摘要
皖北地区是中国重要的粮食主产区，灌溉水环境质量直接关系到区域粮食安全与农田生态系统健康。为系统揭示皖北地区灌溉水中重金属及典型离子的的含量水平、空间分布特征及生态风险，本文以亳州市谯城区为研究区，采集地表水样品87件和机井水样品63件，测定As、Hg、Cd、Cr（Ⅵ）、Pb、Cu、Zn以及CN- 、Cl-和F-等指标。采用正定因子矩阵分析（PMF）模型对主要元素来源进行解析，并结合单因子污染指数、内梅罗综合污染指数和潜在生态风险指数对灌溉水污染风险进行综合评价。结果表明，研究区灌溉水中重金属等浓度水平较低，地表水和机井水均呈现明显的低地球化学背景特征。Hg仅在地表水中检出，Cd、Cr （Ⅵ）和CN-在两类水体中浓度普遍较低，整体以自然背景控制为主。PMF源解析结果显示，地表水中元素来源以农业活动贡献为主，其次为交通及局地工业活动；地下水中元素组成则主要受地质背景控制，人为扰动影响相对有限。污染风险评价结果表明，除Cl-和F-在个别采样点存在一定污染风险外，其余重金属污染程度和潜在生态风险均处于较低水平。总体来看，研究区灌溉水环境质量良好，重金属污染风险处于较低水平。本研究可为皖北地区灌溉水环境质量评价及农业水资源管理提供基础地球化学背景数据。
Abstract
The northern Anhui region is one of China’s major grain-producing areas, and the quality of irrigation water is closely related to regional food security and the health of agroecosystems. To systematically reveal the concentration levels, spatial distribution characteristics, and ecological risks of Heavy metals and typical ions in irrigation water in northern Anhui, Qiaocheng District of Bozhou City was selected as the study area. A total of 87 surface water samples and 63 groundwater samples from irrigation wells were collected and analyzed for As, Hg, Cd, Cr (Ⅵ), Pb, Cu, Zn, as well as CN- , Cl- , and F- . A Positive Matrix Factorization (PMF) model was applied to identify the major sources of elements, and the single-factor pollution index, Nemerow comprehensive pollution index, and potential ecological risk index were used to comprehensively assess pollution risks. The results show that the overall concentrations of PTEs in irrigation water are relatively low, and both surface water and groundwater exhibit distinctly low geochemical background characteristics. Mercury was detected only in surface water, indicating that it mainly originates from atmospheric deposition and surface inputs associated with industrial activities; meanwhile, Cd, Cr(Ⅵ), and CN- exhibited generally low concentrations in both types of water and were predominantly controlled by natural background levels. PMF source apportionment suggests that surface water elements are primarily influenced by agricultural activities, followed by traffic emissions and localized industrial inputs, whereas groundwater composition is mainly governed by geological background conditions, with relatively limited and spatially localized anthropogenic disturbances. Pollution risk assessment indicates that except for Cl- and F- , which pose certain pollution risks at a few sampling sites, the contamination levels and potential ecological risks of other heavy metals remain low. Overall, the irrigation water quality in the study area is favorable, and the risk of heavy metal pollution is generally controllable. This study provides fundamental geochemical background data to support irrigation water quality assessment and agricultural water resource management in northern Anhui.
