2021, Vol. 40
2. 中国农业科学院农业资源与农业区划研究所农业农村部面源污染控制重点实验室, 北京 100081;
3. 农业农村部环境保护科研监测所农产品质量安全环境因子控制重点实验室, 天津 300191
2. Key Laboratory of Non-point Source Pollution Control, Ministry of Agriculture and Rural Affairs, Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China;
3. Agro-Enviornmental Protection Institute, Ministry of Agriculture and Rural Affairs, Key Laboratory of Agricultural Product Quality Safety Environmental Factor Control, Tianjin 300191, China
2014年发布的《全国土壤污染状况调查公报》显示，我国19%的耕地土壤受到污染，以Cd为首要污染物，其污染点位超标率为7%[1]。Cd是一种具有较强生物毒性和环境迁移能力的重金属污染物，可通过其在污染土壤-农作物-食物链中的迁移和累积最终危害人体和生态健康[2]。据统计，受限于农田土壤污染，我国每年粮食减产量和重金属污染粮食量合计超过2 000万t，严重地影响了粮食供给。小麦是我国仅次于水稻和玉米的主要粮食作物，在粮食生产中具有重要地位，但近年我国一些小麦主产区的重金属污染问题较为普遍。例如，王怡雯等[3]对河北保定和河南新乡的50块麦田进行的调查监测表明，土壤Cd和Pb的超标率分别为52% 和13%，其对应小麦籽粒Cd和Pb的超标率分别高达55%和100%。赵多勇等[4]发现某铅锌冶炼和电厂工业园区周边农田的90份小麦样品中小麦籽粒Cd和Pb的超标率分别高达34.3% 和68.6%。肖冰等[5]则指出华北某污灌区农田土壤Cd和Pb点位超标率分别高达100% 和36.7%，小麦籽粒中Cd和Pb含量超标率分别为76.7% 和13.3%。以上信息表明，关注粮食重金属污染问题，实施土壤污染防控，保障粮食安全生产，已成为当前我国亟须解决的关键问题之一。
目前有关农田土壤和作物重金属的污染特征调查和健康风险评价、影响作物吸收污染物的环境因素探讨及污染农田修复技术措施等方面的研究较多。诸多研究表明，由于在农田生态系统中，农作物对重金属吸收和累积过程受限于土壤污染水平、污染物来源和赋存形态、土壤理化性质、农作物品种、种植结构、田间管理水平及气候条件等诸多因素[6]，运用我国现行的土壤环境质量标准进行土壤污染特征调查与农业安全生产评价时，会出现“土壤重金属超标而农产品不超标”或者“农产品重金属超标但土壤不超标”的情况。为保障农产品质量安全，仍需探究土壤-作物系统中重金属含量间的定量关系，并探明可保证农田重金属污染区典型农作物安全生产的阈值。近年来，已有不同学者采用温室短期盆栽试验方法，对土壤-作物系统中重金属含量间的定量关系进行了研究。Ding等[7]利用温室盆栽试验探究模拟Pb、Cd和Cr污染土壤中萝卜、胡萝卜和土豆等作物的安全生产阈值时发现，土壤pH和阳离子交换量（CEC）与作物Pb吸收量间显著相关，土壤pH和有机质（SOM）含量与作物Cd吸收量间显著相关[8-9]，作物中Cr的吸收量则与土壤pH和Cr总量及锰氧化物含量之间存在显著相关[10]。刘克[11]通过盆栽试验研究了模拟Pb和Cd污染土壤中影响小麦籽粒Pb和Cd富集的环境因素，并指出在诸多的影响因素中，土壤pH和SOM是影响小麦籽粒富集Pb和Cd的关键因子。而廖启林等[12]则在田间试验中发现，稻米Cd含量与土壤Cd含量、pH、SOM和CEC均显著相关。由此可见，虽然采用短期盆栽或田间小区试验可以较好地认识土壤-作物系统中重金属含量间的定量关系，但由于温室盆栽试验和田间试验在试验条件上存在较大的时空差异，常导致获得的试验结果不一致的情况。在长期田间试验条件下，外源添加的重金属生物有效性会随着时间的增加而降低，仅依据短期盆栽试验获得的土壤-作物系统中重金属含量关系与田间实际结果常存在较大差异[13]。例如，王怡雯等[3]在冬小麦的田间试验中获得的预测结果低于张振红等[14]报道的盆栽试验结果，这说明与长期田间试验相比，短期盆栽试验往往会高估土壤重金属的生物有效性。因此，为科学指导田间粮食生产，需要在田间试验条件下探讨土壤理化性质和重金属含量对作物吸收重金属的影响及其长期效应下的定量关系，并基于相关食品标准建立作物安全生产阈值预测模型，针对性地按土壤污染程度将农用地类别划分和分类管理[15]，以保障农产品质量的安全并推进《土壤污染防治行动计划》。
由于作物对重金属的吸收与土壤类型、土壤性质、污染成因、作物种类、水肥管理和气候条件等多方面因素有关[6]，一些学者提出采用能在结构复杂的生态系统中通过概率或者经验分布函数来描述不同影响因素的敏感度差异的物种敏感度分布曲线法（Species sensitivity distribution，SSD），来进行污染土壤理化性质、污染物含量对作物吸收的影响因素分析和污染物的环境基准值建立[7-11, 15-16]。例如，程菁靓等[15]运用SSD曲线法推导了长江中下游平原水稻种植的土壤Pb阈值并进行了水稻“宜产、限产和禁产”区划分；王小庆等[16]用SSD曲线法成功推导了土壤中Ni的生态阈值。但目前基于田间试验，对于我国北方的小麦安全生产阈值的研究尚较缺乏。此外，在科学研究中采用文献调研方法，从已有文献中获取的数据可能存在因批次误差或试验方法不同导致的系统误差，难以避免地会影响数据分析结果的实际应用价值，并且当前有关采用大尺度取样分析研究法对我国北方小麦安全生产阈值的研究也少有报道。因此，本研究采用大尺度取样分析研究方法，选择我国北方多个小麦主产地为研究对象，于不同Cd污染程度的农田中点对点收集土壤和小麦样品，在分析土壤pH、SOM、CEC、土壤黏粒和土壤Cd含量及对应点小麦籽粒Cd含量的基础上，结合多元回归分析和SSD曲线法建立阈值预测模型，并通过Logistic函数模型探究不同土壤理化性质条件下小麦籽粒Cd富集系数的变化规律，进而基于《食品安全国家标准食品中污染物限量》标准（GB 2762—2017）推导并划分了我国北方小麦的宜产、限产和禁产区土壤Cd含量阈值，以期为指导Cd污染农田的小麦安全生产提供科学依据。
