“源匯理論”在土壤重金屬污染監測中的應用現狀、問題與展望

鐘亮 王淼 李建龍 趙海霞 蘇安劼 龍詩穎

摘要：隨著工業化和城市化的發展，土壤重金屬污染問題日益突出，通過對土壤重金屬污染狀況監測以及污染來源解析，制定適宜的污染防治措施將有助于食品安全和人類健康。通過引入“源匯理論”，在系統梳理國內外相關研究成果的基礎上，闡明“源匯理論”的定義、原理、特點及其在土壤重金屬污染中的應用意義，并從污染區域監測、污染來源解析、污染源匯關系3個方面總結研究進展。結果表明，“源匯理論”在應用于土壤重金屬污染的監測和分析過程中存在信息提取難、精度不高、難以準確驗證、未能實現動態分析、未能形成體系等問題。隨著“源匯理論”的不斷豐富，在其指導下，未來土壤重金屬污染研究應圍繞“從傳統機器學習走向深度學習，點-線-面結合監測驗證框架，天-空-地一體化監測網絡和驗證體系，從‘3S上升到‘5S技術集成，監測、評估、溯源、預警與防治相結合”等方向發展，以期為構建大面積土壤重金屬污染智慧動態監測與風險預警決策系統奠定基礎。

關鍵詞：源匯理論；土壤污染監測；天空地一體化動態監測；應用效果；“5S”技術

中圖分類號：X53；S181? 文獻標志碼：A

文章編號：1002-1302（2023）13-0034-07

隨著工業化的迅速發展和城市化進程的加快，土壤環境污染問題越來越突出，嚴重威脅生態系統安全［1］。其中，土壤重金屬污染具有遷移緩慢、毒性強且不可逆轉等特性，隨著食物鏈逐漸累積，最終被人體攝入并積累也會引起嚴重的健康問題［2］。2014年《全國土壤污染狀況調查公報》顯示，我國土壤總體超標率達16.1%［3］，且受土壤重金屬污染的影響，約損失1 200萬t/年糧食作物。因此，土壤重金屬污染已成為我國亟待解決的環境問題，受到政府和學者們的廣泛關注［4］。源匯關系最早應用在大氣污染和氣候變化領域，通過研究大氣污染物和溫室氣體的“產生-擴散-吸收”過程，以達到減少大氣污染、緩解氣候變暖的目的［5］。之后，陳利頂等將源匯的概念引入到景觀生態學的研究中，將源匯景觀理論用于研究生態過程發生和消亡的過程［6-7］。在不斷的研究過程中，學者們發現土壤重金屬污染同樣具有明顯的源匯關系［8-11］，并逐漸開始重視基于“源匯理論”的相關研究［12-13］。黃趙麟等證實在明晰污染源的基礎上，對污染匯集特征進行分析，能有效達到“控源切匯”的目的，對土壤重金屬污染的管控與防治具有重要意義［14］。因此，本研究在闡述“源匯理論”定義、原理和特點的基礎上，通過概括其主要的應用領域，并充分總結“源匯理論”在土壤重金屬污染中的應用意義、應用進展及當前所存在的問題，對未來的研究方向進行展望，以期為土壤重金屬污染的研究提供并豐富理論支撐。

1 “源匯理論”的原理與特點

1.1 “源匯理論”的定義與原理

源匯理論中的“源”是指一個過程的源頭，“匯”是指一個過程消失的地方［7］。在土壤重金屬污染研究中，“源”是指可能造成土壤環境污染的源頭，“匯”是指吸收污染物的區域或生態系統。由圖1可知，土壤重金屬污染的形成是從“源”到“匯”的過程，其來源主要包括自然源、工業源、生活源、交通源和農業源，不同污染源通過成土母質、大氣沉降、灌溉和徑流、固廢和堆肥等不同途徑進入到土壤中，不斷積累最終形成重金屬污染，通過遙感技術等手段即可對污染情況進行監測。當確定污染區域和污染程度后，再從“匯”到“源”進行污染來源解析，探析其污染來源及其貢獻程度、污染影響因素、污染過程等。因此，在土壤重金屬污染中，源匯理論通過討論土壤污染物的來源與去向以及兩者間的關系和發生機理，有針對性地遏制土壤污染物的產生與遷移，最終達到污染防治的目的［15］。

