Eco-EnvironmentalKnowledgeWeb环境科学EnvironmentalScience第44卷第4期2023年4月Vol．44，No．4Apr．，2023基于APCS－MLＲ和PMF模型的煤矸山周边耕地土壤重金属污染特征及源解析马杰1，2，沈智杰3，张萍萍1，2*，刘萍1，2，刘今朝4，孙静1，2，王玲灵1(1．重庆市生态环境监测中心，重庆401147;2．农村生态与土壤监测技术研究中心，重庆401147;3．西南大学资源环境学院，重庆400715;4．重庆市国土整治中心，重庆400020)摘要:以重庆市南川区某煤矸山周边耕地土壤为研究对象，运用内梅罗指数法和地累积指数法分析土壤重金属污染水平和分布特征，并采用绝对因子得分-多元线性回归(APCS-MLＲ)和正定矩阵因子分解(PMF)模型，探析研究区土壤重金属来源及其贡献率．结果表明，下游区土壤中8项重金属均值含量均高于上游区，其中Cu、Ni和Zn含量显著高于上游区(P＜0.05)．内梅罗综合污染指数表现为:下游区(1.22)＞上游区(0.95)，重金属污染程度由大到小表现为:Cd＞Cu＞Hg、As、Pb、Cr、Ni和Zn．地累积指数由大到小表现为:Cd＞As＞Cu=Hg＞Ni＞Zn=Cr＞Pb．源解析表明，研究区土壤中Cu、Ni和Zn主要受煤矸山堆存影响，APCS-MLＲ模型的贡献率分别为49.8%、94.5%和73.2%，PMF模型的贡献率分别为62.8%、62.2%和63.1%;Cd、Hg和As主要受农业和交通混合源影响，APCS-MLＲ模型的贡献率分别为49.8%、94.5%和73.2%，PMF模型的贡献率分别为62.8%、62.2%和63.1%;Pb和Cr主要受土壤母质等自然因素影响，APCS-MLＲ模型的贡献率分别为66.4%和94.7%，PMF模型的贡献率分别为42.7%和47.7%．APCS-MLＲ和PMF模型源解析结果基本一致．关键词:煤矸山;土壤;重金属;耕地;绝对因子得分-多元线性回归(APCS-MLＲ);正定矩阵因子分解(PMF)中图分类号:X53文献标识码:A文章编号:0250-3301(2023)04-2192-12DOI:10．13227/j．hjkx．202206045收稿日期:2022-06-04;修订日期:2022-07-11基金项目:重庆市科技局科研机构绩效激励引导专项(cstc2022jxjl0262);重庆市生态环境局项目(21C00344)作者简介:马杰(1986～)，男，硕士，高级工程师，主要研究方向为土壤和农村生态环境监测与评价，E-mail:pony312@qq．com*通信作者，E-mail:1713205656@qq．comPollutionCharacteristicsandSourceApportionmentofHeavyMetalsinFarmlandSoilsAroundtheGangueHeapofCoalMineBasedonAPCS－MLＲandPMFＲeceptorModelMAJie1，2，SHENZhi-jie3，ZHANGPing-ping1，2*，LIUPing1，2，LIUJin-zhao4，SUNJing1，2，WANGLing-li...
