近日，我院安全营养所农业产地环境监测与评价团队与农业农村部环保所等单位合作，在土壤重金属污染机制及风险评估研究方面取得显著进展，相关成果“Diffusive gradient in thin films combined with machine learning to discern the accumulation characteristics and driving factors of Cd and Cu in soil - rice systems”发表于国际权威期刊《Journal of Hazardous Materials》（IF=11.3）。

土壤重金属污染是我国农业生产中面临的严峻环境问题，其中镉（Cd）和铜（Cu）是两种典型的重金属污染物。Cd具有高毒性、易迁移性，可在土壤-植物系统中富集，进而通过食物链威胁人类健康；Cu虽是植物生长必需的微量营养元素，但过量Cu也会对植物和土壤生态系统造成危害。准确评估Cd和Cu在土壤-水稻系统中的积累特征及其驱动因素，对于保障农产品质量安全和生态环境健康至关重要。

研究选取我国湖南省主要水稻产区的土壤和水稻样本，运用梯度扩散薄膜（DGT）技术，并结合多种化学提取方法，深入探究了Cd和Cu在土壤中的生物有效性特征。研究发现，当土壤pH值超过7时，Cd的活性急剧下降，而Cu则不受pH值变化的影响。Cd主要以表面吸附态存在，Cu则倾向于与土壤固相结合。此外，锰（Mn）有着双重角色，不仅在土壤中扮演着Cd“汇”，还可以抑制Cd在水稻植株中的积累。基于土壤理化性质和重金属形态构建多种机器学习（ML）模型，用于预测水稻根部Cd和Cu的积累。结果表明，随机森林（Random Forest）模型在预测水稻根部Cd积累方面表现优异（R²=0.72），而极端随机树（Extreme Random Tree）模型在预测Cu积累方面表现最佳（R²=0.38）。特征重要性分析揭示了交换态Cd和Mn对水稻根部Cd风险的影响最大，而溶解态Cu和pH值对Cu影响最大。本研究通过将DGT技术和机器学习模型相结合，深入剖析了Cd、Cu在土壤-水稻系统中的积累特性及其驱动因素，为土壤重金属污染的风险评估和科学管理提供了有力的数据支持。

我院安全营养所王震博士为本论文第一作者，本研究得到了国家重点研发计划（2022YFD1700105-01）和院种业专项（2023ZYCX002、2024ZYCX005）等项目的资助。