重慶市長壽區典型重金屬污染健康風險評估與預測

周煉川，袁晶晶，余海，李雨桐，杜臻杰，王健，陳瑩

重慶市長壽區典型重金屬污染健康風險評估與預測

周煉川1，袁晶晶2,3，余海1，李雨桐1，杜臻杰4*，王健1，陳瑩5

（1.重慶市生態環境科學研究院，重慶 401147；2.河南計量科學測試研究院，鄭州 450000；3.鄭州大學，鄭州 450001；4.中國農業科學院 農田灌溉研究所，河南 新鄉 453002；5.重慶市生態環境監測中心，重慶 401147）

【目的】探究重金屬在地下水-土壤-水稻體系中的分布特征，為重慶市長壽區重金屬污染評價與健康風險評估提供科學依據?！痉椒ā窟\用地理統計學和Arc GIS技術揭示重金屬在地下水、土壤和水稻中的分布特征，基于目標危險系數模型（THQ）評估鉛（Pb）、砷（As）和鎘（Cd）的人群暴露風險。在此基礎上，預測了2036年研究區土壤重金屬的空間分布?！窘Y果】重慶市長壽區地下水-土壤-水稻中的Pb、As、Cd空間分布相互重合，重金屬量呈西南高于東北的趨勢。THQ模型結果表明，成人組中不存在消費稻米的重金屬暴露風險，而兒童組存在較低的Cd和Pb暴露風險。2036年，研究區土壤Pb、As、Cd污染在3種狀態（理想狀態、無人為干預狀態和劇烈污染狀態）下具有顯著差異，理想狀態下土壤重金屬量預計下降4%～8%，無人為干預狀態和劇烈污染狀態下的土壤重金屬量和受污染土壤面積將不斷增加，劇烈污染狀態下的土壤重金屬量將增加1.51～1.72倍?！窘Y論】研究區重金屬污染主要來源于西南地區工業企業。稻米消費下的重金屬兒童暴露風險需引起重視，未來需嚴格控制重金屬污染來源，進一步加強受污染土壤修復工作。

重金屬；地下水-農田-水稻體系；空間分布特征；Arc GIS；健康風險評估

0 引言

【研究意義】鉛（Pb）、砷（As）和鎘（Cd）作為我國重點監控的有毒有害重金屬[1]，會隨著食物鏈的逐級傳遞最終進入人體，威脅人體健康[2]。水稻作為我國主要的糧食作物之一，在南方膳食結構中占據重要地位。隨著經濟和工業化的發展，水稻重金屬污染現象愈加普遍[3]。因此，需要進行有效的重金屬污染源解析，為地下水-土壤-水稻重金屬污染防治工作提供技術支撐?！狙芯窟M展】目前，水稻中重金屬的人群暴露風險研究主要集中于單一體系暴露風險評估或僅圍繞農田土壤質量進行評估。此外，“3S”技術的發展和應用對農田土壤質量研究以及重金屬污染風險評估提供了重要技術支撐[4]。地理信息系統已被廣泛應用于重金屬污染評估領域[5]?！厩腥朦c】重慶市長壽區化工產業聚集特征明顯，擁有國家級化工園區，同時也是西南地區重要的水稻產地之一，該地區超過80%的農業用地被用于水稻種植。據調查，該地區水稻中富集的重金屬來源復雜，受污染土壤、灌溉水、農藥是主要的污染源[6]。長壽區部分農業用地距離化工園區較近，農田土壤及農業用水可能受到一定影響。因此，亟須對水稻中重金屬暴露風險進行評估?！緮M解決的關鍵問題】鑒于此，本研究聚焦于重慶市長壽區地下水-農田土壤-水稻體系中的Pb、As、Cd污染，采用GIS空間分析技術和目標危險系數法（THQ）研究不同鎮（街）地下水、農田土壤和稻米中重金屬污染水平與特征，對研究區稻米中重金屬暴露風險進行評估。同時，結合混合神經網絡（GANN）模型，預測了2036年該地區農田土壤中重金屬空間分布，研究結果對于區域土壤環境及農產品質量安全管控具有重要意義。

