本网讯 近日，我校环境与能源工程学院谢发之课题组在环境领域权威期刊《Science of the Total Environment》（中科院1区，2023年影响因子9.8）在线发表了题为“Basin-wide tracking of nitrate cycling in Yangtze River through dual isotope and machine learning”的科研论文，安徽建筑大学为第一完成单位和通讯单位。该研究得到国家重点研发计划项目（No. 2021YFC3201005），国家自然科学基金项目（No. 42277075，42102204）的资助。

实施长江大保护，深入推动长江生态环境保护修复需要完整了解长江水体水污染信息，在过去的半个世纪，长江水体中的硝酸盐含量上升对整个流域的水质和生态功能都产生了不利影响。本研究采用硝酸盐氮氧双同位素（δ15N-NO3-和δ18O-NO3-）和贝叶斯混合模型研究了长江流域水体硝酸盐的来源和迁移转化过程。化肥是长江上游硝酸盐的主要来源，占总污染物源的76 %；而中游硝酸盐来源为：化肥（39 %）＞土壤氮（35 %）＞粪污（24 %）＞大气沉积（2 %）；下游硝酸盐来源组成与中游较为相似：化肥（39 %）＞土壤氮（37 %）＞粪污（19 %）＞大气沉积（5 %），硝化作用是长江流域水体硝酸盐积累的主导过程。以长江沿岸各县区的降雨量、人口量和GDP为预测变量，建立了四种机器学习模型来预测硝酸盐浓度，在极端梯度提升（XGBoost）模型中，测试集的R2值为0.74，且MSE、RMSE和MAE值较低（分别为0.85，1.2，1.3），这表明XGBoost模型适合用于预测长江流域水体中的硝酸盐浓度。（作者：侯晓云 蔡格格 审稿：谢发之）