农业环境科学学报

作者：钱一凡,裴晨浩,吕陈,吴同亮,刘存,王玉军

单位：土壤与农业可持续发展国家重点实验室, 中国科学院南京土壤研究所, 南京 211135,中国科学院大学, 北京 100049,土壤与农业可持续发展国家重点实验室, 中国科学院南京土壤研究所, 南京 211135,中国科学院大学, 北京 100049,土壤与农业可持续发展国家重点实验室, 中国科学院南京土壤研究所, 南京 211135,土壤与农业可持续发展国家重点实验室, 中国科学院南京土壤研究所, 南京 211135,土壤与农业可持续发展国家重点实验室, 中国科学院南京土壤研究所, 南京 211135,土壤与农业可持续发展国家重点实验室, 中国科学院南京土壤研究所, 南京 211135,中国科学院大学, 北京 100049

关键词：全氟与多氟化合物,植物根系吸收积累,机器学习,迁移学习,

基金：国家重点研发计划项目(2021YFC1809100);国家自然科学基金项目(41977027)

为实现植物根系对全氟与多氟化合物（Per- and polyfluoroalkyl substances，PFAS）的吸收和积累的精准预测，本研究基于涵盖了19种PFAS的水培或土培体系文献数据，共计668条数据点，利用分子描述符、实验条件以及作物属性等作为特征变量，构建4种机器学习模型分别预测了水培体系和土壤体系的根系富集因子（RCF），效果最佳的均是极端梯度提升树（XGB）模型，测试集决定系数（R2）分别为0.69和0.83，均方根误差（RMSE）分别为0.51和0.28。水培体系中PFAS的吸收、积累更容易研究，因此搭建了从水培体系到土壤体系的迁移学习模型，通过知识共享来提升 RCF 预测的准确度。最优的迁移模型的测试集 R2达到了0.86，RMSE 为 0.25，准确性有显著提升。Shapley加性解释（SHAP）特征重要性分析结果显示，暴露时间、土壤 pH 和 PFAS浓度是影响土壤根系吸收积累最主要的3个因素。本研究通过构建机器学习和迁移学习模型来预测土壤中植物根系PFAS的吸收积累，实现了简单水-植物根表体系向土-水-植物多个界面复杂体系的迁移，为评估土壤PFAS生态环境风险提供了新的视角。

来源：2024年第11期

《农业环境科学学报》期刊编辑部

查看农业环境科学学报杂志2024年第11期