在采矿区规模上确定土壤重金属的驱动因素:方法和实践
Jun Yang1, Jingyun Wang2, Chen Zhao1
1Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing, 100101, China; University of Chinese Academy of Sciences, Beijing, 100049, China.
Chemosphere
|December 30, 2023
概括
数据处理改进了机器学习模型,用于识别矿区中污染的驱动因素. 风 风 风 是 一个 风.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 数据科学数据科学数据科学
背景情况:
- 土壤污染,特别是矿区的 (As) 污染,对环境构成重大风险.
- 了解土壤污染背后的驱动因素对于制定有效的补救策略至关重要.
研究的目的:
- 分析一种数据处理方法,以确定采矿地区污染的驱动因素.
- 调查大气扩散和沉积对土壤污染的影响.
主要方法:
- 模拟风场使用标准k-ε模型来分析污染物大气扩散.
- 采用机器学习 (随机森林,支持矢量机,人工神经网络) 和地质探测器方法来识别主要驱动因素.
- 评估数据处理后的模型性能改进,重点关注R2值和因素重要性.
主要成果:
- 数据处理提高了所有三种机器学习模型的预测性能.
- 随机森林模型显示,风力的重要性增加了 (20.85%至26.22%),而炼厂距离的重要性减少了 (43.26%至33.19%).
- 地质探测器分析表明风的驱动力增加 (q值从0.057到0.235),历史大气尘埃水平 (534.98毫克/公斤) 证实大气沉积是污染的关键途径.
结论:
- 一种精细的数据处理方法显著改善了对污染驱动因素的识别.
- 风和大气沉积是影响矿区土壤污染的关键因素.
- 该研究为阐明矿区规模的土壤污染机制提供了一个框架.


