《Sustainability》:Disaster Risk Identification and Prevention Strategies for Cultural Tourism Characteristic Towns: A Case Study of Zhangguying Town, Hunan Province
编辑推荐:
在干旱地区,潜在有毒元素(PTEs)可在绿洲农田土壤中积累,对生态系统和人体健康构成风险,并威胁农业生产的长期可持续性。然而,研究人员仍缺乏对多种元素如何共同积累以及驱动其积累的非线性过程的清晰理解。在此,研究人员调查了新疆阿克苏地区的典型农业土壤。研究人员测
在干旱地区,潜在有毒元素(PTEs)可在绿洲农田土壤中积累,对生态系统和人体健康构成风险,并威胁农业生产的长期可持续性。然而,研究人员仍缺乏对多种元素如何共同积累以及驱动其积累的非线性过程的清晰理解。在此,研究人员调查了新疆阿克苏地区的典型农业土壤。研究人员测量了28个表层样本中的12种元素(As、Cr、Cu、Ni、Zn、Co、V、Se、F、Ba、Sn、Mn)。为评估污染水平,研究人员使用了三个指数:单因子指数(Pi)、地累积指数(Igeo)和内梅罗综合指数。采用正定矩阵因子分解(PMF)进行源解析。然后研究人员构建了XGBoost模型以预测内梅罗指数,并应用SHAP(Shapley加法解释)量化每个元素的边际贡献和非线性响应。研究结果表明,Se、F和As的平均浓度分别为国家背景值的1.47、1.27和1.35倍。这些元素的超标率(Pi > 1)范围为78.6%至92.9%。尽管如此,整体污染较轻:28个采样点中仅有一个(3.6%)属于中度污染类别。PMF解析出三个主要来源:(1)母质加蒸发富集(F、Mn和Ba,约占总贡献的45%);(2)农业和人为活动(As、Cr、V、Zn,约40%);(3)当地工业或废弃物输入(Sn和Ba,约15%)。XGBoost模型在测试集上表现出良好的预测性能(R2 = 0.864,RMSE = 0.104)。SHAP分析显示,Se、F和As是综合污染指数的主要驱动因子。Se存在明显阈值:一旦其浓度超过0.3 mg·kg?1,其正贡献急剧上升。总体而言,阿克苏农田土壤呈现多种元素的轻度富集,以Se和F为主要指标。蒸发富集和农耕实践是这一富集过程的主导机制。污染指数、PMF源解析、XGBoost预测与SHAP解释相结合的综合框架为干旱地区土壤环境管理提供了科学合理的方法。
**论文解读文章**
**研究背景、现存问题与研究意义**
土壤作为地球表层系统的核心组成部分,不仅支撑农业生产,还充当污染物迁移与转化的关键介质。近年来,工业化、集约化农业及城市化导致潜在有毒元素(Potentially Toxic Elements, PTEs)在土壤中积累,威胁生态系统健康与人类福祉。干旱区生态系统以降水稀少、蒸发强烈、有机质含量低及植被覆盖稀疏为特征,相较于半湿润或湿润地区更易受人为干扰。新疆阿克苏地区位于塔里木盆地北缘,是国家棉花和粮食主产区,但化学肥料、农药及地膜的密集使用,加之绿洲灌溉引起的盐分和元素积累,对土壤质量施加了不同程度的污染压力。然而,目前对干旱区绿洲农田土壤中多种元素的空间分布、污染来源及驱动机制仍缺乏定量研究,尤其在多元素协同积累及其非线性交互作用方面存在方法论空白。传统污染评估方法(如单因子指数、地累积指数、内梅罗指数及潜在生态风险指数)虽能识别超阈值元素,但难以捕捉元素间的非线性关系与污染源复杂模式。正定矩阵因子分解(Positive Matrix Factorization, PMF)作为经典源解析模型虽能定量区分贡献比例,但无法直接量化单个元素对整体污染强度的非线性因果效应。