基于随机森林和SHAP方法的中国西北部渭南市南部地下水硝酸盐污染预测及关键驱动因素识别

《Physics and Chemistry of the Earth, Parts A/B/C》：Predicting groundwater nitrate contamination and identifying key drivers in southern Weinan, northwest China using random forest and SHapley additive exPlanations (SHAP) approach

　　

- 随机森林模型在地下水硝酸盐污染预测方面表现良好。
- 讨论了影响地下水硝酸盐的主要驱动因素。
- SHAP方法揭示了复杂的水文-生物地球化学耦合机制。
- SHAP与机器学习的结合增强了模型的可解释性和可靠性。

1. 引言

地下水是饮用水和灌溉用水的主要来源，在全球范围内对维持区域生态稳定也起着至关重要的作用（He等，2020；Li和Qian，2018）。目前，浅层地下水硝酸盐污染，主要由人类活动引起，已成为世界上最严重的地下水问题之一。例如，Zhang等（2025）发现，在中国西北关中盆地焦口灌区的66.67%的地下水样品中，NO??超标。地下水硝酸盐污染会产生深远的生态环境影响，并对人类健康构成风险（Zhou等，2024）。当硝酸盐浓度超过10 mg/L时，若以地下水作为饮用水源，将产生不利影响（Knoll等，2020）。Yang等（2023）发现，中国西北渭北平原23%的地下水样品对儿童存在非致癌风险。由于地下水是中国西北地区饮用、工业和农业用水的重要来源，因此该地区硝酸盐的潜在健康风险备受关注（Li等，2019）。

众多因素会影响地下水中的硝酸盐含量，如土地利用、氮肥施用历史、气象条件、土壤类型、土壤水分含量和地下水位深度（Alam等，2025；Ouedraogo等，2019；Pennino等，2020；Zahra等，2025；Zhan等，2024）。这些变量的复杂交互作用也控制着氮素从地表向地下水迁移的过程。数据驱动模型在量化多维数据复杂交互关系方面具有优势，已被越来越多地应用于各种环境议题中，包括植被动态、农业干旱、地表温度和城市热环境（Liu等，2026；Zafar等，2023，2026；Zubair等，2025）。其应用也已扩展到水质污染评估及其主要驱动因素的识别（Rahmati等，2019）。其中，机器学习（ML）技术在水利研究中日益受到关注，因为它们能够通过从数据集中学习有效解决复杂的非线性问题（Alam等，2025）。Khalil等（2004）发现，使用机器学习技术进行地下水污染物建模具有较好的预测性能。Lu和Ma（2020）证实，随机森林（RF）模型在Tualatin河流域短期水质预测中的表现优于其他机器学习模型。Hauptman等（2023）利用八个空间预测变量构建了三种机器学习模型，以预测加利福尼亚中央谷地地下水系统中三氯乙烯（TCP）的浓度。结果表明，RF模型的表现优于另外两种基于树的模型。RF可以通过提供变量相对重要性的洞察来增强模型的可解释性，并部分解决"黑箱"局限性（Ouedraogo等，2019）。它能够实现最重要变量（特征）的选择并促进降维。此外，RF以参数设置简洁和计算效率较高为特点（Wang等，2023）。然而，随着数据复杂度的增加，RF模型的预测准确率虽然提高，但其可解释性却降低。为提高其可解释性，常用部分依赖图（PDP）和SHAP（SHapley Additive exPlanations）方法（Rad等，2024）。PDP在水质预测中应用广泛，因为它能展示每个单一特征对模型输出的影响。然而，它在捕捉特征间的交互作用和非线性效应方面存在局限性。这使得将PDP与能够捕捉特征交互作用的其他方法相结合以提高局部可解释性变得尤为重要。SHAP是解释基于树的模型结果的主要技术之一（Lamane等，2025；Song等，2025）。它在提供清晰的局部解释的同时保持模型的整体结构。通过使用Shapley值，SHAP衡量每个特征对特定预测的贡献，捕捉特征之间的交互作用。此外，了解影响模型预测的因素在环境研究中至关重要，在模型复杂度与可解释性之间找到平衡对于推进水文地球化学的应用是必要的（Fan等，2024）。SHAP已被证明能有效揭示不同特征在预测PCP浓度中的重要性，并通过消融分析提高模型性能（Rad等，2024）。

中国西北渭南地区地下水硝酸盐污染严重（Li等，2022）。在地下水环境研究方面，以往研究已对该区域的水质进行了评价并分析了污染源（Li等，2021）。然而，尚未对硝酸盐水平与环境参数之间的关系进行深入分析（Wang和Li，2022；Zhang等，2022）。地下水中的NO??水平受水文地质和人类活动因素的共同影响，该研究区表现出显著的空间异质性（Li等，2021）。因此，需要一个稳健的模型来处理硝酸盐浓度与多种影响因素之间复杂的统计关系（Li等，2022）。

