《Ecotoxicology and Environmental Safety》：Quantitative characterization of LNAPL contaminant concentrations in the vadose zone by integrating environmental factors and interpretable support vector machine models
编辑推荐：
为精准量化包气带中轻非水相液体（LNAPL）的污染浓度分布，北京师范大学研究人员基于沙箱实验，系统分析了关键环境因子与柴油污染物迁移的响应关系，并构建了集成支持向量机（SVM）与SHAP（SHapley Additive exPlanations）解释方法的污染浓度计算模型。该模型展现出优异的泛化性能（R2 > 0.90），能够准确预测泄漏动态并量化各环境因子的相对贡献，其中体积含水率（θ）是影响最大的因子，为发展基于环境因子的土壤LNAPL污染实时风险评估方法提供了理论与模型支持。
随着社会经济发展，全球对石油这一战略资源的需求持续增长，但也加剧了环境风险。据估计，全球每年有大量石油污染物（约1×1012公斤）释放到地下环境中。石油中的水不混溶有机物被称为非水相液体（NAPLs），其中密度比水轻的称为轻非水相液体（LNAPLs），包括原油、柴油、苯、甲苯、二甲苯等。这些污染物密度低于水且溶解度极低，一旦进入地下水系统，便会形成长期的地下储库，造成持久性污染，威胁当地饮用水安全。因此，阐明LNAPLs在地下介质中的迁移和衰减过程至关重要。
为了准确监测和评估LNAPL污染，研究者们采用了多种方法，包括物理模拟（如一维土柱或二维沙箱实验）和数学模型。然而，现有研究在时空范围上存在局限，且需要大量测定污染物理化性质和水文地质参数。与此同时，污染物释放会扰动当地的土壤环境条件，导致体积含水率（θ）、电导率（EC）、pH、氧化还原电位（ORP）等环境因子发生协同变化，并与污染物的迁移和再分布存在耦合关系。传统统计方法在处理这类非线性、非平稳的复杂关系时存在不足。机器学习方法，特别是支持向量机（SVM），凭借其在处理小样本数据和复杂非线性特征方面的双重优势，展现出解决此类问题的潜力。但机器学习模型常被视为“黑箱”，其输入变量与输出结果之间的机理解释不清，影响了预测结果的可靠性与实际应用价值。为了解决上述问题，北京师范大学的研究团队开展了一项创新性研究，旨在开发一种基于多环境因子、可解释的LNAPL污染浓度定量表征新方法，其成果发表在《Ecotoxicology and Environmental Safety》上。
本研究主要应用了以下关键技术方法：首先，通过二维沙箱实验模拟柴油在细砂包气带中的泄漏过程，在44个土壤取样口同步原位监测获取了总石油烃（TPH）浓度及θ、EC、pH、ORP等环境因子数据，共计968组。其次，利用Spearman相关系数分析环境因子与TPH浓度的相关性。然后，以环境因子和时空信息（X, Y, t）为输入，TPH浓度为输出，构建了基于SVM算法的浓度计算模型，并通过网格搜索和交叉验证确定最优超参数。最后，采用基于博弈论的SHapley Additive exPlanations（SHAP）方法对SVM模型进行解释，量化各输入变量对预测结果的贡献。
1. 细砂介质包气带中LNAPL的迁移行为
通过克里金插值对实验监测数据进行可视化，研究人员将LNAPL在细砂包气带中的迁移过程划分为三个阶段：污染物释放阶段（0-4.0天），污染物在重力作用下向下活塞式迁移，并在毛细带发生明显的侧向运移；污染物快速再分布阶段（4.0-22.0天），泄漏停止后，截留的自由相污染物在重力和毛细力作用下重新分布，污染范围持续扩大，并在水位以上20.0–40.0 cm的毛细带高滞留区显著积累；污染物持续衰减阶段（22.0-67.0天），污染物在微生物降解等作用下总体浓度呈下降趋势，但毛细带高滞留区仍维持较高浓度。
