相关实验视频
Updated: Jul 17, 2026

07:11
Sampling Soils in a Heterogeneous Research Plot
Published on: January 7, 2019
34.5K
利用机器学习算法在典型的工业园区精细地划出土壤地下水污染的三维界限,中国北部:多源辅助数据的重要性
Siyan Liu1, Xiao Yang2, Biling Shi2
1Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100190, China.
The Science of the total environment
|November 19, 2023
概括
这项研究使用随机森林模型准确地绘制工业场所土壤污染的地图,提高地下水安全. 该模型有效地预测了污染物分布,这对于环境管理至关重要.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 水文地质学 水文地质学
背景情况:
- 工业活动导致严重的土壤和地下水污染.
- 准确地划出土壤污染的空间界限对于环境管理至关重要.
- 空间非静止性和异质采样挑战污染建模.
研究的目的:
- 用稀疏的数据开发一个精确的模型来描述土壤污染物分布.
- 调查工业区土壤污染的空间非静止性.
- 整合各种环境数据以提高预测准确度.
主要方法:
- 使用稀疏偏差钻探数据构建一个随机森林 (RF) 模型.
- 后传神经网络的应用,用于地下水污染的3D可视化.
- 综合水文地质,地化学和工业活动数据.
主要成果:
- 射频模型显著优于和1,2-二乙烯预测的反向距离权重 (R2 0.89对0.29).
- 土壤颗粒大小影响了的迁移;垂直透性控制了1,2-二乙的迁移.
- 污染物向下迁移,在和的含水层中形成羽毛.
结论:
- 射频模型在非静止污染场所表现出优越的适应性.
- 了解污染物迁移驱动因素是预测地下水污染的关键.
- 这种方法为可持续的工业场所管理提供了有价值的技术支持.

