林业科学  2008, Vol. 44 Issue (5): 6-10   PDF    
0

文章信息

陈文德, 李贤伟, 彭培好.
Chen Wende, Li Xianwei, Peng Peihao.
马尾松林对土壤重金属的修复进程
Phytoremediation Process of Pinus massoniana to the Soil Contaminated with Heavy Metals
林业科学, 2008, 44(5): 6-10.
Scientia Silvae Sinicae, 2008, 44(5): 6-10.

文章历史

收稿日期:2007-03-09

作者相关文章

陈文德
李贤伟
彭培好

马尾松林对土壤重金属的修复进程
陈文德1,2, 李贤伟1, 彭培好2,3     
1. 四川农业大学生态林业工程省级重点实验室 雅安 625014;
2. 成都理工大学地球科学学院 成都 610059;
3. 重庆大学资源环境学院 重庆 400716
摘要: 依据生物地球化学循环理论构建植物对土壤重金属修复的时间效应数学模型,对成都马尾松林地土壤母岩、土壤、活植物体和枯落物的5种土壤重金属污染元素(As、Hg、Pb、Al与Cd)含量进行分析,并对马尾松林土壤修复进程模拟预测。结果表明:马尾松林吸收土壤5种污染元素的能力较强,尤其是对Pb、Al的吸附,在一定时间内,可使受污土壤达到完全净化态势。
关键词:马尾松    土壤    重金属    生物修复    预警模型    
Phytoremediation Process of Pinus massoniana to the Soil Contaminated with Heavy Metals
Chen Wende1,2, Li Xianwei1, Peng Peihao2,3     
1. Provincial Key Laboratory of Ecological Forestry Engineering, Sichuan Agriculture University Ya'an 625014;
2. College of Earth Science, Chengdu University of Technology Chengdu 610059;
3. College of Resource and Environment, Chongqing University Chongqing 400716
Abstract: Based on biogeochemistry cycle theory, the paper constructed a bioremediation time effect model of heavy metals in the soil by plant, and we used Pinus massoniana plantation as an example which was successfully used in Chengdu Plain, five geochemical pollution elements (As, Hg, Pb, Al and Cd) in the soil material, soil, plants and litters were investigated. Accordingly, a warning model of the forest eco-geochemical was developed. The simulation results showed that the phytoremediation capabilities of P. massoniana forest for soil pollution elements of As、Hg、Pb、Al、Cd were great, especially for Pb and Al, The contaminated soil with the heavy metals would be completely purified by the plantation in a period of time.
Key words: Pinus massoniana    soil    heavy metal    bioremediation    early warning model    

20世纪50—70年代,植物重金属机理研究已经成为关注热点。70年代末至90年代初,各国学者纷纷进行超积累植物研究,国内外陆续发现了不同的超积累植物,成效显著。自21世纪以来,研究热点转向了植物重金属毒性机理、修复机制和适应策略。但是植物净化修复和改良土壤时间进程方面的研究尚未见报道(丁佳红等,2004龙安华等,2005吴香尧,1993宋雪英等,2006姚斌等,2005Sastre et al., 2002;Biasioci, et al. 2007;Brennan,1999)。

植物修复(phytoremediation)是以植物具有忍耐和超量积累某种或某些化学元素能力的理论为基础,利用植物及其共存微生物体系,包括植物对污染物的吸收与富集,根系分泌物以及土壤微生物对污染物的降解等综合因素清除环境中的污染物的一种治理技术(龙安华等,2005)。植物对重金属污染位点的修复有3种方式:植物固定(phytostabilization)、植物挥发(phytovolatilization)和植物吸收(phytoextraction)。植物修复动态监测就是通过查明岩石库、土壤库与生物库之间的元素流动通量,明确物质附存的阶段性和时效性,即计算单位时间内单位面积的林地土壤库中重金属元素的净变化量,预测不同作用时段后土壤中重金属元素的含量,或预测某森林生态系统类型在不同的发育阶段对土壤累积净化的能力。本研究以四川盆周山地主要林分马尾松(Pinus massoniana)林为例,以林木吸收为切入点,对土壤重金属元素含量动态变化进行剖析,查明马尾松对土壤重金属修复的时间进程,为森林动态管理和土壤治理提供参考依据,进而为该区重金属污染土壤的治理及生态屏障体系的建设提供科学决策。

