相关实验视频
Updated: Jul 10, 2025
12:44
Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
8.0K
使用机器学习框架预测河流中和的度建模:在中国温州一个城乡过渡区的案例研究
Jingyuan Xue1, Can Yuan2, Xiaoliang Ji2
1Institute for Disaster Management and Reconstruction, Sichuan University, Chengdu 610041, China; College of Water Resource and Civil Engineering, China Agricultural University, Beijing 100083, China.
The Science of the total environment
|November 19, 2023
概括
这项研究使用机器学习来绘制中国温瑞唐河流域的和污染. 这些模型准确地预测营养度,识别污染的主要来源,如污水和水产养殖.
科学领域:
- 环境科学 环境科学
- 水质管理水质管理
- 地理空间分析是什么
背景情况:
- 中国的快速城市化导致了显著的非点源污染 (NPSP),特别是过量的 (N) 和 (P),影响了水生生态系统.
- 升高的N和P水平是水污染的主要原因,尽管它们在水生生物中起着至关重要的作用.
- 城乡过渡区面临着独特的环境压力,因为土地的混合用途和发展.
研究的目的:
- 开发和应用一种使用机器学习的新型框架,用于估计和绘制总 (TN) 和总 (TP) 度.
- 评估TN和TP在温瑞唐河 (WRTR) 流域的空间和时间分布,这是一个代表性的城乡过渡区.
- 确定推动快速城市化地区河流系统N和P污染的关键环境变量.
主要方法:
- 使用随机森林 (RF) 回归算法与26个环境变量的全面GIS数据库集成.
- 开发了TN和TP度在WRTR流域的开放水域中的预测模型.
- 根据现场测量验证了射频模型性能,并分析了污染驱动因素的变量重要性.
主要成果:
- 射频回归模型在预测河流中N和P度的时空分布方面表现出很高的准确性.
- 影响N和P污染的关键变量是水产养殖,直接的家用污水,工业废水排放和气象变化.
- 为河流系统生成了TN和TP度的高分辨率 (每日1公里×1公里) 地图.
结论:
- 开发的RF框架有效地估计和绘制城市-农村过渡流域的营养污染.
- 这些发现为快速城市化地区的水质管理和污染控制策略提供了关键数据.
- 这种方法为缺乏广泛的水质监测数据集的地区的利益相关者提供了有价值的见解.
