Integrated Assessment of Heavy Metal Contamination Types in River and Lake Sediments Using Principal Component Analysis and Ecological Risk Index

Chanyoung Jeong; In-Sil Kwak; Jong-Hyeon Lee; Dongsoo Kong

doi:10.7857/JSGE.2026.31.4.026

Preview

Research Paper

Journal of Soil and Groundwater Environment. 31 August 2026. 26-36
https://doi.org/10.7857/JSGE.2026.31.4.026

Integrated Assessment of Heavy Metal Contamination Types in River and Lake Sediments Using Principal Component Analysis and Ecological Risk Index

주성분분석과 생태위험지수를 이용한 하천 ∙ 호소 퇴적물 중금속 오염유형의 복합평가

Chanyoung Jeong¹

In-Sil Kwak²

Jong-Hyeon Lee³

Dongsoo Kong¹^*

정 찬영¹

곽 인실²

이 종현³

공 동수¹^*

¹Department of Life Science, Kyonggi University, Suwon 16227, Republic of Korea

²Department of Ocean Integrated Science, Chonnam National University, Yeosu 59626, Republic of Korea

³EH R&C Co. Ltd. Bucheon 14487, Republic of Korea

¹경기대학교 생명과학과

²전남대학교 해양융합과학과

³이에이치알앤씨㈜

^{*Corresponding Author}

License (open-access, http://creativecommons.org/licenses/by-nc/4.0/):

This is an Open-Access article distributed under the terms of the Creative Commons Attribution NonCommercial License which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

ABSTRACT

This study proposed a PCA-ERI dual assessment framework for comparing multimetal accumulation and potential ecological risk in freshwater sediments. Metal concentrations from four surveys were averaged at each of 80 sites across major river systems of South Korea, and site-mean data for eight metals were analyzed. PCA was applied to log-transformed and standardized concentrations, with PC1 representing a multimetal accumulation gradient. The Hakanson ecological risk index was calculated separately and converted to a percentile-based RI score. PC1 and RI scores were strongly correlated, although discordant sites were identified. Using the 75th percentiles of both scores, sites were classified as Low accumulation-risk, Accumulation-dominant, RI-dominant, or Complex contamination-risk. Urban and industrial streams had higher proportions of Complex contamination-risk sites, whereas general streams and lakes were dominated by Low accumulation-risk sites. RI-dominant sites showed relatively elevated As, Cd, and Hg, while Complex contamination-risk sites exhibited broad multimetal enrichment. The framework supports screening and prioritization of sediment contamination.

Keywords

Ecological risk index

Heavy metals

Principal component analysis

Sediment

MAIN

1. 서 론
2. 연구방법
2.1. 연구 지역 및 조사 지점
2.2. 주성분분석 기반 다원소 축적도 평가
2.3. Hakanson 생태위험도 평가
2.4. PCA-ERI 복합평가 체계
2.5. 평가 항목 편차와 오염 유형별 금속 특성
3. 결 과
3.1. PCA-ERI 평가
3.2. 하천유형별 PCA-ERI Class 분포
3.3. 주성분분석과 생태위험도의 편차 특성
3.4. PCA-ERI Class별 금속 농도 특성
4. 토 의
5. 결 론

1. 서 론

하천 및 호소 퇴적물은 유역에서 유입된 입자성 물질과 중금속이 장기간 축적되는 저장고로 작용한다(Müller et al., 1999). 중금속은 환경 중에서 쉽게 분해되지 않고 세립질 입자, 유기물, 산화물 및 황화물과 결합하여 퇴적물에 축적될 수 있으며, 수리 ∙ 화학 조건 변화에 따라 재부유, 탈착, 용출 과정을 통해 다시 수층으로 이동할 수 있다(Sojka and Jaskuła, 2022). 하천 퇴적물은 오염물질이 침전되어 장기적인 노출과 2차 오염원으로 기능할 수 있으며, 퇴적물의 중금속 평가는 농도, 축적구조, 생태위험도 및 생물학적 반응을 함께 고려하는 방향으로 발전하고 있다(Huang et al., 2020; Zeb et al., 2024).

이러한 퇴적물의 오염평가는 개별 금속 농도 또는 기준값 초과 여부를 확인하는 방식에서, enrichment factor, geoaccumulation index, pollution load index 및 potential ecological risk index를 함께 적용하여 오염도와 생태위험도를 종합적으로 해석하는 방식으로 확장되고 있다(Müller, 1981; Xie et al., 2023). 특히 Hakanson의 생태위험지수(ecological risk index, RI)는 금속별 배경농도 대비 초과 정도와 toxic response factor를 결합하여 잠재적 생태위험도를 산정하므로, 단순 농도 비교보다 위험도 중심의 해석에 유용하다(Hakanson, 1980).

그러나 RI는 배경농도와 독성반응계수에 민감하기 때문에 특정 금속의 기여가 전체 위험도 해석을 지배할 수 있으며, 여러 금속이 동시에 증가하는 다원소 축적구조를 충분히 설명하지는 못한다. 최근 퇴적물내 중금속 연구는 다중 오염지수와 RI를 병행하는 평가에서 나아가, 주성분분석(Principal component analysis, PCA)과 클러스터 분석(cluster analysis) 등의 다변량 통계기법, 그리고 positive matrix factorization (PMF)과 같은 오염원 기여도 분해(source apportionment) 기법을 결합하는 방향으로 확장되고 있다(Rezapour et al., 2022).

이러한 접근은 금속 간 상관구조, 오염원 유형, 금속별 생태위험 기여도를 함께 해석하는 데 유용하며, 하천 및 호소 퇴적물의 오염원 관리전략 수립에도 활용될 수 있다(Xie et al., 2023; Yüksel et al., 2022). 특히 PCA-PMF 기반 접근은 금속의 공변동 구조를 바탕으로 산업, 농업, 교통, 자연기원 등 잠재 오염원을 구분하고, RI를 통해 주요 위험기여 금속을 파악하는 데 강점이 있다(Mao et al., 2025). 그러나 이러한 source apportionment 중심 접근은 오염원 기여율 산정과 공간적 위험도 해석에 초점이 있으며, 다원소 축적도가 높은 관측값과 독성계수 기반 위험도가 높은 관측값이 서로 어떻게 일치하거나 불일치하는지를 직접 구분하는 데에는 상대적으로 제한적이다.

