重金属污染尤其是南方稻田镉（Cd）污染是我国农业绿色发展和农产品产地类别划分最为关注的问题。原因一是我国稻田Cd污染面积大^[1]；二是土壤Cd与稻米Cd之间的吸收累积关系复杂，空间耦合性不强^[2]，直接采用土壤重金属含量监测结果和土壤pH两项指标评估土壤环境质量状况很难准确预警稻米的实际污染情况^[3-4]。为了建立土壤Cd污染与稻米Cd蓄积量之间的量化经验模型，科研人员做了大量研究工作，如创新了模型的构建方法，引入混合线性模型以及随机森林回归等现代化数据挖掘技术^[5-6]；增加土壤因子检测指标或进一步细化水稻基因型^[7-8]，或分区域构建模型^[9]，以提高模型的准确度与代表性；再者则是进一步改进土壤重金属检测方法，以Cd有效态含量监测结果来耦合土壤环境因子如pH、阳离子交换量（CEC）、土壤有机质（SOM）等对Cd活性的影响，以减少模型参数，提高模型实用性^[10]。土壤重金属Cd有效态的提取方法较多，主要分为酸性、中性盐、螯合提取剂以及复合提取剂等^[11-13]，而梯度扩散薄膜（DGT）技术则是一种以Fick第一定律为基础，通过测定特定时期内穿过特定厚度扩散膜的某一离子浓度而计算获得该元素在特定介质中有效态含量的方法^[14-15]，自发明以来在多地成功应用^[16-17]。

湖南省长株潭地区不仅是我国稻米的主产区，同时也是稻米Cd污染的典型区域，且以往研究表明，采用土壤Cd总量来预判稻米Cd污染情况会产生30%~ 80%的误判率^[3]，因此采用pH、土壤Cd含量无法科学评估本区域产地环境质量状况，也无法正确划定农产品产地环境质量类型。作者团队曾采用新模型加多参数的方法以提高稻米Cd含量的预测性能^[6]，但模型检测参数多，推广应用困难。本研究试图探索一种适用于本区域土壤Cd有效态的检测方法，以便以更少的参数构建土-作Cd传输模型，在减少土壤环境检测工作量的同时，更加科学地评估本区域的土壤环境质量，为保障稻米质量安全提供一定的技术支撑。

1 材料与方法 1.1 样品采集与制备

本研究的样品采集自我国湖南省长株潭地区存在稻米Cd污染风险的4个产区。采集根际土壤和对应的水稻籽粒样品共140对，采样区包括稻米Cd污染高、中、低风险种植区，采样地选择依据以下代表性原则：一是区域内水稻种植面积不低于3.3 hm²；二是水分管理为常规方式；三是采样点远离道路100 m以上；四是水稻长势与区域内水稻生长状况无差别。采用土壤和植株同采样的方式进行采样，水稻植株采集时划定1 m²样方，在样方内随机直接将4株水稻连根拔出，采集相对应的水稻根际土2 kg左右，采集深度为0~20 cm，用干净的木铲去除土壤表层的浮萍及落叶，剪去水稻秸秆，将土壤放进采样袋并进行标号，记录采样点经纬度及周边环境状况，带回实验室自然风干后去除土样中的植物残体、石块，四分法取500 g研磨过2 mm尼龙筛；取过筛后混匀土壤300 g，用于土壤Cd有效态含量测定，其余200 g研磨过20目尼龙筛，取其中50 g用于检测土壤pH、质地，其余150 g缩分至50 g，过100目尼龙筛，用于检测土壤重金属总量。稻米样品采集后用自来水洗去表面附着的泥土，用蒸馏水冲洗两遍，晒干后用粉碎机粉碎，制成糙米样品，过40目尼龙筛备用。

1.2 化学分析及重金属提取

土壤pH的测定采用电位法，去CO₂超纯水和土壤的质量比为2.5:1。SOM的测定采用重铬酸钾滴定法（外加热法），具体操作步骤参见《土壤农化分析》（第三版）^[18]。土壤中重金属Cd总量提取采用三酸消解法（浓HNO₃、HF和HClO₄体积比为10:4:1），稻米样品Cd为双酸（浓HNO₃和HClO₄体积比为10: 1）消解，用ICP-MS测定^{[13, 19-21]}。土壤和稻米样品抽取10%进行双样检测，分析准确度均使用国家有证标准质控样品进行质量控制（GBW 07408、GBW 07423、GBW 07447），检测结果均在标准物质定值不确定度区间内。

