农业环境科学学报

作者：冯锋,王育红,左雨芳

单位：江苏师范大学地理测绘与城乡规划学院, 江苏 徐州 221000,江苏师范大学地理测绘与城乡规划学院, 江苏 徐州 221000,江苏师范大学地理测绘与城乡规划学院, 江苏 徐州 221000

关键词：土壤重金属污染,随机森林,极端梯度提升,影响因子,空间分布,

基金：国家自然科学基金项目（U1304401）；江苏省研究生科研与创新计划项目（KYCX21_2572）

为降低土壤重金属研究中人工采样成本，宏观掌握大尺度研究区内土壤重金属污染的空间分布特征，本研究以贵阳市、遵义市和毕节市为研究区，以镉（Cadmium，Cd）元素为研究对象，提出利用随机森林（Random Forest，RF）分析评估影响因子的贡献率，并根据贡献率进行影响因子筛选后构建极端梯度提升（eXtreme Gradient Boosting，XGBoost）模型，即RF-XGBoost模型，用以预测研究区内土壤Cd污染的空间分布特征。结果表明：研究区内土壤Cd含量平均值仅比贵州省背景值高出0.02 mg·kg-1，污染程度较低，变异系数为125.37%，属于强变异；研究区内对土壤Cd污染贡献率最高的影响因子为土壤侵蚀程度、高程和年平均气温，贡献率分别为0.100、0.088和0.084，说明在大尺度研究区中自然环境对土壤Cd富集影响最大；RF-XGBoost模型的精度和稳定性高于RF和XGBoost模型，准确率提升了0.039 3，Kappa系数分别提升了0.059 2、0.091 4，F1_score分别提升了0.250 4、0.270 1；研究区内土壤Cd污染整体程度较低，但在毕节市西南部出现多个中度-中强污染带。研究表明，RF-XGBoost模型可准确预测大尺度范围的土壤Cd污染空间分布，有助于宏观掌握土壤Cd污染的空间分布特征。

来源：2023年第4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2023年第4期