Учёные Пермского национального исследовательского политехнического университета (ПНИПУ) провели эксперимент, изучив влияние нефтяного загрязнения на различные типы почв в России. Результаты исследования, опубликованные в сборнике «Химия. Экология. Урбанистика», показали, что не все грунты одинаково реагируют на углеводороды — некоторые даже способны использовать их для стимуляции роста полезных микроорганизмов.
Ключевым элементом исследования стали сапрофитные микроорганизмы, которые играют важную роль в разложении органики и поддержании плодородия почвы. Оказалось, что при загрязнении нефтью их количество резко сокращается, но в перегнойно-карбонатных почвах (распространенных в Ставропольском крае, Ростовской области и на Северном Кавказе) небольшие дозы нефти, напротив, активировали рост бактерий.
Мы провели искусственное загрязнение образцов нефтью, а за контрольный образец, по которому сверяли результаты, взяли чистую почву. Исследования показали, что наиболее токсичное содержание нефти – 50 г/кг, то есть, при ее добавлении во все образцы снижается количество сапрофитов. Однако для бактерий перегнойно-карбонатных почв нефть наоборот стала активатором роста, особенно в концентрациях пять и 20 г/кг. Это говорит о том, что в небольших дозах таким образом удается стимулировать развитие полезных бактерий, поскольку они используют углеводороды в качестве питания. Подобный механизм действия относится к Ставропольскому краю, Ростовской и другим областям с этим типом почвы.
Исследование поможет разработать точечные методы очистки загрязненных территорий. Например, в регионах с перегнойно-карбонатными почвами можно применять биоремедиацию — технологию очистки с помощью микроорганизмов. В других случаях, где нефть оказывает токсичное воздействие, потребуются физико-химические методы, такие как промывка или сорбенты.
Читайте ещё материалы по теме:
В России разработали новое средство для борьбы с нефтяными разливами
К борьбе с разливами нефти на Севморпути приобщили БПЛА «Скопа-20»
Улучшение сенсорных экранов: учёные ПНИПУ разработали сверхточную модель распознавания касаний