长期施肥驱动土壤—作物—人体系统中镉风险的差异化演变：对中国食品安全管理的启示

《Soil & Environmental Health》：Prolonged fertilization drives differential cadmium risks across soil–crop–human system: implications for food safety management in China

　　

长期施肥导致土壤—作物—人体系统中镉（Cd）风险的差异化演变：对中国食品安全管理的启示 全球农业土壤中重金属的积累对食品安全和人体健康构成日益严重的威胁。施肥是镉（Cd）进入农田生态系统的主要且持续的途径之一，然而施肥驱动的土壤和作物中镉积累的影响仍存在高度不确定性。本研究首先汇编了中国无机肥料和畜禽粪便中镉浓度的大量数据集，以及成对的土壤—小麦观测数据。以小麦作为代表性主粮作物，研究人员开发了一个将机器学习（ML）与年度质量平衡（MB）模型相结合的框架，在不同施肥情景下模拟土壤—小麦—人体系统中的镉风险。最后，利用预测的超标概率来比较管理选项，并确定降低未来镉风险的优先事项。结果表明，土壤和谷物镉超标风险以及致癌风险以不同速率上升；施用粪肥比施用无机肥料带来更高的土壤和谷物镉风险；降低粪肥镉含量比秸秆移除在缓解镉风险方面更为有效。通过将肥料镉输入与年度土壤积累、作物吸收和人体暴露联系起来，该框架提供了一种整合的方式，用以追踪长期施肥如何驱动土壤—作物—人体系统中的风险。

长期施肥背景下土壤—作物—人体系统中镉风险的差异化演变及其对中国食品安全管理的启示

一、研究背景与问题提出

重金属在农业土壤中的积累对全球食品安全和人体健康构成日益严重的威胁。全球约14%–17%的农田受到有毒金属污染的影响，使9亿至14亿人口面临潜在风险。在众多污染源中，施肥是镉（Cd）进入农田生态系统的主要且持续的途径，因为磷肥和畜禽粪便均含有来源于地质成因和饲料添加剂的、浓度不等的镉。与点源污染不同，施肥导致的镉输入具有扩散性、增量性和空间广泛性的特点，其长期影响难以被及时检测和管理。

尽管已有大量研究，但施肥驱动的土壤和作物中镉积累的影响仍存在高度不确定性。现有研究结论相互矛盾，从显著的长期风险到对作物安全影响甚微不等。长期田间试验虽然能精确量化重金属在土壤和作物中的积累，但耗时且缺乏普适性，这一问题在小麦上尤为突出——小麦常种植于中性至碱性土壤，其镉生物有效性受多种交互作用的土壤性质影响。

镉在农田生态系统中的积累遵循质量平衡（MB）定律，可基于镉通量进行快速诊断。然而，长期风险预测可能因预测误差在长时间尺度上的累积而失真。机器学习（ML）算法已成为模拟复杂环境过程和非线性相互作用的强大工具，但其在长期风险评估中的应用仍有限，尤其是在大空间尺度上。挑战之一在于重金属输入存在显著变异性，这源于不同类型肥料或畜禽粪便的差异；此外，预测长期施肥相关现象需克服预测误差随时间的持续累积；再者，国家尺度上的土壤异质性，包括土壤质地、pH和有机质含量的差异，强烈影响重金属迁移，进一步降低了预测精度。

为应对上述局限，本研究首先汇编了中国25个省份无机肥料和畜禽粪便中镉浓度的大量数据集，以及成对的土壤—小麦观测数据。以小麦作为代表性主粮作物，研究人员开发了一个将机器学习与年度质量平衡模型相结合的框架，在不同施肥情景下模拟土壤—小麦—人体系统中的镉风险，并通过概率预测量化风险超标可能性，为食品安全管理提供决策支持。该论文发表于《Soil》期刊。