총농도 기반 평가는 퇴적물 오염의 기본 상태를 파악하는 데 유용하지만, 실제 생태영향을 직접 설명하기에는 한계가 있다. 동일한 총농도라도 금속의 화학적 존재형태에 따라 이동성, 생물유효도 및 독성 영향은 달라질 수 있으며, 순차추출 및 chemical speciation 분석은 이러한 한계를 보완하는 데 활용되고 있다(Duodu et al., 2017; Liu et al., 2024). 또한 생태위험도는 노출기간, 생물유효도, 서식처 조건 및 생물군의 민감도에 따라 달라질 수 있으므로, 화학적 위험도와 생물학적 반응을 함께 고려하는 다중 증거 기반 평가가 중요하다(Chapman et al., 1997; Simpson and Batley, 2016). 특히 퇴적물과 직접 접촉하는 저서성 대형무척추동물은 장기 노출과 생물학적 영향을 반영할 수 있어, 퇴적물 중금속 위해도 해석을 보완하는 생물학적 증거로 활용되고 있다(Hong et al., 2024; Jeong et al., 2025; Song et al., 2026). 다만 광역 퇴적물 자료에서는 모든 관측값에 대해 생물유효도와 생물반응을 동시에 평가하기 어렵기 때문에, 총농도 자료를 활용하더라도 다원소 축적구조와 독성계수 기반 생태위험도를 구분하여 해석할 필요가 있다.

이에 본 연구는 국내 주요 하천 및 호소 80개 조사지점에서 산정한 지점 평균 퇴적물 중금속 자료를 이용하여 PCA 기반 다원소 축적도와 Hakanson RI 기반 생태위험도를 병렬 비교하는 PCA-ERI 평가체계를 고안하였다. 본 연구의 목적은 첫째, Cr, Ni, Cu, Zn, As, Cd, Pb, Hg 농도자료로부터 산정한 PC1 score (%)와 RI score (%)를 병렬 구조로 평가하고, 둘째, 두 지표의 일치 및 불일치 양상에 따라 지점 평균자료를 Low accumulation-risk, Accumulation-dominant, RI-dominant, Complex contamination-risk 유형으로 구분하며, 셋째, 하천유형별 Class 분포와 Class별 금속 profile을 통해 각 유형의 오염특성과 관리적 의미를 제시하는 것이다. 본 연구는 오염원 기여율을 정량화하는 source apportionment 연구가 아니라, 다원소 축적도와 생태위험도의 병렬 비교를 통해 단일 지표로는 구분하기 어려운 축적 우세형, 위험도 우세형 및 복합오염형을 식별하는 데 초점을 둔다.

2. 연구방법

2.1. 연구 지역 및 조사 지점

본 연구는 국내 4대강 주요 수계에서 수집된 하천 및 호소 퇴적물 중금속 자료를 이용하였다(Jeong et al., 2025). 조사지점은 상류에서 하류까지의 하천 구배와 수문 ∙ 지형적 다양성이 반영되도록 선정하였다. 전체 조사지점은 총 80개이며(Appendix 1), 각 지점은 동일 지점에서 시기별로 4회 조사되어 총 320개의 퇴적물 측정자료가 확보되었다.

하천 지점은 유역면적과 고도에 따른 하천 규모 및 지형적 특성이 반영되도록 배분되었다(Min et al., 2019). 조사정점은 각 조사구간을 대표할 수 있는 퇴적유형에서 선정하였으며, 중금속과 유기오염물질의 축적 가능성이 높은 세립질 퇴적물이 우세한 구역을 우선적으로 고려하였다. 본 연구에서는 반복측정의 위계구조와 특정 지점의 과대대표 가능성을 줄이기 위해, 각 지점에서 4회 측정된 금속별 농도를 산술평균하여 산정한 80개의 지점 평균자료(site-mean data)를 최종 분석단위로 사용하였다.

하천유형은 원자료의 분류체계에 따라 일반하천(River), 호소(Lake), 도시하천(Urban), 산단하천(Industry)으로 구분하였다. 자료 내 저수지(Reservoir) 유형은 정체성 수체의 특성을 고려하여 호소에 통합하였다.

퇴적물 시료는 표층 0–7 cm에서 채취하여 냉장 운반한 후 건조 ∙ 균질화하였다. 시료 약 0.5 g을 질산으로 산분해하고, Cr, Ni, Cu, Zn, As, Cd 및 Pb는 ICP-MS로, Hg는 직접수은분석기로 분석하였다. 분석 정확도와 정밀도는 인증표준물질 MESS-4와 반복분석을 통해 확인하였으며, 평균 회수율은 89%, 반복분석의 변동계수는 13% 이하로 나타났다.

2.2. 주성분분석 기반 다원소 축적도 평가

퇴적물 내 다원소 중금속 축적구배를 산정하기 위해 8개의 중금속(Cr, Ni, Cu, Zn, As, Cd, Pb, Hg) 농도자료를 이용하여 주성분분석(principal component analysis, PCA)를 수행하였다. PCA는 상관성을 갖는 다변량 자료를 소수의 독립적인 주성분으로 요약하는 방법으로, 퇴적물 중금속 자료의 공변동 구조와 주요 축적구배를 파악하는 데 활용하였다(Greenacre et al., 2022; Jolliffe and Cadima, 2016).

환경오염자료는 비정규 분포와 극단값의 영향을 받는 경우가 많으므로, 로그 변환과 표준화는 다변량 분석에서 변수 간 척도 차이를 줄이고 특정 고농도 항목이 PCA 결과를 과도하게 지배하는 것을 완화하는 데 사용된다(Atkinson and Riani, 2000; Reimann et al., 2008). 중금속 농도자료는 원자료의 우측 편포와 극단값의 영향을 완화하기 위해 자연로그 변환하였다. 이후 금속 간 단위와 농도범위 차이를 제거하기 위해 각 금속 항목을 z-score로 표준화하였다.

(1)

Z_{i j} = \frac{\ln (C_{i j}) - \bar{\ln (C_{j})}}{S D (\ln (C_{j}))}

여기서 $Z_{i j}$ 는 지점( $i$ )에서 중금속( $j$ )의 표준화 값, $C_{i j}$ 는 지점( $i$ )에서 중금속( $j$ )의 농도, $\bar{\ln (C_{j})}$ 는 중금속( $j$ )의 로그 변환 농도 평균, $S D (\ln (C_{j}))$ 는 중금속( $j$ )의 로그 변환 농도 표준편차를 의미한다.

