环境科学学报  2017, Vol. 37 Issue (4): 1502-1507
湖南攸县稻米镉(Cd)富集特征及原因解析    [PDF全文]
杨阳1,2, 李艳玲1, 王美娥1, 陈卫平1 , 彭驰1    
1. 中国科学院生态环境研究中心, 城市与区域生态国家重点实验室, 北京 100085;
2. 中国科学院大学, 北京 100049
摘要: 攸县大米富镉(Cd)问题受到社会的广泛关注.通过实地调查和采样分析,应用路径分析模型(PA),多元回归分析和K-means聚类方法分析Cd在土壤-稻米系统中的富集特征,潜在风险和主要影响因子.结果显示攸县稻米Cd平均含量为0.47 mg·kg-1,约为国家粮食安全质量标准的2.5倍.稻米Cd富集因子(PUF)服从自然对数分布,变化范围较大.回归分析和PA分析显示土壤pH、土壤Mn和土壤Zn含量为影响PUF变化的主要环境因子,其中土壤Mn对PUF的影响主要体现在对稻米Cd的直接作用,土壤pH和土壤Zn对PUF的影响主要是通过影响土壤Cd含量而间接影响稻米Cd含量.K-means聚类分析显示土壤pH=5.6和土壤Mn含量=333 mg·kg-1可作为研究区对生产严重超标Cd米的土壤进行治理的初步调控阈值.
关键词: 路径分析模型     稻米Cd富集因子     土壤环境因子     K-means聚类     Gaussian分布方程    
Enrichment characteristics of cadmium in rice and its influence factor in the Youxian prefecture, Hunan Province
YANG Yang1,2, LI Yanling1, WANG Mei'e1, CHEN Weiping1 , PENG Chi1    
1. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085;
2. University of Chinese Academy of Sciences, Beijing 100049
Received 13 June 2016; received in revised from 21 July 2016; accepted 21 July 2016
Supported by the National Natural Science Foundation of China (No. 41173123) and the Special Foundation of State Key Lab of Urban and Regional Ecology (No. SKLURE2013-1-04)
Biography: YANG Yang (1990-), male, ,E-mail:yangyang_st@rcees.ac.cn
*Corresponding author: CHEN Weiping. E-mail:wpchen@rcees.ac.cn
Abstract: The high level Cd concentration in rice in the Youxian Prefecture has been recognized as a health hazard. Based on the path analysis (PA) model, multi-statistical method and K-means cluster method, this study investigated the enrichment characteristics of Cd in the soil-rice system, potential ecological risk and major influence factor. Results showed that significant enrichment of Cd in soil-rice system was found throughout the Youxian prefecture. The concentration of Cd in rice was 0.47 mg·kg-1, 2.5 fold higher than the national limits. The plant uptake factor (PUF) followed well with the natural lognormal distribution. The regression and PA analysis showed that soil pH, soil Mn and soil Zn were three main factors contributing to the variability of PUF. Soil Mn was the major factor influencing rice Cd uptake. The good correlation between PUF and soil pH and soil Zn are connected to the influences of these two variables on soil Cd concentration. K-means cluster analysis showed that soil pH=5.6 and soil Mn=333 mg·kg-1 could be taken as the initial regulation standard for Cd pollution control in the study area.
Key words: path analysis model     PUF     soil factors     K-means cluster analysis     Gaussian distribution function    
1 引言 (Introduction)

水稻 (Oryza sativa. L) 是全球也是我国最重要的粮食作物 (Liu et al., 2010; Ye et al., 2012).近20年来稻米镉 (Cd) 污染事件在我国、日本、欧洲、北美和非洲等地均有报道,对人类健康造成了严重威胁 (Brus et al., 2009; Meharg et al., 2013; Sebastian and Prasad, 2014).如何控制和降低稻米Cd的累积是当前国内外关注的主要环境问题之一 (陈喆等, 2015; 王美娥等, 2015).目前学者们对于镉米问题的研究主要集中于水稻土Cd毒性阈值推导 (Zhang et al., 2011),水稻Cd代谢机理研究 (Ye et al., 2012; 史静等, 2013),不同水稻改良措施对稻米Cd累积影响 (陈喆等, 2015) 等多个方面.值得注意的是稻米Cd污染区域性特征明显,与当地土壤性质、灌溉条件、气候条件等环境因子均显著相关 (Liu et al., 2010; Sebastian and Prasad, 2014).因此,明晰不同地区稻米Cd富集特征,寻找主要影响因子,因地制宜的采取应对措施是控制稻米Cd污染的关键.

