量子启发退火算法用于土壤重金属污染成本高效采样与三维表征

《Environmental Technology & Innovation》：A Quantum-Inspired Annealing Algorithm for Cost-Efficient Sampling and 3D Characterization of Soil Heavy-Metal Contamination

　　

准确表征土壤重金属污染的三维空间分布是退役工业场地修复边界划定与风险管理的基础。然而，密集钻探与采样成本高昂，而过度缩减样本可能遗漏污染热点并扭曲污染体的空间分布与形态。针对该问题，研究人员开发了一种将基于量子启发退火（quantum-inspired annealing, QIAA）的采样优化与高精度三维污染表征相耦合的集成框架。研究人员建立了一套融合空间分布相似性、三维体积重叠度、污染风险一致性与重金属迁移一致性的多目标评价体系，并采用QIAA在30%–80%保留比例下筛选代表性采样点。该框架应用于华南某退役化工园区，对1575个土壤样品的八种重金属进行分析。结果表明，保留50%原始采样位置在成本削减与信息保全间取得最优平衡；该保留水平下采样网络缩减至787点，同时维持了必要的空间覆盖与垂直分布特征。与遗传算法（genetic algorithm, GA）、粒子群优化（particle swarm optimization, PSO）和模拟退火（simulated annealing, SA）相比，基于QIAA的方法在相同采样密度下实现了更高的重构精度与更低的预测误差。三维重构与热点分析进一步确认，优化采样设计保留了主要污染体的形态、空间范围与核心高风险簇。综上，所提框架为污染场地调查、三维污染表征、热点识别与修复边界划定提供了一种稳健、可重复且经济高效的途径。

研究背景方面，退役工业场地再开发常受遗留污染制约，而高精度三维污染表征依赖密集钻探采样，经济与时间成本巨大；稀疏采样又易丢失空间异质性与污染热点，导致修复边界划定偏差与二次污染风险。传统统计采样忽略空间自相关，启发式算法（如GA、PSO、SA）在高维组合优化中易陷局部最优。量子启发退火（QIAA）借助量子隧穿效应穿越势能壁垒，在大规模解空间探索中具备全局寻优潜力，但其在环境地球科学中用于土壤污染采样优化的研究尚有限。为此，研究人员构建QIAA采样优化与三维表征耦合框架，以期在成本与信息保全间取得平衡。

主要关键技术方法方面，研究人员以华南某退役化工园区为样本队列，共采集1575个土壤样品（0.5–9 m深度，实际污染达8 m），分析八种重金属。建立含Chamfer空间相似性S_C、三维空间交并比S_i、污染风险分布一致性S_r、重金属迁移一致性S_m的多目标评价函数Q(S)=w₁S_C+w₂S_i+w₃S_r+w₄S_m，以量化压缩采样方案的信息保全能力。采用QIAA在30%–80%保留比例下寻优，并与GA、PSO、SA对比。基于保留样本进行三维空间插值、等值面提取与体绘制重构污染体，并结合热点分析验证高风险簇保全情况。

研究结果方面，2.1节研究区现状表明场地为27.91 km2丘陵地貌化工园区，地层以上部填土与下部砂质粉土为主，1988–2000年建有化工厂、热电厂与有机硅厂，2017年停产；2.2节样品点采集显示分三阶段（初调、补调、详调）于2018–2019年完成，按40 m×40 m网格分区结合专家判断布点，获1575点；2.3节多目标评价框架构建出上述四指标加权综合质量评分，用于筛选候选方案。应用QIAA优化后，50%保留率（787点）为成本—信息最优折衷；同密度下QIAA重构精度高于GA、PSO、SA，预测误差更低。三维重构证实优化方案保留污染体形态、空间范围、垂向分布及核心高风险簇，未因采样压缩导致边界平滑或热点遗失。

讨论与结论翻译部分，研究人员指出，所开发框架将采样优化与三维重构、热点识别联动，解决了复杂三维污染模式下组合爆炸与局部最优难题。结论为：保留50%采样点可在成本降低一半时保全关键空间与垂向信息；QIAA相较经典启发式算法在代表点筛选与污染体重构上具更高精度与鲁棒性；该可重复框架为工业遗留场地调查、修复边界划定及环境场地管理提供了方法论支撑。论文发表于《Environmental Technology》。