Machine Learning-Based Spatial Mapping, Source Apportionment and Health Risk Prediction of Heavy Metal Contamination in Zanjan Province, Iran

Le sol sous nos pieds est souvent traité comme une scène silencieuse et statique pour la vie humaine, mais dans de nombreuses parties du monde, il est un réservoir actif d'une histoire chimique invisible. Lorsque des métaux lourds comme le plomb, le zinc ou le cadmium pénètrent dans le sol par le biais de l'exploitation minière, des déchets industriels ou des émissions de véhicules, ils ne se décomposent pas et ne disparaissent pas. Au contraire, ils persistent pendant des décennies, attendant d'être emportés par le vent, lavés par la pluie ou, plus dangereusement, ingérés par les hommes et les animaux. Le risque que ces métaux posent dépend fortement de leur quantité présente, de leur localisation et de qui y est exposé. Les enfants sont particulièrement vulnérables ; leur corps plus petit, leurs organes en développement et leur tendance naturelle à jouer dans la terre font qu'ils absorbent ces toxines plus facilement que les adultes. Comprendre la carte précise de cette contamination et prédire qui est en danger exige plus que de simples prélèvements et des suppositions. Cela exige un moyen de voir les schémas invisibles reliant la chimie de la terre à la santé de ses habitants.

Dans la province du nord-ouest de Zanjan, en Iran, une équipe de chercheurs s'est donné pour mission de cartographier ce danger caché avec un niveau de détail sans précédent. La région abrite la mine d'Angouran, l'un des plus grands gisements de zinc du Moyen-Orient, qui fonctionne depuis les années 1960 aux côtés de fonderies actives et de villes industrielles. Pendant des décennies, ces opérations ont laissé une empreinte chimique sur les terres environnantes. Pour comprendre toute l'étendue du problème, les chercheurs ont collecté des échantillons de sol dans 357 lieux différents à travers la province, créant ainsi une grille dense de points de données couvrant l'ensemble de la zone. Ils ont mesuré les niveaux de six métaux lourds spécifiques : le zinc, le cuivre, le cadmium, le nickel, le fer et le plomb. Plutôt que de s'appuyer sur une seule méthode pour interpréter cette masse de données, ils ont eu recours à une suite de programmes informatiques avancés connus sous le nom d'apprentissage automatique (machine learning). Ces programmes agissent comme des moteurs de reconnaissance de formes hautement entraînés, capables de trouver des relations complexes entre les concentrations de métaux et les risques sanitaires potentiels qu'ils posent aux humains.

L'étude a révélé un paysage de contrastes saisissants. Alors que certaines zones présentaient des niveaux de métaux proches du fond naturel de la région, d'autres étaient saturées de contamination. Le zinc était l'offenseur le plus répandu, avec près de 96 % des sites échantillonnés présentant des niveaux supérieurs au fond naturel, certains endroits contenant jusqu'à trente-quatre fois la quantité attendue. Le cadmium, bien que présent en quantités absolues plus faibles, s'est avéré être le plus dangereux en termes d'impact sur la santé car il est hautement toxique, même en infimes quantités, et reste dans le corps humain pendant des décennies. Les chercheurs ont utilisé leurs modèles informatiques pour retracer l'origine de cette pollution. Ils ont identifié trois sources distinctes : une signature minière et de fusion dominée par le zinc, le cadmium et le plomb, concentrée autour de la mine d'Angouran ; une signature industrielle de cuivre et de fer liée à la ville industrielle de Zanjan ; et un fond géologique naturel de nickel et de fer provenant des roches locales elles-mêmes.

Ce qui a rendu cette recherche particulièrement puissante, c'est sa capacité à prédire les risques sanitaires avec une grande précision en utilisant différents types de modèles informatiques pour différents objectifs. L'équipe a constaté qu'aucun programme informatique n'était parfait pour toutes les tâches. Pour prédire les charges de pollution générales et les risques sanitaires non cancéreux, un modèle appelé Gradient Boosting Regression a été le plus efficace, cartographiant avec précision les zones où le sol était dangereux. Cependant, pour prédire le risque de développer un cancer au cours de la vie, un autre modèle appelé Support Vector Regression s'est avéré supérieur. Cette distinction était importante car elle a permis aux chercheurs de construire une image plus précise de la menace que s'ils avaient forcé un seul outil à tout faire. Leur analyse a confirmé que le cadmium et le plomb étaient les principaux moteurs des menaces immédiates pour la santé non cancéreuse, tandis que le cuivre et le nickel étaient les principaux contributeurs aux risques de cancer à long terme.

La découverte la plus frappante de l'étude fut peut-être la différence spectaculaire de risque entre les enfants et les adultes. Les chercheurs ont calculé que si seule une infime fraction des sites présentait un risque sanitaire non cancéreux pour les adultes, un pourcentage massif de 35 % des sites dépassait le seuil de sécurité pour les enfants. En d'autres termes, un enfant jouant dans le sol à ces endroits fait face à un risque de préjudice plus de douze fois supérieur à celui d'un adulte se tenant au même endroit. Cette disparité est due au fait que les enfants ingèrent plus de terre par rapport à leur poids corporel et sont plus sensibles aux toxines. L'étude a identifié cinq sites spécifiques de « points chauds », situés juste à côté des résidus miniers, où la contamination était si grave qu'une action immédiate, telle que le nettoyage ou le recouvrement du sol, est nécessaire pour protéger la population locale.

Les chercheurs ont également utilisé une technique qui décompose précisément quel métal est responsable du risque à n'importe quel emplacement. Ils ont découvert que dans les zones les plus dangereuses, le cadmium était le facteur principal poussant les risques sanitaires au-delà de la limite de sécurité. Cela signifie que si l'objectif est de rendre le sol sûr pour les enfants, éliminer ou neutraliser le cadmium serait l'étape la plus efficace, même si d'autres métaux subsistaient. L'étude n'a pas seulement identifié le problème ; elle a fourni une feuille de route claire et basée sur les données pour le résoudre. En combinant des cartes spatiales détaillées avec des prédictions informatiques avancées, l'équipe a montré que la menace n'est pas uniforme mais concentrée dans des zones spécifiques dictées par des activités industrielles spécifiques.

Ce travail sert de modèle pour la façon dont la science moderne peut s'attaquer aux crises de santé environnementale. Il dépasse les simples mesures pour créer une compréhension dynamique et prédictive de la manière dont la pollution circule dans l'environnement et affecte la santé humaine. Les conclusions suggèrent que dans les régions à forte activité minière, la protection des enfants nécessite une approche ciblée qui reconnaît leur vulnérabilité unique. L'étude conclut qu'une intervention immédiate est nécessaire dans les cinq zones de points chauds identifiées, ainsi qu'une surveillance régulière du sol autour des villes industrielles et de la mine elle-même. En se concentrant sur les métaux spécifiques qui génèrent les risques les plus élevés, les autorités peuvent prioriser leurs efforts pour assainir l'air et le sol, garantissant que le sol sous la province devienne une base sûre pour la génération suivante.