본 연구에서는 제1주성분(PC1)을 농도 기반 다원소 중금속 축적구배로 해석하였다. 이는 PC1 loading이 모든 금속에서 동일한 방향의 값을 보이고, PC1이 전체 금속 농도 변동의 상당 부분을 설명하는 경우 PC1이 공통적인 오염 또는 축적구배를 대표할 수 있기 때문이다(Jolliffe and Cadima, 2016; Greenacre et al., 2022). 각 지점 평균자료의 PC1 score는 전체 80개 지점 내 상대적 위치를 나타내기 위해 percentile score로 변환하였다. 본 연구에서는 이를 PC1 score (%)로 표기하였으며, 값이 높을수록 전체 80개 지점 중 다원소 중금속 축적도가 상대적으로 높은 지점을 의미한다.

(2)

P C 1 s c o r e_{i} (%) = \frac{r a n k (P C 1_{i}) - 1}{n - 1} \times 100

여기서 $P C 1_{i}$ 는 지점( $i$ )의 PC1 score, $r a n k (P C 1_{i})$ 는 전체 지점내 해당 지점( $i$ )의 PC1 score 순위, $n$ 은 전체 지점 수를 의미한다.

2.3. Hakanson 생태위험도 평가

퇴적물 중금속의 잠재적 생태위험도는 Hakanson의 potential ecological risk index 방법을 이용하여 산정하였다. 이 방법은 금속별 농도가 배경농도에 비해 얼마나 초과되었는지와 금속별 독성반응계수를 함께 고려하여 퇴적물 내 중금속의 생태위험도를 평가하는 방식이다(Hakanson, 1980). Hakanson 방식은 퇴적물 중금속 오염의 잠재적 생태위험도를 정량화하는 데 널리 활용되어 왔으며, 최근에도 다양한 하천 및 호소 퇴적물의 중금속 위험도 평가에 적용되고 있다(Rezapour et al., 2022; Yüksel et al., 2022). 먼저 각 금속의 contamination factor $C_{f}^{i}$ 는 관측 농도 $C_{i}$ 를 배경농도 $C_{n}^{i}$ 로 나누어 산정하였다.

(3)

C_{f}^{i} = \frac{C_{i}}{C_{n}^{i}}

금속별 ecological risk factor ( $E_{r}^{i}$ )는 contamination factor ( $C_{f}^{i}$ )에 toxic response factor ( $T_{r}^{i}$ )를 곱하여 산정하였다.

(4)

E_{r}^{i} = C_{f}^{i} \times T_{r}^{i}

전체 ecological risk index (RI)는 분석 대상 금속의 $E_{r}^{i}$ 를 합산하여 산정하였다.

(5)

R I = \sum_{i = 1}^{m} E_{r}^{i}

본 연구에서는 Cr, Ni, Cu, Zn, As, Cd, Pb, Hg의 8개 금속에 대해 기존 연구와 동일한 background concentration과 toxic response factor를 적용하였다(Hakanson, 1980; Hilton et al., 1985). 적용한 background concentration은 Cr 90 mg/kg, Ni 50 mg/kg, Cu 50 mg/kg, Zn 175 mg/kg, As 15 mg/kg, Cd 1 mg/kg, Pb 70 mg/kg, Hg 0.25 mg/kg이다. Toxic response factor는 Cr 2, Ni 5, Cu 5, Zn 1, As 10, Cd 30, Pb 5, Hg 40을 적용하였다.

산정된 RI는 PCA 기반 PC1 score 와 동일한 0–100 범위에서 비교하기 위해 percentile로 변환하였으며 RI score (%)로 표기하였다. RI score (%)는 금속별 $E_{r}^{i}$ 가 아닌 전체 RI의 상대적 순위값을 의미하며, 값이 높을수록 전체 80개 지점 내에서 RI 기반 잠재적 생태위험도가 상대적으로 높은 지점을 나타낸다.

(6)

R I s c o r e_{i} (%) = \frac{r a n k (R I_{i}) - 1}{n - 1} \times 100

여기서 $R I_{i}$ 는 지점( $i$ )의 ecological risk index, $r a n k (R I_{i})$ 는 전체 80개 지점 내 해당 지점의 RI 순위, n은 전체 지점 수를 의미한다.

2.4. PCA-ERI 복합평가 체계

본 연구에서는 PCA 기반 다원소 축적도와 Hakanson RI 기반 생태위험도를 하나의 통합지수로 결합하지 않고, 서로 독립적인 두 평가축으로 병렬 배치하였다. PCA의 PC1 score (%)는 8개 금속 농도자료의 공통 축적구배를 나타내는 농도 기반 지표로 사용하였고, RI score (%)는 Hakanson 방식으로 산정한 RI의 상대적 생태위험도 지표로 사용하였다. 이러한 접근은 금속 농도 자체의 다변량 축적구조와 독성반응계수를 반영한 생태위험도를 구분하여 비교하기 위한 것이다.

PCA-ERI 복합평가는 x축을 PC1 score (%), y축을 RI score (%)로 설정하여 구성하였다. 두 지표는 모두 percentile score로 변환되었으므로, 각 지점은 전체 80개 지점 내에서 0–100 범위의 상대적 위치로 비교되었다. 본 연구에서는 PC1 score (%)와 RI score (%)의 75분위수를 기준으로 전체 80개 지점을 네 개의 PCA-ERI Class로 구분하였다. Class I, Low accumulation-risk (PC1 < 75, RI < 75); Class II, Accumulation-dominant (PC1 ≥ 75, RI < 75); Class III, RI-dominant (PC1 < 75, RI ≥ 75); Class IV, Complex contamination-risk (PC1 ≥ 75, RI ≥ 75). 본 연구에서 적용한 75분위수는 법적 기준이나 독성학적 임계값이 아니라, 조사자료 내에서 PC1 score와 RI score가 상대적으로 높은 상위 25%의 지점을 선별하기 위한 자료 기반 screening threshold로 설정하였다.

본 연구의 PCA-ERI Class는 절대적인 오염기준이나 위해성 기준을 대체하기 위한 것이 아니라, 다원소 축적도와 RI 기반 생태위험도의 상대적 조합을 구분하기 위한 분류체계이다. 따라서 각 Class는 연구자료 내 상대적 오염유형을 나타내며, 특히 PCA 기반 축적도와 RI 기반 생태위험도가 서로 다르게 평가되는 지점을 식별하는 데 활용하였다.

2.5. 평가 항목 편차와 오염 유형별 금속 특성

PCA 기반 다원소 축적도와 RI 기반 생태위험도 간의 불일치 정도를 정량화하기 위해 discordance index ( $D_{i}$ )를 산정하였다. Discordance index는 RI score (%)에서 PC1 score (%)를 뺀 값으로 정의하였다.

