抗生素是20世纪最重要的医学发现之一，被广泛用于人类和兽医领域，用于治疗和预防疾病（Zhao等人，2025年）。此外，它们还被添加到动物饲料中以促进动物健康和提高生产效率（Zhao等人，2023年；Ren等人，2023年）。中国是抗生素的主要消费国，其使用量约为英国的150倍（Zhang等人，2015年），是美国 的10倍（Ren等人，2023年）。在人类抗生素使用方面，2010年至2021年间中国的年增长率最高（7%）（Wang等人，2025年）。2021年，中国人均每日抗生素消耗量约为7.5个定义日剂量（DDD）（Wang等人，2025年）。在兽医抗生素方面，预计到2030年中国用于食用动物的抗生素使用量将比2010年翻一番，达到约33,000吨（Zhao等人，2025年；Van Boeckel等人，2015年）。由于抗生素不能被人类和动物完全代谢，且中国的污水处理厂去除能力有限（Zhou等人，2013年），大量抗生素最终以原始化合物或降解产物的形式释放到环境中（Yu等人，2022年），其中约46%累积在水体中，54%累积在土壤中（Zhang等人，2015年）。大量且持续的抗生素输入土壤可能直接或间接地对微生物（Zhao等人，2022年）、动物（Dong等人，2012年）和植物（Zhao等人，2023年）产生毒性作用，并可能导致其在生物体内的积累和通过食物链的生物放大（Hu等人，2023年）。此外，抗生素还会促进耐药细菌和耐药基因的出现和传播，对人类健康构成威胁（Wang等人，2020年）。据全球估计，2019年有127万人死亡直接归因于抗菌素耐药性（Murray等人，2022年）。
为了实现基于来源的抗生素污染预防，将风险评估与来源分布相结合以识别特定来源的风险对于及时管理和控制污染途径至关重要，从而减少潜在的环境负面影响。抗生素最初来源于自然环境，其中许多是由微生物为争夺资源或自我保护而产生的代谢物（Aminov，2009年）。然而，与人为来源相比，自然来源的贡献可以忽略不计（Zhao等人，2022年）。因此，量化人为来源的抗生素污染至关重要。多变量建模方法，包括主成分分析和多元线性回归（Ren等人，2023年）、Unmix（Li等人，2020a）和正矩阵分解（PMF）（Wang等人，2022a），为识别污染源提供了有力工具。其中，PMF在多种环境介质中表现出强大的适用性，能够定量估计不同污染源的贡献。特别是，它在处理缺失值和低于检测限的浓度方面更为有效，优于其他来源分配方法（Wu等人，2022年；Mu等人，2024年）。然而，大多数基于PMF的研究主要集中在量化污染源上，对特定来源风险的关注有限。因此，这些研究对于旨在控制区域抗生素污染的风险导向决策支持有限。
风险商数（RQ）模型是一种广泛用于评估污染物生态风险的方法，已应用于多环芳烃（Hemati等人，2024年）、微塑料（Chen等人，2024年）和抗生素（Ren等人，2023年）。该模型依赖于两个预设参数：污染物的测量环境浓度（MEC）和给定终点的预测无效应浓度（PNEC）。然而，它可能无法完全捕捉区域尺度上的整体风险发生概率。通过结合蒙特卡洛模拟和RQ模型，可以避免确定性方法中风险的过度估计或低估（Men等人，2025年；Zhang等人，2023年）。改进的RQ模型提供了更真实的区域尺度上抗生素污染风险概率表示。在本研究中，改进的模型被应用于从来源角度（抗生素来源的风险）和汇角度（农田土壤中的抗生素污染风险）分析风险。将PMF模型与RQ模型结合使用，可以从数据角度合理评估污染物的“来源导向风险”（Mu等人，2024年；Zhang等人，2024年）。然而，数据和模型存在噪声风险。与其他相关研究相比，本研究在分析中纳入了区域特定证据（如区域产业结构、土地利用、灌溉和施肥特征），为验证来源分配结果提供了更合理和有根据的解释。
为了实现基于汇的控制和修复农田中的抗生素污染，定量分析影响抗生素在农田中存在的关键土壤环境因素有助于实施有针对性的田间管理措施。进入土壤后，抗生素会经历降解、转化、吸附和迁移等复杂过程，这些过程受土壤环境因素的影响（Li等人，2020b；Nkoh等人，2024年）。土壤环境因素（如物理化学性质和重金属含量）可以通过改变吸附和迁移条件或影响微生物活性，直接或间接影响土壤中的抗生素存在（Wu等人，2022年；Song等人，2023年）。由于区域环境条件以及抗生素类型和浓度的差异，环境因素与土壤抗生素之间的关系因地区而异。例如，Fang等人（2023年）研究了中国重庆蔬菜土壤中兽医抗生素的存在情况，发现土壤pH值与抗生素浓度呈负相关。Li等人（2023年）在中国京津冀城市群也报告了类似的结果。然而，其他研究则报告了土壤pH值与抗生素浓度之间的正相关关系（Zhao等人，2018年）。目前，环境因素与抗生素存在之间的关系尚未完全明了。大多数现有研究仅定性评估了抗生素与影响因素之间的关联，侧重于每个因素影响的相对强度；然而，定量和机制分析仍然有限，限制了它们对管理实践的有效指导作用。由于土壤环境因素与抗生素存在之间的关系不确定，本研究尝试使用多种模型（简单线性模型、复杂机器学习模型）、多种分析方法（单变量分析、多变量分析）和各种解释工具（部分依赖图、Shapley加性解释）来获得更可靠的结果，相比其他研究。
目前，与其他污染物相比，抗生素受到的关注相对较少，大多数研究集中在水生生态系统上。因此，研究陆地土壤中的抗生素污染尤为重要，特别是在与人类活动密切相关的农田中。本研究从污染源、风险分解以及土壤环境因素与抗生素存在之间的关系等方面，分析了农田土壤中抗生素污染的现状。除了呈现描述性结果外，还进一步提出了管理和控制抗生素污染的建议。本研究旨在：（1）揭示农田土壤中抗生素的污染特征（包括类型和浓度），识别主要的风险贡献抗生素，并评估总体生态风险；（2）从源导向预防和控制的角度，分析农田土壤中抗生素的潜在来源及其风险；（3）从汇导向田间管理的角度，研究土壤环境因素与农田土壤中抗生素存在之间的关系；（4）基于源-汇综合分析结果提出有针对性的对策。这些发现为农田土壤中抗生素污染的源头预防和控制策略选择提供了科学依据。
