近日，农业农村部环境保护科研监测所产地环境监测与预警创新团队开发了一种基于机器学习的农田土壤镉污染生物炭修复效果预测方法。该方法为实现农田土壤镉污染修复材料的智能化、精准化施用提供了理论依据和技术支撑。相关研究成果发表在《危险材料杂志（Journal of Hazardous Materials）》上。

生物炭作为常见的典型钝化材料，对农田土壤重金属污染的修复作用显著。然而，由于生物炭结构组成、土壤理化性质和重金属污染条件存在差异，传统的试错法存在材料筛选周期长、成本高且难以匹配目标地块特定需求等问题。

该研究依托农田土壤重金属污染生物炭修复案例库，开发出基于随机森林算法的生物炭修复镉污染土壤效果预测模型并进行超参数优化，应用该预测模型研究分析了影响土壤镉固定化效率的关键因素。研究发现生物炭性质对土壤镉钝化效率的影响最为显著（在影响因素中占比60.96%），其次是实验条件（19.6%）和土壤理化性质（19.44%）。其中生物炭pH值和用量是影响土壤镉钝化最重要的特征参数。本研究应用上述优化模型，针对全国不同区域的镉污染农田提出了最佳镉钝化效果下生物炭的结构组成。通过机器学习技术，突破了传统筛选方法的局限，大幅提升了生物炭修复土壤镉污染的效率和精准度。研究成果为生物炭筛选提供了理论依据，为全国范围内的农田土壤修复决策提供了技术支撑。

该研究得到国家自然科学基金项目和中央级公益性科研院所基本科研业务费专项的支持。

原文链接：https://www.sciencedirect.com/science/article/pii/S0304389424016443