Lee, Seul
(Chemical Safety Division, National Institute of Agricultural Science)
,
Kang, Dae-Won
(Chemical Safety Division, National Institute of Agricultural Science)
,
Kim, Hyuck-Soo
(Chemical Safety Division, National Institute of Agricultural Science)
,
Yoo, Ji-Hyock
(Chemical Safety Division, National Institute of Agricultural Science)
,
Park, Sang-Won
(Chemical Safety Division, National Institute of Agricultural Science)
,
Oh, Kyeong-Seok
(Chemical Safety Division, National Institute of Agricultural Science)
,
Cho, Il Kyu
(Bio Control Research Center, Jeonnam Bioindustry Foundation)
,
Moon, Byeong-Churl
(Chemical Safety Division, National Institute of Agricultural Science)
,
Kim, Won-Il
(Chemical Safety Division, National Institute of Agricultural Science)
There is an increasing concern over arsenic (As) contamination in rice. This study was conducted to develope a prediction model for As uptake by rice based on the physico-chemical properties of soil. Soil and brown rice samples were collected from 46 sites in paddy fields near three different areas ...
There is an increasing concern over arsenic (As) contamination in rice. This study was conducted to develope a prediction model for As uptake by rice based on the physico-chemical properties of soil. Soil and brown rice samples were collected from 46 sites in paddy fields near three different areas of closed mines and industrial complexes. Total As concentration, soil pH, Al oxide, available phosphorus (avail-P), organic matter (OM) content, and clay content in the soil samples were determined. Also, 1.0 N HCl, 1.0 M $NH_4NO_3$, 0.01 M $Ca(NO_3)_2$, and Mehlich 3 extractable-As in the soils were measured as phytoavailable As concentration in soil. Total As concentration in brown rice samples was also determined. Relationships among As concentrations in brown rice, total As concentrations in soils, and selected soil properties were as follows: As concentration in brown rice was negatively correlated with soil pH value, where as it was positively correlated with Al oxide concentration, avail-P concentration, and OM content in soil. In addition, the concentration of As in brown rice was statistically correlated only with 1.0 N HCl-extractable As in soil. Also, using multiple stepwise regression analysis, a modelling equation was created to predict As concentration in brown rice as affected by selected soil properties including soil As concentration. Prediction of As uptake by rice was delineated by the model [As in brown rice = 0.352 + $0.00109^*$ HCl extractable As in soil + $0.00002^*$ Al oxide + $0.0097^*$ OM + $0.00061^*$ avail-P - $0.0332^*$ soil pH] ($R=0.714^{***}$). The concentrations of As in brown rice estimated by the modelling equation were statistically acceptable because normalized mean error (NME) and normalized root mean square error (NRMSE) values were -0.055 and 0.2229, respectively, when compared with measured As concentration in the plant.
There is an increasing concern over arsenic (As) contamination in rice. This study was conducted to develope a prediction model for As uptake by rice based on the physico-chemical properties of soil. Soil and brown rice samples were collected from 46 sites in paddy fields near three different areas of closed mines and industrial complexes. Total As concentration, soil pH, Al oxide, available phosphorus (avail-P), organic matter (OM) content, and clay content in the soil samples were determined. Also, 1.0 N HCl, 1.0 M $NH_4NO_3$, 0.01 M $Ca(NO_3)_2$, and Mehlich 3 extractable-As in the soils were measured as phytoavailable As concentration in soil. Total As concentration in brown rice samples was also determined. Relationships among As concentrations in brown rice, total As concentrations in soils, and selected soil properties were as follows: As concentration in brown rice was negatively correlated with soil pH value, where as it was positively correlated with Al oxide concentration, avail-P concentration, and OM content in soil. In addition, the concentration of As in brown rice was statistically correlated only with 1.0 N HCl-extractable As in soil. Also, using multiple stepwise regression analysis, a modelling equation was created to predict As concentration in brown rice as affected by selected soil properties including soil As concentration. Prediction of As uptake by rice was delineated by the model [As in brown rice = 0.352 + $0.00109^*$ HCl extractable As in soil + $0.00002^*$ Al oxide + $0.0097^*$ OM + $0.00061^*$ avail-P - $0.0332^*$ soil pH] ($R=0.714^{***}$). The concentrations of As in brown rice estimated by the modelling equation were statistically acceptable because normalized mean error (NME) and normalized root mean square error (NRMSE) values were -0.055 and 0.2229, respectively, when compared with measured As concentration in the plant.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
71**으로 강한 양의 상관관계를 확인하였다. 그리하여 본 연구에서 지정한 비소 오염 농경지내 현미 비소 함량을 예측하기 위해서 본 모델식을 적용할 수 있다고 판단된다.