1.2 “源匯理論”的特點

“源匯理論”有以下5個特點：第一，針對性?！霸磪R”是針對特定的生態過程，在分析時首先要明確待研究的生態過程。第二，相對性。同一種類型，針對某一過程可能是“源”，而對于另外一種生態過程可能就是“匯”。第三，動態性。在生態過程的不同階段，相同景觀有可能起到不同的作用，隨著過程的演變，源匯性質也在發生變化。第四，貢獻的差異性。對于不同類型“源”或“匯”景觀，在研究格局對過程的影響時，需要考慮它們貢獻的差異。即使是同類型的“源”或“匯”，對過程也可能貢獻不同。第五，綜合性。由于景觀是代表各種要素相互作用的自然地理過程的集合體，景觀的源匯性質自然要和影響它的各種要素相關，在一定程度上，源匯景觀的特點體現在各種要素的空間耦合關系和綜合作用的結果上，具有較強的綜合性。

2 “源匯理論”的應用領域與進展

2.1 “源匯理論”的應用領域

在土壤侵蝕風險評價方面，通過“源匯”景觀格局分析，可以有效地揭示不同景觀格局發生土壤侵蝕的風險，找出不利于水土保持的景觀格局所在的關鍵地區，從而探討關鍵地區景觀格局的優化途徑和方法［16］。

在面源污染控制方面，在生態規劃中科學合理地布設源匯景觀類型的空間位置，就可以將流失的面源污染物質控制在關鍵的“源”區，或從污染物流失的路徑上攔截，從而起到控制面源污染、保護目標區域的作用［17］。

在瀕危物種保護方面，可以通過“源匯”景觀評價方法，分析不同景觀類型相對于目標物種的作用，評價景觀空間格局是否有利于目標物種的生存和保護［18］。

在城市熱島效應控制方面，在分析熱島效應“源匯”特征的基礎上，通過調控城市內的景觀類型與分布，能夠有效降低城市熱島效應的形成［19］。

2.2 “源匯理論”在土壤重金屬污染中的應用意義

從土壤重金屬源匯關系出發，對土壤重金屬進行污染源識別和影響范圍判定，有助于土壤污染修復或污染專項治理工作的開展。對土壤環境存在潛在風險的區域，可以通過源解析方法明確主要風險來源及主導區域，這有助于制定區域土壤污染風險管控策略，減少無意義的土壤修復工作［20］。對土壤重金屬遷移特征和途徑進行研究，了解區域土壤重金屬遷移方式和模式，能夠更精準地判斷可能存在污染風險的區域，有助于對土壤重金屬污染源制定更加有效的風險防控方案［21］。

2.3 “源匯理論”在土壤重金屬污染中的應用進展及問題

2.3.1 污染區域監測 土壤作為重要的地理載體之一，遵循地理第一和第二定律，在空間分布上既具有相關性，也存在異質性。因此，通過土壤采樣進行檢測獲得的結果，僅代表點位自身的情況，與區域整體土壤狀況存在一定差異，以往常使用基于地理信息系統（GIS）的空間插值方法進行區域模擬預測，主要包括克里格插值法、反距離權重法、徑向基函數法等［22］。但這種“以點代面”得到區域土壤重金屬含量空間分布的方法，通常需要足夠多的樣本以代表整個研究區的空間變化特征，否則導致模型精度不高且結果容易受到高屬性值影響。因此，該方法難以滿足大面積快速、準確、動態監測土壤重金屬含量的需求［23］。

