《Water Research》：Microplastics alter soil phosphatase activity and phosphorus mobilization: a global meta-analysis integrated with machine learning
编辑推荐：
摘要
农业土壤是人为水循环中的主要储库和通道，微塑料（MPs）通过污水污泥/生物固体的土地施用、再生水灌溉、地膜降解和大气沉降进入土壤，并通过径流和淋溶将溶解性养分输出至地表水和地下水。磷酸酶控制有机磷的矿化，进而决定驱动水生富营养化的溶解性磷（P）库的大小
摘要
农业土壤是人为水循环中的主要储库和通道，微塑料（MPs）通过污水污泥/生物固体的土地施用、再生水灌溉、地膜降解和大气沉降进入土壤，并通过径流和淋溶将溶解性养分输出至地表水和地下水。磷酸酶控制有机磷的矿化，进而决定驱动水生富营养化的溶解性磷（P）库的大小，然而微塑料如何改变土壤酸性磷酸酶（ACP）和碱性磷酸酶（ALP）活性，以及在何种条件下产生最大的土壤-水体迁移风险，至今尚未明确。研究人员综合了171项全球研究（866个ACP观测值和688个ALP观测值），进行了一项荟萃分析，并整合了可解释的机器学习集成模型，该模型堆叠了XGBoost、LightGBM和随机森林，并结合SHAP和累积局部效应（ALE）进行解释。微塑料显著提高了ACP活性9.89%，而ALP的总体效应不显著（+1.40%），但具有很强的情境依赖性，范围从显著刺激（如可生物降解微塑料：+15.15%；老化微塑料：+25.60%）到特定条件下的显著降低（如施用氮肥时：?9.45%）。土壤pH是ACP响应的主导控制因子（平均|SHAP|=0.088），黏粒含量则是ALP响应的主导控制因子（0.062），二者在所有五个最佳超参数配置中均排名第一，表明这两种酶存在不同的驱动因子层级。ALP的抑制集中于黏粒含量高的土壤，而低黏粒土壤则表现为中性至正响应。通过识别微塑料污染最强烈干扰磷酸酶介导的磷迁移的条件，本研究的发现将陆地污染物与受纳水体的面源营养盐污染联系起来，并为污染物-水质综合研究提供了一个可迁移的分析框架。
微塑料对土壤磷酸酶活性与磷迁移的影响：整合机器学习的全球荟萃分析解读
**1. 研究背景与科学问题**
农业土壤是人为水循环的关键组成部分，通过污水污泥和生物固体的土地施用、再生水灌溉、地膜降解以及大气沉降等途径接收包括微塑料（MPs）在内的人为颗粒污染物。土壤不仅是微塑料的汇，更是向地表水和地下水输出颗粒态和溶解态污染物的次生源。在影响下游水质的诸多土壤过程中，有机磷的矿化尤为关键，该过程主要由酸性磷酸酶（ACP）和碱性磷酸酶（ALP）催化。这两种酶在来源和环境敏感性上存在本质差异：ACP由植物根系和土壤微生物共同产生，而ALP几乎完全是细菌和真菌分泌的胞外酶，其功能持久性依赖于在矿物表面（尤其是黏粒）上的吸附。
磷酸酶调控有机磷向生物可利用正磷酸盐的转化，决定可迁移至河流、湖泊和含水层的溶解性磷（P）库大小。磷是水体富营养化的主要驱动因子，农业面源磷输入已成为许多淡水体营养状态的主导控制因素。因此，任何能够系统性改变磷酸酶活性的污染物都可能改变土壤的磷输出潜力，进而影响水生富营养化风险。然而，微塑料对土壤磷酸酶影响的方向、幅度和情境依赖性尚未在全球尺度上得到定量综合。已有荟萃分析主要依赖亚组分析和元回归，难以同时控制多个连续预测变量或检测非线性关系。鉴于微塑料对磷酸酶的影响可能受多个相互作用的连续土壤变量控制，研究人员引入可解释的机器学习框架，以解析非线性关系和高阶交互作用。
本研究旨在回答两个核心问题：（1）驱动ACP和ALP对微塑料暴露响应异质性的主要环境和实验因素是什么，这两类酶是否存在共同的驱动因子？（2）关键驱动因子（如土壤pH、黏粒含量、暴露时长、微塑料浓度）对磷酸酶活性的剂量-响应关系或生态阈值是否为非线性？
