通过双同位素和机器学习,对长江酸盐循环的盆地范围的跟踪
Fazhi Xie1, Gege Cai2, Guolian Li1
1School of Environmental and Energy Engineering, Anhui Jianzhu University, Hefei 230031, Anhui, China.
The Science of the total environment
|December 29, 2023
概括
化学肥料是长江流域酸盐污染的主要来源. 机器学习模型可以准确预测酸盐含量,帮助水质保护工作.
科学领域:
- 环境科学 环境科学
- 水的质量 水的质量
- 同位素水文学 同位素水文学
背景情况:
- 酸盐污染 (NO3-) 严重影响长江水质和生态系统健康.
- 关于水污染的大规模数据对于有效保护水源和"大保护长江"政策至关重要.
研究的目的:
- 为了调查长江流域的酸盐转化和来源.
- 使用机器学习开发酸盐度的预测模型.
主要方法:
- 利用双同位素分析和贝叶斯混合模型来确定酸盐来源.
- 使用四种机器学习模型,包括XGBoost,来预测酸盐度.
- 纳入人为和自然因素,如降雨量,GDP和人口作为预测变量.
主要成果:
- 化学肥料被确定为主要的酸盐来源:76%在上游和39%在中游和下游.
- 在整个盆地观察到化过程.
- XGBoost模型表现出强大的预测性能,R2为0.74.
结论:
- 这项研究提供了第一个盆地范围,数据驱动的评估酸盐循环在长江.
- 预测模型是了解酸盐分布和运输的宝贵工具,支持水质管理.
