印度水稻土中潜在有毒金属污染：空间分布、污染状况及环境意义的一项初步元分析

《Applied Soil Ecology》：Potentially toxic metals contamination in Indian paddy soils: A preliminary meta-analysis of spatial distribution, contamination status and environmental implications

　　

摘要

由于潜在有毒金属（PTMs）污染对土壤质量、粮食安全和人体健康的影响，稻田土壤的潜在有毒金属污染已成为日益受到关注的环保问题。本研究对已发表的实地研究进行了一项初步的全国家元分析，以评估印度稻田土壤中镉（Cd）、铅（Pb）、砷（As）和铬（Cr）的浓度、分布及异质性。研究依据 PRISMA 2020 指南，对 2010 至 2025 年间发表的同行评审文献进行了系统性检索，并对相关文献进行了随机效应元分析。结果显示，合并平均浓度依次为 Pb（13.96 mg kg^?1；95% CI：12.09–15.78）> As（11.01 mg kg^?1；95% CI：7.57–14.46）> Cr（9.40 mg kg^?1；95% CI：6.22–12.57）> Cd（1.12 mg kg^?1；95% CI：0.99–1.26）。空间分布模式显示出显著的区域差异，在东部和东北部若干邦发现了 Cd 和 As 的较高浓度，表明存在局部污染热点。研究之间的极高异质性（I² > 98.9–99.9%）表明，区域环境状况、农业活动和实验变异性显著影响了 PTMs 的累积。漏斗图和 Eggers 检验提示存在发表偏倚，因此采用修剪填充法进一步评估了该偏倚。总体而言，合并浓度表明印度稻田土壤中并未出现普遍的 PTMs 污染；然而，Cd 和 As 的局部富集凸显了持续开展监测和因地制宜管理的重要性。鉴于符合条件的研究数量有限且地理分布不均衡，这些发现应被视为现有证据的初步国家层面综合，而非最终评估。本研究可为未来印度稻田土壤的环境监测、风险评估和环保型管理提供依据。

引言

土壤是农业生产与环境可持续发展的关键，它既是植物生长的主要基质，也是潜在有毒金属（PTMs）的重要储库（Naidu 等，2025）。快速的工业化、城市化、化肥和农药的过量施用、废水灌溉以及大气排放，均已导致世界各地农业土壤中 PTMs 的累积增加（Brunelle 等，2024；Chao 等，2025）。与其他污染物相比，PTMs 具有持久性、不可降解的特性，并能在土壤中长期累积，从而对环境和人体健康造成重大影响（Qin 等，2023；Wang 等，2023）。农业土壤中 PTMs 浓度的升高会对土壤物理化学性质、微生物生长、养分运移和作物产量产生负面影响，从而增加金属吸收及经食物链转移的风险（Lori 等，2025；Vasudhevan 等，2024）。PTMs 从土壤向地上植物部分的吸收与运输取决于土壤性质、金属生物有效性、植物种类和环境状况，这使得土壤污染成为威胁粮食安全和人体健康的严重问题（Vasudhevan 等，2024；Xin 等，2017；Xin 等，2015）。因此，评估农业土壤中 PTMs 污染的分布与影响，对于制定有效的管理方法、保障可持续粮食生产至关重要。

水稻种植是印度农业经济的支柱，为大多数人口提供基本饮食。由于水稻在淹水条件下生长，稻田土壤具有独特的生物地球化学过程，这会增加多种 PTMs（特别是 Cd 和 As）的迁移性和生物有效性（Baruah 和 Chabukdhara，2025；Vasudhevan 等，2025a）。过去二十年间，多项实地研究对印度稻田土壤的 PTMs 污染进行了评估，重点关注污染水平、污染源、地理分布、时间变化以及环境风险和人体健康效应（Bala 等，2024；Baruah 和 Chabukdhara，2025；Baruah 等，2021；Bhoi 等，2025；Daulta 等，2021；Giri 和 Singh，2017；Golui 等，2017；Mondal 等，2024；Satpathy 等，2014；Sharma 等，2020；Sharma 等，2017；Singh 等，2014；Srivastava 等，2015；Vasudhevan 等，2025a, Vasudhevan 等，2025b, Vasudhevan 等，2025c；Vasudhevan 等，2022；Yadav 等，2017）。然而，大多数研究是在局部或区域尺度上开展的，这限制了其提供全面国家层面评估的能力。此外，采样技术、方法、土壤性质和生态条件的差异也阻碍了不同研究之间的清晰比较。因此，印度稻田土壤中 PTMs 的整体污染状况和地理分布在国家层面上仍缺乏充分刻画。

