水稻重金属积累控制因素

主效应与交互作用量化

本研究采用机器学习方法，首次量化了土壤镉、种植时间等关键因素对水稻重金属积累的独立及交互影响，为精准预测和污染控制提供理论依据。

王琦 · Pang, Yan · Yuan, Yuzhen · 胡敏 · 徐乐 · 刘同旭 · 孙蔚旻 · 于焕云

Environmental Science and Pollution Research 2024

技术优势

区分主效应与交互作用

采用TreeExplainer-based SHAP与随机森林算法，能够独立量化各因素的主效应以及因素间的交互效应，避免混淆。

识别关键因素

找出了各重金属元素积累的主要贡献因子，如土壤镉主导水稻镉，种植时间主导水稻砷，为针对性治理提供依据。

应用场景

• 水稻重金属污染防治：用于识别水稻重金属积累的关键驱动因素，从而制定精准的源头控制措施，降低稻米重金属超标风险。
• 农田土壤修复：通过量化土壤镉等因子的贡献，指导农田土壤修复的优先区域和修复目标的确定。
• 粮食安全评估：提供重金属积累的预测模型和关键因子信息，支持对稻米食品安全风险的快速评估和预警。