土壤重金属污染的驱动机制。

本报讯 近日，环境学院侯德义教授团队在《科学》（Science）期刊上发表研究论文“全球土壤重金属污染威胁农业生产与公众健康”。该研究基于大数据及机器学习模型，首次在全球尺度上连续刻画土壤污染的空间分布格局，绘制出全球土壤砷、镉、钴、铬、铜、镍、铅7种重金属/类金属污染分布图，首次揭示新地质时代“人类世”重要标志物，超大型、跨洲际“重金属富集廊道”的存在，并阐释土壤污染大尺度分布的驱动因素，为全球土壤重金属污染防治提供了重要的理论、方法与数据支撑。

研究团队通过对1493套区域研究数据的系统收集，构建涵盖7种重金属/类金属的全球土壤重金属污染数据库。研究开发出基于极端随机树机器学习算法的土壤重金属元素超标分布反演模型，揭示了农田和人类健康和生态两类阈值条件下，全球土壤重金属元素的超标情况及空间分布格局，绘制出全球首张土壤重金属污染分布图。

该研究首次在全球尺度上连续刻画了土壤污染的空间分布格局。模型结果在验证已知的高污染区域的同时，还揭示部分鲜少被研究和关注的高风险地区。研究验证了空间分布反演模型结果的可靠性，但非洲等地区因数据稀缺，仍然具有较高不确定性。

该研究结果表明，基于公开数据驱动的机器学习模型是一种有效的污染筛查工具，可以弥补传统土壤污染调查方法的成本高、耗时长等不足。同时，研究人员提出“国际援助应优先支持撒哈拉以南非洲等数据匮乏区域的土壤污染调查”的观点。

全球约14%至17%的农田土壤存在重金属污染，威胁了全球数以亿计人口的人居环境安全，损害农田生产力并加剧贫困问题。该研究提供的全球土壤污染数据可为政策制定者与农业生产者提供科学依据。研究人员呼吁提高对土壤污染问题的重视程度，平衡资源开发与生态安全，保障粮食系统、公共健康、生态系统的长期韧性，促进全球可持续发展。

侯德义为该论文的通讯作者，侯德义、环境学院博士生贾茜越为共同第一作者。

（环境学院）