南湖新闻网讯（通讯员 杨正论）近日，我校资源与环境学院、生态环境部土壤健康诊断与绿色修复重点实验室土壤化学与环境团队，在稻田重金属风险识别与溯源领域取得新进展。其研究成果以“Risk identification and tracing of heavy metals in rice fields: An integrated framework of machine learning, Google Earth Engine, geochemical modeling, and pollution fingerprinting for regional-scale risk assessment”为题在Journal of Hazardous Materials上发表，可为区域尺度农业污染风险管理提供全新技术模式。

图1 区域尺度稻田重金属污染风险评估框架

稻田土壤中的重金属不仅威胁农业生态安全，还会通过籽粒的吸收累积影响人体健康。常规的稻田重金属风险评估多以特定环境标准为依据，忽略了土壤活性组分对重金属赋存形态与生物有效性的影响，难以实现精准的风险识别。此外，当风险评估从局部地块拓展至大区域尺度时，还会面临稻田地块识别效率低、污染来源不清等难题。

基于以上科学问题，研究团队将机器学习算法融入谷歌地球引擎（GEE）遥感解译、地球化学形态模拟与污染指纹溯源技术，耦合目标田块识别、重金属形态预测、污染来源解析等关键环节，构建了区域尺度稻田重金属风险评估框架。机器学习算法的引入，大幅提升了风险识别、区划与溯源的准确度。

研究成果不仅能在大尺度范围内高效识别水稻种植区域，还可结合土壤地球化学特征、环境因子变化进行重金属风险精准识别及预测，并通过污染指纹开展风险溯源及阻控，从而为区域尺度农田重金属的全面高效风险管理提供科学支撑。该成果助力实现农田污染“风险识别——精准溯源——靶向治理”全链条管控，也为类似的农业污染治理提供了可复制、可推广的技术模式。

我校资源与环境学院已毕业的博士杨正论为论文第一作者，刘朝阳副教授为论文通讯作者。资源与环境学院谭文峰教授、汪明霞教授等土壤化学与环境团队成员为论文共同作者，在稻田重金属风险识别与溯源研究工作中提供了重要指导。该研究得到国家自然科学基金项目、湖北省自然科学基金项目支持。

论文链接：https://doi.org/10.1016/j.jhazmat.2026.141056

审核人：刘朝阳