【技术交流】污染场地及周边土壤的层次化生态风险评估：以典型矿区污染场地为例|丰度|土壤污染|污染场地|生态风险评估|矿区|自然|重金属污染

来源：市场资讯

（来源：生态修复网）

污染场地及周边土壤的层次化生态风险评估:以典型矿区污染场地为例

钱力1，2，许秋云3，史雅娟1，2

1.中国科学院生态环境研究中心机构/区域与城市生态安全全国重点实验室北京 100085

2.中国科学院大学机构，北京 100049

3.农业农村部成都沼气科学研究所，四川成都610041

摘要

场地污染会对周边土壤生态系统健康造成危害, 而具有经济性及精细化的生态风险评估方法对其风险管控至关重要。该研究提出一种层次化生态风险评估方法, 通过在不同层次逐步纳入源解析、空间回归、生态风险指数、概率风险评估以及本土物种生态调查等方法和结果, 为污染场地提供多精度综合的生态风险"污染-效应"关联证据。2个不同类型的矿区案例研究结果证实了层次化生态风险评估方法的有效性与实用性, 该层次化生态风险评估方法通过"风险关联识别-风险筛查-风险概率定量-风险关联验证"的多层次递进, 逐步提升了风险评估的精度与生态现实性, 为污染场地及周边土壤的生态风险管控提供了本土化、精细化的科学依据。

污染场地对周边土壤生态系统和人群健康造成了危害[1-2]。开展风险评估是场地土壤污染风险管控、修复及后续开发再利用的重要依据[3]。目前我国的污染场地风险评估对象主要聚焦于健康风险，针对生态保护目标的风险评估体系较少[3]，污染场地土壤生态风险评估框架和方法的形成面临着多重限制[2-3]。

层次化评估框架是对污染场地开展精细化土壤生态风险评估的有效范式[4-7]。该框架遵循“尽可能简单，必要时复杂”的评估原则，旨在以递进式评估平衡成本与精度，是针对特定场地风险评估的重要方式[6, 8]。层次化评估框架通常从评估资源投入需求较低的评估方法开始，随层次递进逐步增加评估区针对性的风险关联证据，进而提高评估结论的生态现实性[3]。

不同国家对层次化评估框架中各层次的具体评估内容和目标设定有所差异[5-6]。荷兰的“Triad”方法在不同评估层次从化学、生态毒理学和生态学3个学科角度提供差异化精度的风险证据，利用证据权重法(一种系统化整合多源证据以支持决策的定性或半定量方法)获得1个逐渐精确的综合风险指数，其优势在于证据维度全面、综合性强，但获取各层次证据信息的成本较高[3-4]。英国的层次化评估框架从案头工作和场地概念模型构建开始，逐步开展风险化学筛查和生态调查(或生物测试)，最后通过因果关系判定确定评估区“污染-效应”之间的关联意义，其优势在于逻辑链条清晰，但没有充分考虑污染暴露水平或受体生态效应的空间变异性[9]，也难以揭示污染空间的“源-汇”关系[5]。此外，一些学者提出的综合确定性生态风险指数和概率风险评估层次框架减少了风险定量的不确定性[10-12]，但在高层次的污染-效应验证时没有综合考虑各种环境因子的影响，降低了污染风险关联的生态现实性[13]。

基于对已有的层次化评估框架的深入分析，笔者提出一种基于“风险关联识别-风险筛查-风险概率定量-风险关联验证”的层次化生态风险评估框架，拟利用该框架在我国2个典型矿区场地验证其有效性和可行性，为我国污染场地及周边土壤的本土化、精细化生态风险管理提供方法和依据。

壹

层次化生态评估框架构建

一

框架总体设计

研究假设：通过层次递进逐步纳入多种风险评估方法结论，有机整合多来源、多精度的风险证据，实现从“化学表征”到“生态验证”的逐级深化，从而提高生态风险表征精度与生态现实性。

根据研究假设，笔者提出的土壤层次化生态风险评估总体框架(图 1)为：在风险筛查层融合源解析、空间分析及多种风险指数，明确污染物的“源-汇”关系和空间分布；在风险概率定量层采用概率风险评估方法量化风险概率，提升风险定量的精度与实用性；在风险关联验证层将本土生态调查与环境因子的多元统计相结合，强化评估结论的生态现实性。相关管理者可依据各层次生态风险评估结论和实际评估条件决定评估工作在哪一层次结束，逐步提高“污染-生态效应”之间的生态现实意义。

