《Journal of Hazardous Materials》：Pathways, evidence types, and interpretive boundaries in machine learning-assisted source analysis of soil metal(loid)s
编辑推荐：
•综述机器学习辅助土壤金属(类金属)源解析的研究进展。•提出机器学习辅助源解析的三条任务导向路径。•明确证据类型、功能及方法学边界。•构建面向管理目标的路径选择框架。•为源优先排序和土壤管理提供决策支持。引言土壤是维持生态系统功能、农业生产和人类健康的关键环境介质[1], [
- •
综述机器学习辅助土壤金属(类金属)源解析的研究进展。
- •
提出机器学习辅助源解析的三条任务导向路径。
- •
明确证据类型、功能及方法学边界。
- •
构建面向管理目标的路径选择框架。
- •
为源优先排序和土壤管理提供决策支持。
引言
土壤是维持生态系统功能、农业生产和人类健康的关键环境介质[1], [2]。随着工业化、城市化、采矿和农业集约化的持续推进，土壤金属(类金属)污染已成为一个普遍的环境问题[3], [4], [5], [6]。金属(类金属)可在土壤中长期存留并积累，并经历复杂的迁移与转化过程[7], [8], [9]。Pb、Cd、As、Hg、Cr、Cu和Zn的过量积累会损害土壤生态功能[10], [11]，降低作物生长和产量[6], [12], [13]，并通过作物吸收、食物链传递和直接暴露对人类健康构成风险[3], [14]。有效的污染管理与修复对于减轻这些生态和健康影响至关重要。源解析可以提供污染源信息及其相关特征，支持制定有针对性的控制和修复策略[15]。
常见的土壤金属(类金属)源解析方法主要包括多元统计方法、受体模型和示踪剂方法[15], [16]。多元统计方法如主成分分析(PCA)、因子分析(FA)和聚类分析(CA)被广泛用于揭示元素关联、样本相似性及潜在源相关结构[15]。受体模型如正定矩阵分解(PMF)、绝对主成分得分-多元线性回归(APCS-MLR)和UNMIX，可以根据受体点化学组成数据估算源贡献率，被广泛用于定量源解析[17], [18]。基于示踪剂的方法，尤其是稳定同位素分析，为源区分提供了互补性证据[16], [19], [20]。这些方法也经常被整合使用，以增强源识别和定量解析的可靠性[21], [22], [23], [24]。尽管这些方法已被广泛证实有效，但仍存在方法学和实践上的局限性。多元统计分析结果需要结合背景信息进行源解释[15]；受体模型输出可能受模型假设、因子选择、异常值和空间异质性的影响[25], [26], [27]；而基于示踪剂的方法可能受分析成本和端元选择的限制[16]。
机器学习(ML)可以通过处理高维数据、表征复杂非线性关系和整合多源环境协变量来补充上述方法[28]。自组织映射(SOM)和K-means等方法已被用于识别土壤金属(类金属)的潜在空间模式和样本分组特征[29], [30]。机器学习还与传统源解析方法相结合，以支持源识别和解释[31]。随机森林(RF)、支持向量机(SVM)、人工神经网络(ANN)和梯度提升决策树(GBDT)等有监督学习模型已被广泛用于土壤金属(类金属)的浓度预测和高分辨率空间制图[32], [33], [34], [35]。可解释性方法已被应用于这些模型，以识别重要环境变量并表征交互模式和 非线性响应关系[36], [37], [38]。机器学习及相关数据驱动方法还与受体模型耦合，以辅助因子配置、空间表征和解析结果的印证[37], [39]。相关机器学习应用还进一步支持了特定场地的自然本底判定以及面向源的生态与人体健康风险评估[40], [41], [42], [43]。总体而言，这些应用在分析目标、机器学习的角色定位以及所产生的证据类型方面存在显著差异。