, 2004). 따라서 본 연구에서는 폐광산 및 공단 인근 비소오염 농경지의 안전한 농산물 생산과 효율적인 토양관리방안을 모색하고자 현미 중 비소함량과 토양 비소 총 함량, 비소 유효태 농도, 토양 특성 인자간의 상관관계분석 및 다중회귀분석을 실시하였고, 이를 바탕으로 현미 중 비소 함량 예측 모델식을 제시하고 검증하고자 하였다.
본 연구에서는 비소오염 농경지에서 안전한 농산물 생산과 효율적인 토양관리방안을 모색하고자 토양 중 함량 및 화학성을 고려한 현미 중 비소 함량 예측 모델식을 개발 하였다. 국내 비소취약 오염농경지 토양 및 현미 46점을 채취하여 현미 및 토양 중 비소 함량을 분석하였다.
제안 방법
본 연구에서는 비소오염 농경지에서 안전한 농산물 생산과 효율적인 토양관리방안을 모색하고자 토양 중 함량 및 화학성을 고려한 현미 중 비소 함량 예측 모델식을 개발 하였다. 국내 비소취약 오염농경지 토양 및 현미 46점을 채취하여 현미 및 토양 중 비소 함량을 분석하였다. 비소 총 농도를 조사한 결과 토양 총 비소함량은 평균 45.
모든 vessel은 screw cap으로 밀봉하여 설정된 프로그램에 의해 microwave digestion system (ETHOS, Milestone, Italy)를 이용하여 180°C에서 20분간 산 분해를 수행하였다.
수확한 쌀시료를 풍건한 후, 드라이오븐에서 60°C에서 하루 건조 후 현미기(SYTH88, Ssangyong Instrument, Korea)를 이용하여 도정 한 뒤1분 동안 자동 균질기를 사용하여 고운 가루로 빻아서 실온에 보관하였다.
0N HCl 침출법을 활용할 수 있을 것으로 판단되며, 토양 특성을 함께 고려하여 토양 중 비소 유효태 함량을 평가하여야 할 것으로 판단된다. 이를 토대로 비소 오염 농경지에서 현미 비소 함량 예측 모델식을 개발하였다. 비소 전 함량,토양특성을 이용하여 다중회귀분석을 실시한 결과 비소 전 함량과, 토양 pH, Al산화물, 유효태 인산, 유기물함량이 현미 비소 함량에 영향을 미치는 주요 매개변수로 확인되었고, 현미 비소 함량은 비소 전 함량 및 토양 특성에 의해서 결정된다고 판단할 수 있었다.
, Northants, UK)를 이용하여 반응 용기에 토양 3 g을 칭량하여 왕수 (염산 21 mL, 질산 7mL / 3:1 비율 + 증류수 1 mL)를 주입하여 반응시간은 30°C에서 2시간 침지 후, 서서히 온도를 높여 90°C에서 2시간 가열하였다. 이후 냉각과정을 거쳐 분해 후 여과하였고 0.5 M 질산으로 100 mL로 정용하여 ICP-OES (GBC Integra-XMP,Braeside, Australia)를 이용하여 분석하였다. 토양 중 비소의 식물 유효도를 평가하기 위해 쌀의 비소흡수와 상관성이 있는 것으로 보고된 단일추출법 4종 (1.
중금속 함량 분석을 위해 각각의 중금속 표준원액 (Merck, Germany) 1,000 mg L-1 stock solution을 구입 후, 2% HNO3 용액으로 희석하여 0.1 ~ 50 µg L-1 농도범위로 조제하였고, 토양은 ICP-OES로,농산물은 ICP-MS (Agilent technologies, 7500a)로 분석하였다.
Mehlich (1984)는 유효태 비소 함량을 측정하기 위해 Mehlich 3 추출법을 이용하였다. 추출 후 ICP-OES로 측정하였다.
(2014)은우리나라 폐광산 인근 농경지를 중심으로 중금속 오염 농경지의 식물 유효태 예측 모델식 개발을 하였다. 카드뮴, 구리, 납, 아연을 기준 원소로 정하였고 추출용액을 달리하여 중금속 오염 농경지 토양의 유효도를 측정하였고 중금속 유효도에 영향을 미치는 토양 특성을 조사하여 그것을 바탕으로 중금속 유효도 유추 모델식을 개발하였다. 그 결과로 카드뮴의 식물유효태 함량은 카드뮴 전함량과 토양 pH 두 인자에 의해서 결정하고, 납과 아연에서도 토양 pH는 식물유효태 함량에 영향을 미치는 등 토양특성 중 토양 pH와 유기물이 식물 유효태 농도를 유추하는 중요한 변수로 확인되었다.
