探究人工智能在土壤污染監(jiān)測(cè)治理工作中的應(yīng)用

侯光宇，鞠 然

（1.江蘇新思維檢測(cè)科技有限公司，江蘇 徐州 221300；2.中林（貴州黎平）林業(yè)投資開(kāi)發(fā)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(shù)的加持下，我國(guó)的土壤污染治理工作呈現(xiàn)出明顯的智能化、現(xiàn)代化發(fā)展趨勢(shì)。相較于傳統(tǒng)的土壤污染監(jiān)測(cè)治理技術(shù)，人工智能技術(shù)在數(shù)據(jù)的搜集速度以及精準(zhǔn)性方面都有著明顯的優(yōu)勢(shì)，并且使得污染治理決策變得更加精準(zhǔn)。隨著現(xiàn)代人工智能技術(shù)的持續(xù)發(fā)展，在土壤污染和治理工作的多個(gè)領(lǐng)域中都得到了廣泛的應(yīng)用，使得相關(guān)部門能夠在準(zhǔn)確分析土壤污染具體原因的前提下，就土壤污染的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，并使用各種智能化設(shè)備進(jìn)行處理，使得土壤污染監(jiān)測(cè)治理工作能夠達(dá)成既定的目標(biāo)，有助于實(shí)現(xiàn)土壤環(huán)境保護(hù)目標(biāo)?；诖?，就土壤污染監(jiān)測(cè)治理工作中人工智能技術(shù)的應(yīng)用進(jìn)行研究，為土壤污染監(jiān)測(cè)治理工作的智能化發(fā)展提供參考。

1 現(xiàn)階段土壤污染分類

1.1 重金屬污染

現(xiàn)階段，重金屬污染已經(jīng)成為我國(guó)土壤污染的主要類型，鉛酸電池作為目前較為常見(jiàn)的一種能源，其中包含的鉛、鉻等重金屬元素也會(huì)引發(fā)較為常見(jiàn)的土壤污染現(xiàn)象。這種污染物無(wú)法在自然環(huán)境中有效降解，自然流動(dòng)性相對(duì)較差，并且這類重金屬元素具有明顯的毒性，會(huì)隨著生物鏈持續(xù)在人體內(nèi)堆積，從而危害到人們的身體健康。通常看來(lái)，重金屬元素一般來(lái)自工業(yè)生產(chǎn)的廢水以及污水，這類無(wú)機(jī)物質(zhì)無(wú)法利用生物以及化學(xué)方法進(jìn)行全方位處理，通常都會(huì)使用物理方法、生物吸收降解法、化學(xué)技術(shù)等多種方法對(duì)土壤中的重金屬元素進(jìn)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(huì)誘發(fā)人們的疾病，而且尚未經(jīng)過(guò)處理的生物肥料、醫(yī)院廢水以及生物實(shí)驗(yàn)室泄漏這類問(wèn)題，都很容易帶來(lái)土壤的生物污染現(xiàn)象，這類污染物在傳染性和致病性方面有著十分明顯的優(yōu)勢(shì)。因?yàn)檫@些致病細(xì)菌以及病毒會(huì)長(zhǎng)時(shí)間地在人畜活動(dòng)空間內(nèi)生存，分布較為廣泛，無(wú)法全面消滅，目前通常是通過(guò)外來(lái)生物入侵預(yù)防以及檢疫等多項(xiàng)工作進(jìn)行處理。

