论文标题：Decoding the Plastic Patch: Exploring the Global Microplastic Distribution in the Surface Layers of Marine Regions with Interpretable Machine Learning

论文作者：Linjie Zhang, Wenyue Wang, Feng Wang, Dong Wu, Yinglong Su, Min Zhan, Kaiyi Li, Huahong Shi, and Bing Xie*

文章简介：海洋环境正面临着微塑料（MPs）污染的挑战，这需要我们全面了解其分布模式、影响因素以及潜在的生态风险。然而，海洋面积广阔以及预算限制使得全面调查微塑料污染变得不切实际。可解释的机器学习（ML）为这一问题提供了一种有效的解决方案。在该研究中，基于20~5000μm粒径范围的MPs数据，运用了四种ML算法，并考虑了多种因素，构建了一个稳健的海洋MPs分布预测模型。对ML的解释表明，生物地球化学因素和人为因素对全球海洋MPs污染有显著影响，而大气和物理因素的影响则较小。然而，每个因素的影响程度可能在特定海洋区域有所不同，其背后的机制也可能因区域而异。预测结果显示，全球海洋MPs浓度范围为0.176~27.055 particles/m³，且20~5000μm粒径范围内的MPs并未构成潜在的生态风险。该研究开发的可解释机器学习框架涵盖了MPs数据预处理、分布预测以及影响因素的解释，为海洋MPs污染的管理和决策提供了重要参考。

全文链接地址：https://doi.org/10.1021/acs.est.4c12227

该论文发表在SCI一区刊物Environmental Science & Technology。我院2023级环境工程博士研究生张麟杰为第一作者，谢冰教授为通讯作者。