为了预测该研究区的硝酸盐水平，本研究采用了RF模型。通过使用RF模型结合SHAP方法，讨论了NO??与各环境变量之间的复杂关系，并进一步验证了这种组合方法在水环境研究中的适用性和可靠性。本研究的目标是：（1）构建随机森林模型以预测地下水硝酸盐水平；（2）识别主要影响因素并评估其与NO??水平的关系；（3）使用PDP和SHAP方法对模型进行解释，以揭示驱动因素对地下水预测NO??水平影响的相关过程。本研究可为渭南地区农业氮素投入管理和地下水环境治理提供科学依据，最终惠及关中地区。

2. 材料与方法

2.1 研究区

渭南地区位于中国西北陕西省关中平原东部，地处陕西中部偏东。研究区主要集中在渭南地区的南部，经纬度范围为东经108°57′至110°14′，北纬34°20′至35°11′，区域总面积约为7100 km2（图1）（Li等，2022）。该地区属温带半干旱半湿润气候，年均气温、降水量和蒸发量分别约为12.7至15.6°C、530至700 mm和1100 mm（Li等，2022）。研究区降水分布不均，主要集中在7月至9月，占年降水总量的69%。蒸发主要发生在6月至8月之间，占年蒸发总量的46.5%。

图1. 渭南地区位置图及本研究的采样点分布。

研究区为断陷盆地的一部分，沉积了具有良好透水性的大厚度松散沉积物。此外，由于大气降水、河水和渠水的补给，研究区地下水资源丰富。研究区的含水层由第四系全新世冲积砂砾层、中更新世黄土黏土层和中更新世含砾层组成。第四系含水层在盆地中广泛分布，厚度不一，其含水层主要接受大气降水入渗和地表径流的补给（Li等，2022；Zhang等，2022）。该地区的地下水主要存在于两种类型中。一种是赋存于黄土高原之下奥陶系灰岩中的岩溶水。另一种是第四系松散沉积岩中的裂隙-孔隙水，在研究区近地表广泛分布。

研究区地下水的流向基本与地形一致，主要沿河谷由西北向东南流动。地下水从渭河两岸的阶地向下流动至冲积平原，然后向东绕过洪积平原，最终排泄至渭河下游。径流速度从前缘向平原地区逐渐减缓。山前含水层的孔隙较大，含水层之间的水循环较快，而平原地区水力梯度低、渗透性差，导致含水层之间的地下水循环缓慢。

2.2 样品采集与分析

本研究于2020年7月和2015年7月从渭南市浅层含水层中采集了共计100个地下水样品。采样位置如图1所示。为确保采集样品的准确性和代表性，所有采样、保存和处理程序均严格按照国家标准执行（中华人民共和国生态环境部，2020）。在整个采样和分析过程中实施了质量保证与质量控制（QA/QC）措施。采样前，使用便携式GPS设备记录采样点的坐标和海拔高度。抽水泵排水10分钟后，将水样采集至500 mL聚乙烯瓶中，采样前先用样品润洗瓶子数次。水化学参数在陕西省工程勘察研究院土和水检测中心进行检测（Li等，2022）。每个样品的电荷平衡误差在±5%的可接受范围内，以确保准确性。

2.3 数据处理

本研究将地下水NO??水平设定为响应变量，并将以下空间因素确定为预测变量。一般而言，数据集中的样本越多，所构建的机器学习模型的预测性能越好。为提高模型的预测性能，许多研究通常将研究区进行网格化处理，并以网格节点作为虚拟采样点来提取变量值以扩充数据集中的样本容量（He等，2022）。本研究也采用了这一方法。研究区被划分为2000 m × 2000 m的正交网格，以网格中心作为虚拟采样位置。实际采样点和虚拟采样点可分别理解为原始样本和二次样本。对于每个二次样本，其硝酸盐响应值从空间插值得到的地下水硝酸盐表面在相应网格位置处提取，而环境预测值则从各自的空间数据集中提取。

2.4 预测参数

影响浅层地下水硝酸盐的因素众多。结合以往研究，我们发现土地利用、地形、含水层和水文地质特征等参数对地下水硝酸盐有显著影响（Liu等，2024）。因此，本研究将预测变量分为五类共25个变量，以编制模型数据库。这些变量的详细信息列于表1中。

