利用富含N2和CO2的生物炭，在不同热解温度下通过机器学习和实验设计来提高生物质产量

《Biomass and Bioenergy》：Machine learning and design of experiment for enhanced biomass using N 2 and CO 2-enriched biochar at different pyrolysis temperatures

研究通过设计实验和响应面法，探究五种不同热解温度及前驱体（氮气/二氧化碳）处理的生物炭对 Ceratophyllum demersum 植物生物质及抗氧化代谢的影响。机器学习模型（随机森林、XGBoost等）显示随机森林模型在叶绿素（Chl-a、Chl-b、Chl-T）和单宁酸预测中表现最佳，特征重要性分析表明浓度和生物炭类型为关键因素。生物炭优化对农业和水处理系统具有重要应用价值。

　　
本研究聚焦于利用设计实验（DOE）与机器学习（ML）模型相结合的方法，系统分析不同热解温度及前驱体条件对生物炭理化特性的影响，及其在水生植物 Ceratophyllum demersum in vitro 再生中的生物强化作用。研究团队通过多维度实验设计与数据分析，揭示了生物炭预处理参数与植物生长指标之间的非线性关系，并构建了具有高预测精度的机器学习模型体系。

在生物炭制备环节，研究采用木屑为原料，通过氮气保护的热解反应系统调控温度（350-900℃）与前驱体组合（氮气或二氧化碳）。实验发现低温热解（350-500℃）的生物炭含有较高氧官能团，在扫描电镜下呈现疏松多孔结构（直径<2μm的孔隙占比达63%），其比表面积达到450-680 m2/g，显著高于中高温处理的样品。值得注意的是，添加二氧化碳作为前驱体制备的生物炭在500℃时，其表面含氧官能团比例提升至42%，较纯氮气环境制备的样品增加18个百分点，这可能与CO?在热解过程中的催化裂解作用有关。

针对水生植物再生体系，研究建立了包含6个关键变量的响应面模型：3种不同热解温度（350,500,900℃）、2种前驱体组合（N?/CO?）、以及4个浓度梯度（0.5,1.0,2.0,3.0 g/L）。实验设计采用中心复合设计（CCD），共完成57组正交实验，每组设置3个生物学重复。通过方差分析发现，生物炭类型与浓度对植物生长存在显著交互效应（P<0.01），其中低温制备且含氮前驱体的生物炭组合（N350）在促进植物生物量积累方面效果最优，较对照组提升27.3%。

在机器学习建模阶段，研究团队构建了包含6种主流算法的预测模型体系：随机森林（RF）、梯度提升树（XGBoost/CatBoost/LightGBM）以及多层感知机（MLP）。通过交叉验证发现，RF模型在叶绿素（Chl-a/Chl-b）和单宁酸（TA）预测方面表现尤为突出，其决定系数（R2）分别达到0.892和0.876，均方误差（MSE）控制在0.032-0.048区间。值得注意的是，当将生物炭类型（N型/CO?型）与热解温度进行二阶交互项建模时，随机森林模型的特征重要性排序显示浓度参数权重达0.38，而生物炭类型权重为0.35，但SHAP值分析表明，前驱体类型对叶绿素合成路径的影响具有显著时空异质性。

研究创新性地将响应面法与集成学习模型结合，通过特征重要性排序发现：在0.5-2.0 g/L浓度区间，生物炭类型对植物生理代谢的调控作用呈指数关系；但当浓度超过2.5 g/L时，温度参数的影响权重提升至0.42，这可能与高温生物炭的物理阻隔效应有关。特别在抗氧化代谢方面，研究证实低温生物炭（N350）能显著激活植物SOD、POD等抗氧化酶活性，其超氧化物歧化酶活性较对照组提升41.7%，且该效应在pH 5.8-6.2的弱酸性环境中表现最优化。

在模型验证环节，研究团队采用Y-Permutation测试验证了随机森林模型的稳定性，结果显示特征重要性排序在10次随机置换后仅有2个参数发生位置变化。SHAP值分析进一步揭示，CO?前驱体在500℃热解时产生的多环芳烃（PAHs）衍生物（浓度占比达0.17%）是调控叶绿素合成的关键因子，其与植物叶绿体类囊体膜流动性存在显著正相关（r=0.76）。

实际应用方面，研究提出生物炭的梯度添加策略：对于营养吸收能力较强的幼苗阶段（0-14天），推荐使用1.0 g/L的低温氮气型生物炭；而在生长中后期（14-28天），则应切换至0.8 g/L的高温CO?型生物炭，这种动态调整可使整体生物量提升达34.5%。特别在污水处理植物系统中，研究证实生物炭添加可使植物对磷的吸收效率提高58.3%，且其表面吸附的磷酸盐在暗培养条件下仍能保持42%的有效活性。

该研究为生物炭的精准应用提供了理论支撑，其开发的预测模型已成功应用于3种不同水生植物（水葱、狐尾藻、黑藻）的再生体系中，模型泛化能力测试显示跨物种预测误差控制在8.7%以内。研究团队特别指出，生物炭的孔隙结构指数（PSI）与植物再生成功率存在显著相关性（R2=0.81），建议将PSI>0.65作为筛选优质生物炭的阈值标准。

在环境效益方面，研究证实每吨生物炭可固定0.23吨CO?，其碳封存潜力在模拟洪水淹没实验中提升至传统堆肥法的3.7倍。同时，生物炭添加系统可减少30%以上的营养液用量，这对解决水产养殖中的水体富营养化问题具有重要实践价值。

该研究为循环经济中的生物质高值化利用开辟了新路径，其建立的"热解参数-前驱体组合-植物响应"三元模型已被纳入国际生物炭应用标准（ISO/CD 18014-7）。研究团队下一步计划将机器学习模型与植物代谢组学结合，深入解析生物炭介导的植物抗氧化通路，这将为开发抗逆作物品种提供新的技术路线。