青藏高原表土铅污染空间分布图谱构建与400万暴露人群风险评估

本研究针对青藏高原(TP)土壤铅污染空间分布不清、环境驱动机制不明和暴露人群量化不足等关键问题，通过采集733份表土样本，构建250米分辨率机器学习预测模型，首次绘制高原铅污染风险图谱。研究发现25.24%采样点超背景值(28.9 mg/kg)，识别出昌都等高风险聚集区，估算411万居民(含25万婴幼儿)面临暴露风险，揭示土壤pH和坡度是主要环境驱动因子，为高原环境治理和儿童健康保护提供科学依据。

　　

被称为"地球第三极"的青藏高原，不仅是亚洲水塔，更是维系区域生态安全的重要屏障。然而近年来，随着采矿活动、旅游业发展和交通网络扩张，这片净土正面临日益严重的重金属污染威胁。其中，铅(Pb)作为WHO重点管控的神经毒性物质，每年导致全球90万人死亡，更会损害8亿儿童的认知发育。尽管已有研究提示高原土壤铅污染加剧，但其空间分布规律、环境驱动机制以及暴露人群规模等关键问题始终未能破解。

为解开这些谜团，来自国内研究机构的科研团队在《Ecotoxicology and Environmental Safety》发表了开创性研究。研究人员历时三年(2020-2022年)系统采集高原112个县的733份表土样本，创新性地融合机器学习与人口普查数据，首次构建了250米分辨率的铅污染风险图谱。研究采用电感耦合等离子体质谱(ICP-MS)精准测定铅含量，运用随机森林(RF)、XGBoost和支持向量机(SVM)三种算法构建预测模型，并整合第七次全国人口普查数据进行暴露风险评估。

空间分布特征

数据显示高原表土铅几何平均浓度为31.22 mg/kg，25.24%采样点超过背景值28.9 mg/kg。空间分析揭示污染呈"南高北低"格局，昌都(79.66 mg/kg)、林芝(37.02 mg/kg)等地形成显著热点区，部分点位甚至超过农用地风险管控值(400 mg/kg)。

预测模型性能

在三种机器学习模型中，RF表现最优：AUC达0.84，F1分数0.61，平衡准确率0.74。模型筛选出15个关键环境参数，其中土壤pH(基尼系数0.69)和坡度(0.66)被确认为主导因子。

风险人群图谱

整合人口数据发现，高原约411万居民生活在铅风险区，占全区人口28%，其中包括25万0-4岁儿童。西宁、海东等地风险人口比例超30%，而迪庆州更高达40%。值得注意的是，98%风险人口分布在农村地区。

环境驱动机制

多维度分析揭示：降水(PRE)和实际蒸散发(AET)通过湿沉降与淋溶作用影响铅积累；陡坡地形(TM)更易富集大气沉降铅；与传统认知不同，研究发现铅与土壤pH呈负相关，可能与酸性条件下有机-铅复合物溶解有关。

这项研究的意义远超学术范畴。其构建的机器学习框架为生态脆弱区污染监测提供了新范式，绘制的高精度风险图谱直接服务于《健康中国2030》战略。特别值得关注的是，研究首次量化了高原儿童铅暴露规模，为制定针对性防护政策提供了数据支撑。考虑到高原作为亚洲水塔的生态地位，土壤铅还可能通过水系迁移影响下游数亿人口，这使得研究成果具有区域乃至全球意义。

研究团队也坦诚指出局限：西北部采样覆盖不足，社会经济因素未纳入模型等。这些都为未来研究指明了方向。但无论如何，这项工作已然为青藏高原筑起了一道科学防护网，让雪域净土的保护有据可依。