토양 중 비소 전함량은 토양오염공정시험법 (MOE, 2010)인 환류냉각장치 (Kjeldatherm)(C. Gerhardt GmbH & Co., Northants, UK)를 이용하여 반응 용기에 토양 3 g을 칭량하여 왕수 (염산 21 mL, 질산 7mL / 3:1 비율 + 증류수 1 mL)를 주입하여 반응시간은 30°C에서 2시간 침지 후, 서서히 온도를 높여 90°C에서 2시간 가열하였다.
5 M 질산으로 100 mL로 정용하여 ICP-OES (GBC Integra-XMP,Braeside, Australia)를 이용하여 분석하였다. 토양 중 비소의 식물 유효도를 평가하기 위해 쌀의 비소흡수와 상관성이 있는 것으로 보고된 단일추출법 4종 (1.0 M NH4NO3, 0.01 M Ca(NO3)2, Mehlich 3, 1.0 N HCl)을 선정하여 실행하였다. Seo et al.
대상 데이터
본 연구에서는 우리나라 비소오염 취약농경지로써 기존의 연구결과에서 조사된 농경지 토양, 농업용수 및 현미 중 비소함량이 상대적으로 높은 3지역을 대상으로 총 46지점 논토양에서 토양을 채취하였고, 농산물 (현미)는 토양 채취와 동일한 지점에서 수확기에 채취하였다. 토양은 음건 후 고무망치를 이용해 뭉쳐진 부분을 분리시켜 2 mm로 체질한 후 토양의 일반 화학성 분석시료로 사용하였고 토양 pH, 유기물, 유효태 인산, 점토 등 성분분석은 농촌진흥청 분석법 (NAAS, 2010)을 근거하여 실시하였다.
수확기 쌀 시료는 토양 시료채취와 동일한 지점에서 시료를 채취하였다. 수확한 쌀시료를 풍건한 후, 드라이오븐에서 60°C에서 하루 건조 후 현미기(SYTH88, Ssangyong Instrument, Korea)를 이용하여 도정 한 뒤1분 동안 자동 균질기를 사용하여 고운 가루로 빻아서 실온에 보관하였다.
데이터처리
다중회귀분석을 통해 나온 모델식에서 도출된 예측값 (Predicted value) 과 본 연구에서 실제 분석을 통해 얻은 측정값 (Measured value)을 통해 NME, NRMSE를 산출하였다. 그리하여 이를 통해 본 연구에서 도출한 모델식의Overestimation, Underestimation 여부, 모델식 적합성을 판단하였다.
714***). 모델식에 대한 적합성 및 타당성을 평가하기 위해 NME, NRMSE 값을 산출하였다. 현미 비소 함량 예측 모델식에서 도출한 예측값과 실제 측정치간의 차이가 크지 않았고, 예측값과 측정값간의 상관관계에서 높은 상관관계를 보였기 때문에 본 연구에서 대상으로 지정한 비소 오염 농경지에서 현미 비소 함량을 예측 모델식을 적용 할 수 있다고 판단된다.
1 ~ 50 µg L-1 농도범위로 조제하였고, 토양은 ICP-OES로,농산물은 ICP-MS (Agilent technologies, 7500a)로 분석하였다. 분석법 검증을 위해 시료를 분석하는 동안 standard reference material (SRM)인 쌀가루 (NIST 1568a)를 이용하여 정확도를 검증하였고, spiked 시료에 대한 회수율을 측정하여 80 ~ 120% 사이의 결과를 확인하였다.
토양 중 비소 전함량 및 1.0 N HCl 추출 유효태 비소 함량과 토양의 화학적 특성을 동시에 고려한 다중회귀분석을 실시하였고 그 결과 Table 5와 같이 회귀식으로 도출하였다. 다중회귀분석을 통해 도출된 회귀식을 보면 토양의 화학적 특성 중 Al 산화물 함량 및 토양 pH가 모델식에 추가되었을 때 가장 큰 조정된 결정계수 증가폭을 보여 주요 변수임을 확인할 수 있었다 (Table 5).
, 2013). 토양 화학적 특성과 비소 전 함량, 식물 유효태 및 현미 비소 함량간의 단순상관분석과 다중회귀분석을 통해 현미의 비소 함량에 영향을 주는 인자들을 조사하였고, 통계 프로그램은 SPSS (IBM, ver,20)를 이용하였다. 또한, 현미비소 함량 예측 모델식의 적합성 및 타당성을 판단하기 위한 지표로 normalized mean error (NME)와 normalized root mean square error (NRMSE)를 사용하였다 (De Vries et al.
토양과 농산물 내 비소 함량간의 상관성 검토는 상관계수 (r) 산출을 위한 상관관계분석과 조정된 결정계수 (adj R2) 산출을 위한 단순선형회귀분석으로 구분하여 실시하였다 (Koh et al., 2013). 토양 화학적 특성과 비소 전 함량, 식물 유효태 및 현미 비소 함량간의 단순상관분석과 다중회귀분석을 통해 현미의 비소 함량에 영향을 주는 인자들을 조사하였고, 통계 프로그램은 SPSS (IBM, ver,20)를 이용하였다.
