《Environmental Chemistry and Ecotoxicology》：Systematic source–sink–fate framework for emerging contaminants in an industrial park of Guangdong, China: Source profiles, removal inefficiencies, and ecological risks
编辑推荐：
为系统管控工业园区多源、跨界的新兴污染物（ECs），本研究在粤港澳大湾区水源地东江上游构建“源-汇-归宿”一体化评估框架。该研究定量揭示了不同行业排放特征，评估了污水处理厂对ECs的去除瓶颈，并基于风险商识别了邻苯二甲酸酯（PAEs）和药物（如ACE）为高风险优先管控物质，为工业集聚区ECs风险主动管理提供了可转移的定量工具。
工业化的进程在带来繁荣的同时，也向环境中释放了大量“看不见的威胁”——新兴污染物。从我们日常使用的塑料制品、纺织品，到医疗和农业中广泛使用的药品与化学品，这些物质正通过错综复杂的途径进入水体，对水生生态系统和饮用水安全构成潜在风险。然而，当前的研究和管理往往“头痛医头，脚痛医脚”，要么只关注污染从哪里来，要么只盯着污水处理厂能不能除掉，或者只评估最终对环境的危害，缺乏一个能将“源头排放-过程消减-最终归趋与风险”串联起来的全景式分析框架。这就像只检查了汽车的排气管、油箱和刹车，却没能综合评估整辆车的污染排放与安全性能一样，难以系统识别关键风险环节并制定精准的管控策略。
面对这一挑战，发表在《Environmental Chemistry and Ecotoxicology》上的一项研究，以广东东江上游一个典型的工业园区为“天然实验室”，构建并应用了一个创新的“源-汇-归宿”系统分析框架。该研究旨在回答几个核心问题：园区内不同行业究竟排放了哪些特征污染物？作为污染“汇”的城镇污水处理厂，对这些五花八门的污染物去除效果究竟如何？那些“漏网之鱼”进入河流后的命运怎样，又会对下游饮用水源地构成多大的生态风险？通过将工业排放源解析、污水处理过程评估和下游生态风险量化这三个原本割裂的环节有机整合，该研究成功输出了污染源贡献排序、基于风险的优先管控名单等系统性管理信息，为其他工业集聚区和混合污染流域的新兴污染物风险管理提供了一个可移植的定量工具包。
为开展这项研究，作者团队运用了几个关键技术方法。首先，研究基于一次在旱季（2023年3月）开展的集中采样，系统采集了园区内电子、食品饮料、纺织、机电四大典型行业的预处理后废水、三家集中式污水处理厂的进出水、以及受纳河流七个断面的水样。在实验室分析层面，他们采用了靶向分析策略，针对四大类共计62种目标新兴污染物，使用液质联用和气质联用技术进行精准定量。在数据分析阶段，研究综合运用了正定矩阵因子分解模型进行污染源解析，采用偏最小二乘判别分析进行污染特征分类，并最终基于风险商和混合风险商模型，对污染物在污水处理厂和河流中的生态风险进行了分级评估。
3.1. 工业废水中ECs的识别与来源贡献分析
该部分通过分析四大行业废水，明确了不同行业的特征污染物排放谱。结果显示，邻苯二甲酸酯（PAEs）在电子信息和食品饮料行业废水中浓度最高，其中DAP和DBP的浓度峰值分别达5276.6 ng/L和5572.2 ng/L。全氟/多氟烷基物质（PFAS）和有机磷酸酯（OPEs）则主要与纺织和机电行业相关，PFAS中PFOA是主要化合物，而OPEs中磷酸三乙酯的浓度高达4849.8 ng/L。这些具有内分泌干扰性、持久性和生物累积性的化合物，对下游生物处理构成了挑战。
3.2. 传统污水处理厂中ECs的赋存与去除性能
研究表明，三家污水处理厂对不同类别污染物的去除效果差异显著且有限。采用传统A2/O+人工湿地工艺的W1厂对PAEs去除率较好（71.5%），但对PFAS呈现负去除（-5.5%）。采用A2/O+膜生物反应器（MBR）的W2厂对PPCPs去除率提升至68.0%，但PAEs去除率仅12.9%，PFAS负去除率高达-28.9%。这揭示了污水处理厂可能因前体物转化或污泥释放而成为污染物的“二次源”，而非有效的“汇”。
3.3. 受纳河流中ECs的迁移与归宿
追踪污染物进入H河后的命运发现，四大类污染物在河流中广泛检出。PAEs浓度在中游R5点达到峰值，与塑料废物堆积区空间重叠，暗示固体废物渗滤液是重要的面源。OPEs在上游R1、R2点浓度异常高，提示存在园区边界外的未知上游源。PFAS在河流自净能力有限，在下游R7点有累积趋势。虽然检出浓度多数低于中国现行标准，但部分PFAS单体浓度已超过美国环保署的健康咨询值，凸显了其对下游东江饮用水源的潜在威胁。
3.4. ECs的综合来源、相关性及分类分析
通过正定矩阵因子分解、Spearman相关和偏最小二乘判别分析等多变量模型综合分析，揭示了污染的复杂来源。PAEs来源可解析为6个因子，包括与个人护理品/食品包装相关的短链PAEs源、与PVC电缆/合成皮革相关的高分子量PAEs工业源等。PFAS来源包括以短链PFCAs为主的工业助剂源、以PFOS为主的氟化阻燃剂/消费品源等。PPCPs则主要来源于养殖、生活和医疗排放，且污水处理厂出水是河流中PPCPs的主要输入途径。
3.5. 源-汇-归宿框架下的ECs生态风险评估
基于风险商的生态风险评估明确了优先管控对象。在污水处理厂和河流中，PAEs的混合风险商（RQmix）整体处于高风险水平，其中DBP、DPhP和DNOP是主要风险驱动因子。药物中的ACE在三个污水处理厂进水和多个河流断面呈现高风险。PFAS中，PFOS是驱动混合风险的主要物质，处于中等风险水平。该评估将污水处理厂识别为风险转移的关键节点，并为制定风险导向的优先管控清单提供了直接依据。
4. 结论
本研究建立的“源-汇-归宿”系统框架，成功桥接了工业排放、污水处理厂效能和下游生态风险之间的管理裂隙。应用该框架于广东的典型工业园区，清晰揭示了行业特异性排放特征：电子和食品饮料行业主导排放高风险的PAEs，纺织和机电行业则与PFAS和OPEs密切相关。传统污水处理工艺对ECs的去除有限且不稳定，甚至可能成为二次污染源。生态风险评估最终将PAEs和特定药物列为优先控制目标。更重要的是，该框架的通用性在于其系统性的分析逻辑与产出——包括污染源贡献排序、处理性能趋势和基于风险的优先管控名单，而非局限于具体地点的浓度数据。这为环境监管部门从描述性监测转向主动的、基于风险的管理提供了科学的、可操作的定量工具，对保护水生生态系统和饮用水源安全具有重要的实践意义。