1 材料与方法 1.1 土壤及小麦样品采集研究小组于2018年5月至2019年9月间，自新疆维吾尔自治区塔里木市、陕西省西安市、咸阳市、渭南市和宝鸡市、河南省新乡市、山东省济南市、北京市昌平区和天津市塘沽区等中国北方典型小麦产区内不同程度Cd污染农田采集了小麦和对应点的土壤样品共147对，其中样品具体分布为新疆维吾尔自治区13对，陕西省57对，河南省23对，山东省19对，北京市19对，天津市16对。采样根据地形情况，采用“S”形或梅花形布点法采集样品，每个样品不低于5个样点，将样品混匀后置于塑封袋以避免其他污染，土壤采样深度为0~20 cm，混合土样约2.5 kg。每个土壤样点对应一个小麦样品组成的混合小麦样品，按照土壤与小麦对应的原则进行采集和编号，并将小麦样品置入网状编织袋。
1.2 样品处理和分析土壤样品经自然风干、木棒压碎后，挑去碎石、砂砾和植物残体，然后用木棒反复碾压，使其通过1 mm孔径的尼龙筛并储存。同时，用四分法取出一部分混匀的土壤继续反复碾压至全部通过0.149 mm孔径的尼龙筛，并于干燥环境中保存。将小麦穗分别用自来水和去离子水各冲洗3次，装入信封并置于105 ℃烘箱内30 min，然后于70 ℃烘干至恒质量，小麦脱壳后将籽粒粉碎至粒径小于0.149 mm备用。
采用玻璃电极法测定土壤pH（土水比为1∶2.5）。SOM测定采用重铬酸钾外加热法，CEC和土壤黏粒含量的测定方法参考NY/T 295—1995和《土壤农化分析》推荐方法。样品经HNO3-HCl（体积比为1∶3）消解后，分别用日立Z-5000型石墨炉-原子吸收光谱仪和安捷伦7900型电感耦合等离子体质谱仪测定土壤和小麦籽粒中的Cd总量。在测定过程中，分别用GBW07406（GSS-6）和GBW10046（GSB-24）标准样品进行分析质量控制，每测定20个样品插入一组内标，标准样品中Cd的回收率为92%~109%。所有测定样品均设置3个重复，用于消解及分析的试剂均为优级纯试剂。
1.3 模型方法 1.3.1 Cd富集系数的计算与归一化处理富集系数（BCF）是农作物积累重金属的重要指标，可以解释为农作物对重金属离子的吸收和富集能力。它可以确定作物中重金属的含量，在土壤风险评估方面可用于模拟计算人类食用作物的安全量。小麦籽粒Cd的BCF的计算公式为：BCF=C小麦/C土壤 × 100%。其中，C小麦和C土壤分别为小麦籽粒和土壤Cd总量，mg·kg-1。
对BCF值和土壤pH、SOM、CEC和黏粒（Clay）含量等指标进行相关性分析，筛选出与BCF值具有显著相关（P < 0.05）的土壤指标，通过多元线性回归法建立特定土壤性质条件下BCF值与相关土壤性质指标的归一化方程，以消除土壤理化性质差异带来的影响。所用归一化方程为：
|
式中：a、b、c和d分别为土壤pH、SOM、CEC和黏粒等指标的影响程度系数（无量纲）；k为方程截距，为小麦品种对Cd积累的固有敏感性。
数据归一化处理参考《生态安全土壤环境基准制定技术指南》推荐的方法：
|
式中：BCF标准为土壤标准条件下的BCF值，即归一化至标准条件后的值；pH为标准土壤条件下的值；BCF、pH1以及土壤性质1为试验土壤条件下的实测值。
1.3.2 SSD曲线拟合及Cd阈值推导阈值预测模型建立方法参考《生态安全土壤环境基准制定技术指南》。在数据拟合分析时，分别采用SSD外推法中推荐使用的Burr-Ⅲ、Log-triangular以及Logistic等模型[16]，将研究获得的数据进行了拟合，结果发现Burr-Ⅲ和Log-triangular模型的拟合效果较差，而Logistic函数模型具有较好的拟合结果。因此，将1/BCF作为x轴，对数据点进行参数拟合即可得到SSD曲线，采用Logistic函数对研究中的富集系数BCF和累积概率进行拟合和阈值计算推导，方程为：
|
式中：y表示累积概率，%；x表示1/BCF；a、b和x0均为函数参数。
1.4 数据处理方法使用Excel 2019和SPSS 22.0对收集的数据进行处理和统计分析，数据采用Pearson相关性分析，在P < 0.05和P < 0.01的水平下进行显著性检验，使用Origin 2016软件绘图并进行数据拟合。