表1. 本研究训练集和测试集的预测变量

| 预测变量 | 术语 | 单位 | 来源 |
|---|---|---|---|
| **地形** | | | |
| 地表高程 | DEM | m | 从DEM数据中提取 |
| 地表坡度 | Slope | / | 由DEM计算 |
| 至最近河流的距离 | DisR | m | 通过GIS计算 |
| **气象** | | | |
| 蒸发量 | EVA | mm | 中国1公里月降水量和潜在蒸散发数据集（1901-2023年） |
| 降水量 | PRE | mm | 同上 |
| **水文与水文地质** | | | |
| 土壤水分 | SMOI | cm3/cm3 | 基于实测数据的中国1公里日土壤水分数据集（2000-2022年） |
| 地下水位深度 | Depth | m | 关中平原调查数据 |
| **表层土壤** | HWSD（V1.2） | | |
| 表层土壤容重 | Tbd | kg/dm3 | 同上 |
| 表层土壤有机碳 | Toc | %质量 | 同上 |
| 表层土壤pH（H?O） | TpH | / | 同上 |
| 表层土壤碳酸钙含量 | Tcac | %质量 | 同上 |
| 表层土壤盐度 | Teced | S/m | 同上 |
| **亚表层土壤** | | | |
| 亚表层土壤容重 | Sbd | kg/dm3 | 同上 |
| 亚表层土壤有机碳 | Soc | %质量 | 同上 |
| 亚表层土壤pH（H?O） | SpH | / | 同上 |
| 亚表层土壤碳酸钙含量 | Scac | %质量 | 同上 |
| 亚表层土壤盐度 | Seced | S/m | 同上 |
| **人口** | | | |
| 人口密度 | Pop | 人/km2 | 2020年中国人口空间分布数据集 |
| **土地利用/覆盖格局** | | | |
| 圆缓冲区内耕地占比 | CACF | % | 从土地利用数据中提取（圆缓冲区） |
| 圆缓冲区内林地占比 | CAFR | % | 同上 |
| 圆缓冲区内草地占比 | CAGR | % | 同上 |
| 圆缓冲区内未利用地占比 | CAUN | % | 同上 |
| 圆缓冲区内建设用地占比 | CAUR | % | 同上 |
| 圆缓冲区内水域占比 | CAW | % | 同上 |
| 圆缓冲区内园地占比 | CAOR | % | 同上 |

（CA代表贡献面积。由于地下水硝酸盐浓度被设为响应变量而非随机森林模型的预测变量，因此未列于表中。）

2.4.1 地形

将坡度、高程和至排水系统距离三个变量设为研究区的地形特征。基于从地理空间数据云获取的30 m数字高程模型（DEM）数据提取采样点的地面高程。利用地形分析工具计算地表坡度。各采样位置至最近河流系统的最近距离通过邻近分析工具计算，作为模型的因变量。

2.4.2 气象

气象因素可显著影响地下水的补给和排泄过程，从而影响水质。本研究选择降水量（PRE）和蒸发量（EVA）作为气象预测变量。数据来源于中国月降水量和潜在蒸散发数据集（Peng，2020，2022）。

