土壤PM10和PM2.5组分中铬、砷和多环芳烃的累积 及健康风险评估

李宁 ，姜昱聪 ，贾晓洋，张彭，夏天翔*

1. 北京市环境保护科学研究院/污染场地风险模拟与修复北京市重点实验室，北京 100037；2. 首都师范大学资源环境与旅游学院，北京 100048

土壤是人们赖以生存的自然资源，而目前由于人类一系列的生产活动，我国很多地区的土壤都在遭受着不同程度的污染。土壤污染不仅危害生态环境，还会对人体健康造成很大的伤害。土壤是由不同粒径大小的颗粒组成的非均质体。大量研究表明，不同粒径的土壤颗粒在矿物质组成、有机质及铁铝氧化物含量等方面均存在很大差异，从而使得不同粒径土壤颗粒其理化性质不同，进而导致污染物在不同土壤粒径中的吸附和累积差异较大（Li et al.，2009；王芳等，2006；倪进治等，2006）。因此，深入研究不同土壤粒径中污染物的分布特征，对揭示污染物在土壤中的环境行为及环境风险，采取有效的措施对污染场地进行风险管控，均具有重要的意义和价值。

近年来，由于我国大范围的雾霾污染事件频发，可吸入颗粒物PM10和PM2.5目前已经引起了人们的广泛关注。大量研究均表明，空气动力学直径＜10 μm及＜2.5 μm的颗粒物是随呼吸系统进入肺部并对人体造成伤害的主要颗粒物，且颗粒越细越容易到达人体的深肺中难以被清除（Dabek- Zlotorzynska et al.，2005；Song et al.，2003；Borm et al.，2007）。大气污染是影响人类健康的主要危险因素之一。2015年，大气细颗粒物在死亡风险因素中排名第五（Cohen et al.，2017）。大气中可吸入颗粒物的来源有多种途径，如土壤扬尘、建筑扬尘、交通源、燃煤及工业等。其中，土壤扬尘是大气悬浮颗粒物的重要组成部分，如乔宝文（2017）研究了京津冀地区大气颗粒物PM2.5中重金属的来源，发现土壤扬尘对北京、天津、石家庄、香河和兴隆地区细颗粒物中重金属元素的贡献率分别为26.9%、24.3%、23.9%、23.8%和20.9%；石灵芝（2011）对长沙市大气颗粒物PM10中污染物的来源进行解析，表明该地区大气颗粒物污染主要受土壤扬尘源的影响，且其贡献率高达57.7%；耿柠波（2012）在对郑州市高新区大气颗粒物PM2.5中金属元素的污染源解析中表明，郑州市高新区PM2.5的主要来源为二次气溶胶、土壤扬尘和燃煤，其对PM2.5的贡献率分别为26.7%、25.9%和19.1%。这主要是由于土壤中的细颗粒由于其质量轻，极易受到风力作用或人类活动等因素的影响随扬尘进入到大气环境中，成为大气可吸入颗粒物的一部分。而且，由于进入到大气中的PM10和PM2.5组分易受风力等作用发生迁移，属于开放性污染源，其污染具有全球性。因此，研究土壤PM10和PM2.5组分中污染物的浓度分布特征，并以土壤PM10和PM2.5组分中污染物的浓度作为暴露参数，对评价大气环境质量及呼吸途径人体健康风险具有重要意义。

