萨加玛塔国家公园高海拔土壤中的微塑料污染:深度学习支持检测的空间评估

《Microplastics》:Microplastic Contamination in High-Altitude Soils of Sagarmatha National Park: A Spatial Assessment with Deep Learning-Supported Detection

【字体: 大 中 小 】 时间:2026年07月22日 来源:Microplastics 4.8

编辑推荐:

  微塑料污染是一个新兴的全球关注问题,但其在高海拔保护区的出现尚未得到充分研究。本研究系统评估了尼泊尔联合国教科文组织世界遗产地萨加玛塔国家公园(SNP)中微塑料的丰度、形态和空间分布。研究人员于2023年季风前季节,沿卢克拉–福尔采徒步走廊,从四个土地利用类型

  
微塑料污染是一个新兴的全球关注问题,但其在高海拔保护区的出现尚未得到充分研究。本研究系统评估了尼泊尔联合国教科文组织世界遗产地萨加玛塔国家公园(SNP)中微塑料的丰度、形态和空间分布。研究人员于2023年季风前季节,沿卢克拉–福尔采徒步走廊,从四个土地利用类型(包括定居点、农田、森林和洪泛区)的25个地点、两个深度采集了土壤样品。样品通过密度分离和芬顿试剂消解进行预处理,然后使用YOLOv11n-seg实例分割模型检测微塑料。对提取颗粒的一个子集通过光学光热红外(O-PTIR)光谱进行化学确认。微塑料存在于所有样品中,浓度范围为80到960颗粒·kg-1。碎片是主要的形态类型,占所有颗粒的65.7%,其次是纤维和薄膜。负二项回归揭示了土地利用和土壤深度及其交互作用对微塑料丰度的显著影响。定居点土壤显示出最高浓度且显著的地表富集,而农田土壤无显著深度效应,这与人类主导的塑料来源和耕作驱动的再分布一致。海拔不是污染的重要预测因子。热点分析确定了在卢克拉和南池这两个主要旅游中心周围存在统计上显著的聚类。本研究建立的基线为SNP的长期监测和有针对性的废物管理提供了基础,并为其他受保护的高海拔环境提供了见解。同时,应用深度学习和O-PTIR来平衡计数效率和准确性是一种新颖的方法,可被其他研究人员采用。
**论文解读:萨加玛塔国家公园高海拔土壤微塑料污染的空间评估与深度学习检测**

**研究背景与问题**
塑料污染已成为全球性环境挑战,2022年全球塑料产量约4亿吨,而回收率不足10%。微塑料(microplastic,MP,直径<5 mm的塑料颗粒)可通过大塑料破碎或直接制造进入环境,常见聚合物如聚乙烯(PE)、聚丙烯(PP)、聚对苯二甲酸乙二醇酯(PET)和聚酰胺(PA)在自然条件下难以降解。高海拔山地生态系统因强烈紫外线辐射和反复冻融循环促进塑料破碎,且低温抑制微生物降解,因此对微塑料污染尤为脆弱。萨加玛塔国家公园(SNP)是联合国教科文组织世界遗产地,每年面临大量徒步和登山游客带来的旅游压力,已有研究在公园内雪和溪流中检测到微塑料,但土壤作为长期陆地汇的污染状况尚不清楚。土壤既能整合本地直接输入,也能反映长期累积过程,因此填补这一空白对理解高海拔保护区的微塑料污染格局至关重要。