2. 环境因子对包气带LNAPL迁移衰减的响应
LNAPL的迁移显著改变了包气带中的关键环境因子。θ因孔隙水被LNAPL驱替而普遍降低，尤其在毛细带上部（第5-6层）降低显著。EC的变化受水分和污染物迁移共同调节，在θ不为零的中下部区域呈现下降趋势。ORP在整个实验期间持续降低，在氧气消耗强烈的毛细带降低尤为明显。pH同样呈下降趋势，空间分异与ORP相似，这与介质颗粒与污染物的反应及微生物降解产生酸性物质有关。Spearman相关性分析表明，各环境因子与TPH浓度的相关性在垂直方向上存在显著差异，且单一环境因子与TPH浓度存在一对多的非线性关系，无法仅凭单一因子可靠地反演TPH浓度。
3. 通过SVM模型定量表征LNAPL污染物浓度
研究人员构建了集成多环境因子的SVM浓度计算模型。模型在训练集、验证集和测试集上均表现出优异的性能（R2 > 0.90），点据密集分布在y = x ± 5000 mg·kg-1的误差带内，表明模型具有高精度和良好的泛化能力。模型成功可视化了LNAPL污染羽的时空分布，模拟结果与实测高度一致，并能对97.0天和127.0天的污染状态进行有效预测，平均绝对预测误差分别为13.78%和23.01%。
4. 基于SHAP方法的输入变量特征重要性评估
SHAP分析量化了各输入变量对SVM模型预测TPH浓度的贡献。重要性排序为：垂直坐标Y（19.6%）> 体积含水率θ（18.3%）> ORP（15.0%）> 时间t（13.7%）> EC（13.23%）> pH（12.2%）> 水平坐标X（7.8%）。垂直坐标Y的重要性源于重力驱动的垂向迁移导致浓度随高度显著分异；θ则与LNAPL入侵触发的“固-水-油-气”四相驱替机制相关。特征依赖图进一步揭示了输入变量与模型输出之间的非线性关系。例如，在毛细带强滞留区，θ和EC的SHAP值主要为负且绝对值较大，表明模型严重依赖这些因子的低值来预测该区的高TPH浓度；而在包气带上部，ORP是预测TPH浓度的关键指标；在上部毛细带（pH=6.0–6.5），pH对模型预测有强影响。时空变量Y和t在整个分析中 consistently 表现出高SHAP值，证实它们是模型进行TPH浓度预测所依赖的基本框架变量。
研究结论与重要意义
本研究的核心结论是，毛细阻滞效应是控制细砂包气带中LNAPL迁移动态的核心机制，它驱动了污染物在潜水面以上20–40 cm强滞留区内的侧向扩散与积累。环境因子对LNAPL迁移过程呈协同响应，但单一环境因子与TPH浓度的关系存在显著空间异质性和一对多现象，无法独立用于可靠反演。集成多环境因子和时空信息的SVM模型能够高精度地表征LNAPL的迁移分布，模型性能优异。SHAP解释分析进一步确认，垂直坐标Y和θ是模型中最重要的预测变量，θ和EC在毛细带强滞留区的预测中占主导，而pH和ORP在包气带上部和毛细带上部区域影响显著。
这项研究的意义在于，它超越了传统的“黑箱”机器学习应用，通过将SVM的高精度预测能力与SHAP的机理解释能力深度耦合，形成了一个“预测-贡献量化-机理解释”的完整闭环。该框架不仅阐明了易监测的原位环境因子对污染预测的贡献，在监测数据与污染物空间模式之间建立了透明联系，而且最终输出了关于主导环境因子、其影响方向和敏感区间的清晰、可解释的结论。这为发展基于环境因子的土壤LNAPL污染实时、原位风险评估方法提供了创新的理论支持和可操作的建模框架。尽管当前模型基于均质介质的室内实验构建，直接外推到复杂的野外场地存在不确定性，但本研究提出的方法论和工作流程，为后续整合野外多源监测数据、引入表征地下非均质性的特征（如渗透系数场、岩性结构）、以及应用迁移学习（Transfer Learning）或物理信息神经网络（Physics-Informed Neural Networks, PINN）等自适应优化策略奠定了坚实基础，有望发展成为支撑LNAPL污染场地实时诊断与动态管理的核心技术工具。