1.3 農(nóng)藥污染

土壤始終是我國(guó)農(nóng)業(yè)生產(chǎn)發(fā)展不可或缺的基礎(chǔ)元素，但在我國(guó)農(nóng)業(yè)發(fā)展過(guò)程中，農(nóng)藥以及化肥的過(guò)量使用卻帶來(lái)了較為嚴(yán)重的土壤污染問(wèn)題。我國(guó)作為世界上知名的農(nóng)業(yè)大國(guó)，農(nóng)藥的年均使用數(shù)量能夠達(dá)到50～60萬(wàn)噸，并且其中80%～90%的農(nóng)藥成分最終都會(huì)進(jìn)入到土壤生態(tài)圈中，從而產(chǎn)生較大面積的土壤污染現(xiàn)象。此外，一些降解難度相對(duì)較大的洗滌劑或者是多環(huán)芳烴這類有機(jī)物，處理難度明顯增加，通常來(lái)自農(nóng)藥噴灑以及化學(xué)品的生產(chǎn)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(huì)進(jìn)入到土壤中。日本核電站將核廢水排向大海，在57天內(nèi)將會(huì)污染半個(gè)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(guò)自然衰變成為穩(wěn)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(zhǎng)，在通過(guò)雨水進(jìn)入土壤之后，不僅會(huì)持續(xù)危害人們的身體健康，甚至?xí)ㄟ^(guò)生物鏈誘發(fā)各種疾病。

2 人工智能在土壤污染監(jiān)測(cè)治理工作中的應(yīng)用優(yōu)勢(shì)

2.1 及時(shí)性優(yōu)勢(shì)

以現(xiàn)階段土壤污染治理監(jiān)測(cè)工作的實(shí)際經(jīng)驗(yàn)來(lái)看，誘發(fā)土壤污染的物質(zhì)類型以及數(shù)量變得更加多樣，這也代表土壤污染監(jiān)測(cè)以及治理工作需要在第一時(shí)間內(nèi)發(fā)現(xiàn)誘發(fā)土壤污染的主要污染物，并分析具體的成因，以此為基礎(chǔ)形成針對(duì)性的解決措施[2]。人工智能技術(shù)的應(yīng)用意味著相關(guān)部門可以引入現(xiàn)代化智能設(shè)備，并在固定的區(qū)域內(nèi)合理布局，確保24小時(shí)針對(duì)土壤的相關(guān)數(shù)據(jù)進(jìn)行全方位監(jiān)測(cè)，并與已有的土壤環(huán)境數(shù)據(jù)進(jìn)行對(duì)比，以此幫助相關(guān)人員第一時(shí)間發(fā)現(xiàn)土壤污染現(xiàn)象，從而作出正確的決策，擁有明顯的及時(shí)性優(yōu)勢(shì)。

2.2 經(jīng)濟(jì)性優(yōu)勢(shì)

目前重金屬、農(nóng)藥化肥、生物以及放射性物質(zhì)都是誘發(fā)土壤污染的主要因素，因?yàn)檫@些污染物在性質(zhì)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(dāng)下土壤污染現(xiàn)象十分常見(jiàn)，并且污染物種類逐漸增加的背景下，土壤污染治理監(jiān)測(cè)工作的成本明顯增加，在各級(jí)政府地方財(cái)政資金有限的狀況下，無(wú)法針對(duì)土壤污染現(xiàn)象及時(shí)進(jìn)行處理。人工智能技術(shù)的應(yīng)用，可以利用較少的人力，在引入各種信息技術(shù)以及智能化設(shè)備的前提下及時(shí)進(jìn)行監(jiān)測(cè)，根據(jù)后臺(tái)的相關(guān)數(shù)據(jù)以及信息制定針對(duì)性的解決方案，避免出現(xiàn)人力、物力、財(cái)力的大量浪費(fèi)，有著明顯的經(jīng)濟(jì)性優(yōu)勢(shì)。

2.3 發(fā)展性優(yōu)勢(shì)

