[J]. 岩矿测试, 2022, 41(1): 120−132. doi: 10.15898/j.cnki.11-2131/td.202110080140 Li J C, Cao W G, Pan D, et al. Influences of nitrogen cycle on arsenic enrichment in shallow groundwater from the Yellow River alluvial fan plain[J]. Rock and Mineral Analysis, 2022, 41(1): 120−132. doi: 10.15898/j.cnki.11-2131/td.202110080140
[7] Jiang C L, Zhao Q, Zheng L G, et al. Distribution, source and health risk assessment based on the Monte Carlo method of heavy metals in shallow groundwater in an area affected by mining activities, China[J]. Ecotoxicology and Environmental Safety, 2021, 224: 112679. doi: 10.1016/j.ecoenv.2021.112679
[8] Meng Y Y, Wu J H, Li P Y, et al. Distribution characteristics, source identification and health risk assessment of trace metals in the coastal groundwater of Taizhou City, China[J]. Environmental Research, 2023, 238: 117085. doi: 10.1016/j.envres.2023.117085
[9] 马常莲, 周金龙, 曾妍妍, 等. 新疆若羌县绿洲带地下水重金属来源解析及健康风险评价[J]. 环境科学学报, 2023, 43(2): 266−277. doi: 10.13671/j.hjkxxb.2022.0245 Ma C L, Zhou J L, Zeng Y Y, et al. Source analysis and health risk assessment of heavy metals in groundwater in the Oasis Belt of Ruoqiang County, Xinjiang[J]. Acta Scientiae Circumstantiae, 2023, 43(2): 266−277. doi: 10.13671/j.hjkxxb.2022.0245
[10] 赵增锋, 付永亮, 邱小琮, 等. 黄河流域宁夏段地表水氟污染特征与风险评价[J]. 中国环境科学, 2023, 43(11): 5800−5811. doi: 10.19674/j.cnki.issn1000-6923.2023.0205 Zhao Z F, Fu Y L, Qiu X C, et al. Characteristics and risk assessment of surface water fluorine pollution in Ningxia section of Yellow River Basin[J]. China Environmental Science, 2023, 43(11): 5800−5811. doi: 10.19674/j.cnki.issn1000-6923.2023.0205
[11] Kim M, Goerzen D, Jena P V, et al. Human and environmental safety of carbon nanotubes across their life cycle[J]. Nature Reviews Materials, 2024, 9: 63−81. doi: 10.1038/s41578-023-00611-8
[12] Ghosh G C, Khan M J H, Chakraborty T K, et al. Human health risk assessment of elevated and variable iron and manganese intake with arsenic-safe groundwater in Jashore, Bangladesh[J]. Scientific Reports, 2020, 10(1): 5206. doi: 10.1038/s41598-020-62187-5
[13] Soleimani-Sardo M, Shirani M, Strezov V. Heavy metal pollution levels and health risk assessment of dust storms in Jazmurian region, Iran[J]. Scientific Reports, 2023, 13(1): 7337. doi: 10.1038/s41598-023-34318-1
[14] Manawi Y, Subeh M, Al-Marri J, et al. Spatial variations and health risk assessment of heavy metal levels in groundwater of Qatar[J]. Scientific Reports, 2024, 14: 15904. doi: 10.1038/s41598-024-64201-6
[15] 刘岚昕, 朱悦. 辽河流域典型控制单元水环境承载力评估与预警[J]. 环境保护科学, 2023, 49(2): 132−136, 144. doi: 10.16803/j.cnki.issn.1004-6216.2022010039 Liu L X, Zhu Y. Evaluation and early warning of water environment carrying capacity of typical control units in Liao River Basin[J]. Environmental Protection Science, 2023, 49(2): 132−136, 144. doi: 10.16803/j.cnki.issn.1004-6216.2022010039
[16] 田稳, 宗大鹏, 方成刚, 等. 西南典型菜地土壤重金属健康风险和毒性效应[J]. 中国环境科学, 2022, 42(10): 4901−4908. doi: 10.16803/j.cnki.issn.1004-6216.2022010039 Tian W, Zong D P, Fang C G, et al. Health risk and toxic effect of heavy metals in soils from typical vegetable planting areas in Southwest China[J]. China Environmenta Science, 2022, 42(10): 4901−4908. doi: 10.16803/j.cnki.issn.1004-6216.2022010039
[17] 周巾枚, 蒋忠诚, 徐光黎, 等. 铁矿周边地下水金属元素分布及健康风险评价[J]. 中国环境科学, 2019, 39(5): 1934−1944. doi: 10.19674/j.cnki.issn1000-6923.2019.0230 Zhou J M, Jiang Z C, Xu G L, et al. Distribution and health risk assessment of metals in groundwater around iron mine[J]. China Environmental Science, 2019, 39(5): 1934−1944. doi: 10.19674/j.cnki.issn1000-6923.2019.0230
[18] 马海珍, 段磊, 朱世峰, 等. 基于梯形模糊数的地下水源地环境健康风险评价[J]. 西北地质, 2021, 54(2): 248−258. doi: 10.19751/j.cnki.61-1149/p.2021.02.022 Ma H Z, Duan L, Zhu S F, et al. Assessment of the environmental risk of groundwater source based on trapezoidal fuzzy number[J]. Northwestern Geology, 2021, 54(2): 248−258. doi: 10.19751/j.cnki.61-1149/p.2021.02.022
