首次全国土壤污染状况调查结果显示，当前我国土壤环境质量总体不容乐观，部分地区土壤污染较重，造成土壤污染的主要污染物以无机型为主，有机型次之。改善土壤环境质量现状，降低土壤污染的风险，亟需对土壤中高浓度的污染物进行有效控制和治理，而利用科学的源解析手段来获取土壤中污染物的主要来源及其贡献是控制和治理的关键。我国政府高度重视土壤污染防治工作，于2016年5月由国务院印发《土壤污染防治行动计划》，又被称为“土十条”，其中提到要“加强污染源监管”以及“明确治理与修复主体”等内容，这些都会涉及到土壤污染物源解析的相关研究。因此，开展土壤污染物源解析研究将成为今后我国土壤污染防治工作的重要内容之一。
目前对源解析的认识存在两个层次，第一个层次只需定性判断出环境介质中主要污染物的来源类型，称为源识别(source identification);第二个层次是在源识别的基础上，定量计算出各类污染源的贡献大小，称为源解析(source apportionment)，很多研究人员将两者统称为源解析。源解析的研究最初是针对大气环境中颗粒物来源开展的，现已逐步形成比较完整的大气污染源解析技术体系：污染源清单-空气质量扩散模型-受体模型。与大气污染不同，土壤污染的隐蔽性、累积性、地域性等复杂特征使得土壤污染物来源解析的研究受到较大的限制。近些年有不少学者开始研究土壤环境中污染物的来源解析工作，虽然相对于大气污染源解析研究而言仍有欠缺，但也取得了一定的研究成果。为便于更清楚全面的了解在土壤环境中源解析的研究现状，本文以“2006年1月1日至2016年1月1日”为期限，以“Source apportionment &Soil”作为英文关键词以及以“源解析&土壤”作为中文关键词，分别利用“Web of Science”数据库和“中国知网”数据库进行“主题”检索，共收集到相关文章134篇，在此基础上总结近十年来土壤污染物源解析的研究进展。需要指出的是，本文认为源识别(source identification)层次并非是真正意义上的源解析，因此只选择了“源解析(source apportionment)”作为检索关键词。本文的检索方式并不能检索出近十年间全部土壤源解析的论文，但作者认为所收集的论文基本能代表近十年间土壤源解析研究的主要成果。
文献调研显示，近十年来在多个国家均开展过土壤污染物源解析的研究，其中我国开展的相关研究最多，主要集中在我国东部沿海经济发达省市，例如，辽宁省、江苏省、上海市、浙江省、福建省、广东省等(图1)。可以看出，我国研究人员非常关注和重视人类活动频繁地区的土壤污染源解析研究工作。但就目前的研究成果来看，大多停留在定性地判定土壤中污染物来源类型上，定量计算各类源贡献的研究还比较少。源解析方法主要参考大气污染源解析方法中的受体模型法，通过分析土壤样品中有指示意义的示踪物来实现土壤污染物来源的定性识别和定量解析。本文在简要总结土壤污染源解析研究对象的基础上，以受体模型为核心，重点介绍各种源解析方法以及在应用上的优势和局限。
1 土壤污染物源解析研究对象
凡是影响土壤正常功能，降低农作物产量和品质，影响人体健康的物质，都可以称为土壤污染物。根据污染物的性质，土壤环境污染物大致分为无机、有机、生物和放射性污染物四大类。其中生物和放射性污染物具有特定的污染途径，其来源较单一，易识别。而重金属和部分有机污染物来源复杂多样，且具有毒性强、难降解、残留时间长、在环境中分布广等特性，一旦在土壤中积累，会持续威胁生态环境安全和人体健康，因此目前土壤污染源解析主要针对重金属和有机污染物的研究。
