評價區(qū)域土壤重金屬含量的時空變化格局，預(yù)測未來土壤重金屬含量變化趨勢,是有效防控土壤污染的重要前提和基礎(chǔ)。由于土壤地球化學(xué)歷史數(shù)據(jù)普遍缺失，依靠大氣和水體含量多期時序數(shù)據(jù)建立土壤重金屬含量未來空間預(yù)測模型存在難度極大。隨著人工智能技術(shù)不斷成熟，利用人工智能技術(shù)與預(yù)測模型融合，有助提升土壤重金屬預(yù)測和管理的定量化水平，既能提高決策的科學(xué)性，也為土壤污染防控的精準(zhǔn)化和智能化帶來新的機遇。然而大量研究表明，預(yù)測結(jié)果越準(zhǔn)確的人工智能模型，其模型的可解釋性反而越差，精度較高的模型大多內(nèi)部結(jié)構(gòu)復(fù)雜多變，不能直觀理解。

　　為使預(yù)測模型在準(zhǔn)確性和可解釋性之間達到平衡，廣東省科學(xué)院生態(tài)環(huán)境與土壤研究所（以下簡稱省科學(xué)院土壤環(huán)境所）王琦研究員提出了超越人工智能“黑箱”的地理可解釋的土壤重金屬時空四維預(yù)測模型。研究采用機器學(xué)習(xí)集成學(xué)習(xí)（Ensemble Learning)的思想，將多個優(yōu)異單一機器學(xué)習(xí)和深度學(xué)習(xí)模型在穩(wěn)定性及準(zhǔn)確性方面的優(yōu)勢通過串并行方式有機結(jié)合，形成一個強組合預(yù)測模型，并基于可解釋的集成學(xué)習(xí)模型和土壤重金屬地理空間源-匯機理的深度融合，構(gòu)建了土壤重金屬含量時空預(yù)測模型，能更精準(zhǔn)地預(yù)測土壤重金屬含量未來時空格局和演變趨勢，其中包括定量估計驅(qū)動因子間交互作用對土壤重金屬含量的影響以及從樣點尺度到區(qū)域尺度源匯關(guān)系的跨尺度協(xié)同預(yù)測。

 超越人工智能“黑箱”的地理可解釋的土壤重金屬時空四維預(yù)測模型概念框架

　　試驗結(jié)果表明，該模型預(yù)測精度為93.8%，空間分辨率為1公里，為破譯土壤重金屬源-匯過程之間的復(fù)雜時空機理、預(yù)測土壤污染時空格局的方法研發(fā)帶來了新見解和新啟發(fā)。

　　相關(guān)研究成果發(fā)表于國際環(huán)境科學(xué)期刊Journal of Hazardous Materials，省科學(xué)院土壤環(huán)境所王琦研究員為論文第一作者，李芳柏研究員為論文通訊作者。該研究獲得廣東省杰出青年基金（2020B1515020020）和國家自然科學(xué)基金面上項目（42277479）支持。

　　文章鏈接：https://www.sciencedirect.com/science/article/pii/S0304389423011834

（省科學(xué)院土壤環(huán)境所/供稿）