煤矿聚集区土壤重金属污染风险及PMF-HHR模型溯源

为弄清采煤作用下矿区土壤重金属污染来源和生态健康风险,以内蒙古伊金霍洛旗典型煤矿为研究区,于2021~2023年采集矿区周围表层土壤样品共180份,测试了8种重金属元素的含量,利用正定矩阵因子分解模型与健康风险(PMF-HHR)评价相耦合,定量评估不同来源重金属对人体健康的风险.研究区Cd和Hg的污染较为严重,露天矿Cd的含量是内蒙古背景值的18倍,井工矿Hg含量是内蒙古背景值的4.8倍.露天矿Cd、Cr和Ni的含量高于井工矿.污染严重的区域主要分布在煤矿开采区和公路附近.矿区周围土壤属于中度生态危害,林地、草地和农田的风险等级较高.PMF源解析得到5个污染源:工业排放与大气沉降(18.0%)、交通运输(12.6%)、农业活动与燃煤(14.8%)、矿山开采(17.0%)、自然母质源(37.6%).成人和儿童均存在一定致癌风险,且儿童更高;癌症风险的主要来源为工业排放和交通运输,且主要方式为经手口摄入.PMF-HHR模型可有效定量评价不同来源的健康风险.

基于高通量监测数据的PMF源解析数据输入量研究

为探究数据输入量的变化对源解析结果的影响,以上海某工业区的大气重金属高通量监测数据为例,按不同数据量将监测数据分别输入至正定矩阵因子分解(Positive Matrix Factorization, PMF)模型中,通过考察模型中Q理论值(Qtheo)与Q计算值(Qtrue)的接近程度、源分类以及源贡献与研究区污染源分布特点的吻合情况,分析数据输入量对源解析结果的影响。结果显示:该区域大气重金属污染受工业生产主导(64.44%),其次是扬尘(19.60%)和交通运输(15.96%)。通过对数据量的考察,发现输入量为60~120时能够得出研究区域的污染源数量与贡献率,但考虑到测试成本、获取数据的时间,认为输入量为60~80时,也能得出合理的源解析结果。短期高通量的分钟级数据集,有益于PMF模型输出高精密度、高时效性的源解析结果,是解决应急污染监控的最佳手段。

基于PMF模型的矿区土壤重金属来源解析

通过在某矿区采集农田土壤和菠菜样品,分析其中重金属含量,基于相关性分析和PMF模型对该矿区农田土壤重金属来源进行解析。结果表明,研究区土壤中Cd、As、Zn、Cr和Cu元素明显富集,分别是当地土壤背景值的5.7倍、4.4倍、2.4倍、1.5倍和1.3倍;相关性分析结果显示,研究区内Cu、Zn、As、Cd元素存在一定的相关性,可能具有同一污染源;PMF模型结果说明,研究区土壤中重金属主要来源分别为工业污染源、自然母质源、交通污染源和农业污染源,其对当地土壤重金属污染贡献率分别为39.8%、22.8%、21.6%和15.8%。

兰州地铁站灰尘重金属的PMF模型源解析与累积特征研究

通过在兰州地铁站站台布设11个调查样点,监测分析地表灰尘元素As、Cr、Cu、Mn、Ni和Pb累积特征及来源。结果表明:兰州地铁站站外和站内地表灰尘中As、Cr、Cu、Pb的平均值均高于甘肃省和兰州市土壤背景值;站内地表灰尘以Cr、Cu、Ni和Pb为主要污染物,站外污染以Cu和Pb为主,且站内地表灰尘重金属综合污染整体高于站外;源解析结果显示,站内地表灰尘重金属主要来源于交通源和人为污染源的混合源、工业源、交通源和大气沉降源的混合源,贡献率分别为30.0%、33.6%、36.4%,站外主要来源为交通源和大气沉降源的混合源、燃煤源和交通源的混合源、交通源,贡献率分别为38.7%、29.6%、31.7%。

