综述：新兴污染物危及地下水质量：环境影响

《Environmental Pollutants and Bioavailability》：Emerging contaminants jeopardizing groundwater integrity: environmental implications

地下水受药物残留、微塑料、内分泌干扰化合物等新兴污染物威胁，影响人类健康与生态平衡。研究提出基于人工智能和机器学习的实时监测、预测模型及适应性管理策略，并评估了吸附、膜过滤、高级氧化等治理技术的有效性及局限性。

　　地下水污染问题正日益受到全球关注，尤其是在新兴污染物（Emerging Contaminants, ECs）的持续影响下。这些污染物包括药物、农药、微塑料、内分泌干扰物等，它们通过多种途径渗入地下水系统，威胁着人类健康、生态环境以及水资源的安全。随着科技的发展，人工智能（AI）和机器学习（ML）技术正被广泛应用于地下水的实时监测、预测建模以及动态管理，为解决这一复杂问题提供了新的思路和方法。本文将从新兴污染物的来源、环境影响、监测技术以及治理策略等方面进行系统分析，并探讨AI与ML在这一领域的应用前景。

地下水是全球数亿人口和生态系统赖以生存的重要资源，占全球淡水资源的30%。它不仅为人们提供饮用水，还承担着农业灌溉的主要功能。然而，近年来地下水面临着来自各种新兴污染物的严重威胁，这些污染物主要来源于工业废水、农业径流以及城市废弃物。与地表水相比，地下水由于其隐蔽性，使得污染往往难以察觉，一旦发生污染，其影响可能是长期且严重的。此外，地下水的自然补给速度较慢，这使得一旦污染源被封堵，污染的清除仍需数十年时间。因此，地下水的治理不仅复杂，而且成本高昂，需要一系列先进的技术手段来应对。

新兴污染物具有三大显著特征：持久性、生物累积性和治理难度高。这些污染物在环境中难以快速降解，长期滞留，对生态系统造成持续影响。同时，它们容易在生物体内积累，并通过食物链传递，进一步扩大其生态危害。此外，传统的污水处理厂往往无法有效去除这些污染物，导致其反复出现。例如，美国环境保护署（EPA）对污水处理中抗生素的可接受标准为1毫克/升，但即便如此，仍有许多抗生素在处理后的水中残留。这一问题凸显了治理技术的不足，也强调了开发更高效、可持续的处理方法的重要性。

以药物为例，人类和兽医使用药物后，往往通过多种途径排放到环境中，包括污水处理厂、垃圾填埋场、农业径流以及化粪池。这些药物在地下水中的迁移主要依赖于三种机制：对流、吸附和生物降解。例如，医院每天每张床位消耗约400至1200升的废水，其中含有病原体、药物残留、代谢产物、共轭物、放射性物质以及其他化学物质，这些物质可能在低浓度下抑制污染物的分解。此外，某些药物的代谢产物比其母体化合物更具毒性，例如布洛芬的葡萄糖醛酸结合物在水解后会释放出游离的布洛芬，对环境造成进一步影响。因此，对于这些药物的治理需要更加精细和高效的方法。

微塑料（Microplastics, MPs）作为另一种常见的新兴污染物，其来源包括初级和次级途径。初级微塑料是通过工业加工制造的微小塑料颗粒，常出现在化妆品和药品行业中。次级微塑料则是由大块塑料在自然和生物过程中分解产生的，如阳光照射、机械磨损和微生物降解。这些过程会进一步将微塑料破碎为更小的颗粒，增加其在环境系统中的检测难度。微塑料主要通过雨水和地表径流进入地下水系统，它们在渗滤液中分解后进入地下水，并通过土壤迁移和降水过程进入土壤。全球微塑料产量在2017年至2019年间达到了约10.38亿单位，预计在未来二十年内将翻倍。这一增长在新冠疫情期间尤为明显，由于口罩、个人防护设备等医疗用品的大量使用和丢弃，微塑料污染问题进一步加剧。研究表明，肥料、塑料垃圾和包装材料是微塑料污染的主要来源，澳大利亚的冲积含水层中微塑料浓度可达38±8个/升。

尽管微塑料在环境中的危害尚未完全明确，但它们对生态系统和人类健康的影响已引起广泛关注。微塑料能够吸附内分泌干扰物、重金属和抗生素，进入生物体内后可能引发一系列健康问题。例如，微塑料会影响肠道微生物群，导致消化系统功能紊乱，如腹胀、腹泻等。此外，微塑料还可能作为耐药细菌和抗生素耐药基因的载体，增加环境中的耐药性风险。因此，尽管微塑料具有一定的指示意义，但它们对生态系统的长期影响仍需进一步研究和监管。

