农业农村部环境科研监测所与南京大学合作 ES&T 副封面 | 机器学习与因果路径框架集成揭示镉胁迫下生物炭驱动土壤有机碳动态的差异化机制
研究背景：
全球范围内，镉污染对农业土壤构成了严重威胁，不仅危害生态系统和人类健康，还影响土壤有机碳的动态平衡。传统的钝化修复方法（如施用石灰）虽能有效降低镉的生物有效性，但往往导致土壤有机碳的意外损耗，加剧土壤退化。生物炭作为一种富碳热解产物，因其兼具钝化镉和固碳增汇的双重功能而备受关注。然而，生物炭在镉污染土壤中对有机碳动态的影响机制极为复杂，受生物炭性质、土壤特性、环境因素和镉胁迫水平的共同调控，其关键驱动因子和因果路径尚不明确，导致现有生物炭应用策略难以在不同土壤条件下取得一致的固碳效果。研究目的：
本研究旨在构建一个可解释的机器学习-因果推断集成框架，以系统解析镉污染土壤中生物炭驱动的有机碳动态机制。具体目标包括：利用机器学习模型识别和量化影响土壤有机碳变化的关键驱动因子及其非线性阈值效应；通过因果路径模型揭示土壤性质、生物炭特性、环境条件和镉胁迫对有机碳动态的直接与间接作用路径；并基于上述机制，建立面向特定场地的精准生物炭设计策略，以最大化固碳效率并实现镉的协同管理。研究方法：
研究整合了来自全球1,518个观测数据的综合数据集，涵盖27个输入特征（包括土壤性质、生物炭特性、实验条件等）。首先，采用五种机器学习算法（随机森林、极端梯度提升、人工神经网络、支持向量机、K近邻）对生物炭施用后土壤有机碳的变化率进行预测建模，通过特征筛选和超参数优化提升模型性能。随后，利用随机森林模型的特征重要性和SHAP方法量化关键驱动因子，并结合偏依赖图揭示非线性响应和阈值效应。最后，采用偏最小二乘路径模型定量解析土壤性质、生物炭特性、环境条件与有机碳变化之间的直接和间接因果路径，并基于模型预测结果开展区域尺度的精准生物炭设计验证与应用。主要发现：
随机森林模型表现出最优的预测性能（测试集R² = 0.908），土壤性质是主导有机碳动态的最重要因素（贡献度60.27%），其中土壤磷含量（最优水平：< 0.7 g/kg）和土壤pH是关键调控因子。土壤磷呈现双重阈值效应，过高磷（>1.5 g/kg）会通过竞争吸附破坏碳-磷耦合；土壤镉的效应在5.8 mg/kg处由正转负，揭示了其复杂的调控角色。偏最小二乘路径模型解析出三条主要因果路径：1）直接理化相互作用（如磷与有机碳的竞争吸附，路径系数β = -0.62）；2）气候介导的级联效应（降水通过刺激微生物活性促进有机碳积累，但酸化和镉活化作用抵消部分增益）；3）生物炭老化反馈回路（生物炭碳和氮的氧化降解释放铵根，碳酸盐溶解升高pH，进而活化土壤磷，削弱有机-矿物结合）。区域设计结果表明，生物炭诱导的有机碳积累随土壤pH、镉含量和生物炭施用量的增加而增加，但在不同土壤pH梯度下表现各异。结论：
本研究成功构建了一个将机器学习预测与因果推断相融合的集成框架，系统揭示了镉污染土壤中生物炭驱动有机碳动态的复杂机制与因果路径。研究明确了土壤磷含量、pH、镉浓度和生物炭施用量等关键调控因子的阈值效应，并证实了生物炭老化过程通过改变碳、氮、磷的耦合关系对固碳效率产生深远影响。基于上述发现，提出了面向特定场地的精准生物炭设计策略，强调应根据土壤本底性质（尤其是pH和磷含量）、镉污染程度以及气候条件，量身定制生物炭特性（如碱性、比表面积、碳氮含量等），以实现有机碳固存与镉污染治理的协同增效。该框架为将理论知识转化为精准的土壤管理方案提供了科学可靠的决策支持系统。在镉污染土壤中，生物炭介导的土壤有机碳动态受生物炭性质、土壤特性和环境因素之间复杂相互作用的调控。然而，关键驱动因素和因果机制尚不明确，阻碍了生物炭固碳策略的设计。本研究整合机器学习与偏最小二乘路径模型，建立了一个可解释的因果框架。利用全球数据集，一个高精度的随机森林模型量化了主要驱动因素。土壤性质主导了预测（60.27%），其中磷（最优水平：< 0.7 g/kg）和pH成为最关键的因素。非线性阈值显示，当镉浓度超过5.8 mg/kg时，镉的作用由正向转为不显著。偏最小二乘路径模型量化了因果路径：(i) 物理化学相互作用（如磷的竞争吸附使土壤有机碳减少，β = -0.62，p < 0.001）；(ii) 气候介导的级联效应；以及 (iii) 生物炭老化反馈。