城乡土壤重金属健康风险差异研究：基于机器学习与空间显式模型的中国保定案例

为解决城乡土壤重金属污染健康风险差异量化不足的问题，研究人员整合机器学习（RF模型）、正矩阵分解（PMF）和空间暴露模型，首次在个体与群体尺度揭示了保定市城乡风险分异规律。研究发现：城市土壤生态风险指数高51%，但农村居民个体致癌风险达城市3倍；群体层面城市非致癌/致癌风险分别为农村1.8和1.7倍。该研究为环境正义治理提供了创新方法论支撑。

　　

土壤重金属污染如同潜伏的"生态定时炸弹"，在快速城市化进程中不断累积。尽管已有大量研究关注污染水平与城市化的关联，但一个关键问题长期被忽视：城乡人群面对相同污染时是否承受均等的健康威胁？传统风险评估模型往往采用统一参数，忽略了城乡居民在生理特征（如体重、呼吸率）、暴露行为（如务农与办公活动差异）以及医疗资源可获得性等方面的系统性差异。这种"一刀切"的评估方式，可能导致风险分配认知偏差，尤其可能掩盖农村弱势群体的真实风险。

针对这一科学盲区，来自中国科学院等机构的研究团队以中国京津冀城市群核心城市保定为研究对象，创新性地融合多学科方法，在《Ecotoxicology and Environmental Safety》发表了突破性成果。研究通过185个土壤样本的高精度检测，结合随机森林（RF）空间预测、正矩阵分解（PMF）源解析技术，以及整合人口分布数据的空间显式风险评估模型，首次实现了从污染分布、来源贡献到健康风险的全链条城乡差异化解析。

关键技术方法包括：1）基于14种环境变量的空间随机森林模型预测重金属分布；2）PMF源解析识别交通、工业、农业和自然四类污染源；3）改进USEPA风险评估模型，引入城乡差异化的暴露参数（如EF_i
、BW_i
）；4）结合1km×1km人口栅格数据构建空间显式风险模型（P_HQ
/P_CR
）。

3.1 城乡污染特征差异
数据显示城市土壤Pb、Cd浓度分别比农村高94.98%和61.59%，生态风险指数（RI）均值高51%。但Cr、Ni等元素在农村山区呈现地质成因的高值聚集，揭示自然源不可忽视的贡献。

3.2 机器学习揭示空间分异
RF模型预测显示Pb污染与建成区高度重叠，而As、Cd在平原农业区广泛分布。热点分析（Gi*）证实工业活动导致城市Pb、Cd聚集，而山区Mo、Ni高值主要源于母岩风化。

3.3 污染源贡献解析
PMF识别四类源：工业源（34.67%，以As为主）、自然源（29.46%，Cr-Ni组合）、交通源（18.56%，Pb-Cd-Cu）和农业源（17.30%，Cd-Zn）。空间贡献图谱显示工业/交通源主导城市风险，而农业/自然源影响农村。

3.4 城乡健康风险对比
颠覆性发现是：尽管城市污染更严重，但农村居民个体致癌风险（CR=1.24×10^-4
）是城市（CR=0.41×10^-4
）的3倍，主因务农活动导致更高暴露剂量（ADD_ing
）。女性因生理参数差异风险普遍高于男性。

3.5 群体风险空间格局
人口加权模型（P_CR
）显示城市群体致癌风险仍为农村1.7倍，反映人口密度效应。但极端高风险点出现在偏远山区，提示自然源对留守农民的潜在威胁。

这项研究打破了"污染浓度决定风险"的传统认知，首次量化了城镇化进程中土壤健康风险的城乡不平等。其重要意义在于：1）方法论上创建了"污染溯源-个体暴露-群体风险"的多尺度评估框架；2）政策层面揭示农村居民在环境正义中的双重弱势——更高的个体风险与更低的防护意识；3）为《"健康中国2030"规划纲要》中的城乡健康公平目标提供实证支撑。研究特别指出，自然源贡献的山区高风险需要结合乡村振兴战略进行针对性干预，而城市工业区则应强化源头管控。该框架可推广至全球快速城市化地区，为环境健康风险管理提供新范式。