【文献精选】Sci. Total Environ.|通过可解释的机器学习模型阐明PFASs在土壤 - 水中的分配行为

本研究采用优化的随机森林模型（RF）来预测全氟烷基和多氟烷基物质（PFASs）在土壤-水中的分配行为。研究背景是PFASs在环境中的广泛存在及其潜在生态风险，研究目的是通过机器学习模型改进PFASs分配系数（Kd）的预测，并揭示土壤和PFASs性质对分配过程的影响。结果表明，随机森林模型表现出优异的预测性能（R²=0.93），分子量和土壤pH是影响分配行为的主要因素。高有机碳含量、高阳离子交换量和低pH的土壤更易吸附PFASs，而低分子量的PFASs在碱性土壤中迁移性更高。研究结论强调了机器学习模型在环境科学中的应用潜力，为PFASs的环境风险评估提供了重要工具。