【专家视角】四川大学余江团队 | 土壤中重金属迁移风险的pH依赖性高估：对土壤质量评估的启示

来源：市场资讯

（来源：生态修复网）

第一作者：巫英东

通讯作者：余江

通讯单位：四川大学

论文DOI: 10.1016/j.jhazmat.2025.140792

图文摘要

成果简介

近日，四川大学余江教授团队在环境领域环境领域权威期刊《Journal of Hazardous Materials》上发表了题为“pH-dependent overestimation of heavy metals mobility risk in soils: Implications for soil quality assessment”的研究论文。该工作收集了已经发表的研究的5151个实验数据，结合非参数统计、机器学习等方法，探究了土壤pH跟PF1（土壤重金属BCR萃取的酸可提取态的占比）的关系。通过揭示pH跟PF1之间的关系，该研究表明使用RAC评估方法来评估土壤重金属迁移风险会高估其风险。结合亚组分析结果，团队进一步提出了“成分-环境耦合”概念框架，为准确评估土壤重金属迁移风险提供了方向。

全文速览

基于BCR顺序提取的酸可提取态占比（PF1）常用于评估土壤重金属的迁移风险（RAC），但目前土壤pH与PF1之间的关系尚不明确。近日，四川大学余江教授团队在土壤风险评估领域取得新进展。该团队从162项研究中收集了5151个实验数据，结合非参数统计、机器学习与SHAP分析，系统揭示了土壤pH与PF1之间的关系。结果表明，Cr、Fe、Mn、Pb和Zn的PF1随土壤pH升高而增加。若基于RAC评估，则会认为这些重金属的迁移风险随pH上升而增加，但这与“pH升高增强土壤对重金属的吸附、从而降低其迁移能力”的认知相矛盾，说明RAC可能高估土壤重金属的迁移风险。进一步亚组分析结果表明，年均温、年降雨、土壤有机碳含量和粘土含量会调节土壤pH与PF1之间的关系。基于上述结果，团队进一步提出了“成分-环境耦合”评估概念模型，为今后准确评估土壤重金属迁移风险提供了理论依据。

引言

使用土壤重金属总量评估风险会造成高估，因此，基于BCR萃取的酸可提取态的占比（PF1）衍生的指标风险评估代码（RAC）被广泛用于土壤重金属风险评估。然而，土壤pH与PF1之间的关系不清楚，近些年来的区域研究的结果互相矛盾。因此，为澄清F1与pH的全球关系并评估RAC的适用性，本研究整合了全球162项研究的5151组数据，结合气候与土壤属性，运用机器学习与统计方法，旨在：（1）揭示PF1随pH变化的全局趋势；（2）解析环境因子对该关系的调控；（3）系统评估RAC模型的准确性。

图文导读

本研究通过从WOS数据库中收集了162项研究中，收集了5151个实验数据，并通过从WorldClim全球气候数据库（WorldClim2.1）和世界土壤数据库（HWSD2.0）中补充缺失值，构建了土壤重金属PF1数据库。Cd的PF1最高（34.49%），其次是Mn（19.66%）和Zn（16.57%）。其他的重金属（Cr、Cu、Fe、Ni和Pb）PF1的均低于10%。

图1. 样本分布特征。（a）采样点全球空间分布；（b）各重金属样本占比，其中Pb（n=998）和Zn（n=928）数据集规模最大；（c）不同重金属PF1（%）分布情况，Cd的平均值最高（34.49%），Fe最低（2.65%），表明PF1在不同金属类型间存在显著差异；（d）基于美国农业部三角坐标系的土壤质地分类图，显示样本覆盖砂质、壤质和粘质等典型土壤类型。

KW检验和事后Dunn检验表明，Cr、Fe、Mn和Pb的PF1在碱性下显著增高（Cr：11.61%; Fe：5.57%; Mn：23.11%; Pb：9.87%），低于酸性环境（Cr：3.21%；Fe：0.18%；Mn：16.65%；Pb：5.82% ）。Zn（酸性：14.23%，中性：18.87%，碱性：17.03%）在中性土壤下的PF1显著高于酸性土壤下，但酸碱性与中性碱性对之间无显著差异。值得注意的是，Cu（酸性：11.30%，中性：7.39%，碱性：9.09%）在酸性土壤中最高，显著高于中性和碱性条件，中性与碱性之间无显著差异。

图2. 八种重金属PF1值在不同pH类别下的统计比较，揭示了不同pH条件下PF1值的变化。箱线图展示了酸性（pH < 6.5，红色）、中性（6.5 ≤ pH ≤ 7.5，黄色）和碱性（pH > 7.5，蓝色）土壤条件下的中位数（中线）、四分位距（箱体）及95%置信区间（须线）。(a) Cr在碱性土壤中显著增加；(b) Fe表现出最剧烈的增加；(c) Mn在碱性土壤中显著增加；(d) Pb在碱性条件下显著增加；(e) Zn在中性条件下呈现峰值；(f) Cu在酸性条件下数值最高。

