伊利诺伊州玉米菌毒素污染的动态地理空间建模:揭示机器学习的关键因素和预测见解

科学领域:

• 农业科学 农业科学
• 环境科学 环境科学
• 数据科学数据科学数据科学

背景情况:

• 玉米中的菌毒素污染对人类和动物健康构成重大风险,并造成经济损失.
• 非洲毒素 (AFL) 和烟雾毒素 (FUM) 是全球玉米生产中令人担忧的关键菌毒素.
• 有效的预测和管理策略对于减轻这些风险至关重要.

研究的目的:

• 确定导致伊利诺伊州玉米中亚弗拉托克辛和富蒙尼辛污染爆发的关键因素.
• 开发和验证用于预测菌毒素污染的动态地理空间模型.
• 为改善农场层面的管理实践提供见解.

主要方法:

• 利用历史的真菌毒素数据,每日天气,卫星图像,土壤特性和土地使用参数.
• 使用了带有地理空间数据的渐变增强机 (GBM) 和神经网络 (NN) 模型.
• 在州和县级开发模型,将GPS坐标与土壤属性整合起来.

主要成果:

• 播种前的温度和降水是AFL和FUM污染的重要因素.
• 特定规范差异植被指数 (NDVI) 的值和时间影响了AFL和FUM水平.
• 土壤特征如碳酸,土壤水分和粘土含量显示与真菌毒素污染有相关性.
• 在NN模型中,每年AFL (73%) 和FUM (85%) 污染的预测准确度很高.

结论:

• 土壤特性,NDVI,降水和温度是预测菌根毒素污染的关键因素.
• 动态的地理空间模型为AFL和FUM爆发提供了准确的年度预测.
• 这些发现支持开发新的数据输入和农场级管理策略,用于毒素控制.