2026, Vol. 58
2. 浙江省耕地质量与肥料管理总站, 杭州 310020
作物通过根毛细胞以阳离子交换机制从农田土壤摄取C、H、O、N、S、P、B、Si、K、Na、Ca、Mg、Mn、Cl、Fe、Cu、Zn、Mo、Ni等19种必需营养元素[1]。同时也可能吸收Cr、Cd、Pb和Hg等有毒重金属。其中，Pb易被水稻根系高效富集[2]，并沿“土壤–作物–食物链”迁移，最终靶向损伤人体神经、造血及免疫系统[3]。全国农用地土壤污染调查显示，约1.5% 的耕地存在Pb污染，其中0.1% 为重度污染[4]，因此，从土壤源头阻控Pb污染对保障生态环境与公众健康具有重要战略意义。
农田Pb的输入途径以肥料、灌溉水及大气沉降为主，输出则依赖作物收获与排水。已有研究表明，矿区稻田全量Pb与pH、阳离子交换量(CEC)及黏粒含量呈显著正相关[5]。海南稻田Pb与Na、Fe呈协同积累，而与Ca呈拮抗关系[6]。高pH及高有机质土壤可同步降低有效铅(A.Pb)和有效铜(A.Cu)活性，进而降低健康风险指数[7]。在土壤–水稻系统中，土壤有机质(SOM)是调控Pb有效性与籽粒累积量的主控因子；而在土壤–小麦系统中，pH与CEC共同决定Pb生物有效性，优化二者可降低成人Pb日摄入量的50%[8]。田间试验证实，富磷生物质炭配合漫灌可使稻米Pb含量下降60%[9]。生石灰与海泡石联合施用也可原位固定土壤A.Pb[10]。不同成土母质因粒径分布、原生矿物、黏土矿物及硅酸盐组成差异，导致Pb吸附容量与赋存形态显著分异[11]。钛石膏材料对旱地及水田A.Pb均表现出高效钝化效应[12]。然而，A.Pb与土壤养分要素间的耦合机制尚未被系统解析，尤其缺乏在大尺度长期监测网络基础上的多元统计验证。
鉴于此，本研究以浙江省典型农田长期监测网络2008—2021年数据为基础，同步量化土壤营养元素与A.Pb含量，通过多元统计与结构方程模型等方法，明确驱动A.Pb空间分异的关键土壤因子，旨在为利用土壤养分调控实现Pb污染耕地靶向治理提供理论依据与技术参数。
1 材料与方法 1.1 土壤样品采集与预处理于2008—2021年在浙江典型农田土壤肥力与环境监测点(图 1)进行土壤样品的采集。参照农业行业标准NYT 1121.1—2006[13]，进行土壤样品的采集、处理和贮存。在每个监测地块按“S”形布设15个均匀分布的采样点，剔除表层杂物后，用不锈钢土钻采集8~15 cm深度原状土约500 g；将15个样点土壤充分混匀后，采用四分法缩分至1 kg，作为该监测点代表样品。样品运回实验室后，进行除杂、风干、研磨，分别过2.0、0.25及0.15 mm筛后取样，用聚乙烯袋密封保存待测。在全省范围内共获取有效样品3 713份。样品基本信息见表 1。
|
(该图基于中华人民共和国自然资源部标准地图服务网站下载的审图号为GS(2019)3333号的标准地图制作，底图无修改) 图 1 土壤采样点空间分布 Fig. 1 Spatial distribution of soil sampling sites |
|
表 1 土壤样本分类信息 Table 1 Background information of soil samples |
土壤pH采用电位法(水土质量比2.5︰1)测定，有机质(SOM)采用重铬酸钾外加热法测定，全氮(TN)采用半微量凯氏定氮法测定，速效氮(AN)采用碱解扩散法测定，有效磷(AP)采用氟化铵–盐酸浸提–钼锑抗比色法测定[14]；速效钾(AK)和缓释钾(SAK)分别采用乙酸铵浸提–火焰光度法和热硝酸浸提–火焰光度法测定[15]；土壤有效硼(A.B)采用沸水浸提–甲亚胺-H比色法测定[16]；土壤有效钼(A.Mo)采用草酸–草酸铵浸提–极谱仪法测定[17]；土壤有效铁(A.Fe)、有效锰(A.Mn)、有效铜(A.Cu)、有效硒(A.Zn)、有效铅(A.Pb)采用二乙烯三胺五乙酸(DTPA)浸提–电感耦合等离子体发射光谱法测定[18]。
1.3 数据处理与分析采用Excel进行数据记录，用R软件(V4.3.2)进行统计和绘图，包括采样点分布图、直方图(频数图)、频数密度图、稳健回归和带交互项的多元线性回归等。其中，多变量相关系数矩阵热图用linkET包绘制，随机森林模型用rfPermute程序包进行运算，通过均方误差增量(IncMSE)分析土壤因子对A.Pb累积特征的相对重要性，参数设置为：决策树的数量ntree=1 000，随机置换的次数nrep=300等，特征重要性得分的显著性水平为P < 0.05、P < 0.01和P < 0.001。结构方程模型(SEM)用lavaant和lavaanPlot程序包构建，为解析土壤因子与有效铅(A.Pb)的互作路径，本研究采用结构方程模型(SEM)。模型构建参考周峻宇等[19]的研究框架：首先，基于前文土壤因子的相关性分析与随机森林重要性分析结果筛选关键变量；其次，结合SOM、pH等因子在植物营养中的已知作用，明确变量间的理论关联；最终据此提出模型假设。
