土壤污染与控制
刘冰, 邹可可, 刘辉, 时凯歌, 陈燕敏, 卢鑫, 韩帅军, 古励
中国环境科学.
2026, 46(3):
1460-1474.
基于机器学习(ML)模型预测全氟和多氟烷基物质(PFAS)的土壤-水分配系数(Kd),并阐释其在土壤中的分配行为.数据集涵盖47种PFAS共1227个样本,采用16个PFAS物化性质及土壤理化参数作为特征.结果表明: lgKd范围为-1.40~3.95;当CF2官能团数>5且分子量(MW)>400g/mol时,lgKd与CF2数及MW呈显著线性关系(R2分别为0.96和0.94);土壤特性对PFAS吸附的影响因类型而异:非两性离子PFAS主要受有机碳质量分数和粉砂质量分数影响,而两性离子PFAS则主要受粉砂与砂质量分数影响;经参数优化,ML模型预测性能良好,R2为0.85,RMSE为0.35,MAE为0.26;其中MW,有机碳质量分数,水溶性(lgS)和净电荷密度为关键特征,贡献率分别为31.6%,29.8%,19.7%和10.0%.三维相互作用分析表明,高有机碳含量,高阳离子交换能力(CEC)及低pH值土壤与大MW PFAS结合时,lgKd>0.40,吸附性强;反之,当CEC<8.00cmol/kg,有机质含量<1.00%,MW<380g/mol时,lgKd<0.40,吸附能力较弱,环境迁移潜力较高.研究结果为预测PFAS吸附行为提供了可靠工具.