数据与领域知识融合下的铅暴露风险评估：基于地理加权回归的新泽西州空间异质性研究

本研究针对铅污染对儿童及弱势群体的持续威胁，整合多源数据与专家知识，通过主成分分析(PCA)和层次分析法(AHP)构建双重视角铅暴露指数，并采用地理加权回归(GWR)揭示新泽西州铅暴露的空间异质性。研究发现贫困率、有色人种比例和租房率是关键局部预测因子（调整R2达0.466），为环境正义干预提供精准空间靶点。

　　

铅污染作为工业文明的“隐形遗产”，至今仍在全球范围内威胁着8亿儿童的健康，仅美国就有59万儿童血铅水平超过3.5μg/dL的安全阈值。这种神经毒素通过老化的铅水管、含铅涂料和污染土壤持续释放，导致认知缺陷、发育迟缓等不可逆损伤，每年造成美国超500亿美元的经济损失。2014年弗林特水危机事件暴露出基础设施老化与监管漏洞的双重困境，而新泽西州作为历史工业走廊，其565个市镇中铅暴露风险的时空异质性尚未系统解析。

美国住房与城市发展部资助的研究团队创新性地将数据驱动与专家知识相结合，通过主成分分析(PCA)和层次分析法(AHP)分别构建铅暴露指数，并运用地理加权回归(GWR)模型解析社会经济因素的空间非平稳性影响。研究整合了市政尺度的铅服务管道数量、房屋年龄、有害场所邻近度等12项指标，以及来自环境健康专家的权重评估。

铅暴露指数的双重建模
层次分析法(AHP)显示专家最关注房屋年龄（权重最高）和铅管道数量，而数据驱动的PCA则凸显铅污染场地邻近度的统计显著性。两种方法共同识别出新泽西东北部（如纽瓦克）为高风险热点，验证了既有研究的空间格局认知。

地理加权回归的局部洞察
模型揭示贫困率、有色人种比例和租房率对铅暴露的影响存在显著空间变异：在城市化区域，贫困率的解释力更强（局部R²达0.47），而郊区则以房屋年龄为主导因素。值得注意的是，专家赋权的AHP指数比纯数据驱动的PCA指数具有更高解释力（调整R² 0.466 vs 0.225），证明领域知识能弥补数据盲区。

环境正义的时空解构
研究发现铅暴露风险与系统性社会经济劣势存在空间耦合——在非裔和拉丁裔聚居区，即使控制住房条件后，铅风险仍显著偏高。GWR局部系数图显示，这些社区往往叠加了老房率高（>60年房龄）、租赁比例大（>40%）和监管资源少的“三重脆弱性”。

该研究通过“数据-知识”双引擎建模框架，首次量化了新泽西州铅暴露驱动因子的空间非平稳性特征。其方法论创新在于：① 证明专家知识可提升纯统计模型的解释力达107%；② 揭示同一因素（如贫困率）在不同区域对铅风险的影响方向甚至可能相反；③ 开发出可迁移至其他环境健康风险评估的GWR-AHP-PCA融合范式。这些发现为实施空间精准的铅污染治理（如优先更换纽瓦克老城区铅水管）和制定差异化的环境正义政策提供了科学依据。