農(nóng)作物累積是農(nóng)業(yè)污染物從土壤進入人類食物鏈的重要途徑。近日，記者從中國農(nóng)科院植物保護研究所獲悉，我科研人員首次利用機器學習模型直接預(yù)測植物根部從土壤中吸收累積農(nóng)藥等有機污染物的量，為農(nóng)產(chǎn)品在產(chǎn)地環(huán)境化學污染的預(yù)測提供了新的工具和手段。

機器學習模型預(yù)測植物吸收累積農(nóng)業(yè)污染物的示意流程圖。中國農(nóng)科院供圖

據(jù)介紹，準確預(yù)測植物吸收和累積農(nóng)業(yè)污染物對保障食品安全、產(chǎn)地修復(fù)和人類健康暴露評估具有重要的意義。然而，由于污染物-土壤-植物根系之間復(fù)雜的相互作用，建立穩(wěn)健可靠的預(yù)測模型仍然具有很大挑戰(zhàn)性。傳統(tǒng)的線性預(yù)測模型難以預(yù)測污染物-土壤-植物間的非線性關(guān)系，導(dǎo)致預(yù)測值與實際值差異較大。

在此次研究中，科研人員對比了四種不同的機器學習算法，通過對341個數(shù)據(jù)點、72個化合物的數(shù)據(jù)集進行訓(xùn)練，預(yù)測植物根系富集值，證明了新構(gòu)建的GBRT-ECFP模型為最優(yōu)預(yù)測模型，并通過5倍交叉驗證評估了預(yù)測性能，其中R2值為0.77，平均絕對誤差(MAE)為0.22。此外，本研究解析了化學分子、土壤與植物特性之間的非線性關(guān)系。

研究成功利用機器學習作為新興手段預(yù)測農(nóng)田作物對農(nóng)藥等污染物的吸收累積，展現(xiàn)了預(yù)測工具的先進性和通用性，為未來新農(nóng)藥植物吸收潛能評估和農(nóng)田農(nóng)藥污染安全評價提供新的可靠工具。

該研究得到了國家重點研發(fā)計劃、青年英才計劃等項目的資助。研究成果先后發(fā)表在《環(huán)境科學與技術(shù)(Environmental Science & Technology)》和《危害性材料學報(Journal of Hazardous Materials)》上。

（文章來源：新京報）