编辑推荐：
土壤金属（loid）污染威胁人类健康与生态系统，为准确评估风险，中南大学等机构研究人员开展土壤金属（loid）迁移性研究。他们构建模型，发现全球 37% 土地存在中高迁移风险等结果，为土壤管理提供依据。
土壤，作为地球生态系统的重要基石，默默支撑着万物生长，是不可或缺的自然资源。然而，如今土壤却面临着严峻的挑战 —— 金属和类金属（metal (loid) s）污染。这些污染物有的源于自然，有的则是人类活动的产物，它们在土壤中不断积累，如同隐藏在地下的 “定时炸弹”。
金属 (loid) s 具有毒性，难以被生物降解，还容易被农作物吸收，进而通过食物链进入人体，威胁人类健康。全球范围内，许多地方的土壤都检测出高含量的金属 (loid) s，像欧盟和中国，大量人口受到影响。据估计，超 2300 万人生活在受采矿相关金属 (loid) 积累影响的洪泛区。随着人口增长和农业用地需求增加，土壤金属 (loid) 污染对生态系统和人类健康的危害可能会愈发严重。
为了准确评估土壤金属 (loid) 污染带来的风险，制定有效的修复策略和政策，仅仅了解污染物的总量远远不够，还必须深入探究它们在土壤环境中的迁移性（mobility）。金属 (loid) 的迁移性决定了其被植物吸收的生物可利用性（bioavailability），以及在环境中的最终归宿和潜在风险。但目前，全球土壤金属 (loid) 迁移性的研究还存在很大空白，获取大陆或全球尺度的全面、高分辨率土壤金属 (loid) 形态数据困难重重。
在此背景下，中南大学等机构的研究人员展开了深入研究。他们的研究成果发表在《Nature Communications》上，为该领域带来了新的曙光。
研究人员采用了一系列关键技术方法。首先，他们通过系统检索文献，构建了包含 5 大洲、56 个国家或地区的 30832 个土壤金属 (loid) 分馏（fractionation）实地测量数据的全球数据集。然后，运用理论指导的机器学习（ML）模型，对 7 种 ML 算法进行验证和比较，最终确定 XGBoost 算法为最优模型。在模型构建过程中，进行了特征缩放、特征选择和超参数优化等操作，并引入化学约束以确保模型准确性。此外，利用 SoilGrids 2.0 获取全球表层土壤属性数据，结合监管指导值（RGVs）构建全球金属 (loid) 迁移性基线地图。
研究结果主要包括以下几个方面：
- 全球土壤金属（loid）迁移性模式和关键驱动因素：利用验证后的模型预测 22 种金属 (loid) 在全球的基线迁移性，发现不同金属 (loid) 的基线迁移性存在显著空间差异和元素特异性差异。全球约 37.43% 的土地对于常见金属 (loid) 存在中高迁移风险，铀、锌和钠等元素基线迁移性较高，铁、钒和铝较低。总金属 (loid) 含量（TMC）和有机碳（OC）是影响迁移性的主要土壤属性，TMC 和 OC 的增加均会提高金属 (loid) 迁移性，土壤 pH 也与迁移性呈正相关，阳离子交换容量（CEC）和黏土对迁移性的影响则较为复杂。
- “千分之四倡议” 下金属（loid）迁移风险的增加：全球综合迁移风险地图显示，高迁移风险区域集中在北半球高纬度地区。“千分之四倡议” 旨在每年提高土壤 OC 含量 0.4% 以应对气候变化，但研究表明这可能会无意中增加土壤金属 (loid) 的迁移风险。如果该倡议从 2024 年持续实施到 2050 年，全球至少受四种常见金属 (loid) 污染且处于中高迁移风险的土地比例将从 2024 年的 23% 大幅上升至 2050 年的 82% 。不同国家受影响程度不同，巴基斯坦、中国和纳米比亚等国金属 (loid) 迁移风险增加较为显著。
- 欧盟土壤中总金属（loid）和可移动金属（loid）含量的空间差异：结合 ML 模型和土地利用 / 土地覆盖面积框架调查（LUCAS）的 TMC 数据，绘制欧盟成员国土壤中可移动金属 (loid) 含量等值线图。结果发现，欧盟国家土壤中总金属 (loid) 和可移动金属 (loid) 含量的空间分布存在差异，如英国、德国、意大利和法国的总 Pb 含量较高，但移动 Pb 含量排名有所不同。土壤 pH、CEC 和 OC 等属性对这种差异有重要影响。此外，土壤固碳措施会使欧盟土壤中可移动金属 (loid) 含量明显增加。
研究结论和讨论部分指出，该研究创新性地运用理论指导的 ML 模型预测土壤金属 (loid) 迁移性，有效解决了土壤属性全球异质性带来的挑战。该模型可用于绘制全球金属 (loid) 迁移性地图，为确定金属 (loid) 迁移性测试优先级提供指导，尤其对中低收入农业生产大国意义重大。虽然目前模型分辨率无法满足场地尺度评估和修复的需求，但能部分替代繁琐的实验，为相关工作提供快速可靠的评估手段。
研究还发现，金属 (loid) 迁移风险的增加幅度大于污染水平的增加幅度，这提示在金属 (loid) 污染加剧的地区，需要开展更具针对性的迁移性研究。例如，中国土壤 As 污染呈上升趋势，As 迁移性增加可能对食品安全和人体健康构成更大威胁。同时，迁移性分布地图可结合金属 (loid) 来源数据，指导详细测试、产业规划和作物管理。
此外，土壤固碳虽有助于缓解温室气体排放，但会显著增加土壤金属 (loid) 迁移性，全球采用单一的土壤固碳策略存在风险。各国应根据土壤金属 (loid) 迁移风险的空间差异，制定多样化的固碳策略，以实现可持续的土壤碳管理。
不过，该研究也存在一定局限性。数据覆盖范围有待扩大，目前用金属 (loid) 分馏表示迁移性的方法存在争议，且模型未考虑土壤金属 (loid) 含量的全球分布和源 - 途径 - 受体相互作用，无法代表实际风险。但总体而言，这项研究为土壤科学领域运用 ML 技术提供了重要基础，有望推动更先进、精准的研究发展，对全球土壤污染治理和可持续土壤管理具有重要的指导意义。