土壤污染并非是一種靜態(tài)事件，而是隨著經(jīng)濟(jì)社會(huì)的發(fā)展以及土壤污染治理工作的進(jìn)展而動(dòng)態(tài)變化的。人工智能技術(shù)在土壤污染監(jiān)測(cè)中的應(yīng)用意味著相關(guān)部門能夠就土壤污染的實(shí)際狀況全方位進(jìn)行分析，以便在掌握現(xiàn)有污染物種類以及實(shí)際污染狀況的前提下形成針對(duì)性的解決對(duì)策。同時(shí)，在土壤污染治理措施實(shí)施之后，相關(guān)部門也可以就土壤污染的變化狀況進(jìn)行研究，結(jié)合土壤環(huán)境恢復(fù)的實(shí)際狀況，針對(duì)土壤環(huán)境污染治理工作進(jìn)行調(diào)整，使得土壤污染監(jiān)測(cè)治理工作有著明顯的發(fā)展性優(yōu)勢(shì)。

3 人工智能在土壤污染監(jiān)測(cè)治理工作中的應(yīng)用分析

3.1 用于土壤污染原因分析

土壤污染監(jiān)測(cè)治理工作的最終目標(biāo)是幫助相關(guān)部門對(duì)土壤污染源進(jìn)行有效控制，并阻斷土壤污染持續(xù)擴(kuò)張的途徑，而這便要求相關(guān)部門對(duì)于土壤污染的源頭進(jìn)行準(zhǔn)確追溯，這也是我國(guó)土壤污染防治工作的核心內(nèi)容?，F(xiàn)如今，人工智能技術(shù)在土壤污染監(jiān)測(cè)中的應(yīng)用，使得相關(guān)專家學(xué)者能夠借此對(duì)誘發(fā)土壤污染現(xiàn)象的實(shí)際原因進(jìn)行深入分析。決策樹(shù)和隨機(jī)森林作為人工智能技術(shù)體系中較為常見(jiàn)的一類算法，可以就變量對(duì)于結(jié)果預(yù)測(cè)的重要程度進(jìn)行全方位評(píng)估，通常能夠針對(duì)不同污染因素帶來(lái)的污染影響進(jìn)行探討，以此為基礎(chǔ)幫助相關(guān)人員就土壤污染的主要來(lái)源進(jìn)行分析。以現(xiàn)階段我國(guó)人工智能技術(shù)的發(fā)展來(lái)看，部分專家學(xué)者是以條件推斷數(shù)分割變量?jī)?yōu)先次序?yàn)榛A(chǔ)針對(duì)土壤重金屬含量的相關(guān)影響因素進(jìn)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(huì)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(guò)程中，也可以選擇分類回歸數(shù)這一基礎(chǔ)算法建立相應(yīng)的模型，以此就土壤污染來(lái)源進(jìn)行全方位研究和分析。在機(jī)器學(xué)習(xí)算法深入發(fā)展的背景下，之前單一的決策樹(shù)方法因?yàn)榇嬖谳^為明顯的過(guò)擬合現(xiàn)象，加之泛化性能較差，使得應(yīng)用頻率逐漸下降，隨機(jī)森林這類集成算法已經(jīng)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(shù)。此外，機(jī)器學(xué)習(xí)算法也能在土壤污染監(jiān)測(cè)治理工作中針對(duì)不同污染物之間的關(guān)聯(lián)以及聚類關(guān)系進(jìn)行全方位分析，確保相關(guān)人員能夠推斷土壤污染的主要貢獻(xiàn)源頭。

3.2 用于土壤有機(jī)碳預(yù)測(cè)

