基于机器学习方法的土壤典型重金属生物毒性和潜在生态风险预测
作者机构:中国科学院城市环境研究所城市环境与健康重点实验室 中国科学院大学
出 版 物:《中国环境科学》 (China Environmental Science)
年 卷 期:2024年
核心收录:
学科分类:12[管理学] 1204[管理学-公共管理] 082803[工学-农业生物环境与能源工程] 08[工学] 0828[工学-农业工程] 120405[管理学-土地资源管理]
基 金:国家重点研发计划(2023YFC3709700) 福建省中科院STS计划配套项目(2022T3014) 福建省科技计划项目(2024N0027)
主 题:机器学习 土壤 重金属 理化性质 生物毒性 生态风险评价
摘 要:土壤理化性质会显著影响重金属生物毒性,基于土壤理化性质的重金属生物毒性及潜在生态风险预测是当前的研究热点之一 。本研究以土壤典型重金属镉(Cd)、铜(Cu)、铅(Pb)和锌(Zn)为研究对象,蚯蚓为土壤模式生物,采用文献法搜集已发表论文中重金属对蚯蚓繁殖的半数有效浓度(EC50)与所对应的土壤理化性质数据共113组,分析不同数据间关联性,揭示土壤理化因子对重金属生物毒性的影响规律。利用随机森林(RF)、梯度提升决策树(GBDT)、极限梯度提升(XGBoost)、K近临(KNN)和支持向量机(SVR)五种机器学习算法构建机器学习模型,研选最佳模型并开展我国土壤重金属潜在生态风险阈值预测。结果表明,重金属在不同类型土壤中毒性存在显著差异,重金属对蚯蚓的繁殖毒性强弱趋势表现为CdCuPb≈Zn。不同土壤理化性质对重金属生物毒性的影响规律不同,其中土壤pH是影响重金属Pb和Cd的主要因素,对重金属蚯蚓繁殖毒性变化的贡献率分别为57.2%和69.0%;阳离子交换量和有机质含量则分别是重金属Cu和Zn生物毒性的主要影响因子。从模型拟合优度和预测精度对比分析基于土壤理化因子构建的重金属生物毒性机器预测模型的性能,XGBoost模型对Cd、Cu和Zn的生物毒性预测表现较好,而RF模型对Pb的生物毒性预测更准确,训练集和测试集的R2分别达0.939和0.886。利用研选的重金属生物毒性预测模型开展我国34省土壤中重金属生态风险阈值预测,结果发现不同区域土壤潜在生态风险存在明显差异。研究结果可为基于土壤理化性状的重金属生态毒性和潜在生态风险的准确预测与合理评估提供新的策略。