团队成果—CEJ｜堆肥腐熟度评价指标的适用性与局限性：综述

中国农业大学李国学教授有机资源循环高水平创新团队近期在国际期刊Chemical Engineering Journal（IF=15.1）上发表有关堆肥腐熟度评价的综述文章《Applicability and limitation of compost maturity evaluation indicators: A review》，该文章通讯作者为中国农业大学资源与环境学院袁京副教授，第一作者为孔艺霖博士生和张婧硕士生。该文章得到国家自然科学基金（42207380）、国家现代农业产业技术体系建设专项（CARS-39）和中国农业大学2115人才发展计划的支持。

01

文章亮点

目前，堆肥行业缺乏统一的评价堆肥腐熟度的方法和标准。建立针对各种堆肥原料和环境条件的更全面、更优化的堆肥腐熟度评价体系，或开发更快、更准确、更具成本效益的检测指标，是强化堆肥生产过程和产品质量评价的重要前提。因此本篇综述首次系统性的介绍、分析和探讨了目前堆肥腐熟度不同评价指标的作用、优缺点、适用性和局限性，包括物理指标容易受堆肥外界环境影响，化学指标受限于堆肥原料的多样性，种子发芽指数法的标准化和规范化是亟需解决问题，光谱指标需要发展定量化的评价方法，标准化的数据训练集对于机器学习的性能至关重要。同时提出了堆肥腐熟度评价指标未来研究展望，为今后堆肥腐熟度全面系统评价体系的构建和科学评价有机肥的制作过程及产品质量奠定坚实基础。

图1 图文摘要

02

研究必要性与意义

堆肥是利用好氧微生物将有机固体废物转化为稳定的腐殖质并作为有机肥施用的一种资源化处理方法。堆肥产品的腐熟度评价在堆肥生产和堆肥产品质量评价过程中起着重要作用，对于其安全应用于农田有着重要的意义。目前，堆肥腐熟度评价从单一指标到综合分析，从传统理化性质到新兴方法的应用，堆肥腐熟度评价指标与方法繁多且均存在局限性，包括传统的物理指标（如温度、气味、含水率等）、化学指标（如pH、电导率、碳氮比、阳离子交换量等）和生物学指标（如呼吸速率和种子发芽指数等）、光谱指标以及新兴的计算机视觉和机器学习等。准确地进行腐熟度评价是个复杂的问题，不同的指标有不同的适用范围和适用原料。然而，目前为止还没有文献系统的量化各类腐熟度评价指标的适用范围，更没有系统总结不同腐熟度评价指标的局限性。鉴于有机肥行业对堆肥腐熟度评价的迫切需要，建立更加规范、通用的腐熟度评价体系或开发快速、准确、经济高效的检测指标势在必行。

03

文献检索与数据收集

本研究在web of science（WOS, http://apps.）检索关键词“堆肥腐熟度评价”，时间范围为2010~2023年，共检索到164篇相关文献。为了保证检索文章的可靠性，本研究进一步设定了一系列文章的选择标准:（1）研究对象为好氧堆肥；（2）堆肥材料为有机固体废弃物；（3）堆肥腐熟度指标的评价至少包括物理指标、化学指标、生物指标；（4）多篇文章中相同的结果只筛选一次。最终选取36篇文献。其中，温度、pH、电导率（EC）和发芽指数（GI）是评估堆肥腐熟度最常用的指标。然而，由于堆肥原料和条件的复杂性和变化性，现有的评估堆肥腐熟度的方法缺乏规范性和准确性。

图2 各腐熟度评价指标在文献中的出现次数

04

腐熟度评价指标的适用性、局限性及展望

（1）物理指标

物理指标主要依靠物理方法来评估腐熟度，其依据是堆肥的可观察特性，如温度、颜色、气味和水分含量等。然而，由于物理指标易收到外界环境条件和主观的影响，且只能定性评价堆肥腐熟，准确性和可比性较低，从而使精确的量化具有挑战性，故此类方法为评判堆肥腐熟度的一个辅助指标，它仅能对堆肥的腐熟程度进行初步判断，无法对其进行定量评价；将物理指标进行机器定量化并形成量化模型和指标成为研究的新方向。