在自然界中，土壤是不可或缺的碳儲(chǔ)庫(kù)，相較于生物質(zhì)以及大氣中的碳儲(chǔ)量，土壤的碳儲(chǔ)量超過(guò)二者4倍。隨著全球范圍內(nèi)對(duì)于碳循環(huán)的關(guān)注度不斷提高，土壤有機(jī)碳的空間分布也成為當(dāng)下土壤污染監(jiān)測(cè)治理工作的重點(diǎn)內(nèi)容。在人工智能早期的發(fā)展階段中，因?yàn)槭苤朴诋?dāng)時(shí)機(jī)器學(xué)習(xí)算法、數(shù)據(jù)量以及硬件算力等多種因素的限制，用于土壤有機(jī)碳預(yù)測(cè)的算法整體較為簡(jiǎn)便，通常以決策樹(shù)、淺層神經(jīng)網(wǎng)絡(luò)、遺傳算法和神經(jīng)網(wǎng)絡(luò)組合為主。神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林和其他算法的組合因?yàn)槠洳僮魇趾?jiǎn)便，能夠滿足絕大部分狀況下的預(yù)測(cè)需求，已經(jīng)在當(dāng)下的土壤有機(jī)碳預(yù)測(cè)工作中廣泛應(yīng)用。隨著數(shù)據(jù)量的持續(xù)增加，硬件設(shè)備也在不斷更新，算法逐漸發(fā)展，在土壤有機(jī)碳預(yù)測(cè)過(guò)程中，深度學(xué)習(xí)的應(yīng)用變得越發(fā)普遍。人工智能技術(shù)中的卷積神經(jīng)網(wǎng)絡(luò)因?yàn)槟軌驅(qū)︵徲蚩臻g要素的相關(guān)關(guān)系進(jìn)行全方位提取，相較于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，在有機(jī)碳的空間分布預(yù)測(cè)方面有著明顯的優(yōu)勢(shì)。除了土壤中的有機(jī)碳預(yù)測(cè)之外，有關(guān)土壤中的氮含量、pH值和微生物指標(biāo)同樣也會(huì)使用人工智能技術(shù)進(jìn)行分析，目前可以利用隨機(jī)森林就土壤胞外酶的活性進(jìn)行預(yù)測(cè)，并且結(jié)合不同用地類型的土壤水含量、總氮、總磷這類要素進(jìn)行分析以及預(yù)測(cè)，最終得出的結(jié)果與傳統(tǒng)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(yù)測(cè)評(píng)價(jià)

在早期粗放型工業(yè)發(fā)展模式的影響下，土壤污染現(xiàn)象變得越發(fā)嚴(yán)重，即便我國(guó)政府部門更加關(guān)注土壤的污染監(jiān)測(cè)治理以及工業(yè)的轉(zhuǎn)型發(fā)展，但土壤重金屬污染問(wèn)題依舊存在，對(duì)人們的健康生活以及經(jīng)濟(jì)社會(huì)的發(fā)展均產(chǎn)生了明顯的影響。在最初的土壤污染監(jiān)測(cè)治理工作中，有關(guān)重金屬方面的預(yù)測(cè)是以多元線性回歸、地統(tǒng)計(jì)插值這類方法為主，但因?yàn)橹亟饘僭氐目臻g分布存在明顯的非線性特征，意味著傳統(tǒng)方法無(wú)法全面發(fā)揮其預(yù)測(cè)能力。人工智能技術(shù)始終是以機(jī)器學(xué)習(xí)作為核心，能夠就不同變量之間的關(guān)聯(lián)關(guān)系進(jìn)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(fù)雜的狀況下，相較于傳統(tǒng)的理論模型，人工智能的預(yù)測(cè)效果變得更加明顯。以當(dāng)下種類繁多的機(jī)器學(xué)習(xí)模型發(fā)展來(lái)看，神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林在原理清晰、操作便捷以及模型實(shí)現(xiàn)可行性等方面都有著明顯的優(yōu)勢(shì)，得以在土壤重金屬元素污染預(yù)測(cè)中廣泛應(yīng)用。除了人工神經(jīng)網(wǎng)絡(luò)以及隨機(jī)森林之外，目前人工智能技術(shù)中的決策樹(shù)和貝葉斯算法同樣也在土壤的重金屬預(yù)測(cè)中廣泛應(yīng)用，與之相對(duì)應(yīng)的算法模型也在不斷擴(kuò)張，并且預(yù)測(cè)的土壤污染物類型變得更加多樣。

