道路沉积物中重金属的全国尺度动态：空间聚集与时间趋势（2000–2024年）

《Environmental Pollution》：National-Scale Dynamics of Heavy Metals in Road-Deposited Sediments: Spatial Clustering and Temporal Trends, 2000–2024

道路沉积物重金属时空分布及生态风险研究：基于82个城市13,269个样本（2000-2024），评估地积累指数（Igeo）、潜在生态风险指数（Er）及NIRI，发现Mn和Zn积累量最高，Cd生态风险极强，As、Co、Cr、Hg、Mn、Ni呈现显著空间热点，而Cd、Cu、Pb分布随机。时间趋势显示Zn持续下降，Cd显著上升，Ni、Pb略有下降，Cu波动稳定。需区域化管控Cd污染及交通源贡献。

　　

王志成|詹天春|张全|刘安|黄晓武|谭倩|韩年

中国广东省生态安全与绿色发展基础研究卓越中心，广东省水质改善与流域生态修复重点实验室，广东工业大学生态、环境与资源学院，广州，510006，中国

摘要

城市道路上的道路沉积物（RDS）是重金属的重要储存库，同时也是城市水体和大气污染的来源。然而，关于RDS中金属含量、生态风险及其时空变化趋势的全国性评估仍然有限。我们在2000年至2024年间收集了来自82个中国城市的RDS金属数据（共13,269个样本，1,490条记录）。我们使用地理累积指数（Igeo）、潜在生态风险指数（Erii）和Nemerow综合风险指数（NIRI）来评估污染情况和生态风险，重点关注不同城市间重金属积累负荷、Igeo和NIRI的空间分布。通过热点分析和局部空间关联指标来分析空间模式。为了识别来自多种文献的数据集中的长期趋势，我们采用了蒙特卡洛重采样方法来传播不确定性，并使用Fe标准化方法来减少颗粒大小/矿物学稀释的影响。研究结果显示，Mn和Zn的积累负荷最高，而Cd带来的生态风险最大。As、Co、Cr、Hg、Mn和Ni在空间上表现出明显的热点分布，而Cd、Cu和Pb的空间分布则较为随机。从时间上看，Fe标准化趋势显示Zn含量显著下降，而Cd含量持续增加，Ni和Pb含量略有减少，Cu含量相对稳定。这些不同的趋势和金属特异性聚集现象表明，通用控制措施效果有限。因此，迫切需要基于热点分析的、针对特定地区的干预措施，优先减少Cd的来源并拦截其传输途径。

引言

道路沉积物（RDS）是由自然和人为来源的颗粒混合而成的复杂物质，它们在城市道路表面累积。这些颗粒来源于多种途径，包括路边土壤、大气沉降、交通活动和工业排放（Zhao等人，2011年）。颗粒的组成会随着自然地球化学过程和强烈的人类活动而动态变化，尤其是在交通密度不断增加的城市化区域（Zhao等人，2010年）。频繁的交通活动会产生大量颗粒污染物，包括车辆尾气、刹车磨损颗粒和轮胎磨损颗粒（Burnett等人，2025年）。这些颗粒含有有毒物质，会被交通湍流和风力重新悬浮，形成可吸入的气溶胶（Yoo等人，2025年）。此外，RDS通过雨水径流进入水生生态系统，最终进入食物链（Huang等人，2015年；Zhao等人，2009年；Men等人，2018年）。这种大气和水生的双重传输途径增加了生态系统和人类健康的暴露风险，尤其是在排水系统老化且交通繁忙的特大城市中。道路径流是主要的污染途径。研究表明，道路径流中的污染物浓度很高，占雨水径流中总污染物的40%–70%（Pan等人，2021年）。RDS中的重金属特别值得关注，因为它们具有持久性和毒性：Pb可能导致智力障碍、贫血和生殖异常（Balali-Mood等人，2021年）；过量暴露于Zn可能损害免疫系统（Read等人，2019年）；Cr具有高度毒性和致癌性（Coetzee等人，2020年）。

在过去二十年里，中国和国外的许多城市规模的研究报告了RDS中的金属积累负荷，调查了来源分布（例如交通、工业和地壳输入），并使用地理累积指数（Igeo）、潜在生态风险指数（Erii）和Nemerow综合风险指数（NIRI）等指标评估了污染情况和生态风险（Shetaia等人，2025年；Lu等人，2010年；Zhang等人，2017年）。这些研究表明，RDS中的金属富集水平可能超过当地背景值，在许多城市中，某些金属的浓度（尤其是镉（Cd）被归类为“相当高”或“非常高”的生态风险（Liang等人，2025年）。然而，大多数研究都是静态的，仅关注某一时间点的某个城市或比较单次采样活动中的不同土地利用类型。因此，缺乏对全国各城市RDS金属负荷变化的全面了解，更重要的是缺乏对其随时间变化的了解。