二

层次释义

T1：风险关联识别层。风险关联识别层以信息搜集为主。通过搜集场地及周边基本信息、污染源信息、暴露途径信息、环境与生态受体信息等，了解场地及周边污染“源-径-汇”，判断场地风险关联的可能性。

(1) 基本信息：场地类型、历史沿革、功能分区、平面布置、生产型场地的主要工艺流程及原辅材料等。

(2) 污染源信息(源)：场地及周边土壤污染状况调查报告、环境影响评价报告、排污许可记录、场地污染特征数据。重点识别关注污染物的种类、浓度水平及潜在分布区域。

(3) 暴露途径信息(径)：场地及周边污染物(包括潜在的)可能的迁移扩散途径(如大气沉降、地表径流、地下水渗流)及其方向。

(4) 环境与生态受体信息(汇)：场地所在区域气候水文条件、地形地貌、土壤类型、主导风向；场地所在区域内主要的生态保护目标(如敏感物种、关键种、濒危物种、具有重要生态功能的类群或生境)及其空间分布。

当结果表明场地某些污染物可能通过特定暴露方式接触保护目标受体时，说明该场地可能存在污染风险关联并进入下一层次评估；反之，当证据表明该场地不存在可能的风险关联，可结束评估。

T2：风险筛查层。风险筛查层通过开展场地及周边土壤采样分析，结合污染物源解析、空间分析、风险指数计算等，筛查出需要进行优先管控的特征污染物类型，并确定其生态风险指数大小和风险范围。

(1) 土壤采样分析：分析场地主要功能单元及周边区域土壤中污染物的暴露特征，识别场地内的特征污染物。

(2) 污染物源解析：确定哪些污染物，或有多少暴露量来自关注的场地，提供优先管控污染物的定性或定量筛查证据。常用的土壤污染物源解析方法包括主成分分析法(PCA)、聚类分析法(CA)、因子分析法(FA)、化学质量平衡法(CMB)、正定矩阵因子法(PMF)、同位素示踪法等[14]。

(3) 风险指数计算：选择合适的风险指数法进行场地及周边生态风险大小和等级表征。常用指数包括潜在生态风险指数(PERI)、内梅罗指数(PN)、污染负荷指数(PLI)等[15]。优先选择土壤生态保护相关的国家或地方标准作为参照值；如没有，可通过相关文献获取或根据标准方法自行推导。

(4) 空间分析：结合地理信息系统，利用空间回归分析污染物含量或风险指数在场地及周边区域内的空间格局，识别生态风险分区范围。

评估者可根据场地及周边区域污染特征、不同内容方法适用条件及评估投入资源状况，选择一种或多种方法开展优先管控污染物的风险筛查。

T3：风险概率定量层。当上层(T2层)显示一种或多种优先管控污染物存在中高风险时，相关污染物进入生态风险概率定量层，并进一步纳入场地及周边区域内相关物种的生态毒性数据，通过统计外推建立暴露浓度和效应浓度的累积概率密度和联合概率曲线(JPC)，定量污染物的总体风险概率值(ORP)[9]。

暴露浓度分布将场地及周边区域内采样点位浓度外推至暴露浓度概率分布，降低有限采样点带来的评估不确定性。物种敏感度分布外推通过搜集场地及周边区域内存在的物种生态毒性数据，构建符合当地保护特征的物种敏感度分布曲线，之后以污染物浓度作为中介，建立物种受影响比例与浓度超标概率之间的联合概率曲线(JPC)，通过计算JPC和坐标轴构成的曲线下面积来表征污染物ORP[10]。当ORP<1.75%时，表明概率风险很小，可忽略；当1.75%≤ORP<9.82%，为低概率风险；当9.82%≤ORP<33%，为中概率风险；当33%≤ORP，为高概率风险[16]。当所有优先管控污染物ORP<9.82%时结束评估工作，反之则进入T4层次，进行更加精准且实际的生态风险评估。

T4：风险关联验证层。风险关联验证层通过开展场地及周边区域内土壤生态调查或生物试验，综合前期的风险结论，结合多元统计方法，验证场地及周边区域内更符合本土实际的“污染-生态效应”风险关联，以统计学显著性表征最终风险结论，进而提出针对性的土壤污染风险管控策略与建议。

