基于多变量分析与神经网络建模评估预处理策略对白葡萄皮堆肥化的影响

《Agronomy》：Effect of Pretreatment Strategies on White Skin Composting Assessed via Multivariate Analysis and Neural Network Modelling

　　

本研究考察了不同预处理方式对白葡萄皮（Vitis vinifera cv. Gra?evina）在30 d好氧堆肥过程中的影响。预处理措施包括从葡萄皮中提取生物活性化合物以及研磨。研究采用整合性方法，将理化分析与微生物学分析同高级多变量统计及人工神经网络（Artificial Neural Network，ANN）建模相结合。在所考察的实验条件下，研磨与生物活性化合物提取相结合的处理与更优的堆肥表现相关。所有处理的植物毒性均降低，发芽指数超过植物毒性评价中常用的阈值。Spearman相关分析和主成分分析（Principal Component Analysis，PCA）表明，堆肥时间与有机质转化是变异的主要驱动因素，前三个主成分解释了超过72%的总方差。此外，时间序列多层感知机（Multi-Layer Perceptron，MLP）模型仅以堆肥时间为唯一输入变量，便能够高精度预测电导率、有机质含量和发芽指数等关键成熟度指标的演化过程。该综合框架表明，经优化的条件与预测建模能够有效将酿酒副产物转化为稳定化堆肥，从而支持葡萄酒产业中的可持续废弃物管理与循环经济实践。

该论文发表于《Agronomy》，聚焦酿酒副产物白葡萄皮的资源化利用问题。堆肥化作为有机废弃物稳定化和农用化的重要途径，能够将富含有机质的农业残余物转化为改良土壤的腐殖化产物。然而，葡萄皮具有较高木质纤维素含量，结构坚韧，微生物难以快速降解；同时其所含多酚等生物活性成分可能抑制微生物活动，再加上原料天然偏酸，这些因素共同限制了堆肥效率与成熟化进程。既往研究多集中于葡萄渣堆肥性质表征、工艺条件优化或常规预测建模，而对“预处理如何改变葡萄皮后续堆肥过程中的理化性质、微生物演替及植物毒性变化”的系统研究仍较少，尤其缺乏将实验监测、多变量统计和机器学习联合起来解释预处理效应的工作。因此，开展该研究具有明确的问题导向：一方面提升葡萄酒产业废弃物管理效率，另一方面为循环生物经济背景下的副产物高值化提供依据。

研究人员以2021年采收于克罗地亚Kutjevo地区的白葡萄品种Vitis vinifera cv. Gra?evina葡萄皮为原料，围绕研磨与生物活性化合物提取两类预处理策略，设置五种堆肥处理体系，系统评估30 d好氧堆肥过程中样品的理化变化、微生物数量变化、发芽指数变化以及末端堆肥的容重与孔隙率差异。在此基础上，研究进一步采用Spearman相关分析与主成分分析（PCA）识别关键驱动因子，并利用人工神经网络（ANN）中的多层感知机（MLP）时间序列模型，以堆肥时间为唯一输入，对若干成熟度相关指标进行拟合与预测。研究结论表明，白葡萄皮适于进行好氧堆肥；在所考察条件下，研磨与生物活性化合物提取的组合处理表现出最有利的整体趋势，体现为更明显的有机质降解、更高的微生物活性、更显著的腐殖化相关色差变化以及更优的堆肥质量指标。与此同时，所有处理的发芽指数在堆肥后期均超过常用植物毒性阈值，显示植物毒性降低、堆肥材料稳定化程度提高。该研究的重要意义在于，不仅验证了葡萄皮预处理对堆肥动力学具有调控作用，也展示了多变量统计与数据驱动模型在堆肥过程解析和监测中的应用潜力。

研究人员采用的主要技术方法包括：以5 L实验室批式反应器开展30 d好氧堆肥试验，设置未处理、研磨、提取、研磨+提取及混合配方五种基质；原料为克罗地亚Kutjevo产区白葡萄皮。对样品进行含水率、干物质、有机质、灰分、总碳、总氮、C/N比、pH、电导率（EC）、总溶解性固形物（TDS）及综合色差（ΔE）测定，并进行可培养细菌和真菌计数、莴苣种子发芽指数（GI）测定以及最终堆肥容重和孔隙率分析。统计学上采用Shapiro–Wilk检验、Friedman检验、Kruskal–Wallis检验、Spearman相关分析和PCA；建模方面采用MLP型ANN，对与堆肥时间强相关的指标进行时间序列预测。