近年來，高光譜遙感技術以其光譜分辨率高和波段信息豐富的優點迅速發展起來，在快速估測土壤和作物信息上有其強大的優勢，為大規模土壤污染監測提供支撐，有著廣泛的研究和應用前景［24］。Zhou等探討高光譜數據與CaCl2可提取重金屬（E-HM）之間的潛在關系，并建立估測模型，發現當作物受到E-HM脅迫時，利用農田水稻葉片的高光譜數據估算農田土壤E-HM的濃度具有一定的潛力［25］。Shi等通過水稻田間冠層光譜數據，開發出一種用于估算土壤砷含量的多變量植被指數［26］。Zhou等提取并分析6種土壤重金屬光譜特征的位置和數量，發現這些波段能較好地反映土壤有機質、黏土礦物和鐵錳氧化物的光譜特征，為大面積土壤重金屬含量遙感監測提供依據［27］。當人們對地面高光譜數據估測土壤重金屬含量的機理研究清楚后，越來越多的學者開展航空、航天高光譜遙感大面積監測土壤重金屬含量的研究。目前在農田［28］、礦區［29-30］、城郊［31］等區域都取得了不錯的進展。

基于區域土壤重金屬含量的空間分布圖進行污染匯集特征的研究，有助于對重點污染區域進行識別和預警，也可為污染源的鑒定與分析提供依據。其中空間關聯分析運用最廣泛，主要包括莫蘭指數、熱點分析等方法，能夠識別出具有統計顯著性的污染高值、低值和異常值的空間聚類區域［32-33］。

2.3.2 污染來源解析 目前，土壤重金屬污染源解析可分為定性源和定量源解析2個方面［34］。定性源解析是通過對污染物的主要特征進行識別，進而判斷污染源類型。定量源解析不僅要識別污染源的類型，還要通過數學模型計算污染源對土壤污染的貢獻程度，以更加明確污染源信息。當前主要的土壤重金屬源解析研究方法類型及其優缺點見表1。

在定性源解析方面，主要包括多元統計分析法和地統計分析法。其中，多元統計分析法通過分析重金屬數據之間的內在聯系，找到其組合特征或分布規律，主要包括主成分分析、聚類分析、相關性分析等［35］。地統計分析利用克里格、反距離權重等空間插值方法，通過模擬預測獲得區域內污染物的空間分布狀況，進而對可能的污染源進行分析推斷［36］。Dong等以黃土高原白銀區農田中的8種土壤重金屬為研究對象，比較主成分分析（PCA）、相關分析（CA）、空間偏差（SD）、富集因子（EF）、地理信息系統（GIS）等多種定性源解析方法，并確定自然源、工業源和污水灌溉是研究區內農田土壤重金屬污染的三大主要來源［37］。Lyu等以江蘇省海岸7種土壤重金屬為研究對象，利用因子克里格和逐步回歸方法確定土壤中重金屬的多尺度來源［38］。

在定量源解析方面，主要包括受體模型、示蹤技術、機器學習模型和組合模型。其中，受體模型來源于大氣污染物的源解析研究，通過分析污染源和受體中污染物的物理化學特征來識別污染源并量化污染源的貢獻率，在定量源解析中較常用，主要包括化學質量平衡模型法（CMB）、正定矩陣因子分解法（PMF）、UNMIX模型法［39-40］。示蹤技術基于同位素質量守恒原理，通過測定土壤受體中同位素的組成，對污染源進行定量解析，主要包括穩定同位素比值技術、重金屬形態分析等［41］。Chen等結合UNIX、PMF模型和同位素比值技術，對河南省開封市郊區農業區的重金屬來源進行定量識別，發現該方法在特定來源鑒定中具有良好的協調性［42］。此外，隨著計算機技術的發展，機器學習模型以其強大的數據挖掘能力以及能夠對污染源的貢獻程度進行精準量化，在環境污染領域越來越受到關注。Jia等利用地理大數據并結合不同的機器學習方法進行分析，揭示了中國長江三角洲不同行業導致土壤污染的區域［43］。為了充分發揮各方法的優勢，以便更加精確且可靠的解析污染源，越來越多的研究開始利用組合模型［44］。韓存亮等以珠江三角洲地區某農業土壤集中分布區域，綜合采用PCA、CA、PMF和同位素比值等多種方法，開展土壤重金屬污染特征分析與源解析，發現將多種方法相互結合與印證可以提高分析結果的合理性和可靠性［45］。Anaman等綜合PCA、PMF和GIS方法，以確定重金屬在不同土地用途之間的來源、運輸路線和貢獻，其中草地和農田土壤從地表徑流和大氣沉積中吸收重金屬，而林地土壤只從大氣沉積中吸收重金屬［46］。此外，陳丹青等分別將GIS與其他方法相結合，均準確解析出污染來源及其貢獻率［47-48］。

