基于多源辅助变量和随机森林模型的耕地土壤重金属含量空间分布预测

来源：环境科学杂志2024年第1期北京时间：

作者：解雪峰,郭炜炜,濮励杰,缪源卿,蒋国俊,张建珍,徐飞,吴涛

单位：浙江师范大学地理与环境科学学院, 金华 321004,浙江师范大学地理与环境科学学院, 金华 321004,南京大学地理与海洋科学学院, 南京 210023,江苏省有色金属华东地质勘查局地球化学勘查与海洋地质调查研究院, 南京 210007,浙江师范大学地理与环境科学学院, 金华 321004,浙江师范大学地理与环境科学学院, 金华 321004,浙江财经大学土地与城乡发展研究院, 杭州 310018,浙江师范大学地理与环境科学学院, 金华 321004

摘要：农田土壤重金属含量的空间预测对于监测耕地污染和确保生态农业可持续发展至关重要.从地形、气候、土壤属性、遥感信息、植被指数和人为活动这6个方面选取了32个环境变量作为辅助变量,并构建随机森林（RF）、回归克里格（RK）、普通克里格（OK）和多元线性回归（MLR）模型来预测耕地土壤中As、Cd、Cr、Cu、Hg、Ni、Pb和Zn的含量.结果表明,与RK、OK和MLR相比,RF模型对As、Cd、Cr、Hg、Pb和Zn的预测性能更高,而OK和RK模型分别对Cu和Ni含量的预测精度更高,表现为预测拟合优度（R2）最高而平均绝对误差（MAE）和均方根误差（RMSE）最低.不同预测方法对同种土壤重金属元素预测结果的空间分布趋势基本一致,8种重金属含量的高值区均分布在南部的平原地区,但RF模型对空间预测的细节刻画得更为突出.随机森林影响因子重要性排序表明,兰溪市土壤重金属含量空间分异主要受Se、TN、pH、海拔、年均温、年均降雨量、距河流距离和距工厂距离的共同影响.因此,随机森林可以作为土壤重金属空间预测的一种有效方法,为区域土壤污染调查、评价和管控提供科学参考.

关键词：土壤重金属,环境变量,随机森林,空间预测,影响因子,