1 材料與方法

1.1 采樣區和樣品采集

采樣區域位于重慶市長壽區，屬于亞熱帶濕潤季風氣候區，年平均氣溫為17.8 ℃，年平均降水量為1 100 mm。該地區地下水資源豐富，呈條帶狀分布于背斜山區。區域種植的主要水稻品種為重慶市農委推薦種植的深兩優5814。2021年9月15—30日，選擇長壽區水稻種植面積較大的13個鎮（街），共采集水稻樣品312份，農田土壤樣品322份，地下水樣品168個，采樣點分布見圖1（水稻和土壤采樣點幾乎重合）。水稻和土壤樣品均采用梅花采樣法采集，所有樣品均勻混合。稻米進行風干和脫殼，并在60 ℃下烘干12 h，磨碎后過100目尼龍篩，保存在自封袋中備用；土壤樣品經自然風干后，磨碎后過200目尼龍篩；所有地下水取樣后經過0.45 μm的濾膜過濾，在PET塑料瓶中加入5%的硝酸進行冷藏保存，待上機測試。

注 石堰鎮（SY），龍河鎮（LH），雙龍鎮（SL），鄰封鎮（LF），但渡鎮（DD），鳳城街道（FC），江南街道（JN），晏家街道（YJ），八顆街道（BK），葛蘭鎮（GL），新市街道（XS），渡舟街道（DZ），菩提街道（PT）。

1.2 試劑和儀器

硝酸（HNO3）、鹽酸（HCl）、高氯酸（HClO4）和氫氟酸（HF）均購買于國藥集團（優級純，中國，上海），并經二次純化后使用。Pb、As和Cd的標液均為1 000 mg/L的5% HNO3，購買于自鋼研納克標物中心（中國，北京）。通過逐級稀釋分別得到0.1、1、10、100 μg/L的Pb、As和Cd混合標液，介質為5% HNO3。試驗用水均來自ELGA系統（CHORUS，UK）的超純水。使用電感耦合等離子體質譜（ICP-MS）對所有樣品進行定量分析。采用稻米國家標準物質GBW(E)100 361和GBW10 010a作為質控樣品，測試過程中Pb、As、Cd回收率在90%～110%之間，精度在5%以內。

1.3 樣品前處理

本研究中的水稻籽粒前處理方法在Cui等[7]的前處理方法基礎上進行了改進。取0.5 g水稻樣品于聚四氟乙烯消解罐中，加入1.5 mL HClO4和1 mL HNO3后于室溫下進行預消解；次日放入烘箱，在190℃條件下靜置48 h。取出放置105 ℃條件下進行趕酸處理，加入3 mL 30%的HNO3使殘渣復溶，將消解罐放入190 ℃的烘箱中靜置12 h，冷卻后用5%的HNO3定容至100 mL的PET塑料瓶中冷藏，待分析。土壤樣品分析和ICP-MS測試條件參照文獻[8]。

1.4 目標危險系數模型

使用United States Environmental Protection Agency（USEPA）提出的目標危險系數模型（Target hazard quotients，THQ）對人體通過食用稻米所造成的健康風險進行評估[9-10]。假設人體通過稻米攝入的重金屬（Pb、As、Cd）劑量等于人體吸收和轉運的重金屬劑量。通過理論模型計算人體的吸收劑量與標準參考劑量的比值作為評判標準。當＞1時，表明消費群體可能存在消費稻米造成Pb、As、Cd的暴露健康風險；當≤1時，表明消費稻米群體不存在Pb、As、Cd的暴露健康風險。越小，暴露風險越小。具體計算式為：

式中：為重金屬每日攝入量（mg/（kg×d））；為每日消費稻米量（成年人為0.425 kg/d，兒童為0.147 kg/d）；為稻米重金屬量（mg/kg）；為人體平均體重（成年人取60 kg，兒童取32.5 kg）；為消費群體的暴露頻率，為365 d/a；為消費人群的暴露時間，為70 a；為口服參考劑量（mg/（kg×d）），Pb、As、Cd劑量分別取值為4、0.3、1；為非致癌性暴露平均時間，為365 d。

1.5 預測模型

本研究使用混合神經網絡（GANN）模型預測2036年研究區的重金屬空間分布[11]。為了減少不相關因子的干擾，降低輸入模型的相關因子維數，以土壤重金屬累積速度（）[12]為GANN模型的輸入因子，實現對重金屬污染預測模型的優化。GANN土壤重金屬預測模型的方法流程如圖2所示。

圖2 GANN模型的預測流程

3種狀態下的污染預測方法如下：

理想狀態：

無人為干預狀態：

劇烈污染狀態：

式中：C為年后研究區重金屬的預測量（mg/kg）；0為研究區初始年份土壤重金屬實測量（mg/kg）；B為研究區土壤重金屬背景值（mg/kg）；為土壤重金屬累積速度；為重金屬的年殘留率；K為當年土壤重金屬的年殘留率。