为使研究结果与7月地下水样本数据的采集时间保持一致，本研究使用7月的气象数据对两个变量进行进一步分析。2.4.3. 水文与水文学水文学参数对地下水的运动、分布及水质起着关键的调控作用。地下水位深度数据来源于先前的地下水位调查（Li等，2022）。土壤含水量数据下载自中国日度土壤含水量数据集（Yao等，2021）。土壤数据来源于HWSD-V1.2数据库（Nachtergaele等，2012）。其中，选择容重、有机碳、pH、CaCO3和盐度作为预测变量（He等，2022）。各参数的具体信息见表1。2.4.4. 土地利用土地利用和人口数据获取自中国科学院资源与环境科学数据中心（http://www.resdc.cn）。原始的30米分辨率土地利用栅格数据集包含详细的二级土地利用类别，本研究依据原始数据集的层次分类方案，将其重新分类并归并为七个更宽泛的类别（表1）。大多数研究利用采样点的汇水区（CA）提取各类土地利用类型的占比，以研究土地利用与地下水水质之间的关系（He和Wu，2019）。本研究采用圆形缓冲区来表示每个井的影响范围。根据先前的研究，本区域的缓冲区半径设为1750米（Li等，2022）。随后，计算每个点的缓冲区内各土地利用类型所占的面积比例。2.5. 随机森林模型随机森林是一种集成学习算法，能够以高精度和强稳健性处理大规模数据集。该算法通过引入随机性构建多棵决策树，每棵树独立训练，最终预测结果由每棵树的预测值取平均获得，从而增强模型的泛化能力并降低过拟合风险（Ransom等，2017）。本研究按预定比例从原始数据集中随机选取样本，将数据集划分为训练集和测试集。训练集用于构建决策树，测试集用于评估模型性能。训练集与测试集样本量的典型比例为4:1。在进行超参数优化之前，首先使用训练数据集构建包含500棵树的基础随机森林模型，以评估各预测变量的重要性。保留%IncMSE值大于9的预测变量用于后续建模。随后采用随机搜索方法优化关键超参数，包括树的数量（ntree，100–500）、每次分裂时随机考虑的特征变量数量（mtry，从2到所选预测变量总数），以及最小终端节点大小（nodesize，1–10）。共评估20组随机生成的参数组合，选择均方根误差（RMSE）最低的组合作为最优设置。预测完成后，采用均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R2）作为评价指标，验证模型预测值与观测值之间的性能。此外，利用已训练和验证的随机森林模型确定各预测变量的相对重要性，评估每个预测变量对响应变量的影响。采用50次80:20随机留出划分重复实验，评估因随机数据划分而产生的不确定性。通过计算R2、RMSE和MAE在多次运行中的均值和标准差来总结模型性能的变异性。本研究进行了栅格插值、河网提取、缓冲区内土地利用比例计算，以及在特定点提取预测变量栅格值等操作。随机森林建模在R环境中完成，使用Random Forest包构建模型，并利用Caret包中的随机搜索功能优化关键超参数，以提高模型的预测性能。2.6. SHAP SHAP解释框架利用源自博弈论的Shapley值来解释机器学习模型（Shapley，1953；Yu等，2025）。Shapley值计算如下：（1）其中，表示特征i的Shapley值，f代表预测模型，x是特定输入，S代表除i以外所有特征的一个子集，M是特征总数，f(S)是子集S的预测值。SHAP有多个版本，包括DeepSHAP、LinearSHAP、TreeSHAP和Kernel SHAP，分别用于近似不同机器学习模型的SHAP值。本研究采用Kernel SHAP方法，该方法具有可解释性、计算效率高，且适用于解释随机森林等复杂非线性模型。Kernel SHAP采用加权核函数方法对原始模型f(S)进行近似，以估算Shapley值，公式（2）如下所示：（2）3. 结果与讨论3.1. 随机森林模型结果3.1.1. 模型训练与测试采用MAE、RMSE和R2评估模型性能。优化后的随机森林模型包含345棵回归树（ntree = 345），每次分裂随机考虑15个预测变量（mtry = 15），最小终端节点大小设为1（nodesize = 1）。每棵树均在训练数据上进行训练。模型对地下水硝酸盐浓度的预测结果如图2所示，其中红色圆点和蓝色圆点分别代表数据集中的原始样本和二次样本。超参数调优后，模型在训练集上的R2为0.958，RMSE为9.032 mg/L，MAE为5.348 mg/L（图2a）；在测试集上的R2为0.70，RMSE为23.728 mg/L，MAE为14.595 mg/L（图2b），表明模型具有良好的预测性能。与先前地下水硝酸盐研究中其他机器学习模型的性能相比，本研究的随机森林模型也展现了合理的预测效果（Covatti等，2025；Liang等，2024；Ransom等，2017）。训练集与测试集之间模型预测性能的差异可能源于模型无法充分捕捉某些局部空间异质性，导致特定区域的预测偏差。