使用训练范围之外的独立数据集对模型进行验证，显示出合理的相对ΔSOC预测误差范围（±6% - 20%）。有机碳积累随pH、镉含量和生物炭施用量的增加而增加。特定场地的设计应优先考虑 (i) 固有土壤性质（pH和磷），(ii) 镉梯度，以及 (iii) 定制的生物炭参数。该框架优化了生物炭设计，以实现有机碳固存与镉协同管理的最大化。在受有毒金属污染的农业系统中，土壤有机碳的稳定对于通过增强陆地生态系统功能来实现可持续发展目标15.3（土地退化零增长）至关重要。全球14%-17%的农田受到有毒金属污染，其中镉的超标率最高，达到9.0%（±1.5%），导致严重的生态系统和人类健康后果。传统的修复方法，如石灰固定化，能有效降低镉的生物有效性（例如，降低36.8%），但常常导致非预期的土壤有机碳损耗（例如，损失9.4%），进一步加剧了土壤退化，并危及农业的长期可持续性。这些局限性凸显了迫切需要能够增强碳封存并兼具污染控制协同效益的绿色修复策略。
生物炭，一种富碳的热解产物，已成为一种有前景的双功能解决方案，能够通过表面络合和沉淀作用固定镉，同时通过提供外源碳输入以及通过生物炭衍生的碳保留和原生土壤有机碳稳定作用来减少原生土壤有机碳的矿化，从而潜在地提高土壤有机碳含量。最近的研究进一步揭示，土壤有机碳动态的主要机制受土壤固有性质及其与土壤组分和周围环境相互作用的共同控制。关键因素包括微生物群落、有机-矿物结合体的形成以及土壤有机质的化学特性。尽管生物炭可以通过物理保护和化学相互作用促进土壤有机碳的稳定，但这些效应受到生物炭性质（如孔隙度）、土壤特性（如粘粒含量）和环境条件（如温度、湿度）之间复杂相互作用的调节。新兴的生物炭策略通过使用具有高表面积和矿物质（如铁和锰）的生物炭来固定重金属并形成稳定的有机-矿物复合体，共施有机改良剂（如堆肥）以促进矿物-有机相互作用并稳定土壤有机碳，以及采用分阶段方法优先固定重金属再构建稳定土壤有机碳库，从而改善了污染土壤中的有机碳封存。然而，生物炭对镉污染土壤中有机碳动态的影响仍未得到充分研究。关键是，镉污染可能改变这些相互作用；然而，其作用仍未得到充分研究。一些研究表明，生物炭诱导的镉固定化可通过降低镉毒性和促进有机-矿物结合来增强有机碳的稳定。相比之下，其他研究报告称，镉诱导的微生物活化和加速的有机质矿化导致了有机碳的损耗。这种矛盾揭示了一个未解决的问题：虽然镉污染影响有机碳动态，但生物炭介导的镉固定化如何调控有机碳稳定的机制尚不清楚。因此，目前的生物炭应用策略往往未能在污染土壤中实现一致的碳封存效果，因为传统模型忽视了这种金属依赖性变异性。
虽然机器学习为模拟复杂的土壤系统提供了强大的工具，但流行的基于相关性的方法（如随机森林、XGBoost）存在因果盲区，可能导致在异质环境中的结论存在偏差。因此，本研究采用偏最小二乘路径模型，这是一种因果推断工具，用于量化对有机碳稳定效率的直接和间接影响，并阐明潜在的因果路径。尽管取得了这些进展，现有方法仍缺乏一个集成的框架，以使用因果机器学习方法解码异质环境下的有机碳-镉-生物炭相互作用——本研究旨在填补这一空白。此外，为了减轻当代机器学习框架中的数据泄露和非分层划分问题，本研究实施了严格的验证协议，以确保数据的连续性和代表性，从而增强模型的可解释性和泛化能力。
本研究开发了一个用于镉污染农业生态系统中生物炭应用的可解释的机器学习-偏最小二乘路径模型框架。利用包含1,518个观测值的全球数据集，我们系统地评估了27个生物炭-土壤相互作用特征，应用了非线性特征选择，验证了因果路径，并建立了针对特定土壤的有机碳持久性设计策略。通过将数据驱动预测与因果推断相结合，该方法为精准生物炭管理提供了机制基础，以增强污染土壤中的有机碳储量，直接支持可持续发展目标15.3（土地退化零增长）。
以上为文章的主要内容，如需了解详情，请阅读原文。
声明：本公众号为非盈利性新媒体，所刊载文章版权属于原作者及相关出版商所有；此推文目的在于分享前沿学术成果。如涉及侵权，请立刻联系公众号后台或发送邮件，我们将及时修改或删除！由于微信修改了推送规则，请大家将本公众号加为星标，或每次看完后点击页面下端的“在看”，这样可以第一时间收到我们每日的推文！
特别提示：投稿、转载和合作，请先关注公众号，私信联系后台或者发邮件到oceanystsj@163.com邮箱！！！
10个月宝宝每天需要喝多少奶粉？
