1、Eco-EnvironmentalKnowledge Web环 境 科 学Environmental Science第44卷第4期 2023年4月Vol44，No4 Apr，2023基于 APCS ML 和 PMF 模型的煤矸山周边耕地土壤重金属污染特征及源解析马杰1，2，沈智杰3，张萍萍1，2*，刘萍1，2，刘今朝4，孙静1，2，王玲灵1(1 重庆市生态环境监测中心，重庆401147;2 农村生态与土壤监测技术研究中心，重庆401147;3 西南大学资源环境学院，重庆400715;4 重庆市国土整治中心，重庆400020)摘要:以重庆市南川区某煤矸山周边耕地土壤为研究对象，运用内梅罗指数法和
2、地累积指数法分析土壤重金属污染水平和分布特征，并采用绝对因子得分-多元线性回归(APCS-ML)和正定矩阵因子分解(PMF)模型，探析研究区土壤重金属来源及其贡献率 结果表明，下游区土壤中8 项重金属均值含量均高于上游区，其中 Cu、Ni 和 Zn 含量显著高于上游区(P 0.05)内梅罗综合污染指数表现为:下游区(1.22)上游区(0.95)，重金属污染程度由大到小表现为:Cd Cu Hg、As、Pb、Cr、Ni 和Zn 地累积指数由大到小表现为:Cd As Cu=Hg Ni Zn=Cr Pb 源解析表明，研究区土壤中 Cu、Ni 和 Zn 主要受煤矸山堆存影响，APCS-ML 模型的贡献率
3、分别为 49.8%、94.5%和 73.2%，PMF 模型的贡献率分别为 62.8%、62.2%和 63.1%;Cd、Hg 和 As 主要受农业和交通混合源影响，APCS-ML 模型的贡献率分别为49.8%、94.5%和73.2%，PMF 模型的贡献率分别为 62.8%、62.2%和63.1%;Pb 和 Cr 主要受土壤母质等自然因素影响，APCS-ML 模型的贡献率分别为 66.4%和94.7%，PMF 模型的贡献率分别为 42.7%和 47.7%APCS-ML 和 PMF 模型源解析结果基本一致关键词:煤矸山;土壤;重金属;耕地;绝对因子得分-多元线性回归(APCS-ML);正定矩阵因子分
4、解(PMF)中图分类号:X53文献标识码:A文章编号:0250-3301(2023)04-2192-12DOI:1013227/j hjkx202206045收稿日期:2022-06-04;修订日期:2022-07-11基金项目:重庆 市 科 技 局 科 研 机 构 绩 效 激 励 引 导 专 项(cstc2022jxjl0262);重庆市生态环境局项目(21C00344)作者简介:马杰(1986 )，男，硕士，高级工程师，主要研究方向为土壤和农村生态环境监测与评价，E-mail:pony312 qq com*通信作者，E-mail:1713205656 qq comPollution Cha
5、racteristics and Source Apportionment of Heavy Metals in Farmland SoilsAround the Gangue Heap of Coal Mine Based on APCS ML and PMF eceptorModelMA Jie1，2，SHEN Zhi-jie3，ZHANG Ping-ping1，2*，LIU Ping1，2，LIU Jin-zhao4，SUN Jing1，2，WANG Ling-ling1(1 Chongqing Ecological and Environmental Monitoring Center
6、，Chongqing 401147，China;2 ural Ecology and Soil Monitoring Technology esearch Center，Chongqing401147，China;3 College of esources and Environment，Southwest University，Chongqing 400715，China;4 Chongqing Land Consolidation and ehabilitation Center，Chongqing 400020，China)Abstract:To analyze the pollutio
7、n characteristics and source apportionment of heavy metal pollution in soil of farmland surrounding the Gangue Heap of Coal Mine inNanchuan，Chongqing，the Nemerow pollution index and Muller index were used Meanwhile，to investigate the sources and contribution rate of heavy metals in the soil，absolute
8、 principal component score-multiple linear regression receptor modeling(APCS-ML)and positive matrix factorization(PMF)were employed The results showedhigher amounts of Cd，Hg，As，Pb，Cr，Cu，Ni，and Zn in the downstream area than those in the upstream area，and only Cu，Ni，and Zn showed significantly higher
