中欧水生系统中溶解有机物组成的环境驱动因素:一种新的基于相关性的机器学习和FT-ICR MS方法

科学领域:

• 环境化学环境化学
• 水生生态系统 水生生态系统
• 有机地化学 有机地化学

背景情况:

• 表面水中的溶解有机物 (DOM) 组成受各种有机物来源和环境因素的影响.
• 由于系统动态和多因素影响,研究这些复杂的DOM环境相互作用具有挑战性.
• 先进的分析技术,如里埃转换离子循环子子共振质谱 (FT-ICR MS) 提供了对DOM的详细分子洞察力.

研究的目的:

• 开发和应用一种新的无监督机器学习方法来建模DOM环境交互.
• 为了确定环境因素如何影响DOM分子特征的强有力的指标.
• 了解土地利用和水化学对中欧水生系统DOM组成的影响.

主要方法:

• 利用里叶变换离子循环子子共振质谱法 (FT-ICR MS) 进行详细的DOM分子分析.
• 开发了一个无监督的多变量机器学习模型,以将环境因素与DOM分子描述符相关联.
• 将模型应用于来自中欧84个地点的数据集,这些地点的土地使用和水化学情况各不相同.

主要成果:

• 该模型确定了与不同环境条件相关的独特DOM分子签名.
• 森林地区显示DOM具有增加的分子质量和芳香度.
• 城市地区的DOM呈现出更高的溶解离子度和更高的微生物降解,导致更小,更有形的分子.

结论:

• 人类的影响,包括土地使用变化,显著改变了水生环境中的DOM组成.
• DOM加速的光化学和微生物降解有助于增加温室气体排放和全球变暖.
• 机器学习与FT-ICR MS相结合,提供了一种强大的方法来解开复杂的DOM环境关系.