用生物炭修改对堆肥成熟度进行全面评估框架
Jianmei Zou1, Yihao Hua1, Yushu Cheng2
1College of Environmental Sciences, Sichuan Agricultural University, Chengdu, Sichuan 611130, PR China; Sichuan Provincial Engineering Research Center of Agricultural Non-point Source Pollution Control, Sichuan Agricultural University, Chengdu, Sichuan 611130, PR China.
Bioresource technology
|July 19, 2025
概括
机器学习模型可以准确地预测堆肥成熟度,识别湿度和温度等关键因素. 该框架改善了堆肥过程,以实现更安全的农业和环境管理.
科学领域:
- 环境科学 环境科学
- 农业科学 农业科学
- 数据科学数据科学数据科学
背景情况:
- 堆肥成熟度评估面临不一致性,阻碍了有效的应用.
- 生物炭修正案使传统的成熟度评估变得复杂.
研究的目的:
- 开发生物炭修改堆肥成熟度的预测框架.
- 提高堆肥成熟度评估的准确性和一致性.
主要方法:
- 结合机器学习 (渐变增强,额外树,XGBoost) 和权重技术.
- 使用SHAP分析来确定关键影响参数 (湿度,温度,pH).
- 使用共弦相似度和现实世界堆肥试验验验证了模型性能.
主要成果:
- 非线性模型显示,对堆肥成熟度的预测准确度更高.
- 梯度提升,额外树木和XGBoost实现了C/N比率,GI,NO3−-N和NH4+-N的高R2值.
- 湿度,温度和pH值被确定为成熟的关键驱动因素.
结论:
- 预测框架为堆肥成熟度评估提供了更高的准确性.
- 一个综合成熟度评分强调了甘油指数 (GI) 作为最有影响力的因素.
- 该研究促进了智能堆肥,更安全的农业和环境管理.