纳米材料（Nanomaterials, NMs）由于其纳米级尺寸和高表面积体积比，正逐渐成为地下水污染的重要来源。这些材料通过污水处理厂、工业排放或土壤渗滤进入地下水系统，其微小的尺寸使其能够悬浮在含水层中，促进在多孔介质中的迁移，从而对生态环境造成潜在影响。纳米材料与矿物表面的相互作用会影响其迁移性，如在黏土丰富的土壤中，它们更容易扩散，增加污染的检测难度。此外，某些工程纳米材料，如银纳米颗粒（AgNPs）、二氧化钛（TiO?）和氧化锌（ZnO），可能与地下水中的物质发生反应，生成有毒副产物。例如，AgNPs能够生成活性氧物种（ROS），导致水生生物的氧化应激和生殖毒性，而TiO?和ZnO则可能对藻类和浮游生物的膜结构造成光损伤，从而影响水体中的食物链。这些纳米材料还可能在鱼类体内生物累积，影响其酶活性和免疫功能，改变含水层中的微生物群落，降低自然生物降解能力和污染物的抵抗力。因此，尽管纳米材料在污染治理方面具有潜力，但其生态风险仍需谨慎评估。

人工智能和机器学习技术在地下水质量监测和管理中的应用，为解决这一复杂问题提供了新的可能性。这些技术能够利用历史数据和实时观测系统，提高预测、分析和保护地下水资源的能力。AI模型可以准确预测地下水水位，为水资源管理提供前瞻性指导，帮助保护公众健康和生态系统。此外，AI可以整合地质调查、卫星成像、气候模型和人口数据，建立全面的模型以减少水文地质模拟中的不确定性。AI优化算法还能用于制定高效的抽水计划，降低能源消耗，从而维护生态平衡。尽管AI在地下水管理中展现出良好的前景，但其实施仍面临数据质量和模型透明度等方面的挑战。

在具体应用方面，AI和ML技术已被用于改进水质量监测系统。AI模型能够通过系统化子指数计算，处理大规模的非线性数据集，并解决数据缺失问题，从而提高评估的速度和可靠性。ML算法可以分析大量传感器数据、卫星图像和历史水质量记录，提供实时的水质量变化信息，有助于在发生化学泄漏或微生物爆发时进行快速响应。此外，AI与物联网（IoT）设备的结合，使得地下水质量的实时监测和持续分析成为可能。例如，一些基于智能手机的应用程序（如EyeOnWater和HydroColor）已被开发用于实时监测水质，通过低成本的IoT设备收集数据，并利用众包异常检测技术进行早期污染识别。这些应用程序不仅有助于公众参与水质监测，还能为水资源管理提供重要的数据支持。

在预测地下水质量方面，ML方法可以分为监督学习和非监督学习两种类型。监督学习算法需要标记数据，用于预测参数如pH值、浊度和污染物浓度，包括人工神经网络（ANN）、k近邻算法、决策树、支持向量机（SVM）和朴素贝叶斯分类器。非监督学习算法则用于发现未标记数据中的模式，识别新的趋势或聚类。尽管这些模型在预测地下水质量方面表现出色，但传统ML模型仍面临偏差和过拟合等问题，因此通常采用多种模型的组合来提高预测的准确性和鲁棒性。例如，梯度提升和随机森林（Random Forest, RF）方法能够有效预测地下水质量，而模糊逻辑、随机建模和深度学习等新技术则在提高水质量和管理方面展现出更大的潜力。

为了进一步提高地下水质量预测的准确性，一些先进的模型被开发出来。例如，结合卷积神经网络（CNN）和长短期记忆（LSTM）网络的混合模型能够预测环境水质量指数（EWQI）值和特定水质量参数，使得地下水质量分类更加准确。CNN能够从多个水质量指标中识别关键特征，而LSTM则能够捕捉季节性和长期性变化。这种混合模型在干旱或喀斯特含水层中尤为有效，能够提供稳定的预测结果。此外，一些研究显示，AI模型在地下水质量管理中的预测性能优于传统统计方法，如CNN的R2值超过0.99，而RMSE值在0.05至0.06米之间，接近实际观测值。LSTM-CNN混合模型相比标准模型如ANFIS和RBF，能够将RMSE降低50%以上。在摩洛哥，梯度提升回归的R2值达到0.99，而RF的R2值为0.982，这些结果表明AI在地下水管理中的应用具有重要价值。

AI和ML技术在地下水管理中的应用也面临一些挑战。例如，数据质量、模型透明度以及对专业知识的需求可能限制其广泛应用。为了解决这些问题，可采用可解释AI和协作数据平台，提高模型的可解释性和数据共享的透明度。此外，基于AI的公民科学平台正在发展，通过被动数据收集工具和互动性设计，使公众能够参与地下水质量监测。例如，一些智能手机应用程序可以利用低成本的IoT设备收集水质数据，并通过众包异常检测技术进行早期污染识别。这些技术不仅有助于提高地下水管理的效率，还能促进公众对水资源保护的参与。