在50次随机留出划分重复实验中，测试集的R2、RMSE和MAE分别为0.730 ± 0.022、22.723 ± 1.426 mg/L和14.279 ± 0.594 mg/L，表明模型性能在不同随机数据划分下变异性有限。下载：下载高分辨率图片（489KB）下载：下载全尺寸图片图2. 随机森林模型对地下水硝酸盐浓度的（a）训练集和（b）测试集观测值与预测值的比较。黑色虚线代表1:1线，红色实线表示观测值与预测值之间的拟合线。（关于图中颜色标注的说明，请参阅本文的网络版本。）3.1.2. 地下水硝酸盐空间变化的预测地下水硝酸盐浓度的观测值与预测值的空间分布如图3所示。图3显示，观测值的空间分布与随机森林模型预测值的空间分布高度吻合，高浓度地下水硝酸盐（超过100 mg/L）主要出现在阜平、蔚县和灵丘县，表明模型具有良好的表现。然而，模型倾向于低估本研究中观测到的硝酸盐浓度极端值。这可能与随机森林的预测特性有关，随机森林通常能很好地拟合大多数数据的趋势，但在极端值范围内可能表现不佳。当预测超出数据边界的极端值时，模型性能可能下降。另一个可能的原因是硝酸盐的空间异质性，这可能导致某些区域（尤其是农业区和地下水径流路径复杂的区域）硝酸盐浓度的低估或高估。Ransom等（2022）发现，硝酸盐的高空间异质性会降低预测精度。此外，训练集与测试集之间的硝酸盐数据差异较小，导致预测值与观测值之间存在偏差。先前的研究也报告了类似的偏差（Covatti等，2025），这并不影响模型的有效性。下载：下载高分辨率图片（624KB）下载：下载全尺寸图片图3. 地下水硝酸盐的（a）观测值与（b）随机森林模型预测值的空间分布比较。3.1.3. 预测变量的相对重要性随机森林模型不仅预测了地下水NO??浓度，还评估了各预测变量的相对重要性，以表征其对硝酸盐浓度的贡献，如图4所示。影响NO??浓度的关键因素为深度、降水量、蒸发量和SMOI，相对重要性分别为11.01%、9.19%、8.68%和6.20%，均超过6.0%。其他因素的相对重要性低于6.0%。在土地利用类型方面，建设用地（4.95%）和农田（4.86%）是NO??的主要预测因子，其次是水域（3.48%）、草地（3.36%）、林地（2.30%）和未利用地（2.28%），其中未利用地的贡献最小。人口的贡献度为4.71%。此外，地形因素，包括海拔、距水系距离和坡度，也影响了NO??，相对重要性分别为5.39%、4.36%和2.36%。在土壤理化性质方面，TOC（4.47%）和SOC（2.59%）相对重要性较高，而其他预测变量对硝酸盐预测的影响有限，相对重要性排序如下：Sbd（2.30%）、Tece（2.17%）、Tbd（2.15%）、Tcac（2.07%）、Scac（2.01%）、SpH（1.99%）、TpH（1.83%）和Sece（1.72%）。相对重要性指标提供了每个预测变量对地下水硝酸盐浓度总体贡献的评估；然而，作为一种全局统计度量，它无法捕捉变量间交互作用产生的局部效应。此外，当存在多重共线性时，某些预测变量的重要性可能被低估。为克服这些局限性，后续章节引入PDP和SHAP分析，以补充随机森林模型，识别交互效应并提高预测机制的可解释性。下载：下载高分辨率图片（321KB）下载：下载全尺寸图片图4. 各预测变量对浅层地下水硝酸盐浓度的相对重要性。3.2. 预测变量对地下水硝酸盐的影响本研究采用部分依赖图（PDP）进一步分析关键预测变量与地下水NO??浓度之间的关系，按重要性顺序展示于图S1（补充材料）中。部分依赖图有助于更深入地理解每个预测变量与地下水NO??浓度之间的关系，因为它展示了在考虑模型中其他变量平均效应后，各预测变量的行为（Ransom等，2017）。此外，由于建设用地和农田是地下水中硝酸盐的两个主要间接潜在来源，本研究也对其部分依赖函数进行了分析（图S1d和S1e）。然而，由于部分依赖图仅考虑单个变量的边际效应，而不考虑变量间的交互作用，可能导致出现非线性关系和异常峰值。因此，本研究创建了随机森林模型的SHAP摘要图和SHAP依赖图，如图5和图6所示。SHAP摘要图能够反映预测变量对地下水NO??浓度的贡献。Shapley值在计算每个特征对模型预测地下水硝酸盐浓度的边际贡献时，同时考虑了预测变量之间的交互作用。本研究从训练集中随机选取400个样本计算Shapley值。正SHAP值表示该特征对预测值有正向贡献，而负SHAP值则表明该特征倾向于降低预测值。特征值的范围由颜色条表示（低值[蓝色] – 高值[红色]）。SHAP依赖图能够揭示单个特征值与其对应预测NO??值之间的关系，并说明预测变量之间的交互作用。x轴表示特征值，y轴表示对应的SHAP值。颜色条指示与所选特征交互作用最强的特征变量的值。下载：下载高分辨率图片（475KB）下载：下载全尺寸图片图5. 随机森林模型的SHAP摘要图。下载：下载高分辨率图片（485KB）下载：下载全尺寸图片图6. 随机森林模型的SHAP依赖图。3.2.1. 地下水深度（depth）深度对硝酸盐浓度的影响最大。如图…所示。

