基于概率源解析生态健康风险模型的土壤有毒元素源-汇管控策略

本研究创新性整合正矩阵分解（PMF）、地理探测器（GDM）、扫描电镜-能谱（SEM-EDS）与二维蒙特卡洛模拟（2D-MCS），通过多尺度溯源与概率风险评估，精准识别矿区土壤毒性元素（PTEs）的优先管控源（Pb/Zn冶炼、金浸提）与关键元素（Cd、As），为资源约束下的环境风险精准治理提供科学范式。

　　

Highlight

环境意义

精准识别优先管控污染源与毒性元素（PTEs）对多源污染矿区的污染防治与风险 mitigation 至关重要。本研究提出融合正矩阵分解（PMF）、地理探测器（GDM）、扫描电镜-能谱（SEM-EDS）与概率生态健康风险评价的综合框架，通过建立污染物-源-风险联动关系，实现优先污染源与PTEs的精准锁定。本研究指出Pb/Zn冶炼与金浸提活动为优先管控源，砷（As）与镉（Cd）分别为致癌风险与生态风险的关键优先元素。

结论

本研究通过整合PMF、GDM、SEM-EDS与概率风险评价，开发了一种精准有效的源解析生态健康风险评价方法。识别出四种污染源：金属电镀、金浸提、Pb/Zn冶炼与铜矿开采活动。值得注意的是，Pb/Zn冶炼活动是生态风险的主要贡献源（53.09%），其中Cd因其高毒性成为生态安全优先管控污染物（贡献率88.05%）。此外，尽管所有人群的非致癌风险均在可接受范围内，但致癌风险已达到警戒水平。与As密切相关的金浸提活动是致癌风险的最大贡献源（儿童：47.38%；成年女性：49.45%；成年男性：48.89%）。这些发现提升了土壤PTEs源解析生态健康风险定量评估的准确性，为资源约束下的优化风险管理提供了可操作的见解。

Section snippets

整体框架

本研究提出一个融合PMF、GDM、SEM-EDS与概率生态健康风险评价的综合框架，通过建立污染物-源-风险联动关系，识别优先污染源与PTEs（图1）。该框架首先利用富集因子（EF）评价土壤PTE富集特征，为后续分析奠定基础。随后应用辅以GDM与SEM-EDS分析的PMF模型识别土壤PTEs污染源。

土壤PTEs的描述性统计与分布

土壤PTEs的描述性统计值、江西省相应背景值（BVs）（CNEMC, 1990）及土壤风险筛选值（RSVs）（GB15618-2018）（MEEP, 2018）见表1。土壤PTEs的平均浓度均高于其中位值，表明其呈正偏态分布[65]。正态性检验进一步证实土壤PTE浓度呈对数正态分布（P>0.05）。

独立样本T检验显示，所有...

金属电镀活动

因子1（F1）显示Ni（89.27%）与Cr（88.34%）的 dominant loadings，其他元素贡献率均较低（<30%）。Cr-Ni显著相关性（R2=0.93）指示其同源（图3）。Cr与Ni的 minimal enrichment level 暗示其人为来源（图S5）。这些PTEs广泛用于耐腐蚀电镀[45]，这解释了相关废水中Cr、Ni与Zn浓度升高的现象[12],[13]。其他一些研究指出Cr与Ni源于...