这一时间维度在中国尤为重要，因为自21世纪初以来，城市颗粒金属的主要人为驱动因素发生了巨大变化。关键的变化包括：（i）含铅汽油的淘汰和更严格的车辆排放标准（Lin等人，2025年）；（ii）与车辆现代化和电气化相关的刹车和轮胎配方变化（Timmers等人，2016年）；（iii）煤炭燃烧和重工业的结构调整，包括在发电厂和工业点源安装除尘和金属控制装置（Li等人，2020年）。这些政策和技术变化预计将改变通过交通磨损、大气沉降和表面冲刷排放到城市道路表面的金属的数量和组成。原则上，这些变化应该会对RDS产生可检测的长期影响，例如随着车辆清洁度的提高，Pb、Cu和Zn的含量会减少；或者由于工业和燃烧控制措施，Cd、Ni和Cr的特征会发生变化（Jeong等人，2021年；Tanner等人，2008年）。然而，缺乏系统的多年RDS金属趋势评估，因此无法确定二十年的排放控制和结构调整是否导致了RDS金属负荷的可测量减少。

空间异质性同样重要。中国各城市在工业结构、能源构成、交通密度和道路表面管理（例如清扫频率和雨水冲刷）方面存在显著差异。与交通磨损相关的金属（例如Cu、Zn和Pb）可能成为局部的高强度污染源（Gietl等人，2010年；Zhang等人，2015年），而与工业产出、煤炭燃烧或冶金加工相关的金属（例如Cd、Ni、Cr、Hg和As）可能基于共同的经济结构形成连贯的区域聚集（Huang等人，2022年）。因此，确定RDS污染是否具有空间聚集性，例如某些内陆城市带是否始终存在较高的生态风险，对于理解重金属暴露是纯粹的局部问题还是区域管理问题至关重要。然而，尚未系统地绘制出全国范围内的RDS金属风险的空间聚集和热点模式。

为了解决这些空白，我们整理并协调了2000年至2024年间82个中国城市RDS中金属积累负荷的已发表测量数据，共获得1,490条记录（来自13,269个样本）。仅纳入了采样和分析协议可比的研究。我们（i）为每个城市计算了累积负荷，并使用Igeo、Erii和NIRI评估了污染情况和生态风险；（ii）使用层次聚类和局部空间自相关性来区分与交通相关的局部金属特征和与区域相关的工业风险集群；（iii）提取了关键金属的十年尺度时间趋势。通过将观察到的空间集群和金属的时间轨迹与已知的车辆排放和工业能源结构变化联系起来，本研究提供了过去25年中国城市RDS中重金属负荷变化的全国性评估，为城市排放控制、道路表面管理和长期的大规模工业发展及空间布局规划提供了依据。

数据收集

数据收集

我们使用中国国家知识基础设施（CNKI）、ScienceDirect、Web of Science和Google Scholar检索了2000年至2024年间关于中国城市道路沉积物中重金属的相关中文和英文研究。根据以下条件筛选了这些研究中的重金属数据：（i）采样地点位于普通城市道路而非高速公路或城际道路；（ii）采样和化学分析过程遵循严格的质量标准

重金属积累负荷的量级和变异性

图1(a)显示了2000年至2024年中国道路沉积物中重金属的积累负荷及其合并平均值和标准差。按积累负荷降序排列如下：Mn（642.07 ± 440.02 mg/kg）> Zn（446.70 ± 1103.04 mg/kg）> Cr（138.46 ± 200.89 mg/kg）> Pb（136.90 ± 319.75 mg/kg）> Cu（133.10 ± 611.07 mg/kg）> Ni（37.63 ± 48.10 mg/kg）> Co（21.47 ± 17.84 mg/kg）> As（17.78 ± 36.72 mg/kg）> Cd（3.56 ± 29.53 mg/kg）> Hg（0.35 ± 1.23 mg/kg）。Mn和

结论

我们利用2000年至2024年间从82个城市RDS中收集的金属积累负荷数据，系统地进行了生态风险评估、空间分布分析和时间趋势评估。得出以下结论：

●

Mn和Zn在RDS中的积累负荷最高。Hg的Erii指数达到了高污染水平，而Cd的所有指数（Igeo、Erii和NIRI）都达到了极端污染水平。

●

空间分析显示

CRediT作者贡献声明

谭倩：概念构思。韩年：写作——审稿与编辑。刘安：写作——审稿与编辑。黄晓武：写作——审稿与编辑。张全：数据管理。王志成：写作——初稿、方法论、调查。詹天春：正式分析

未引用的参考文献

Awadh, 2015; Cox, 2020; Grigoratos and Martini, 2015; Kim, 2021; Timmers and Achten, 2016; van Buuren and Groothuis-Oudshoorn, 2011.

注释

作者声明没有竞争性财务利益。

利益冲突声明

? 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

我们感谢国家自然科学基金[资助编号52125902和52388101]、广东省基础与应用基础研究基金[资助编号2021A1515110948和2024A1515010371]以及深圳市科技计划[资助编号JCYJ20240813141507010]对这项研究的支持。