La pollution de l’environnement est l’une des plus grandes préoccupations mondiales de notre époque. Construire un avenir durable n’est possible que si nous abordons de manière proactive tous les aspects de ce problème. À cet égard, la pollution des sols due à l’accumulation de métaux lourds (HM) constitue une menace sérieuse pour le développement durable ainsi que pour la santé humaine. En effet, les HM qui pénètrent dans le sol finissent par remonter la chaîne alimentaire et, en pénétrant dans le corps humain, peuvent provoquer des maladies mortelles comme le cancer, l’insuffisance rénale et les maladies cardiovasculaires. Minimiser la concentration de HM dans les sols est donc un objectif clé dans notre lutte contre la pollution de l’environnement.
Un développement notable dans cette direction a été l’utilisation du « biochar » – des déchets biologiques décomposés thermiquement en l’absence d’oxygène – pour immobiliser les contaminants HM dans le sol. Comparé à la matière première brute, le biochar peut adsorber et immobiliser les HM plus efficacement grâce à ses propriétés physiques et chimiques uniques. De plus, il est hautement adaptable et économiquement faisable, ce qui en fait une alternative prometteuse aux combustibles fossiles.
Il y a cependant un hic : l’efficacité d’immobilisation du HM dans les sols appliqués au biochar peut varier en fonction du type de sol, du biochar et des HM impliqués. En d’autres termes, les conditions optimales pour une immobilisation maximale de la HM sont extrêmement spécifiques au site. L’identification de ces conditions optimales avant d’appliquer le biochar au sol grâce à une approche empirique généralisée peut réduire le coût et le temps nécessaires à l’assainissement des sols par le biochar. Cependant, il est extrêmement difficile d’optimiser tous les paramètres impliqués simultanément par l’expérimentation.
Une équipe de recherche internationale dirigée par le professeur Yong Sik Ok et le Dr Kumuduni N. Palansooriya de l’Université de Corée a maintenant proposé une solution en utilisant l’apprentissage automatique (ML) pour prédire l’efficacité d’immobilisation du HM pour les sols traités au biochar. Dans leur étude publiée dans Sciences et technologie de l’environnementl’équipe a développé trois modèles ML, à savoir la forêt aléatoire, la régression vectorielle de support et le réseau neuronal, pour prédire l’efficacité de l’immobilisation en fonction des caractéristiques du biochar et de la température de production, des conditions expérimentales, des propriétés du sol et des propriétés HM.
Parlant de la motivation pour poursuivre une approche basée sur ML, le professeur Ok commente qu ‘ »il y a eu peu d’études sur la prédiction basée sur ML de l’efficacité du biochar pour l’immobilisation des contaminants HM dans les sols en raison de la nature complexe des interactions biochar-sol et un manque d’ensemble de données systématique. Dans notre étude, nous avons voulu combler cette lacune.
Ils ont identifié un total de 20 paramètres comme caractéristiques d’entrée et ont utilisé 152 points de données pour former les modèles afin de prédire l’efficacité de l’immobilisation. Parmi les trois modèles, la forêt aléatoire a donné les prédictions les plus précises.
Parmi les caractéristiques d’entrée, la teneur en azote du biochar et le taux d’application se sont révélés être les caractéristiques les plus importantes pour déterminer l’immobilisation du HM. En outre, les propriétés du sol et le pH se sont révélés être respectivement les troisième et quatrième caractéristiques les plus importantes, ce qui montre que les propriétés du sol avaient également un rôle important à jouer. De plus, une estimation de l’analyse causale a montré que l’importance des propriétés dans l’immobilisation du HM suivait l’ordre : propriétés du biochar > conditions expérimentales > propriétés du sol > propriétés du HM.
Avec ces découvertes éclairantes, l’équipe est enthousiasmée par les perspectives d’avenir du biochar dans l’application de l’immobilisation HM. « La recherche future doit se concentrer sur l’amélioration de l’approche basée sur ML en utilisant une base de données basée sur des études avec des objectifs scientifiques bien définis et des méthodologies similaires dans des conditions expérimentales uniformes », explique le Dr Palansooriya. « Avec de la chance, le biochar nous offrirait la possibilité de convertir la bioénergie en une industrie à empreinte carbone négative. »
Kumuduni N. Palansooriya et al, Prédiction de l’immobilisation des métaux lourds du sol par Biochar à l’aide de l’apprentissage automatique, Sciences et technologie de l’environnement (2022). DOI : 10.1021/acs.est.1c08302
Fourni par Cactus Communications