EN中文

Arid Zone Research >

2025 , Vol. 42 >Issue 5: 944 - 956

DOI: https://doi.org/10.13866/j.azr.2025.05.16

Ecology and Environment

Distribution characteristics and sources of heavy metals in soil around Wucaiwan mining area in Zhundong

  • YANG Yanyan ,
  • CHEN Xing ,
  • WANG Ze ,
  • KE Yihao ,
  • LI Qinglin ,
  • HAO Xiangxue ,
  • WANG Ruoxin ,
  • SUN Can
Expand
  • College of Resources and Environment, Xinjiang Agricultural University, Urumqi 830052, Xinjiang, China

Received date: 2024-12-10

  Revised date: 2025-02-09

  Online published: 2026-03-12

Fold

Abstract

This study focuses on the surface soils around the Wucaiwan mining Area in Zhundong, Xinjiang, Chian. By integrating multiple methods, including Kriging interpolation, the Nemerow comprehensive pollution index method, the potential ecological risk index method, and the Positive Matrix Factorization model, the spatial distribution, pollution levels, ecological risks, and sources of seven heavy metals (Hg, Cr, As, Pb, Cu, Zn, and Cd) in the study area were systematically analyzed. The results indicate that the pollution levels of the heavy metals, in descending order, are Hg>Cr>As>Pb>Cu>Zn>Cd. Notably, 100% of the sampling points for Hg, As, 98% for Cr, and 86% for Pb exceed the regional soil background values of Xinjiang, highlighting significant potential pollution risks. Source apportionment reveals that the primary sources of heavy metals in the surface soil of the study area are industrial emissions (23.3%), traffic emissions (14.6%), combustion sources (19.0%), natural sources (19.9%), and atmospheric deposition (23.2%). These findings provide a robust scientific basis and significant guidance for the remediation and management of heavy metal-contaminated soils in coal mining areas of Xinjiang.

Key words： heavy metals; distribution characteristics; ecological risk; source apportionment; Wucaiwan mining area

Cite this article

YANG Yanyan , CHEN Xing , WANG Ze , KE Yihao , LI Qinglin , HAO Xiangxue , WANG Ruoxin , SUN Can . Distribution characteristics and sources of heavy metals in soil around Wucaiwan mining area in Zhundong[J]. Arid Zone Research, 2025 , 42(5) : 944 -956 . DOI: 10.13866/j.azr.2025.05.16

煤炭资源是能源体系中的重要组成部分，为全球的经济发展提供了巨大动力。中国作为全球最大的煤炭生产国，2023年煤炭产量高达47.1×108 t，约占全球总产量的53.1%[1]。然而，在煤炭资源的开采、加工和运输过程中，不可避免地导致大量重金属通过工业生产、交通运输和大气沉降等途径进入周边土壤[2]。矿区周围的表层土壤因此成为各类重金属元素的主要汇集地，而采矿活动则成为土壤重金属污染的重要来源之一[3]。据统计，截至2019年，我国仅采矿活动就已造成约361.05×104 hm2土地荒废，且荒废土地数量仍在以每年4.81×104 hm2的速度增加[4]。Ran等[5]研究发现，某砷矿周边土壤中As、Cd、Hg、Mn、Pb、Sb和Sr的平均浓度均高于背景值，其中As、Hg、Sb含量与矿产资源及相关活动密切相关。
新疆准东煤田是我国目前发现的最大整装煤田，预测煤炭资源储量高达3900×108 t，占全国储量的7%、全疆储量的17.8%[6]。该地区目前已建成五彩湾、大井、将军庙、北山和岌岌湖等大型煤炭开采、煤电和煤化工产业园区，成为我国面积最大的露天煤矿开采区域[7]。然而，丰富的煤炭资源在为准东地区带来巨大经济效益的同时，也对当地的生态环境造成了严重影响。矿区土壤存在一定程度的重金属污染风险。
近年来，多位学者对准东地区的土壤重金属污染现状进行了调查。研究表明，准东红沙泉煤矿周边土壤中重金属Cd和As处于重度污染水平，超标率分别为100%和93%[8]。许紫峻等[9]发现，准东地区的煤矿开采活动引起了周边土壤中Cd的污染，矿区周边0~30 km区域内属于健康风险高敏感区域。李晓航等[10]对新疆准东煤矿土壤重金属富集特征及综合污染情况进行分析，结果表明，污染最严重的区域位于五彩湾煤矿及周边区域，而将军庙煤矿污染程度相对较轻。采用正定矩阵因子（Positive Matrix Factorization，PMF）模型对准东矿区土壤重金属进行源解析，结果表明，Hg和As元素可能来源于煤炭燃烧的释放[11]。总体来看，准东地区的煤炭资源开发活动已引起了矿区周边土壤重金属污染问题，其中重点污染区域主要位于五彩湾矿区及其周边[12]。然而，目前对于五彩湾矿区多种土壤重金属的空间分布、来源解析和生态风险的系统调查仍较为缺乏。
因此，本研究以准东五彩湾矿区为研究区域，以Cu、Zn、Pb、Cd、Cr、As和Hg 7种重金属为研究对象。通过克里金插值法、内梅罗综合污染指数法、地累积指数法和潜在生态风险指数法，探究了7种重金属的空间分布、污染水平和潜在生态风险。进一步利用Pearson相关分析法明确了土壤理化性质与重金属元素之间的相关性，并借助主成分分析法（Principal Component Analysis，PCA）和PMF模型定量解析了各种重金属的来源贡献率。本研究聚焦煤矿区周边土壤重金属的污染特征及主要来源，旨在为矿区环境管理、污染防治和生态恢复提供理论支撑和科学指导。

1 材料与方法

1.1 研究区概况

准东五彩湾矿区位于新疆昌吉回族自治州境内的准噶尔东部煤田西北部，北邻卡拉麦里山南麓，东邻石树沟凹陷[13]。该区域地势北高南低，属于典型的大陆干旱荒漠气候。年平均气温6.5 ℃，夏季短暂而温暖，冬季漫长且寒冷干燥[14]。年降雨量仅106 mm，且主要集中在夏季。这种气候条件使得当地土壤以风沙土为主，质地多为砂土[4]。部分地区因地势低洼和日照充足，出现盐渍化现象，影响土壤肥力和生态功能，对周边植被生长形成挑战。五彩湾矿区地处荒漠带，开发前经济以传统畜牧业为主，矿区开发后，经济重心逐渐转向煤炭、化工等工业产业。

