河流水表层微塑料的全球分布格局、生态风险及影响因素

《Journal of Environmental Chemical Engineering》：Global patterns, ecological risks, and influencing factors of microplastics in riverine surface waters

　　

• •
  利用MCS对一个包含4,447个样本的全球河流MP数据库进行了标准化处理
• •
  纤维是主要形态，PP和PE是主要聚合物类型
• •
  高生态风险主要集中在南亚、非洲和东亚
• •
  随机森林在预测MP丰度方面表现最佳
• •
  SHAP-GAM揭示了气候和人为因素的非线性效应

引言

河流微塑料（MP）污染已成为全球面临的关键环境挑战[1]，[2]。MP已被在包括主要河流、城市水道和偏远自然溪流在内的各种水体中检测到[3]，[4]，[5]。主要来源通常包括市政污水处理系统、工业排放、农业活动、地表径流、大气沉降、渔业和航运[6]，[7]，[8]。作为陆地和水生环境之间的动态界面，河流整合来自多种来源的MP输入，在其再分配和下游运输中发挥关键作用，使其成为理解大规模塑料污染模式的重要系统[9]，[10]。随着全球塑料生产和消费的持续增长，河流中的MP污染预计将加剧[11]。由于其持久性、移动性和潜在毒性，MP对生态完整性和人类健康构成多重风险。因此，阐明河流MP丰度的空间分布模式和关键驱动因素对于制定有效的缓解策略至关重要。

关于河流MP的研究已从局部调查发展到区域和全球尺度的评估[12]。越来越多的文献记录了不同河流系统中MP的丰度、尺寸、聚合物类型和形态特征，为大规模综合分析提供了重要基础[13]，[14]。然而，由于采样方案、预处理程序和分析技术在方法学上的异质性，已发表数据的可比性受到严重制约[15]。特别是，网目尺寸同时影响采样效率和检测下限，直接影响丰度估计[16]。这种缺乏标准化会给全球尺度空间评估引入显著偏差，并损害后续驱动因素分析的可靠性。为解决这一问题，Xue等人[17]开发了微塑料浓度标准化（MCS）模型，以协调使用不同网目尺寸获得的MP丰度数据。由于该模型已在不同水体和人为压力梯度中得到验证[18]，它为标准化全球河流数据集和提高空间表征和机理解释的准确性提供了稳健的框架。

研究已识别出影响MP产生、运输和积累的若干因素，包括城市化、人口密度、土地利用和水文条件，同时更广泛的河流水质研究也表明城市化和农业集约化的强烈空间效应[19]，[20]，[21]，[22]，[23]。然而，大多数驱动因素分析仍依赖于线性回归或简单相关性分析，这可能无法捕捉MP分布的复杂性。例如，Yu等人[24]报道了中国河流中MP丰度与降水量、人口规模和GDP之间的相关系数低于0.36。这些弱关系表明，关键驱动因素可能与MP丰度存在非线性的相互作用。可解释人工智能（XAI）方法，特别是Shapley加和解释（SHAP），为分析这种复杂性提供了一种替代框架。SHAP量化每个预测变量对个体预测的边际贡献，并揭示特征重要性和效应方向[25]。然而，SHAP主要起解释作用，并不能直接提供平滑、可推广的响应曲线。广义加性模型（GAM）可以通过拟合可解释的平滑函数来补充SHAP，阐明非线性趋势，并帮助识别特征影响中潜在的阈值效应或转折点[26]。因此，将SHAP与GAM相结合提供了一个更为稳健的框架来解释复杂的驱动因素效应，并阐明MP丰度模式背后的潜在过程。

本研究建立了一个全面的全球河流MP数据库，并应用MCS模型对各研究之间的丰度数据进行了标准化处理。为了进行可解释的非线性分析，我们进一步将SHAP与GAM相结合，以揭示各种预测变量的复杂影响。研究目标为：（1）表征MP丰度、形态和聚合物组成的全球空间异质性；（2）利用风险商值（RQ）和聚合物危害指数（PHI）评估潜在生态风险；（3）识别关键气候和人为预测变量的相对重要性、非线性响应模式和转折点。我们的发现有助于增强对河流MP全球动态的理解，并为制定有效的预防和控制策略提供科学依据。

章节摘要

数据获取与丰度标准化

我们在Web of Science数据库中进行了结构化文献检索，使用布尔运算符，检索策略如下：（"microplastic"）AND（"river" OR "stream" OR "canal" OR "freshwater" OR "surface water"）。为确保数据质量，我们应用了以下纳入标准：（1）排除综述文章和Meta分析，仅保留实地采样研究；（2）明确将MP定义为粒径上限≤5mm的塑料颗粒的研究；（3）去除关注

全球研究现状与方法学综合

全球数据集在采样覆盖范围上表现出显著的区域差异，且用于河流MP监测的方法学方案存在较大异质性。采样点涵盖全球九大地理区域，其中东亚、北美、南亚和欧洲的采样站点集中度较高（图1a）。在采样方法方面，单次采样、网具采样和泵吸采样分别占所有观测数据的61%、28%和11%。

河流MP的全球分布动态与区域差异

基于标准化后的丰度数据，全球河流MP丰度跨越七个数量级以上。全球中位数为1,271.75 items/m³（IQR：122.48–8,787.66 items/m³），而算术均值为75,580.59 ± 506,741.83 items/m³。中位数与均值之间的巨大差异表明呈强烈右偏分布，这可能是由少数受严重污染且MP丰度异常高的站点所驱动。因此，这两个指标均

结论

本研究通过整合来自247篇同行评审研究的4,447个样本，并通过网目尺寸标准化减少了一个主要的方法学异质性来源，从而提供了河流表层水中MP的标准化全球评估。结果显示MP丰度中位数为1,271.75 items/m³（IQR：122.48–8,787.66 items/m³），均值为75,580.59 items/m³（SD：506,741.83 items/m³），在所采用的网目尺寸标准化框架下提供了协调统一的参考基线。

CRediT作者贡献声明

邹清平： 方法论。杨如鑫： 形式化分析。李凯磊： 调查研究。陈梦丽： 撰写 – 审阅与编辑，经费获取。任兴年： 撰写 – 原稿撰写，可视化，方法论，形式化分析，数据整理，概念构思。张银浩： 调查研究。杨程： 调查研究。张涵： 撰写 – 审阅与编辑，监督指导，经费获取。

利益冲突声明

作者声明，他们不存在任何已知的竞争性财务利益或个人关系，这些利益或关系可能被认为会影响本文所报告的工作。

致谢

本研究得到了国家自然科学基金（批准号：52370102；42407008）；英国自然环境研究理事会（批准号：NE/V006088/1）；西南交通大学博士创新基金项目（批准号：CX2026YB38）的资助。

Xingnian Ren|Yinhao Zhang|Cheng Yang|Qingping Zou|Ruxin Yang|Kailei Li|Mengli Chen|Han Zhang