2 结果与分析 2.1 浙江典型农田土壤主要理化指标特征浙江典型农田土壤主要理化性状见表 2。土壤呈偏酸性，pH均值为5.82，中位数5.69，变异系数(CV)12.7%，离散程度较低。有机质及氮素养分中，SOM、TN和AN均值分别为33.90 g/kg、2.05 g/kg和155 mg/kg，CV为34.1%~36.3%，变异中等。磷钾养分中，AP、AK和SAK均值分别为22.8、102和340 mg/kg，CV为68.8%~180.0%，其中AP变异最大(CV 180.0%)。中微量营养元素及重金属中，A.Fe、A.Mn、A.Cu、A.Zn、A.B、A.Mo和A.Pb均值分别为202、37.8、7.15、14.3、0.89、3.39和29.6 mg/kg，CV为59.5%~617.0%，整体变异程度较高，尤以A.Zn(CV 617.0%)和A.Mo(CV 280.0%)最为突出。
|
|
表 2 浙江典型农田土壤主要理化性状 Table 2 Soil physicochemical indexes of typic farmlands of Zhejiang Province |
由土壤因子的直方图(图 2)可见：①pH主要分布于4.5~7.0，SOM、TN主要分布范围为20~50和0.2~4.0 g/kg，AN、AP、AK、SAK主要分布于50~250、0.1~80、18~150和36~600 mg/kg，A.Fe、A.Mn、A.Cu、A.Zn、A.B、A.Mo、A.Pb则主要分布于0.4~400、30~100、0.4~20、0.29~100、0.1~2.0、0.1~10和1~ 65 mg/kg；②根据直方图图柱高度和宽度差异可知，土壤因子含量的离散程度由高到低排序为：A.Zn > A.Mo > AP > A.Cu > A.Mn > A.B > A.Fe > AK > SAK > A.Pb > SOM > TN > AN > pH；③存在明显离群值的因子包括：AP、A.Fe、A.Mn、A.Cu和A.Mo等。
|
图 2 农田土壤理化指标的直方图 Fig. 2 Histograms of soil physicochemical indexes of farmlands |
频数密度图(图 3)显示：①土壤因子含量呈现3种分布形态，一是近似正态分布，包括pH、SOM、TN、AN和A.Pb；二是偏态单峰分布，包括AP、AK、SAK、A.Fe、A.Mn、A.Cu、A.Zn和A.B；三是偏态双峰分布，包括A.Mo。②土壤因子含量的集中趋势各不相同，最高柱子所在的区间表示密度值最大，pH集中在4.5~6.5；SOM、TN分别集中在20~40和1~3 g/kg；AN、AP、AK、SAK分别集中在150~200、0.1~80、18~100、36~200 mg/kg；A.Fe、A.Mn、A.Cu、A.Zn、A.B、A.Mo、A.Pb则分别集中在0.4~200、1~200、0.4~20、0.29~200、0.1~5、0.1~10和20~40 mg/kg。
|
图 3 农田土壤理化指标的频数密度图 Fig. 3 Frequency densities of soil physicochemical indexes of farmlands |
试验土样理化性质Spearman相关性分析结果见图 4。由图可见，pH与SAK、AK、A.Mo、A.B等因子显著正相关；SOM与TN、AN、A.Fe和A.Mo显著正相关，与AP、A.Cu、A.B、AK和SAK显著负相关；TN与AN显著正相关，与AP、A.Cu、A.B、AK和SAK显著负相关；AP与A.Mn、A.Cu、AK显著正相关；AK与SAK、A.B显著正相关，与A.Fe、A.Mo显著负相关；SAK与AK、pH、A.B显著正相关，与A.Mo、SOM、TN显著负相关；A.Fe与A.Mo、SOM显著正相关，与SAK、A.Zn显著负相关；A.Mn与AP、A.Cu、A.Zn、A.Mo显著正相关，与SOM、TN显著负相关；A.Cu与A.Mn、A.Zn、AP显著正相关，与SOM、TN、A.B显著负相关；A.B与AK、SAK显著正相关，与TN、AN显著负相关；A.Pb与A.Cu、A.Zn、A.B、TN、AN、AP、A.Fe显著正相关。推断，土壤A.Cu、A.Zn、A.B、TN、AN、AP、A.Fe可能是影响A.Pb含量的重要因子。
|
图 4 全样本土壤因子的相关性 Fig. 4 Correlation of soil factors in all samples |
采用加权最小二乘法即稳健回归(Robust regression)M估计法，对3 713个全样本数据进行分析，用Bisquare权重进行线性拟合，选择回归系数较大的变量，可得到全样本土壤A.Pb含量的预测方程：yA.Pb=–162+ 8.52xA.Cu–11.9xA.Zn+126xA.B+43.4xpH+6.69xSOM+10.6xA.Cu╳A.B–27.0xA.B╳pH-5.07xA.B╳SOM。
2.2.3 A.Pb的土壤影响因子的重要性对全样本，采用随机森林法分析A.Pb的影响因子的相对重要性(图 5)，其排序为：A.Mo > A.Cu > A.Fe > A.Mn > SOM > SAK > A.Zn > A.B。
|
(图中*、**分别表示重要性达P < 0.05和P < 0.01显著水平，下同) 图 5 全样本A.Pb含量的影响因子的重要性 Fig. 5 Importance of soil factors to A.Pb content in all samples |