1 试验区概况

试验区位于成都平原西缘山地邛崃境内(103°08′—103°46′ E,30°12′—30°33′ N),地质构造属于侏罗纪地层分布,成土母岩为砂岩、页岩,森林土壤可以分为3大类:冲积土、紫色土和山地黄壤。该区属亚热带湿润季风气候区,气候温和、冬无严寒、夏无酷热、四季分明。

试验区地形相对简单,多属川西低丘地貌,样地相似度高,分布于海拔765 m左右,直坡,坡度3°~18°,山地黄壤或黄壤,土壤母岩为砂岩。马尾松林龄25 a左右,郁闭度0.6,平均高11.6 m,平均胸径14.8 cm。灌木层主要包括柃木(Eurya japonica)、青冈(Quercus variabilis)、乌饭(Vaccinium bracteatum)、异叶榕(Ficus heteromorpha)、铁仔(Myrsine africana)和山腊梅(Chimonanthus nitens)等,覆盖度0.4,高度0.3~1.5 m;草本层主要包括铁芒箕(Dicranopteris dichotoma)、淡竹叶(Lophatherum gracile)、乌蕨(Stenoloma chusanum)和白茅(Imperata cylindrica)等,覆盖度0.6,高度0.15~0.50 m。

2 研究方法 2.1 野外采样

2003年10—11月,在试验区境内选择有代表性的马尾松(Pinus massoniana)样地(10 m×10 m)30个。对每个样地内的马尾松分别进行胸径测定,并计算平均胸径,寻找出与平均胸径大小相近的平均木,将平均木作为调查样地内的样株(健康、无病虫害),然后采集植物样品,其树干用生长锥法收获,单样质量50~100 g,分装于布袋作为分析测定的初始样品。并在每个土壤剖面的底层采集一套岩石样品。

在布设的每个典型样地(10 m×10 m)内各挖取1个土壤剖面,按照0~20、20~60 cm及60 cm以下分层采集土壤,采样深度根据马尾松生物学特性确定,试验区马尾松林地土壤采集深度大多达100 cm以上,每个样地分层采集的土壤样品按质量等分混合,单样质量1~1.5 kg,用聚乙烯塑料袋盛装,系紧口袋,以防止外源污染。

2.2 测试分析

土壤及植物样品中As采用原子荧光法测定,检出限0.50;Cd采用无焰原子吸收法测定,检出限0.003;Hg采用原子荧光法测定,检出限0.003;Pb采用发射光谱法测定,检出限2.00;Al采用X荧光法测定,检出限0.05。测试在四川省地质矿产局成都综合岩矿测试中心进行,测试时间为2004年3—5月。待分析测试结束后,将样地野外调查以及室内测试分析的资料回笼、分类、整理,并录入计算机,建立翔实的基础数据库。

2.3 模型构建方法

林木对土壤重金属净化进程模型构建的基本理论为生物地球化学循环原理(吴香尧,1993Butcher et al., 1992)和“源-动-汇”模型理论(陈利顶等,2003),即在马尾松林生态系统内部,母岩(岩石库)通过风化,将土壤矿质元素释放到土壤中,而土壤中的元素则通过植物的吸收富集在植物体内,然后通过枯枝落叶将部分元素归还给土壤,从而形成岩石-土壤-植物大系统(the rock-soil-plant system,简称RSPS)。

根据上述理论,假定该马尾松林生态系统的重金属元素输入与输出保持平衡状态,其模型构建包括4个步骤:一是构建岩石库元素输入量模型,二是构建植物库元素累积量模型,三是构建枯枝落叶库元素归还量模型,四是调查年份(基准年)土壤库元素储量模型,最后将前述各库元素模型整合,构建林木修复进程预警模型,并依据实测资料对各森林生态系统类型进行预警模拟和评价。

2.3.1 岩石库元素输入量模型

岩石库是土壤元素来源的基础,土壤的形成主要通过岩石的物理、化学或生物风化等作用进行的,形成的土壤特性很大程度上受到岩石性质的影响,其输入量公式为

(1)

