浅层地下水硝酸盐污染受地表污染荷载、水文地质条件等多种因素影响，识别硝酸盐不同污染水平的主控因素对于污染防治和管控具有重要实际意义。本研究以沙颍河流域为典型研究区开展地下水硝酸盐氮污染分级研究，探讨不同硝酸盐氮污染分级下的成因差异。结果表明，采用 Jenks 自然间断法和核密度分析方法有效地识别出三个地下水硝酸盐氮污染分级，分别为<10 mg/L（轻污染区）、10~30 mg/L（中度污染区） 和 >30 mg/L（重污染区）；随机森林模型是筛选出的最佳可解释机器学习模型，在预测研究区地下水硝酸盐氮污染方面表现出优越的性能；基于最佳机器学习模型和结构方程模型证实了不同地下水硝酸盐氮污染分级的成因确实存在差异。具体而言，以Mn²⁺、Eh和NO₂-N为代表的强还原条件对轻污染区地下水硝酸盐氮污染起主导作用。粪便和污水（以Cl^-为代表）通过降水淋滤进入地下水是中度污染区地下水硝酸盐氮的主要贡献者，累计贡献率超过80%。重污染区地下水硝酸盐氮污染主要是由于粪便和污水（以Cl^-为代表）以及农业施肥（以K⁺为代表）产生的氮负荷通过降雨淋滤进入到脆弱的含水层中导致的。沙颍河流域畜牧业产生的总氮量、污水排放量和农业氮肥施用量的空间分布特征进一步验证了上述成因分析结果的合理性和可靠性。该研究结果可为地下水硝酸盐氮污染的分级管控提供针对性的理论依据和技术支撑。

地下水硝酸盐,污染分级,机器学习模型,结构方程模型,成因分析