机器学习模型可直接预测农药在植物根系的累积 - 植物研究杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 植物研究

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

机器学习模型可直接预测农药在植物根系的累积

作者:

关键词:

摘要：

新京报讯（记者周怀宗）农作物累积是农业污染物从土壤进入人类食物链的重要途径。近日，记者从中国农科院植物保护研究所获悉，我科研人员首次利用机器学习模型直接预测植物根部从土壤中吸收累积农药等有机污染物的量，为农产品在产地环境化学污染的预测提供了新的工具和手段。

机器学习模型预测植物吸收累积农业污染物的示意流程图。中国农科院供图

据介绍，准确预测植物吸收和累积农业污染物对保障食品安全、产地修复和人类健康暴露评估具有重要的意义。然而，由于污染物-土壤-植物根系之间复杂的相互作用，建立稳健可靠的预测模型仍然具有很大挑战性。传统的线性预测模型难以预测污染物-土壤-植物间的非线性关系，导致预测值与实际值差异较大。

在此次研究中，科研人员对比了四种不同的机器学习算法，通过对341个数据点、72个化合物的数据集进行训练，预测植物根系富集值，证明了新构建的GBRT-ECFP模型为最优预测模型，并通过5倍交叉验证评估了预测性能，其中R2值为0.77，平均绝对误差（MAE）为0.22。此外，本研究解析了化学分子、土壤与植物特性之间的非线性关系。

研究成功利用机器学习作为新兴手段预测农田作物对农药等污染物的吸收累积，展现了预测工具的先进性和通用性，为未来新农药植物吸收潜能评估和农田农药污染安全评价提供新的可靠工具。

该研究得到了国家重点研发计划、青年英才计划等项目的资助。研究成果先后发表在《环境科学与技术（Environmental Science & Technology）》和《危害性材料学报（Journal of Hazardous Materials）》上。

新京报记者周怀宗

编辑唐峥校对陈荻雁

文章来源：《植物研究》网址: http://www.zwyjzz.cn/zonghexinwen/2022/0110/2238.html