启发式拓图形卷积网络用于预测耕种土壤中潜在有毒元素的风险
Huijuan Hao1, Yongping Shan1, Panpan Li2
1Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China.
Environmental science & technology
|July 29, 2025
概括
本研究引入了一种新的图形卷积网络 (GCN) 模型,用于预测土壤中的潜在有毒元素 (PTE) 风险. 先进的GCN模型显著提高了预测准确性,为农业生态系统风险管理提供了更好的策略.
科学领域:
- 环境科学 环境科学
- 土壤科学 土壤科学
- 机器学习 机器学习
背景情况:
- 种植土壤中的潜在有毒元素 (PTEs) 威胁到粮食安全.
- 现有的风险评估缺乏PTE和环境驱动因素之间的动态相互作用的特征.
研究的目的:
- 开发一种创新的启发式图形卷积网络 (GCN) 模型,用于增强生态风险预测.
- 为了更好地描述环境驱动因素和土壤中PTE之间的动态相互作用.
主要方法:
- 开发了一个启发式GCN模型,集成自适应图形拓和定向反优化.
- 利用了来自长江流域的466个土壤样本和28个环境驱动因素.
- 采用三相启发式算法来修剪图边和量化反.
主要成果:
- 启发式GCN模型实现了比传统方法高出23.1%的预测准确度.
- 确定了生态风险的关键调节因素:pH值,基和度,碳酸,可交换基和土壤有机碳.
- 成功地将土壤化学与机器学习联系起来,以获得因果推理.
结论:
- 开发的模型提供了简化,量化和自适应的生态风险预测.
- 能够有效地选农业生态系统的风险管理途径.
- 提供精确和综合的生态风险控制策略.
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
6.2K
10:05Integrated Field Lysimetry and Porewater Sampling for Evaluation of Chemical Mobility in Soils and Established Vegetation
Published on: July 4, 2014
14.4K
