クロスメディアダイナミクスとテキスタイルが影響を与える環境におけるPFASの優先リスク：地理空間機械学習の使用

科学分野:

• 環境化学
• 環境科学
• 毒物学

背景:

• ペルフルオロアルキルおよびポリフルオロアルキル物質（PFAS）は、特に繊維産業からの環境リスクをもたらします。
• 土壌と樹皮の間のPFASのクロスメディアダイナミクスは、従来のモデルによって制限されています。

研究 の 目的:

• 機械学習フレームワークを使用して、中国の繊維ハブにおける土壌と樹皮の間のPFAS相互作用を解明すること。
• 環境リスクを評価し、緩和戦略のための高優先度PFASを特定すること。

主な方法:

• 48のサイトにわたる地理空間情報に基づいた機械学習（ML）フレームワークの適用。
• 土壌および樹皮サンプル中の31のPFASのターゲット分析。
• 新規の多基準リスク評価フレームワーク（ToxPi、リスク指数、EHPi）の開発。

主要な成果:

• 樹皮中のPFAS濃度は土壌中よりも高かった。
• 超短鎖および新規PFASがプロファイルを支配し、TFAおよび8:2 FTSが高リスクとして特定された。
• LightGBM MLモデルは、優れた予測性能（R² = 0.962-0.974）を示した。
• 樹皮PFASは土壌汚染を著しく予測し、クロスコンパートメントの影響を強調した。

結論:

• 機械学習は、繊維産業の影響を受けた環境におけるPFASダイナミクスを効果的にモデル化します。
• 繊維産業の排出は、土壌と樹皮のPFAS負荷に大きく寄与しています。
• 統合リスク評価フレームワークは、PFASの汚染緩和戦略の優先順位付けに役立ちます。