【技术交流】土壤污染防控｜长三角农业土壤重金属污染与人体健康风险的机器学习框架研究

来源：市场资讯

（来源：生态修复网）

长三角地区农业土壤重金属污染问题突出，镉污染持续加剧且传统风险评估方法存在静态、短时序、不确定性强、源解析不精准等不足，Zhejiang Gongshang University等机构的Luming Xiao和Zhiheng Li、Jie Chen等人发表了题为 A machine learning framework bridging heavy metal contamination and human health risks in agricultural soils of the Yangtze River Delta (2001–2030)（长三角 2001-2030 年农业土壤重金属污染与人体健康风险关联的机器学习框架）的研究论文。论文通过整合 20 年多源环境数据、对比 9 种机器学习模型、结合蒙特卡洛模拟与偏最小二乘路径分析等方法，发现了 - 镉是长三角农业土壤首要重金属污染物，浓度 20 年持续上升 - 优化 XGB 模型预测镉含量精度最优，经 2024 年实测验证 - 儿童镉致癌风险未来 5 年显著升高，污染主源从交通转为农业活动。该研究构建了多源数据 + 机器学习 + 概率风险评估的一体化框架，实现重金属污染时空演化、源解析与健康风险的动态预测，为长三角土壤重金属污染精准管控与人群健康保护提供科学依据，也为快速发展区域土壤环境管理提供方法参考。

• 镉为首要污染物，2001-2020 年浓度从 0.16mg/kg 升至 0.28mg/kg

• 9 种模型中 XGB 预测性能最优，R² 达 0.703，2024 年实测验证 R²=0.96

• 儿童镉致癌风险超标率达 19.37%，2030 年将超 1.0×10⁻⁶安全阈值

这项研究融合机器学习、源解析与概率健康风险评估，突破传统方法静态、线性、不确定性大的局限，实现长时序动态预测与源 - 风险定向关联。研究为快速城市化区域农业土壤重金属污染的动态评估、源头管控与健康风险预警提供标准化方法，为政策制定提供前瞻性数据支撑。

期刊名称：Journal of Hazardous Materials

接收时间：2025-10-29

接受时间：2026-02-16