(7)

D_{i} = R I s c o r e (%) - P C 1 s c o r e_{i} (%)

여기서 $D_{i}$ >0인 경우 RI 기반 생태위험도가 PCA 기반 축적도보다 상대적으로 높게 평가된 것을 의미하며, $D_{i}$ <0인 경우 PCA 기반 축적도가 RI 기반 생태위험도보다 상대적으로 높게 평가된 것을 의미한다.

불일치 정도의 크기는 absolute discordance로 산정하였다.

(8)

A D_{i} = | D_{i} |

대표 지점은 Class II (Accumulation-dominant), Class III (RI-dominant), Class IV (Complex contamination-risk) 및 $A D_{i}$ 가 큰 지점을 중심으로 선정하였다.

3. 결 과

3.1. PCA-ERI 평가

주성분분석을 수행한 결과, PC1은 퇴적물 내 다원소 중금속 축적구배를 잘 설명하는 축으로 나타났다. PC1의 eigenvalue는 5.87이었으며, 전체 분산의 72.46%를 설명하였다(Table 1). PC2의 eigenvalue는 1.05, 설명분산은 12.96%였고, PC1과 PC2의 누적 설명분산은 85.42%로 나타났다. PC1 loading은 모든 금속에서 양의 값을 보였다. 금속별 PC1 loading은 Cr 0.35, Ni 0.34, Cu 0.40, Zn 0.39, As 0.30, Cd 0.36, Pb 0.33, Hg 0.36이었으며, Cu와 Zn의 loading이 상대적으로 높게 나타났으나 금속 간 차이는 크지 않았다. 따라서 PC1은 특정 금속보다는 여러 중금속이 함께 증가하는 전반적인 다원소 축적 특성을 반영하는 축으로 해석하였다.

Table 1.

PCA loadings, eigenvalues, and variance explained by the first two principal components

Variable	PC1	PC2
Cr	0.35	0.44
Ni	0.34	0.48
Cu	0.4	–0.1
Zn	0.39	–0.23
As	0.3	0.46
Cd	0.36	–0.33
Pb	0.33	–0.39
Hg	0.36	–0.2
Eigenvalue	5.87	1.05
Explained variance (%)	72.46	12.96
Cumulative variance (%)	72.46	85.42

PC1 score (%)와 RI score (%)는 매우 강한 양의 관계를 보였다(Fig. 1). 두 지표 간 Pearson 상관계수는 0.961이었으며, 10,000회 bootstrap으로 산정한 95% 신뢰구간은 0.929–0.983이었다(p < 0.001). Spearman 순위상관계수도 0.961로 나타났으며, 95% 신뢰구간은 0.916–0.983이었다(p < 0.001). 이는 PC1 score가 높은 지점에서 RI score도 대체로 높게 나타나는 경향을 보여준다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-04/N0720310403/images/kossge_2026_314_3_F1.jpg

Fig. 1.

PCA-ERI dual classification of 80 sediment sampling sites based on site-mean metal concentrations. The 75th percentile thresholds of PC1 score (%) and RI score (%) were used to define four PCA-ERI classes.

PC1 score (%)와 RI score (%)의 75분위수를 자료기반 선별기준으로 적용하여 전체 80개 지점을 네 개의 PCA-ERI Class로 구분한 결과, Class I (Low accumulation-risk)은 57개 지점으로 전체의 71.25%를 차지하였다. Class II (Accumulation-dominant)는 2개 지점(2.50%), Class III (RI-dominant)은 2개 지점(2.50%)이었으며, Class IV (Complex contamination-risk)는 19개 지점(23.75%)으로 나타났다.

3.2. 하천유형별 PCA-ERI Class 분포

하천유형별 PCA-ERI Class 분포는 유형에 따라 차이를 보였다(Fig. 2). 기대빈도 5 미만인 셀이 81.25%로 나타나 일반적인 카이제곱검정의 적용에 한계가 있었으므로, Monte Carlo permutation test 결과를 기준으로 해석하였다. 그 결과 하천유형과 PCA-ERI Class 간 연관성은 통계적으로 유의하였으며(x²= 25.18, Monte Carlo p = 0.018), 효과크기는 Cramér’s V = 0.324로 나타났다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-04/N0720310403/images/kossge_2026_314_3_F2.jpg

Fig. 2.

Distribution of PCA-ERI classes by waterbody type. Stacked bars show the proportions of the four PCA-ERI classes within each waterbody type.

일반하천에서는 Class I이 42개 지점으로 전체의 79.25%를 차지하여 가장 높은 비율을 보였다. Class IV는 8개 지점(15.09%)이었으며, Class II는 2개 지점(3.77%), Class III은 1개 지점(1.89%)으로 나타났다. 호소에서도 Class I이 12개 지점(85.71%)으로 가장 높은 비율을 보였고, Class IV는 2개 지점(14.29%)이었으며, Class II와 Class III은 나타나지 않았다.

반면 도시하천에서는 Class IV가 4개 지점(66.67%)으로 가장 높은 비율을 차지하였고, Class I과 Class III은 각각 1개 지점(16.67%)으로 나타났으며, Class II는 나타나지 않았다. 산단하천에서도 Class IV가 5개 지점(71.43%)으로 가장 높은 비율을 보였고, Class I은 2개 지점(28.57%)이었으며, Class II와 Class III은 나타나지 않았다.

3.3. 주성분분석과 생태위험도의 편차 특성

PCA 기반 축적도와 RI 기반 생태위험도 간 불일치 특성을 확인하기 위해 Class II, Class III, Class IV 및 absolute discordance가 큰 Class I의 대표 지점을 Table 2에 제시하였다. Discordance index는 RI score (%)에서 PC1 score (%)를 뺀 값으로 산정하였으며, 양의 값은 RI score가 PC1 score보다 상대적으로 높은 경우를, 음의 값은 PC1 score가 RI score보다 상대적으로 높은 경우를 나타낸다.

Table 2.

