統合されたフレームワークは,モデル駆動型プロセスと機械学習を組み合わせて,土壌の重金属 (ロイド) の蓄積をシミュレートし,地域のリスクを予測します

科学分野:

• 環境科学 環境科学
• 地質化学 地質化学
• コンピューティング・モデリング

背景:

• 地域的な土壌重金属 (HM) の評価は,広範囲なデータなしで時空的プロセスをリンクし,フローを定量化することの困難によって挑戦されています.
• 既存の方法は,長期の土壌HMダイナミクスを正確にシミュレートし,環境の負荷を予測する能力が欠けている.

研究 の 目的:

• 土壌のHMダイナミクスをシミュレートし,地域規模で環境リスクを評価するための統合モデリングフレームワークを開発し,適用する.
• HMの入力と出力フローを定量化し,土壌の負荷能力の変化を予測し,高リスク地域を特定します.

主な方法:

• マルチソースの排出量インベントリ,AERMOD大気分散モデル,HYDRUSベースの水溶液輸送モジュールを組み合わせたものです.
• アウトプットプロセスの経験的アプローチと,HMの純流の校正のための機械学習モジュールを組み込む.
• 長期シミュレーションを目的として,中国の江省の工業集落に適用.

主要な成果:

• 大気中のHMの堆積は工業化とともに増加したが,農業への投入は減少し,高堆積地帯は点源の近くにある.
• 浸出と土壌浸食はHM損失の主要な経路であり,流出は浸透しない表面で増加した.
• 50年以内に土壌の環境負荷能力が著しく低下し,As,Cu,Cd,Pb,Hgの過負荷地帯が拡大すると予測された.

結論:

• 開発されたフレームワークは,土壌のHMダイナミクスを効果的にシミュレートし,主要な入力/出力経路を特定し,将来の環境リスクを予測します.
• アルゼンチンと銅は,森林地帯で重要な生態学的な毒性リスクをもたらし,耕地と住宅地では耐荷能力が急激に低下した.
• このフレームワークは,排出源の追跡,リスクゾーニング,地域環境管理のための強力なツールとして機能します.