이론/모형
01 M Ca(NO3)2 추출법을 제안 하였고, 1 N HCl 추출법은 환경부의 토양오염공정시험법 중 중금속 분석법이 총 함량 분석법으로 단일화되기 전에 사용하던 추출 방법으로 비소의 경우 가용성 함량을 분석하였다 (MOE, 2002). 또한, 독일에서 농경지 관리를 하는데 사용되는 방법인 1.0 M NH4NO3 (DIN, 1995) 추출법을 선택하였다. Mehlich (1984)는 유효태 비소 함량을 측정하기 위해 Mehlich 3 추출법을 이용하였다.
토양 화학적 특성과 비소 전 함량, 식물 유효태 및 현미 비소 함량간의 단순상관분석과 다중회귀분석을 통해 현미의 비소 함량에 영향을 주는 인자들을 조사하였고, 통계 프로그램은 SPSS (IBM, ver,20)를 이용하였다. 또한, 현미비소 함량 예측 모델식의 적합성 및 타당성을 판단하기 위한 지표로 normalized mean error (NME)와 normalized root mean square error (NRMSE)를 사용하였다 (De Vries et al., 2011). P는 모델식에서 도출된 예측값, O는 본 실험에서 얻은 실제값을 의미한다.
토양은 음건 후 고무망치를 이용해 뭉쳐진 부분을 분리시켜 2 mm로 체질한 후 토양의 일반 화학성 분석시료로 사용하였고 토양 pH, 유기물, 유효태 인산, 점토 등 성분분석은 농촌진흥청 분석법 (NAAS, 2010)을 근거하여 실시하였다. 알루미늄산화물 함량은 암모늄옥살산 침출법으로 침출 여과 후 ICP-OES (GBC XMP, Australia)으로 측정 하였다 (Schwertmann, 1973; Lim et al.,2014). 또한 2 mm로 체질한 시료 소량을 채취하여 막자사발로 곱게 마쇄한 다음 100 메쉬 표준체로 다시 체질한 후 중금속 분석시료로 사용하였다.
본 연구에서는 우리나라 비소오염 취약농경지로써 기존의 연구결과에서 조사된 농경지 토양, 농업용수 및 현미 중 비소함량이 상대적으로 높은 3지역을 대상으로 총 46지점 논토양에서 토양을 채취하였고, 농산물 (현미)는 토양 채취와 동일한 지점에서 수확기에 채취하였다. 토양은 음건 후 고무망치를 이용해 뭉쳐진 부분을 분리시켜 2 mm로 체질한 후 토양의 일반 화학성 분석시료로 사용하였고 토양 pH, 유기물, 유효태 인산, 점토 등 성분분석은 농촌진흥청 분석법 (NAAS, 2010)을 근거하여 실시하였다. 알루미늄산화물 함량은 암모늄옥살산 침출법으로 침출 여과 후 ICP-OES (GBC XMP, Australia)으로 측정 하였다 (Schwertmann, 1973; Lim et al.
성능/효과
30 mg kg-1, 현 124 ∙ Korean Journal of Soil Science and Fertilizer Vol. 50, No. 2, 2017미 중 비소 함량은 평균 0.24 mg kg-1 으로 나타났고, 식물 유효태 비소 농도는 1.0 N HCl 추출법 11.62 mg kg-1, 1.0 MNH4NO3 추출법 0.039 mg kg-1, 0.01M Ca(NO3)2 추출법 0.099 mg kg-1, Mehlich 3 추출법 2.24 mg kg-1로 나타났다. 현미 비소 함량과 토양 특성과의 상관관계에서는 Al산화물, 유효태인산, 유기물과 양의 상관관계를 보였다.
카드뮴, 구리, 납, 아연을 기준 원소로 정하였고 추출용액을 달리하여 중금속 오염 농경지 토양의 유효도를 측정하였고 중금속 유효도에 영향을 미치는 토양 특성을 조사하여 그것을 바탕으로 중금속 유효도 유추 모델식을 개발하였다. 그 결과로 카드뮴의 식물유효태 함량은 카드뮴 전함량과 토양 pH 두 인자에 의해서 결정하고, 납과 아연에서도 토양 pH는 식물유효태 함량에 영향을 미치는 등 토양특성 중 토양 pH와 유기물이 식물 유효태 농도를 유추하는 중요한 변수로 확인되었다. 연구에서 도출된 모델식은 국내 중금속 오염 농경지 토양에 적용 가능할 것으로 판단하였고 관리 대상 지역의 토양 특성을 반영한 ‘토양 내 중금속 유효도 유추 모델식’ 개발의 필요성을 확인하였다.
