通过随机森林与Shapley加性解释分析揭示尘土易发区土壤污染的人为与环境控制因素

为什么干旱地区的尘土与土壤与你息息相关

在世界许多干旱地区，风可以将细小的土壤颗粒带走并吹送数百公里。如果这些颗粒含有砷或铅等有毒金属，那么每一次沙尘暴都可能构成健康风险。本研究聚焦伊朗中部的一个多尘地区，提出了一个具有全球意义的实用问题：这些有毒元素究竟在土壤的哪些位置累积，哪些人为与自然因素最为关键？

一个在压力下的多尘景观

研究人员在亚兹德省（Yazd Province）研究了一个面积为1057平方公里的区域，该地为炎热的沙漠地带，受强风和频繁沙尘暴塑造。他们从表层五厘米深处采集了107个土壤样本——这是最容易被风掀起并最有可能接触到人类、农作物和动物的土层。在这些样本中，他们测定了五种潜在有毒元素——砷、镉、钴、铬和铅——以及一系列土壤性质，如颗粒大小、盐分和矿物指标。研究组还汇编了描述地形、气候、植被、与工业和矿区的距离以及基于卫星的地表条件指标的详细地图。

将数据与机器学习结合

研究团队没有去寻找简单的一对一因果关系，而是采用了一种名为随机森林的机器学习方法，从数十个重叠的影响因子中识别模式。他们通过组合不同预测变量组构建了十一种“假设情景”：土壤化学与质地、地表特征、人类活动信号（如道路和工厂）、气象数据以及卫星影像信息。对每种有毒元素，他们测试模型在采样点重建实测浓度的能力，进而选择在景观尺度上预测最准确的情景。

模型揭示的隐匿污染

分析显示，镉、钴、砷和铬的浓度可以被较好地预测，而铅的空间描绘则更困难——这很可能是因为铅浓度高度不均匀，少数尖锐热点分布在大部分偏低的值中。对于砷、钴和铬，表现最佳的模型主要依赖于人类活动信息与土壤属性的组合。镉则需要更广泛的信息混合，包括地表和卫星数据。由此生成的地图突出了明显的污染热点：砷与镉在中部和西部的工业区以及一条主要公路附近最高，而钴与铬在北部的城市区和西南部的经济区出现峰值。即便平均浓度为中等，在风蚀显著的地貌中这些局部累积也会对当地居民及下风向区域构成隐忧。

是谁或什么在驱动污染？

为超越“黑盒”式的预测，研究采用了一种可解释性工具——SHAP（Shapley加性解释），该方法为模型输出中每个环境因子分配责任份额。结果显示，人为因素是砷、镉和钴的主要驱动因素，对铬也是重要贡献者。特别是到工业中心的距离表现突出：越靠近工厂的土壤往往金属含量越高。在土壤性质中，土壤溶液中的钙和镁以及磁化率（与特定矿物和尘源相关的磁性信号）尤其重要。这些发现共同指向源自工业排放与交通的弥散性、广泛性污染，而非孤立的点源事故。地表特征与卫星衍生指标虽为次要因素，但仍具有意义，尤其对镉的解释力较强，反映出地形粗糙度和地表反照率如何影响金属的沉积与累积。

这对人群与土地意味着什么

简言之，研究得出结论：在这一多尘的沙漠地带，人类活动——尤其是工业活动——是顶层土壤中有毒元素累积的主要原因，某些土壤特性则有助于滞留或释放这些元素。作者表明，通过谨慎结合地面测量、地图、卫星数据和先进的机器学习方法，即便样本数量有限，也能定位污染热点。这类制图可用于指导空气质量监测、保护农田和优先安排清理行动，不仅适用于伊朗中部，也适用于尘土与污染日益交会的全球干旱区。

引用: Ebrahimi-Khusfi, Z., Ayoubi, S., Samadi-Todar, S.A. et al. Human and environmental controls on soil contamination in a dust-prone region revealed by random forest and Shapley additive explanations analysis. Sci Rep 16, 10073 (2026). https://doi.org/10.1038/s41598-026-40377-x

关键词: 土壤污染, 重金属, 沙尘暴, 工业污染, 机器学习