近日，我校环境与城市建设学院李军博士团队在环境重金属污染研究领域取得系列进展。团队创新性地构建了“机器学习-受体模型-概率风险评估”集成研究框架，并成功应用于城市河流沉积物和特色农业产区土壤-作物系统，实现了对重金属污染的精准源头解析和源导向风险量化。相关研究成果分别以“Machine learning-driven multi-technique source tracing and source-specific probabilistic ecological risk assessment of heavy metal(loid)s in urban river sediments（基于机器学习驱动和多溯源模型耦合的城市河流沉积物重金属的特定源概率生态风险评估）”和“Advanced matter-element extension model and machine learning for source-specific probabilistic health risk assessment of heavy metals/metaloids in soil-rose systems in Kushui, Northwest China（基于改进物元可拓模型与机器学习的苦水玫瑰-土壤系统中重金属源导向概率健康风险评估）”为题，发表于环境科学与生态学领域一区TOP期刊《Ecological Indicators》（《生态指标》）上。

重金属污染因其持久性、毒性和生物累积性，已成为全球性的重大环境挑战。准确识别污染来源并量化其带来的具体风险，是制定有效环境管理和修复策略的关键，但长期以来一直是该领域的难点。该团队的系列研究工作为破解这一难题提供了新方法和新思路。

进展一：构建机器学习驱动的多技术集成框架，精准解析城市河流重金属污染来源与生态风险

城市河流是人类活动影响最直接的生态系统之一，其沉积物是重金属污染的“汇”和潜在的“源”。针对城市环境中污染源复杂、数据非线性等难题，团队以西北典型城市河流——泾河崆峒段为研究对象，开发并应用了一套由机器学习驱动的多技术集成框架。该研究通过地累积指数、富集因子等多种方法系统评估了沉积物污染状况，明确了镉（Cd）和汞（Hg）是主要的生态风险驱动因子。并将自组织映射神经网络（SOM）、聚类分析与正定矩阵因子分解模型（PMF）相结合，从复杂的污染数据中成功识别出工业与交通活动（贡献率33.33%）、农业活动（27.21%）、金属制造业（15.49%）、自然来源（12.95%）以及冶炼/电镀活动（11.02%）等五种污染来源。该研究的亮点在于，将污染源解析结果与蒙特卡洛模拟（MCS）的概率生态风险评估相结合，实现了从“识源”到“辨险”的跨越。结果明确指出，工业与交通活动是造成区域生态危害的首要贡献者。该成果可为区域城市河流系统的污染精准溯源和靶向性风险管控提供科学依据与决策支持。

进展二：创新评价模型与源-风险评估方法，保障特色农产品产地环境安全

土壤环境质量直接关系到农产品安全与公众健康。团队将研究视角转向了我国著名的“玫瑰之乡”——兰州苦水镇的土壤-玫瑰种植系统。针对传统评价方法在评估复杂土壤污染时的局限性，团队引入并优化了物元可拓模型（IMEM），结合多种传统指数，对玫瑰种植区土壤的重金属污染等级进行了更精准、更客观的综合评价。研究结果显示，苦水玫瑰产地土壤总体上处于尚清洁状态，土壤重金属来源复杂，汞（Hg）主要受工业-燃煤源和交通源的共同影响；镉（Cd）主要受农业源的影响；锌（Zn）主要受交通源和农业源的复合影响；砷（As）、铬（Cr）、铜（Cu）、镍（Ni）和铅（Pb）主要受工业活动产生的大气沉降源的影响。土壤重金属对当地人群具有潜在的致癌健康风险，但玫瑰重金属处于安全阈值内。研究进一步明确，自然-交通源是构成人体健康风险的首要贡献者，其中Cr和Ni是需要优先管控的关键污染物。研究结果可为苦水玫瑰种植地土壤重金属污染的风险管控和苦水玫瑰产业的高质量可持续发展提供科学的理论依据。

以上工作由我校环境与城市建设学院联合中国科学院南京土壤研究所、中国科学院成都山地灾害与环境研究所、兰州大学和西北师范大学共同完成，得到了甘肃省陇原青年英才计划、甘肃省科技重大专项项目（22ZD6WA057）、甘肃省科技计划项目（24JRRA530）、甘肃省高等学校科研项目（2024B-145）、首批兰州城市学院艾黎学科和艾黎人才工程的资助。

撰稿：鲁彩苹 审核：国洪建