机器学习技术,特别是极端梯度提升(Extreme Gradient Boosting, XGBoost),在环境预测建模中展现出处理特征多重共线性、捕捉非线性关系及适应中小样本量的优势;而基于博弈论夏普利值的SHAP(Shapley Additive Explanations)方法可量化各特征对预测结果的边际贡献与影响方向。鉴于此,本研究对新疆阿克苏地区28个代表性农田表层土壤样本中12种与人体健康相关的元素(As、Cr、Cu、Ni、Zn、Co、V、Se、F、Ba、Sn、Mn)进行浓度分析,旨在:(1)利用污染指数评估研究区土壤污染水平;(2)通过PMF模型识别元素主要来源及贡献比例;(3)构建XGBoost模型预测综合污染指数,并结合SHAP揭示关键驱动因子及其非线性响应特征。该研究直接回应了干旱绿洲农业生态系统面临的可持续性挑战——即在维持土壤健康和农业生产力同时最小化PTEs积累问题,研究成果发表于《Sustainability》。
**主要关键技术与方法**
本研究采用以下关键技术方法:(1)经典污染指数:包括单因子污染指数(Pi)、地累积指数(I
geo)和内梅罗综合污染指数,用于量化各元素富集程度及综合污染水平;(2)正定矩阵因子分解(PMF)模型:通过多元因子分析对12种元素进行源解析,基于残差分析确定最优因子数,分解出因子载荷和因子贡献矩阵;(3)XGBoost回归模型:以12种元素原始浓度为特征,内梅罗指数为目标变量,通过网格搜索与3折交叉验证优化超参数(学习率0.1、最大深度3、迭代次数100等),并采用留一交叉验证(LOOCV)评估模型稳定性;(4)SHAP分析:使用基于树模型的TreeExplainer计算各特征的SHAP值,生成摘要图与依赖图,揭示要素的边际贡献方向和非线性阈值效应。采样点位于新疆阿克苏地区(78°03′E–84°07′E、39°30′N–42°41′N),采用分层随机抽样设置28个点(26个棉田、2个休耕地),采集0–30 cm表层土样,经CMA认证实验室使用电感耦合等离子体质谱法(ICP-MS)、氢化物发生-原子荧光光谱法(HG-AFS)和离子选择性电极法(ISE)测定元素含量。
**研究结果**
**3.1 元素组成特征**
通过描述性统计发现,Se平均浓度(0.25 mg·kg
?1)为国家背景值的1.47倍,F(617.75 mg·kg
?1)为1.27倍,As(12.16 mg·kg
?1)为1.35倍。Se、Sn、Ni、Cu的变异系数(CV)较高(分别为0.36、0.31、0.24、0.23),表明人为或局部地质条件影响其分布;而Cr、Zn、Co、Mn、Ba、V、F的CV ≤ 0.20,背景来源较均匀。单因子指数(Pi > 1)超标率:As为85.7%,F为92.9%,Se为78.6%,表明这些元素已发生不同程度富集。
**3.2 污染评估**
单因子指数(Pi)显示Se平均Pi为1.464,个别点达中度污染(Pi 2.82);F平均Pi为1.266,多为轻度污染;As平均Pi为1.351,未超过2。Cr、Ni、Co、V、Ba平均Pi均低于1。地累积指数(I
geo)平均值为负,仅Se在S11点达到轻度至中度污染(I
geo = 0.91)。内梅罗综合指数平均为1.38 ± 0.26,85.7%的采样点为轻度污染,3.6%(1个点)为中度污染,无重度污染。整体污染以轻度为主,Se、F、As为主要贡献元素。
