研究背景

        海洋塑料可通过食物链富集、物理损伤和化学毒性释放等途径，对海洋生物乃至人类健康造成持续性危害。塑料进入海洋后，其表面会迅速定植于由细菌、古菌、真菌和藻类组成的生物膜，即“塑料圈”（Plastisphere）。该微生态界面不仅改变塑料的理化性质和沉降行为，还可能富集致病菌和有害藻华物种，从而放大生态风险。然而，现有研究多基于实验室加速风化或短期野外观测，难以真实反映潮汐、季节更替与微生物群落动态协同驱动的长期降解过程。

        为此，本研究在厦门五缘湾海域的“厦门大学海洋酸化生态响应试验站”搭建长期原位培养平台，对传统不可降解聚丙烯（PP）和可生物降解聚乳酸（PLA）制品及其颗粒开展了为期12个月的连续暴露实验（图1）。研究综合运用材料表征、高通量测序与机器学习方法，从理化性质、微生物群落和降解机制三个维度进行系统分析。

研究结果

图1 厦门五缘湾采样站位（a）、试验平台（b）、风化实验装置（c）及T0-T12时间序列图

        1. 阐明了塑料表面理化性质与微生物群落的长期协同演变规律

        研究发现，塑料表面接触角呈Logistic衰减，疏水性逐渐转为亲水性，并在暴露第6-7个月出现关键亲水拐点，标志风化加速。与此同时，基于Bray-Curtis距离的β多样性分析显示，PP与PLA表面微生物群落在暴露初期物种差异显著，随着暴露时间延长逐渐趋同，呈现明显的时间演化特征（图2）。

图2 基于Bray-Curtis距离的微生物群落β多样性分析

        2. 揭示了不同类型塑料介导的差异化微生物降解机制

        对比分析发现。PP因其碳-碳主链的化学惰性、高浮力与高透光性，选择性富集蓝细菌（暴露后期相对丰度达12%-15%），使其易成为有害藻华物种的潜在移动载体，可能加剧近海富营养化海域藻华暴发风险。PLA则通过酯键特异性富集厚壁菌门等功能微生物，分泌酯酶水解酯键，显著加速表面风化、开裂与质量损失（图3）。这说明两类塑料的环境行为差异显著。

图3 不同种类塑料及海水环境中蓝细菌和厚壁菌门群落的组成差异

        3. 建立了基于深度学习的塑料风化暴露时间智能预测模型

      为实现海洋塑料污染的快速精准监测，研究团队引入基于ResNet-18的深度学习模型，利用12个月原位培养期间采集的1824张PLA表面微观光学图像进行训练，自动提取不同风化阶段的形貌特征。该模型对实际暴露时间的定量预测准确率达85.3±0.8%，实现了风化程度的快速、无损、智能化检测（图4）。

图4 基于ResNet-18深度学习模型辅助识别塑料风化暴露时间的流程图（a）、预测准确率归一化混淆矩阵（b）及独立测试误差分析（c）

        本研究揭示了真实海洋环境中大塑料与微塑料的长期演替规律及微生物降解机制，厘清了传统与可降解塑料的差异化环境行为与生态效应；所建立的深度学习模型为海洋塑料污染的智能化监测与溯源提供了关键技术支撑。

研究团队及资助

        论文第一作者为厦门大学博士毕业生游慧敏，通讯作者为蔡明刚教授。合作者包括厦门大学罗涛副教授、王春卉工程师、博士毕业生刘萌阳，硕士毕业生周扬、王军歌，以及福建师范大学钱庆荣教授和博士生黄域沧。研究获国家自然科学基金、国家重点研发计划项目、福建省高校产学研联合创新项目、广西重点研发计划、福建省自然科学基金等项目的联合资助。

论文来源及链接

         You H, Qian Q, Liu M, Luo T, Huang Y, Zhou Y, Wang J, Wang C, Cai M. 2026. Longterm dynamics of plastisphere succession and polymer degradation mechanisms in marine environments: A 12-month in-situ study with machine learning applications. Journal of Cleaner Production 565, 148555.

         原文链接：https://10.1016/j.jclepro.2026.148555.

        公众号链接：https://mp.weixin.qq.com/s/lpZzkND5IhexO43-Rf1b3A

文字作者：游慧敏、史敬文

编辑/审核：史敬文