小麦籽粒镉积累机制与土壤安全阈值模型构建：基于多表面形态模型与机器学习算法的精准预测

为解决小麦对镉(Cd)的高富集风险问题，研究人员通过整合311组土壤-小麦配对数据，结合多表面形态模型(MSM)与极端随机树(ERT)算法，建立了土壤Cd、pH和阳离子交换容量(CEC)驱动的预测模型，并反演了土壤Cd安全阈值。该研究为小麦安全生产提供了量化工具，优化了现行土壤质量标准，发表于《Eco-Environment》。

　　

镉(Cd)作为毒性极强的重金属，通过小麦等主食作物进入食物链，威胁人类健康。中国小麦主产区频发籽粒Cd超标事件，而现行土壤环境质量标准(GB 15618-2018)对小麦的保护效果弱于水稻，亟需建立精准的土壤-小麦Cd转移预测模型。更严峻的是，小麦的生物富集系数(BCF)高达0.26，显著高于玉米(0.16)和水稻(0.15)，其高Cd转运能力与土壤性质复杂交互作用，使得传统线性回归模型难以准确预测。

针对这一难题，中国科学院南京土壤研究所团队在《Eco-Environment》发表研究，通过整合文献和实地调查的311组数据，覆盖pH 3.97-8.55的多样化土壤，创新性地将多表面形态模型(MSM)与机器学习算法结合。研究首先通过皮尔逊相关分析和偏最小二乘路径模型(PLS-PM)锁定土壤Cd、pH和CEC为关键控制因子；随后构建多元线性回归(MLR)和8种机器学习模型，其中极端随机树(ERT)以RMSE 0.221、MAE 0.165的性能最优；最终基于中国食品安全标准(GB 2762-2022)的0.1 mg/kg限值，反演出动态土壤Cd阈值。

关键技术包括：(1)采用CaCl₂提取和MSM计算生物有效态Cd；(2)通过10折交叉验证优化ERT等算法；(3)基于全国土壤数据库补充缺失的黏土和铁氧化物数据；(4)利用ECOSAT 4.9软件进行MSM建模。

3.1 土壤-小麦系统的Cd分布特征
数据集显示土壤Cd(0.068-13.500 mg/kg)与小麦籽粒Cd(0.006-2.190 mg/kg)超标率分别达67.85%和51.13%，验证了小麦的高富集风险。BCF与pH的二次关系揭示：碱性土壤(pH>7)中Cd生物有效性下降趋缓，暗示常规石灰改良在碱性土壤效果有限。

3.2 Cd转移的关键驱动因子
PLS-PM路径分析表明，土壤Cd通过影响CaCl₂-Cd(路径系数0.7889)间接调控小麦Cd，而pH和CEC分别通过抑制Cd溶解(?0.1525)和增强土壤固定(?0.0590)发挥作用。值得注意的是，黏土和无定形铁(ox-Fe)对Cd转移的贡献被土壤Cd掩盖。

3.3 模型性能比较
MLR模型中，整合Cd_soil、pH和CEC的M2模型(R²=0.730)优于单一Cd_soil模型；而基于MSM-Cd的M5*模型在完整土壤参数下R²达0.823。ERT算法通过特征重要性排序，确认土壤Cd(66.542%)、pH(10.975%)和黏土(5.017%)为前三关键变量。

3.4 安全阈值优化
反演阈值显示：现行标准GB 15618-2018对酸性土壤(pH≤5.5)的0.3 mg/kg限值过于宽松，而推荐性标准GB/T 41685-2022的0.2 mg/kg则可能过度保护。研究提出的动态阈值将pH 5.5-7.5土壤的Cd限值定为0.401-0.605 mg/kg，保护准确率提升至85.53%。更突破性的是，首次计算出CaCl₂-Cd阈值(0.010-0.053 mg/kg)和MSM-Cd阈值(0.002-0.009 mg/L)，为生物有效性导向的风险管控提供新思路。

该研究通过多模型比较和阈值反演，解决了三个核心问题：(1)量化了pH和CEC对小麦Cd积累的协同控制效应；(2)证实MSM在完整土壤参数下的预测优势；(3)揭示了现行标准在碱性土壤中的保护不足。提出的ERT预测框架和生物有效态阈值，可应用于中国小麦主产区的差异化风险管理，为《土壤污染防治法》的实施提供科学工具。未来研究需整合小麦品种特性及养分元素互作，进一步提升模型泛化能力。