**研究内容与结论**
研究人员于2023年季风前季节,沿SNP的卢克拉(Lukla)–福尔采(Phortse)徒步走廊,从25个站点(覆盖定居点、农田、森林、洪泛区四种土地利用类型)的表层(0–5 cm)和亚表层(5–10 cm)采集土壤样品,共50份。样品经密度分离和芬顿试剂消解后,利用YOLOv11n-seg实例分割模型进行图像检测,并用光学光热红外(O-PTIR)光谱对部分颗粒进行聚合物确认。主要结论:所有样品中均检出微塑料,浓度范围80–960 particles·kg-1,平均395±235 particles·kg-1;碎片占65.7%,纤维占27.4%,薄膜占6.9%;土地利用和土壤深度对丰度有显著交互作用,定居点浓度最高且地表富集显著,农田无深度效应,海拔无显著预测作用;热点分析显示卢克拉和南池(Namche)两个旅游中心存在显著聚类。O-PTIR确认了五种聚合物:PP(24.5%)、PE(24.5%)、PET(22.6%)、聚苯乙烯(PS,17.0%)和PA(11.3%)。该研究建立了SNP土壤微塑料污染基线,为长期监测和废物管理提供依据,并展示了深度学习与O-PTIR结合的高效检测方法,可推广至其他高海拔保护区。论文发表在《Microplastics》。

**主要技术方法(不超过250字)**
1. **样品采集**:沿Lukla–Phortse走廊布设25个站点,涵盖定居点、农田、森林、洪泛区四种土地利用类型,每个站点采集表层(0–5 cm)和亚表层(5–10 cm)土壤,共50个样品。
2. **实验室预处理**:先使用NaCl/ZnCl2混合溶液(密度1.26 g/cm3)进行密度分离,再用芬顿试剂(H2O2+铁催化剂)消解有机质,最后通过ZnCl2溶液(1.5 g/cm3)二次密度分离并过滤至0.45 μm玻璃纤维滤膜。
3. **深度学习检测**:使用Nikon SMZ18体视显微镜在40×放大倍数下拍摄滤膜图像,利用YOLOv11n-seg实例分割模型进行颗粒检测与形态分类(碎片、纤维、薄膜),模型在测试集上mAP50达0.908,并在16张滤膜上进行人工验证(R2=0.932)。
4. **聚合物确认**:对160个颗粒子集进行O-PTIR光谱分析,基于指纹区(975–1800 cm-1)特征吸收带鉴定聚合物,匹配阈值≥0.70。
5. **统计分析**:采用负二项广义线性混合模型(GLMM)检验土地利用、深度及其交互效应;使用Global Moran's I评估空间自相关,Getis-Ord Gi*识别热点。

**研究结果**
**3.1 YOLOv11n-seg检测性能**:通过测试集评估,模型整体mask mAP50为0.908,精确率0.907,召回率0.864。薄膜的精确率最高(0.987),纤维召回率最强(0.897),碎片召回率最低(0.827)。主要误差类型为假阴性,表明检测结果保守。人工验证16张滤膜,一致性82%,线性相关系数R2=0.932。

**3.2 不同深度的微塑料浓度**:所有50个样品均检出微塑料。表层土壤平均浓度(457±269 particles·kg-1)高于亚表层(334±181 particles·kg-1),整体范围80–960 particles·kg-1。

**3.3 形态组成**:碎片占全部颗粒的65.7%,纤维27.4%,薄膜6.9%。在表层土壤中,碎片比例更高(73.7%),纤维较低(18.2%);亚表层中碎片比例下降至54.7%,纤维升至40.0%,薄膜占5.3%。

**3.4 土地利用和深度对微塑料丰度的影响**:负二项回归显示土地利用(χ2=37.13,p<0.001)、深度(χ2=4.07,p=0.044)及其交互作用(p=0.012)显著。以洪泛区亚表层为参照,定居点亚表层浓度增加125%(IRR=2.25,p=0.006),农田增加76%(IRR=1.76,p=0.042),森林无显著差异。地表富集在定居点(IRR=1.78,p<0.05)和森林(IRR=1.63,p<0.05)中显著,农田中无显著深度效应(IRR=0.78,p>0.05)。