(1) 生态调查/生物试验：针对场地及周边土壤的本地种、关键种或相关生态过程进行生态调查，以评估不同污染程度下的生态效应和环境状况变化。评估者需针对当地本土实际选择生态受体，并依据国内外推荐的生态毒理学或生物测试标准化方法进行生态调查或生物试验。

(2) 风险关联性统计分析：通过多元统计分析将优先管控污染物暴露状况与实测生态效应、场地及周边区域内的环境因素进行因果关联分析，判定风险联系是否具有统计学意义，当存在显著性，表明场地及周边区域存在显著的生态风险关联，反之则表明不存在。所述多元统计方法包括相关性分析、因子分析、多元回归分析等。

三

不确定性分析

对不同层次的评价结果进行不确定性来源及应对分析，增加评估结论可信度。

T1层次的不确定性主要源于信息源的完整性与可靠性。历史资料可能存在缺失、错误或代表性不足(如报告年代久远、监测点位稀疏)。对于潜在暴露途径和生态受体的判断多基于文献和专家经验，存在主观性。因此，强化信息源可信度或进行保守评估可增加风险关联初判结论的可靠性，减少误判带来的风险。

T2层次的不确定性主要来源于采样点布设、样品测试和模型方法分析过程。较强的场地污染空间异质性及实验室分析误差可能带来场地污染刻画的不精准。此外，源解析模型因子选择的主观性、风险指数筛选标准选择的合理性及空间分析样本量的代表性也会影响评价结论的可靠度，需加强采样分析及模型应用的质控管理。

T3层次的不确定性主要来源于统计外推过程。在建立JPC时，暴露浓度分布中尾部极端值的估计可能存在较大不确定性，而构建物种敏感度分布(SSD)时有限的毒理数据及外推模型的选择会影响拟合效果，进而造成ORP值的偏差。利用多模型平均算法进行SSD和JPC的构建是减少模型外推过程不确定性的有效方法[10]。

T4层次的不确定性来源于：(1)生态调查/生物测试：所选生态指标能否全面、敏感地反映当地受体的真实生态效应存在疑问；野外调查中环境因子(如温度、湿度)的时空变异会干扰“污染-效应”信号的识别；可能存在未知或未测量的混杂因素，导致对生态影响的估计产生偏差。(2)关联统计模型的选择：由于真实环境因子交互影响复杂，因果判定的模型拟合结果可能较低，而T4层次的结论是建立在统计显著性之上的关联性证据，其因果关系的确定性仍存在一定限度。因此，需要对生态调查或生物测试设计及模型选择的针对性和合理性进行综合分析，以提高风险验证过程的可信度。

贰

层次化生态风险评估法应用

于露天铁矿区评估

一

露天铁矿区及其周边概况

图2是露天铁矿区及其周边区域概况，该矿已开采20多年。该区域属中温带湿润气候区，周边以农田、森林、城市生态系统为主。主要植被类型包括人工栽植的落叶松林、次生灌丛以及农田种植的玉米、大豆等农作物。区域主要土壤类型为棕壤，呈微酸性，质地较为疏松。

二

露天铁矿区层次化生态风险评估

露天铁矿区风险关联识别

通过调研露天铁矿区及其周边区域的基础信息，发现露天铁矿区及其周边区域可能的土壤污染物包括镉(Cd)、铬(Cr)、铜(Cu)、镍(Ni)、铅(Pb)和锌(Zn)6种重金属，设评估区为矿区及其周边5km范围内[17]。污染物可能暴露途径为大气沉降和地表径流。评估区周边主要种植玉米、大豆等农作物，土壤中存在蚯蚓、跳虫等无脊椎动物和微生物等多种生态保护受体目标。因此，评估区可能存在生态风险关联性，评估进入T2层(风险筛查层)。

露天铁矿区风险筛查

(1) 土壤采样、检测及数据分析

以露天铁矿区及其周边0~5km区域作为土壤采样调查区域，考虑污染样点代表性、可达性及关键筛查区域，在露天铁矿区内各功能单元(如采矿区、选矿区、废石场、办公区)和矿区外围(上风向、下风向及侧向农田)依据HJ/T 166—2004《土壤环境监测技术规范》布设16个采样点(图2)，选择0~20cm表层土(大多数污染物主要累积在此层，且表层是土壤生态受体最集中、最活跃的栖息地与暴露界面，因此最能表征其对生态系统的潜在风险)进行采样，6种重金属按照GB 15618—2018《土壤环境质量农用地土壤污染风险管控标准(试行)》进行检测。

