東北地理所在利用機器學習預測堆肥中重金屬生物有效形態研究方面取得重要進展
在畜禽養殖中，通常會添加銅（Cu）和鋅（Zn）的鹽類或螯合劑到飼料中，以確保畜禽攝取足夠的微量元素。然而，近95%的Cu和Zn會隨糞便排出，重金屬殘留成為堆肥產品土地利用的限制因素。重金屬毒性及生物有效性取決于其賦存形態，調控堆肥中重金屬的形態成為降低堆肥產品農用生態風險的主要措施。因此，快速確定堆肥過程重金屬的形態成為目前研究的熱點。東北地理所水環境污染與防治研究團隊前期試驗發現，堆肥過程中重金屬的生物有效性表現出多樣化的變化趨勢（Cui et al.,2020），有機質（OM）是調控堆肥中重金屬生物有效性的主要方向（Wang et al.,2021）。但是，重金屬有效性評估方法仍以化學提取或元素測定為主，樣品前處理過程繁瑣，對操作人員技能要求高，成本和時間耗費大，亟需一種簡單高效、時效性強的重金屬形態確定方法。機器學習（ML）被視為實現人工智能的一個重要手段，可以預測復雜系統中因變量和自變量之間的非線性復雜關系，在環境管理、生態修復領域具有廣闊的應用。
本研究基于課題組15年的數據累積及外部數據的收集，共取得260組數據。以堆肥過程中常見的物質變化指標（堆肥時間、溫度、pH、EC、OM、TP、TN和重金屬總量）為輸入因子，借助反向傳播神經網絡（BPNN）、梯度增強回歸模型（GBR）、隨機森林模型（RF），建立了堆肥過程中重金屬形態快速預測模型，從而對重金屬有效性進行評估。研究結果表明：BPNN、GBR和RF模型均能預測堆肥過程中Cu和Zn的形態分布（圖1），其中RF的預測性能最好，R2值為0.93-0.97。同時，輸入因子的特征性分析表明（圖2），除堆肥時間外，OM和TP分別是預測Cu和Zn有效形態的最重要特征，降低OM或增加TP有助于提升堆肥中Cu和Zn的鈍化能力。本研究識別了Cu和Zn生物有效形態之間轉化的主要影響因子，為評估堆肥生產中重金屬生物有效性評估及調控提供了一種快速的決策工具；同時拓展了人工智能方法在有機固廢資源化領域的適用性，對于構建生態安全的種養結合、農牧循環新格局具有重要推動意義。
圖1 堆肥樣品中Exc-Cu、Red-Cu、Exc-Zn和Red-Zn實測值與預測值的對比
圖2 主要變量對不同形態重金屬貢獻率
研究成果近期發表在國際期刊《Journal of Hazardous Materials》（IF 13.6）上，博士研究生白冰為論文的第一作者，王莉霞研究員為通訊作者。研究由中國科學院戰略性先導科技專項（XDA28080400，XDA23070502）資助。
論文信息及鏈接如下：
Bing Bai,Lixia Wang*,Fachun Guan,Yanru Cui,Meiwen Bao,Shuxin Gong. 2024. Prediction models for bioavailability of Cu and Zn during composting: Insights into machine learning,J. Hazard. Mater. 471,134392. https://doi.org/10.1016/j.jhazmat.
附件下載：
吉公網安備22017302000214號