式中:Wr为岩石库地化元素的输入量(g·hm-2);Cr为岩石中某种元素含量(μg·g-1);ρ为岩石密度(4.586 g·cm-3);10 000为面积换算系数;H为岩石年风化厚度(cm),紫色泥岩风化厚度公式(郭永明,1990)为

(2)

式中:t为岩石自然风化的年数(a)。

2.3.2 枯枝落叶库元素归还量模型

在生物地球化学循环中,枯枝落叶是元素回归土壤圈的重要形式,假定枯落物完全分解,其归还量公式为

(3)

式中:Wl为枯枝落叶某元素归还量(g·hm-2),Cl为枯枝落叶中某种元素含量(μg·g-1),Wbl为每年枯枝落叶的生物量(g·hm-2)。

2.3.3 植物库元素累积量模型

植物生长依靠从土壤中获取大量元素和微量元素,可吸收改善土壤条件,尤其是受重金属污染的土壤,植物库元素累积量公式为

(4)

式中:Wp为植物体元素累积量(g·hm-2),Cp为植物中某种元素的含量(μg·g-1),WPB为林木生物量(g·hm-2)。马尾松种群单株生物量W随时间变化的回归模型为(吕勇等,1996)

(5)

按照平均密度2 500株·hm-2计算,则每公顷马尾松林的林木生物量为

(6)

式中:t为修复时间(a),2 500为面积换算系数。

2.3.4 土壤库基准年元素储量

土壤库基准年元素储量是指调查年份的土壤库元素储量(Ws),公式为

(7)

式中:Ws为土壤元素储量(g·hm-2),Cs为土壤元素含量(μg·g-1),Vs为土壤体积(1 m2,80 cm深),Ds为土壤密度(g·cm-3),本试验土壤密度为1.480 g·cm-3

2.3.5 马尾松林土壤修复效应模型

根据岩石-土壤-植物系统中的物流关系,在假定各元素含量不变的前提下,构建马尾松林对林地土壤修复效应预警模型为

(8)

式中:ΔW为某年份林地土壤地球化学元素累积量(g·hm-2)。经计算枯枝落叶中各元素的归还量占土壤库储量的比例均小于2.51×10-9,故计算过程中Wl可忽略不计,则:

(9)

将公式(1)、(4)与(7)代入公式(9),则:

(10)

在上述生态模型中,除(2)、(5)为引用公式外,其余生态模型均为本研究依据生物地球化学理论构建,模型(10)为本研究对马尾松林对土壤生态修复效应综合模型。

3 马尾松林分重金属修复效应 3.1 马尾松林修复趋势分析

将马尾松林林地各参数的实测值(表 1)代入公式(10),模拟结果(图 1)可以看出:马尾松林地中As、Hg、Pb、Al、Cd累积变化量分别在21、22、15、15、24 a达到稳定态势,表明该时段马尾松吸附和林地地质岩石风化输入出现相对平衡状态。从马尾松林地土壤库元素变化趋势图和生物吸附梯度年龄变化表可知道:马尾松在0~10 a间对Al、Pb有较强的吸附,而在10~20 a间对As、Hg、Al、Cd有较强的吸附;同时,马尾松对改善和调控林地Al、Pb的能力强,分别在15 a左右就可以完全净化由岩石外源供给的这两种元素,因此,该林地分别出现负累积趋势。

表 1 模型中各参数的测定值 Tab.1 Parameter values in the models
图 1 马尾松林土壤修复进程趋势 Figure 1 Process of Pinus massoniana forest to heavy metals in soil
3.2 马尾松林对土壤污染元素的修复进程

由马尾松对林地土壤重金属元素的生物修复进程模拟结果(表 2)可以看出,马尾松通过吸附和累积作用修复土壤污染元素的进程,当使土壤元素累积量的20%、40%、60%、80%和100%被植物净化时,马尾松林龄的变化因元素的不同而异。As元素需要9、13、16、19和21年,Hg元素需要10、14、17、20和22年,Cd元素需要10、15、18、21和24年,大约用15年时间就能够完全净化土壤中增加的Pb元素和Al元素。

