水稻土中重金属污染的风险分类与分区管理：一个结合土壤健康状况和污染源分配的模型

《Environmental Research》：Risk classification and zoning management of heavy metal pollution in paddy soils: A model coupling soil health and source apportionment

　　本研究整合PMF模型与Moran’s I指数，定量解析川德地区稻田重金属污染源，揭示Cd（工业源占13.06%）和Pb（道路源占22.96%）主导污染特征，构建“污染源贡献-土壤健康”耦合评估体系，划分出25%中高风险区及750米半径优先管控圈，为精准治理提供科学依据。

　　
该研究聚焦于德阳市稻田土壤重金属污染的源解析与风险区划，通过整合污染源贡献分析与土壤健康评估体系，构建了重金属污染精准管控的技术框架。研究团队采用正定矩阵因子分解（PMF）模型结合全局与局部莫兰指数（Moran's I），完成了对Cd（镉）和Pb（铅）两种主导污染因子的溯源，并通过熵权法实现了污染风险多维度综合评价。

研究区域位于四川盆地东缘，地处德阳市下游的磷矿开采带，地质背景以磷灰岩、硫铁矿、蛇纹岩等为主。该区域自2014年土壤污染普查显示超标率达28%以来，已成为西南地区土壤重金属污染治理的重点区域。研究采集209个土壤样本，检测发现As（砷）、Cd、Pb、Zn（锌）等重金属含量显著超标，其中Cd和Pb的超标倍数分别达到4.17和4.28倍，成为威胁稻田安全的核心污染物。

在污染源解析方面，研究创新性地将PMF模型与空间自相关分析相结合。PMF模型通过正交分解实现了重金属污染物的多源解析，结果显示Cd污染源贡献率中工业源占13.06%，而Pb污染主要源自道路交通源（22.96%）。通过引入莫兰指数，研究首次将污染源贡献率与空间聚集度建立关联，发现工业源污染呈现显著空间集聚特征，而交通源污染则呈现带状扩散特征。这种空间分异特征为污染溯源提供了新视角，特别是突破了传统受体模型在定位溯源方面的局限性。

土壤健康评估体系构建是该研究的核心创新。研究采用"污染物-土壤属性-环境效应"的链式逻辑，将重金属浓度、土壤肥力（NH4+-N、NO3--N、AP、AK）和缓冲能力（pH、CEC）三个维度进行整合。通过建立"加法-乘法-最大值"三重合成模型，实现了对土壤健康风险的量化评估。研究显示，约40%的采样点土壤健康处于亚健康状态，其中25%的区域存在中高风险。这种多指标耦合评估方法突破了传统单一污染物浓度评价的局限，更全面地反映了土壤系统的整体健康状况。

风险区划技术的突破体现在将污染源贡献度与土壤健康指标进行耦合分析。研究采用熵权法构建综合评价模型，将PMF解析的源贡献率（权重30%）与土壤健康指数（权重70%）进行加权整合。结果显示，德阳市下游农田存在两个显著风险区：一是以磷矿加工企业为核心的750米半径污染扩散圈，该区域Cd污染贡献率达工业源的76%；二是沿主干道分布的线性污染带，Pb污染贡献率超过交通源的65%。这种"点-面"结合的风险区划模式，为制定差异化管理方案提供了科学依据。

在污染防控策略方面，研究提出"源头截断-过程阻断-末端修复"的三级治理体系。针对工业源Cd污染，建议升级企业闭路生产系统，设置100米生态缓冲带；针对交通源Pb污染，提出建设15米宽防渗绿化隔离带，并配套建立移动源排放动态监测系统。经济测算显示，该分区管控模式可使总修复成本降低38%，其中源头防控可减少67%的后期治理投入。

研究还建立了动态风险评估模型，通过耦合PMF溯源数据库和土壤健康监测网络，实现了污染风险的实时预警与分级管控。该模型将风险等级细化为四个层级：绿色安全区（<1级）、黄色关注区（1-2级）、橙色预警区（2-3级）、红色高危区（>3级）。应用显示，德阳市中高风险区主要集中于城市工业搬迁带周边3-5公里缓冲区，以及主干道两侧200米范围内。

该成果在方法论层面实现了三突破：其一，构建了PMF-Moran双核驱动的溯源技术体系，解决了传统受体模型定位精度不足的问题；其二，开发了多过程耦合的土壤健康指数模型，将生物有效性、土壤响应等隐性指标显性化；其三，建立了"空间分布-源贡献-健康风险"的联动评估框架，为污染地块的风险分区提供了可复制的标准流程。

实践应用方面，研究团队在德阳市建立了首个土壤污染风险智能管控平台。该平台集成PMF实时溯源模块、土壤健康动态监测网络和风险区划决策支持系统，实现了污染源贡献的分钟级更新和风险预警的实时推送。平台运行后，当地环保部门对17处高风险区的管控效率提升42%，土壤修复成本下降35%，同时农作物重金属超标率从12.7%降至4.3%。

研究还存在待完善之处：在源解析方面，PMF模型对复合污染源的识别能力有待提升，特别是当多种污染源存在协同作用时；在空间分析层面，建议引入地理加权回归（GWR）模型，以更精细地刻画污染扩散的空间异质性；在健康评估指标方面，可增加土壤微生物群落结构等生物指标，以完善土壤健康评价体系。

该研究为同类型区域提供了可借鉴的治理范式。例如，云南磷化工产业带在借鉴该技术后，将土壤污染风险识别时间从6个月缩短至2周，修复成本降低28%。这表明，将污染溯源、健康评估与空间区划技术深度融合，能够有效提升土壤污染治理的精准性和经济性。未来研究可拓展至重金属-有机污染物复合污染场景，并探索基于人工智能的动态风险预警系统开发。