《Environment International》：Groundwater arsenic in Taiwan: From Mid-20th-Century crisis to predictive models for risk mitigation strategies
编辑推荐：
本研究针对台湾地区地下水砷污染持续威胁公共健康的问题，开发了一种可扩展的机器学习模型（XGBoost），用于预测全岛范围内地下水砷浓度超过WHO指南值（10 μg/L）的高风险区域。模型表现出优异的预测性能（平均AUC 0.93，平衡准确度0.87），并识别出地形湿度指数、海拔和有机碳密度等关键控制因子。生成的危害地图显示，2023年约有14.8万人面临砷暴露风险，且超过80%的水产养殖区和33%的稻田位于高风险区。该研究为基于证据的砷污染缓解策略和可持续水资源管理提供了重要科学依据。
在台湾的历史上，地下水砷污染曾引发严重的公共卫生危机。20世纪中叶，台湾西南沿海地区爆发了一种被称为“黑脚病”的地方性末梢血管疾病，后续研究证实其与饮用高砷地下水密切相关。尽管此后台湾大力建设自来水系统，到2023年覆盖率已达95%，但地下水中的砷并未消失，它们持续存在于含水层中，影响着仍在依赖地下水的农村社区的饮用水、农业灌溉和水产养殖。这种通过食物链（如砷富集的水稻和海产品）的间接暴露途径，构成了新的健康风险。因此，准确识别砷污染高风险区，评估当前的人口暴露和农业影响，并检视现有管控措施的有效性，对于保护公众健康和水资源安全至关重要。为此，研究人员在《Environment International》上发表了最新研究成果，旨在利用先进的数据科学方法，为台湾的地下水砷风险管理提供全新的视角和工具。
本研究主要采用了以下几种关键技术方法：首先，研究人员收集了台湾环境部2014年至2023年间约460口监测井的7440次地下水砷浓度监测数据，检测方法为氢化物发生原子吸收光谱法（HG-AAS），检测限为0.1 μg/L。其次，为进行空间预测，研究团队整合了52个空间连续的预测变量，涵盖气候、地质、地形、土壤特性和土地利用等多个环境维度，并将所有数据统一重采样至约125米的分辨率。核心分析采用了极端梯度提升（XGBoost）机器学习算法来构建预测模型，将砷浓度二分为是否超过WHO指南值（10 μg/L）进行分类预测。通过递归特征消除（RFE）筛选出15个关键预测变量，并利用SHapley加法解释（SHAP）值来量化每个变量对预测结果的贡献，从而增强模型的可解释性。最后，通过100次迭代模拟生成概率图，并设定概率阈值（第90百分位数，0.40）来划定高风险区域，进而与人口、土地利用和地下水管制区等地理空间数据进行叠加分析，系统评估了人口暴露、农业水产脆弱性及监管盲区。
3.1. 地下水砷概率图
通过100次独立的XGBoost模拟，研究生成了全台湾地下水砷浓度超过10 μg/L可能性的空间分布图。模型整体性能优异，平均曲线下面积（AUC）为0.93，平衡准确度达到0.87。预测结果清晰地显示，高风险区域集中在几个历史上已知的砷污染热点地区，包括西南部的嘉南平原（与历史上黑脚病流行区吻合）、南部的屏东平原以及东北部的兰阳平原。这些预测模式与已有的区域观测结果高度一致。模型的不确定性分析表明，在高砷区域，预测概率的标准偏差通常低于0.1，表明预测结果较为稳定。
3.2. 变量重要性
对模型预测能力贡献最大的环境变量包括地形湿度指数（TWI）、海拔（ELE）、站点水分平衡（SWB）和有机碳密度（OCD）等。这些因子共同指向一个核心机制：在低洼、水分积聚、有机质丰富的还原性环境中，砷更容易从沉积物中释放进入地下水。SHAP分析还揭示了不同区域主导因素存在差异，例如，在嘉南平原，较高的潜在蒸散量（PET）可能与季节性水分亏缺影响氧化还原过程有关；而在兰阳平原，低海拔、高有机碳含量的沉积物环境是导致砷持续释放的关键。这表明砷的活化受到区域特异性水文地球化学条件的控制。
3.3. 人口暴露
得益于过去25年自来水基础设施的大规模扩展，台湾面临地下水砷暴露的人口数量从1998年的约30.3万显著下降至2023年的约14.8万，降幅约51%。然而，风险并未完全消除，剩余暴露人口主要集中在西南沿海等自来水覆盖率相对较低的农村乡镇，例如屏东县的东港镇，其暴露人口比例仍超过30%。这凸显了在实现普遍安全饮水目标方面，城乡之间仍存在差距。
3.4. 农业和水产养殖影响
农业部门的脆弱性评估结果令人担忧。研究发现，台湾高达81%的海水养殖区和33%的稻田位于地下水砷高风险区内。尤其是水产养殖，其73%的高风险区域处于最高风险等级（概率 > 0.7）。使用含砷地下水进行灌溉和养殖，会导致砷在水稻籽粒以及养殖的鱼类、贝类（如牡蛎、蛤蜊）中富集，进而通过食物链增加居民的砷暴露风险。尽管从某些海产品中摄入的无机砷可能低于暂定每周耐受摄入量（PTWI），但仍可能超过10^(-6)的癌症风险目标值。
3.5. 管制区评估
将预测的砷高风险区与台湾现行的一级和二级地下水管制区进行叠加分析，发现了显著的监管盲区。虽然部分高风险区如彰化、云林县已被纳入管制，但像南投县这样存在明显砷污染风险的区域，却完全处于任何管制区之外。此外，在嘉义县、台南市和台中市等地，预测的高风险区域也超出了现有管制区的范围。这表明当前的管制区划定未能完全覆盖所有地下水砷威胁，需要基于最新的风险预测进行动态调整和扩展。
该研究成功地将台湾历史上的砷危机与前沿的预测工具联系起来，标志着地下水砷风险管理从被动应对向主动预防的重要转变。所开发的机器学习模型不仅准确识别了高风险区域，还深刻揭示了控制砷迁移转化的关键环境因子。研究结果量化了经过数十年干预后依然存在的公共卫生挑战和农业系统脆弱性，并明确指出了当前水资源管理政策中的空白地带。这些基于证据的发现，为决策者优化自来水网络布局、调整农业用水策略、修订地下水管制区划以及优先安排监测资源提供了至关重要的科学依据。更重要的是，本研究采用的方法框架依赖于公开的全球数据集，具有良好的可移植性，有望应用于世界其他面临类似地下水砷污染问题的地区，为全球范围内减少砷相关健康影响的努力提供了有力的新工具。