다중회귀분석을 통해 나온 모델식에서 도출된 예측값 (Predicted value) 과 본 연구에서 실제 분석을 통해 얻은 측정값 (Measured value)을 통해 NME, NRMSE를 산출하였다. 그리하여 이를 통해 본 연구에서 도출한 모델식의Overestimation, Underestimation 여부, 모델식 적합성을 판단하였다. 토양 중 비소 전함량과 1 N HCl 추출 함량에 따른 현미 비소 함량 예측 모델식에서 NME 값은 각각 –0.
0 N HCl 추출 유효태 비소 함량과 토양의 화학적 특성을 동시에 고려한 다중회귀분석을 실시하였고 그 결과 Table 5와 같이 회귀식으로 도출하였다. 다중회귀분석을 통해 도출된 회귀식을 보면 토양의 화학적 특성 중 Al 산화물 함량 및 토양 pH가 모델식에 추가되었을 때 가장 큰 조정된 결정계수 증가폭을 보여 주요 변수임을 확인할 수 있었다 (Table 5). 이외 유기물 함량 및 유효태 인산 함량은 추가로 적용하여도 결정계수가 크게 증가하지 않은 것으로 나타났다.
단일 추출용매에 따른 토양 중 유효태 비소의 평균함량과 범위는 각각 1.0 N HCl 추출법 12.06 mg kg-1 (0.05 mg kg-1 ~87.31 mg kg-1), 1.0 M NH4NO3 추출법 0.04 mg kg-1 (0.00 mg kg-1 ~ 0.28 mg kg-1), 0.01M Ca(NO3)2 추출법 0.10 mgkg-1 (0.08 mg kg-1 ~ 0.14 mg kg-1), M3 (Mehlich 3) 추출법 2.29 mg kg-1 (0.26 mg kg-1 ~ 11.57 mg kg-1)로 평균 농도는 1.0 N HCl > M3 > 1.0 M NH4NO3 > 0.01M Ca(NO3)2 순으로 1N HCl의 농도가 가장 높은 것으로 나타났다.
본 연구에서 현미 비소 함량과 토양 특성의 상관성을 볼 때, 토양 pH를 제외하고 Al 산화물, 유효태 인산, 유기물 함량은 통계적으로 비슷한 수준의 유의한 양의 상관관계를 보였다 (Table 3). 특히 토양 pH는 토양 특성 및 환경인자 중에서도 중금속의 식물 유효도에 제일 크게 영향을 미치는 인자로 보고되고 있다 (Kim et al.
, 2010). 본 연구에서는 토양 내 유기물 함량이 높아질수록 현미 비소 함량이 높아지는 양의 상관관계를 보였다.
이를 토대로 비소 오염 농경지에서 현미 비소 함량 예측 모델식을 개발하였다. 비소 전 함량,토양특성을 이용하여 다중회귀분석을 실시한 결과 비소 전 함량과, 토양 pH, Al산화물, 유효태 인산, 유기물함량이 현미 비소 함량에 영향을 미치는 주요 매개변수로 확인되었고, 현미 비소 함량은 비소 전 함량 및 토양 특성에 의해서 결정된다고 판단할 수 있었다. 이는 상대적으로 높은 상관관계를 갖는 중요한 인자들만을 적용한 회귀식을 이용하여 현미 비소 함량을 예측 모델식을 구축하는 것이 적합하다고 판단된다.
연구에서 도출된 모델식은 국내 중금속 오염 농경지 토양에 적용 가능할 것으로 판단하였고 관리 대상 지역의 토양 특성을 반영한 ‘토양 내 중금속 유효도 유추 모델식’ 개발의 필요성을 확인하였다.
2는 토양 중 비소 전함량과 1 N HCl 추출 함량에 따른 현미 중 비소 함량 예측 모델식에 의해 도출된 예측값과 현미 비소 함량 측정값 간의 상관관계를 나타낸다. 예측값과 측정값 간의 상관관계에서 0.71**으로 강한 양의 상관관계를 확인하였다. 그리하여 본 연구에서 지정한 비소 오염 농경지내 현미 비소 함량을 예측하기 위해서 본 모델식을 적용할 수 있다고 판단된다.
, 1999; Tyler and Olsson, 2001). 우리나라 평균 논토양 pH가 5.5 ~ 6.5 사이인 것을 고려하여 토양 pH 7.0이상의 지점은 제외하고 현미 비소함량과 토양 pH의 상관관계를 분석한 결과 음의 상관관계 (R = 0.406**)로서 통계적으로 유의하였다.