2.3.3 污染源匯關系 土壤重金屬的來源主要分為自然源和人為源2個方面，自然源主要是成土母質風化后殘留在土壤中的重金屬。人為源可分為工業源（采礦、冶煉、燃煤等）、生活源（生活垃圾、廢水、燃煤等）、交通源（汽車尾氣、輪胎磨損等）以及農業源（農藥、肥料等）。不同來源的重金屬以不同的途徑進入土壤，主要包括巖石風化形成的土壤母質、大氣沉降、灌溉和徑流、固廢堆置、施用肥料與農藥。對土壤重金屬污染進行源匯關系分析，能夠定性/定量獲得各污染源的貢獻情況，并分析出污染源進入土壤的途徑［49］。趙慧等通過對重點污染企業的調查，分析污染物經水和大氣遷移過程的源匯關系，確定研究區內主要的污染區域和企業［50］。李保杰等以田塊尺度，在同源情況下分析7項指標反映土壤對重金屬匯的能力，發現距離入水口或出水口的距離對土壤鎘含量影響最大［51］。方淑波等結合源匯理論和景觀生態學方法研究城鄉梯度上土壤重金屬的變化，發現林地土壤在研究區內所起到的重金屬匯的作用［52］。毛志強等定量化分析了廢礦區尾礦分別對河流上游和下游農田土壤重金屬的來源貢獻以及源匯通量［53］。Huang等探討自然和人為因素對沿海地區福建省漳州市土壤重金屬污染的影響，發現土壤有機質含量、農業活動和景觀格局是影響重金屬含量的主要因素［54］。

2.3.4 存在的問題 目前，“源匯理論”在土壤重金屬污染研究中，通過“源-途徑-受體”的分析思路和框架，已經在污染區域監測、污染來源解析以及污染源匯關系等方面都取得了不錯的進展，且相關研究已經逐漸從地面上升到遙感，但在監測和分析過程中仍存在信息提取難、精度不高、難以準確驗證、未能實現動態分析、未能形成體系等問題，具體表現在5個方面。第一，土壤重金屬含量少、遙感影像混合像元的存在、區域環境差異大，使得重金屬光譜信息微弱且易被掩蓋。第二，高光譜數據波段數量多，各波段間關系復雜，且具有較強的共線性，傳統機器學習方法處理能力較有限，使得監測精度難以保障。第三，現階段監測模型主要通過樣點進行模型驗證，使得模型通常只適用于特定的研究區和樣本，難以大規模推廣應用。第四，目前主要還是以某一時間點的靜態分析為主，未能充分將地面數據和地上遙感數據相結合，實現空間上的動態溯源分析。第五，土壤重金屬污染匯的監測、源的解析、源匯關系等3個方面未能充分銜接形成體系，需要對源匯理論進行完善和豐富。

3 應用展望

3.1 從傳統機器學習走向深度學習

重金屬從土壤遷移至作物中，受到重金屬的脅迫，作物的葉綠素、蛋白質含量都會受到一定程度的影響，體現在反射光譜上的差異［55］。因此，利用高光譜遙感數據可以從污染源、植物葉片顏色、植物生理生化指標、農產品中重金屬含量等多個角度直接或間接監測土壤重金屬污染狀況［56-57］。

在重金屬監測模型構建中，遙感數據具有高維、時空數據量大、多波段等特點，使得遙感數據分析面臨諸多挑戰。近年來，隨著計算機技術的發展，CNN為代表的深度學習逐漸發展起來，其通過卷積和池化逐層提取特征，同時具有權值共享和局部連接的特性，使得模型更容易優化［58］。目前傳統機器學習開始逐漸向深度學習轉變，深度學習方法可以從要素之間的復雜非線性關系中挖掘特征和自主學習，構建的模型魯棒性更強，并顯示出優于傳統機器學習算法［59-60］，已逐漸成為土壤屬性高光譜遙感監測學者們的關注點。

