土壤微量元素综合环境风险预测新方法及其污染源解析研究 中文标题：基于机器学习与受体模型的土壤微量元素综合环境风险预测及源解析研究

本刊推荐：针对土壤微量元素（TEs）污染风险综合评价与源解析的难题，研究人员提出综合环境风险指数（CERI）并构建MLPCA-NMF源解析框架，结合随机森林模型实现基于简易参数的CERI预测。研究发现江西土壤中Hg、Cd、Cr、As污染显著，农业（39.4%–41.2%）和工业活动（27%–29.2%）为主要污染源，源导向风险评估揭示工业源对生态风险（Hg）和健康风险（As）贡献突出，为土壤风险精准防控提供新范式。

　　

随着工业化和城市化的快速发展，土壤中微量元素（Trace Elements, TEs）污染已成为威胁生态系统安全和公众健康的重大环境问题。铬（Cr）、镉（Cd）、砷（As）、汞（Hg）和铅（Pb）等重金属通过食物链生物累积和生物放大，可导致土壤肥力下降、水质恶化、食品安全风险，甚至引发人类出生缺陷、神经系统损伤和多种癌症。尽管以往研究多聚焦于单一类型的污染评估或风险评价，但全面量化土壤TEs的综合环境风险仍面临挑战。当前风险评估往往孤立处理生态风险或健康风险，未能充分捕捉其交互复杂性，可能导致风险低估或高估。此外，明确污染来源及其特定风险贡献，是实现针对性风险管控的关键前提。

为应对这些挑战，北京师范大学水科学学院的陈海洋、付英杰等人开展了一项创新研究，成果发表于《Environmental Chemistry and Ecotoxicology》。该研究首次提出综合环境风险指数（Comprehensive Environmental Risk Index, CERI），构建了一套集成污染风险、生态风险与健康风险的评价框架，并结合机器学习与先进受体模型，解析了污染源与风险之间的内在联系。

研究主要采用了以下几种关键技术方法：首先，通过系统采集中国江西省1566个土壤样本，检测了Cd、Cr、As、Hg、Pb、Cu、Zn、Ni、Mn、Co、V、Se等12种微量元素含量；其次，利用随机森林（Random Forest, RF）机器学习模型，基于经纬度、土地利用类型、pH和总有机碳（TOC）等5个易获取参数预测CERI；第三，采用最大似然主成分分析-非负矩阵分解（MLPCA-NMF）和多线性引擎2（ME-2）模型进行污染源解析；最后，通过蒙特卡罗模拟（Monte Carlo Simulation）和源导向风险评估模型，量化了不同来源的生态与健康风险。

3.1. 土壤微量元素环境风险特征

通过对污染指数（PI）、地质累积指数（I_geo）、富集因子（EF）和内梅罗综合污染指数（NIPI）的分析，发现研究区域土壤中Cd、Cr、Hg、As存在不同程度污染，其中Hg和Cd的变异系数（CV）最高，表明受外源输入影响显著。空间分布显示，东北部（上饶/南昌）和中部地区污染较为集中。生态风险评价表明，Hg和Cd是主要风险元素，分别有66%和49%的样本处于中度及以上风险水平。健康风险评估显示，非致癌风险（THI）和致癌风险（TCR）虽处于可接受阈值内，但Cr和As是主要贡献元素，儿童群体风险较高。

3.1.2. 综合环境风险评价

CERI指数整合了NIPI、NIER、THI和TCR四类风险指标，采用几何均值计算，其值范围为7.3×10^?3至5.9×10^?2，均值2.2×10^?2。12%的样本处于中度风险水平，且CERI与NIPI、THI、TCR均呈现强统计相关性。空间上，高风险区集中于东北部，与污染分布一致，而生态风险（NIER）高值区则分布在中南部，主要受Hg驱动。As和Ni因超标率较高被列为优先控制元素，Cd、Cr、Hg、Pb、Cu、Ni均需重点关注。

3.1.3. CERI的预测可行性

通过随机森林模型，仅使用纬度、经度、土地利用类型、pH和TOC五个参数，即实现了CERI的有效预测（R²=0.687）。预测结果与实际分布基本一致，表明这些参数是影响TEs环境风险的内在因素。水田土壤中多数元素富集因子最高，林地对Se富集显著，pH和TOC是影响TEs活性的关键环境因子。

3.2. 土壤微量元素源解析

采用MLPCA-NMF和ME-2模型解析出四个主要污染源：农业活动（贡献率39.4%–41.2%），以Cd、Cr、Cu、Zn、Ni、V为代表，主要来自农药、化肥和畜禽粪便；工业活动（27%–29.2%），以Hg、Pb、Se、Zn为主，与煤炭燃烧、金属冶炼和大气沉降相关；自然源（18.7%–19.5%），以Mn、Co为代表；混合源（12.4%–12.7%），以As为主，受地质背景和采矿活动共同影响。模型验证显示，MLPCA-NMF即使在较高误差水平下仍能较好重建源谱，与广泛应用的ME-2结果高度一致（相关系数>0.96）。

3.3. 环境风险与污染源的关联

3.3.1. 源导向生态风险

Hg的源解析显示，农业源和工业源分别贡献了14.2%和8.2%的中度及以上生态风险样本，工业源对高风险的贡献尤为突出（5.1%）。内梅罗综合生态风险指数（NIER）表明，27.5%的样本处于中度风险，17.4%处于极高风险，空间上高风险区分布于南部和南昌、九江等城市中心。农业源主导中度风险（12.9%），工业源主导重度及以上风险（7.7%）。

3.3.2. 源导向健康风险

Cr和As是非致癌风险的主要贡献元素，皮肤接触是主要暴露途径。混合源（工业-自然混合）的非致癌风险最高，儿童群体受影响最大。致癌风险方面，37%的样本TCR值超过1×10^?5，但均低于1×10^?4的可接受上限。混合源在东北部工业区的致癌风险贡献最高（86%样本超过1×10^?6）。需注意的是，Hg、Cu、Zn因缺乏斜率因子未纳入致癌风险计算，未来需开展多途径评估。

3.3.3. 风险防控建议

针对Hg、Cd、As等主要风险元素，建议采取以下措施：农业领域减少化肥施用，推广有机肥；工业领域优化产业结构，严格执行排放标准；采矿活动加强废弃物管理，实施矿山生态修复；同时提升公众环保意识，参与污染监督。

该研究通过CERI指数和MLPCA-NMF框架，实现了土壤TEs综合风险的准确评估和源解析，为资源受限地区提供了基于简易参数的风险预测工具。模型的高兼容性和可扩展性有望支持大数据驱动的实时污染监测与风险预警系统开发。未来可通过开发图形用户界面（GUI）程序，进一步简化分析流程，提升决策支持能力。研究成果对土壤污染精准防控和生态系统安全管理具有重要实践意义。