新闻公告为应对气候变化和环境污染，寻求可持续发展的解决方案日趋重要。通过水热碳化（HTC）技术实现农业废弃物增值既提供了创新路径，也带来了重大挑战。关键难题是农业原料的异质性——其木质素、纤维素、半纤维素及氨基酸含量等化学与形态特征的差异，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通过混合统计与机器学习（ML）模型对HTC工艺进行优化与建模研究，旨在解决原料多样性问题并提升HC品质。将ML与统计技术融入HTC过程中的美拉德反应、解聚反应和脱羧反应等环节，为农业废弃物高效管理提供了创新策略。
研究还探讨了农业废物流协同作用对土壤健康关键有益微生物（如根瘤菌和菌根真菌）的促进作用。生命周期评估（LCA）进一步凸显了HTC技术的可持续性优势，其中也将碳封存与温室气体减排效益纳入评估。与热解法相比，农业废弃物HTC处理可降低30%的全球变暖潜势和24%的生态毒性潜势，环境负担显著减轻。
研究表明，混合优化HTC技术在推动气候智慧型农业与可持续农业废弃物管理中可发挥重要作用。研究成果以“Hybrid agricultural waste valorization through machine learning-optimized hydrothermal carbonization and sustainability: A review” 为题发表在《Industrial Crops & Products》。该研究由新疆生地所为第一单位，Collins Chimezie Elendu为第一作者，新疆生地所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、新疆维吾尔自治区科技援疆计划等资助。
论文链接：https://doi.org/10.1016/j.indcrop.2025.121147
图：基于机器学习的农业废弃物混合利用与可持续性优化策略