湖南攸县是我国重要的粮食和蔬菜基地之一,近年来的“镉米”事件对该地农业生产造成了巨大的经济损失,并给当地民众健康带来严重的威胁 (王美娥等, 2015).张敏等 (2015)对该地区Cd来源进行了分析,指出工业活动对土壤Cd污染贡献较大.Wang等 (2016)对当地富Cd大米的风险分析指出Cd超标大米对78%的人群带来了较高的健康风险.当地稻米Cd污染治理受到当地政府和民众的广泛关注.但是研究区稻米Cd累积特征及主要影响因子仍不明确.本研究通过两年全县尺度的大田跟踪调查分析Cd在土壤-水稻系统富集特征,应用路径分析模型 (PA)、转移方程和K-means聚类方法分析不同环境因子对稻米Cd积累的影响程度,以期为当地镉米防治和民众的健康防护提供科学参考.

2 材料与方法 (Materials and methods) 2.1 研究区概况

攸县位于湖南省东南部,为湖南省株洲市辖县,介于东经113°09′09″至113°51′30″,北纬26°46′34″至27°26′30″,总面积为2648 km2,总人口80.4万,为中亚热带季风湿润气候.根据攸县各乡镇稻米生产情况特征于2015年9—11月进行野外实地考察和采样,在全县共采集124组土壤-稻米样品 (图 1).

图 1 研究区概况及采样点分布 Fig. 1 Research area and distribution of sampling stations
2.2 采样与分析

每个样点随机布设2~3个2 m×2 m的样方,采集5~10穴完整水稻,密封保存于样品袋中.在每个水稻采样点采集土壤样品1份 (5点混合采样法,采样深度0~10 cm).所有样品密封后带回实验室于阴凉处室温风干.土壤样品经研磨后过100目尼龙筛,密封保存用于测定土壤pH,有机质含量 (SOM),粒度等土壤基本性质,分析方法参见文献 (鲍士旦, 2000).应用四酸法 (HCl-HNO3-HF-HClO4)(张敏等, 2015) 消解土壤样品.水稻样品经自来水冲洗后将稻穗剪下,再用去离子水清洗后于105 ℃下杀青30 min,60 ℃烘至恒重,经脱壳后粉碎,应用HNO3-HClO4(Wang et al., 2016) 法消解稻米样品.

应用ICP-OES测定样品Mn、Al、Fe和Zn含量,应用ICP-MS测定样品Cd含量.测定过程中采用国家标准物质GSS-5和GSB-23对土壤和稻米进行质量控制,测得标准回收率在85.7%~108.2%之间.

2.3 数据处理

稻米Cd富集因子 (富集因子或富集系数) 常被用来分析Cd在土壤-水稻系统中的累积水平 (Ding et al., 2013),并可在一定程度上消除区域环境差异的影响 (Chaney, 2015).其计算公式为:

(1)

式中,PUF表示稻米Cd富集因子,RS分别表示稻米和土壤中Cd含量.

Gaussian分布方程 (Zhang et al., 2011) 可用来进一步分析稻米Cd富集因子 (PUF) 分布情况和变化特征,其拟合方程为:

(2)

式中,f表示PUF在x时的概率,a为常数,x0b表示PUF测定值的平均水平和标准差,PUF累计概率通过经验方程计算获得:

(3)

式中,F(x) 表示PUF≤x时的累积概率,erf为误差函数 (Zhang et al., 2011).

路径分析模型 (PA) 可同时研究Cd在土壤-水稻系统中的富集情况及其与各土壤因子的直接和间接效应关系 (Ding et al., 2013).该方法可以减少传统多元分析中的不确定性误差,避免指标信息量缺失 (Shipley, 2013).PA模型如图 2所示,包括2个主变量 (土壤Cd和稻米Cd含量),2个残差和多个自变量 (如土壤pH,土壤有机质、土壤Mn、土壤Zn等土壤理化性质因子).相关因子 (rij) 用双箭头表示,直接效应表示为Dij,用单箭头表示;间接效应表示为rij×Dijrij× Dij×DklDij×Dkl(Shipley, 2009),用双箭头表示.假定有土壤因子 (1) 和土壤因子 (2),则相关因子、直接效应和间接效应关系可表示为方程 (4)~(7):应用可决系数 (R2) 和均方根误差 (RMSE) 检验PA模型显著性,应用Bootstrap模拟检验直接效应和间接效应的显著性 (Cheung and Lau, 2008; Shipley, 2013).

