《Global Change Biology Bioenergy》：Global-Scale Analysis of Biochar Cropland Application Strategies and Their Climate Change Mitigation Potential Using Machine Learning
编辑推荐：
这篇综述运用机器学习（XGBoost）模型，在全球尺度上评估了生物炭（biochar）施用对主要粮食作物（水稻、小麦、玉米）产量及温室气体（CO2、N2O、CH4）排放的影响，并识别了土壤性质与气候条件的关键作用。通过模拟优化和生命周期评估（LCA），该研究为制定因地制宜的生物炭施用策略、最大化其农业与气候协同效益提供了量化依据和科学路径。
引言
气候变化与农业可持续发展是当今世界面临的两大严峻挑战。农业活动是重要的温室气体排放源，其排放量在2023年占全球总排放的11%。同时，农业自身也极易受气候变化影响，极端天气事件可能导致严重的产量损失。此外，过度施用氮肥、长期单一种植等问题导致耕地质量退化，进一步加剧了对全球粮食安全的威胁。
生物炭，作为一种在限氧条件下通过生物质（如农林废弃物）热解（300°C–700°C）获得的富碳材料，因其具有高碳含量、多孔结构、稳定性和丰富的官能团等特性，近年来受到广泛关注。研究表明，生物炭可改善土壤结构和肥力，增强作物抗逆性，并有助于长期碳封存。热解过程还可联产生物能源（生物气和生物油），替代化石燃料，进一步减少温室气体排放。然而，农田施用生物炭对作物产量和土壤温室气体排放的响应具有高度变异性，其效果不仅受生物炭自身性质（如热解温度、原料）和施用量影响，还与区域性的土壤、气候及农业管理实践差异密切相关。这种复杂性限制了其从局部试验向大规模推广的进程。
传统分析方法（如荟萃分析）在捕捉多变量间复杂的非线性交互作用方面存在局限。机器学习（ML）方法因其在处理大规模、多维数据集中捕获线性和非线性关系方面的强大能力，成为解决此类复杂科学问题的有力工具。本研究旨在通过构建基于全球数据集的机器学习模型，预测生物炭施用对作物产量和土壤温室气体排放的影响，识别关键驱动因子，并通过全球尺度模拟和生命周期评估，量化优化生物炭施用策略的气候减缓潜力。
数据与方法
研究团队通过系统文献检索，构建了一个关于生物炭施用对全球农业系统中三种主要粮食作物（水稻、小麦、玉米）产量及土壤三种主要温室气体（CO2、N2O、CH4）排放影响的综合数据集。数据筛选严格限于田间试验。从每项研究中提取了11个变量作为机器学习模型的输入特征，包括生物炭性质（热解温度、原料）、试验条件（生物炭施用量、氮施用量）、土壤性质（pH、容重、土壤有机碳、全氮）、作物类型以及气候条件（年均温和年降水量）。根据数据完整性，最终数据集按预测目标分为四个子集：产量、CO2、CH4和N2O。
模型开发选择了随机森林和极端梯度提升两种算法。通过网格搜索和贝叶斯优化调整超参数，并使用决定系数和均方根误差评估模型性能。结果表明，XGBoost模型在所有预测目标上均表现出优于随机森林的预测性能和计算效率，因此被选为后续分析的最优模型。
为增强“黑箱”模型的解释性，研究整合了SHapley Additive exPlanations方法。基于最优模型，应用TreeSHAP算法计算每个特征的Shapley值，量化其对模型预测贡献的方向和大小，并通过汇总图和条形图进行可视化，以识别影响作物产量和温室气体排放变化的关键预测因子。
利用从现有数据源获取的全球气候条件、土壤性质和作物氮肥施用率空间栅格数据，研究通过最优模型在全球尺度上进行了迭代模拟。模拟在设定的生物炭施用量和热解温度梯度范围内，寻找每个栅格单元中能使作物产量增幅最大的优化施用策略，并据此预测相应的温室气体排放变化，从而评估增产与减排之间的权衡。
最后，研究采用生命周期评估方法，遵循ISO标准，量化了秸秆原料从收集、热解到农田施用的全生命周期温室气体排放与减排。与以往研究不同，本分析的LCA输入参数（如生物炭施用量、作物产量和温室气体排放变化）直接来源于机器学习模型优化的全球策略结果，实现了机器学习与生命周期评估的融合，评估更为可靠。贡献分析、敏感性分析和蒙特卡洛模拟被用于识别主要排放/减排源、关键敏感参数并量化总体不确定性。
结果与发现
模型性能与特征重要性分析
XGBoost模型在预测作物产量、CO2、CH4和N2O排放变化时均表现出较强的预测能力。SHAP分析揭示了不同模型的特征贡献存在广泛差异。
