2024年1月3日，《通讯·地球与环境》（Communications Earth & Environment）发表题为《深度学习识别区域和全球表层土壤砷污染热点》（Regional and Global Hotspots of Arsenic Contamination of Topsoil Identified by Deep Learning）的文章指出，中国、巴西和美国加利福尼亚是表层土壤砷污染的热点地区。

砷（As）是一种普遍存在、具有高度神经毒性和致畸性的重金属，容易在土壤中积累，因此越来越受到全世界的关注。砷主要通过表层土壤（0~20 cm）的养分吸收向植物转移，表层土壤也是人为砷污染的主要积累区，进一步增加了砷在该土层中积累的风险。因此，检测表层土壤砷污染区域并评估其严重程度对于保护环境和人类健康至关重要。然而，传统的砷检测方法依赖于现场采样和化学分析，这些方法繁琐、耗时且成本高昂。

来自中南大学、伊利诺伊大学芝加哥分校（University of Illinois Chicago）、韩国高丽大学（Korea University）等机构的研究人员开发了一种结合可见光近红外光谱和深度学习的方法来预测表层土壤中的砷含量。结果表明，最优全连接神经网络模型具有较高的鲁棒性和泛化性，能够在短时间内自动准确地估计土壤光谱中的砷含量。研究人员使用该模型，估计了区域和全球尺度的相对砷含量，并确定了可能受到影响的人群。研究发现，中国、巴西和美国加利福尼亚是表层土壤砷污染的热点地区。加蓬等其他地区，虽然也面临巨大风险，但很少有相关记录，使其成为潜在的热点地区。研究结果为需要更详细检测或及时土壤修复的地区提供了指导，并有助于减缓全球表层土壤砷污染。