利用可解释的机器学习方法，识别在粉煤灰和有机改良剂作用下影响水稻生产力的土壤因素

《Chemosphere》：Identifying soil drivers of rice productivity under fly ash and organic amendments using explainable machine learning

该研究通过田间试验，评估了飞灰（FA）、有机肥（FYM）与化肥（NPK）协同对酸性土壤水稻产量的影响，并利用可解释机器学习模型（cRF）解析了关键土壤预测因子。FA40 + FYM + NPK处理使稻谷产量达54.0 q ha?1，较单独NPK提高38.5%，显著改善土壤孔隙度（45.5%）、持水能力（37.8%）及微生物酶活性（如β-葡萄糖苷酶15.1 μg/g/h）。模型揭示β-葡萄糖苷酶、有机碳、脲酶、有效磷和黏粒含量为产量主导因子，协同作用调控碳周转与养分矿化。

　　本研究探讨了在热带酸性土壤系统中，将粉煤灰（FA）与堆肥（FYM）及推荐的氮磷钾（NPK）肥料相结合对水稻生产力的影响。通过对土壤物理、化学和生物性质的综合分析，研究发现这种组合能够显著提升土壤功能，从而促进水稻的高产。实验结果表明，FA40 + FYM + NPK的处理方式实现了最高的稻谷产量，达到54.0公担/公顷，比仅使用NPK的产量提高了38.5%。此外，这种处理方式还改善了土壤的孔隙度、持水能力、可利用氮和磷含量，以及微生物酶活性，如脲酶和β-葡萄糖苷酶。通过可解释的机器学习方法，研究进一步揭示了这些关键土壤指标如何共同影响水稻产量，为未来在酸性农业生态系统中改进土壤健康评估和施肥策略提供了科学依据。

水稻作为全球超过一半人口的主食来源，其生产安全和可持续性一直是农业研究的重点。随着农业集约化的发展和土壤健康状况的恶化，水稻的产量面临严峻挑战。尤其是在热带地区，酸性土壤的广泛分布使得这一问题尤为突出。酸性土壤不仅限制了养分的有效利用，还影响了土壤结构，进而对水稻的生长构成威胁。因此，探索有效的土壤改良措施成为保障水稻产量的关键。

近年来，研究者发现粉煤灰和堆肥这两种看似普通的材料，却可能成为解决土壤问题的重要工具。粉煤灰是一种工业副产品，主要来源于煤炭燃烧，富含二氧化硅、铁和钙等元素。这些成分能够改善土壤结构，中和土壤酸性，并增强土壤对养分的保持能力。同时，粉煤灰的细颗粒特性有助于减少土壤压实，从而改善根系生长环境。相比之下，堆肥是一种传统的有机改良剂，能够通过增加土壤有机碳含量，激活土壤微生物群落，并释放稳定的营养物质。这两种材料的结合不仅能够改善土壤质量，还能为水稻提供更全面的营养支持。

为了更深入地理解这些改良措施对土壤和水稻生产力的具体影响，本研究采用了先进的机器学习方法。传统的统计方法，如线性回归和主成分分析，虽然在识别关键土壤因子方面发挥了重要作用，但往往难以捕捉土壤与作物产量之间的非线性关系和复杂相互作用。而机器学习方法，特别是条件随机森林（cRF），能够处理高维数据，并在考虑变量相关性的情况下，更准确地识别对产量影响最大的土壤指标。cRF通过条件推断框架调整变量的重要性评分，从而减少特征选择中的偏差，使得模型能够更清晰地揭示土壤与作物之间的关系。

本研究的实验地点位于印度奥迪沙邦的奥里萨农业与技术大学（OUAT）的示范农场，该地区具有典型的热带湿润气候，年均降雨量约为1250毫米，主要受西南季风影响。实验土壤为弱酸性，属于砂壤土类型。通过长期的田间试验，研究人员评估了不同剂量的粉煤灰和堆肥对水稻产量的影响，并结合NPK肥料进行综合分析。实验结果表明，当粉煤灰的施用量达到40公吨/公顷时，与堆肥和NPK肥料的结合使用能够显著提升水稻产量。相比之下，仅使用NPK肥料的产量较低，而结合使用粉煤灰和堆肥的处理方式则展现出更明显的增产效果。

此外，研究还发现，土壤中的关键指标，如β-葡萄糖苷酶活性、有机碳含量、脲酶活性、可利用磷含量以及黏粒含量，对水稻产量的变化具有显著影响。这些指标的协同作用表明，土壤中的碳循环和养分矿化过程在调控水稻产量方面发挥着重要作用。例如，β-葡萄糖苷酶和有机碳之间的正向相互作用表明，有机碳的增加能够促进微生物活性，进而提高土壤的养分转化能力。同样，脲酶和可利用磷之间的协同关系也说明，磷的可利用性在一定程度上依赖于土壤中微生物的分解能力。

通过将粉煤灰与堆肥和NPK肥料结合使用，不仅能够改善土壤的物理和化学性质，还能增强土壤的生物活性，从而为水稻的生长提供更适宜的环境。研究还强调，由于稻谷产量和秸秆产量在生理和营养分配机制上存在差异，因此需要分别进行建模和分析。稻谷产量主要受到生殖阶段养分分配的影响，而秸秆产量则与植物的生物量积累和结构性养分（如硅）的吸收密切相关。因此，针对稻谷和秸秆的生产特点，制定不同的土壤改良和施肥策略，对于实现水稻的可持续生产至关重要。

本研究的结果不仅为水稻生产提供了新的思路，也为土壤健康评估和施肥策略的优化提供了科学依据。通过机器学习方法，研究人员能够更准确地识别影响水稻产量的关键土壤指标，并揭示这些指标之间的相互作用机制。这为未来在酸性农业生态系统中，制定更加精准和高效的土壤改良措施提供了理论支持。同时，研究还强调了在农业实践中，综合考虑土壤的物理、化学和生物性质的重要性，以确保水稻的长期高产和可持续发展。

总体而言，本研究展示了粉煤灰、堆肥和NPK肥料的综合应用对土壤质量和水稻生产力的积极影响。通过结合先进的机器学习技术，研究人员不仅能够更深入地理解土壤与作物之间的复杂关系，还能为未来的农业实践提供更加科学和精准的指导。这一研究结果对于提高水稻产量、改善土壤健康以及促进农业可持续发展具有重要意义。