用于预测大米 (Oryza sativa L.) 吸收 (Cd) 的分类和回归树 (CART),并根据现场数据来推导土壤Cd值

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:

• 在土壤-大米系统中积累 (Cd) 是一个重要的环境和公共卫生问题.
• 确定准确的区域土壤Cd值对于评估和管理大米生产中的风险至关重要.

研究的目的:

• 确定影响抛光大米中 (Cd) 含量的关键土壤变量.
• 为了比较多重线性回归 (MLR) 和分类和回归树 (CART) 方法在预测大米Cd水平和推导土壤Cd值方面的有效性.
• 评估当前中国土壤质量标准对Cd污染的采矿区的适用性.

主要方法:

• 从中国安省收集了333个结对的土壤和大米样本.
• 使用逐步多重线性回归 (MLR) 进行统计分析,以确定大米中土壤Cd的显著预测因素.
• 应用分类和回归树 (CART) 方法用于比较建模和值推导.
• 对土壤总Cd和土壤/ (Zn/Cd) 比率的分析.

主要成果:

• 土壤总Cd和土壤Zn/Cd比率是影响米中Cd度的最重要因素.
• 中国土壤质量标准可能会高估采矿区的Cd风险,原因是土壤中高/Cd比率.
• 虽然MLR模型预测了大米的Cd水平,但却产生了不切实际的高土壤Cd值.
• 卡特方法有效模拟了米的Cd水平,并提供了更可靠的土壤Cd值,最大限度地降低了不确定性.

结论:

• Zn/Cd比是评估大米中Cd生物可用性的关键因素.
• 在预测米Cd和建立区域土壤Cd值方面,CART是一种优于MLR的方法.
• 对特定地区,特别是采矿区,需要修订土壤Cd值建议,以确保准确的风险评估.