以下结合论文各部分结果小标题，对主体内容进行凝练解读。

3.1. Effect of Pretreatment Strategies on Grape Skin Composting
该部分系统比较了五种预处理策略下白葡萄皮堆肥化过程的动态变化。研究显示，30 d内所有反应器温度均维持在中温相范围，未进入高温相，这与5 L实验室规模反应器体积较小、散热较快有关。因此，尽管多项指标提示材料发生了明显降解与稳定化，但结果并不能直接等同于完全成熟或卫生学无害化。
在pH变化方面，所有体系初始经碳酸氢钠调节后处于近中性，随后随堆肥进程逐渐升高，表明有机酸降解及氨化作用持续发生。电导率（EC）和总溶解性固形物（TDS）整体上升，说明矿化作用推进、可溶性离子不断释放。含水率随时间增加而干物质下降，反映有机物分解及基质结构改变带来的水分再分配。
有机质含量在全部处理组中持续下降，灰分则相应升高，其中经预处理的体系下降更为明显，提示预处理可能改善了微生物对基质的可及性。总碳含量整体较稳定，总氮呈轻度升高或维持稳定，C/N比则普遍下降，表明材料逐步向稳定化方向发展。处理后期C/N比收敛于24.00–27.22范围，与文献中成熟或近成熟堆肥的典型区间相符。
综合色差ΔE在堆肥样品及其提取液中均显著增加，反映堆肥颜色加深和腐殖化进展。微生物方面，预处理体系在初期更利于真菌增殖，而后期各体系细菌逐渐占优，符合堆肥过程中典型的微生物演替规律。发芽指数（GI）在所有处理中均随时间升高，最终超过80%的常用植物毒性阈值，部分处理甚至超过100%，表明提取液对种子萌发和根伸长已无明显抑制，甚至具有促进作用。
在最终结构性质上，研究通过容重与孔隙率分析发现，未经处理的完整葡萄皮容重最高，而研磨与提取联用处理容重最低、孔隙率最高。更疏松多孔的基质与更强的微生物活动、更明显的有机质降解以及更高的GI相对应。整体而言，在本实验条件下，研磨与生物活性化合物提取的组合处理表现最优，说明粒径减小带来的比表面积增加、孔隙结构改善，以及提取引起的成分变化，可能共同促进了堆肥过程。

3.2. Correlation Analysis of the Composting Results
该部分利用Spearman秩相关分析阐明了各指标之间的协同变化关系。结果表明，堆肥时间与TDS、EC、堆肥色差、提取液色差、微生物数量和GI均呈显著正相关，说明随时间推进，矿化、腐殖化、微生物增殖与毒性降低同步发生。相反，堆肥时间与干物质、有机质含量呈负相关，反映有机基质持续被分解。
有机质与灰分之间存在极强负相关，体现出有机物降解伴随无机残留相对富集这一堆肥学基本规律。含水率与干物质强负相关，同时与灰分及部分微生物指标正相关，提示水分条件在维持代谢活性和酶促降解中具有关键作用。碳氮方面，总碳与总氮正相关，而C/N比与时间、氮含量负相关，说明随着碳矿化损失和氮相对保留，C/N比不断降低。
综合色差参数与时间、EC等成熟度相关指标正相关，与有机质负相关，进一步支持其作为无损成熟度表征指标的可用性。GI与时间、提取液色差、微生物活性呈正相关，而与有机质和干物质呈负相关，说明其能够综合反映有机酸降解、盐分稳定化、腐殖化和微生物演替等多因素作用。该分析从统计层面验证了堆肥过程中各项理化与生物学变化的内在一致性。

3.3. Principal Component Analysis of the Composting Results
该部分通过PCA对多维数据结构进行降维和综合解析。结果显示，第一主成分（PC1）特征值为5.92，解释39.43%的总方差；第二主成分（PC2）特征值为2.59，解释17.27%的总方差；加入第三主成分后，累计解释率达到72.04%。这表明前3个主成分已保留了绝大部分与堆肥演化相关的信息。
从载荷分布看，PC1主要表征“堆肥时间—有机质转化”轴：有机质、干物质和C/N比位于PC1一侧，而采样时间、EC、TDS、含水率、灰分、色差、微生物数量、pH和GI位于另一侧。这种相对布局清晰揭示了由新鲜葡萄皮向稳定化堆肥转变的过程，即随着时间推进，有机质被降解，矿化程度提高，微生物活跃度增强，成熟度指标上升。
PC2主要与营养组成和生物活性相关，总氮、总碳以及细菌和真菌数量在该轴上具有较高载荷，说明除时间因素外，底物营养组成与微生物量之间也存在紧密耦合关系。色差指标与采样时间及微生物变量相邻，提示颜色变化可作为腐殖化和成熟化的有效表征量。研究人员特别指出，PCA并未提供独立于实验设计之外的“预处理效应证明”，而是从整体上揭示了影响堆肥系统变异的主导因素，其中最核心的是堆肥时间和有机质转化。