2 结果与讨论 2.1 土壤基本理化性质、Cd含量与小麦籽粒Cd含量特征本研究所采集的147对土壤样品的理化性质、Cd含量与对应的小麦籽粒Cd含量的统计见表 1。土壤pH值是反映土壤理化性质最重要的指标之一，它通过影响Cd的形态从而改变Cd在植物中的积累[6]。由表 1可知，所采集的土壤样品pH值介于5.27~8.46，平均值为7.38，中位数为7.32，95% 的土壤样品属于中性和碱性土壤，这符合北方土壤的pH特性。此外，土壤SOM、CEC和黏粒含量同样会影响重金属的迁移能力和植物对其吸收累积[6, 17-18]。本研究中土壤样品的有机质含量范围为8.72~44.65 g·kg-1，平均值和中位数分别为18.57 g·kg-1和17.64 g·kg-1。根据《耕地质量等级》（GB/T 33469—2016）中的土壤有机质分类标准，所采集的大部分土壤样品属于Ⅲ级土壤，适宜进行农业种植活动。土壤CEC的范围为10.03~28.47 cmol·kg-1，平均值和中位数较为接近，分别为15.24 cmol·kg-1和14.55 cmol·kg-1；土壤粒径 < 0.002 mm的黏粒含量分布从11.01% 到29.74% 不等，平均值和中位数分别为19.97% 和17.34%，整体属于较高水平。此外，土壤样品中的Cd含量基本呈正态分布，含量范围在0.03~2.08 mg·kg-1，超标率95.1%，Cd含量平均值和中位数值分别为0.87 mg·kg-1和1.26 mg·kg-1，超过《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618—2018）规定的中性和碱性土壤污染风险筛选值2~6倍。小麦籽粒中Cd的最大含量为0.25 mg·kg-1，平均值为0.14 mg·kg-1，有47.6%的小麦籽粒Cd含量超过了《食品安全国家标准食品中污染物限量》（GB 2762—2017）规定的限值（0.10 mg·kg-1），超标率较高，表明存在安全风险。
|
表 1 采集的土壤样品pH、SOM、CEC、黏粒和Cd含量及对应小麦籽粒Cd含量特征（n=147） Table 1 Statistics of soil pH, SOM, CEC, clay, and Cd contents in soil and related Cd content in wheat grains(n=147) |
小麦籽粒Cd含量与土壤Cd含量间的关系如图 1所示。本研究中，小麦籽粒Cd的含量与相对应土壤中的Cd含量呈显著的正相关关系（P < 0.05），决定系数R2=0.53（n=147）。这一研究结果和其他学者的报道结果基本一致。例如，Ding等[8]在盆栽试验中发现土壤-胡萝卜Cd含量之间也存在显著相关性（P < 0.001），决定系数R2=0.32（n=63）；熊孜等[13]指出田间试验中土壤-小麦籽粒Cd含量间存在显著的线性相关关系，相关系数高达0.61；王怡雯等[3]在田间试验中观察到土壤Cd含量与小麦籽粒Cd含量间存在显著相关性（P < 0.01），决定系数R2=0.44（n=50）；徐建明等[19]也指出田间试验中土壤-稻米Cd含量间同样存在显著相关性。这些结果均表明，土壤Cd含量较高的农田具有相对较高的作物污染风险，因此对Cd污染农业土壤实施分类管理和利用，是保障粮食安全生产的重要举措。
|
图 1 小麦籽粒Cd含量与土壤Cd含量的相关关系 Figure 1 Relationship between Cd contents in soil and wheat grains |
除土壤中Cd的总量外，Cd从土壤向植物的转移和累积过程也取决于土壤理化性质的影响[3, 20]。本研究中，Cd在小麦籽粒中的累积用富集系数BCF来表示，其与对应的土壤性质间的相关性分析结果见表 2。
|
|
表 2 小麦籽粒Cd富集系数（BCF）与土壤性质的相关性分析 Table 2 Correlation analysis of Cd bio-concentration factor between wheat grain and soil physicochemical properties |
由表 2可知，土壤pH、SOM和土壤黏粒含量均与BCF具有良好的相关性。其中，土壤pH和黏粒含量均与BCF呈显著负相关关系，这是由于Cd在较高pH条件下形成沉淀从而降低其环境迁移性[21]，同时土壤黏粒也会通过吸附作用减少Cd的环境迁移性[18]。而SOM则与BCF呈显著正相关（P < 0.05），相关系数为0.14，这是因为土壤中的部分溶解性有机质可与Cd形成络合物从而增加土壤中Cd的迁移性和有效性[20]。此外，本研究结果也与前人的报道结果相似，即土壤CEC与BCF无显著相关关系（P > 0.05），例如，王怡雯等[3]对河北保定和河南新乡等多个乡镇的50块不同程度Cd污染小麦田块的点对点样品分析、王梦梦等[22]对我国中南地区某14个乡镇的60块不同程度Cd污染稻田的点对点样品分析、李朋飞等[23]进行的安徽沿淮粮产区小麦与土壤重金属含量特征及影响因素分析及汤丽玲[20]在南京、扬州和苏州等地的近郊农业种植区采集的土壤和小麦及水稻点对点样品分析均表明，土壤CEC与作物籽粒Cd含量间不存在显著相关性。虽然从土壤化学的角度来看，随着土壤CEC的增大，土壤中负电荷量的增高能提供更多的吸附点位用于固定Cd离子，同时有机质也会与Cd离子通过络合反应降低重金属离子的迁移性和生物有效性[3]。当土壤Cd含量偏高时，土壤CEC的增加会对作物吸收Cd产生明显制约作用，但当土壤Cd含量偏低时，CEC的增加则基本不对作物吸收Cd产生影响[12]。此外，随着土壤pH的升高，会降低H+对吸附点位的竞争，较强的碱性环境会促使Cd形成难溶沉淀而持留于土壤颗粒中，土壤pH会转变为影响Cd生物有效性的主要因素之一[3, 20]。这些研究报道均表明，在预测Cd污染区的作物Cd含量时必须重点考虑土壤pH、SOM和土壤黏粒含量等主要因素的影响[3, 20]。
2.3 模型建立与数据归一化处理基于上述小麦籽粒Cd富集系数与土壤理化性质的相关性分析结果，将数据进行对数变化后，利用多元逐步线性回归建立土壤pH、SOM和土壤黏粒含量与小麦BCF的回归模型：lg BCF=- 0.097 pH + 0.11 lg SOM + 1.2 lg Clay + 0.81（R2=0.54，P < 0.05，n= 147）。由该回归模型可知，土壤pH、SOM和土壤黏粒含量与小麦BCF间存在显著的相关关系（P < 0.05），R2值为0.54，比前人报道的结果[9, 11]稍低。其原因可能是本研究的土壤和小麦样品采集于小麦自然种植的农田环境，与通过人工添加含有Cd的化学物质得到的模拟污染土壤盆栽试验相比，田间的气候条件和土壤类型等环境因素相比而言更为复杂[24]。本研究的土壤pH、SOM和土壤黏粒含量3个变量可以解释小麦籽粒Cd富集系数54%的变异，可靠度较高。
