工业场地土壤重金属风险制图与污染控制的可解释机器学习框架

《Process Safety and Environmental Protection》：Interpretable machine-learning framework for risk mapping and pollution control of soil heavy metals in industrial sites

　　

摘要

准确预测和解释工业场地的土壤重金属污染对于环境保护和风险管理至关重要。虽然机器学习和基于 Shapley 加性解释（SHAP）的分析为预测和解释土壤重金属污染提供了有用工具，但在资源有限的条件下，手动选择的模型和环境信息可能无法最佳地解释复杂的空间过程，从而限制了精细化的风险管理。在本研究中，我们开发了一个土壤重金属污染评估与决策支持框架（SHMC-DSF），将自动化高阶空间特征构建、稳健特征选择、自适应模型优化、空间残差校正和基于 SHAP 的解释整合到一个统一的工作流中。对三种典型重金属：砷（As）、铜（Cu）和铬（Cr）进行了空间预测和机制识别。研究发现，SHMC-DSF 从 10 类空间和环境信息中构建了 633 个高阶特征，并通过多方法特征选择和 27 个机器学习模型的筛选，识别出了特定元素的最佳环境信息和预测模型，从而支持机制解释。使用独立的农业土壤数据集进行的跨区域验证进一步表明了该框架的潜在可迁移性。总体而言，SHMC-DSF 通过综合集成环境信息和模型，将预测结果转化为可解释的环境证据，为热点识别和污染控制决策提供了可重现的方法论支持。

引言

准确预测土壤重金属污染的空间分布并解释其空间变异的原因，是工业过程安全管理和环境风险预防的重要基础（Hou et al., 2020, Qi et al., 2025, Wang et al., 2018）。然而，土壤条件差异巨大，污染源复杂，且监测样本通常有限。这些因素使得土壤重金属污染的空间预测具有高度不确定性（Kuang et al., 2024, Wang et al., 2022, Zhang et al., 2024）。在工业场地中，污染物浓度可能在短距离内急剧变化（Chen et al., 2018, Zhao et al., 2014）。局部高值点和突变边界很常见。现有的监测数据往往无法充分描述不同区域和尺度下污染物的变化（Dutta et al., 2025, Sui et al., 2025），限制了污染热点的识别和精细尺度的管理。因此，在有限资源下构建高精度且可解释的空间预测模型已成为工业污染场地精细化管理的关键问题（Pan et al., 2025, Qu et al., 2021）。

现有的空间预测方法为污染制图提供了重要依据（Chen et al., 2015, Shi et al., 2023）。确定性插值方法，如反距离权重和样条插值，计算简单且直观可视，适合快速表示污染分布（Li et al., 2011, Zhang et al., 2020）。然而，它们主要基于距离关系估算浓度，对污染形成过程的解释能力有限（Grimm et al., 2008, Wang et al., 2023, Xie et al., 2011）。以克里金插值为代表的地统计方法，能够利用采样点之间的空间自相关性，适合描述相对连续的污染分布（Ma et al., 2024, Wang et al., 2020, Zhao et al., 2023）。尽管如此，它们在表征工业场地中常见的多源影响、局部突变和强非线性空间模式方面仍受到限制（O'Connor et al., 2020, Toetzke et al., 2022）。相比之下，机器学习方法，如随机森林和梯度提升模型，集成了包括土壤属性、地形条件、人类活动和空间位置在内的多源信息，在确定复杂非线性关系方面具有优势（Mohamoud et al., 2025）。然而，现有研究中的协变量选择和模型选择仍 largely 依赖经验判断，模型比较的范围往往有限，且不同重金属元素的最佳特征组合和预测模型可能不同（Peng et al., 2024, Situ et al., 2024）。这意味着，依赖少数预选模型很难确定它们是否真正适用于特定的重金属元素和复杂的工业场地（Goodchild, 2004, Mai et al., 2025）。因此，需要在统一框架内系统地比较和自适应选择多种预测模型（Hu et al., 2020, Tsymbal et al., 2005）。

