关于机器学习的视角：预测水资源管理和生物炭处理对土壤中镉活性以及水稻中镉积累的综合影响与策略

《Agricultural Water Management》：Perspectives on machine learning: Predicting the combined effects and strategies of water management and biochar treatment on soil Cd activity and Cd accumulation in rice

本研究利用机器学习模型探究生物炭与水分管理协同修复镉污染土壤及水稻各器官的效果。通过分析土壤性质、生物炭特性及实验条件，发现活性土壤镉和糙米镉含量最佳拟合模型为梯度提升决策树（GBDT）。研究指出，土壤pH和初始镉浓度是关键因素，当pH为5.0-7.0时，临界镉浓度分别为0.94-2.42 mg·kg?1，需结合生物炭与其他技术应对更高浓度污染。

　　近年来，随着工业化和农业化的快速发展，农田土壤受到重金属污染的威胁日益加剧，其中镉（Cd）污染尤为突出。镉具有较强的迁移性和毒性，容易被农作物吸收并最终进入人体，对健康构成潜在风险。在中国，水稻是主要的粮食作物，超过60%的人口以水稻为主食，因此，镉污染的农田与水稻种植区高度重叠，亟需有效的治理技术。在众多治理手段中，生物炭钝化技术因其良好的物理化学性质，如高pH值、大的比表面积、丰富的金属阳离子和矿物质含量，被广泛应用于镉污染土壤的修复。

然而，现有的研究大多集中于生物炭对土壤中镉的钝化效果，较少关注其对不同作物器官中镉积累的影响。此外，土壤含水量和水管理方式对生物炭修复效果的影响也尚未得到充分探讨。为此，本研究引入机器学习方法，综合分析了生物炭和水管理对土壤中活性镉（包括DTPA-Cd、可利用镉和可交换镉）以及水稻不同器官中镉积累的协同作用，并预测了在不同水管理条件下，生物炭修复镉污染土壤的适宜镉浓度范围。

研究数据来源于过去二十年内发表在Web of Science数据库上的相关文献，涵盖了不同生物炭类型、土壤性质、水稻品种以及实验条件等多方面信息。通过将数据进行标准化处理，包括单位转换、缺失值填补和特征工程，确保了数据的一致性和可比性。研究还采用多种机器学习模型，如传统线性模型（逻辑回归、岭回归和贝叶斯岭回归）和集成模型（随机森林、梯度提升决策树、XGBoost、LightGBM、ExtraTrees和支持向量机），对模型的预测性能进行了系统评估，选择了最优模型进行后续分析。

研究结果表明，对于土壤中的活性镉和水稻中的镉含量，梯度提升决策树（GBDT）模型表现最佳。通过SHAP方法分析模型特征的重要性，发现影响水稻镉吸收的关键因素按重要性排序为：土壤性质（43.7%）> 生物炭性质（30.3%）> 实验条件（24.6%）> 水稻性质（1.4%）。这表明土壤性质在镉吸收过程中起到决定性作用，其次是生物炭的特性，而实验条件和水稻本身的特性则相对次要。

进一步研究发现，土壤的pH值、有机质含量和阳离子交换容量是影响生物炭修复效果的重要因素。在pH值为5.0、5.5、6.0、6.5和7.0的土壤中，当初始土壤镉浓度超过0.94、1.25、1.68、2.12和2.42 mg·kg?1时，仅依靠水管理的修复策略可能无法达到预期效果。此外，当初始土壤镉浓度超过1.25、1.60、1.95、2.30和2.85 mg·kg?1时，即使在水淹条件下，单独使用生物炭进行修复也不推荐，应考虑与其他修复技术（如硅肥和绿肥）结合使用。

为了提高修复效率，本研究通过优化生物炭的施用比例和类型，结合水管理策略，提出了适用于不同初始镉浓度的修复方案。例如，在低污染水平（<1.0 mg·kg?1）下，较低的生物炭施用比例（平均1.57%）即可满足修复标准；而在中等污染水平（1.0–3.0 mg·kg?1）下，需要更高效率的生物炭和更高的施用比例，甚至接近3%。对于高污染水平（>3.0 mg·kg?1）的土壤，建议采用生物炭与水管理相结合的修复策略，以确保达到安全的水稻镉含量标准。

此外，研究还发现，不同水管理方式对生物炭修复效果的影响存在显著差异。在水淹条件下，生物炭的修复效果更为显著，而交替湿润干燥条件下的效果则相对有限。因此，水淹管理在镉污染土壤修复中可能更优。然而，由于研究数据的限制，本研究未能对交替湿润干燥管理进行深入分类，未来的研究应进一步扩展这一领域，并考虑土壤微生物群落、肥料使用和气候条件等潜在影响因素。

总体而言，本研究通过机器学习方法，系统地分析了生物炭和水管理对镉污染土壤修复的协同作用，并为不同土壤条件下的修复策略提供了科学依据。研究结果不仅有助于优化生物炭的施用方案，也为实现高效、可持续的镉污染治理提供了新的思路。未来的研究可以进一步拓展水管理类型，结合当地气候和土壤特性，以提高模型的适用性和修复效果。