Keywords
0 引言
皖北地区位于黄淮海平原南缘，是中国典型的粮食主产区和北方旱作农业核心区之一，承担着保障区域粮食供给和国家粮食安全的重要功能。以亳州市谯城区为代表的皖北农业区，小麦、玉米、大豆等粮食作物种植面积广阔，其农业生产高度依赖以河流水和机井地下水构成的灌溉体系。灌溉水环境质量直接决定耕地土壤健康与农产品安全，对粮食稳定增产和农业可持续发展具有基础性意义 （杨鑫和穆月英，2023）。因此，系统识别灌溉水中重金属和主要污染物的含量水平、分布特征及生态风险，是典型粮食主产区水环境研究的重要内容。随着近年来区域城市化、农业集约化快速推进，皖北地表水和地下水均面临来自工业排放、生活污水、农业面源输入等多重压力（陈世宝等，2019）。已有研究显示，潜在有毒元素（PTEs）具有高毒性、难降解和易在农田系统中累积的特点（和永贤等， 2024；许耿等，2025），可通过灌溉进入土壤并最终进入食物链，威胁人体健康，引起肾脏、皮肤以及消化系统疾病（王毛兰等，2022；Hui et al.，2025）。因此，灌溉水中潜在有害元素的变化对粮食主产区尤其值得关注。
现有研究已为皖北地区提供了一定的水文地球化学认识基础。李瑞等（2013）指出，皖北浅层地下水是当地农业灌溉的主要水源，大气降水与地表水补给共同驱动区域地下水循环。胡云虎（2015） 进一步从水环境地球化学角度揭示了地下水受补给条件、含水层结构及蒸发作用的综合影响。针对谯城区地下水氟污染问题，杨娜等（2017）发现高氟区主要集中于谯城区南部，说明部分污染物具有明显的地质背景控制特征。许金昭等（2025）则通过水文地球化学分析与PMF模型识别认为，硅酸盐岩风化、碳酸盐岩溶解及阳离子交换作用是区域地下水中元素迁移的重要过程。然而，目前相关研究多集中于单一水体类型或局部区域，缺乏对地表水与机井水重金属污染状况的系统比较研究，以及其空间差异解析与污染来源识别仍相对不足。
在典型粮食主产区中，地表水与地下水污染来源机制往往存在显著差异。地表水更易受农业面源污染、大气沉降和地表径流输入影响，呈现较强的时空波动性（Ye et al.，2021；Rao and Parsai， 2025）；地下水则受地质背景、土壤淋滤、农业施肥渗漏、局部点源影响更为显著，其重金属分布常表现出空间不均匀性（Qiao et al.，2020；Yang et al.， 2025）。因此，在粮食主产区同时开展地表水与机井水的联合调查，对于识别影响区域粮食安全的关键水环境因子具有重要价值。基于上述背景，本研究以皖北典型粮食主产区谯城区为研究对象，系统采集地表灌溉水与机井灌溉水样品，分析 As、Cd、 Hg、Pb、Cr（Ⅵ），和F-、Cl-、CN-的浓度、空间分布及差异性；应用内梅罗综合污染指数法和潜在生态风险指数法评价区域灌溉水环境质量；利用PMF模型解析污染来源。研究可为典型粮食产区灌溉水管理、农业面源污染控制和区域水资源保护提供科学依据，也为国内其他粮仓区的灌溉水安全研究提供参考。
1 材料与方法
1.1 研究区概况
研究区位于安徽省西北部，地理坐标为 115° 33'～116° 06'E，33° 25'～34° 05'N，总面积约 2226 km2，地处淮北平原北部，地势总体平坦，地貌以冲积平原为主，高程由西北向东南逐渐降低，海拔范围 32～42 m。属暖温带半湿润季风气候区，多年平均气温 16.2℃，年均降水量约 800 mm，无霜期约 209 d。全区耕地面积约 15.04万 hm2，以旱作为主，主要农作物包括小麦、玉米、大豆、中药材及朝天椒等，其中粮食和中药材种植规模和产量在全国具有重要地位。研究区灌溉水源主要由河流地表水和机井地下水构成，地表水主要来自涡河、西淝河、包河及其支流等，是区域农业生产的重要支撑水源。
1.2 采样方法