通常，BCF随土壤类型而变化，反映土壤特征和物种固有的敏感性[25]。在使用SSD曲线法拟合不同生态受体或生态过程的毒性效应参数前，应将同一物种或品种在不同土壤条件下的生态毒性效应参数归一化为均匀的土壤性质，实现BCF的标准化，以最大程度地减少由不同类型土壤和不同作物品种引起的误差，这对于生态阈值的预测至关重要[26]。为此，进一步将上述回归模型进行归一化处理，得到小麦BCF归一化后的结果：BCF=10（-0.097 pH+0.11 lg SOM+1.2 lg Clay+0.81）；同时，依据《食品安全国家标准食品中污染物限量》（GB 2762—2017）中规定的小麦籽粒Cd最大限量0.1 mg·kg-1，得到反推土壤Cd含量的方程：C土壤Cd = 10（0.097 pH-0.11 lg SOM-1.2 lg Clay-1.81），即可得到基于不同土壤理化性质情景下的土壤Cd含量阈值。考虑到本研究中土壤样品的pH、SOM和黏粒含量范围，参考《生态安全土壤环境基准制定技术指南》，结合本研究中土壤样品实际的pH分布和中国土壤pH等级划分，确定我国北方农田的3种包含土壤pH、SOM和黏粒含量等在内的典型情景（表 3），设定情景1为6.5 < pH≤7.5（以pH=7为例计算）、SOM=15 g·kg-1、土壤黏粒含量20%；情景2为7.5 < pH < 8.5（以pH=7.5为例计算）、SOM=30 g·kg-1、土壤黏粒含量20%；情景3为pH≥8.5（以pH=8.5为例计算）、SOM=20 g·kg-1、土壤黏粒含量20%，用于数据的归一化处理。将归一化前的小麦BCF值与归一化后的BCF值按照由大到小排列，并随机将以情景1为例的结果示于图 2。由图 2可见，归一化处理后小麦BCF值大部分高于处理前，因此将归一化后的小麦BCF值用于SSD曲线法计算小麦的安全生产阈值将会更大程度地保护小麦安全生产。
|
|
表 3 我国北方小麦主产区土壤的典型情景设定 Table 3 Typical situations of soil in the wheat production area of northern China |
|
图 2 归一化前后小麦BCF值变化 Figure 2 Variation of BCF values before and after regression analysis |
本研究基于上述小麦籽粒的Cd富集数据，将BCF值换算至上述3种不同情景，利用Logistic函数模型拟合SSD曲线。将3种情景下1/BCF的计算结果按照从小到大进行排列作为横坐标；同时，按照排列结果设定相应序数来计算累积频率，累积频率的计算公式为：P=100 ×Q/（N + 1）。式中：P为累积频率，%；Q为BCF从小到大排序对应的序数；N为总样本量，本研究中为147。然后，将计算得出的累积频率作为纵坐标，利用Logistic函数模型进行拟合并绘图，见图 3~图 4。
|
图 3 北方小麦产区不同品种小麦籽粒Cd的SSD曲线 Figure 3 Sensitivity distribution curves of different wheat varieties in the wheat production area of northern China |
|
图 4 北方小麦产区不同情景下小麦籽粒Cd的SSD曲线 Figure 4 Sensitivity distribution curves of wheat in the wheat production area of northern China |
图 3为不同小麦品种对Cd积累的敏感性分布。5个小麦品种对Cd积累均表现出敏感变化，西农979表现最为敏感，普冰151敏感度较低。比较图 4所示的小麦籽粒Cd敏感度曲线变化可知，在3种情景下归一化后的曲线平缓度不同，说明在不同土壤pH、SOM和黏粒含量条件下，小麦对于Cd的富集能力不同。但3种情景下归一化后的曲线走势和1/BCF的点位基本相同，且大多数的1/BCF点位在曲线的中下部，代表该部分的小麦对于Cd的富集能力较强，容易造成小麦籽粒Cd含量超标的情况。
为计算小麦安全生产阈值，参考前人[17, 26]的研究结果，利用Logistic函数模型分别计算可使95%和5% 的小麦符合《食品安全国家标准食品中污染物限量》（GB 2762—2017）规定的Cd含量限值标准（< 0.1 mg·kg-1）所对应的Cd危险浓度（HC），分别用HC5和HC95表示，其中HC5代表可保护95%小麦安全的Cd浓度，HC95代表可保护5% 小麦安全的Cd浓度。同时，将Cd含量 < HC5的地区划分为小麦宜产区，代表可以用于大部分的小麦生产，能保证95% 的小麦籽粒Cd含量不超标；将HC5 < Cd含量 < HC95的区域划分为小麦限产区，表示此区域必须进行严格管控并实行修复措施后才可尝试小麦种植；将Cd含量 > HC5的区域划为小麦禁产区，由于该区域有95% 的小麦具有Cd超标的风险，因此建议改种不易富集Cd阈值，并列于表 4。由表 4可知，当土壤条件为6.5 < pH≤7.5、SOM 15 g·kg-1、土壤黏粒含量20%（情景1）时，小麦宜产区的安全生产阈值为土壤Cd含量 < 0.33 mg·kg-1，小麦禁产区的阈值为土壤Cd含量 > 1.93 mg·kg-1；当土壤中Cd的含量在0.33~1.93 mg·kg-1时，可认为土壤处于小麦限产区域，需要在有控制的条件下开展小麦生产，如进行Cd低累积小麦作物品种筛选或实施土壤修复措施后再尝试小麦种植等。