为获得土壤因子对A.Pb含量影响的机制信息，采用全样本数据构建结构方程模型(图 6)对上述相关性和排序中均显著的土壤因子进行路径分析，发现：A.B和A.Zn通过SOM间接显著影响A.Pb含量；A.Mo、A.Mn、A.Fe和A.Cu既直接显著影响A.Pb含量，又通过SOM间接显著影响A.Pb含量。
|
(图中*、**、***分别表示影响达P < 0.05、P < 0.01和P < 0.001显著水平，下同) 图 6 全样本A.Pb的结构方程模型 Fig. 6 Structural equation model of A.Pb in all samples |
土壤因子的相关性热图显示，在洪积物母质土壤中(图 7A)，A.Pb含量与A.Cu、A.Zn、A.B、A.Mo、A.Mn、A.Fe、SAK、AN和SOM等显著相关。由此推断，A.Cu、A.Zn、A.B、A.Mo、A.Mn、A.Fe、SAK、AN等是影响洪积物母质土壤A.Pb含量的重要因子。
|
图 7 不同成土母质来源的土壤因子的相关性 Fig. 7 Correlation of soil factors in different parent materials |
在河湖相沉积物母质土壤中(图 7B)，A.Pb含量与A.Cu、A.Zn、A.B、A.Fe和A.Mn等显著相关，由此推断，A.Cu、A.Zn、A.B、A.Fe和A.Mn是影响此类土壤A.Pb含量的重要因子。
2.3.2 A.Pb与其土壤影响因子的线性关系采用普通最小二乘法对708个洪积物母质发育土壤样本的上述A.Pb的显著相关因子与A.Pb进行线性回归拟合，决定系数R2=0.911，表明模型可以解释A.Pb的91.1% 的方差来源。系数的显著水平均为0.001，可得洪积物母质发育土壤A.Pb含量的预测方程：yA.Pb=20.1+0.782xA.Mn–0.104xAN–0.00941xA.Mn╳A.Zn+0.0266xAN╳A.Zn。
采用普通最小二乘法对664个河湖相沉积物母质发育土壤样本的上述A.Pb的显著相关因子与A.Pb进行线性回归拟合，决定系数R2=0.95，系数的显著水平均为0.001，可得河湖相沉积物土壤A.Pb含量的预测方程：yA.Pb =20.9+8.85xA.Cu–19.9xA.Cu╳A.B+ 18.1xA.Zn╳A.B+0.193xA.B╳A.Fe–0.178xA.Cu╳A.Mn。
2.3.3 A.Pb的土壤影响因子的重要性对不同成土母质发育土壤，采用随机森林法分析A.Pb的影响因子的相对重要性(图 8)。在洪积物母质发育土壤中，排序为：A.Mo > A.Mn > A.Fe > pH > A.Zn > A.Cu > AN > A.B。在河湖相沉积物母质土壤中，排序为：A.Mo > A.Cu > A.Zn > A.Mn > AP > A.B > A.Fe。
|
图 8 不同成土母质发育土壤A.Pb含量的影响因子的重要性 Fig. 8 Importance of the soil factors to A.Pb content in different parent materials |
在洪积物母质发育土壤中，A.Zn通过pH间接显著影响A.Pb含量；A.B、A.Cu和pH直接显著影响A.Pb含量；A.Mn、A.Mo、AN、A.Fe既能直接显著影响A.Pb含量，又能通过pH间接显著影响A.Pb含量(图 9A)。在河湖相沉积物母质土壤中，A.Mn、A.Mo通过AP间接显著影响A.Pb含量；AP和A.Fe直接显著影响A.Pb含量；A.B、A.Zn和A.Cu既能直接显著影响A.Pb含量，又能通过AP间接显著影响A.Pb含量(图 9B)。
|
图 9 不同成土母质土壤因子影响A.Pb含量的结构方程模型 Fig. 9 Structural equation model of soil factors affecting A.Pb content in different parent materials |
相关性热图显示，在脱潜水稻土亚类中(图 10A)，A.Pb含量与A.Fe、A.Cu、A.Zn、A.B、A.Mo、AP等显著相关；在渗育水稻土亚类中(图 10B)，A.Pb含量与A.Cu、A.B、SAK、AK、A.Mn、TN等显著相关；推断它们是影响此类土壤A.Pb含量的重要因子。
|
图 10 不同亚类土壤因子的相关性 Fig. 10 Correlation of soil factors in different subgroups |
采用普通最小二乘法对1 184个脱潜水稻土亚类样本的上述A.Pb的显著相关因子与A.Pb进行线性回归拟合，决定系数R2=0.913，系数的显著水平均为0.001，可得脱潜水稻土A.Pb含量的预测方程：yA.Pb = 4.52xA.Cu+ 0.0137xA.Fe–0.136xA.Cu╳A.Zn–0.00606xA.Cu╳A.Fe+0.00789xA.Zn╳A.Fe。