1.2 样品采集

依据《土壤质量土壤采样技术指南》（GB/T 36197—2018）中的标准采样方法，于2023年4月采用“梅花法”采集研究区域0~20 cm表层土壤样品，共计51份。采样过程中，利用GPS仪精确记录每个采样点的坐标数据，确保样品的空间分布具有代表性和可追溯性。采样点分布如图1所示，覆盖五彩湾工业园区及周边生活区域和主要交通干线。采集的土壤样品带回实验室后，置于室内阴凉处自然风干。去除其中的杂物及碎石后，将样品分为两份：一份过20目尼龙筛网，用于后续的土壤理化性质测定；另一份过100目尼龙筛网，用于土壤重金属含量的测定。所有处理后的样品均密封保存，以备后续检测分析。
图1 研究区采样点分布示意图

Fig. 1 Distribution map of sampling points in the study area

1.3 土壤理化性质和重金属含量测定

过20目筛的土壤样品用于理化性质的测定，包括pH、有机质（Organic Matter，OM）含量和阳离子交换量（Cation Exchange Capacity，CEC）。土壤pH值采用水浸提-电位法测定，水土比为5:1。土壤OM含量采用重铬酸钾法测定，参考张少彬等[15]的研究。CEC则依据《土壤阳离子交换量的测定三氯化六氨合钴浸提-分光光度法》（HJ 889—2017）进行测定。
过100目筛的土壤样品用于重金属含量的测定。其中，Cu、Zn、Pb、Cd和Cr的测定采用氢氟酸-硝酸-过氧化氢混合酸体系进行消解，消解后的样品利用电感耦合等离子体原子发射光谱仪（ICP-AES）进行测定。As和Hg的测定则参考GB/T 22105.1—2008标准，采用王水进行消解，随后利用原子荧光光谱法（Atomic Fluorescence Spectrometry，AFS）进行测定。
为确保测定结果的准确性和可靠性，随机选取10%的样品做平行试验。经统计分析，平行试验的相对标准偏差均满足《土壤环境监测技术规范》（HJ/T 166—2004）的要求，表明本研究的样品处理和分析过程的精密度和重复性都符合标准，能为后续研究提供可靠的试验数据支持。

1.4 分析方法

1.4.1 变异系数（Coefficient of Variation，Cv）

Cv是衡量土壤中重金属元素浓度变异程度的重要指标。计算公式为标准差与均值的比值，通常以百分比形式表示。Cv值的大小可用于分析土壤重金属污染的空间分布特征及其均匀性。具体分级标准为：Cv<20%代表重金属元素的浓度变化较小，空间分布较为均匀。20%≤Cv<50%表示重金属浓度存在一定的变异，表明污染源分布可能存在不均匀性，存在局部污染。Cv≥50%表示重金属浓度差异较大，可能是由于污染源分布不均，污染物扩散不均匀，或受到多种复杂土壤性质和环境因素的综合影响。Cv计算公式如下：
${C}_{v}=\frac{\sigma }{\omega }\times 100\%$
式中：Cv表示变异系数；σ表示某一种重金属的标准差（mg·kg-1）；ω表示该重金属含量的均值（mg·kg-1）。

1.4.2 单因子污染指数法

该方法常用于评估单一污染物的污染水平。通过量化特定污染物的浓度，计算单因子指数，以反映其污染程度。计算公式如下：
${P}_{i}=\frac{{C}_{i}}{{S}_{i}}$
式中：Pi为土壤重金属i的单因子指数；Ci为重金属i的实测值（mg·kg-1）；Si为重金属i的背景值（mg·kg-1），本文参考中国环境监测总站公布的新疆土壤背景值[16]。评价等级见表1。
表1 土壤重金属污染水平和生态风险评价等级

Tab. 1 Soil heavy metal pollution levels and ecological risk assessment grades

单因子指数 内梅罗综合污染指数 地累积指数 潜在生态风险指数
Pi 污染水平 PN 污染水平 Igeo 污染程度 ${E}_{r}^{i}$ RI 风险等级
Pi<1 清洁 PN≤0.7 安全 Igeo≤0 无污染 ${E}_{r}^{i}$<40 RI<150 轻微风险
1≤Pi<2 轻微污染 0.7<PN≤1 警戒 0<Igeo≤1 轻度污染 40≤ ${E}_{r}^{i}$<80 150≤RI<300 中等风险
2≤Pi<3 轻度污染 1<PN≤2 轻污染 1<Igeo≤2 偏中度污染 80≤ ${E}_{r}^{i}$<160 300≤RI<600 强风险
3≤Pi<5 中度污染 2<PN≤3 中污染 2<Igeo≤3 中度污染 160≤ ${E}_{r}^{i}$<320 600≤RI<1200 很强风险
Pi≥5 重污染 PN>3 重污染 3<Igeo≤4 偏重污染 ${E}_{r}^{i}$≥320 RI≥1200 极强风险
4<Igeo≤5 重度污染
Igeo>5 严重污染

1.4.3 内梅罗综合污染指数法

内梅罗综合污染指数法是一种综合评价环境污染程度的方法，广泛应用于大气、水体和土壤污染等领域。该方法通过计算多种污染物的单因子指数，并根据各污染物对环境的危害程度赋予不同权重，最终得到一个综合污染指数（PN）。PN值越高，表示污染越严重[17]。计算公式如下：
${P}_{N}=\sqrt{\frac{({P}_{i max}^{2}+{P}_{iave}^{2})}{2}}$
式中：PN内梅罗综合污染指数；Pi max为单因子指数的最大值；Piave为单因子指数的平均值。评价等级见表1。

1.4.4 地累积指数法

该方法通过土壤中某一元素的浓度与背景值的比值，评价其在土壤中的累积程度[18]。计算公式如下：
${I}_{geo}=lo{g}_{2}\left(\frac{{C}_{n}}{K{B}_{n}}\right)$
式中：Igeo为地累积指数；Cn表示重金属的实测值（mg·kg-1）；K为系数（取1.5）[11]；Bn表示该元素的地球化学背景值，本研究取新疆土壤背景值。分级标准见表1。