基于收集的134篇文献，对研究者们在解析土壤污染来源时针对的污染物种类进行统计，并依次计算出各污染物出现次数所占的比例，从而得到近十年国内外土壤污染物源解析研究对象出现频率(图2)。经统计发现，目前土壤污染物源解析研究中涉及的重金属或类金属元素的种类达到40种之多，包括铅、镉、锌、铜、铬、砷、镍、汞、锰、钴、铁、铝、钒、钾、钙、镁、锑、锶、钛、钡、钠、锡、硒、锂、钼、银、铋、镓、铀、铍、铈、铯、锗、铌、铂、铷、钪、钽、钍、钇等元素。研究最多的是铅(lead，Pb)、镉(cadmium，Cd)、锌(zinc，Zn)、铜(copper，Cu)、铬(omium，Cr)、砷(crsenic，As)、镍(nickel，Ni)、汞(mercury，Hg)等8种元素(图2a)。土壤污染物源解析研究中涉及的有机污染物主要是持久性有机污染物，主要包括：多环芳烃(polycyclic aromatic hydrocarbon，PAHs)及其含氧衍生物(oxygen-containing dervatives of polycyclic aromatic hydrocarbon，OPAHs)、滴滴涕(dichloro diphenyl trichloroethanes，DDTs)、六六六(Benzene hexa chlorides，BHCs)、二噁英/呋喃(poly chloroinated dibenzo-p-dioxins/furans，PCDD/Fs)、多溴联苯醚(poly brominated diphenyl ethers，PBDEs)、多氯联苯(poly chlorinated biphenyls，PCBs)、硫丹(Endosulfan)、氯丹(Chlordane)、多氯化萘(poly chlorinated naphthalenes，PCNs)、六氯苯(hexa chloro benzene，HCB)、艾氏剂(Aldrin)等。其中，PAHs是土壤源解析中研究最多的一类有机污染物，其次是DDTs、HCHs、PCDD/Fs等(图2b)。
土壤中重金属和有机物的来源十分复杂，土壤金属元素的来源可分为自然源和人为源。自然源主要包括成土母质、岩石风化、火山喷发等，人为源主要包括工业源(工业废物排放)、农业源(化肥、农药、畜禽粪便等)、生活源(城乡生活废水、农家肥等)、交通源以及其他污染源(废弃物焚烧等)等等。土壤有机物主要来源于人类活动，部分有机物可来源于自然源，如某些植物和微生物体内可以合成微量多环芳烃，火山活动和森林火灾也可以产生一定量的多环芳烃。表1列出了土壤中主要污染物的来源。这些污染源通过大气沉降、废水排放、农业施肥等途径进入土壤中，并在土壤中积累。
2 土壤污染物源解析方法及其应用
源解析研究通常采用三种方法：源清单法、扩散模型法和受体模型法。源清单法通过调查和统计不同源类的排放因子和活动水平，估算各类源的排放量，根据排放量来识别对受体有贡献的主要排放源。该方法结果简单清晰，但存在排放因子不确定性大、人类污染活动水平资料缺乏、各类源排放量难以准确统计等问题。扩散模型法是从污染源出发，根据污染源排放清单和污染物传输过程来评估不同源类对受体的贡献。应用扩散模型法不仅可以得到不同源类在三维空间的分布及贡献，而且还能区分出本地排放源和外来传输源。但由于所需源清单存在很大不确定性以及污染物复杂的迁移转化过程，使得污染源类与受体之间的关系难以建立，该方法的应用受到很大的局限性。为解决这两种方法存在的问题，出现了受体模型法，通过对土壤样品和排放源样品中对源有指示作用的示踪物进行分析，定性识别受体的源类，并定量确定各类源对受体的贡献。与源清单法和扩散模型法相比，受体模型不需要调查各源类的排放因子和活动水平，也不需要追踪排放因子的传输过程，直接对受体环境进行测定。受体模型法是当前土壤污染物源解析研究中最主要的技术手段。本文主要总结了受体模型法中最常用到的方法在土壤源解析研究中的应用情况，并比较了各种方法的异同。
