通过使用可解释机器学习模型,识别土壤重金属污染物中的空间驱动因素的互动效应
Deyu Duan1, Peng Wang1, Xin Rao2
1School of Environmental Science and Engineering, Guangdong University of Technology, Guangzhou 510006, China.
The Science of the total environment
|May 20, 2024
概括
识别土壤重金属 (SHM) 的空间驱动因素是管理的关键. 这项研究表明,环境因素之间的相互作用显著影响SHM的分布和污染,为有效的补救策略提供了新的见解.
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:
- 准确的空间驱动因素的识别对于有效的土壤重金属 (SHM) 管理至关重要.
- 了解这些驱动因素的复杂相互作用仍然是一个重大挑战.
研究的目的:
- 开发一个全面的框架来识别和阐明空间驱动因素对SHM的交互影响.
- 在珍珠河三角洲 (PRD) 使用综合分析技术分析SHM污染 (Hg,Cd,Zn).
主要方法:
- 集成地质探测器,CatBoost和夏普利添加式拓展 (SHAP) 技术.
- 对14个影响SHM分布的环境因素的分析.
- 专注于空间驱动因素对重金属污染的影响.
主要成果:
- SHM分布受源流-流槽过程中的单个因素和相互作用的结合影响.
- Hg和Cd之间的相互作用以及涉及Zn的相互作用显示出增强的空间解释能力.
- 空间异质性显著影响环境因素对SHM度的贡献,当考虑相互作用时,影响会波动.
结论:
- SHAP方法为重金属污染提供了可理解的见解,可以比较因素的重要性和方向影响.
- 交互因素在SHM污染中起着至关重要的作用,需要在管理策略中考虑.
- 结果为开发准确的管理策略提供了关于SHM污染的空间异质性的宝贵见解.
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
10:05Integrated Field Lysimetry and Porewater Sampling for Evaluation of Chemical Mobility in Soils and Established Vegetation
Published on: July 4, 2014
14.3K