图 2 土壤-水稻系统Cd含量与土壤因子相关关系路径分析模型 Fig. 2 Schematic depiction of the path model for the relationship between soil properties and the accumulation of Cd in soil-rice system
(4)
(5)
(6)
(7)
2.4 数据分析

数据统计、相关分析,多元逐步回归分析和Gaussian分布方程拟合应用Matlab 7.14,路径模型构建和Bootstrap模拟检验应用Amos 17.0.样品重金属含量测定结果经对数转换后进行正态分布检验 (Shapiro-Wilk检验,p < 0.05).

3 结果与讨论 (Results and discussion) 3.1 土壤-稻米系统Cd富集特征

研究区土壤pH主要集中在5.04到5.64(25%~75%分布),平均值为5.42(表 1),酸化程度较为严重.土壤Cd含量变化范围较大 (0.10~2.44 mg · kg-1),平均含量为0.33 mg · kg-1,略高于国家土壤环境质量标准 (0.30 mg · kg-1,GB 15618—1995,Grade I).应用地积累指数 (Muller, 1969)(Igeo) 对研究区土壤Cd进行潜在生态风险评价,结果显示研究区Igeo-Cd为1.1,隶属于轻度污染水平 (Muller, 1969).稻米Cd含量主要集中在0.18~0.73 mg · kg-1(25%与75%分布) 之间,平均含量为0.47 mg · kg-1(表 1),约为国家大米安全标准 (GB 2762-2005,0.2 mg · kg-1) 的2.3倍,整体超标率高达72.6%(90/124),健康风险较高.

表 1 攸县土壤-稻米系统Cd含量及主要土壤环境因子测定值 Table 1 Descriptive statistics of Cd concentration in soil-rice system as well as major soil environmental factors

应用稻米Cd富集因子 (PUF) 对Cd在土壤-稻米系统中的富集程度进行标准化 (Zhang et al., 2011; Chaney, 2015),结果显示研究区PUF变化幅度较大 (0.05~6.02),变异系数为80.4%,平均值为1.86.与文献报道相比 (Brus et al., 2009; Zhang et al., 2011; Meharg et al., 2013; Sebastian and Prasad, 2014),研究区PUF整体水平较高,可见研究区土壤-稻米系统Cd富集现象较为显著.对PUF进行对数转换后应用3参数Gaussian分布方程进行拟合,结果显示 (图 3)3参数Gaussian分布方程对PUF拟合结果显著 (p < 0.001),可决系数为0.97,说明研究区PUF服从自然对数正态分布 (Zhang et al., 2011).研究区PUF平均水平为1.20(对数均值),主要集中在0.54到2.86之间 (对25%和75%分布进行对数转换).Zhang等 (2011)应用3参数Gaussian分布方程对我国稻米Cd富集因子进行拟合,Brus等 (2009)应用logscale分布方程对浙江水稻Cd含量进行拟合.研究区PUF在数量特征和分布特征上与文献报道结果有一定的相似性 (图 3),可见研究区PUF在风险评价中具有一定代表作用,并可对其它地区稻米Cd累积研究提供参考.

图 3 攸县稻米Cd富集因子Gaussian分布曲线 Fig. 3 Gaussian distributions of plant uptake factor of Cd in rice
3.2 回归分析

相关分析显示土壤pH、土壤Mn、土壤Zn、土壤Fe和土壤Al (表 2) 均与PUF显著相关.应用逐步回归方法进一步分析PUF与各土壤因子相关关系,得到:

(8)
表 2 各土壤环境因子相关关系及其对Cd在土壤-稻米系统富集的直接和间接作用 Table 2 Relationship between environmental factors and the direct and indirect effects of each factors on the Cd accumulation in soil-rice system