同理，当土壤属于情景2时，土壤Cd含量 < 0.41 mg·kg-1的区域可划分为小麦宜产区；土壤Cd含量 > 2.51 mg·kg-1的区域划分为小麦禁产区，土壤Cd含量在0.41~2.51 mg·kg-1划分为小麦限产区。情景3同理。将上述土壤Cd阈值与我国现行的《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618—2018）比较可知，当土壤条件处于情景1、情景2和情景3时，预测得到的小麦宜产区的安全生产阈值分别为0.33、0.41 mg·kg-1和0.64 mg·kg-1，均稍高于同等pH条件下GB 15618—2018规定的其他类农用地土壤风险筛选值Cd含量0.3、0.3 mg·kg-1和0.6 mg·kg-1，小麦禁产区的阈值为1.93、2.51、2.61 mg·kg-1，均低于农用地标准中风险管制值3.0 mg·kg-（1 6.5 < pH≤7.5）和4.0 mg·kg-1（pH > 7.5）。这表明在宜产阈值方面标准GB 15618— 2018的规定可能稍显严格，在禁产阈值方面可能要根据实际中可遵循土壤情况划分更多不同情景的土壤Cd安全生产阈值，以在保证粮食安全生产的同时充分利用珍贵的土地资源。
|
|
表 4 基于Logistic模型计算不同情景下的保护性小麦生产土壤Cd阈值（mg·kg-1） Table 4 Cd ecological threshold value of soil for protecting wheat production under different situations based on Logistic model fitting(mg·kg-1) |
为了对上述研究结果进行验证，进行了大量的文献查阅分析，发现文献数据缺乏全面的针对性指标，且绝大部分文献缺乏与小麦相对应的土壤黏粒含量或有机质含量等指标数据，导致难以采用文献报道数据对本研究获得模型进行验证。为此，利用预测模型对本试验中的数据进行了验证分析，结果如图 5所示。例如，在土壤pH 6.5~7.5条件下，在147对点对点的土壤-小麦样品中，共有14对土壤样品的Cd小于0.33 mg·kg-1，与之对应的小麦籽粒Cd含量均≤0.1 mg·kg-1，表明在此阈值下可保护小麦的安全生产；同样，土壤样品的Cd含量为0.33~1.93 mg·kg-1的样品共有129对，其中有77对样品所对应的小麦籽粒Cd超过了国家标准限值0.1 mg·kg-1，超标率为59.7%，采取改变耕种模式或种植部分累积性较低的小麦品种等措施仍可控制在安全范围之内。由此可见，本研究的安全生产阈值划分在实际生产中具有较好的适用性。在后续研究中，将对应用SSD法划分小麦产区土壤Cd污染安全生产阈值的合理性进行更为深入的研究，并征求管理部门及相关领域权威专家的意见和建议，以促进我国农用地的分类利用工作。
|
图 5 小麦籽粒和土壤样品Cd含量及预测阈值之间的关系 Figure 5 Relationship among Cd contents of wheat grains and related soil and thresholds of wheat-producing |
（1）田间采样区土壤pH以中性和偏碱性为主，SOM含量与土壤黏粒（Clay）含量平均值均较高。土壤Cd含量平均值高于《土壤环境质量农用地土壤污染风险管控标准（试行）》（GB 15618—2018）中风险筛选值的规定，超标率为95.1%；小麦籽粒Cd含量平均值高于《食品安全国家标准食品中污染物限量》（GB 2762—2017）的规定，超标率为47.6%。
（2）田间采样区土壤pH、SOM和黏粒含量与小麦籽粒Cd富集系数间均存在显著相关性，多元逐步线性回归结果可解释小麦籽粒Cd累积系数54% 的变异。
（3）相关的Logistic模型拟合结果表明小麦品种西农979表现最为敏感，普冰151敏感度较低。北方小麦产区的土壤在6.5≤pH < 7.5（SOM=15 g·kg-1，Clay= 20%）、7.5≤pH < 8.5（SOM=30 g·kg-1，Clay=20%）和pH≥ 8.5（SOM=20 g·kg-1，Clay=20%）的情况下，土壤Cd含量≤0.33、0.41 mg·kg-1和0.64 mg·kg-1时，该值可作为小麦的宜产阈值并且此区域划分为小麦宜产区；土壤Cd含量 > 1.93、2.51 mg·kg-1和2.61 mg·kg-1时，该值可作为小麦的禁产阈值并且此区域划分为小麦禁产区；土壤Cd含量在宜产阈值和禁产阈值之间的区域可划分为小麦限产区。
| [1] |
中华人民共和国环境保护部, 国土资源部. 全国土壤污染状况调查公报[R]. 北京: 中华人民共和国环境保护部, 国土资源部, 2014. Ministry of Environmental Protection of PRC, Ministry of Land and Resources of PRC. Report on the national general survey of soil contamination[R]. Beijing: Ministry of Environmental Protection of PRC, Ministry of Land and Resources of PRC, 2014. |
| [2] |