除总量提取外，本研究选择了6种方式提取土壤Cd有效态，分别为CaCl₂、复合有机酸、醋酸（HAc）、乙二胺四乙酸（EDTA）、DGT以及土壤溶液，将不同方法浸提换算的有效态Cd分别标记：总Cd含量为T_Cd，CaCl₂浸提有效态Cd含量为CaCl₂_Cd，复合有机酸浸提有效态Cd含量为Org._Ac_Cd，HAc浸提有效态Cd含量为HAc_Cd，EDTA浸提有效态Cd含量为EDTA_Cd，DGT提取有效态Cd含量为DGT_Cd，土壤溶液中有效态Cd含量为Soil_Sol._Cd。具体操作过程如表 1所示。DGT扩散膜的制备参见Zhang等^[22]的文献，结合膜的制备参见文献[23]。

2 结果与讨论 2.1 土壤及稻米Cd污染评价

如表 2所示，区域土壤pH介于4.86~6.54之间，平均值为5.42，变异系数为6%（变异系数=标准差/平均值），为中性偏酸且变异性弱。此pH适宜稻米对Cd的吸收富集^[27]。土壤有机质平均含量为4.30%，中值与平均值基本一致，且平均值为弱变异。pH、SOM小的变异性说明区域土壤背景较为均一。土壤Cd（T_Cd）平均含量为0.40 mg·kg^-1，依据《土壤环境质量 农用地土壤污染风险管控标准（试行）》（GB 15618 —2018），有55%的土壤样品中Cd含量超过筛选值，存在一定的污染风险，稻米Cd（R_Cd）平均含量为0.28 mg·kg^-1，有44.4%的样品超过《食品安全国家标准 食品中污染物限量》（GB 2762—2017），20.4%超过国际食品法典委员会（CAC）规定的限值（0.4 mg·kg^-1）。土壤Cd及稻米Cd正的偏度值表明，区域内存在一定的土壤Cd及稻米Cd高值点，而尖峰分布说明土壤Cd及稻米Cd含量在某一分布区间较为集中。

2.2 土壤Cd不同提取方式与稻米Cd含量的关联性 2.2.1 土壤Cd提取方式的差别分析

采用7种方式提取土壤重金属Cd，结果如表 3所示，提取的效率高低为总量 > HAc > EDTA > 复合有机酸 > CaCl₂ > 土壤溶液 > DGT。7种土壤Cd提取方式聚类分析（聚类距离为相关系数法）结果如图 1所示，EDTA螯合剂提取的Cd含量与土壤Cd总量相关性最强，而HAc与复合有机酸有更加突出的相似性，两者的聚类距离最短，其次是无机盐，最后是土壤溶液与DGT法提取的Cd活性态含量，但它们的聚类距离最长，表明两者之间还有较大的差别。

2.2.2 土壤Cd总量与稻米Cd含量的相关性分析

研究区土壤Cd含量与稻米Cd含量散点图如图 2所示。总体而言，随着土壤Cd含量增加，稻米Cd含量呈增加态势，但当土壤Cd含量低于0.5 mg·kg^-1时，稻米Cd含量基本在0.05~0.80 mg·kg^-1范围内随机分布，变异系数达58.3%。线性方程拟合决定系数R²为0.293，说明此方程可以解释稻米Cd变异性的29%。可见，土壤Cd总量在本区域内并不能很好地预测稻米Cd污染风险。表 4是不同研究者在我国不同区域采用土壤Cd总量来评估稻米Cd含量的基本统计表，总体而言，采用土壤Cd总量预测稻米Cd含量模型代表性都不高。而彭华等^[28]在长株潭地区的研究结果与本研究结果基本一致。

分别对照《土壤环境质量 农用地土壤污染风险管控标准（试行）》（GB 15618—2018）中土壤Cd含量的风险筛选值和《食品安全国家标准 食品中污染物限量》（GB 2762—2017）中稻米Cd含量最大限量值，分析土壤Cd不超限稻米Cd超标比率（①），土壤Cd超限稻米Cd超标比率（②），土壤Cd超限稻米Cd不超标比率（③），以及土壤Cd不超限稻米Cd不超标比率（④）共4种情况，结果如图 3所示。可见，以现行标准预警稻米Cd的安全水平，在低pH条件下（pH≤5.5）会有39.8%的误判率（误判率=①+③），在中性偏酸pH条件下（5.5 < pH≤6.5）会有37.2%的误判率。

2.2.3 3种有机酸提取的土壤Cd含量与稻米Cd含量关系分析

3种不同有机酸提取的土壤Cd含量与稻米Cd含量关系如图 4所示。与土壤Cd总量相似，随着有机酸提取土壤Cd含量的增加，稻米Cd含量也有增加趋势，3种方法建立的土壤-稻米Cd含量预测模型的决定系数比总量预测模型略大，EDTA的提取效果较复合有机酸和HAc略好。但当HAc和EDTA提取土壤Cd含量小于0.3 mg·kg^-1，复合有机酸小于0.2 mg·kg^-1时，以上3种方法效果均不佳，此时稻米Cd含量基本在0.05~0.53 mg·kg^-1（5%~95%分位数）范围内分布。