1.4.5 潜在生态风险指数法

该方法由Hakanson于1980年提出[19]。通过对环境中不同污染物的浓度、生态毒性及其对生态系统的影响进行定量评估，得出综合生态风险指数。计算公式如下：
$RI=\sum _{i=1}^{n}{E}_{r}^{i}=\sum _{i=1}^{n}\left({T}_{r}^{i}\times \frac{{C}_{n}^{i}}{{S}_{n}^{i}}\right)$
式中：RI为综合潜在生态风险指数； ${E}_{r}^{i}$为第i种重金属的潜在生态风险指数； ${C}_{n}^{i}$为重金属i的实测含量（mg·kg-1）； ${S}_{n}^{i}$为新疆土壤背景值（mg·kg-1）； ${T}_{r}^{i}$为各重金属的毒性响应系数，Cu、Zn、Pb、Cd、Cr、As、Hg的毒性响应系数分别为5、1、5、30、2、10和40[20]。评价等级见表1。

1.4.6 PMF模型

PMF模型是一种基于受体模型的数学方法，用于定量解析污染源的贡献率[21]。该模型将样品的重金属浓度矩阵（X）分解为因子得分矩阵（G）、因子载荷矩阵（F）和残差矩阵（E），从而定量识别各污染源的贡献率[22]。计算公式如下：
${X}_{ij}=\sum _{k=1}^{p}\left({G}_{ik}\times {F}_{kj}\right)+{E}_{ij}$
式中：Xij为第i个样品中第j种重金属的含量（mg·kg-1）；Gik为第k个源对第i个样品的贡献率；Fkj为第k个源中第j种重金属的含量（mg·kg-1）；Eij为残差，表示实际浓度与模型计算浓度之间的差异；p为解析的污染源个数。
PMF通过加权最小二乘法经多次迭代运算，最小化目标函数Q，从而确定Gik与Eij。Q的定义式为：
$Q={\sum _{i=1}^{n}\sum _{j=1}^{m}\left(\frac{{E}_{ij}}{{U}_{ij}}\right)}^{2}$
式中：n为样品个数；m为重金属种类数；Eij为第i个样品中第j种重金属的残差；Uij为第i个样品中第j个重金属含量的不确定性大小。
PMF可以对每个单独的数据点进行权重处理，赋予单个数据点合适的不确定性，当元素的浓度低于或等于相应的方法检出限（Method Detection Limit，MDL）时，计算公式如下：
${U}_{ij}=\left\{\begin{array}{l}\left(5/6\right)\times MDL                        ,\\ \sqrt{{\left(\partial \times C\right)}^{2}+{\left(0.5\times MDL\right)}^{2} ,}\end{array}   \right.\begin{array}{l}C\le MDL\\ CMDL\end{array}$
式中： $\partial $为相对标准偏差；C为化学元素的浓度（mg·kg-1）；MDL为方法检出限（mg·kg-1）。

1.5 数据处理

研究区采样点分布图和各重金属的空间分布图利用ArcGIS 10.2软件绘制完成。土壤重金属含量和污染水平的描述性统计和相关性分析在Excel 2016、Origin 2021和IBM SPSS Statistics 21软件中完成。重金属污染源解析则在软件EPA PMF 5.0中完成。

2 结果与分析

2.1 土壤理化性质及重金属含量特征

研究区土壤的pH值介于7.32~9.02之间，平均值为7.97，整体呈碱性。土壤有机质介于0.48~32.66 g·kg-1之间，阳离子交换量介于0.12~25.57 cmol+·kg-1。7种重金属含量的统计结果如表2所示，与《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618—2018）相比较，仅有As和Cu的个别采样点超标，点位超标率分别为4%和2%。以新疆土壤背景值为参照，Hg、As、Cr、Pb、Zn、Cu和Cd均存在不同程度的超标，点位超标率分别为100%、100%、98%、86%、54%、36%和10%。其中，Hg和As的平均值分别较背景值高25.88倍和1.51倍，是研究区主要的重金属污染元素。7种重金属的Cv值对比结果显示，Cu的Cv值大于50%，表明其污染源分布不均，可能受多种复杂土壤性质和环境因素的影响[23]。Zn、Cd、Cr和Hg的Cv值均介于20%~50%之间，表明这4种重金属在研究区土壤中存在一定的变异，污染源分布不均匀，可能存在局部污染现象[24]。Pb和As的Cv值分别为15.32%和17.69%，表明其浓度变化较小，空间分布较为均匀。
表2 土壤重金属含量描述性统计

Tab. 2 Descriptive statistics of soil heavy metal content

元素 土壤重金属浓度ω/（mg·kg-1） 标准偏差 Cv/% 背景值
超标率/%		 筛选值
超标率/%
最小值 最大值 平均值 中值 背景值 筛选值
Cu 16.10 122.27 29.73 24.65 26.70 100 18.96 63.75 36 2
Zn 43.72 297.26 73.37 67.73 66.80 300 34.35 46.81 54 0
Pb 16.49 29.49 22.86 22.16 19.40 170 3.50 15.32 86 0
Cd 0.02 0.18 0.08 0.07 0.12 0.6 0.03 41.36 10 0
Cr 47.68 205.94 80.77 75.96 49.30 250 25.14 31.12 98 0
As 12.40 25.53 16.93 16.60 11.20 25 3.00 17.69 100 4
Hg 0.11 1.12 0.44 0.40 0.017 3.4 0.20 44.52 100 0