3.2 點-線-面結合監測驗證框架

土壤重金屬在空間分布上具有一定的相關性和異質性，僅依靠樣點對監測結果進行驗證，模型通常難以大規模推廣應用。應該分別從“源”與“匯”的2個基點出發展開，當監測完成后，通過污染匯集特征的分析，對污染源頭進行解析，并對源匯過程進行探析，通過污染來源和污染過程的確定對監測結果進行宏觀驗證，形成類似于“點（源和匯）-線（源匯關系）-面（宏觀驗證）”的研究框架。因此，土壤重金屬污染監測效果的驗證不應再局限于采樣點位，而應從源匯角度出發，點線面結合進行立體分析和宏觀驗證，以確保監測模型能夠大范圍應用和推廣。

3.3 天-空-地一體化監測網絡和驗證體系

地面高光譜是土壤重金屬高光譜遙感監測研究的基礎，具有實效性高、穩定性強和分辨率高等特點，能夠提供地物最直接和準確的觀測數據，但其受觀測范圍的限制，無法開展大面積監測。航空高光譜同時具有高光譜分辨率和高空間分辨率的特點，是進行中小型區域高精度土壤污染定量監測的重要數據源，但其需要嚴格定標，數據預處理過程比地面高光譜復雜。航天高光譜具有范圍廣、數據多且獲取成本低等特點，在大面積區域監測中具有絕對優勢，但數據空間分辨率低、受云量干擾較大以及混合像元的存在，限制了航天高光譜影像信息提取的精度［23］。因此，未來可以將航天、航空、地面高光譜遙感技術相結合，充分發揮其各自的優勢，形成天-空-地一體化的土壤重金屬污染立體監測網絡。同時可以將地面觀測和收集的資料與遙感數據有機結合，充分發揮地面資料準確度高、可控性強以及遙感資料動態性、范圍廣的特點，形成多方面、多角度的驗證體系。

3.4 從“3S”上升到“5S”技術集成

“5S”技術是指將遙感技術（RS）、地理信息系統（GIS）、全球定位系統（GPS）、專家系統（ES）和智能化決策知識系統（IDSS）進行一體化集成（圖2），通過充分利用“3S”（RS、GIS、GPS）技術在數據收集、處理與分析上的優勢，結合ES的知識體系，并在IDSS中進一步引入人工智能技術，進而幫助專家系統解決非結構化問題，從而提高系統決策自動化程度［61］?！?S”技術具有數據收集快、處理周期短、分析能力強、高度集成化、自動化、智能化等特點，能夠應用于環境保護、精準農業、糧食安全、城市規劃等各領域。因此，未來在土壤重金屬污染監測效果的驗證中，通過應用“5S”一體化集成系統，能夠快速處理和分析數據，確定污染區域和污染來源，并驗證監測效果，進而因地制宜地提出有效的防治應對措施，以解決區域土壤重金屬污染問題。

3.5 監測、評估、溯源、預警與防治相結合

在源匯理論指導以及“5S”技術集成下，將監測、評估、溯源、預警與防治相結合，形成整體、系統、科學的土壤重金屬污染研究體系。通過天-空-地一體化監測網絡實時動態了解區域土壤重金屬污染狀況；利用污染風險評價方法明確污染區域和污染程度；基于源匯理論進行溯源分析找到污染來源，并對監測效果進行有效驗證；通過不同時期的土壤重金屬數據，模擬不同情景下未來農田重金屬可能的污染狀況，并進行風險預警提示；最后將信息反饋給決策者，因地制宜地制定污染防治措施，以改善區域內土壤重金屬的污染狀況，進而使生態系統安全得到改善，同時有利于人體健康，最終為國家在解決土壤重金屬污染動態監測、預警、防治等提供科學依據。

參考文獻：

［1］周建軍，周 桔，馮仁國.我國土壤重金屬污染現狀及治理戰略［J］. 中國科學院院刊，2014，29（3）：315-320，350，272.

