《Global Change Biology Bioenergy》：Global-Scale Analysis of Biochar Cropland Application Strategies and Their Climate Change Mitigation Potential Using Machine Learning
編輯推薦：
這篇綜述運用機器學習（XGBoost）模型，在全球尺度上評估了生物炭（biochar）施用對主要糧食作物（水稻、小麥、玉米）產量及溫室氣體（CO2、N2O、CH4）排放的影響，并識別了土壤性質與氣候條件的關鍵作用。通過模擬優化和生命周期評估（LCA），該研究為制定因地制宜的生物炭施用策略、最大化其農業與氣候協同效益提供了量化依據和科學路徑。
引言
氣候變化與農業可持續發展是當今世界面臨的兩大嚴峻挑戰。農業活動是重要的溫室氣體排放源，其排放量在2023年占全球總排放的11%。同時，農業自身也極易受氣候變化影響，極端天氣事件可能導致嚴重的產量損失。此外，過度施用氮肥、長期單一種植等問題導致耕地質量退化，進一步加劇了對全球糧食安全的威脅。
生物炭，作為一種在限氧條件下通過生物質（如農林廢棄物）熱解（300°C–700°C）獲得的富碳材料，因其具有高碳含量、多孔結構、穩定性和豐富的官能團等特性，近年來受到廣泛關注。研究表明，生物炭可改善土壤結構和肥力，增強作物抗逆性，并有助于長期碳封存。熱解過程還可聯產生物能源（生物氣和生物油），替代化石燃料，進一步減少溫室氣體排放。然而，農田施用生物炭對作物產量和土壤溫室氣體排放的響應具有高度變異性，其效果不僅受生物炭自身性質（如熱解溫度、原料）和施用量影響，還與區域性的土壤、氣候及農業管理實踐差異密切相關。這種復雜性限制了其從局部試驗向大規模推廣的進程。
傳統分析方法（如薈萃分析）在捕捉多變量間復雜的非線性交互作用方面存在局限。機器學習（ML）方法因其在處理大規模、多維數據集中捕獲線性和非線性關系方面的強大能力，成為解決此類復雜科學問題的有力工具。本研究旨在通過構建基于全球數據集的機器學習模型，預測生物炭施用對作物產量和土壤溫室氣體排放的影響，識別關鍵驅動因子，并通過全球尺度模擬和生命周期評估，量化優化生物炭施用策略的氣候減緩潛力。
數據與方法
研究團隊通過系統文獻檢索，構建了一個關于生物炭施用對全球農業系統中三種主要糧食作物（水稻、小麥、玉米）產量及土壤三種主要溫室氣體（CO2、N2O、CH4）排放影響的綜合數據集。數據篩選嚴格限于田間試驗。從每項研究中提取了11個變量作為機器學習模型的輸入特征，包括生物炭性質（熱解溫度、原料）、試驗條件（生物炭施用量、氮施用量）、土壤性質（pH、容重、土壤有機碳、全氮）、作物類型以及氣候條件（年均溫和年降水量）。根據數據完整性，最終數據集按預測目標分為四個子集：產量、CO2、CH4和N2O。
模型開發選擇了隨機森林和極端梯度提升兩種算法。通過網格搜索和貝葉斯優化調整超參數，并使用決定系數和均方根誤差評估模型性能。結果表明，XGBoost模型在所有預測目標上均表現出優于隨機森林的預測性能和計算效率，因此被選為后續分析的最優模型。
為增強“黑箱”模型的解釋性，研究整合了SHapley Additive exPlanations方法。基于最優模型，應用TreeSHAP算法計算每個特征的Shapley值，量化其對模型預測貢獻的方向和大小，并通過匯總圖和條形圖進行可視化，以識別影響作物產量和溫室氣體排放變化的關鍵預測因子。
利用從現有數據源獲取的全球氣候條件、土壤性質和作物氮肥施用率空間柵格數據，研究通過最優模型在全球尺度上進行了迭代模擬。模擬在設定的生物炭施用量和熱解溫度梯度范圍內，尋找每個柵格單元中能使作物產量增幅最大的優化施用策略，并據此預測相應的溫室氣體排放變化，從而評估增產與減排之間的權衡。
最后，研究采用生命周期評估方法，遵循ISO標準，量化了秸稈原料從收集、熱解到農田施用的全生命周期溫室氣體排放與減排。與以往研究不同，本分析的LCA輸入參數（如生物炭施用量、作物產量和溫室氣體排放變化）直接來源于機器學習模型優化的全球策略結果，實現了機器學習與生命周期評估的融合，評估更為可靠。貢獻分析、敏感性分析和蒙特卡洛模擬被用于識別主要排放/減排源、關鍵敏感參數并量化總體不確定性。
結果與發現
模型性能與特征重要性分析
XGBoost模型在預測作物產量、CO2、CH4和N2O排放變化時均表現出較強的預測能力。SHAP分析揭示了不同模型的特征貢獻存在廣泛差異。