9、amounts in the downstream area than those in upstream area(P 0.05)The comprehensive Nemerow pollution index was as follows:downstream area(1.22)upstreamarea(0.95)，and the degree of heavy metal pollution was:Cd Cu Hg，As，Pb，Cr，Ni，and Zn The Muller pollution index showed:Cd As Cu=Hg Ni Zn=CrPb The poll
10、ution source analysis showed that Cu，Ni，and Zn were mainly affected by mining activities such as long-term accumulation of the gangue heap of coal mine，with the contribution rates of APCS-ML being 49.8%，94.5%，and 73.2%，respectively Additionally，PMF contribution rates were 62.8%，62.2%，and 63.1%，respe
11、ctively Cd，Hg，and As were mainly affected by agricultural activities and transportation activities，with APCS-ML contribution rates of 49.8%，94.5%，and 73.2%and PMF contribution rates of 62.8%，62.2%，and 63.1%，respectively Further，Pb and Cr were mainly affected by natural factors，with APCS-ML contribut
12、ion rates of66.4%and 94.7%and PMF contribution rates of 42.7%and 47.7%，respectively The results of source analysis were basically consistent between the APCS-ML and PMFreceptor modelsKey words:gangue heap;soil;heavy metal;farmland;absolute principal component score-multiple linear regression recepto
13、r modeling(APCS-ML);positive matrixfactorization(PMF)煤炭作为我国基础能源，与社会经济发展密切相关，但在开采、洗选和利用过程中也带来较多负面影响，其中煤矸石的排放和堆存已成为较为突出的问题之一1，2 据统计，我国煤矸石堆存量已超过70 亿 t，不仅造成大量土地资源浪费，而且长期露天堆放，对周边大气、水体和土壤等环境造成一系列危害3，4 近年来，有研究表明，不同地区煤矸山对周边土壤重金属污染程度各不相同，但总体表现为距煤矸山越近，污染程度越重5 7 然而土壤污染具有复杂性和隐蔽性，除煤矸山影响外，还可能受到自然源、工业源、农业源和生活源等影响8
14、 因此，开4 期马杰等:基于 APCS-ML 和 PMF 模型的煤矸山周边耕地土壤重金属污染特征及源解析展煤矸山周边土壤重金属污染源解析，对后续有针对性开展区域性土壤污染防治具有重要的现实意义当前土壤污染源解析方法较多，能区分污染源类型，并使解析结果定量化的方法主要有化学质量平衡法(chemical mass balance，CMB)、正定矩阵因子分解法(positive matrix factorization，PMF)和绝对因 子 得 分-多 元 线 性 回 归 法(absolute principalcomponent score-multiple linear regression r
15、eceptormodeling，APCS-ML)9 其中，化学质量平衡法(CMB)应用条件较为严苛，需预知污染源信息，构建源成分谱，在实际应用中存在一定局限性;正定矩阵因子分解法(PMF)是在因子分析法基础上改进的新型源解析模型，能对因子分解矩阵进行非负约束，使结果更准确10，11;绝对因子得分-多元线性回归法(APCS-ML)是主成分分析(PCA)和多元线性回归两种统计方法相结合的受体模型，以主成分分析(PCA)结果为基础，计算因子绝对真实得分(APCS)，再结合多元线性回归计算污染源贡献率12，13 APCS-ML 和 PMF 模型均不需提前构建源成分谱，比 CMB 更方便高效，已广泛应用
16、于大气、水和土壤污染源解析中14 16 目前，已有学者利用 PMF 和 APCS-ML 模型对煤矿周边土壤重金属进行定量溯源解析，如孙锐等17 通过 PMF 模型解析发现，鄂尔多斯高原煤矿周边土壤重金属污染主要来自煤炭开采(23.3%)、化石燃料燃烧(42.4%)和大气交通混合(34.3%)比拉力 依明等18 通过 PMF 模型解析发现，准东煤矿周围土壤重金属污染主要来自燃煤(20.8%)、交通运输(16.8%)、大气降尘(16.8%)、工业排放(27.7%)和自然因素(17.8%)李家莹等19 通过APCS-ML 模型解析发现，亳州市涡北煤矿周边土壤 Zn(51.2%)和 Cd(33.4%)主要来自采矿和农业施肥，As(100%)主要来自农业施肥，Ni(89.4%)、Cr(97.1%)、Cu(82.0%)和 Pb(68.5%)主要来自自然因素 但针对煤矸山周边土壤重金属定量溯源解析报道较少重庆作为西南地区最老的煤炭工业基地，历史上煤矿的过度开采，遗留下较多废弃煤矸山仍对周边环境持续造成影响 本文选取南川区某煤矸山周边耕地为研究对象，鉴于该煤矸山因排水不畅，在地表径流作用下在其东侧形成