表 2 修复土壤污染元素所需时间 Tab.2 Time of pollution element phytoremediation

图 1表 2也可以看出,除去Pb元素和Al元素,马尾松林对土壤污染元素修复最多的是15~20 a龄段的中龄林,其次是1~15年这一龄段,20~30年这一龄段为缓慢修复期,这与马尾松生物量的积累特性基本上具有同步性。在15龄以后,马尾松林林地土壤的Pb和Al元素表现出负累积趋势,表明对土壤Pb元素和Al元素的修复能力比对其他4种元素更强。

4 结论与讨论

马尾松对重金属修复进程预警模型的模拟结果表明:马尾松林对土壤污染元素As、Hg、Pb、Al、Cd的修复能力均较强,尤其是对Pb元素和Al元素的修复,仅需15 a左右的时间就可使受污土壤保持平衡态势,这也表明所建预警模型是科学合理的,可以应用于植物修复土壤的时间动态预警评价。

论文构建的植物修复时间进程通用数学预警模型为植物修复的动态预报和抗污染成熟龄级的界定提供了参考和依据。但是,应该注意的是本研究所选择的研究区位于成都平原西缘山地邛崃,人为和大气污染源很少,在构建预警模型时尚未考虑大气沉降污染、降水化学污染和矿山污染等诸多因素(Lee et al., 2007),在实际应用中会不同程度地受到上述各类因子的作用,因此若将该模型应用到其他地区时,应充分考虑上述因素的影响,以进一步提高模型预测结果的准确性、真实性和可靠性。

参考文献(References)
陈利顶, 傅伯杰, 徐建英, 等. 2003. 基于"源-汇"生态过程的景观格局识别方法—景观空间负荷对比指数. 生态学报, 23(11): 2406-2413. DOI:10.3321/j.issn:1000-0933.2003.11.025
丁佳红, 刘登义, 储玲, 等. 2004. 重金属污染植物修复的研究进展和应用前景. 生物学杂志, 21(4): 6-9. DOI:10.3969/j.issn.2095-1736.2004.04.002
龙安华, 倪才英, 宋玉斌. 2005. 土壤重金属污染的植物修复评价及展望. 江苏环境科技, 18(3): 43-45. DOI:10.3969/j.issn.1674-4829.2005.03.017
郭永明. 1990. 四川盆地紫色泥页岩风化速度及其在农业上的意义. 土壤农化通报, 5(1): 6-11.
吕勇, 曾思齐, 邓湘文, 等. 1996. 马尾松林分生物量的研究. 中南林学院学报, 16(4): 28-32.
吴香尧. 1993. 生物地球化学概论. 成都: 成都科技大学出版社.
宋雪英, 宋玉芳, 孙铁珩, 等. 2006. 石油污染土壤植物修复后对陆生高等植物的生态毒性. 环境科学, 27(9): 1866-1871. DOI:10.3321/j.issn:0250-3301.2006.09.031
姚斌, 尚鹤, 韩景军, 等. 2005. 重金属及有机污染土壤转基因植物修复研究进展. 林业科学, 41(4): 162-167. DOI:10.3321/j.issn:1001-7488.2005.04.028
Biasioli M, Grcman H, Kralj T, et al. 2007. Potentially toxic elements contamination in urban soils: a comparison of three European cities. Journal of Environmental Quality, 36: 70-79. DOI:10.2134/jeq2006.0254
Brennan M A, Shelley M L. 1999. A model of the uptake, translocation, and accumulation of lead (Pb) by maize for the purpose of phytoextraction. Ecological Engineering, 12(3-4): 271-297. DOI:10.1016/S0925-8574(98)00073-1
Butcher S S, Charlson R J, Orians G H, et al. 1992. Global biogeochemical cycles. London: Academic Press.
Lee C S, Moon J S, Cho Y C. 2007. Effects of soil amelioration and tree planting on restoration of and air-pollution damaged forest in South Korea. Water, Air, & Soil Pollution, 179: 239-254.
Sastre J, Sahuquillo A, Vidal M, et al. 2002. Determination of Cd, Cu, Pb and Zn in environmental samples: microwave-assisted total digestion versus aqua regia and nitric acid extraction. Analytica Chimica Acta, 462: 59-72. DOI:10.1016/S0003-2670(02)00307-0