农业环境科学学报

作者：夏菲洋,和长城,陆晓松,王玉军,杨敏,范婷婷

单位：生态环境部南京环境科学研究所, 生态环境部土壤环境管理与污染控制重点实验室, 南京 210042,生态环境部南京环境科学研究所, 生态环境部土壤环境管理与污染控制重点实验室, 南京 210042,生态环境部南京环境科学研究所, 生态环境部土壤环境管理与污染控制重点实验室, 南京 210042,中国科学院南京土壤研究所, 南京 211135,生态环境部南京环境科学研究所, 生态环境部土壤环境管理与污染控制重点实验室, 南京 210042,生态环境部南京环境科学研究所, 生态环境部土壤环境管理与污染控制重点实验室, 南京 210042

关键词：铜,锌,生物有效性预测,极限梯度提升（XGBoost）,动力学过程,老化,

基金：国家重点研发计划项目(2021YFC1809102)

为探究铜（Cu）和锌（Zn）在不同类型土壤中的老化过程及其主要影响因素，本研究开展了为期90 d的培养实验，向12种不同类型的土壤外源添加Cu和Zn。基于传统动力学模型、逐步线性回归和机器学习模型，构建了土壤中Cu和Zn有效态变化的预测模型。此外，基于沙普利可加性模型解释方法（Shapley Additive Explanations，SHAP），分析了影响Cu和Zn有效态含量的关键土壤因子的作用。结果表明，Cu和 Zn有效态含量在培养前 30 d内迅速下降，随后速率减缓，且 pH对老化速率影响显著，在碱性土壤中下降更明显。动力学分析显示Cu的老化过程主要受微孔扩散控制，而Zn的老化机制较为复杂，不完全依赖扩散作用。多变量逐步线性回归分析表明，土壤电导率和粒径组成对金属有效态变化有显著影响。此外，本文比较了随机森林、支持向量回归、极限梯度提升和符号回归 4种机器学习模型对 Cu和 Zn有效态含量的预测能力，发现极限梯度提升模型的预测精度最高。通过SHAP分析发现，铁氧化物和有机质含量分别是影响Cu和Zn有效态的最关键因素。pH对Cu和Zn有效态含量的影响存在显著差异，Cu的有效态含量预测中铁氧化物与pH值之间呈现出显著的交互作用。总体而言，本文通过结合动力学模型、逐步线性回归分析与机器学习方法，揭示了Cu和Zn在土壤中老化的主要驱动因素及其相互作用。

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