水・土・空気因子に基づく稲田における高頻度CH4測定のための機械学習駆動的方法:長江流域の事例研究
Qinjing Zhang1, Weijia Wen1, Yanhua Zhuang1
1Hubei Provincial Engineering Research Center of Non-Point Source Pollution Control, Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences, Wuhan, 430077, China; Key Laboratory for Environment and Disaster Monitoring and Evaluation of Hubei, Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences, Wuhan, 430077, China; University of Chinese Academy of Sciences, Beijing, 100049, China.
米畑でのメタン (CH4) の正確なモニタリングは,新しい機械学習法を使用して可能です. このアプローチは,高頻度で費用対効果の高いCH4排出量測定のために環境要因を使用します.
科学分野:
- 環境科学
- 農業科学
- 大気化学
背景:
- 米畑からのメタン (CH4) 排出量の正確な高周波モニタリングは,炭素排出量の制御に不可欠です.
- 変動する排出量や複雑なフィールド環境により 課題が生じています
研究 の 目的:
- 機械学習と環境要因を用いた新しいインシット高周波CH4測定方法を開発する.
- 米畑におけるCH4の生産と輸送に影響を与える主要な環境変数を特定する.
主な方法:
- 機械学習アルゴリズム,特に決定ツリー (DTR) を利用し,CH4流量逆転を行いました.
- 様々な環境要因 (土壌,水,空気) がCH4排出量に与える影響を分析した.
- センサーで測定可能な水・土・空気環境データを用いてこの方法を検証した.
主要な成果:
- 土壌と水はCH4の生産と輸送に大きな影響を与えます.
- 水深,土壌の電気伝導性 (EC),土壌の温度 (Ts) はCH4流量と正の相関関係にある.
- 土壌の酸化還元能力 (Eh) は負の相関を示した (p < 0. 05).
- 土壌因子による決定樹モデルは,最も高い精度 (R2 = 0.84) を達成した.
- 重要な入力変数: Eh,EC,土壌 pH,Ts (R2 > 0.80)
結論:
- 開発された方法は,CH4のモニタリングに高い頻度,正確性,および費用対効果を提供します.
- 稲田からのCH4排出量のリアルタイム監視と制御を可能にする.
- 様々な小規模な水域でのCH4モニタリングに関する新しい洞察を提供します.
さらに関連する動画
09:03Assessment of Methane and Nitrous Oxide Fluxes from Paddy Field by Means of Static Closed Chambers Maintaining Plants Within Headspace
Published on: September 6, 2018
05:00Measuring Dissolved Methane in Aquatic Ecosystems Using An Optical Spectroscopy Gas Analyzer
Published on: July 26, 2024
