印度中小型钢铁企业的绿色钢铁转型：对产业集群结构、产品流向、能源使用及碳足迹的深入分析

《Sustainability》：Towards Green Steel in India’s Small and Medium Enterprise Steel Sector: A Critical Review of Cluster Structures, Product Flows, Energy Use and Carbon Footprints

　　

摘要

茶园是一种高投入的农业系统，被认为是土壤中的一氧化二氮（N₂O）排放热点；然而，这些排放的关键控制因素及其定量预测仍然 understanding 不够充分。我们整理了26项已发表研究中的115条田间观测数据，建立了包含气候、土壤特性和施肥管理在内的多因素数据库，并比较了五种机器学习模型——多元线性回归（MLR）、岭回归（Ridge Regression）、支持向量回归（SVR）、随机森林（RF）和梯度提升回归树（GBRT），通过5折交叉验证结合Spearman相关性和特征重要性分析进行了评估。年N₂O排放量差异很大（0.40–73.20 kg·hm^?2·a^?1；平均值为9.85 kg·hm^?2·a^?1），平均直接排放因子（EFd，2.04%）远高于IPCC的默认值。排放量与总氮（TN）投入量呈显著正相关，但与年平均温度（MAT）和年平均降水量（MAP）呈负相关。GBRT模型的表现最佳，能够有效捕捉非线性多因素相互作用；总氮投入量和土壤pH值是主要预测因子，其次是降雨量。然而，特征重要性的排名取决于所使用的方法：RF/SHAP分析将年平均温度排在第五位而非第一位，这反映了两种算法机制的不同。基于GBRT的模型为估算茶园N₂O排放提供了有用工具（LOOCV R² = 0.668），并为茶叶生产系统中的可持续氮管理和有针对性的温室气体减排策略提供了定量支持。