Zhao Y, Zhang C, Wang C, et al. Increasing phosphate inhibits cadmium uptake in plants and promotes synthesis of amino acids in grains of rice[J]. Environmental Pollution, 2020, 257: 113496. DOI:10.1016/j.envpol.2019.113496 |
| [3] |
王怡雯, 芮玉奎, 李中阳, 等. 冬小麦吸收重金属特征及与影响因素的定量关系[J]. 环境科学, 2020, 41(3): 1482-1490. WANG Yi-wen, RUI Yu-kui, LI Zhong-yang, et al. Characteristics of heavy metal absorption by winter wheat and its quantitative relationship with influencing factors[J]. Environmental Science, 2020, 41(3): 1482-1490. |
| [4] |
赵多勇, 魏益民, 魏帅, 等. 区域小麦籽粒重金属分布及暴露评估[J]. 中国粮油学报, 2016, 31(7): 6-10, 18. ZHAO Duo-yong, WEI Yi-min, WEI Shuai, et al. Spatial distribution of heavy metal in wheat kernel and dietary exposure assessment of local residents in an industrial area[J]. Journal of the Chinese Cereals and Oils Association, 2016, 31(7): 6-10, 18. DOI:10.3969/j.issn.1003-0174.2016.07.002 |
| [5] |
肖冰, 薛培英, 韦亮, 等. 基于田块尺度的农田土壤和小麦籽粒镉砷铅污染特征及健康风险评价[J]. 环境科学, 2020, 41(6): 2869-2877. XIAO Bing, XUE Pei-ying, WEI Liang, et al. Characteristics of Cd, As, and Pb in soil and wheat grains and health risk assessment of grain-Cd/As/Pb on the field scale[J]. Environmental Science, 2020, 41(6): 2869-2877. |
| [6] |
Mahar A, Wang P, Li R, et al. Immobilization of lead and cadmium in contaminated soil using amendments: A review[J]. Pedosphere, 2015, 25: 555-568. DOI:10.1016/S1002-0160(15)30036-9 |
| [7] |
Ding C, Ma Y, Li X, et al. Derivation of soil thresholds for lead applying species sensitivity distribution: A case study for root vegetables[J]. Journal of Hazardous Materials, 2016, 303: 21-27. DOI:10.1016/j.jhazmat.2015.10.027 |
| [8] |
Ding C, Ma Y, Li X, et al. Determination and validation of soil thresholds for cadmium based on food quality standard and health risk assessment[J]. Science of the Total Environment, 2018, 619/620: 700-706. DOI:10.1016/j.scitotenv.2017.11.137 |
| [9] |
Ding C, Zhang T, Wang X, et al. Prediction model for cadmium transfer from soil to carrot(Daucus carota L.) and its application to derive soil thresholds for food safety[J]. Journal of Agricultural and Food Chemistry, 2013, 61: 10273-10282. DOI:10.1021/jf4029859 |
| [10] |
Ding C, Li X, Zhang T, et al. Phytotoxicity and accumulation of chromium in carrot plants and the derivation of soil thresholds for Chinese soils[J]. Ecotoxicology and Environmental Safety, 2014, 108: 179-186. DOI:10.1016/j.ecoenv.2014.07.006 |
| [11] |