二、主要关键技术方法

研究人员构建了MB–ML框架，整合质量平衡模型、机器学习与随机模拟。研究采集了275个无机肥料样品和345个畜禽粪便样品，覆盖中国25个省份，涵盖聚磷酸铵（APP）、NPK复混肥、过磷酸钙（SSP）、磷酸二铵（DAP）、磷酸一铵（MAP）、磷矿石（PRs）等无机肥料类型，以及猪粪、羊粪、牛粪和禽粪等畜禽粪便类型。同时，从2000年至2020年间发表的288篇文献中汇编了132组成对的土壤—小麦镉浓度及土壤性质数据。研究评估了五种机器学习算法，包括随机森林（RF）、支持向量机（SVM）、多层感知机（MLP）、极端梯度提升（XGBoost）和轻量梯度提升机（LightGBM），并与Freundlich经验模型进行比较，以预测小麦籽粒镉浓度。最终选择表现最优的随机森林模型与年度质量平衡模型耦合，模拟长期施肥条件下土壤镉的逐年更新、作物吸收和移除。研究设置了六种施肥情景，包括纯无机施肥（S1）、30%粪肥替代（S2）、完全粪肥替代（S3）、降低粪肥镉浓度50%（S4）、50%秸秆移除（S5-50%）和100%秸秆移除（S5-100%），并通过随机模拟将52个初始达标位点与所有肥料输入组合配对，估算20年、50年和100年后的土壤、小麦籽粒和人体健康风险超标概率。

三、研究结果

3.1 肥料镉输入变异性和土壤—小麦数据集特征

无机肥料镉浓度范围为低于检出限至27.2 mg/kg，中位数为0.210 mg/kg。过磷酸钙和磷酸二铵的镉水平相对较高，中位数分别为0.412和0.422 mg/kg。畜禽粪便镉浓度（干重）范围为低于检出限至51.5 mg/kg，中位数为0.740 mg/kg，其中11%的样品超过中国3.00 mg/kg的限量标准。禽粪镉浓度最高，中位数为2.47 mg/kg，可能与动物饲料中矿物添加剂的使用有关。土壤—小麦配对数据集覆盖广泛范围：土壤镉0.08–4.12 mg/kg，小麦籽粒镉0.01–1.36 mg/kg，土壤pH 5.03–8.59，有机质（SOM）1.81–41.8 g/kg，阳离子交换量（CEC）5.75–32.3 cmol/kg。

3.2 机器学习模型比较与解释

所有机器学习模型在预测小麦籽粒镉浓度方面均优于Freundlich模型。其中随机森林模型取得了最高的预测精度，在训练集、测试集和交叉验证中均表现出优越的决定系数（R²）和较低的均方根误差（RMSE）及平均绝对误差（MAE），且训练与测试性能的一致性表明过拟合程度有限。特征重要性分析和SHAP（Shapley加法解释）分析一致识别出主导预测因子排序为：ln(Cd_soil) > 土壤pH > SOM > CEC。SHAP分析进一步揭示，当ln(Cd_soil)在?1至0之间时，SHAP值接近零，超过该范围后SHAP值急剧增加，表明土壤镉存在阈值依赖效应。土壤pH与小麦籽粒镉积累呈负相关关系，在酸性条件下（pH < 6）效应更强。SOM呈现非单调模式，可能反映其对镉在土壤中固定和活化的相反作用。CEC的影响相对较弱且呈非线性。SHAP交互分析表明，在高土壤镉水平（>1.00 mg/kg）下，提高pH、SOM和CEC与降低小麦籽粒镉积累相关；而在碱性条件下交互效应减弱。

3.3 土壤—作物—人体系统中的差异化镉风险

随机森林模型与质量平衡模型耦合后，对52个初始达标位点进行长期风险预测。结果表明，土壤和作物超标概率总体上随施肥期从20年延长至100年而增加，但不同情景的幅度和时间模式存在差异。在酸性土壤中，纯无机施肥（S1）使土壤超标概率从20年的16%升至100年的31%，作物超标概率在100年达到26%。部分粪肥替代（S2）的长期风险相对较低，100年时土壤和作物超标概率分别为29.7%和17%。完全粪肥替代（S3）产生最高的长期风险，100年时土壤超标概率从20%升至47%，作物超标从16%升至55%。将粪肥镉浓度降低一半（S4）使100年时相应概率降至土壤30%和作物41%。秸秆移除情景的风险与S3接近，100年时50%秸秆移除（S5-50%）的土壤和作物超标概率分别为46%和53%，100%移除（S5-100%）分别为43%和52%。

土壤和作物风险随时间的变化差异在酸性土壤中尤为明显。从20年到50年，S1情景的土壤超标概率增幅最大，从16%升至40%，成为土壤风险最高的情景，但其作物超标概率仅为14%，排名第五。这种差异可能与长期无机施肥导致的土壤酸化有关——接近pH阈值边界的土壤因pH下降而适用更严格的土壤镉筛选值（从0.6降至0.3 mg/kg），从而增加了土壤超标概率，但并未直接提高作物镉浓度。从50年到100年，最高风险从纯无机施肥转向完全粪肥替代，S3情景下作物超标增幅（从31%升至55%）超过土壤超标增幅（从35%升至47%），100年时作物超标概率高于土壤超标。这主要与粪肥含磷量较低、需施用量约为无机肥料的90倍有关，即使粪肥镉浓度不高，大量施用也会显著增加年度镉输入。

