伴随着物质文明的发展,人类活动对自然环境的影响也日益明显。重金属物质污染所引发的一系列问题正在破坏着自然本身的平衡。重金属会污染水体、空气、土壤,对土壤质量、结构、分类管理等诸多方面有深远影响。因此,在土地分类管理、农业安全种植、土壤污染防治以及生态文明建设中,研究土壤重金属污染状况对上述工作具有重要的指导意义。以艾比湖流域土壤作为研究对象,运用SPSS20.0软件对艾比湖流域土壤重金属含量数据进行描述性分析和频率分析,使用传统的评价方法(多因子综合评价、内梅罗污染指数评价和主成分分析法)对艾比湖流域土壤样品中8种重金属进行土壤污染风险评价。针对传统评价方法存在风险等级或污染程度的阈值设定受人为因素影响等问题,本研究配合基于BP神经网络的分析方法进行污染评价与分析,同时采用决策树算法对艾比湖流域进行预警分析。主要结论如下:(1)通过土壤重金属分布特征可知:艾比湖流域全部监测点位土壤中镉、汞、铅、铬、镍元素含量均低于风险筛选值,极个别点位的土壤样品中铜、锌元素含量高于风险筛选值,有一部分监测点位的土壤样品中砷元素含量高于风险筛选值,这表明在艾比湖流域部分土壤存在重金属砷污染的风险,需要通过农艺调控、替代措施达到安全利用。。(2)传统评价方法分析结果得出:最大单因子污染指数为砷污染物。而重金属铜-铅、铬-镍之间具有很强的相关性,砷元素的富集情况较为复杂,与其它重金属元素存在明显的互斥性,体现出土壤重金属污染物的有一定的同源性、差异性以及组合情况。所有土壤样品总得分分布比较集中且得分较低,说明该地重金属污染物含量较少,分析其来源可能主要是自然地质背景的作用。(3)基于BP神经网络模型的综合评价方法相较于传统评价方法,可以前瞻性地掌握所有金属元素的污染情况,从而预测可能发生的金属元素污染。同时传统评价方法最大的缺陷在于风险等级或污染程度的阈值设定受人为因素影响,而最终会影响到真实的土壤金属元素污染程度。但是,模型克服了传统评价方法的部分缺陷,使得土壤金属元素污染程度的评价更对地决定于数据本身,并且能够前瞻性地预测土壤金属元素污染程度。从而建立重金属污染等级与污染评价之间的一种联系,更有利于风险评测、危害处理。(4)决策树算法分析结果可得:砷元素更容易影响环境的污染程度。这一方面可能是因为研究区部分采样点周围为交通运输用地,而交通排放的重金属生物有效性高。另一方面考虑砷有其他来源,很有可能与其自然地质背景相关。