受酸性矿井排水影响的矿区的生态健康风险及优先控制因素：从源头导向的角度进行的生命周期评估

《Environmental Impact Assessment Review》：Ecological-health risks and priority control factors in acid mine drainage-impacted mining regions: A lifecycle assessment from a source-oriented perspective

本研究针对高硫非ferrous金属矿区地下水AMD污染问题，构建了源解析、风险评价与修复预测的综合评估框架，揭示了AMD主导的酸化、高盐及重金属复合污染特征，提出以砷为核心的风险控制策略，并通过蒙特卡洛模拟量化健康风险，预测修复措施效果，为矿区生态修复提供科学依据。

　　

王冰|马磊|钱家忠|杨龙|谢伟|丁丹|杨赫坤

合肥工业大学资源与环境工程学院，中国合肥230009

摘要

与酸性矿井排水（AMD）相关的地下水污染在采矿区尤为令人担忧，然而在整个生命周期内的生态健康风险评估却很少受到关注。本研究开发了一个综合评估框架，以实现从源解析、风险量化到修复方案预测的闭环分析。结果表明，地下水主要受到AMD的影响，其特征是严重的酸化、高盐度以及重金属和硫酸盐的联合污染，而浅层含水层是污染修复的重点目标区域。基于源头的优先控制策略确定，来自周边废弃矿山和采矿beneficiation废水/尾矿渗滤的AMD是关键的风险驱动因素，其中砷（致癌风险）、铝（非致癌风险）和铜（生态风险）被列为优先污染物。基于蒙特卡洛模拟的健康风险评估显示，儿童面临显著的非致癌风险和不可接受的致癌风险，主要通过摄入途径暴露。预测模拟进一步表明，水位恢复结合石灰石中和可以改善水质并降低非致癌风险，但生态和致癌风险的控制效果有限。此外，由于模型未能充分考虑关键的生物地球化学过程，实际风险可能比预测的更为严重。这些发现验证了一种针对采矿源头和高毒性元素的有针对性的风险管理策略，为采矿区的地下水污染控制和风险预警提供了科学依据。

引言

地下水是全球最重要的淡水来源之一（Xing等人，2013；Yousefi等人，2018），占全球可用淡水资源的97%，支持约33%的全球淡水消耗（Gorelick和Zheng，2015）。它满足了40%的农业灌溉需求和33%的工业用水需求（Lall等人，2020）。地下水的资源和生态价值从根本上取决于其数量和质量（Scanlon等人，2023；Kuang等人，2024），其稀缺性和质量退化已成为全球可持续发展的关键限制因素。事实上，随着城市化的持续进行，采矿活动造成的地下水污染问题日益严重，尤其是酸性矿井排水（AMD）已成为最令人担忧的问题之一（Pan等人，2025；Younger等人，2004；Johnson和Hallberg，2005；Chen等人，2022a）。迄今为止，AMD带来的生态健康风险仅次于全球变暖和臭氧层破坏，使其成为一个全球性环境问题（Ai等人，2023），并将其修复列为国家生态安全的优先事项。与其他环境介质相比，AMD对地下水的污染更为隐蔽、持久，并表现出明显的滞后效应（Wang等人，2019；Liu等人，2021）。根据不完全的统计数据，来自矿山废物渗滤和AMD的重金属已成为全球地下水中有毒金属和类金属污染的主要来源（Wang等人，2025a），对人类健康构成严重威胁（Dong等人，2024；Tuo等人，2024；Ferreira等人，2023）。鉴于这些担忧，系统地阐明受AMD影响的地下水质量变化并进行严格的风险评估至关重要。这样的研究不仅为矿产资源的安全和绿色开发以及水生生态系统的保护提供了理论基础，也满足了生态文明建设战略框架下采矿区生态恢复的迫切需求。

对受AMD影响的地下水质量的评估已经从传统的单一指标方法发展到多维综合评估模型。传统的单因素指数、Nemerow指数和模糊综合评估方法往往无法考虑水质指标之间的非线性关系，对极端值敏感，并且依赖于主观权重分配，因此不适用于复杂的水文地质条件（Temino-Boes等人，2020；Zhang等人，2021；Wei等人，2023；Prapanchan等人，2024）。为了克服这些限制，引入了熵加权水质指数（EWQI），通过客观权重分配显著减少了主观偏差（Liu等人，2024；Aju等人，2024）。进一步的改进导致了CEWQI模型的开发，该模型结合了CRiteria Importance Through Intercriteria Correlation（CRITIC）方法，更好地捕捉了指标之间的对比强度和相关性，从而能够协同评估水化学参数和重金属污染（Akram等人，2023；Li等人，2022）。为了解决AMD影响区域的特定挑战，新开发的AMD水污染指数（WPI-AMD）有效减轻了某些参数的高值掩盖其他参数严重超标的现象，从而更准确地识别高风险水体（Balboa等人，2025；Uddin等人，2022；Sutadian等人，2016）。此外，使用钠吸附比（SAR）和可溶性钠百分比（SSP）来评估灌溉适宜性，这有助于解释高盐度对水资源可用性的影响（Egbueri和Agbasi，2022），而生态风险指数（ERI）用于量化典型AMD重金属造成的水生生态风险（Hakanson，1980；Luo等人，2022；Benetto等人，2007）。总之，结合这些方法的综合评估框架为AMD影响区域的地下水资源的分类管理和风险缓解提供了系统解决方案。