本研究按照基本采样密度1个样点/16 km2 在全区范围内布设监测点位。河流地表水样点布设于具有代表性的灌溉水源处，遇有多条河流交汇时优先选择干流进行采样；机井地下水样点则根据空间分布均匀性在农田机井中布设。共采集河流地表水样品 87 件和机井地下水样品 63 件（图1）。采样时间选在农田灌溉高峰期，采样方法严格遵循《多目标区域地球化学调查规范（1∶250000）》（DZ/T 0258-2014）的技术要求。采样所用聚乙烯瓶和玻璃瓶在使用前先用 10%HCl 浸泡不少于 24 h，再用蒸馏水充分冲洗干净。机井水采用容量为 1 L的贝勒管，从井口水面以下进行取样；地表水采用瞬时无扰动取样法，在水体表层以下约30 cm深处采集。所有样品在正式采集前，均使用待采水样润洗采样瓶 3～5 次。为满足不同指标的测试要求并防止待测组分在储存过程中发生变化，对采集的水样进行了分类处理并添加相应保护剂，原水样分析Cl-、F-、 As、Cr（Ⅵ）；酸化水样（每 1000 ml 加入 10 ml 稀盐酸）测定 Cd、Cu、Pb、Zn；碱化水样（每 1000 ml加入 2 gNaOH）测定 CN-；预先在盛水样的塑料瓶中加入 50 mL 浓硝酸（HNO3）和 10 mL 5% 重铬酸钾 （K2Cr2O7）溶液，再注入 1000 mL 水样，摇匀，石蜡密封瓶口，测定 Hg。所有样品采集后立即冷藏保存，并在7 d内送交实验室检测。
图1研究区位置图（a）与采样点分布图（b）
1.3 测试指标和分析方法
本研究测试指标包括 As、Hg、Cd、Cr（Ⅵ）、Pb、 Cu、Zn、CN-、Cl-和 F-。所有样品检测均由安徽省地质实验研究所（国土资源部合肥矿产资源监督检测中心）完成。采用的分析方法如下：As和Hg采用原子荧光光谱法（AFS）测定；Cd、Cu、Pb、Zn 采用电感耦合等离子体质谱法（ICP-MS）测定；CN-采用异烟酸-巴比妥酸分光光度法（COL）测定；Cr（Ⅵ）采用二苯碳酰二肼分光光度法（COL）测定；F-采用离子选择性电极法（ISE）测定；Cl- 采用硝酸银容量法 （VOL）测定。各项目的分析方法检出限均满足或优于《土地质量地球化学调查评价规范》（DZ/T 0295-2016）的要求。分析过程中严格执行质量控制，国家一级标准物质分析合格率和重复性检验合格率均为100%，表明测试数据的准确性与可靠性高。
1.4 污染风险评价模型
1.4.1 内梅罗综合污染指数法
内梅罗综合污染指数法是一种兼顾污染物单因子污染程度与多因子综合污染水平的综合评价方法（Nemerow，1974），目前被广泛应用于土壤、水体、沉积物等多介质的污染物污染风险评价研究中。本研究结合单因子污染指数（Pi）和内梅罗综合污染指数（PN）进行评价，计算公式为如下：
(1)
(2)
式（1）、（2）中：Ci为重金属 i实测浓度值，Si为重金属 i 相应的标准值，选取《农田灌溉水质标准》 （GB 5084—2021）对应重金属的限值；Pi为重金属 i的单因子污染指数，PN为内梅罗综合污染指数，Pavg 为所有重金属单因子污染指数的平均值，Pmax为所有重金属单因子指数的最大值。污染等级评价标准为：Pi ≤1 为无污染，1<Pi ≤2 为轻度污染，2<Pi ≤3 为中度污染，Pi >3为重度污染；PN≤0.7为安全清洁，0.7 <PN≤1.0为警戒，1.0<PN≤2.0为轻度污染，2.0<PN≤3.0 为中度污染，PN>3.0为重度污染。
1.4.2 潜在生态风险指数法
潜在生态污染指数法，亦称为污染负荷指数法，是一种基于重金属毒性、环境敏感性及多种污染物协同作用的综合评价方法（Nemerow，1974）。该方法最初为评价沉积物重金属生态风险而建立，但其原理与框架因其系统性、综合性和对污染物毒性水平的考量，已被成功拓展应用于评价灌溉水体的沉积物及悬浮颗粒物的生态风险（李多杰等， 2021；杨剑洲等，2022；陈自然等，2025；孟嘉伟等， 2025；许耿等，2025）。其核心优势在于将单一污染指数与多种污染物的协同效应相结合，并引入毒性响应系数，能够更科学地量化灌溉水源本身潜在的生态危害程度。计算公式如下。
(3)
式（3）中：RI代表综合潜在生态风险指数，为单个重金属的生态风险指数， 为重金属 i 的毒性响应系数（Zn=1，As=10，Cd=30，Cr=2，Hg=40，Cu=Pb =5），评价标准为：轻度风险： ≤40，RI≤150；中度风险：40< ≤80，150<RI≤300；较重风险：80< ≤160， 300<RI≤600；重度风险：160< ≤320，RI>600（徐争启等，2008；Li et al.，2025）。