3.4. ANN Models for Prediction of Physicochemical Properties of Grape Skin Compost During the Composting Process
该部分评估了人工神经网络对堆肥过程关键指标时间演化的描述能力。研究人员基于Spearman相关矩阵，筛选出与堆肥时间相关性较强的指标作为输出变量，包括TDS、EC、有机质、灰分、ΔE_compost、ΔE_extract和GI，并采用单输入、单隐含层、单输出的MLP模型分别建模。结果显示，仅使用“堆肥时间”这一输入变量，多数模型即可实现较高拟合与验证精度，说明这些指标的时间变化具有较稳定的非线性轨迹。
其中，色差模型表现最佳。ΔE_extract模型训练集R²=0.8949，测试与验证性能亦较强；ΔE_compost模型同样具有较高决定系数，说明腐殖化相关颜色变化最易通过时间序列模式捕捉。GI模型也取得了较好预测效果，表明成熟度与植物毒性变化虽然受多因素共同影响，但其总体时间响应仍具可学习性。
矿化相关指标TDS和EC模型均获得较高R²，与相关分析中二者随时间稳定上升的结果一致。有机质与灰分模型的预测性能略低但仍可接受，反映其变化受多重过程耦合影响更强。总体而言，训练、测试和验证结果较为接近，提示模型过拟合风险有限。研究人员强调，这些ANN模型的目的并非建立普适性工业预测工具，而是作为概念验证（proof-of-concept），展示数据驱动方法可辅助解释堆肥演化规律；鉴于样本量有限且缺乏生物学重复，其推广应用仍需更大规模验证。

关于讨论部分的总结，可概括为：论文讨论围绕“预处理如何通过结构效应与成分效应改变堆肥动力学”展开。研究人员认为，研磨导致粒径减小、比表面积增大、容重下降和孔隙率上升，从而可能改善氧扩散条件并提高微生物定殖效率；提取生物活性化合物则可能部分去除具有抑菌作用的可溶性多酚等成分，缓解微生物降解过程中的抑制效应。二者联合作用，能够在本研究条件下带来更高的微生物活性、更明显的有机质降解及更好的成熟度相关指标。与此同时，作者对研究边界保持谨慎：由于全过程未出现高温阶段、试验周期仅30 d且无生物学重复，因此结果更适合解释为“稳定化增强和植物毒性降低”，而非充分证明堆肥已完全成熟、实现卫生化或具备全面农艺安全性。

研究结论部分可译为：
本研究采用整合理化与微生物学表征、多变量统计分析及人工神经网络（ANN）建模的框架，评估了不同预处理策略下葡萄皮的堆肥化表现。结果表明，葡萄皮是适宜进行好氧堆肥的底物，且预处理策略与30 d过程中堆肥变量的演变相关。在所研究的预处理策略中，研磨与生物活性化合物提取的组合表现出最有利的总体变化趋势。这些处理与更大幅度的有机质含量和C/N比下降、灰分和电导率升高、微生物活性增强以及与腐殖化过程相关的更强色度变化相联系。所有处理的发芽指数在堆肥过程中均有所升高，并在结束时超过常用植物毒性阈值，表明植物毒性降低、堆肥材料逐步稳定化。然而，整个实验期间堆肥过程始终处于中温范围，且持续时间仅为30 d。因此，尽管多个成熟度相关指标提示材料已部分稳定并且堆肥质量改善，但本研究并未证明其已达到完全成熟、卫生化或更广泛监管意义上的全面农艺安全。故所得结果应解释为稳定化增强和植物毒性降低的证据，而非已验证的卫生安全或完全商业化成熟堆肥。Spearman相关分析揭示了堆肥时间、矿化指标、微生物数量及成熟度相关参数之间的强相关关系，而主成分分析表明堆肥时间和有机质转化是数据集变异的主要贡献因素。这两种多变量方法共同为不同处理下堆肥动力学提供了一致的解释。所建立的ANN模型成功捕捉了若干理化变量的非线性时间变化趋势，表明数据驱动建模方法可用于辅助监测堆肥演化。尽管如此，仍需通过延长堆肥周期、实现高温条件、增加生物学重复并扩展卫生学与农艺学评价，进一步验证所得堆肥的实际应用可行性。总体而言，本研究增进了对预处理策略如何影响葡萄皮堆肥化过程的认识，并支持在可持续废弃物管理与循环生物经济框架下推进酿酒副产物的资源化利用。