中国科学院合肥物质科学研究院智能机械研究所（以下简称中科院合肥研究院智能所）研究员吴正岩、副研究员张嘉团队与东华大学教授蔡冬清合作，利用烟草废液和废铁渣为原料制备出铁基碳微球，为镉污染水体和土壤的修复提供了一种方法，同时也为两种废弃物的资源化利用提供了新途径。
相关成果日前发表于美国化学会期刊《朗缪尔》（Langmuir）。
铁基碳微球制备过程及其移除镉Cd(II)的机理图中科院合肥研究院智能所供图
近年来，随着冶金、电镀、颜料、采矿、电池等行业的快速发展，镉污染日益加重。
而镉是一种剧毒重金属，通常以二价镉的形式存在于水溶液中。
“镉很容易在水和土壤中迁移，在生物体内积累，最终通过食物链转移到人体，导致严重的疾病。
长期接触镉，可导致肾小管功能障碍、骨损伤甚至伤害中枢神经。
”吴正岩告诉《中国科学报》。
因此，降低镉对水体和土壤带来的污染具有重要意义。
研究发现，烟草生产过程中的烟草废液里有机物含量丰富，可以通过水热碳化方法将其转化为高效、低成本的水热炭吸附剂，用于去除二价镉，修复镉污染。
然而，人们很难将水热炭从水和土壤中分离出来。
炼钢生产中的废铁渣具有较高的磁性。
因此，可以用废铁渣与烟草废液共水热的方式，赋予水热炭以磁性，便于将其分离出来。
秉持“以废治废”的理念，基于以上原理，课题组利用烟草废液和废铁渣这两种有可能对环境造成压力的废弃物为原料，制备出铁基碳微球，修复水体和土壤中的镉污染。
吴正岩介绍，铁基碳微球的表面具有羧基、芳香环等基团和钙离子，通过阳离子-π键、静电吸引、阳离子交换等作用实现镉的去除。
课题组以小白菜为典型作物，进行了盆栽实验。
结果表明，利用铁基碳微球可以有效修复镉污染，降低作物体内镉含量，提升了食品的安全性。
审稿人认为，“该工作利用废弃物为原料，制备出铁基碳微球用以去除镉，思路新颖，立意明确，促进了废弃物的资源化利用。
”
利用人工神经网络评价喀斯特地区自然高背景值农田土壤镉污染
•喀斯特地区土壤镉含量高的水稻健康风险较低。
•土壤CaO、pH、TOC和Mn是Cd生物有效性的控制因素。
•人工神经网络模型在水稻镉预测中具有较好的性能。
•通过预测模型提出了农田分类方案。
图形摘要
镉（Cd）作为一种有毒元素，是我国南方农田和水稻的主要污染物。
如先前报道，长期食用受镉污染的大米是人类接触镉的主要途径，可导致肾衰竭等疾病。
土壤中镉的积累主要来自地质风化、人为来源，或两者兼而有之。
虽然Cd污染通常是由污水灌溉、施肥和采矿造成的，但中国西南地区碳酸盐岩的自然风化可能是土壤中Cd异常富集的主要原因。
广西喀斯特面积9.87万平方公里，约占全省总面积的42%，是中国喀斯特地貌发育最广泛的地区。
已有研究报道，喀斯特地区土壤富集Cd浓度主要是由于碳酸盐的风化成土作用，土壤总Cd浓度与水稻中Cd浓度之间不存在线**。
同时，与其他母质相比，碳酸盐岩土壤中Cd的生物富集性普遍较低，Cd在植物中不易富集。
但是，在碎屑岩衍生的酸性土壤中，Cd更容易在稻谷中积累。
图1研究区岩性及采样点图
为解决土壤污染问题，中国政府于2016年发布了土壤行动计划，并发布了新的土壤标准GB15618-2018来管理农田。
但由于该标准仅按照土壤Cd总量对农田进行分类，在广西很可能造成“误判”和“漏判”。
鉴于喀斯特地区土壤Cd含量较高，但其在土壤中的活性较低，现有的分类方法将较大的喀斯特地区归为“控制”区，而将一些非喀斯特地区Cd含量低、Cd活性高的地区归为“安全”区。
因此，需要重新制定土地管理方案，使其适合喀斯特地区。
水稻对Cd的吸收和积累受土壤特性的影响，包括土壤Cd、pH、总有机碳(TOC)和Fe/Mn氧化物。
传统的回归模型已被广泛用于预测稻谷中的重金属含量。
然而，由于重金属与土壤性质之间存在复杂的非线**，传统作物预测模型的准确性难以进一步提高。
近年来，随着计算机科学的快速发展，机器学习方法已经被开发并应用于解决各个领域的科学问题。
与其他机器学习方法相反，人工神经网络(ANN)试图模拟人脑中发生的神经活动，具有灵活的网络结构、任意复杂模式的分类能力和出色的非线性映射能力。
它可以处理土壤-作物系统中重金属迁移的复杂机制。
目前，许多研究已将人工神经网络应用于环境评估，包括水、空气和土壤污染，但很少有研究专注于预测稻谷中的Cd含量和基于农田分类的大规模现场数据。
为此，该文章的作者们在以独特喀斯特地貌的桂林市进行了调查。
调查选取碳酸盐岩溶区和酸性火成岩、第四纪沉积物、碎屑岩等非岩溶区为研究区，目的是：1）探索典型喀斯特地区土壤Cd生物有效性的影响因素；2）根据表土性质和预测模型预测稻谷中Cd的含量；3）提出科学有效的耕地利用规划，在保护公众健康的前提下，实现土地资源的充分利用。
图2研究区表层土壤中Cd的空间分布特征
研究发现，土壤的地球化学性质导致来自不同土壤母质的土壤中Cd生物有效性存在显著差异。
Pearson的相关分析表明，高CaO和pH值抑制了喀斯特地区土壤Cd的迁移。
同时，Mn氧化物和TOC的强吸附能力降低了土壤中Cd的生物有效性。
相比之下，虽然非喀斯特地区土壤中Cd的总含量较低，但水稻中的Cd水平对人类健康存在潜在风险。
此外，作者们在研究中使用ANN和MLR模型来预测BAFCd。
结果表明，人工神经网络模型比MLR模型具有更好的预测精度和精度。
为了科学有效地对农地进行分类，开发了一种基于ANN模型和土壤Cd浓度的新分类方案。
与旧分类方案相比，新方案充分利用了农田面积，保障了水稻种植安全，为高背景值地区的农田管理提供了新的策略。