Phys.org·· 6 天前AI 评分72
全球河流模型显示干旱气候也会推高硝酸盐浓度,即使当地几乎没有农业或城市开发
Nitrate pollution in rivers linked to dry climates, not just human activity
AI 导读
11 月 12 日发表于 Science 的研究用 AI 算法整合全球 7000 多个河流站点的硝酸盐读数建模,发现干旱气候区河流硝酸盐浓度升高,即使当地几乎没有农业或城市开发。
- 背景
- 河流、湖泊与地下水中的硝酸盐是分布最广的无机污染物之一,通常被归因于农田施肥与城市污水等人为输入,美国中西部玉米带就是全球浓度最高的地区之一。但大尺度水质研究一直不多,人们的注意力也更多放在洪涝与干旱这类看得见的现象上,水质问题在肉眼可见地恶化之前很难被察觉。健康侧的压力同时存在:现行监管标准为每升 10 毫克硝酸盐,自 1970 年代沿用至今,主要用于防范蓝婴综合征这类急性疾病;而科学家现在观察到,癌症、生殖相关问题等更缓慢的慢性病症可能与低得多的暴露水平相关,例如每升 2.5 毫克。据正文,2021 至 2023 年间约 18% 的美国人口饮用水硝酸盐水平偏高。
- 做法
- 研究团队用人工智能算法把全球 7000 多个河流站点记录的数据模式叠加起来,训练一个能够外推到数据稀缺区域的机器学习模型。模型的输入不是单一监测值,而是为每个河段提取的 26 个变量,涵盖气候特征、土地利用特征与土壤信息,使模型得以把河段的地表属性与硝酸盐浓度关联起来。训练时留出一部分实测读数不参与学习,再用模型预测值与这部分真实数据比对,以评估精度;团队还构建了约 1000 个模型,每个只在选定的监测站点子集上训练,用来刻画模型的不确定性。训练完成后,模型可以预测缺乏观测地点的硝酸盐浓度,团队据此重建了全球约 290 万个河段的硝酸盐浓度地图。团队称这是首个全球尺度的同类工作,成果于 11 月 12 日发表在 Science 上。
- 结论
- 重建出的全球地图显示,在人类输入本应很少的干旱偏远地区,河流硝酸盐浓度出现了意料之外的高值。北非撒哈拉沙漠是地球上最干旱、最偏远的地点之一,其硝酸盐浓度与东南亚这类湿润地区相当、甚至更高,而后者拥有广泛的城镇化或农业开发。即便在几乎没有农业或城市活动的区域,干旱气候下的河流仍 consistently 呈现偏高的硝酸盐污染水平;浓度升高尤其出现在仅季节性有水的小型源头溪流中。作者同时强调,人类输入仍然是影响最大的因素。李力给出的量级是:目前约五亿人居住在硝酸盐浓度超过可能产生负面健康影响水平的河流附近——这意味着硝酸盐污染不只是局部管理问题,而是与日益干热的气候直接相关的更广泛问题。
- 机制
- 作者给出的解释是:干旱气候下水的流动受限,自然存在的硝酸盐无法被冲刷带走,因而在环境中逐年累积。这与湿润地区形成对照——后者水流充分,把硝酸盐稀释并输送出去。作者称这是对观测结果的最佳解释,并提到这一发现让他们自己也感到意外。人类输入与气候条件被放在同一条因果链上讨论:前者决定输入量的大小,后者决定硝酸盐在环境中留存多久。
- 意义
- 此前硝酸盐污染被当作可以在本地层面管理的问题,这项结果把它重新定位为与气候干湿格局相关的全球性问题:气候干旱化程度上升,可能在世界范围内加剧硝酸盐污染。对监管而言,作者认为更清楚地理解硝酸盐与气候的关系、它在环境中如何积累,以及潜在暴露的长期健康影响,可以在未来关于可接受暴露水平的监管决策中起到基础性作用。对水质监测体系而言,结论指向的是数据本身也需要重新布局。
- 局限
- 作者明确指出全球地图存在限制:绝大多数硝酸盐实测数据来自北美、欧洲这类监测资源充足的温带地区,而北非等干旱地区的数据点要少得多,这一数据缺口长期困扰着全球水质的建模工作。换言之,地图在数据稀疏区依赖模型外推,而恰恰是这些地区的结论最出乎意料。
- 下一步
- 作者希望这一方向的工作继续推进,提高人们对水质问题的认识,并推动更多数据采集,尤其是在数据稀疏地区。与气候和硝酸盐积累机制相关的理解、以及潜在暴露的长期健康影响,都还需要进一步研究。


本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:Phys.org · phys.org