**3.3 源解析结果**
PMF模型解析出三个因子:因子1(母质加蒸发富集,约45%贡献)以F(载荷53.41)、Mn(33.45)、Ba(33.05)为主;因子2(农业和人为活动,约40%)以V(3.41)、Cr(2.63)、Zn(2.13)、Ni(1.19)、As(0.67)为特征,高贡献点集中在农田密集区;因子3(当地工业或废弃物来源,约15%)以Ba(33.06)、Mn(19.01)、F(14.66)、Sn(0.14)为主,Sn高值暗示小型金属加工或电子废弃物排放。
**3.4 XGBoost模型性能**
XGBoost模型在测试集上R
2 = 0.864,RMSE = 0.104,LOOCV平均R
2 = 0.851 ± 0.097,验证了模型稳定性。基于增益的特征重要性排序为Se(0.381)、Mn(0.247)、F(0.160),三者合计近80%。
**3.5 SHAP解释**
SHAP平均绝对重要性排序为Se(0.0959)、F(0.0527)、As(0.0330)、Ba(0.0237)、Mn(0.0236)、Sn(0.0204)。依赖图显示Se在浓度低于0.3 mg·kg
?1时SHAP值接近零或负,超过后正贡献急剧上升,呈现明显阈值效应;F在超过600 mg·kg
?1后SHAP值转为正并上升;As在超过12 mg·kg
?1后正贡献缓慢增加,呈近似线性关系。
**讨论总结与研究结论**
讨论部分指出,PMF源解析结果与当地环境条件吻合:因子1对应干旱蒸发富集过程,因子2源于历史砷基农药及含铬锌化肥的施用,因子3与局部工业活动相关。与塔里木盆地、珠江口等干旱区研究一致,蒸发富集和农业输入是主要驱动因素。XGBoost相比传统线性回归(R
2 = 0.52)显著提升预测性能(R
2 = 0.864),SHAP克服了PMF无法量化因果贡献的局限。Se和F的阈值效应提示需控制额外输入并开展健康风险评估。研究局限性包括样本量小(N=28)、未纳入土壤理化性质协变量、使用全国背景值而非新疆本地值等。
**研究结论**(翻译自原文第5节):
分析了新疆阿克苏28个表层土壤样本,测定了12种与人体健康相关的元素。利用经典污染指数、PMF源解析、XGBoost和SHAP,评估了土壤污染程度、追溯了污染物来源并识别了关键驱动因子。主要发现如下:
(1)元素水平与污染状态:研究区Se、F、As的平均浓度分别为国家背景值的1.47、1.27和1.35倍,超标率(Pi > 1)为78.6–92.9%。单因子和内梅罗指数表明整体污染为轻度。仅一个采样点(3.6%)显示中度污染,无重度污染。
(2)污染来源:PMF解析出三类来源:母质加蒸发富集(因子1,以F、Mn、Ba为主)、农业和人为活动(因子2,以As、Cr、V、Zn为主)、当地工业或废弃物来源(因子3,以Sn、Ba为主),贡献比例分别约为45%、40%、15%。蒸发富集和农耕是该地区元素积累的主要过程。
(3)机器学习预测与驱动因子:以内梅罗指数为目标,XGBoost模型在测试集上表现良好(R
2 = 0.864,RMSE = 0.104),表明多元素浓度可可靠预测整体污染。SHAP分析指出Se、F、As为主要贡献者。Se呈现清晰阈值:浓度超过0.3 mg·kg
?1后正贡献急剧跳跃。F和As均表现出强正相关性。这些结果与污染评估中Se、F、As超标率最高一致。
(4)环境意义与管理建议:阿克苏土壤总体呈轻度富集,但Se、F、As在局部点达到中度水平,需关注其生态与健康风险。建议在Se、F超标区域对作物可食部分进行监测,并严格限制砷基农药和含氟化肥的使用。“PMF + XGBoost + SHAP”框架也可应用于其他干旱地区的土壤污染评估与预警。总体而言,本研究证明将PMF源解析与XGBoost-SHAP预测相结合可为干旱区可持续土壤环境管理提供稳健且可转移的框架,为针对性污染控制和长期农业可持续性提供定量支持。