R

图示摘要

微塑料已被证实是土壤环境中的隐形污染源，它们不仅可能影响陆地生态系统，还对人类健康构成潜在威胁。由于土壤基质复杂、污染形态多样， 如何实现精确、高通量、标准化的检测与量化，一直是科研界亟待攻克的难题。本综述系统整合了土壤微塑料的全流程分析框架，即从采样、预 处理，到检测、定量与数据转换，同时，全面评估显微镜、振动光谱、质谱等技术的优势与不足。更具前沿性的是，文章聚焦于人工智能(AI)在 自动化颗粒识别、光谱解析及数据标准化中的潜力，并提出了“粒子计数-质量数据”转换这一提升跨研究可比性的关键策略。

作者预测，未来突破将来自跨平台融合而非单点优化：高光谱成像结合AI分类器如卷积神经网络，可实现现场快速检测与识别聚合物类型；混合光 谱–质谱系统，有望在一次分析中同时获取形态与化学特征；纳米光谱与实时监测技术的结合，有望实现动态污染追踪；合成生物学与微生物降解 或可为土壤微塑料治理开辟新路径。这篇综述不仅是对现有检测技术的深度盘点，更是对未来技术融合、风险评估与可持续解决方案的战略性指 南，为建立标准化、高通量、可现场部署的土壤微塑料检测体系提供了前沿视角。

该研究以“Micro(nano)plastic detection in soils: analytical techniques, AI applications, and future challenges”为题发表于国际期刊TrAC Trends in Analytical Chemistry。黄凤羽副教授为论文第一作者，杨文超教授和方临川教授为通讯作者。共同作者还包括内蒙古农业大学马丽博士和戴伟博士、西北农林科技大学曾奕副 教授以及香港理工大学李长超博士。该研究得到国家自然科学基金区域重点项目(U21A20237)的资助。

论文链接: https://doi.org/10.1016/j.trac.2025.118491