利用机器学习来评估世界上最大的红树林森林中的重金属污染
Ram Proshad1, Md Abdur Rahim2, Mahfuzur Rahman3
1State Key Laboratory of Mountain Hazards and Engineering Safety, Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, Sichuan, China; University of Chinese Academy of Sciences, Beijing 100049, China.
The Science of the total environment
|August 25, 2024
概括
重金属污染威胁着桑达尔班斯的红树林森林. 机器学习模型准确地预测沉积物污染,识别保护和管理干预的关键区域.
科学领域:
- 环境科学 环境科学
- 生态毒理学 生态毒理学
- 地质化学 地质化学
背景情况:
- 世界上最大的红树林森林 - - 桑达尔班森林因重金属污染而面临严重的生态和健康风险.
- 准确预测Sundarbans沉积物中的重金属积累一直是一个重大挑战.
研究的目的:
- 开发和评估机器学习模型,用于预测Sundarbans的重金属沉积物污染.
- 确定最有效的算法来建模11种重金属的积累.
主要方法:
- 从Sundarbans收集了199个标准化的沉积物样本.
- 应用了十种不同的机器学习算法,包括极端随机树,随机森林和决策树.
- 利用特征属性分析和空间自相关性 (摩兰的I指数) 来理解金属关系和分布.
主要成果:
- 极其随机的树木显示了Fe,Cr,Zn,Ni,Cu,Co,As和V的高性能.
- 随机森林在预测Cd和Mn方面表现出色,而决策树在Pb方面表现最好.
- 预测了非常高的 (Cd) 污染 (CF ≥ 6),观察到Cd,Cr,Pb和As的强烈正空间自相关性.
结论:
- 机器学习为预测Sundarbans沉积物中的重金属污染提供了一个强大的框架.
- 确定了用于准确预测重金属的特定算法,有助于有针对性的保护工作.
- 调查结果强调,迫切需要综合管理和补救行动,以减轻重金属污染在这个重要的生态系统.