回归方程可决系数 (R2) 为0.29,通过显著性检验 (p < 0.001,SE=0.40).相关报道指出土壤Cd重污染区的样品对于拟合结果影响较大 (McBride et al., 2014).去除3个来自重污染区的样点后 (土壤Cd > 1.50 mg · kg-1,5倍于土壤环境质量标准),拟合效果并未出现明显改变 (R2= 0.26).较其他变量而言,土壤pH和土壤Mn是影响PUF的两个主要土壤环境因子.应用土壤pH和土壤Mn对PUF进行单因子回归得到:

(9)
(10)

可见土壤pH和土壤Mn对PUF变化均有负向影响.与式 (9) 相比,土壤Mn (式 (10)) 对PUF解释程度优于土壤pH.土壤Mn对PUF解释程度占到式 (8) 的86.2%,可见在研究区土壤Mn是影响PUF变化的主要变量.调查发现攸县土壤Mn的平均含量为215.4 mg · kg-1,仅为湖南省土壤Mn背景值 (459.0 mg · kg-1) 的46.9%.而区域土壤酸化及水稻田的长期灌水,进一步加剧了稻田土壤Mn含量的流失 (覃都等, 2010),从而降低了Mn对Cd在土壤-稻米系统中转移的抑制作用.因此,明确土壤Mn和土壤pH对Cd在土壤-稻米系统中富集的影响机制是当地控制和预防稻米Cd污染的关键.

3.3 路径分析

相关分析显示土壤Mn与土壤有机质 (SOM) 显著相关 (r = 0.217* *表 2),相关报道指出SOM直接参与土壤重金属的络合和螯合作用,影响重金属在土壤-稻米系统中的迁移 (Sauve et al., 2000; Ye et al., 2012).因此将SOM及对PUF有显著影响的土壤pH、土壤Mn、土壤Zn、土壤Fe和土壤Al等6个土壤环境因子引入到PA模型中 (图 2) 中进一步分析各土壤环境因子与Cd在土壤-稻米系统中富集情况的效应关系.结果显示 (表 2) PA模型对土壤Cd和稻米Cd解释程度分别为0.48和0.28,各变量解释程度均较好,通过显著性检验 (p < 0.001).

表 2可知土壤pH (D=0.129,p < 0.001) 与土壤Zn (D=1.356, p < 0.001) 对土壤Cd变化有显著的直接作用 (D),但这两个变量对稻米Cd直接作用不显著,可见土壤pH和土壤Zn对PUF的影响主要是通过影响土壤Cd含量而间接影响稻米Cd含量.土壤Mn (D=1.356, p < 0.001) 对稻米Cd直接效应显著,对土壤Cd变化则影响较小,可见土壤Mn与PUF的显著关系主要是体现在其对稻米Cd富集的影响,相关研究指出土壤Mn能够抑制水稻抽穗期Cd从水稻根部转运到稻米中 (Liu et al., 2010),这可能为研究区稻米Cd含量较高及其与土壤Mn显著相关的原因之一.各土壤因子对土壤Cd和稻米Cd的间接效应均不显著,可见主效应主要体现在直接效应上,即土壤Mn对稻米Cd和土壤pH、土壤Zn对土壤Cd的影响这两方面.PA模型与传统多元分析方法的联用有助于深层次的了解各环境因子间复杂的相互效应关系

3.4 土壤pH和Mn含量阈值分析

Wang等 (2016)Chaney等 (2015)指出在土壤Zn和土壤Cd含量比值小于100的区域农作物富Cd现象较为普遍.而攸县土壤Zn与土壤Cd含量比值高达298,土壤Zn平均含量为98.3 mg · kg-1,略高于湖南土壤Zn背景值 (94.4 mg · kg-1).回归分析和路径模型分析显示土壤Zn与稻米Cd相关关系不显著,因此推断研究区土壤Zn对于Cd在稻米中富集的影响较弱.