［2］Ren S Y，Song C Q，Ye S J，et al. The spatiotemporal variation in heavy metals in Chinas farmland soil over the past 20 years：a meta-analysis［J］. Science of the Total Environment，2022，806：150322.

［3］全國土壤污染狀況調查公報［EB/OL］. （2014-04-17）［2022-10-11］. http：//www.gov.cn/foot/2014-04/17/content_2661768.htm.

［4］Yang Q Q，Li Z Y，Lu X N，et al. A review of soil heavy metal pollution from industrial and agricultural regions in China：pollution and risk assessment［J］. Science of the Total Environment，2018，642：690-700.

［5］楊元合，石 岳，孫文娟，等. 中國及全球陸地生態系統碳源匯特征及其對碳中和的貢獻［J］. 中國科學（生命科學），2022，52（4）：534-574.

［6］陳利頂，傅伯杰，徐建英，等. 基于“源-匯”生態過程的景觀格局識別方法——景觀空間負荷對比指數［J］. 生態學報，2003，23（11）：2406-2413.

［7］陳利頂，傅伯杰，趙文武.“源”“匯”景觀理論及其生態學意義［J］. 生態學報，2006，26（5）：1444-1449.

［8］Guan Q，Wang F，Xu C，et al. Source apportionment of heavy metals in agricultural soil based on PMF：a case study in Hexi Corridor，northwest China［J］. Chemosphere，2018，193：189-197.

［9］曾菁菁，沈春竹，周生路，等. 基于改進LUR模型的區域土壤重金屬空間分布預測［J］. 環境科學，2018，39（1）：371-378.

［10］尚二萍，許爾琪，張紅旗，等. 中國糧食主產區耕地土壤重金屬時空變化與污染源分析［J］. 環境科學，2018，39（10）：4670-4683.

［11］趙 慧，何 博，王鐵宇，等. 我國南方典型城市土壤重金屬污染特征及源匯關系分析［J］. 環境科學學報，2019，39（7）：2231-2239.

［12］Jia X，Fu T，Hu B，et al. Identification of the potential risk areas for soil heavy metal pollution based on the source-sink theory［J］. Journal of Hazardous Materials，2020，393：122424.

［13］Xue B，Zhang H，Wang G，et al. Evaluating the risks of spatial and temporal changes in nonpoint source pollution in a Chinese River Basin［J］. Science of the Total Environment，2022，807：151726.

［14］黃趙麟，丁 懿，王君櫹，等. 基于多模型優選的區域土壤重金屬含量空間預測方法研究［J］. 生態與農村環境學報，2020，36（3）：308-317.

［15］Huang N，Lin T，Guan J J，et al. Identification and regulation of critical source areas of non-point source pollution in medium and small watersheds based on source-sink theory［J］. Land，2021，10（7）：668.

［16］李海防，衛 偉，陳 瑾，等. 基于“源”“匯”景觀指數的定西關川河流域土壤水蝕研究［J］. 生態學報，2013，33（14）：4460-4467.

［17］黃 寧，王紅映，吝 濤，等. 基于“源-匯”理論的流域非點源污染控制景觀格局調控框架——以廈門市馬鑾灣流域為例［J］. 應用生態學報，2016，27（10）：3325-3334.

［18］李道進，逄 勇，錢者東，等. 基于景觀生態學源-匯理論的自然保護區功能分區研究［J］. 長江流域資源與環境，2014，23（增刊1）：53-59.

［19］李麗光，許申來，王宏博，等. 基于源匯指數的沈陽熱島效應［J］. 應用生態學報，2013，24（12）：3446-3452.

［20］陳運帷.基于源匯關系的贛州市土壤重金屬空間格局研究［D］. 北京：中國環境科學研究院，2019：1-2.

［21］Shi T，Ma J，Wu F，et al. Mass balance-based inventory of heavy metals inputs to and outputs from agricultural soils in Zhejiang Province，China［J］. Science of the Total Environment，2019，649：1269-1280.