由S1a可知，随着埋深增加至25 m，预测的硝酸盐浓度显著上升，呈现正相关关系。此后浓度迅速下降，转为负相关，阈值出现在60 m处。结合SHAP图（如图5所示），散点主要集中在负Shapley值区域，表明该特征变量对模型的预测主要起负向贡献（Alam等，2025）。然而，部分散点也分布在正Shapley值一侧，且大多为较低的特征值，说明较低埋深范围内对预测值有正向影响。此外，散点分布的不连续性表明该特征与地下水硝酸盐之间存在复杂的非线性关系。这一观察与偏依赖图中的非线性趋势（图S1a）相吻合，凸显了该特征与预测硝酸盐浓度之间的复杂交互作用（Yu等，2025）。如图6a所示，当埋深从25 m增至60 m且降水量低于1100 mm时，Depth的SHAP值由正转负并急剧下降，表明其与硝酸盐浓度预测呈负相关，这与SHAP汇总图的结果一致。

地下水埋深对硝酸盐浓度的影响是复杂的（Tesoriero等，2021；Wang和Li，2019）。一方面，较浅的埋深更容易受到地表污染物的影响。同时，过度灌溉或强降雨可导致地下水埋深变浅，可能引发淋溶作用，促使土壤层中的硝酸盐向下迁移（Chen等，2024）。这或许可以解释25 m深度处观测到的硝酸盐浓度峰值。另一方面，当埋深超过25 m时，蒸散发与内部排水的相互作用逐渐减弱了垂向水交换，从而限制了硝酸盐向含水层的迁移，增加其在土壤基质中的滞留。在低降水条件下，这种水力解耦进一步限制了因水文连通性降低而产生的硝酸盐淋溶（Ma等，2021）。因此，埋深超过25 m后，硝酸盐浓度与埋深呈现明显的负相关（Rivett等，2008）。

3.2.2 降水量（PRE）

本研究采用两个气象相关预测变量：降水量和蒸发量。本节阐述降水量的影响，其偏依赖图和SHAP图分别如图S1b和图5所示。与蒸发量类似，降水量表现出相近的相对重要性和效应。偏依赖图（图S1b）显示两者之间存在复杂关系。可观察到，当降水量达到约850 mm时，预测硝酸盐浓度达到峰值。超过940 mm后，随着降水量增加，地下水中预测的硝酸盐浓度迅速下降。从SHAP图（图5）可以看出，散点主要集中在负Shapley值区域，且大多数特征值较高。这表明该特征变量主要对模型预测起负向贡献（Fan等，2024）。同时，少量低特征值散点分布在正Shapley值区域，说明较低的特征值对预测NO??浓度有正向影响。此外，散点分布的不连续性（与地下水埋深的情况类似）表明该变量与地下水NO??浓度之间存在复杂的非线性关系，而降水量与地下水埋深具有强相关性（Alam等，2025；Yu等，2025）。如图6b所示，当降水量超过950 mm且埋深低于40 m时，PRE的SHAP值为负，表明NO??浓度较低。相反，当降水量低于950 mm且埋深较高时，SHAP值为正，表明NO??浓度较高。这一关系进一步证明了该特征与预测硝酸盐浓度之间的非线性相关性，与前述分析一致。

降水影响预测硝酸盐的过程同样复杂。一方面，在低降水量（PRE < 950 mm）与高地下水埋深（Depth > 40 m）的协同作用下，非饱和带中持续的反硝化作用——由水分不足导致氧气扩散增强所驱动——结合低渗透率含水层中缓慢的硝酸盐迁移，导致硝酸盐浓度升高（正SHAP值）（Ransom等，2022；Wang和Li，2019）。另一方面，高降水量（PRE > 950 mm）增强了地下水补给以稀释硝酸盐浓度，同时诱发非饱和带的水分饱和，形成局部厌氧条件，从而刺激反硝化作用（Rivett等，2008）。这些综合机制协同降低了地下水NO??浓度（He等，2020；Rivett等，2008；Sieling和Kage，2006；Wick等，2012；Yang等，2023）。

3.2.3 土壤含水量（SMOI）

如图5所示，土壤含水量在相对重要性中排名第四。可观察到，预测硝酸盐浓度总体呈上升趋势。这是符合预期的，因为之前的研究表明，土壤含水量的增加（如降雨或灌溉后）改善了地表-地下水连通性，促进了两者之间的交换，从而增强了垂向入渗并将硝酸盐淋溶至地下水中（Chen等，2024）。从SHAP图（图5）可以看出，较低特征值的散点呈现不连续分布，这可能是偏依赖图（图S1c）在x轴200-230区间出现峰值的原因。接近中位数特征值的散点主要分布在Shapley值的正侧，而高特征值的散点则集中在负值和接近零的正值一侧。这表明该特征变量的中至高值呈现非线性趋势，预测值先上升后下降（Alam等，2025）。

如图6c所示，当SMOI值超过225且降水量超过1000 mm时，SHAP值为正，表明NO??浓度较高。高土壤含水量（SMOI）与高降水量的协同交互增强了水文连通性，从而加速了由硝化作用产生的硝酸盐（NO??）向地下水中的迁移（Rivett等，2008；Wang和Li，2019）。然而，当SMOI值低于225且降水量低于1000 mm时，高正值和负值SHAP值并存，表明在该特征值范围内，硝酸盐浓度的增加和减少趋势同时存在，导致峰值的出现。这是因为该阶段的SMOI接近田间持水量但未达到饱和状态。在研究区域，非饱和带中反硝化和硝化作用的共存导致NO??浓度出现显著波动，如图6c所示。渭南地区水文地质条件的复杂性，以及淋溶与硝化-反硝化过程的空间变异性（Wang等，2023），导致了正负SHAP值的并存（Jiao等，2019）。

