6月3日,南京大学马林教授团队在Nature Communications在线发表了题为“Machine learning-optimized composting strategies can enhance nutrient recycling and transform food system waste into a net carbon sink”的研究论文,通过机器学习识别出19个堆肥关键管理参数,通过优化策略能使堆肥从温室气体净排放源逆转为碳汇。

有机废弃物堆肥为养分循环和恢复土壤健康提供了一种循环解决方案,但过程中氮(N)和碳(C)的损失削弱了其农业与气候效益。本研究采用机器学习方法,分析了全球848项涉及畜禽粪便、食物废弃物和污泥的堆肥实验,识别出驱动氨(NH₃)、氧化亚氮(N₂O)、甲烷(CH₄)和二氧化碳(CO₂)排放的19个关键管理参数。估算全球堆肥过程中每年的损失为74.7万吨氨氮(NH₃-N)、8.1万吨氧化亚氮氮(N₂O-N)和59.2万吨甲烷碳(CH₄-C),相当于每年约6100万吨CO₂当量(~61 MtCO₂e yr⁻¹)。通过优化有机废弃物处理策略,例如调节通风、添加剂和碳氮比,堆肥产业链可从净排放源(4010万吨CO₂当量)转变为碳汇(−1510万吨CO₂当量),同时为作物保留养分。在最优减排情景下,中国、巴西和美国成为堆肥的三大碳汇,合计贡献了总减排量的65%。
声明:本公众号仅用于分享前沿学术成果,无商业用途。如涉及侵权,请联系公众号后台删除!