同位素结合PMF模型解析珠三角PM_(2.5)来源研究

二次气溶胶是大气细颗粒物(PM_(2.5))中最多的组分,客观识别其来源是PM_(2.5)源解析的难点,也是精确控制PM_(2.5)污染来源的关键。本研究在广东省鹤山超级大气监测站采集了76个PM_(2.5)样品,分析了其碳质组分(元素碳和有机碳)、水溶性离子(SO_(4)^(2-)、NH4^(+)、K^(+)、Ca^(2+)、Cl^(-)、Na^(+)、Mg^(2+)、NO_(2)^(-)和NO_(3)^(-))和金属元素(Fe、Cr、Cu、Mn、Ni、Pb、V、Zn、Cd、As)共20种化学组分,测定了7个PM_(2.5)代表样品的总碳(TC)放射性碳(^(14)C)。基于PM_(2.5)化学组分的PMF模型结果显示,生物质燃烧、海盐、土壤扬尘、轮船排放、工业过程、燃煤源和二次气溶胶分别贡献PM_(2.5)的18.98%、4.32%、13.85%、7.61%、14.08%、12.72%和30.03%。基于已发表的δ^(15)N(NO_(3)^(-))、δ^(18)O(NO_(3)^(-))结果,利用贝叶斯模型定量解析了NO_(3)^(-)的来源,并应用线型回归将PMF模型解析的二次气溶胶源再分配给一次颗粒源,结果显示,燃煤源(36.50%)、生物燃料源(29.35%)、土壤扬尘+海盐源(21.00%)和移动源(13.15%)是珠三角PM_(2.5)的主要来源。二次分配后PMF模型结果中TC的非化石源贡献与基于^(14)C结果的相对误差小于9%,说明PMF模型能很好地捕获PM_(2.5)主要贡献源,并且较准确地源解析珠三角的PM_(2.5),研究结果可为区域污染防治政策措施的制定提供科学依据。

基于PMF模型的吉木萨尔县土壤重金属空间分布特征与来源解析

土壤重金属污染对区域土壤环境和人类健康构成严重威胁,因此土壤重金属污染评价和预警在土壤资源保护和区域可持续发展中至关重要.共采集了48个土壤样本,并测定了其中六种重金属含量,运用潜在生态风险指数法、地累积指数法和克里金插值分别对该区域土壤中Zn、Cu、Cr、Pb、Hg和As六种重金属元素的污染状况和空间分布特征进行了分析,并利用PMF模型对土壤重金属来源进行解析.1)研究区土壤Cu、Pb和As含量均超出中国新疆土壤背景值和全国土壤背景值,Zn和Cr的含量未超过这两种标准.2)污染评价结果显示:土壤未受到Zn、Cu和Cr的污染,Hg处于轻-中污染,Pb和As处于中等和中-强污染.结合潜在生态风险指数分析可知,Zn、Cu、Cr和Pb为低风险状态,Hg和As为中风险状态.3)从重金属元素空间分布来看,Zn元素的空间分布呈中心区域低、四周高的格局;Cu和Hg元素的分布规律存在一定的相似性,均为从西北向东南递减的变化趋势;Cr元素的空间分布呈现从西向东递减的趋势;Pb元素在研究区的分布较均匀.4)PMF模型结果显示:煤炭开采、煤化工和一系列煤电等人类活动容易引起土壤中Hg和As的积累;Cr和Pb主要来自汽车排放;Zn和Cu主要与土壤母质等自然因素密切相关;煤矿开采和工业活动对土壤重金属的贡献最高.吉木萨尔县土壤受到Hg、Pb和As不同程度污染,且该区域污染来源主要为工业生产和汽车尾气.

基于PMF模型和稳定同位素的地下水污染源解析

识别地下水污染来源、理清污染责任是地下水环境保护工作的重要基础。该研究以珠三角地区某化工园区及其相邻的垃圾填埋场为调查对象,分析了研究区地下水污染分布特征,利用正定矩阵因子分析(PMF)模型和稳定同位素技术,开展了地下水污染溯源解析。结果显示:研究区地下水中pH、NH_(4)^(+)、Fe、Mn均存在不同程度超标,且具有空间异质性,超标最严重点位靠近化工园区与垃圾填埋场交界处,NH_(4)^(+)、Fe、Mn浓度分别为68.20、28.10、15.80 mg/L,超标倍数分别为44.5倍、13.1倍、9.5倍;PMF模型初步揭示了研究区地下水水质影响因子,分别为水文地球化学演化(43.1%)、人为污染作用(27.9%)、原生地质作用(15.7%)。氨氮的氮稳定同位素分析结果进一步明确了人为污染来源,垃圾渗滤液δ^(15)N-NH_(4)^(+)值位于地下水特征值区间且与地下水氨氮超标点位δ15N-NH_(4)^(+)值接近,表明垃圾填埋场是地下水氨氮污染的主要贡献源。通过结合PMF模型与稳定同位素技术,有效识别了地下水污染来源及其贡献率,明确了不同污染源之间的污染责任,为地下水污染防治和环境管理提供科学支撑。

