评估含水层对酸盐总污染的特定脆弱性,使用组合学习和地质化学证据
Xiaoyue Sun1, Wengeng Cao2, Deng Pan3
1Institute of Hydrogeology and Environmental Geology, Chinese Academy of Geosciences, Shijiazhuang 050061, China; Key Laboratory of Groundwater Sciences and Engineering, Ministry of Natural Resources, Shijiazhuang 050061, China; North China University of Water Resources and Electric Power, Zhengzhou 450046, China.
The Science of the total environment
|December 24, 2023
概括
中国的水层脆弱性在中国.
科学领域:
- 环境科学 环境科学
- 水文地质学 水文地质学
- 机器学习 机器学习
背景情况:
- 中国的谷仓地区面临着来自工业,农业和家庭废水的含水层污染.
- 有限的地下水监测数据阻碍了准确预测含水层脆弱性和污染风险.
- 确保粮食和饮用水安全至关重要.
研究的目的:
- 利用有限的数据开发一种新的方法来预测大面积的含水层脆弱性.
- 为了应对地下水质量评估中样本短缺的挑战.
- 识别污染风险并保护水资源.
主要方法:
- 利用小规模的,数据丰富的区域的随机森林模型来确定酸盐-N度的关键影响指标.
- 开发了六个机器学习模型,并选择了表现最好的包装模型 (R2 = 0.86).
- 应用经过验证的模型来预测较大,数据稀缺的地区的含水层脆弱性.
主要成果:
- 确定了20%的研究区域高度脆弱,主要受到含水层厚度 (65.91%) 的影响.
- 较高的酸盐度表明有相当大的含水层污染.
- 模型预测显示,与地下水中酸盐-N度的长期趋势和斜率 (斯皮尔曼系数0.75和0.58) 有着强烈的相关性.
结论:
- 拟议的机器学习方法有效地预测了数据稀缺地区的含水层脆弱性.
- 该方法有助于识别高风险污染区域,并解决数据限制问题.
- 该研究有助于确保区域的粮食和饮用水供应.
