[根据多源辅助变量和随机森林模型预测耕种土壤中重金属的空间分布]

科学领域:

• 环境科学 环境科学
• 土壤科学 土壤科学
• 地理空间分析是什么

背景情况:

• 土壤重金属 (HM) 污染对耕地和可持续生态农业构成风险.
• 准确地对HM度进行空间预测对于有效的监测和管理至关重要.

研究的目的:

• 评估和比较四个模型的性能:随机森林 (RF),回归Kriging (RK),普通Kriging (OK) 和多重线性回归 (MLR).
• 预测在耕种土壤中八种重金属 (As,Cd,Cr,Cu,Hg,Ni,Pb,Zn) 的空间分布.
• 确定影响HM度的关键环境因素.

主要方法:

• 利用了32个环境变量,包括地形,气候,土壤属性,遥感,植被指数和人为因素.
• 应用RF,RK,OK和MLR模型用于重金属度的空间预测.
• 使用R平方,平均绝对误差 (MAE) 和根平均平方误差 (RMSE) 评估模型性能.

主要成果:

• 射频模型对As,Cd,Cr,Hg,Pb和Zn表现出最好的预测性能.
• OK和RK模型分别显示了Cu和Ni的最高预测性能.
• 在南部平原,一直确定高HM度区域,RF提供了更详细的空间预测.
• Se,TN,pH,海拔,温度,降雨量以及靠近河流和工厂的位置被确定为关键影响因素.

结论:

• 随机森林模型对于土壤重金属的空间预测是有效的.
• 这些发现为区域土壤污染调查,评估和管理提供了科学基础.
• 了解影响因素有助于制定可持续生态农业的有针对性的战略.