基于空间插值与PMF模型的国道沿线土壤重金属源解析:以107国道岳阳段为例

为了评估国道交通对两侧土壤的影响,查明其重金属污染特征和来源,选取107国道岳阳县段作为研究区域。在该区域两侧各1 km范围内采集了246个表层土壤样品,并测定了Pb、As、Cd、Cr、Cu、Ni、Zn、Hg这8种重金属元素的含量。通过对比分析国道两侧土壤中重金属污染情况和元素含量差异,结合克里金空间插值法和PMF模型,进一步揭示这些重金属的潜在来源。结果表明:(1)107国道岳阳县段两侧土壤属强酸性土壤,重金属之间的差异反映了土地利用类型和人类活动对土壤重金属分布的显著影响。(2)单因子污染指数均值显示Cr、Ni、Zn、Cd无污染,Cu、As、Hg、Pb为轻度污染,内梅罗综合污染指数表明研究区土壤整体轻度污染。(3)空间插值分析显示,As、Cr、Cu、Ni在空间分布上高度重叠;Pb和Zn在空间上分布在农田耕地区域;Cd元素的空间分布异常区域主要为新开镇;Hg元素的空间分布特征显示林地为低值区域,说明了自然地质背景与土地利用类型对土壤重金属的复杂相互作用。(4)PMF源解析识别了4种污染源,分别为交通源、农业源、自然源、大气源,其中交通源和农业源合计占比80.3%,是影响107国道岳阳县段两侧土壤中重金属元素的主要因素,说明107国道两侧土壤受交通运输和人类活动影响较明显。综上所述,空间插值分析和PMF模型的结果相互之间验证效果较好,这一综合方法对重金属潜在来源的成分识别较为理想。

基于PMF模型的兰州市西固炼化工业区VOCs污染特征及来源解析

基于PMF模型对兰州市西固炼化工业区VOCs污染特征及来源进行研究。结果表明,监测期间西固炼化工业区VOCs体积分数为7.65×10^(-9)~245.10×10^(-9),平均体积分数为70.86×10^(-9),各物种浓度从高到低依次为烷烃>卤代烃>烯烃>芳香烃>炔烃;各季度VOCs浓度差别较大,VOCs污染水平整体上表现为冬、春高,夏、秋低;PMF解析出VOCs主要来源为工艺过程(29.2%)、机动车尾气(24.6%)、燃烧源(21.6%)、LPG及汽油挥发(13.5%)和有机溶剂使用(11.1%)。

基于APCS-MLR和PMF的铅锌矿流域土壤重金属来源解析

以广西阳朔铅锌矿为研究对象,分析了表土中的Cr、Mn、Ni、Cu、Zn、As、Cd、Sb、Hg和Pb共10种重金属元素含量,并利用绝对主成分-多元线性回归模型(APCS-MLR)和正定矩阵因子分解法(PMF)等方法,识别和定量解析污染源及其贡献率.研究区内Pb、Zn、Hg、Cd、Mn和Cu的含量超过了广西当地土壤背景值3.29~13.08倍,Cr、Ni、As和Sb在局部地区超过背景值,表明研究区存在重金属污染现象;10种重金属在各深度上呈现条带状和点状分布,其中Mn、Cu、Zn、As、Cd、Sb和Pb含量高值条带状分布于思的河左岸和思的河山前区域,Cr、Ni和Hg含量高值主要分布于中西部高冈处;APCS-MLR模型和PMF模型源解析结果表明表层土壤重金属来源主要为工矿活动源、自然因素(成土母质、降雨冲刷等)和工矿及农业活动复合源,但在贡献率上存在差异,APCS-MLR模型提取的污染源贡献率依次为工矿及农业混合源(30.95%)、工矿活动(22.39%)、自然因素(15.79%)和未识别源(8.35%),PMF模型提取污染源贡献率依次为工矿活动(35.16%)、尾矿和废渣(28.21%)、工矿活动及农业活动的复合源(20.89%)和自然因素(15.74%).两种模型不同的因子提取方式、APCS-MLR模型的正交性约束、PMF模型的不确定度考虑和非负约束性等可能是引起解析差异的原因.

