对作物全球抗生素暴露风险的评估:通过机器学习纳入土壤吸附
Han Zhu1, Jianliang He1, Yanmei Wu1
1Center for Water Resources and Environment, and Guangdong Key Laboratory of Marine Civil Engineering, School of Civil Engineering, Sun Yat-sen University, Guangzhou 510275, P. R. China.
Environmental science & technology
|July 20, 2024
概括
抗生素在土壤中的积累构成了粮食安全风险. 这项研究模拟了作物暴露,发现寒冷的月份和土壤水分显著影响全球关键农业地区的风险.
科学领域:
- 环境科学 环境科学
- 农业科学 农业科学
- 毒理学 毒理学 毒理学
背景情况:
- 过度使用抗生素导致土壤积累,可能通过作物进入食物链.
- 这对全球粮食安全和人类健康构成重大威胁.
- 评估作物暴露在抗生素中的风险对于缓解至关重要.
研究的目的:
- 评估全球作物的抗生素暴露风险.
- 为此评估开发和优化机器学习吸附模型.
- 将不和土壤条件和土壤湿度和温度的时空变化纳入风险评估.
主要方法:
- 利用基于4893个数据集的机器学习吸附模型,涵盖9种抗生素.
- 采用了极端梯度提升算法和特定类的建模策略.
- 引入了不和的土壤条件,并考虑了土壤水分和温度的时空变化.
主要成果:
- 优化的机器学习模型在预测抗生素吸附方面表现良好.
- 土壤湿度被确定为影响作物暴露风险的重要因素.
- 在寒冷的月份 (南半球6月,北半球12月) 观察到高暴露风险.
结论:
- 农作物的全球抗生素暴露风险在空间和时间上有所不同,受土壤水分和温度的影响.
- 包括加拿大南部,俄罗斯西部和澳大利亚南部在内的特定农业地区被确定为高风险地区.
- 该研究为解决农业系统中的抗生素污染问题和保障粮食安全提供了关键数据.