비소 전 함량,토양특성을 이용하여 다중회귀분석을 실시한 결과 비소 전 함량과, 토양 pH, Al산화물, 유효태 인산, 유기물함량이 현미 비소 함량에 영향을 미치는 주요 매개변수로 확인되었고, 현미 비소 함량은 비소 전 함량 및 토양 특성에 의해서 결정된다고 판단할 수 있었다. 이는 상대적으로 높은 상관관계를 갖는 중요한 인자들만을 적용한 회귀식을 이용하여 현미 비소 함량을 예측 모델식을 구축하는 것이 적합하다고 판단된다. 토양 중 1 N HCl 유효태 비소함량을 고려한 현미 중 비소함량 예측 모델식은 다음과 같다.
76) mg kg-1이었다. 이는 토양환경보전법에서 정하는 토양오염우려기준에 비하여 비소의 평균함량이 1.8배이며 최대함량이 11배로서 높은 수준을 확인하였고, 특히 중간값이 25.00 mg kg-1로 토양환경보전법에서 제시하는 토양오염우려기준 수준으로 1/2정도가 기준을 초과하였으며, 일부 시료는 토양오염대책기준을 초과하였다. 이는 2010년 보고된 비소오염 5개 폐광산 인근 논토양에서 조사된 비소 전함량 평균농도인 13.
,2015). 이러한 결과를 종합해 볼 때 비소오염 취약 논토양에서 생산된 쌀의 비소오염을 확인할 수 있다.
전 함량 대비 각 추출법에 대한 유효태 농도 함량의 평균 비율은 1.0 N HCl (26.65%) > Mehlich 3 (4.95%) > 1.0 MNH4NO3 (0.22%) > 0.01M Ca(NO3)2 (0.09%)순으로 확인되었다.
토양 중 비소 전함량과 1 N HCl 추출 함량에 따른 현미 비소 함량 예측 모델식에서 NME 값은 각각 –0.0128과 –0.055로 약간 Underestimation한 것을 확인할 수 있었다.
토양 pH와 현미 비소 함량간의 상관관계에서는 통계적으로 낮은 유의성을 보였지만, 염기성 토양을 제외시킨 후 상관관계를 보았을 때 음의 상관관계를 나타냈다. 현미 비소 함량과 식물유효태 비소 농도와의 상관관계에는 1.0 N HCl이 가장 높은 양의 상관관계를 나타냈다. 본 결과를 토대로 향후 본 연구에서 선정한 비소 오염 농경지에서 유효도 평가시 1.
24 mg kg-1로 나타났다. 현미 비소 함량과 토양 특성과의 상관관계에서는 Al산화물, 유효태인산, 유기물과 양의 상관관계를 보였다. 토양 pH와 현미 비소 함량간의 상관관계에서는 통계적으로 낮은 유의성을 보였지만, 염기성 토양을 제외시킨 후 상관관계를 보았을 때 음의 상관관계를 나타냈다.
현미 중 비소 함량과 토양 내 Al+Fe+Mn 산화물은 양의 상관관계를 보였다. 이것은 토양 내 Al 산화물 등과 비소와 높은 친화력을 가지고 있어서 혐기성 상태일 때 비소의 이동성을 높여 비소의 식물 흡수율을 높였다 (Fitz and Wenzel,2002; Takahashi et al.
후속연구
, 2014). 또한, 현미 중 비소 함량과 토양 비소 전 함량 및 비소 유효도에 영향을 미치는 토양 화학성간의 상관관계 분석을 통해 통계적 유의성을 검토 후 다중회귀분석을 실시하는 과정을 거쳐 개발되기 때문에 폭넓은 비소 농도 및 토양특성 수치를 가진 토양시료를 확보할 필요가 있는 것으로 판단된다.
0 N HCl이 가장 높은 양의 상관관계를 나타냈다. 본 결과를 토대로 향후 본 연구에서 선정한 비소 오염 농경지에서 유효도 평가시 1.0N HCl 침출법을 활용할 수 있을 것으로 판단되며, 토양 특성을 함께 고려하여 토양 중 비소 유효태 함량을 평가하여야 할 것으로 판단된다. 이를 토대로 비소 오염 농경지에서 현미 비소 함량 예측 모델식을 개발하였다.
모델식에 대한 적합성 및 타당성을 평가하기 위해 NME, NRMSE 값을 산출하였다. 현미 비소 함량 예측 모델식에서 도출한 예측값과 실제 측정치간의 차이가 크지 않았고, 예측값과 측정값간의 상관관계에서 높은 상관관계를 보였기 때문에 본 연구에서 대상으로 지정한 비소 오염 농경지에서 현미 비소 함량을 예측 모델식을 적용 할 수 있다고 판단된다.