对检测结果进行露天铁矿区内外分组方差分析检验(ANOVA)。本案例采用聚类分析(CA)进行定性源解析。选择CA是因为该案例的样本量较少(n=16)，且源识别侧重于初步识别有限的6种重金属之间的共生组合关系，CA可直观地判断其可能共同的来源。采用内梅罗指数(PN)对调查区的生态风险进行评价[15]。

式(1)中，Pi ave和Pi max分别为某重金属单因子污染指数的平均值与最大值；Pi和PN分级标准：＜0.7为清洁，0.7~<1为警戒，1~<2为轻度生态风险，2~<3为中等生态风险，≥3为高生态风险[10]。

(2) 土壤污染特征与源解析

表 1为露天铁矿区及其周边不同点位分组的土壤重金属含量。

结果表明，除土壤Pb、Cd含量在矿区内外无显著差异，Cr、Cu、Ni和Zn 4种重金属在矿区内部的含量显著高于矿区外部，说明Cr、Cu、Ni和Zn是该露天铁矿的特征伴生金属；但所有污染物的变异系数均≤0.4，说明重金属受到人为活动影响较小。各点位与GB15618—2018风险筛选值相比只有矿区外1个农田点位的Cd含量超标，证明该露天铁矿区及其周边区土壤污染程度较轻。

重金属聚类源解析结果(图3)表明, 土壤Cd和Pb为同一来源，土壤Cr、Cu、Ni和Zn等重金属为同一来源。结合采样点的用地类型、污染特征和前期源解析结果[14]，该区域土壤Cd和Pb的累积主要来自农业生产，而Cr、Cu、Ni和Zn来自矿业活动与地质背景的累积。故初步判定Cr、Cu、Ni和Zn是该露天铁矿采选活动带来的优先管控污染物。

(3) 内梅罗指数

图3展示了内梅罗指数结果，参照相应的土壤生态风险筛选标准，露天铁矿区内外所有点位的单因子污染指数(Pi)和综合风险指数(PN)均处在预警线以下(＜1)，且矿区外的所有点位处于清洁线以下(PN＜0.7)。依据风险筛查层的风险判定标准，所有优先管控污染物(Cr、Cu、Ni和Zn)的生态风险指数均位于清洁或警戒水平以下，未指示存在风险，评估可结束。但后续仍需关注矿业持续活动带来的Cr、Ni、Cu等污染物的累积问题。此外，对应1.3节列出的不确定性来源分析，数据获取及风险结果的不确定性较低，风险结论较为可靠。

叁

层次化生态风险评估法应用

于铅锌矿区评估

一

铅锌矿区及其周边区域概况

图4是铅锌矿区及其周边区域概况，该矿已有30多年地下开采历史。该区地处阴山与河套平原交汇处，属于温带大陆性季风干旱气候区，生态系统脆弱。周边自然植被以典型的荒漠草原为主，优势植物种类包括戈壁针茅(Stipa tianschanica var. gobica)、柠条(Caragana spp.)等。周边农田主要种植向日葵和玉米等农作物。主要土壤类型为棕钙土与灰漠土，其特点是土层薄、有机质含量低、砂质性强、pH值偏高。

二

铅锌矿区层次化生态风险评估

铅锌矿区风险关联识别

通过分析铅锌矿区的环境影响评价报告及其他相关文献等资料，发现铅锌矿区周边存在较严重的土壤重金属污染，主要污染物包括As、Hg、Cd、Cr、Cu、Ni、Pb和Zn，设评估区为铅锌矿区及其周边10 km[19]范围。主要污染物暴露途径可能是矿石开采、研磨和运输过程中产生的含重金属的颗粒或粉尘经由大气干沉降所导致。评估区土壤中存在植物、无脊椎动物和微生物等多种生态受体。判定评估区内采矿活动带来的各种重金属污染物排放可能通过大气沉降积累在周围土壤，威胁当地土壤生态受体，评估工作可进入下一层次[20]。

