长江流域微塑料污染特征、影响因素及基于机器学习的多情景预测研究

这篇综述系统研究了长江微塑料(MPs)污染特征，揭示了其空间分布规律（下游9.54 items/L>中游6.78 items/L>上游1 item/L），确定聚乙烯(PE)和聚丙烯(PP)为主要聚合物类型。研究创新性地量化了道路长度、降水量等地理/人为因素的空间影响半径，并构建随机森林模型（R2=0.712，MSE=90.8）预测不同情景下MPs浓度变化，为流域治理提供科学依据。

　　

Highlight

微塑料(MPs)污染已成为长江流域重大环境问题。本研究不仅解析了MPs的丰度、形态（纤维为主）、聚合物类型(PE/PP)和颜色特征，更创新性地揭示了道路长度、降水量、管理不善塑料废物等关键因子的空间影响半径。基于机器学习的情景预测模型为制定靶向治理策略提供了全新工具。

Environmental Implication

长江微塑料(MPs)污染研究具有重要环境意义。通过系统分析MPs污染特征（当前丰度、形状、类型和颜色），首次量化了地理/人为因素（如道路长度、降水量、管理不善塑料废物、森林蓄积量、耕地面积和海拔）对MPs丰度的影响及其空间作用范围。机器学习模型的应用为预测不同环境干预措施下的MPs分布提供了创新方法。

Conclusions

本研究阐明了长江MPs污染的空间分布规律（下游>中游>上游），确定PE和PP为优势聚合物类型。开发的随机森林模型(R²=0.712)准确预测了MPs分布，发现降水量减少会导致MPs浓度显著升高，而完善废物管理、降低道路密度等措施可有效缓解污染。研究成果为旱季MPs污染防控提供了关键科学依据。