《Environmental Pollution》：Spatial patterns, source apportionment, and environmental correlates of soil potentially toxic elements in an arid high-altitude mining area of Wuqia County, Xinjiang, China
编辑推荐：
•SOM、APCS-MLR、PMF和LightGBM-SHAP构成了一个证据分级框架。•该阶段性框架将非线性模式与定量因子贡献联系起来。•全样本PMF在93%的重采样中再现了全部五种因子分布特征。•空间袋外验证减少了空间信息泄漏并检验了关联的稳定性。•局部化Cd-Pb-Zn富
- •
SOM、APCS-MLR、PMF和LightGBM-SHAP构成了一个证据分级框架。
- •
该阶段性框架将非线性模式与定量因子贡献联系起来。
- •
全样本PMF在93%的重采样中再现了全部五种因子分布特征。
- •
空间袋外验证减少了空间信息泄漏并检验了关联的稳定性。
- •
局部化Cd-Pb-Zn富集指导了粉尘管控和目标监测。
引言
土壤中潜在有毒元素（PTEs）会持续存在并累积，可能通过无意识摄入土壤或粉尘、吸入、皮肤接触、食物作物和水生食品等途径进入人体。根据剂量、化学形态和暴露途径的不同，As及部分Cr物种具有致癌性；Cd可损害肾脏和骨骼；Pb和Hg可损害神经和肾功能；Ni可引起呼吸道或皮肤毒性；过量Cu或Zn可干扰必需金属元素稳态（Hou et al., 2023; Qi et al., 2025）。因此，土壤总浓度只能指示污染潜力，但本身不能确立生物有效性或健康风险。对鱼子酱和罐装鱼类、里海水沉积物以及城市路边土壤的研究进一步表明，暴露的重要性取决于环境基质和暴露途径（Hosseini et al., 2013; Khalijian et al., 2022; Sobhanardakani et al., 2018; Hosseini and Sobhanardakani, 2024）。这一公共卫生背景使得确定PTEs在何处共存以及哪些过程可能导致其空间分布模式变得至关重要。
在矿化地形中，这一任务尤为困难，因为天然丰度和风化作用与采矿、矿石加工、废石和尾矿储存、矿石运输及道路扬尘相互重叠（Ni et al., 2025; Yuan et al., 2020; Zhang et al., 2021b; Zhang et al., 2023a）。干旱高海拔条件进一步增加了空间异质性：弱淋溶作用和稀疏植被有利于地表滞留和风再悬浮，而间歇性降水和融雪可沿山坡和冲沟重新分配细颗粒物质（Ma et al., 2026; Wang et al., 2020; Xu et al., 2024）。由于一个来源可能释放多种元素，而一种元素可能来自多个来源，浓度值、两两相关性以及孤立的热点区域无法可靠地区分地质背景与采矿、工业、农业和交通输入（Liu et al., 2024; Wang et al., 2021; Wang et al., 2025b）。因此，以源为导向的评估必须将多元素模式与定量的潜在来源贡献及其空间环境背景联系起来。
现有方法通常只涉及这一证据链的部分环节。传统多元分析方法揭示了协方差和潜在来源结构，而绝对主成分得分–多元线性回归（APCS-MLR）可将因子得分转化为元素和站点特异性的贡献；然而，因子归属仍然依赖于成分、空间和背景证据（Qu et al., 2020, 2021; Thurston and Spengler, 1985; Wu et al., 2020）。自组织地图（SOM）可保留非线性数据拓扑并划分多元素样本模式，但无法量化来源贡献（Fan et al., 2026; Kohonen, 1982; Shi et al., 2022）。LightGBM（轻量级梯度提升机）和SHAP（SHAPLEY加性解释）可以描述估计贡献与外部条件之间的非线性关联，但前提是采用了空间验证且不能将SHAP解释为因果关系（Ke et al., 2017; Lundberg et al., 2020; Ma and Tourani, 2020; Roberts et al., 2017）。近期的概率方法将健康风险模拟与回归相结合，以传播暴露估计中的不确定性（Sobhanardakani and Hosseini, 2026），但风险建模并不能取代模式识别、源解析和环境关联分析这三项截然不同的任务。