碱性土壤中的超标概率显著较低。各情景平均，土壤超标从20年的5.4%升至100年的20%，作物超标从1.5%升至7.4%。100年时土壤超标概率范围为S1的1.1%至S3的30%，作物超标范围为0至11%。情景排序总体为S3 > S5-50% > S5-100% > S4 > S2 > S1，这与碱性条件下镉生物有效性较低、土壤镉向小麦籽粒的迁移减弱一致。

与土壤和作物镉超标相比，以致癌风险为基准的人体健康风险超标概率在所有情景中均保持较低水平。酸性土壤中六种情景平均的人体健康风险超标概率在100年时仅达1.3%，最大值仅为2.2%，尽管同期土壤和作物超标概率分别达到47%和55%。碱性土壤中均值超标概率为0.2%，最大值为0.4%。这表明土壤和作物风险的增加并未按比例转化为致癌风险终点。

3.4 土壤—作物联合风险格局与缓解优先序

在完全粪肥替代且无额外缓解措施（S3）下，土壤和籽粒均低于各自阈值的概率从20年时的89%降至100年时的69%；联合超标概率从3.7%升至13%，土壤单独超标从6.7%升至18%，作物单独超标保持约1.0%的低概率。这表明长期粪肥施用最初更多导致土壤超标，但持续的镉积累逐渐使更多情形转向土壤—籽粒联合超标。

缓解情景的有效性差异显著。将粪肥镉浓度降低50%（S4）明显降低了联合超标和土壤单独超标比例，100年后土壤和籽粒均保持在限值内的概率为82%，而S3仅为69%。S4相对于S3最多可将联合超标概率降低5.4个百分点，土壤单独超标降低8.1个百分点。相比之下，移除50%或100%秸秆相对于S3对联合土壤—作物风险类别的改变不足1.0个百分点。秸秆移除仅能输出作物已吸收的部分镉，并未减少粪肥持续的镉输入，因此不足以抵消累积的粪肥来源输入。

3.5 MB–ML模型的综合意义与不确定性

MB–ML框架通过纳入肥料镉浓度的观测分布并将风险表示为模拟结果超过相应基准的比例，改进了传统确定性评估。其优势在于稀有高镉肥料仍被纳入分析，但不代表所有施肥条件。例如，模型包含最高27.2 mg/kg的肥料镉浓度，但类似高浓度的肥料仅占收集样品的少数，因此100年重复施肥后土壤镉超标预测概率为31%而非必然超标。

研究存在若干局限性：长期土壤pH变化来源于已发表实验和模型估算，实际pH响应可能因土壤缓冲能力、肥料组成、施用量和当地管理而异；模型未明确模拟长期粪肥施用下土壤有机质的时间变化，SOM作为随机森林模型的预测因子在训练数据范围内（1.81–41.8 g/kg）代表观测到的关联，但位点间变异无法完全代表位点内的长期变化。未来研究应扩大机器学习训练数据集，建立标准化、可公开访问的数据库，并在质量平衡模型中纳入大气沉降、灌溉水等额外输入途径以及淋溶、地表径流、土壤侵蚀等输出途径。

四、结论

本研究将覆盖中国25个省份的肥料镉数据与成对的土壤—小麦观测数据相结合，利用机器学习和年度质量平衡模型评估不同施肥情景下镉的积累和迁移。该框架能够在20年、50年和100年时间尺度上同时评估土壤镉、小麦籽粒镉和健康风险，同时考虑肥料产品和农业位点的变异性。结果表明，风险在土壤—作物—人体系统中以不同速率增加，并受土壤pH和肥料来源的强烈调控。酸性土壤始终比碱性土壤更脆弱，持续粪肥施用导致土壤和籽粒超标概率的最大长期增幅。相比之下，基于致癌风险的人体健康风险在不同施肥制度下保持较低水平。从缓解角度看，部分粪肥替代减缓了镉风险的增加，而降低粪肥镉浓度比秸秆移除有效得多。通过将机器学习与传统质量平衡建模相结合，该框架将数据驱动预测与年度镉核算相结合，以表征长期风险格局并支持更高效的食品安全管理。