2.1 特征比值法
特征比值法是利用各种污染源的机理和特性不同，生成的污染物组成和含量存在不同程度的差别来识别污染物的来源。特征比值法一般是应用于对土壤中有机污染物的来源进行识别。本文总结了利用特征比值法识别土壤中持久性有机污染物DDTs、BHCs、PAHs的主要来源类型时常用的判别依据，见图3。DDTs含量是DDE(dichloro diphenyl ethylene)、DDD(dichloro diphenyl dichloroethane)和DDT(dichloro diphenyl trichloroethane)含量之和，土壤中残留的DDTs经过长期的物理、化学及生物变化后，会逐渐分解成较为稳定的DDE和DDD，因此，可以用p-p'-DDE与p-p'-DDT之比来分析土壤DDTs的来源。通常情况下，进入土壤中的DDTs经过15～20年的理化作用之后，p-p'-DDE/p-p'-DDT应该超过20∶1，而新进入土壤中的DDTs的p-p'-DDE与p-p'-DDT之比通常小于1。由于β-BHC结构比其他异构体更稳定，是环境中最稳定和最难降解的BCH异构体，同时，其它异构体还会在环境中转化为β-BHC以达到最稳定状态，α-BHC/γ-BHC常用来作为判断土壤中BHC的来源。通常情况下，工业BHC的α-BHC/γ-BHC值在4～8之间，若α-BHC/γ-BHC值小于4，则说明土壤中BHC主要来源于当前农药的使用，若α-BHC/γ-BHC值大于8，则说明土壤BHC主要来源于历史残留。对于PAHs来说，常用茚并[1,2,3-cd]芘(indeno[1,2,3-cd]，IP)与苯并[g,h,i]苝(benzo[g,h,I]pery-lene，BghiP)、荧蒽(fluoranthene，FLA)与芘(pyrene，Py)之间的比值来进行源识别。若IP/(IP+BghiP)值大于0.5则表明土壤中PAH主要来自于煤和生物燃烧，小于0.5则源于石油燃烧源。若FlA/(FlA+Py)值小于0.4表明土壤中PAH受石油源污染，0.4～0.5之间表明主要污染源为石油燃烧源，大于0.5则为化石燃料燃烧。
2.2 主成分分析/因子分析-多元线性回归法
主成分分析/因子分析-多元线性回归法(principal component analysis/factor analysis with multiple Linear regression，PCA/FA-MLR)是使用主成分分析法或因子分析法，并与多元线性回归法相结合来定量解析污染物来源的方法。即，首先是通过主成分分析或因子分析对受体数据进行降维处理，分析多个变量之间的关系，提取出较少的有代表性的因子，即污染因子，之后把这些因子对受体的元素进行多元线性回归，获得多元线性回归方程的回归系数，即可反映这些因子对受体的贡献值。其中多元线性回归模型可用下式来表示：
以多环芳烃为例，式中Y为因变量，代表多环芳烃的总量;p为由PCA/FA提取的主因子(污染源)个数;mi为标准回归系数;Xi为第i个主因子得分;b为回归常数。
该方法不需要准确的源成分谱数据，只需要知道受体的信息并大概了解排放源组成，但估算的源成分谱和贡献值常常出现负值。表2总结了近十年该方法在土壤源解析中的应用情况，包括研究地点、研究对象、主要源类型和相应的贡献率。可以看出这种方法最常应用在对土壤中多环芳烃的来源解析中，另外也有对土壤中重金属、滴滴涕和二噁英进行定量来源解析的研究。
