探究人工智能在土壤污染監測治理工作中的應用

侯光宇，鞠 然

（1.江蘇新思維檢測科技有限公司，江蘇 徐州 221300；2.中林（貴州黎平）林業投資開發有限公司，貴州 黔東南苗族侗族自治州 557300）

引言

在人工智能技術的加持下，我國的土壤污染治理工作呈現出明顯的智能化、現代化發展趨勢。相較于傳統的土壤污染監測治理技術，人工智能技術在數據的搜集速度以及精準性方面都有著明顯的優勢，并且使得污染治理決策變得更加精準。隨著現代人工智能技術的持續發展，在土壤污染和治理工作的多個領域中都得到了廣泛的應用，使得相關部門能夠在準確分析土壤污染具體原因的前提下，就土壤污染的發展趨勢進行預測，并使用各種智能化設備進行處理，使得土壤污染監測治理工作能夠達成既定的目標，有助于實現土壤環境保護目標。基于此，就土壤污染監測治理工作中人工智能技術的應用進行研究，為土壤污染監測治理工作的智能化發展提供參考。

1 現階段土壤污染分類

1.1 重金屬污染

現階段，重金屬污染已經成為我國土壤污染的主要類型，鉛酸電池作為目前較為常見的一種能源，其中包含的鉛、鉻等重金屬元素也會引發較為常見的土壤污染現象。這種污染物無法在自然環境中有效降解，自然流動性相對較差，并且這類重金屬元素具有明顯的毒性，會隨著生物鏈持續在人體內堆積，從而危害到人們的身體健康。通常看來，重金屬元素一般來自工業生產的廢水以及污水，這類無機物質無法利用生物以及化學方法進行全方位處理，通常都會使用物理方法、生物吸收降解法、化學技術等多種方法對土壤中的重金屬元素進行消解[1]。

1.2 生物污染

在自然界中存在的各種病毒不僅會誘發人們的疾病，而且尚未經過處理的生物肥料、醫院廢水以及生物實驗室泄漏這類問題，都很容易帶來土壤的生物污染現象，這類污染物在傳染性和致病性方面有著十分明顯的優勢。因為這些致病細菌以及病毒會長時間地在人畜活動空間內生存，分布較為廣泛，無法全面消滅，目前通常是通過外來生物入侵預防以及檢疫等多項工作進行處理。

1.3 農藥污染

土壤始終是我國農業生產發展不可或缺的基礎元素，但在我國農業發展過程中，農藥以及化肥的過量使用卻帶來了較為嚴重的土壤污染問題。我國作為世界上知名的農業大國，農藥的年均使用數量能夠達到50～60萬噸，并且其中80%～90%的農藥成分最終都會進入到土壤生態圈中，從而產生較大面積的土壤污染現象。此外，一些降解難度相對較大的洗滌劑或者是多環芳烴這類有機物，處理難度明顯增加，通常來自農藥噴灑以及化學品的生產和使用。

1.4 放射性污染

以人們最為熟知的切爾諾貝利事件為例，在核電站泄漏之后，各種放射性因素同樣會進入到土壤中。日本核電站將核廢水排向大海，在57天內將會污染半個太平洋，10年后將蔓延到全球海域，這些放射性元素必須通過自然衰變成為穩定元素之后才能夠消除，但這些放射性元素的衰變周期明顯較長，在通過雨水進入土壤之后，不僅會持續危害人們的身體健康，甚至會通過生物鏈誘發各種疾病。

2 人工智能在土壤污染監測治理工作中的應用優勢

2.1 及時性優勢

以現階段土壤污染治理監測工作的實際經驗來看，誘發土壤污染的物質類型以及數量變得更加多樣，這也代表土壤污染監測以及治理工作需要在第一時間內發現誘發土壤污染的主要污染物，并分析具體的成因，以此為基礎形成針對性的解決措施[2]。人工智能技術的應用意味著相關部門可以引入現代化智能設備，并在固定的區域內合理布局，確保24小時針對土壤的相關數據進行全方位監測，并與已有的土壤環境數據進行對比，以此幫助相關人員第一時間發現土壤污染現象，從而作出正確的決策，擁有明顯的及時性優勢。

2.2 經濟性優勢

目前重金屬、農藥化肥、生物以及放射性物質都是誘發土壤污染的主要因素，因為這些污染物在性質方面存在明顯的差異，意味著需要使用的處理方法也存在明顯的不同。在當下土壤污染現象十分常見，并且污染物種類逐漸增加的背景下，土壤污染治理監測工作的成本明顯增加，在各級政府地方財政資金有限的狀況下，無法針對土壤污染現象及時進行處理。人工智能技術的應用，可以利用較少的人力，在引入各種信息技術以及智能化設備的前提下及時進行監測，根據后臺的相關數據以及信息制定針對性的解決方案，避免出現人力、物力、財力的大量浪費，有著明顯的經濟性優勢。

