评估受采矿影响的土壤中的痕量金属（类金属）：基于区间数排序的污染分布特征分析

《Journal of Hazardous Materials》：Assessing Trace Metal(loid)s in Mining-Affected Soils: Vector-Based Contamination Patterns derived from Interval Number Sorting

　　

摘要

本研究旨在解决传统多金属土壤污染评估方法在空间、时间和结构方面的局限性。传统的评估指标，如污染负荷指数（PLI），依赖于金属浓度的标量聚合，这往往会掩盖元素间的关系，如相对优势性和共存结构。为克服这一局限，我们引入了一种基于区间数排序的保结构框架，该框架将多金属数据转换为离散的向量配置，同时保留元素间的组成依赖关系。为考虑地球化学异质性和时间动态性，研究加入了特定地点的背景浓度值，以控制局部地质变化的影响，并采用熵加权时间模型，提高对近期环境状况的敏感度。将该框架应用于韩国受采矿影响的农业地区的3,849份土壤样本后发现，特定地点的背景浓度阈值有助于稳定基线估算，而时间加权则可防止近期污染信号被历史数据稀释。基于INS的拓扑分析显示，理论状态空间内的结构稀疏度仅为0.33%，表明区域内的多金属共存是由协同约束而非随机积累过程所控制的。这种结构控制与主要的矿物学控制因素高度一致，后者决定了地球化学物质的迁移，进而影响近地表环境中的元素分布。此外，随着污染程度的增加，污染发展呈现出明显的二元分叉现象，要么以镉为主导，要么以砷为主导。这些发现表明，土壤污染是通过受约束的地球化学路径发展的，而非随机积累过程。通过保留痕量金属之间的相对浓度关系，所提出的框架能够识别出主要的污染格局及其演变轨迹，从而推动土壤污染评估从基于浓度的评价向基于路径的解释转变。

引言

随着矿业区环境管理在可持续发展中的重要性日益凸显，解决土壤污染问题仍是一项重要挑战。土壤是陆地生态系统的重要组成部分，既是痕量金属的汇，也是其源。由于痕量金属具有毒性、持久性和不可生物降解性，它们容易在土壤中积累，对生态系统和人类健康构成重大威胁（Fan等人，2022；Liu等人，2024；Jiao等人，2026）。受采矿影响的地区尤其脆弱，因为高强度的开采和加工活动会加速痕量金属的积累，进而导致其在食物链中的生物放大作用。最近的全球范围荟萃分析表明，采矿作业附近的痕量金属污染会给生态系统带来严重风险，还会对当地居民造成广泛的致癌和非致癌危害，其中农业土壤中镉和锌等可移动元素的富集程度明显高于非农业用地（Chen等人，2022；Gao等人，2026）。

在韩国，过去几十年对废弃矿区的管理不善，导致周边农业土壤普遍受到痕量金属污染。尽管一直在努力进行修复，但由于高昂的经济成本和技术限制，有效控制污染仍然面临困难（Myung等人，2024；Kim等人，2025a）。因此，准确识别污染源和结构风险模式对于确定修复优先级以及防止污染物在不同地质区域扩散至关重要（Zeng等人，2023；Xu等人，2025；Luo等人，2026）。为支持区域尺度的风险筛查，人们广泛使用了各种污染指标，包括污染负荷指数、地球积累指数和潜在生态风险指数。然而，这些传统指标通常依赖于全国统一的背景浓度值，无法体现区域地质差异（Liu等人，2019；Liu等人，2021；Xiang等人，2022；Qian等人，2025）。在矿业地区，这一局限性尤为突出，因为自然痕量金属背景浓度会因岩石类型的不同而存在显著差异，从而导致系统性的空间浓度偏差，要么高估自然地质富集程度，要么低估人为污染输入。因此，建立特定区域的背景浓度值是区分自然地质差异和人为污染特征的重要前提（Han等人，2024；Chen等人，2025；Wu等人，2025）。