1.6 數據統計

使用Origin 8.5和SPSS 15.0軟件對試驗數據進行分析和繪圖，通過ArcGIS 10.0軟件繪制采樣點分布圖。通過計算3種重金屬在不同方向的變異函數，依據每個方向變異函數的插值模型，使用克里金插值法對長壽區的重金屬量進行插值，結合Arc GIS進行重金屬量的空間分布圖繪制。

2 結果與分析

2.1 地下水-土壤-水稻體系中的Pb、As、Cd量

研究區地下水中重金屬空間分布如圖3所示。地下水中Pb、As、Cd量分別介于0.08～0.18、0.001～0.011、0.002～0.15 mg/L之間，平均值分別為0.121、0.005、0.092 mg/L。依據《農田灌溉水質標準》（GB5 084—2021），研究區地下水中Pb量和As量均低于標準限定值（Pb≤0.2 mg/L、As≤0.05 mg/L）。12個點位的Cd量高于國家限定值0.01 mg/L，超標點分別位于江南街道、晏家街道、鳳城街道、菩提街道和八顆街道。

圖3 研究區地下水重金屬空間分布

研究區土壤重金屬空間分布如圖4所示。農田土壤中Pb、As、Cd量分別介于10.2～88.7、8.14～22.6、0.11～0.53 mg/kg之間，平均值分別為27.4、10.7 mg/kg和0.184 mg/kg。根據我國農用地土壤污染風險管控標準（GB15 618—2018），研究區土壤中As量未超出限定值，但存在26個點位的Pb、Cd超標，超標點均位于研究區的西南部地區。

稻米中重金屬空間分布如圖5所示。水稻籽粒中Pb、As、Cd量分別介于0.04～0.21、0.02～0.14、0.03～0.28 mg/kg之間，平均值分別為0.09、0.06、0.08 mg/kg。根據我國食品安全標準（GBW2 762—2017）規定（Pb、As、Cd量不超過0.2 mg/kg），研究區所有水稻樣品中的As量均未超出限定值。但有6%的水稻籽粒存在Pb超標，12%的水稻籽粒存在Cd超標，超標點位主要位于晏家街道、鳳城街道、菩提街道和八顆街道。

圖4 研究區土壤中重金屬空間分布

圖5 研究區稻米重金屬空間分布

2.2 主成分分析

將312份水稻樣品中的重金屬量進行歸一化處理后進行主成分分析（PCA）[13]。F1、F2、F3的方差解釋率分別為42.414%、20.647%、18.414%，累計方差解釋率為81.5%（表1），說明F1、F2、F3能夠反映全部數據的大部分信息。進一步對水稻中Pb、As、Cd進行因子載荷矩陣分析（表2）。主成分F1主要含有Pb、As、Cd?？梢?，水稻中Pb、As、Cd來源于相同或相似的污染源。然而，F2和F3主要包含As，表明As可能還來自其他污染源。

表1 水稻的特征值和總變量占比

表2 因子載荷矩陣

2.3 稻米中Pb、As、Cd的暴露風險評估

基于THQ評價法[14]，通過測定長壽區稻米中的Pb、As、Cd量，計算消費人群（成年人組和兒童組）每日Pb、As、Cd的攝入量和。對研究區內13個鎮街的成年人組而言，Pb攝入量平均值在0.51～0.81mg/（kg×d）之間，Pb為0.12～0.20；As攝入量平均值為0.42～0.71mg/（kg×d），As為0.48～0.75；Cd攝入量平均值為0.57～0.86mg/（kg×d），Cd為0.57～0.86。成年人組中，Pb、As、Cd的均?1，因此成年人食用水稻不會造成Pb、As、Cd的暴露風險（圖6）。對13個鎮街的兒童組而言，Pb攝入量平均值為0.66～3.65mg/（kg×d），Pb為0.17～1.05；As攝入量平均值為0.51～0.72mg/（kg×d），As為0.59～0.78；Cd攝入量平均值為0.75～1.12mg/（kg×d），Cd為0.75～1.12。兒童組中Pb和Cd存在＞1的地區。其中，晏家街道的Pb為1.05，晏家街道和江南街道的Cd分別為1.12和1.05。因此，晏家街道和江南街道的兒童群體食用稻米時，存在一定的重金屬暴露風險（圖7）。