3.2.4 城市用地与耕地（UR和CF）

图S1d和图S1e分别显示了与城市用地UR（重要性排名第六）和耕地CF（重要性排名第七）相关的预测地下水NO??浓度。在CF值低于65%的区域，观察到负相关关系。相反，在CF值超过65%的区域，观察到正相关关系。预测NO??浓度与城市用地之间的关系也呈现变化趋势。在UR值低于10%的区域，观察到正相关关系，预测浓度迅速上升并达到峰值。相反，当UR超过10%时，观察到负相关关系，当比例超过30%时效应变得微乎其微（图S1d）。这与以往研究的结果相反，以往研究表明耕地和城市用地是地下水硝酸盐污染的主要来源（Peters等，2020；Torres-Martínez等，2020）。因此，随着CF值的增加，预测NO??浓度理应上升，形成正相关关系。然而，图S1e显示的结果恰恰相反，这可能是由于偏依赖图无法捕捉变量间的局部交互作用所致。城市用地与其他变量（如耕地、土壤和气候条件）的交互作用可能影响了地下水NO??浓度，导致在不同范围内出现非线性趋势或峰值。

从SHAP图（图5）可以看出，UR的散点主要分布在正Shapley值区域，表明正向贡献在模型预测中占主导地位（Bian等，2023）。相比之下，CF特征中高特征值的SHAP散点呈现不连续分布，表明高CF值与预测硝酸盐浓度之间存在非线性关系（Fan等，2024）。这一观察与偏依赖图（图S1e）在高CF值范围内观察到的峰值相吻合。

如图6d所示，当UR值超过8%且埋深小于35 m时，SHAP值为正，表明对硝酸盐浓度有正向影响，这与图S1d中的结果相反。这表明随机森林结合SHAP方法能够捕捉变量之间更深层次的关系，弥补了偏依赖图的局限性，从而更好地解决研究问题。在UR与Depth的协同交互作用下，城市点源污染的增加导致硝酸盐积累。相反，当UR值低于8%且埋深超过35 m时，正负SHAP值并存。这表明在该特征范围内，硝酸盐浓度的增加和减少趋势同时存在，导致峰值的出现，这与先前的研究结果一致（Alam等，2025）。城市用地比例的下降意味着耕地面积的增加，这很可能通过农业面源污染提高了硝酸盐输入。这种农业污染叠加非饱和带中硝化-反硝化过程的空间异质性，产生了正负SHAP值（图6d）。

如图6e所示，当CF值超过60%且埋深超过40 m时，SHAP值为正，表明对硝酸盐浓度有正向影响。此外，当CF值低于60%且埋深小于40 m时，正负SHAP值并存。在CF值较低的区域（如森林和草地），土壤有机质和根系分泌物提供了充足的碳源，促进非饱和带的反硝化作用，从而降低硝酸盐浓度（负SHAP值）。研究区域水文地质结构的空间异质性导致硝酸盐迁移路径的分歧（Wang等，2024），从而产生正负SHAP值的并存。

在过去20年（2000年至2020年）间，研究区域的城市用地面积从392.16 km2增加至577.62 km2，增幅达47.29%。耕地面积略有下降，从5423.82 km2减少至5233.81 km2，降幅为3.6%。在某种意义上，这反映了强烈的人类活动影响。这可能是预测硝酸盐与耕地、城市用地之间关系复杂的原因之一。随着缓冲区城市用地的增加，耕地面积减少。城市用地是地下水硝酸盐的另一个主要潜在间接来源。因此，当汇水区CF低于65%时，地下水硝酸盐与耕地之间的负相关很可能是由于缓冲区UR的增加所致。当CF值超过65%时，其与NO??浓度呈正相关关系。先前的研究表明，长期灌溉可能改变原有的土壤水文过程，导致非饱和带厚度增加和迁移速率降低。这种水文过程的变化会导致硝酸盐大量积累，随后渗入地下水。图6e揭示了UR值与硝酸盐之间的正相关关系，这与先前的研究一致（Carrey等，2021）。城市化过程中不透水面的增加、地下水径流的变化以及NO??来源的增加，均有助于地下水NO??浓度的升高（Torres-Martínez等，2024）。

3.3.

