《Journal of Hazardous Materials》：Tracing Nutrient Pollution Pathways from Road Dust to Water Bodies in South Tianjin Using Remote Sensing and Machine Learning
编辑推荐：
南天津城市道路灰尘及邻近水体中氮磷污染时空特征及转移机制研究，创新性采用两交线采样策略结合遥感与机器学习技术，系统揭示城乡区域营养素污染差异及迁移路径，建立RS-ML-化学整合框架，为城市面源污染管理提供新方法。
穆罕默德·纳比尔·阿什拉夫|苏亮黄|戴泽刘
教育部污染过程与环境标准重点实验室，天津市城市生态环境修复与污染控制重点实验室，南开大学环境科学与工程学院水环境数值模拟组，中国天津300350
摘要
氮（N）和磷（P）造成的营养污染对环境和健康构成了重大威胁，但其在城市环境中的动态变化仍缺乏研究。本研究首次全面评估了中国天津南部道路灰尘及其周边水体的氮和磷污染情况。我们提出了三项创新方法：（1）采用双交叉线采样策略来捕捉不同道路类型的空间差异；（2）定量评估道路灰尘向水体转移的营养物质，明确主要传输途径；（3）结合化学分析、遥感（RS）和机器学习（ML）进行污染源解析。结果显示，郊区地区以氮污染为主，而西部城区则以磷污染为主。两者比例发生了显著变化：道路灰尘中的TP:TN比值从>1（城区）降至<0.35（农业区），而水体中的TDP:TDN比值从0.006升至0.0875，表明传输机制发生了变化。SHAP分析表明，大气沉降占总TN的65.5%和TP:TN的75.5%，而距离因素解释了TP变化的83.7%。灰尘和水体中的营养物质浓度证实了陆地到水体的传输过程。梯度提升模型（Gradient Boosting Model）的准确率很高（氮为R2 = 0.91；磷为R2 = 0.83）。我们提出的RS-ML-化学方法能够高效识别污染源并进行监测，具有广泛的应用价值，适用于城市营养污染管理。
引言
道路灰尘和水体中的营养污染对环境和人类健康构成了新的威胁[3]。农业肥料的过度使用和管理不善导致过量营养物质渗入邻近水体[12]，加剧了这一问题[12]。道路灰尘中的主要营养污染源包括人为排放的NH?和NO?、车辆尾气、工业活动以及土壤悬浮物[65]。大气中的灰尘和营养物质主要通过沉降、自然和人为沉积作用进入水体，从而引发营养污染[21]。
天津是中国北方最大的工业和商业中心，位于华北平原的东北部。它地处海河流域下游，燕山山脉以北，渤海以西。2024年，天津人口为1450万，人口密度为1163人/平方公里。该地区拥有338万辆机动车[46]。这里工业、城市和农业用地交织在一起，为追踪营养物质传输路径提供了理想的条件。解决营养污染问题有助于改善环境质量、提升公众健康并促进经济发展。
尽管已有大量关于道路灰尘中重金属和多环芳烃（PAHs）的研究，但针对氮（N）和磷（P）等营养污染的研究仍然有限，这凸显了研究领域的空白[63],[80]。以往的研究通常仅对主要道路或随机地点进行采样，难以全面了解营养污染的动态[3],[65]。为填补这一空白，本研究采用了一种新的过渡线采样方法，在城市、过渡区和农业区系统采样，以全面捕捉城乡间的污染梯度。营养污染的动态变化受土地利用、交通密度和雨水径流等多种因素影响[24]。
遥感（RS）卫星和传感器能够快速收集大面积的空间和光谱数据，相比传统的现场采样方法具有显著优势，后者通常耗时且受地理限制[78]。通过将RS与地理信息系统（GIS）结合，可以解决高维空间数据的分析难题，因为生态数据集存在非线性和多共线性[35]。机器学习（ML）的进步提高了处理大规模数据的能力，有助于构建精确的模型，揭示环境变量之间的复杂关系[51]。近年来，可解释的ML模型成为理解污染因素之间复杂相互作用的有效工具[7]。ML是一种强大的技术，可以从实际数据中学习出复杂非线性模式并捕捉高精度关系[8]。经过训练后，这些模型可以将其知识应用到新的、未见过的数据上，提高实际应用效果[17]。这种能力对于解析复杂城市环境中营养物质积累的非线性驱动因素至关重要。目前使用传统方法研究道路灰尘和水体中营养污染的研究较少。例如，[52]比较了北京道路灰尘中TN和TP的粒径分布，并发现暴雨径流后附近水体中这些物质的积累情况。另一项研究通过主成分分析确定了烟台农村地下水硝酸盐污染的来源之一为道路灰尘[71]。类似地，最近有一项研究利用USEPA模型评估了内蒙古农村地区地下水硝酸盐分布及其对儿童健康的影响[15]。
