编辑推荐：
研究人员为探究农业土壤抗生素污染问题，开展全球预测研究，得出污染现状、趋势及安全边界等结果，意义重大。
# 全球农业土壤抗生素污染：现状、预测与安全边界的深度解读
在我们生活的地球上，土壤就像一个巨大的 “隐形守护者”，默默支撑着农作物生长，维系着生态系统的平衡。然而，近年来，抗生素在土壤中的污染问题却如同一颗 “定时炸弹”，威胁着土壤生态系统的健康。
随着人类活动的日益频繁，大量抗生素通过废水灌溉、粪肥施用、垃圾填埋等方式进入农业土壤。这些抗生素不仅干扰土壤微生物群落的正常运作，破坏土壤肥力，还可能催生抗生素抗性菌株，随着食物链传递，危害人类和动物的健康。而且，全球抗生素的消费量和排放量还在持续上升，这让土壤抗生素污染问题愈发严峻。面对这样的现状，我们迫切需要全面了解土壤抗生素污染的情况，包括其在全球的分布、未来的变化趋势以及对土壤生物的影响，从而制定有效的应对策略。
为了解决这些问题，云南大学、中国科学院生态环境研究中心等多家研究机构的研究人员 Fangkai Zhao、Lei Yang、Yuanyuan Huang 等开展了一项极具意义的研究，相关成果发表在《iScience》杂志上。
研究人员通过构建全球数据库，收集了来自 659 个独特地点的 1351 个土壤样本，涵盖了从热带到亚寒带、从低收入国家到高收入国家的多种环境条件。他们运用先进的地理空间建模技术，结合共享社会经济路径（SSP）和代表性浓度路径（RCP）的不同情景，建立了机器学习模型，将土壤抗生素浓度（COSA，通过常见检测抗生素的累积浓度衡量）与人为、气候、土壤和地形等因素联系起来，以此预测全球农业土壤抗生素浓度的现状和未来变化，并评估土壤生物受影响的程度以及确定土壤抗生素污染的安全边界。
全球农业土壤抗生素污染现状
研究人员估算出目前全球农业土壤 COSA 为 122.0 μg/kg（95% 置信区间：116.4 - 132.4 μg/kg），已经超过了欧盟设定的 100 μg/kg 的区域安全限值。在一些农作物覆盖率高的地区，如南美洲南部、中非、印度、中国东部、美国北部等地，COSA 水平较高。这主要是因为这些地区的集约化农业生产活动频繁，废水灌溉、粪肥施用等农业投入使得抗生素大量进入土壤。而且，中低收入国家的土壤积累的 COSA 最高，尽管高收入国家抗生素消费量更大，但中低收入国家由于废物和废水处理监管不足，导致土壤抗生素污染更为严重。
不同情景下未来土壤抗生素浓度变化
研究人员预测了 2070 年在不同情景下的土壤抗生素浓度变化。在可持续发展情景（SSP1 - RCP2.6）下，由于农业用地面积收缩和人口增长放缓，未来土壤抗生素浓度将整体下降（均值：98.5 μg/kg，95% 置信区间：93.7 - 104.3 μg/kg），其中非洲的 COSA 下降幅度最大，可达 30.3% - 35.6%。而在 SSP2 - RCP4.5 和 SSP5 - RCP8.5 情景下，全球 COSA 将分别增加到 132.4 μg/kg（95% 置信区间：125.3 - 142.6 μg/kg）和 148.9 μg/kg（95% 置信区间：142.7 - 160.0 μg/kg）。在这两种情景下，中低收入国家的 COSA 相对较高，而南美洲和东欧的中高收入国家 COSA 增长幅度较大，这与这些地区未来细菌疾病感染风险增加，对抗生素的需求增大有关。
土壤生物对抗生素污染的敏感性
土壤生态系统对增加的抗生素暴露反应各异。部分地区土壤生物多样性减少，部分地区群落结构改变，还有部分地区抗生素抗性传播。目前，全球 26.8% 的农业用地中，土壤抗生素污染对生物多样性产生负面影响，如南亚和南非地区；22.6% 的全球土地，包括南美洲、北美洲西部和东欧等地，土壤群落差异显著改变。土壤细菌多样性受影响的热点区域比例高于真菌和无脊椎动物。并且，抗生素抗性热点区域主要集中在北亚和中亚、北美洲东部和大洋洲等地。未来，随着全球变化，抗生素对土壤生物影响的热点区域将发生转移，生物多样性损失范围将扩大，抗生素抗性热点区域也会增加。
农业土壤抗生素污染的安全边界
研究确定了全球农业土壤抗生素污染的安全边界，为维持土壤生物健康，COSA 的全球限值应为 153.7 μg/kg（95% 置信区间：150.0 - 157.3 μg/kg）。考虑到土壤生物对污染反应的多维性，多维度综合标准要求更严格控制抗生素敏感性。不同情景下，安全边界有所不同，SSP5 - RCP8.5 情景对土壤生物健康最为严苛，要求全球土壤抗生素污染降低至 136.1 μg/kg（95% 置信区间：131.4 - 140.8 μg/kg）以下；而 SSP1 - RCP2.6 情景则带来了更大的安全边界，为 203.6 μg/kg（95% 置信区间：200.9 - 206.3 μg/kg）。此外，不同地区满足保护土壤生物最低区域需求的潜力差异很大，高收入国家通常区域边界较低，土壤抗生素污染负担较重。
研究的关键技术方法
研究主要采用了地理空间建模和机器学习技术。研究人员首先收集并整理了全球土壤抗生素浓度数据，构建数据库。然后，选取 24 个与社会环境相关的全球协变量，包括人为、气候、土壤和地形等变量。运用随机森林、神经网络、支持向量机和偏最小二乘回归模型等机器学习算法，训练多个子模型来探究土壤抗生素浓度与社会 / 环境协变量之间的关系。最后通过模型平均得到全球土壤抗生素污染地图。同时，利用地理加权回归和 Getis - Ord Gi * 空间聚类算法等分析土壤抗生素浓度与土壤生物状况之间的关系，并确定安全边界。
这项研究通过预测全球土壤抗生素浓度在多种未来情景下的变化，定义了土壤抗生素污染的安全边界，为我们深入了解土壤抗生素污染的空间分布和全球影响提供了新的视角。研究不仅确定了全球关键热点区域，揭示了土壤抗生素污染对土壤生物多样性、群落差异和抗生素抗性三个维度的威胁，还表明这三个维度在全球超过 20% 的土地面积上共存。这些发现为保护土壤生物健康、理解不断变化的世界中抗生素污染的动态变化奠定了基础，对制定全球和区域土壤生物保护目标具有重要的指导意义。不过，研究也存在一些局限性，如低收入地区数据有限，可能低估污染水平，且未考虑污染物去除技术进步和全球政策变化等因素的影响。但总体而言，该研究为后续进一步研究和制定应对策略指明了方向。