注：筛选值参考《土壤环境质量 农用地土壤污染风险管控标准（试行）》（GB 15618—2018）中农用地土壤污染风险筛选值，选取pH>7.5，土地类型为其他。

2.2 土壤重金属空间分布特征

研究区7种重金属含量的空间分布如图2所示。As、Cd和Cr的高值区均集中在矿区附近，表明这些重金属的污染与煤炭开采、运输等工业活动密切关联。此外，在研究区西部的生活区附近也发现了As含量的高值区，这表明As元素的分布可能受人为活动显著影响。Cu的空间分布表现为西南部高、东北部低，且由东北部向西南部逐渐递增。结合当地盛行西北风以及地形西高东低的特征推测，Cu的污染迁移可能受到自然因素的显著影响[25]。Hg的含量在研究区南部较高，该区域集中了多个工业园区，涉及煤炭开采、铝电一体化、硅基新材料生产等工业活动，这些工业活动中的污染物排放可能是Hg污染的主要来源[26]。Pb元素的含量在研究区中西部的工业园附近以及西部生活区域较高，但部分点位的分布和整体规律不一致，这表明Pb的污染成因较为复杂，可能受到多种因素的综合影响。Zn的高值区主要集中在研究区西部的工业园区附近，这可能与该区域的工业活动密切相关。
图2 土壤重金属含量的空间分布

Fig. 2 Spatial distribution of soil heavy metal contents

2.3 土壤重金属污染水平分析

2.3.1 单因子污染指数和内梅罗综合污染指数

研究区7种重金属的Pi平均值从高到低依次为Hg（25.83）>Cr（1.64）>As（1.51）>Pb（1.18）>Cu（1.11）>Zn（1.10）>Cd（0.62）（表3）。由图3a可知所有点位的Hg均处于重污染水平。Cu和Zn分别有4%和2%的点位处于中污染水平，其余点位处于轻微污染或清洁状态。As、Pb和Cr整体处于轻微污染水平，轻微污染水平的点位占比分别为94%、86%和86%。Cd有90%点位无污染。这表明重金属污染来源复杂，Hg污染尤为突出。7种重金属的PN值介于4.55~47.06之间，均值为18.57，整体处于重度污染水平，主要受Hg污染影响（图3a）。赵晓光等[26]的研究也发现，陕北矿区长期的煤炭开采活动导致土壤中Hg元素的严重超标。
表3 土壤重金属的单因子污染指数（Pi）和内梅罗综合污染指数（PN）

Tab. 3 Single factor pollution index (Pi) and Nemerow comprehensive pollution index (PN) of heavy metals in soil

元素 最小值 最大值 均值 方差 标准差 Cv/% 峰度 偏度
Pi Cu 0.60 4.58 1.11 0.50 0.71 63.79 14.57 3.60
Zn 0.65 4.45 1.10 0.27 0.51 46.81 38.44 5.84
Pb 0.85 1.52 1.18 0.03 0.18 15.28 -0.86 0.26
Cd 0.18 1.46 0.62 0.06 0.26 41.45 1.40 0.97
Cr 0.97 4.18 1.64 0.26 0.51 31.12 11.98 2.78
As 1.11 2.28 1.51 0.07 0.27 17.67 1.15 1.06
Hg 6.17 65.72 25.83 132.30 11.50 44.52 2.76 1.36
PN 4.55 47.06 18.57 67.41 8.21 44.21 2.76 1.36
图3 研究区土壤重金属污染评价结果

Fig. 3 Evaluation results of soil heavy metal pollution in the study area

2.3.2 地累积指数

研究区7种重金属的Igeo均值排序为：Hg（3.97）>Cr（0.76）>As（-0.01）>Pb（-0.37）>Zn（-0.52）>Cu（-0.58）>Cd（-1.40）（图3b）。其中，Hg的Igeo值大于3，表明其处于偏重度污染水平；Cr的Igeo值介于0~1之间，处于轻度污染水平；Cd、Cu、Zn、Pb和As的Igeo值均小于0，表明这些元素在土壤中无明显污染富集。具体来看，Hg处于中度污染、偏重污染、重度污染和严重污染的点位比例依次为6%、48%、42%和4%（图3c）。这表明Hg在该区域的污染水平较高，且具有较强的地学积累特性。这主要是因为Hg元素化学性质稳定，容易在土壤中持续积累，导致其浓度显著高于背景值[26]。这种积累不仅对区域生态环境构成威胁，还可能对农业生产产生显著的不利影响[21]。Cr和As的Igeo值显示，Cr处于无污染、轻度污染和偏中度污染的点位占比分别为44%、54%和2%，As则分别为54%、46%和0%。整体来看，Cr和As的污染程度相对较轻。而Cd、Zn、Pb和Cu的无污染富集比例均达到88%以上，表明研究区内大部分点位的土壤未受到这4种重金属的显著污染。

2.4 土壤重金属潜在生态风险分析

各重金属的Eir均值排序为：Hg（1032.94）>Cd（18.55）>As（15.11）>Pb（5.89）>Cu（5.57）>Cr（3.28）>Zn（1.10）（表4）。这一排序与PN和Igeo的评价结果一致。研究区Hg处于严重污染水平，并具有较高的生态风险，需予以重点关注。其余6种重金属元素的潜在生态风险均处于轻微水平。研究区的综合潜在生态风险指数（Risk Index，RI）平均值为1082.44，呈现出很强的生态风险水平，这主要是受Hg污染的影响。具体来看，64%的点位处于很强生态风险，28%处于极强生态风险（图3d）。总体而言，重金属Hg的潜在生态风险最高。这一结果与黔中喀斯特地区矿区周边耕地土壤的研究结果相似，Hg的潜在生态风险危害最大[27]。这些结果提示，重金属（尤其是Hg）污染是矿区周边生态的主要威胁，亟需优先加强Hg污染监测与综合管控，以降低其生态与健康风险。
表4 土壤重金属潜在生态风险指数（ ${E}_{r}^{i}$）

Tab. 4 Potential ecological risk index (${E}_{r}^{i}$) of heavy metals in soil

元素 最小值 最大值 均值 方差 标准差 Cv/% 峰度 偏度
Cu 3.02 22.90 5.57 12.60 3.55 63.76 14.59 3.60
Zn 0.65 4.45 1.10 0.26 0.51 46.81 38.50 5.85
Pb 4.25 7.60 5.89 0.82 0.90 15.32 -0.84 0.26
Cd 5.00 45.00 18.55 62.27 7.89 42.54 1.68 1.11
Cr 1.93 8.36 3.28 1.04 1.02 31.12 11.89 2.79
As 11.07 22.79 15.11 7.15 2.67 17.69 1.13 1.05
Hg 235.29 2635.29 1032.94 211064.19 459.42 44.48 2.82 1.36
RI 290.73 2681.96 1082.44 210545.59 458.85 42.39 2.81 1.37