在地下水治理方面，传统的污水处理方法如沉淀、过滤、凝聚和生物处理对药物残留的去除效果有限，无法检测到微量的毒素。相比之下，先进的氧化工艺（AOPs）、膜生物反应器和紫外光解等技术在去除污染物方面表现出更高的效率。AOPs通过生成高反应性的自由基，如羟基和硫酸根自由基，有效分解各种污染物。例如，基于过硫酸盐的AOPs能够降解微污染物，而基于臭氧的AOPs则能生成ROS，用于分解有机污染物。一些实验研究表明，硼掺杂金刚石（BDD）作为阳极材料，在降解某些药物方面表现出色，能够完全矿化药物，而其他材料如铅 dioxide（PbO?）和铂（Pt）则在效率上稍逊一筹。此外，钛3?掺杂的二氧化钛（TiO?）在降解人工甜味剂方面也表现出良好的效果，能够在短时间内有效去除污染物。

膜过滤技术通过利用膜的孔径、分子结构和化学亲和力去除污染物，已被广泛应用于地下水治理。膜过滤包括微滤、纳滤、超滤、反渗透和正渗透等技术，其中微滤和超滤主要用于去除较大的悬浮颗粒、细菌和病毒，而纳滤和反渗透则能够去除更小的污染物，如溶解盐、重金属和有机微污染物。例如，超滤在去除小于1毫米的微塑料方面表现出色，而生物处理则仅能去除50%的纤维型微塑料。一些先进的反渗透系统在泰国的非他布里污水处理中心成功去除了71.88%的微塑料。膜过滤技术不仅维护成本低，而且可以与其他治理技术结合使用，表现出较高的污染物去除效率。

吸附技术利用特定的吸附材料如活性炭、零价铁、沸石和生物炭去除水中的污染物。这些材料具有广泛的比表面积和反应位点，能够有效捕获污染物。例如，活性炭是目前最常用的吸附材料，能够去除几乎所有污染物，因其比表面积较大（300至2500平方米/克）和疏水性。近年来，一些农业废弃物被开发为吸附材料，用于处理含有药物的废水，这为治理提供了经济实惠且易于操作的替代方案。吸附技术在渗透性反应屏障中也发挥着重要作用，能够原位固定污染物，同时保持地下水流动。

植物修复是一种环保的治理方法，通过植物吸收和转化污染物，如重金属和有机污染物。植物修复包括植物提取、植物固定和植物挥发三种方式。例如，植物提取是指污染物被根系吸收并转运到地上部分进行去除，而植物固定则是根系在土壤中稳定污染物。此外，植物挥发涉及污染物通过根系吸收后转运到地上部分进行去除。植物能够通过根系将污染物固定在土壤中，影响土壤的氧化还原电位和pH值，从而降低污染物的毒性。一些研究显示，植物在去除药物方面表现出色，如芦苇对阿司匹林的去除率达到100%，而其他植物如香蒲则在去除药物方面也表现出良好的效果。然而，污染物的生物可利用性会影响植物修复的效率，更高的生物可利用性会提高去除率，但也可能增加对植物的毒性。

生物修复利用细菌和真菌等微生物降解、转化、固定或解毒传统和新兴污染物。微生物通过酶的作用分解复杂污染物，将其转化为更安全的物质。例如，某些细菌能够降解多氯联苯，而真菌则能利用木质素降解酶如漆酶和过氧化物酶分解多环芳烃。此外，一些真菌能够通过漆酶介导的脱氯作用逐步降解农药，如二氯苯基醚和氯吡rifos，生成中间产物后进一步降解为更简单的化合物。细菌和真菌在降解持久性农药如阿特拉津和2,4-D时，能够通过氧化和水解酶的作用将其分解。这些微生物在降解过程中可能需要特定的酶，如水解酶、氧化酶、羟化酶、水解酶和异构酶。此外，基因工程的进步也提升了生物修复的效率，例如某些细菌能够有效降解有机磷和拟除虫菊酯类农药，而大肠杆菌则能分解三氯丙烷。微生物群落通过协同作用处理复杂的污染物混合物，展现出良好的治理潜力。

综上所述，地下水污染问题是一个复杂且多方面的挑战，涉及新兴污染物的来源、环境影响以及治理技术。人工智能和机器学习技术在地下水监测和管理中的应用，为这一问题的解决提供了新的方向和工具。然而，这些技术的实施仍面临数据质量和模型透明度等挑战，需要进一步的优化和改进。未来，治理技术应更加注重环境兼容性、能源效率和循环经济，以保护地下水资源并实现可持续发展。通过结合AI、ML、区块链和量子计算等先进技术，可以进一步提高地下水治理的效率和可靠性，为全球水资源保护和生态环境维护提供更有力的支持。