新疆生地所通过“机器学习-水热碳化-生命周期评价”模型为土壤修复提供决策支持

　　

????当前，世界各国为应对气候变化和环境污染，都在积极寻求可持续发展的解决方案。水热碳化（HTC）技术可以实现农业废弃物增值以及土壤修复，提供了解决该问题的创新路径，但农业原料的异质性影响水热炭（HC）产出质量。

????中国科学院新疆生态与地理研究所科研人员在农业废弃物水热碳化环境影响方面，提出了一套机器学习（ML）增强型生命周期评价（LCA）模型，解决了水热炭化系统的复杂性问题。针对传统生命周期评价方法难以捕捉原料变异性、工艺参数（如温度、停留时间）与多类别环境影响（如全球变暖潜势、富营养化效应）之间的非线性作用关系等问题，整合随机森林、神经网络等机器学习算法进行动态建模，最大限度地提升了水热炭土壤修复效益，优化了水热碳化工艺条件，实现了环境负荷最小化。研究结果还显示，可再生能源整合与过程用水管理是实现负碳足迹的关键要素。

????研究表明，“机器学习-水热碳化-生命周期评价”（ML-HTC-LCA）模型，把计算创新与可持续发展实践有机结合，为气候智慧型农业提供了决策支持。研究成果以“Machine learning-enhanced life cycle assessment of hydrothermal carbonization for agro-waste valorization: Innovations in sustainable soil remediation”为题发表在《Industrial Crops & Products》。该研究第一单位为新疆生地所，裴亮研究员为第一作者，热合曼江·吾甫尔副研究员、多佳副研究员和段培高特聘研究员为共同通讯作者。该研究得到新疆维吾尔自治区重点研发计划等资助。

????论文链接：https://doi.org/10.1016/j.indcrop.2026.122704

图：基于水热碳化技术的机器学习增强型生命周期评价体系