[19] 田稳, 宗大鹏, 方成刚, 等. 西南典型菜地土壤重金属健康风险和毒性效应[J]. 中国环境科学, 2022, 42(10): 4901−4908. doi: 10.16803/j.cnki.issn.1004-6216.2022010039 Tian W, Zong D P, Fang C G, et al. Health risk and toxic effect of heavy metals in soils from typical vegetable planting areas in Southwest China[J]. China Environmental Science, 2022, 42(10): 4901−4908. doi: 10.16803/j.cnki.issn.1004-6216.2022010039
[20] 李军, 李旭, 李开明, 等. 基于特定源-风险评估模型的兰州黄河风情线绿地土壤重金属污染优先控制源分析[J]. 环境科学, 2024, 45(4): 2428−2439. doi: 10.13227/j.hjkx.202304165 Li J, Li X, Li K M, et al. Identification priority source of heavy metal pollution in green space soils based on source-specific ecological and human health risk analysis in the Yellow River custom tourist line of Lanzhou[J]. Environmental Science, 2024, 45(4): 2428−2439. doi: 10.13227/j.hjkx.202304165
[21] Jiang Z J, Yang S Z, Luo S. Source analysis and health risk assessment of heavy metals in agricultural land of multi-mineral mining and smelting area in the karst region—A case study of Jichangpo Town, Southwest China[J]. Heliyon, 2023, 9(7): e17246 doi: 10.1016/j.heliyon.2023.e17246
[22] 李丽君, 刘强. 黑龙江省海伦地区浅层地下水中“三氮”分布特征及来源解析[J]. 岩矿测试, 2023, 42(4): 809−822. doi: 10.15898/j.ykcs.202208270160 Li L J, Liu Q. Distribution characteristics and source analysis of “three nitrogen” in shallow groundwater in Hailun area of Heilongjiang Province[J]. Rock and Mineral Analysis, 2023, 42(4): 809−822. doi: 10.15898/j.ykcs.202208270160
[23] Huang X Y, Zhang D, Zhao Z Q, et al. Determining hydrogeological and anthropogenic controls on N pollution in groundwater beneath piedmont alluvial fans using multi-isotope data[J]. Journal of Geochemical Exploration, 2021, 229: 106844. doi: 10.1016/j.gexplo.2021.106844
[24] 龙玉桥, 崔婷婷, 李伟, 等. 地质统计学法在地下水污染溯源中的应用及参数敏感性分析[J]. 水利学报, 2017, 48(7): 816−824. doi: 10.13243/j.cnki.slxb.20161173 Long Y Q, Cui T T, Li W, et al. Application and sensitivity analysis of geostatistical approach to groundwater pollution source identification[J]. Journal of Hydraulic Engineering, 2017, 48(7): 816−824. doi: 10.13243/j.cnki.slxb.20161173
[25] Ma J W, Chen L, Chen H S, et al. Spatial distribution, sources, and risk assessment of potentially toxic elements in cultivated soils using isotopic tracing techniques and Monte Carlo simulation[J]. Ecotoxicology and Environmental Safety, 2023, 259: 115044. doi: 10.1016/j.ecoenv.2023.115044
[26] Zou H, Ren B Z, Deng X P, et al. Geographic distribution, source analysis, and ecological risk assessment of PTEs in the topsoil of different land uses around the antimony tailings tank: A case study of Longwangchi tailings pond, Hunan, China[J]. Ecological Indicators, 2023, 150: 110205. doi: 10.1016/j.ecolind.2023.110205
[27] Yang Z R, Wang M, Dong Z, et al. Potentially toxic elements contamination, risk and source analysis in sediments of Beiyun River supplied with reclaimed water, China[J]. Ecological Indicators, 2023, 154: 110622. doi: 10.1016/j.ecolind.2023.110622
[28] Li Z, Cai Y P, Lin G. Pathways for sustainable municipal energy systems transition: A case study of Tangshan, a resource-based city in China[J]. Journal of Cleaner Production, 2022, 330: 129835. doi: 10.1016/j.jclepro.2021.129835
[29] 李曼, 葛大庆, 张玲, 等. 基于PSInSAR技术的唐山南部沿海地区地面沉降研究[J]. 工程地质学报, 2016, 24(4): 704−712. doi: 10.13544/j.cnki.jeg.2016.04.028 Li M, Ge D Q, Zhang L, et al. Land subsidence of coastal area in southern Tangshan using PSInSAR technique[J]. Journal of Engineering Geology, 2016, 24(4): 704−712. doi: 10.13544/j.cnki.jeg.2016.04.028
[30] 侯国华, 高茂生, 党显璋. 唐山曹妃甸浅层地下水水化学特征及咸化成因[J]. 地学前缘, 2019, 26(6): 49−57. Hou G H, Gao M S, Dang X Z. Hydrochemical characteristics and salinization causes of shallow groundwater in Caofeidian, Tangshan City[J]. Earth Science Frontiers, 2019, 26(6): 49−57.
