中国东部及中部表土铬空间分布格局与多源驱动机制解析

针对中国土壤铬(Cr)污染多源驱动机制不清的问题，研究人员整合376,743组地球化学数据，结合地理探测器(Geodetector)与可解释机器学习(SHAP)模型，揭示TFe2 O3 含量与母岩是Cr分布主控因子，量化了土壤性质(41.9%)、气候(31.6%)等自然-人为因素的交互作用，为区域土壤修复提供科学依据。

　　

铬(Cr)作为一种具有生态毒性的重金属，在中国土壤污染状况调查中超标率达1.1%，其六价态(Cr(VI))的高迁移性和强毒性尤其令人担忧。然而，中国广袤的国土上，土壤铬分布同时受地质背景、气候条件和人类活动的多重影响，传统研究方法难以解析这种复杂交互作用。更棘手的是，源自基性-超基性岩的高背景值区域叠加工业排放后，污染风险呈指数级上升——正如塞尔维亚研究中发现的工业区人为污染与地质背景的协同效应。这种"天然本底+人为叠加"的复合污染模式，使得精准溯源和风险管控成为国际环境科学的难点。

中国地质大学（北京）的Qingye Hou团队在《Journal of Hazardous Materials》发表的研究，创新性地将国家多目标区域地球化学调查(NMPRGS)的376,743个样本与前沿数据分析技术结合。研究团队采用地理探测器量化空间异质性驱动力的贡献度，并引入SHAP可解释机器学习模型破解"黑箱"难题，首次在区域尺度上系统揭示了中国东部及中部表土铬的空间分异规律。关键技术包括：基于DD2005-01行业标准的网格化采样(1-2点/km²
)、X射线荧光光谱元素分析、Geodetector因子贡献度分解、以及SHAP值驱动的特征重要性排序。

【空间分布特征】
通过全国尺度地球化学制图发现，铬浓度呈现西南-中南高、东南沿海低的格局。母岩类型分析显示，超基性岩发育土壤铬中位数达354.90 mg/kg，是沉积岩的5倍，印证了橄榄石等富铬矿物风化的主导作用。值得注意的是，在低背景值区域，铁锰氧化物(TFe₂
O₃
)的吸附作用成为控制铬二次分布的关键。

【多源驱动机制】
针对基性岩发育土壤的专项分析表明：土壤性质(41.9%)和气候(31.6%)的贡献远超人为活动(13.5%)。偏最小二乘路径模型(PLS-PM)揭示气候与地形因子通过协同促进铁氧化物沉淀间接影响铬固定，而工农业活动则直接提升铬负荷。特别值得注意的是，高温多雨气候通过加速锰氧化物生成，促使Cr(III)氧化为易迁移的Cr(VI)，这一机制在巴西超基性岩区的对比研究中得到验证。

【环境管理启示】
该研究突破性地量化了自然成土过程与人类活动的交互效应：在高铁锰氧化物含量的酸性土壤中，人为输入的铬更易被固定；而土壤有机质则通过螯合作用促进铬迁移。这种"地质-气候-人类"三元耦合框架的建立，为差异化治理策略提供了理论支撑——高背景值区域应重点防控Cr(VI)转化，而工业区需严格管控排放源。

这项研究的意义不仅在于首次绘制了中国东部土壤铬的宏观分布图谱，更开创性地将可解释AI应用于环境地球化学领域。通过破解"地质背景掩盖人为污染"的溯源困境，为《土壤污染防治行动计划》提供了精准治污的科学工具。正如作者在环境意义章节强调的，该成果对评估"一带一路"沿线超基性岩分布区的生态风险具有重要参考价值。