农业农村部环境保护科研监测所的研究团队在《危险材料杂志》上发表了一项重要成果，首次构建了基于机器学习的生物炭修复农田土壤镉污染效果智能预测模型。该技术通过分析大量文献数据，量化生物炭结构、土壤性质与修复效果之间的关系，实现了修复材料的精准匹配与方案优化，为解决农田土壤重金属污染问题提供了新的思路和方法。

🌱 镉污染的危害：镉作为农田土壤常见的重金属污染物，易通过作物富集进入食物链，对人类健康构成威胁。

💡 生物炭的优势：生物炭因其多孔结构、高稳定性及强吸附能力，被广泛用于重金属污染土壤的钝化修复。

🔍 传统修复方法的局限性：传统生物炭筛选依赖田间试验或实验室培养的“试错法”，存在周期长、成本高、地域适配性差等问题。

⚙️ 智能预测模型的构建：研究团队通过分析近1700篇文献，建立了生物炭修复土壤镉污染的案例库，并引入机器学习算法，构建了包含“生物炭结构性质—土壤理化性质—施用参数”的智能预测模型。

✅ 模型的创新与应用：该模型明确了生物炭pH值为首要影响因素，具备动态模拟能力，可提供区域适配方案，为实现区域最佳镉污染钝化效果提供指导。

    科技日报北京5月14日电 （记者马爱平）记者14日从农业农村部环境保护科研监测所获悉，该所产地环境监测与预警创新团队日前在国际期刊《危险材料杂志》上发表了一项重要成果，首次构建了基于机器学习的生物炭修复农田土壤镉污染效果智能预测模型。该技术通过深入量化生物炭结构性质、土壤理化性质与修复效果之间的复杂关联，成功实现了修复材料的精准匹配与方案优化。

    “镉作为一种常见的农田土壤重金属污染物，容易通过作物富集进入食物链，从而对人类健康构成严重威胁。生物炭因其独特的多孔结构、高稳定性及强吸附能力，被广泛用于重金属污染土壤的钝化修复。”论文通讯作者、团队首席科学家安毅告诉科技日报记者，传统修复材料生物炭筛选主要依赖田间试验或实验室培养的“试错法”，存在周期长、成本高、地域适配性差、机制认知模糊等痛点。

    针对这些痛点，研究团队以生物炭修复农田土壤镉污染为基础，检索过去二十年中发表的同行评议文献近1700篇，系统分析了234组试验数据，最终建立了生物炭修复土壤镉污染的案例库。

    论文第一作者、团队副研究员杜兆林介绍，研究突破性地将机器学习算法引入修复材料设计领域，成功构建了包含“生物炭结构性质—土壤理化性质—施用参数”的智能预测模型。

    通过特征工程及超参数优化后的随机森林算法，该模型实现了多项创新：明确生物炭结构性质为首要影响因素，其中pH值是决定性参数；具备动态模拟能力，只需输入特定土壤的理化性质数值和生物炭结构性质数值，即可输出镉钝化效率预测值，误差范围控制在±5%以内；可提供区域适配方案，提供实现区域最佳镉污染钝化效果的理想生物炭结构性质数据集。