基于多机器学习模型预测与评估中国高氟地下水分布:大数据驱动的地学空间分析

《Ecotoxicology and Environmental Safety》:Predicting and assessing the distribution of high-fluoride groundwater in China using multiple machine learning models: A big data-driven geospatial analysis

【字体: 大 中 小 】 时间:2026年08月10日 来源:Ecotoxicology and Environmental Safety 6.6

编辑推荐:

  摘要翻译:饮水型氟中毒仍是中国农村地区持续依赖高氟地下水所面临的主要公共卫生问题。本研究利用迄今最大规模的全国统一数据集——涵盖138,180个点位记录及跨越气候、地形、土壤、水文、地质和火山领域的38个环境预测变量——开发了人工神经网络(ANN)、随机森林(

  
摘要翻译:饮水型氟中毒仍是中国农村地区持续依赖高氟地下水所面临的主要公共卫生问题。本研究利用迄今最大规模的全国统一数据集——涵盖138,180个点位记录及跨越气候、地形、土壤、水文、地质和火山领域的38个环境预测变量——开发了人工神经网络(ANN)、随机森林(RF)和逻辑回归(LR)模型,并通过空间分块5折交叉验证进行评估,以减轻空间自相关并提高地理泛化能力。所有模型均表现出强大的空间泛化性能,精确率-召回率曲线下面积(PR_AUC)分别为0.985(ANN)、0.992(RF)和0.956(LR)。所得概率风险图揭示了既有已知及此前未被充分认识的高氟区域,包括东北平原、华北平原、内蒙古及中国西北部分地区,以及新发现的重点候选区域,如江汉平原、三江平原以及准噶尔盆地和塔里木盆地边缘。据估计,有4078万至5477万农村居民居住在预测的高风险区域。气象条件、地形-土壤属性及火山-地质因素被确定为主要控制氟富集的因素。这一三模型比较框架为国家地下水氟中毒风险评估提供了经过验证的、可扩展的工具,并为有针对性的监测、缓解策略和地下水安全管理提供了可操作见解,同时也为蒙古和哈萨克斯坦等环境相似区域提供了可适用的框架。
论文解读文章

一、研究背景与问题

饮水型氟中毒是中国农村地区长期存在的重大公共卫生问题。由于许多农村居民持续依赖高氟地下水作为饮用水源,氟中毒风险依然严峻。中国已有28个省份和新疆生产建设兵团确认受到影响,约7207万人面临风险。尽管在已识别的病区实施了改水工程,但部分区域地下水天然氟浓度过高,难以找到合适的低氟水源,导致氟超标区域持续存在。地下水氟浓度受多种环境因素控制,包括含氟矿物的分布、地貌、水文气候、土壤性质、火山活动及人类活动等。然而,以往全国尺度的评估存在样本量较小、环境协变量不完整、依赖单一模型框架等局限,无法充分评估预测不确定性和模型特异性偏差。此外,传统的基于历史病区村记录的制图方法无法覆盖未监测区域,缺乏空间显式概率评估,难以揭示隐藏的高风险区域。标准随机交叉验证忽视了空间自相关,导致性能估计过于乐观。因此,亟需建立更全面、空间验证的风险制图方法。

二、研究内容与主要结论

研究人员建立了中国首个多模型比较框架,用于高氟地下水风险的空间交叉验证预测。该研究整合了最大规模的全国地球化学氟数据库,包含138,180个点位记录(70,479个高氟测量点和67,701个对照点),覆盖28个省级行政区,并采用38个环境预测变量,涵盖气候、地形、土壤、水文、地质和火山领域。研究开发了人工神经网络(ANN)、随机森林(RF)和逻辑回归(LR)三种模型,并通过空间分块5折交叉验证(S-CV)评估模型性能,以缓解空间自相关影响。结果表明,所有模型均表现出强大的空间泛化能力,精确率-召回率曲线下面积(PR_AUC)分别为0.985(ANN)、0.992(RF)和0.956(LR)。概率风险图显示,高风险区主要集中于东北平原、华北平原、内蒙古及西北部分地区,并新发现江汉平原、三江平原以及准噶尔和塔里木盆地边缘等潜在高风险区。人口评估显示,约4078万至5477万农村居民居住在预测高风险区域。气象条件、地形-土壤属性和火山-地质因素被确定为主要控制因素。该研究提供了经过验证的、可扩展的工具,支持国家地下水氟中毒风险评估和针对性管理。

三、主要技术方法

本研究采用的关键技术方法包括:(1)数据整合与预处理:基于1985年全国村庄抽样框架,收集并清洗得到138,180个点位记录,将坐标从BD-09转换为WGS 1984;(2)特征工程:对连续变量标准化,分类变量转换,通过单变量逻辑回归筛选初步关联,利用方差膨胀因子(VIF)评估多重共线性,并针对各模型采用不同特征选择策略(LR采用逐步选择,RF基于袋外置换重要性,ANN采用递归特征消除);(3)空间交叉验证:采用随机5折交叉验证(R-CV)和空间块5折交叉验证(S-CV),将中国划分为50km×50km网格块,确保训练和验证数据来自不同地理区域;(4)模型训练与评估:在每折内调整超参数,使用准确率、灵敏度、特异度、精确率、F1分数、AUC和PR_AUC等指标评估性能;(5)预测制图:以0.05°×0.05°分辨率生成概率图,使用反距离加权(IDW)进行平滑;(6)人口风险评估:叠加预测高风险区域与1km分辨率的农村人口数据,计算受影响人口数量。

四、研究结果

4.1 关键预测指标分析

逻辑回归模型显示,土壤盐基饱和度(T_bs)与高氟风险呈最强正相关(OR=27.90,95%CI:24.770–31.452),而海拔呈最强负相关(OR=0.004,95%CI:0.003–0.004)。所有变量均具有统计学显著性(p<0.001)。

