一种用于检测城市土壤中痕量金属的混合数据驱动机器学习方法:通过整合源解析技术实现高精度预测

《Journal of Hazardous Materials》:A hybrid data-driven machine learning method for mapping trace metals in urban soils: integrating source apportionment to enable high accuracy prediction

【字体: 大 中 小 】 时间:2026年07月03日 来源:Journal of Hazardous Materials 10.6

编辑推荐:

  李远龙|何雅蕾|张岩|孙奇轩|施岩|彭驰中国长沙410083,中南大学冶金与环境学院环境工程研究所摘要在采样点有限的情况下对区域土壤污染进行绘图,对于有效的土壤环境管理至关重要。城市环境的高度异质性导致土壤中痕量金属的空间变化较大,给使用传统方法进行精确预测带来了挑战。本研究提出

  
李远龙|何雅蕾|张岩|孙奇轩|施岩|彭驰
中国长沙410083,中南大学冶金与环境学院环境工程研究所

摘要

在采样点有限的情况下对区域土壤污染进行绘图,对于有效的土壤环境管理至关重要。城市环境的高度异质性导致土壤中痕量金属的空间变化较大,给使用传统方法进行精确预测带来了挑战。本研究提出了一种混合数据驱动机器学习方法(HDML),用于高精度绘制土壤痕量金属分布图,该方法整合了环境因素、空间分布趋势以及源解析信息。以中国长株潭城市群为案例研究,HDML在预测镉、砷、铅和铬的含量方面表现出较高精度,R2值介于0.796到0.883之间,而锰的预测精度较低(R2 = 0.669)。与克里金法和XGB模型相比,HDML-XGB模型的平均均方根误差分别降低了77.89%和51.54%。空间分布趋势和源解析信息在所有特征重要性中占比超过68%,其解释力优于土壤理化性质、气候条件、空气质量等人文因素。HDML有效降低了低值区和高值区的预测误差,同时更详细地呈现了空间分布特征。通过利用多源信息,HDML为有针对性的治理和风险管控提供了可靠的工具。

引言

城市化和工业化导致了土壤痕量金属污染的广泛存在(Hou等,2025)。由于这些痕量金属具有毒性和持久性,因此会对人类健康和农产品安全构成严重威胁(Hou等,2020;Hu等,2020)。要有效治理土壤痕量金属污染,就需要准确划定污染边界,但污染的隐蔽性以及土壤污染调查的高成本往往阻碍这一工作的开展(Zhao等,2015)。例如,欧盟的土地利用与覆盖面积统计调查项目在2009年至2022年间对各成员国进行了大规模的土壤调查,分析了超过10万个样本(Ballabio等,2019)。不过,土壤样本之间的间距往往在数百米到数公里之间。复杂的源-汇过程以及多样的环境因素使得土壤痕量金属的空间异质性很高(Sahu和Basti,2021)。因此,基于有限的调查数据来刻画高精度的土壤污染分布面并准确识别污染边界仍然是一项挑战。
识别空间分布趋势是刻画区域土壤污染的关键。不同地区的人类活动差异会导致土壤痕量金属分布模式的不同。在城市地区,土壤痕量金属的分布通常以工业区为中心向外扩散,交通网络则会导致线性分布(Gallon等,2006;Louchouarn等,2012)。自然环境因素也起着重要作用,比如土壤母质会影响背景痕量金属水平,而气象和水文条件则会影响其迁移路径和范围(Rausch等,2005;Tessier等,2014;Usenko等,2010)。地统计插值方法,从基于逆距离加权的确定性方法到普通克里金法等地统计技术,都是利用采样数据中的空间关系来估算土壤痕量金属分布的常用方法(Qiao等,2019)。这类方法相对简单,且所需数据量较少,因此被广泛用于预测土壤污染物分布(Xie等,2011)。然而,在城市和工业区,土壤痕量金属的积累受到人类活动和自然因素的共同影响,导致其分布具有高度异质性。地统计方法往往会出现较大的预测误差,难以满足有针对性的土壤污染管理需求。
城市地区复杂的各种环境因素使得土壤痕量金属在小尺度上的分布具有高度变异性(Li等,2019)。降雨量、植被类型、地形以及土壤性质等环境因素的空间差异已被证明会影响到土壤痕量金属的分布(Zhang等,2023a;Zhou和Li,2024)。此外,人口密度、交通流量、城市绿地和建筑物的积尘能力、土壤的维护和耕作等人文因素也会显著影响土壤痕量金属的积累(Peng等,2022;Su等,2019;Zhao等,2023)。众多影响因素的存在使得土壤痕量金属分布的预测变得十分复杂。近年来,人工智能算法的进步提升了我们分析高维数据和分类协变量的能力(Wu等,2021)。机器学习方法已成为预测区域土壤污染分布的一种很有前景的技术(Zhang等,2025)。不过,应用机器学习方法需要大量的土壤痕量金属采样数据以及与环境因素相关的强相关性数据,否则预测精度会大幅下降(Chao等,2025;Guo等,2024)。最近,Zhao等(2023)提出了一种结合地统计和机器学习的方法,该方法将地统计得到的空间区域指数作为机器学习中的协变量,显著提高了土壤痕量金属分布预测的精度。Qin等(2025)则提出了地理加权回归与机器学习相结合的方法,同样提升了土壤痕量金属分布预测的精度。在地统计和机器学习的结合应用中,或许能够克服现有方法在处理复杂城市区域时的局限性。
提升模型算法的数据可解释性对于提高机器学习模型的性能至关重要。机器学习模型受其底层算法的限制,难以从采样数据的空间分布中有效提取出足够的隐藏信息,比如分布趋势和来源信息(Koldasbayeva等,2024)。城市环境中众多的排放源进一步增加了土壤痕量金属分布的复杂性(Xu等,2025)。获取这些排放源的定量排放数据十分困难。仅依靠机器学习方法无法从采样数据中识别出潜在的污染源,而正矩阵分解之类的源解析方法则更适用于这项任务。因此,本研究提出了一种混合数据驱动机器学习方法(HDML),该方法基于采样数据预测污染物的空间分布,同时运用地统计算法来刻画污染分布趋势,再利用正矩阵分解模型来提取污染源的贡献信息。这种整合提升了该方法从输入数据集中提取全面信息的能力,有助于在复杂的城市环境中实现高精度的土壤污染分布预测。本研究以中国的长株潭城市群为案例,该城市群包含一个综合性城市CS以及两个工业城市ZZ和XT,我们通过预测精度和详细特征刻画两个方面评估了HDML在绘制土壤痕量金属分布图方面的性能。该方法有望成为克里金法等传统插值方法的优质替代方案,同时为揭示污染物的地球化学行为模式提供有力支持,进而为制定有针对性的土壤环境管理策略提供依据。

