环境梯度解释近岸微塑料分布模式：来自机器学习模型的见解

近海微小塑料为何重要

我们的海洋中充斥着肉眼难见但足以影响海洋生物和沿海生态系统的微小塑料碎片。尽管各国政府承诺遏制塑料污染，我们对这些微粒一旦进入海洋后最终落在哪里仍知之甚少。本研究追踪了中国深圳拥挤海岸线三年的观测数据，并利用现代数据挖掘工具揭示了一个显著规律：微塑料倾向于在化学污染最严重的区域聚集，成为沿海环境本身的示踪物。

将海岸视为条件拼布

研究者没有将微塑料视为单一、简单的污染物，而是把海岸线看作由多重影响交织的拼布。城市河流、污水排口、工业区和港口不仅输入塑料，还带来来自化肥和生活污水的营养物、油类残留物以及如锌和铅等溶解金属。研究团队在2022至2024年间的三个夏季和一个秋季，将这些变量映射到覆盖深圳近岸水域的精细网格上。随后他们应用统计方法在大数据中寻找隐藏模式，把具有相似“化学指纹”的海域归为一类，并检查这些指纹与微塑料丰度的对应程度。

引导微粒的化学指纹

分析显示，微塑料进入近岸水域后并非随机扩散。相反，其最高浓度反复出现在富含氮磷化合物、类油有机污染和痕量金属的区域。盐度较低和酸碱度改变的海域——即受河流影响和人类沿海活动强烈的迹象——也往往储存更多微塑料。相比之下，用来代表水体运动的因子，如距河口的距离、水深和降雨驱动的径流，对观测到的差异解释力要小得多。这表明，在本研究的时空尺度上，水体长期存在的化学状态比单纯的洋流推拉更能指示微塑料热点。

教计算机识别污染模式

为检验这些关系是否具有预测能力，作者训练了数种机器学习模型，仅基于环境测量将沿海地点划分为五个微塑料丰度等级。其中一种方法，称为CatBoost，能够在训练数据和独立年份的观测中正确分类大多数地点。当团队探查模型决策机制时，得出相同结论：营养物，特别是总氮和总磷形式，连同油类残留、溶解氧和若干金属，持续排在最有影响力的输入因子之列。当这些关键化学类群从训练中移除时，模型性能明显下降，证实它们在组织微塑料分布模式中居于核心地位。

微小塑料作为人类影响的信使

综合来看，结果支持一个简单而有力的观点：一旦微塑料进入海洋，它们在很大程度上表现为依附于沿海水体化学状态的“准被动”乘客。它们在营养物富集、工业排放和城市污水已改变环境的区域累积并滞留，而不是仅由河流突发流量或单次污染事件所主导。对决策者和沿海管理者而言，这意味着减少化肥径流和工业排放的措施可能同时降低微塑料风险。研究还表明，许多地区已常规采集的水质监测数据可以帮助预测和解释塑料污染模式。由此，微塑料不仅是污染物：它们也可能作为可见指标，反映定义我们现代沿海海域的那些无形化学梯度。

引用: Li, J., Sun, W., Wang, Y. et al. Environmental gradients explain nearshore microplastic distribution patterns: insights from machine learning models. npj Emerg. Contam. 2, 11 (2026). https://doi.org/10.1038/s44454-026-00028-2

关键词: 微塑料, 沿海污染, 营养物富集, 机器学习, 痕量金属