2.5 土壤重金属来源解析

2.5.1 相关性分析

通过相关性分析探讨了研究区土壤理化性质（pH、OM、CEC）与7种重金属（Cu、Zn、Pb、Cd、Cr、As、Hg）含量之间的潜在关系（图4）。结果表明，pH值与OM和CEC呈微弱负相关（r=-0.170），随着土壤pH值的升高，OM含量和CEC可能呈现下降趋势。OM与CEC之间呈现一定的正相关（r=0.203），说明有机质的存在能够有效提升土壤的阳离子交换能力，从而增强土壤对重金属的吸附潜力。CEC与多种重金属（如Cu、Zn、Pb、Cd、Cr、As）均呈现正相关关系，其中与Cr和As的相关性尤为显著（r=0.457和r=0.453），表明较高的CEC值可能促进Cr和As在土壤中的积累。这一现象可能与CEC较高的土壤具有更强的阳离子吸附能力有关，从而增强了Cr和As的固持作用[28]。此外，OM与Hg含量之间存在显著正相关性（r=0.412），表明OM可能对Hg的积累有一定促进作用。这种相关性可能与有机质在土壤中作为Hg的载体或吸附剂有关。土壤有机质含有丰富的官能团（如羧基、酚羟基等），能够通过络合和吸附作用与Hg结合，从而增强其在土壤中的固持[29]。总体来看，CEC是调控研究区土壤重金属吸附行为的关键因子，而pH和OM的影响相对较弱。
图4 土壤理化性质与重金属含量相关性分析

注：*表示在0.05的水平上呈显著相关。

Fig. 4 Correlation analysis of soil physical and chemical properties and heavy metal content

各重金属的相关性分析表明，Cr与As之间存在显著的正相关性（r=0.392），这可能暗示两者具有相似的污染来源，如矿业活动或工业排放[30]。进一步分析发现，As与Zn和Cd之间也呈现正相关关系（r=0.310；r=0.303），表明这些元素可能通过相似的途径进入土壤，从而导致其在土壤中形成一定程度的共积累现象。其他重金属元素之间的相关性较弱，表明其污染来源相对独立，可能与不同的工业活动、人为输入或自然地质背景相关。这一结果进一步强调了研究区土壤重金属污染的多源性特征。

2.5.2 基于PCA的来源识别

采用PCA对研究区土壤中重金属的污染来源进行了解析。如表5所示，共提取了5个主成分（PC1-PC5），其累计方差贡献率达到86.46%，表明这些主成分能够有效解释土壤中重金属的变异性。
表5 研究区重金属元素主成分旋转载荷

Tab. 5 Rotational loads of principal components of heavy metals in the study area

元素 PC1 PC2 PC3 PC4 PC5
Cu 0.39 0.79 -0.17 0.08 0.19
Zn 0.15 0.01 0.91 0.17 -0.01
Pb 0.32 -0.77 -0.22 0.28 0.11
Cd -0.05 -0.12 0.19 0.93 -0.07
Cr 0.89 -0.01 0.09 -0.15 0.10
As 0.64 0.10 0.46 0.36 -0.12
Hg 0.05 0.05 -0.03 -0.07 0.99
特征值 1.49 1.23 1.16 1.13 1.05
方差贡献率/% 21.30 17.63 16.51 16.07 14.95
累计方差贡献率/% 21.30 38.93 55.44 71.51 86.46

注：表中加粗数据为对某种主成分贡献较大的重金属元素。

PC1的方差贡献率为21.30%，主要与Cr（0.89）和As（0.64）的高载荷相关。结合图2中研究区土壤重金属元素的空间分布特征，高含量的Cr主要分布在矿区周围，且与As的分布模式相似。这表明PC1可能代表了与工业活动相关的污染源。如煤炭开采和加工过程中产生的排放[25]，归为工业排放源。
PC2的方差贡献率为17.63%，主要与Cu（0.79）的高载荷相关。根据已有研究，Cu的含量主要受土壤母质控制，受人为活动的影响较小[31]。研究区土壤中Cu的含量与新疆背景值接近，进一步支持了PC2可能代表自然源的结论。
PC3的方差贡献率为16.51%，主要与Zn（0.91）和As（0.46）的高载荷相关。研究表明，交通运输和大气沉降是Zn污染的重要来源[32]。此外，As也可能通过大气降尘进入土壤[11]。因此，PC3可能代表了与大气沉降相关的污染源[11]。
PC4的方差贡献率为16.07%，主要与Cd（0.93）和As（0.36）和Pd（0.28）的高载荷相关。矿渣中Cd含量较高，可能会通过煤矿开采、洗选、堆存及运输等过程进入土壤[27]。同时，Pb作为机动车燃油和尾气排放的特征元素，可能通过工业运输过程导致周边土壤中Pb的累积[33]。因此，PC4很可能代表了交通排放源。
PC5的方差贡献率为14.95%，主要与Hg（0.99）的高载荷相关。已有研究表明，煤矿开采、加工、运输及燃煤电厂等工业燃烧过程是土壤Hg污染的主要来源[5]。因此，PC5可能代表了与燃烧活动相关的污染源，归为燃烧源。
综上所述，PCA分析揭示了研究区土壤重金属污染的多源性特征，主要包括工业活动、自然源、大气沉降、交通排放和燃烧源。这一结果为研究区重金属污染源的识别和治理提供了科学依据。

2.5.3 基于PMF的来源识别

采用EPA PMF 5.0模型对五彩湾矿区土壤中7种重金属的污染来源进行了识别和量化分析。设置3~6个因子数分别进行运算。大部分样品的残差都在-3~3。当因子数为5时，QRobust和QTure的差值最小，有5种重金属的拟合曲线R2大于0.9999，表明PMF模型的解析效果较好。因此，最终确定因子数为5，各重金属元素的来源及其贡献如图5a所示。
图5 重金属的PMF因子贡献率及PCA和PMF的源解析结果对比