참고문헌 (49)
Abernathy, C.O., Y.P. Liu, D. Longfellow, H.V. Aposhian, B. Beck, B. Fowler, R. Goyer, R. Menzer, T. Rossman, C. Thompson, and M. Waalkes. 1999. Arsenic: Health effects, mechanism of action, and research issues. Environ. Health Perspect. 107:593-597.
De Vries, W., M.J. McLaughlin, and J.E. Groenenberg. 2011. Transfer functions for solid-solution partitioning of cadmium for Australian soils. Environ. Pollut. 159:3583-3594.
Deutsches Institute fur Normung (DIN). 1995. Soil Quality Extraction of Trace Elements with Ammonium Nitrate Solution. DIN 19730. Beuth Verlag, Berlin, Germany.
Duker, A.A., E.J.M. Carranza, and M. Hale. 2005. Arsenic geochemistry and health. Environ. Int. 31:631-641
Fitz, W.J., and W.W. Wenzel. 2002. Arsenic transformations in the soil-rhizosphere-plant system: fundamentals and potential application to phytoremediation. J. Biotechnol. 99:259-278.
Groenenberg, J.E., P.F.A.M. Romkens, R.N.J. Comans, J. Luster, T. Pampura, L. Shotbolt, E. Tipping, and W. De Vries. 2010. Transfer functions for solid-solution partitioning of cadmium, copper, nickel, lead and zinc in soils: derivation of relationships for free metal ion activities and validation with independent data. Eur. J. Soil Sci. 61:58-73.
Harvey, C.F., C.H. Swartz, A.B.M. Badruzzaman, N. Keon-Blute, W. Yu, M.A. Ali, J. Jay, R. Beckie, V. Niedan, D. Brabander, P.M. Oates, K.N. Ashfaque, S. Islam, H.F. Hemond and M.F. Ahmed. 2002. Arsenic mobility and groundwater extraction in Bangladesh. Science. 298:1602-1606.
Huang, R.Q., S.F. Gao, W.L. Wang, S. Staunton and G. Wang. 2006. Soil arsenic availability and the transfer of soil arsenic to crops in suburban areas in Fujian Province, Southeast China. Sci. Total Environ. 368:531-541.
Johnson, M.O., H.H.P. Cohly, R.D. Isokpehi, and O.R. Awofolu. 2010. The case for visual analytics of arsenic concentration in food. Int. J. Environ. Res. Public Health. 7(5):1970-1983.
Kabata-Pendias, A. and H. Pendias. 1984. Trace Elements in Soils and Plants. CRC Press, Inc.
Kang, S.S., A.S. Ahn, S.C. Choi, Y.S. Kim, H.J. Kim, M.T. Choi, B.K. Ahn, H.W. Kim, H.K. Kim, J.H. Park, Y.H. Lee, S.H. Yang, J.S.Ryu, Y.S. Jang, M.S. Kim, Y.K. Sonn, C.H. Lee, S.G. Ha, D.B. Lee, and Y.H. Kim. 2012. Status and changes in chemical properties of paddy soil in Korea. Korean J. Soil Sci. Fert. 45(6):968-972.
Kim, J.Y., J.H. Lee, A. Kunhikrishnan, D.W. Kang, M.J. Kim, J.H. Yoo, D.H. Kim, Y.J. Lee, and W.I. Kim. 2012. Transfer factor of heavy metals from agricultural soil to agricultural products. Korean J. Environ. Agric. 31(4):300-307.
Kim, K.R., G. Owens, R. Naidu, and K.H. Kim. 2007. Assessment techniques of heavy metal bioavailability in soil: a critical review. Korean J. Soil Sci. Fert. 40(4):311-325.
Kim, W.I., J.J. Kim, J.H. Yoo, J.Y. Kim, J.H. Lee, M.K. Paik, R.Y. Kim, and G.J. Im. 2010. Arsenic Fractionation and bioavailability in paddy soils near closed mine in Korea. Korean J. Soil Sci. Fert. 43(6):917-922.
Kim, W.I., J.J. Kim, J.H. Yoo, J.Y. Kim, J.H. Lee, M.K. Paik, R.Y. Kim, G.J. Im. 2010. Arsenic fractionation and bioavailability in paddy soils near closed mines in Korea. Korean J. Soil Sci. Fert. 43(6):917-922.
Koh, I.H., S.H. Lee, W.S. Lee, and Y.Y. Chang. 2013. Assessment on the transition of arsenic and heavy metal from soil to plant according to stabilization process using limestone and steelmaking slag. J. Soil Groundwater Env.18(7):63-72.
Kunhikrishnan, A., W.R. Go, J.H. Park, K.R. Kim, H.S. Kim, K.H. Kim, W.I. Kim, and N.J. Cho. 2015. Heavy metal(loid) levels in paddy soils and brown rice in Korea. Korean J. Soil Sci. Fert. 48(5):515-521.
