放射性从土壤转移到植物:对全球范围内的关键变量和数据缺口的元分析
Margot Vanheukelom1, Mark Mng'ong'o2, Floris Abrams3
1Biosphere Impact Studies, Belgian Nuclear Research Centre (SCK CEN), Boeretang 200, 2400, Mol, Belgium; Division of Soil and Water Management, KU Leuven, Kasteelpark Arenberg 20, 3001, Leuven, Belgium.
Journal of environmental radioactivity
|May 7, 2025
概括
一个新的数据库收集了放射性从土壤到植物的传输数据,这对于改进模型和评估食品污染风险至关重要. 该资源支持核安全和环境监测工作.
科学领域:
- 环境科学 环境科学
- 放射学科学 放射学科学
- 农业科学 农业科学
背景情况:
- 缺乏关于放射性从土壤转移到植物的协调,可访问的数据,阻碍了模型开发和风险评估.
- 这种差距对于拥有核设施和研究有限的地区尤其重要.
研究的目的:
- 创建一个协调,公开可访问的放射性土壤到植物转移因子 (CR) 数据库.
- 促进对放射性的评估和转移模型的建立.
- 为了支持对食物链污染的影响评估.
主要方法:
- 对放射性CR数据进行系统的文献选.
- 基于实验可靠性,相关性和可追溯性的数据提取.
- 编制了一个统一的数据库,包括来自139个来源的7,182个CR数据点.
- 统计分析 (单变量,多变量,混合效应模型) 和机器学习 (随机森林).
主要成果:
- 该数据库包含7,182个CR数据点,其值在0.000028到380kgkg-1.1之间.
- 热带土壤的CR值最高,温带土壤的CR值最低,尽管热带和干旱气候数据仍然有限.
- 研究特定的方法,土壤特性和植物物种显著影响了CRs.
- 半机械模型显示适度匹配 (R2=0.42-0.50),而随机森林 (R2=0.51) 和混合效应模型 (R2=0.58) 的表现更好.
结论:
- 开发的协调数据库是放射性转移研究的宝贵资源.
- 这些发现突出了研究设计和环境因素对转移率的影响.
- 进一步的数据补充和分析可以增强机器学习应用程序,以改进污染评估.