2.4 農田重金屬累積時間預測

將2021年作為截止年，假設30 a前研究區未發生重金屬污染。利用30 a土壤中重金屬的累積量計算累積速度，基于GANN模型，提出3個假設：理想狀態、無人為干預狀態和劇烈污染狀態，預測15 a后（2036年）長壽區土壤Pb、As、Cd量（表3—表5）。

圖6 長壽區不同地區稻米中重金屬THQ生態風險評估值的空間分布（成人組）

圖7 長壽區不同地區稻米中重金屬THQ生態風險評估值的空間分布（兒童組）

表3 理想狀態下2036年土壤中Pb、As、Cd量預測結果

表4 無人為干預狀態下2036年土壤Pb、As、Cd量預測結果

應用克里金插值分析探索3種狀態下的重金屬量預測值的空間分布（圖8—圖10）。理想狀態下，2036年土壤Pb、As、Cd量相比2021年下降了4%～8%。重金屬可檢出區域中部和東北區域范圍縮小，西南地區基本保持不變（圖8）。無人為干預狀態下，2036年長壽區Pb、As、Cd量表現出隨年限增長而增長的趨勢，但污染面積并沒有隨之擴大（圖9）。劇烈污染狀態下，2036年研究區Pb、As、Cd平均值分別為2021年的1.51、1.72、1.68倍，西南地區污染情況較為嚴重（圖10）。

表5 劇烈污染狀態下2036年土壤中Pb、As、Cd量預測結果

圖8 理想狀態下2036年土壤中重金屬空間分布預測

圖9 無人為干預狀態下2036年土壤重金屬空間分布預測

3 討論

長壽區作為重慶市最早的工業區之一，土壤重金屬污染主要由人類活動所導致[15]。本研究結果表明，研究區內地下水中As和Pb量未超出標準限定值，但部分地區存在Cd超標。農田土壤也存在Cd和Pb超標，超標點位占總采樣點的8%。其中，土壤Cd檢出區域比Pb檢出區域范圍更廣，主要是由于Cd的生物流動性高于Pb[16-17]。研究區兒童組食用稻米存在一定的Cd暴露風險（Cd max為1.12），雖然低于湖南稻米（Cd為1.75[10]），但與吉林稻米相比（Cd為0.85）暴露風險偏高。一方面是由于研究區土壤Cd的背景值較高，另一方面長壽區土壤屬于偏酸性土壤，對土壤中的Cd會起到活化作用，進一步促進了水稻對Cd的吸收和轉運[18]。因此，研究區除了源頭防控工業企業污染外，還需加入相關的農藝調控措施，如施用土壤鈍化劑或葉面阻控劑[19]，協同阻控水稻對Cd的吸收和轉運，降低稻米Cd的暴露風險。

GANN模型結果表明，2036年研究區在理想狀態下的重金屬量下降4%～8%。根據我國農用地土壤污染風險管控標準（GB 15 618—2018），研究區只需加強土壤環境質量監測和農產品協同監控。在無人為干預和劇烈污染狀態下，需要從土壤質量惡化的角度進行預警。當研究區內土壤重金屬濃度超過污染風險管控的最大值時，應采取嚴格的管控措施，禁止在該區域種植農作物，或采取退耕還草、還林措施。

4 結論

1）重慶市長壽區水稻主要受到Pb和Cd污染，主要污染來源于西南地區工業企業；研究區地下水、土壤和稻米中重金屬量呈西南地區高于東北地區的規律。

2）長壽區稻米不存在As暴露風險。成人組中Pb和Cd同樣不存在暴露風險，但兒童組存在較低的Pb和Cd暴露風險，需提高警惕。

3）2036年土壤中Pb、As、Cd量在理想狀態、無人為干預狀態和劇烈污染狀態下存在顯著差異。理想狀態下存在重金屬量下降的趨勢，但無人為干預狀態和劇烈污染狀態下重金屬污染程度將進一步加重。

（作者聲明本文無實際或潛在利益沖突）

[1] 滑小贊, 程濱, 趙瑞芬, 等. 太原市農田土壤重金屬污染評價與空間分布特征[J]. 灌溉排水學報, 2021, 40(3): 101-109.

HUA Xiaozan, CHENG Bin, ZHAO Ruifen, et al. Pollution assessment and spatial distribution of heavy metals in the farmland soils of Taiyuan city[J]. Journal of Irrigation and Drainage, 2021, 40(3): 101-109.

[2] YANG Ling, REN Qiang, ZHENG Kaixuan, et al. Migration of heavy metals in the soil-grape system and potential health risk assessment[J]. Science of the Total Environment, 2022, 806(P2): 150 646.