根据主要驱动因子建立相应调控阈值可有效提升镉米防治效果 (Honma et al., 2016; Zhang et al., 2011).应用K-means方法 (Salo et al., 2016; 刘鹏飞等, 2012) 对稻米Cd含量与土壤pH和土壤Mn含量分别进行聚类.结果显示 (图 4a) 严重超标稻米主要分布在土壤pH=5.09和5.43(聚类中心) 两个类别 (Group Ⅰ和Group Ⅲ).在土壤pH=6.39 (Group Ⅱ) 的区域,稻米Cd平均含量只有0.26 mg · kg-1,略高于粮食安全标准 (0.2 mg · kg-1).在不同土壤Mn含量区 (图 4b),严重超标稻米主要分布在土壤Mn=150.9 mg · kg-1区 (Group Ⅰ),而在土壤Mn=331.4和517.7 mg · kg-1(Group Ⅱ和Group Ⅲ) 区域内,稻米Cd含量只有0.28和0.2 mg · kg-1.因此可以将土壤pH=5.6和土壤Mn=333 mg · kg-1(聚类重心,图 4) 作为Cd污染土壤的初步调控阈值.

图 4 土壤pH及土壤Mn含量与稻米Cd含量关系 Fig. 4 Relationship between soil pH, soil Mn and Cd concentration in rice

结合上述分析可知土壤Mn和土壤pH是影响Cd稻米中富集的两个主要驱动因子,改善土壤酸化程度,添加以Mn为主的微量元素肥料是研究区控制土壤-稻米系统Cd富集的关键.根据土壤-稻米系统Cd富集特征,因地制宜的采取区域稻米Cd防治措施有助于形成操作性强,可持续性好的技术模式,也可为其他地区镉米防治提供科学参考.

4 结论 (Conclusions)

1) 攸县土壤-稻米系统Cd污染严重,健康风险较高.稻米Cd富集因子 (PUF) 可为健康风险评价和其他地区稻米Cd污染防治提供参考.

2) 各环境因子与土壤-稻米系统Cd积累关系密切,土壤pH和土壤Mn含量为2个主要影响因子,前者体现在对土壤Cd的影响上,后者主要体现在对稻米Cd富集的影响上.

3) 路径分析模型 (PA)、转移方程及K-means聚类的综合应用有助于进一步的分析影响因子与稻米Cd累积关系.根据区域稻米Cd富集特征,针对性的设立土壤pH和土壤Mn调控标准有助于研究区对镉米问题的控制,对其它地区处理稻米Cd超标问题也有一定的借鉴.

