基于机器学习的液态粪污农田施用氨排放系数研究OA北大核心CSTPCD

为量化环境因子、施肥技术、粪污理化特性等因素对液态粪污还田利用后氨排放系数的影响,本研究采用Meta分析的方法,通过对52篇文献、总计454组数据的分析,探究了土壤性质、液态粪污性质、农田管理措施等16个因素对土壤氨排放系数的影响,并利用MatLab机器学习器训练和构建氨排放系数模型,对农田氨排放系数进行预测。结果表明:通过Meta分析发现粪污类型、粪污干物质含量、液态粪污施用方式、土壤pH是影响氨排放系数最重要的因素。在26个训练模型中,高斯过程模型(指数GPR)的决定系数(0.64)和均方根误差(0.067)均在所有模型中最优,且氨排放系数预测值和真实值相关系数达到0.91,该模型不仅成功预测了粪污施用技术对氨排放系数的影响,同时还可系统对比液态粪污的前期处理方式及其干物质含量、pH等理化特性对还田后氨排放系数的影响,但对不同质地土壤的氨排放系数识别度较低。本研究构建的液态粪污氨排放系数预测模型,不仅可较好地反映施肥技术、环境因子等因素对氨排放的影响,同时系统揭示了养殖场液态粪污理化特性和管理方式对还田土壤的氨排放系数的影响。