3.4 促進(jìn)土壤污染治理設(shè)備智能化發(fā)展

在相關(guān)部門利用人工智能技術(shù)對(duì)土壤污染的成因及污染發(fā)展程度進(jìn)行全方位預(yù)估和分析后，需要及時(shí)進(jìn)行處置。隨著現(xiàn)代科學(xué)技術(shù)的持續(xù)發(fā)展，用于土壤污染的設(shè)備在人工智能技術(shù)的加持下也變得更加多樣。土壤穩(wěn)定化修復(fù)設(shè)備能夠針對(duì)存在重金屬污染現(xiàn)象的土壤進(jìn)行自動(dòng)上料、精準(zhǔn)檢測(cè)，并結(jié)合最終的檢測(cè)結(jié)果添加針對(duì)性的藥劑，確保污染土壤能夠和藥劑全面混合，在降低相關(guān)人員工作壓力的同時(shí)，確保受到污染的土壤能夠通過(guò)一次性操作進(jìn)行修復(fù)。這種基于人工智能技術(shù)形成的土壤穩(wěn)定化修復(fù)設(shè)備，配備了自動(dòng)控制液壓抓斗上料機(jī)，能夠根據(jù)土壤污染的處理需求，真正做到實(shí)時(shí)進(jìn)料，并且能夠利用壓實(shí)后等密這類方法針對(duì)土壤和藥液的體積進(jìn)行測(cè)量，在分析土壤自身密度的前提下，就需要處理的土壤質(zhì)量進(jìn)行全方位分析。這種設(shè)備同樣配備了自動(dòng)傳送投料機(jī)，其中的稱重模塊能夠有效驗(yàn)證和確認(rèn)等待修復(fù)的土壤，并且在人工智能技術(shù)的加持下，能夠針對(duì)污染土壤第一時(shí)間進(jìn)行取樣以及精準(zhǔn)分析，以此為基礎(chǔ)形成相應(yīng)的大數(shù)據(jù)庫(kù)終端，為后續(xù)藥劑添加提供必要的數(shù)據(jù)支持，使得藥劑的利用率以及土壤修復(fù)的質(zhì)量明顯提高，并且能夠避免出現(xiàn)藥劑浪費(fèi)的現(xiàn)象，規(guī)避因此帶來(lái)的二次環(huán)境污染問(wèn)題。

4 土壤污染監(jiān)測(cè)治理中應(yīng)用人工智能存在的問(wèn)題及對(duì)策

4.1 問(wèn)題

現(xiàn)如今，在土壤污染監(jiān)測(cè)治理工作中，人工智能技術(shù)與大數(shù)據(jù)等現(xiàn)代技術(shù)成果的聯(lián)合使用為污染治理工作提供了全新的思路以及技術(shù)方法。但總體來(lái)看，始終面臨著如下幾方面的問(wèn)題：一是數(shù)據(jù)孤島問(wèn)題。與土壤重金屬污染監(jiān)測(cè)治理相關(guān)的數(shù)據(jù)涉及范圍較為廣泛，通常會(huì)保存在不同的組織以及部門中，發(fā)達(dá)國(guó)家因?yàn)橐呀?jīng)建立了與數(shù)據(jù)共享相關(guān)的平臺(tái)以及制度，數(shù)據(jù)互通程度較高。但我國(guó)各部門之間尚未形成完善的數(shù)據(jù)共享通道，對(duì)數(shù)據(jù)的時(shí)效性產(chǎn)生明顯的影響，數(shù)據(jù)獲取的成本明顯增加，不利于土壤污染監(jiān)測(cè)治理工作的有效實(shí)施。二是模型的黑箱問(wèn)題。就目前土壤污染監(jiān)測(cè)治理工作的發(fā)展來(lái)看，在數(shù)據(jù)挖掘方面依舊是以數(shù)據(jù)驅(qū)動(dòng)的算法為主，單純關(guān)注相關(guān)關(guān)系的分析，并未就因果關(guān)系進(jìn)行全方位解釋，以深度學(xué)習(xí)為代表的現(xiàn)代化技術(shù)算法多為黑箱，無(wú)法將最終形成的數(shù)據(jù)挖掘成果提煉成相應(yīng)的理論知識(shí)，并且這些黑箱屬性的存在意味著預(yù)測(cè)結(jié)果的可靠性無(wú)法得到保障。

