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

脚下的土地通常被视为人类生活的寂静、静态的舞台，但在世界许多地方，它实际上是隐形化学历史的活跃储库。当铅、锌或镉等重金属通过采矿、工业废物或车辆排放进入土壤时，它们不会分解或消失。相反，它们会持续存在数十年，等待被风吹起、被雨冲刷，或者——最危险的是——被人类和动物摄入。这些金属构成的风险在很大程度上取决于它们的含量、所在位置以及谁暴露其中。儿童具有独特的脆弱性；他们较小的体型、发育中的器官以及在泥土中玩耍的天性，意味着他们比成年人更容易吸收这些毒素。要理解这种污染物的精确图谱并预测谁处于危险之中，仅仅依靠采集少量样本并进行猜测是不够的。这需要一种能够洞察连接地球化学成分与居民健康状况之间的隐形模式的方法。

在伊朗西北部的赞詹省（Zanjan），一个研究小组致力于以史无前例的细节来绘制这一隐藏的危险图谱。该地区坐拥安古兰矿（Angouran mine），这是中东地区最大的锌矿之一，自20世纪60年代以来一直与活跃的冶炼厂及工业城镇共同运作。几十年来，这些作业活动在周围土地上留下了化学足迹。为了了解问题的全貌，研究人员在整个省份范围内采集了来自357个不同地点的土壤，创建了一个覆盖整个区域的高密度数据点网格。他们测量了六种特定重金属的水平：锌、铜、镉、镍、铁和铅。研究人员并没有依赖单一的方法来解释如此海量的数据，而是转向了一套被称为“机器学习”的高级计算机程序。这些程序就像高度训练的模式识别引擎，能够发现金属浓度与潜在人类健康风险之间复杂的关联。

这项研究揭示了一个充满鲜明对比的地貌。虽然一些地区的金属水平接近该地区岩石中的自然背景值，但另一些地区则已被污染饱和。锌是最广泛的“罪魁祸首”，在近96%的采样点中，其含量都高于自然背景值，有些地方甚至高达预期值的34倍。镉虽然绝对含量较小，但因其即使在极微量下也具有高毒性且能在人体内停留数十年，因此被认为是健康影响中最危险的元素。研究人员利用他们的计算机模型追踪了这些污染的来源。他们识别出了三个截然不同的来源：一个由锌、镉和铅主导的采矿与冶炼特征，集中在安古兰矿周围；一个与赞詹工业城相关的铜和铁组成的工业特征；以及一个源自当地岩石本身的镍和铁的自然地质背景。

这项研究之所以特别强大，在于其能够利用针对不同目标的不同类型计算机模型进行高精度地预测健康风险。团队发现，没有哪一个计算机程序能完美胜任所有工作。对于预测整体污染负荷和非癌症健康风险，一种名为“梯度提升回归”（Gradient Boosting Regression）的模型效果最好，能够准确绘制出土壤危险区域的分布图。然而，对于预测终身患癌风险，另一种名为“支持向量回归”（Support Vector Regression）的模型则表现得更为优越。这种区分至关重要，因为它允许研究人员构建出一个比强行使用单一工具更准确的威胁图景。他们的分析证实，镉和铅是即时非癌症健康威胁的主要驱动因素，而铜和镍则是长期癌症风险的主要贡献者。

该研究最令人震惊的发现或许是儿童与成年人之间巨大的风险差异。研究人员计算得出，虽然只有极小比例的样点对成年人构成非癌症健康风险，但有高达35%的样点超过了儿童的安全阈值。换句话说，在这些地点玩耍的孩子面临的伤害风险比站在同一位置的成年人高出十二倍以上。这种差异是由儿童相对于体重摄入更多土壤以及对毒素更敏感这两个因素共同驱动的。研究精准定位了五个特定的“热点”地点，这些地点紧邻矿渣堆，那里的污染程度极其严重，必须采取立即行动（如清理或覆盖土壤）来保护当地人口。

研究人员还使用了一种技术，可以拆解出究竟是哪种金属导致了任何特定位置的风险。他们发现，在最危险的区域，镉是推动健康风险超过安全限值的单一最大因素。这意味着，如果目标是让土壤对儿童安全，那么移除或中和镉将是最有效的首要步骤，即便其他金属依然存在。这项研究不仅识别了问题，还提供了一份基于数据的清晰路线图。通过结合详细的空间图谱与先进的计算机预测，团队展示了威胁并非均匀分布，而是由特定的工业活动驱动并集中在特定区域。

这项工作为现代科学如何应对环境健康危机提供了蓝图。它超越了简单的测量，创造了一种动态的、预测性的理解方式，用以观察污染如何在环境中移动并影响人类健康。研究结果表明，在矿业密集的地区，保护儿童需要一种承认其独特脆弱性的针对性方法。研究结论指出，在确定的五个热点区域需要立即干预，同时也要对工业城镇及其矿区周边的土壤进行定期监测。通过专注于驱动最高风险的特定金属，有关部门可以优先开展净化空气和土壤的工作，确保该省份脚下的土地成为下一代人安全的基石。