贝叶斯风险预测模型:在性土壤中种植的小麦谷物中预测污染风险的可访问策略
Tianqi Wang1, Yanling Li2, Yang Yang3
1State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-environmental Sciences, Chinese Academy of Sciences, Beijing, 100085, China; University of Chinese Academy of Sciences, Beijing, 100049, China.
一个新的贝叶斯模型使用土壤Cd水平准确预测小麦谷物中的 (Cd) 风险. 这种方法为管理食品安全标准提供了一个具有成本效益的工具,特别是在性土壤中.
科学领域:
- 农业科学 农业科学
- 环境化学环境化学
- 风险评估 风险评估
背景情况:
- 在中国,小麦谷物中的高 (Cd) 含量构成了严重的食品安全问题.
- 由于复杂的转移机制,预测土壤-小麦系统中的Cd风险具有挑战性.
- 准确的预测对于有效的Cd风险管理至关重要.
研究的目的:
- 开发一个强大的风险预测模型,用于小麦谷物的污染.
- 利用贝叶斯理论来提高使用有限的土壤数据的预测准确度.
- 评估模型的性能与现有方法相比.
主要方法:
- 建立了一个基于贝叶斯理论的风险预测模型.
- 使用的土壤总Cd和DTPA可提取的Cd度作为输入变量.
- 将模型的准确性与多重线性回归进行比较.
主要成果:
- 贝叶斯模型准确地预测了小麦谷物的Cd风险.
- 与DTPA可提取的Cd相比,土壤总Cd度是一个优异的预测指标.
- 该模型预测了<0.299毫克/公斤-1总土壤Cd<5%的风险和0.778毫克/公斤-150%的风险.
- 贝叶斯模型的准确性比多重线性回归更高.
结论:
- 提出的贝叶斯模型提供了一种准确,可访问和具有成本效益的方法,用于预测性土壤中的小麦谷物Cd风险.
- 这种方法为收获前风险管理提供了有价值的工具.
- 贝叶斯方法显示,它有望在其他作物,土壤类型和污染物上得到更广泛的应用.
更多相关视频
12:03Two-Dimensional Visualization and Quantification of Labile, Inorganic Plant Nutrients and Contaminants in Soil
Published on: September 1, 2020
09:44Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon
Published on: October 16, 2018
相关概念视频
Mechanistic Models: Compartment Models in Individual and Population Analysis
Probability Laws
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
Wilcoxon Signed-Ranks Test for Median of Single Population
Determination of Expected Frequency
