中国科学院广州地球化学研究所研究员金彪团队在广东省基础与应用基础研究重大项目、中国科学院国际伙伴计划项目的联合资助下，通过机器学习技术成功识别出冻土活动层中的高危水污染物，并取得重要研究进展。近日，相关成果发表于《环境科学与技术快报》（Environmental Science & Technology Letters）。

PMT/vPvM筛查方法及流程。研究团队供图

  ?

在过去的几十年里，气候变化加剧了永久冻土退化，这可能导致冻土中的某些有害物质释放，进入水生环境。其中，持久性、迁移性毒害化学物质（简称PMT），以及高持久性和高迁移性化学物质（简称vPvM）倍受关注。主要原因是季节性温度变化以及全球变暖引起的永久冻土融化可能会打开新的水文通道并改变水文连通性，从而导致这些 PMT/vPvM 物质在地下水中的释放和扩散。

目前，PMT/vPvM物质的识别高度依赖于高质量的实验数据。然而，许多化学物质仍缺乏可靠的实验数据，这阻碍了PMT/vPvM物质的快速识别与筛查。研究人员针对冻土活动层中有机污染物属性不清，来源不明等问题，整合相关文献数据构建了542种冻土化合物的筛查清单，采用标准数据评判与机器学习模型预测融合的新方法，识别出185种PMT/vPvM物质（占比约34.1%），其中69%的物质为天然或未知来源。

为了探索冻土活动层中PMT/vPvM物质的分子特征，计算了PMT/vPvM物质的分子指纹。结果表明，在冻土活动层中的PMT/vPvM物质的分子结构特征包括，卤素、环、甲基、分支、氧原子和芳香结构。基于沙普利加性解释方法提取的PMT/vPvM物质共同特征表明辛醇-水分配系数是影响冻土活动层中PMT/vPvM物质预测的最重要的因子。另外，天然 PMT/vPvM 物质显示出更高比例的溴原子、芳香结构以及碳氧键，而人工合成的 PMT/vPvM 物质的氟原子、支链结构和杂原子占比更高。

该研究不仅为冻土活动层中高危水污染物的快速识别与筛查提供了新的思路和方法，也为进一步研究气候变化对高寒地区地下水资源的影响提供了科学依据。

相关论文信息：https://doi.org/10.1021/acs.estlett.5c00275