Fig. 5 PMF factor contribution rate of heavy metal and Comparison of source analysis results of PCA and PMF

因子1的主要贡献元素为Cr（44.5%），其次为Cu（29.7%）和Hg（25.3%）。空间分布结果显示，Cr的高值区集中分布在研究区中部和东部的矿区附近，而Hg的高值区则位于南部工业园区（图2）。已有研究表明，煤炭开采、加工和运输过程中会释放大量的Cr和Hg[29]。结合研究区露天煤矿分布较多及干旱少雨的气候特点，推测因子1的污染源主要与煤炭开采、运输及相关工业活动有关，可归为工业排放源。
因子2的主要贡献元素为Pb（29.6%）、Cd（25.7%）和Zn（15.9%）。空间分布显示，Pb和Zn的高值区集中在研究区西部的工业园区附近，该区域有S11和G216两条主要交通干道贯穿。研究表明，车辆尾气排放是导致Pb和Cd的主要来源，而车辆轮胎中添加的ZnO及刹车片磨损释放的含Zn微粒进一步加剧了Zn污染[34]。因此，因子2的污染源主要来自交通排放。
因子3的主要贡献元素为Hg（55.1%）和Cd（27.7%）。Hg的高值区位于南部工业园区，而Cd则在矿区A附近富集。煤炭燃烧产生的烟尘通过大气沉降是土壤Hg污染的主要来源之一[27]。而工矿企业的废气排放和粉尘则是Cd污染的重要原因[32-33]。因此，因子3的污染源主要与煤炭燃烧及工矿企业活动相关，可归为燃烧源。
因子4的主要贡献元素为As（31.5%）、Cu（29.0%）和Zn（25.0%）。Cu的空间分布呈现由东北向西南递增的趋势，与当地西北风和地形西高东低的特征相符，表明其迁移可能受自然因素影响。As和Zn之间的显著相关性进一步表明，它们可能来源于相似的成土母质[35]。因此，因子4主要与自然源相关。
因子5的主要贡献元素为Cd（46.6%）、As（32.4%）和Zn（27.7%）。Cd的污染主要来源于交通排放和大气沉降[5]。而As和Zn则可能通过降水等自然沉降过程富集[35]。陈其永等[36]的研究表明，大气沉降通量较大的重金属包括Zn、Pb和Ni，Zn的沉降明显受气象因素影响。因此，因子5主要与大气沉降相关，归为大气沉降源。

2.5.4 污染源解析的综合比较与总结

将PCA和PMF的污染源解析结果进行对比，发现两种方法的结果具有较高的一致性（图5b）。PCA提取的5个主成分累计方差贡献率为86.46%，为污染源识别提供了统计基础。PMF模型进一步量化了各污染源的贡献率，分别是：工业排放源（23.3%）、交通排放源（14.6%）、燃烧源（19.0%）、自然源（19.9%）和大气沉降源（23.2%）。其中，工业排放源的贡献率最大，与研究区以煤化工产业为主导的经济结构相符。非自然源（工业排放源、交通排放源和燃烧源）的累计贡献率为56.9%，表明工业活动和人为干扰是研究区土壤重金属污染的主要驱动因素。

3 讨论

综上所述，本研究综合运用多种方法对研究区7种重金属（Hg、Cr、As、Pb、Cu、Zn、Cd）的空间分布、污染水平、生态风险及来源进行了系统分析。结果表明研究区的主要重金属污染元素为Hg，这与比拉力·依明等[12]的研究结果一致。这主要是由于Hg具有较为稳定的化学性质，难以被植物和土壤微生物有效吸收，因此容易在土壤表层积累而不易被分解[26]。此外，研究区周边存在较多燃煤电厂，这些电厂排放的Hg元素通过长距离输送进入该地区，并最终沉降到土壤中，进一步加剧了该区域的土壤Hg污染。
本研究开展了PCA和PMF的联合分析，不仅验证了污染源解析的可靠性，还为研究区土壤重金属污染的精准防控提供了科学依据。研究结果强调了工业活动和交通排放对土壤重金属污染的显著影响，同时也揭示了自然源和大气沉降在重金属累积中的重要作用。这与张宏泽等[27]的研究结果相似，工业活动和大气沉降是矿区重金属污染的重要来源。本研究揭示了准东五彩湾矿区重金属的污染特征和来源，为矿区生态环境评估提供了新的视角。在实际应用方面，本研究结果可为新疆煤矿开采区重金属污染土壤的修复与治理提供科学依据。未来研究中应重点关注Hg等高风险元素的迁移转化机制，探索更高效的污染修复技术，以应对矿区土壤重金属污染问题。

4 结论

（1） 研究区表层土壤中Cu、Zn、Pb、Cd、Cr、As和Hg的平均含量分别为29.73 mg·kg-1、73.37 mg·kg-1、22.86 mg·kg-1、0.08 mg·kg-1、80.77 mg·kg-1、16.93 mg·kg-1和0.44 mg·kg-1。与《土壤环境质量 农用地土壤污染风险管控标准(试行)》(GB 15618—2018)规定的筛选值相比较,仅有4%和2%点位的As和Cu超标，其余重金属元素均未超标。空间分布结果进一步揭示，重金属高浓度区域主要集中在矿区、工业园区周边、交通干线两侧及居民区附近，人类活动对土壤重金属污染的空间分布具有显著影响。
（2） 单因子污染指数评价结果显示，研究区重金属污染水平从高到低依次是Hg>Cr>As>Pb>Cu>Zn>Cd。Hg、Cr和As为主要污染元素。生态风险评价结果显示，7种重金属中Hg元素的潜在生态风险指数最高。这表明Hg对研究区土壤生态系统的潜在危害最为显著，需优先关注其污染控制与修复。
（3） 基于PMF模型的污染源解析结果表明，研究区表层土壤重金属污染主要来源于工业排放源（23.3%）、交通排放源（14.6%）、燃烧源（19.0%）、自然源（19.9%）和大气沉降源（23.2%）。其中，工业排放源贡献率最高，这与研究区以煤化工产业为主导的经济结构密切相关。非自然源（工业排放源、交通排放源和燃烧源）的累计贡献率为56.9%，进一步证实了人类活动，尤其是工业活动和交通排放，是研究区表层土壤重金属污染的主要驱动因素。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李军, 吴小飞, 乔中鹏. 国内外煤炭经济形势分析[J]. 国际商务财会, 2024(21): 22-27.

