通过地球化学建模,诺布尔斯指数和随机森林模型评估和预测地下水中的六价脆弱性
Abhinav Raj1, Alok Sinha1, Ashwin Singh1
1Department of Environmental Science and Engineering, Indian Institute of Technology (Indian School of Mines), Dhanbad, Jharkhand 826004, India.
The Science of the total environment
|October 4, 2023
概括
不受监管的矿开采污染了地下水的六价. 一种新的建模方法有效地评估了采矿地区的表面和地下污染风险.
科学领域:
- 环境科学 环境科学
- 水文地质学 水文地质学
- 地质化学 地质化学
背景情况:
- 不受监管的矿开采导致地下水中六价污染.
- 由于季风充电和依赖地下水,评估污染程度具有挑战性.
研究的目的:
- 探索用于风险评估的合表面和地下建模方法.
- 调查印度苏金达山谷的来源,矿物质稳定性和污染程度.
主要方法:
- 离子特征,和状态和聚类分析用于源识别.
- 使用水文地质和土壤参数开发了DRASTIC,DRASTIC-L和NOBLES指数.
- 敏感性分析 (MRSA,SPSA) 和随机森林 (RF) 机器学习的应用用于预测.
主要成果:
- 该研究成功地整合了表面和地下数据,用于风险评估.
- 德拉斯蒂克和德拉斯蒂克-L模型评估了表面漏的脆弱性,而诺贝尔指数和地化学模型评估了地下脆弱性.
- 通过整合各种环境因素,射频机器学习有效地预测了水平.
结论:
- 拟议的合建模方法为采矿受影响地区的风险评估提供了一种新的方法.
- 这种方法适用于具有活跃采矿或废弃矿山的地区,这些矿山经历了酸性矿井排水.
- 有效的划界和风险评估对于管理采矿活动造成的污染至关重要.
