基于BP神经网络的作物Cd含量预测及安全种植分区

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

所属期刊栏目：40

资助基金：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

在线出版日期：2019-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2414-2424