基于BP神经网络的作物Cd含量预测及安全种植分区.pdfVIP

Resources Science 第40卷 第12期 2018年12月 2018，40（12）：2414-2424 Vol.40，No.12Dec.，2018 引用格式：侯艺璇，赵华甫，吴克宁，等. 基于BP 神经网络的作物Cd 含量预测及安全种植分区[J]. 资源科学，2018 ，40 （12）： 2414-2424. [Hou Y X, Zhao H F, Wu K N, et al. Prediction of crop Cd content and zoning of safety planting based on BP neural network[J]. Resources Science ，2018 ，40 （12）：2414-2424.] DOI：10.18402/resci.2018.12.09 基于BP 神经网络的作物Cd 含量 预测及安全种植分区 1 1，2 1，2 1 侯艺璇 ，赵华甫 ，吴克宁 ，李 凯 （1. 中国地质大学（北京）土地科学技术学院，北京100083； 2. 国土资源部土地整治重点实验室，北京100035） 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：①BP 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 DOI：10.18402/resci.2018.12.09 [5 ，6] 1 引言 模型 ，实现对重金属含量的预测。但在回归分析 随着工业化、城市化快速发展及农药化肥的广 中，因子表达式选取较为困难，当因子较多时构建模 [7 ，8] 泛使用，中国农用地重金属污染状况持续恶化。“镉 型较为复杂，且其相关系数大多在0.4~0.9 之间 ， 大米”、“重金属蔬菜”等一系列食品安全问题的涌 而机理模型大多仅能预测重金属含量变化的大致 [6] 现，使农作物重金属污染受到政府和社会各界的广 趋势 ，预测精度有待提升。BP 神经网络是利用非