2025年7月16日，课题组博士生崔博文和毕业博士生祁怀源在Water Research联合发表成果——数据匮乏条件下未来海洋微塑料分布的多场景模拟：一种深度学习方法。该研究通过提出跨域多图注意力网络（CGMAT）模型，有效解决了微塑料分布预测中观测数据稀缺和时空变化复杂等难题，为全球海洋微塑料污染预测与治理提供了新思路。
研究背景
微塑料（Microplastics, MPs）已成为全球海洋生态系统中的一类主要污染物，受人类活动、气候变化、洋流输运等多种因素影响，呈现高度的时空异质性。由于采样和观测成本高昂，现有海洋微塑料数据具有明显的时间和空间空缺，传统的数值模型难以准确捕捉其动态变化趋势。为应对这一挑战，本团队首次将少样本学习（Few-Shot Learning, FSL）与Transformer架构相结合，构建了适用于数据稀缺场景的CGMAT预测框架。
研究结果
本研究团队提出了一种创新的深度学习框架CGMAT，结合了少样本学习（FSL）和Transformer架构，用于在数据稀缺的情况下预测海洋微塑料的未来分布。研究团队重点选取了台湾海峡和挪威沿海水域作为代表性研究区域，分析了两地不同的海洋环境与社会经济特征对微塑料分布的影响（图1）。
图1 研究整体概要图
结果表明，CGMAT框架显著提高了预测精度，尤其在捕捉季节性波动和空间分布特征方面优于传统深度学习模型（图2）。
图2 CGMAT模型与直接在多因素数据集上训练的基线模型的对比结果：(a)泛化性能曲线；(b)观测值与生成值的渐近趋势；(c)不同基线模型生成层MP丰度预测的比较分析。
为了进一步提高模型的可解释性，本团队结合了SHAP（Shapley Additive Explanations）算法，评估了不同因素对微塑料浓度变化的贡献（图3）。分析结果表明，海岸线距离、国民总收入（GNI）、海水温度和降水量等因素对微塑料分布的影响最为显著，且在两地的影响机制有所不同。特别是在台湾海峡，较高的温度和较强的经济活动与较高的微塑料浓度呈正相关，而在挪威海岸，尽管微塑料的绝对浓度较低，但对温度上升和降水变化的反应更加敏感。海流速度、降水量和塑料废物排放等因素也被证明对微塑料的空间分布具有重要作用。
图3 挪威海和台湾海峡关键驱动因素分析：SHAP值分析（a-b）。
此外，研究还通过模拟不同情景下的微塑料未来分布趋势，分析了在不同经济活动和环境变化的驱动下，台湾海峡和挪威海岸的微塑料浓度变化模式（图4）。结果显示，在台湾海峡，由于密集的经济活动和强洋流的交互作用，该地区的微塑料污染将在未来几十年内加剧，而在挪威海岸，海冰融化和长期积存的微塑料释放将导致微塑料浓度的急剧上升，尤其是在春夏季节。
图4 台湾海峡（a-g）和挪威海域（h-n）重要驱动因素的多场景模拟分析。
研究的结论强调，未来的海洋微塑料污染将受到自然因素与人为活动双重驱动的影响，台湾海峡的未来微塑料浓度预计将在2030年达到312–376颗粒/m³，而挪威海岸的浓度增幅则相对较小，预计2031年达到15颗粒/m³至53颗粒/m³（图5）。值得注意的是，挪威海岸的微塑料浓度增速虽然较慢，但在未来几年内可能会受到气候变化和人为活动影响，导致急剧上升。
图5 2028-2032年不同海域海洋MP丰度时空分布：(a)台湾海峡及周边海域，(b)挪威近海
该研究提出的CGMAT框架不仅适用于台湾海峡和挪威沿海水域的微塑料分布预测，也可推广至全球其他数据稀缺的海洋区域。模型的多尺度特征融合与可解释性为制定科学的区域和全球微塑料治理策略提供了有力的技术支撑。
研究团队及资助
论文第一作者为崔博文和祁怀源，通讯作者为蔡明刚教授。论文合作者有厦门大学博士毕业生刘萌阳、黄鹏，自然资源部第二海洋研究所黄伟研究员、福建理工大学刘敏毅教授等十余位学者。该研究工作得到了国家自然科学基金（U2005207）、海南省科技专项基金（ZDYF2022SHFZ317）以及福建省自然科学基金（2020J02002，2014J06014）的联合资助。
论文来源
Cui, B., Qi, H., Liu, M., Liu, M., Huang, W., Huang, P., Wang, C., Zheng, X., Ke, H., Cai, M.*, 2025. Multi-scenario simulation of future marine microplastic distribution under data scarcity: A deep learning approach. Water Research, 286, 124233.
论文链接
https://doi.org/10.1016/j.watres.2025.124233
文字作者：崔博文
图片作者：崔博文、祁怀源
编辑/审核：姜轶学
|
