点击上方“Fundamental Research”关注我们
稻米镉含量在区域范围内差异显著，使用土壤特性预测稻米镉具有相当大的挑战性。本研究基于多年实地调查采集的600对土壤和稻米样品，利用多种机器学习方法构建了区域稻米镉含量预测模型。结果显示，支持向量机模型提供了最佳的预测准确性（R2 = 0.81），并明确了影响稻米镉的重要土壤因素。情景模拟表明，施加石灰石粉将土壤pH提高至6.5可能是减少稻米中镉超标最具成本效益的方法之一。总之，机器学习方法可用于在区域尺度上可靠地预测稻米中的镉含量，并支持土壤管理和水稻安全生产。
中文题目：利用机器学习建立区域稻米镉含量预测模型
英文原题：Machine learning methods to predict cadmium (Cd) concentration in rice grain and support soil management at a regional scale
通讯作者：汪 鹏，南京农业大学
第一作者：黄博阳，南京农业大学
律其鑫，南京农业大学
关键词：机器学习；镉含量；食品安全；土壤污染；预测模型
背景介绍
镉是我国农田土壤污染的首要污染物，威胁农产品质量安全。稻米是我国人群膳食镉摄入的最主要来源。在以往大尺度的土壤与稻米协同采样调查中发现，稻米镉与土壤镉以及土壤性质间的量化关系较差（R2通常低于0.2），时常存在“土壤镉超标而稻米不超标，或土壤镉不超标但稻米超标”的现象，这给污染耕地风险评估带来很大的不确定性。而机器学习方法能够从杂乱、不规则的数据中有效地识别自变量与多种环境变量间的非线性关联。因此，有必要建立可靠的模型，使其能够利用关键的土壤特性来预测稻米中的镉浓度，并支持区域土壤管理。
研究成果
基于该背景，研究团队在湖南省湘潭县开展了为期三年的田间调查，采集了600对土壤和稻米样品，研究发现稻米镉与土壤总镉间的线性关系较差（R2<0.17；图1），表明仅依靠土壤总镉无法准确评估稻米镉超标风险。之后利用随机森林（RF）、支持向量机（SVM）和反向传播神经网络（BP-NN）3种机器学习算法，分别建立了稻米镉含量预测模型，比较发现SVM算法具有最佳预测精度（R2=0.81；图1），并进一步确定了土壤铁锰氧化物结合态镉、土壤pH、土壤可还原态锰和土壤含水率4个影响稻米镉积累的关键土壤特性及其贡献程度。本研究建立的预测模型大幅度提升了稻米镉与土壤镉以及土壤参数之间关系的确定性。
图1 支持向量机 (SVM) 模型预测结果。(a) 土壤Cd与稻米Cd的相关性；稻米Cd实测值与预测值的散点图 (b) 及其空间分布图 (以2020年调查为例)。
利用该机器学习模型，研究团队还针对土壤pH、水稻灌浆成熟后期土壤水分状况、土壤可还原态锰含量等参数，分别进行了情景模拟。结果表明如通过施加石灰石粉将该县域酸性稻田土壤pH提高至6.5，可将该县域稻米镉含量的超标率降低至2.0%（图2），这为该区域实现受污染耕地95%的安全利用率提供了高性价比的解决方案。
图2 土壤pH提高至6.5的情景模拟。(a) 土壤pH；(b) 稻米Cd含量和超标率；(c) 酸性土壤改良需要石灰石粉用量(目标土壤pH 6.5)；(b) 土壤pH提高后稻米Cd含量和超标率。
主要作者简介
汪鹏 南京农业大学资源与环境科学学院副院长，教授，博士生导师，国家杰出青年科学基金获得者。主要从事土壤重金属污染防治、土壤与人体健康、以及环境生物学等领域的研究。迄今已发表SCI论文160余篇，H指数46，总引用次数超过8000次，现任Plant and Soil领域主编、Applied Geochemistry副主编等，入选2020-2024全球前2%顶尖科学家榜单，2022-2024年Clarivate全球高被引用学者和Elsevier中国高被引学者。
赵方杰 南京农业大学资源与环境科学学院教授。主要从事环境生物学与植物营养学研究。迄今已发表SCI论文400余篇，H指数120，入选2017-2024年Clarivate全球高被引用学者和Elsevier中国高被引学者。2022年获发展中国家科学院（TWAS）农业科学奖、国际肥料工业协会“诺曼·博洛格植物营养学奖”。
黄博阳 南京农业大学博士，主要研究方向为水稻中有毒微量元素的积累以及土壤污染控制。
律其鑫 南京农业大学2022级在读博士，主要研究方向为环境地球科学建模和机器学习分析。
引用本文
Bo-Yang Huang, Qi-Xin Lü, Zhi-Xian Tang et al., Machine learning methods to predict cadmium (Cd) concentration in rice grain and support soil management at a regional scale. Fundamental Research, 4(5) (2024) 1196-1205.
原文链接（复制到浏览器中查看）：
https://www.sciencedirect.com/science/article/pii/S2667325823000663
关于Fundamental Research
Fundamental Research是由国家自然科学基金委员会主管、主办的综合性英文学术期刊。创刊于2021年，期刊立足反映国家自然科学基金资助的优秀成果，全方位报道世界基础研究前沿重要进展和重大创新性成果，提升中国基础研究和中国科学家在国际科学界的显示度和影响力，为中外科学家打造一个高端的国际学术交流平台。内容涵盖数学物理、化学化工、生命科学、地球科学、工程与材料科学、信息科学、管理科学、健康医学、交叉科学等领域，设置Article、Review、Highlight、Perspective、Commentary等栏目。期刊已被ESCI、Scopus、DOAJ、PubMed、CAS（美国化学文摘社）、CSCD（中国科学引文数据库）、CSTPCD（中国科技论文与引文数据库）等国内外知名数据库收录。2023年影响因子5.7，位于综合性期刊Q1区。欢迎广大科研工作者关注、投稿、引用！
扫描或长按识别下方二维码关注我们
期刊主页：
www.keaipublishing.com/en/journals/fundamental-research/
文章阅读：
www.sciencedirect.com/journal/Fundamental-Research
投稿系统：
www.editorialmanager.com/fmre
查看更多本期信息，点击文末“阅读原文”，欢迎阅读、下载及引用！
喜欢本篇内容请给我们点个
在看
点击“阅读原文”了解更多
