基于无监督机器学习与PMF模型的矿区地下水化学特征解析及健康风险评价

本研究针对煤矿区农村地下水重金属与硝酸盐污染源解析难题，创新性集成无监督机器学习（SOM-Kmeans）、组合数据分析（CoDa-PCA）、正矩阵分解（PMF）模型及蒙特卡洛健康风险模拟，揭示重庆东北部矿区地下水受碳酸盐/硅酸盐溶解（25.91%）、农业与矿业活动（22.35%）等5类污染源影响，提出CWQI-HPI联合评价体系，发现6.01%儿童暴露风险概率，为矿区地下水管理提供科学范式。

　　

煤矿开采与农业活动双重压力下的农村地区，地下水正面临重金属和硝酸盐污染的严峻挑战。重庆作为中国重要产煤区，其东北部农村地下水长期受到采矿酸性废水（含Fe、Mn等）与化肥淋滤（NO₃^?）的复合污染，但污染源贡献率与健康风险始终缺乏量化研究。针对这一科学难题，中国国家自然科学基金资助的研究团队在《Journal of Hydrology》发表最新成果，首次构建"机器学习-地球化学-受体模型-风险模拟"四位一体的研究方法体系。

研究采用三大关键技术：1）基于自组织映射（Self-Organizing Map, SOM）与K均值聚类对51份水样进行三维降维分组；2）组合数据（Compositional Data, CoDa）转换后结合主成分分析（PCA）与正矩阵分解（Positive Matrix Factorization, PMF）模型解析污染源；3）通过蒙特卡洛模拟量化儿童/成人非致癌风险（Hazard Index, HI）概率分布。

【Hydrochemical classification】
SOM-Kmeans将水样划分为三类：A组（Ca-HCO₃型）主要受碳酸盐岩溶解控制；B组（Ca-SO₄/混合型）受硅酸盐岩与黄铁矿氧化的显著影响；C组则呈现降水-岩石相互作用的过渡特征。自然背景值（Natural Background Levels, NBLs）对比显示B组Fe、Mn超标率达47%，证实矿业活动干扰。

【Hydrochemical processes determining major ions】
Gibbs图解揭示A、B组以水岩作用主导，C组叠加降水影响。硅酸盐风化对Na⁺、K⁺的贡献率达38.7%，而阳离子交换作用普遍存在于所有水样。硝酸盐污染（最高89.7 mg/L）与δ¹⁵N同位素特征指向农业施肥与生活污水双重来源。

【Source apportionment by PMF】
PMF模型解析出五大污染源：红色地层Fe/Mn氧化物溶解（25.91%）、重金属氧化物风化（22.35%）、重晶石溶解（17.87%）、闪锌矿溶解（17.85%）及黄铜矿/辰砂溶解（16.02%）。其中Co、Ni主要来自地质背景，而Hg异常高值反映小规模金矿开采影响。

【Health risk assessment】
蒙特卡洛模拟显示，NO₃^?浓度与暴露频率是健康风险最敏感参数，儿童HI>1的概率达6.01%，显著高于成人（1.87%）。尽管CWQI与HPI指数显示水质总体达标，但局部区域Mn暴露剂量超过USEPA参考值2.3倍。

该研究创新性地将机器学习与地球化学模型耦合，首次量化了重庆矿区地下水多污染源的精确贡献谱。提出的"地质背景-人为活动"二分法源解析框架，为全球类似矿区提供可复用的方法论模板。实践层面，建议优先管控农业面源污染（贡献NO₃^? 53.2%）与矿业废水渗漏（贡献SO₄^2? 41.8%），尤其需关注儿童饮水安全的季节性波动。研究成果对实现联合国可持续发展目标（SDG 6）具有重要示范意义。