基于RF-XGBoost的土壤镉污染影响因子及空间分布研究-基于重大误解实施的民事法律行为 行为人有权()

来源：《农业环境科学学报》2023年 04期作者：冯锋，王育红*，左雨芳单位：江苏师范大学地理测绘与城乡规划学院摘要为降低土壤重金属研究中人工采样成本，宏观掌握大尺度研究区内土壤重金属污染的空间分布特征，本研究以贵阳市、遵义市和毕节市为研究区，以镉（Cadmium，Cd）元素为研究对象，提出利用随机森林（Random Forest，RF）分析评估影响因子的贡献率，并根据贡献率进行影响因子筛选后构建极端梯度提升（eXtreme Gradient Boosting，XGBoost）模型，即RF-XGBoost 模型，用以预测研究区内土壤Cd 污染的空间分布特征。结果表明：研究区内土壤Cd 含量平均值仅比贵州省背景值高出0.02 mgkg-1，污染程度较低，变异系数为125.37%，属于强变异；研究区内对土壤Cd 污染贡献率最高的影响因子为土壤侵蚀程度、高程和年平均气温，贡献率分别为0.100、0.088和0.084，说明在大尺度研究区中自然环境对土壤Cd 富集影响最大；RF-XGBoost 模型的精度和稳定性高于RF 和XGBoost 模型，准确率提升了0.0393，Kappa 系数分别提升了0.0592、0.0914，F1score 分别提升了0.2504、0.2701；研究区内土壤Cd 污染整体程度较低，但在毕节市西南部出现多个中度-中强污染带。研究表明，RF-XGBoost 模型可准确预测大尺度范围的土壤Cd 污染空间分布，有助于宏观掌握土壤Cd 污染的空间分布特征。结论：（1）研究区的土壤Cd 含量平均值略高于贵州省的背景值，整体污染程度较低，但土壤Cd 污染分布极不均衡，受到较大的外源性影响。（2）土壤侵蚀度、高程和年均气温3项自然影响因子对研究区土壤Cd 污染贡献率最高，揭示在较大尺度研究区内自然环境是造成土壤Cd 富集的主要影响因素；人均GDP、人口密度、与高速路距离、与主干道距离4项人为影响因子对土壤Cd 污染贡献率较高，印证研究区内的土壤Cd 含量受到较大外源性影响，并提示在研究区内，人类活动是造成土壤Cd 污染的重要来源，其中交通污染源需重点防治。（3）RF-XGBoost 模型的精度和稳定性显著高于RF、XGBoost 模型，结合地统计学可准确客观地预测土壤Cd 污染空间分布特征，该模型在土壤重金属污染空间分布研究中具有推广性，可为宏观掌握大尺度范围内土壤重金属污染分布提供参考。编辑：郑庆祥校对审核：潘淑君王农农业环境科学--推荐阅读土壤有效态镉与稻米镉污染风险广东案例研究基于Morans I 的菜地土壤属性空间分布格局分析基于田块尺度土壤重金属空间分布及其生态风险评价