一般而言，细颗粒由于其比表面积大，吸附位点多，对污染物有较强的吸附能力（Rinklebe et al.，2016），但由于各种复杂的因素，污染物也有可能向粗颗粒中聚集。Ajmone-Marsan et al.（2008）将土壤分为＞50 μm、22-50 μm、10-22 μm、2-10 μm和＜2 μm 5种不同等级的粒径，表明污染物Cr、Cu、Ni、Pb及Zn均聚集在粒径＜10 μm的颗粒部分，但由于受到成岩作用的影响，Cr和Ni在粒径＞50 μm的组分中也有较多的累积；Acosta et al.（2009）研究了西班牙4个公园中Al、Si、Ti等金属在9种土壤粒径组分中的分布，发现各金属在土壤PM10和PM2.5组分中的累积程度均较高，而且还表明除了土壤颗粒大小外，土壤PM10和PM2.5组分中较高的方解石和白云石等矿物质含量也是造成重金属在该组分中累积的可能因素。Liu et al.（2018）将土壤分为＞10 μm、10-1 μm、1-0.45 μm、0.45-0.2 μm及＜0.2 μm 5种更细的颗粒，同样得出重金属浓度随粒径减小而增加的结论。与重金属相似，PAHs在不同土壤粒径中的分布也存在差异，但目前国内外对PAHs的研究较少且各研究得出的结论不同。部分研究表明PAHs在土壤粗颗粒中的富集程度更强（Wang et al.，2001；Yang et al.，2008；王欣等，2015），然而也有一些研究得出了不同的结论（吴启航等，2004；Ahrens et al.，2004；Oen et al.，2006；Maruya et al.，1996）。但这些研究大都基于较粗的土壤颗粒，如吴启航等（2004）研究的土壤粒径范围为22-500 μm；Ahrens et al.（2004）的研究范围为63-1000 μm；Li et al.（2010）基于的粒径尺度更大，范围为50-2000 μm；相比之下，Oen et al.（2006）在研究中涉及到的土壤颗粒较细，分别为＞75 μm、2-75 μm及＜2 μm，并表明PAHs在粒径＞75 μm的组分中累积程度最高。此外，魏萌等（2013）还发现不同环数的PAHs在土壤不同粒径组分中的分布模式也不相同。故对于PAHs，芳香烃环数对其累积特征的影响也应该引起足够的重视。综上，目前关于土壤不同粒径组分的研究虽较多，但基于土壤PM10和PM2.5组分的研究还报道较少。而且由于不同的污染物性质不同，可能会导致其在不同土壤粒径中的分布特征也存在差异，故研究不同污染物在土壤PM10和PM2.5组分中的累积特征是非常必要的。

细颗粒对污染物的富集作用强，然而我国在进行风险评价的过程中大都以原土中污染物的浓度进行，忽略了土壤粒径大小对人体健康行为的影响及不同土壤粒径中污染物浓度的差异性，故探究细颗粒对呼吸途径健康风险评估的影响，并对我国现有的风险评价模型进行优化是非常重要的。此外，由于我国对污染场地的研究起步晚，相比国外而言对风险评价模型的研究还不成熟，针对这种情况，对比国内外模型之间的差异，借鉴国外较为成熟的模型也是合理可行的。

综上，本文选取了铬、砷及多环芳烃3种常见的污染土壤为研究对象，旨在：（1）研究土壤PM10和PM2.5组分中污染物的累积特征；（2）分析有机质含量对污染物在细颗粒中累积的可能影响；（3）比较不同呼吸途径健康风险评价方法之间的差异，并对我国现有的风险评价模型进行优化。

1 材料与方法

1.1 样品采集

本文所用土壤样品共3种，分别采集于以铬、砷及多环芳烃为主要污染的污染场地。其中，铬污染土壤样品采集于青海省西宁市七一路延长段铬渣污染场地；砷污染土壤样品是在生态环境部砷渣清理调查工作中获取的样品；多环芳烃污染土壤样品是原北京焦化厂、首钢焦化厂及重钢焦化厂的土壤样品。各污染场地供试土壤样品均为8个，各土壤样品采集于表层。样品采集完后剔除碎石等杂质，风干、研磨，一部分样品过60目尼龙筛，获得粒径小于250 μm的土壤样品；另一部分样品利用实验室内的颗粒物再悬浮检测系统，选用美国URG公司的PM2.5和PM10标准旋风式采样器，设置采样流量为16.7 L·min-1，空气动力学直径切割粒径分别为10 μm和2.5 μm，获得PM10和PM2.5的滤膜样品。

1.2 样品分析

铬污染供试土壤样品分析指标包括pH、有机质、六价铬及总铬；砷污染供试土壤样品分析指标包括pH、有机质及砷；多环芳烃供试土壤样品分析指标包括pH、有机质、炭黑及USEPA优先控制的16种污染物（Nap、Acy、Ace、Flu、Phe、Ant、FlA、Pyr、BaA、Chr、BbF、BkF、BaP、InP、DBA、BgP）。

