基于偏最小二乘回归的土壤潜在毒性元素场地特异性自然背景值精准解析及其环境风险评估应用

本文创新性地运用偏最小二乘回归（PLSR）模型，建立了土壤化学组分与潜在毒性元素（PTEs）的定量关系，精准计算出揭阳市1330个采样点的场地特异性自然背景值（NBV）。该方法有效解决了传统固定背景值导致的评估偏差，实现了对Zn、Cr、Cu、Hg、Cd、As、Ni、Pb等人为输入比例的精准量化（最高达67.77%），为点对点环境容量与生态风险评价提供了新范式。

　　

Environmental Implication

土壤潜在毒性元素（PTEs）的自然背景值（NBV）是识别人为输入的关键指标。本研究建立了偏最小二乘回归（PLSR）模型来确定土壤PTEs的场地特异性NBVs。结果表明，PLSR方法能有效提升NBVs的测定精度，且基于PLSR模型获得的场地特异性NBVs能更精准地评估土壤PTEs的人为输入、环境容量及生态风险。

Conclusion

以揭阳市土壤地球化学数据为例，本文建立了基于土壤化学组分的PLSR模型，用于确定土壤PTEs的场地特异性NBVs，查明了土壤PTEs人为输入的分布、比例及主要来源，并基于建立的动态NBVs评估了土壤PTEs的污染状况、环境容量和生态风险。在研究区域，土壤中的Zn、Cr、Cu、Hg、Cd、Ni和Pb主要来源于自然源，而As则主要来自人为源。此外，研究区域整体处于中等生态风险水平（125.54），Hg和Cd是主要的风险因子。然而，仍有6.84%和0.45%的采样点分别达到了较高和高生态风险水平，需要进一步调查和监测。这些发现表明，PLSR模型能有效提高土壤PTEs的NBVs测量精度，并实现精准的点对点环境评估。