**2. 研究设计与技术方法**
研究人员通过Web of Science、中国知网（CNKI）和Google Scholar进行系统文献检索，截止2025年12月12日，最终纳入171项全球研究，获得ACP观测值866个（来自94项研究）和ALP观测值688个（来自88项研究）。纳入标准包括：报告土壤ACP和/或ALP活性、包含至少一个对照组和一个微塑料处理组的比较实验设计、至少三次实验重复且报告样本量、数据以均值±标准差（SD）或可转换指标呈现。文献筛选遵循PRISMA框架。
在分析方法上，研究人员采用自然对数响应比（lnRR）作为效应量指标，并构建方差-协方差矩阵处理共享对照导致的统计非独立性。随后拟合多元随机效应荟萃分析模型，通过亚组分析识别调节因素。在机器学习部分，研究人员应用三种算法：极限梯度提升（XGBoost）、轻量梯度提升机（LightGBM）和随机森林（RF），并通过堆叠集成框架整合。预测变量集包含15个调节变量，涵盖实验条件、土壤性质和微塑料特征。模型采用分组k折交叉验证防止数据泄漏，超参数通过贝叶斯优化（40次迭代）和随机网格搜索调优。模型可解释性通过SHAP（SHapley Additive exPlanations）分析和累积局部效应（ALE）图实现。所有机器学习分析在R v4.3.3环境中完成。
**3. 研究结果**
**3.1 磷酸酶活性对微塑料暴露的总体响应**
荟萃分析显示，微塑料暴露对ACP和ALP活性具有不同的总体效应。微塑料显著提高ACP活性9.89%，其中63.05%的观测值呈正效应。相比之下，ALP活性的总体效应不显著（+1.40%），但51.45%的观测值呈正向响应。两种酶的效应量频率分布均符合高斯拟合（ACP R2=0.98，ALP R2=0.99），呈现近似对称分布。两种酶均检测到显著的间研究异质性（ACP I2=99.41%，ALP I2=99.18%），表明总体均值效应应谨慎解读，其包含了大量的情境依赖性变异。
**3.2 实验条件对磷酸酶活性的影响**
实验条件对微塑料诱导的磷酸酶活性变化具有差异化影响。与有毒物质共暴露使ACP活性增幅扩大至18.56%，约为无有毒物质条件下的四倍（4.45%，p<0.05）。植物存在与ACP活性显著增加（8.76%）相关。氮添加是ALP最强的实验调节因子（p<0.01），使微塑料效应从增强（无氮时+5.63%）逆转为显著抑制（施氮时?9.45%）。暴露时长显著影响ACP（p<0.01），30至90天期间刺激作用达到峰值（9.59%）。
**3.3 微塑料特征对磷酸酶活性的调节**
聚合物组成对两种酶的亚组间差异均显著：聚丙烯（PP）诱导最大的ACP增幅（22.31%，p<0.01），而聚乳酸（PLA）诱导最强的ALP刺激（14.39%，p<0.05）。老化状态对ACP无显著影响，但对ALP是显著调节因子（p<0.05），老化微塑料使活性提高25.60%，而原始微塑料无显著效应。可降解性对ALP高度显著（p<0.01）：可生物降解微塑料使ALP活性增加15.15%，而常规微塑料无显著效果。微塑料尺寸对两种酶均有显著影响但模式不同：<50 μm组分增加ACP活性（9.45%，p<0.05），而50–150 μm组分增加ALP活性（9.37%，p<0.05）。
**3.4 土壤性质对磷酸酶活性的调节**
初始土壤pH是ACP活性的高度显著调节因子（p<0.01）：在碱性条件（pH>7.5）下，微塑料暴露显著增加ACP活性（21.92%），而在酸性（pH<6.5）和中性土壤（pH 6.5–7.5）中效应不显著。初始土壤有机质（SOM）浓度对ACP和ALP均有显著影响但模式相反：ACP在低SOM土壤中刺激作用最强（<10 g kg?1；21.58%），随后在中SOM（+4.24%）和高SOM（?0.86%）条件下递减至不显著；ALP在中SOM土壤中显著升高（7.12%）。初始土壤有效磷（SAP）对ALP显著影响：在磷亏缺土壤（SAP<10 mg kg?1）中，微塑料效应显著增加ALP活性（16.71%）。
