基于BP神经网络的作物Cd含量预测及安全种植分区

作者：侯艺璇; 赵华甫^*; 吴克宁; 李凯

来源：资源科学, 2018, 40(12): 2414-2424.

• 作物Cd含量
• BP神经网络
• 预测模型
• 重金属污染
• 农用地安全利用
• 小麦
• 水稻
• 油菜籽
• 蔬菜
• 作物适宜种植区

为科学预测作物重金属含量,实现重金属污染农用地的安全利用,本研究利用地理探测器选取对作物Cd含量影响较大的土壤Cd含量、土壤pH值、与交通主干线的距离等10个因素为输入因子,农作物可食部分Cd含量作为输出因子,分别建立小麦、水稻、油菜籽、蔬菜可食部分Cd含量的BP神经网络预测模型,对作物种植污染情况进行预测分析,划分作物安全利用种植区。研究结果表明:(1) BP神经网络模型预测精度明显优于多元回归预测模型;(2)对小麦、水稻和油菜籽的可食部分Cd含量预测结果进行评价,得到作物污染可能的空间分布及特征;(3)依据评价结果,对3种作物进行配置,划分得到4种作物适宜种植区,并提出管控策略。研究可为污染农用地的安全利用及作物种植调整提供思路和依据,兼具理论和现实意义。

• 单位
  中国地质大学（北京）; 国土资源部