采用普通最小二乘法对664个渗育水稻土亚类样本的上述A.Pb的显著相关因子与A.Pb进行线性回归拟合，决定系数为R2=0.951，系数的显著水平均为0.001，可得渗育水稻土A.Pb含量的预测方程：yA.Pb = 0.243+0.264xA.Mn–0.658xAP–2.62xA.Cu╳A.Mn+0.260xA.Mn╳A.Fe+0.312xA.Mn╳AP–2.66xA.Cu╳A.Mn╳A.Fe+3.21xA.Cu╳A.Mn╳AP+3.15xA.Cu╳A.Mn╳A.Fe╳AP。
2.4.3 A.Pb的土壤影响因子的重要性对不同亚类土壤，采用随机森林法分析A.Pb的土壤影响因子的相对重要性(图 11)，在脱潜水稻土中排序为：A.Cu > A.Fe > TN > SOM > A.B > A.Zn > A.Mo > A.Mn > AP；在渗育水稻土中排序为：A.Cu > A.Mn > AP > SOM > A.Mo > A.Fe > TN > A.B > A.Zn。
|
图 11 不同亚类土壤中A.Pb含量的影响因子的重要性 Fig. 11 Importance of soil factors to A.Pb content in different subgroups |
在脱潜水稻土中(图 12A)，A.Mn、AP和SOM直接显著影响A.Pb含量；A.B、A.Cu、A.Zn、A.Mo、TN和A.Fe既直接显著影响A.Pb含量，又通过SOM间接显著影响A.Pb含量。在渗育水稻土中(图 12B)，SOM直接显著影响A.Pb含量；A.Mo、A.Mn、A.B、AP、A.Cu、A.Fe和A.Zn既直接显著影响A.Pb含量，又通过SOM间接显著影响A.Pb含量。
|
图 12 不同亚类土壤因子对A.Pb含量影响的结构方程模型 Fig. 12 Structural equation model of soil factors affecting A.Pb content in different subgroups |
土壤因子的相关性热图显示(图 13)，在洪积泥砂田土样中，A.Pb含量与A.B、A.Mn、A.Zn、A.Cu、A.Mo、A.Fe、AN和SAK等显著相关；在青紫泥田土样中，A.Pb含量与A.Cu、A.Fe、A.Zn和A.B等显著相关；由此推断，它们是影响此类土壤A.Pb含量的重要因子。
|
图 13 不同土属土壤因子的相关性 Fig. 13 Correlation of soil factors in different genera |
采用普通最小二乘法对544个洪积泥砂田土属样本的上述A.Pb的显著相关因子与A.Pb进行线性回归拟合，决定系数R2=0.912，系数的显著水平均为0.001。可得洪积泥砂田A.Pb含量的预测方程：yA.Pb=209–1.59xA.Mn– 2.60xA.Zn–0.636xSAK–0.749xAN+0.0205xA.Mn╳A.Zn。
采用普通最小二乘法对760个青紫泥田土属样本的上述A.Pb的显著相关因子与A.Pb进行线性回归拟合，决定系数R2=0.923，系数的显著水平均为0.001。可得青紫泥田A.Pb含量的预测方程：yA.Pb= 3.34+15.7xA.Zn–1.51xA.Cu+2.24xA.Fe–16.7xA.Zn╳A.Cu+9.97xA.Zn╳A.Fe–17.5xA.Zn╳A.Fe╳A.B+4.18xA.Cu╳A.Fe╳A.B+ 11.9xA.Zn╳A.Cu╳A.Fe╳A.B。
2.5.3 A.Pb的土壤影响因子的重要性对不同土属的土壤，采用随机森林法分析A.Pb的影响因子的相对重要性(图 14)。在洪积泥砂田土样中，排序为：A.Cu > A.Fe > TN > SOM > A.B > A.Zn > A.Mo > A.Mn > AP > SAK > AN；在青紫泥田土样中，排序为：A.Zn > A.Mo > A.Cu > A.Mn > AP > A.B > A.Fe > SAK > SOM > TN > AN > pH。
|
图 14 不同土属土壤A.Pb的影响因子的重要性 Fig. 14 Importance of soil factors to A.Pb in different genera |
在洪积泥砂田土样中(图 15A)，A.Mo、A.Mn、AN、SOM对A.Pb含量有直接显著影响；A.Zn通过SOM对A.Pb含量有间接显著影响；A.B、AP、A.Cu和A.Fe既直接显著影响A.Pb含量，又能通过SOM间接显著影响A.Pb含量。在青紫泥田土样中(图 15B)，A.Zn和AP直接显著影响A.Pb含量；A.Mo、A.Mn、A.B、A.Cu和A.Fe直接或通过AP间接显著影响A.Pb含量。
|
图 15 不同土属土壤因子影响A.Pb含量的结构方程模型 Fig. 15 Structural equation model of soil factors affecting A.Pb content in different genera |
土壤因子的相关性热图显示(图 16)，在单季晚稻田土样中，A.Pb含量与A.Cu、A.Zn、A.B、A.Mn、AK和SAK等显著相关；在水稻–油菜轮作田土样中，A.Pb含量与A.Fe、A.Cu、A.Zn、A.B、AN和SAK等显著相关。
|