- •
作物產量模型：年均降水量被識別為最重要的特征，表明在較干旱地區，生物炭施用對產量的提升效果更顯著。生物炭施用量和氮施用量次之。在作物類型中，小麥顯示出比水稻和玉米更大的增產潛力。
- •
CO2排放模型：土壤全氮是主導預測因子，較高的全氮水平與CO2排放增加相關。氣候條件和土壤pH、生物炭熱解溫度也具有重要影響。
- •
CH4排放模型：年均溫和土壤容重起關鍵作用。值得注意的是，土壤容重表現出非線性效應，在容重過高或過低的土壤中施用生物炭均可能導致CH4排放增加。
- •
N2O排放模型：土壤有機碳和氮施用量是最有影響力的特征。接受高氮輸入的農田在施用生物炭后表現出更大的N2O減排潛力，其中玉米的減排潛力最大。
總體上，特征組重要性分析表明，土壤性質和氣候條件是塑造生物炭效應的主導因素，其次是管理措施，而生物炭性質和作物類型的貢獻相對較低。這凸顯了制定空間優化施用策略以最大化生物炭效益的重要性。
全球生物炭優化施用模擬
全球迭代模擬確定了最大化作物增產的最佳生物炭施用量和熱解溫度。水稻、玉米和小麥的平均推薦施用量分別為21、19和17噸/公頃。推薦高施用量（≥25噸/公頃）的區域主要位于亞洲和巴西。就熱解溫度而言，高溫生物炭（≥600°C）主要適用于歐洲、東南亞、巴西和美國部分地區；而在全球大多數其他地區，最佳熱解溫度在300°C–400°C之間。
模型預測顯示，優化策略能在全球絕大多數農田同時提升產量并減少排放，但其幅度和最優策略存在區域異質性：
- •
作物產量：玉米和水稻平均增產約16%，小麥平均增產18%。巴西、西非、南亞和東南亞的玉米和水稻增產最為顯著（>25%）。美國、東歐、南非和澳大利亞的小麥增產明顯。
- •
溫室氣體排放：
- •
CO2：水稻田CO2排放平均減少2%，但在東亞部分區域（如韓國、中國東北）有所增加。全球玉米和小麥田的土壤CO2排放預計略有增加。
- •
N2O：在大多數作物種植區持續減少，玉米、小麥和水稻的平均減排幅度分別為19%、11%和10%。美國、歐洲、南亞和東南亞的玉米種植區減排效果尤為顯著。
- •
CH4：全球稻田CH4排放平均變化不大，但空間變異性強。巴西南部和華南地區減排顯著（30%–50%），而日本等地排放有所增加。
生物炭系統的生命周期評估與氣候減緩潛力
生命周期評估結果顯示，以每噸秸稈為功能單位，生物炭系統全生命周期可實現1103千克 CO2-eq的凈減排。貢獻分析表明，避免常規秸稈管理（如焚燒或還田）是最大的碳匯貢獻者，占78.2%；其次是能源替代，占18.2%。主要的碳排放源來自生物炭自身分解和熱解過程。
敏感性分析顯示，避免秸稈焚燒與還田、能源回收率、生物炭碳的難降解比例等參數對凈減排量影響最為顯著。蒙特卡洛模擬表明，在95%置信水平下，凈減排量在828–1395千克 CO2-eq/噸秸稈之間。
基于2022年全球三大主糧作物種植面積及秸稈可利用量估算，實施該優化生物炭策略，每年可抵消1.08 Pg CO2-eq的排放，相當于抵消2023年全球農業溫室氣體排放的17%或全球凈人為排放的2%，同時可使全球主糧產量增加約1500萬噸。
討論與結論
本研究通過機器學習模型和全球模擬，深入探討了生物炭施用對作物產量和土壤溫室氣體排放的影響。結果表明，生物炭的效益并非放之四海而皆準，土壤性質和氣候條件是其效果的關鍵決定因素。因此，優化的生物炭施用策略及效益呈現明顯的空間差異性——熱帶地區通常表現出更顯著的增產效益，而溫帶地區則顯示出更強的溫室氣體減排效果。
研究提出了可優先部署生物炭策略的三個代表性區域：面臨干旱和土壤退化威脅的非洲、土壤酸性強且養分貧瘠的熱帶地區，以及便于大規模機械化作業、面臨減排壓力的溫帶發達經濟體。每個區域都能從量身定制的生物炭策略中獲得獨特的農業、環境和氣候韌性收益。
盡管當前估算已顯示出巨大的潛力，但生物炭的氣候變化減緩潛力可能仍被低估。例如，對植物和微生物源有機碳的累積、土壤無機碳庫的增加等其他碳匯效應尚未完全量化。此外，生物炭在森林、濱海濕地等其他生態系統中也具應用潛力。
總之，生物炭技術潛力巨大，但其應用策略必須考慮區域異質性，特別是土壤性質和氣候條件。因地制宜的生物炭策略不僅能帶來減緩氣候變化、減少污染、促進資源循環等全球性效益，也能為小農提供增產、改土、減少對化肥農藥依賴等本地化益處。這項研究為將生物炭從局部試驗推向全球環境治理提供了重要的數據支持和決策依據。
