水培到土培体系植物根系PFAS吸收风险的迁移机器学习研究

• 全文链接
• 请求原文

作   者：

钱一凡;  裴晨浩;  吕陈;  吴同亮;  刘存;  王玉军; 

作者机构：

土壤与农业可持续发展国家重点实验室; 

关键词：

机器学习;  植物根系吸收积累;  迁移学习;  全氟与多氟化合物; 

期刊名称：

农业环境科学学报

i s s n：

1672-2043

年卷期：

2024 年 43 卷 011 期

页   码：

2516-2524

摘   要：

为实现植物根系对全氟与多氟化合物（Per-and polyfluoroalkyl substances,PFAS）的吸收和积累的精准预测，本研究基于涵盖了19种PFAS的水培或土培体系文献数据，共计668条数据点，利用分子描述符、实验条件以及作物属性等作为特征变量，构建4种机器学习模型分别预测了水培体系和土壤体系的根系富集因子（RCF），效果最佳的均是极端梯度提升树（XGB）模型，测试集决定系数（R2）分别为0.69和0.83，均方根误差（RMSE）分别为0.51和0.28。水培体系中PFAS的吸收、积累更容易研究，因此搭建了从水培体系到土壤体系的迁移学习模型，通过知识共享来提升RCF预测的准确度。最优的迁移模型的测试集R2达到了0.86,RMSE为0.25，准确性有显著提升。Shapley加性解释（SHAP）特征重要性分析结果显示，暴露时间、土壤pH和PFAS浓度是影响土壤根系吸收积累最主要的3个因素。本研究通过构建机器学习和迁移学习模型来预测土壤中植物根系PFAS的吸收积累，实现了简单水-植物根表体系向土-水-植物多个界面复杂体系的迁移，为评估土壤PFAS生态环境风险提供了新的视角。