[Li Jun, Wu Xiaofei, Qiao Zhongpeng. Analysis of coal economic situation at home and abroad[J]. Finance and Accounting for International Commerce, 2024(21): 22-27.]

[2]
Zhong X, Chen Z, Li Y, et al. Factors influencing heavy metal availability and risk assessment of soils at typical metal mines in Eastern China[J]. Journal of Hazardous Materials, 2020, 400: 123289.

[3]
Zhang Y, Song B, Zhou Z. Pollution assessment and source apportionment of heavy metals in soil from lead-zinc mining areas of south China[J]. Journal of Environmental Chemical Engineering, 2023, 11(2): 109320.

[4]
Zhang H, Zhang F, Song J, et al. Pollutant source, ecological and human health risks assessment of heavy metals in soils from coal mining areas in Xinjiang, China[J]. Environmental Research, 2021, 202: 111702.

[5]
Ran H, Guo Z, Yi L, et al. Pollution characteristics and source identification of soil metal (loid)s at an abandoned arsenic-containing mine, China[J]. Journal of Hazardous Materials, 2021, 413: 125382.

[6]
李瑞明, 周梓欣, 张伟, 等. “十四五”以来新疆煤炭地质工作进展及发展方向[J]. 新疆地质, 2024, 42(1): 7-13.

[Li Ruiming, Zhou Zixin, Zhang Wei, et al. The progress and development direction of coal geological work in Xinjiang during the 14th five year plan period[J]. Xinjiang Geology, 2024, 42(1): 7-13.]

[7]
Qin D, Wang X, Zhang D, et al. Occurrence characteristic and mining technology of ultra-thick coal seam in Xinjiang, China[J]. Sustainability, 2019, 11(22): 6470.

[8]
袁婷婷, 王志强, 汪溪远, 等. 准东红沙泉矿区重金属生态风险缓冲区分析[J]. 土壤通报, 2020, 51(1): 227-233.

[Yuan Tingting, Wang Zhiqiang, Wang Xiyuan, et al. Buffer analysis of heavy metal ecological risk in the Hongshaquan mining area of east Junggar Basin[J]. Chinese Journal of Soil Science, 2020, 51(1): 227-233.]

[9]
许紫峻, 汪溪远, 师庆东, 等. 准东煤矿区土壤镉污染风险评价及敏感性分析[J]. 生态毒理学报, 2018, 13(2): 159-170.

[Xu Zijun, Wang Xiyuan, Shi Qingdong, et al. Risk assessment and sensitivity analysis of soil cadmium pollution in Zhundong coal mining area[J]. Asian Journal of Ecotoxicology, 2018, 13(2): 159-170.]

[10]
李晓航, 张飞, 夏楠, 等. 新疆准东煤矿土壤重金属污染方法评价与分析[J]. 中国矿业, 2016, 25(10): 74-80.

[Li Xiaohang, Zhang Fei, Xia Nan, et al. The method of evaluation and analysis of heavy mental pollution of soil in Xinjiang Zhundong surface coal mine[J]. China Mining Magazine, 2016, 25(10): 74-80.]

[11]
刘巍, 杨建军, 汪君, 等. 准东煤田露天矿区土壤重金属污染现状评价及来源分析[J]. 环境科学, 2016, 37(5): 1938-1945.

[Liu Wei, Yang Jianjun, Wang Jun, et al. Contamination assessment and sources analysis of soil heavy metals in opencast mine of east Junggar Basin in Xinjiang[J]. Environmental Science, 2016, 37(5): 1938-1945.]

[12]
比拉力·依明, 阿不都艾尼·阿不里, 师庆东, 等. 基于PMF模型的准东煤矿周围土壤重金属污染及来源解析[J]. 农业工程学报, 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, 2019, 35(9): 185-192.]

[13]
叶盼青, 阿不都艾尼·阿不里, 孙小丽, 等. 天山北坡经济带土壤重金属来源及污染评价[J]. 中国环境科学, 2022, 42(10): 4704-4712.

[Ye Panqing, Abdugheni Abliz, Sun Xiaoli, et al. Source analysis and pollution assessment of soil heavy metals in the economic belt on the northern slope of Tianshan Mountains[J]. China Environmental Science, 2022, 42(10): 4704-4712.]

[14]
于昊辰. 新疆荒漠矿区土地生态系统退化评价及调控策略研究[D]. 徐州: 中国矿业大学, 2022.

[Yu Haochen. Measurement and Regulation Strategies of Land Ecosystem Degradation for Desert Mining Area in Xinjiang[D]. Xuzhou: China University of Mining and Technology, 2022.]

[15]
张少彬, 冯钟钟. 重铬酸钾容量法测定广东省部分地区土壤中有机质含量的研究[J]. 广东化工, 2023, 50(4): 189-191, 213.

[Zhang Shaobin, Feng Zhongzhong. Study on determination of organic matter content in soil in some areas of Guangdong Province by potassium dichromate volumetric method[J]. Guangdong Chemical Industry, 2023, 50(4): 189-191, 213.]

[16]
中国环境监测总站. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990.

[China National Environmental Monitoring Centre. Background Value of Soil Elements in China[M]. Beijing: China Environmental Science Press, 1990.]

[17]
贾晗, 刘军省, 王晓光, 等. 安徽典型硫铁矿集中开采区土壤重金属污染特征及来源解析[J]. 环境科学, 2023, 44(9): 5275-5287.

[Jia Han, Liu Junxing, Wang Xiaoguang, et al. Pollution characteristics and sources of heavy metals in soil of a typical pyrite concentrated mining area in Anhui Province[J]. Environmental Science, 2023, 44(9): 5275-5287.]

[18]
Mueller G. Heavy metals in the sediments of the Rhine River: Variations since 1971[J]. Umsch Wiss Tech, 1978, 79: 778-783.

[19]
Hakanson L. An ecological risk index for aquatic pollution control:A sedimentological approach[J]. Water Research, 1980, 14(8): 975-1001.

