Aplikasi biochar merupakan salah satu strategi yang menjanjikan untuk remediasi tanah yang terkontaminasi, sambil memastikan pengelolaan limbah yang berkelanjutan. Remediasi biochar “tanah yang terkontaminasi logam berat (HM)” terutama bergantung pada sifat-sifat tanah, biochar, dan HM. Kondisi optimal untuk imobilisasi HM dalam tanah yang diubah dengan biochar adalah spesifik lokasi dan bervariasi di antara studi. Oleh karena itu, diperlukan pendekatan umum untuk memprediksi efisiensi imobilisasi HM dalam tanah yang diubah dengan biochar. Hal ini dapat menggunakan pendekatan pembelajaran mesin (ML) untuk memprediksi efisiensi imobilisasi HM biochar dalam tanah yang diubah biochar. Kandungan nitrogen dalam biochar (0,3–25,9%) dan tingkat aplikasi biochar (0,5–10%) adalah dua fitur paling signifikan yang mempengaruhi imobilisasi HM. Analisis kausal menunjukkan bahwa kategori empiris untuk efisiensi imobilisasi HM, dalam urutan kepentingannya, adalah sifat biochar > kondisi eksperimen > sifat tanah > sifat HM. Oleh karena itu, hal ini menyajikan wawasan baru tentang efek sifat biochar dan sifat tanah pada imobilisasi HM. Pengaplikasian ini dapat membantu menentukan kondisi optimal untuk meningkatkan imobilisasi HM di tanah yang diubah dengan biochar.
Pencemaran tanah oleh logam berat (HMs) merupakan masalah global yang signifikan yang mengancam pembangunan berkelanjutan, terutama di negara-negara berkembang seperti Cina dan India, di mana 36% dari populasi global berada.Kegiatan antropogenik seperti pertambangan dan peleburan, operasi industri, dan kegiatan pertanian mempercepat kontaminasi HM di tanah. Pada akhirnya, HM ini memasuki rantai makanan dan menyebabkan penyakit seperti kanker, gagal ginjal, gangguan kardiovaskular, dan gangguan neurologis dan kognitif. Berbagai teknik in situ dan ex situ telah digunakan untuk memulihkan tanah yang terkontaminasi HM. Di antara teknik-teknik ini, imobilisasi HM in situ menggunakan limbah biologis telah menjadi mapan karena efisiensinya, kelayakan ekonominya, dan kemudahan adaptasinya. Imobilisasi HM in situ adalah strategi remediasi berbasis risiko di mana bioavailabilitas HM dikurangi ke tingkat yang dianggap aman untuk penggunaan lahan yang dimaksud. Agen immobilisasi HM yang tepat dapat memfasilitasi remediasi lingkungan yang berkelanjutan karena jejak lingkungannya yang berkurang.
Aplikasi biochar pada tanah yang terkontaminasi dianggap sebagai metode yang menjanjikan untuk imobilisasi HM karena biochar dapat menyerap dan mengimobilisasi HM sebagai luas permukaan (SA), mikroporositas, gugus fungsi permukaan, pH, dan kapasitas tukar kation lebih unggul daripada bahan baku mentah. Berbagai biochar yang dihasilkan dari berbagai bahan baku (misalnya, lumpur limbah, pupuk kandang, sisa tanaman) di bawah kondisi produksi yang berbeda (misalnya, pirolisis lambat, pirolisis cepat, gasifikasi, dan karbonisasi hidrotermal) telah digunakan untuk melumpuhkan HM (dan metaloid) seperti As, Cd, Cu, Pb , Cr, Ni, Co, dan Zn dalam tanah. Efisiensi imobilisasi HM dalam tanah yang diubah biochar bervariasi tergantung pada jenis biochar (misalnya, kondisi produksi dan sifat fisikokimia), sifat tanah (misalnya, pH tanah, kandungan bahan organik, dan konduktivitas listrik (EC)), dan sifat HM ( misalnya, valensi dan jari-jari ionik). Penelitian telah menunjukkan bahwa efisiensi imobilisasi dipengaruhi oleh berbagai mekanisme adsorpsi/imobilisasi dan faktor-faktor seperti pertukaran kation, interaksi elektrostatik, pengendapan, dan kompleksasi oleh gugus fungsi permukaan. Namun, kondisi optimal untuk meningkatkan imobilisasi HM di tanah menggunakan biochar sangat bervariasi di antara penelitian. Mempelajari semua parameter proses yang terlibat dalam imobilisasi HM tanah melalui eksperimen simultan merupakan tantangan. Beberapa meta-analisis, analisis bibliometrik, dan studi tinjauan telah dilakukan untuk mengevaluasi efisiensi imobilisasi HM. Namun, metode penentuan kontribusi relatif berbagai faktor terhadap efisiensi imobilisasi ini memakan waktu dan rumit. Sebelum menerapkan teknik remediasi berbasis biochar, mengidentifikasi parameter optimal untuk imobilisasi HM maksimum pada jenis tanah tertentu melalui pendekatan empiris dapat mengurangi waktu dan biaya. Namun, sejauh ini, teknik semacam itu belum dikembangkan. Sebuah model yang kuat yang melibatkan semua faktor yang mungkin dapat digunakan untuk menyoroti kepentingan relatif dari masing-masing faktor, yang dapat meningkatkan pemahaman tentang keseluruhan proses dan membantu mencapai efisiensi imobilisasi HM yang tinggi di tanah yang terkontaminasi dalam kondisi optimal.
Machine learning (ML) dapat memproses dan belajar dari data yang besar, kompleks, dan multidimensi untuk mengembangkan model prediktif. Metode ML seperti hutan acak (RF) dan jaringan saraf (NN) telah digunakan untuk memantau dan memetakan kontaminan di tanah dan air tanah. Selain itu, beberapa penelitian telah menggunakan model ML untuk mengembangkan metode penilaian risiko pencemaran air tanah, memprediksi hasil dan kandungan C biochar berdasarkan sifat biomassa dan kondisi pirolisis, serta memprediksi efisiensi penyerapan HM (dan metaloid) dan perawatan pribadi. produk oleh biochar dalam air dan air limbah. Model ML yang digunakan dapat memprediksi hubungan nonlinier dan kompleks antara variabel dependen dan independen dalam sistem kompleks untuk rekayasa lingkungan dan bioremediasi. Interaksi biochar-tanah yang kompleks dan kurangnya kumpulan data yang sistematis telah mengakibatkan kurangnya studi tentang prediksi efisiensi biochar berbasis ML untuk imobilisasi kontaminan dalam tanah, terutama dalam kaitannya dengan kontaminasi HM.
English