基于贝叶斯最大熵的土壤重金属污染定量化评价和源解析

Soils are very important natural resources, since they provide the basic foundation for human survival and development. Soil contamination by heavy metals (HMs) has been increasing worldwide in recent years, which leads to great threats to food safety and human health . It’s necessary to quantitatively assess the characteristics, hazards and sources of HMs pollution. Meanwhile, it is realistic for researchers to combine multi-disciplinary integrated information through the development of Geographic Information System (GIS) and Modeling Technology. However, how to effectively use multi-sources data to improve the accuracy of soil HMs spatial prediction and quantitative source analysis is a hot issue in modern soil and informatics sciences. The aims of this proposal are a) utilizing multiple evaluation methods to comprehensively assess the basic characteristics of HMs pollution, b) based on the strong data integration ability of Bayesian Maximum Entropy (BME), making full use of diversified auxiliary information to improve the prediction accuracy of spatial HMs distribution, and c) combined with the Integrative Predictability Criterion (IPC), quantitatively assessing the impacts of various pollution sources on soil HMs, the spatiotemporal distribution of those impacts, the relationships among different pollution sources, and finally establishing a comprehensive multi-sources model for HMs pollution assessment and sources identification which could provide theoretical support for the protection and management of soil in China.

土壤是人类赖以生存和发展的物质基础。近年来，土壤重金属污染问题日渐突出，给食品安全和人类健康带来巨大风险，有必要对土壤重金属污染特征和危害性进行定量评估，明确污染来源，防止污染的进一步发展和扩大。随着地理空间信息技术和模型的快速发展，如何有效利用不同来源、形式和精度的多源大数据提高土壤重金属空间预测和定量化源分析的精度是现代土壤学和信息学研究中的热点问题。本项目在使用多种评价指标综合分析重金属污染特征的基础上，提出采用贝叶斯最大熵（BME）理论体系，充分发挥其对多源大数据的融合能力，建立BME综合空间预测模型，提高土壤重金属空间预测的精度，同时结合整合性预测准则（IPC）技术定量化评价各种污染源对土壤重金属的影响以及这种影响在时空上的分布情况和各个污染源之间的相互关系，建立多源综合解析模型，为我国耕地保护与管理提供理论支持。

土壤是人类赖以生存和发展的物质基础，也是国家粮食安全和人民群众健康的根本保障。近年来，随着快速的城市化和工业化发展，土壤中重金属污染的问题日渐突出，受到了国内外学者的广泛关注。为防止或减少土壤重金属污染，最首要和关键的问题是明确污染来源。然而，传统的多元和地统计分析大多集中于定性来源识别，对定量来源分析涉及甚少，且其一般将重金属归类为单一来源，缺乏综合的多源分析能力。本研究选择长江中下游地区重要城市（上海、杭州、嘉兴、绍兴）农业土壤中的重金属污染调查数据，提出采用贝叶斯最大熵理论，结合土壤常规理化测试数据，地形、地貌、土壤母质等自然环境数据，工业、交通等人为因素数据，从空间异质性的角度出发，建立多源综合解析模型，定量化分析不同污染源对重金属影响的大小，及其影响的空间分布格局。主要研究结果如下：a) 将研究区内土壤养分（pH、有机质、全氮、有效磷、速效钾等）和土壤母质等与重金属含量相关的数据作为辅助信息引入基于贝叶斯最大熵理论的空间多源模型能够有效提升重金属空间预测的精度；b）在准确预测重金属空间分布的基础上，通过多种风险评价指标评估了土壤中重金属的污染状况、生态风险和人群健康风险，并结合点对点稻谷测试数据评估了稻谷的重金属积累风险和摄入风险；c）同样，在准确预测重金属分布的基础上，结合具体污染源数据（工农业生产、交通密度等），通过空间分层统计、空间误差/滞后模型、空间正交矩阵分解等技术，定量化分析了重金属污染的主要来源和污染贡献的空间格局，并且进一步探索了不同耕地肥力/耕地质量上土壤重金属污染的状况和污染源差异。研究结果能够为我国土壤重金属污染的评价和源分析提供新的理论方法，推动我国土壤污染的防治、管控和修复工作的顺利进行。