进一步分析土壤Cd总量与3种有机酸提取量之间的关系，如图 5所示。可见，3种有机酸提取土壤Cd含量与土壤Cd总量有极显著相关性，模型决定系数R²均在0.8以上。复合有机酸与HAc之间的相关系数达到0.94，与聚类分析结果一致，说明这两种方法对本研究区土壤Cd有效态提取有相似的性质。EDTA既是一种酸又是一种强螯合剂，它可以萃取有机键合和Fe/Mn氧化物键合的Cd以及吸附在次生黏土矿物上的一部分Cd^[36]。EDTA提取土壤Cd含量与土壤中Cd总量模型决定系数R²最高，达到0.908 4，与聚类分析结果一致。

Fang等^[37]采用复合有机酸方法提取未污染土壤Cd有效态，并与小麦Cd根、茎吸收量进行对比，结果表明，两者决定系数分别为0.56和0.57，达极显著水平，但研究未涉及小麦籽粒Cd含量的相关性分析，而本研究结果表明，在长株潭水稻产区，复合有机酸的适用性不如其在小麦产区。说明复合有机酸提取Cd的有效态有使用局限。

Ma等^[38]研究了EDTA提取浙江省温岭和海盐地区水稻土壤中Cd有效态与稻米中Cd含量的关系，二者线性模型决定系数R²为0.305（P < 0.01），达显著水平，而Xiao等^[39]用EDTA提取浙江省其他地区土壤有效态Cd，其与稻米Cd含量模型的决定系数R²为0.423，与本研究结果R（2 0.384）略有差异，总体而言，EDTA对稻米Cd含量变异性的解释都没有超过50%。YAO等^[40]用EDTA提取小麦和玉米土壤中的Cd，并与根、茎Cd含量做相关性分析，结果表明，小麦根、芽Cd含量与EDTA提取土壤中Cd含量的模型决定系数R²分别为0.841和0.830（P < 0.01），玉米根、芽Cd含量与EDTA提取土壤中Cd含量的决定系数R²分别为0.840和0.861（P < 0.01），均比本研究决定系数R²大，可见，EDTA提取的有效态能更好地预测植物根、芽等部位吸收的Cd，而在考虑Cd在植物中的传输时，其预测效果有所降低。

2.2.4 CaCl₂提取土壤Cd含量与稻米Cd含量相关性分析

CaCl₂是中性盐提取剂，Rao等^[41]总结了1980年至今研究人员采用的近26种提取剂提取的土壤重金属含量与植物重金属含量的关系，认为0.01 mol·L^-1 CaCl₂较酸性及有机络合提取剂更能代表重金属植物有效态含量。本研究CaCl₂提取的土壤Cd含量与稻米Cd含量散点图如图 6所示，线性关系模型的决定系数R²为0.479 6，效果要优于总量及有机酸提取的结果。这是因为CaCl₂提取的重金属有效态属于现实有效态，而有机酸及螯合剂提取的有效态更多的为潜在有效态^[42]。可见，现实有效态更能体现土壤Cd污染对稻米的危害性。就局部数据而言，CaCl₂提取的重金属有效态对稻米Cd含量的预测能力存在明显的差异性，其中在0.04~0.13 mg·kg^-1（平均值为0.075 mg·kg^-1）范围内效果明显差于其他数据区域，模型决定系数R²仅为0.006。当大于0.12 mg·kg^-1时，稻米Cd含量随CaCl₂提取土壤Cd含量的增加而增加，且趋势明显，这与Chen等^[43]在湖南湘潭的研究结果有相似性，也与刘小莲等^[16]的研究结果相符。Zhang等^[44]在浙江上虞采集了53个土壤-稻米对应样品，分析了CaCl₂、NH₄OAc等方法提取的Cd与稻米Cd的相关性，0.01 mol·L^-1 CaCl₂提取的土壤Cd含量平均值为0.018 mg·kg^-1，范围为0.011~0.083 mg·kg^-1，在此区间CaCl₂提取土壤Cd与稻米Cd的线性关系模型相关系数为0.85。本研究亦选取CaCl₂提取土壤Cd含量为0.016~ 0.040 mg·kg^-1的数据共23对做相关性分析，数据平均值为0.035 mg·kg^-1，模型形式为y=6.78x-0.074，决定系数R²=0.56（P < 0.01），与Zhang等^[44]的研究结果基本一致。Lai等^[45]将0.01 mol·L^-1 CaCl₂作为重金属Cd有效态的提取方法，分析了台湾地区不同季节、不同种类水稻（粳稻和籼稻）对CaCl₂提取的土壤Cd的响应性，结果表明，高富集Cd的早籼稻品种与CaCl₂提取Cd有更好的剂量-效应关系，且高浓度优于低浓度。可见，采用CaCl₂提取的土壤Cd有效态，存在较为明显的浓度适用范围。除采用0.01 mol·L^-1 CaCl₂作为土壤Cd有效态含量提取剂外，也有研究者认为0.1 mol·L^-1 CaCl₂提取土壤鲜样获得的Cd含量更能代表Cd对稻米的有效性，土壤风干后理化性质较鲜样有较大变化，会引起Cd有效态含量的改变，这可能是0.01 mol·L^-1 CaCl₂提取风干土Cd含量代表土壤Cd有效态含量不佳的原因^[43]。

