[发明专利]一种土壤重金属生物有效性的估计方法、系统和装置

说明书

本发明公开了一种土壤重金属生物有效性的估计方法、系统和装置，方法包括：采集研究区域内的土壤重金属生物有效性的地球化学因子数据和植物的重金属含量数据；根据所述地球化学因子数据和植物的重金属含量数据，以富集系数作为因变量，以地球化学因子作为自变量，建立随机森林回归模型；其中，富集系数是指植物中重金属含量与土壤中重金属含量的比值；根据随机森林回归模型计算地球化学因子对重金属生物有效性的贡献率。本发明采用随机森林回归模型的方法能够在较为准确地处理非线性关系的高维数据，因此，本发明能够较为准确地获得土壤重金属生物有效性和地球化学因子之间的非线性关系数据。本发明可以广泛应用于环境建模技术领域。

技术领域

本发明涉及环境建模技术领域，尤其是一种土壤重金属生物有效性的估计方法、系统和装置。

背景技术

重金属可以通过食物链人体而给人类健康带来潜在危害。而土壤中有效态的重金属元素易于转化和迁移，最容易被植物吸收利用而进入食物链，从而危害人畜和生态系统。重金属对生物的实际危害最终由重金属的生物有效性来体现。因此,了解重金属的生物有效性对全面评价重金属的危害具有重要意义。重金属对植物的毒害程度取决于其从土壤向蔬菜迁移的能力，迁移能力越强，重金属富集程度越高，对植物的危害程度也就越大。重金属在土壤-植物系统中的迁移富集是一个极为复杂的过程，与土壤地球化学属性密切相关，土壤的理化性质如pH值、土壤质地以及土壤中的营养元素、矿物质含量等都会影响重金属生物有效性，因此，估计土壤重金属生物有效性的关键地球化学因子十分必要。

目前，估计土壤重金属生物有效性的关键地球化学因子的研究方法主要有控制实验法、数学模型法和机理模型法等。其中，控制实验法和机理模型法主要用于盆栽实验和小区田间试验，通过人为控制土壤地球化学因子的施用量，观察土壤重金属生物有效性与土壤地球化学因子的关系，因控制试验条件和试验持续时间的局限无法在大尺度区域开展，不适合应用在大尺度区域的环境建模中。

数学模型法则是基于大尺度观测数据，利用数学建模的方法估计土壤重金属生物有效性的关键因子，广泛应用于大尺度区域分析。土壤重金属生物有效性与地球化学因子关联的研究通常采用相关系数分析、回归分析、主成分分析以及其他多元统计方法。通过相关系数分析研究了农作物各组织器官与土壤重金属全量以及化学形态含量的相关性。然而这些分析方法仅局限于线性相关的分析。随着人工智能的迅速发展，机器学习技术成为了当前数学建模领域的热点，机器学习模型被广泛的应用于土壤重金属生物有效性的关键因子的估计。机器学习模型有很多类别，我们可以按照算法分类，比如说基于树的算法，基于神经网络的算法和基于组合模型的算法等等。通过构造概率密度函数的算法将模型划分为最大期望算法模型，贝叶斯网和马尔可夫随机场模型等；通过构造决策树的算法将模型划分为随机森林模型、多元自适应回归样条和Chi-squared Automatic InteractionDetection模型等；通过构造组合模型的算法可划分模型为Bootstrapped Aggregation模型、梯度推进机模型和随机森林模型等。普通最小二乘回归、逐步回归和逻辑斯蒂回归等传统的机器学习模型局限在于无法分析土壤重金属生物有效性的关键因子间的非线性相关而导致判断失误。

综上所述，目前还没有一种技术能够高效精准地处理非线性关系数据的技术手段。

发明内容

为解决上述技术问题，本发明的目的在于：提供一种能够高效精准地处理非线性关系的土壤重金属生物有效性的估计方法。

本发明所采取的第一种技术方案是：

一种土壤重金属生物有效性的估计方法，包括以下步骤：

采集研究区域内的土壤重金属生物有效性的地球化学因子数据和植物的重金属含量数据；

根据所述地球化学因子数据和植物的重金属含量数据，以富集系数作为因变量，以地球化学因子作为自变量，建立随机森林回归模型；其中，富集系数是指植物中重金属含量与土壤中重金属含量的比值；