《Journal of Hazardous Materials Advances》：A method of coupling machine learning and structural equation for ecological health risk assessment and driving mechanism analysis of sediments heavy metals in large artificial reservoirs: A case study of Changshou Lake in the Three Gorges Reservoir Area
编辑推荐：
专业术语翻译的摘要部分
重金属（HM）是威胁水环境健康的重要污染物。水库作为“流域污染物汇”，通过沉积作用拦截了60%~80%的重金属负荷，但长期累积可能导致二次污染风险。本研究以三峡库区腹地的长寿湖水库（CLR）为研究对象，于2021年7月至2023年3月期
专业术语翻译的摘要部分
重金属（HM）是威胁水环境健康的重要污染物。水库作为“流域污染物汇”，通过沉积作用拦截了60%~80%的重金属负荷，但长期累积可能导致二次污染风险。本研究以三峡库区腹地的长寿湖水库（CLR）为研究对象，于2021年7月至2023年3月期间采集了185份沉积物样品，测定了九种重金属（Cr、Mn、Ni、Cu、Zn、As、Cd、Hg、Pb）的浓度。研究人员采用地累积指数（Igeo）、潜在生态风险指数（PERI）和人体健康风险评价（HRA）模型评估了污染水平与风险；利用正定矩阵因子分解（PMF）模型定量解析了污染源贡献（自然/农业源占30.9%，工业源占36.8%）；创新性地引入了贝叶斯神经网络（BNN）和偏最小二乘结构方程模型（PLS-SEM）来识别各重金属空间变异的关键驱动因素及其直接与间接作用路径。结果表明，沉积物重金属总体处于可接受的生态和健康风险水平。BNN量化了具体距离因子（如距农田距离、距工厂距离）对每种金属的驱动权重，而PLS-SEM揭示了溶解氧（DO）和沉积物酶活性（DE）同时存在的促进与抑制作用。该集成框架超越了传统单一源解析模型的局限，能够回答“哪些具体空间因素最强地控制着每种金属的积累，其确定性如何？”以及“这些因素如何通过直接和间接途径相互作用共同决定污染水平？”，为大型人工水库沉积物的精准污染防控提供了可复制的方法论。
论文主体内容解读文章
研究背景、现存问题与研究意义
重金属是威胁水环境健康的重要污染物。水库作为水生态系统中的关键节点，兼具生态功能与服务价值。作为“流域污染物汇”，水库可通过沉积作用拦截60%~80%的重金属负荷，但长期累积可能引发二次污染风险。此外，由于沉积物与水相之间的相互作用，重金属在低pH等条件下可能重新释放进入水体，增加下游工农业生产和食品安全的风险。因此，研究水库沉积物中的重金属对于揭示其在维持流域生态系统健康和防治面源污染方面具有重要意义。
尽管当前在沉积物重金属污染评估方面取得了显著进展，但仍存在三个关键空白：第一，受体模型虽能量化源贡献（如自然/农业源占30.9%、工业源占36.8%），却无法识别哪些具体的空间因子（如距农田距离、距工厂距离）驱动了这些贡献的空间变异性；第二，常规回归方法（如多元线性回归MLR、地理加权回归GWR）假设线性关系，仅提供驱动因子的点估计，忽略了环境系统中固有的不确定性；第三，现有研究多聚焦于生态风险评估，缺乏明确区分成人与儿童亚群的对比概率性健康风险评价。此外，大多数研究仅关注单个驱动因子的直接效应，忽视了间接路径（如靠近果园可能通过农业径流促进污染，同时又因避开工业区而抑制污染）。
为解决上述问题，研究人员首次将正定矩阵因子分解（PMF）、贝叶斯神经网络（BNN）和偏最小二乘结构方程模型（PLS-SEM）集成为一个创新框架，应用于三峡库区腹地的大型人工水库——长寿湖水库（CLR）。该框架不仅回答了“污染来自何种源”的问题，更进一步阐明了“哪些具体景观因素在何处以及以多大强度影响金属积累”，从而为精准污染防控提供了更具操作性的科学依据。
