用于无森林砍伐供应链的高分辨率大豆溯源

为何大豆与森林息息相关

大豆看似平凡，却在全球大量肉类、乳制品和养殖鱼类的生产中发挥关键作用。随着对这种富含蛋白质豆类的需求激增，尤其在南美，大面积热带森林被清理出来用于种植。各国政府正试图阻止与近期森林砍伐有关的食品和饲料进入其市场。这就提出了一个棘手的问题：一船大豆抵达港口时，如何有人能真正知道这些豆子是在哪里种植的？

隐匿供应链的挑战

现代大豆供应链范围广泛且不透明。无数农场的大豆在卡车、粮仓和船舶中混合，随后被压榨成油和豆粕并运往全球。新的规则，例如欧盟的防止森林砍伐法规，将很快要求进口商证明其大豆并非来自2020年之后清理的土地。企业必须报告确切的田块坐标和收获日期，但文件可以伪造，贸易激励也可能促使错误申报。因此，监管机构正在寻求独立的、基于科学的方法来核验一批货物的真实来源。

读取豆子的化学指纹

本研究的作者着眼于利用豆子本身作为产地证明。植物携带反映其生长气候和土壤的微妙化学指纹。稳定同位素的比率——如氢、氧、碳、氮和硫等元素的略重或略轻形式——会随降雨模式、温度和其他大气因素而变化。植物组织中微量金属和其他元素的含量则反映出下伏地质和土壤成分。通过对在巴西、阿根廷和玻利维亚主要产区采集的267个大豆样本精确测量这些特征，团队建立了一张将化学模式与地理位置联系起来的参考地图。

从离散样本到连续地图

以往大多数作物溯源尝试把问题当作将物品归类到若干箱子中：模型在少数国家或地区中做出选择。当邻近地区相似时，这类方法会失效，也无法对采样点之间的位置给出信息。研究者改用一种称为高斯过程的统计方法，它把整个景观视为连续体。实际上，模型会学习化学相似性随距离衰减的规律，然后对任何新样本估计地图上每一点作为真实收获地的概率。这会产生一个概率表面，而不是简单的国家标签，并且只要目标地区属于更广泛的区域，模型即便在未直接采样的区域也能工作。

定位产地并减少不确定性

团队比较了三种模型版本：仅用同位素的、仅用微量元素的，以及两者结合的。将两类数据结合的性能远超单独使用任一类。平均而言，模型预测的最可能位置距离真实农场约190公里，而包含95%概率的区域仅占所考虑大豆种植区总面积的极小部分。实际应用中，该方法将一批货物的可疑来源缩小到地图上相对紧凑的一小片区域。将这些连续概率预测转换为简单的国家选择时，其准确率与或超过了早期的分类研究，尽管他们的任务——区分跨国边界附近的相邻产区——要困难得多。

对森林与贸易意味着什么

对于监管者和企业而言，这种方法提供了一种强有力的新途径来核验产地声明。检查人员可以对货物抽取随机样本，分析其化学指纹是否与申报农场相符，或是否更可能来自存在非法砍伐活动的高风险前沿地带。虽然该方法并不完美——许多估计仍距确切田块超过200公里——但它以距离和面积直观表达不确定性，提供了透明的定量衡量。与卫星监测、农场登记和其他工具结合使用时，它能帮助使大豆供应链更具问责性，并支持将与森林砍伐相关的产品排除在全球市场之外的努力。

引用: Maor, R., Truszkowski, J., Ablett, F. et al. High-resolution soybean tracing for deforestation-free supply chains. Commun Earth Environ 7, 310 (2026). https://doi.org/10.1038/s43247-026-03380-8

关键词: 大豆可追溯性, 森林砍伐, 供应链, 稳定同位素, 高斯过程建模