通过基于数据的方法了解中国现场污染的驱动机制
Kai Li1, Ranhao Sun1
1State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing, 100085, China; University of Chinese Academy of Sciences, Beijing, 100049, China.
Environmental pollution (Barking, Essex : 1987)
|December 8, 2023
概括
鉴定中国工地污染的主要驱动因素对于减轻环境风险至关重要. 一个数据驱动的随机森林模型揭示了影响污染过程的18个关键驱动因素,从而实现了有针对性的预防策略.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 风险管理 风险管理
背景情况:
- 中国面临着污染场所带来的重大环境风险,由于有限的定量数据,原因机制尚不清楚.
- 现有的方法经常无法捕捉复杂的,非线性关系驱动站点污染.
研究的目的:
- 开发一种以数据为导向的方法,以确定中国现场污染的关键驱动因素.
- 构建一个可解释的模型,以了解驱动因素和污染之间的因果关系.
- 为减轻受污染场所带来的环境风险制定有针对性的策略.
主要方法:
- 使用数据驱动的因果推理方法.
- 开发并应用了一个可解释的随机森林 (RF) 模型.
- 采用部分依赖图 (PDP) 来分析驱动器的影响和相互作用.
主要成果:
- 射频模型实现了高预测准确度 (0.89),用于识别受污染的地点.
- 从25个潜在因素中,确定了18个地点污染的关键驱动因素.
- 关键驱动因素对污染过程 (不受控制的释放,迁移,积累) 的不同影响 (方向,强度,模式) 的特征.
结论:
- 这项研究提供了一种强有力的方法,以辨别与相关性无关的现场污染的因果驱动因素.
- 这些发现使环境管理人员能够通过监管已识别的关键驱动因素来主动预防污染.
- 提供了针对中国减轻环境风险的有针对性的干预措施的可操作的见解.