其中，土壤pH采用电位法测定（杜森等，2006）；有机质采用重铬酸钾外加热法测定（杜森等，2006）；炭黑采用热化学氧化法测定（Aiken，1985）；六价铬采用二苯碳酰二肼分光光度法测定（杜森等，2006）；总铬、总砷采用火焰原子吸收分光光度法测定（杜森等，2006）；多环芳烃采用气相色谱-质谱法测定（中华人民共和国环境保护部，2016）；滤膜上的铬、砷和多环芳烃分别采用二苯碳酰二肼分光光度法（中华人民共和国卫生部，2004）、二乙基二硫代氨基甲酸银分光光度法（中华人民共和国环境保护部，2009）及高效液相色谱法测定（中华人民共和国环境保护部，2013）。

1.3 评价方法

1.3.1 累积因子

目前，主要通过构建累积因子来对污染物在土壤不同粒径组分中的累积特征进行研究（Acosta et al.，2009；Liu et al.，2018；Gong et al.，2014；Huang et al.，2014）。累积因子（Accumulation Factor，AFx）是定量评估不同土壤粒径聚集体中污染物分布特征的重要指标，其计算公式如下（Huang et al.，2014）：

式中，AFx为某元素在土壤颗粒中的累积因子，Xfraction为被给粒径组分中元素的浓度（单位为：mg·kg-1），Xbulk为原土中元素的浓度（单位为：mg·kg-1）。若AFx大于1，表明污染物在该土壤粒径中聚集。

1.3.2 健康风险评价模型

目前，发达国家由于对污染场地的研究起步较早，已经相继提出了多种风险评价模型，如英国提出的CLEA（Contaminated land exposure assessment，污染场地暴露风险）、美国提出的RBCA（Risk-based Corrective Action，基于风险的矫正行动）模型等（施烈焰等，2009），其中，应用最为广泛的是RBCA模型。而我国在借鉴国外经验的基础上制定了《污染场地风险评估技术导则》（HJ 25.3—2014），简称RAG-C模型，该模型是目前我国进行污染场地风险管理的主要依据（张斌等，2015）。本文分别基于RBCA模型和RAG-C模型，选取不同的暴露参数，对呼吸吸入途径的人体健康风险进行评价，探究两种模型之间的差异。

方法1（a）：根据美国试验与材料协会发布的RBCA模型对呼吸吸入途径的人体健康风险进行评价。计算公式如下（Connor et al.，2007）：

式中，CRpis为吸入土壤颗粒物暴露于单一污染物的致癌风险，无量纲；EDI为呼吸吸入尘中的污染物量，mg·(kg·d)-1；SFi为呼吸吸入致癌斜率因子，[mg·(kg·d)-1]-1；Csur为 土 壤 中 污 染 物 的 浓 度，mg·kg-1；PEF为土壤尘产生因子，单位为kg·m-3；DAIRa为成人每日空气呼吸量，m3·d-1；EFa为成人暴露频率，d·a-1；EDa为成人暴露期，a；BWa为成人平均体重，kg；ATca为致癌效应平均时间，a；Pe为颗粒扩散速度，g·(cm2·s)-1；W为污染源区宽度，m；Uair为混合区大气流速风速，m·s-1；δair为混合区高度，m；IUR为呼吸吸入单位斜率致癌因子，m3·mg-1。

方法1（b）：基于RBCA模型，采用《扬尘源颗粒物排放导则》中提出的方法计算颗粒扩散速度，计算公式如下，计算公式如下（中华人民共和国环境保护部，2014a）：

式中，ki为PMi在土壤扬尘中的百分含量，无量纲；Iwe为土壤风蚀指数，无量纲；f表示地面粗糙因子，无量纲；L为无屏蔽宽度因子，无量纲；V为植被覆盖因子，无量纲。

方法2（a）：根据《污染场地风险评估技术导则》（HJ 25.3—2014）中的RAG-C模型对敏感用地下的呼吸途径人体健康风进行评价。计算公式如下（中华人民共和国环境保护部，2014b）：