[20]
Zhang P, Qin C, Hong X, et al. Risk assessment and source analysis of soil heavy metal pollution from lower reaches of Yellow River irrigation in China[J]. Science of the Total Environment, 2018, 633: 1136-1147.

[21]
王海洋, 韩玲, 谢丹妮, 等. 矿区周边农田土壤重金属分布特征及污染评价[J]. 环境科学, 2022, 43(4): 2104-2114.

[Wang Haiyang, Han Ling, Xie Danni, et al. Distribution characteristics of heavy metals in farmland soils around mining areas and pollution assessment[J]. Environmental Science, 2022, 43(4): 2104-2114.]

[22]
Paatero P, Tapper U. Positive matrix factorization: A non-negative factor model with optimal utilization of error estimates of data values[J]. Environmentrics, 1994, 5(2): 111-126.

[23]
Pan H, Lu X, Lei K. A comprehensive analysis of heavy metals in urban road dust of Xi’an, China: Contamination, source apportionment and spatial distribution[J]. Science of the Total Environment, 2017, 609: 1361-1369.

[24]
Ma W, Tai L, Qiao Z, et al. Contamination source apportionment and health risk assessment of heavy metals in soil around municipal solid waste incinerator: A case study in North China[J]. Science of the Total Environment, 2018, 631: 348-357.

[25]
夏子书, 白一茹, 王幼奇, 等. 基于PMF模型的宁南山区小流域土壤重金属空间分布及来源解析[J]. 环境科学, 2022, 43(1): 432-441.

[Xia Zishu, Bai Yiru, Wang Youqi, et al. Spatial distribution and source analysis of soil heavy metals in a small watershed in the mountainous area of southern Ningxia based on PMF model[J]. Environmental Science, 2022, 43(1): 432-441.]

[26]
赵晓光, 张亦扬, 杜华栋. 陕北矿区不同土地类型下土壤重金属污染评价[J]. 环境工程, 2019, 37(9): 188-193.

[Zhao Xiaoguang, Zhang Yiyang, Du Huadong. Evaluation of heavy metal pollution in soils under different land use types in the northern mining area of Shaanxi Province[J]. Environmental Engineering, 2019, 37(9): 188-193.]

[27]
张宏泽, 崔文刚, 黄月美, 等. 黔中喀斯特地区临近矿区耕地土壤重金属污染评价及其源解析[J]. 环境科学学报, 2022, 42(4): 412-421.

[Zhang Hongze, Cui Wengang, Huang Yuemei, et al. Evaluation and source analysis of heavy metal pollution of farmland soil around the mining area of karst region of central Guizhou Province[J]. Acta Scientiae Circumstantiae, 2022, 42(4): 412-421.]

[28]
王哲, 宓展盛, 郑春丽, 等. 生物炭对矿区土壤重金属有效性及形态的影响[J]. 化工进展, 2019, 38(6): 2977-2985.

[Wang Zhe, Mi Zhansheng, Zheng Chunli, et al. Effect of biochar on the bioavailability and transformation of heavy metals in soil of mining area[J]. Chemical Industry and Engineering Progress, 2019, 38(6): 2977-2985.]

[29]
蔡奎, 段亚敏, 栾文楼, 等. 河北平原农田土壤重金属元素Pb、Hg地球化学行为的影响因素[J]. 中国地质, 2016, 43(4): 1420-1428.

[Cai Kui, Duan Yamin, Luan Wenlou, et al. Geochemical behavior of heavy metals Pb and Hg in the farmland soil of Hebei Plain[J]. Geology in China, 2016, 43(4): 1420-1428.]

[30]
Wu Q, Hu W, Wang H, et al. Spatial distribution, ecological risk and sources of heavy metals in soils from a typical economic development area, Southeastern China[J]. Science of the Total Environment, 2021, 780: 146557.

[31]
廖泽源, 李杰芹, 沈智杰, 等. 重庆某铁矿区周边耕地土壤重金属污染评价及来源解析[J]. 环境科学, 2024, 45(4): 2450-2460.

[Liao Zeyuan, Li Jieqin, Shen Zhijie, et al. Assessment and source analysis of heavy metal pollution in arable land around an iron ore mining area in Chongqing[J]. Environmental Science, 2024, 45(4): 2450-2460.]

[32]
逯雨, 李琴, 张越, 等. 磷化工厂及周边农田土壤重金属污染与来源解析[J]. 环境污染与防治, 2022, 44(11): 1514-1518, 1525.

[Lu Yu, Li Qin, Zhang Yue, et al. Heavy metals pollution and source apportionment in a phosphorus chemical site and surrounding farmland soils[J]. Environmental Pollution & Control, 2022, 44(11): 1514-1518, 1525.]

[33]
王乔林, 宋云涛, 王成文, 等. 滇西地区土壤重金属来源解析及空间分布[J]. 中国环境科学, 2021, 41(8): 3693-3703.

[Wang Qiaolin, Song Yuntao, Wang Chengwen, et al. Source identification and spatial distribution of soil heavy metals in western Yunnan[J]. China Environmental Science, 2021, 41(8): 3693-3703.]

[34]
Glaubitz F, Vogel A R, Kolberg Y, et al. Detailed insights in adsorption process of heavy metals on tire wear particles[J]. Environmental Pollution, 2023, 335: 122293.

[35]
张罡, 叶芝祥, 杨怀金, 等. 高速公路大气细颗粒物污染特征研究[J]. 环境科学与技术, 2017, 40(2): 158-162, 167.

[Zhang Gang, Ye Zhixiang, Yang Huaijin, et al. Characteristics of fine particulate matter pollution from highway[J]. Environmental Science & Technology, 2017, 40(2): 158-162, 167.]

[36]
陈其永, 郜允兵, 倪润祥, 等. 2000—2018年我国大气重金属沉降通量时空变化特征[J]. 环境科学, 2022, 43(9): 4413-4424.

[Chen Qiyong, Gao Yunbing, Ni Runxiang, et al. Temporal and spatial variation characteristics of heavy metal in atmospheric deposition in China from 2000 to 2018[J]. Environmental Science, 2022, 43(9): 4413-4424.]

Options
Outlines

/

〈 〉