Artificial intelligence for microplastic pollution monitoring, predictive modeling, and risk assessment: advances, challenges, and future perspectives

微塑料（MP）污染构成了一场普遍而复杂的环境危机，颗粒物已渗透至全球生态系统，对生态完整性和人类健康构成多方面风险。微塑料固有的异质性（在尺寸、形状、聚合物类型及风化程度方面）加之其存在于复杂基质中，带来了严峻的分析挑战，制约了传统检测、定量及溯源方法的应用。本综述综合探讨了人工智能（AI）和机器学习（ML）在克服这些瓶颈、推动微塑料研究各领域发展方面的变革潜力。本文详细阐述了AI驱动的计算机视觉如何实现微塑料形态分析的自动化，同时ML算法如何提升光谱聚合物鉴定的速度和准确性。在分析手段之外，AI还促进了微塑料归趋与迁移的预测建模，实现了智能源解析，并优化了新兴的修复技术。以美国为典型案例，我们审视了碎片化的监管环境与AI创新之间的相互作用。然而，重大挑战依然存在，包括数据稀缺、算法局限性以及实验室验证与实地部署之间的差距。综述的研究结果表明，AI的整合代表了一种必要的范式转变，即从描述性观察转向预测性和规范性科学。要充分实现这一潜力，亟需在标准化数据生成、跨学科合作以及开发透明、稳健的AI框架方面采取协同努力，以期为全球范围内的有效减缓政策和修复策略提供信息支撑。