4.2 對(duì)策

針對(duì)目前土壤污染監(jiān)測(cè)治理工作中，人工智能技術(shù)應(yīng)用面臨的數(shù)據(jù)孤島以及模型黑箱問(wèn)題需要從如下兩個(gè)方面入手解決：一是建立統(tǒng)一的感知設(shè)備以及模型。在目前土壤污染監(jiān)測(cè)治理工作中，平臺(tái)的相關(guān)數(shù)據(jù)都來(lái)源于不同的感知設(shè)備或者是傳感器。在平臺(tái)建立的初期階段，需要相關(guān)部門以污染防治計(jì)劃為基礎(chǔ)形成相應(yīng)的平臺(tái)模型，獲取不同地區(qū)的土壤污染數(shù)據(jù)，確保相關(guān)數(shù)據(jù)能夠在有效滿足智能平臺(tái)數(shù)據(jù)處理分析需求的前提下，由相關(guān)部門進(jìn)行綜合分析以及研究，在實(shí)現(xiàn)數(shù)據(jù)高效互通、互享的同時(shí)，確保各項(xiàng)土壤數(shù)據(jù)能夠有效利用，為土壤污染監(jiān)測(cè)治理工作提供必要的數(shù)據(jù)支持。二是人工智能土壤污染治理算法的研究。目前誘發(fā)土壤污染現(xiàn)象的物質(zhì)有著明顯的多元化發(fā)展趨勢(shì)，在當(dāng)下各種單一算法優(yōu)劣勢(shì)較為明顯的狀況下，相關(guān)部門需要促進(jìn)各種智能化算法的有效開(kāi)發(fā)。比如，西方發(fā)達(dá)國(guó)家已經(jīng)選擇利用蛋白結(jié)構(gòu)AI預(yù)測(cè)算法就100萬(wàn)個(gè)物種的一億種蛋白質(zhì)結(jié)構(gòu)進(jìn)行預(yù)測(cè)，基本已經(jīng)包括了目前地球已知的蛋白質(zhì)。我國(guó)可以以此為借鑒開(kāi)發(fā)人工智能預(yù)測(cè)算法，對(duì)有機(jī)物質(zhì)、無(wú)機(jī)物質(zhì)以及微生物在土壤污染方面的治理前景進(jìn)行全方位預(yù)測(cè)，通過(guò)模擬試驗(yàn)進(jìn)一步提高土壤污染治理效率。

5 結(jié)論

總而言之，在土壤污染監(jiān)測(cè)治理工作中，人工智能技術(shù)的應(yīng)用使得相關(guān)設(shè)備能夠具備人類的思維能力，針對(duì)土壤污染現(xiàn)象全方位進(jìn)行監(jiān)測(cè)，在收集對(duì)應(yīng)數(shù)據(jù)的前提下為相關(guān)部門做出正確的決策提供數(shù)據(jù)支持。此外，人工智能算法也可以通過(guò)深度學(xué)習(xí)就目前人類尚未掌握的各種土壤污染規(guī)律進(jìn)行深入探索。故此，我國(guó)相關(guān)部門需要在持續(xù)深化土壤污染算法研發(fā)力度的同時(shí)，建立統(tǒng)一的數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)各部門之間的數(shù)據(jù)共享，第一時(shí)間掌握土壤污染現(xiàn)象的發(fā)展?fàn)顩r，根據(jù)數(shù)據(jù)變化制定出相應(yīng)的治理對(duì)策，以此提高我國(guó)的土壤環(huán)境質(zhì)量。