铅锌矿区风险筛查

(1) 土壤采样、重金属检测及数据分析

依据上层(风险关联识别层)信息，以铅锌矿区场地为中心向外扩延10km作为评估区，在矿区不同功能单元和矿区距离梯度设置38个土壤表层点位(图4)。具体采样布点原则、重金属检测方法与2.2节相同。

利用克里金插值法刻画污染物的空间分布；采用PCA进行定性污染源解析。因样本量较多(n=38)，PCA不仅能识别污染物之间的关联性，还能通过因子载荷量化各污染源对总体数据方差的贡献率，并可通过得分图反映样本在空间上的分布模式，从而更有效地解析和量化多种来源的贡献。利用潜在生态风险指数(PERI)进行评估区生态风险评价，建立PERI与铅锌矿区距离之间的回归方程，确定生态风险范围。

式(2)中，Er为单个污染物的潜在生态风险指数；Ci和Cb分别为污染物i的环境浓度和土壤背景浓度，mg·kg-1；Tr为毒性响应系数，对应As、Cd、Cr、Cu、Hg、Ni、Pb和Zn的值分别为10、30、2、5、40、5、5和1。其中Er＜40表示低生态风险，40≤Er＜80表示中等生态风险，80≤Er＜160表示较高生态风险，160≤Er＜320表示高生态风险，Er≥320表示极高生态风险；PERI＜150为低风险，150 ≤PERI≤ 300为中等风险，PERI＞300为高风险[21]。

(2) 土壤污染特征与源解析

表 2列出了铅锌矿评估区不同分组的土壤重金属含量。土壤Pb、Cd、Cu、Zn和Hg含量在距离矿区1km内的变异系数均超过0.5，说明可能受到采矿活动影响。此外，随着采样点位与铅锌矿区之间距离的增加，土壤Pb、Cd、Cu和Zn含量显著下降，到2.5km之外各组之间没有显著差异。

利用克里金插值法对污染物进行空间分析(图 5)，结果表明土壤Pb、Cd、Cu和Zn含量与GB 15618—2018中农用地土壤污染风险筛选值[18]相比均有所超标，超标点集中在矿区周边1 km范围内，说明这4种元素的土壤污染较为严重。Pb、Cd、Cu和Zn的空间分布格局大致相同，含量衰减梯度与铅锌矿评估区主导风向存在空间关联性，提供了这些污染物暴露同源性以及随大气沉降迁移的直接证据。

PCA源解析结果(图 6)表明，As、Cd、Cr、Cu、Hg、Ni、Pb和Zn 8种重金属可提取2个特征值＞1的主成分，对第一主成分(PC1)载荷较高的重金属为Pb、Cd、Cu、Zn和Hg，这些元素的变异系数在矿区内较高(0.86~1.32，表 2)，且距离矿区<1 km的采样点明显集中于PC1的高得分区域。根据铅锌矿评估区污染特征和前期土壤源解析研究[14]，PC1主要与矿业活动密切相关，受采矿、选矿及运输等活动的直接影响较显著。对第二主成分(PC2)载荷较高的重金属为As、Cr和Ni，这些元素的变异系数在矿区内外变化不大(表 2)，主要与区域自然成土过程有关。在距离矿区>2.5 km的区域，采样点多沿PC2方向分布，说明随着距离增加，矿业活动干扰逐渐减弱，土壤重金属含量更多受自然背景因素控制。综上，污染物空间分析和源解析可以初步筛选Pb、Cd、Cu、Zn和Hg为矿区优先管控污染物。

(3) 潜在生态风险特征

利用PERI对污染物生态风险特征进行分析(图 7)，结果表明铅锌矿评估区土壤Pb、Cd、Cu、Zn和Hg存在中度至极高的潜在生态风险，而土壤Cr、Ni和As均显示为低生态风险，结果与污染特征和源解析结果相一致。低、中和高风险点分别占样本总数的44.7%、18.4%和36.9%。

利用PERI进行空间回归分析(图 8)，结果显示PERI与点位距矿区的距离显著相关(P<0.001)，潜在生态风险点主要集中在矿区周边2.2 km范围内(PERI＞150)，极高风险点位于矿区的主要生产区。通过污染特征分析、源解析以及PERI指数分析，筛查出Pb、Cd、Cu、Zn和Hg这5种污染物为优先管控污染物，主要随主导风大气沉降，对矿区周边2.2 km范围造成潜在风险，判定需进入下一层次定量其生态风险概率大小。

