研究团队利用机器学习揭示了生物炭减缓稻田镉污染和甲烷排放的协同机制与潜能
稻田为世界上一半以上人口提供粮食,其可持续性发展是一个全球关注的问题。然而,稻田重金属污染已成为威胁全世界粮食安全的环境问题。镉是稻田土壤中最广泛存在的重金属,并且在水稻中的生物积累因子高于其他谷物。同时,稻田中温室气体(主要是甲烷(CH4))的大量排放会导致气候变化,进而破坏全球水稻生产力,因此,稻田甲烷的排放进一步加剧了稻米安全的挑战。面对这一普遍存在的水稻困境,生物炭技术已经显示出其潜力。然而,由于生物炭的多样性和缺乏成熟的评估工具,在稻田土壤中实现生物炭的多目标修复仍然是一个突出的问题。
针对以上问题,广东省科学院生态环境与土壤研究所李芳柏研究员团队基于软参数共享算法开发了可解释的多任务深度学习(MTDL)模型,探索了生物炭修复稻田镉污染协同减排甲烷的潜力。相关研究成果以“Multitask Deep Learning Enabling a Synergy for Cadmium and Methane Mitigation with Biochar Amendments in Paddy Soil“为题发表在环境科学权威期刊Environmental Science & Technology上。
多任务深度学习揭示生物炭协同减缓稻田镉污染和甲烷排放
该模型可以准确地预测生物炭的协同效率,从而实现在稻田土壤中利用生物炭协同缓解镉污染和甲烷排放。此外,该模型还定量了生物炭特性中决定镉污染和甲烷减排协同作用的关键因素,这将为实践中用于水稻土壤修复的理想生物炭的制定提供制造指南和标准。在可持续发展目标的背景下,水稻土壤修复需要平衡气候变化、碳足迹、土壤质量改善和食品生产安全等多个目标,而该MTDL模型可以进一步扩展,纳入更多独立的数据集,以实现多个目标之间的协同。本研究为生物炭可持续治理土壤问题提供了一个范例,研究结果极大地扩展了人工智能在可持续土壤修复中的潜力。
广东省科学院生态环境与土壤研究所李芳柏研究员团队博士生殷蒙蒙和河南师范大学张鑫副教授为论文共同第一作者,方利平研究员为通讯作者。该研究获得国家自然科学基金项目、国家重点研发计划、广东省重点研发计划、广东省科技计划项目等项目的支持。
研究成果入选Environmental Science & Technology副封面文章
论文信息:
Mengmeng Yin^, Xin Zhang^, Fangbai Li, Xiliang Yan, Xiaoxia Zhou, Qiwang Ran, Kai Jiang, Thomas Borch, and Liping Fang*, Multitask Deep Learning Enabling a Synergy for Cadmium and Methane Mitigation with Biochar Amendments in Paddy Soils, Environ. Sci. Technol. 2024, 58, 1771−1782.
论文链接:
https://doi.org/10.1021/acs.est.3c07568
(土壤化学团队 殷蒙蒙/供稿)