基于机器学习的食物风险评估框架揭示中国镉膳食风险的关键驱动因素及调控策略

推荐：针对重金属污染与土壤酸化威胁粮食安全的问题，南开大学团队开发了机器学习食物风险框架（MFR），揭示土壤pH是稻麦镉（Cd）累积的关键驱动因子。研究发现1980s-2000s华中、华东地区膳食镉风险上升10%，儿童风险为成人的1.6倍，稻米风险是小麦的3.4倍。该研究为土壤酸化治理和膳食结构调整提供了大尺度空间策略。

　　

镉（Cd）污染与土壤酸化已成为威胁全球食品安全和人类健康的"隐形杀手"。在中国，约7%的土壤遭受镉污染，酸性农田比例从1980年代的36%飙升至43%，土壤pH值平均下降0.5-0.6个单位。这种"双重胁迫"导致稻米和小麦——这两种占全球主食消费量40%的作物——对镉的富集能力显著增强。更令人担忧的是，广东等地的稻米镉摄入量已超过FAO/WHO安全限值0.06 μg/kg/day，可能引发癌症、骨质疏松等疾病。然而，传统风险评估方法受限于样本规模和环境因子间的复杂非线性关系，难以在大地理尺度上提供精准预警。

南开大学环境科学与工程学院（Key Laboratory of Pollution Processes and Environmental Criteria, Ministry of Education）的研究团队创新性地提出了机器学习食物风险框架（Machine learning-based Food Risk framework, MFR）。这项发表于《Environmental Pollution》的研究，通过挖掘878组全国范围的稻麦镉累积数据，整合气候、土壤性质（如pH值、有机质OM）、耕作方式等多维因子，采用随机森林（Random Forest）和SHAP（Shapley Additive Explanations）算法解析关键驱动因素。研究人员特别关注1980s-2010s三个十年间的时空演变规律，并量化了不同人群的膳食暴露风险。

研究首先通过特征重要性分析发现，土壤总镉浓度、pH值和有机质是影响作物镉累积的三大核心因素。其中pH值呈现显著非线性效应：当pH<6.5时，每降低1个单位可使稻米镉含量激增2.3倍。时空动态模拟显示，1980s-2000s期间，土壤酸化导致华中、华东地区稻麦镉膳食风险上升约10%；而2000s-2010s通过石灰施用等酸化缓解措施，风险水平得到有效控制。令人警觉的是，儿童膳食风险系数（1.61）显著高于成人，且稻米风险是小麦的3.4倍。

在机制解析方面，SHAP交互作用图揭示出pH与OM的协同效应：当OM>30 g/kg时，即使pH较低（5.5-6.0）也能通过镉-有机络合作用降低生物有效性。地理空间贸易分析则发现，农产品跨区域流通使高风险区（如湖南）的镉污染扩散至其他省份，增加了风险评估的不确定性。

这项研究的重要意义在于：首次在全国尺度上量化了土壤酸化与镉污染的协同健康效应，提出的MFR框架突破了传统方法的空间局限性。研究建议采取"土壤-膳食"双轨调控策略：通过控制土壤酸化（如施用碱性改良剂）可降低作物镉含量23%-45%；而将稻米消费量调整至膳食结构的30%以下，可使成人镉暴露量降低至安全阈值内。该成果为《土壤污染防治行动计划》提供了科学依据，也为其他重金属风险评估提供了可扩展的方法学范式。