利用介电监测和机器学习预测技术对染料污染土壤进行综合电生物修复

《Physics and Chemistry of the Earth, Parts A/B/C》：Integrated Electro-Bioremediation of Dye-Contaminated Soils Using Dielectric Monitoring and Machine Learning Prediction

　　Prachi Palta | Aastha Palta | Ankur Kumar 物理系，昌迪加尔大学，莫哈利，旁遮普邦-140413，印度 **摘要** 工业染料的影响日益严重，已经对农业生产力造成了影响，并危及食品安全，尤其是在第三世界经济体中。其中，活性红S3B染料尤其令人担忧，因为它具有持久性和对土壤生态系统的严重毒性。因此，本研究旨在开发并测试一种新的修复系统，该系统结合了电动力学、微生物处理和有机改良方法，以有效清除受农业污染土壤中的活性红S3B。通过电动力学方法促进染料的迁移并增强其微生物降解。研究使用了枯草芽孢杆菌（Bacillus subtilis）、铜绿假单胞菌（Pseudomonas aeruginosa）和巴西固氮螺菌（Azospirillum brasilense）组成的微生物联合体来加速染料的酶促分解。此外，还使用了浓度为2%（重量百分比）的压榨污泥（pressmud），以改善微生物生存环境，从而大幅提高土壤中的微生物密度和酶活性。结果表明，细菌群落增加了约20%，真菌群落增加了约31.4%，表明生物修复取得了成功。此外，通过介电光谱测量明确了土壤污染、温度变化以及介电常数和损耗因子之间的关系。机器学习分析，特别是XGBoost算法，提供了非常准确的预测模型（R2≈1.0），证实了其在实时监测和优化修复过程中的实用性。最终，这种综合处理方法成功去除了活性红S3B染料污染物，提高了土壤肥力，并显著降低了植物毒性，表明该方法可用于大规模处理受染料污染的土壤，以应对有限的资源挑战。 **引言** 近几十年来，由于工业增长和不可持续的农业实践，人类对陆地生态系统的压力不断增加。在这些挑战中，合成染料对土壤的污染尤为突出，因其规模大且具有持久性。全球每年大约生产70万吨合成染料，其中10-15%未经适当处理就被排放到环境中。这些染料广泛应用于纺织、造纸、皮革和食品行业，具有复杂的芳香结构，使其具有高化学稳定性和抗自然降解性，导致其在土壤中长期积累。它们的存在改变了土壤的物理化学性质，抑制了微生物群落，并在作物中积累，对生态系统和人类健康构成严重威胁。传统的修复方法（如挖掘、填埋、化学氧化和热处理）通常成本高昂、能耗高且对环境破坏性强，仅能将污染物转移位置而无法恢复土壤健康。这引发了人们对电生物修复（EBR）等综合可持续方法的兴趣。EBR结合了电动力学修复技术，通过在土壤中施加低电压直流电来诱导电渗、电迁移和电泳，从而 mobilise 污染物和营养物质，并通过微生物生物降解来增强污染物的生物可利用性和降解速率。虽然EBR已成功应用于重金属、碳氢化合物和农药的修复，但由于染料结构的复杂性及其外源性（尤其是偶氮染料、蒽醌染料和三苯甲烷染料）对微生物酶切的抵抗力，其在染料污染土壤中的应用仍然有限。然而，电动力学场可以改变氧化还原条件，提高脱附速率，并促进这些难降解化合物的降解。同时，像压榨污泥这样的有机改良剂（由纤维素、半纤维素、蛋白质和微量元素（Fe、Zn、Mn）组成的糖工业副产品）显示出巨大潜力。压榨污泥可以改善土壤肥力、保水能力和微生物生物量，并在厌氧降解途径中充当电子供体。当与电生物刺激结合使用时，它可以增强微生物增殖，降低土壤电阻，并维持降解染料的微生物群落，使其成为综合修复策略的理想选择。 **修复过程中的关键但常被忽视的方面** 修复过程中一个关键但常被忽视的方面是监测介电性质，如介电常数、介电损耗和导电性，这些参数反映了土壤湿度、离子浓度和处理过程中的结构变化。介电光谱提供了一种非侵入性工具，可以实时评估污染物的迁移情况、电化学转化和整体修复进展，从而优化电压梯度、电极间距和处理时间等现场参数。鉴于修复过程涉及电气、生物、化学和物理等多因素相互作用，机器学习（ML）为预测建模和策略优化提供了强大的框架。监督学习算法（如随机森林（RF）、支持向量机（SVM）和人工神经网络（ANN）可以根据电压、压榨污泥剂量、微生物动态和介电性质等变量预测降解效率。无监督方法（如聚类和PCA）则进一步揭示了数据的内在结构和最佳处理分组。本研究结合了电生物刺激、压榨污泥改良、介电监测和机器学习建模，开发了一种有效的、环保的染料污染土壤修复策略，旨在不仅去除污染物，还恢复土壤健康和生产力。在本研究中，机器学习作为核心分析框架，用于： 1. 预测在不同电生物刺激和有机改良组合下的染料降解动力学； 2. 量化介电性质与污染物浓度之间的相关性，为处理监测提供非侵入性指标； 3. 优化电场强度、处理时间和改良剂剂量等修复参数，以实现最大降解效果。 **计算分析层** 这一计算分析层带来了高精度和适应性，超越了传统建模的局限，减少了繁琐的试错实验需求。通过实现实时决策和预测洞察，机器学习成为设计、控制和扩大综合土壤修复技术规模的变革性工具。 **文献综述** 电动力学修复（EKR）是一种原位土壤去污技术，通过在嵌入土壤中的电极施加低强度直流电来 mobilise 污染物，通过电迁移、电渗和电泳实现。电迁移是指离子物种向相反电荷电极的移动，而电渗则促进了孔隙流体的整体流动，这在低渗透性土壤中至关重要。电泳则驱动带电粒子的移动。 **土壤采集和染料污染情况** 土壤样本采集自印度旁遮普邦的卢迪亚纳地区（30.9010° N, 75.8573° E），该地区受到纺织加工单元排放的工业染料废水的严重影响。