在此背景下，我们调查了中国新疆乌恰县一个干旱高海拔矿区155个表层土壤样本和8种PTEs。我们提出了三个相互关联的问题：（i）出现了哪些多元素模式和局部化富集区；（ii）哪些潜在来源因子解释了元素和站点层面的贡献；（iii）哪些环境和人为协变量与这些贡献相关，以及在空间袋外评估下这些关联有多稳定？本研究的创新点不在于提出新的独立算法，而在于一种可审计、考虑不确定性的递进过程：SOM识别模式，改进的APCS-MLR量化潜在来源贡献，全样本PMF敏感性分析评估因子模式的重现性，空间评估的LightGBM-SHAP对下游关联强度进行分级。这种证据角色的分离减少了循环验证，并支持以源为导向的监测，同时不会将统计因子与已确认的排放源混为一谈。
各章节摘要
研究区域
研究区域面积约203.36 km2，位于中国新疆维吾尔自治区西南部乌恰县（东经74°58′–75°23′，北纬39°37′–39°52′）。该区域包括高海拔山区、山前冲积扇、冲沟和山间盆地中的矿山、矿石加工厂、废石堆场以及谷型尾矿库。海拔范围为1954至2466米（均值2233.90米），坡度为0至39.80°（均值10.25°）。温带大陆性干旱气候
PTE浓度及站点间变异
土壤pH值范围为7.75至9.58（均值8.48），所有样本均属于GB 15618-2018中pH > 7.5的类别。平均浓度顺序为Zn > Pb > Cr > Cu > Ni > As > Cd > Hg（表1）。Cd、Pb和Zn的分布呈强烈右偏：其中位数和四分位数远低于均值，因为局部高浓度观测值将均值拉高。因此，我们使用中位数和四分位数来描述区域典型条件，并将均值主要解释为
讨论
干旱地区的采矿相关输入与异质性地质背景相互作用，可能导致局部而非均匀的土壤富集。在乌恰，Cd–Pb–Zn富集主要集中在废石堆场和加工厂附近，而As–Cr富集则分布更为广泛。类似的空间异质性已被归因于矿石类型、母质、土地利用和背景浓度（Yuan et al., 2020; Zhang et al., 2021b; Saha et al., 2024; Wang et al., 2025a）。弱
结论
本研究的中心贡献是一种证据分级框架，用于在地质复杂的矿区景观中区分局部化的多元素模式、潜在来源贡献和环境关联。在乌恰的应用表明，主要的管理关切是一种空间集中的Cd–Pb–Zn元素组合叠加在更广泛的地质和混合来源变异之上，而非全部八种PTEs的均匀升高。
从科学角度看，为不同的
生成式人工智能和AI辅助技术在论文准备过程中的声明
在本工作准备过程中，作者使用ChatGPT和Codex（OpenAI）进行英文翻译、语言编辑以及提高论文的清晰度和可读性。作者对输出内容进行了审核和编辑，并对已发表文章的内容承担全部责任。
CRediT作者贡献声明
xiaoyang liu：写作–审稿与编辑，验证，监督，软件，项目管理，方法论，概念化。Guochen Liu：写作–审稿与编辑，验证，方法论，调查，形式化分析，数据管理。Teng Hu：写作–审稿与编辑，验证，监督，软件，方法论。Zusheng Zeng：写作–初稿，可视化，方法论，调查，形式化分析，数据管理，概念化。Lin Qi：形式化分析，
未引用参考文献
Chen et al., 2023; Fei et al., 2020; Kou et al., 2023; Liu et al., 2022a; Wei et al., 2023; Xu et al., 2025; Yan and Yang, 2025; Yang et al., 2024; Zhao et al., 2023.
资金支持
本研究由中国国家重点研发计划资助［项目编号2024YFF1308002］。
利益冲突声明
? 作者声明不存在可能影响本论文所报告工作的已知竞争性经济利益或个人关系。
致谢
作者衷心感谢在现场样本采集和数据处理方面提供的帮助。
Zusheng Zeng | Lin Qi | Guochen Liu | Teng Hu | Xiaoyang Liu
