Water Research
揭示欧洲一条大河的工业排放：高频测量数据挖掘的见解
文章信息
文章标题：Unveiling industrial emissions in a large European river: Insights from data mining of high - frequency measurements
期刊：Water Research
作者：Teofana Chonova等
出版日期：2024 年 11 月
https://doi.org/10.1016/j.watres.2024.122745
研究概况
在水环境中，人造化合物的数量与含量正迅速增长，这主要归因于化学品生产与使用的加速，致使河流生态系统暴露于众多微污染物之下，其中工业排放污染物备受关注，但因其发生、归趋和环境风险存在诸多未知，且浓度波动大，难以用传统方法监测。莱茵河作为欧洲重要水源，其流域存在多种污染来源，尽管对改善其水质做出诸多努力，监测仍发现大量未知来源的排放。本研究旨在通过长期高频监测莱茵河某一位置，利用数据挖掘技术深入剖析污染状况，明确污染源，为河流管理提供科学依据。具体而言，在莱茵河的研究中，于巴塞尔附近的监测站进行每日采样，采用多种采样与分析技术，如固相萃取（SPE）、高分辨率质谱（HRMS）等，并运用一系列数据处理与分析方法，包括时间谱图创建、轮廓优先级排序、排放源分类、干预分析和降维分析等，以实现对污染物的有效识别与污染源的准确解析。
图文摘要
摘要
尽管在改善河流水质方面已投入诸多努力，化学污染问题依旧严峻。近年来，工业源污染物愈发受到关注，因其在发生、归趋及环境风险方面存在大量知识空白。此外，这些污染物浓度常随时间大幅波动，传统短期监测手段难以对其进行有效预测和测量。
研究结果
1.污染物优先轮廓筛选与特征
通过数据驱动策略筛选出 2959 个优先轮廓，虽仅占总轮廓 10%，却涵盖 78% 时间积分强度，有效捕捉大部分污染潜力。其中多数轮廓仅满足单个准则，少部分满足多个准则，部分对应未知化合物，凸显对数据深入研究及识别新污染物的必要性。
2.排放源分类与判定
基于强度分布和活动中断属性将污染物分为 “恒定排放”（CE）和 “不规则排放”（IE）类型，经验证分类方法有效。发现 53% 优先物质源于 IE 源，主要与工业生产相关。t - SNE 可视化进一步证实排放类型指标可靠性，推测 IE 物质多源于工业活动，且经排除其他可能因素，如农业、污水溢流、家庭或医院化学物质处置等，确定多数未知 IE 源为工业排放。
3.工业排放相关化合物分析
成功解析 16 种 IE 物质结构，确认部分工业来源，其年度负荷大，生态和健康影响待探索，虽努力仍有大量 IE 轮廓未知，结构鉴定困难。此外，找到 40 种与已解析化合物时间模式相似物质，可能源于相同生产周期，为确定排放源提供依据，同时选 100 种化合物轮廓用于未来结构解析和减排措施。
主要结论
新优先级策略确定近 3000 种重要化合物，多数未知，常规监测目标占比小，大量高暴露化合物信息待明确。
优先物质多源于 IE 源，经排除其他可能源后，认为多数未知 IE 源为工业排放，部分已确认工业来源，还有部分可能源于相同生产周期。
选 100 种化合物轮廓用于未来结构解析和减排措施，研究表明工业废水是莱茵河化学污染主要来源，需进一步识别排放源、制定管理策略和采取缓解措施。
（转载仅供交流学习使用，侵权必删）
【点击下方超链接阅读16个栏目推文】
| 1.【直播】 | 9.【院士】 |
| 2.【视频】 | 10.【综述】 |
| 3.【健康&毒理】 | 11.【写作】 |
| 4.【水】 | 12.【Nature】 |
| 5.【气】 | 13.【Science】 |
| 6.【土】 | 14.【WR】 |
| 7.【固废】 | 15.【EST】 |
| 8.【生态】 | 16.【JHM】 |
