在广东基础与应用基础研究重点项目和中国科学院国际合作伙伴计划项目的共同支持下，中国科学院广州地球化学研究所研究员金彪团队通过机器学习技术成功识别了冻土活动层中的高危水污染物，取得了重要的研究进展。最近，相关成果发表在《环境科学与技术快报》上(Environmental Science & Technology Letters)。

在过去的几十年里，气候问题加剧了永久冻土的退化，这可能导致冻土中的一些有害物质被释放并进入水生环境。其中，持久性和迁移性有害化合物(PMT)和高耐久性和高迁移性化合物(VPVM)备受关注。主要原因是季节性温度变化和全球变暖引起的永久冻土融化可能会打开新的水文通道，改变水文连接性，从而导致这些 PMT/vPvM 地下水中物质的释放和扩散。

目前，PMT/VPVM物质的识别高度依赖于高质量的测试数据。然而，许多化合物仍然缺乏可靠的测试数据，这阻碍了PMT/VPVM物质的快速识别和筛查。针对冻土活动层有机污染物特性不明确、来源不明等问题，研究人员整合相关文献数据，构建了542种冻土化合物筛查清单，选择了标准数据评价与机器学习模型预测相结合的新方法，识别出185种PMT/VPVM物质(约34.1%)，其中69%是天然或未知来源。

为了探索冻土活动层中PMT/VPVM物质的分子特征，计算了PMT/VPVM物质的分子指纹。结果表明，冻土活动层中PMT/VPVM物质的分子结构类型包括卤素、环、羟基、支系、氧原子和芳香结构。基于沙普利加性解释提取的PMT/VPVM物质的共同特征表明，辛醇-水分配系数是决定冻土活动层PMT/VPVM物质预测的最重要因素。此外，自然 PMT/vPvM 溴原子、芳香结构和碳氧键在物质中的比例较高，而合成的物质则较高 PMT/vPvM 物质氟原子、支链结构和杂原子占比较高。

该研究不仅为冻土活动层中高危水污染物的快速识别和筛查提供了新的思路和方法，而且为进一步研究气候问题对高寒地区地下水资源的影响提供了科学论证。