2.3 發展性優勢

土壤污染并非是一種靜態事件，而是隨著經濟社會的發展以及土壤污染治理工作的進展而動態變化的。人工智能技術在土壤污染監測中的應用意味著相關部門能夠就土壤污染的實際狀況全方位進行分析，以便在掌握現有污染物種類以及實際污染狀況的前提下形成針對性的解決對策。同時，在土壤污染治理措施實施之后，相關部門也可以就土壤污染的變化狀況進行研究，結合土壤環境恢復的實際狀況，針對土壤環境污染治理工作進行調整，使得土壤污染監測治理工作有著明顯的發展性優勢。

3 人工智能在土壤污染監測治理工作中的應用分析

3.1 用于土壤污染原因分析

土壤污染監測治理工作的最終目標是幫助相關部門對土壤污染源進行有效控制，并阻斷土壤污染持續擴張的途徑，而這便要求相關部門對于土壤污染的源頭進行準確追溯，這也是我國土壤污染防治工作的核心內容。現如今，人工智能技術在土壤污染監測中的應用，使得相關專家學者能夠借此對誘發土壤污染現象的實際原因進行深入分析。決策樹和隨機森林作為人工智能技術體系中較為常見的一類算法，可以就變量對于結果預測的重要程度進行全方位評估，通常能夠針對不同污染因素帶來的污染影響進行探討，以此為基礎幫助相關人員就土壤污染的主要來源進行分析。以現階段我國人工智能技術的發展來看，部分專家學者是以條件推斷數分割變量優先次序為基礎針對土壤重金屬含量的相關影響因素進行分析，并且最終得出土壤中的Cd、Zn、Cu這類重金屬污染元素會受到人為因素的主要影響，而As和Ni這類金屬則明顯受到自然因素影響。此外，在土壤污染成因分析的過程中，也可以選擇分類回歸數這一基礎算法建立相應的模型，以此就土壤污染來源進行全方位研究和分析。在機器學習算法深入發展的背景下，之前單一的決策樹方法因為存在較為明顯的過擬合現象，加之泛化性能較差，使得應用頻率逐漸下降，隨機森林這類集成算法已經成為目前土壤污染治理工作中，土壤污染成因分析所使用的主要人工智能技術。此外，機器學習算法也能在土壤污染監測治理工作中針對不同污染物之間的關聯以及聚類關系進行全方位分析，確保相關人員能夠推斷土壤污染的主要貢獻源頭。

3.2 用于土壤有機碳預測

在自然界中，土壤是不可或缺的碳儲庫，相較于生物質以及大氣中的碳儲量，土壤的碳儲量超過二者4倍。隨著全球范圍內對于碳循環的關注度不斷提高，土壤有機碳的空間分布也成為當下土壤污染監測治理工作的重點內容。在人工智能早期的發展階段中，因為受制于當時機器學習算法、數據量以及硬件算力等多種因素的限制，用于土壤有機碳預測的算法整體較為簡便，通常以決策樹、淺層神經網絡、遺傳算法和神經網絡組合為主。神經網絡、隨機森林和其他算法的組合因為其操作十分簡便，能夠滿足絕大部分狀況下的預測需求，已經在當下的土壤有機碳預測工作中廣泛應用。隨著數據量的持續增加，硬件設備也在不斷更新，算法逐漸發展，在土壤有機碳預測過程中，深度學習的應用變得越發普遍。人工智能技術中的卷積神經網絡因為能夠對鄰域空間要素的相關關系進行全方位提取，相較于傳統的機器學習方法，在有機碳的空間分布預測方面有著明顯的優勢。除了土壤中的有機碳預測之外，有關土壤中的氮含量、pH值和微生物指標同樣也會使用人工智能技術進行分析，目前可以利用隨機森林就土壤胞外酶的活性進行預測，并且結合不同用地類型的土壤水含量、總氮、總磷這類要素進行分析以及預測，最終得出的結果與傳統的多元線性回歸方法相比有著明顯的提升。

3.3 用于土壤污染的預測評價

在早期粗放型工業發展模式的影響下，土壤污染現象變得越發嚴重，即便我國政府部門更加關注土壤的污染監測治理以及工業的轉型發展，但土壤重金屬污染問題依舊存在，對人們的健康生活以及經濟社會的發展均產生了明顯的影響。在最初的土壤污染監測治理工作中，有關重金屬方面的預測是以多元線性回歸、地統計插值這類方法為主，但因為重金屬元素的空間分布存在明顯的非線性特征，意味著傳統方法無法全面發揮其預測能力。人工智能技術始終是以機器學習作為核心，能夠就不同變量之間的關聯關系進行全方位提取以及分析，正因如此，在重金屬元素總量分布較大、影響因素較為復雜的狀況下，相較于傳統的理論模型，人工智能的預測效果變得更加明顯。以當下種類繁多的機器學習模型發展來看，神經網絡和隨機森林在原理清晰、操作便捷以及模型實現可行性等方面都有著明顯的優勢，得以在土壤重金屬元素污染預測中廣泛應用。除了人工神經網絡以及隨機森林之外，目前人工智能技術中的決策樹和貝葉斯算法同樣也在土壤的重金屬預測中廣泛應用，與之相對應的算法模型也在不斷擴張，并且預測的土壤污染物類型變得更加多樣。