随着机器学习在土壤重金属预测中的应用日益增加，模型可解释性已成为影响其在污染控制决策中应用的重要因素（Shi et al. 2023）。Shapley 加性解释（SHAP）等可解释方法可以量化变量对模型预测的贡献，帮助识别潜在的控制因素并解释局部预测差异（Proshad et al., 2025）。然而，SHAP 解释的是变量对模型输出的统计贡献，不能直接等同于污染机制识别（El Bilali et al., 2022, Liu et al., 2023）。其结果强烈依赖于输入特征的质量、稳定性和环境意义（Li et al., 2024）。如果特征构建未能充分提取污染分布中的关键空间信息，模型只能从可用变量中识别出相对有效的统计关联，由此产生的 SHAP 排名可能并不代表真正的驱动因素（Taghipour et al., 2011, Yang et al., 2025）。然而，如果候选特征包含大量重复信息、高相关性变量或过度的位置依赖性，SHAP 可能会将模型对空间模式的拟合误认为是污染过程（Chen et al., 2017, Wang et al., 2026）。因此，为不同重金属元素提供具有环境意义的候选特征，并进一步去除不稳定、冗余和过度依赖位置的变量，对于构建后续空间预测和机制解释更稳健的特征基础至关重要（Barkhordari et al., 2024）。

为解决这些问题，本研究开发了一个土壤重金属污染评估与决策支持框架（SHMC-DSF），用于复杂工业场地土壤重金属污染的空间预测和驱动机制解释。具体目标为：（1）构建 10 类高阶空间特征，并使用三阶段特征选择策略识别适用于不同重金属元素的关键变量组合，评估其贡献以提高空间预测精度。（2）构建由 22 个基础模型和 5 个集成策略组成的候选模型库，为不同重金属元素提供替代预测模型，并识别其最佳模型配置。（3）利用高阶特征构建和三阶段特征选择的结果为 SHAP 分析提供有效的输入信息，并结合 SHAP 解释结果与工业场地布局和土壤理化性质，分析不同重金属空间分布的主要控制因素，从而为污染热点识别和空间分异机制解释提供证据。综合来看，这些组成部分为挖掘高阶空间信息、筛选有效且非冗余的特征、自适应选择特定元素的预测模型，以及连接预测优化与机制解释提供了统一的工作流。

章节摘要

研究区域与样本采集

如图 1 所示，研究区域位于中国南方，处于亚热带季风气候区的北缘。该地区年平均降水量为 1603.8 mm，年平均气温为 16.9 °C。该场地原为荒芜丘陵地形，通过削峰填谷等工程措施转变为覆盖 27.91 km2的工业生产基地，地形变得更加平坦。该地区经历过

统计描述

如表 1 所示，结果表明该地区表层土壤中存在重金属浓度升高的现象。其中，铜（Cu）显示出显著的变化，变异系数为 320.57%，最大值为 3430 mg/kg，超标比例高达 10.75%，表明具有明显的点源污染特征。砷（As）和铬（Cr）的富集相对不那么显著，但仍存在局部超标现象，异常比例分别为 6.06% 和 2.34%，

机制分析与环境解释

重金属元素之间最佳模型的差异与其空间分布结构和环境控制过程密切相关。对于砷（As），最佳模型为集成模型（Ensemble），SHAP 结果显示建筑密度、聚类距离特征和坡度做出了相对较高的贡献。这表明砷污染可能受到工业活动强度、局部积累以及地形控制的迁移条件的共同影响。这样的

结论

本研究开发了 SHMC-DSF，用于工业场地的土壤重金属污染风险制图和污染控制。该框架集成了高阶空间特征构建、智能特征选择、自适应模型优化、空间残差校正和基于 SHAP 的解释，建立了从污染预测到机制识别的完整工作流。结果显示，633 个高阶空间特征有效提高了

资助

本研究得到了国家重点研发计划（2024YFC3711805）、浙江省自然科学基金重大项目（LD26D010001）以及京津冀区域生态环境保护国家科技重大专项（2025ZD1205801）的资助。

CRediT 作者贡献声明

李岩：写作 – 审阅与编辑，验证，资源，项目管理，方法论，资金获取。李卓然：写作 – 审阅与编辑，监督，形式分析。张卓立：写作 – 审阅与编辑，形式分析。吴向远：写作 – 审阅与编辑，写作 – 初稿，可视化，软件，方法论，调查，数据整理，概念化。王克超：写作 – 审阅与编辑，验证，形式分析。

利益冲突声明

作者声明没有竞争性经济利益。

利益冲突声明

作者声明，他们没有已知的竞争性经济利益或个人关系可能影响本论文报告的工作。

吴向远 | 王克超 | 李卓然 | 张卓立 | 李岩