**3.5 海拔和污染的空间分布**:微塑料浓度与海拔无显著单调关系(Spearman ρ=-0.365,p=0.072)。定居点站点在2650–3779 m范围内均记录最高浓度,非定居点站点也无显著海拔相关(ρ=-0.112,p=0.659)。全局空间自相关显著(Moran's I=0.354,p=0.005),局部热点分析识别出卢克拉(99%置信)和南池(95%置信)两个显著聚类,均为主要旅游枢纽。

**3.6 聚合物组成**:O-PTIR分析了160个颗粒,其中124个显示合成聚合物特征,53个达到高置信度匹配(≥0.70)。确认的五种聚合物为PP(24.5%)、PE(24.5%)、PET(22.6%)、PS(17.0%)和PA(11.3%),与旅游相关包装和纺织材料一致。

**讨论总结与结论翻译**
**讨论总结**:讨论指出,SNP土壤微塑料浓度低于城市土壤但高于偏远高原,表明旅游活动是重要贡献源。形态分布中碎片占优,反映大塑料现场降解;纤维在亚表层比例升高,可能与冻融循环和土壤孔隙迁移有关。聚合物组成与SNP垃圾场常见的包装和纺织品一致。土地利用是主要驱动因素,定居点浓度最高,海拔无显著关系,说明局地人类活动比海拔更重要。深度学习模型有效但存在假阴性,O-PTIR确认增强了化学可靠性。研究局限性包括:仅一次采样,未覆盖珠峰大本营等热点,密度分离低估高密度聚合物,以及离心管可能引入PP污染。未来需进行纵向监测、大气沉降研究及深层土壤采样。

**结论翻译**:本研究对SNP土壤微塑料污染进行了全面评估,记录了所有50个样品中的微塑料。浓度范围为80至960 particles·kg-1,总体平均值为395±235 particles·kg-1。表层土壤(0–5 cm)平均污染程度(457±269 particles·kg-1)高于亚表层土壤(5–10 cm;334±181 particles·kg-1),碎片占形态组成的65.7%,其次是纤维(27.4%)和薄膜(6.9%)。O-PTIR光谱分析确认了五种主要聚合物类型:PP(24.5%)、PE(24.5%)、PET(22.6%)、PS(17.0%)和PA(11.3%)。这些聚合物通常与包装和纺织材料相关,反映了旅游活动对SNP微塑料组成的影响。污染在不同采样点之间差异显著,这些差异主要与土地利用相关,而非海拔。定居点土壤记录到最高浓度,定居点亚表层土壤相对于洪泛区参考土壤增加了125%(IRR=2.25,p=0.006),其次是农田(IRR=1.76,p=0.042)。相比之下,森林土壤与洪泛区无显著差异。深度相关模式也依赖于土地利用:定居点(IRR=1.78)和森林(IRR=1.63)土壤中地表富集显著,但农田土壤中不存在,其中最小耕作和有限的合成输入导致更均匀的垂直分布。空间分析证实污染非随机分布(Global Moran's I=0.354,p=0.005),在卢克拉和南池这两个主要旅游中心存在统计上显著的热点。海拔与污染无显著单调关系(Spearman ρ=-0.365,p=0.072),定居点站点在广泛的海拔范围(2650–3779 m)内始终记录到最高浓度,这强化了局部人类活动而非海拔控制污染空间格局。在所有站点(包括亚表层土壤和远离定居点的地点)检测到微塑料表明污染超出了直接点源,高海拔土壤可能作为塑料污染的长期汇。这些结果表明,在旅游产生的废物管理不善的情况下,保护区的指定和地理隔离并不能使高海拔土壤免受微塑料污染。深度学习检测与靶向O-PTIR确认的结合提供了一种可重复且可扩展的工作流程,用于处理大量环境颗粒,为后勤挑战性环境中的未来监测提供了实用模板。本研究建立的基线为SNP和类似高海拔环境的长期监测提供了基础,并强调需要既解决弥散性微塑料源又解决可见宏观塑料废物的废物管理策略。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号