基于決策樹模型的水稻鎘超標空間識別及預測研究

王院民,陳東湘,仝桂杰,顏道浩,李富富,吳紹華

(1.南京大學地理與海洋科學學院,江蘇 南京 210023;2.浙江財經大學東方學院,浙江 海寧 314408;3.浙江財經大學土地與城鄉發展研究院,浙江 杭州 310018;4.國土資源部城市土地資源監測與仿真重點實驗室,廣東 深圳 510034)

隨著我國工農業快速發展,越來越多的有害物質隨著工業排放、大氣沉降、化肥與農藥濫用等方式進入土壤中,其中由重金屬所造成的土壤環境問題尤為嚴重[1]。據調查顯示,耕地土壤中Cd元素污染問題最嚴重,其點位超標率達到7.0%[2]。水稻是重金屬Cd易富集農作物,易使Cd通過食物鏈進入人體,影響人體健康。人體攝入過量Cd元素可能會導致高血壓、腎功能失調和心腦血管疾病[3-4]。如今,重金屬Cd污染已成為影響我國水稻品質安全的重要因素[5-6]。

作物中Cd含量會隨著所處環境不同而呈現出不同的富集狀態[7],探討不同環境中水稻Cd超標空間識別及預測問題,對因地制宜制定水稻Cd污染防范措施具有很現實的指導意義。當前作物重金屬空間分布及其影響因素研究中,較常用研究方法有地統計法[8]、GIS空間分析法[9]、隨機森林模型法[10]以及主成分分析(PCA)和相關性分析(CA)等多元統計法[11]。但單用這些分析方法都存在一定局限性。地統計法一般適用于重金屬污染程度較低且母質污染與外界污染差值不大的區域;GIS空間分析法所利用的空間插值雖能直觀表征空間分布,但由于污染物空間分布影響因素多,存在較大不確定性;PCA和CA等多元統計方法中相互校驗一般需要在研究過程中采取足夠多的樣本才能達到空間識別效果[12];隨機森林模型法、人工神經網絡法等則難以提取具體的空間識別規則。……