元分析是一种稳健的统计方法，它在考虑研究间变异性的同时，对多项独立研究的结果进行定量综合，以确定总体模式（Liu 等，2024；Nde 等，2024）。先前的元分析主要聚焦于亚洲数据集中的特定金属、水稻品种和修复策略，包括亚洲稻田中的 As（Mandal 等，2021）、水稻品种中的 As 累积（Das 等，2023）、稻田系统中 Cd、Pb 和 As 的修复（Liu 等，2024）、水稻对金属胁迫的响应（Espinola 等，2025）以及秸秆还田条件下的 Cd 迁移（Guo 等，2026）。然而，这些研究未能提供印度稻田土壤中不同 PTMs 的全国家定量综合。为弥补这一地理与知识空白，本研究系统地汇编了已发表的实地数据，并应用元分析方法评估印度稻田土壤的 PTMs 污染。

具体而言，本研究综合了 2010 至 2025 年间已发表的实地研究，以评估印度稻田土壤中四种重要 PTMs（Cd、Pb、As 和 Cr）的污染状况。主要目标为：(1) 评估 Cd、Pb、As 和 Cr 的合并浓度与污染状况；(2) 探究其在印度主要水稻种植区的空间分布；(3) 量化研究间异质性与发表偏倚；以及 (4) 提供科学证据，以助力未来印度污染稻田土壤的土壤监测、生态风险评估和可持续管理。

章节摘要

研究筛选与文献检索

本研究开展了系统性文献检索，以识别报告印度稻田土壤 PTMs 浓度的实地相关研究。检索了 2010 至 2025 年间发表的文献。文献检索通过 Web of Science、Scopus、PubMed 和 Google Scholar 进行，使用的关键词组合为：（"cadmium" OR "lead" OR "arsenic" OR "chromium" OR "mercury"）AND（"paddy soil" OR "rice soil"）AND "India"。汞（Hg）也被纳入检索字符串中；

印度稻田土壤中潜在有毒金属浓度

通过随机效应元分析确定的印度稻田土壤 PTMs 合并浓度如图 2、图 3、图 4、图 5 所示。总体而言，平均浓度依次为：Pb（13.936 mg kg^?1）> As（11.012 mg kg^?1）> Cr（9.396 mg kg^?1）> Cd（1.122 mg kg^?1）。

Pb 表现出最高的合并平均浓度，为 13.936 mg kg^?1（CI 95%：12.09–15.78）（图 2）。尽管它是所检测的 PTMs 中最高的，但其浓度显著低于印度农业土壤的

结论

本研究采用随机效应元分析，综合了已发表的关于印度稻田土壤 Cd、Pb、As 和 Cr 污染的实地研究结果。Cd、Pb、As 和 Cr 的合并平均浓度分别为 1.122、13.936、11.012 和 9.396 mg kg^?1。研究发现存在显著的研究间变异（I² = 98.9–99.9），表明 PTMs 浓度在不同研究地点之间差异巨大，单一的国家层面估计值并不能准确代表

CRediT 作者贡献声明

Palanisamy Vasudhevan：撰写——初稿、可视化、方法学、数据整理、概念构思。Naveed Akbar：软件、形式化分析。Sami Ullah：撰写——审阅与编辑、验证。Babar Hussain：验证、数据整理。Nadeem Iqbal：可视化。Shengyan Pu：撰写——审阅与编辑。Xin Xie：撰写——审阅与编辑、监督、资源。

写作过程中生成式人工智能与人工智能辅助技术的声明

作者在撰写稿件过程中使用了 Claude 来完善文稿的语法和清晰度。在使用该工具/服务后，作者对文本进行了必要的审阅与修订，并对发表内容的全部责任负责。

利益冲突声明

作者声明，他们没有已知的与本论文相关的竞争性经济利益。

致谢

本研究得到了贵州省科技计划项目（项目编号 [2022]091）的资助。

Palanisamy Vasudhevan|Naveed Akbar|Sami Ullah|Babar Hussain|Nadeem Iqbal|Shengyan Pu|Xin Xie