图 16 不同耕作方式的土壤因子的相关性 Fig. 16 Correlation of soil factors in different tillage practices |
采用普通最小二乘法对1 392个单季晚稻田土壤样本的上述A.Pb的显著相关因子与A.Pb进行线性回归拟合，决定系数R2=0.90，系数的显著水平均为0.001。单季晚稻田A.Pb含量的预测方程：yA.Pb=0.570+0.403xA.Cu– 0.177xSOM–0.165xSAK–0.326xA.Cu╳A.Mn–0.446xA.Cu╳AK– 0.437xSOM╳TN+0.679xA.Cu╳AK╳SAK+ 0.527xAK╳SOM╳SAK╳TN。
采用普通最小二乘法对676个水稻油菜轮作田土壤样本的上述A.Pb的显著相关因子与A.Pb进行线性回归拟合，决定系数R2=0.941，系数的显著水平均为0.001。水稻–油菜轮作田A.Pb含量的预测方程：yA.Pb=3.09xA.Fe–2.44xA.Mn+6.15xB╳A.Fe+2.85xA.Cu╳A.Mn–3.87xA.B╳A.Mn–3.39xA.Fe╳A.Mn+6.17xA.Cu╳A.B╳A.Mn–7.55xA.B╳A.Fe╳A.Mn。
2.6.3 A.Pb的土壤影响因子的重要性对不同耕作方式的土壤，采用随机森林法分析A.Pb的影响因子的相对重要性(图 17)。在单季晚稻田土样中，因子排序为：A.Cu > A.Fe > SAK > SOM > A.Mo > A.Zn > AP > A.Mn > A.B；在水稻–油菜轮作田土样中，因子的排序为：A.Fe > A.Mo > A.B > A.Cu > A.Mn > A.Zn。
|
图 17 不同耕作方式土壤A.Pb含量的影响因子的重要性排序 Fig. 17 Importance of soil factors to A.Pb content in different tillage practices |
在单季晚稻田土样中，A.Mn和SOM直接显著影响A.Pb含量；而A.Mo、A.B、A.Cu、AP、SAK和A.Fe直接或通过SOM间接显著影响A.Pb含量；A.Zn对SOM和A.Pb均无显著影响(图 18A)。在水稻–油菜轮作田土样中，A.Mn、A.Mo、A.B、A.Zn和A.Fe直接或通过A.Cu间接显著影响A.Pb含量(图 18B)。
|
图 18 不同耕作方式土壤因子影响A.Pb含量的结构方程模型 Fig. 18 Structural equation model of soil factors affecting A.Pb content in different tillage practices |
土壤酸化会降低微生物多样性和丰度，破坏微生态系统，加剧土壤病虫害发生[20]。当土壤pH由5.4降至4.7时，油菜减产可达40%，花生和芝麻减产约15%[21]。历史数据显示，2009年浙江农田土壤pH均值为5.42，其中4.5~5.5占比68%[22]。本研究pH为5.82，4.5~5.5、5.5~6.5和6.5~7.5的样本占比分别为39.9%、39.7% 和17.6%，其中4.5~6.5的占比由2009年的90% 下降到80%，酸性及强酸性比例虽有所下降，但仍处于作物酸害阈值区，需通过施用石灰质材料或有机肥提升pH至合理水平。
浙江农田土壤SOM含量呈改善趋势：1984年大于30 g/kg的样本占54.6%，2009年降至31.1%[22]。而本研究62.2% 的土壤样本SOM大于20 g/kg，其中79.3% 集中于20~50 g/kg，总体适宜水稻等作物生长[14]。建议持续推广有机肥施用与秸秆还田，以提升土壤酸缓冲能力和养分供应强度。
土壤养分方面，本研究TN、AP和AK含量总体处于丰富至适量等级。但需警惕过量氮肥施用导致的土壤酸化加剧[20]，应筛选氮肥高效施用技术，通过提高利用率实现减氮、增产与防酸化协同。
本研究90.8% 以上样本的A.Cu < 40 mg/kg、A.Zn < 100 mg/kg、A.Pb < 65 mg/kg，均低于GB 15618—2018在pH 5.5~6.5条件下的风险筛选值(Cu：50 mg/kg；Zn：200 mg/kg；Pb：100 mg/kg)，表明大部分浙江农田土壤的重金属有效性风险较低。此外，A.B、A.Mo、A.Fe和A.Mn含量总体处于作物适宜范围。
3.2 浙江农田土壤理化参数的相关性土壤pH是调控养分循环与重金属活性的主控开关，与TN、AP、S、Si、A.Fe、A.Mn、A.Cu、A.Zn、交换性Ca及Mg等密切相关[19]。本研究中pH与SAK、AK、A.Mo、A.B显著正相关，与A.Mn、A.Cu、A.Zn呈负相关趋势，这与南方酸性稻田的普遍规律一致[19]。差异因子可能受成土母质、黏土矿物组成及农艺措施影响。
SOM作为陆地主要碳库和土壤肥力核心组分，其赋存形态(腐殖酸、富里酸、胡敏素)受pH显著调控[23-24]。本研究中SOM与pH在不同分类场景下均呈显著相关，并与TN、AN、A.Fe、A.Mo正相关，与AP、A.Cu、A.B负相关，体现了SOM对土壤养分–重金属耦合系统的广泛影响。