式中，PISERca为吸入土壤颗粒物的土壤暴露量，kg·(kg·d)-1；PM10为空气中可吸入颗粒物含量，mg·m-3；DAIRc为儿童每日空气呼吸量，m3·d-1；EDc为儿童暴露期，a；PIAF为吸入土壤颗粒物在人体内滞留比例，无量纲；fspo为室外空气中来自土壤的颗粒物所占比例，无量纲；EFOc为儿童室外暴露频率，d·a-1；fspi为室内空气中来自土壤的颗粒物所占比例，无量纲；EFIc为儿童室内暴露频率，d·a-1；EFOa为成人室外暴露频率，d·a-1；EFIa为成人室内暴露频率，d·a-1。

方法2（b）：基于方法2（a），采用土壤PM10组分中污染物的浓度作为暴露参数进行健康风险评价，计算公式如下：

式中，surC′为土壤PM10颗粒中污染物的浓度，mg·kg-1。

暴露风险评估模型中各参数取值见表1和表2。

RBCA模型和RAG-C模型在设计上存在异同点。首先，二者在算法上均考虑到了污染物在介质中的分配及迁移过程，在计算模型中涉及了环境介质参数、暴露情景参数、生态毒理参数及场地参数。但二者在计算原理上存在明显差异，（1）RBCA模型主要是利用土壤尘产生因子计算由土壤进入空气中的扬尘颗粒物含量，且在土壤尘产生因子的计算中，更多的涉及到了场地参数，如污染源区宽度、混合区大气流速及混合区高度等，考虑场地参数在内会增加评价结果的客观性。而RAG-C模型未考虑场地状况，主要利用空气中可吸入颗粒物的含量来计算暴露量。（2）RAG-C模型在设计上考虑的更为全面，不仅包含了儿童及成人两个阶段，而且考虑了室内和室外两种暴露情况；而RBCA模型仅考虑了成人阶段及室外暴露情况。（3）RAG-C模型在计算中考虑到了细颗粒在人体内的迁移过程，引入了PIAF参数（土壤颗粒物在人体内的滞留比例），故相比而言，RBCA模型的评估过程可能更为保守。

表1 暴露风险评估模型中各参数取值 Table 1 Value of parameters in the exposure risk assessment model

表2 污染物毒性参数 Table 2 Toxicity parameters of contaminants

此外，两种模型在设计上也都存在明显的不足。（1）RBCA模型虽然更多地考虑了场地参数来计算土壤尘产生因子，但这些参数在计算过程中均为定值（Connor et al.，2007），而不同的污染场地由于颗粒物扩散速度、污染源区宽度、大气流速等参数都不同，实际情况下土壤尘产生因子是不同的，故以RBCA模型计算风险忽略了不同场地土壤尘产生因子的差异。此外，在《扬尘源颗粒物排放清单编制技术指南》中也提出了计算颗粒物扩散速度（参数Pe）的不同算法，并详细地考虑了土壤的风蚀指数、地表粗糙因子、无屏蔽宽度因子及植被覆盖因子4个参数，较RBCA模型更为客观，但目前基于该算法的相关风险评价研究还未见报道。（2）考虑到粒径小于10 μm的颗粒部分是随呼吸系统进入人体支气管区域的主要颗粒物，RAG-C模型以PM10颗粒物在空气中的含量来计算可吸入颗粒物暴露量，但在暴露浓度的计算中却基于原土中污染物的浓度进行，故该算法忽视了不同土壤粒径组分中污染物浓度的差异性。

2 结果与讨论

2.1 供试土壤理化性质

供试土壤理化参数见表3-5。3种土壤均呈碱性，有机质和炭黑含量波动较大，多环芳烃中炭黑含量平均约为有机质的41.82%，而Li et al.（2010）得出原土中炭黑占有机质的比例约为24.17%，Oen et al.（2006）得出炭黑占有机质的比例约为0.75% -10.50%。这种差异可能是由于不同场地污染土壤其粒径组成不同，而粒径的组成对有机质和炭黑含量都存在一定的影响，从而导致不同研究得出的炭黑与有机质的比值差异较大。3种污染土壤中，六价铬和砷污染较为严重，分别为筛选值的73-8733倍和3750-16323倍；多环芳烃总体污染较轻，但苯并（a）芘污染较为严重，最大超出筛选值的364倍。3种污染物均具有较强的致癌效应，尤其是苯并（a）芘，是多环芳烃中呼吸致癌效应最强的一种化合物，应该引起广泛的关注。

