Desenredar e interpretar datos químicos no dirigidos: un flujo de trabajo forense basado en datos para identificar...

Área de la Ciencia:

• Química del medio ambiente
• Monitoreo de la calidad del agua
• Aplicaciones de aprendizaje automático

Sus antecedentes:

• Los flujos de trabajo forenses químicos tradicionales para identificar fuentes de contaminación a menudo se basan en objetivos predefinidos, lo que introduce sesgos.
• El análisis químico no dirigido proporciona una visión más amplia, pero requiere métodos de interpretación sofisticados.
• Comprender las diversas fuentes ambientales es crucial para una gestión eficaz de las cuencas hidrográficas.

Objetivo del estudio:

• Desarrollar y evaluar un flujo de trabajo de aprendizaje automático no supervisado basado en datos para la identificación imparcial de las fuentes de contaminación química.
• Comparar la eficacia de la escalado multidimensional no métrica (NMDS) y la factorización de matriz no negativa (NMF) en la interpretación de los datos químicos no dirigidos.
• Descubrir las fuentes conocidas y no identificadas que influyen en la calidad del agua.

Principales métodos:

• Recogido semanalmente datos químicos no dirigidos desde la Estación de Monitoreo de Fall Creek.
• Aplicación de la factorización de matriz no negativa (NMF) para descomponer los datos químicos en factores distintos.
• Factores NMF interpretados utilizando correlaciones de Spearman con las características de las cuencas hidrográficas y el cribado de características sospechosas.

Principales resultados:

• Se han confirmado los factores antropogénicos conocidos y se han identificado nuevas fuentes relacionadas con el derretimiento de la nieve y la filtración de aguas subterráneas.
• Detectado un cambio anual en la composición química, lo que indica la evolución de las influencias de la fuente.
• Se ha demostrado la capacidad del NMF para revelar perfiles de composición química distintos a partir de datos complejos.

Conclusiones:

• El flujo de trabajo de aprendizaje automático sin supervisión propuesto reduce efectivamente el sesgo en la identificación de la fuente.
• Este enfoque permite la detección de contribuyentes químicos emergentes y apoya estrategias adaptativas de gestión de la calidad del agua.
• Los administradores de cuencas hidrográficas pueden utilizar este método para ir más allá de las fuentes predefinidas y proteger los recursos hídricos en condiciones ambientales cambiantes.