基于BP神经网络的作物Cd含量预测及安全种植分区
2018-12-14分类号:X503.231
【部门】中国地质大学(北京)土地科学技术学院 国土资源部土地整治重点实验室
【摘要】为科学预测作物重金属含量,实现重金属污染农用地的安全利用,本研究利用地理探测器选取对作物Cd含量影响较大的土壤Cd含量、土壤pH值、与交通主干线的距离等10个因素为输入因子,农作物可食部分Cd含量作为输出因子,分别建立小麦、水稻、油菜籽、蔬菜可食部分Cd含量的BP神经网络预测模型,对作物种植污染情况进行预测分析,划分作物安全利用种植区。研究结果表明:(1) BP神经网络模型预测精度明显优于多元回归预测模型;(2)对小麦、水稻和油菜籽的可食部分Cd含量预测结果进行评价,得到作物污染可能的空间分布及特征;(3)依据评价结果,对3种作物进行配置,划分得到4种作物适宜种植区,并提出管控策略。研究可为污染农用地的安全利用及作物种植调整提供思路和依据,兼具理论和现实意义。
【关键词】作物Cd含量 BP神经网络 预测模型 重金属污染 农用地安全利用 小麦 水稻 油菜籽 蔬菜 作物适宜种植区
【基金】国家重点研发计划(2017YFD0800305);; 国土资源部公益性行业专项经费项目(201511082)
【所属期刊栏目】资源科学
文献传递