表3 铬污染土壤理化参数 Table 3 Physical and chemical parameters of chromium contaminated soils

表4 砷污染土壤理化参数 Table 4 Physical and chemical parameters of arsenic contaminated soils

2.2 各污染物在土壤细颗粒组分中的浓度分布特征

各污染物在土壤细颗粒组分中的累积因子见图1。不同污染物在土壤细颗粒组分中的累积因子差异较大。总铬、六价铬、砷及多环芳烃（2-3环、4环、5-6环）在土壤PM2.5组分中的累积因子分别为0.005-0.342、0.019-5.773、1.254-3.508、0.547-26.057、2.313-181.098和1.026-415.533；在土壤PM10组分中的累积因子分别为0.008-0.261、0.080-12.409、1.208-2.340、0.214-12.822、1.452-98.372和0.916-216.367。随着不同污染物在原土中浓度的增加，累积因子变化无明显规律，表明表层土壤中污染物的浓度对其在细颗粒组分中的累积因子无明显影响。

表5 多环芳烃污染土壤理化参数 Table 5 Physical and chemical parameters of polycyclic aromatic hydrocarbons contaminated soils

图1 各污染物在土壤PM2.5和PM10组分中的累积因子 Fig. 1 Accumulation factor of contaminants in PM2.5 and PM10 fractions

除样品S3和S7外，六价铬和总铬在细颗粒中的累积因子均小于1，表明六价铬和总铬更倾向于向粗颗粒中累积。相似的结果在已有的研究中也被发现，Li et al.（2001）通过分馏系数指示重金属在土壤颗粒中的分布差异，表明铬在土壤中主要赋存于粒径＞250 μm的粗颗粒中；Ajmone-Marsan et al.（2008）调查了5个欧洲城市中土壤重金属的分布，发现在TOR（都灵）和GLA（格拉斯哥）两个城市中铬在粒径＜2 μm和＜10 μm的组分中含量分别小于20%和45%，在AVE（阿威罗）、SEV（塞维利亚）、LJU（卢布尔雅那）3个城市中的含量分别为41%-59%和60%-80%，即均呈现出向土壤较粗颗粒中聚集的趋势。此外，相比总铬而言，六价铬在土壤细颗粒中的累积程度更强，累积因子高出总铬的3.37-54.35倍。

绝大多数样品中砷和多环芳烃在细颗粒中的累积因子均大于1，且在PM2.5组分中的累积因子要显著高于PM10组分，表明砷和多环芳烃均倾向于向细颗粒中累积，且粒径越小，累积程度越高。Gong et al.（2014）也研究发现砷在粒径＜53 μm的土壤颗粒中其浓度最大，而在粒径＞1000 μm的土壤粗颗粒中其浓度最小，表明砷在较细的土壤颗粒中累积作用更强。本文研究表明，重金属砷和铬在细颗粒中的累积存在明显差异，其原因可能在于，细颗粒表面积大，吸附位点多，对污染物有较强的吸附能力（Rinklebe et al.，2016；朱月珍，1985）。但由于各种复杂的因素，如重金属可能会嵌入到粗颗粒的微团聚体中而被粗颗粒优先吸附等，导致重金属不仅仅倾向于在细颗粒中聚集，也有可能在粗颗粒中聚集（Gong et al.，2014）。

相对多环芳烃而言，砷在土壤细颗粒中的累积因子较低且变化范围小；而多环芳烃在土壤细颗粒中的累积因子较高且变化范围大，最大高出砷2个数量级。此外，多环芳烃累积因子除了受颗粒大小影响外，芳香烃环数也对其存在一定的影响。4环及5-6环累积因子总体高于2-3环，这主要是由于2-3环PAHs有较低的水-有机碳分配系数和不稳定性（Simpson et al.，2005），易在土壤各粒径中发生转移，从而导致累积因子相对较小；而4-6环PAHs其水-有机碳分配系数较高，土壤中的矿物和有机质对其有更强的吸附作用，在转移过程中受到的阻碍作用较大（Zhang et al.，2008），使得不同粒径中的浓度分布存在较大差异，累积因子表现相对较高。另外，不同粒径中低分子量（2-3环）和高分子量（4环及5-6环）多环芳烃所占比例也存在一定差异。由图2可知，土壤PM10和PM2.5组分中高分子量多环芳烃所占比例平均为63.11%和58.98%，远高于PM250组分中高分子量所占比例39.05%，由于高分子量多环芳烃呼吸毒性更高，故其在细颗粒中的累积效应应该引起更多的关注。