现有的土壤金属(类金属)源解析研究综述从不同视角对该领域进行了综合。方法导向的综述总结了源识别和解析方法及其应用[15], [44]，而文献计量综述则刻画了该领域的时间演进和研究趋势[45]。近期的综述考察了机器学习在土壤潜在毒性元素污染中的应用，包括浓度预测、空间分布和源识别[46]，而一篇关于环境金属污染的更广泛综述则涵盖了机器学习在多种环境介质中的源解析、检测、定量和风险评估应用[47]。然而，机器学习在土壤金属(类金属)源解析研究中不同的分析功能、不同应用产生的证据及其相应的解释边界尚未被整合到一个连贯的框架中。为弥补这一空白，本综述综合了204项研究，提出了一种三路径框架，根据主要分析任务和主导证据输出对机器学习应用进行分类，并比较了三条路径的解释边界和管理相关性。
章节摘要
文献筛选与文献计量概述
为了系统地综合机器学习及相关数据驱动方法在土壤金属(类金属)源解析研究中的应用，我们以Web of Science和Scopus为核心文献数据库进行检索。检索于2026年1月19日进行，使用了与机器学习方法、土壤、金属(类金属)和源解析相关的四组术语。完整的检索词和布尔逻辑见补充材料S1。检索范围限定为同行评审的期刊
路径Ⅰ：源结构识别与模式表征
路径Ⅰ聚焦于在复杂的土壤金属(类金属)数据集中识别源相关结构并表征污染模式，主要为源解释提供定性结构证据。
路径Ⅱ：定量源解析与模型耦合
路径Ⅱ代表了所提框架中的定量源解析路径。该路径以基于受体模型的源贡献估算为核心，辅以机器学习的补充支持，提供与面向源的环 境管理直接相关的定量源贡献证据。
路径Ⅲ：环境驱动因素分析与模型解释
路径Ⅲ代表了所提框架中的环境驱动因素分析与模型解释路径。它提供关于与环境关联和污染模式及源相关空间变异有关的模型响应的半定量解释性证据。
各路径间的可解释性与证据功能
从可解释性角度来看，机器学习辅助土壤金属(类金属)源解析中的三条路径在分析任务和证据输出方面存在差异。已有研究表明，机器学习可解释性的含义不仅限于模型参数或计算过程是否透明，还包括对模型输出、预测行为和后验解释结果的理解[93], [94], [95], [96]。基于本综述的目标，
结论
- (1)
基于纳入的204项研究，文献计量分析表明，机器学习辅助土壤金属(类金属)源解析研究自2020年以来呈快速增长态势，但当前的证据基础仍存在地域集中现象，73.5%的研究在中国开展。对最频繁研究的金属(类金属)来源的综述可大致归纳为五大类，同时表现出显著的多源特征和区域异质性。有监督学习的应用更为广泛
挑战与展望
- (1)
机器学习模型的可靠性和泛化能力取决于训练数据的质量、密度和空间代表性[28], [97]。采样不足或分布不均会增加预测不确定性并削弱空间代表性。当空间相关的样本同时出现在训练集和验证集中时，空间自相关可能导致模型评估过于乐观；而超出训练数据所代表的预测空间的外推则可能降低
环境意义
本综述根据机器学习在土壤金属(类金属)源解析研究中的主要任务和证据输出，将其多样化应用系统地归纳为三条代表性分析路径。所提出的框架区分了定性结构证据、定量源贡献证据和半定量解释性证据，同时明确了不同机器学习应用的解释边界。这种以任务和证据为导向的视角能够
CRediT作者贡献声明
石杰：论文撰写——审阅与编辑。曹玮杰：论文撰写——审阅与编辑。王英明：论文撰写——审阅与编辑、论文撰写——初稿、可视化、软件、方法论、调查研究、形式化分析。韩振阳：论文撰写——审阅与编辑、方法论。邹泉：论文撰写——审阅与编辑、监督指导、方法论、资金获取、概念构思。罗佳怡：论文撰写——审阅与编辑。岳晓东：论文撰写——审阅与编辑。
利益冲突声明
作者声明不存在已知的可能影响本论文所述工作的竞争财务利益或个人关系。
致谢
本研究得到国家自然科学基金（批准号：42107402）和国家重点研发计划（批准号：2019YFC1803904）的资助。
邹泉|王英明|韩振阳|石杰|曹玮杰|罗佳怡|岳晓东
