1 关键科学问题
生物可降解地膜（BDM）作为农业塑料污染防控的重要策略，其降解周期受材料成分、气候、土壤性质及微生物活动等多因素影响，存在显著区域差异（从数月到数年），导致与作物生长周期不匹配。现有研究多聚焦单一因素，难以全面解析复杂降解机制，亟需系统性方法预测区域降解速率，以优化农业实践并减少环境风险。
2 研究亮点
开发基于机器学习的BDM降解预测模型
量化24项影响生物可降解地膜降解速率的关键因素
实现中国2800余个县/区的BDM降解速率空间化预测
3 研究方案
数据整合：从Web of Science等数据库提取2013-2023年35篇文献的699条数据，涵盖气候（温度、降水、紫外线）、土壤（pH、有机质、粒径）、材料（PLA/PBAT比例、厚度）及微生物（Chao1指数、Shannon指数）等变量。
元分析量化：采用混合效应模型（R包metafor）评估各因素对降解率的贡献度，识别关键驱动因子（如温度、时间、微生物多样性）。
机器学习建模：构建7种模型（RF、XGBoost、MLP等），通过网格搜索优化超参数，利用SHAP值解析变量重要性。
区域预测与验证：输入中国县级气候土壤数据，预测PBAT及PLA/PBAT地膜的6/9月降解率，并通过南京田间实验验证模型准确性。
4 结果与讨论
关键因素解析
气候：温度是最大驱动力（QM=46.6），>26℃显著加速降解（微生物活性增强）；降水与紫外线因数据偏差贡献较低。
材料：PLA比例增加（>30%）和地膜增厚会延缓降解（表面接触减少）。
土壤：低容重（BD<140 kg/m³）、高有机质（SOM>25%）及中性pH（6.5-7.5）显著促进降解。
微生物：Chao1指数<1000且Shannon指数5-6时降解率最高，过高多样性引发种间竞争反抑制降解。
模型性能
RF和XGBoost模型预测精度最优（测试集R²=0.919-0.929，RMSE=4.5-5.76），显著优于MLP（R²=0.82）。
SHAP分析显示，温度、时间、PLA比例、微生物多样性及土壤粉粒含量为前五大贡献因子。
区域预测
中国南方（长江以南）因高温高湿及肥沃土壤降解率最高（9个月达40%），东北和西北部分区域因高有机质（SOM>66%）及中性pH亦表现优异。
PLA/PBAT（40%/60%）地膜降解速率较纯PBAT低20%-30%，凸显材料配比调控的重要性。
5 结论
不足与展望：
现有数据集中于短期降解（<180天），长期（>1年）及高降解率（>40%）预测能力有限；
紫外线辐射及光降解数据不足，需补充高暴露实验；
模型需结合动态环境参数（如季节性温湿度波动）提升时空分辨率。
应用潜力：
为区域定制BDM配方及农艺措施（如翻耕、施肥）提供决策支持；
通过“本地数据再训练”实现田间精准调控，助力可持续农业发展。
(水平有限，感兴趣者请查看原文）
投稿、转载、合作可在后台留言（备注：微信号）或发邮件至sthjkx1@163.com
