Prediktiv modellering av bajsgräs (millet) tillväxt i pesticid- och vinasse-ändrade jordar med SHAP-regressionsinterpretation

Varför detta spelar roll för vår mat och vår jord

Modern odling förlitar sig på pesticider för att skydda grödor och på industriella biprodukter som vinasse, en näringsrik vätska från sockerproduktionsprocessen, för att gödsla fält. Men att blanda dessa kemikalier och rester i marken kan ge dolda effekter på växttillväxt och långsiktig markhälsa. Denna studie ställer en praktisk fråga med stora följder: kan vi använda avancerade datorbaserade modeller för att reda ut hur dessa ämnen samverkar i jorden och påverkar en tålig fodergröda, pärlmillet, över tid?

En testsäng för en föränderlig åkermark

Forskarna odlade pärlmillet i krukor under växthusförhållanden och simulerade verkliga områden med sockerrör där pesticider och vinasse är vanliga. De fokuserade på två vida använda produkter: tebuthiuron, ett långlivat ogräsmedel, och thiamethoxam, ett insektsmedel, tillsammans med vinasse som ofta appliceras som flytande gödsel. Genom att kombinera närvaro eller frånvaro av var och en av dessa tre insatser skapade de jordar med olika förorenings- och gödslingsscenarier. Teamet övervakade sedan hur milleten svarade genom enkla men talande mätningar: roten- och skottens torrvikt samt bladens grönhet, vilket speglar klorofyll och växtens allmänna hälsa.

Låta data tala med maskininlärning

I stället för att söka enkla en-till-en orsak-verkan-relationer vände sig författarna till en svit av maskininlärningsverktyg. Dessa datorbaserade modeller är utformade för att hitta mönster i komplexa, brusiga data som traditionell statistik ofta har svårt med. De testade nio regressionsmetoder, från okomplicerade linjära modeller till mer flexibla tekniker som slumpmässiga skogar (random forests) och Gaussisk processregression. För att försäkra sig om att modellerna inte bara var exakta utan också begripliga använde de en metod kallad SHAP (Shapley Additive Explanations), som visar hur mycket varje faktor—tid, pesticider och vinasse—skjuter prediktionerna upp eller ner för varje planta.

Tiden är den tysta jätten i växttillväxten

I samtliga modeller framgick ett tydligt budskap: tiden var den dominerande drivkraften bakom prediktionerna. När antal dagar sedan sådd inkluderades gjorde modellerna ett måttligt men meningsfullt jobb med att förutse rot- och skottbiomassa. När tiden togs bort kollapsade deras noggrannhet och förklarade nästan ingen av variationen i växttillväxten. SHAP-analyser bekräftade detta och visade att tiden konsekvent hade störst påverkan på den förutsagda biomassan, medan pesticiderna och vinassen spelade mindre, kontextberoende roller. Detta är biologiskt rimligt—rot- och skottsystem utvecklas gradvis och deras svar på kemikalier ackumuleras eller avtar över veckor snarare än uppträder plötsligt.

Godhjärtade och skadliga aktörer i jordblandningen

Modellerna fångade också subtilare signaler om hur varje jordtillsats påverkade millet-tillväxten. Vinasse tenderade att stödja växtutveckling, och fungerade som en markförbättrare och näringskälla som ofta ökade skottbiomassan i simuleringarna. Däremot visade tebuthiuron och, i mindre utsträckning, thiamethoxam generellt neutrala eller negativa bidrag—i linje med deras rykte som persistenta kemikalier som kan stressa icke-målväxter och markliv. Viktigt är att modellerna antydde att samspelet mellan dessa faktorer—hur vinasse förändrar markförhållanden, hur pesticider bryts ner eller består, och hur allt detta skiftar över tid—är för komplext för att fångas av någon enstaka ögonblicksbild.

Vad detta betyder för smartare, säkrare jordbruk

För en allmän läsare är huvudbudskapet att förutsäga växttillväxt i kemiskt behandlade jordar inte bara handlar om vilka produkter som finns där, utan om hur länge växterna varit exponerade och hur dessa ämnen samverkar när förhållandena förändras. Studien visar att tolkbar maskininlärning kan avslöja dessa tidskänsliga mönster, även när data är röriga och effekterna modest. Även om modellerna inte var perfekta spåkulor bekräftade de på ett tillförlitligt sätt att vinasse kan gynna växttillväxt och att persistenta pesticider kan hämma den—allt under tidens starka påverkan. Denna typ av angreppssätt kan hjälpa bönder, agronomer och tillsynsmyndigheter att utforma förvaltningsstrategier som håller jordarna produktiva samtidigt som de minskar långsamma risker av kemikalieansamling.

Citering: Frias, Y.A., de Almeida Moreira, B.R., Valério, T.S. et al. Predictive modeling of millet growth in pesticide- and vinasse-amended soils using SHAP regression interpretation. Sci Rep 16, 6935 (2026). https://doi.org/10.1038/s41598-026-35512-7

Nyckelord: pesticidförorenade jordar, pärlmillet, vinasse-gödsling, maskininlärning i jordbruket, jordsanering