图3 利用物理指标评价堆肥腐熟度的的优点、局限性和适用性

（2）化学指标

化学指标包括监测整个堆肥过程中化学成分或性质的变化，主要包括pH值、电导率（EC）、碳氮比（C/N）、水溶性碳氮比（OC_（W）/ON_（W））、氨硝比（NH₄⁺/NO₃^-）、胡富比（HA/FA）、阳离子交换量（CEC）等。这些指标为评估堆肥腐熟度提供了一种通用而直接的方法。但化学指标评价的适用性易受堆肥原料性质的影响，具有一定的适用范围。因此，为所有材料建立统一的标准是具有挑战性的。解决这一挑战的方法是对不同类型的原材料进行分类，并结合多种化学指标提出不同的标准，同时联合物理学指标从侧面反应堆肥的腐熟度变化，形成堆肥腐熟度综合评价体系。

图4 利用化学指标评价堆肥腐熟度的优点、局限性及适用性

（3）生物指标

堆肥腐熟度评价的生物指标有呼吸速率和种子发芽指数（GI）。微生物好氧呼吸量和CO₂产生速率虽然受堆肥原料影响较小，但是受温度、水分和通风量等堆肥条件影响较大，检测繁琐，需要将样品进行去除杂质、破碎筛分、含水率调节和活化等多个步骤。因此，一般较少使用该指标来快速和便捷的评价堆肥腐熟度。GI是评价堆肥植物毒性和腐熟度的重要生物学参数，被广泛采用。尽管GI作为堆肥腐熟度的生物学指标具有敏感性和权威性，但GI的测定受到许多因素的影响，如种子选择、堆肥提取物制备、培养和测量方法。尽管生物方法具有在不同材料中普遍适用的优势，但也面临着方法复杂、缺乏标准化的检测方法和判断标准等挑战。为提高该方法在堆肥腐熟度评价中的适用性，有必要对该方法进行进一步的标准化和规范化。

图5 影响种子发芽试验评价堆肥腐熟度准确性的相关因素

（4）光谱学指标

研究溶解有机物（DOM）中腐殖质化的程度可能有助于测量堆肥的腐熟度。光谱学已被用于分析堆肥的DOM光谱特征，反映有机质含量和分子结构，对堆肥的腐熟度进行评价，包括三维荧光光谱和紫外可见光谱等。然而，光谱指数面临着易受到原料性质等条件的影响、成本高、方法不成熟、对检测仪器和数据分析能力要求高、需要专业人员操作和数据分析等挑战。此外，有必要系统地分析光谱指标与传统植物毒性指标之间的关系，建立定量评价参数和指标方法，从而提高该方法的准确性及普适性。

（5）机器学习与计算机视觉

除了传统的腐熟度评价指标外，随着科技的不断进步，机器学习、计算机视觉等新兴技术通过训练模型识别堆肥材料中的关键信息。该方法评价原料范围广泛，可形成多类指标综合表征的腐熟度预测模型，使实时监测和快速评估堆肥腐熟状态成为可能。然而，这些新兴方法的应用也受到高成本的仪器、样品处理的复杂性和有限的应用场景的限制。目前来讲，为了优化机器学习模型和算法的性能，迫切需要更标准化的数据训练集，以提高该方法在评价堆肥腐熟度方面的准确性和普适性。同时，利用机器学习开发多源物料堆肥过程的腐熟度预测模型以及多端口的用户界面也是大家所期待的。

 图6 利用计算机视觉和机器学习进行堆肥腐熟度评价的流程、问题和挑战

图7 不同堆肥腐熟度评价指标的局限性与展望

全文链接：

https:///10.1016/j.cej.2024.151386

    本文作者｜孔艺霖

责任编辑｜高霞

        审核｜袁京