1.4.3 PMF模型
PMF模型即正定矩阵因子分解法，是基于因子分析技术的源解析方法（Paatero and Tapper，1994），原理是先利用权重对各组分进行误差计算，再利用最小二乘法计算出主要污染源和贡献率。适用于解析灌溉水这类受自然背景、农业活动及局地人为输入等多种因素共同影响的复杂介质来源。
计算公式如下：
(4)
(5)
式（4）、（5）中，Xij表示第i个样品中第j种元素的浓度矩阵；gik表示第 k 个源对第 i 个样品的贡献率，Fkj表示第 k个源第 j个重金属浓度矩阵；eij是残差矩阵；Q是最小化目标函数。
1.5 数据分析
采用 Excel、Origin 软件统计污染物浓度、潜在生态风险指数、单因子污染指数并进行作图，采用 ArcGIS10.3 绘制采样点分布图和重金属空间分布图。
2 结果与讨论
2.1 灌溉水重金属及典型离子浓度特征
研究区灌溉水重金属及典型离子的浓度统计结果见表1。总体来看，Hg、Cr（Ⅵ）、CN-、Cd、的检出率较低，As、Pb、Cu、Zn、Cl-和 F-在样品中普遍检出。所有已检出元素的平均浓度大小规律为 Cl-（114.8 mg/L）>F- （0.98 mg/L）>Zn（14.46 μg/L）>Cr（Ⅵ） （0.006 mg/L）>As（3.7 μg/L）>CN- （0.0013 mg/L）>Cu （1.26 μg/L）>Pb（0.61 μg/L）>Cd（0.09 μg/L）>Hg（0.04 μg/L）。
地表水与机井水在元素含量及其变异性方面表现出显著差异。As、Hg、Cd、Pb 和 Cl-在地表水中的平均浓度整体高于机井水，而Cu、Zn、Cr（Ⅵ）、CN-和F-则在机井水中相对偏高。其中，地表水中As的平均浓度为5.2 μg/L，显著高于机井水的1.5 μg/L，但其变异系数仅为 42%，明显低于机井水的 116%，表明地表水中 As 具有较高的背景且空间分布相对均一。Cl-亦呈现出相似特征，其在地表水中的平均浓度为 146.9 mg/L，约为机井水的 2 倍，指示其主要受地表过程控制。值得注意的是，Hg仅在 5件样品中检出，且均来自地表水，说明 Hg更易受到地表输入过程的影响。与国内外其他地区相比（表2），研究区地表水中As浓度明显高于广州平原、长江流域及西伯利亚中部地区的地表水或地下水水平，但研究区机井水As含量仍处于较低范围，显著低于已报道的中国地表水 As 平均值 12.653 μg/L（Hui et al.， 2025）。Hg、Pb、Cd 和 Cr 等元素的浓度亦明显低于鄱阳湖、北部湾及尼日利亚Ogun州等地区的报道值 （表2），表明研究区灌溉水重金属及潜在污染元素含量整体较低。
表1研究区灌溉水重金属及污染物浓度
注：含量单位：Cu、Cd、Pb、Zn、As、Hg为µg/L；F-、Cl-、CN-、Cr（Ⅵ）为mg/L。测试单位：安徽省地质实验研究所，测试时间：2024年。
表2各地区地表水中和地下水中潜在有毒元素浓度（μg/L）
2.2 重金属及典型离子的来源识别
已有研究表明，全球60%～80%的Hg排放可归因于人为活动，其在环境介质中的累积主要与工业排放及燃煤过程引起的大气沉降密切相关（Liu et al.，2003）。Streets et al.（2005）研究指出，在中国 Hg 排放结构中，煤炭开采与冶炼和煤炭燃烧分别贡献约 45% 和 38%。本研究中 Hg 仅在地表水中检出，而地下水样品中完全未检出，参考区内土壤中Hg多分布于城区及乡镇周边人类活动活跃地带，推测灌溉水中Hg主要来源于地表输入过程。Cd通常被认为与农业活动密切相关，如化肥和农药施用等（Liu et al.，2021）。然而，本研究中Cd在地表水和机井水中的平均浓度及变异系数高度接近，且整体处于极低水平，说明其更可能反映研究区灌溉水体的自然低背景特征。Cr（Ⅵ）和CN-同样表现出整体浓度偏低、检出率有限的特征，暗示其人为输入程度较弱，仅在个别样点可能受到轻微扰动。