图2 不同土壤粒径中2-3/4/5-6环PAHs所占百分比平均值 Fig. 2 Average percentage of 2-3/4/5-6 rings PAHs in different fractions of soils

2.3 有机质对污染物在细颗粒中累积因子的影响

图3 累积因子（FA）随有机质（OM）/炭黑（BC）含量的变化关系 Fig. 3 Relationship between FA and OM/BC

累积因子随原土中有机质变化关系图如图3。六价铬和总铬的累积因子整体小于1，仅当有机质含量较低时，六价铬累积因子大于1（样品S3、S7）。可能原因在于有机质带有大量的负电荷，随着有机质含量的增加，其对六价铬的吸附能力越来越强（朱月珍，1985），故当有机质含量较低时，其对六价铬的吸附能力较弱，土壤原土中六价铬的含量较低，从而使得土壤细颗粒组分累积因子表现相对较高。但当有机质含量较高时，会形成一个良好的氧化还原条件，使六价铬大量被还原为三价铬。

砷在细颗粒中的累积因子随有机质的变化并没有表现出明显的规律性，即有机质对砷的分布影响较弱。Gong et al.（2014）与Ljung et al.（2006）表明砷与有机质之间的相关性极弱甚至不存在相关性。此外，相关研究也表明铁铝元素含量及颗粒的比表面积是影响不同粒级组分中砷含量分布的主要因素（李士杏等，2011；Jiang et al.，2005），其中，李士杏等（2011）还通过相关性分析表明，砷含量与铁铝元素含量的相关系数分别为0.912和0.902，与比表面积之间的相关系数为0.911，均呈显著正相关关系，且砷含量随铁铝元素及比表面积的增加以指数形式增加。

而对于多环芳烃，相同有机质和炭黑条件下，4环和5-6环累积因子大多高于2-3环，约为2-3环的1.14-74.69倍，这主要是由于高环多环芳烃具有很强的亲脂性，易与土壤中的有机质与炭黑结合。相关研究还表明有机质的组成和形态对多环芳烃的分布也有一定的影响作用（Zhang et al.，2008），尤其是炭黑与土壤中多环芳烃的相关性高达0.85-0.92（Li et al.，2010；Oen et al.，2006），故有机质和炭黑对土壤中多环芳烃的累积有重要影响。本文研究表明，随着表层土壤中有机质含量的增加，多环芳烃的累积因子变化无明显规律，表明仍存在其他因素影响土壤细颗粒组分中多环芳烃的累积。

2.4 呼吸吸入途径健康风险评估

图4 不同方法所预测的3种污染物致癌风险 Fig. 4 Carcinogenic risk of three contaminants predicted by different methods

续图4 不同方法所预测的3种污染物致癌风险 Continued Fig. 4 Carcinogenic risk of three contaminants predicted by different methods

如图4所示，不同污染物均以方法1（b）计算得到的致癌风险最高，以方法1（a）计算得到的致癌风险最低。这主要是由于方法1（a）以RBCA模型中提供的方法计算得到的起尘因子为6.9×10-12，而方法1（b）以扬尘源颗粒物排放导则中提供的方 法计算的到的起尘因子为7.79×10-5，二者相差7个数量级。而方法2（a）与方法2（b）风险评价结果的差异主要取决于污染物在不同粒径中的浓度分布特征，对于六价铬，其PM10组分累积因子小于1，故基于普通粒径中污染物的浓度作为暴露参数计算得到的致癌风险更高；而对于砷和多环芳烃，由于其PM10组分累积因子均大于1，故以细颗粒组分中污染物的浓度作为暴露参数计算得到的致癌风险更高。