3.4 促進土壤污染治理設備智能化發展

在相關部門利用人工智能技術對土壤污染的成因及污染發展程度進行全方位預估和分析后，需要及時進行處置。隨著現代科學技術的持續發展，用于土壤污染的設備在人工智能技術的加持下也變得更加多樣。土壤穩定化修復設備能夠針對存在重金屬污染現象的土壤進行自動上料、精準檢測，并結合最終的檢測結果添加針對性的藥劑，確保污染土壤能夠和藥劑全面混合，在降低相關人員工作壓力的同時，確保受到污染的土壤能夠通過一次性操作進行修復。這種基于人工智能技術形成的土壤穩定化修復設備，配備了自動控制液壓抓斗上料機，能夠根據土壤污染的處理需求，真正做到實時進料，并且能夠利用壓實后等密這類方法針對土壤和藥液的體積進行測量，在分析土壤自身密度的前提下，就需要處理的土壤質量進行全方位分析。這種設備同樣配備了自動傳送投料機，其中的稱重模塊能夠有效驗證和確認等待修復的土壤，并且在人工智能技術的加持下，能夠針對污染土壤第一時間進行取樣以及精準分析，以此為基礎形成相應的大數據庫終端，為后續藥劑添加提供必要的數據支持，使得藥劑的利用率以及土壤修復的質量明顯提高，并且能夠避免出現藥劑浪費的現象，規避因此帶來的二次環境污染問題。

4 土壤污染監測治理中應用人工智能存在的問題及對策

4.1 問題

現如今，在土壤污染監測治理工作中，人工智能技術與大數據等現代技術成果的聯合使用為污染治理工作提供了全新的思路以及技術方法。但總體來看，始終面臨著如下幾方面的問題：一是數據孤島問題。與土壤重金屬污染監測治理相關的數據涉及范圍較為廣泛，通常會保存在不同的組織以及部門中，發達國家因為已經建立了與數據共享相關的平臺以及制度，數據互通程度較高。但我國各部門之間尚未形成完善的數據共享通道，對數據的時效性產生明顯的影響，數據獲取的成本明顯增加，不利于土壤污染監測治理工作的有效實施。二是模型的黑箱問題。就目前土壤污染監測治理工作的發展來看，在數據挖掘方面依舊是以數據驅動的算法為主，單純關注相關關系的分析，并未就因果關系進行全方位解釋，以深度學習為代表的現代化技術算法多為黑箱，無法將最終形成的數據挖掘成果提煉成相應的理論知識，并且這些黑箱屬性的存在意味著預測結果的可靠性無法得到保障。

4.2 對策

針對目前土壤污染監測治理工作中，人工智能技術應用面臨的數據孤島以及模型黑箱問題需要從如下兩個方面入手解決：一是建立統一的感知設備以及模型。在目前土壤污染監測治理工作中，平臺的相關數據都來源于不同的感知設備或者是傳感器。在平臺建立的初期階段，需要相關部門以污染防治計劃為基礎形成相應的平臺模型，獲取不同地區的土壤污染數據，確保相關數據能夠在有效滿足智能平臺數據處理分析需求的前提下，由相關部門進行綜合分析以及研究，在實現數據高效互通、互享的同時，確保各項土壤數據能夠有效利用，為土壤污染監測治理工作提供必要的數據支持。二是人工智能土壤污染治理算法的研究。目前誘發土壤污染現象的物質有著明顯的多元化發展趨勢，在當下各種單一算法優劣勢較為明顯的狀況下，相關部門需要促進各種智能化算法的有效開發。比如，西方發達國家已經選擇利用蛋白結構AI預測算法就100萬個物種的一億種蛋白質結構進行預測，基本已經包括了目前地球已知的蛋白質。我國可以以此為借鑒開發人工智能預測算法，對有機物質、無機物質以及微生物在土壤污染方面的治理前景進行全方位預測，通過模擬試驗進一步提高土壤污染治理效率。

5 結論

總而言之，在土壤污染監測治理工作中，人工智能技術的應用使得相關設備能夠具備人類的思維能力，針對土壤污染現象全方位進行監測，在收集對應數據的前提下為相關部門做出正確的決策提供數據支持。此外，人工智能算法也可以通過深度學習就目前人類尚未掌握的各種土壤污染規律進行深入探索。故此，我國相關部門需要在持續深化土壤污染算法研發力度的同時，建立統一的數據平臺，實現各部門之間的數據共享，第一時間掌握土壤污染現象的發展狀況，根據數據變化制定出相應的治理對策，以此提高我國的土壤環境質量。