Representative sites illustrating PCA-ERI classes and discordance between PC1 and RI scores

Watershed	Stream type	PCA-ERI class	PC1 percentile	RI	RI percentile	Discordance index	Absolute discordance	Hakanson RI class	Dominant risk metal	Dominant contribution (%)
Han	River	Class II: Accumulation-dominant	78.75	20.94	70	–8.75	8.75	Low	As	29.23
Han	River	Class II: Accumulation-dominant	75	20.97	71.25	–3.75	3.75	Low	As	24.32
Geum	River	Class III: RI-dominant	41.25	21.96	75	33.75	33.75	Low	As	42.51
Nakdong	Urban	Class III: RI-dominant	65	24.73	78.75	13.75	13.75	Low	Hg	30.85
Han	Industry	Class IV: Complex contamination-risk	100	144.72	100	0	0	Low	Cd	32.46
Geum	Lake	Class IV: Complex contamination-risk	98.75	57.15	98.75	0	0	Low	Hg	26.92
Nakdong	Industry	Class IV: Complex contamination-risk	97.5	55.56	97.5	0	0	Low	Hg	26.53
Geum	Industry	Class IV: Complex contamination-risk	95	44.12	93.75	–1.25	1.25	Low	Hg	25.2
Geum	Urban	Class IV: Complex contamination-risk	92.5	50.47	96.25	3.75	3.75	Low	Hg	34.17
Han	River	Class I: Low accumulation-risk	36.25	19.83	67.5	31.25	31.25	Low	As	57.31
Han	River	Class I: Low accumulation-risk	71.25	16.3	46.25	–25	25	Low	As	20.46
Han	Industry	Class I: Low accumulation-risk	20	14.88	38.75	18.75	18.75	Low	Cd	49.04
Nakdong	River	Class I: Low accumulation-risk	46.25	18.9	61.25	15	15	Low	As	36.56
Nakdong	River	Class I: Low accumulation-risk	42.5	17.24	55	12.5	12.5	Low	Cd	27.41

Class II의 대표 지점은 PC1 score (%)가 75.00–78.75%로 75분위수 이상이었으나, RI score (%)는 70.00–71.25%로 75분위수 미만이었다. 이에 따라 discordance index는 −8.75에서 −3.75 범위로 나타났으며, RI는 20.94–20.97로 모두 Hakanson의 Low risk에 해당하였다. 두 지점 모두 As가 주요 RI 기여금속으로 나타났으며, dominant contribution은 24.32–29.23% 범위였다. 이는 Class II가 RI 기반 상대순위보다 다원소 축적도를 나타내는 PC1 score가 상대적으로 높은 accumulation-dominant 유형임을 보여준다.

Class III의 대표 지점은 PC1 score (%)가 41.25–65.00%로 75분위수 미만이었으나, RI score (%)는 75.00–78.75%로 75분위수 이상이었다. Discordance index는 13.75–33.75 범위였으며, RI는 21.96–24.73으로 모두 Low risk에 해당하였다. 주요 RI 기여금속은 As와 Hg였으며, dominant contribution은 30.85–42.51% 범위였다. 이는 Class III이 절대적인 RI 고위험 지점이라기보다, 전체적인 다원소 축적도에 비해 특정 금속의 독성가중 기여로 RI의 상대순위가 높게 나타나는 RI-dominant 유형임을 의미한다.

Class IV의 대표 지점은 PC1 score (%)가 92.50–100.00%, RI score (%)가 93.75–100.00%로 두 지표 모두 75분위수 이상이었다. 이들 지점의 RI는 44.12–144.72 범위였으며, 모두 Hakanson의 Low risk로 구분되었다. 주요 RI 기여금속은 Cd와 Hg였고, dominant contribution은 25.20–34.17% 범위였다. 이는 Class IV가 Hakanson의 절대적 고위험 등급을 의미하는 것이 아니라, 조사대상 지점 내에서 다원소 축적도와 RI 기반 상대순위가 모두 높은 복합오염 유형임을 보여준다.

3.4. PCA-ERI Class별 금속 농도 특성

PCA-ERI Class별 금속 농도 특성을 비교하기 위해 지점 평균 금속 농도를 ln 변환한 후 표준화하고, Class별 평균 z-score를 heatmap으로 나타냈다(Fig. 3). Class I은 모든 금속에서 음의 평균 z-score를 보였다. Cr, Ni, Cu, Zn, As, Cd, Pb 및 Hg의 평균 z-score는 각각 −0.32, −0.26, −0.43, −0.41, −0.33, −0.41, −0.38 및 −0.43으로 나타났다. 이는 Class I 지점의 금속 농도가 전체 조사 지점의 평균 수준보다 전반적으로 낮았음을 보여준다.

https://cdn.apub.kr/journalsite/sites/kossge/2026-031-04/N0720310403/images/kossge_2026_314_3_F3.jpg

Fig. 3.

Mean heavy metal profiles of the four PCA-ERI classes. The heatmap shows the class-mean z-scores of eight heavy metals based on site-mean concentrations (Class I, n = 57; Class II, n = 2; Class III, n = 2; Class IV, n = 19).

Class II는 모든 금속에서 양의 평균 z-score를 보였다. Cr, Ni, Cu, Zn, As, Cd, Pb 및 Hg의 평균 z-score는 각각 0.93, 0.86, 0.24, 0.27, 0.51, 0.23, 0.33 및 0.34였다. 특히 Cr과 Ni의 표준화 농도가 상대적으로 높았으며, 나머지 금속도 모두 전체 평균보다 높은 값을 보였다. 이는 Class II가 RI score보다 PC1 score가 상대적으로 높은 accumulation-dominant 유형으로서, 특정 단일 금속보다는 여러 금속의 동시 축적에 의해 구분되는 특성을 보여준다.

Class III의 금속별 평균 z-score는 Cr −0.42, Ni −0.51, Cu 0.01, Zn −0.13, As 0.67, Cd 0.80, Pb −0.48 및 Hg 0.86으로 나타났다. As, Cd 및 Hg는 양의 평균 z-score를 보인 반면, Cr, Ni, Zn 및 Pb는 음의 값을 나타냈다. 특히 Hg와 Cd의 평균 z-score가 상대적으로 높아, Class III의 RI score 상승이 전체적인 다원소 축적보다는 독성가중치가 높은 일부 금속의 상대적 증가와 관련됨을 보여준다. 따라서 Class III은 절대적인 고위험 유형이라기보다, PC1 기반 축적도에 비해 RI 기반 상대순위가 높은 RI-dominant 유형으로 해석할 수 있다.

Class IV는 모든 금속에서 높은 양의 평균 z-score를 보였다. Cr, Ni, Cu, Zn, As, Cd, Pb 및 Hg의 평균 z-score는 각각 0.90, 0.74, 1.25, 1.23, 0.88, 1.14, 1.16 및 1.16이었다. 특히 Cu, Zn, Cd, Pb 및 Hg의 평균 z-score가 1.0 이상으로 나타났으며, Cr, Ni 및 As도 전체 평균보다 높은 수준을 보였다. 이는 Class IV가 여러 금속의 동시 축적과 RI 기반 상대순위 상승이 함께 나타나는 complex contamination-risk 유형임을 보여준다.