铅锌矿区风险概率定量

以不同PERI风险等级对样点进行分组，建立不同风险区的土壤Pb、Cd、Cu、Zn、Hg联合概率曲线(JPCs)，计算相应的总体风险概率值(ORP)(图 9)。在整个调查区域内，Zn对当地土壤生态系统构成高概率风险，Pb属于中概率风险，Cu和Cd属于低概率风险，Hg概率生态风险可忽略。在PERI中高风险区中，Zn和Pb的概率风险等级不变，而Cu、Cd和Hg均上升1个风险等级；在PERI低风险区中，除Zn属于低概率风险外，Pb、Cd、Cu和Hg 4种重金属的概率风险均可忽略。铅锌矿评估区潜在生态风险的污染物优先控制顺序是Zn>Pb>Cu>Cd，这4种污染物存在中高概率生态风险，Hg风险因其ORP较低(< 2%)可进一步排除。值得注意的是，本层(风险概率定量)与风险筛查层获得的污染物排序(Cd>Pb>Hg>Cu>Zn)有所差别，主要是PERI风险指数和概率风险表征方法之间的区别：PERI指数高度依赖于污染物的背景浓度和毒性响应系数，且该层概率风险评估获得的ORP进一步融合了铅锌矿评估区内各污染物的实际暴露浓度分布与物种敏感度分布，更能反映其对当地生态系统的综合实际风险。

铅锌矿区风险关联验证

(1) 土壤理化性质测定、生态调查及多元统计分析

风险关联验证层实地检测的土壤理化指标包括土壤总碳(TC)和有机碳(TOC)含量、土壤总氮(TN)含量、土壤pH值。TC、TN和TOC通过C-N-S元素分析仪进行定量分析，TOC通过浓度为1 mol·L-1的HCl加热酸洗，去除无机碳之后再上机检测[21]。土壤pH值通过电位法测定。

土壤微生物是污染暴露最直接、响应最快的生态受体，利用土壤磷脂脂肪酸(PLFA)谱图分析能高效、低成本地表征土壤微生物总生物量和群落结构，是国际公认的评估土壤污染生态效应的敏感生态指标[22]。因此，本案例生态调查选择土壤PLFA作为调查对象。按照国际标准化组织(ISO)推荐的土壤PLFA含量测定方法[23]，将不同PLFA表征的微生物分为革兰氏阳性菌(GP)、革兰氏阴性菌(GN)、放线菌(A)以及真菌(F)4类。利用代表相同类型微生物的PLFA含量总和表示对应微生物的丰度，利用不同类型微生物含量的比值表示PLFA的结构，包括真菌/细菌(F/B)、革兰氏阴性菌/阳性菌(GN/GP)[22]。

采用ANOVA比较不同PERI风险水平的土壤性质与PLFA丰度和结构的差异；采用Spearman、Mantel检验探讨不同环境变量与PLFA效应之间的相关性；利用结构方程模型(SEM)确定重金属生态风险对土壤PLFA丰度和结构的直接和间接影响，相关统计分析通过R软件(http://www.Rproject.org)实现。

(2) 土壤理化性质变化

不同PERI组土壤pH值及TOC、TC、TN含量(表 3)结果表明，土壤pH值和TC含量受到重金属污染的显著影响。PERI中高风险组pH平均值较低风险组降低了0.39，土壤TC平均含量也显著降低近30%，而TOC与TN含量无显著变化。这主要是因为矿区位于典型碱性土壤环境区，且土壤碳酸盐含量较高[24]，矿区排放的重金属以及伴生硫化物进入土壤后会发生水解产生氢离子，进而导致土壤酸化，溶解碳酸盐，降低土壤pH值和TC含量，类似情况在我国西藏拉屋矿区也有报告[25]。