清远市清城区土壤中重金属的空间分布、来源解析和健康评价:基于PCA和PMF模型的对比

本研究在中国东南部一个典型的快速转型工业城区采集了122个土壤样品。我们采用富集因子(EF)、地质累积指数法(I_(geo))、斯皮尔曼相关性分析、潜在生态风险综合指数(RI)和人体健康风险模型(HHR)多种分析方法对研究区9种重金属(As、Co、Cr、Cu、Hg、Ni、Pb、Ti和Zn)的污染特征进行评估,并结合主成分分析(PCA)、正矩阵分解(PMF)模型和地统计学法对研究区土壤进行来源解析。结果表明,土壤中As、Cu、Hg、Pb、Zn存在明显富集,但研究区整体处于清洁状态。由于PCA和PMF模型对重金属聚类分组的结果并不完全一致,故分别将9种重金属元素划分为两个来源和3个来源,以便互相验证元素划分的准确性。在潜在生态风险评价中,研究区整体处于轻微生态风险水平;值得注意的是,Hg元素带来的生态风险是所有元素中最高的。对于人体健康风险评价,在该研究区中,成人和儿童均不存在非致癌风险和致癌风险,但是我们发现儿童比成人在面对重金属带来的健康风险时表现得更敏感,应当引起重视。

基于PMF模型的山区农用地土壤重金属来源分析

为了解山区农用地土壤重金属的污染情况及查明8种重金属的污染来源,在研究区内采集土壤表层(0~20cm)样品1311个,分析化验了pH值、砷(As)、镉(Cd)、铬(Cr)、铜(Cu)、汞(Hg)、镍(Ni)、铅(Pb)和锌(Zn)指标。采用了内梅罗综合指数法、地统计学法、相关分析、单因素方差分析及正定矩阵(PMF)模型等方法,研究山区农用地土壤重金属污染特征及可能的污染来源。结果表明,研究区土壤中8种重金属含量均明显高于重庆市土壤背景值;除局部区域呈现重度污染之外,研究区土壤整体上呈清洁或轻度污染,主要污染元素为Cd;PMF模型结果显示,研究区土壤重金属污染来源主要有3类,分别为自然母质源(Cd、Cr、Cu、Ni、Pb、Zn)、采矿活动源(As、Cr、Hg、Pb、Zn)和农业活动源(As、Cd、Cr、Hg)。

皖南典型区耕地土壤重金属富集特征、来源识别及健康风险评估

为探讨安徽省皖南山区典型耕地土壤重金属富集特征及成因,以安徽省东南部宁国市为研究对象,在耕地中采集1399件表层土壤样品,测定As、Cd、Hg、Pb、Cr、Ni、Cu、Zn元素含量,运用相关分析、土壤环境质量农用地土壤污染风险、地质累积指数、健康风险指数及PMF(正定矩阵因子分解)模型方法开展重金属风险评价及来源识别。结果显示:As、Cd、Hg、Pb、Cr、Ni、Cu、Zn含量的平均值分别为:15.8×10^(-6)、0.41×10^(-6)、0.106×10^(-6)、31×10^(-6)、67×10^(-6)、29.00×10^(-6)、29×10^(-6)、94×10^(-6),除Ni外,其他元素均高于安徽省背景值;重金属土壤污染风险水平整体较低,有866件土壤样品重金属含量低于风险筛选值;地质累积指数结果表明,耕地土壤主要受到Hg、Cd、As污染;健康风险评估结果显示,研究区内成人非致癌与致癌风险水平均在可接受范围内;基于PMF模型,确立了研究区重金属4种来源:与人类活动相关的工农业排放源、大气沉降源、与土壤类型相关的成土母质源和地质背景源。