土壤的pH、SOM、氧化还原电位、黏土含量/类型等参数影响重金属的溶解度和生物利用度，Pb与Fe、Al和Mn的氧化物在黏土矿物表面存在竞争吸附与共沉淀效应[25]。本研究的全样本中发现，A.Pb与A.Cu、A.Zn、A.Mn、A.Fe、A.B、AN、TN等显著相关，说明Pb与Mn之间存在物理化学反应。在河湖相母质、脱潜水稻土、渗育水稻土、青紫泥田及水稻–油菜轮作田中，A.Fe与A.Pb的相关程度及显著性受pH、氧化还原电位及母质类型的综合制约，表现出明显的场景依赖性。
本研究未测定S、Al、Si、Ca、Mg、Na及全量Pb，已有研究表明土壤含Ca量越高，对Pb的吸附固定能力越强[26]。SO42−和PO43−对A.Pb具有强钝化效果[27]。全样本中A.Pb与AP呈显著正相关(图 4)，未表现出预期的强负相关；而在渗育水稻土中，SEM路径分析显示AP对A.Pb具有直接显著影响(图 12B)，可能与AP在酸性条件下的专性吸附及Fe–Al氧化物表面竞争机制有关。
3.3 土壤中A.Pb含量的影响因子土壤A.Pb含量受成土母质、地质类型和土壤利用方式等影响[28]。本研究在不同分类场景中识别出A.Pb的共性关联因子(A.Cu > A.Mo > A.Fe > A.Mn > A.Zn > A.B > AP)及中介调控因子(SOM > AP > A.Cu > pH)，其耦合机制可从以下4方面解析。
1) A.Cu与A.Pb的协同机制。在河湖相沉积物母质、脱潜水稻土、渗育水稻土、青紫泥田、单季稻田及水稻–油菜轮作田中，A.Pb与A.Cu均显著相关。这可能与二者在土壤中具有相似的赋存形态有关：在淋溶条件下，A.Pb和A.Cu表现出相似的底土迁移速率[29]。高SOM环境对二者均有吸附固化作用[30]，草酸活化的磷矿和骨粉也可同步固定A.Cu和A.Pb[31]。上述因素导致二者含量同步变化。
2) A.Zn与A.Pb的共溶机制。在洪积物、河湖相母质、脱潜水稻土、洪积泥砂田、青紫泥田、单季稻田及水稻–油菜轮作田中，A.Pb与A.Zn显著相关。土壤含硫矿物氧化产生的酸性微环境可促进A.Pb、A.Zn、A.Fe和A.Mn的同步溶解与氧化还原循环[29]；富有机质条件下AP也可同时抑制A.Pb和A.Zn的垂向迁移[29]，导致二者表观协同
3) A.Fe与A.Pb的钝化机制。在河湖相母质、脱潜水稻土、渗育水稻土、青紫泥田及水稻–油菜轮作田中，A.Pb与A.Fe显著相关。A.Pb在稻田中的垂向迁移受碳酸盐和Fe/Mn氧化物控制，随着表层碳酸盐耗竭，Fe/Mn氧化物逐渐成为主导固定机制[32]。Fe2+氧化形成的次生矿物可通过共沉淀稳定Cd和Pb[33]，但Fe3+的还原溶解也可能促进A.Pb释放。这种双重效应决定了A.Fe与A.Pb相关性的场景依赖性[34]。
4) A.Mo与A.Pb的间接关联。在洪积物、脱潜水稻土及洪积泥砂田等土壤中，A.Pb与A.Mo显著相关。土壤pH 5~6时，Mo以MoO42–含氧酸根形式存在，主要被铁氧化物胶体吸附(吸附能力：氧化铁 > 氧化铝 > 高岭石)。磷肥施用可通过竞争吸附增强Mo有效性[35]。因此，A.Pb与A.Mo的显著相关性可能是通过Fe氧化物和P共同调控二者的表观结果，而非直接耦合。
综上，不同场景下A.Pb的主导调控因子存在明显分异：SOM在全样本及多数水稻土场景中调控力最强，AP在河湖相母质和青紫泥田中居首，pH在洪积物母质中影响最大，A.Cu在稻油轮作中贡献最高。这提示A.Pb污染土壤的靶向治理需遵循“场景诊断–因子识别–精准调控”路径：对SOM主导型场景优先提升有机质以强化Pb固定；对AP主导型场景合理调控磷素投入；对pH敏感型场景施用石灰质材料；对A.Cu协同型场景则需关注Cu–Pb复合污染风险。
4 结论1) 浙江典型农田土壤A.Pb含量范围为0.5~ 109.0 mg/kg，均值为17.6 mg/kg，变异系数为59.5%；95.3% 的样本低于农用地土壤污染风险筛选值(100 mg/kg)。土壤偏酸性(pH均值5.82)，80.0% 样本pH为4.5~6.5；SOM含量总体适宜(79.3% 样本为20~50 g/kg)。
2) A.Pb与10个土壤因子显著相关。在不同成土母质、亚类、土属和利用方式场景中，共同关联因子按频率和重要性排序为：A.Cu > A.Mo > A.Fe > A.Mn > A.Zn > A.B > AP；中介调控因子排序为：SOM > AP > A.Cu > pH。
3) 不同场景下A.Pb主导调控因子存在分异：SOM在全样本、脱潜水稻土亚类、渗育水稻土亚类、洪积泥砂田土属及单季晚稻田中调控力最强；AP在河湖相沉积物母质和青紫泥田土属中居首；pH在洪积物母质土壤中影响最大；A.Cu在水稻–油菜轮作田中贡献最高。上述关系可用多元线性回归方程定量描述，可为基于土壤养分管理的Pb污染耕地靶向治理提供参数依据。
| [1] |
Kirkby E. Introduction, definition and classification of nutrients//Marschner P. Marschner's mineral nutrition of higher plants[M]. 3rd ed. San Diego: Academic Press, 2012: 3–5.