2.2.5 土壤溶液及DGT提取土壤Cd与稻米Cd的关系

土壤溶液及DGT提取的土壤Cd有效态含量与稻米Cd含量散点图如图 7所示。可见，以本文方法提取的土壤溶液Cd有效态含量预测稻米Cd含量并不理想，两者无显著相关关系，相关系数r=0.12。DGT监测结果表明，随着DGT_Cd的增加，稻米对Cd的吸收存在明显的二向性，部分水稻Cd含量增加缓慢，而部分水稻Cd含量增加明显。且两种情景均表现为与稻米Cd含量显著相关，这与其他土壤有效态提取结果有较大的差别。出现这种情况可能与Cd的实际供给库有关^[46]。实际采样时我们也发现，农民对水稻的管理差异很大，有的地里基本没有水，而有的地里还有一层水。这也可能是造成DGT测定结果两向性的原因。水稻在生长过程中，由于存在不同水分管理模式，导致同一土壤Cd有效性存在明显差别，间歇式灌排的稻田，由于土壤处于好氧状况，Cd活性高，稻米富集Cd量增加，而淹水稻田，土壤处于厌氧状况，Cd活性明显下降，导致Cd实际供给能力明显下降，表现为稻米Cd吸收量的减少。本研究测定土壤为风干土，因此对于淹水生长的稻田，土壤DGT_Cd含量较实际偏大，导致相同DGT_Cd浓度稻米富集Cd存在差异性。再者，水稻品种的差异也可能是另外的原因^[47-49]，毕竟模型构建时为了通用性没有考虑不同品种水稻对Cd富集能力的差别。

与其他重金属有效态提取技术不同，DGT提取重金属有效态过程是一个动态模拟植物吸收的过程，其提取的重金属有效态包括土壤溶液中离子态、有机易解离态及土壤颗粒易解离态，实际研究表明，土壤中此部分重金属更具有植物可利用性^{[17, 50-51]}。而土壤溶液中的重金属主要以离子态、有机络合态、黏粒结合态、铁锰氧化物结合态等形态存在^[52]，这部分重金属不一定都是植物可利用的。

本研究最终筛选出DGT技术为本区域预测稻米富集Cd较为理想的工具，DGT技术具有很强的土壤环0.02境适用性，土壤理化性质变化对有效态含量的影响具有良好的聚合表征性能，是分析长株潭地区土壤与稻米污染风险最有效的工具之一。但就本研究而言，取样区域以及取样量有限，并不能完全代表本区域特点，因此要想在区域内建立一个可推广的基于DGT技术的土-作Cd传输模型，还需进一步加大研究力度。

3 结论

（1）研究区存在较为明显的土壤及稻米Cd污染风险，土壤Cd平均含量为0.40 mg·kg^-1，有55%的样品超过筛选值，稻米Cd平均含量为0.28 mg·kg^-1，有44.4%样品超标。

（2）土壤Cd总量与HAc、EDTA和复合有机酸提取Cd含量达极显著相关性，模型决定系数R²均在0.8以上，其中，土壤Cd总量与EDTA提取Cd含量模型决定系数R²达0.908 4。

（3）以总量预测稻米Cd污染情况会产生37.2%~ 39.8%的误判率，0.01 mol·L^-1 CaCl₂提取的土壤Cd有效态含量存在明显的适用范围限制，在0.04~0.13 mg·kg^-1范围内，效果明显差于其他数据区域。

（4）DGT技术能较好地预测稻米对Cd的吸收富集性能，且能区分土壤库供给能力差异对稻米富集Cd的影响，是本区域预测稻米富集Cd较为理想的工具。