热带农业生态系统中水稻铅生物富集热点区划与驱动机制解析

针对热带水稻系统重金属累积率高、威胁区域粮食安全的问题，研究人员通过采集海南岛229组土壤-水稻配对样本，结合21种环境变量和机器学习模型（RF模型R2=0.842），揭示了铅(Pb)污染热点空间格局及关键驱动因子（土壤Pb浓度、年降水量和均温），提出pH优化与钙硒富集等农艺调控策略，为岛域农业生态系统重金属治理提供科学框架。

　　

在热带地区，水稻不仅是维系数亿人口生存的主粮，更是重金属进入食物链的关键通道。铅(Pb)作为神经毒性最强的重金属之一，其在水稻中的富集问题长期被镉(Cd)和砷(As)的研究所掩盖。然而，热带特有的高温多雨气候、三季稻耕作制度以及频繁的农用化学品投入，使得Pb的生物有效性显著提升。更令人担忧的是，即使在没有明显污染源的区域，稻米Pb含量也可能突破国家安全限值——这种现象在海南岛这类封闭性热带岛屿生态系统中尤为突出。面对传统地统计方法难以处理非线性关系的困境，中国科学院地理科学与资源研究所的研究团队在《Journal of Hazardous Materials》发表的研究，为破解这一难题提供了创新性解决方案。

研究团队采用多学科交叉策略，首先系统采集海南岛全域229对土壤-水稻样本，通过全局空间自相关分析和热点检测技术定位Pb污染空间聚集区。继而整合21种环境协变量（包括气候、土壤理化性质等），采用九种机器学习算法（如随机森林RF、支持向量机SVM）构建生物富集因子(BAF)预测模型，并运用特征重要性排序和SHAP值解释模型机制。

研究结果揭示三大核心发现：

1. 污染现状：虽然土壤Pb平均富集因子仅0.011，但11.4%土壤和22.7%糙米样本超标，西北部为土壤Pb主要热点区，而水稻Pb生物富集呈现西北-西南-西部三足鼎立的空间格局。
2. 模型效能：随机森林(RF)模型以R2=0.842的预测精度胜出，显著优于传统线性模型，证实机器学习在重金属迁移研究中的优势。
3. 驱动机制：SHAP分析表明，土壤Pb本底值、年均降水量(MAP)和年均温(MAT)构成影响Pb生物有效性的"铁三角"——降水通过溶解铁锰氧化物释放Pb，而温度则调控微生物活性和根系分泌作用。

关键技术路线：样本覆盖海南岛全域耕地，采用ICP-MS测定Pb含量；环境变量包含气候数据（WorldClim）、土壤属性（pH、有机质等）及地形指标；通过10折交叉验证优化模型超参数；使用Permutation Importance和SHAP值解析变量贡献度。

结论与意义：该研究首次构建了热带岛屿水稻Pb生物富集的预测-解释框架，其创新性体现在三方面：① 突破传统统计假设限制，通过机器学习量化了气候因子与土壤性质的交互效应；② 提出"钙-硒协同钝化"的精准修复策略，针对热带酸性土壤特性设计pH调控方案；③ 为小尺度封闭生态系统的重金属循环研究提供范式。研究成果不仅对保障海南国际旅游岛农产品安全具有现实意义，更为全球热带稻作区重金属风险管理提供了可迁移的方法论。正如作者Yan Guo团队强调的，未来需重点关注气候变化背景下降水格局改变对Pb生物有效性的长期影响机制。