(3) 土壤PLFA丰度和结构变化

不同PERI组的PLFA丰度和结构变化(图 10)表明，只有低风险组的真菌PLFA丰度明显高于中高风险组，而其他微生物组的PLFA丰度没有明显差异。在PLFA结构方面，低风险组GN/GP和F/B显著高于中高风险组，表明土壤重金属污染显著降低了土壤真菌丰度，改变了微生物群落组成。就PLFA丰度而言，一般金属污染会导致细菌、真菌和放线菌PLFA的丰度显著下降[22]，本研究表明只有真菌PLFA有所差异，其他门类差异不显著，这可能是由于特定地点的土壤条件和微生物适应机制不同所致。铅锌矿评估区土壤pH值高(7.5~9.2)、湿度低，可降低土壤重金属生物有效性，从而减轻对细菌和放线菌的毒性作用[26]。此外，此铅锌矿评估区开采历史悠久，土壤长期暴露在高含量的重金属环境下可能会导致部分微生物类群产生金属抗逆性，从而提高一些细菌和放线菌群在重金属压力下的生态稳定性[27]。在PLFA结构方面，PERI风险中高点位的F/B和GN/GP值较低风险点位显著下降，印证了土壤中真菌比细菌对重金属污染更为敏感。

(4) 污染风险关联验证

将土壤PLFA与土壤理化性质、重金属等环境因子进行相关性分析(图 11)，结果显示土壤PLFA丰度与土壤TOC、TC和TN含量呈显著正相关，与重金属含量相关性不显著。PLFA丰度与结构则与Pb、Zn、Cd、Hg、Cu含量和PERI指数呈显著负相关，与土壤pH值、TC含量以及距矿区距离呈显著正相关。因此，重金属含量对土壤中各类PLFA丰度没有显著影响，但可以改变PLFA结构，而土壤TOC和TN作为微生物生长的直接营养来源对PLFA丰度起关键作用。

结构方程模型(SEM)探索关键环境变量与土壤PLFA丰度以及结构之间的因果联系(图 12)表明，构建的2个SEMs均有较好模型拟合度(P>0.05)。

对PLFA丰度的SEM结果表明，4种主要重金属(Zn、Pb、Cu、Cd)污染对PLFA丰度的影响主要通过改变土壤pH值，进而影响TC和TOC含量，这是此SEM的显著路径。重金属污染对PLFA丰度的综合效益值为-0.26，说明重金属污染还通过改变土壤理化性质间接降低了PLFA的丰度。对PLFA结构的SEM结果也表明PLFA结构的改变是由于重金属污染降低土壤pH值，而pH值直接影响了GN/GP和F/B。因此，本层(污染风险关联验证)最终结论证实了前期筛查出的优先管控的重金属会通过改变土壤理化性质而间接影响土壤微生物丰度和结构。对评估过程中各层次的不确定性来源进行分析，表明数据获取、模型选择、生态调查等评价过程的不确定性较低，风险结论较为可靠。

肆

展望与结论

该研究针对场地及周边区域土壤的生态污染问题建立了一种层次化生态风险评估方法，并在2个典型矿区进行了案例验证。露天铁矿区评估结果在风险筛查层次就排除了所有污染物的生态风险。铅锌矿区评估结果表明, 土壤Pb、Cd、Cu、Zn和Hg是铅锌矿评估区内的优先管控污染物，主要通过主导风的大气沉降对矿区周边2.2 km范围造成潜在生态风险，在此风险区内存在中高概率风险的污染物优先管控顺序是Zn(80.18%)> Pb(23.20%)> Cu(20.65%)> Cd(13.08%)。土壤PLFA生态调查和风险关联分析表明，这些污染物可改变风险区内的土壤理化性质，进而对土壤PLFA丰度和结构产生影响，证实了矿业活动带来的重金属污染对当地土壤微生物群落的危害效应。2个案例研究证明了笔者提出的层次化生态风险评估方法的有效性与科学性，该方法通过将单一指数法、概率评估法及实地生态调查等传统的生态风险评估方法系统纳入层次化框架中，既避免了单一指数法的片面性，又避免了直接实地生态调研的高成本，并通过本土化设计增强了适用性，有效实现了评估成本、效率和结果现实性之间的平衡。

未来，层次化生态风险评估框架可应用于更多污染场地，验证其在不同污染场地类型中的实践指导作用。对于一些土壤污染程度较轻的行业场地可仅开展低层次(风险关联识别-风险筛查)评估，避免不必要的资源投入。而对于高风险的复杂污染场地，可在风险筛查层次的基础上进一步量化关键污染物的风险特征，并开展本土生态效应关联验证，提高评估结果的生态现实性。

参考文献