矿物超细颗粒的形成机制、结构特征及其环境行为和效应

矿物超细颗粒在自然环境中普遍存在,具有独特的环境行为和效应,对元素地球化学循环、污染物迁移转化和生态环境演变等有重要影响.矿物超细颗粒的环境行为和效应与其形成过程和结构特征密切相关.综述了物理、化学和生物过程驱动的矿物超细颗粒的形成机制,介绍了用于表征矿物超细颗粒结构特征的显微镜、光谱、质谱和同步辐射技术,分析了矿物超细颗粒在环境中的迁移转化及其与污染物的吸附、氧化还原和催化转化作用,总结了矿物超细颗粒的食物链积累、生物和生态毒性等环境效应,并对颗粒结晶路径、风险管控和微纳界面调控等重要研究方向进行了展望.超细颗粒是连接微观物质与宏观矿物晶体之间的桥梁,全面认识复杂基质中矿物颗粒的环境属性及其与污染物的微观作用机制,有助于指导矿物超细颗粒在环境污染修复中的应用,从而优化功能材料的设计,促进绿色低碳纳米技术的发展.

机器学习辅助光谱分析技术在环境微/纳塑料研究中的应用

微/纳塑料在环境中广泛存在,威胁着全球生态系统的平衡和稳定,因此有必要确定和评估微/纳塑料的环境赋存特征、环境行为和效应以及生态毒性效应。然而微/纳塑料具有的低浓度、小尺寸及容易吸附其他物质等特点,为其在复杂环境基质中的分析带来了巨大挑战。大多数分析方法在提供环境样本中微/纳塑料的定性定量信息方面存在成本高、准确性差、时间效率低等问题,而具有无损、高效、操作方便等优点的光谱分析技术可以弥补这些方法的不足。但采集的微/纳塑料光谱信号可能会受到环境样本中复杂成分的背景噪声干扰,亟需采用智能化手段提高分析的准确性和效率。机器学习具有强大的数据处理和自动化分析能力,准确性高、应用性广,适用于复杂光谱数据的分类和解析,将机器学习与光谱分析技术相结合有望成为微/纳塑料分析的可靠方法。首先对常用的机器学习辅助光谱分析技术进行综述,然后系统性地讨论了机器学习辅助光谱分析技术在微/纳塑料的环境赋存特征、环境行为和效应、生态毒理效应等研究中的应用,最后对该技术的发展前景进行了总结和展望。机器学习辅助光谱分析技术有望为环境中微/纳塑料的生态环境健康风险评估和污染防治提供重要数据支持。