农田土壤中的重金属和类金属污染是一项亟需解决的环境问题,它对生态安全和食品安全构成了重大威胁(Hou et al., 2025; Naidu et al., 2025)。农业土壤中重金属的积累既受自然背景条件的影响,也与人为因素有关,其中农业活动和工业活动被认为是主要的污染来源(Ren et al., 2022; Shi et al., 2018; Tholley et al., 2023; Wen et al., 2022)。如何评估和管理农业景观中的人为污染风险,越来越受到重视(Li et al., 2021; Shi et al., 2023; Xia et al., 2024a)。然而,现有的分析框架在整合多种污染源并将特定污染源的信息转化为定量风险指标方面存在不足,这限制了我们对人为污染压力的全面理解。
源解析技术可用于分类和识别土壤重金属的潜在来源(Ding et al., 2025; Xia et al., 2024b; Yan et al., 2025)。不过,这些推断出的污染源信息实际上是基于农田土壤中重金属污染的观测分布模式得出的,通常是通过数据驱动的统计方法来估算各污染源的贡献程度。另一种方法是选取那些靠近疑似污染源的农田土壤进行采样和分析,这些污染源可能包括工业企业、工业园区、矿区以及主要道路(An et al., 2022; Dong et al., 2024; Wang et al., 2025; Yang et al., 2023; Yao et al., 2024)。尽管这类研究能够为特定污染源环境下的污染特征提供有价值的见解,但它们往往缺乏明确的污染源-受体框架,因此无法建立起污染源与作为环境受体的农田土壤之间的直接风险关联。
近年来,人们越来越关注针对与工业实体相关的土壤重金属污染风险的源导向评估,这些工业实体包括工业企业以及受污染的场地。一些研究利用在线热点检测和公共环境报告等来源获取的信息,采用半定量方法,如点排序法、统计清单法以及基于专家评分的系统,来评估点源污染对周边农田土壤的潜在影响(Jia et al., 2019; Jiang et al., 2021; Li et al., 2022)。与此同时,基于栅格的分析方法和空间统计方法也被用来识别工业污染对农田土壤区域构成的潜在威胁(Guan et al., 2025; Li et al., 2022; Wei et al., 2022),这些方法为源导向的风险评估带来了重要进展。不过,这些方法在定量描述单个企业的污染风险以及全面反映特定污染源的污染压力方面仍存在局限。区域风险评估则提供了一种灵活、多维度且具有综合性的框架,可根据不同的评估目标和环境状况进行调整,其重点可以是风险源或风险受体(Agostini et al., 2012; Guo et al., 2020; Pizzol et al., 2011)。虽然这一框架在土壤重金属研究中应用较少,但它为定量评估农业土壤中源导向的污染风险潜力提供了良好的基础。
从源导向的风险评估角度来看,农田土壤中其他主要重金属污染源的潜在风险也尚未得到充分研究。农业活动,尤其是化肥和农药的使用,被广泛认为是导致农业土壤中重金属输入的重要因素(Shao et al., 2024; Yuan et al., 2021)。此外,农村家庭产生的未经处理或处理不当的废水和固体废物,也可能成为农田土壤中重金属污染的重要来源(Gong et al., 2024; Yang et al., 2021)。尽管有一些机器学习模型会将人口密度作为预测土壤重金属浓度的变量(Chen et al., 2023; Pan et al., 2025; Xu et al., 2025; Zhao et al., 2023),但这些替代变量并不能直接体现产生污染的行为,因此不足以全面描述农村居民活动带来的污染风险。
本研究构建了一个以污染源为导向的框架,用于评估由人为活动引发的农田土壤重金属污染风险。我们整合了工业、农业、农村居民活动以及道路交通活动这四类主要污染源。为弥补传统评估方法仅依赖已观测到的污染水平的缺陷,我们引入了一个综合指标——农田土壤重金属污染风险潜力。与传统基于污染程度或风险的指标不同,该指标能够直接体现人为污染源对农田土壤可能造成的污染压力。中国是一个非常重视粮食安全和农田保护的国家(Liu and Zhou, 2021; Shen et al., 2024; Wang et al., 2023),因此我们选择中国作为案例,展示所提出框架的应用效果。具体而言,我们在中国各城市层面对重金属污染风险潜力进行了评估和制图,从而能够系统地分析其空间分布、时间变化趋势以及潜在的社会经济驱动因素。通过将研究重点从污染现状转向与污染源相关的风险潜力,本研究为农田土壤重金属污染的源导向风险评估与管理提供了新的思路。