机器学习驱动的重金属污染源识别和生态风险预测在耕种土壤中的重金属污染
Zihan Bi1, Jian Sun2, Yutong Xie1
1Key Laboratory of the Three Gorges Reservoir Region's Eco-Environment, Ministry of Education, College of Environment and Ecology, Chongqing University, Chongqing 400045, China.
Journal of hazardous materials
|July 7, 2024
概括
环境因素显著影响土壤中的重金属积累. 这项研究使用机器学习和大数据来识别污染源和生态风险,帮助土地管理.
科学领域:
- 环境科学 环境科学
- 土壤科学 土壤科学
- 地质化学 地质化学
背景情况:
- 由于数据有限,评估对土壤重金属积累的环境影响具有挑战性.
- 了解土壤重金属的空间分布和来源对于评估和减轻生态风险至关重要.
研究的目的:
- 分析环境因素对种植土壤中重金属 (Cr,Pb,Cd,As,Hg) 积累的影响.
- 通过使用先进的分析技术,评估生态风险并确定污染源.
- 为有效的土地管理和污染控制战略提供数据.
主要方法:
- 分析了577个土壤样本与大数据相结合,在中国的新县.
- 机器学习 (随机森林) 的应用,潜在的生态风险指数和双变局部莫兰指数 (BLMI).
- 冗余分析用于调查重金属转移到作物中的情况.
主要成果:
- 随机森林模型有效地预测了重金属度,确定气候,海拔,工业,土壤特性,铁路和人口作为关键影响因素.
- (Cd) 和 (Hg) 构成了主要的生态风险.
- BLMI分析显示了风险和环境因素的空间聚类,指导了有针对性的干预措施.
结论:
- 集成的大数据和机器学习为评估土壤重金属污染提供了一个强大的框架.
- 识别关键的环境驱动因素和高风险地区对于有效地管理土壤污染至关重要.
- 该研究提供了减轻重金属污染和确保农业可持续性的关键数据.