4. 토 의

본 연구는 하천 및 호소 퇴적물 중금속 오염을 PCA 기반 다원소 축적도와 Hakanson RI 기반 잠재적 생태위험도의 두 축에서 병렬 비교하였다. PC1은 80개 지점 평균자료에서 8개 금속 농도의 공변동 구조를 요약하므로 다원소 축적구배를 파악하는 데 유용하지만, 금속별 독성 차이나 배경농도 초과 정도를 직접 반영하지는 못한다(Jolliffe and Cadima, 2016). 반대로 RI는 배경농도와 toxic response factor를 반영하지만, 금속 간 공변동 구조나 공동 축적 양상을 충분히 설명하기에는 한계가 있다(Hakanson, 1980). 따라서 PCA-ERI 복합평가는 두 지표의 한계를 상호 보완하는 진단적 접근으로 볼 수 있다.

PC1 score (%)와 RI score (%)는 매우 높은 양의 상관을 보였으나, Class II와 Class III의 존재는 두 지표가 모든 지점을 동일하게 평가하지 않음을 보여준다. 다원소 축적이 높더라도 RI 상대순위는 낮을 수 있고, 반대로 전체 축적도가 높지 않더라도 독성가중치가 큰 일부 금속에 의해 RI 상대순위가 높아질 수 있다. 따라서 본 연구의 Class 구분은 절대적인 오염등급이 아니라 축적 우세형과 위험도 우세형을 구분하기 위한 상대적 진단체계로 해석하는 것이 적절하다.

하천유형별로 일반하천과 호소에서는 Class I이 우세한 반면, 도시하천과 산단하천에서는 Class IV 비율이 높았다. 기대빈도가 작은 셀이 많았으므로 Pearson chi-square의 점근적 결과보다 Monte Carlo permutation 검정 결과를 중심으로 해석하였으며, Cramér’s V는 하천유형과 PCA-ERI Class 사이에 연관성이 있으나 완전한 구분은 아님을 보여주었다. 도시 ∙ 산업 활동, 도로축적퇴적물 및 강우유출은 Cu, Zn, Pb, Cd 등을 포함한 입자성 물질을 하천으로 공급할 수 있으며(Taylor and Owens, 2009; Jeong et al., 2021; Kim et al., 1998), 퇴적물은 이러한 금속 부하를 장기적으로 축적할 수 있다(Pandey et al., 2019). 또한 정체성 수리조건과 세립질 퇴적물 증가는 금속의 흡착과 침강을 촉진할 수 있다(Kim et al., 2011; Kim et al., 2020). 다만 하천유형은 직접적인 오염원과 동일하지 않으며, 유역 토지이용, 입도, 유기물 및 수리조건과 공변할 수 있으므로 인과관계로 단정해서는 안 된다(Khan et al., 2025).

Class II는 PC1 score (%)가 RI score (%)보다 상대적으로 높은 accumulation-dominant 유형이었다. 모든 금속의 평균 z-score가 양수였고, 특히 Cr과 Ni가 높게 나타났다. 두 지점의 RI는 모두 Hakanson Low risk 범위였으며, 주요 RI 기여금속은 As였다. 따라서 Class II는 특정 고독성 금속보다 여러 금속의 동시 축적으로 PC1 상대순위가 높아진 유형으로 해석할 수 있다(Salomons and Förstner, 1984; Eggleton and Thomas, 2004). 다만 지점 수가 2개에 불과하므로 Cr과 Ni가 이 유형의 일반적 특성이라고 단정해서는 안 된다.

Class III은 RI score (%)가 PC1 score (%)보다 상대적으로 높은 RI-dominant 유형이었다. As, Cd 및 Hg는 상대적으로 높았고, Cr, Ni, Zn 및 Pb는 전체 평균보다 낮았으며, 주요 RI 기여금속은 As 또는 Hg였다. 이는 전체적인 다원소 축적보다 toxic response factor가 큰 일부 금속의 상대적 증가가 RI 순위를 높일 수 있음을 보여준다. 그러나 Class III도 모두 Hakanson Low risk 범위였고 지점 수가 2개이므로, 확정적 금속 조성보다는 탐색적 불일치 유형으로 해석해야 한다.

Class IV는 PC1 score (%)와 RI score (%)가 모두 높은 complex contamination-risk 유형이었다. 모든 금속의 평균 z-score가 양수였으며, 특히 Cu, Zn, Cd, Pb 및 Hg가 높았고 주요 RI 기여금속은 Cd와 Hg였다. 이는 여러 금속의 동시 축적과 독성가중치가 큰 금속의 기여가 중첩된 결과로 볼 수 있다. 이러한 지점에서는 총농도뿐 아니라 금속별 RI 기여도, 존재형태, 이동성 및 생물유효성을 함께 검토할 필요가 있다(Son et al., 2021). 또한 PCA, PMF 및 ecological risk index를 결합한 오염원 추적 분석도 원인 진단에 활용될 수 있다(Mao et al., 2025).

다만 Class IV 지점의 Hakanson RI는 모두 Low risk 범위였으므로, Class IV는 절대적인 고위험 등급이 아니라 전체 80개 지점 중 PC1과 RI의 상대순위가 모두 높은 우선조사 유형이다. 마찬가지로 Class II와 III도 절대적 축적등급이나 위험등급이 아니라 두 지표 간 상대적 불일치 유형이다. 따라서 PCA-ERI Class는 Hakanson 절대위험등급을 대체하는 체계가 아니라, 동일 자료 내에서 다원소 축적도와 독성가중 위험도의 일치와 불일치를 비교하기 위한 분류체계로 해석해야 한다.

본 연구의 75th percentile은 법적 기준이나 독성학적 임계값이 아니라 조사자료 내 상위 25%를 선별하기 위한 자료 기반 screening threshold이다. 그러나 percentile 기반 Class는 자료분포에 의존하므로, 다른 지역에 동일한 percentile을 적용하더라도 동일한 환경상태를 의미하지는 않는다. 또한 RI는 배경농도와 toxic response factor 설정에 민감하며, 지역별 지질과 자연배경농도 차이를 충분히 반영하지 못할 수 있다.