2.3 正定矩阵因子分解法
正定矩阵因子分解法(positive matrix factorization，PMF)是基于最小二乘法，分解矩阵非负约束，可利用数据标准偏差来进行优化的因子分析方法。PMF模型是将原始矩阵X(i×j)因子化，分解为两个因子矩阵，F(k×j)和G(i×k)，以及一个残差矩阵E(i×j)，如下式表示：
式中，Xij是第i个样品的第j个元素的浓度;Fkj是源k中第j个元素的浓度，即源成分谱矩阵;Gik是源k对第i个样品的贡献，即源的贡献率矩阵;Eij是残差矩阵。PMF模型基于Multi linear engine2算法进行迭代计算，不断地分解原始矩阵X，来得到最优的矩阵G和F，最优化目标是使目标函数Q最小化。目标函数Q的表达式如下：
式中，uij表示第i个样品的第j个元素的不确定度。
与传统的因子分析法(例如FA-MLR)相比，PMF法在求解过程中对因子载荷和因子得分均做非负约束，避免矩阵分解的结果中出现负值，使得到的源成分谱和源贡献率具有可解释性和明确的物理意义。此外，PMF法不要求测量源成分谱，并且对每一个单独的数据点使用误差估计以便更合理处理遗漏和不精确的数据。表3总结了近十年PMF法在土壤源解析中的应用，包括研究地点、研究对象、主要源类型和相应的贡献率。可以看出，PMF最主要应用在对土壤中多环芳烃的污染来源解析中，也有针对土壤中重金属和多溴联苯醚进行定量来源解析的研究。
2.4 化学质量平衡法
化学质量平衡法(chemical mass balance,CMB)是基于质量守恒原理构建一组线性方程，通过每种化学组分的受体浓度与各类排放源成分谱中这种化学组分的含量值来计算各类排放源对受体的贡献浓度的一种源解析方法。适用于污染源数目较多，图谱明确的污染源定量解析，多用于生化性质稳定的有机物或重金属的源解析。应用化学质量平衡法进行污染源解析研究的前提假设从排放源到受体之间，排放的污染物不发生消减反应;存在对受体中污染物有贡献的若干污染源;各种污染源排放的污染物质之间相互不发生反应;源谱不存在共线性问题。即，受体中污染物的浓度等于各个主要污染源中污染物浓度的线性加和，用如下公式表达：
式中，Ci为受体样品中第i种污染物的浓度;xij为第j类源中第i中污染物的浓度;fj为源j对受体的贡献值;αi为测量误差;p为污染源个数。
当i≥j时，可求得源j对受体的贡献值fj，则源j的相对贡献率η可用下式表示：
该方法原理简单，使用参数较少，源类信息的物理意义明确，需要的受体数据量不大，在分析中考虑到了源成分谱的误差。但该法也有一定的局限性，首先，它需要较完整的污染源指纹图谱，并且要事先判断出污染源的数量和类型，存在一定的主观性，有可能会丢失污染源的信息;其次，它不能得到一个较长时期内污染源对受体的长期贡献;另外，模型对于共线源问题敏感，解析效果较差。目前有发现化学质量平衡法应用于土壤有机物源解析研究中的案例，如Li等应用化学质量平衡法来研究辽河河口湿地土壤中多环芳烃的来源，解析出三种主要污染源，汽油和柴油排放源、石油源、生物质燃烧源，贡献比率分别为57.1%、21.6%、21.3%。Bortey-Sam等应用化学质量平衡法对加纳库马西大都市表层土中的多环芳烃进行源解析，结果显示，不同区域土壤中多环芳烃来源有所差异，但主要都来源于燃料燃烧。
2.5 同位素法
