使用机器学习来预测来自黑页岩分布式农田面积的米粒中的和含量

科学领域:

• 环境科学 环境科学
• 土壤科学 土壤科学
• 农业科学 农业科学

背景情况:

• 黑页岩土壤常常呈现高度的 (Cd) 和 (Se),其中经常超过安全标准.
• 防止Cd危险并确保安全使用富含Se的土地资源是关键的环境和农业挑战.
• 了解农业地区的Cd和Se联合丰富对于食品安全和可持续的土地管理至关重要.

研究的目的:

• 为了评估土壤表层,根球土壤和安康市的米粒中的Cd和Se水平,这是一个广泛接触黑页岩的地区.
• 研究大米和土壤中的Se和Cd含量之间的相关性,并确定影响其吸收的因素.
• 开发大米中Cd和Se生物积累的预测模型,并为富含Se的大米提出安全种植区.

主要方法:

• 采集和分析了158个米样本,相应的树根球土壤和8069个表土样本.
• 化学分析以确定Cd和Se度以及其他土壤参数 (SiO2,CaO,P,S,pH,TFe2O3).
• 应用人工神经网络 (ANN) 和多重线性回归 (MLR) 模型来预测Cd和Se生物积累.

主要成果:

• 43%的表土样本含有Se,其中79%超过Cd查值;63%的水样本含有Se,其中26%超过Cd限值.
• 在米粒和相应的根球土壤中,没有发现Se和Cd之间的显著正相关性.
• SiO2,CaO,P,S,pH和TFe2O3被确定为影响大米Se和Cd吸收的关键因素;ANN模型显示出比MLR更高的精度和稳定性.

结论:

• 在来自黑页岩的富含Se的土壤中,Cd和Se的共同污染很普遍,对大米生产构成风险.
• 土壤的特性对大米中Cd和Se的生物积累有很大影响,需要量身定制的管理策略.
• 开发的ANN模型为预测Cd和Se生物积累提供了可靠的工具,使得可以创建安全的种植区划地图,用于种植Se丰富的水.