- •
作物产量模型：年均降水量被识别为最重要的特征，表明在较干旱地区，生物炭施用对产量的提升效果更显著。生物炭施用量和氮施用量次之。在作物类型中，小麦显示出比水稻和玉米更大的增产潜力。
- •
CO2排放模型：土壤全氮是主导预测因子，较高的全氮水平与CO2排放增加相关。气候条件和土壤pH、生物炭热解温度也具有重要影响。
- •
CH4排放模型：年均温和土壤容重起关键作用。值得注意的是，土壤容重表现出非线性效应，在容重过高或过低的土壤中施用生物炭均可能导致CH4排放增加。
- •
N2O排放模型：土壤有机碳和氮施用量是最有影响力的特征。接受高氮输入的农田在施用生物炭后表现出更大的N2O减排潜力，其中玉米的减排潜力最大。
总体上，特征组重要性分析表明，土壤性质和气候条件是塑造生物炭效应的主导因素，其次是管理措施，而生物炭性质和作物类型的贡献相对较低。这凸显了制定空间优化施用策略以最大化生物炭效益的重要性。
全球生物炭优化施用模拟
全球迭代模拟确定了最大化作物增产的最佳生物炭施用量和热解温度。水稻、玉米和小麦的平均推荐施用量分别为21、19和17吨/公顷。推荐高施用量（≥25吨/公顷）的区域主要位于亚洲和巴西。就热解温度而言，高温生物炭（≥600°C）主要适用于欧洲、东南亚、巴西和美国部分地区；而在全球大多数其他地区，最佳热解温度在300°C–400°C之间。
模型预测显示，优化策略能在全球绝大多数农田同时提升产量并减少排放，但其幅度和最优策略存在区域异质性：
- •
作物产量：玉米和水稻平均增产约16%，小麦平均增产18%。巴西、西非、南亚和东南亚的玉米和水稻增产最为显著（>25%）。美国、东欧、南非和澳大利亚的小麦增产明显。
- •
温室气体排放：
- •
CO2：水稻田CO2排放平均减少2%，但在东亚部分区域（如韩国、中国东北）有所增加。全球玉米和小麦田的土壤CO2排放预计略有增加。
- •
N2O：在大多数作物种植区持续减少，玉米、小麦和水稻的平均减排幅度分别为19%、11%和10%。美国、欧洲、南亚和东南亚的玉米种植区减排效果尤为显著。
- •
CH4：全球稻田CH4排放平均变化不大，但空间变异性强。巴西南部和华南地区减排显著（30%–50%），而日本等地排放有所增加。
生物炭系统的生命周期评估与气候减缓潜力
生命周期评估结果显示，以每吨秸秆为功能单位，生物炭系统全生命周期可实现1103千克 CO2-eq的净减排。贡献分析表明，避免常规秸秆管理（如焚烧或还田）是最大的碳汇贡献者，占78.2%；其次是能源替代，占18.2%。主要的碳排放源来自生物炭自身分解和热解过程。
敏感性分析显示，避免秸秆焚烧与还田、能源回收率、生物炭碳的难降解比例等参数对净减排量影响最为显著。蒙特卡洛模拟表明，在95%置信水平下，净减排量在828–1395千克 CO2-eq/吨秸秆之间。
基于2022年全球三大主粮作物种植面积及秸秆可利用量估算，实施该优化生物炭策略，每年可抵消1.08 Pg CO2-eq的排放，相当于抵消2023年全球农业温室气体排放的17%或全球净人为排放的2%，同时可使全球主粮产量增加约1500万吨。
讨论与结论
本研究通过机器学习模型和全球模拟，深入探讨了生物炭施用对作物产量和土壤温室气体排放的影响。结果表明，生物炭的效益并非放之四海而皆准，土壤性质和气候条件是其效果的关键决定因素。因此，优化的生物炭施用策略及效益呈现明显的空间差异性——热带地区通常表现出更显著的增产效益，而温带地区则显示出更强的温室气体减排效果。
研究提出了可优先部署生物炭策略的三个代表性区域：面临干旱和土壤退化威胁的非洲、土壤酸性强且养分贫瘠的热带地区，以及便于大规模机械化作业、面临减排压力的温带发达经济体。每个区域都能从量身定制的生物炭策略中获得独特的农业、环境和气候韧性收益。
尽管当前估算已显示出巨大的潜力，但生物炭的气候变化减缓潜力可能仍被低估。例如，对植物和微生物源有机碳的累积、土壤无机碳库的增加等其他碳汇效应尚未完全量化。此外，生物炭在森林、滨海湿地等其他生态系统中也具应用潜力。
总之，生物炭技术潜力巨大，但其应用策略必须考虑区域异质性，特别是土壤性质和气候条件。因地制宜的生物炭策略不仅能带来减缓气候变化、减少污染、促进资源循环等全球性效益，也能为小农提供增产、改土、减少对化肥农药依赖等本地化益处。这项研究为将生物炭从局部试验推向全球环境治理提供了重要的数据支持和决策依据。
