可解释的人工智能模拟在恶劣天气的土壤中预先出现的除草剂生物活性,以优化剂量建议,第I部分:迪克洛苏拉姆
Danielle Resende Almeida1, Virginia Damin1, Ademir Xavier Souza2
1School of Agronomy, Federal University of Goias (UFG), Goiania, Goias, 74.605-220, Brasil.
The Science of the total environment
|November 29, 2025
概括
这项研究引入了一个新的框架,用于优化除草剂量,利用土壤的pH值等特性,将应用率降低70%以上,以实现可持续农业. 该模型为精确的杂草控制提供了可概括的功能.
科学领域:
- 农业科学 农业科学
- 土壤科学 土壤科学
- 环境化学环境化学
背景情况:
- 传统的除草剂建议往往忽略了关键的土壤物理化学特性,影响生物可用性和环境命运.
- 这种监督限制了杂草管理策略的效率和环境安全.
研究的目的:
- 开发一个综合框架,以优化在异质土壤中出现前的除草剂剂量.
- 基于连续的土壤描述符,创建一个可概括的剂量反应函数,取代土壤特定曲线.
主要方法:
- 使用 Sorghum bicolor 的生物测试,使用极端梯度增强进行建模,并使用 Shapley 增材解释进行解释.
- 采用象征性参数优化来完善除草剂剂量建议.
- 开发了一个三维响应表面,以可视化除草剂剂量,土壤pH值和生物活性之间的相互作用.
主要成果:
- 确定了土壤pH值,电导率,硫酸盐和作为狄克洛苏拉姆生物活性的关键预测因素.
- 优化的除草剂剂量低于9g的活性成分ha-1,与商业标签相比,实现了>70%的减少.
- 开发的模型根据除草剂量和土壤pH值预测杂草控制,为额外的变量提供灵活性.
结论:
- 该研究表明,通过特定地点的属性识别,对土壤适应性除草剂管理的潜力.
- 优化的应用提高了除草剂的效率,降低了环境污染风险,并推进了精准农业.
- 这种方法与可持续发展目标相一致,用于环保意识的农业实践.
