通过非靶向气相色谱-质谱（GC-MS）测量的时空建模，追踪河流网络中的污染源

《npj Clean Water》：Tracking pollution sources in a river network by spatiotemporal modeling of untargeted GC-MS measurements

摘要

化学污染对河流生态系统构成了严重威胁。为了减少淡水污染，《水框架指令》要求对化学物质的共存情况、排放动态及来源进行全面系统的认识。非目标化合物的检测对于全面评估河水中存在的化学物质（无论是已知的还是尚未发现的）至关重要。本文表明，将这种检测方法与多元统计分析和平流-反应模型相结合，可以重建这些化学物质的排放情况，包括其排放的时间和地点。我们结合了在莱茵河沿岸八个采样点进行的非目标化合物的GC-MS监测数据，并使用了一种源分配模型，该模型根据化学物质的时空动态特征对它们进行分类。研究发现，莱茵河中挥发性化学物质的主要污染来源是工业泄漏和汽油泄漏；同时，我们还初步识别出一些尚未被监测但具有与重点烃类相似排放动态的化学物质，这些物质值得进一步研究。通过分析历史上的低分辨率GC-MS数据，我们证明了该建模框架即使在分辨率有限的历史数据集中也能有效描述非目标化合物的排放动态。这对于水资源管理部门尤为重要，因为它能够从现有监测数据中提取特定来源的信息，从而为制定有效的决策提供支持。