基于最优参数地理探测器模型的城区住宅土壤痕量金属污染影响因素解析

针对城市住宅土壤痕量金属污染源解析难题，澳大利亚研究团队通过VegeSafe公民科学项目收集8,221份悉尼住宅土壤样本，运用最优参数地理探测器模型(OPGD)量化人为与自然因素影响。研究发现铅(Pb)、砷(As)等主要受老旧房屋密度、道路密度等人为因素驱动，而锰(Mn)、镍(Ni)则受土壤pH等自然因素主导，42.7%样本铅超标，为靶向治理提供科学依据。

　　

随着城市农业复兴，86%的澳大利亚城市家庭自产蔬果，但住宅土壤中铅(Pb)、砷(As)等痕量金属污染威胁被严重低估。悉尼大都市区34,000-41,000吨铅曾通过含铅汽油排放，老旧房屋含铅涂料(1-50 wt%)持续释放污染物，而土壤pH、母岩性质等自然因素交互影响污染分布。传统研究多聚焦单一因素，缺乏对空间分层异质性(SSH)的系统解析。

澳大利亚麦考瑞大学团队通过全国公民科学项目VegeSafe，收集悉尼1,828户家庭的8,221份表层土壤样本，结合工业排放、道路密度等23项环境数据，首次应用最优参数地理探测器模型(OPGD)突破传统地理探测器(GD)模型参数依赖人工设定的局限。该技术通过自适应算法优化空间离散化方案与尺度参数，显著提升SSH分析精度。

样本分析显示27.6%土壤铅超标(>300 mg/kg)，42.7%家庭至少存在一个超标点位。OPGD模型量化显示：人为因素中，老旧/粉刷房屋密度(q=0.32)、道路密度(q=0.28)对铅(Pb)、铜(Cu)解释力最强；自然因素中，土壤pH(q=0.41)主导锰(Mn)、镍(Ni)分布。交互作用揭示"房屋年龄×土壤类型"对铅的协同效应(q=0.53)远超单因素效应。

研究创新性构建悉尼住宅土壤污染风险图谱，识别出内西区、坎特伯雷-班克斯敦等历史工业区为高风险带。相比随机森林等机器学习方法，OPGD模型在可解释性方面优势显著，其优化的离散化方案使铅污染热点识别精度提升18%。

该成果为全球城市农业安全提供方法论范式，证实公民科学数据在大尺度环境研究中的可靠性。作者建议将OPGD模型纳入澳大利亚国家环境保护措施(NEPM)修订，并开发基于该算法的居民端风险预警系统。研究同时警示，尽管1997年禁用含铅汽油，其遗留污染仍持续影响当代城市居民健康。