中国环境科学

作者：仝桂杰, 吴绍华, 袁毓婕, 颜道浩, 周生路, 李富富

单位：1. 南京大学地理与海洋科学学院, 江苏 南京 210023;2. 浙江财经大学土地与城乡发展研究院, 浙江 杭州 310018

关键词：贝叶斯决策树,重金属,风险,小麦

基金：国家重点研发计划（2017YFD0800305）

为揭示环境因素与小麦Cd超标风险的关系，综合考虑了小麦Cd富集的7个影响因素（土壤Cd浓度、污染企业、城镇村及工矿用地、交通运输用地、土壤类型、土壤有机质含量（SOM）和土壤pH值），采用ID3算法与朴素贝叶斯算法，建立起5棵贝叶斯决策树.提出了15条小麦Cd超标风险的识别规则，将超标风险分为5级并确定了小麦Cd富集的3个主控因子：污染企业、土壤pH值和土壤Cd浓度.经检验，5棵决策树风险识别的平均精度为81.14%，而使用风险识别规则和贝叶斯算法后识别精度提高为89.32%.该模型将贝叶斯算法融入到了决策树模型，可以评估数据完整或缺失样本的Cd污染风险，确定小麦Cd富集的主控因子，同时可以基于风险识别规则判定小麦Cd风险程度和范围，为土壤安全利用和小麦安全生产区的划定提供参考.

来源：2019年第3期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2019年第3期