东华大学徐晨烨等WR：从原位和计算机模拟视角看，我们是否低估了淡水微塑料的驱动因素和潜在风险？

纺织上游地区微塑料的出现： 在纺织上游地区，MPs 检出率 100%，浓度范围为 2400 - 8100 particles/m³。0.1 - 0.5mm 的纤维状 MPs 占比最多，聚乙烯 terephthalate（PET）是主要聚合物。MPs 多样性指数表明其来源和归宿复杂。

从太湖到黄浦江的微塑料分布： 在太湖、太浦河和黄浦江的采样点均检测到 MPs，太湖 MPs 含量最高。0.1 - 0.5mm 的透明纤维状 MPs 占主导，PET 是主要聚合物，该区域 MPs 组成多样性较低。

MPs 出现的驱动因素综合评估： 多变量分析显示，MPs 的出现与金属浓度、地理位置和水质等因素显著相关。RF 模型在预测 MPs 丰度方面表现最佳，经度、TN 和 Sb 是影响 MPs 丰度的关键因素，且 12.39% 的预测变异性可由变量间的相互作用解释。

综合多指数生态风险评估： 单一特征指数评估显示，PLI 表明 MPs 暴露风险总体较低，但考虑聚合物化学毒性时，部分水域风险较高。PERI 结果与 PLI、PHI 不一致。MPERI 和 MultiMP 评估表明，多数采样点处于中高风险，聚合物类型是影响生态风险的最重要因素。

ANN 建模评估污染指数： ANN 模型显示，聚合物类型对 MPERI 和 MultiMP 影响最大。GAM 分析确定了 MPERI 和 MultiMP 的主要协同相互作用，揭示了污染物的联合影响和 MPs 在生态系统中的作用。

政策建议： 为应对 MPs 污染，提出实施监管干预、系统监测和战略优先化三方面的政策建议。

本研究揭示了纺织密集区和受纳区 MPs 的空间分布特征，确定了影响 MPs 丰度的关键因素，多指数模型结合 ANN 有效评估了 MPs 风险。该研究为 MPs 研究提供了新思路，强调了运用机器学习进一步研究 MPs 传输和载体潜力的必要性。