机器学习揭示了气候与城市化之间的相互作用，这些作用影响着大城市土壤中多氯联苯（PCBs）的含量

《Journal of Hazardous Materials》：Machine Learning Reveals Climate-Urbanization Interactions Controlling Soil PCBs in Megacities

该研究通过集成机器学习模型分析上海浦东新区土壤多氯联苯污染的驱动机制，发现人口密度和道路密度是主要人为因素，植被覆盖和冬季降水、温度是关键自然调节因素，为城市污染管理提供新方法。

　　

方书博|崔琦|戴晓燕

德克萨斯应用环境研究所，塔尔顿州立大学，隶属于德克萨斯A&M大学系统，美国德克萨斯州斯蒂芬维尔市76402

摘要

大城市形成了复杂的系统，在这些系统中，城市化与气候的相互作用控制着污染物动态，而这些相互作用至今仍不为人所充分理解。我们开发了一个集成机器学习框架，结合了随机森林（Random Forest）、XGBoost和SHAP分析方法，以揭示上海城乡梯度上土壤多氯联苯（PCB）污染的调控机制。通过对100个土壤样本进行为期一年的监测，我们发现了三个不同的污染区域，其中PCB浓度在季节间变化幅度高达2.3倍，污染最严重的区域位于城市周边工业带（距离市中心25-35公里）。该集成框架指出，人口密度和道路密度是城市化过程中最重要的变量，而植被和冬季气象条件（降水量和温度）则是影响PCB动态的最主要自然因素。高氯含量的PCB在寒冷潮湿的条件下更容易积累，且对土地利用强度和建设用地比例尤为敏感；而低氯含量的化合物则对温暖气候和道路密度变化更为敏感。植被指数显示出显著的自然衰减作用，在生长高峰期可以抵消80-92%由城市化引起的污染压力。城市发展强度导致了相对稳定的污染水平（季节变化小于8%），而季节性气候则使PCB的迁移性在季节间发生变化，变化幅度为15-25%。这一定量框架有助于实现适应气候的污染管理，并为全球快速城市化背景下的可持续城市规划提供了可借鉴的方法。

章节摘录

引言

城市化进程伴随着快速的土地利用变化、工业活动的加剧以及人口的增长，对环境质量产生了显著影响，尤其是在大城市中[1]、[2]、[3]。在受城市化影响的各种污染物中，多氯联苯（PCB）因其毒性、抗降解性和生物累积潜力而成为一个长期存在的挑战[4]、[5]。许多研究已经阐明了PCB的来源、分布模式及其相关风险。

研究地点

本研究在上海浦东新区进行。该区北部开发较早，城市化程度高于南部地区。浦东属于亚热带季风气候，年平均气温为15.7°C，年降水量约为1100毫米。截至2012年，该区人口已达518万，其中不透水表面占比达到47.98%。

土地利用分类

城乡梯度上PCB浓度的季节性变化

利用Python和Matplotlib、Seaborn库生成了可视化地图，展示了城乡梯度上PCB浓度的季节性变化。数据被整理成网格格式，将PCB化合物的ID与距离市中心的距离相对应，覆盖四个季节（春季、夏季、秋季和冬季）。每个单元格的颜色强度代表PCB浓度，使用渐变色谱来表示较高（红色）和较低（蓝色）的浓度。

城乡梯度上PCB浓度的季节性变化

在四个季节中，PCB浓度沿着距离梯度表现出明显的空间和季节性变化（见表S1）。春季时，在距离市中心约28公里处PCB-8和PCB-18的浓度较高；PCB-209在距离市中心约25公里处达到峰值；而PCB-101在距离市中心约45公里处浓度显著增加。夏季，所有地点的PCB浓度普遍降低且空间分布较为均匀，这表明在较高温度下PCB的挥发和大气扩散作用增强。秋季，大部分PCB

讨论

我们的研究通过揭示大城市作为复杂适应系统的运作机制，推进了城市环境科学的发展。在这些系统中，城市化与气候的相互作用产生了传统方法无法察觉的污染动态。以往的研究主要集中在对城市化梯度的静态评估[1]、[14]，或仅关注PCB大气浓度的季节性波动[10]、[11]。相比之下，我们的集成框架揭示了城市系统如何产生这些动态变化。

结论

本研究成功展示了如何利用机器学习方法揭示城市化与气候变量之间的复杂相互作用，这些相互作用控制着大城市中的土壤PCB污染。通过对上海城乡梯度进行为期一年的监测，我们的集成框架（结合了随机森林、XGBoost和SHAP分析）确定人口密度和道路密度是城市化过程中最重要的变量，而植被和冬季气象条件也是重要影响因素。

环境影响

本研究揭示了控制大城市PCB污染的关键气候-城市化相互作用，对环境管理具有重大意义。通过识别城市人口密度、季节性气候因素以及植被和水体的自然衰减作用作为PCB污染的主要驱动因素，城市规划者和环境管理者可以采取策略性措施来降低污染风险。植被覆盖和水体可以有效缓解城市化带来的PCB污染问题。

作者贡献声明

崔琦：撰写初稿、开展调查。方书博：撰写、审稿与编辑、可视化处理、验证结果、项目监督、软件开发、资源调配、方法论设计、数据整理、概念构思。戴晓燕：审稿与编辑、方法论设计、数据整理。

写作过程中使用生成式AI和AI辅助技术的声明

• •
  声明：在修订本稿时，作者使用了ChatGPT 4o进行语言编辑。使用该服务后，作者对内容进行了必要的审查和修改，并对发表文章的内容负全责。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

本研究得到了中国国家自然科学基金（项目编号：41101172）的支持。