［22］鄒萌萌，周衛紅，張靜靜，等. 我國東部地區農田土壤重金屬污染概況［J］. 中國農業科技導報，2019，21（1）：117-124.

［23］成永生，周 瑤.土壤重金屬高光譜遙感定量監測研究進展與趨勢［J］. 中國有色金屬學報，2021，31（11）：3450-3467.

［24］童慶禧，張 兵，張立福.中國高光譜遙感的前沿進展［J］. 遙感學報，2016，20（5）：689-707.

［25］Zhou W H，Zhang J J，Zou M M，et al. Feasibility of using rice leaves hyperspectral data to estimate CaCl2-extractable concentrations of heavy metals in agricultural soil［J］. Scientific Reports，2019，9：16084.

［26］Shi T，Liu H，Chen Y，et al. Estimation of arsenic in agricultural soils using hyperspectral vegetation indices of rice［J］. Journal of Hazardous Materials，2016，308：243-252.

［27］Zhou W，Yang H，Xie L J，et al. Hyperspectral inversion of soil heavy metals in Three-River Source Region based on random forest model［J］. Catena，2021，202（12）：105222.

［28］易興松，蘭安軍，文錫梅，等. 基于ASD和GaiaSky-mini的農田土壤重金屬污染監測［J］. 生態學雜志，2018，37（6）：1781-1788.

［29］Tan K，Ma W B，Chen L H，et al. Estimating the distribution trend of soil heavy metals in mining area from HyMap airborne hyperspectral imagery based on ensemble learning［J］. Journal of Hazardous Materials，2021，401：123288.

［30］Zhang B，Guo B，Zou B，et al. Retrieving soil heavy metals concentrations based on GaoFen-5 hyperspectral satellite image at an opencast coal mine，Inner Mongolia，China［J］. Environmental Pollution，2022，300：118981.

［31］Hong Y，Chen Y，Shen R，et al. Diagnosis of cadmium contamination in urban and suburban soils using visible-to-near-infrared spectroscopy［J］. Environmental Pollution，2021，291：118128.

［32］Li W，Xu B，Song Q，et al. The identification of ‘hotspots of heavy metal pollution in soil-rice systems at a regional scale in Eastern China［J］. Science of the Total Environment，2014，472：407-420.

［33］Jiang Y，Huang M，Chen X，et al. Identification and risk prediction of potentially contaminated sites in the Yangtze River Delta［J］. Science of the Total Environment，2022，815：151982.

［34］劉宏波，瞿明凱，張健琳，等. 土壤污染物源解析技術研究進展［J］. 環境監控與預警，2021，13（1）：1-6，19.

［35］李衛平，王 非，楊文煥，等. 包頭市南海濕地土壤重金屬污染評價及來源解析［J］. 生態環境學報，2017，26（11）：1977-1984.

［36］Gu Y G，Li Q S，Fang J H，et al. Identification of heavy metal sources in the reclaimed farmland soils of the Pearl River Estuary in China using a multivariate geostatistical approach［J］. Ecotoxicology and Environmental Safety，2014，105：7-12.

［37］Dong B，Zhang R，Gan Y，et al. Multiple methods for the identification of heavy metal sources in cropland soils from a resource-based region［J］. Science of the Total Environment，2019，651：3127-3138.

［38］Lyu J，Wang Y. Multi-scale analysis of heavy metals sources in soils of Jiangsu Coast，Eastern China［J］. Chemosphere，2018，212：964-973.

［39］張 軍，董 潔，梁青芳，等. 寶雞市區土壤重金屬污染影響因子探測及其源解析［J］. 環境科學，2019，40（8）：3774-3784.

［40］陳志凡，化艷旭，徐 薇，等. 基于正定矩陣因子分析模型的城郊農田重金屬污染源解析［J］. 環境科學學報，2020，40（1）：276-283.

［41］Huang Y，Li T，Wu C，et al. An integrated approach to assess heavy metal source apportionment in peri-urban agricultural soils［J］. Journal of Hazardous Materials，2015，299：540-549.

