Makine öğrenimi, küresel topraklardaki ağır metal(oid)lerin baskın fraksiyonlarını ortaya çıkarıyor

Ayaklarımızın altındaki toprağın önemi

Tükettiğimiz gıdaların çoğu toprakta başlar; yine de gezegenin bu ince kabuğu, sanayi, tarım ve atmosfer yoluyla zararlı metalleri sessizce biriktiriyor. Bu metaller hareketsiz durmaz: bazı formlar toprağın tanelerine sıkı sıkıya tutunurken, diğerleri suya, bitkilere ve nihayetinde vücutlarımıza daha kolay geçer. Burada özetlenen çalışma, modern veri tekniklerini kullanarak bu daha hareketli ve tehlikeli formların dünyada nerede ve hangi koşullar altında ortaya çıkma olasılığının daha yüksek olduğunu ortaya koyuyor; cıva ise ayrıntılı bir test vakası olarak ele alınıyor.

Zararlı metallerin gizli formları

Cıva, kadmiyum ve kurşun gibi metaller, hem doğal kayaçlardan hem de madencilik, cevher eritme ve kömür yakma gibi insan faaliyetlerinden toprağa ulaşır. Toprakta tek bir durumda bulunmazlar. Bunun yerine birkaç “fraksiyon” arasında dağılırlar: bazıları taneciklere gevşekçe bağlı veya suda çözünmüş haldeyken, diğerleri mineral yapılar içinde kilitlenmiş halde olabilir. Gevşek tutulmuş fraksiyonlar su yollarına ve bitki köklerine daha kolay geçerken, sıkı bağlanmış fraksiyon nispeten daha stabildir. Küresel çalışmaların çoğu toplam metal miktarına odaklandı; ancak yazarlar, bu fraksiyonlar arasındaki dengenin, özellikle her toprakta baskın olan fraksiyonun, gıda ve sağlık riski üzerinde esas belirleyici olduğunu savunuyor.

Dijital bir modele toprağı “okumayı” öğretmek

Bu dengeyi küresel ölçekte yakalamak için araştırmacılar, 56 ülkeden üst topraklarda metal fraksiyonlarına ait 9.489 ölçüm derlediler; veri seti 52 farklı metali ve geniş bir arazi türü yelpazesini kapsıyordu. Her örnek için toplam metal düzeyleri, pH gibi temel toprak özellikleri, organik karbon, kil içeriği ve katyon değişim kapasitesi ile metalin kendi özelliklerine dair sayısal tanımlayıcılar kaydedildi. Ardından eXtreme Gradient Boosting olarak bilinen bir makine öğrenimi modeli eğitildi; model hangi koşullar altında hangi fraksiyonun baskın olma eğiliminde olduğunu öğrenmeye çalıştı. Özenli özellik seçimi ve ayarlamadan sonra model, veri seti daha stabil, düşük hareketlilikli fraksiyona kaymış olsa bile baskın fraksiyonları yüksek doğrulukla sınıflandırdı.

Metalleri harekete geçiren toprak bileşenleri

Yorumlama araçlarını kullanarak ekip, modelin kararlarını en çok hangi faktörlerin şekillendirdiğini inceledi. Toplam metal konsantrasyonu önemli bir sürücü olarak öne çıktı: topraklar daha fazla kirlenince minerallerin ve taneciklerin “saklama kapasitesi” aşılabilir ve daha fazla metal hareketli fraksiyonlara itilebilir. Aynı derecede önemli olan diğer etkenler topraktaki organik karbon ve pH idi. Daha yüksek pH ve daha fazla organik madde, çözünebilir organik parçaların metalleri çökelmek yerine toprak suyunda kalan komplekslere bağlama eğiliminde olması nedeniyle daha hareketli formları destekledi. Bu etkileşim basit değildir—diğer toprak iyonları ve mineraller aynı bağlanma bölgeleri için rekabet eder—ancak analiz, organik karbon ve pH’ın metalleri ne kadar kolay hareket ettirebileceğini kontrol eden küresel düzeydeki ana kollar olduğunu açıkça vurguladı.

Cıvanın riskli sıcak noktalarını haritalamak

Araçlarının uygulamada neler yapabildiğini göstermek için bilim insanları, nispeten iyi küresel veri bulunan ve dünya çapında endişe yaratan toksik bir metal olan cıvaya odaklandı. Modeli, toprak cıva haritaları, toprak özellikleri, nüfus ve beş kilometre çözünürlükteki tarım arazisi haritalarıyla birleştirdiler. Modelin hareketli cıva formlarının stabil fraksiyondan daha muhtemel olduğunu değerlendirdiği bölgeler yüksek-hareketlilik sıcak noktaları olarak işaretlendi. Küresel karaların yaklaşık %17,85’i bu kategoriye girdi. Afrika ve Güney Amerika’nın geniş alanları, Kuzey Amerika’nın bazı bölümleri ve Güneydoğu Asya öne çıkarken, Avrupa’nın büyük kısmı ve bazı yüksek enlem bölgeleri daha düşük hareketlilik gösterdi; bunun kısmen oralardaki daha asidik toprakların cıvayı daha sıkı tutma eğiliminde olmasından kaynaklandığı belirtildi.

Tehlike bölgelerindeki insanlar ve tarım

Sıcak nokta haritasını nüfus ve tarım arazileriyle üst üste koymak, en çok kimin risk altında olduğunu gösterdi. Yazarlar, yaklaşık 15,1 milyon insanın ve 100,9 milyon hektar tarım arazisinin cıvanın daha hareketli formlarda bulunma olasılığı yüksek alanlarda yer aldığını tahmin ediyor. Etkilenen arazilerde payı daha küçük olmasına rağmen Asya, yoğun nüfusu ve yoğun tarımı nedeniyle en çok etkilenen insan ve tarım arazisi sayısına sahip; özellikle Kuzey Hindistan, Bangladeş ve Doğu Çin öne çıkıyor. Bu bulgular, cıva emisyonlarını azaltmaya yönelik küresel anlaşmaların ötesinde birçok ülkenin belirli bölgelerde toprak testleri yapması ve hedefe yönelik iyileştirme çalışmalarına acilen ihtiyaç duyduğunu gösteriyor.

Topraktaki sorunları daha hızlı tespit etmenin bir yolu

Metal fraksiyonlarını doğrudan ölçen laboratuvar yöntemleri yavaş, teknik olarak zor ve pahalıdır; bu da kaç siteyi kontrol edebileceğini sınırlar. Buna karşılık, yeni çerçeve bir kez özenle ölçülmüş örnekler üzerinde eğitilebilir ve ardından temel toprak ve metal verilerinin bulunduğu her yerde baskın fraksiyonları hızla tahmin etmek için kullanılabilir. Yaklaşım hâlâ küresel toprak kirlenme haritalarının iyileştirilmesine ve daha fazla saha verisi toplanmasına bağlı olsa da, şimdiden güçlü bir kestirme sunuyor: hareketli, zararlı metallere ilişkin muhtemel sıcak noktaları önceden belirlemenin bir yolu; böylece hükümetler ve topluluklar, gıda güvenliği ve halk sağlığı açısından en önemli yerlerde test ve temizleme çalışmalarına odaklanabilirler.

Atıf: Hu, T., Wu, M., Chen, Q. et al. Machine learning uncovers dominant fractions of heavy metal(loid)s in global soils. Commun Earth Environ 7, 214 (2026). https://doi.org/10.1038/s43247-026-03221-8

Anahtar kelimeler: toprak kirliliği, ağır metaller, <keyword>makine öğrenimi, çevresel sağlık