刘克. 我国主要小麦产地土壤镉和铅的安全阈值研究[D]. 杨凌: 西北农林科技大学, 2016. LIU Ke. Soil threshold of cadmium and lead in major Chinese wheat-producing areas[D]. Yangling: Northwest A&F University, 2016. |
| [12] |
廖启林, 刘聪, 王轶, 等. 水稻吸收Cd的地球化学控制因素研究——以苏锡常典型区为例[J]. 中国地质, 2015, 42(5): 1621-1632. LIAO Qi-lin, LIU Cong, WANG Yi, et al. Geochemical characteristics of rice uptake of cadmium and its main controlling factors: A case study of the Suxichang(Suzhou-Wuxi-Changzhou) typical area[J]. Geology in China, 2015, 42(5): 1621-1632. DOI:10.3969/j.issn.1000-3657.2015.05.029 |
| [13] |
熊孜, 赵会薇, 李菊梅, 等. 黄淮海平原小麦吸收镉与土壤可浸提镉间关系研究[J]. 农业环境科学学报, 2016, 35(12): 2275-2284. XIONG Zi, ZHAO Hui-wei, LI Ju-mei, et al. The relationship between cadmium in wheat plant and cadmium extracted by EDTA and diluted acids in soil in Huanghuaihai Plain[J]. Journal of Agro-Environment Science, 2016, 35(12): 2275-2284. DOI:10.11654/jaes.2016-0887 |
| [14] |
张振红, 骆永明, 张海波, 等. 土壤环境质量指导值与标准研究Ⅴ. 镉在土壤-作物系统中的富集规律与农产品质量安全[J]. 土壤学报, 2010, 47(4): 628-638. ZHANG Zhen-hong, LUO Yong-ming, ZHANG Hai-bo, et al. Study on soil environmental quality guidelines and standards Ⅴ. modeling of cadmium uptake in soil-crop systems for human food safety in China[J]. Acta Pedologica Sinica, 2010, 47(4): 628-638. |
| [15] |
程菁靓, 赵龙, 杨彦, 等. 我国长江中下游水稻产区铅污染分区划分方法研究[J]. 农业环境科学学报, 2019, 38(1): 70-78. CHENG Jing-liang, ZHAO Long, YANG Yan, et al. Classification methods for typical lead-contaminated rice production areas of the middle and lower Yangtze River in China[J]. Journal of Agro-Environment Science, 2019, 38(1): 70-78. |
| [16] |
王小庆, 韦东普, 黄占斌, 等. 物种敏感性分布在土壤中镍生态阈值建立中的应用研究[J]. 农业环境科学学报, 2012, 31(1): 92-98. WANG Xiao-qing, WEI Dong-pu, HUANG Zhan-bin, et al. Application of species sensitivity distribution in deriving of ecological thresholds for nickel in soils[J]. Journal of Agro-Environment Science, 2012, 31(1): 92-98. |
| [17] |
孙花, 谭长银, 黄道友, 等. 土壤有机质对土壤重金属积累、有效性及形态的影响[J]. 湖南师范大学自然科学学报, 2011, 34(4): 82-87. SUN Hua, TAN Chang-yin, HUANG Dao-you, et al. Effects of soil organic matter on the accumulation, availability and chemical speciation of heavy metal[J]. Journal of Natural Science of Hunan Normal University, 2011, 34(4): 82-87. DOI:10.3969/j.issn.1000-2537.2011.04.018 |
| [18] |
汤志云, 吴龙华, 骆永明. 土壤粒级中重金属元素的形态分析与环境风险评价[J]. 地质学刊, 2009, 33(2): 164-169. TANG Zhi-yun, WU Long-hua, LUO Yong-ming. Morphologic analysis and environmental risk assessment of heavy metal elements in sized-fractionational soil[J]. Journal of Geology, 2009, 33(2): 164-169. DOI:10.3969/j.issn.1674-3636.2009.02.164 |
