分析方法作为预测中国土壤微塑料丰度时被忽视的关键驱动因素

《Journal of Hazardous Materials》：Analytical Methodology as an Overlooked Key Driver in Predicting Soil Microplastic Abundance across China

　　

摘要

微塑料（MP）分析方法之间的差异是土壤微塑料研究中一个主要但很大程度上被忽视的不确定性来源。在此，我们开发了一个受地理探测器辅助的机器学习框架，将方法学变量与环境因素（即土壤性质、气候和人为活动）显式整合，以预测全中国的土壤微塑料丰度。分析方法学是影响预测微塑料丰度的主导因素，其中鉴定方法排名第一，提取方法在所有预测因子中排名第六。不同的分析方法组合导致全国平均土壤微塑料丰度存在显著差异，最低值（589 items·kg?¹）仅为最高值（1176 items·kg?¹）的一半。方法学分歧表现出明显的空间异质性，在中国南方最为显著，这归因于其复杂的微塑料来源以及促进微塑料-土壤相互作用的潮湿气候。这种分歧进一步传导至人体暴露评估中，在最低和最高产出的方法组合下，预测的儿童每日土壤微塑料暴露量分别为2.30 × 10?³至5.05 × 10?³ items·kg BW?¹·d?¹。这些发现表明，分析工作流程既塑造了全国尺度的土壤微塑料丰度，也影响了下游暴露估算。研究还强调了制定标准化微塑料分析方法的必要性，这些方法应显式考虑土壤性质和气候条件的区域差异。

引言

微塑料（MPs），定义为直径≤5 mm的合成聚合物颗粒或碎片，已成为全球分布的污染物[1]^, [2]。陆地环境构成了微塑料积累的主要储存库，进入土壤的年均输入量估计比进入海洋环境的量高出3至10倍[2]。作为世界上陆地面积第三大的国家，中国庞大的人口、快速的工业化进程以及巨大的塑料产品贸易量导致了日益突出的土壤微塑料污染问题[3], [4], [5], [6]。微塑料的持久性和微小尺寸使其能够与土壤生物群相互作用，可能干扰养分循环、改变微生物群落，并最终通过食物链传递对食品安全和人类健康构成风险[7], [8], [9]。因此，迫切需要开展相关研究，该问题既具有区域特殊性，也具有全球意义。尽管土壤微塑料相关研究迅速扩展，但报道的微塑料丰度仍然高度不一致且难以比较，这在很大程度上归因于强烈的方法学依赖性[3]^, [10]^, [11]。土壤微塑料分析通常涉及两个连续阶段，即从土壤中分离和/或纯化微塑料，随后进行仪器鉴定和/或定量。每个阶段都引入了方法依赖性变异，可能显著影响所报告的微塑料浓度[12]。在分离过程中，密度分离对于有机质丰富的土壤往往不够充分，需要酶解或氧化消解来释放基质嵌入的微塑料[13]。例如，Li等人证明，引入预消解步骤相比单独使用密度分离，使污泥中的微塑料回收率提高了2-3倍[14]。在鉴定过程中，检测限的差异和错误分类进一步放大了方法间的变异性[15]。在体视显微镜下的目视鉴定可能低估小颗粒并将非塑料物质误判为微塑料，假阳性率可达18-22%[16]。相比之下，傅里叶变换红外光谱（FTIR）和拉曼光谱等光谱技术可提供聚合物水平的分类，但在分辨率和适用性方面存在显著差异。例如，μ-FTIR通常无法检测到<10 μm的颗粒，导致总颗粒计数比μ-Raman低4-5%[17]，而μ-Raman的性能受限于样品基质复杂性和残余有机质[18]。总体而言，这些局限性损害了数据的可比性，这凸显了全面评估分析方法如何影响所测土壤微塑料丰度的必要性。

