准确获取土壤污染物含量及分布信息是土壤污染风险管控与修复的基础，然而调查过程中的采样、分析等流程需要大量的人力、物力，因此对未采样点位进行空间预测逐渐成为了土壤污染调查评估的重要手段。传统空间预测方法往往只考虑数据的空间关联性，并且假设土壤环境符合二阶平稳假设，而忽略环境因素的影响，导致空间预测精度难以提高。机器学习模型能够模拟多种环境数据与土壤污染之间的非线性关系，实现更高精度的预测。