铜选冶厂周边农田土壤重金属污染特征及来源解析

为分析云南某铜选冶厂周边农田土壤重金属污染特征及来源,通过测定农田土壤中重金属(Cu、Zn、Cr、Ni、Pb、Cd、As、Hg)的含量,采用污染负荷指数、地累积指数及潜在生态危害指数法评价农田土壤重金属污染特征,并结合相关性分析和PMF模型对土壤重金属来源进行分析.结果表明:研究区土壤中Cr、As、Pb、Hg 4种重金属元素的平均含量均高于云南省土壤背景值;污染负荷指数处于轻微污染;地累积指数中As(0.92)>Hg(-0.05)>Cr(-0.41)>Pb(-0.52)>Cu(-1.05)>Zn(-1.20)>Ni(-1.21)>Cd(-3.23),As元素属于轻度累积,其余重金属均为无累积;潜在生态风险单项指数中除Hg元素达到中等生态风险,其余7种重金属元素均为轻微生态风险,研究区整体处于轻微生态风险.土壤重金属来源分析中PMF模型解析5个因子,贡献率分别为14.8%、16.1%、15.3%、26.6%和27.2%.其中As元素主要为工业活动源,Cu、Zn、Cr、Ni元素主要为土壤成土母质源、Cd元素主要为农业活动源、Pb元素主要为交通源、Hg元素主要为化石燃料源.

长江干流沿江地区土壤重金属的分布、来源及潜在生态风险

为掌握长江干流沿江地区土壤重金属状况,开展土壤表层样品采集和重金属空间分布研究,使用PMF(positive matrix factorization)模型解析土壤重金属来源,并选取地累积和潜在生态风险等方法,评估重金属的污染状况和生态风险。结果表明:1)土壤重金属的积累程度不同,As、Cd和Cu的超标率高,污染明显。Cd和Cu的变异系数高于1.0,分布不匀,受某些污染源的影响显著。2)各重金属含量呈现条带状的空间格局,在多个地区出现高值,土壤环境质量受到人类活动的负面影响。3)土壤重金属积累主要来源于自然、工业排放、交通运输和农业生产,贡献率分别为36.65%、28.48%、20.07%和14.80%。其中Cd与工业活动有关,Pb和Zn来自交通排放,Cr和Ni与自然源密切相关,As和Cu来源于农业生产。4)Cd的污染程度最高,81.88%的点位达到轻度污染。40%以上的点位受到As、Cu、Ni和Pb污染。75%以上点位的Cr和Zn含量较低,污染程度不高。单项生态风险指数的均值从大到小依次为:Cd、As、Ni、Cu、Pb、Zn、Cr。综合生态风险指数均值为63.17,处于轻微风险水平。该研究作为土壤生态调查的核心,可为土壤环境管理和重金属污染修复提供科学依据。

PMF和PCA/APCS模型对南京北郊大气VOCs源解析对比研究

利用PMF模型和PCA/APCS模型对南京北郊大气VOCs进行定性和定量的源解析,并对比两种模型的结果。结果表明:PMF模型对不同VOCs种类的模拟效果差别较大,而PCA/APCS对不同VOCs种类的模拟效果相近;PMF模型解析的源个数多于PCA/APCS模型,两种模型解析的源性质方面存在较大相似性,但PCA/APCS模型未能区分汽油挥发和汽车尾气源;两种模型源解析的植物排放源、工业生产源的贡献率较接近,而其他源的贡献率存在差异,PCA/APCS模型解析的溶剂使用源的贡献率高于PMF模型,PMF模型解析的汽油挥发+汽车尾气源的贡献率高于PCA/APCS模型。

清江流域岩溶地下水金属元素来源解析及健康风险评价

岩溶地下水是清江流域居民生产生活的重要水资源,甚至是部分地区唯一水源,因此揭示岩溶地下水金属元素来源及人群暴露的健康风险尤为必要。文章以清江流域岩溶地下水为研究对象,分析了46组岩溶地下水样品中10种金属元素(Al、Cu、Pb、Zn、Cr、Ni、Co、Cd、Mn和As)。利用多元统计分析和正定矩阵因子分解模型(PMF)对清江流域岩溶地下水金属元素分布特征、潜在来源及贡献份额进行分析,并利用健康风险评价模型评价金属元素通过不同摄入途径对成人和儿童暴露的潜在健康风险。结果表明,定性分析与PMF定量解析结果较为一致,定性结果表明,Co、Cu、Pb、Mn和Al主要受原生地质作用影响,Ni和Cd主要受工业活动影响,As主要受农业活动影响;PMF模型的定量结果显示,研究区主要有5大影响因子,因子1为矿业活动,平均贡献率为14.4%,因子2为轻工业生产活动,平均贡献率为26.3%,因子3为农业活动,平均贡献率为19.3%,因子4为道路交通作用,平均贡献率为17.8%,因子5为原生地质作用,平均贡献率为22.2%。居民通过饮用途径暴露的总健康风险高于皮肤渗入途径,成人通过饮用途径暴露的健康风险低于儿童,但成人通过皮肤渗入途径暴露的健康风险高于儿童。Cr是引起健康风险的主要致癌金属元素,在清江流域岩溶地下水资源开发利用时应重点关注。