Lim, G.H., K.H. Kim, B.H. Seo, and K.R. Kim. 2014. Transfer function for phytoavailable heavy metals in contaminated agricultural soils: the case of the Korean agricultural soils affected by the abandoned mining sites. Korean J. Environ. Agric. 33(4):271-281.
Lim, G.H., K.H. Kim, B.H. Seo, and K.R. Kim. 2015. Heavy metal accumulation in edible part of eleven crops cultivated in metal contaminated soils and their bio-concentration factor. Korean J. Environ. Agric. 34(4):260-267.
Martinez, V.D., E.A. Vucic, D.D. Becker-Santos, L. Gil, and W.L. Lam. 2011. Arsenic exposure and the induction of human cancers. J. Toxicol. Doi:10.1155/2011/431287.
McLaughlin, M,J., R.E. Hamon, R.G. McLaren, T.W. Speir, and S.L. Rogers. 2000. Review: a bioavailability-based rationale for controlling metal and metalloid contamination of agricultural land in Australia and New Zealand. Aust. J. Soil Res. 38(6):1037-1086.
MIne REclamation COrp (MIRECO). 2013. Yearbook of MIRECO Statistics (2012). Mine Reclamation Corporation. Korea.
Minister Of Environment (MOE). 2002. Soil Environment Conservation Act. Minister of Environment. Korea.
Minister Of Environment (MOE). 2010. Soil Environment Conservation Act. Minister of Environment. Korea.
Minister Of Environment (MOE). 2012. Soil Monitoring System and Soil Pollution Survey in 2012. Ministry of Environment. Korea.
NAAS (National Academy of Agricultural Science). 2010. Analysis methods for soil chemical properties. Publication No. 11-1390802-000282-01, NAAS. Korea.
Ng, J.C., J. Wang, and A. Shraim. 2003. A global health problems caused by arsenic from natural sources. Chemosphere. 52:1353-1359.
Noh, Y.D., K.R. Kim, W.I. Kim, K.Y. Jung, and C.O. Hong. 2015. Effect of soil chemical properties on phytoavailability of arsenic, cadmium and lead in medicinal plant fields. J. Agric. Life Sci. 49(5):267-277.
O'Neill, P. 1990. Arsenic. In: Heavy Metals in Soils, B.J. Allowway, ed. John Wiley and Sons, Inc., N.Y.
Park, S.W. J.S. Yang, S.W. Ryu, D.Y. Kim, J.D. Shin, W.I. Kim, J.H. Choi, S.L. Kim, and A.F. Saint. 2009. Uptake and translocation of heavy metals to rice plant on paddy soils in "Top-rice" cultivation areas. Korean J. Environ. Agri. 28(2):131-138.
Peryea, F.J. and R. Kammereck. 1997. Phosphate-enhanced movement of arsenic out of lead arsenate-contaminated topsoil and through uncontaminated subsoil. Water, Air, Soil Pollut. 93:243-254.
Selim Reza, A.H.M., J.S. Jean, H.J. Yang, M.K. Lee, B. Woodall, C.C. Liu, J.F. Lee, and S.D. Luo. 2010. Occurrence of arsenic in core sediments and groundwater in the Chapai-Nawabganj District, northwestern Bangladesh. Water Res. 44(6):2021-2037.
Smith, E., R. Naidu, and A.M. Alston. 1999. Chemistry of arsenic in soils: I. Sorption of arsenate and arsenite by four Australian soils. J. Environ. Qual. 28(6):1719-1726.
Takahashi, Y., R. Minamikawa, K.H. Hattori, K. Kurishima, N. Kihou, and K. Yuita. 2004. Arsenic behavior in paddy fields during the cycle of flooded and non-flooded periods. Environ. Sci. Technol. 38(4):1038-1044.
Tchounwou, P.B., A.K. Patlolla, and J.A. Centeno. 2003. Carcinogenic and systemic health effects associated with arsenic exposure-a critical review. Toxicol. Pathol. 31:575-588.
Turpeinen, R., M. Pantsar-Kallio, M. Haggblom, and T. Kairesalo. 1999. Influence of microbes on the mobilization, toxicity and biomethylation of arsenic in soil. Sci. Total Environ, 236:173-180.
United States Environmental Protection Agency (US EPA). 1998. Environ Protection Act.
Wang, X.P., X.Q. Shan, S.Z. Zhang, and B. Wen. 2004. A model for evaluation of the phytoavailability of trace elements to vegetables under the field conditions. Chemosphere 55:811-822.
Yoon, J.K., D.H. Kim, T.S. Kim, J.G. Park, I.R. Chung, J.H. Kim, and H. Kim. 2009. Evaluation on natural background of the soil heavy metals in Korea. J. Soil Groundwater Env. 14(3) : 32-39.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.