**3.5 机器学习识别关键驱动因子**
在分组交叉验证下，所有算法均未实现正的样本外R2，说明效应量无法通过报告的调节变量在跨研究间准确预测。因此模型作为多元方差归因工具使用。SHAP分析显示ACP和ALP的特征重要性层级根本不同：初始土壤pH是ACP的主导驱动因子（平均|SHAP|=0.088），而土壤黏粒含量是ALP的主导驱动因子（0.062）。两者在所有五个最佳超参数配置中均排名第一，表明该驱动因子层级是数据的属性而非单一模型的特征。
SHAP依赖图揭示了非线性关系。ACP的初始土壤pH依赖图呈非线性模式：SHAP值在pH≈6以下为负，在pH≈6.5附近过零，在pH>7以上逐渐转为正值。pH×暴露时长交互在561个特征对中排名第5（平均|交互SHAP|=0.0138），而黏粒含量×pH是最强的ACP交互（0.0228）。
ALE图描绘了连续的非线性剂量-响应关系。ACP的初始土壤pH曲线在pH>7以上急剧上升，在碱性土壤中达到最正值；暴露时长从最初几周的正值下降至较长暴露的略低于零。ALP的黏粒含量效应最为显著：ALE值从近乎无黏粒土壤的强正值下降，在约15–20%黏粒处过零，此后保持负值，在最黏重土壤中达到约?0.2。
**3.6 配对子集中的净磷酸酶响应**
在1554个观测值中，仅有50个在同一实验单元中同时测定了ACP和ALP。净磷酸酶响应为+3.70%（95% CI ?6.67至+15.22），ACP:ALP响应比为?9.03%（95% CI ?20.25至+3.77），两者均与零无显著差异。配对测量的稀缺表明，微塑料暴露是否改变净磷矿化目前在已有文献中无法回答。
**4. 讨论与结论**
讨论部分指出，本研究有两个主要发现：ACP和ALP响应不同环境驱动因子，土壤pH主导ACP响应而黏粒含量主导ALP响应；剂量-响应关系在关键驱动因子与磷酸酶活性之间呈连续非线性，这是亚组荟萃分析无法识别的。土壤pH的主导作用与ACP的基础酶学特性一致——ACP的催化效率受活性位点残基质子化状态直接影响，最适pH为4–6.5，pH>7时急剧下降。在碱性土壤中，微塑料引起的微生物群落组成和底物可利用性变化可能诱导额外的ACP产生，作为次优酶条件下的磷获取补偿机制。黏粒含量对ALP的主导作用与酶-矿物相互作用的长期研究一致：胞外酶吸附到黏粒表面通过双重机制同时降低催化活性并延长酶寿命。ALP几乎完全是微生物来源的胞外酶，其功能持久性依赖矿物结合，因此在黏粒贫乏的砂质土壤中微塑料可能刺激ALP活性，而在黏粒丰富土壤中，黏粒矿物与微塑料表面竞争同一胞外酶和底物库，共吸附可能导致净抑制而非保护。
关于时间动态，暴露时长是两种酶的第二重要特征，ALE图提示双相响应模式：短期至中期微塑料暴露通过新碳输入和底物激发刺激酶活性，而长期暴露通过累积添加剂淋溶和微生物群落重构导致抑制。对于非线性剂量-响应关系，SOM曲线的反直觉模式——ACP响应随SOM增加而变得更负——可能反映了低SOM土壤中微塑料源碳的底物激发效应与高SOM土壤中溶解性有机质对微塑料表面吸附位点的竞争。研究强调，该综合无法预测磷输出——数据集中没有观测值测量淋溶、径流或受纳水体浓度，但可以提供源区优先排序，即识别哪类土壤在功能上对微塑料输入最敏感。
研究结论指出，这项全球综合显示微塑料系统性刺激酸性磷酸酶活性（+9.89%），同时对碱性磷酸酶产生不显著但强烈情境依赖的效应（+1.40%），两种酶受不同的土壤控制因子支配：ACP受土壤pH控制，ALP受黏粒含量控制。两个合并估计值均包含了极端的间研究变异（I2>99%），应视为集中趋势而非可推广的点估计。识别黏粒丰富土壤为ALP途径受抑制最强烈的环境，以及碱性（pH>7.5）土壤为ACP受刺激最强烈的环境，为微塑料输入最可能扰动磷酸酶介导的磷矿化区域提供了空间可迁移的筛选标准。由于两种酶沿不同土壤梯度向相反方向响应，总磷矿化的净效应仍不明确。研究提出的可解释堆叠集成流程展示了将异质性污染物数据集整合为决策相关评估的可迁移工作流，但仅表征了土壤侧响应函数；闭合土壤-水体质量平衡需要将这些函数与实测径流和淋溶通量耦合，将风险指标转化为受纳水体的定量负荷。
