随着我国工业化、城镇化进程的持续加快,城市大气污染形势日益严峻,雾霾现象频发。特别是重金属污染不仅会破坏土壤生态系统的平衡（酸碱平衡）,而且易通过食物链积累,威胁人体健康。金属元素的环境风险预估过程是根据金属元素含量,计算污染指数,进而实现其环境风险预估。然而,基于原子吸收光谱法（AAS）等金属元素检测技术,虽然能获得较好的定量分析结果,但是需要复杂的样品前处理,分析周期较长,无法满足快速分析的需求。因此,亟需发展一种准确且快速的大气颗粒物金属元素环境风险预估新技术。本文从大气沉降颗粒物金属元素环境风险预估实际需求出发,以大气沉降颗粒物为研究对象,开展激光诱导击穿光谱技术（LIBS）结合随机森林（RF）的金属元素环境风险预估研究,借助变量选择策略,建立一种准确且快速的金属元素环境风险预估方法,为大气环境风险预估提供理论基础和技术支撑。本论文的主要研究内容如下:（1）针对大气沉降颗粒物金属单因素环境风险预估问题,以金属元素的富集因子（EF）和地累积指数(Igeo)分析为研究目标,借助光谱预处理和变量重要性测量（VIM）提取目标物的重要化学信息,建立了基于LIBS技术结合RF的单因素（Cr、Zn、V、Cu和Pb）环境风险预估方法。结果表明,在最优化光谱预处理方法（小波变换,WT）、VI阈值（0.04）和模型参数(ntree=500;mtry=272)等条件下,基于针对Zn元素EF分析的最优WT-VIM-RF校正模型,Rp~2和MREP分别为0.9834和0.0238。此外,针对5种金属元素EF分析和Igeo分析的RF校正模型同样具有较好的分析能力。因此,LIBS技术结合RF可以作为一种准确的大气沉降颗粒物金属单因素环境风险预估的有效工具。（2）针对大气沉降颗粒物金属多因素（Al、Cu、Zn、Pb、Cr、V、Mn和Ti）环境风险预估问题,以综合潜在生态风险指数（RI）分析为研究目标,借助混合变量选择策略,建立了基于LIBS技术结合RF的多因素环境风险预估方法。利用连续投影算法（SPA）和遗传算法（GA）更精细的选择特征变量,研究了不同混合变量选择方法（VIM-SPA和VIM-GA）对RF校正模型准确性的影响。结果表明,基于VIM-SPA-RF模型具有优异的预测能力（Rp~2=0.9227;MREP=0.0490）。因此,与单一的变量选择方法（VIM）相比,VIM-SPA可以减少模型运行时间,提高模型预测的准确性。（3）针对大气沉降颗粒物金属元素污染等级判别问题,以EF划分的污染等级为研究目标,借助模式识别方法,建立了LIBS技术结合RF的金属元素污染等级判别方法。在最优化的WT方法和模型参数(ntree=500,mtry=76;LV=5)等条件下,建立了针对金属元素污染等级判别的主成分分析方法（PCA）、RF判别模型和偏最小二乘判别（PLS-DA）模型。结果表明,基于RF判别模型对金属元素不同污染等级判别的结果最优（Zn元素污染等级判别:准确率、灵敏度和特异性分别为0.9200、0.9000和0.9333;Cr元素污染等级判别:准确率、灵敏度和特异性分别为0.9200、1.0000和0.9000）。因此,LIBS技术结合RF能够实现金属元素污染等级的准确识别,为大气污染防控提供预警。