河川流域における塩素酸塩汚染の源配分と緩和のための知識主導のディープラーニング・フレームワーク

科学分野:

• 環境科学 環境科学
• 水文学 水文学とは,水文学の学問である.
• データサイエンス データサイエンス

背景:

• 花火の製造は,水中の環境におけるパークロレート汚染の主要な源である.
• 既存の方法は,複雑な産業汚染のダイナミクスと,河川流域の分散したガバナンスに対処できず,効果的な緩和を妨げています.

研究 の 目的:

• 中国の花火生産地域におけるパークロラート汚染パターンを調査する.
• 盆地規模でのパークロラート濃度動態を予測するための新しい知識主導の枠組みを開発し,検証する.
• パークロラート汚染の点源と非点源からの貢献を区別し,定量化する.

主な方法:

• プロセスベースの水理学とディープラーニング (Mixture-of-Experts) を統合した知識主導のフレームワークを開発しました.
• 中国の主要花火生産地域における空間時間的なパークロラート汚染パターンを分析した.
• 非点源汚染の主要な要因を特定するために注意分析を使用しました.
• マルチシナリオシミュレーションを行い,緩和戦略を評価しました.

主要な成果:

• 工業地帯に関連した重要なパークロラート"蓄積回廊"を特定しました.
• 統合モデルは,長期的な傾向やエピソード的なピークを正確に予測し,従来のデータ主導の方法よりも優れたパフォーマンスを発揮します.
• ポイントソースは,通路内の総負荷の約65%を占めています.
• 非点源汚染は雨季に増幅される (乾季よりも1.7×2.8×高い流れ).
• 煙火工場の密度,降水量,土壌特性は,ノンポイントパークロレート源の主要な要因である.

結論:

• 開発された枠組みは,産業汚染物質のリスクの盆地規模の診断のための移行可能なアプローチを提供します.
• ポイント,ノンポイント,および上流のインプットをターゲットにした調整された制御戦略は,パークロレート超過を大幅に減らすことができます.
• この研究は,産業汚染物質のリスクを管理するための意思決定支援ツールを提供し,地元の状況と規制枠組みに適応することができます.