生物炭-Cd吸附量化土壤表征:机器学习预测模型用于Cd转换和固定
Muhammad Saqib Rashid1, Yanhong Wang1, Yilong Yin1
1Key Laboratory of Plant Nutrition and Fertilizer in South Region, Ministry of Agriculture, Guangdong Key Laboratory of Nutrient Cycling and Farmland Conservation, Institute of Agricultural Resources and Environment, Guangdong Academy of Agricultural Sciences, Guangzhou 510640, China.
Toxics
|August 28, 2024
概括
生物炭有效地使土壤中的 (Cd) 停滞不前,五层卷积神经网络 (CNN) 准确预测生物炭修改土壤中的Cd水平,以确保环境可持续性.
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
- 机器学习 机器学习
背景情况:
- 土壤污染的 (Cd) 具有重大环境和健康风险.
- 生物炭 (BC) 修正案被探索为在土壤中固定Cd的策略.
- 准确预测Cd度对于风险评估和补救至关重要.
研究的目的:
- 评估生物炭对各种土壤类型中的吸附的影响.
- 根据土壤特征开发Cd度的预测模型.
- 建立一个框架,用机器学习评估生物炭修饰土壤中的Cd风险.
主要方法:
- 量化土壤表征和土壤样本的化.
- 长期短期记忆 (LSTM),双向门循环单元 (BiGRU) 和五层卷积神经网络 (CNNs) 的应用,用于风险评估.
- 使用R平方 (R2) 值对模型性能进行统计分析.
主要成果:
- 在对照土壤中,5层CNN模型获得了最高的精度 (R2=0.91).
- 在生物炭修改土壤中,5层CNN模型表现出卓越的性能 (R2=0.95),表现优于BiGRU (R2=0.93) 和LSTM (R2=0.94).
- 像pH,粘土,CEC,有机碳和EC这样的土壤特性是Cd固定化的关键因素.
结论:
- 生物炭修正案显著提高了土壤中Cd度的预测准确性.
- 卷积神经网络 (CNN) 在预测生物炭修饰土壤中的Cd转化和风险方面非常有效.
- 该研究支持开发生态土壤修复战略,以实现可持续的重金属管理.