# 预防建议

在分析该地区影响地下水NO??浓度的最显著预测变量后，提出以下建议以控制地下水NO??污染。

农业氮输入仍是该地区地下水硝酸盐的主导压力源。考虑到本研究中发现的灌溉、降水和地下水位动态的耦合效应，水氮协同管理至关重要。在土壤水分含量高或集中降雨期间应避免过量施用氮肥，从而降低硝酸盐向深层土壤淋溶的风险。此外，深层土壤氮库需要针对性治理。通过改善碳源可获得性或引入具有强硝酸盐吸收能力的深根作物，可增强深层去硝酸盐化作用，从而加速非饱和带中积累硝酸盐的消耗，并降低因大量灌溉或强降雨事件引发的穿透淋溶风险（Chen et al., 2024）。

生活污水、畜禽废水以及老旧市政管道渗漏可形成持续的硝酸盐外源输入。加强分散式和集中式污水处理系统建设，可防止未经处理的废水渗入地下。同时，升级改造存在渗漏的污水管网并进行常规泄漏检测，对于减少点源氮输入至关重要。通过控制这些持续性人为来源，可以减轻地下水硝酸盐负荷。

灌溉实践、降雨变率及地下水位波动共同调控土壤与地下水之间的水力连通性，从而影响硝酸盐在非饱和带中是积累还是向下冲刷。优化灌溉计划——特别是当地下水位较浅或土壤含水量较高时避免漫灌——可有效减少深层渗透。在雨季来临前也应避免施肥，以最大限度地减少高渗透性土壤中硝酸盐的快速冲刷。通过调控这些水文驱动因素，可以降低硝酸盐淋溶风险和地下水硝酸盐浓度的短期骤升风险。

## 3.4 局限性与未来展望

本研究主要依赖机器学习模型，通过识别环境变量的统计关联和非线性响应来揭示地下水硝酸盐的形成机制。尽管这些结果为理解硝酸盐的空间变异性提供了重要线索，但底层机制仍缺乏直接物理和生物地球化学证据的充分支撑。因此，本研究的一个主要局限在于关键过程——如硝化作用、反硝化作用和硝酸盐保留作用——尚未通过野外水文地球化学观测或氮同位素示踪进行验证。未来的工作应在代表性区域开展多时相采样、过程示踪和原位水文地球化学测量，以校准并增强模型可靠性。

在加强野外验证的基础上，未来研究可进一步提升模型可解释性。特别是，将机器学习方法与基于过程的地下水水流和反应性运移模型（如HYDRUS）相结合，可能是一个有前景的方向。此类混合框架将数据驱动模型的预测优势与物理过程模型对水流、溶质运移和生物地球化学反应的机制约束相结合。

## 4. 结论

本研究建立了随机森林模型，以预测2020年渭南地区浅层地下水硝酸盐水平，从而调查影响地下水硝酸盐的驱动因素。基于特征变量的相对重要性筛选出驱动因素，并结合PDP和SHAP方法增强了模型可解释性和对硝酸盐污染驱动因素的认知。主要结论总结如下：

● 随机森林模型预测性能良好。训练集和测试集的MAE分别为5.348和14.595；RMSE分别为9.032和23.728；R2值分别为0.96和0.70。

● 影响地下水硝酸盐水平的最主要预测变量为地下水深度、气象因子和土壤水分。考虑到土地利用类型间接反映了地下水硝酸盐的潜在来源，其中最重要的耕地和城市用地被纳入驱动因子分析，且发现城市用地的影响大于耕地。部分依赖图（PDP）显示，地下水硝酸盐浓度与地下水深度、气象因子和城市土地利用呈负相关，与土壤含水率（SMOI）呈正相关。对于耕地，发现局部呈正线性关系。此外，大多数主要预测变量表现出复杂的局部非线性关系，这可能是由于特征之间的复杂交互作用所致。

● SHAP分析进一步揭示了关键预测因子的复杂局部非线性关系。低降水条件下的深地下水深度与正向SHAP值和较高预测硝酸盐水平相关，而在高降水条件下土壤水分含量升高也与较高预测硝酸盐相关。在浅地下水条件下城市用地呈正贡献，而高比例耕地在更大地下水深度时贡献为正。这些结果表明，地下水深度、气候条件和土壤水分共同影响地下水硝酸盐的积累与迁移。

## CRediT作者贡献声明

Fan Li：撰写——审阅与编辑，撰写——原稿，软件，方法学，形式化分析，概念化。

Peiyue Li：撰写——审阅与编辑，撰写——原稿，监督，资源，项目管理，资金获取，数据管理，概念化。

Yongqiang Yang：撰写——审阅与编辑，可视化，调查研究，形式化分析。

Jing Ning：撰写——审阅与编辑，验证，软件，形式化分析。

Fan Li | Peiyue Li | Yongqiang Yang | Jing Ning