【儀表網 研發快訊】為應對氣候變化和環境污染，尋求可持續發展的解決方案日趨重要。通過水熱碳化(HTC)技術實現農業廢棄物增值既提供了創新路徑，也帶來了重大挑戰。關鍵難題是農業原料的異質性——其木質素、纖維素、半纖維素及氨基酸含量等化學與形態特征的差異，影響水熱炭(HC)產出質量。
 

　　中國科學院新疆生態與地理研究所科研人員通過混合統計與機器學習(ML)模型對HTC工藝進行優化與建模研究，旨在解決原料多樣性問題并提升HC品質。將ML與統計技術融入HTC過程中的美拉德反應、解聚反應和脫羧反應等環節，為農業廢棄物高效管理提供了創新策略。
 

　　研究還探討了農業廢物流協同作用對土壤健康關鍵有益微生物(如根瘤菌和菌根真菌)的促進作用。生命周期評估(LCA)進一步凸顯了HTC技術的可持續性優勢，其中也將碳封存與溫室氣體減排效益納入評估。與熱解法相比，農業廢棄物HTC處理可降低30%的全球變暖潛勢和24%的生態毒性潛勢，環境負擔顯著減輕。
 

　　研究表明，混合優化HTC技術在推動氣候智慧型農業與可持續農業廢棄物管理中可發揮重要作用。研究成果以“Hybrid agricultural waste valorization through machine learning-optimized hydrothermal carbonization and sustainability: A review” 為題發表在《Industrial Crops & Products》。該研究由新疆生地所為第一單位，Collins Chimezie Elendu為第一作者，新疆生地所多佳副研究員和段培高特聘研究員為共同通訊作者。該研究得到新疆維吾爾自治區重點研發計劃、新疆維吾爾自治區科技援疆計劃等資助。
 

 

圖：基于機器學習的農業廢棄物混合利用與可持續性優化策略