土壤学报

作者：王鑫，于东升，马利霞，陆晓松，陈洋，冯凯月

单位：王鑫，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学, 北京 100049；,于东升，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学, 北京 100049；dshyu@issas.ac.cn,马利霞，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学, 北京 100049；,陆晓松，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学, 北京 100049；,陈洋，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学, 北京 100049；,冯凯月，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学, 北京 100049；,

关键词：农药场地;土壤污染;层次分析;五分制;大数据预测

基金：国家重点研发计划专项（2018YFC1800104，2021YFC1809104）、科技基础性工作专项（2015FY110700-S2）资助

及时高效预测和筛查潜在农药污染场地对环境染风险管控具有重要意义。基于万维网公开的46个农药场地样本数据，利用五分制层次分析法建立农药场地土壤污染快速预测指标体系，包括产品特性、局部气象条件、土壤属性和场地生产特性4个因素及其相应的产品毒性、产品持久性、年均气温、年均降水、年均风速、光照、土壤质地、pH、有机质含量、生产时间和闲置时间11个特征指标。结果表明，农药场地生产时间、产品毒性及其持久性指标五分制分级后与农药场地土壤污染均存在显著线性相关，三个指标不同组合对场地土壤污染的线性综合预测精度小于65%，而基于11个指标的机器学习方法（SVM模型和神经网络模型BP）综合预测精度为82%，但存在污染场地严重漏判问题。以综合评价指数值P≥0.6作为农药场地土壤污染的预测阈值，五分制层次分析法综合预测精度达到91%，优于线性预测以及机器学习方法，具有关键数据需求少、预测快速高效特点，体现 “宁严勿漏”的预测原则，可用于各类型农药场地的土壤污染筛查。

来源：2022年第3期

《土壤学报》期刊编辑部

查看土壤学报杂志2022年第3期