Spearman相关性分析结果显示，除Cd和Ni外，其余重金属的PF1与土壤pH均存在显著相关性（p < 0.05）。此外，针对各重金属PF1建立的随机森林模型显示，pH在不同重金属中的相对重要性差异显著：土壤pH对Cr的PF1重要性最高（36.60%），对Ni的PF1重要性最低（0.45%），对其余重金属PF1的重要性介于4.24%至13.38%之间。进一步的SHAP部分依赖分析揭示了土壤pH对各重金属PF1的边际效应模式。结果显示，Cr、Fe、Mn和Pb的PF1对应的SHAP值随土壤pH升高呈上升趋势，在酸性条件下为负值，并随pH升高逐渐转为正值。对于Zn，当pH低于5.5时其SHAP值快速上升，pH高于5.5后增速趋缓。Ni的变化相对平稳，仅呈现轻微响应，且明显变化仅出现在中性至微碱性pH范围内。相比之下，Cd和Cu的PF1对土壤pH响应的SHAP值表现出更复杂的模式和明显波动。对于Cd，当pH低于8时，其PF1的SHAP值随pH升高呈波动变化；当pH超过8后，SHAP值随pH进一步升高呈现明显下降趋势。对于Cu，当土壤pH低于7时，其PF1的SHAP值总体随pH升高呈小幅波动下降；当pH超过7后，SHAP值随pH进一步升高而上升。此外，敏感性分析证实了结果的稳健性，所有重采样模型均呈现一致的SHAP-pH变化模式。

图3. 采用相关性分析、机器学习特征重要性及可解释性随机森林方法，定量分析pH对重金属迁移形态的影响。(a) PF1与土壤pH之间的Spearman相关系数（ρ），显示Cr、Fe、Mn、Pb、Zn呈正相关，而Cu呈负相关；(b) 随机森林特征重要性（%IncMSE）量化了pH对PF1预测的贡献度，其范围从0.45%（Ni）到36.60%（Cr）；(c-j) SHAP部分依赖图展示了在控制其他变量后，pH对PF1的边际效应。SHAP正值（高于零线）表示pH会提高PF1（相对于基线），负值则表示降低。统计显著性水平：*p < 0.05，** p < 0.01，***p < 0.001。

本研究根据SHAP分析结果进一步开展亚组分析，结果表明，年均降雨量(MAP)、年均温度(MAT)、土壤有机碳含量(OC)和土壤粘土含量(Clay)对土壤pH和PF1的关系具有调节作用。

图4. 不同气候条件下各重金属PF₁对土壤pH的SHAP值响应。（a）按年均温（MAT）分组的Fe；（b）按年降水量（MAP）分组的Cd；（c）按年降水量（MAP）分组的Cu。

图5. 不同粘土和有机碳（OC）含量条件下各重金属PF1对土壤pH的SHAP值响应。（a）按粘土含量分组的Cu；（b）按粘土含量分组的Fe；（c）按粘土含量分组的Pb；（d）按有机碳（OC）含量分组的Ni。

根据上述结果表明，Cd、Fe、Mn、Pb和Zn 的PF1随着土壤pH的增加而增加，此时若根据RAC开展评估，则会认为这些重金属的迁移风险随着pH增加而增加，这与pH增加使得土壤对这些金属阳离子的吸附能力加强，从而降低重金属的迁移风险相矛盾，这表明使用RAC评估重金属风险会高估重金属的迁移风险。对此，本研究进一步提出了一个“成分-环境因子”概念框架，

其中EF1表示有效F1，表示中PF1真正反映HMs在土壤中流动风险的部分; WF1a以及WF1b分别是分配给可交换分数和碳酸盐结合分数的权重; PF1a以及PF1b是土壤中可交换和碳酸盐结合的HMs的比例; f(Env.)是一个环境因素系数，考虑了MAT、MAP、OC、粘土及其他环境因素。这一概念框架为未来更精确地评估土壤重金属的迁移风险提供了方向。

小结

本研究首次从全球尺度揭示了土壤pH和PF1的关系。团队结合非参数统计、随机森林和SHAP分析，探究了土壤pH和PF1的关系，并通过亚组分析探究了环境因素的调节作用。结果表明，部分重金属的PF1随着pH的增长而增长，这表明RAC风险评估方法会高估土壤重金属的迁移风险。基于这些发现，团队提出了一个“成分-环境因子”概念框架。本研究填补了土壤重金属成分的环境行为的研究空白，也为准确评估土壤重金属迁移风险提供了理论依据。

作者介绍

第一作者：巫英东，现为四川大学建筑与环境学院2023级硕士研究生，主要研究方向为土壤重金属迁移行为的大数据解析。在读期间以第一作者发表SCI论文3篇。

通讯作者：余江，博士，四川大学建筑与环境学院教授，博士生导师。主要从事新污染物环境行为与效应，土壤及地下水污染治理与修复，固体废物高值化利用等领域研究。主持和承担国家重点研发计划、自然基金、省科技重大项目、省攻关项目、国际合作项目等50余项，发表SCI论文100余篇，科技进步奖2项，专利15项，教材4部，专著2部，标准3项。

(生态修复网)