为进一步定量识别灌溉水中元素的潜在来源，本研究采用正定矩阵分解（PMF）模型，并结合元素空间分布特征开展源解析。鉴于 Hg、Cd、Cr（Ⅵ）和 CN-检出率较低，上述元素未纳入 PMF 模型计算。 PMF分析在地表水和机井水样品中均识别出3类主要来源因子（图2）。模型运行结果显示 Q值较小且稳定，大多数残差分布于−3～3，PMF预测值与实测值之间具有良好的相关性，绝大多数元素的相关系数r 2 介于0.46～0.98，表明模型能够较好地解析原始数据中的源信息。
表3基于PMF模型解析各因子对PTEs贡献率（%）
图2通过PMF模型获得的研究区灌溉水污染源成分谱
a—地表水；b—机井水
地表水PMF解析结果显示，各因子的贡献率依次为F2（64.1%）、F3（28.1%）和F1（7.8%）（表3）。其中，因子 1（F1）以 Zn 为主控元素，其贡献率高达 74.4%，其余元素贡献率均较低。Zn 在地表水中通常与岩石风化、土壤淋滤等自然地球化学过程有关，同时亦可能受到含锌化肥或饲料添加剂等农业活动影响（Noulas et al.，2018）。结合空间分布结果 （图3d），Zn 高值区主要集中于古井—芦庙镇，农业活动较为集中，土壤中Zn在灌溉回流水和地表径流作用下进入地表水体，因此F1因子可解释为以自然背景为主、叠加一定农业影响的混合源。因子 2 （F2）为地表水中贡献最大的来源类型，其主要载荷元素为F（70.3%）、Cl（70.0%）和As（64.1%），同时Cu （21.3%）和 Zn（20.1%）亦具有一定贡献。空间分布特征表明，F（图3f）高值区主要分布于十河镇西部， As（图3a）高值集中于牛集镇及其周边，而Cl（图3e） 高值区主要位于十八里镇和颜集镇。已有研究指出，地表水中 F-常与区域地下水高本底值及磷肥长期施用有关，Cl-多来源于生活污水排放、化肥施用以及畜禽养殖废弃物输入，而As则可能与历史农药和化肥施用导致的土壤累积有关（Farooqi et al.， 2008；Mustafa et al.，2023）。在降雨径流或灌溉回流水作用下，上述元素易进入地表水体。调查期间发现，Cl-高值采样点所在的十八里镇上游存在渔业养殖活动，且周边农业发展迅速，农业生产与养殖活动的叠加输入可能导致地表水中 Cl 及相关元素浓度升高。因此，F2因子可明确识别为以农业活动为主的人为源。因子 3（F3）主要由 Pb（94.2%）和 Cu （76.2%）主导。Pb和Cu通常被认为与交通排放、机械磨损、金属加工及小规模工业活动密切相关（沈城等，2024）。其空间分布显示，Pb（图3c）高值主要集中于观堂镇和颜集镇附近，Cu（图3b）高值区分布于观堂镇、十九里镇及牛集镇西北部，这些区域交通活动频繁，在降雨冲刷和地表径流作用下，道路沉积物含金属颗粒易进入水体，从而导致地表水中 Pb 和 Cu 的局地富集。因此，F3 因子可解释为以交通活动源。
PMF模型对地下水样品同样识别出3类主要来源因子。其中地下水因子1（F1）为最主要的来源类型，其特征载荷元素为 Cl-（82.1%）、F-（80.5%）和 As （49.6%）。空间分布结果显示，As（图3g）高值区范围较小，仅在牛集镇局部区域零星出现；而F（图3l） 和Cl（图3k）高值区分布范围广，且空间格局高度一致，主要集中于双沟镇、五马镇及谯东镇，呈现出明显的区域性特征。已有研究表明，地下水中F-和Cl-通常受控于含水层岩性、水-岩相互作用及蒸发浓缩过程，易形成较高的自然本底值（Farooqi et al.， 2008；杨娜等，2017）。结合As高值区范围有限且缺乏明确人为活动指向性，F1因子更可能代表研究区地下水的地质背景源。地下水因子 2（F2）以 Zn 为主控元素，其贡献率高达84.6%，Pb亦具有一定贡献 （32.0%）。Zn 高值区主要分布于城父镇，与表层土壤中 Zn 高值区一致；Pb 高值区集中于古井镇最北侧，Zn和Pb在地下水中通常与农业活动有关（Ullah et al.，2022；陈慧等，2023），其空间分布具有明显的局地性特征，推测F2因子主要反映以农业活动为主的农业源。地下水因子3（F3）主要由Cu、Pb和As表征，其中Cu高值区主要分布于赵桥乡北侧。该因子可能反映局地为扰动叠加于自然背景之上的复合影响。
