农药场地土壤污染物严重危害人体健康，如何预测污染物种类及浓度缺失背景下的农药场地土壤人体健康风险亟待解决。本研究基于网络大数据检索手段，搜集并补充了1933个公开的农药场地及其对应属性数据；采用土壤污染快速预测方法、预测各场地污染状况，筛选风险预测对象；根据32个已开展污染与风险调查的场地，利用Pearson和Spearman相关分析筛选并建立了人体健康风险预测指标体系，并利用主成分分析法（Principal Component Analysis, PCA）对指标降维，采用SMOTE(Synthetic Minority Oversampling Technique)平衡不同风险状况的样本数量，以召回率100%为目标，借助网格搜索法(GridSearchCV)训练并优化了Logistic(LR)、Support Vector Machines(SVC)、NavieBayesian(GNB)、Nearest Neighbor(KNC)、Gaussian Process(GPC) 、Decision Tree(DTC) 和Random Forest(RFC)七种监督分类预测模型，并以预测精度大于75%筛选满足要求的全监督分类预测模型；采用Stacking集成精度达标的全监督分类预测模型，作为半监督自训练预测方法的基分类器，预测1901个未进行污染调查与风险评估的农药场地人体健康风险概率；最后采用反距离权重插值（Inverse Distance Weight，IDW)、热点分析和核密度分析等方法，预测中国农药场地人体健康风险等级及其空间分布。结果表明：土壤污染状况是人体健康风险最主要的影响因素；风险指标包括污染状况、人类脆弱性群体比重、场地周边环境；以SVC、GNB和KNC为第一层、LR为第二层的融合模型满足精度要求，其预测精度和召回率达到100%。