【技术交流】固体废物处理与处置 | 基于机器学习的植物生长及固碳能力对固废基质的响应研究

来源：市场资讯

（来源：生态修复网）

基于机器学习的植物生长及固碳能力对固废基质的响应研究

赵蕊1,2,3,王冬梅1,2,3,杜韬4,张琳琳5,郭苗1,2,3

1.北京林业大学水土保持学院，北京　100083

2.北京林业大学，教育部林业生态工程研究中心，北京　100083

3.北京林业大学，国家林业和草原局水土保持与荒漠化防治重点实验室，北京　100083

4.中国电力工程顾问集团华北电力设计院有限公司，北京　100120

5.沃德兰特（北京）生态环境技术研究院有限公司，北京　100192

摘要：

为推进矿山固体废弃物资源化利用并探究其在生态修复中的碳汇潜力，选取煤矸石、粉煤灰、炉渣、污泥和玉米秸秆等固体废弃物复配腐殖土栽培先锋藤本植物葛藤，通过L16(45)正交试验设计16种基质配比，测定基质养分(全氮、全磷、有机质)、葛藤生长指标(株高、根长、生物量)与光合生理指标(叶绿素、光合参数)及系统碳储量(Cs)。基于熵权DTOPSIS法构建适生性指数(Ci)，采用随机森林机器学习模型与偏依赖图识别贡献因子与关系模式，并用偏最小二乘路径模型(Partial Least Squares Path Modeling，PLS-PM)解析因果路径。

结果表明：

①利于葛藤生长的最优基质配方为G1(土壤68.75%、炉渣1.25%、煤矸石6.25%、粉煤灰2.50%、污泥10%、玉米秸秆11.25%)，其适生性指数(0.726)最高。熵权分析表明，蒸腾速率、根长与光合速率的权重最高，说明水分代谢、养分吸收与碳同化能力是葛藤提高适应性的关键生理过程。

②随机森林机器学习模型分析表明，光合速率与根长是预测适生性指数及碳储量的共同关键因子；株高是碳储量的特异性预测指标；土壤添加量、玉米秸秆添加量和粉煤灰污泥配比为有效调控组分。

③PLS-PM路径模型分析表明，资源化基质改良通过显著改善植物生理生态状况(路径系数为0.867)，助力生物量积累、株高生长及根系发育，驱动系统碳汇能力极显著提升(路径系数为0.986)。

研究显示，多源固废改良后的喷播基质，实现了对葛藤生长及固碳能力的精准提升与矿区固废基质的高效利用，提供了一种基于机器学习解析的、可预测的固废资源化新策略。

向上滑动阅览全文

(生态修复网)