与传统方法不同，我们的方法结合了RS进行大规模数据采集和ML进行营养关系建模。我们利用ML技术捕捉道路灰尘中营养物质积累与各种环境及人为因素之间的复杂关系，包括土地利用模式、交通强度和工业排放。此外，本研究还探讨了营养物质从道路灰尘转移到水体的途径，识别影响其传输的载体。我们假设，结合RS进行全面数据采集和ML进行建模将显著提升污染源识别和陆地-水体传输途径的机制理解。这种综合方法可实现实时污染监测，节省时间和资源。
因此，本研究的目标是追踪从城市道路表面到水体的完整营养传输路径。首先，通过评估天津城市道路灰尘和附近水体中氮和磷浓度的空间分布，量化陆地与水体之间的联系。其次，利用ML技术建立预测模型，结合RS收集的环境和人为数据，揭示驱动污染的机制。第三，通过研究道路灰尘向水体转移的营养物质机制来验证传输路径。最后，运用既定的风险评估框架评估这些营养物质在水体中的环境影响。这四个目标构建了一个精确的分析流程，将现场测量、机制建模、过程验证和环境评估相结合，以追踪快速城市化环境中的营养污染路径。这些方法综合运用了RS、GIS和ML的力量，克服了传统监测方法的空间和时间限制。
研究区域
研究区域为中国天津南部，即海河流域的中下游（北纬38°34′至40°15′，东经116°43′至118°04′）。该地区东临渤海，南接河北省。选择这一区域是因为这里港口运输活动频繁、城市化进程迅速且农业活动广泛。
水的理化分析
城市1区的电导率较低，pH值略呈碱性，而城市2区则表现出明显的碱性特征。城市2区的电导率（EC）也较高，表明离子浓度较高。过渡区1和2的pH值低于城市2区，但EC值较高，说明商业活动对离子浓度有影响。此外，理化分析显示农业区的EC值最高。环境风险评估
分析显示，不同区域的营养污染存在显著差异。灰尘中TP和TN的污染因子（CF）以及污染负荷指数（PLI）证明了这一点（图6b）。在城市地区，尤其是城市2区，高CF值（TP: 1.29，TN: 1.44）对应较高的PLI（1.34），表明密集的工业和居住活动导致了严重的污染。相比之下，城市1区的污染水平较低（PLI: 0.57）。
结论
来自道路灰尘的营养污染及其向周边水体的转移对快速城市化环境中的生态系统完整性和人类健康构成了日益严重的威胁。本研究利用创新的双交叉线采样策略结合RS和ML方法，全面评估了天津南部地区的氮和磷污染动态。
环境影响
氮（N）和磷（P）等营养物质的污染具有深远的环境影响。这些物质浓度的升高源于城市和农业活动，导致水体富营养化，引发有害藻类爆发和氧气耗尽，破坏水生生态系统并降低生物多样性。含有氮和磷的灰尘还会降低空气质量，加剧呼吸系统问题。未引用的参考文献
杨等人，[68],[70],[73],[74],[75]
CRediT作者贡献声明
戴泽刘：撰写 – 审稿与编辑，初稿撰写，方法论设计，数据整理。苏亮黄：撰写 – 审稿与编辑，验证，监督，资金申请。穆罕默德·纳比尔·阿什拉夫：撰写 – 审稿与编辑，初稿撰写，数据可视化，验证，软件选择，资源管理，项目统筹，方法论设计，数据整理，概念构建。
关于写作过程中使用生成式AI和AI辅助技术的声明
在撰写过程中，作者使用了Gemini工具来优化语言表达、改进文章结构并确保技术清晰度。使用该工具后，作者对内容进行了必要的审查和编辑，并对发表文章的内容负全责。
关于利益冲突的声明
作者声明没有已知的可能影响本文研究的财务利益冲突或个人关系。
致谢
本研究得到了国家自然科学基金（52170165, 11672139, 51861135314）和天津市自然科学基金（18YFZCSF00510）的资助。
