To strengthen the control of pollution sources and promote soil pollution management of agricultural land, this study constructed a comprehensive source apportionment framework, which significantly improved the reliability of potential source analysis compared with the traditional single model. The spatial distribution pattern of agricultural soil heavy metals (SHMs) content in Lintong, a typical river valley city in China, was determined and the degree of contamination was evaluated. A scientific source apportionment methodological framework was constructed through correlation analysis methods together with multiple source apportionment receptor models. Finally, the Monte Carlo simulation method was used to derive the results of the human health risk assessment (HHRA). The results revealed the following: (1) Agricultural soils were moderately and mildly polluted, accounting for 28.8 % and 71.2 % of the total number of sampling points, respectively. (2) The overall correlation of heavy metals (HMs) was strong according to the coupling analysis of the SHMs, in which a strong correlation (0.8-1) was reached among Cu, Ni, Pb, Cr and Zn, indicating that these HMs were most likely homologous or composite. (3) Multimodel analysis of the SHMs sources revealed that the first and second principal components were agricultural (41.36 %) and industrial (19.69 %) sources, respectively, and the remaining principal components were road traffic, natural factors, and atmospheric deposition or surface runoff, respectively. (4) The average comprehensive noncarcinogenic health risk indices for adults and children were 4.2259E-02 and 1.4194E-01, respectively, which were within the slight risk range, indicating that the risk caused by SHMs to the human body can be almost negligible. This study adopted a mixed method to reveal the risk of SHMs pollution and its sources, which provides some reference and technical support for traceability analysis, zoning control, and health risk studies of regional pollutants and is helpful for formulating scientific management measures and targeting control policies.

ABSTRACT The spatial heterogeneity of ecological vulnerability (EV) is a key indicator of regional ecosystem differentiation. However, identifying the factors that contribute to this heterogeneity remains a challenge in current research. This study proposed the “Ecological vulnerability‐spatial heterogeneity‐zone” (ESHZ) framework as a solution to overcome the difficulties of monitoring spatial heterogeneity. Then, based on the typical river valley city Baoji in Northwest China as the research object, this framework was used to analyze and predict the evolution law of heterogeneity of EV from 2000 to 2030. The findings indicate the following: (1) Synthesized ecological vulnerability index (SEVI) in 2000 and 2020 was 2.47 and 2.49, respectively, with less than 5% of the total area transitioning to areas of higher EV, indicating a relatively stable ecological environment. (2) The clustering characteristics of EV remained stable, primarily showing non‐significant, high–high, and low–low clustering, with varying degrees of heterogeneity across different regions. (3) Factors analysis revealed that DEM and LUCC had been the dominant factors of EV, and that interactions between factors were stronger than interactions within them, suggesting that its spatial heterogeneity was the result of a combination of factors. (4) The CA‐Markov model predicted a gradual improvement in the ecological environment by 2030, with a Kappa coefficient test value of 0.7733. The framework constructed in this study proposes a perspective for improved analyses of spatial heterogeneity of ecosystems, providing a viable approach to the management of regional ecological vulnerability.