基于土壤特性和气候特征,开发和应用机器学习模型来预测土壤可用的
Zhihui Yang1, Hui Xia2, Ziyun Guo2
1Institute of Environmental Science and Engineering, School of Metallurgy and Environment, Central South University, 410083, Changsha, China; Chinese National Engineering Research Center for Control & Treatment of Heavy Metal Pollution, 410083, Changsha, China.
Environmental pollution (Barking, Essex : 1987)
|May 12, 2024
概括
机器学习模型确定了影响土壤 (Cd) 积累的关键因素,包括pH和有机物质. 这项研究预测中国的高Cd活动地区,有助于污染控制工作.
科学领域:
- 环境科学 环境科学
- 土壤科学 土壤科学
- 数据科学数据科学数据科学
背景情况:
- 土壤中可用的 (Cd) 积累对食物链构成风险.
- 目前的评估方法效率低下,耗时.
研究的目的:
- 开发机器学习 (ML) 模型,以确定影响土壤可用性的关键因素 Cd.
- 研究土壤特性,气候和可用的Cd之间的相互作用.
- 预测中国可用CD的空间分布趋势.
主要方法:
- 利用分层采样,贝叶斯优化和10倍交叉验证来进行最佳的模型选择.
- 采用换特征的重要性,2D部分依赖图和3D交互图用于模型解释.
- 来自中国的综合历史土壤调查和气候数据.
主要成果:
- 确定了土壤pH值,表面压力,感知热量净流量和有机物含量作为影响Cd积累的重要因素.
- 预测可用Cd的空间分布趋势,突出显示中国东部,南部,中部和东北部的高活动区域.
结论:
- 机器学习为了解土壤Cd积累提供了一种新的,有效的方法.
- 调查结果为中国有针对性的土壤Cd污染修复和控制战略提供了关键数据.
更多相关视频
12:03Two-Dimensional Visualization and Quantification of Labile, Inorganic Plant Nutrients and Contaminants in Soil
Published on: September 1, 2020
6.1K
08:09Measuring and Mapping Patterns of Soil Erosion and Deposition Related to Soil Carbonate Concentrations Under Agricultural Management
Published on: September 12, 2017
11.8K