即便考虑了地质空间的差异性，传统评估方法仍然受到其依赖于多金属系统标量表示的局限。多金属污染本质上是一个多变量系统，其特征是元素间存在相互依赖的关系、共存模式以及样本内的优势等级结构。通过将这种高维的多元素特征简化为单一的标量值，传统指标不可避免地会丢失对污染源解析和动态风险分析至关重要的结构信息（Ren等人，2022；Tenailleau等人，2024；Qin等人，2026）。虽然多元统计技术和算法具备预测能力，但在捕捉这些内部多元素结构方面存在严重缺陷。具体而言，主成分分析和正矩阵因子化通过连续线性分解来优化整个数据集的方差和因子特征。由于侧重于整体分布，这些因子分析方法会削弱样本内元素间的离散有序等级关系，即样本内元素之间的局部大于/小于优势关系（Anaman等人，2022；He等人，2025；Kazapoe等人，2025）。同时，机器学习算法将浓度视为连续的、独立的坐标维度，缺乏将共存元素的组合映射到统一拓扑空间中的结构约束机制（Zhao等人，2023；Huang等人，2025）。因此，这些现有方法无法保留内在的多元依赖关系，进而无法揭示控制复杂环境混合物的离散共存结构和逐步过渡路径。

这种方法上的缺陷凸显出需要一种能够保结构的框架，将多金属污染视为一个相互关联的多变量系统，而非一系列独立的或基于等级的指标。为应对这些挑战，本研究提出了一种基于区间数排序的保结构矢量化框架，用于处理多金属污染数据。这种基于向量的方法的独特优势在于，它既能过滤掉随机数据噪声，又能将复杂的多元素特征抽象为不同的地球化学相。与依赖严格的阈值设定或有损的标量简化不同，INS方法能将原始且不确定的浓度数据转换为干净的、n维的离散向量序列，明确编码不同等级的分类变量组合。因此，这一矢量化过程能够系统地保留每个样本中元素间的相对优势关系和共存结构。

本研究的具体目标是通过三级逐步优化框架来实现：（1）利用特定区域的背景浓度值并结合熵加权时间模型来纠正空间浓度偏差，提高对当前污染信号的敏感度；（2）使用INS方法对优化后的多金属数据进行矢量化处理，将连续的多元素浓度曲线转换为保持结构的离散向量配置；（3）在有限的多元空间内系统地解析这些结构配置，以及土壤污染的路径依赖型演变过程。最终，通过建立原始地球化学数据与非平衡土壤行为之间的稳健数学联系，该框架为解读复杂的多金属污染分布提供了先进的、可预测的模型。

章节摘录

数据收集

痕量金属浓度数据来源于韩国矿山复垦公司发布的MIRECO统计年鉴，时间跨度为2012年至2023年。这些数据反映了韩国各地废弃金属矿周围的污染状况。研究选择了六种痕量金属——砷、镉、铜、镍、铅和锌，因为它们被列入韩国《土壤环境保护法》规定的重点土壤污染物。分析流程包括五个关键阶段：样本采集（样本数量为3,849个）

土壤痕量金属污染特征

通过确定特定地区的背景浓度值并分析其与全国背景浓度值的空间分布差异，研究了研究区域内的痕量金属地球化学特征。在整个研究区域范围内测得的特定背景浓度值（单位：毫克/千克）的平均值为：砷32.3，镉0.87，铜25.1，铅25.1，锌90.0，镍22.0。将这些全区域平均值与各地区的特定背景浓度值进行比较后，发现存在明显的空间差异，表明不同地区的地球化学特征存在差异（表S5）。值得注意的是，

区域背景浓度

通过基于迭代回归的累积概率分布方法和稳健的中位数绝对偏差方法，得出了特定地区的背景浓度阈值，以此来评估研究区域内的痕量金属地球化学特征（见表S4）。通过将特定地区的背景浓度值与人为异常值分开，这两种互补的统计方法为后续的污染评估提供了坚实的基础（Kuang等人，2023；Azmi等人，2025）。研究结果表明

结论

本研究通过解决传统评估方法在空间、时间和结构方面的局限性，对多金属土壤污染进行了评估。通过结合特定地区的背景浓度阈值和熵加权时间模型，实现了对基准值的精准优化。通过排除自然地质差异的影响，区域化的背景浓度值有助于稳定风险分类，而时间参数化则确保该框架能够及时反映当前的污染状况

资金支持

本研究得到了韩国环境部（KEITI；RS-2026-25506886）的支持

CRediT作者贡献声明

Cho Kanghee：撰写——审稿与编辑，撰写——初稿。Choi Nagchoul：概念构思。

利益冲突声明

作者声明，他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

Kanghee Cho|Nagchoul Choi

韩国大学矿产资源研究中心，韩国首尔02841