尽管几项实验室研究已经证明所测土壤微塑料丰度存在显著的方法依赖性变异[4]^, [19]^, [20]，但这种分歧在较大空间尺度上的幅度和结构仍然知之甚少。一项近期的全球淡水微塑料分析报告指出，预测的微塑料浓度主要由提取和鉴定方法的差异驱动，提取技术被识别为机器学习模型中的主导预测因子[21]。然而，针对土壤系统的大规模评估仍然缺乏。与此同时，土壤微塑料的分布受土壤性质、气候和人为活动的共同控制，且均表现出显著的空间异质性[22], [23], [24]。例如，Soltani Tehrani等人观察到，在相同降雨强度下，粉质砂土中己二酸-对苯二甲酸丁二醇酯（PBAT）微塑料的输移量约为砂质粉土的两倍，表明后者由于孔隙更小和持水能力更高而具有更强的微塑料滞留作用[25]。有机质也可能显著影响微塑料提取，在密度分离前去除有机质可使微塑料回收率从60%提高到99.4%[26]。因此，方法学差异是引入均匀偏差还是与空间异质性相互作用从而在大规模微塑料估算和风险评估中产生地理分歧，仍不明确。

在此，我们通过系统量化分析方法对全国尺度土壤微塑料丰度的影响来解决这一关键知识空白。利用2020年至2024年报道的土壤微塑料数据，我们的目标为：(1) 开发一个地理探测器辅助的机器学习框架，将分析工作流程与环境及人为协变量整合，用于预测中国土壤中的微塑料丰度；(2) 量化分析方法对预测微塑料丰度的贡献，并系统比较由不同提取-鉴定方法组合得出的全国尺度微塑料分布模式；(3) 使用不同分析工作流程预测的微塑料丰度来估算成人和儿童对土壤微塑料的暴露量。

章节摘录

数据收集与预处理

使用"soil microplastics"和"abundance"为关键词，从2020年至2024年发表的同行评审文献中汇编土壤微塑料丰度数据，检索数据库包括Web of Science和CNKI（中国知网）。选择该时间段是因为与早期年份相比，该时期的研究数量显著更多，且方法学报告更为全面。文献筛选基于以下标准：(1) 塑料颗粒直径小于5 mm，

中国表层土壤微塑料丰度的制图分析

我们的分析整合了90项已发表调查（n = 1,036）的土壤微塑料数据，包含40个环境、人为和方法学协变量（补充数据集1）。微塑料丰度数据呈强烈右偏分布（偏度 = 7.51），算术平均值（3,110 items·kg^-1）约为中位值（1,054 items·kg^-1）的三倍（图S3a和b），揭示了样品间数量级的变异性。对数转换显著改善了数据的正态性（图S3c

结论

本研究证明，微塑料提取和鉴定中的分析方法选择不仅决定了土壤中的微塑料丰度，还系统性地重塑了人体对微塑料的暴露风险。此处观察到的强烈方法依赖性意味着微塑料分析中的方法学变异可以将测量不确定性系统性地从丰度测量传导至暴露风险评估，可能导致不同区域的管理优先级产生分歧。我们的结果强调了

研究意义声明

分析工作流程很少被纳入大规模土壤微塑料评估中。利用90项研究的1,036个观测数据，我们证明提取和鉴定方法可导致预测的全国微塑料丰度产生近两倍的差异，并显著改变暴露估算。由于微塑料是有害的环境污染物，这些发现揭示了分析方法学是污染评估中被忽视的不确定性来源，并支持

CRediT作者贡献声明

任明雪：论文写作 – 审阅与编辑，论文写作 – 初稿，可视化，软件，形式化分析，数据整理，概念构思。张倩：论文写作 – 审阅与编辑，形式化分析。宋晨卓：论文写作 – 审阅与编辑，方法学，概念构思。杨欣：方法学。孔毅：方法学。周鹏飞：论文写作 – 审阅与编辑，形式化分析，概念构思。崔心怡：论文写作 – 审阅与编辑，监督，经费获取，形式化分析。

利益冲突声明

作者声明不存在已知的竞争经济利益或个人关系可能影响本文所述工作的发表。

致谢

本研究得到国家自然科学基金（22476088）和南京大学国际合作基金（0419-14915200）的资助。

任明雪|张倩|宋晨卓|杨欣|孔毅|周鹏飞|崔心怡

南京210023，中华人民共和国，南京大学环境学院，水污染控制与绿色资源回收国家重点实验室