主要关键技术方法
研究人员首先于2021年7月至2023年3月在长寿湖水库（CLR）设置37个采样点，共采集185份沉积物样品，采用电感耦合等离子体质谱仪（ICP-MS）测定Cr、Mn、Ni、Cu、Zn、As、Cd、Hg、Pb九种重金属浓度，并实施了严格的QA/QC质量控制程序。关键技术方法包括：（1）地累积指数（Igeo） 和潜在生态风险指数（PERI） 用于评估污染水平和生态风险；（2）人体健康风险评价（HRA）模型 用于评估成人和儿童的健康风险；（3）正定矩阵因子分解（PMF） 用于定量解析污染源贡献；（4）贝叶斯神经网络（BNN） 用于量化具体空间距离因子对各重金属的驱动权重并提供不确定性区间；（5）偏最小二乘结构方程模型（PLS-SEM） 用于分解总效应为直接和间接路径，揭示驱动因子间的交互作用机制。
研究结果
（1）重金属污染特征与风险评价
研究人员通过地累积指数（Igeo）和潜在生态风险指数（PERI）评估发现，长寿湖水库（CLR）沉积物中重金属整体处于轻度至中度污染水平，潜在生态风险较低。人体健康风险评价（HRA）模型结果显示，沉积物重金属对成人和儿童均构成可接受的健康风险，非致癌风险指数（HI）和总致癌风险（TCR）均低于安全阈值。
（2）污染源解析
通过正定矩阵因子分解（PMF）模型，研究人员定量解析出三个主要污染源：自然/农业源贡献率为30.9%，工业源贡献率为36.8%，交通/混合源贡献率为32.3%。其中，Cr和Ni主要受自然源控制，Cu、Zn、As和Pb主要受工业活动影响，Cd和Hg则与农业活动和大气沉降密切相关。
（3）空间驱动因素识别
利用贝叶斯神经网络（BNN），研究人员量化了各空间距离因子对不同重金属的驱动权重。结果表明，距工业用地距离对Cu、Zn、Pb的积累具有最强的负向驱动效应（即越靠近工业区浓度越高），而距农田距离则对Cd和Hg的影响最为显著。BNN还提供了各驱动权重的概率分布，揭示了环境系统中的不确定性。
（4）直接与间接作用路径分析
偏最小二乘结构方程模型（PLS-SEM）进一步揭示了驱动因子的复杂交互作用。研究发现，溶解氧（DO）和沉积物酶活性（DE）对重金属积累表现出双重作用：一方面，DO可通过氧化作用促进重金属的固定；另一方面，低氧条件又可能诱导铁锰氧化物的还原性溶解，导致吸附态重金属的释放。PLS-SEM成功将总效应分解为直接效应和间接效应，表明土地利用类型不仅直接影响重金属浓度，还通过改变水体和沉积物理化性质间接影响污染水平。
讨论总结与研究结论
在讨论部分，研究人员指出，所提出的PMF-BNN-PLS-SEM集成框架有效弥补了传统方法的不足。与单独使用PMF相比，该框架能够从“污染源是什么”深入到“哪些具体空间因子在何处以及以何种强度驱动污染”。与多元线性回归（MLR）和地理加权回归（GWR）相比，贝叶斯神经网络（BNN）能够捕捉非线性关系并提供带有不确定性区间的概率重要性度量，在小样本条件下通过贝叶斯正则化保持稳健性。偏最小二乘结构方程模型（PLS-SEM）则能揭示直接与间接路径，提供单方程模型无法获得的机理见解。
研究人员特别强调了大型人工调节水库特有的环境危害：周期性水位波动使浅层沉积物暴露于交替的氧化和缺氧条件下，促进铁锰氧化物的还原性溶解，导致吸附态重金属（如Cd、Ni）的迁移；同时，夏季季节性热分层形成底部缺氧水体，进一步增强了沉积物向上覆水体的金属释放。这种沉积物从暂时性汇转变为持续性源的延迟负面效应，构成了常规快照式评估中常被忽视的长期潜在释放风险。
研究结论：长寿湖水库（CLR）沉积物重金属总体上处于可接受的生态和健康风险水平。自然/农业源（30.9%）和工业源（36.8%）是主要的污染来源。贝叶斯神经网络（BNN）成功量化了各空间驱动因子对不同金属积累的重要性，而偏最小二乘结构方程模型（PLS-SEM）揭示了溶解氧（DO）和沉积物酶活性（DE）同时存在的促进与抑制作用。该集成框架为大型人工水库沉积物重金属污染的精准源头控制和空间靶向管理策略提供了科学依据和可复制的方法论。