| [19] |
徐建明, 孟俊, 刘杏梅, 等. 我国农田土壤重金属污染防治与粮食安全保障[J]. 中国科学院院刊, 2018, 33(2): 153-159. XU Jianming, MENG Jun, LIU Xing-mei, et al. Control of heavy metal pollution in farmland of China in terms of food security[J]. Bulletin of Chinese Academy of Sciences, 2018, 33(2): 153-159. |
| [20] |
汤丽玲. 作物吸收Cd的影响因素分析及籽实Cd含量的预测[J]. 农业环境科学学报, 2007, 26(2): 699-703. TANG Li-ling. Effects of soil properties on crop Cd uptake and prediction of Cd concentration in grains[J]. Journal of Agro-Environment Science, 2007, 26(2): 699-703. DOI:10.3321/j.issn:1672-2043.2007.02.056 |
| [21] |
杜彩艳, 祖艳群, 李元. pH和有机质对土壤中镉和锌生物有效性影响研究[J]. 云南农业大学学报, 2005, 20(4): 539-543. DU Cai-yan, ZU Yan-qun, LI Yuan. Effect of pH and organic matter on the bioavailability Cd and Zn in soil[J]. Journal of Yunnan Agricultural University, 2005, 20(4): 539-543. DOI:10.3969/j.issn.1004-390X.2005.04.018 |
| [22] |
王梦梦, 何梦媛, 苏德纯. 稻田土壤性质与稻米镉含量的定量关系[J]. 环境科学, 2018, 39(4): 1918-1925. WANG Meng-meng, HE Meng-yuan, SU De-chun. Quantitative relationship between paddy soil properties and cadmium content in rice grains[J]. Environmental Science, 2018, 39(4): 1918-1925. |
| [23] |
李朋飞, 谭娟, 雷丁尔, 等. 安徽沿淮粮产区小麦与根系土重金属含量特征及影响因素[J]. 西南农业学报, 2020, 33(7): 1580-1586. LI Peng-fei, TAN Juan, LEI Ding-er, et al. Characteristics and ecological security assessment of heavy metal on wheat and root soils along Huaihe River commercial grain base in Anhui Province[J]. Southwest China Journal of Agricultural Sciences, 2020, 33(7): 1580-1586. |
| [24] |
韩东锦, 赵龙, 张乃明, 等. SSD法对西南碳酸盐岩母质区稻田土壤镉污染类型划分研究[J]. 环境科学研究, 2020, 34(2): 409-418. HAN Dong-jin, ZHAO Long, ZHANG Nai-ming, et al. Research on the classification of Cd contaminated paddy soils in carbonate parent material area of southwest China by species sensitivity distribution method(SSD)[J]. Research of Environmental Sciences, 2020, 34(2): 409-418. |
| [25] |
陈波宇, 郑斯瑞, 牛希成, 等. 物种敏感度分布及其在生态毒理学中的应用[J]. 生态毒理学报, 2010, 5(4): 491-497. CHEN Bo-yu, ZHENG Si-rui, NIU Xi-cheng, et al. Species sensitivity distribution and its application in ecotoxicology[J]. Asian Journal of Ecotoxicology, 2010, 5(4): 491-497. |
| [26] |
王小庆, 李波, 韦东普, 等. 土壤中铜和镍的植物毒性预测模型的种间外推验证[J]. 生态毒理学报, 2013, 8(1): 77-84. WANG Xiao-qing, LI Bo, WEI Dong-pu, et al. Cross-species extrapolation of phytotoxicity prediction models for nickel and copper added to soil[J]. Asian Journal of Ecotoxicology, 2013, 8(1): 77-84. |