不同种类的多环芳烃在致癌效应上也表现出了一定的差异。由方法1（a）、方法1（b）及方法2（a）计算得到的多环芳烃致癌风险大小均为BkF＜Chr＜DBA＜InP＜Nap＜BaA＜BbF＜BaP；而由方法2（b）计算得到的致癌风险大小为BkF＜BbF＜Chr＜ Nap＜InP＜BaA＜DBA＜BaP。其中，BaP及DBA的呼吸途径致癌因子较大，是NaP、BaA、Chr、BbF、BkF、Ipy致癌因子的9.85-98.46倍，但DBA在土壤PM250组分中较低的浓度水平使得以前3种方法得到的致癌风险较低，而其在PM10组分中较强的累积效应又使得以方法2（b）计算得到的致癌风险较高。此外，BaP作为多环芳烃中致癌效应最强的一种化合物，其环数高，难降解，且在细颗粒中的累积效应强，应引起更多的关注。

虽然RBCA模型以起尘因子计算暴露量客观的反映了呼吸途径的暴露过程，但由于其在起尘因子计算方法上仍存在较大的不确定性，且现场参数难以量化，故以改进起尘因子的计算方法来改善RBCA模型较为困难。而以《HJ 25.3—2014》中的模型计算致癌风险，其结果大致为几种方法的平均水平，且改进后的方法2（b）考虑了粒径大小与暴露途径的关系及不同粒径中污染物的差异性，更加客观的反映了污染物的呼吸颗粒物途径的暴露过程。因此，本文建议通过实测表层土壤PM10组分中污染物的浓度，作为《HJ 25.3—2014》风险评估模型中的暴露参数更为合理可行。

根据上述评价结果，以方法2（b）为基础，探究污染物浓度超标倍数与致癌风险之间的关系如图5所示。3种污染物致癌风险总体表现为砷＞六价铬＞苯并（a）芘，虽然六价铬呼吸途径致癌因子约为砷和苯并（a）芘的2.79倍和19.98倍，但由于砷的超标倍数高，导致其致癌风险最大。另外，砷致癌风险与原土中污染物超标倍数相关性较强，而六价铬和苯并（a）芘均表现较弱，这主要是由于砷在土壤PM10组分中的累积因子变化范围小且均接近于1，土壤PM250组分和PM10组分中砷的浓度差异相对较小所致。而对于六价铬和苯并（a）芘，不同粒径中污染物的累积差异较大，导致致癌风险并非随原土中污染物超标倍数的增大而增大。

3 结论

（1）不同土壤粒径中污染物的浓度分布存在较大差异。铬和六价铬均呈现出向土壤粗颗粒中累积的趋势；砷和多环芳烃在土壤细颗粒中的累积程度更高，且相比多环芳烃，砷在土壤细颗粒中的累积因子低且变化范围小。芳香烃环数对多环芳烃的累积因子也存在一定的影响，4环及5-6环累积因子高于2-3环，且土壤PM10和PM2.5组分中高分子量多环芳烃所占比例远高于土壤粒径小于250 μm的颗粒组分。

（2）有机质对不同污染物其影响作用不同。当有机质含量较低时，由于有机质对六价铬的吸附作用弱，六价铬累积因子表现出大于1的趋势；在有机质和炭黑含量相同的条件下，4环及5-6环多换芳烃由于具有更强的亲脂性，使得其含量比2-3环更高；而砷在土壤中的分布基本与有机质无关。

（3）基于不同方法得到的呼吸途径致癌风险差异较大，最大相差7个数量级。而且不同种类的多环芳烃在致癌效应上也表现出了一定的差异，但由于BaP致癌因子较高，基于不同方法计算得到的致癌风险均以BaP表现最高。依据评估结果及暴露过程，建议使用《HJ 25.3—2014》中的风险评估模型，通过实测表层土壤PM10组分中污染物的浓度作为暴露参数来计算呼吸途径的健康风险更为合理。此外，致癌风险并非随原土中污染物超标倍数的增大而增大，仅当PM10组分中污染物的累积因子接近于1时，致癌风险和原土中污染物超标倍数表现出较强的线性关系。

图5 不同污染物超标倍数（MC）与致癌风险（RC）的关系 Fig. 5 Relationship between MC and RC of different contaminants