4.2 地下水氟富集的环境控制因素

三种模型对变量重要性的响应存在显著差异。ANN模型主要响应动态地球化学和土壤盐度参数,海拔、表层土壤盐度(T_ece)、黏粒阳离子交换量(T_cec_clay)、暗色栗钙土(Su_sym_KSh)和蒸发量(EVP)为主要预测因子。RF模型对空间配置和区域地质背景更敏感,特别是距火山中心距离(Volc_dist)和蒸发影响。LR模型更依赖分类地质和土壤属性,如钙质冲积土(Su_sym_FLc)、第四纪年龄(Geo_age_Q)、海拔和土壤性质(T_bs)。非线性分析显示,低海拔平原(<200m)、年蒸发量1500–2000mm、地形湿度指数(TWI)15–20的区域氟概率升高。土壤条件如T_cec_clay=50–70%、T_ece=0–2dS/m、T_bs>90%、表层土壤钠吸附比(T_esp)=2–4%、表层土壤碳酸钙含量(T_CaCO3)=10–20%促进氟迁移。距火山中心200km内氟概率峰值达30–35%,超过400km后逐渐降低。

4.3 地下水氟风险预测图

随机交叉验证下,所有模型均表现出高且稳定的性能,平均AUC分别为0.992±0.001(ANN)、0.990±0.001(RF)、0.961±0.002(LR)。空间交叉验证下,AUC降低且变异性显著增加(SD增加6–20倍),分别为0.972±0.011、0.980±0.007、0.943±0.024。结果表明R-CV低估了预测不确定性,S-CV提供了更现实的泛化评估。RF模型在空间交叉验证中表现出最高的稳定性,LR波动最大。

4.4 高氟地下水空间分布

三种模型预测的氟概率>0.5的区域分别占国土面积的25.2%(ANN)、20.0%(RF)和21.0%(LR)。高风险区主要集中在中部、东部和东北部。模型间空间重叠覆盖13.7%的国土,包括东北平原、华北平原、内蒙古及西北部分地区。ANN突出土壤地球化学和盐度梯度控制的区域,RF强调火山邻近性和蒸发影响的区域,LR划定由地质和土壤类型定义的广阔低洼区域。新发现候选高风险区包括江汉平原、三江平原及准噶尔和塔里木盆地边缘。

4.5 预测可靠性与不确定性

高置信度高氟区域(概率0.6–1.0)占中国15.9–21.5%,集中在历史病区。低置信度安全区域(0–0.4)占72.3–78.5%,主要位于南部和西部。不确定区域(0.4–0.6)占全国比例ANN为6.2%、RF为4.2%、LR为10.0%,主要位于高氟和低氟区域的过渡边界。ANN具有最小的不确定区域和最高的高置信度预测比例,表明其提供最稳定和保守的空间分类。

4.6 预测模型性能与制图精度

最终模型在完整数据集上评估,ANN、RF和LR的PR_AUC分别为0.985、0.992和0.956,总体准确率≥87%。预测高氟区与文档记录的高氟村庄匹配率在87.0%至95.3%之间。校准散点图显示所有模型在较高概率(>0.6)时校准良好,但低概率范围存在系统性偏差。与以往研究相比,本研究的模型性能显著提升,以往ANN模型AUC约0.86,RF模型AUC约0.85–0.92。

4.7 高风险预测区域人口风险评估

通过叠加预测高风险区域(概率≥0.5)与农村人口分布,估计ANN、RF和LR模型对应的农村居民数分别为约5115万±232万、4078万±77万和5477万±124万。人口在预测高风险区域呈显著空间聚集,华北平原是密度最高的区域。敏感性分析显示,概率阈值从0.4到0.6变化时,人口估计呈单调下降,RF模型鲁棒性最强。

五、讨论与结论

讨论部分强调,三种模型对氟富集控制因素的不同敏感性提供了互补的机制理解。海拔和蒸发量在所有模型中的一致性表明地形和气候的支配作用,而ANN捕捉到蒸发浓缩和离子交换过程,RF突出火山邻近性的空间控制,LR则识别出第四纪松散沉积物和碱性土壤的线性关联。空间预测的分歧反映了不同算法对共存水文地球化学驱动因素的敏感性差异,模型共识区域指示多种控制因素汇聚,分歧区域则代表单一机制主导。不确定性分析显示,模型置信度在环境梯度陡峭和多种因素交互的区域呈结构化下降,为独立地面验证提供了信息增益最大的区域。人口估计表明,尽管改水工程已降低许多历史病区的氟浓度,但自然地质条件仍有利于氟富集,华北平原是需要持续监测的优先区域。管理策略应根据风险类别和干预历史分层制定,对于已实施改水的病区需持续监测验证长期效果,对于未干预的候选区域需先进行现场验证。

研究结论:该研究开发了首个空间交叉验证的多模型框架(ANN、RF、LR),用于中国全国尺度高氟地下水预测,使用138,180个点位记录和38个环境预测变量。比较方法减少了算法特异性偏差,同时实现了强预测性能(PR_AUC>0.95)和空间泛化能力。结果表明,预测的天然地质风险主要集中于低海拔平原和干旱至半干旱地区,蒸发、土壤性质、地质和火山条件共同促进氟富集。模型共识确认了已知病区,而分歧揭示了新的候选热点(江汉平原、三江平原、准噶尔和塔里木盆地边缘)等待现场验证。预计4078万至5477万农村居民居住在预测高风险区域,华北平原是优先监测区域。该可扩展、空间交叉验证的工具支持国家地下水安全管理,并为类似氟影响区域提供了可复制的途径。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号