总体而言，地表水更易受到农业活动、交通及局地工业等地表环境扰动的影响，而地下水中元素组成则以地质背景控制为主，人为活动影响相对有限，且主要表现为小范围、局地扰动。无论地表水还是地下水，各元素整体浓度均处于较低水平，反映出研究区灌溉水体总体具有低地球化学背景特征，仅在个别点位受到人为来源的轻微影响。
2.3 地表水和机井水重金属污染状况系统比较
采用单因子污染指数法（Pi）、内梅罗综合污染指数法（PN）和潜在生态风险指数法对地表水和机井水两类灌溉水体的重金属污染状况进行综合评价。Pi评价结果显示，水体中As、Cd、Pb、Cu和Zn等重金属的 Pi值多数低于 0.1（图4），不存在污染；Cl 和F的Pi值接近或部分样点超过1，表现出相对较高的潜在污染风险。不同类型水体中各指标 Pi值存在明显差异：地表水中 As、Pb和 Cl的 Pi值显著高于机井水，而机井水中 Zn 和 F 的 Pi值略高于地表水； Cd 和 Cu 在两类水体中的 Pi值差异较小，污染程度基本相当。该分布特征同样表明，地表水在 As、Pb 及Cl方面受地表环境扰动的影响更为明显，而机井水在Zn和F方面具有相对更高的背景风险。
图3地表水和机井水重金属及主要污染物空间分布图（a~f为地表水；g~l为机井水）
内梅罗综合污染指数PN评价结果显示，地表水 PN值为0.22～1.33，平均值为0.45；机井水PN值范围为0.13～0.78，平均值为0.36（图4）。按照PN分级标准，地表水和机井水达到安全清洁水平的样点比例分别为 96.6% 和 95.2%。地表水中达到警戒值的样点主要受 Cl 指标影响，结合现场调查，推测与河道养殖活动中饵料投加及沿岸农业面源输入有关；机井水中 PN值偏高的样点则主要受 F控制，这与皖北地区地下水普遍存在的高氟地球化学背景特征密切相关（杨娜等，2017）。
综合潜在生态风险指数（RI）结果显示，地表水与机井水 RI 值范围为 0.92～3.15，整体处于低生态风险等级。不同水体类型对比显示，地表水RI均值略高于机井水，但两者在空间分布上具有一定相似性，高值区主要集中在西北部涡河入境口附近以及东南部茨淮新河沿岸区域（图5）。
图4基于Pi值各元素评价结果
图5水体综合潜在生态风险空间分布
a—地表水；b—机井水
总体而言，尽管研究区灌溉水中 Cl和 F在个别点位表现出一定的污染风险，但重金属整体浓度水平较低，潜在生态风险普遍较小。亳州市谯城区灌溉水环境质量总体安全，尚未对农业灌溉及生态环境构成威胁，但仍需关注局部区域 Cl和 F的持续输入及其潜在累积效应。
3 结论
（1）研究区灌溉水中重金属及典型离子的浓度水平总体较低，Hg、Cr（Ⅵ）、CN-、Cd、As、Cu、Pb等指标含量均远低于《农田灌溉水质标准》（GB 5084-2021）限值，研究区灌溉水水质优良，为保障区域农产品质量安全提供了重要的环境基础。
（2）研究区灌溉水潜在生态风险处于较低水平，评价结果显示，地表水与机井水的风险特征存在差异：地表水风险贡献主要与 Cl-等外源输入有关，而机井水则更多受 F-等地质背景影响。建议区内实施差异化管理策略：针对地表水，建议将 Cl-纳入重点监控指标，在十八里镇、颜集镇等高值区及主要河道沿岸，加强对农业退水、养殖尾水和生活污水的协同治理。针对机井水，建议在高氟背景区优化灌溉布局，优先使用低氟水源或进行水源调配，并开展长期动态监测，评估氟的累积趋势。
（3）PMF 源解析结果表明，地表水中元素来源以农业活动贡献为主，其次为交通及局地工业活动；地下水则主要受地质背景控制，人为扰动影响有限且呈局地分布特征，揭示了研究区灌溉水环境中地表水人为输入为主导、地下水自然背景为主导的源结构。
基于上述研究结果与评价体系，为更精确评估重金属的生态风险，未来需进一步分析其溶解态浓度与生物有效性。同时，建议管理部门依据本研究的源解析及风险分区结论，重点加强农业面源污染管控，并建立灌溉水质的长期监测网络，以保障区域农业生产安全与水环境可持续利用。
