近日，农业农村部环境保护科研监测所产地环境监测与预警创新团队联合养殖业污染防治创新团队利用机器学习实现了镧基复合改性生物炭的精准设计与性能-成本协同优化，为水体富营养化治理提供了兼具高效性与经济性的解决方案。相关研究成果发表在《生物炭》（Biochar）上。

磷酸盐是水体富营养化的重要诱因之一。镧改性生物炭可以去除水体磷酸盐至超低残留浓度，但镧盐的高昂价格限制了其在实际应用中的经济可行性。

本研究将机器学习引入镧基复合改性生物炭的逆向设计与性能-成本协同优化。结果表明，基于树的集成学习模型对磷酸盐去除性能的预测精度最高，模型预测结果与实际去除效果高度吻合。基于模型筛选出镧-铁改性生物炭和2种镧-钙改性生物炭，除磷成本相比于单一镧改性生物炭分别降低了59.25%、55.10%和76.54%，有效实现了治理效果与经济成本的双重优化。本研究为开发低成本、高效益的生物炭材料提供了创新思路，并为解决水体富营养化问题提供了有力的技术支持。

图1 机器学习优化设计流程图

该研究得到中央引导地方资金项目等项目的支持。

原文链接：https://link.springer.com/article/10.1007/s42773-025-00534-3