《Emerging Contaminants》：Distribution, Driving Factors and Prediction of Antibiotics in Asia′s Largest River Basin: Comprehensive Insights of Yangtze River Basin, China
编辑推荐：
本研究针对亚洲最大河流流域——长江流域中抗生素的环境行为与预测难题，系统分析了31种抗生素的空间分布规律，揭示了农业活动与氮磷指标为主要驱动因素，并通过正矩阵分解模型识别出畜禽养殖(31.30%)、水产养殖(24.89%)、医疗废水(21.95%)和污水处理厂(21.86%)四大污染源。创新性地应用随机森林模型实现了氟喹诺酮类(FQs)和四环素类(TCs)抗生素的高精度预测(R2>0.74)，为大型河流抗生素污染防控提供了新范式。
随着全球抗生素消费量持续攀升，水体中抗生素残留已成为威胁水生生态系统和人类健康的重要环境问题。作为亚洲最大的河流系统，长江流域承载着中国40%人口的饮用水供给，但其抗生素环境行为研究仍存在空白。传统研究方法在应对大规模流域复杂污染场景时，往往受限于采样难度和数据稀缺性，难以实现精准预测。
本研究通过流域尺度系统采样，结合多模型联用技术，首次实现了长江全流域抗生素污染的全链条解析。研究人员于2023年春季在长江干流(Y1-Y30)和支流(T1-T55)设置85个采样点，采用固相萃取-液相色谱串联质谱法(SPE-LC-MS/MS)对43种抗生素进行定量分析。同时整合水文参数、社会经济数据和微生物群落信息，通过结构方程模型(SEM)解析驱动机制，应用正矩阵分解(PMF)模型进行源解析，并比较四种机器学习模型(多元线性回归MLR、岭回归交叉验证RidgeCV、极端梯度提升XGBoost和随机森林RFR)的预测性能。
3.1 抗生素赋存特征与组成
研究检出31种抗生素，总浓度区间为142.05-345.57 ng/L，其中氟喹诺酮类(FQs)占比达75.68%，洛美沙星(LOM)和恶喹酸(OA)为主要组分。四环素类(TCs)、磺胺类(SAs)和大环内酯类(MLs)分别贡献12.94%、6.87%和4.15%，呈现以氟喹诺酮类为主导的污染特征。
3.2 空间分异规律
抗生素浓度呈现中下游(259 ng/L)显著高于上游(228 ng/L)的空间格局，成渝经济圈、长江中游城市群和长三角城市群等三大经济区浓度最高。支流抗生素负荷(254 ng/L)明显高于干流(223 ng/L)，洞庭湖站点(T29)出现峰值浓度(345.57 ng/L)，而源头区青海曲麻莱站点(Y1)浓度最低(142.05 ng/L)。
3.3 驱动机制解析
结构方程模型表明农业畜牧业强度(λ=0.409)和氮磷指标(λ=0.389)是主要驱动因子。微生物群落分析发现高浓度抗生素显著降低微生物α多样性，Proteobacteria、Actinobacteria和Bacteroidetes为优势菌门，SM2等抗生素与Pseudomonadota呈显著负相关(系数=-57.18)。
3.4 污染源解析
PMF模型识别出四大污染源：畜禽养殖废水(31.30%)以培氟沙星(PEN)和双氟沙星(DIF)为标志物；水产养殖废水(24.89%)以恶喹酸(OA)为代表；医疗废水(21.95%)主要含洛美沙星(LOM)；污水处理厂出水(21.86%)以阿奇霉素(AZM)和克拉霉素(CTM)为主。
3.5 机器学习预测
随机森林模型对TCs和FQs的预测精度最高(R2分别为0.75和0.74)，关键预测因子包括生活污水量、pH值、畜禽存栏量等。模型误差指标(MAE、RMSE、MSE)显著优于其他算法，证明其在大流域尺度预测中的优越性。
本研究创新性地构建了"污染识别-源解析-驱动机制-预测模拟"的研究框架，揭示了经济密集区抗生素污染与微生物群落响应的内在关联。随机森林模型的成功应用为大型河流污染物智能预测提供了技术支撑，研究成果发表于《Emerging Contaminants》，不仅为"长江大保护"战略提供科学依据，也为全球大型河流抗生素风险管理提供了可借鉴的范式。未来需通过多季节采样和沉积相监测进一步优化模型，提升预测结果的时空普适性。