鉴于地下水污染源的复杂性和多样性，通常采用多变量统计方法进行源识别。然而，这些方法面临高样本量要求、对缺失数据和异常值的敏感性以及经常模糊的源归属等问题，这使得准确的源解析变得复杂（Ali等人，2024；Rao等人，2022；Shi等人，2022；Liu和You，2023）。当源组成轮廓不可用时，正矩阵分解（PMF）模型在多源污染情况下表现稳健，提供稳定清晰的源归属，并已广泛应用于地下水污染源识别（Han等人，2024；Xu等人，2023；Pang等人，2024）。为了进一步阐明地下水与环境介质之间的物理化学相互作用，整合传统的水化学方法（如Piper图、Gibbs图和离子比率图）可以显著提高源解析的准确性和可靠性（Chen等人，2022b；He等人，2022）。在风险评估方面，人类健康风险评估（HHRA）模型已被广泛用于评估与地下水相关的健康风险（Shivarajappa Lagudu等人，2023；Shi等人，2024；Zhang等人，2024）。通过结合蒙特卡洛模拟，可以从预定义的暴露分布中采样，从而概率估计污染物浓度超过风险阈值的可能性，从而显著提高评估的真实性和可信度（Dai等人，2024；Yuan等人，2023；Veskovic和Onjia，2025；Liu等人，2026）。为了进一步评估来自不同来源的污染物的生态健康风险，综合PMF-HHRA-ERA方法系统地整合了多维信息，包括污染物浓度、源贡献、毒性效应和污染水平，从而能够精确识别优先污染源和关键污染物（Shen等人，2024；Yu等人，2025；Mao等人，2023；Jarvis和Younger，2000）。因此，明确优先源和污染物对于缓解潜在的地下水生态健康风险、保护公共健康和确保区域生态安全至关重要。

中国中下游长江地区的天马山硫金矿区是一个典型的高硫有色金属生产基地（Wang等人，2025b；Wang，2003）。其独特的地质水文条件使其极易形成pH值低、重金属浓度高的AMD，进而引发一系列生态问题，包括水源退化、地表水质量恶化、生态景观完整性丧失以及对人类健康的威胁（Yuan等人，2022；Liao等人，2016）。现有研究记录了当地地下水中严重的重金属污染（Xie等人，2025；Zhang，2005）和频繁的酸雨事件（Liu等人，2012；Zhu，2018），凸显了重大的生态威胁。然而，复杂的地质环境加上密集的人类活动导致了地下水质量的复杂演变，关于其污染特征和相关生态健康风险的知识仍有很大空白。因此，本研究的目标是（1）表征来自采矿活动的地下水污染物种类，阐明其空间分布模式，（2）追踪污染源并确定HHRA和生态风险评估（ERA）的优先控制因素和关键驱动因素，以及相关的暴露变异性和不确定性，（3）通过混合建模预测采矿关闭后的地下水系统风险轨迹。这些成果可以为采矿区的主动地下水污染控制和风险预警策略建立关键的科学基础，从而为矿山生态恢复的进展提供关键支持。

研究区域概述

研究区域位于中国东南部的一个活跃的金属矿区（东经30.90°–30.92°，北纬117.82°–117.84°），被认为是中国典型的含硫有色金属矿床之一（图1）。该地区具有亚热带湿润季风气候，年平均降水量为1326毫米，年平均气温为16.2摄氏度。由于历史上的黄铁矿开采和冶炼活动，酸雨频繁发生，年平均发生频率

地下水水化学特征

物理化学指标和水质分析的描述性统计结果总结在表S1中。FG和SW接近中性，而MD呈酸性，平均pH值分别为6.58、7.49和2.57（图3）。DO浓度通常很高，69.39%的FG样本和100%的MD样本超过了中国地表水环境质量标准的III类限制。这种高DO含量显著影响了沉积物对重金属的吸附作用

结论

本研究创新性地开发了一个综合框架，用于源识别、生态健康风险评估和预测建模，专门针对高硫有色金属矿山设计。该框架应用于系统评估整个矿山生命周期内的地下水风险演变。酸性矿井排水（AMD）是塑造该地区地下水环境的主要驱动因素，导致严重的酸化、高盐度和重金属的联合污染

项目基础信息

项目（2022YFC3702200）得到了中国国家重点研发计划的支持。

CRediT作者贡献声明

王冰：概念化、方法论、软件、验证、正式分析、写作——初稿、可视化、数据管理。马磊：写作——审阅与编辑、软件、项目管理。钱家忠：方法论、写作——审阅与编辑、监督、项目管理、资金获取。杨龙：调查、正式分析。谢伟：写作——审阅与编辑。丁丹：写作——审阅与编辑。杨赫坤：数据管理、软件。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：

钱家忠报告称获得了中国国家重点研发计划的财政支持。如果还有其他作者，他们声明没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

本研究得到了中国国家重点研发计划（编号：2022YFC3702200）的财政支持。作者感谢合肥工业大学资源与环境工程学院提供的技术支持、实验设施和样品分析。我们还要感谢通凌有色金属集团有限公司在实地工作方面的协助。作者也非常感谢匿名审稿人的建设性评论