(  0) |
| [2] |
Norton G J, Williams P N, Adomako E E, et al. Lead in rice: Analysis of baseline lead levels in market and field collected rice grains[J]. Science of the Total Environment, 2014, 485/486: 428-434 DOI:10.1016/j.scitotenv.2014.03.090 ( 0) |
| [3] |
中华人民共和国环境保护部, 中华人民共和国国土资源部. 全国土壤污染状况调查公报[OL]. 2014–4–17. https://www.mee.gov.cn/gkml/sthjbgw/qt/201404/W020140417558995804588.pdf.
( 0) |
| [4] |
李荭荭, 李洲, 李海龙, 等. 生物炭与硅酸钠复合施加抑制水稻对土壤铅吸收富集的机制研究[J]. 环境科学学报, 2022, 42(7): 446-455 ( 0) |
| [5] |
Xie K T, Xie N G, Liao Z Y, et al. Bioaccessibility of arsenic, lead, and cadmium in contaminated mining/ smelting soils: Assessment, modeling, and application for soil environment criteria derivation[J]. Journal of Hazardous Materials, 2023, 443: 130321 DOI:10.1016/j.jhazmat.2022.130321 ( 0) |
| [6] |
Guo Y, Yang Y, Li R X, et al. Distribution of cadmium and lead in soil–rice systems and their environmental driving factors at the island scale[J]. Ecotoxicology and Environmental Safety, 2023, 265: 115530 DOI:10.1016/j.ecoenv.2023.115530 ( 0) |
| [7] |
Cui J Q, Li H B, Shi Y, et al. Influence of soil pH and organic carbon content on the bioaccessibility of lead and copper in four spiked soils[J]. Environmental Pollution, 2024, 360: 124686 DOI:10.1016/j.envpol.2024.124686 ( 0) |
| [8] |
Yang Y, Li Y L, Wang T Q, et al. Derivation of human health risk-based thresholds for lead in soils promote the production of safer wheat and rice[J]. Ecotoxicology and Environmental Safety, 2022, 230: 113131 DOI:10.1016/j.ecoenv.2021.113131 ( 0) |
| [9] |
Yang X, Dai Z N, Ge C J, et al. Multiple-functionalized biochar affects rice yield and quality via regulating arsenic and lead redistribution and bacterial community structure in soils under different hydrological conditions[J]. Journal of Hazardous Materials, 2023, 443: 130308 DOI:10.1016/j.jhazmat.2022.130308 ( 0) |
| [10] |
黄皓, 周通, 吴龙华, 等. 滇西某油用牡丹种植区镉铅污染及钝化修复效果评估[J]. 土壤, 2020, 52(5): 927-934 DOI:10.13758/j.cnki.tr.2020.05.008 ( 0) |
| [11] |
洪思诚, 李建宏, 张婧旻, 等. 热带地区成土母质对水稻土不同粒级组分及其铅吸附形态的影响[J]. 生态环境学报, 2019, 28(10): 2089-2097 ( 0) |
| [12] |
邹丽娜, 徐婧婧, 陈铮铮, 等. 水旱轮作下钛石膏对土壤砷铅有效性的影响研究[J]. 农业环境科学学报, 2021, 40(4): 774-781 ( 0) |
| [13] |
中华人民共和国农业部. 土壤检测第1部分: 土壤样品的采集、处理和贮存: NY/T 1121.1—2006[S]. 北京: 中国农业出版社, 2006.
( 0) |
| [14] |
鲍士旦. 土壤农化分析(3版)[M].
中国农业出版社, 北京, 2000
( 0) |
| [15] |
中华人民共和国农业部. 土壤速效钾和缓效钾含量的测定: NY/T 889—2004[S]. 北京: 中国农业出版社, 2004.
( 0) |
| [16] |
中华人民共和国农业部. 土壤检测第8部分: 土壤有效硼的测定: NY/T 1121.8—2006[S]. 北京: 中国农业出版社, 2006.
