基于情境的支配关系：污染源与树种对叶片沉积颗粒物特性的影响

《Environmental Pollution》：Context-Dependent Dominance: Pollution Sources vs. Tree Species in Shaping Leaf-Deposited PM Characteristics

多环芳烃（PHE）在土壤中的生态毒性预测研究，通过实验室测试发现PHE内部浓度（Ce）与蚯蚓生育率呈强线性关系（R2=0.81），构建包含土壤理化性质（pH、有机质等）和PHE浓度的数据库，采用机器学习模型筛选发现CatBoost模型预测效果最优（R2=0.8），其核心影响因素为土壤PHE浓度（Cs）、pH和有机质含量，成功实现中国区域PHE生态风险的时空评估。

　　

郭峰 李|廖永凯|迟海峰|张友琪|陈长娥|蔡超

中国科学院城市环境研究所区域与城市生态国家重点实验室，中国厦门 361021

摘要

菲（PHE）是一种典型的多环芳烃，容易在土壤生物体内积累，并带来显著的生态风险。然而，由于土壤-生物体之间的复杂相互作用，准确预测不同土壤中菲的毒性仍然具有挑战性。在这项研究中，开发了一个机器学习（ML）框架来预测菲的毒性。在24种典型的中国土壤中进行的实验室毒性测试显示，菲的体内浓度（C_e）与蚯蚓繁殖力之间存在强烈的线性关系，这可以通过线性回归（LR）来描述。为了支持C_e的预测，构建了一个包含土壤物理化学性质和菲浓度（C_s）的综合性数据库。在评估的11种ML算法中，CatBoost表现出优异的性能（R²=0.8），确定C_s是C_e的主要决定因素，其次是关键土壤性质（pH值、土壤有机质）。整合的CatBoost-LR模型在外部验证中准确预测了毒性（R²=0.81），并能够对中国各地与菲相关的生态风险进行空间评估。这些发现表明，ML可以定量地将土壤性质与污染物生物积累和毒性联系起来，为复杂陆地环境中有机污染物的生态风险评估提供了一个强大的、数据驱动的工具。

引言

多环芳烃（PAHs）对全球陆地生态系统构成了持续的威胁，影响着土壤健康和土壤生物的生长。在PAHs中，菲（PHE）被欧盟和美国环境保护署（US-EPA）认定为“优先污染物”（He等人，2023年；Min等人，2018年），并且对土壤动物表现出显著的毒性（Chen等人，2023年；Wu等人，2013年）。由于其典型的K区和Bay区分子结构，菲常被用作生态风险评估和生态毒理学研究中的模型化合物（Wu等人，2011年）。菲的生态影响已经得到了广泛研究，特别是在蚯蚓中，蚯蚓是土壤污染的敏感生物指示剂。尽管实验室研究已经阐明了菲在特定土壤条件下的毒性，但将这些发现推广到其他土壤仍然具有挑战性（Hofman等人，2008年；Suszek ?opatka等人，2019年）。传统的生态风险评估通常涉及在多种土壤条件下的毒性测试，这可能既费力又耗时（Maliszewska Kordybach等人，2007年），因此迫切需要预测方法。

菲容易在土壤生物体内积累（Spann等人，2015年；Wang等人，2023年；Zhu等人，2007年），导致浓度依赖性的亚致死效应，如蚯蚓的繁殖力下降（Wu等人，2011年）。研究表明，土壤性质（如土壤有机质（SOM）、pH值、阳离子交换容量（CEC）和土壤粒径）对菲的生物积累有显著影响（Rhodes等人，2008年），这表明这些参数可能被用来推断不同土壤中的生物积累和毒性。以往的统计模型（如多元线性回归（MLR）试图根据土壤性质预测蚯蚓中的菲积累。然而，这些模型往往依赖于简单的线性相关性，无法捕捉控制污染物吸收的复杂非线性关系（?mídová和Hofman，2014年；Vl?ková和Hofman，2012年）。

机器学习（ML）方法已成为解决环境科学中非线性和多变量问题的强大工具（Fan等人，2024年；Xin等人，2024年）。通过训练数据集，ML模型可以揭示输入特征和目标结果之间的复杂关系，从而实现准确的预测和机制洞察（Gao等人，2022b）。最近的研究已经成功应用ML来预测水生环境中植物中有机污染物的生物积累（Gao等人，2021年）以及各种水生生物中的多氟烷基和全氟烷基物质（PFAS）（Adu等人，2024年；Xiang等人，2023年），突显了这些方法在环境风险评估中的潜力（Hu等人，2020年；Zhao等人，2023年）。尽管取得了这些进展，但将ML应用于预测土壤依赖性的菲积累和土壤生物体内的毒性尚未得到系统研究，这代表了快速可靠土壤生态风险评估的一个关键知识空白。

在这项研究中，应用了机器学习算法来开发预测蚯蚓中菲积累及其在不同性质土壤中相关毒性的模型。研究目标是：（1）描述菲在多种土壤中对蚯蚓的剂量-反应关系，（2）开发能够预测蚯蚓中菲浓度的ML模型，（3）识别并量化影响生物积累的关键土壤因素，（4）评估中国各地土壤中菲的潜在生态风险。这项研究有助于快速高效地评估生态风险和调控土壤中的PAH污染。

章节片段

化学品、生物体和土壤

菲（PHE，纯度>98%）从Macklin（中国上海）购买。菲是一种典型的多环芳烃（PAH），在受污染的土壤中广泛存在，被选为这项研究的模型化合物（Waigi等人，2015年）。研究中使用的所有试剂均为分析级。

成年蚯蚓（Eisenia fetida）来自中国江苏的王军蚯蚓养殖场。在测试之前，蚯蚓在未受污染的土壤中适应了两周

菲的积累和毒性

使用24种典型的中国土壤进行了慢性毒性测试，以评估菲在蚯蚓中的积累及其对繁殖力的影响（图2）。尽管初始土壤菲浓度（8 mg/kg）相同，但28天后土壤中的残留菲浓度（C_s）范围从4.36 mg/kg到6.99 mg/kg不等。土壤中菲浓度的降低主要归因于自然降解过程和蚯蚓的吸收（Elyamine和Hu，2020年），同时还有其他次要因素的贡献

结论

本研究开发了一个基于机器学习的框架，用于预测不同土壤中菲在蚯蚓中的积累和毒性。蚯蚓体内菲浓度（C_e）与繁殖力之间的强烈线性关系表明，C_e是菲毒性的关键决定因素。在测试的算法中，CatBoost模型在预测C_e方面表现出优异的准确性，确定土壤菲浓度（C_s）是主要影响因素，其次是pH值、阳离子

CRediT作者贡献声明

郭峰 李：撰写——原始草稿，研究，正式分析，数据管理，概念化。迟海峰：撰写——审阅与编辑，研究，正式分析。廖永凯：撰写——审阅与编辑，研究，正式分析。陈长娥：撰写——审阅与编辑，数据管理，概念化。张友琪：撰写——审阅与编辑，监督。蔡超：撰写——审阅与编辑，监督，概念化

未引用的参考文献

11268-2I., 2012.

数据可用性

数据将根据请求提供。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

利益冲突声明

? 作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

该项目得到了中国国家重点研发计划（编号：2024YFC3713802 和 2023YFC3709700）的支持。