同位素法是基于同位素的质量守恒原理，通过测定受体样品中稳定同位素或放射性同位素来区分污染物的来源。目前应用较多的是利用铅同位素技术来识别或解析土壤中重金属污染来源。铅在环境中有4种主要稳定同位素：208Pb、207Pb、206Pb、204Pb，前三种为放射性成因同位素。铅稳定同位素组成特征因在迁移过程中基本不受物理化学变化过程的影响，可作为一种“指纹”识别区分铅的不同来源。目前定量解析土壤中铅污染来源所用的模型有两种：二元模型和三元模型。二元模型仅适用于定量分析只有两个主要铅污染源的情况，源贡献率计算公式如下：
式中，fi代表相对源i的相对贡献率，s代表受体样品，B代表自然背景。
当有三个主要铅污染源和样品的同位素特征时，可通过建立三元模型来定量计算各污染源的相对贡献率，计算公式如下：
式中，s代表受体样品，1，2，3代表三个主要污染源，f1，f2，f3分别代表三个源的相对贡献率。
二元和三元模型均在土壤铅污染来源解析中有成熟的应用。例如，Kelepertzis等利用Pb同位素技术去辨别来自希腊雅典的被污染的城市土壤中Pb的来源，结果显示，有36%～95%的铅污染来源于人为源，5%～64%的铅来自于当地自然铅源。李湘凌等研究安徽铜陵新桥矿区土壤Pb的富集特征，由Pb同位素特征值识别出土壤中Pb具有二端元特征，并通过二元模型分别计算出人为开采矿石源和自然岩石源的相对贡献率。Li等分析了上海14个公园土壤中Pb的来源，结果显示，主要有三种污染源：煤燃烧源(47%)、含Pb汽油排放源(12%)、自然源(41%)。Luo等利用Pb同位素技术构建三元混合模型定量解析出厦门城市公园土壤中Pb的主要来源，其中自然源的贡献率最大，为49%，其次是煤燃烧源，源贡献率为45%，交通源占比最小，为6%。
针对土壤中有机物的源解析，可以利用稳定碳同位素来区分污染物的来源。目前稳定碳同位素技术主要应用于区分PAHs的化石燃料燃烧和生物质燃烧两种来源，应用范围较窄。与Pb同位素原理类似，基于同位素守恒原理，在分析PAHs单体化合物的稳定碳同位素组成基础上，可通过构建二元模型来计算各污染源的贡献率。如，苑金鹏等在分析天津不同功能区土壤中PAHs单体的稳定碳同位素(δ13C)特征的基础上，对以二元混合输入为主的地点运用稳定碳同位素构建二元复合数值模型，定量计算了土壤PAHs污染源的相对贡献率。二元模型计算公式如下：
式中，C为样品中碳同位素的丰度，A为碳同位素在化石燃料中的特征丰度，B为碳同位素在生物质中的特征丰度，f与(1-f)分别代表了化石燃料燃烧和生物质燃烧对PAHs的相对贡献率。
2.6 其他常用方法
其他一些方法，包括绝对因子得分-多元线性回归法(absolute principal component scores with multiple linear regression，APCS-MLSR)、非负约束因子分析法(factor analysis with non-negative constraints，FA-NNC)、UNMIX等在土壤污染物源解析研究中均有所应用，但应用案例相对较少。
绝对因子得分-多元线性回归法(APCS-MLR)是计算出“绝对零值因子得分”，通过因子得分和绝对零值因子得分的差值得到真实因子得分，进而利用多元线性回归法得到每个因子的贡献率。该方法部分解决了因子分析的不足之处，但由于不能准确预测污染源的指纹谱图，对模型结果的解释准确性不够。该方法在土壤源解析中的应用还不多。Pandey等利用APCS-MLR法对印度某煤矿区附近土壤中重金属污染物的来源进行解析，结果显示，主要来源于三种污染源，分别为煤矿开采/矿井火灾源、风尘源、自然源，相对贡献比率依次为40%、23%、24%，另有13%的比率未有明确的解释。
