氮污染是全球重大的生态和环境挑战，加剧了河流、湖泊、河口和沿海地区的富营养化。矿物风化和溶解将氮释放到水体中，提高了氮的自然背景水平。工业化、城市化和农业扩张加剧了湖泊和河流的富营养化，造成了严重的氮污染。过量的氮含量会改变土壤性质，增加铵的积累，破坏植被结构，并导致生态系统生物多样性的净损失。氮污染也对健康构成威胁，可能导致糖尿病和高铁血红蛋白血症。因此，识别总氮的区域来源并预测氮富集高风险区域是控制大尺度流域氮污染的关键。然而，在了解流域总氮(TN)的特征和预测其空间变化方面仍存在诸多挑战，也是世界各国科学家一直追踪的热点和难点问题。

同济大学土木工程学院的王喜华研究团队，经过多年的艰苦努力与锐意进取，突破了重重障碍，最终实现了这一重要目标。他们利用530组监测断面的数据，以亚洲第一大流域——长江流域为研究对象，计算土地利用综合指数并进行统计分析，探讨影响长江流域氮素富集的主要因素。并开发了三个机器学习模型来预测监测点未来的TN浓度。这一突破性成果近日在《总科学环境》（Science of Total Environment）期刊上发表，论文标题为“Multi-machine learning methods to predict spatial variation characteristics of total nitrogen at watershed scale: Evidences from the largest watershed (Yangtze River Watershed), Asian”。

       研究发现了随机森林模型的预测精度达到77.6%，优于BP和LSTM模型。模拟确定了长江流域37个总氮富集高发区，主要集中在成渝、滇中城市群和巢湖小流域。微生物介导的有机质消耗、氮释放、含氮氧化物的溶解和土地利用的变化是影响水体氮素富集地区差异的主要因素。上游地区氮素富集主要受到工业源输入和建筑用地增加影响较大，农业源输入是中下游氮素富集的主要成因。长江流域的氮污染防治应当工业、农业协同治理，严格管理流域水库、水电站运行，上游以控制工业污染源为主，中下游集中提高耕地土壤的氮肥利用，且治理重点应当放在上游地区。该研究为世界大尺度流域氮污染预测和治理提供重要的科学借鉴。

图1、长江流域位置及采样分布图

图2 水质指标聚类图

(a) 聚类指标的相关性热图（b）水质指标聚类结果图（c）基于聚类分析结果的主成分关系图

图3、长江流域多机器学习模型总氮浓度预测结果图

土木工程学院王喜华研究员为论文第一作者兼通讯作者，季许鸣硕士、美国路易斯安那州立大学Y. Jun Xu教授、毛博洋博士生、贾顺卿博士生、王丛博士生、刘泽军博士生和吕沁雅硕士生对论文作出了重要贡献。

论文链接：https://doi.org/10.1016/j.scitotenv.2024.175144