PCA와 RI는 모두 총농도에 기반하므로 실제 생태영향을 직접 나타내지는 않는다. 금속의 생물유효도와 독성은 화학적 존재형태, 입도, TOC, AVS 및 산화 ∙ 환원조건에 따라 달라질 수 있으며, 저서성 생물은 용존산소, 영양염, 수온, 유속 및 서식처 구조의 영향도 함께 받는다. 따라서 PCA-ERI Class나 생물반응을 금속만의 독립적 효과로 해석해서는 안 된다. 향후에는 지역별 배경농도, 금속 분획, 독성시험 및 저서성 대형무척추동물 반응을 연계하고, 수질 ∙ 퇴적물 ∙ 서식처 요인의 상대적 영향을 구분할 필요가 있다. 또한 본 분류체계는 동일한 80개 지점에서 구축된 탐색적 framework이므로 독립지역과 다른 조사시기의 자료를 이용한 외부 검증이 필요하다. 이러한 한계를 고려할 때 PCA-ERI framework는 법적 기준을 대체하기보다 추가 화학분석, 독성시험, 오염원 추적 및 장기 모니터링 대상 지점을 선별하는 screening tool로 활용하는 것이 적절하다.

5. 결 론

본 연구는 국내 주요 하천 및 호소 80개 조사지점에서 산정한 지점 평균 퇴적물 중금속 자료를 이용하여 PCA 기반 다원소 중금속 축적도와 Hakanson RI 기반 생태위험도를 병렬 비교하는 PCA-ERI dual assessment framework를 제안하였다. PC1은 8개 금속이 함께 증가하는 다원소 축적구배를 반영하였으며, RI score (%)와 전반적으로 양의 관계를 보였다. 그러나 두 지표가 항상 일치하지는 않아, 농도 기반 축적도와 독성계수 기반 생태위험도를 구분하여 해석할 필요성이 확인되었다.

PCA-ERI Class 분류 결과, 대부분의 관측값은 Low accumulation-risk 유형에 해당하였으나, Accumulation-dominant, RI-dominant 및 Complex contamination-risk 유형도 구분되었다. 일반하천과 호소에서는 Low accumulation-risk 유형이 우세한 반면, 도시하천과 산단하천에서는 Complex contamination-risk 유형의 비율이 높았다. 본 연구의 PCA-ERI 평가체계는 지점 평균자료 수준에서 축적 우세형, 위험도 우세형 및 복합오염형을 선별하는 보조적 진단도구로 활용될 수 있다. 다만 본 Class는 percentile 기반의 상대분류이므로 절대적 위해성 기준으로 해석하기보다는 우선관리 대상 선별에 활용하는 것이 적절하다.

Acknowledgements

본 연구는 기후에너지환경부의 재원으로 한국환경산업기술원의 “수생태계 건강성 확보 기술개발사업(2021003050001; 2022003050006)”의 지원을 받아 수행되었습니다.

References

Atkinson, A.C. and Riani, M., 2000, Robust Diagnostic Regression Analysis, Springer, New York.

10.1007/978-1-4612-1160-0

Chapman, P.M., Anderson, B., Carr, S., Engle, V., Green, R., Hameedi, J., Harmon, M., Haverland, P., Hyland, J., Ingersoll, C., Long, E., Rodgers, J.H., Jr., Salazar, M., Sibley, P.K., Smith, P.J., Swartz, R.C., Thompson, B., and Windom, H., 1997, General guidelines for using the Sediment Quality Triad, Mar. Pollut. Bull., 34, 368-372.

10.1016/S0025-326X(96)00138-5

Duodu, G.O., Goonetilleke, A., and Ayoko, G.A., 2017, Potential bioavailability assessment, source apportionment and ecological risk of heavy metals in the sediment of Brisbane River estuary, Australia, Mar. Pollut. Bull., 117(1), 523-531.

10.1016/j.marpolbul.2017.02.017

Eggleton, J. and Thomas, K.V., 2004, A review of factors affecting the release and bioavailability of contaminants during sediment disturbance events, Environ. Int., 30(7), 973-980.

10.1016/j.envint.2004.03.001

Greenacre, M., Groenen, P.J.F., Hastie, T., D’Enza, A.I., Markos, A., and Tuzhilina, E., 2022, Principal component analysis, Nat. Rev. Methods Primers, 2(1), 100.

10.1038/s43586-022-00184-w

Hakanson, L., 1980, An ecological risk index for aquatic pollution control. A sedimentological approach, Water Res., 14(8), 975-1001.

10.1016/0043-1354(80)90143-8

Hilton, J., Davison, W., and Ochsenbein, U., 1985, A mathematical model for analysis of sediment core data: Implications for enrichment factor calculations and trace-metal transport mechanisms, Chem. Geol., 48(1), 281-291.

10.1016/0009-2541(85)90053-1

Hong, C., Suman, T.Y., Ji, C.W., Kong, D., and Kwak, I.S., 2024, Heavy metal bioaccumulation based on seasonal monsoon impact in benthic macroinvertebrates of Korean streams, Chemosphere, 368, 143749.

10.1016/j.chemosphere.2024.143749

Huang, Z., Liu, C., Zhao, X., Dong, J., and Zheng, B., 2020, Risk assessment of heavy metals in the surface sediment at the drinking water source of the Xiangjiang River in South China, Environ. Sci. Eur., 32(1), 23.

10.1186/s12302-020-00305-w

Jeong, C., Song, J., and Kong, D., 2025, Integrated risk assessment of sediment-bound heavy metals using macroinvertebrate indicators in South Korea’s major river basins, Ecol. Indic., 181, 114380.

10.1016/j.ecolind.2025.114380

Jeong, H., Choi, J.Y., and Ra, K., 2021, Heavy metal pollution assessment in stream sediments from urban and different types of industrial areas in South Korea, Soil Sediment Contam., 30(7), 804-818.

10.1080/15320383.2021.1893646

Jolliffe, I.T. and Cadima, J., 2016, Principal component analysis: A review and recent developments, Philos. Trans. R. Soc. A, 374(2065), 20150202.

10.1098/rsta.2015.020226953178PMC4792409

Khan, K., Younas, M., Yaseen, M., Sher, H., Maryam, A., Ibrahim, S.M., Adnan, A., Ali, A., Fawad, M., Khan, A.Z., Khan, N., and Shah, I.A., 2025, Heavy metals pollution in riverine sediments: Distribution, source, and environmental implications, Environ. Monit. Assess., 197(3), 225.

10.1007/s10661-025-13623-4

Kim, K.T., Ra, K., Kim, E.S., Yim, U.H., and Kim, J.K., 2011, Distribution of heavy metals in the surface sediments of the Han River and its estuary, Korea, J. Coast. Res., SI64, 903-907.