[3] PAN Shengang, WEN Xiangcheng, WANG Zaiman, et al. Benefits of mechanized deep placement of nitrogen fertilizer in direct-seeded rice in South China[J]. Field Crops Research, 2017, 203: 139-149.

[4] ABDELRAHMAN M A E, NATARAJAN A, HEGDE R. Assessment of land suitability and capability by integrating remote sensing and GIS for agriculture in Chamarajanagar district, Karnataka, India[J]. The Egyptian Journal of Remote Sensing and Space Science, 2016, 19(1): 125-141.

[5] JOSIMOVIC B, KRUNIC N, GAJIC A, et al. Multi-criteria evaluation in strategic environmental assessment in the creation of a sustainable agricultural waste management plan for wineries: Case study: Oplenac vineyard[J]. Journal of Agricultural and Environmental Ethics, 2021, 34(1): 4-7.

[6] 周振民. 污水灌溉重金屬在農田土壤中的運移分布規律研究[J]. 灌溉排水學報, 2010, 29(6): 76-78, 90.

ZHOU Zhenmin. Distribution of heavy metal pollution in farmland soil under wastewater irrigaiton[J]. Journal of Irrigation and Drainage, 2010, 29(6): 76-78, 90.

[7] CUI Hao, GUO Wei, JIN Lanlan, et al. Elemental screening of plant-based foods by slurry nebulization ICP-MS[J]. Journal of Analytical Atomic Spectrometry, 2020, 35(3): 592-599.

[8] 葛少林, 明佳佳, 李倩. 超聲輔助-逆王水提取法結合ICP-MS測定PM2.5中24種金屬元素[J]. 現代預防醫學, 2022, 49(3): 513-517.

GE Shaolin, MING Jiajia, LI Qian. Determination of 24 metallic elements in PM2.5by ultrasonic-assisted inverse aqua regia extraction combined with ICP-MS[J]. Modern Preventive Medicine, 2022, 49(3): 513-517.

[9] DENG Ziyi, YAO Liyun, FANG Min, et al. Health risk assessment using in vitro simulation in assessing bioavailability of cadmium in rice from main producing areas across China[J]. Journal of Food Science, 2022, 87(6): 2 766-2 774.

[10] WANG Lin, MA Li, YANG Zheng. Spatial variation and risk assessment of heavy metals in paddy rice from Hunan Province, Southern China[J]. International Journal of Environmental Science and Technology, 2018, 15(7): 1 561-1 572.

[11] YIN Guangcai, CHEN Xingling, ZHU Hanghai, et al. A novel interpolation method to predict soil heavy metals based on a genetic algorithm and neural network model[J]. Science of the Total Environment, 2022, 825:153 948.

[12] 牛一樂. 冶煉工業區重金屬動態分布特征與污染預警研究[D]. 長沙:湖南大學, 2006.

NIU Yile. Study on heavy metal dynamic distribution characteristic and its pollution warning[D]. Changsha: Hunan University, 2006.

[13] GONG Jiaqiong, OUYANG Wei, HE Mengchang, et al. Heavy metal deposition dynamics under improved vegetation in the middle reach of the Yangtze River[J]. Environment International, 2023, 171: 107 686.

[14] WEI Ruping, WANG Xin, TANG Wenli, et al Bioaccumulations and potential human health risks assessment of heavy metals in ppk-expressing transgenic rice[J]. Science of the Total Environment, 2020, 710: 136 496.

[15] 白薇揚, 全學軍, 譚懷琴, 等. 重慶長壽湖沉積物中重金屬污染及潛在生態風險評價[J]. 地球與環境, 2011, 39(3): 382-387.

BAI Weiyang, QUAN Xuejun, TAN Huaiqin, et al. Pollution of heavy metals in the sediments from Changshou Lake in Chongqing and its potential ecological risk assessment[J]. Earth and Environment, 2011, 39(3): 382-387.

[16] CASTALDI P, MELIS P, SILVETTI M, et al. Influence of pea and wheat growth on Pb, Cd, and Zn mobility and soil biological status in a polluted amended soil[J]. Geoderma, 2009, 151(3/4): 241-248.

[17] 劉意章, 肖唐付, 熊燕, 等. 西南高鎘地質背景區農田土壤與農作物的重金屬富集特征[J]. 環境科學, 2019, 40(6): 2 877-2 884.

