生物炭添加（BA）被认为是降低土壤温室气体（GHGs）排放的有效手段，但必须评估在不同水肥策略（WFS）下是否保留这种能力，尤其是对于沼液策略（BSS）下，以及BA比例对GHGs排放的具体影响。本研究通过土柱试验探明了不同BA添加比例下2种WFSs对土壤GHGs排放和细菌亚群落的具体影响及其潜在机制。在传统化肥策略（CFS）中BA有助于CO2（29.19-36.51%）的减排，但增加了CH4（21.62-135.08%）和N2O（48.16-51.31%）的排放；从CFS转变为BSS可以降少CO2（14.89%）和N2O（71.83%）的排放，但刺激了CH4（101.72%）的排放，同时4和6%的BA加大了BSS对这3种GHGs的调整力度，而2%的BA表现为逆向调节。我们还发现BSS和BA均有助于土壤稀有亚细菌群落丰度的提高，同时WFS较BA对亚群落的重塑力度更大，其中2%的BA对亚细菌群落的改变往往是与众不同的。此外，我们发现BSS重塑了BA调控亚细菌群落介导的GHGs排放路径，并突出了亚细菌群落在调控GHGs排放的“优先效应”，我们还强调了亚细菌群落中碳氮周转过程调控GHGs排放的整体性。总的来说，我们的研究表明BA对土壤GHGs减排的有效性受限于WFS，这应纳入应对气候变化缓解策略的制定。

图文摘要

01

生物炭在两种水肥策略中对温室气体排放的影响表现出不一致性。

02

稀有亚细菌群落表现出最高的多样性和丰富度，而中度亚细菌群落则在数量上占据优势。

03

生物炭添加通过改变土壤环境因子来影响亚细菌群落进而调控温室气体的排放，而沼液策略重塑了这一路径。

04

应充分结合水肥策略找寻最适生物炭添加比例，以期为农业可持续发展和气候变化缓解策略制定提供科学依据。

基于人工智能（AI）和机器学习（ML）的方法在预测生物废弃物与自然资源可持续高效管理的最优条件方面具有重要应用价值。本研究探究了不同机器学习模型（如极端梯度提升、决策树、随机森林）在猪粪水热处理优化中的应用，重点关注钙（Ca）、铁（Fe）离子对水热炭和液相产物中磷（P）分布的影响。具体分析了水热处理过程中水热炭中总磷（TPS）和液相中无机磷（IPL）的归趋，并结合机器学习预测结果开展实验验证。结果显示，极端梯度提升模型性能优于其他模型，对TPS（决定系数R²=0.77）和IPL（R²=1.0）均表现出较高的预测精度。影响模型精度的关键因素包括原料组成、反应温度、反应时间、固液比以及钙、铁离子浓度。液相核磁共振磷谱（NMR）和X射线衍射图谱（XRD）表明，随着反应强度增加，水热炭中有机磷含量分布更趋均一。这些研究结果凸显了基于人工智能方法在水热处理过程优化中的应用潜力，为生物资源的安全回收、管理及开发提供了更具可持续性和高效性的解决方案。

图文摘要

磷改性生物炭兼具固定重金属与提高土壤特性的双重功能。然而，微生物对土壤性质变化的响应机制尚不明确。本研究采用苹果树枝与磷酸钾共热解制备磷改性生物炭，用于修复矿区周边重金属污染土壤，系统研究磷改性生物炭对土壤微生物群落的影响，并揭示其关键驱动因素。结果表明，磷改性生物炭主要通过共沉淀和阳离子交换机制使土壤中生物有效镉和铅含量分别降低了28.21%和28.64%，继而使玉米籽粒中的镉和铅浓度随之分别降低36.52%和61.82%。同时，磷改性生物炭的施用显著降低了土壤细菌的丰富度和多样性（P<0.05）。微生物共线性网络模块分析与偏最小二乘路径建模分析表明，关键微生物类群模块1与模块3在土壤氮和磷循环中发挥着重要但相反的作用，生物炭因打破了土壤氮和磷的供应平衡，迫使关键微生物类群发生了适应性调整，进而导致土壤微生物群落组成与结构发生改变。值得注意的是，重金属生物有效性的变化对土壤微生物群落的影响微乎其微。综上，磷改性生物炭可有效降低土壤重金属生物有效性，并通过调节养分供给平衡改变微生物群落结构组成。这一发现打破了传统认知中微生物“降毒即恢复”的线性思维，强调了在污染土壤修复中需统筹考虑重金属钝化与土壤养分管理的协同作用。

图文摘要

01

磷改性生物炭主要通过共沉淀和阳离子交换机制显著降低土壤重金属的生物有效性，继而减少作物对重金属的吸收。

02

生物炭打破了土壤氮和磷供应的固有平衡，迫使在土壤氮和磷循环中发挥重要但相反作用的核心微生物类群（模块1和3）进行了适应性调整，最终导致土壤微生物群落发生改变。

03

重金属生物有效性的变化对土壤微生物群落的影响较小。

04

在重金属污染土壤修复过程中需统筹考虑重金属钝化与土壤养分管理的协同作用。