Fe-N共修饰的莲茎生物炭用于从水溶液中吸附四氯乙烯（TCH）：性能、机理、机器学习建模及SHAP解释

《Journal of Environmental Chemical Engineering》：Fe-N co-modified lotus stalk biochar for TCH adsorption from aqueous solution: Performance, mechanism, machine learning modeling, and SHAP interpretation

　　

张双生|沈乐|姜静|刘汉虎|徐家庆|何建强|史佳月|高一婷

中国徐州工程学院环境工程学院，徐州221018

摘要

金属负载和异原子掺杂已成为生物炭（BC）改性的研究热点。本研究利用莲茎通过一步热解法制备了Fe-N共改性生物炭（FeN-BC），用于高效去除水溶液中的四环素盐酸盐（TCH）。为了提高构建将吸附参数与容量关联起来的机器学习（ML）模型的可操作性和准确性，提出了具有指定离散步骤的受限最优拉丁超立方抽样实验设计方法。开发了三种ML模型（随机森林、支持向量机和极端梯度提升（XGBoost）。Shapley加性解释（SHAP）量化了每个特征因素对吸附的贡献，并阐明了关键特征之间的相互作用。结果表明，Fe-N协同作用形成了具有微孔保持和中孔生成特征的层次多孔结构，比表面积为752.06 m²·g^-1，总孔体积为0.7256 cm³·g^-1。这种改性同时引入了结晶γ-Fe₂O₃/Fe₃O₄和丰富的缺陷位点（I_D/I_G = 1.43）。吸附过程可用伪二级动力学模型和Langmuir等温线模型很好地描述。温度升高增强了吸附效果，表明该过程是自发的且吸热性的，主要由化学机制驱动。吸附机制包括孔隙填充、π-π相互作用、氢键作用、静电吸引和络合作用。在三种ML模型中，XGBoost表现最佳。SHAP分析确定Ca²⁺浓度、吸附时间和pH值为主要影响因素（累积贡献率为80.34%），并揭示了Ca²⁺、pH值和时间之间的三元拮抗/协同机制。本研究为莲茎的增值利用、生物炭的定向改性以及水溶液中TCH的精准处理提供了理论基础和指导。

章节片段

过去几十年里，抗生素挽救了数百万人的生命，保障了公共卫生，并推动了畜牧业生产的集约化，从而促进了社会经济的增长。2015年全球食用动物的消费量约为63,000吨，预计到2030年将增加70% [1]，[2]。这种大规模的使用导致了抗菌素耐药性（AMR）的同步上升。耐药性不仅使治疗效果失效，还增加了发病率和死亡率

莲茎采集自中国矿业大学的镜湖。仅收集了水面以上的自然风干部分（详细分析见补充材料表S1）。莲茎用去离子水反复冲洗，然后在80℃下干燥至恒重，研磨后通过80目筛子筛选，最后储存在密封容器中以备后续使用。

尿素、FeCl₃·6H₂O、TCH、NaCl、CaCl₂·6H₂O、KH₂PO₄、腐殖酸（HA）

四种生物炭的BET结果显示出显著差异，定量揭示了Fe-N协同作用对孔结构的调控机制。RBC表现出典型的微孔碳特性，比表面积为426.04 m²·g^-1，微孔体积（MV）占比为70.15%，平均孔径（APS）为1.44 nm。相比之下，仅进行N掺杂（N-BC）导致微孔严重塌陷，比表面积降至16.15 m²·g^-1，微孔体积（MV）小于0.0037 cm³·g^-1

为解决水溶液中TCH污染控制与农业废弃物增值利用的双重挑战，本研究建立了一个整合Fe-N协同改性、ML建模和SHAP可解释性分析的研究范式，系统阐明了控制TCH在莲茎基生物炭上吸附的多尺度机制和参数-性能定量关系。主要结论如下：

(1)

Fe-N协同改性

徐家庆：数据整理。何建强：数据整理。姜静：撰写——审稿与编辑、软件、方法学、形式分析。刘汉虎：监督、资源提供。张双生：撰写——初稿、验证、项目管理、概念构思。沈乐：数据整理。史佳月：数据整理。高一婷：数据整理。