生物质是一种具有“碳中和”属性的可再生能源。采取热化学方法以生物质为原料生产生物炭被视为一种可减缓气候变化的有效方法,生物质热解制得的生物炭具有优良的固碳和替代化石燃料的潜力。C含量丰富的生物炭广泛应用于环境、能源领域中,而生物炭中不稳定的溶解性有机物（BDOM）组分存在影响土壤或水体环境的可能性,阻碍生物炭在更多领域范围内的应用。目前生物炭稳定性的测定还没有标准化、可靠性高的方法可供使用,不同方法对生物炭稳定性的评价结果存在差异。不同生物质来源的生物炭高位热值（HHV）也有所不同,因而借助数学统计方法建立省时省力的生物炭燃烧性能预测模型对推广生物炭的应用至关重要。因此本研究借助不同的分析表征手法和数学统计方法对多种生物炭的BDOM、稳定性、HHV进行研究。主要结论包含以下3部分:（1）采用三维荧光光谱、傅里叶红外光谱、紫外可见光光度计对400～700℃下热解得到的4种污泥生物炭中的BDOM进行表征分析。结果表明,BDOM的主要来源于生物或水生细菌,浸出率在2.80%～3.74%范围内。热解温度影响着BDOM的性质及组分分布情况,低温条件下BDOM的组分分布均匀,分子量较大。随着热解温度的升高,BDOM中的芳香基官能团含量减少,腐殖化程度降低,类腐殖类物质相对含量增多。（2）以大豆秸秆、木屑和小球藻为原料,在300～800℃的温度范围内热解制得18种生物炭,采用元素分析、工业分析、爱丁堡稳定法、X射线光电子能谱（XPS）、13C固体核磁共振（NMR）、热重分析等方法评估生物炭的稳定性。结果表明,除NMR中的芳香C含量和XPS中的C–C/C=C/C–H外,大多数方法获得的稳定性指标与热解温度密切相关（方差分析,p＜0.05）。VM/（FC+VM）（FC为固定碳,VM为挥发分）与除C–C/C=C/C–H外的其指标均具有较高的相关性（Pearson相关系数,|r|＞0.36,p＜0.05）。聚类分析表明,所用稳定性方法可分为三类,工业分析可作为O/C和H/C的替代方法来测定生物炭的稳定性。（3）利用稻秆、猪粪、大豆秸秆、木屑、污泥、小球藻及其混合物为原料,在300～800℃的温度范围内热解制得52种生物炭。以52种生物炭样品的元素分析和工业分析数据结果为数据集开发了能够预测生物炭HHV的多元线性回归（MLR）和机器学习（ML）模型,对HHV值与元素分析和工业分析结果进行Pearson相关性（r）和相对重要性分析,同时利用测量的HHV对MLR和ML模型进行训练和检验。结果表明HHV与灰分（Ash）、FC、C均具有很强的相关性（|r|＞0.9,p＜0.05）。混合生物质共热解为提高生物炭产率提供了一种可行路径。大多数生物炭的Ash、FC和C含量随着热解温度的升高而升高。基于元素分析或工业分析数据结果的MLR模型具有很好的预测能力,测试集的R~2＞0.90。引入额外数据集前后的最优ML模型的测试集R~2分别为0.95（随机森林模型）和0.98（随机森林模型）。ML模型的特征重要性分析表明,Ash和C是预测生物炭HHV最重要的输入特征变量。