《Soil & Environmental Health》：Coupling positive matrix factorization with machine learning to quantify contamination sources and map health risks of heavy metals in karst soils
编辑推荐：
本研究针对喀斯特生态系统因高地球化学背景与人为活动交织带来的重金属环境风险，通过整合PMF、RF和MGWR模型，对广西674个表土样本进行了系统的源-风险评估。研究发现Cd和Hg富集程度最高，PMF揭示了不同土地利用类型的污染源特征，MGWR识别了关键环境驱动因子。研究强调了地质过程与人为活动的交互作用，为喀斯特地区土壤精准治理提供了科学依据。
在独特的喀斯特地貌区域，脆弱的生态环境与剧烈的人类活动相互交织，使得土壤重金属污染问题尤为复杂和严峻。中国广西壮族自治区作为典型的喀斯特地区，其地下河网发达、渗透性强的水文特征，如同为污染物的迁移铺设了“高速公路”，加剧了重金属向地下水扩散的风险。与此同时，该地区作为中国十大有色金属产区之一，密集的采矿和冶炼活动将大量人为排放的重金属叠加在原本就偏高的地球化学背景值之上，形成了“雪上加霜”的污染局面。然而，传统的评估方法难以精确区分自然来源与人为贡献，也无法有效捕捉不同空间尺度上驱动因素的局部变异，这严重制约了针对性的风险管控和土壤修复策略的制定。为了破解这一难题，研究人员在《Soil》上发表论文，开展了一项从污染源到健康风险的系统性研究。
本研究主要采用了三种关键模型方法：正矩阵因子分解(PMF)模型用于定量解析不同土地利用类型下的污染来源及其贡献率；随机森林(RF)模型利用筛选出的10个关键环境变量，对土壤重金属空间分布进行非线性预测；多尺度地理加权回归(MGWR)则用于揭示各环境驱动因子对重金属浓度的空间非平稳性影响及其尺度效应。研究基于2020年在广西全区按20×20 km网格布点采集的674个表层土壤（0-20 cm）样本进行分析。
3.1. 金属氧化物及其理化性质
土壤中主要氧化物为SiO2(63%)、Al2O3(18%)和Fe2O3(6.4%)，而CaO平均含量极低(0.5%)，反映了强烈淋溶作用。土壤有机质(SOM)平均含量(3.3%)高于区域背景值。36种测试金属/类金属中多数浓度超过当地背景值，其中Cd和Hg富集程度最高，分别为背景值的3.83和6.75倍。
3.2. 土壤金属/类金属污染状况
重金属浓度呈现右偏分布，空间变异性显著（变异系数24%-447%）。空间插值显示污染热点区主要集中于桂中、桂西的工业和采矿密集区。尽管所有测值均低于农用地土壤污染风险管控标准，但Cd和Hg等元素的污染指数(PI)已超过1，表明存在人为污染。
3.3. 金属/类金属、金属氧化物与理化参数的相关性
Spearman相关分析显示大多数金属/类金属之间存在强正相关，反映了喀斯特风化过程中“共富集”效应。主成分分析(PCA)提取的两个主成分累计解释42%的方差，PC1(31%)代表自然成矿与人为输入的共同影响，PC2(11%)则反映元素的局部富集特征。
3.4. 土壤金属/类金属来源解析
PMF解析出四个主要来源因子，且贡献率随土地利用类型呈现显著空间异质性。因子1（自然风化源）在林地中占主导(67%)；因子2（农业输入源，以As、Cd为代表）在草地中贡献显著；因子3（交通相关源，含Cu、Hg、Pb）是 riparian land (58%) 的主要来源；因子4（工业采矿/冶炼源，含Cr、Zn、Ni）则主导建设用地(82%)的污染贡献。
3.5. 空间预测与污染风险评价
RF模型对8种主要重金属的空间分布预测效果良好（R2 > 0.7），结果显示高浓度热点区与工业、采矿活动密集区高度重叠。MGWR分析进一步揭示了关键环境驱动因子的空间非平稳性影响：化学蚀变指数(CIA)、CaO含量、Fe2O3含量等与多种重金属浓度呈显著空间关联。风险评价表明，48%的研究区域属于重度污染(PI > 1)，7.7%的区域存在高生态风险，其中As和Cd是主要贡献元素。健康风险方面，儿童比成人面临更高风险，64%的区域儿童致癌风险超过安全阈值，As、Cr和Ni是优先控制的致癌物。
研究结论强调，喀斯特地区土壤重金属污染是地质过程与人为活动共同作用的结果。碳酸盐岩风化一方面通过酸化作用活化重金属，另一方面其形成的次生碳酸盐矿物又对Cd和Pb起到固定作用，这为利用碳酸盐类改良剂进行原位稳定化修复提供了思路。工业区As、Cr和Ni造成的不可接受的致癌风险需优先管控。该研究构建的PMF-RF-MGWR集成框架，实现了对喀斯特异质环境下土壤重金属从源解析到风险空间映射的系统评估，为类似地质背景地区的精准环境管理提供了方法论借鉴和实践参考。
