随机森林模型跨界 “预测” 作物砷污染：为农田规划管理带来新突破

砷（As）危害环境与人体健康，来自未知的研究人员以青藏高原为研究区域，利用随机森林（RF）算法开展作物砷污染跨物种预测研究。结果显示，RF 模型预测精度更高，该研究为农田规划管理提供了重要参考。

　　砷（As）是一种有害的类金属，由于其高毒性和广泛存在，对环境和人类健康构成严重威胁。人类主要通过饮用受污染的水和摄入高砷含量的食物接触砷。作物中的砷含量不仅取决于土壤中的砷含量，还取决于砷与其他土壤元素的相互作用。在本研究中，选择青藏高原作为研究区域。利用随机森林（RF）算法，从 29 种土壤指标中识别出锶（Sr）和可浸出铅（Pb），以预测油菜籽、小麦、土豆、草和菊苣作物中的砷含量。结果表明，与传统的多元线性回归方法相比，RF 模型在预测作物砷含量方面具有更高的准确性和精度。特别是在跨物种预测中，RF 模型表现出优异的预测性能。这项研究是首次使用该模型成功进行跨物种研究的尝试。这种方法避免了对同一区域内不同作物类型进行重复评估的需要，具有重大创新意义。此外，青藏高原独特的环境增加了本研究的价值。研究结果为有效的农田规划和管理提供了有价值的见解，有助于更好地组织作物种植区域。