Niet-destructieve voorspelling van carbonisatie-indices in biochar afkomstig van onderbenutte bosbiomassa met ATR-IR chemometrische modellering

Bosreststromen omzetten in klimaathelpers

Wereldwijd worden bergen takken, boomtoppen en andere bosreststromen verbrand of laten ze wegrotten, waarbij hun koolstof langzaam weer in de lucht terechtkomt. Deze studie onderzoekt hoe die onderbenutte bosresten kunnen worden omgezet in biochar — een houtskoolachtig materiaal dat koolstof decennialang of eeuwen kan vastleggen. Bovendien laat het zien hoe de kwaliteit van die biochar snel en onbeschadigd kan worden gecontroleerd met lichtgebaseerde metingen in plaats van met trage, dure laboratoriumtests.

Van afvalhout naar stabiele koolstof

Alleen al in Zuid-Korea blijft elk jaar meer dan een miljoen ton bosresiduen grotendeels onaangeroerd. De auteurs van dit artikel zien dat niet als afval, maar als grondstof voor biochar, die bodems kan verbeteren, koolstof kan opslaan en kan dienen in filters of energieapparaten. Ze produceerden biochar uit deze gemengde bosbiomassa bij drie matige verbrandingstemperaturen — 200 °C, 300 °C en 400 °C — onder zuurstofvrije omstandigheden zodat het hout niet zou verbranden, maar geleidelijk zou veranderen in een koolstofrijk vast materiaal. Traditionele chemische analyses toonden dat bij hogere temperaturen het koolstofgehalte toenam terwijl waterstof en zuurstof afnamen, wat betekent dat het materiaal meer kolenachtig werd, stabieler en beter geschikt voor langdurige koolstofopslag.

Biochar lezen met onzichtbaar licht

Het meten van die chemische verschuivingen vereist normaal gespecialiseerd apparatuur die kleine stukjes van het monster verbrandt, waardoor testen traag en kostbaar is. In plaats daarvan gebruikten de onderzoekers attenuated total reflectance-infraroodspectroscopie (ATR-IR), die onzichtbaar infraroodlicht op het oppervlak van de biochar schijnt en registreert hoe verschillende chemische bindingen vibreren. Elk monster leverde een gedetailleerd “vingerafdruk”-spectrum op. Om deze vingerafdrukken voor analyse voor te bereiden, reinigde en normaliseerde het team ze digitaal en paste ze vervolgens wiskundige technieken toe die overlappende signalen verscherpen. Ze gebruikten ook principal component analysis om te bevestigen dat de spectra op een duidelijke, geordende manier veranderden naarmate de verwarmings-temperatuur toenam, wat de geleidelijke afname van wateraantrekkende groepen en de groei van starre, ringvormige koolstofstructuren weerspiegelt.

Een model trainen om koolstofkwaliteit te voorspellen

Om spectra om te zetten in bruikbare getallen bouwden de onderzoekers chemometrische modellen — in essentie statistische vertaaltuigen — die de infraroodvingerafdrukken koppelen aan belangrijke carbonisatie-indices: het percentage koolstof en de atomaire verhoudingen zuurstof-tot-koolstof (O/C) en waterstof-tot-koolstof (H/C). Met behulp van partial least squares-regressie trainden ze het model op vele herhaalde metingen, controleerden zorgvuldig de prestaties met crossvalidatie en verwijderden datapunten die als uitschieters gedroegen. De verfijnde modellen voorspelden alle drie de indices met opvallende nauwkeurigheid (R²-waarden boven 0,94), wat betekent dat voor nieuwe monsters het infraroodspectrum op zichzelf betrouwbaar kan schatten hoe gecarboniseerd en stabiel de biochar is.

De meest betekenisvolle signalen vinden

Buiten nauwkeurigheid wilde het team begrijpen welke delen van het spectrum het belangrijkst waren. Ze berekenden “variable importance”-scores die de golflengten benadrukken die de sterkste aanwijzingen geven over koolstofkwaliteit. Regio’s die verband houden met de afbraak van koolhydraten en de groei van aromatische, ringachtige koolstofstructuren staken er bovenuit. Dezezelfde regio’s kwamen ook naar voren in hun eerdere patroonanalyse, wat vertrouwen geeft dat het model geen black box is maar echte chemische veranderingen in het materiaal weerspiegelt. Het feit dat dergelijke prestaties werden bereikt met relatief eenvoudige, transparante statistiek — in plaats van ondoorzichtige machine-learning systemen — maakt de aanpak makkelijker te adopteren en te vertrouwen in praktische toepassingen.

Wat dit betekent voor klimaat en bosgebruik

Voor een leek komt het erop neer dat dit werk een moeilijke, destructieve labtest verandert in een snelle “scan” die het monster intact laat. Door een infraroodsensor op een mespuntje biochar te richten, zouden producenten ter plaatse kunnen schatten hoeveel koolstof het bevat en hoe stabiel die koolstof is. Dit kan kwaliteitscontrole versnellen, slimmer gebruik van bosresiduen ondersteunen en helpen om biochar op te schalen als instrument om atmosferische koolstof in vaste vorm te verankeren. Hoewel het huidige model is afgestemd op één type biomassa en specifieke verwarmingscondities, kan dezelfde strategie worden uitgebreid naar meer grondstoffen en ovens, en zo de weg effenen naar betrouwbaardere, klimaatvriendelijke productie van biochar.

Bronvermelding: Kim, Y., Hwang, C., Shin, H. et al. Non-destructive prediction of carbonization indices in biochar derived from underutilized forest biomass using ATR-IR chemometric modeling. Sci Rep 16, 6054 (2026). https://doi.org/10.1038/s41598-026-37261-z

Trefwoorden: biochar, bosbiomassa, koolstofvastlegging, infraroodspectroscopie, chemometrische modellering