镉是我国农田土壤污染的首要污染物，威胁农产品质量安全。稻米是我国人群膳食镉摄入的最主要来源。大尺度的土壤与稻米协同采样调查发现，稻米镉与土壤镉以及土壤性质间的量化关系较差（R²通常低于0.2），时常存在“土壤镉超标而稻米不超标，或土壤镉不超标但稻米超标”的现象，这给污染耕地质量类别划分和风险评估带来很大的不确定性。

针对该问题，我院汪鹏教授课题组在湖南省湘潭县域尺度开展了为期三年的田间野外调查，在水稻成熟中后期，采集土壤和稻米样品600对，发现稻米镉含量与土壤总镉间的线性关系较差（R² < 0.17，图1），表明仅依靠土壤总镉含量无法准确评估稻米镉含量超标风险。进一步通过机器学习，发现基于土壤铁锰氧化物结合态镉、土壤pH、土壤可还原态锰含量和水稻灌浆成熟后期的土壤含水率，能很好预测区域尺度稻米镉含量（R² = 0.81；图1），大幅度提升了稻米镉与土壤镉以及土壤参数之间关系的确定性。

图1. 机器学习-支持向量机 (SVM) 模型预测结果。(a) 土壤Cd与稻米Cd含量间的相关性；(b) 稻米Cd含量实测值与预测值的散点图；(c, d) 稻米Cd含量实测值与预测值的空间分布图 (以2020年调查为例)。

基于该机器学习模型，研究团队还针对土壤pH、水稻灌浆成熟后期土壤水分状况、土壤可还原态锰含量等参数，分别进行了情景模拟。结果表明如通过施加石灰石粉将该县域酸性稻田土壤pH提高至6.5，可将该县域稻米镉含量的超标率降低至2.0%（图2），为该区域实现受污染耕地95%的安全利用率提供高性价比的解决方案。

图2. 土壤pH提高至6.5的情景模拟。(a) 当前土壤pH；(b) 当前稻米Cd含量和超标率；(c) 酸性土壤改良需要石灰石粉用量(目标土壤pH 6.5)；(b) 土壤pH提高后稻米Cd含量和超标率。

相关研究成果以“Machine learning methods to predict cadmium (Cd) concentration in rice grain and support soil management at a regional scale”为题发表于综合性期刊Fundamental Research上。我院博士毕业生黄博阳和在读博士研究生律其鑫为论文的共同第一作者，汪鹏教授为通讯作者，赵方杰教授参与并指导了这项研究工作。该研究工作得到了国家重点研发计划项目、国家自然科学基金项目以及中央高校业务费的资助。

全文链接： http://doi.org/10.1016/j.fmre.2023.02.016