[31] 李铎, 毕攀, 张可, 等. 地下水应急水源地综合研究——以唐山市平原区为例[J]. 中国地质调查, 2022, 9(6): 67−75. doi: 10.19388/j.zgdzdc.2022.06.09 Li D, Bi P, Zhang K, et al. Comprehensive study on groundwater emergency sources: A case study of Tangshan plain area[J]. Geological Survey of China, 2022, 9(6): 67−75. doi: 10.19388/j.zgdzdc.2022.06.09
[32] 张力斐, 何玛峰. 基于拓广韦伯定律的唐山市地下水水质分析评价[J]. 水文, 2011, 31(2): 75−78. doi: 10.3969/j.issn.1000-0852.2011.02.018 Zhang L F, He M F. Assessment of groundwater quality in Tangshan City based on Weber-Fechner’s Law[J]. Journal of China Hydrology, 2011, 31(2): 75−78. doi: 10.3969/j.issn.1000-0852.2011.02.018
[33] Jiang C L, Zhao D S, Chen X, et al. Distribution, source and ecological risk assessment of polycyclic aromatic hydrocarbons in groundwater in a coal mining area, China[J]. Ecological Indicators, 2022, 136: 108683. doi: 10.1016/j.ecolind.2022.108683
[34] Shen W B, Hu Y, Zhang J. et al. Spatial distribution and human health risk assessment of soil heavy metals based on sequential Gaussian simulation and positive matrix factorization model: A case study in irrigation area of the Yellow River[J]. Ecotoxicology and Environmental Safety, 2021, 136: 112752. doi: 10.1016/j.ecoenv.2021.112752
[35] 荆秀艳, 李小珍, 王文姬, 等. 银川平原地下水中氟分布特征及健康风险评价[J]. 环境科学与技术, 2022, 45(2): 174−181. doi: 10.19672/j.cnki.1003-6504.1833.21.338 Jing X Y, Li X Z, Wang W J, et al. Distribution characteristics and health risk assessment of fluorine in groundwater in Yinchuan Plain[J]. Environmental Science & Technology, 2022, 45(2): 174−181. doi: 10.19672/j.cnki.1003-6504.1833.21.338
[36] 张广禄, 刘海燕, 郭华明, 等. 华北平原典型山前冲洪积扇高硝态氮地下水分布特征及健康风险评价[J]. 地学前缘, 2023, 30(4): 485−503. doi: 10.13745/j.esf.sf.2023.2.53 Zhang G L, Liu H Y, Guo H M, et al. Occurrences and health risks of high-nitrate groundwater in typical piedmont areas of the North China Plain[J]. Earth Science Frontiers, 2023, 30(4): 485−503. doi: 10.13745/j.esf.sf.2023.2.53
[37] 陈慧, 赵鑫宇, 常帅, 等. 华北平原典型城市(石家庄)地下水重金属污染源解析与健康风险评价[J]. 环境科学, 2023, 44(9): 4884−4895. doi: 10.13227/j.hjkx.202210121 Chen H, Zhao X Y, Chang S, et al. Source analysis and health risk assessment of heavy metals in the groundwater of Shijiazhuang, a typical city in North China Plain[J]. Environment Science, 2023, 44(9): 4884−4895. doi: 10.13227/j.hjkx.202210121
[38] Deng J Y, Yang G, Yan X Y, et al. Quality evaluation and health risk assessment of karst groundwater in Southwest China[J]. Science of the Total Environment, 2024, 946: 174371. doi: 10.1016/j.scitotenv.2024.174371
[39] Javad S. Modelling hydrogeological parameters to assess groundwater pollution and vulnerability in Kashan aquifer: Novel calibration-validation of multivariate statistical methods and human health risk considerations[J]. Environmental Research, 2022, 211: 113028. doi: 10.1016/j.envres.2022.113028
[40] 郭春艳, 马震, 张兆吉, 等. 唐山市平原区浅层地下水环境特征研究[J]. 南水北调与水利科技, 2014, 12(4): 77−80. doi: 10.13476/j.cnki.nsbdqk.2014.04.017 Guo C Y, Ma Z, Zhang Z J, et al. Shallow groundwater environment in Tangshan plain area[J]. South-to-North Water Transfers and Water Science & Technology, 2014, 12(4): 77−80. doi: 10.13476/j.cnki.nsbdqk.2014.04.017
