沉积物污染长期趋势解析新方法：以圣莫尼卡湾（美国）为测试案例的优化策略与生态风险评估

本文提出一种通过抑制时间序列中的季节性与不规则变异（如DDTs、PCBs及重金属数据），实现沉积物污染长期趋势清晰判读的创新分析方法。该方法在圣莫尼卡湾（SMB）33年监测数据中验证有效，可处理数据缺失、检测技术变更等复杂情况，为环境管理（如NPDES合规评估）提供量化依据，并揭示污染物下降趋势及粒度-污染关联性。

　　

研究亮点

研究区域

圣莫尼卡湾（SMB）位于美国洛杉矶市西南部（Dojiri等，2003），是一个开放型沿海海湾。该流域覆盖约1000平方公里（385平方英里）陆地及90公里（55英里）海岸线，每年吸引800万游客。流域边界沿圣莫尼卡山脉延伸，从文图拉-洛杉矶县界线至巴洛纳溪（主要河道化水域）及高度城市化的南部区域。海湾本身是一个...

结果与讨论

目前，关于沉积物污染长期趋势的结论多源自原始数据图表，但这些数据通常包含高度不确定性。本研究旨在证明：通过抑制时间序列中的季节性和随机变异，可明确量化此类趋势。所用数据集来自圣莫尼卡湾（SMB）沉积物样本，该海床受到重金属、DDTs和多氯联苯（PCBs）的污染。

由于粒度分布与超离子水再生厂（HWRP） effluent浓度数据是...

结论

本研究表明，通过最小化季节性、非季节性变异及不规则因素对时间序列观测模式的影响，可清晰量化沉积物污染的长期趋势。以圣莫尼卡湾为例，我们证实沉积物中DDT及其衍生物、多氯联苯（PCBs）、铬（Cr）、铜（Cu）、砷（As）、锌（Zn）、铅（Pb）和镍（Ni）的污染在过去30年间呈下降趋势，且峡谷站（E6）的下降速率高于...