［42］Chen Z，Ding Y，Jiang X，et al. Combination of UNMIX，PMF model and Pb-Zn-Cu isotopic compositions for quantitative source apportionment of heavy metals in suburban agricultural soils［J］. Ecotoxicology and Environmental Safety，2022，234：113369.

［43］Jia X，Hu B，Marchant B P，et al. A methodological framework for identifying potential sources of soil heavy metal pollution based on machine learning：a case study in the Yangtze Delta，China［J］. Environmental Pollution，2019，250：601-609.

［44］Zeng W B，Wan X M，Wang L Q，et al. Apportionment and location of heavy metal（loid）s pollution sources for soil and dust using the combination of principal component analysis，Geodetector，and multiple linear regression of distance［J］. Journal of Hazardous Materials，2022，438：129468.

［45］韓存亮，羅炳圣，常春英，等. 基于多種方法的區域農業土壤重金屬污染成因分析研究［J］. 生態與農村環境學報，2022，38（2）：176-183.

［46］Anaman R，Peng C，Jiang Z C，et al. Identifying sources and transport routes of heavy metals in soil with different land uses around a smelting site by GIS based PCA and PMF［J］. Science of the Total Environment，2022，823：153759.

［47］陳丹青，謝志宜，張雅靜，等. 基于PCA/APCS和地統計學的廣州市土壤重金屬來源解析［J］. 生態環境學報，2016，25（6）：1014-1022.

［48］陳 雪，劉鴻雁，吳 攀，等. 基于GIS和PMF的銅仁植煙土壤重金屬污染特征與來源解析［J］. 農業環境科學學報，2022，41（4）：794-801.

［49］陳雅麗，翁莉萍，馬 杰，等. 近十年中國土壤重金屬污染源解析研究進展［J］. 農業環境科學學報，2019，38（10）：2219-2238.

［50］趙 慧，何 博，王鐵宇，等. 我國南方典型城市土壤重金屬污染特征及源匯關系分析［J］. 環境科學學報，2019，39（7）：2231-2239.

［51］李保杰，王思宇，周生路，等. 田塊尺度下農田重金屬污染特征及其源匯關系響應解析［J］. 農業工程學報，2018，34（6）：204-209.

［52］方淑波，崔 曲，龐慧煥，等. 基于源匯理論的浦東新區土壤重金屬沿城鄉梯度的分布特征［J］. 生態學雜志，2016，35（3）：772-780.

［53］毛志強，田 康，劉本樂，等. 廣西某采選廢礦區重金屬生態風險與源匯關系［J］. 農業環境科學學報，2021，40（5）：987-998.

［54］Huang S，Xiao L，Zhang Y，et al. Interactive effects of natural and anthropogenic factors on heterogenetic accumulations of heavy metals in surface soils through geodetector analysis［J］. Science of the Total Environment，2021，789：147937.

［55］周衛紅，張靜靜，鄒萌萌，等. 土壤重金屬有效態含量檢測與監測現狀、問題及展望［J］. 中國生態農業學報，2017，25（4）：605-615.

［56］張靜靜，周衛紅，鄒萌萌，等. 高光譜遙感監測大面積土壤重金屬污染的研究現狀、原理及展望［J］. 江蘇農業科學，2018，46（12）：9-13.

［57］劉彥平，羅 晴，程和發.高光譜遙感技術在土壤重金屬含量測定領域的應用與發展［J］. 農業環境科學學報，2020，39（12）：2699-2709.

［58］LeCun Y，Bengio Y，Hinton G.Deep learning［J］. Nature，2015，521（7553）：436-444.

［59］鐘 亮，郭 熙，國佳欣，等. 基于不同卷積神經網絡模型的紅壤有機質高光譜估算［J］. 農業工程學報，2021，37（1）：203-212.

［60］Zhong L，Guo X，Xu Z，et al. Soil properties：their prediction and feature extraction from the LUCAS spectral library using deep convolutional neural networks［J］. Geoderma，2021，402：115366.

［61］李建龍，李 鶴，剛成誠，等. 5S一體化集成技術及其在農業科學中的應用進展［J］. 江蘇農業科學，2010（5）：26-29.