机器学习揭示全球土壤中重金属（类金属）主导组分

脚下土地为何重要

我们大多数食物都起始于土壤，然而这层薄薄的行星表皮正悄然从工业、农业和大气中积累有害金属。这些金属并非静止不动：有些形态紧密附着于土粒，而另一些则容易进入水体、作物并最终进入人体。本文总结的研究利用现代数据技术，揭示了全球范围内这些更易迁移且更危险形态最可能出现的位置和条件，并以汞作为详细的检验案例。

隐藏的有害金属形态

汞、镉和铅等金属既可来自天然岩石，也可来自采矿、炼冶和燃烧煤炭等人类活动。它们在土壤中并非以单一状态存在，而是分布在若干“组分”之间：有些松散地附着在颗粒上或溶于水中，另一些则被锁在矿物结构内。松散结合的组分更容易进入水道和植物根系，而紧密结合的组分则相对稳定。以往的大多数全球研究侧重于金属总量，但作者认为，各组分之间的平衡，尤其是每种土壤中主导的组分，才是真正决定对食品与健康风险的关键。

教会数字模型“读懂”土壤

为了在全球尺度上捕捉这种平衡，研究者汇集了来自56个国家、共9,489个表层土壤金属组分的测量值，涵盖52种不同金属和多种土地类型。每个样本记录了金属总量、酸碱度（pH）、有机碳、粘土含量和阳离子交换量等基本土壤性质，以及金属自身性质的数值描述。随后他们训练了一种名为eXtreme Gradient Boosting的机器学习模型，让其学习在何种条件下哪种组分倾向于占主导。经过谨慎的特征选择和调参，模型在判别主导组分方面取得了高准确率，尽管数据集中存在向稳定、低迁移组分的偏斜。

促使金属移动的土壤“成分”

借助解释性工具，团队检查了哪些因素最强烈地影响模型决策。金属总浓度是一个主要驱动因子：随着土壤污染加重，矿物和颗粒的“储存容量”可能被超载，促使更多金属进入可移动组分。同样重要的是土壤的有机碳和pH值。较高的pH和更多的有机质有利于更多可移动形态的存在，因为溶解的有机碎片倾向于将金属络合，使其以溶解状态留在土壤水相中而不易沉淀。这种相互作用并不简单——其他土壤离子和矿物会竞争相同的结合位点——但分析明确突出了有机碳和pH作为在全球范围内控制金属迁移性的关键杠杆。

绘制汞的高风险热点图

为了展示其工具的实际用途，科学家们聚焦于汞这一具有全球关注的有毒金属，且其全球数据相对完善。他们将模型与五公里分辨率的土壤汞含量图、土壤性质、人口和耕地图结合。模型判断可移动汞形态比稳定组分更可能出现的区域被标记为高迁移性热点。约17.85%的全球陆地属于这一类别。非洲和南美的大面积地区、北美的部分地区以及东南亚凸显出来，而欧洲大部和一些高纬度地区显示出较低的迁移性，部分原因是那里的土壤更酸性，倾向于更紧密地束缚汞。

处于危险区的人与农田

将热点图与人口分布和耕地叠加后，显示出谁最可能面临风险。作者估计约有1,510万人口和1.009亿公顷耕地位于汞更可能以可移动形态存在的区域。尽管亚洲受影响的土地份额较小，但由于人口稠密和集约农业，亚洲拥有最多的暴露人口和耕地——尤其是印度北部、孟加拉国和中国东部。这些发现表明，除了旨在减少汞排放的全球条约之外，许多国家还迫切需要在特定地区开展土壤监测和有针对性的清理工作。

更快识别土壤问题的方法

直接测量金属组分的实验室方法速度慢、技术要求高且费用昂贵，限制了检测点的数量。相比之下，这一新框架可在经过精确测量样本的训练后，被用来快速估算任何具备基本土壤和金属数据地点的主导组分。尽管该方法仍依赖于改进全球土壤污染地图和采集更多实地数据，但它已提供了一条有力的捷径：预先定位可能的可移动有害金属热点，帮助政府和社区将检测与清理工作聚焦到对粮食安全和公共健康最为关键的区域。

引用: 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

关键词: 土壤污染, 重金属, 汞, 机器学习, 环境健康