参考文献
[${referVo.labelOrder}] Brus D J, Li Z B, Song J, et al. 2009. Predictions of spatially averaged cadmium contents in rice grains in the fuyang valley, PR China[J]. Journal of Environmental Quality, 38(3) : 1126–1136. DOI:10.2134/jeq2008.0228
[${referVo.labelOrder}] Chaney R L. 2015. How Does Contamination of rice soils with Cd and Zn cause high incidence of human Cd disease in subsistence rice farmers[J]. Current Pollution Reports, 1(1) : 13–22. DOI:10.1007/s40726-015-0002-4
[${referVo.labelOrder}] 陈喆, 张淼, 叶长城, 等. 2015. 富硅肥料和水分管理对稻米镉污染阻控效果研究[J]. 环境科学学报, 2015, 35(12) : 4003–4011.
[${referVo.labelOrder}] Cheung G W, Lau R S. 2008. Testing mediation and suppression effects of latent variables-Bootstrapping with structural equation models[J]. Organizational Research Methods, 11(2) : 296–325. DOI:10.1177/1094428107300343
[${referVo.labelOrder}] Ding C, Zhang T, Wang X, et al. 2013. Prediction model for cadmium transfer from soil to carrot (Daucus carota L.) and its application to derive soil thresholds for food safety[J]. Journal of Agricultural and Food Chemistry, 61 : 10273–10282. DOI:10.1021/jf4029859
[${referVo.labelOrder}] 国家环境保护局. 1995. 中国土壤环境标准 (GB15618-1995)[S]. 北京: 中国标准出版社
[${referVo.labelOrder}] 国家环境保护局. 1990. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社: 342–381.
[${referVo.labelOrder}] 国家卫生部, 国家标准化管理委员会. 2005. 食品中污染物限量 (GB2762-2005)[S]. 北京: 中国标准出版社
[${referVo.labelOrder}] Honma T, Ohba H, Kaneko Kadokura A, et al. 2016. Optimal soil eh, ph, and water management for simultaneously minimizing arsenic and cadmium concentrations in rice grains[J]. Environmental Science & Technology, 50(8) : 4178–4185.
[${referVo.labelOrder}] Liu J G, Cao C X, Wong M H, et al. 2010. Variations between rice cultivars in iron and manganese plaque on roots and the relation with plant cadmium uptake[J]. Journal of Environmental Sciences, 22(7) : 1067–1072. DOI:10.1016/S1001-0742(09)60218-7
[${referVo.labelOrder}] 刘鹏飞, 宋轩, 刘晓冰, 等. 2012. 基于K-均值算法模型的区域土壤数值化分类及预测制图[J]. 生态学报, 2012, 32(6) : 1846–1853.
[${referVo.labelOrder}] 鲍士旦. 2000. 土壤农业化学分析方法[M]. 北京: 中国农业出版社.
[${referVo.labelOrder}] McBride M B, Shayler H A, Spliethoff H M, et al. 2014. Concentrations of lead, cadmium and barium in urban garden-grown vegetables: the impact of soil variables[J]. Environmental Pollution, 194 : 254–261. DOI:10.1016/j.envpol.2014.07.036
[${referVo.labelOrder}] Meharg A A, Norton G, Deacon C, et al. 2013. Variation in rice cadmium related to human exposure[J]. Environmental Science & Technology, 47(11) : 5613–5618.
[${referVo.labelOrder}] Muller G. 1969. Index of geoaccumulation in sediments of the Rhine River[J]. Water Research, 2 : 109–118.
[${referVo.labelOrder}] 覃都, 陈铭学, 周蓉, 等. 2010. 锰-镉互作对水稻生长和植株镉、锰含量的影响[J]. 中国水稻科学, 2010, 24(2) : 189–195.
[${referVo.labelOrder}] Salo H, Berisha A K, Makinen J. 2016. Seasonal comparison of moss bag technique against vertical snow samples for monitoring atmospheric pollution[J]. Journal of Environmental Sciences, 41 : 128–137. DOI:10.1016/j.jes.2015.04.021
[${referVo.labelOrder}] Sauve S, Hendershot W, Allen H E. 2000. Solid-solution partitioning of metals in contaminated soils: dependence on pH, total metal burden, and organic matter[J]. Environmental Science & Technology, 34(7) : 1125–1131.
[${referVo.labelOrder}] Sebastian A, Prasad M N V. 2014. Cadmium minimization in rice[J]. A review [J]. Agronomy for Sustainable Development, 34(1) : 155–173. DOI:10.1007/s13593-013-0152-y
[${referVo.labelOrder}] 史静, 潘根兴, 张乃明. 2013. 镉胁迫对不同杂交水稻品种Cd、Zn吸收与积累的影响[J]. 环境科学学报, 2013, 33(10) : 2904–2910.
[${referVo.labelOrder}] Shipley B. 2009. Confirmatory path analysis in a generalized multilevel context[J]. Ecology, 90(2) : 363–368. DOI:10.1890/08-1034.1
[${referVo.labelOrder}] Shipley B. 2013. The AIC model selection method applied to path analytic models compared using a d-separation test[J]. Ecology, 94(3) : 560–564. DOI:10.1890/12-0976.1
[${referVo.labelOrder}] Wang M E, Chen W P, Peng C. 2016. Risk assessment of Cd polluted paddy soils in the industrial and township areas in Hunan, Southern China[J]. Chemosphere, 144 : 346–351. DOI:10.1016/j.chemosphere.2015.09.001
[${referVo.labelOrder}] 王美娥, 彭驰, 陈卫平. 2015. 水稻品种及典型土壤改良措施对稻米吸收镉的影响[J]. 环境科学, 2015, 36(11) : 4283–4290.
[${referVo.labelOrder}] Ye X X, Ma Y B, Sun B. 2012. Influence of soil type and genotype on Cd bioavailability and uptake by rice and implications for food safety[J]. Journal of Environmental Sciences, 24(9) : 1647–1654. DOI:10.1016/S1001-0742(11)60982-0
[${referVo.labelOrder}] Zhang H Z, Luo Y M, Song J, et al. 2011. Predicting as, cd and pb uptake by rice and vegetables using field data from china[J]. Journal of Environmental Sciences, 23(1) : 70–78. DOI:10.1016/S1001-0742(10)60375-0
[${referVo.labelOrder}] 张敏, 王美娥, 陈卫平, 等. 2015. 湖南攸县典型煤矿和工厂区水稻田土壤镉污染特征及污染途径分析[J]. 环境科学, 2015, 36(4) : 1425–1430.