典型矿业城市农田土壤重金属污染源景观定向解析：基于PCA-APCS-MLR与地理探测器的综合方法

针对矿业城市农田土壤重金属（HMs）污染源定位难题，研究人员整合PCA-APCS-MLR模型、空间自相关分析与地理探测器（GDM），首次实现污染源景观的精准识别与贡献量化。研究发现Cd、Cu为主要污染物，工业（22%）、自然（38%）和农业（19%）为三大主导来源，并锁定SLs 2-6等关键工业源景观（贡献率9.98%-27.93%），为区域土壤精准治理提供科学依据。

　　

土壤重金属（HMs）污染如同一场无声的生态危机，尤其在中国典型矿业城市，农田中镉（Cd）、铜（Cu）等重金属的累积已威胁粮食安全与生态系统健康。尽管传统研究能识别工业、农业等污染源类型，却难以回答“污染究竟来自哪片具体厂区或地块”这一关键问题。这种模糊性导致治理措施常如“大水漫灌”，效率低下。为此，中国某高校团队在《Environmental Pollution》发表研究，开创性地将多元统计模型与空间分析技术耦合，首次实现污染源景观的“精准画像”。

研究采用四步法：通过PCA-APCS-MLR（主成分分析-绝对主成分得分-多元线性回归）解析源类型；利用双变量空间自相关和地理探测器（GDM）定位工业源景观；结合污染半径、扩散系数及PMF（正矩阵分解）模型量化景观贡献；最后通过大气输入通量验证迁移路径。样本来自D市（长江中游典型矿业城市）农田土壤，测定Cd、Hg、Pb等8种HMs浓度。

研究结果

1. 污染特征：Cd和Cu为最严重污染物，平均浓度分别达0.61 mg/kg和95.99 mg/kg，变异系数（CV）显著高于其他元素，显示强人为干扰。空间分布显示工业区周边呈热点聚集。
2. 源类型解析：自然源（38%）、农业源（19%）和工业源（22%）为主导，其中工业源贡献集中于Cu、Cd。
3. 工业源景观识别：SLs 2-6为关键景观，贡献率分别为13.96%（SL2）、27.93%（SL3）、27.35%（SL4）、9.98%（SL5）和20.78%（SL6），对应采矿-冶炼活动密集区。
4. 迁移机制：Cu的大气输入通量显示，SL3、SL4通过气溶胶沉降主导污染扩散，扩散系数达1.2 km²/a。

结论与意义
该研究突破传统源解析的“类型模糊”局限，首次实现污染源景观的“地理坐标级”定位。通过耦合模型揭示：矿业城市中，距工业区1.5 km范围内的农田受冶炼活动影响最剧，需优先管控。方法论上，PCA-APCS-MLR与GDM的联用为复杂污染系统分析提供新范式。实践层面，成果可直接指导D市划定“重点防控网格”，例如SL3（贡献27.93%）应作为减排核心区。研究为全球矿业城市土壤修复提供可复用的技术框架，彰显“精准治污”的科学价值。