LIU Yizhang, XIAO Tangfu, XIONG Yan, et al. Accumulation of heavy metals in agricultural soils and crops from an area with a high geochemical background of cadmium, Southwestern China[J]. Environmental Science, 2019, 40(6): 2 877-2 884.

[18] 李靈, 張玉, 翁建鳳, 等. 南方酸性紅壤區不同種植方式土壤重金屬的生物有效性[J]. 河南農業科學, 2021, 50(12): 68-77.

LI Ling, ZHANG Yu, WENG Jianfeng, et al. Bioavailability of soil heavy metals under different planting types in acid red soil zone of Southern China[J]. Journal of Henan Agricultural Sciences, 2021, 50(12): 68-77.

[19] ZHEN Sheng, SHUAI Hong, XU Chao, et al. Foliar application of Zn reduces Cd accumulation in grains of late rice by regulating the antioxidant system, enhancing Cd chelation onto cell wall of leaves, and inhibiting Cd translocation in rice[J]. Science of the Total Environment, 2021, 770: 145 302.

Heavy Metals in Water-soil-crop System in Changshou District of Chongqing:Risk Assessment and Their Potential Changes

ZHOU Lianchuan1, YUAN Jingjing2,3, YU Hai1, LI Yutong1, DU Zhenjie4*, WANG Jian1, CHEN Ying5

(1. Chongqing Academy of Ecological and Environmental Sciences, Chongqing 401147, China;2. Henan Institute of Metrology, Zhengzhou 450000, China; 3. Zhengzhou University, Zhengzhou 450001, China;4. Farmland Irrigation Research Institute, Chinese Academy of Agricultural Science, Xinxiang 453002, China;5. Chongqing Ecological and Environmental Monitoring Center, Chongqing 401147, China)

【Objective】Soil contamination by heavy metals is a pervasive issue, and this paper investigates the spatial distribution of Pb, As, and Cd in the groundwater-soil-rice system in the Changshou district of Chongqing. We also assess their exposure risk and predict their potential changes in the future. 【Method】Geostatistical techniques, ArcGIS, and the target hazard quotients (THQ) methods were used to assess the risk of the three metals entering food chain. Based on these results, we predicted their potential changes and distribution up to 2036. 【Result】①Pb, As, and Cd in groundwater, soil and rice co-existed spatially, with their concentrations higher in the southwest than in the northeast. ② The THQ model did not showed risk of rice consumption for adults (THQ (As, Pb, and Cd) <1), but showed that there was slight risk of Cd (THQCd=1.12) and Pb (THQPb=1.05) for children. ③ The model predicted substantial differences in the content of Pb, As, and Cd between different three management scenarios: ideal, no human intervention, and severe pollution until 2036. While the contents of the heavy metals were predicted to decrease by 4% to 8% under the ideal scenario in 2036 compared to the current level in 2021, allowing severe pollution to continuously happen is expected to increase heavy metal content by 1.51 to 1.72 times the current level.【Conclusion】Industries are the primary source of heavy metal pollution in Changshou district. Regarding the exposure risk to children and vulnerable people, and current pollution level, strict measures, including controlling discharge of industrial waste into soils and remediating contaminated soils are essential to reducing heavy metal contents in soil and alleviating them entering food chain.

heavy metal; ground water-soil-rice system; spatial distribution characteristic; Arc GIS; health risk assessment

1672 - 3317（2023）10 - 0129 - 07

S13；X82

A

10.13522/j.cnki.ggps.2023078

周煉川, 袁晶晶, 余海, 等. 重慶市長壽區典型重金屬污染健康風險評估與預測[J]. 灌溉排水學報, 2023, 42(10): 129-135.

ZHOU Lianchuan, YUAN Jingjing,YU Hai, et al. Heavy Metals in Water-soil-crop System in Changshou District of Chongqing: Risk Assessment and Their Potential Changes[J]. Journal of Irrigation and Drainage, 2023, 42(10): 129-135.

2023-03-03

2023-06-04

2023-10-18

國家重點研發計劃項目（2019YFC1804000）；河南省市場監督管理局科技計劃項目（2020sj15）

周煉川（1985-），男。高級工程師，碩士，主要從事農田土壤污染防治研究。E-mail: lianchuanzhou@163.com

杜臻杰（1982-），男。副研究員，博士，主要從事水土資源利用與環境方面的研究。E-mail: imdzj11@163.com

@《灌溉排水學報》編輯部，開放獲取CC BY-NC-ND協議

責任編輯：韓 洋