( 0) |
| [17] |
中华人民共和国农业部. 土壤检测第9部分: 土壤有效钼的测定: NY/T 1121.9—2012[S]. 北京: 中国农业出版社, 2012.
( 0) |
| [18] |
中华人民共和国生态环境部. 土壤8种有效态元素的测定二乙烯三胺五乙酸(DTPA)浸提–电感耦合等离子体发射光谱法: HJ 804—2016[S]. 北京: 中国环境出版社, 2016.
( 0) |
| [19] |
周峻宇, 谷雨, 刘琼峰, 等. 南方典型镉污染稻田土壤有效态镉预测模型研究[J]. 中国土壤与肥料, 2022(7): 215–221, 246 ( 0) |
| [20] |
赵学强, 潘贤章, 马海艺, 等. 中国酸性土壤利用的科学问题与策略[J]. 土壤学报, 2023, 60(5): 1248-1263 ( 0) |
| [21] |
沈仁芳. 铝在土壤–植物中的行为及植物的适应机制[M].
科学出版社, 北京, 2008
( 0) |
| [22] |
计小江, 陈义, 吴春艳, 等. 浙江省稻田土壤养分现状及演变趋势[J]. 浙江农业学报, 2014, 26(3): 775-778 ( 0) |
| [23] |
张叶叶, 莫非, 韩娟, 等. 秸秆还田下土壤有机质激发效应研究进展[J]. 土壤学报, 2021, 58(6): 1381-1392 ( 0) |
| [24] |
Azeem I, Shakoor N, Chaudhary S, et al. Analytical challenges in detecting microplastics and nanoplastics in soil-plant systems[J]. Plant Physiology and Biochemistry, 2023, 204: 108132 DOI:10.1016/j.plaphy.2023.108132 ( 0) |
| [25] |
Kastury F, Li H B, Karna R, et al. Opportunities and challenges associated with bioavailability-based remediation strategies for lead-contaminated soil with arsenic as a co-contaminant—a critical review[J]. Current Pollution Reports, 2023, 9(2): 213-225 DOI:10.1007/s40726-023-00252-z ( 0) |
| [26] |
Alkhatib M, Ayyad O, Tbakhi R, et al. A comparative study for lead removal by pure calcite and a natural calcitic soil sample[J]. International Journal of Environmental Science and Technology, 2023, 20(11): 12243-12250 DOI:10.1007/s13762-023-04826-8 ( 0) |
| [27] |
Han C Y, Li J, Shen J L. Study on the physical and chemical properties of lead passivating agent in soil[J]. Scientific Reports, 2023, 13: 18213 DOI:10.1038/s41598-023-45567-5 ( 0) |
| [28] |
马泉来, 万小强, 杨崇科, 等. 南太行典型区小流域土壤铅含量空间分异及影响因素分析[J]. 农业工程学报, 2023, 39(18): 226-233 ( 0) |
| [29] |
Cao X D, Liang Y, Zhao L, et al. Mobility of Pb, Cu, and Zn in the phosphorus-amended contaminated soils under simulated landfill and rainfall conditions[J]. Environmental Science and Pollution Research International, 2013, 20(9): 5913-5921 DOI:10.1007/s11356-012-1349-3 ( 0) |
| [30] |
Xu F L, Zhu J, Zhang B S, et al. Sorption and immobilization of Cu and Pb in a red soil (Ultisol) after different long-term fertilizations[J]. Environmental Science and Pollution Research, 2019, 26(2): 1716-1722 DOI:10.1007/s11356-018-3714-3 ( 0) |
| [31] |
Huang G Y, Gao R L, You J W, et al. Oxalic acid activated phosphate rock and bone meal to immobilize Cu and Pb in mine soils[J]. Ecotoxicology and Environmental Safety, 2019, 174: 401-407 DOI:10.1016/j.ecoenv.2019.02.076 ( 0) |
| [32] |
余琼阳, 李婉怡, 张宁, 等. 农田土壤重金属污染现状与安全利用技术研究进展[J]. 土壤, 2024, 56(2): 229-241 DOI:10.13758/j.cnki.tr.2024.02.001 ( 0) |
| [33] |
Wang C, Wang J H, Zhao Y P, et al. The vertical migration and speciation of the Pb in the paddy soil: A case study of the Yangtze River Delta, China[J]. Environmental Research, 2019, 179: 108741 DOI:10.1016/j.envres.2019.108741 ( 0) |
| [34] |
Ye J P, Liao W M, Zhang P Y, et al. Fe(1-x)S/biochar combined with Thiobacillus enhancing lead phytoavailability in contaminated soil: Preparation of biochar, enrichment of Thiobacillus and their function on soil lead[J]. Environmental Pollution, 2020, 267: 115447 DOI:10.1016/j.envpol.2020.115447 ( 0) |
| [35] |
汪新宇, 刘璇, 秦佳婷, 等. 中国土壤中钼的状况及钼肥施用技术[J]. 中国农学通报, 2025, 41(4): 94-101 ( 0) |
2. Zhejiang Management Station of Cropland Quality and Fertilizers, Hangzhou 310020, China