Kim, K.W., Myung, J.H., Ahn, J.S., and Chon, H.T., 1998, Heavy metal contamination in dusts and stream sediments in the Taejon area, Korea, J. Geochem. Explor., 64(1), 409-419.

10.1016/S0375-6742(98)00045-4

Kim, S., Yang, D.S., and Kim, Y.S., 2020, Distribution of metal contamination and grain size in the sediments of Nakdong River, Korea, Environ. Monit. Assess., 192(8), 502.

10.1007/s10661-020-08475-z32648138PMC7347678

Liu, Z., Wu, Q., He, C., Zhang, P., Wang, X., Luo, Z., Yang, L., and Huang, C., 2024, Ecological risk and chemical speciation of heavy metals in surface sediments of the Pearl River Estuary for comprehensive assessment, Front. Environ. Sci., 12, 1509277.

10.3389/fenvs.2024.1509277

Mao, K., Wang, X., Yu, K., Li, M., Wang, Y., Gao, G., Geng, S., Song, H., Ning, W., An, H., and Yan, B., 2025, Source apportionment and ecological risk assessment of heavy metals in sediments of Dongping lake based on PCA-PMF model, Sci. Rep., 15(1), 32026.

10.1038/s41598-025-16706-x40887475PMC12399775

Min, J.K., Ji, K.Y., and Kong, D., 2019, Spatial distribution patterns of benthic macroinvertebrate functional feeding groups by stream size and gradient in Republic of Korea, J. Freshw. Ecol., 34(1), 715-738.

10.1080/02705060.2019.1677793

Müller, A., Hanisch, C., Zerling, L., Arnold, A., Lohse, M., and Walther, A., 1999, Anthropogene Schwermetallbelastung von feinkörnigen Flußsedimenten, In: Müller, A. and Walther, A. (eds.), Ressourcen-Umwelt-Management: Wasser, Boden, Sedimente, Springer, Berlin, Heidelberg, p.131-151.

10.1007/978-3-662-09759-5_8

Müller, G., 1981, Die Schwermetallbelastung der Sedimente des Neckars und seiner Nebenflusse: Eine Bestandsaufnahme, Chem. Ztg., 105, 157-164.

Pandey, L.K., Park, J., Son, D.H., Kim, W., Islam, M.S., Choi, S., Lee, H., and Han, T., 2019, Assessment of metal contamination in water and sediments from major rivers in South Korea from 2008 to 2015, Sci. Total Environ., 651, 323-333.

10.1016/j.scitotenv.2018.09.057

Reimann, C., Filzmoser, P., Garrett, R., and Dutter, R., 2008, Statistical Data Analysis Explained: Applied Environmental Statistics with R, John Wiley & Sons, Chichester.

10.1002/9780470987605

Rezapour, S., Asadzadeh, F., Nouri, A., Khodaverdiloo, H., and Heidari, M., 2022, Distribution, source apportionment, and risk analysis of heavy metals in river sediments of the Urmia Lake basin, Sci. Rep., 12(1), 17455.

10.1038/s41598-022-21752-w36261490PMC9582006

Salomons, W. and Förstner, U., 1984, Metals in the Hydrocycle, Springer, Berlin, Heidelberg.

10.1007/978-3-642-69325-0

Simpson, S.L. and Batley, G.E. (eds.), 2016, Sediment Quality Assessment: A Practical Guide, 2nd ed., CSIRO Publishing, Clayton, Australia.

10.1071/9781486303854

Sojka, M. and Jaskuła, J., 2022, Heavy metals in river sediments: Contamination, toxicity, and source identification—A case study from Poland, Int. J. Environ. Res. Public Health, 19(17), 10502.

10.3390/ijerph19171050236078217PMC9518182

Son, H.W., Shim, S.H., Oh, H., and Choi, J.H., 2021, An assessment of heavy metal contamination in the Nakdong River around the weir, Water, 13(5), 684.

10.3390/w13050684

Song, J., Jeong, C., Kwak, I.S., and Kong, D., 2026, Integrating sediment quality gradients and macroinvertebrate assemblages: Indicator typologies of Annelida and Chironomidae in freshwater ecosystems, Hydrobiologia, 853(12), 3477-3491.

10.1007/s10750-026-06158-3

Taylor, K.G. and Owens, P.N., 2009, Sediments in urban river basins: A review of sediment-contaminant dynamics in an environmental system conditioned by human activities, J. Soils Sediments, 9(4), 281-303.

10.1007/s11368-009-0103-z

Xie, Y., Huo, X., Hu, C., and Tao, Y., 2023, Contamination, ecological risk and source apportionment of heavy metals in the surface sediments in the Hailar River, the upper source of the Erguna River between China and Russia, Sustainability, 15(4), 3655.

10.3390/su15043655

Yüksel, B., Ustaoğlu, F., Tokatli, C., and Islam, M.S., 2022, Ecotoxicological risk assessment for sediments of Çavuşlu stream in Giresun, Turkey: Association between garbage disposal facility and metallic accumulation, Environ. Sci. Pollut. Res., 29(12), 17223-17240.

10.1007/s11356-021-17023-2

Zeb, M., Khan, K., Younas, M., Farooqi, A., Cao, X., Kavil, Y.N., Alelyani, S.S., Alkasbi, M.M., and Al-Sehemi, A.G., 2024, A review of heavy metals pollution in riverine sediment from various Asian and European countries: Distribution, sources, and environmental risk, Mar. Pollut. Bull., 206, 116775.

10.1016/j.marpolbul.2024.116775

Journal of Soil and Groundwater Environment ISSN:1598-6438(Print) 2287-8831(Online) 지하수토양환경

Preview

Integrated Assessment of Heavy Metal Contamination Types in River and Lake Sediments Using Principal Component Analysis and Ecological Risk Index

ABSTRACT

MAIN

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Table 1.

PCA loadings, eigenvalues, and variance explained by the first two principal components

Fig. 1.

PCA-ERI dual classification of 80 sediment sampling sites based on site-mean metal concentrations. The 75th percentile thresholds of PC1 score (%) and RI score (%) were used to define four PCA-ERI classes.

Fig. 2.

Distribution of PCA-ERI classes by waterbody type. Stacked bars show the proportions of the four PCA-ERI classes within each waterbody type.

Table 2.

Representative sites illustrating PCA-ERI classes and discordance between PC1 and RI scores

Fig. 3.

Mean heavy metal profiles of the four PCA-ERI classes. The heatmap shows the class-mean z-scores of eight heavy metals based on site-mean concentrations (Class I, n = 57; Class II, n = 2; Class III, n = 2; Class IV, n = 19).

Acknowledgements

References