污染场地土壤污染物的空间分布是场地风险评价、修复治理方案和修复决策制定的基础。工业场地污染土壤的治理和修复因受到具有强异质性污染物、不同土壤物理属性的地层岩性数据因素及插值预测模型因素影响,导致场地土壤污染物空间分布的精细刻画存在较大的不确定性。受场地污染物累积释放因素和复杂水文地质条件的影响,工业型的污染场地在不同地层存在空间分层异质性,此外基于判断布点原则的土壤污染物钻井点位数据具有稀疏性的特点。由此产生的三维空间非平稳使得单一半变异函数难以刻画污染物的三维空间结构特征,场地污染物三维边界刻画存在不确定性,因而难以精确刻画场地污染物的三维空间分布。本研究基于地理探测器模型探究影响场地土壤污染物的主要驱动因子以及土壤污染物的空间分布特征;针对难以刻画污染物的三维空间结构特征的问题,本文提出一种顾及地层岩性的三维经验贝叶斯克里金场地土壤污染物三维空间分布插值模型;针对场地污染物三维边界刻画不确定性的问题,本文提出一种朴素贝叶斯-图卷积网络三维边界插值模型,克服场地污染物的空间分布的边界不确定性的问题。本研究所构建的两种插值方法为在地层影响下的精细刻画污染场地土壤污染物三维空间格局提供了新的思路和方法,能有效提高工业污染场地的插值精度。以某典型焦化类工业污染场地土壤PAHs污染物含量的三维空间分布格局进行案例验证。结果表明:1)地理探测器模型根据场地土壤苯并[a]芘和二苯并[a,h]蒽污染物的含量将土壤岩性种类分别分为3类和6类,土壤中两种污染物在不同地层岩性中存在显著的垂直分异性,这种垂直分异性将影响土壤污染物的三维插值精度。2)本研究提出的顾及地层岩性的经验贝叶斯克里金方法对苯并[a]芘污染物和二苯并[a,h]蒽污染物插值结果的均方根误差（RMSE）分别为0.67 mg·kg-1和0.44 mg·kg-1,插值精度分别提高9.46%和8.33%。与二苯并[a,h]蒽污染物相比,苯并[a]芘污染物具有较强的向下迁移趋势。本文所提出的考虑土壤岩性的三维经验贝叶斯克里金模型克服现有三维经验贝叶斯克里金模型在捕捉具有场地土壤污染物空间各向异性特征方面的不足,提高了土壤污染物的空间插值精度。3)本文所提出的基于贝叶斯框架的图卷积网络的场地污染边界预测模型对苯并[a]芘污染物的三种数据集（训练集、验证集和测试集）预测结果的损失误差分别为0.15、0.18和0.16,准确度分别为95%、93%和96%。二苯并[a,h]蒽污染物三种数据集预测结果的损失误差分别为0.23、0.24和0.25,准确度分别为92%、92%和95%。该预测模型既避免只用先验知识的主观偏见又避免只使用样本信息模型的过拟合或欠拟合问题,还克服传统插值模型对数据需符合正态分布和独立同分布的前提假设的不足。为解决具有稀疏性和垂直异质性等复杂特征的场地土壤污染物污染边界预测问题,提供一种切实可行的方法。