根据机器学习模型和种植验证,评估Rheum tanguticum的生态质量

科学领域:

• 植物资源评估 植物资源评估
• 化学分类学和植物化学.
• 农业科学与技术 农业科学与技术

背景情况:

• (R. tanguticum) 对于食品,医药和工业至关重要.
• 减少的野生供应需要种植替代品.
• 培养的瑞巴伯的区域质量差异需要进行系统的评估.

研究的目的:

• 系统地评估不同地区野生R. tanguticum的质量.
• 开发R. tanguticum中活性化合物含量的预测模型.
• 确定优质R. tanguticum.的最佳种植地区.

主要方法:

• 对来自46个地点的235个野生R. tanguticum样本中5种活性化合物的分析.
• 机器学习 (MLM,RF,XGB,KNN) 和线性模型的开发和比较.
• 通过田间栽培试验验证预测模型的验证.

主要成果:

• 机器学习模型在预测全素中显著超过线性模型 (例如,RF:R2=0.56,RMSE=0.57).
• 随机森林模型确定了新宁和周边地区的关键化合物度最高.
• 田间耕作证实了该模型在预测化合物水平方面的准确性.

结论:

• 机器学习为评估和预测野生R. tanguticum的质量提供了一个强大的工具.
• 西宁地区被认为是种植高产量,高质量的R. tanguticum.的最佳地区.
• 这项研究支持通过明智的种植策略,可持续地利用和工业化发展草本资源.