使用随机森林模型探索用于种植富含的百合花的有影响力的指标
Hao Gong1, Liangliang Dai1, Jie Luo2
1China Geological Survey, Changsha General Survey of Natural Resources Center, Beijing, China.
Environmental geochemistry and health
|September 16, 2025
概括
(Se) 对健康至关重要,中的含量受土壤因素的影响,而不仅仅是Se. 一个随机的森林模型准确地预测了中的Se含量,帮助Se丰富的作物规划.
科学领域:
- 农业科学 农业科学
- 环境科学 环境科学
- 地质化学 地质化学
背景情况:
- (Se) 是人类健康的重要营养素.
- 农作物Se水平取决于土壤特性和植物土壤元素相互作用.
- 卡斯特地区具有独特的土壤条件,影响Se的生物积累.
研究的目的:
- 调查影响在百合生物积累的因素.
- 使用土壤地质化学数据,开发中的Se含量预测模型.
- 支持在卡斯特地区计划种植富含的农产品.
主要方法:
- 利用1:50,000土地质量的地化学调查数据.
- 采用随机森林模型来确定主要的土壤指标.
- 与多重线性回归对比随机森林模型的性能.
主要成果:
- 鉴定了土壤和作为中的含量的主要预测因素.
- 与多重线性回归相比,随机森林模型在预测Se含量方面表现出更高的准确性和精度.
- 建立了一种科学方法来评估作物中的Se生物积累.
结论:
- 随机森林模型提供了一种可靠的方法来预测中的Se含量.
- 这些发现支持对富含Se的特种作物的战略农业规划.
- 通过优化丰富的生产,促进区域农业的可持续发展.