非负约束因子分析法(FA-NNC)是使用非负约束的因子旋转方法，限制因子载荷和因子得分均为非负的因子分析方法。这是对普通因子分析方法的改进，不仅能保证污染源组成非负的实际意义，也能得到污染源的指纹谱图，解析结果更加可靠，但目前没有成型的模型，影响模型的推广使用。Wang等运用非负约束因子分析法对大连地区土壤中多环芳烃的来源进行解析，结果表明，其来源以煤燃烧源为主，相对贡献率为50.5%，其次为焦炭生产和生物质燃烧源，相对贡献率依次为27%、19.4%。
UNMIX是基于特征分析，在自主建模曲线的基础上发展起来的一种非负约束因子分析方法。UNMIX模型在一定程度上克服了模型给出负值源贡献的缺点，不需要事先知道污染源的个数、源成分谱，它可以从受体出发快速获取一些因子，通过不同的污染源标识物来识别这些污染源，推断可能的源。UNMIX在土壤重金属和多环芳烃的源解析中均有所应用。艾建超等分析了松花江上游夹皮沟地区土壤样品中16种金属元素的来源，UNMIX方法解析出4个土壤重金属污染来源：源1为选矿、公路交通及垃圾排放等人为源，贡献率为39.31%;源2为岩石风化和生物作用，贡献率为13.87%;源3为土壤母质和施用化肥、居民燃煤导致的综合源，贡献率为23.93%;源4为铁矿开采及运输，贡献率为22.89%。Lang等用UNMIX方法解析了辽河三角洲芦苇湿地土壤中多环芳烃的来源，结果显示，主要污染源为石油源(43%)、柴油和汽油排放源(35%)、生物质燃烧源(22%)。Yang等对黄淮平原土壤中多环芳烃进行了源解析研究，UNMIX方法结果显示，共解析出四种主要污染源，分别为木材/生物质燃烧源、化石燃料燃烧源、交通污染源、其他源，相对贡献率依次为48.8%、21.1%、18.3%、11.8%。
2.7 不同土壤源解析方法的比对
深入了解不同源解析方法的特点及适用性，根据研究区的实际情况选择合适的方法来开展土壤污染物来源解析的研究十分重要。但目前针对不同方法的比对尚缺乏系统性地总结。上述介绍了目前常用的八种方法在土壤污染物来源解析中的应用情况，在此基础上，本文分别从方法类型、基本原理、定性/定量、源已知/未知角度对比分析了这几种土壤源解析方法的特点和局限性(表4)。
从方法类型来看，特征比值法、PCA/FA-MLR、PMF、APCS-MLR、FA-NNC、UNMIX、CMB均属于化学法，其特点是实现条件简单，能充分利用各类日常实测数据，运用数学方法，实现较为精准的源解析。化学法存在一定的局限性，由于计算结果是基于历史观测数据的分析，只能对已发生的污染进行判断，无法对未来源类发展所造成的影响进行预测。在突发性土壤污染事件发生时，不能满足法律证据要求的可靠性。同位素法的特点是可以利用稳定同位素组成特征在地质作用过程中无明显损失的特性来准确区分特定污染物的不同来源。该方法的局限性在于只能实现几种特定污染物的同位素源解析技术(如，铅、锌、锶、铜、镉)，无法有效完成土壤中多种复杂污染物的来源解析，且当前构建的二元/三元模型只能解析有限数目的污染源。
从定性/定量角度来看，仅特征比值法为定性识别法，其余几种方法均为定量解析法。定性识别法是根据污染物的特征识别出主要的污染源类型，其特点是简便易行，但该方法只能初步判断污染源的类型，常与其他源解析方法联合使用，由于某些物质的不稳定性，会给污染源的判断带来一定误差。定量解析法则是不仅可以判断出主要的污染源类型，还可以定量计算出各类排放源对受体的贡献大小。