兰州大气PM_(2.5)中金属元素污染特征及健康风险评价

大气PM_(2.5)中金属元素污染不仅影响兰州市的环境质量,还危害人体健康。2020年在兰州市城关区和西固区采集大气PM_(2.5)样品,测定PM_(2.5)中10种金属元素浓度,分析样品中金属元素浓度特征,利用正定矩阵因子模型(PMF)确定污染来源,使用美国环保局(EPA)暴露模型进行健康风险评价。结果显示:城关区、西固区大气PM_(2.5)年平均质量浓度为48.21μg·m^(-3)、49.33μg·m^(-3),高于国家环境空气质量二级标准的年均浓度限值(35μg·m^(-3))。城关区、西固区10种金属元素浓度总和分别为241.03 ng·m^(-3)、296.80 ng·m^(-3),其中Al、Mn、Pb都是两区主要的金属元素组分。两区均以工业/扬尘混合源为主要污染来源,工业源和燃煤/机动车混合污染源也占一定比例。两区各金属元素均不具备非致癌风险;此外,Cr、Ni、As和Cd的致癌风险指数均未超过10^(-4),因此,兰州市大气PM_(2.5)中金属元素通过呼吸途径的致癌风险在可接受范围内。可见,应加强对工业、扬尘源的治理,从而改善大气质量和确保人体健康安全。

咸宁市臭氧污染日VOCs组成及来源

该研究利用在线监测仪器获取了咸宁市2021年6-8月环境大气中107种挥发性有机化合物(VOCs)小时浓度数据,对比研究了咸宁市臭氧污染日与非污染日VOCs组成及来源。观测期间,VOCs臭氧污染日平均浓度为16.6×10^(-9),非污染日平均浓度为13.9×10^(-9)。臭氧污染日各类VOCs浓度占比大小为烷烃(31.3%)>丙酮(25.6%)>卤代烃(13.6%)>OVOCs(8.8%)>烯烃(7.6%)>乙炔(6.9%)>芳香烃(6.2%)。利用最大反应增量估算了各类VOCs对臭氧生成潜势贡献大小,具体为烯烃(49.4%)>芳香烃(16.2%)>OVOCs(13.9%)>烷烃(11.6%)>乙炔(4.3%)。将监测数据输入PMF模型,结果显示,污染日VOCs最主要来源为机动车排放源及工业排放源,非污染日VOCs最主要排放源为机动车排放源。

Temporal and Spatial Distribution of DIN and DIP Concentrations and Source Apportionment Along the Bohai Sea of China During 2015-2022

The Bohai Sea is one of the most polluted sea areas in China.In this study,we used 2184 integrated concentrations of dis-solved inorganic nitrogen(DIN)and dissolved inorganic phosphorus(DIP)in the Bohai Sea of China during spring(March,April,and May),summer(June,July,and August),and autumn(October and November)from 2015 to 2022 to explore the trends and sources of nutrients variations.From 2015 to 2022,DIN showed a downward trend until 2020 and then an upward trend,whereas DIP exhibited a stable trend with a slight decrease.The concentrations of DIN and DIP had similar seasonal pattern which was the highest in autumn(0.292±0.247 mg/L for DIN and 0.013±0.016 mg/L for DIP)but lower in spring(0.267±0.238 mg/L for DIN and 0.006±0.010 mg/L for DIP)and summer(0.263±0.324 mg/L for DIN and 0.008±0.010 mg/L for DIP).Sources of DIN and DIP apportioned by the positive matrix factorization(PMF)model were riverine input,sediment resuspension,sewage discharge,atmospheric deposition,and underground input.During 2015-2022,the largest contributor to DIN was sewage discharge(28.7%)and the largest contributor to DIP was sediment resuspension(44.6%).Seasonally,DIN in spring and autumn was dominated by sewage discharge(45.4%and 27.8%,re-spectively).Whereas in summer,it was dominated by riverine input(32.4%)and atmospheric deposition(29.7%).DIP was dominated by sediment resuspension during all three seasons(35.8%-52.5%).In addition,the increase in DIN concentrations in 2021 and 2022 were mainly due to the incremental input of river discharge and atmospheric deposition caused by increased precipitation during sum-mer and autumn.