通过土壤特性和机器学习技术绘制粘土大小矿物质的全球分布图
Qinpeng Liao1, Huangling Gu1, Chongchong Qi1
1School of Metallurgy and Environment, Central South University, Changsha 410083, China; Chinese National Engineering Research Center for Control & Treatment of Heavy Metal Pollution, Changsha 410083, China.
The Science of the total environment
|July 15, 2024
概括
机器学习模型使用土壤特性预测全球粘土大小的矿物分布. 这种方法填补了数据缺口,并增强了对土壤地质化学循环的理解.
科学领域:
- 地质化学 地质化学
- 土壤科学 土壤科学
- 环境科学 环境科学
背景情况:
- 粘土大小的矿物质是影响环境过程的关键土壤成分.
- 需要全球分布图来识别环境变异,但在偏远地区存在数据缺口.
- 了解矿物分布是土壤地球化学循环研究的关键.
研究的目的:
- 使用机器学习 (ML) 预测全球粘土大小的矿物质含量.
- 分析关键矿物质的全球丰度变化.
- 为了确定影响矿物分布的土壤特性.
主要方法:
- 应用ML方法用于根据土壤特性预测矿物质含量.
- 分析了土壤特性和矿物分布之间的关系.
- 解释模型的发现,以了解影响因素.
主要成果:
- 预测的平均含量是高酸盐 (28.69%),伊利石 (22.30%),石膏石 (12.42%),水晶石 (5.43%),酸盐 (5.03%),以及地 (1.44%).
- 确定了表层土壤的散密度和排水等级作为所有六种矿物质的重要预测因素.
- 观察到散装密度对2:1层矿物质的影响超过1:1层矿物质,排水影响矿物类型的发展.
结论:
- 基于土壤特性,ML模型准确地预测矿物质含量和变化.
- 这项研究为绘制矿物分布图和了解土壤地质化学循环提供了一种新的方法.
- 这些发现强调了土壤特性在控制粘土大小矿物分布方面的重要性.


