使用机器学习和多矩阵方法追踪孟加拉国农业土壤中微塑料污染的来源,污染负荷和风险评估

科学领域:

• 环境科学 环境科学
• 土壤科学 土壤科学
• 生态毒理学 生态毒理学

背景情况:

• 微塑料 (MP) 污染是全球日益关注的问题,特别是在农业土壤中,这对粮食安全至关重要.
• 孟加拉国由于依赖农业而面临重大挑战,土壤健康至关重要.
• 关于孟加拉国农业土地上的MP流行率和生态风险的综合数据有限.

研究的目的:

• 在孟加拉国农业土壤中对微塑料污染进行全面评估.
• 用各种指数评估与PM污染相关的生态风险.
• 通过使用先进的分析和预测模型,确定MP污染的主要驱动因素,包括农业实践和土壤特性.

主要方法:

• 从八个农业区收集和分析了64个土壤样本.
• MPs的量化,其尺寸,形状和聚合物类型的表征.
• 污染负荷指数 (PLI),尼默罗污染指数 (NPI) 和聚合物危害指数的应用用于风险评估.
• 使用扫描电子显微镜与能量分散式X射线光谱学 (SEM-EDS) 进行二次MP和有毒元素分析.
• 采用多变量和机器学习 (随机森林,XGBoost) 方法来识别污染源和控制因素.

主要成果:

• 发现高MP度 (2887.81±1027.23MP/kg dw),以纤维,小颗粒 (0.1-0.5mm) 和透明MP为主.
• 聚乙烯,聚烯和聚烯是最丰富的聚合物.
• 风险指数显示污染程度中等至严重,超过80%的地区面临着与聚合物相关的非常高的生态风险.
• SEM-EDS证实了MP作为有毒元素 (Hg, Cr, As, Cd) 的载体.
• 农业实践 (生物肥料,塑料投入) 和土壤特性 (EC,盐度,pH,OC) 被确定为使用机器学习模型的关键驱动因素.

结论:

• 孟加拉国农业土壤表现出严重的微塑料污染,带来了相当大的生态风险.
• 农业实践是研究地区PM污染的主要贡献者.
• 数据驱动型号有效地识别污染热点和控制因素,为可持续农业和有针对性的减缓战略提供关键见解.