中国主要莲藕产区重金属(类)污染概率风险评估及每日摄入限值研究

本研究创新性地结合自组织映射(SOM)、正矩阵分解(PMF)、梯度提升决策树(GBDT)和蒙特卡洛模拟，系统评估了老工业城市土壤重金属(HMs)的定量源解析、驱动因素及源导向健康风险。研究发现工业源(32.20%)和混合源(28.39%)是主要污染源，Fe2O3含量、道路密度等是关键驱动因子，As和Cr是致癌风险(TCR)主要贡献者。该研究为老工业城市重金属风险管控提供了新方法。

　　

研究亮点

• 首次整合机器学习与受体模型实现重金属多维度溯源

• 揭示工业活动与自然过程的复合污染机制

• 建立基于源贡献率的精准健康风险评估框架

污染特征

研究区8种重金属含量均显著超出背景值，其中Hg和Cd变异系数(CV)分别达103.9%和141.7%，显示强烈人为干扰特征。地累积指数(I_geo)表明Hg污染最严重(Ⅰ级)，而综合污染指数(PLI)显示昌邑区污染程度最高。

源解析创新

通过SOM-PMF-GBDT三联模型，首次量化识别出四大污染源：

1. 农业源(25.60%)——化肥农药输入

2. 混合源(28.39%)——交通与市政排放复合

3. 自然源(13.81%)——成土母质风化

4. 工业源(32.20%)——重点贡献As和Cr

驱动机制

GBDT模型揭示：

• 河流密度(RIDE)主导自然源分布

• 道路密度(RODE)驱动混合源扩散

• Fe₂O₃含量调控重金属吸附

• 工厂距离(FDI)与工业源呈负相关

健康风险

蒙特卡洛模拟显示：

? 所有重金属致癌风险(CR)＞1×10^-6阈值

? 混合源贡献51.61%儿童TCR

? As经口摄入是主要暴露途径

? 非致癌风险(HQ)均处于可接受水平

环境启示

该研究突破传统受体模型局限，构建了"污染源-驱动因子-健康效应"的全链条评估体系，为老工业城市土壤修复提供精准靶向策略。特别是提出的源导向风险管理框架，可实现从"末端治理"到"源头防控"的转变。

结论

本研究通过多模型联用技术，系统解析了老工业城市重金属污染的"源-汇-效应"关系。建议优先管控混合源和工业源的As、Cr排放，并建立基于驱动因子敏感性的早期预警系统。研究成果对发展中国家工业城市重金属治理具有范式意义。