基于机器学习识别中微量元素与我国七大片区产地稻米镉、砷的富集规律

作者：牟力言; 刘春湘; 陈敏; 秦莉^*; 林大松; Batsaikhan Bayartungalag

来源：农业环境科学学报, 2023, 42(10): 2165-2174.

• 镉
• 砷
• 决策树
• 随机森林
• 生物有效性模型

本研究在全国大尺度空间范围内，基于机器学习识别稻米镉（Cd）、砷（As）富集的重要影响因素，探究了中微量元素对稻米Cd、As超标的贡献率并构造了生物有效性模型。首先，通过决策树算法构造中微量元素判别Cd、As超标的预测模型，其预测精度分别为95.55%、97.55%，表明中微量元素是识别稻米Cd、As超标的重要指标；其次，利用随机森林算法筛选影响稻米Cd、As富集的主控因子，不同区域的主控因子表现出明显差异，其单一因子主要驱动的Cd富集在不同区域的差异表现为：华东片区pH的贡献占主导、华南片区的交换性钙（Ca）和东北片区的土壤有机质（SOM）分别占主要贡献，而有效铁（Fe）对As富集表现出特异性的区域贡献（如华东、华南和西南片区）；最后，将各区域确定的主控因子引入构建土壤-稻米生物有效性模型，其中，Cd、As的生物有效性九因子模型在不同片区的决定系数最高，分别为0.680、0.664(P<0.05)。本研究为大尺度地域水平上稻米Cd、As重金属污染防控和环境管理提供了科学依据和决策支撑。