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

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。

物种敏感性分布法拟合函数的拟合优度评价

为明确物种敏感性分布(SSD)法适用于酸性土壤条件下的最优拟合函数,以均方根(RMSE)和残差平方和(SSE)为评价指标,系统分析了不同pH和累积概率条件下5种常见拟合函数(Log-logistic、Gamma、Log-normal、Weibull和BurrⅢ)的拟合优度。研究表明:两种pH条件(pH 5.5和pH 6.5)下5种拟合函数的拟合优度无明显差异,其中Log-logistic、BurrⅢ函数的SSE值分别为0.021、0.024和0.169、0.191,RMSE值分别为0.038、0.040和0.106、0.113,两者拟合效果较好;但不同累积概率条件下拟合函数的拟合优度存在一定差异,其中低累积概率(p≤20%)条件下Log-logistic与Gamma的SSE值分别为2.45×10^(-4)和2.46×10^(-4),RMSE值分别为4.04×10^(-3)和4.05×10^(-3),两者拟合效果较好;中累积概率(20%80%)条件下BurrⅢ与Log-logistic的SSE值分别为0.151和0.203,RMSE值分别为0.100和0.116,两者拟合效果较好。研究表明,酸性土壤(pH≤6.5)中低、中累积概率(0≤p≤80%)条件下优先推荐使用Log-logistic拟合函数,而高累积概率(p>80%)条件下优先推荐使用BurrⅢ拟合函数。