耕地土壤中潜在有毒元素（PTE）污染对全球粮食安全构成严重威胁。传统风险评估方法难以表征多维环境驱动因子与土壤PTE生态风险的动态互作机制。传统机器学习模型在处理复杂环境网络关系时存在数据降维处理、可视化等方面的局限性，无法有效量化因子间方向性反馈，制约其精准风险预测。
针对上述挑战，研究基于长江流域稻米产区13048组土壤PTE污染及环境因子数据，开发了拓扑图结构，结合启发式图卷积神经网络模型，实现自适应量化方向反馈优化，构建土壤PTE生态风险预测模型。三阶段启发式算法剪除了85.5%冗余边，该模型自适应量化环境驱动因子与生态风险间的方向性反馈，预测精度较传统方法提升23.1%。拓扑网络特征重要性分析揭示，pH、盐基饱和度、碳酸钙、交换性盐基和有机碳是生态风险的关键调控因子。
基于拓扑图结构的启发式图卷积网络生态风险预测模型
相关研究成果发表在Environmental Science & Technology（Shan et al., 2025）。郝慧娟和单永平博士为论文共同第一作者，焦文涛研究员为通讯作者。该研究得到中国科学院战略先导项目（XDB0750400）、国家重点研发计划（2023YFC3705902）和国家自然科学基金（42277011, 42477015）资助。
论文链接：https://doi.org/10.1021/acs.est.5c06872