Maharishi Markandeshwar University, Mullana

研究者为加州构建了一个物理约束的农药暴露筛选模型：用基于土壤半衰期的一阶衰减命运指数驱动LightGBM，从2016至2023年公共农业、气象与化学品属性数据预测县级逐周农药施用，并用554个加州监测站、3924次美国地质调查局溪流实测（未参与训练）验证暴露指数，结果显示两种最常监测化学品相关性显著（马拉硫磷ρ=0.51，p<10⁻⁶；异丙甲草胺ρ=0.28，p<10⁻⁸），十四种化学品合并后相关性偏弱，施用模型在空间（R²=0.64）与时间（R²=0.89）上泛化较好、对全新化学品泛化较差（R²=0.32），加入人工整理化学品描述符反而使该任务变差，基于加州气候评估升温情景的敏感性分析提示本

研究者为加州构建了一个物理约束的农药暴露筛选模型：用基于土壤半衰期的一阶衰减命运指数驱动LightGBM，从2016至2023年公共农业、气象与化学品属性数据预测县级逐周农药施用，并用554个加州监测站、3924次美国地质调查局溪流实测（未参与训练）验证暴露指数，结果显示两种最常监测化学品相关性显著（马拉硫磷ρ=0.51，p<10⁻⁶；异丙甲草胺ρ=0.28，p<10⁻⁸），十四种化学品合并后相关性偏弱，施用模型在空间（R²=0.64）与时间（R²=0.89）上泛化较好、对全新化学品泛化较差（R²=0.32），加入人工整理化学品描述符反而使该任务变差，基于加州气候评估升温情景的敏感性分析提示本