[发明专利]一种植物中砷过量的概率值的预测方法及系统

说明书

本发明公开了一种植物中砷过量的概率值的预测方法及系统。该方法包括：采集植物的砷含量和与所述植物对应土壤的数据；所述土壤的数据为影响植物中砷含量的特征变量；所述特征变量至少包括土壤的砷含量和pH值；对采集到的所述土壤的数据分析，得到逻辑斯谛回归方程；将待测土壤的数据输入到所述逻辑斯谛回归方程中，得到所述待测土壤生长出的植物中砷含量过量的概率值。本发明实施例提供的方法拟筛选适用的概率预测理论，建立新的概率预测方法，该方法应对训练数据的数值分布无要求或要求较低，且能更为简便地引入更多土壤理化性质变量以提高预测能力。

技术领域

本发明涉及农业科学技术领域，尤其是涉及一种植物中砷过量的概率值的预测方法及系统。

背景技术

土壤中的砷As污染导致农产品砷As含量超标，进而危害人体健康。作物种植需要持续的人力物力投入，相比较收获后对农产品中As含量进行检测，通过检测产地环境(土壤)中砷As含量，进而对其上种植的农产品遭受污染的状况进行预测，更为简便实用。

理论上，作物与土壤中砷As含量具有正相关性，即土壤中砷As含量的升高会提高作物中相应含量。因此该领域内最初通过大量采样，使用土壤与作物砷As含量建立线性回归，直接对作物中砷As含量进行预测。后引入土壤pH等土壤理化性质进一步提高线性回归的拟合精度。从理论上，土壤中影响植物吸收重金属的因素非常多，很难一一枚举，因此只能关注影响较大的因素，例如土壤pH。但仅将pH列入模型并不意味着其他因素的影响可以忽略不计，只是其他因素的影响较低，且逐一考虑成本太高。因此，如采用上述方法，对大田采样，并建立线性回归会导致预测的误差较大。相较而言，盆栽实验土壤条件可控，较为单一，而实际田野中土壤参数非人力可控，且范围较大，土壤环境更为复杂多变，忽略不计的那些因素会对线性回归造成较大影响。因此，以上线性关系往往仅出现于条件严格管控的室内盆栽实验中，导致该方法的适用范围小。

虽然，有些现有技术，使用贝叶斯后验概率理论，以土壤重金属含量的全量和有效态含量两个变量也能预测出水稻籽粒重金属含量超标概率。但是，基于贝叶斯的水稻籽粒重金属含量超标概率预测方法存在以下缺陷：

(1)该方案所必需的条件概率获取困难。土壤As含量作为连续变量，其概率不能以样品频率表示，只能通过观察样品以假设其含量分布形式，进而拟合其概率密度函数。当假设的概率密度函数偏离实际情况时，模型效果较差。该技术方案假设其符合正态分布，但实际上受到外源污染土壤As含量很难符合正态分布。例如，一个区域的土壤的重金属含量只能通过大量的布点采样去摸清，这些样点数据可能能够反映当地自然状态下的“正态分布”，但是，也可能当存在人为的因素干扰时，当地自然状态下也可能“失真”的情况。即，若某地区的土壤的As的含量不符合正态度分布，则采用贝叶斯方法对该地区的水稻籽粒中砷含量的预测结果准确度低。

(2)该方法需严格假设参与建模各变量条件独立。土壤理化性质影响作物对土壤As的吸收，因此引入土壤理化性质变量理论上能进一步提高预测能力。但土壤理化性质之间甚至与土壤As含量往往具有较强相关性，违背该假设。该技术方案使用“有效态”含量来表征土壤理化性质对作物吸收富集的影响，但有效态含量与全量间同样存在较强的相关性，反而会伤害预测能力。

发明内容

(一)发明目的

本发明的目的是提供一种植物中砷过量的概率值的预测方法及系统，利用构建的逻辑斯谛回归方程，预测植物中砷含量是否过量。本发明实施例提供的方法拟筛选适用的概率预测理论，建立新的概率预测方法，该方法应对训练数据的数值分布无要求或要求较低，且能更为简便地引入更多土壤理化性质变量以提高预测能力。

(二)技术方案