章节节选

样品采集与分析

长株潭城市群位于中国中部,属于亚热带季风气候。该地区有一个国家级有色金属冶炼园区( ZZ市的QST),一个大型黑色金属采矿及冶炼园区(XT市的ZBG),还有周边地区的众多金属冶炼和化工企业(Zhou等,2024a)。2018年,我们在城市和郊区以3×3公里的网格间距采集土壤样本,在农村地区则以6×6公里的网格间距采集样本。每个土壤样本

污染特征与空间分布

表1展示了各类痕量金属含量的统计结果。长株潭地区砷、镉、铅、铬、锰、镍、锑、锌、铜和铁的平均含量分别为19.07、0.75、51.35、114.79、615.74、33.38、2.61、176.61、34.59毫克/千克,以及38.27克/千克。在geo平均值中,镉的值最高,为1.20,说明其整体积累程度最为严重(见表1)。属于2类及以上的镉的比例最高,为48.16%,主要分布在XT和ZZ城市及其郊区

结论

本研究提出的一种HDML方法,通过整合环境协变量、空间分布趋势以及源解析信息,显著提升了土壤痕量金属分布图的绘制精度和细节刻画水平。研究结果表明,研究区域内砷、镉、铅、铬和锰的积累较为严重,其分布主要受污染源分布的影响。随机采样正矩阵分解分析显示,主要的污染源

环境意义

本研究提出的HDML方法显著提升了在复杂城市群中预测土壤痕量金属分布的精度。与传统模型相比,它可将预测误差降低77.89%,从而能够在采样点有限的情况下准确划定污染边界。该方法在农业和矿业领域也有应用潜力,有助于开展区域土壤污染的分类管理以及有针对性的治理工作

CRediT作者贡献说明

孙奇轩:数据收集与研究工作。张岩:资源协调与数据收集工作。何雅蕾:资源协调与数据收集工作。李远龙:论文初稿撰写、方法设计、研究工作以及正式分析工作。彭驰:论文审阅与编辑、模型验证以及研究指导工作。施岩:数据收集与研究工作。

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

致谢

我们衷心感谢国家自然科学基金委员会(项目编号22494684、42477436)、湖南省自然资源厅科研经费(项目编号HBZ20240159)以及湖南省自然科学基金(项目编号2025JJ20032)提供的资金支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号