[41] Yang L Y, Li S W, Wen T T, et al. Influence of ferrous-metal production on mercury contamination and fractionation in farmland soil around five typical iron and steel enterprises of Tangshan, China[J]. Ecotoxicology and Environmental Safety, 2020, 188: 109774. doi: 10.1016/j.ecoenv.2019.109774
[42] Nayak A, Matta G, Prasad U D, et al. Assessment of potentially toxic elements in groundwater through interpolation, pollution indices, and chemometric techniques in Dehradun in Uttarakhand State[J]. Environmental Science and Pollution Research, 2023, 31: 36241−36263. doi: 10.1007/s11356-023-27419-x
[43] Wang P, Zhang W, Zhu Y C, et al. Evolution of groundwater hydrochemical characteristics and formation mechanism during groundwater recharge: A case study in the Hutuo River alluvial–pluvial fan, North China Plain[J]. Science of the Total Environment, 2024, 915: 170159. doi: 10.1016/j.scitotenv.2024.170159
[44] 张丽婷, 成杭新, 谢伟明, 等. 河北省土壤化学元素的背景值与基准值[J]. 环境科学, 2023, 44(5): 2817−2828. doi: 10.13227/j.hjkx.202206205 Zhang L T, Cheng H X, Xie W M, et al. Geochemical background and baseline value of soil chemical elements in Hebei Province[J]. Environmental Science, 2023, 44(5): 2817−2828. doi: 10.13227/j.hjkx.202206205
[45] Zhang Q Q, Zhang R, Ying C Y, et al. Surface-bound radicals enhancing detoxification of enrofloxacin during peroxymonosulfate oxidation: Activated carbon vs. alumina as catalyst carriers[J]. Journal of Environmental Chemical Engineering, 2024, 12(3): 112714. doi: 10.1016/j.jece.2024.112714
[46] Zhao S Z, Yi H H, Tang X L, et al. Methyl mercaptan removal from gas streams using metal-modified activated carbon[J]. Journal of Cleaner Production, 2015, 87: 856−861. doi: 10.1016/j.jclepro.2014.10.001
[47] Du J W, Zeng L, Zhang S L, et al. Complete recycling of valuable metals from electroplating sludge: Green and selective recovery of chromium[J]. Chemical Engineering Journal, 2023, 467: 143484. doi: 10.1016/j.cej.2023.143484
[48] Madhurima D, Sirshendu D. Polythiophene incorporated polysulfone blend membranes for effective removal of zinc and iron from electroplating effluent: Experimental studies and performance modelling[J]. Chemical Engineering Science, 2024, 285: 119581. doi: 10.1016/j.ces.2023.119581
[49] Jiang W J, Liu H W, Sheng Y Z, et al. Distribution, source apportionment, and health risk assessment of heavy metals in groundwater in a multi-mineral resource area, North China[J]. Exposure and Health, 2022, 14: 807−827. doi: 10.1007/s12403-021-00455-z
[50] 任丽江, 张妍, 张鑫, 等. 渭河流域关中段地表水重金属的污染特征与健康风险评价[J]. 生态环境学报, 2022, 31(1): 131−141. doi: 10.16258/j.cnki.1674-5906.2022.01.015 Ren L J, Zhang Y, Zhang X, et al. Pollution characteristics and health risk assessment of heavy metals in surface water in Guanzhong Section of the Weihe River Basin[J]. Ecology and Environmental Sciences, 2022, 31(1): 131−141. doi: 10.16258/j.cnki.1674-5906.2022.01.015
计量
- 文章访问数: 47
- HTML全文浏览量: 2
- PDF下载量: 9
京公网安备 11010202008159号