在国家自然科学基金（项目名称：城乡交错区的面源污染机理及模型研究——以温州温瑞塘河流域为例；编号51979197）的资助下，张明华教授团队在Journal of Hazardous Materials, Journal of Hydrology, Science of the Total Environmental, Journal of Environmental Management，中国环境科学等国内外相关学术期刊发表论文20余篇，为城乡交错区复合面源污染针对性防控以及富营养化水体治理提供了科学依据。代表性论文简介如下：

（1）题目Nitrate pollution source apportionment, uncertainty and sensitivity analysis across a rural-urban river network based on δ¹⁵N/δ¹⁸O-NO₃⁻ isotopes and SIAR modeling. 期刊Journal of Hazardous Materials, 2022, 438: 129480.

硝酸盐污染严重危害着人类健康和水生生态系统，溯源硝酸盐污染源已成为水环境领域的研究热点之一。当前，δ¹⁵N/δ¹⁸O-NO₃⁻分析结合SIAR模型广泛应用于定量识别河流硝酸盐污染源。然而，现有相关研究大都只使用SIAR模型计算得出的污染源贡献率平均值进行后续分析，模拟结果的不确定性和输入数据不确定性对溯源结果的影响鲜见报道。因此，在本研究中，我们利用δ¹⁵N/δ¹⁸O-NO₃⁻、SIAR模型、概率统计分析法和扰动法对温州市温瑞塘河硝酸盐污染源的贡献率和不确定性进行了量化，并进一步对各污染源的敏感性进行了探索。结果表明，城市污水对温瑞塘河水体硝酸盐污染的贡献率最大（58.5%~75.5%），其次是化肥（8.6%~20.9%），土壤有机氮（7.8%~20.1%）和大气沉降（0.1%~7.9%）；不同污染源贡献率的不确定性按从大到小依次为：化肥（UI₉₀=0.32）>土壤有机氮（UI₉₀=0.30）>城市污水（UI₉₀=0.14）>大气沉降（UI₉₀=0.0087）。模型敏感性分析表明主要污染源同位素组成变化对溯源结果的影响最大，在有限的条件下，实地调查主要污染源的同位素组成有助于提高溯源结果的精度。

（2）题目Tracing nitrate sources and transformations using △¹⁷O, δ¹⁵N, and δ¹⁸O-NO₃⁻ in a coastal plain river network of eastern China. 期刊Journal of Hydrology, 2022, 610: 127829.

河流生态系统硝酸盐富集是平原河网地区面临的突出环境问题之一。然而，传统的氮氧同位素δ¹⁵N/δ¹⁸O-NO₃⁻示踪方法无法准确识别大气沉降对河流硝酸盐的贡献，导致研究河流硝酸盐污染源解析结果存在强烈的不确定性。近年来，有研究表明硝酸盐氧同位素异常（Δ¹⁷O-NO₃⁻）在识别大气源硝酸盐方面是一种比δ¹⁸O-NO₃⁻更可靠和灵敏的研究工具，通过测定河水和大气沉降的Δ¹⁷O-NO₃⁻能够更清晰地阐释大气沉降对河流硝酸盐的贡献。但因Δ¹⁷O-NO₃⁻分析实验条件的限制，目前研究大多限于利用传统的δ¹⁵N/δ¹⁸O-NO₃⁻定量识别河流硝酸盐污染来源，国际上涉及应用Δ¹⁷O-NO₃⁻数据的案例还非常少，国内相关研究更是极为匮乏。因此，本研究以我国东南沿海地区典型的平原河网—温州市温瑞塘河为研究案例，在δ¹⁵N/δ¹⁸O-NO₃⁻示踪的基础上，将硝酸盐氧同位素异常（Δ¹⁷O-NO₃⁻）引入河流硝酸盐污染源定量解析研究中，明确了温瑞塘河流域大气沉降和河流Δ¹⁷O-NO₃⁻的变化特征，在此基础上，构建了基于Δ¹⁷O/δ¹⁵N/δ¹⁸O-NO₃⁻的贝叶斯稳定同位素混合模型，实现了大气沉降和化肥、土壤氮及粪便污水对河流硝酸盐负荷贡献的精确解析，明确了温瑞塘河硝酸盐污染的来源，研究结果有助于补充和完善水体硝酸盐污染源同位素示踪方法体系，科学支撑平原河网硝酸盐污染的精准防治。

（3）题目Predictive modeling of nitrogen and phosphorus concentrations in rivers using a machine learning framework: A case study in an urban-rural transitional area in Wenzhou China. 期刊Science of The Total Environment, 2023, 910: 168521.

1980年以来，中国快速城市化带来了非点源污染的环境压力，引起了公众的广泛关注。尽管氮和磷是水生生物过程中必需的营养元素，但过量的氮和磷是水生污染的重要来源。在本论文中，我们利用随机森林(RF)这一机器学习算法，在26个环境变量地理数据集的驱动下，建立了流域开放水域总氮和总磷的预测模型，对中国东部沿海地区典型的城乡交错区-温瑞塘河流域的总氮和总磷浓度进行高空间分辨率的估计和绘制。结果表明，RF回归模型能够准确预测河流中氮、磷的时空分布。利用SHAP分析方法对RF回归模型中解释变量的重要性度量进行表征，确定了影响温瑞塘河氮磷污染最显著的变量为水产养殖、生活直接污水、工业废水排放和气象条件。此外，本论文对高时空分辨率(日，1 km × 1 km)下的温瑞塘河氮磷浓度进行了绘制。本研究的结果为当地生态环境部门进行河流非点源污染治理提供了有价值的数据，并且为类似的快速城市化和缺乏水质监测数据集的地区提供了参考。