从基本原理来看，特征比值法是基于受体中特征物质比值特性来判断污染源类型的，在受体数据量不多的情况下也可以大致判断。PCA/FA-MLR、PMF、APCS-MLR、FA-NNC、UNMIX都属于多元统计法，这类方法的特点是利用观测信息中物质间的相互关系来产生源成分谱或产生暗示重要排放类型的因子，进而定量计算源贡献大小。这类方法由于基于统计学原理，对受体数据要求较高，需要有足够的样本量才可计算分析。另外，由于是对数据偏差而不是具体数值进行处理，若某重要污染源排放比较恒定，而其他非重要污染源的排放强度变异较大，那么排放强度较大的污染源可能会被忽略。CMB和同位素法都是基于质量守恒原理，对受体数据量的要求不高。源未知类方法指不需要详细的源类信息，就可以识别出不同污染源类型，并估算出各类源对受体的贡献值。特征比值法、PCA/FA-MLR、PMF、APCS-MLR、FA-NNC、UNMIX等方法均属于源未知类方法。这类源解析方法的优势在于不需要源成分谱的详细信息，可以由受体直接解析出源类信息，如受体数据理想，解析的源类信息比较客观。但源未知类方法也存在局限性，由于不需要源类信息，在解析过程中，容易造成模型提取的因子无法与现实中的污染源对应起来，导致出现因子物理意义不明确的现象。源已知类方法则需要知道详细的源类及其组成特征的信息，CMB和同位素法均为此类方法。这类方法适合在受体数据量不多的情况下，最突出的优势是源类信息有真实的物理意义，解析结果可以直接为管理服务。但该方法也是有局限性的，由于源类信息的获取带有主观性，若源信息与受体信息不匹配，解析结果会出现较大误差。
3 结论与展望
(1)随着环境污染问题变得越加复杂，单一源解析方法将不能满足准确定量解析污染源的要求，在对某特定地区开展土壤源解析研究时，可考虑结合当地实际情况选择适宜的源解析方法，或结合多种方法联用提高源解析结果的准确性和可利用性。由于不同土壤源解析方法的原理或假设不同，表现出各自在应用上的优势和局限性，得到的源解析结果可能存在一定的差异，找出差异的原因有助于全面客观地解读源解析结果。
(2)由于土壤环境的多变性和复杂性、样品采集与分析过程存在的误差以及模型往往基于某种假设，使得源解析结果不可避免地存在不确定性。通过对源解析过程进行不确定性分析，可以识别出影响源解析结果的因素，提高模型的准确性和可靠性。当前对源解析过程的不确定分析研究还非常少见，未来应探究如何量化环境特征、采样与分析、模型结构等过程存在的不确定性因素，为模型改进提供理论依据。
(3)污染源谱对于准确分析源解析结果至关重要，选择不同的源谱得到的解析结果也不相同，选择合适的源谱可以减少源解析误差。然而，一方面，我国污染物排放清单的编制始于20世纪80年代末，主要针对区域大气重金属中具有挥发性的汞、砷、硒等重金属进行研究，土壤环境介质中的重金属排放清单研究基本没有涉及。另一方面，我国各地区社会经济发展具有较大差异，环境和污染排放特征也不尽相同，历史数据的源谱已经不能用于污染源解析研究。因此，针对不同区域污染物源的差异性，需要不断的更新研究，建立各区域不同污染物污染动态源谱数据库。
(4)与大气环境、水环境以及底泥环境不同，土壤在形成过程中受到气候、母岩、地形、植被和动物等多方面的影响，也由于土壤本身的形态决定了土壤中的污染物的迁移转化规律不同于其他环境介质，具有高度的空间异质性和复杂性。美国环保署也明确提出其推荐的源解析模型PMF和UNMIX主要适用于大气、水、底泥等介质中，这可能也是由于土壤环境独特的场地特征导致的。在具体土壤源解析研究实践中，土壤采样是造成土壤研究误差的主要来源,尽管已出台大量采样规程,但在土壤科学向更精细的方向发展的大趋势下，土壤采样的精度提高是土壤科学向前发展的最大障碍。研究不同土壤采样方法、不同采样密度、尺度、空间异质性等已成为土壤源解析向前发展必须攻克的难关。在现有源解析技术的基础上，从土壤地理学、地球化学、统计概率学以及人工智能的交叉视角出发，将会是未来土壤源解析发展的方向。
原标题：近十年土壤污染物源解析研究综述
